CN115035191B - 一种玻璃碎片敲击点自动定位方法及终端 - Google Patents
一种玻璃碎片敲击点自动定位方法及终端 Download PDFInfo
- Publication number
- CN115035191B CN115035191B CN202210518165.2A CN202210518165A CN115035191B CN 115035191 B CN115035191 B CN 115035191B CN 202210518165 A CN202210518165 A CN 202210518165A CN 115035191 B CN115035191 B CN 115035191B
- Authority
- CN
- China
- Prior art keywords
- glass
- point
- straight line
- knocking
- fragment
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P40/00—Technologies relating to the processing of minerals
- Y02P40/50—Glass production, e.g. reusing waste heat during processing or shaping
- Y02P40/57—Improving the yield, e-g- reduction of reject rates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种玻璃碎片敲击点自动定位方法及终端,包括步骤:S1、获取敲击后的玻璃所在区域图像;S2、从玻璃所在区域图像中确定各个玻璃碎片;S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取玻璃碎片作为第一玻璃碎片数组;S4、获取各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;S5、根据直线数组中的各个直线,把其中满足条件的直线的交点选出,得到包含所有交点的图像;S6、对包含所有交点的图像进行卷积,寻找最大值所在点,以该点为中心的矩形为敲击点候选区域,在候选区域内通过计算点与直线的距离,得到敲击点。可以看出,其通过在图像中,绘制特定碎片所在直线的交点,通过卷积操作寻找交点最密区域,确定敲击点。
Description
技术领域
本发明涉及图像识别技术领域,特别涉及一种玻璃碎片敲击点自动定位方法及终端。
背景技术
钢化玻璃的强制性检验制度,要求对建筑物、汽车等场景中的玻璃进行检验和测试,在生产线生产钢化玻璃时,至少对生产的第一片玻璃、中间玻璃、最后一片玻璃,进行敲碎,并统计玻璃的最密最稀疏区域。其中需要排除敲击点为中心半径75mm的区域,这之中的一个难题就是玻璃敲击点难以寻找,现有技术中,对于敲击点的确定仍旧依赖检测人员人工确定,玻璃碎片敲击点自动定位算法研究还处于空白阶段,行业内由于其只是玻璃碎片检测设备的一个点,当前算法的研究还没有跟上。
而现有的算法也难以应用在玻璃碎片敲击点定位上,例如一种新的三维人脸特征点自动定位方法,结合局部形状索引与基于局部形状图(LSM)的统计模型,通过误差分析自适应地确定局部形状图的统计半径,实现任意姿态下的三维人脸鼻尖和内眼角的自动精确定位。相对于玻璃的扫描图像通常有4000*3000像素,人脸通常不过400*500个像素。基于3D的方案既没法呈现同时将耗费巨大的计算量。
或者一种体育运动序列图像中人体关节自动定位的快速实用算法,其利用提出的算法,对女子跳板跳水运动员起跳的运动序列图像实现了关节点的快速自动定位。该方法第一帧图像采用人工标注的方式,在后续帧中采用图像差分进行图像配准,从而计算出后学人体关键点所在位置。该方法不适用于一次性检测的敲击点自动定位需求。
综上,目前市场上依然缺乏合适的算法自动寻找敲击点方法。
发明内容
本发明所要解决的技术问题是:提供一种玻璃碎片敲击点自动定位方法及终端,能通过图像识别对玻璃碎片的敲击点自动定位。
为了解决上述技术问题,本发明采用的技术方案为:
一种玻璃碎片敲击点自动定位方法,包括步骤:
S1、获取敲击后的玻璃所在区域图像;
S2、从玻璃所在区域图像中确定各个玻璃碎片;
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于既定宽高比阈值且面积大于既定面积阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值;
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像;
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种玻璃碎片敲击点自动定位终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取敲击后的玻璃所在区域图像;
S2、从玻璃所在区域图像中确定各个玻璃碎片;
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于宽高比阈值且面积大于面积阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值;
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像;
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域。
本发明的有益效果在于:一种玻璃碎片敲击点自动定位方法及终端,其通过在图像中,绘制特定碎片所在直线的交点,通过卷积操作寻找交点最密区域,确定敲击点的大致位置,实现了通过图像识别对玻璃碎片的敲击点自动定位。
附图说明
图1为本发明实施例的一种玻璃碎片敲击点自动定位方法的流程示意图;
图2为本发明实施例涉及的玻璃所在区域的图像;
图3为本发明实施例涉及的各个玻璃碎片主方向上的直线示意图;
图4为本发明实施例涉及的各个方向的玻璃所在区域图像对应的结果图;
图5为本发明实施例的一种玻璃碎片敲击点自动定位终端的结构示意图。
标号说明:
1、一种玻璃碎片敲击点自动定位终端;2、处理器;3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1至图4,一种玻璃碎片敲击点自动定位方法,包括步骤:
S1、获取敲击后的玻璃所在区域图像;
S2、从玻璃所在区域图像中确定各个玻璃碎片;
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于既定宽高比阈值且面积大于既定面积阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值;
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像;
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域。
由上述描述可知,本发明的有益效果在于:一种玻璃碎片敲击点自动定位方法及终端,其通过在图像中,绘制特定碎片所在直线的交点,通过卷积操作寻找交点最密区域,确定敲击点的大致位置,实现了通过图像识别对玻璃碎片的敲击点自动定位。
进一步地,还包括步骤:
S7、根据玻璃敲击点的候选区域,得到非玻璃的空白轮廓;
S8、获取非玻璃的空白轮廓中的前N大轮廓作为候选,计算所述前N大轮廓的内接圆,计算所有内接圆圆心与玻璃敲击点的候选区域内的直线的距离,选取与所有直线的距离最小的点为敲击点。
由上述描述可知,在大致位置的基础上进行二次修正,完成敲击点的自动确定工作。
进一步地,所述步骤S7,具体是:
对玻璃敲击点的候选区域进行Blob分析,得到非玻璃的空白轮廓。
由上述描述可知,实现对非玻璃的空白轮廓的寻找和确定。
进一步地,所述步骤S6中,具体是选取200*200像素大小的卷积核进行卷积。
由上述描述可知,200*200像素大小的卷积核兼顾了运算速度和后续进一步二次修正的难度。
进一步地,所述步骤S4中,获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线具体包括:
基于获取玻璃碎片最小外接矩形的中心点坐标,以及最小外接矩形上任意两条相邻边的中点的两个坐标,比较这两个坐标与外接矩形的中心点坐标的距离,取与中心点坐标距离较大的边的中点为L1,取L1所在直线平行的边的中点为L2,并把(L1,L2)组成的直线作为主直线。
由上述描述可知,实现了玻璃碎片主直线的确定。
一种玻璃碎片敲击点自动定位终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取敲击后的玻璃所在区域图像;
S2、从玻璃所在区域图像中确定各个玻璃碎片;
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于宽高比既定阈值且面积大于面积既定阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值;
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像;
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域。
由上述描述可知,本发明的有益效果在于:一种玻璃碎片敲击点自动定位方法及终端,其通过在图像中,绘制特定碎片所在直线的交点,通过卷积操作寻找交点最密区域,确定敲击点的大致位置,实现了通过图像识别对玻璃碎片的敲击点自动定位。
进一步地,还包括步骤:
S7、根据玻璃敲击点的候选区域,得到非玻璃的空白轮廓;
S8、获取非玻璃的空白轮廓中的前N大轮廓作为候选,计算所述前N大轮廓的内接圆,计算所有内接圆圆心与玻璃敲击点的候选区域内的直线的距离,选取与所有直线的距离最小的点为敲击点。
由上述描述可知,在大致位置的基础上进行二次修正,完成敲击点的自动确定工作。
进一步地,所述步骤S7,具体是:
对玻璃敲击点的候选区域进行Blob分析,得到非玻璃的空白轮廓。
由上述描述可知,实现对非玻璃的空白轮廓的寻找和确定。
进一步地,所述步骤S6中,具体是选取200*200像素大小的卷积核进行卷积。
由上述描述可知,200*200像素大小的卷积核兼顾了运算速度和后续进一步二次修正的难度。
进一步地,所述步骤S4中,获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线具体包括:
基于获取玻璃碎片最小外接矩形的中心点坐标,以及最小外接矩形上任意两条相邻边的中点的两个坐标,比较这两个坐标与外接矩形的中心点坐标的距离,取与中心点坐标距离较大的边的中点为L1,取L1所在直线平行的边的中点为L2,并把(L1,L2)组成的直线作为主直线。
由上述描述可知,实现了玻璃碎片主直线的确定。
本发明应用于对被敲碎的玻璃碎片的敲击点的自动确定,具体应用于玻璃检验测试中。
请参照图1至图4,本发明的实施例一为:
一种玻璃碎片敲击点自动定位方法,其包括以下步骤:
S1、获取敲击后的玻璃所在区域图像。
具体而言,对于需要测试的钢化玻璃,我们采用透明膜首先对玻璃区域进行单面粘贴。接着采用专门的敲击器对钢化玻璃进行击碎。采用长条形线性光源,光源位于透明的线扫平台底部,砸碎的玻璃位于透明的平台之上,线扫相机位于透明平台的正上方扫描图像。由于玻璃具有透光性,玻璃碎片的中心可以透光,而玻璃边缘由于折射与反射,会把光分散到其他区域。从而在线扫相机中呈现:玻璃碎片区域白色,而玻璃碎片边缘呈现灰黑色,线扫相机捕获如图2所示的玻璃所在区域的图像。
S2、从玻璃所在区域图像中确定各个玻璃碎片。
为了将玻璃区域与背景分开,我们采用寻找最大轮廓的方式寻找玻璃区域。获取的玻璃区域图像为0-255的灰度图,对于输入图像采用阈值为第一设定阈值thresh_binary进行图像的二值化。本实施例中,第一设定阈值thresh_binary取值为170。
玻璃区域变为白色区域,采用轮廓查找方法对原图寻找最大的轮廓即为玻璃区域。借助玻璃分割算法,我们把玻璃区域内的玻璃碎片逐一分割出来。
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于既定宽高比阈值且面积大于既定面积阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值。
计算每一个玻璃碎片glass_fragment的最小外接矩形和轮廓。选取宽高比大于宽高比阈值aspect_Ratio且面积大于面积阈值area_threshold的小碎片放到第一玻璃碎片数组glass_fragment_vector数组中。
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中。
请参照图3所示,对于glass_fragment_vector中的玻璃碎片,我们将计算他们主方向上的所在直线。基于最小外接矩形的中心点坐标;以及最小外接矩形上任意两条相邻边的中点的两个坐标,比较这两个坐标与外接矩形的中心点坐标的距离,取与中心点坐标距离较大的边的中点为L1。取L1所在直线平行的边的中点为L2,并把(L1,L2)组成的直线放入直线数组line_vector中。
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像。
创建一张全0的图像points_center_mat,其大小与玻璃区域相同。对于直线数组line_vector中的任意i,j两条直线,如果两条直线相交交点为(x0,y0),且两条边的夹角大于30度。则把图像points_center_mat中的对应点(x0,y0)绘制为255。最终得到包含所有交点的图像points_center_mat,交点处值为255,其余全0的图像。
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域。
将对包含所有交点的图像points_center_mat进行卷积操作,卷积核大小为候选框大小,本实施例中具体选取200*200像素大小的卷积核,卷积核的内部为全1的二维矩阵。在卷积后的结果图filter_result基础上,寻找最大值所在点max_pt。以该点为中心的centerRect(宽度为200*200像素)即为玻璃敲击点的候选区域。
通过以上方法可以大致确定max_pt为敲击点附近,不过为了进一步精确确定敲击点的位置,本方法还包括:
S7、根据玻璃敲击点的候选区域,得到非玻璃的空白轮廓。
获取玻璃敲击点的候选区域centerRect区域的玻璃碎片情况,在玻璃敲击点的候选区域内执行glass_frag_blob,即对玻璃敲击点的候选区域centerRect区域进行Blob分析,具体而言,取出玻璃敲击点的候选区域centerRect所在区域信息,并取反(255减去其内部值),得到非玻璃的空白轮廓图像glass_max_region,即:
glass_max_region=255-glass_frag_blob(centerRect);
所述非玻璃的空白轮廓图像指图像中并非是玻璃碎片的区域所组成的图像。
S8、获取非玻璃的空白轮廓中的前N大轮廓作为候选,计算所述前N大轮廓的内接圆,计算所有内接圆圆心与玻璃敲击点的候选区域内的直线的距离,选取与所有直线的距离最小的点为敲击点。
对glass_max_region进行腐蚀操作,寻找第一、第二、第三大轮廓作为候选,并计算他们的内接圆,以3个内接圆的圆心作为敲击点的候选点。在小区域内做霍夫变换(寻找所有可能的直线),3个候选点距离所有直线的距离最小的点被选为敲击点。
请参照图4,不同方向的玻璃所在区域图像所得的结果中,敲击点位置均相同。
请参照图5,本发明的实施例二为:
一种玻璃碎片敲击点自动定位终端1,包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序,处理器2执行计算机程序时实现上述实施例一的步骤。
综上所述,本发明提供的一种玻璃碎片敲击点自动定位方法及终端,其通过在图像中,绘制特定碎片所在直线的交点,通过卷积操作寻找交点最密区域,确定敲击点的大致位置,在大致位置的基础上进行二次修正,完成敲击点的自动确定工作,实现了通过图像识别对玻璃碎片的敲击点自动定位。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种玻璃碎片敲击点自动定位方法,其特征在于,包括步骤:
S1、获取敲击后的玻璃所在区域图像;
S2、从玻璃所在区域图像中确定各个玻璃碎片;
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于既定宽高比阈值且面积大于既定面积阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值;
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;
所述玻璃碎片主方向上的直线为与玻璃碎片的最小外接矩形的较长边平行的直线;
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像;
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域;
S7、根据玻璃敲击点的候选区域,得到非玻璃的空白轮廓;
S8、获取非玻璃的空白轮廓中的前N大轮廓作为候选,计算所述前N大轮廓的内接圆,计算所有内接圆圆心与玻璃敲击点的候选区域内的直线的距离,选取与所有直线的距离最小的点为敲击点。
2.根据权利要求1所述的一种玻璃碎片敲击点自动定位方法,其特征在于,所述步骤S7,具体是:
对玻璃敲击点的候选区域进行Blob分析,得到非玻璃的空白轮廓。
3.根据权利要求1所述的一种玻璃碎片敲击点自动定位方法,其特征在于,所述步骤S6中,具体是选取200*200像素大小的卷积核进行卷积。
4.根据权利要求1所述的一种玻璃碎片敲击点自动定位方法,其特征在于,所述步骤S4中,获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线具体包括:
基于获取玻璃碎片最小外接矩形的中心点坐标,以及最小外接矩形上任意两条相邻边的中点的两个坐标,比较这两个坐标与外接矩形的中心点坐标的距离,取与中心点坐标距离较大的边的中点为L1,取L1所在直线平行的边的中点为L2,并把(L1,L2)组成的直线作为主直线。
5.一种玻璃碎片敲击点自动定位终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取敲击后的玻璃所在区域图像;
S2、从玻璃所在区域图像中确定各个玻璃碎片;
S3、计算各个玻璃碎片的最小外接矩形和轮廓,并选取宽高比大于既定宽高比阈值且面积大于既定面积阈值的玻璃碎片作为第一玻璃碎片数组,其中,宽高比是宽和高比值与高和宽比值中的较大值;
S4、获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线,并将所述直线放入直线数组中;
所述玻璃碎片主方向上的直线为与玻璃碎片的最小外接矩形的较长边平行的直线;
S5、根据直线数组中的各个直线,把其中满足任意两条相交且夹角大于第一设定夹角的直线的交点选出,得到包含所有交点的图像;
S6、对包含所有交点的图像进行卷积,在卷积后的结果图寻找最大值所在点,得到以最大值所在点为中心的玻璃敲击点候选区域;
S7、根据玻璃敲击点的候选区域,得到非玻璃的空白轮廓;
S8、获取非玻璃的空白轮廓中的前N大轮廓作为候选,计算所述前N大轮廓的内接圆,计算所有内接圆圆心与玻璃敲击点的候选区域内的直线的距离,选取与所有直线的距离最小的点为敲击点。
6.根据权利要求5所述的一种玻璃碎片敲击点自动定位终端,其特征在于,所述步骤S7,具体是:
对玻璃敲击点的候选区域进行Blob分析,得到非玻璃的空白轮廓。
7.根据权利要求5所述的一种玻璃碎片敲击点自动定位终端,其特征在于,所述步骤S6中,具体是选取200*200像素大小的卷积核进行卷积。
8.根据权利要求5所述的一种玻璃碎片敲击点自动定位终端,其特征在于,所述步骤S4中,获取第一玻璃碎片数组中各个玻璃碎片主方向上的直线具体包括:
基于获取玻璃碎片最小外接矩形的中心点坐标,以及最小外接矩形上任意两条相邻边的中点的两个坐标,比较这两个坐标与外接矩形的中心点坐标的距离,取与中心点坐标距离较大的边的中点为L1,取L1所在直线平行的边的中点为L2,并把(L1,L2)组成的直线作为主直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210518165.2A CN115035191B (zh) | 2022-05-12 | 2022-05-12 | 一种玻璃碎片敲击点自动定位方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210518165.2A CN115035191B (zh) | 2022-05-12 | 2022-05-12 | 一种玻璃碎片敲击点自动定位方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115035191A CN115035191A (zh) | 2022-09-09 |
CN115035191B true CN115035191B (zh) | 2023-06-06 |
Family
ID=83120330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210518165.2A Active CN115035191B (zh) | 2022-05-12 | 2022-05-12 | 一种玻璃碎片敲击点自动定位方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035191B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109368A (zh) * | 2021-03-12 | 2021-07-13 | 浙江华睿科技有限公司 | 玻璃裂纹检测方法、装置、设备及介质 |
CN114332146A (zh) * | 2021-12-29 | 2022-04-12 | 福建帝视信息科技有限公司 | 一种碎片玻璃轮廓提取方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976349A (zh) * | 2010-10-21 | 2011-02-16 | 西北工业大学 | 基于哈夫变换的遥感图像中交通枢纽目标识别方法 |
CN104331873A (zh) * | 2013-07-22 | 2015-02-04 | 浙江大学 | 一种从单幅图像检测道路的方法 |
CN111783493A (zh) * | 2020-06-18 | 2020-10-16 | 福州富昌维控电子科技有限公司 | 一种批量二维码的识别方法及识别终端 |
CN114255254A (zh) * | 2021-12-20 | 2022-03-29 | 福建帝视信息科技有限公司 | 基于边缘增强与梯度引导二次分割的玻璃碎片分割方法 |
-
2022
- 2022-05-12 CN CN202210518165.2A patent/CN115035191B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109368A (zh) * | 2021-03-12 | 2021-07-13 | 浙江华睿科技有限公司 | 玻璃裂纹检测方法、装置、设备及介质 |
CN114332146A (zh) * | 2021-12-29 | 2022-04-12 | 福建帝视信息科技有限公司 | 一种碎片玻璃轮廓提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115035191A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113160192B (zh) | 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置 | |
CN104751187B (zh) | 抄表图像自动识别方法 | |
WO2019134252A1 (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN109508664B (zh) | 一种基于深度学习的菜品识别计价方法 | |
CN107657639A (zh) | 一种快速定位目标的方法和装置 | |
CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
CN115393351B (zh) | 一种基于朗格汉斯细胞判断角膜免疫状态的方法及装置 | |
CN113870202A (zh) | 一种基于深度学习技术的远端芯片缺陷检测系统 | |
CN114723677A (zh) | 图像缺陷检测方法、检测装置、检测设备及存储介质 | |
CN112215217A (zh) | 模拟医师阅片的数字图像识别方法及装置 | |
CN108022245A (zh) | 基于面线基元关联模型的光伏面板模板自动生成方法 | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
CN112686872B (zh) | 基于深度学习的木材计数方法 | |
CN115035191B (zh) | 一种玻璃碎片敲击点自动定位方法及终端 | |
CN111444777B (zh) | 一种同时标记阴影的前视声呐目标检测标记方法 | |
JP3301031B2 (ja) | 物体の自動認識方法および自動認識装置 | |
CN115330794B (zh) | 基于计算机视觉的led背光异物缺陷检测方法 | |
CN115239700A (zh) | 一种脊椎Cobb角测量方法、装置、设备及存储介质 | |
JPH1038542A (ja) | 物体認識方法及び装置並びに記録媒体 | |
CN106503611A (zh) | 基于边缘信息投影定位镜架横梁的人脸图像眼镜检测方法 | |
CN111815613A (zh) | 一种基于包膜线形态特征分析的肝硬化疾病分期识别方法 | |
JP2004094427A (ja) | 帳票画像処理装置及び該装置を実現するためのプログラム | |
CN113269739B (zh) | 一种木材节子缺陷定量检测方法 | |
CN115900829B (zh) | 一种led检测方法、装置及其电子设备 |
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 | ||
CB02 | Change of applicant information |
Address after: South side of west middle, 13th floor, Hongyuan Building, Yinxi Village, Yinxi Street, Fuqing City, Fuzhou City, Fujian Province, 350300 Applicant after: Fujian Dishi Intelligent Technology Co.,Ltd. Address before: South side of west middle, 13th floor, Hongyuan Building, Yinxi Village, Yinxi Street, Fuqing City, Fuzhou City, Fujian Province, 350300 Applicant before: Fujian Emperor Vision Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |