CN115311448B - 一种网状物料定位的方法、装置及存储介质 - Google Patents
一种网状物料定位的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115311448B CN115311448B CN202211075048.XA CN202211075048A CN115311448B CN 115311448 B CN115311448 B CN 115311448B CN 202211075048 A CN202211075048 A CN 202211075048A CN 115311448 B CN115311448 B CN 115311448B
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- gray
- pixel
- gray level
- 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
- 239000000463 material Substances 0.000 title claims abstract description 471
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000000178 monomer Substances 0.000 claims description 28
- 238000005260 corrosion Methods 0.000 claims description 21
- 230000007797 corrosion Effects 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000003628 erosive effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 229910003460 diamond Inorganic materials 0.000 description 13
- 239000010432 diamond Substances 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种网状物料定位的方法、装置及存储介质，涉及图像处理领域，该方法包括获取组装台上网状物料的物料灰度图像，根据物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，根据物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定物料灰度图像的轮廓信息，基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像，对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像，基于至少两个单体形状图像各自对应的中心点位置确定网状物料的中心点位置。本申请具有能准确定位出网状物料位置的效果。
Description
技术领域
本申请涉及图像处理的领域，尤其是涉及一种网状物料定位的方法、装置及存储介质。
背景技术
目前，在物料的生产、运输以及组装的过程中，均需要对物料进行定位，以确保能够精准稳定的运输以及组装物料。目前在对物料进行定位时，通常选用机器视觉定位技术。但针对一些特殊物料(如物料形状由多个基础形状叠加连通组成，并且物料表面具有纹路，如图1所示)时无法精确定位到物料的中心位置，从而对后续物料的运输和组装造成影响。因此，如何精确定位特殊物料的中心位置成为一个问题。
发明内容
为了能精准定位特殊物料的位置，本申请提供一种网状物料定位的方法、装置及存储介质。
第一方面，本申请提供一种网状物料定位的方法，采用如下的技术方案：
一种网状物料定位的方法，包括：
获取组装台上网状物料的物料灰度图像；
根据所述物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像；
根据所述物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定所述物料灰度图像的轮廓信息；
基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像；
对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像；
基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点。
通过采用上述技术方案，获取组装台上网状物料的物料灰度图像，根据物料灰度图像中的网状区域的网孔形状确定第一掩膜图像，并通过第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，便于减少后续确定网状物料中心位置时受到物料表面纹路的干扰。根据物料区域图像的基准形状确定第二掩膜图像，以提取出由基准形状构成的网状物料的轮廓信息。基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像，对灰度阶梯图像进行分割，得到网状物料的至少两个单体形状图像，由于物料灰度图像由至少两个单体形状图像组成，因此根据至少两个单体形状图像的中心点位置即可准确地确定网状物料的中心点位置。
在另一种可能实现的方式中，所述根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像，包括：
将所述第一掩膜图像在所述物料灰度图像中进行遍历；
若检测到所述第一掩膜图像与所述物料灰度图像中的物料部分存在重叠，则确定发生重叠时所述第一预设像素对应在所述物料灰度图像中的像素为第一目标像素；
基于全部的第一目标像素确定物料膨胀图像；
将所述第一掩膜图像在所述物料膨胀图像中进行遍历；
若检测到所述第一掩膜图像与所述物料膨胀图像中的物料部分发生完全重叠，则确定发生完全重叠时所述第一预设像素对应在所述物料膨胀图像中的像素为第二目标像素；
基于全部的第二目标像素确定物料区域图像。
通过采用上述技术方案，第一掩膜图像包括指定位置的第一预设像素，将第一掩膜图像在物料灰度图像中进行遍历，以确定出物料灰度图像中全部的第一目标像素。若检测到第一掩膜图像与物料灰度图像的物料部分存在重叠，说明第一掩膜图像所在的像素部分是物料部分可膨胀的像素部分，则确定发生重叠时第一预设像素对应在物料灰度图像中的像素为第一目标像素，根据确定出的全部的第一目标像素，得到物料膨胀图像，继续使用第一掩膜图像在物料膨胀图像中进行遍历，若检测到第一掩膜图像与物料膨胀图像中的物料部分发生完全重叠，说明在物料膨胀图像中具有可进行腐蚀的部分，则确定发生完全重叠时所述第一预设像素对应在所述物料膨胀图像中的像素为第二目标像素，得到网状物料表面没有网状纹路的物料区域图像。以便于减少后续确定网状物料中心点时，受到网状物料表面网状纹路的干扰，进而使得确定出的中心点位置更加准确。
在另一种可能实现的方式中，所述根据第二掩膜图像确定所述物料灰度图像的轮廓信息，包括：
若所述物料区域图像内存在灰度值处于预设灰度值区间的像素，则将所述灰度值处于预设灰度值区间的像素对应的灰度值转换为预设灰度值，得到新的物料区域图像；
将所述第二掩膜图像在所述新的物料区域图像中进行遍历；
若检测到所述第二掩膜图像与所述新的物料区域图像中的物料部分发生完全重叠，则确定发生完全重叠时所述第二预设像素对应在所述新的物料区域图像中的像素为第三目标像素；
基于全部的第三目标像素确定物料腐蚀图像；
将所述第二掩膜图像在所述物料腐蚀图像中进行遍历；
若检测到所述第二掩膜图像与所述物料腐蚀图像中的物料部分存在重叠，则确定发生重叠时所述第二预设像素对应在所述物料灰度图像中的像素为第四目标像素；
基于全部的第四目标像素确定物料灰度图像的轮廓信息。
通过采用上述技术方案，第二掩膜图像包括指定位置的第二预设像素。物料区域图像内存在灰度值处于预设灰度值区间的像素，说明网状物料的网状区域图像并没有消除干净，将处在预设灰度值区间的像素的像素值转化为预设灰度值，得到新的物料区域图像，从而减少网状区域图像的干扰，进而使得后续对新的物料区域图像进行处理得到的中心点位置更加准确。将第二掩膜图像在新的物料区域图像内进行腐蚀处理，得到物料腐蚀图像，物料腐蚀图像为处于物料基准形状区域的图像。对物料腐蚀图像进行膨胀处理，得到物料灰度图像的轮廓信息。从而便于明确地确定出物料基准形状的部分，进而便于后续对物料进行分割的操作。
在另一种可能实现的方式中，所述基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像，包括：
计算每个目标像素对应的与每个背景像素的距离值，所述目标像素包括所述轮廓信息区域内的像素，所述背景像素包括所述轮廓信息区域外的像素；
将每个目标像素对应的距离值进行排序，确定每个目标像素对应的最小距离；
根据所述最小距离，确定每个目标像素对应的灰度值；
基于所述每个目标像素的灰度值，生成所述网状物料的灰度阶梯图像。
通过采用上述技术方案，计算每一个目标像素到每个背景像素的距离值，每个目像素均对应有多个距离值，通过对每个目标像素对应的距离值进行排序，找到每个目标像素对应的最小距离值。每个距离值均对应有灰度值，根据最小距离值确定出每个目标像素对应的灰度值，进而生成网状物料的灰度阶梯图像，能够更加清晰迅速地寻找到每个单体形状图像的区域，进而更加清晰迅速地确定出灰度阶梯图像。
在另一种可能实现的方式中，所述对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像，包括：
基于所述灰度阶梯图像确定至少两个存在灰度梯度变化的子区域图像；
对所述至少两个存在灰度梯度变化的子区域图像进行分割得到至少两个单体形状图像。
通过采用上述技术方案，灰度梯度变化表征灰度值由中心位置向四周位置呈现梯度的变化，因此根据灰度阶梯图像能够确定出至少两个存在灰度梯度的子区域图像，将至少两个存在灰度梯度的子区域图像分割得到至少两个单体形状图像，便于后续根据至少两个单体形状图像确定网状物料的中心位置。
在另一种可能实现的方式中，所述基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点位置，包括：
若所述至少两个单体形状图像为近圆形，则确定出包含每个单体形状图像的最小外接圆；确定每个最小外接圆的圆心位置；
基于全部的圆心位置确定所述网状物料的中心点位置。
通过采用上述技术方案，当至少两个单体形状图像为近圆形时，确定出每个单体形状图像的最小外接圆。从而便于确定出每个单体形状图像的中心点位置，根据每个单体形状图像的外接圆确定出圆心位置，即每个单体形状图像的中心点位置。因此根据每个单体形状图像的最小外接圆的圆心位置能够确定出网状物料的中心点位置，从而使得到的网状物料的中心点位置更加准确。
在另一种可能实现的方式中，所述基于所述单体形状图像确定所述网状物料的中心点位置，之后还包括：
计算所述中心点位置与预设中心点位置的距离差值以及方位信息；
基于所述距离差值以及方位信息控制所述组装台移动。
通过采用上述技术方案，根据距离差值以及方位信息控制组装台移动，使得网状物料的位置处于正确的位置，从而减少对后续网状物料运输和组装造成的影响，进而使得网状物料的运输和组装更加精确。
第二方面，本申请提供一种网状物料定位的装置，采用如下的技术方案：
一种网状物料定位的装置，包括：
灰度图像获取模块，用于获取组装台上网状物料的物料灰度图像；
区域图像确定模块，用于根据所述物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像；
轮廓确定模块，用于根据所述物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定所述物料灰度图像的轮廓信息；
阶梯图像确定模块，用于基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像；
分割模块，用于对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像；
中心确定模块，用于基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点。
通过采用上述技术方案，灰度图像获取模块获取组装台上网状物料的物料灰度图像，通过区域图像确定模块根据物料灰度图像中的网状区域的网孔形状确定第一掩膜图像，并通过第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，便于减少后续确定物料中心位置时受到物料表面纹路的干扰。进一步的使用轮廓确定模块根据物料区域图像的基准形状确定第二掩膜图像，以提取出由基准形状构成的网状物料的轮廓信息。阶梯图像确定模块基于轮廓信息以及物料灰度图像确定出网状物料的灰度阶梯图像，进而使用分割模块对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像，由于物料灰度图像由至少两个单体形状图像组成，因此根据至少两个单体形状图像的中心点位置使用中心确定模块即可准确地确定出网状物料的中心点位置。
在另一种可能的实现方式中，区域图像确定模块在根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像时，具体用于：
将所述第一掩膜图像在所述物料灰度图像中进行遍历；
若检测到所述第一掩膜图像与所述物料灰度图像中的物料部分存在重叠，则确定发生重叠时所述第一预设像素对应在所述物料灰度图像中的像素为第一目标像素；
基于全部的第一目标像素确定物料膨胀图像；
将所述第一掩膜图像在所述物料膨胀图像中进行遍历；
若检测到所述第一掩膜图像与所述物料膨胀图像中的物料部分发生完全重叠，则确定发生完全重叠时所述第一预设像素对应在所述物料膨胀图像中的像素为第二目标像素；
基于全部的第二目标像素确定物料区域图像。
在另一种可能的实现方式中，轮廓确定模块在根据第二掩膜图像确定所述物料灰度图像的轮廓信息时，具体用于：
若所述物料区域图像内存在灰度值处于预设灰度值区间的像素，则将所述灰度值处于预设灰度值区间的像素对应的灰度值转换为预设灰度值，得到新的物料区域图像；
将所述第二掩膜图像在所述新的物料区域图像中进行遍历；
若检测到所述第二掩膜图像与所述新的物料区域图像中的物料部分发生完全重叠，则确定发生完全重叠时所述第二预设像素对应在所述新的物料区域图像中的像素为第三目标像素；
基于全部的第三目标像素确定物料腐蚀图像；
将所述第二掩膜图像在所述物料腐蚀图像中进行遍历；
若检测到所述第二掩膜图像与所述物料腐蚀图像中的物料部分存在重叠，则确定发生重叠时所述第二预设像素对应在所述物料灰度图像中的像素为第四目标像素；
基于全部的第四目标像素确定物料灰度图像的轮廓信息。
在另一种可能的实现方式中，阶梯图像确定模块在基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像时，具体用于：
计算每个目标像素对应的与每个背景像素的距离值，所述目标像素包括所述轮廓信息区域内的像素，所述背景像素包括所述轮廓信息区域外的像素；
将每个目标像素对应的距离值进行排序，确定每个目标像素对应的最小距离；
根据所述最小距离，确定每个目标像素对应的灰度值；
基于所述每个目标像素的灰度值，生成所述网状物料的灰度阶梯图像。
在另一种可能的实现方式中，分割模块在对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像时，具体用于：
基于所述灰度阶梯图像确定至少两个存在灰度梯度变化的子区域图像；
对所述至少两个存在灰度梯度变化的子区域图像进行分割得到至少两个单体形状图像。
在另一种可能的实现方式中，中心确定模块在基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点位置时，具体用于：
若所述至少两个单体形状图像为近圆形，则确定出包含每个单体形状图像的最小外接圆；确定每个最小外接圆的圆心位置；
基于全部的圆心位置确定所述网状物料的中心点位置。
在另一种可能的实现方式中，所述装置还包括：
计算模块，用于计算所述中心点位置与预设中心点位置的距离差值以及方位信息；
控制模块，用于基于所述距离差值以及方位信息控制所述组装台移动。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于：执行根据第一方面任一种可能的实现方式所示的一种网状物料定位的方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，当所述计算机程序在计算机中执行时，令所述计算机执行第一方面任一项所述的网状物料定位的方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.获取组装台上网状物料的物料灰度图像，根据物料灰度图像中的网状区域的网孔形状确定第一掩膜图像，并通过第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，便于减少后续确定网状物料中心位置时受到物料表面纹路的干扰。根据物料区域图像的基准形状确定第二掩膜图像，以提取出由基准形状构成的网状物料的轮廓信息。基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像，对灰度阶梯图像进行分割，得到网状物料的至少两个单体形状图像，由于物料灰度图像由至少两个单体形状图像组成，因此根据至少两个单体形状图像的中心点位置即可准确地确定网状物料的中心点位置；
2.根据距离差值以及方位信息控制组装台移动，使得网状物料的位置处于正确的位置，从而减少对后续网状物料运输和组装造成的影响，进而使得网状物料的运输和组装更加精确。
附图说明
图1是相关技术中一种网状物料的示意图。
图2是本申请实施例中的一种网状物料定位的方法的流程示意图。
图3是本申请实施例中的步骤S1022中第一掩膜图像的示例图。
图4是本申请实施例中的步骤S1033中第二掩膜图像的示例图。
图5是本申请实施例中的一种网状物料定位的装置的结构示意图。
图6是本申请实施例中的一种电子设备的结构示意图。
具体实施方式
以下结合附图1-6对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种网状物料定位的方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图2所示，该方法包括：步骤S101、步骤S102、步骤S103、步骤S104、步骤S105以及步骤S106，其中，
步骤S101，获取组装台上网状物料的物料灰度图像。
对于本申请实施例，电子设备获取物料灰度图像的方式可以是获取黑白相机采集的灰度图像，黑白相机能够将光信号转换成图像灰度值，即黑白相机拍摄的图像直接为网状物料的物料灰度图像。由于采集的网状物料的图像不需要对颜色有要求，且在同样分辨率的情况下，黑白相机的精度高于彩色相机，因此可以选取黑白相机作为采集物料灰度图像的相机。也可以通过普通彩色相机采集物料图像，然后经过灰度值变换得到物料灰度图像。
在本申请实施例中，若网状物料的组装环境处于一些组装设备中，组装设备中的光线较弱，或在一些较暗的环境中组装时，可在相机的周围设置环形灯，环形灯面向组装台的方向，根据调节环形灯的灯光强度，获取多张物料灰度图像，通过对比不同灯光强度下的物料灰度图像的清晰度，选取清晰度最高的一张物料灰度图像用于分析。
步骤S102，根据物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像。
对于本申请实施例，第一掩膜图像可以为菱形图像，也可以是方形图像，还可以是其他形状的图像，但第一掩膜图像需要与网状区域的网孔形状一致，且由于掩膜的面积过大或过小可能会对物料灰度图像的腐蚀以及膨胀过程产生影响，因此第一掩膜图像的面积需大于单个的网孔形状同时小于两个网孔形状。假设网状物料的网孔形状为菱形，则确定第一掩膜图像为菱形掩膜图像，根据菱形掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像。
其中，第一掩膜图像可以是工作人员根据网状物料的网孔形状提前选择并设定好的，也可以是获取网状物料的图像后对网状物料的网孔形状进行形状特征识别，得到网孔形状，根据识别出的网孔形状从预设掩膜库中确定与网孔形状一致的掩膜图像作为第一掩膜图像。
步骤S103，根据物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定物料灰度图像的轮廓信息。
对于本申请实施例，网状物料是由多个基准形状相连构成的，基准形状可以为基础的几何形状，例如圆形、正三角形等。物料区域图像是由多个基准形状相连构成。根据物料区域图像的基准形状确定第二掩膜图像，第二掩膜图像可以是圆形，也可以是正三角形，还可以是其他基础的几何形状，第二掩膜图像为大于一个基准形状同时小于两个基准形状的大小。假设第二掩膜图像为圆形掩膜图像，则根据圆形掩膜图像确定物料灰度图像的轮廓信息，轮廓信息由至少两个圆形相互连通构成的边缘组成。
其中，第二掩膜图像可以是工作人员根据网状物料的基本组成形状提前选择并设定好的，也可以是获取网状物料的图像后对网状物料的基本组成形状进行形状特征识别，得到网状物料的基本组成形状，根据识别出的基本组成形状从预设掩膜库中确定与基本组成形状一致的掩膜图像作为第二掩膜图像。
步骤S104，基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像。
对于本申请实施例，以步骤S103为例，轮廓信息是由至少两个圆形相连构成的边缘组成，确定出轮廓信息后，轮廓信息范围内的像素即为物料区域内的像素，轮廓信息范围外的像素即为物料区域外的像素。根据物料区域内的像素以及物料区域外的像素即可确定出物料区域内像素的灰度变化，进而得到网状物料的灰度阶梯图像。
步骤S105，对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像。
对于本申请实施例，由于得到的灰度阶梯图像是由至少两个相互连通的基准图像构成的，因此对灰度阶梯图像进行分割，能够得到组成网状物料的至少两个单体形状图像。以步骤S104为例，由于构成物料的基准形状之间存在重叠，因此对由至少两个圆形相互连通构成的灰度阶梯图像进行分割，得到至少两个近似圆形的图像。
步骤S106，基于至少两个单体形状图像各自对应的中心点位置确定网状物料的中心点位置。
对于本申请实施例，以步骤S105为例，确定出至少两个近似圆形图像后，对近似圆形的图像进行补全即可确定出近似圆形图像的圆心位置，然后确定出每个近似圆形图像的中心点位置，进而能够根据全部的中心点位置确定网状物料的中心点位置。
本申请实施例的一种可能的实现方式，步骤S102中根据第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，具体包括步骤S1021(图中未示出)、步骤S1022(图中未示出)、步骤S1023(图中未示出)、步骤S1024(图中未示出)、步骤S1025(图中未示出)以及步骤S1026(图中未示出)，其中，
步骤S1021，将第一掩膜图像在物料灰度图像中进行遍历。
对于本申请实施例，遍历是指将第一掩膜图像在物料灰度图像中的对每个像素进行判断，判断在每个像素处是否与物料部分有重叠。以步骤S102为例，将菱形掩膜图像在物料灰度图像中进行遍历。
在本申请实施例中，若按照每行的排列顺序进行遍历，判断遍历结束的方式可以是获取物料灰度图像中最右下角的像素的行列值，例如“最右下角像素为第200行以及第250列，则像素行列值为(200,250)”，若菱形掩膜图像遍历到像素行列值为(200,250)的像素，则确定遍历结束。
步骤S1022，若检测到第一掩膜图像与物料灰度图像中的物料部分存在重叠，则确定发生重叠时第一预设像素对应在物料灰度图像中的像素为第一目标像素。
其中，第一掩膜图像包括指定位置的第一预设像素。
对于本申请实施例，当检测到第一掩膜图像与物料灰度图像中的物料部分存在重叠时，说明物料灰度图像内存在可膨胀像素，确定发生重叠时第一预设像素对应在物料灰度图像中的像素为第一目标像素。其中，判断是否发生重叠的方式可以是将第一掩膜图像中的像素灰度值与物料灰度图像中的像素灰度值进行位运算，比如与运算、或运算以及非运算等。
以步骤S1021为例，第一掩膜图像为菱形掩膜图像，菱形掩膜图像如图3所示，假设菱形掩膜图像分为A部分以及B部分，第一预设像素为A部分对应的像素，菱形掩膜图像与物料灰度图像的物料部分存在任意重叠部分时，则确定菱形掩膜图像A部分对应在物料灰度图像中的像素为第一目标像素。
步骤S1023，基于全部的第一目标像素确定物料膨胀图像。
对于本申请实施例，物料膨胀图像由全部的第一目标像素组合而成，由于在判断存在部分重叠时，第一预设像素的位置可能对应物料区域外的像素，因此物料膨胀图像的面积大于物料灰度图像。对物料灰度图像进行膨胀可以一定程度的消除物料灰度图像中物料部分的噪声。但同时会对物料部分图像的边缘部分增加过多的像素，因此需后续对物料部分图像边缘进行处理。
步骤S1024，将第一掩膜图像在物料膨胀图像中进行遍历。
对于本申请实施例，通过第一掩膜图像在物料膨胀图像中进行遍历的方式可与步骤S1021中的方式相同，在此不再赘述。
步骤S1025，若检测到第一掩膜图像与物料膨胀图像中的物料部分发生完全重叠，则确定发生完全重叠时第一预设像素对应在物料膨胀图像中的像素为第二目标像素。
对于本申请实施例，发生完全重叠是指需第一掩膜图像完全处于物料膨胀图像中的物料部分中，并且第一掩膜图像的每个像素均与物料膨胀图像内的像素重叠。当检测到第一掩膜图像与物料膨胀图像中的物料部分发生完全重叠时，说明在物料膨胀图像中具有可腐蚀部分，确定发生完全重叠时第一预设像素对应在物料膨胀图像中的像素为第二目标像素。
以步骤S1021为例，需菱形掩膜图像的A部分以及B部分均处于物料膨胀图像中的物料部分时，说明菱形掩膜图像与物料部分发生了完全重叠。其中，判断是否发生完全重叠的方式同样可以是将第一掩膜图像中的像素灰度值与物料膨胀图像中的像素灰度值进行位运算，比如与运算、或运算以及非运算等。
步骤S1026，基于全部的第二目标像素确定物料区域图像。
对于本申请实施例，确定出发生完全重叠的第二目标像素后，全部的第二目标像素组成物料区域图像，此时的物料区域图像中不存在网状结构。对物料膨胀图像进行腐蚀操作，可以使物料部分边缘被膨胀的部分得到腐蚀即消除物料部分边缘多余的膨胀后的像素。
本申请实施例的一种可能的实现方式，步骤S103中根据第二掩膜图像确定物料灰度图像的轮廓信息，具体包括步骤S1031(图中未示出)、步骤S1032(图中未示出)、步骤S1033(图中未示出)、步骤S1034(图中未示出)、步骤S1035(图中未示出)、步骤S1036(图中未示出)以及步骤S1037(图中未示出)，其中，
步骤S1031，若物料区域图像内存在灰度值处于预设灰度值区间的像素，则将灰度值处于预设灰度值区间的像素对应的灰度值转换为预设灰度值，得到新的物料区域图像。
对于本申请实施例，由于步骤S102中对网状区域图像进行消除时可能会存在消除不干净的情况，从而造成网状残留，网状残留的灰度值处于预设灰度值区间，因此当物料区域图像内存在灰度值处于预设灰度值区间的像素时，将灰度值处于预设灰度值区间的像素对应的灰度值转换为预设灰度值，得到消除网状区域图像的新的物料区域图像。
例如，预设灰度值区间为[100,255]，预设灰度值为255，假设物料区域图像内C像素的灰度值为200，说明C像素为网状残留，则将C像素的灰度值转换为255。得到的新的物料区域图像为只包含灰度值100以下的像素以及灰度值为255的像素，其中物料区域的灰度值为255，其他区域的灰度值为100以下。
步骤S1032，将第二掩膜图像在新的物料区域图像中进行遍历。
对于本申请实施例，假设第二掩膜图像为圆形。遍历的方式可以按照步骤S1021中的方式进行遍历，在此不再赘述。
步骤S1033，若检测到第二掩膜图像与新的物料区域图像中的物料部分发生完全重叠，则确定发生完全重叠时第二预设像素对应在新的物料区域图像中的像素为第三目标像素。
其中，第二掩膜图像包括指定位置的第二预设像素。
对于本申请实施例，以步骤S1032为例，如图4所示，假设圆形掩膜由D部分以及E部分组成，且D部分的像素为第二预设像素，除D部分之外的像素均为E部分的像素。当D部分与E部分完全处于新的物料区域图像中的物料部分时，确定发生完全重叠，确定D部分对应在新的物料区域图像中的像素为第三目标像素。其中，判断是否发生重叠的方式可以是将第二掩膜图像中的像素灰度值与新的物料区域图像中的像素灰度值进行位运算，比如与运算、或运算以及非运算等。
步骤S1034，基于全部的第三目标像素确定物料腐蚀图像。
对于本申请实施例，确定出全部的第三目标像素后，全部的第三像素组成物料腐蚀图像。新的物料区域图像是通过灰度值转化得到的图像，因此在新的物料区域图像中，物料区域得到了扩充，即一部分物料区域以外的像素与物料区域的像素灰度值相同。因此对新的物料区域图像进行腐蚀操作，可以使处于物料区域以外的，且与物料区域灰度值相同的像素被腐蚀，保留物料区域的图像，即物料腐蚀图像。
步骤S1035，将第二掩膜图像在物料腐蚀图像中进行遍历。
对于本申请实施例，遍历的方式可以按照步骤S1021中的方式进行遍历，在此不再赘述。
步骤S1036，若检测到第二掩膜图像与物料腐蚀图像中的物料部分存在重叠，则确定发生重叠时第二预设像素对应在物料灰度图像中的像素为第四目标像素。
对于本申请实施例，以步骤S1033为例，圆形掩膜图像由D部分以及E部分组成，存在重叠即圆形掩膜图像任意部分处于物料腐蚀图像中的物料部分即可。其中，判断是否发生重叠的方式可以是将第二掩膜图像中的像素灰度值与物料腐蚀图像中的像素灰度值进行位运算，比如与运算、或运算以及非运算等。
步骤S1037，基于全部的第四目标像素确定物料灰度图像的轮廓信息。
对于本申请实施例，确定出全部的第四目标像素后，全部的第四像素组成物料灰度图像的轮廓信息。对物料腐蚀图像进行膨胀处理可以使物料部分被腐蚀的边缘部分得到补充，即被补充的部分为物料灰度图像的轮廓信息。
本申请实施例的一种可能的实现方式，步骤S104中基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像，具体包括步骤S1041(图中未示出)、步骤S1042(图中未示出)、步骤S1043(图中未示出)以及步骤S1044(图中未示出)，其中，
步骤S1041，计算每个目标像素对应的与每个背景像素的距离值。
其中，目标像素包括轮廓信息区域内的像素，背景像素包括轮廓信息区域外的像素。
对于本申请实施例，每个像素均对应有一个行列值，例如(1,2)即表示第一行第二列的像素。在本申请实施例中还可建立物料灰度图像的坐标系，从而确定每个像素的坐标，计算每个目标像素对应的与每个背景像素的距离值可以通过公式1计算。
其中，p为目标像素，q为背景像素。x表示像素位于第x行，y表示像素位于第y列。
步骤S1042，将每个目标像素对应的距离值进行排序，确定每个目标像素对应的最小距离。
对于本申请实施例，假设目标像素A对应的距离值有5、8、7以及4。将目标像素A对应的距离值进行排序，排序的规则可以是从小到大。得到排序4、5、7以及8。进而得到目标像素A对应的最小距离为4。
步骤S1043，根据最小距离，确定每个目标像素对应的灰度值。
对于本申请实施例，每个距离值均有对应的灰度值，且距离值越大对应的灰度值越小。例如“4对应的灰度值为200”。
在本申请实施例中，也可以是距离值越大对应的灰度值越大，即例如“4对应的灰度值为50”。由于后续需要对图像进行分割操作，而常用的分割方式习惯将被分割的区域灰度值以中心向四周逐渐增大的方式，因此需对距离值对应的灰度值进行反转处理。即达到距离值越大对应的灰度值越小的效果。具体的反转的公式可以是公式2所示：
A＝255-B 公式2
其中，A为距离值对应的反转后的灰度值，B为距离值对应的反转前的灰度值。
步骤S1044，基于每个目标像素的灰度值，生成网状物料的灰度阶梯图像。
对于本申请实施例，目标像素中越靠近背景像素的目标像素对应的灰度值越大，而越远离背景像素的目标像素对应的灰度值越小，即灰度值呈梯度变化。因此会生成一个能反映网状物料灰度变化的灰度梯度图像。
本申请实施例的一种可能的实现方式，步骤S105在对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像，具体包括步骤S1051(图中未示出)以及步骤S1052(图中未示出)，其中，
步骤S1051，基于灰度阶梯图像确定至少两个存在灰度梯度变化的子区域图像。
对于本申请实施例，子区域图像内是灰度值由中心向四周逐渐增大的区域。确定出子区域图像即确定出能够被分割的区域图像。
步骤S1052，对至少两个存在灰度梯度变化的子区域图像进行分割得到至少两个单体形状图像。
对于本申请实施例，可以采用分水岭算法对至少两个存在灰度梯度变化的子区域图像进行分割。通过分水岭算法得到相邻两个子区域图像的灰度值梯度变化的临界线，通过临界线对相邻两个子区域图像进行分割。但使用分水岭算法时可能会出现分割过度的情况，因此可以根据公式3对分水岭算法进行补充，避免分割过度的情况。公式3如下：
max{W-B1,W-B2}<T 公式3
其中，B1和B2是两个相邻子区域图像的最小灰度值，W是分隔两个相邻子区域图像的分水岭的最小灰度值，T是预设的灰度阈值。
当W满足公式3时，将两个相邻子区域图像进行合并，当W不能满足公式3时，将两个相邻子区域图像进行分割。
本申请实施例的一种可能的实现方式，步骤S106在基于至少两个单体形状图像各自对应的中心点位置确定网状物料的中心点位置时，具体包括步骤S1061(图中未示出)、步骤S1062(图中未示出)以及步骤S1063(图中未示出)，其中，
步骤S1061，若至少两个单体形状图像为近圆形，则确定出包含每个单体形状图像的最小外接圆。
对于本申请实施例，以步骤S103为例，由于每个单体形状图像均与相邻单体形状图像重叠连通，因此当基准形状为圆形时，分割后的每个单体形状图像为近圆形。因此可以通过最小外接圆的算法绘制出每个单体形状图像的最小外接圆，绘制最小外接圆的算法可以是通过MinEnclosingCircle函数实现。
步骤S1062，确定每个最小外接圆的圆心位置。
对于本申请实施例，以步骤S1062为例，可以使用MinEnclosingCircle函数的返回值确定圆心，MinEnclosingCircle函数的返回值包含圆心和半径。也可以通过计算最小外接圆轮廓上任意一点与其他点的距离值，确定出任意一点对应的最大的距离值，最大距离值即最小外接圆的直径，获取任意一点与最大距离值对应的点的行列值，进行均值处理可得到圆心像素的行列值即圆心位置。
在本申请实施例中也可以通过对比灰度值的方式，确定圆心位置。获取最小外接圆以内的任意一点到最小外接圆以外的距离值，确定出任意一点到最小外接圆以外的最小距离值，即最小外接圆内任意一点对应的距离值，每个距离值均对应有一个灰度值。距离值越大，对应的灰度值越小。因此可以通过对比灰度值的方式确定圆心，由于圆心位置的像素距离值最大，即是灰度值最小的地方，可以通过在最小外接圆内确定出灰度值最小的像素，即圆心位置的像素。
步骤S1063，基于全部的圆心位置确定网状物料的中心点位置。
对于本申请实施例，确定网状物料的中心点位置可以通过将全部的圆心位置处的行列值进行均值计算。假设全部的圆心位置为(100，120)、(100，140)以及(100，160)，将全部的圆心位置均值计算得到行列值(100，140)，该行列值表征全部圆心位置连线后的中间位置，即网状物料的中心位置。
在本申请实施例中，当电子设备检测到单体形状图像不为近圆形的其他形状时，具体可以检测单体形状图像是否存在曲线，当不存在曲线时，说明单体形状图像是不为近圆形的其他形状。对于其他形状的单体形状图像，可以将被分割位置的直线进行延伸，当有交点出现时，得到延伸后的单体形状图像，然后对补充后的单体形状图像进行做最小外接圆的操作。
本申请实施例的一种可能的实现方式，步骤S106之后还包括步骤S107(图中未示出)以及步骤S108(图中未示出)，其中，
步骤S107，计算中心点位置与预设中心点位置的距离差值以及方位信息。
对于本申请实施例，由于物料灰度图像的拍照区域固定，因此预设中心点位置为在拍照区域中提前设定的能够精准组装网状物料的位置，方位信息表示预设中心点位置处于中心点位置的方向。可以在预设中心点出建立坐标系。例如“预设中心点位置为(100，160)”，以步骤S1063为例，计算得到的中心点位置为(100，140)，得到的距离差值为(0，20)，方位信息为向正东方向移动。
步骤S108，基于距离差值以及方位信息控制组装台移动。
对于本申请实施例，电子设备基于距离差值以及方位信息控制组装台移动，进而实现对网状物料位置的调整，以使得网状物料能够准确地与待组装部分进行组装。以步骤S107为例，组装台的移动方向是向正东方向，移动距离为20像素。
在本申请实施例中，电子设备也可以将距离差值以及方位信息发送至显示屏，便于机器负责人能够实时观看到组装台当前的位置以及具体的异动情况。还可以将距离差值以及方位信息的内容存储在云服务器以及发送至机器负责人的终端设备。
上述实施例从方法流程的角度介绍一种网状物料定位的方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种网状物料定位的装置，具体详见下述实施例。
本申请实施例提供一种网状物料定位的装置，如图5所示，该网状物料定位的装置20具体可以包括：
灰度图像获取模块201，用于获取组装台上网状物料的物料灰度图像；
区域图像确定模块202，用于根据物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像；
轮廓确定模块203，用于根据物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定物料灰度图像的轮廓信息；
阶梯图像确定模块204，用于基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像；
分割模块205，用于对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像；中心确定模块206，用于基于至少两个单体形状图像各自对应的中心点位置确定网状物料的中心点。
本申请实施例提供的一种定位网状物料的装置20，其中，使用灰度图像获取模块201获取组装台上网状物料的物料灰度图像，通过区域图像确定模块202根据物料灰度图像中的网状区域的网孔形状确定第一掩膜图像，并通过第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，便于减少后续确定物料中心位置时受到物料表面纹路的干扰。进一步的使用轮廓确定模块203根据物料区域图像的基准形状确定第二掩膜图像，以提取出由基准形状构成的网状物料的轮廓信息。基于轮廓信息阶梯图像确定模块204确定出网状物料的灰度阶梯图像，进而使用分割模块205对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像，由于物料灰度图像由至少两个单体形状图像组成，因此根据至少两个单体形状图像的各自对应的中心点位置使用中心确定模块206即可准确地确定出网状物料的中心点位置。
本申请实施例的一种可能的实现方式，区域图像确定模块202在根据第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像时，具体用于：
将第一掩膜图像在物料灰度图像中进行遍历；
若检测到第一掩膜图像与物料灰度图像中的物料部分存在重叠，则确定发生重叠时第一预设像素对应在物料灰度图像中的像素为第一目标像素；
基于全部的第一目标像素确定物料膨胀图像；
将第一掩膜图像在物料膨胀图像中进行遍历；
若检测到第一掩膜图像与物料膨胀图像中的物料部分发生完全重叠，则确定发生完全重叠时第一预设像素对应在物料膨胀图像中的像素为第二目标像素；
基于全部的第二目标像素确定物料区域图像。
本申请实施例的一种可能的实现方式，轮廓确定模块203在根据第二掩膜图像确定物料灰度图像的轮廓信息时，具体用于：
若物料区域图像内存在灰度值处于预设灰度值区间的像素，则将灰度值处于预设灰度值区间的像素对应的灰度值转换为预设灰度值，得到新的物料区域图像；
将第二掩膜图像在新的物料区域图像中进行遍历；
若检测到第二掩膜图像与新的物料区域图像中的物料部分发生完全重叠，则确定发生完全重叠时第二预设像素对应在新的物料区域图像中的像素为第三目标像素；
基于全部的第三目标像素确定物料腐蚀图像；
将第二掩膜图像在物料腐蚀图像中进行遍历；
若检测到第二掩膜图像与物料腐蚀图像中的物料部分存在重叠，则确定发生重叠时第二预设像素对应在物料灰度图像中的像素为第四目标像素；
基于全部的第四目标像素确定物料灰度图像的轮廓信息。
本申请实施例的一种可能的实现方式，阶梯图像确定模块204在基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像时，具体用于：
计算每个目标像素对应的与每个背景像素的距离值，目标像素包括轮廓信息区域内的像素，背景像素包括轮廓信息区域外的像素；
将每个目标像素对应的距离值进行排序，确定每个目标像素对应的最小距离；
根据最小距离，确定每个目标像素对应的灰度值；
基于每个目标像素的灰度值，生成网状物料的灰度阶梯图像。
本申请实施例的一种可能的实现方式，分割模块205在对灰度阶梯图像进行分割，得到组成网状物料的至少两个单体形状图像时，具体用于：
基于灰度阶梯图像确定至少两个存在灰度梯度变化的子区域图像；
对至少两个存在灰度梯度变化的子区域图像进行分割得到至少两个单体形状图像。
本申请实施例的一种可能的实现方式，中心确定模块206在基于至少两个单体形状图像各自对应的中心点位置确定网状物料的中心点位置时，具体用于：
若至少两个单体形状图像为近圆形，则确定出包含每个单体形状图像的最小外接圆；
确定每个最小外接圆的圆心位置；
基于全部的圆心位置确定网状物料的中心点位置。
本申请实施例的一种可能的实现方式，装置20还包括：
计算模块，用于计算中心点位置与预设中心点位置的距离差值以及方位信息；
控制模块，用于基于距离差值以及方位信息控制组装台移动。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例中提供了一种电子设备，如图6所示，图6所示的电子设备30包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备30还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中，获取组装台上网状物料的物料灰度图像，根据物料灰度图像中的网状区域的网孔形状确定第一掩膜图像，并通过第一掩膜图像消除物料灰度图像中的网状区域图像，得到物料区域图像，便于减少后续确定网状物料中心位置时受到物料表面纹路的干扰。根据物料区域图像的基准形状确定第二掩膜图像，以提取出由基准形状构成的网状物料的轮廓信息。基于轮廓信息以及物料灰度图像确定网状物料的灰度阶梯图像，对灰度阶梯图像进行分割，得到网状物料的至少两个单体形状图像，由于物料灰度图像由至少两个单体形状图像组成，因此根据至少两个单体形状图像的各自对应的中心点位置即可准确地确定网状物料的中心点位置。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种网状物料定位的方法，其特征在于，包括：
获取组装台上网状物料的物料灰度图像；
根据所述物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像；所述第一掩膜图像包括指定位置的第一预设像素，所述根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像，包括：
将所述第一掩膜图像在所述物料灰度图像中进行遍历；
若检测到所述第一掩膜图像与所述物料灰度图像中的物料部分存在重叠，则确定发生重叠时所述第一预设像素对应在所述物料灰度图像中的像素为第一目标像素；
基于全部的第一目标像素确定物料膨胀图像；
将所述第一掩膜图像在所述物料膨胀图像中进行遍历；
若检测到所述第一掩膜图像与所述物料膨胀图像中的物料部分发生完全重叠，则确定发生完全重叠时所述第一预设像素对应在所述物料膨胀图像中的像素为第二目标像素；
基于全部的第二目标像素确定物料区域图像；
根据所述物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定所述物料灰度图像的轮廓信息；所述第二掩膜图像包括指定位置的第二预设像素，所述根据第二掩膜图像确定所述物料灰度图像的轮廓信息，包括：
若所述物料区域图像内存在灰度值处于预设灰度值区间的像素，则将所述灰度值处于预设灰度值区间的像素对应的灰度值转换为预设灰度值，得到新的物料区域图像；
将所述第二掩膜图像在所述新的物料区域图像中进行遍历；
若检测到所述第二掩膜图像与所述新的物料区域图像中的物料部分发生完全重叠，则确定发生完全重叠时所述第二预设像素对应在所述新的物料区域图像中的像素为第三目标像素；
基于全部的第三目标像素确定物料腐蚀图像；
将所述第二掩膜图像在所述物料腐蚀图像中进行遍历；
若检测到所述第二掩膜图像与所述物料腐蚀图像中的物料部分存在重叠，则确定发生重叠时所述第二预设像素对应在所述物料灰度图像中的像素为第四目标像素；
基于全部的第四目标像素确定物料灰度图像的轮廓信息；
基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像；
对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像；
基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点位置。
2.根据权利要求1所述的一种网状物料定位的方法，其特征在于，所述基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像，包括：
计算每个目标像素对应的与每个背景像素的距离值，所述目标像素包括所述轮廓信息区域内的像素，所述背景像素包括所述轮廓信息区域外的像素；
将每个目标像素对应的距离值进行排序，确定每个目标像素对应的最小距离；
根据所述最小距离，确定每个目标像素对应的灰度值；
基于所述每个目标像素的灰度值，生成所述网状物料的灰度阶梯图像。
3.根据权利要求1所述的一种网状物料定位的方法，其特征在于，所述对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像，包括：
基于所述灰度阶梯图像确定至少两个存在灰度梯度变化的子区域图像；
对所述至少两个存在灰度梯度变化的子区域图像进行分割得到至少两个单体形状图像。
4.根据权利要求1所述的一种网状物料定位的方法，其特征在于，所述基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点位置，包括：
若所述至少两个单体形状图像为近圆形，则确定出包含每个单体形状图像的最小外接圆；
确定每个最小外接圆的圆心位置；
基于全部的圆心位置确定所述网状物料的中心点位置。
5.根据权利要求1所述的一种网状物料定位的方法，其特征在于，所述基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点位置，之后还包括：
计算所述中心点位置与预设中心点位置的距离差值以及方位信息；
基于所述距离差值以及方位信息控制所述组装台移动。
6.一种网状物料定位的装置，其特征在于，包括：
灰度图像获取模块，用于获取组装台上网状物料的物料灰度图像；
区域图像确定模块，用于根据所述物料灰度图像中网状区域的网孔形状确定第一掩膜图像，并根据所述第一掩膜图像消除所述物料灰度图像中的网状区域图像，得到物料区域图像；
轮廓确定模块，用于根据所述物料区域图像的基准形状确定第二掩膜图像，并根据第二掩膜图像确定所述物料灰度图像的轮廓信息；
阶梯图像确定模块，用于基于所述轮廓信息以及所述物料灰度图像确定所述网状物料的灰度阶梯图像；
分割模块，用于对所述灰度阶梯图像进行分割，得到组成所述网状物料的至少两个单体形状图像；
中心确定模块，用于基于所述至少两个单体形状图像各自对应的中心点位置确定所述网状物料的中心点。
7.一种电子设备，其特征在于，其包括：
一个或者多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行根据权利要求1～5任一项所述的网状物料定位的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～5任一项所述的网状物料定位的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211075048.XA CN115311448B (zh) | 2022-09-02 | 2022-09-02 | 一种网状物料定位的方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211075048.XA CN115311448B (zh) | 2022-09-02 | 2022-09-02 | 一种网状物料定位的方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115311448A CN115311448A (zh) | 2022-11-08 |
| CN115311448B true CN115311448B (zh) | 2024-07-12 |
Family
ID=83867301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211075048.XA Active CN115311448B (zh) | 2022-09-02 | 2022-09-02 | 一种网状物料定位的方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115311448B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561850A (zh) * | 2019-09-26 | 2021-03-26 | 上海汽车集团股份有限公司 | 一种汽车涂胶检测方法、设备及存储介质 |
| CN114533002A (zh) * | 2022-03-04 | 2022-05-27 | 清华大学 | 一种颈动脉中心线提取方法、装置、存储介质及电子设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242791B (zh) * | 2018-08-22 | 2022-07-26 | 东北农业大学 | 一种针对破损植物叶片的批量修复方法 |
| CN110335277B (zh) * | 2019-05-07 | 2024-09-10 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN113498528B (zh) * | 2020-01-21 | 2024-07-23 | 京东方科技集团股份有限公司 | 图像缺陷确定方法与装置、电子设备及存储介质 |
| CN113284148B (zh) * | 2021-07-23 | 2021-10-15 | 苏州高视半导体技术有限公司 | 一种屏幕灰尘过滤方法 |
| CN114972209A (zh) * | 2022-05-05 | 2022-08-30 | 清华大学 | 宫颈病理图像处理方法和装置 |
-
2022
- 2022-09-02 CN CN202211075048.XA patent/CN115311448B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561850A (zh) * | 2019-09-26 | 2021-03-26 | 上海汽车集团股份有限公司 | 一种汽车涂胶检测方法、设备及存储介质 |
| CN114533002A (zh) * | 2022-03-04 | 2022-05-27 | 清华大学 | 一种颈动脉中心线提取方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115311448A (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11615552B2 (en) | Crossing point detector, camera calibration system, crossing point detection method, camera calibration method, and recording medium | |
| CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
| CN111275730A (zh) | 地图区域的确定方法、装置、设备及存储介质 | |
| CN111210429A (zh) | 点云数据划分方法及装置、障碍物检测方法及装置 | |
| CN108090486B (zh) | 一种台球比赛中的图像处理方法及装置 | |
| US10289634B2 (en) | Data clustering employing mapping and merging | |
| CN112348836A (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
| CN110866475A (zh) | 手部脱离方向盘及图像分割模型训练方法、装置、终端、介质 | |
| EP3410389A1 (en) | Image processing method and device | |
| CN112634235A (zh) | 产品图像的边界检测方法和电子设备 | |
| CN111192279B (zh) | 基于边缘检测的物体分割方法、电子终端及存储介质 | |
| CN112734827A (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
| CN110009625B (zh) | 基于深度学习的图像处理系统、方法、终端、及介质 | |
| CN111507252A (zh) | 人体跌倒检测装置、方法、电子终端及存储介质 | |
| CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
| CN109344750B (zh) | 一种基于结构描述子的复杂结构三维对象识别方法 | |
| CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
| CN115311448B (zh) | 一种网状物料定位的方法、装置及存储介质 | |
| CN116030450B (zh) | 棋盘格角点识别方法、装置、设备和介质 | |
| CN117151972A (zh) | 一种工件加工轨迹生成方法、装置、设备及存储介质 | |
| CN115457202B (zh) | 一种三维模型更新的方法、装置及存储介质 | |
| CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
| EP3352136B1 (en) | Crossing point detector, camera calibration system, crossing point detection method, camera calibration method, and recording medium | |
| US11893744B2 (en) | Methods and apparatus for extracting profiles from three-dimensional images | |
| CN116071418A (zh) | 建盏尺寸测量方法、装置、计算机设备、存储介质和计算机程序产品 |
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 | ||
| CB02 | Change of applicant information |
Address after: Room 02, 4th Floor, Building A3, Nanshan Zhiyuan, No. 1001 Xueyuan Avenue, Changyuan Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Province, 518000 Applicant after: Jing Ke (Shenzhen) robot technology Co.,Ltd. Address before: 518100 Room 403, building 7, Jinxiu Dadi, No. 117, Hudi row, songyuanxia community, Guanhu street, Longhua District, Shenzhen, Guangdong Province Applicant before: Jing Ke (Shenzhen) robot technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |