CN114697529A - 视觉信息自适应调整方法、装置、焊接设备及存储介质 - Google Patents
视觉信息自适应调整方法、装置、焊接设备及存储介质 Download PDFInfo
- Publication number
- CN114697529A CN114697529A CN202011615021.6A CN202011615021A CN114697529A CN 114697529 A CN114697529 A CN 114697529A CN 202011615021 A CN202011615021 A CN 202011615021A CN 114697529 A CN114697529 A CN 114697529A
- Authority
- CN
- China
- Prior art keywords
- correction
- value
- target
- shooting parameters
- gain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003466 welding Methods 0.000 title claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 379
- 230000003044 adaptive effect Effects 0.000 claims description 40
- 208000011580 syndromic disease Diseases 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims 1
- 239000003086 colorant Substances 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000002372 labelling Methods 0.000 description 8
- 239000002184 metal Substances 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种视觉信息自适应调整方法、装置、焊接设备及存储介质。视觉信息自适应调整方法，用于捕捉物体中的目标特征，包括：确定所述目标特征的原始拍摄参数；基于所述原始拍摄参数进行第一拍摄校正及获取物体图像，并基于所述物体图像确定初步校正拍摄参数；基于所述初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数；基于所述目标拍摄参数，捕捉所述物体中的所述目标特征。本申请的视觉信息自适应调整方法、装置、焊接设备及存储介质，可自适应捕捉不同批次、不同纹理、不同色泽等外观存在差别的物体的目标特征以进行焊接，物体的目标特征捕捉率高，提高后续焊接质量以及焊接效率。
Description
技术领域
本申请涉及机器视觉技术领域，具体涉及一种视觉信息自适应调整方法、装置、焊接设备及存储介质。
背景技术
现有技术中，镭射焊接设备在将带有螺柱的法兰盘的焊接至金属板之前，一般需要通过CCD相机捕捉到法兰盘，以确定法兰盘的位置后，镭射器才会向法兰盘出射激光，以将法兰盘焊接于金属板。传统法兰盘的边界找寻方法通常是先手动调整曝光值、相机增益，然后作业人员目视判断图像清晰度合适后再手动选择捕捉法兰盘边界作为模板，螺柱边界捕捉的曝光值、增益等阈值相对固定。
传统的边界捕捉方法存在如下缺陷：作业人员目视判断导致误差大；CCD相机捕捉的模板中，由于不同批次、不同法兰盘的色泽差异，导致CCD相机捕捉兼容性不强，无法对所有法兰盘进行有效的边界识别；由于边界捕捉阈值相对固定，若法兰盘色泽、表面纹理等存在差异容易导致CCD捕捉失败，还会触发焊接设备自动抛料，导致焊接效率低。
发明内容
鉴于以上内容，有必要提出一种视觉信息自适应调整方法、装置、焊接设备及存储介质，以解决上述问题。
本申请实施例第一方面提出一种视觉信息自适应调整方法，用于捕捉物体中的目标特征，包括：
确定所述目标特征的原始拍摄参数；
基于所述原始拍摄参数进行第一拍摄校正及获取物体图像，并基于所述物体图像确定初步校正拍摄参数；
基于所述初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数；
基于所述目标拍摄参数，捕捉所述物体中的所述目标特征。
本申请实施例第二方面提出一种视觉信息自适应调整装置，用于捕捉物体中的目标特征，包括处理器，所述处理器用于：
确定所述目标特征的原始拍摄参数；
基于所述原始拍摄参数进行第一拍摄校正及获取物体图像，并基于所述物体图像确定初步校正拍摄参数；
基于所述初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数；
基于所述目标拍摄参数，捕捉所述物体中的所述目标特征。
本申请实施例第三方面提出一种焊接设备，所述焊接设备包括上述的视觉信息自适应调整装置。
本申请实施例第四方面提出一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器执行，以实现上述的视觉信息自适应调整方法。
上述的视觉信息自适应调整方法、装置、焊接设备及存储介质，通过确定目标特征的原始拍摄参数，基于原始拍摄参数以确定初步校正拍摄参数，基于初步校正拍摄参数以确定目标拍摄参数，基于目标拍摄参数，以捕捉物体中的目标特征。可自适应捕捉不同批次、不同纹理、不同色泽等外观存在差别的物体的目标特征以进行焊接，物体的目标特征捕捉率高，提高后续焊接质量以及焊接效率。
附图说明
图1是本申请实施例的视觉信息自适应调整方法的流程图。
图2是本申请实施例的视觉信息自适应调整方法中确定目标特征的原始拍摄参数的具体方法流程图。
图3是本申请实施例的视觉信息自适应调整方法中确定初步校正拍摄参数的具体方法流程图。
图4是本申请实施例的视觉信息自适应调整方法中确定目标拍摄参数的具体方法流程图。
图5是本申请实施例的视觉信息自适应调整装置的硬件架构图。
图6是本申请实施例的视觉信息自适应调整系统的功能模块示意图。
主要元件符号说明
视觉信息自适应调整装置 100
处理器 10
通信器 20
拍摄装置 30
存储器 40
视觉信息自适应调整系统 200
第一确定模块 202
第一获取子模块 2021
第一确定子模块 2022
第一提取子模块 2023
第一标记子模块 2024
第二确定模块 204
第一获得子模块 2041
第二获取子模块 2042
第一识别子模块 2043
第二确定子模块 2044
第二标记子模块 2045
第三确定模块 206
第二获得子模块 2061
第三获取子模块 2062
第二识别子模块 2063
第三确定子模块 2064
第三标记子模块 2065
捕捉模块 208
第四确定模块 2082
调取模块 2084
形成模块 210
选取模块 212
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，需要说明的是，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯，可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。
请参见图1，为本申请实施例的视觉信息自适应调整方法的流程图，本申请的视觉信息自适应调整方法通过调整目标特征的拍摄参数以便快速捕捉到物体中的目标特征。本申请的物体可以为电路板组件(包括电路板和焊盘或芯片)、金属板组件(包括金属板和带螺柱的法兰盘)等，目标特征可以为电路板上的焊盘或芯片、金属板上带螺柱的法兰盘、放置于金属板上的金属件、芯片上引脚等，本申请的视觉信息自适应调整方法可应用于带拍摄装置的焊接设备。其中，拍摄装置可以为CCD相机。
可选地，在执行本申请视觉信息自适应调整方法前，需将物体置于焊接设备中，为方便理解，以物体为金属板和法兰盘，而目标特征为法兰盘进行阐述，具体地，在将法兰盘与金属板进行焊接时，需要先将一法兰盘层叠于一金属板并安装于治具中，然后将治具安装于焊接设备，此时启动本申请的视觉信息自适应调整方法进行调整法兰盘的拍摄参数，以便在该拍摄参数下可快速捕捉法兰盘，以便焊接设备可快速对法兰盘发射激光，将法兰盘焊接于金属板。本申请的视觉信息自适应调整方法包括如下步骤：
步骤S1：确定目标特征的原始拍摄参数。
具体地，原始拍摄参数可以为拍摄物体时的物体拍摄参数，也即为目标特征原始拍摄参数，由于原始拍摄参数无法使拍摄装置快速捕捉目标特征，所以需要以原始拍摄参数作为基准进行校正，以便拍摄装置可快速捕捉目标特征。可选地原始拍摄参数可以包括原始增益值、原始曝光值、原始灰度值、原始边界捕捉刻度数量、原始边界捕捉长度、原始边界拟合系数中至少一种。
步骤S2：基于原始拍摄参数进行第一拍摄校正及获取物体图像，并基于物体图像确定初步校正拍摄参数。
具体地，本步骤先使用原始拍摄参数作为基准，可调整出多组初步校正拍摄参数；然后使用拍摄装置根据不同的组别初步校正拍摄参数，分别对物体进行拍摄以获得多张物体图像，其中，每一组初步校正拍摄参数对应拍出至少一张物体图像；再分析多张物体图像中的目标特征轮廓的清晰度；最后选出目标特征轮廓的清晰度较高的图像及其对应的初步校正拍摄参数，至此完成第一次捕捉目标特征的拍摄参数的校正。
步骤S3：基于初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数。
具体地，本步骤以步骤S2中最后选出的初步校正拍摄参数作为基准，调整出多组目标拍摄参数；然后使用拍摄装置根据不同组别的目标拍摄参数，分别对物体进行拍摄以获得多张物体图像，其中，每一组目标拍摄参数对应拍出至少一张物体图像；再分析多张物体图像中的目标特征轮廓的清晰度；最后选出目标特征轮廓的清晰度较高的物体图像及其对应的目标拍摄参数，至此完成第二次捕捉目标特征的拍摄参数的校正。
步骤S4：基于目标拍摄参数，捕捉物体中的目标特征。
具体地，本步骤基于步骤S3中最后选出的目标拍摄参数进行捕捉物体中的目标特征，以便验证目标特征的拍摄参数的调整准确率。
请参见图2，步骤S1确定目标特征的原始拍摄参数包括如下步骤：
步骤S11：获取物体拍摄参数。
具体地，物体拍摄参数可以为拍摄装置拍摄物体图像所需的增益值、曝光值中的至少一个，物体拍摄参数可预先设置，也可以通过人工输入。
步骤S12：基于物体拍摄参数，进行物体拍摄校正并获取物体校正图像，以基于物体校正图像确定物体校正拍摄参数。
具体地，物体拍摄参数可以包括多个增益值和多个曝光值，基于多个增益值和多个曝光值以对物体的拍摄参数进行调整。具体地，物体校正拍摄参数的确定方法可以为：首先使用拍摄装置根据不同的增益值和曝光值对物体进行拍摄，从而可获取多个物体图像，其中，每一组增益值和曝光值对应拍出至少一张物体图像；然后通过图像二值化识别模型对多个物体图像进行图像二值化数据转换与轮廓元素提取，以获得多个轮廓清晰的物体图像；再从多个轮廓清晰的物体图像中筛选出清晰度最优的物体图像作为物体校正图像；并将此物体校正图像对应的增益值、曝光值标记为物体校正拍摄参数。
步骤S13：基于多组物体校正拍摄参数，对物体进行拍照，以获取物体样本图像。
可选地，步骤S12中最后选出的物体校正拍摄参数为多组，本步骤根据多组物体校正拍摄参数使用拍摄装置拍摄出多张物体图像，以获得多个轮廓清晰的物体图像；再从多个轮廓清晰的物体图像中筛选出清晰度最优的物体图像作为物体样本图像。
步骤S14：基于物体样本图像，提取目标特征轮廓。
具体地，本步骤以步骤S13所获取的物体样本图像为基准，通过图像二值化识别模型对物体样本图像进行图像二值化数据转换与轮廓元素提取，以从物体样本图像中提取目标特征的轮廓。在其它实施例中，也可以不设置步骤S13，具体地，在步骤S12中获得的物体校正图像只有一张，本步骤基于该物体校正图像进行提取目标特征的轮廓。
步骤S15：基于物体校正拍摄参数和目标特征轮廓，捕捉目标特征，并确定捕捉结果为成功。
具体地，本步骤以步骤S12所确定的校正拍摄参数为基准设置拍摄装置的拍摄参数，并以步骤S14所提取的目标特征的轮廓作为基准使用拍摄装置对准物体以捕捉目标特征，若拍摄装置能捕捉到目标特征则判定捕捉结果为成功；若拍摄装置捕捉不到目标特征则判定捕捉结果为失败，并返回步骤S13，基于物体校正拍摄参数重新对物体进行拍照，直至判断目标特征捕捉成功。
步骤S16：基于捕捉结果为成功，将物体校正拍摄参数标记为原始拍摄参数。
请参见图3，步骤S2确定初步校正拍摄参数的方法包括如下步骤：
步骤S21：基于原始增益值及第一预设增益规则，获得第一校正增益值、第二校正增益值。
具体地，第一预设增益规则的一种实施方式可以为：将原始增益值分为n(n为大于或等于2的正整数)档，具体地，在原始增益的基础上加和/或减一个浮动增益值以使得原始增益值调整为n档增益值，可选地，n为2，举例地，原始增益值为-1db，浮动增益值为1db，那么经第一预设增益规则调整后得到的2档增益值分别为0db、1db，即第一校正增益值为0db，第二校正增益值为1db。
可以理解地，在其他的实施方式中，还可以将原始增益分为3或5档，具体地，可在原始增益的基础上加和/或减多个浮动增益值以调整为3或5档，例如为原始增益值为-2db，浮动增益值为1db，那么经第一预设增益规则调整后得到的3档增益值分别为-1db、0db、1db；或例如为原始增益值为0db，浮动增益值为1db，那么经第一预设增益规则调整后得到的5档增益值分别为-2db、-1db、0db、1db、2db。
步骤S22：基于第一校正增益值，获得与第一校正增益值对应的第一校正曝光值。
具体地，焊接设备中预存有第一校正增益值和第一校正曝光值，一个第一校正增益值对应一个第一校正曝光值，可选地，也可以为一个第一校正增益值对应多档第一校正曝光值，举例地，基于第一校正增益值为0db，对应的，第一校正曝光值分为10档：1EV、3EV、5EV、7EV、9EV、11EV、13EV、15EV、17EV、19EV；可选地，拍摄装置根据第一校正增益值以及对应的每一第一校正档曝光值，以分别获取至少一张对应的图像，其中，第一校正增益值和每一个第一校正曝光值对应拍出至少一张图像。
可以理解地，在其他的实施方式中，曝光值还可以分为5档、15档、20档或更多档。
步骤S23：基于第二校正增益值，获得与第二校正增益值对应的第二校正曝光值。
具体地，焊接设备中预存有第二校正增益值和第二校正曝光值，一个第二校正增益值对应一个第二校正曝光值，可选地，也可以为一个第一校正增益值对应多档第二校正曝光值，举例地，基于第二校正增益值为1db，对应的第二校正曝光值分为10档：1EV、3EV、5EV、7EV、9EV、11EV、13EV、15EV、17EV、19EV；可选地，拍摄装置根据第二校正增益值以及对应的每一第二校正曝光值，以分别获取至少一张对应的图像，其中，第二校正增益值和每一个第二校正曝光值对应拍出至少一张图像。
步骤S24：基于第一校正增益值及第一校正曝光值，对物体进行拍照，以获取第一物体图像。
具体地，根据第一校正增益值以及对应的第一校正曝光值，例如，第一校正增益值为0db，第一校正曝光值为3EV，通过拍摄装置对物体进行拍照，以获取第一物体图像。
步骤S25：基于第二校正增益值及第二校正曝光值，对物体进行拍照，以获取第二物体图像。
具体地，根据第二校正增益值以及对应的第二校正曝光值，例如，第二校正增益值为1db，第二校正曝光值为1EV，通过拍摄装置对物体进行拍照，以获取第二物体图像。
步骤S26：基于第一物体图像，识别目标特征的第一灰度值。
具体地，根据第一物体图像进行识别中图像中的目标特征，并分析目标特征的第一灰度值。
步骤S27：基于第二物体图像，识别目标特征的第二灰度值。
具体地，根据第二物体图像进行识别中图像中的目标特征，并分析目标特征的第二灰度值。
步骤S28：基于第一灰度值与第二灰度值二者中所选取得初步校正灰度值，以确定初步校正灰度值对应的初步校正增益值、初步校正曝光值。
具体地，根据第一灰度值和第二灰度值，选取最能反应目标特征的灰度值，将该灰度值作为初步校正灰度值，并确定与该校正灰度值所对应的初步校正增益值、初步校正曝光值。
步骤S29：将初步校正灰度值及所对应的初步校正增益值、初步校正曝光值标记为初步校正拍摄参数。
在一些实施方式中，第一物体图像为两幅，步骤S24基于第一校正增益值及第一校正曝光值，对物体进行拍照，以获取第一物体图像的方法包括如下步骤(以下S242-S246步骤图未示)：
步骤S242：基于第一校正曝光值及预设曝光规则，获得第一校正子曝光值、第二子校正曝光值。
步骤S244：基于第一校正增益值及第一校正子曝光值，对物体进行拍照，以获取第一幅第一物体图像。
步骤S246：基于第一校正增益值及第二校正子曝光值，对物体进行拍照，以获取第二幅第一物体图像。
可选地，预设曝光规则可以为：将第一校正曝光值分为n(n为大于或等于2的正整数)档，具体地，在第一校正曝光值的基础上加和/或减多个浮动曝光值，以使得第一校正曝光值调整为n档子曝光值，可选地，n为2，举例地，第一校正曝光值为3EV，浮动曝光值为0.1EV，那么经预设曝光规则调整后得到的第一校正子曝光值、第二子校正曝光值分别为2.9EV和3.1EV，相应地，根据第一校正增益值及第一校正子曝光值获取第一幅第一物体图像，根据第一校正增益值及第二校正子曝光值获取第二幅第一物体图像。将两幅图像通过图像二值化识别模型对第一物体图像进行图像二值化数据转换与轮廓元素提取，从两幅图像中筛选目标特征的轮廓最清晰的一幅第一物体图像。
在一些实施方式中，第二物体图像为两幅，S25步骤基于第二校正增益值及第二校正曝光值，对物体进行拍照，以获取第二物体图像包括如下步骤(以下S252-S256步骤图未示)：
步骤S252：基于第二校正曝光值及预定曝光规则，获得第三校正子曝光值、第四子校正曝光值。
步骤S254：基于第二校正增益值及第三校正子曝光值，对物体进行拍照，以获取第一幅第二物体图像。
步骤S256：基于第二校正增益值及第四校正子曝光值，对物体进行拍照，以获取第二幅第二物体图像。
可选地，预定曝光规则可以为：将第二校正曝光值分为n(n为大于或等于2的正整数)档，具体地，在第二校正曝光值的基础上加和/或减多个浮动曝光值，以使得第二校正曝光值调整为n档子曝光值，可选地，n为2，举例地，第二校正曝光值为1EV，浮动曝光值为0.1EV，那么经预定曝光规则调整后得到的第三校正子曝光值、第四子校正曝光值分别为0.9EV和1.1EV，相应地，根据第二校正增益值及第三校正子曝光值获取第一幅第二物体图像，根据第二校正增益值及第四校正子曝光值获取第二幅第二物体图像。将两幅图像通过图像二值化识别模型对第二物体图像进行图像二值化数据转换与轮廓元素提取，从两幅图像中筛选目标特征的轮廓最清晰的一幅第二物体图像。
请参见图4，步骤S3确定目标拍摄参数的方法包括如下步骤：
步骤S31：基于初步校正增益及第二预设增益规则，获得第三校正增益值、第四校正增益值。
具体地，第二预设增益规则的一种实施方式为：将初步校正增益分为n(n为大于或等于2的正整数)档，具体地，在初步校正增益的基础上加和/或减一个浮动增益值以使得初步校正增益值调整为n档增益值，可选地，n为2，举例地，初步校正增益为0db，浮动增益值为0.1db，那么经第二预设增益规则调整后得到的2档增益值分别为-0.1db、0.1db，即第三校正增益值为-0.1db，第四校正增益值为0.1db。
在一实施例中，第一预设增益规则中的浮动增益值定义为第一预设增益校正值a1；第二预设增益规则中的浮动增益值定义为第二预设增益校正值a2，可选地，第一预设增益校正值a1大于第二预设增益校正值a2。可选地，a1大于5-10倍的a2。
可以理解地，在其他的实施方式中，还可以将初步校正在增益分为3或5档，而在初步校正增益的基础上加和/或减多个浮动增益值，例如初步校正增益为0db，浮动增益值为0.1db，那么经第二预设增益规则调整后得到的3档增益值分别为-0.1db、0.1db、0.2db；或例如为初步校正增益为0db，浮动增益值为0.1db，那么经第二预设增益规则调整后得到的5档增益值分别为-0.2db、-0.1db、0db、0.1db、0.2db。
步骤S32：基于第三校正增益值，获得与第三校正增益值对应的第三校正曝光值。
具体地，焊接设备中预存有一个第三校正增益值对应一个第三校正曝光值(初步校正曝光值中选取)，可选地，焊接设备中也可预存有一个第三校正增益值对应多档第三校正曝光值，举例地，基于第三校正增益值为-0.1db，对应的初步校正曝光值分为多档，例如初步校正曝光值为3EV，分为10档则为2.2EV、2.4EV、2.6EV、2.8EV、3EV、3.2EV、3.4EV、3.6EV、3.8EV、4EV；可选地，拍摄装置根据第三校正增益值以及对应的每一档初步校正曝光值，以分别获取一张对应的图像，其中，第三校正增益值和每一档初步校正曝光值对应拍出一张图像。
步骤S33：基于第四校正增益值，获得与第四校正增益值对应的第四校正曝光值。
具体地，焊接设备中预存有一个第四校正增益值对应一个第四校正曝光值(初步校正曝光值中选取)，可选地，焊接设备中也可预存有一个第四校正增益值对应多档第四校正曝光值，举例地，基于第四校正增益值为0.1db，对应的初步校正曝光值分为多档，例如初步校正曝光值为3EV，分为10档则为2.2EV、2.4EV、2.6EV、2.8EV、3EV、3.2EV、3.4EV、3.6EV、3.8EV、4EV；可选地，拍摄装置根据第四校正增益值以及对应的每一档初步校正曝光值，以分别获取至少一张对应的图像，其中，第四校正增益值和每一档初步校正曝光值对应拍出至少一张图像。
步骤S34：基于第三校正增益值及第三校正曝光值，对物体进行拍照，以获取第三物体图像。
具体地，根据第三校正增益值以及对应的第三校正曝光值，例如，第三校正增益值为-0.1db，第三校正曝光值为2.6EV，通过拍摄装置对物体进行拍照，以获取第三物体图像。
步骤S35：基于第四校正增益值及第四校正曝光值，对物体进行拍照，以获取第四物体图像。
具体地，根据第四校正增益值以及对应的第四校正曝光值，例如，第四校正增益值为0.1db，第四校正曝光值为2.8EV，通过拍摄装置对物体进行拍照，以获取第四物体图像。
步骤S36：基于第三物体图像，识别目标特征的第三灰度值。
具体地，根据第三物体图像进行识别中图像中的目标特征，并分析目标特征的第三灰度值。
步骤S37：基于第四物体图像，识别目标特征的第四灰度值。
具体地，根据第四物体图像进行识别中图像中的目标特征，并分析目标特征的第四灰度值。
步骤S38：基于第三灰度值与第四灰度值二者中所选取得目标灰度值，以确定目标灰度值对应的目标校正增益值、目标校正曝光值。
具体地，根据第一灰度值和第二灰度值，选取最能反应目标特征的灰度值，将该灰度值作为目标灰度值，并确定与该目标灰度值所对应的目标校正增益值、目标校正曝光值。
步骤S39：将目标灰度值及对应的目标校正增益值、目标校正曝光值标记为目标拍摄参数。
在其他的实施方式中，第三校正增益值为多个，第三校正曝光值、第三物体图像、第三灰度值均为多个；第四校正增益值为多个，第四校正曝光值、第四物体图像、第四灰度值均为多个。通过选取多个第三校正增益值和多个第四校正增益值，有利于获取多个第三图像和多个第四图像，根据多个第三图像和多个第四图像，以获取能够反应目标特征的最优图像，从而获取最优的目标拍摄参数。
在一些实施方式中，目标拍摄参数为多组，每组目标拍摄参数包括有一一对应的目标灰度值、目标校正增益值、目标校正曝光值。本申请的视觉信息自适应调整方法还包括如下步骤(以下步骤S52-S56图未示)：
步骤S52：基于每组目标拍摄参数，分别捕捉多个物体中的目标特征，并确定捕捉成功率。
具体地，根据每组目标拍摄参数，对多个上述物体进行拍摄捕捉物体中的目标特征，并判定目标特征的捕捉成功率。多个上述物体为随机批量的产品，不限定完全一模一样的物体，物体中的目标特征可以存在色差、不同刮痕、不同纹路等，以此可验证目标拍摄参数的适用性。
步骤S54：基于每组目标拍摄参数对应的捕捉成功率，形成由高至低的排序结果。
具体地，根据确定的捕捉成功率，按照成功率的大小由高至低的顺序进行排序，并形成表格，其中，表格中的每一个成功率对应有一组目标拍摄参数。
步骤S56：基于由高至低的排序结果和预设选取规则，选取至少一个捕捉成功率及捕捉成功率对应组的目标拍摄参数。
可选地，预设选取规则包括由高往低的顺序选取。可选地，可以选取捕捉成功率最高所对应的一组目标拍摄参数，也可以选取成功率前3所对应的3组目标拍摄参数。
在一些实施方式中，可选地，目标拍摄参数为两组，步骤S4基于目标拍摄参数，捕捉目标特征的方法还包括如下步骤(以下步骤S62-S64图未示)：
步骤S62：基于一组目标拍摄参数，捕捉物体中的目标特征，并确定捕捉结果为不成功。
步骤S64：基于捕捉结果为不成功，调取另一组目标拍摄参数，以捕捉物体中的目标特征。
具体地，焊接设备存储有两组目标拍摄参数，当使用一组目标拍摄参数无法捕捉物体中的目标特征时，焊接设备调整用另一组目标拍摄参数再去捕捉物体中的目标特征。
请参见图5，本申请的实施例还提供了一种视觉信息自适应调整装置100的硬件架构图，视觉信息自适应调整装置100包括处理器10、通信器20、拍摄装置30、存储器40。
处理器10可以为中央处理器(CPU，Central Processing Unit)，还可以包括其他通用处理器、数字信号处理器(DSP，Digital Signal Processor)、专用集成电路(ASIC，Application Specific Intergrated Circuit)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器10是视觉信息自适应调整装置100的控制中心，利用各种接口和线路连接整个视觉信息自适应调整装置100的各个部分。通信器20用于耦接处理器10、拍摄装置30、存储器40以及视觉信息自适应调整装置100的各个部分，用于使用各个部分之间传输信息。
拍摄装置30用于拍摄物体图像。拍摄装置30可以为电荷耦合器件(CCD，ChargeCoupled Device)相机。
存储器40用于存储视觉信息自适应调整装置100中的各类数据，例如各种数据库、程序代码等。在本实施方式中，存储器40可以包括但不限于只读存储器(ROM，Read-OnlyMemory)、随机存储器(RAM，Random Access Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电子擦除式可复写只读存储器(EEPROM，Electrically-Erasable Programmable Read-Only Memory)、只读光盘(CD-ROM，CompactDisc Read-Only Memory)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
处理器10用于确定目标特征的原始拍摄参数。
具体地，原始拍摄参数可以为拍摄物体时的物体拍摄参数，也即为目标特征原始拍摄参数，由于原始拍摄参数无法使拍摄装置快速捕捉目标特征，所以需要以原始拍摄参数作为基准进行校正，以便拍摄装置可快速捕捉目标特征。可选地原始拍摄参数可以包括原始增益值、原始曝光值、原始灰度值、原始边界捕捉刻度数量、原始边界捕捉长度、原始边界拟合系数中至少一种。
处理器10还用于基于原始拍摄参数进行第一拍摄校正及控制拍摄装置30获取物体图像，并基于物体图像确定初步校正拍摄参数。
具体地，处理器10使用原始拍摄参数作为基准，可调整出多组初步校正拍摄参数；然后使用拍摄装置根据不同的组别初步校正拍摄参数，控制拍摄装置30分别对物体进行拍摄以获得多张物体图像，其中，每一组初步校正拍摄参数对应拍出至少一张物体图像；再分析多张物体图像中的目标特征轮廓的清晰度；最后选出目标特征轮廓的清晰度较高的图像及其对应的初步校正拍摄参数，至此完成第一次捕捉目标特征的拍摄参数的校正。
处理器10还用于基于初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数。
具体地，处理器10以初步校正拍摄参数作为基准，调整出多组目标拍摄参数；然后使用拍摄装置根据不同组别的目标拍摄参数，控制拍摄装置30分别对物体进行拍摄以获得多张物体图像，其中，每一组目标拍摄参数对应拍出至少一张物体图像；再分析多张物体图像中的目标特征轮廓的清晰度；最后选出目标特征轮廓的清晰度较高的物体图像及其对应的目标拍摄参数，至此完成第二次捕捉目标特征的拍摄参数的校正。
处理器10还用于基于目标拍摄参数，捕捉物体中的目标特征。
具体地，处理器10基于目标拍摄参数进行捕捉物体中的目标特征，以便验证目标特征的拍摄参数的调整准确率。
请参见图6，本申请的实施例中的视觉信息自适应调整系统200的功能模块示意图，该示意图中的功能模块仅为说明或解释系统功能使用，并不作为调整系统的限定。在本实施例中，视觉信息自适应调整系统200包括有一个或多个程序形式的计算机指令，一个或多个程序形式的计算机指令存储于存储器40中，并由处理器10执行，以实现本申请所提供的功能。在本实施方式中，视觉信息自适应调整系统200可以按功能示例性的分成第一确定模块202、第二确定模块204、第三确定模块206、捕捉模块208、形成模块210及选取模块212。
第一确定模块202用于确定目标特征的原始拍摄参数。
具体地，第一确定模块202所确定的原始拍摄参数可以为拍摄物体时的物体拍摄参数，也即为目标特征原始拍摄参数，由于原始拍摄参数无法使拍摄装置30快速捕捉目标特征，所以需要以原始拍摄参数作为基准进行校正以便拍摄装置30可快速捕捉目标特征。可选地原始拍摄参数可以包括原始增益值、原始曝光值、原始灰度值、原始边界捕捉刻度数量、原始边界捕捉长度、原始边界拟合系数中至少一种。
第二确定模块204用于基于原始拍摄参数进行第一拍摄校正及获取物体图像，并基于物体图像确定初步校正拍摄参数。
具体地，第二确定模块204以第一确定模块202所确定的原始拍摄参数为基准，调整出多组初步校正拍摄参数；然后使用拍摄装置30根据不同的组别初步校正拍摄参数，并分别对物体进行拍摄以获得多张物体图像，其中，每一组初步校正拍摄参数对应拍出至少一张物体图像；再分析多张物体图像中的目标特征轮廓的清晰度；最后选出目标特征轮廓的清晰度较高的图像及其对应的初步校正拍摄参数，至此完成第一次捕捉目标特征的拍摄参数的校正。
第三确定模块206用于基于初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数。
具体地，第三确定模块206以第二确定模块204所确定的初步校正拍摄参数作为基准，调整出多组目标拍摄参数；然后使用拍摄装置30根据不同组别的目标拍摄参数分别对物体进行拍摄以获得多张物体图像，其中，每一组目标拍摄参数对应拍出至少一张物体图像；再分析多张物体图像中的目标特征轮廓的清晰度；最后选出目标特征轮廓的清晰度较高的物体图像及其对应的目标拍摄参数，至此完成第二次捕捉目标特征的拍摄参数的校正。
捕捉模块208用于基于目标拍摄参数，捕捉物体中的目标特征。
具体地，捕捉模块208以第三确定模块206所确定的目标拍摄参数为基准捕捉物体中的目标特征，以便验证目标特征的拍摄参数的调整准确率。
在一实施例中，第一确定模块202还包括如下功能模块：第一获取子模块2021、第一确定子模块2022、第一提取子模块2023以及第一标记子模块2024。
第一获取子模块2021，用于获取物体拍摄参数。
具体地，第一获取模块2021所获取的物体拍摄参数可以为拍摄装置30拍摄物体图像所需的增益值、曝光值中的至少一个，物体拍摄参数可预先设置，也可以通过人工输入。
第一确定子模块2022，用于基于物体拍摄参数，进行物体拍摄校正并获取物体校正图像，以基于物体校正图像确定物体校正拍摄参数。
具体地，第一确定子模块2022以第一获取子模块2021所获取的物体拍摄参数为基准，物体拍摄参数可以包括多个增益值和多个曝光值，第一确定子模块2022基于多个增益值和多个曝光值以对物体的拍摄参数进行调整。具体地，第一确定子模块2022首先控制拍摄装置30根据不同的增益值和曝光值对物体进行拍摄，从而可获取多个物体图像，其中，每一组增益值和曝光值对应拍出至少一张物体图像；然后可通过图像二值化识别模型对多个物体图像进行图像二值化数据转换与轮廓元素提取，以获得多个轮廓清晰的物体图像；再从多个轮廓清晰的物体图像中筛选出清晰度最优的物体图像作为物体校正图像；并将此物体校正图像对应的增益值、曝光值标记为物体校正拍摄参数。
第一获取子模块2021还用于基于多组物体校正拍摄参数，对物体进行拍照，以获取物体样本图像。
可选地，第一确定子模块2022中最后确定的物体校正拍摄参数为多组，第一获取子模块2021以第一确定子模块2022所确定的多组校正拍摄参数为基准，使用拍摄装置30拍摄出多张物体图像；以获得多个轮廓清晰的物体图像；再从多个轮廓清晰的物体图像中筛选出清晰度最优的物体图像作为物体样本图像。
第一提取子模块2023用于基于物体样本图像，提取目标特征轮廓。
具体地，第一提取子模块2023以第一获取子模块2021所获取的物体样本图像为基准，通过图像二值化识别模型对物体样本图像进行图像二值化数据转换与轮廓元素提取，以从物体样本图像中提取目标特征轮廓。在其它实施例中，第一获取子模块2021也可以不获取物体样本图像，具体地，第一获取子模块2021中获得的物体校正图像只有一张，第一提取子模块2023基于该物体校正图像进行提取目标特征轮廓。
第一确定子模块2022还用于基于物体校正拍摄参数和目标特征轮廓，捕捉目标特征，并确定捕捉结果为成功。
具体地，第一确定子模块2022根据确定的校正拍摄参数为基准设置拍摄装置30的拍摄参数，并以第一提取子模块2023所提取的目标特征轮廓作为基准使用拍摄装置30对准物体以捕捉目标特征，若拍摄装置30能捕捉到目标特征则判定捕捉结果为成功；若拍摄装置30捕捉不到目标特征则判定捕捉结果为失败，并返回基于物体校正拍摄参数重新对物体进行拍照，直至第一确定子模块2022判断目标特征捕捉成功。
第一标记子模块2024用于基于捕捉结果为成功，将物体校正拍摄参数标记为原始拍摄参数。
在一实施例中，第二确定模块204包括如下功能模块：第一获得子模块2041、第二获取子模块2042、第一识别子模块2043、第二确定子模块2044、第二标记子模块2045。
第一获得子模块2041用于基于原始增益值及第一预设增益规则，获得第一校正增益值、第二校正增益值。
具体地，第一预设增益规则的一种实施方式可以为：第一获得子模块2041将原始增益值分为n(n为大于或等于2的正整数)档，具体地，在原始增益的基础上加和/或减一个浮动增益值使得原始增益值调整为n档增益值，举例地，原始增益值为-1db，浮动增益值为1db，那么经第一预设增益规则调整后得到的2档增益值分别为0db、1db，即第一校正增益值为0db，第二校正增益值为1db。
可以理解地，在其他的实施方式中，第一获得子模块2041还可以将原始增益分为3或5档，具体地，在原始增益的基础上加和/或减多个浮动增益值，例如为原始增益值为-2db，浮动增益值为1db，那么经第一预设增益规则调整后得到的3档增益值分别为-1db、0db、1db；或例如为原始增益值为0db，浮动增益值为1db，那么经第一预设增益规则调整后得到的5档增益值分别为-2db、-1db、0db、1db、2db。
第一获得子模块2041还用于基于第一校正增益值，获得与第一校正增益值对应的第一校正曝光值。
具体地，焊接设备中预存有一个第一校正增益值对应一个第一校正曝光值，可选地，焊接设备中也可预存有一个第一校正增益值对应多档第一校正曝光值，举例地，基于第一校正增益值为0db，对应的第一校正曝光值分为10档：1EV、3EV、5EV、7EV、9EV、11EV、13EV、15EV、17EV、19EV；可选地，拍摄装置30根据第一校正增益值以及对应的每一档第一校正曝光值，分别获取至少一张对应的图像，其中，第一校正增益值和每一个第一校正曝光值对应拍出至少一张图像。
可以理解地，在其他的实施方式中，曝光值还可以分为5档、15档、20档或更多档。
第一获得子模块2041还用于基于第二校正增益值，获得与第二校正增益值对应的第二校正曝光值。
具体地，焊接设备中预存有一个第二校正增益值对应一个第二校正曝光值，可选地，焊接设备中也可预存有一个第一校正增益值对应多档第二校正曝光值，举例地，基于第二校正增益值为1db，对应的曝光值分为10档：1EV、3EV、5EV、7EV、9EV、11EV、13EV、15EV、17EV、19EV；可选地，拍摄装置30根据第二校正增益值以及对应的每一档第二校正曝光值，分别获取至少一张对应的图像，其中，第二校正增益值和每一个第二校正曝光值对应拍出至少一张图像。
第二获取子模块2042用于基于第一校正增益值及第一校正曝光值，对物体进行拍照，以获取第一物体图像。
具体地，第二获取子模块2042以第一获得子模块2041所获得的第一校正增益值以及对应的第一校正曝光值为基准，例如，第一校正增益值为0db，第一校正曝光值为3EV，通过拍摄装置30对物体进行拍照，以获取第一物体图像。
第二获取子模块2042还用于基于第二校正增益值及第二校正曝光值，对物体进行拍照，以获取第二物体图像。
具体地，第二获取子模块2042以第一获得子模块2041所获得的第二校正增益值以及对应的第二校正曝光值为基准，例如，第一校正增益值为1db，第一校正曝光值为1EV，通过拍摄装置30对物体进行拍照，以获取第二物体图像。此时的第二物体图像同样为能清晰反应物体的图像。
第一识别子模块2043用于基于第一物体图像，识别目标特征的第一灰度值。
具体地，第一识别子模块2043根据第一物体图像识别图像中的目标特征，并分析目标特征的第一灰度值。
第一识别子模块2043还用于基于第二物体图像，识别目标特征的第二灰度值。
具体地，第一识别子模块2043根据第二物体图像识别图像中的目标特征，并分析目标特征的第二灰度值。
第二确定子模块2044用于基于第一灰度值与第二灰度值二者中所选取得初步校正灰度值，以确定初步校正灰度值对应的初步校正增益值、初步校正曝光值。
具体地，第二确定子模块2044以第一识别子模块2043所识别的第一灰度值和第二灰度值，选取最能反应目标特征的灰度值，将该灰度值作为初步校正灰度值，并确定与该校正灰度值所对应的初步校正增益值、初步校正曝光值。
第二标记子模块2045用于将第二确定子模块2044所确定的初步校正灰度值及所对应的初步校正增益值、初步校正曝光值标记为初步校正拍摄参数。
在一些实施方式中，第一物体图像为两幅，第一获得子模块2041还用于基于第一校正曝光值及预设曝光规则，获得第一校正子曝光值、第二子校正曝光值。
第二获取子模块2042还用于基于第一校正增益值及第一校正子曝光值，对物体进行拍照，以获取第一幅第一物体图像。
第二获取子模块2042还用于基于第一校正增益值及第二校正子曝光值，对物体进行拍照，以获取第二幅第一物体图像。
具体地，第二获取子模块2042以第一获得子模块2041所获得的第一校正增益值及第一校正子曝光值、第一校正增益值及第二校正子曝光值为基准，对物体进行拍照，以获取两幅第一物体图像。
具体地，预设曝光规则可以为：将第一校正曝光值分为n(n为大于或等于2的正整数)档，具体地，在第一校正曝光值的基础上加和/或减多个浮动曝光值，以使得第一校正曝光值调整为n档子曝光值，可选地，n为2，举例地，第一校正曝光值为3EV，浮动曝光值为0.1EV，那么经预设曝光规则调整后得到的第一校正子曝光值、第二子校正曝光值分别为2.9EV和3.1EV，相应地，第二获取子模块2042根据第一校正增益值及第一校正子曝光值获取第一幅第一物体图像，第二获取子模块2042根据第二校正增益值及第二校正子曝光值获取第二幅第一物体图像。将两幅图像通过图像二值化识别模型模型对第一物体图像进行图像二值化数据转换与轮廓元素提取，从两幅图像中筛选目标特征最清晰的一幅第一物体图像。
在一些实施方式中，第二物体图像为两幅，第一获得子模块2041还用于基于第二校正曝光值及预定曝光规则，获得第三校正子曝光值、第四子校正曝光值。
第二获取子模块2042还用于基于第二校正增益值及第三校正子曝光值，对物体进行拍照，以获取第一幅第二物体图像。
第二获取子模块2042还用于基于第二校正增益值及第四校正子曝光值，对物体进行拍照，以获取第二幅第二物体图像。
可选地，预定曝光规则可以为：将第二校正曝光值分为n(n为大于或等于2的正整数)档，具体地，在第二校正曝光值的基础上加和/或减多个浮动曝光值，以使得第二校正曝光值调整为n档子曝光值，可选地，n为2，举例地，第二校正曝光值为1EV，浮动曝光值为0.1EV，那么经预定曝光规则调整后得到的第三校正子曝光值、第四子校正曝光值分别为0.9EV和1.1EV，相应地，根据第二校正增益值及第三校正子曝光值获取第一幅第二物体图像，根据第二校正增益值及第四校正子曝光值获取第二幅第二物体图像。将两幅图像通过图像二值化识别模型对第二物体图像进行图像二值化数据转换与轮廓元素提取，从两幅图像中筛选目标特征的轮廓最清晰的一幅第二物体图像。
在一实施例中，第三确定模块206包括如下功能模块：第二获得子模块2061、第三获取子模块2062、第二识别子模块2063、第三确定子模块2064、第三标记子模块2065。
第二获得子模块2061用于基于初步校正增益及第二预设增益规则，获得第三校正增益值、第四校正增益值。
具体地，第二预设增益规则的一种实施方式为：第二获得子模块2061将初步校正增益分为n(n为大于或等于2的正整数)档，在初步校正增益的基础上加和/或减一个浮动增益值使得初步校正增益值调整为2档增益值，可选地，n为2，举例地，初步校正增益为0db，浮动增益值为0.1db，那么经第二预设增益规则调整后得到的2档增益值分别为-0.1db、0.1db，即第三校正增益值为-0.1db，第四校正增益值为0.1db。
在一实施例中，第一预设增益规则中的浮动增益值定义为第一预设增益校正值a1；第二预设增益规则中的浮动增益值定义为第二预设增益校正值a2，可选地，第一预设增益校正值a1大于第二预设增益校正值a2。可选地，a1大于5-10倍的a2。
可以理解地，在其他的实施方式中，第二获得子模块2061还可以将初步校正在增益分为3或5档，具体地，在初步校正增益的基础上加减多个浮动增益值以调整为3或5档，例如为初步校正增益为0db，浮动增益值为0.1db，那么经第二预设增益规则调整后得到的三档增益值分别为-0.1db、0.1db、0.2db；或例如为初步校正增益为0db，浮动增益值为0.1db，那么经第二预设增益规则调整后得到的5档增益值分别为-0.2db、-0.1db、0db、0.1db、0.2db。
第二获得子模块2061还用于基于第三校正增益值，获得与第三校正增益值对应的第三校正曝光值。
具体地，焊接设备中预存有一个第三校正增益值对应一个第三校正曝光值(初步校正曝光值中选取)，可选地，焊接设备中也可预存有一个第三校正增益值对应多档第三校正曝光值，举例地，基于第三校正增益值为-0.1db，对应的初步校正曝光值分为多档，例如初步校正曝光值为3EV，分为10档则为2.2EV、2.4EV、2.6EV、2.8EV、3EV、3.2EV、3.4EV、3.6EV、3.8EV、4EV；可选地，拍摄装置30根据第三校正增益值以及对应的每一档初步校正曝光值，以分别获取一张对应的图像，其中，第三校正增益值和每一档初步校正曝光值对应拍出一张图像。
第二获得子模块2061还用于基于第四校正增益值，获得与第四校正增益值对应的第四校正曝光值。
具体地，焊接设备中预存有一个第四校正增益值对应一个第四校正曝光值(初步校正曝光值中选取)，可选地，焊接设备中也可预存有一个第四校正增益值对应多档第四校正曝光值，举例地，基于第四校正增益值为0.1db，对应的初步校正曝光值分为多档，例如初步校正曝光值为3EV，分为10档则为2.2EV、2.4EV、2.6EV、2.8EV、3EV、3.2EV、3.4EV、3.6EV、3.8EV、4EV；可选地，拍摄装置30根据第四校正增益值以及对应的每一档初步校正曝光值，以分别获取一张对应的图像，其中，第四校正增益值和每一档初步校正曝光值对应拍出一张图像。
第三获取子模块2062用于基于第三校正增益值及第三校正曝光值，对物体进行拍照，以获取第三物体图像。
具体地，第三获取子模块2062以第二获得子模块2061所获得的第三校正增益值以及对应的第三校正曝光值为基准，例如，第三校正增益值为-0.1db，第三校正曝光值为2.6EV，通过拍摄装置30对物体进行拍照，以获取第三物体图像。
第三获取子模块2062还用于基于第四校正增益值及第四校正曝光值，对物体进行拍照，以获取第四物体图像。
具体地，第三获取子模块2062以第二获得子模块2061所获得的第四校正增益值以及获取的第四校正曝光值，例如，第四校正增益值为0.1db，第四校正曝光值为2.8EV，通过拍摄装置30对物体进行拍照，以获取第四物体图像。
第二识别子模块2063用于基于第三物体图像，识别目标特征的第三灰度值。
具体地，第二识别子模块2063根据第三物体图像识别图像中的目标特征，并分析目标特征的第三灰度值。
第二识别子模块2063还用于基于第四物体图像，识别目标特征的第四灰度值。
具体地，第二识别子模块2063根据第四物体图像识别图像中的目标特征，并分析目标特征的第四灰度值。
第三确定子模块2064用于基于第三灰度值与第四灰度值二者中所选取得目标灰度值，以确定目标灰度值对应的目标校正增益值、目标校正曝光值。
具体地，第三确定子模块2064以第二识别子模块2063所识别的第三灰度值和第四灰度值，选取最能反应目标特征的灰度值，将该灰度值作为目标灰度值，并确定与该目标灰度值所对应的目标校正增益值、目标校正曝光值。
第三标记子模块2065用于将第三确定子模块2064所确定的目标灰度值及对应的目标校正增益值、目标校正曝光值标记为目标拍摄参数。
在其他的实施方式中，第二获得子模块2061所获得的第三校正增益值为多个，第三校正曝光值、第三物体图像、第三灰度值均相应地为多个；第二获得子模块2061所获得的第四校正增益值为多个，第四校正曝光值、第四物体图像、第四灰度值均相应地为多个。通过第二获得子模块2061获得多个第三校正增益值和多个第四校正增益值，有利于第三获取子模块2062获取多个第三图像和多个第四图像，根据多个第三图像和多个第四图像，以获取能够反应目标特征的最优图像，从而获取最优的目标拍摄参数。
在一些实施方式中，目标拍摄参数为多组，每组目标拍摄参数包括有一一对应的目标灰度值、目标校正增益值、目标校正曝光值。
捕捉模块208还用于基于每组目标拍摄参数，分别控制拍摄装置30捕捉多个物体中的目标特征，并确定捕捉成功率。
具体地，捕捉模块208以第三确定模块206所确定的每组目标拍摄参数为基准，对多个上述物体进行拍摄捕捉物体中的目标特征，并判定目标特征的捕捉成功率。多个上述物体为随机批量的产品，不限定完全一模一样的物体，物体中的目标特征可以存在色差、不同刮痕、不同纹路等，以此可验证目标拍摄参数的适用性。
视觉信息自适应调整系统还包括如下功能模块：形成模块210、选取模块212。
形成模块210用于基于每组目标拍摄参数对应的捕捉成功率，形成由高至低的排序结果。
具体地，形成模块210以捕捉模块208所确定的捕捉成功率为基准，按照成功率的大小由高至低的顺序进行排序，并形成表格，其中，表格中的每一个成功率对应有一组目标拍摄参数。
选取模块212用于基于由高至低的排序结果和预设选取规则，选取至少一个捕捉成功率及捕捉成功率对应组的目标拍摄参数。
可选地，预设选取规则包括由高往低的顺序选取。可选地，选取模块212可以选取捕捉成功率最高所对应的一组目标拍摄参数，也可以选取成功率前3所对应的3组目标拍摄参数。
在一些实施方式中，可选地，目标拍摄参数为两组，捕捉模块208还包括如下功能模块：第四确定模块2082、调取模块2084。
第四确定模块2082以第三确定模块206所确定的一组目标拍摄参数为基准，控制拍摄装置30捕捉物体中的目标特征，并确定捕捉结果为不成功。
调取模块2084用于基于第四确定模块2082确定的捕捉结果为不成功，调取另一组目标拍摄参数，调取的另一组目标拍摄参数，控制拍摄装置30重新捕捉物体中的目标特征。
本申请实施例还提出一种焊接设备，焊接设备包括上述的视觉信息自适应调整装置100。
本申请实施例还提出一种计算机可读存储介质，其上存储有计算机程序，计算机程序能够被处理器10执行，并实现如上述视觉信息自适应调整方法。
本申请的视觉信息自适应调整方法、装置、焊接设备及存储介质，通过确定目标特征的原始拍摄参数，基于原始拍摄参数以确定初步校正拍摄参数，基于初步校正拍摄参数以确定目标拍摄参数，基于目标拍摄参数，以捕捉物体中的目标特征。可自适应获取不同批次、不同纹理、不同色泽等外观存在差别的物体，焊接稳定性强，提高焊接质量、焊接后的物体质量以及焊接效率。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围有所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。
Claims (12)
1.一种视觉信息自适应调整方法，用于捕捉物体中的目标特征，包括：
确定所述目标特征的原始拍摄参数；
基于所述原始拍摄参数进行第一拍摄校正及获取物体图像，并基于所述物体图像确定初步校正拍摄参数；
基于所述初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数；
基于所述目标拍摄参数，捕捉所述物体中的所述目标特征。
2.如权利要求1所述的视觉信息自适应调整方法，其中，所述原始拍摄参数包括原始增益值；
所述基于所述原始拍摄参数进行第一拍摄校正及获取物体图像，并基于所述物体图像确定初步校正拍摄参数的步骤包括：
基于所述原始增益值及第一预设增益规则，获得第一校正增益值、第二校正增益值；
基于所述第一校正增益值，获得与所述第一校正增益值对应的第一校正曝光值；
基于所述第二校正增益值，获得与所述第二校正增益值对应的第二校正曝光值；
基于所述第一校正增益值及所述第一校正曝光值，对所述物体进行拍照，以获取第一物体图像；
基于所述第二校正增益值及所述第二校正曝光值，对所述物体进行拍照，以获取第二物体图像；
基于所述第一物体图像，识别所述目标特征的第一灰度值；
基于所述第二物体图像，识别所述目标特征的第二灰度值；
基于所述第一灰度值与所述第二灰度值二者中所选取得初步校正灰度值，以确定所述初步校正灰度值对应的初步校正增益值、初步校正曝光值；
将所述初步校正灰度值及所对应的所述初步校正增益值、所述初步校正曝光值标记为初步校正拍摄参数。
3.如权利要求2所述的视觉信息自适应调整方法，其中，所述基于所述初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数的步骤包括：
基于初步校正增益值及第二预设增益规则，获得第三校正增益值、第四校正增益值；
基于所述第三校正增益值，获得与所述第三校正增益值对应的第三校正曝光值；
基于所述第四校正增益值，获得与所述第四校正增益值对应的第四校正曝光值；
基于所述第三校正增益值及所述第三校正曝光值，对所述物体进行拍照，以获取第三物体图像；
基于所述第四校正增益值及所述第四校正曝光值，对所述物体进行拍照，以获取第四物体图像；
基于所述第三物体图像，识别所述目标特征的第三灰度值；
基于所述第四物体图像，识别所述目标特征的第四灰度值；
基于所述第三灰度值、所述第四灰度值二者中所选取得目标灰度值，以确定所述目标灰度值对应的目标校正增益值、目标校正曝光值；
将所述目标灰度值及对应的所述目标校正增益值、所述目标校正曝光值标记为目标拍摄参数。
4.如权利要求3所述的视觉信息自适应调整方法，其中，
所述第一预设增益规则包括第一预设增益校正值；
所述第二预设增益规则包括第二预设增益校正值；
所述第一预设增益校正值大于所述第二预设增益校正值。
5.如权利要求2所述的视觉信息自适应调整方法，其中，所述第一物体图像为两幅；
所述基于所述第一校正增益值及所述第一校正曝光值，对所述物体进行拍照，以获取第一物体图像的步骤包括；
基于所述第一校正曝光值及预设曝光规则，获得第一校正子曝光值、第二子校正子曝光值；
基于所述第一校正增益值及所述第一校正子曝光值，对所述物体进行拍照，以获取第一幅所述第一物体图像；
基于所述第一校正增益值及所述第二校正子曝光值，对所述物体进行拍照，以获取第二幅所述第一物体图像。
6.如权利要求3所述的视觉信息自适应调整方法，其中，
所述第三校正增益值为多个，所述第三校正曝光值、所述第三物体图像、所述第三灰度值均亦为多个；
所述第四校正增益值为多个，所述第四校正曝光值、所述第四物体图像、所述第四灰度值均亦为多个。
7.如权利要求6所述的视觉信息自适应调整方法，其中，所述目标拍摄参数为多组，每组所述目标拍摄参数包括有一一对应的所述目标灰度值、所述目标校正增益值、所述目标校正曝光值，所述视觉信息自适应调整方法还包括步骤：
基于每组所述目标拍摄参数，分别捕捉多个物体中的目标特征，并确定捕捉成功率；
基于每组所述目标拍摄参数对应的所述捕捉成功率，形成由高至低的排序结果；
基于所述由高至低的排序结果和预设选取规则，选取至少一个所述捕捉成功率及所述捕捉成功率对应组的所述目标拍摄参数；其中，所述预设选取规则包括由高往低的顺序选取。
8.如权利要求7所述的视觉信息自适应调整方法，其中，所述目标拍摄参数为两组，所述基于目标拍摄参数，捕捉所述目标特征的步骤包括：
基于一组所述目标拍摄参数，捕捉所述物体中的所述目标特征，并确定捕捉结果为不成功；
基于捕捉结果为不成功，调取另一组所述目标拍摄参数，以捕捉所述物体中的所述目标特征。
9.如权利要求1所述的视觉信息自适应调整方法，其中，所述确定所述目标特征的原始拍摄参数的步骤包括：
获取物体拍摄参数；
基于所述物体拍摄参数，进行物体拍摄校正并获取物体校正图像，以基于所述物体校正图像确定物体校正拍摄参数；
基于所述物体校正图像，提取所述目标特征的轮廓；
基于所述物体校正拍摄参数和所述目标特征的轮廓，捕捉所述目标特征，并确定所述捕捉结果为成功；
基于所述捕捉结果为成功，将所述物体校正拍摄参数标记为原始拍摄参数。
10.一种视觉信息自适应调整装置，用于捕捉物体中的目标特征，包括处理器，所述处理器用于：
确定所述目标特征的原始拍摄参数；
基于所述原始拍摄参数进行第一拍摄校正及获取物体图像，并基于所述物体图像确定初步校正拍摄参数；
基于所述初步校正拍摄参数，进行第二拍摄校正，以确定目标拍摄参数；
基于所述目标拍摄参数，捕捉所述物体中的所述目标特征。
11.一种焊接设备，其中，所述焊接设备包括如权利要求10所述的视觉信息自适应调整装置。
12.一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器执行，以实现如权利要求1-9中任意一项所述的视觉信息自适应调整方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011615021.6A CN114697529B (zh) | 2020-12-30 | 2020-12-30 | 视觉信息自适应调整方法、装置、焊接设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011615021.6A CN114697529B (zh) | 2020-12-30 | 2020-12-30 | 视觉信息自适应调整方法、装置、焊接设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114697529A true CN114697529A (zh) | 2022-07-01 |
| CN114697529B CN114697529B (zh) | 2024-05-28 |
Family
ID=82131572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011615021.6A Active CN114697529B (zh) | 2020-12-30 | 2020-12-30 | 视觉信息自适应调整方法、装置、焊接设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114697529B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649367A (zh) * | 2024-01-30 | 2024-03-05 | 广州敏行数字科技有限公司 | 一种图像方位的校正方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102172806A (zh) * | 2010-12-01 | 2011-09-07 | 李光 | 基于图像识别技术的全自动焊接系统及其运行方法 |
| EP2618558A1 (en) * | 2012-01-20 | 2013-07-24 | HTC Corporation | Camera system and auto focus method |
| CN103685913A (zh) * | 2012-09-06 | 2014-03-26 | 佳能株式会社 | 周期性地改变曝光条件的摄像设备和摄像设备的控制方法 |
| CN104301619A (zh) * | 2014-02-24 | 2015-01-21 | 凯迈（洛阳）测控有限公司 | 一种快速的相机曝光时间自动调整方法及装置 |
| CN109639963A (zh) * | 2018-11-22 | 2019-04-16 | 深圳艺达文化传媒有限公司 | 自拍短视频焦距调整方法及相关产品 |
| CN110731076A (zh) * | 2018-07-31 | 2020-01-24 | 深圳市大疆创新科技有限公司 | 一种拍摄处理方法、设备及存储介质 |
| CN111272148A (zh) * | 2020-01-20 | 2020-06-12 | 江苏方天电力技术有限公司 | 输电线路无人机自主巡检自适应成像质量优化方法 |
| CN111757014A (zh) * | 2020-08-07 | 2020-10-09 | 深圳市爱普泰科电子有限公司 | 网络摄像头的焦距调节方法、装置、设备和存储介质 |
| CN111866390A (zh) * | 2020-07-29 | 2020-10-30 | 浙江立元科技有限公司 | 一种图像拍摄的控制方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-30 CN CN202011615021.6A patent/CN114697529B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102172806A (zh) * | 2010-12-01 | 2011-09-07 | 李光 | 基于图像识别技术的全自动焊接系统及其运行方法 |
| EP2618558A1 (en) * | 2012-01-20 | 2013-07-24 | HTC Corporation | Camera system and auto focus method |
| CN103685913A (zh) * | 2012-09-06 | 2014-03-26 | 佳能株式会社 | 周期性地改变曝光条件的摄像设备和摄像设备的控制方法 |
| CN104301619A (zh) * | 2014-02-24 | 2015-01-21 | 凯迈（洛阳）测控有限公司 | 一种快速的相机曝光时间自动调整方法及装置 |
| CN110731076A (zh) * | 2018-07-31 | 2020-01-24 | 深圳市大疆创新科技有限公司 | 一种拍摄处理方法、设备及存储介质 |
| CN109639963A (zh) * | 2018-11-22 | 2019-04-16 | 深圳艺达文化传媒有限公司 | 自拍短视频焦距调整方法及相关产品 |
| CN111272148A (zh) * | 2020-01-20 | 2020-06-12 | 江苏方天电力技术有限公司 | 输电线路无人机自主巡检自适应成像质量优化方法 |
| CN111866390A (zh) * | 2020-07-29 | 2020-10-30 | 浙江立元科技有限公司 | 一种图像拍摄的控制方法、装置、计算机设备和存储介质 |
| CN111757014A (zh) * | 2020-08-07 | 2020-10-09 | 深圳市爱普泰科电子有限公司 | 网络摄像头的焦距调节方法、装置、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649367A (zh) * | 2024-01-30 | 2024-03-05 | 广州敏行数字科技有限公司 | 一种图像方位的校正方法及系统 |
| CN117649367B (zh) * | 2024-01-30 | 2024-04-30 | 广州敏行数字科技有限公司 | 一种图像方位的校正方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114697529B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103329518B (zh) | 拍摄系统及其使用的摄像机控制装置、拍摄方法及摄像机控制方法 | |
| US9514365B2 (en) | Image sensor with integrated region of interest calculation for iris capture, autofocus, and gain control | |
| JP4240023B2 (ja) | 撮像装置、撮像方法および撮像プログラム、ならびに、画像処理装置、画像処理方法および画像処理プログラム | |
| US8189942B2 (en) | Method for discriminating focus quality of image pickup device | |
| JP2010041417A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び、撮像装置 | |
| US11678180B2 (en) | Iris recognition workflow | |
| CN114697529A (zh) | 视觉信息自适应调整方法、装置、焊接设备及存储介质 | |
| CN111698426B (zh) | 一种试题拍摄的方法、装置、电子设备和存储介质 | |
| CN114757853A (zh) | 平场校正函数的获取方法及系统、平场校正方法及系统 | |
| JP2004297797A (ja) | 画像明部領域において色み補正を調整するシステムと方法 | |
| CN108810509A (zh) | 一种图像色彩校正方法及装置 | |
| JP4087749B2 (ja) | 画像処理システム及び画像処理方法 | |
| CN114845042B (zh) | 一种基于图像信息熵的相机自动对焦方法 | |
| CN109359649B (zh) | 一种储物装置的存取物识别方法、存储介质及储物装置 | |
| EP1286539A1 (en) | Camera control | |
| CN114358131A (zh) | 数码相框智能照片优化处理系统 | |
| CN112637573A (zh) | 一种多镜头切换的显示方法、系统、智能终端及存储介质 | |
| CN115330661A (zh) | 视频图像质量检测方法、装置、设备及可读存储介质 | |
| JP2020135660A (ja) | 情報管理装置及び情報管理方法 | |
| TWI590192B (zh) | 適應性高動態範圍影像合成演算法 | |
| CN117315683B (zh) | 超洁净环境的晶圆传送方法、系统、设备及存储介质 | |
| CN113935995B (zh) | 一种图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN111967282B (zh) | 彩票阅读器灵敏度校正方法、系统、装置和存储介质 | |
| CN113364935A (zh) | 摄像头镜头阴影补偿方法、装置、设备和摄像设备 | |
| CN116843604A (zh) | 图像分析取优更新方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |