CN115953605A - 机器视觉多目标图像坐标匹配方法 - Google Patents
机器视觉多目标图像坐标匹配方法 Download PDFInfo
- Publication number
- CN115953605A CN115953605A CN202310240845.7A CN202310240845A CN115953605A CN 115953605 A CN115953605 A CN 115953605A CN 202310240845 A CN202310240845 A CN 202310240845A CN 115953605 A CN115953605 A CN 115953605A
- Authority
- CN
- China
- Prior art keywords
- detection
- target
- image
- determining
- radical
- 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
Images
Classifications
-
- 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
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种机器视觉多目标图像坐标匹配方法。机器视觉多目标图像坐标匹配方法包括S1、S3、S5、S7与S9;S1、确定基准坐标参数;S3、确定检测图像中的检测目标的数量和检测目标的检测坐标参数;S5、判断检测目标的数量是否大于1,若是,则执行S7,否则执行S9;S7、若是基准相对位置参数和检测相对位置参数满足第一预设条件,则确定第一基准目标和第一检测目标对应,确定第二基准目标和第二检测目标对应;S9、确定检测目标对应于X基面和X检面满足第二预设条件的基准目标。由此,可以确定检测目标对应的基准目标,避免记录检测目标的数据内容时,将该检测目标的数据内容记录为另一个目标的数据内容。
Description
技术领域
本申请涉及机械视觉多目标图像匹配领域,具体而言涉及机器视觉多目标图像坐标匹配方法。
背景技术
一些设备可以设置多个目标。目标具有数据内容。数据内容可以用于表示该设备的状态。例如,设备可以是气体存储设备。目标为设置于气体存储设备的仪表。数据内容为仪表的读数。
多个目标包括第一目标和第二目标。第一目标和第二目标的大小和位置不同。现有技术中通过设置于设备附近的图像采集装置时时采集包括多个目标的视频,然后通过视频获取图像,进而可以通过目标识别算法识别图像中的目标,并且获取目标的数据内容。
不过,在记录目标的数据内容时,可能会将第一目标的数据内容记录为第二目标的数据内容,将第二目标的数据内容记录为第一目标的数据内容。
为此,本申请提供一种机器视觉多目标图像坐标匹配方法,以至少部分地解决上述问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施例部分中进一步详细说明。本申请的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述技术问题,本申请提供了一种机器视觉多目标图像坐标匹配方法,机器视觉多目标图像坐标匹配方法包括:
S1、确定基准图像,确定基准图像的基准目标的基准坐标参数,确定第一基准目标和第二基准目标;
S3、获取检测图像,对检测图像进行处理,以确定检测图像中的检测目标的数量和检测目标的检测坐标参数;
S5、判断检测目标的数量是否大于1,若是,则执行S7,否则执行S9;
S7、确定第一检测目标和第二检测目标;根据基准坐标参数确定表示第一基准目标和第二基准目标的相对位置的基准相对位置参数,以及根据检测坐标参数确定表示第一检测目标和第二检测目标的相对位置的检测相对位置参数;若是基准相对位置参数和检测相对位置参数满足第一预设条件,则确定第一基准目标和第一检测目标对应,确定第二基准目标和第二检测目标对应;
S9、根据基准坐标参数确定表示每个基准目标的面积的基准面积X基面,根据检测坐标参数确定表示检测目标的面积的检测面积X检面,确定检测目标对应于X基面和X检面满足第二预设条件的基准目标。
根据本申请的机器视觉多目标图像坐标匹配方法,如果经过目标识别算法处理后的检测图像中的检测目标的数量大于1个,则可以通过相对位置参数(基准相对位置参数和检测相对位置参数)确定和基准目标对应的检测目标,避免记录检测目标的数据内容时,将检测目标的数据内容记录为另一个目标的数据内容;如果经过通过目标识别算法处理后的检测图像中的检测目标数量只为一个,则可以根据目标面积确定该检测目标对应的基准目标,避免记录检测目标的数据内容时,将该检测目标的数据内容记录为另一个目标的数据内容。
可选地,基准相对位置参数包括横坐标基准比对值X基比和纵坐标基准比对值Y基比,检测相对位置参数包括横坐标检测比对值X检比和纵坐标检测比对值Y检比;
根据第一基准目标的左上角点的基准横坐标X基1和第二基准目标的左上角点的基准横坐标X基2确定横坐标基准比对值X基比;根据第一基准目标的左上角点的基准纵坐标Y基1和第二基准目标的左上角点的基准纵坐标Y基2确定纵坐标基准比对值Y基比;根据第一检测目标的左上角点的检测横坐标X检1和第二检测目标的左上角点的检测横坐标X检2确定横坐标检测比对值X检比;根据第一检测目标的左上角点的检测纵坐标Y检1和第二检测目标的左上角点的检测纵坐标Y检2确定纵坐标检测比对值Y检比。
可选地,S7包括:
确定X基比=X基1-X基2;确定Y基比=Y基1-Y基2;确定X检比=X检1-X检2;确定Y检比=Y检1-Y检2;
若是X基比*X检比≥0并且Y基比*Y检比≥0,则确定第一基准目标和第一检测目标对应,确定第二基准目标和第二检测目标对应。
可选地,S9包括确定X基面=H基*W基;确定X检面=H检*W检;
其中:
H基为在基准图像的图像坐标系中的基准目标的沿纵坐标的高度;
W基为在基准图像的图像坐标系中的基准目标的沿横坐标的宽度;
H检为在检测图像的图像坐标系中的检测目标的沿纵坐标的高度;
W检为在检测图像的图像坐标系中的检测目标的沿横坐标的宽度。
可选地,若是X基面和X检面的差值小于或等于预设面积,则确定基准目标和检测目标对应。
可选地,任意两个基准目标的X基面不同。
可选地,S5确定检测目标的数量大于1之后,机器视觉多目标图像坐标匹配方法还包括择优步骤,择优步骤包括:
判断检测目标的数量是否大于2,若否,则执行S7,否则通过可信度大于或等于预设可信度的检测目标确定第一检测目标和第二检测目标。
可选地,S3之后,S5之前,机器视觉多目标图像坐标匹配方法还包括剔除步骤,剔除步骤包括:
移除数据内容小于或等于0的检测目标的检测坐标参数。
可选地,S5确定检测目标的数量大于1之后,判断检测目标的数量是否大于2,若否,则S7还包括:
在基准相对位置参数和检测相对位置参数不满足第一预设条件时,确定第一基准目标和第二检测目标对应,确定第二基准目标和第一检测目标对应。
附图说明
为了使本申请的优点更容易理解,将通过参考在附图中示出的具体实施方式更详细地描述上文简要描述的本申请。可以理解这些附图只描绘了本申请的典型实施方式,因此不应认为是对其保护范围的限制,通过附图以附加的特性和细节描述和解释本申请。
图1为目标图像的示意图,其中,目标图像具有一个目标;
图2为基准图像的示意图,其中,基准图像具有一个基准目标;
图3为图2的基准图像的示意图,其中,基准图像具有两个基准目标;
图4为检测图像的示意图,其中,检测图像具有一个检测目标;
图5为图4的检测图像的示意图,其中,检测图像具有两个检测目标;以及
图6为根据本申请的一个优选实施方式的机器视觉多目标图像坐标匹配方法的流程示意图。
附图标记说明
110:第一基准目标 120: 第二基准目标
130:第一检测目标 140: 第二检测目标
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本申请更为彻底的理解。然而,对于本领域技术人员来说显而易见的是,本申请实施方式可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本申请实施方式发生混淆,对于本领域公知的一些技术特征未进行描述。
以下参照附图对本申请的优选实施方式进行说明。需要说明的是,本文中所使用的术语“上”、“下”以及类似的表述只是为了说明的目的,并非限制。
在本文中,本申请中所引用的诸如“第一”和“第二”的序数词仅仅是标识,而不具有任何其它含义,例如特定的顺序等。
为了彻底了解本申请实施方式,将在下列的描述中提出详细的结构。显然,本申请实施方式的施行并不限定于本领域的技术人员所熟习的特殊细节。本申请的较佳实施方式详细描述如下,然而除了这些详细描述外,本申请还可以具有其他实施方式。
本申请提供了一种机器视觉多目标图像坐标匹配方法。目标可以是工业仪表。目标可以设置于气体存储设备(例如燃气罐)。目标用于采集气体存储设备内的气体的参数。例如温度,压强等。目标可以是指针式仪表。可以理解,在未示出的实施方式中,目标也可以是用数字显示被测值的数字仪表。
本文以目标为工业仪表为例进行说明。每个气体存储设备设置有两个目标。可以理解,在未示出的实施方式中,目标也可以是显示屏、贴纸,标识等。
可以理解,在未示出的实施方式中,目标也可以设置于除了气体存储设备外的其他设备。
机器视觉多目标图像坐标匹配方法可以确定待检测的检测图像中的检测目标和基准图像中的基准目标的对应关系。对应的检测目标和基准目标为同一个目标。由此,可以准确地记录目标的数据内容(仪表的读数)。
请参考图1至图6,机器视觉多目标图像坐标匹配方法包括S1、S3、S5、S7与S9。
S1、确定基准图像,确定基准图像中的基准目标的基准坐标参数,确定第一基准目标110和第二基准目标120。S1之后执行S3。
在放置气体存储设备的场所可以设置图像采集装置(例如摄像头),以采集气体存储设备的视频(包括后文的基准视频或检测视频),进而经由视频获取气体存储设备的图像。经由视频获取的图像中实际上具有两个目标。图像中的两个目标间隔设置。
可以通过目标识别算法对获取的图像进行处理,以确定图像中的目标的数量和目标的坐标参数。
需要说明的是,本文的通过目标识别算法对图像进行处理,以确定图像中目标的数量和目标的坐标参数为现有技术,这里不再赘述。例如,请参考图1,通过目标识别算法处理目标图像。采用矩形方框圈出目标图像中的目标。这样,能够以矩形方框表示对应的目标的图形,以及能够以矩形方框的数量表示图像中目标的数量。
如图1所示,目标(基准目标或检测目标)的坐标参数为(X仪、Y仪、W仪、H仪)。
其中,X仪为在目标图像的图像坐标系中的目标的左上角点的横坐标。也就是沿X轴的方向,表示目标的矩形方框的左上角点和原点之间的像素数量。
Y仪为在目标图像的图像坐标系中的目标的左上角点的纵坐标。也就是沿Y轴的方向,表示目标的矩形方框的左上角点和原点之间的像素数量。
W仪为在目标图像的图像坐标系中的目标的沿横坐标的宽度。也就是沿X轴的方向,表示目标的矩形方框延伸经过的像素数量。
H仪为在目标图像的图像坐标系中的目标的沿纵坐标的高度。也就是沿Y轴的方向,表示目标的矩形方框延伸经过的像素数量。
需要说明的是,图像的图像坐标系为以图像的左上角点为原点,以水平向右的方向为X轴的正方向,以竖直向下的方向为Y轴的正方向的平面直角坐标系。图像中的点的坐标、图形的宽度与图形的高度均通过像素数量表示。
通过目标识别算法确定图像中的目标的数量和实际图像中目标的数量可能相同,也可能不同。例如,实际图像中具有2个目标。通过目标识别算法处理后,确定的图像中目标的数量可以为0、1、2或者大于2。对于通过目标识别算法处理后,确定的图像中目标的数量为0的图像,本文的方法可以删除其数据,而不采用该图像。
在完成图像采集装置的设置,以及气体存储设备设置后,可以经由图像采集装置获取基准视频,然后由基准视频每间隔预定基准帧数截取图像。通过目标识别算法对由基准视频截取的图像进行处理,以确定图像中的目标的数量和目标的基准坐标参数。
对由基准视频截取的图像进行目标识别算法处理的过程中,可以根据矩形方框的数量确定图像中目标的数量。
由基准视频截取的图像确定基准图像。如图3所示,基准图像具有两个基准目标。
由基准视频截取的所有图像中,对于通过目标识别算法处理后确定的目标的数量为1个的图像,可以删除其数据,而不采用该图像。
由基准视频截取的所有图像中,对于通过目标识别算法处理后确定的目标的数量大于1个的图像,可以确定其为基准图像。其中,对于通过目标识别算法处理后确定的目标的数量为2个的图像,可以确定这两个目标为基准目标。对于通过目标识别算法处理后确定的目标的数量大于2个的图像,可以通过后文的择优步骤确定可信度最高的两个目标为基准目标。
如图2所示,基准图像中的目标的基准坐标参数为(X基、Y基、W基、H基)。
其中,X基为在基准图像的图像坐标系中的基准目标的左上角点的横坐标。Y基为在基准图像的图像坐标系中的基准目标的左上角点的纵坐标。W基为在基准图像的图像坐标系中的基准目标的沿横坐标的宽度。H基为在基准图像的图像坐标系中的基准目标的沿纵坐标的高度。
以上也就是说,基准图像中具有两个基准目标。在两个基准目标中确定第一基准目标110和第二基准目标120。在两个基准目标中确定第一基准目标110和第二基准目标120的方式可以根据需要确定。
请参考图3,第一基准目标110的基准坐标参数为(X基1、Y基1、W基1、H基1)。
其中,X基1为在基准图像的图像坐标系中的第一基准目标110的左上角点的横坐标。Y基1为在基准图像的图像坐标系中的第一基准目标110的左上角点的纵坐标。W基1为在基准图像的图像坐标系中的第一基准目标110的沿横坐标的宽度。H基1为在基准图像的图像坐标系中的第一基准目标110的沿纵坐标的高度。
第二基准目标120的基准坐标参数为(X基2、Y基2、W基2、H基2)。
其中,X基2为在基准图像的图像坐标系中的第二基准目标120的左上角点的横坐标。Y基2为在基准图像的图像坐标系中的第二基准目标120的左上角点的纵坐标。W基2为在基准图像的图像坐标系中的第二基准目标120的沿横坐标的宽度。H基2为在基准图像的图像坐标系中的第二基准目标120的沿纵坐标的高度。
S3、获取检测图像,对检测图像进行处理,以确定检测图像中的检测目标的数量和检测目标的检测坐标参数。S3之后执行S5。
在监控气体存储设备的工作的过程中,可以经由图像采集装置采集气体存储设备的检测视频。然后每间隔预设检测帧数截取检测视频,从而获取检测图像。可以对获取的检测图像通过目标识别算法进行处理,以确定检测图像中的检测目标的数量和检测目标的检测坐标参数。
请参考图4,检测坐标参数为(X检、Y检、W检、H检)。
其中,X检为在检测图像的图像坐标系中的检测目标的左上角点的横坐标。Y检为在检测图像的图像坐标系中的检测目标的左上角点的纵坐标。W检为在检测图像的图像坐标系中的检测目标的沿横坐标的宽度。H检为在检测图像的图像坐标系中的检测目标的沿纵坐标的高度。
通过目标识别算法对检测图像进行处理的过程中,可以根据上述的矩形方框的数量确定检测图像中检测目标的数量。
S5、判断检测目标的数量是否大于1,若是,则执行S7,否则执行S9。
所有检测图像中,对于通过目标识别算法处理后确定的检测目标的数量为1个的检测图像,可以通过S9处理,以和基准图像中的基准目标匹配。具体匹配方法将在后文描述。
所有检测图像中,对于通过目标识别算法处理后确定的检测目标的数量大于1个的检测图像,可以通过S7处理,以和基准图像中的基准目标匹配。具体匹配方法将在后文描述。
S7、确定第一检测目标130和第二检测目标140;根据基准坐标参数确定表示第一基准目标110和第二基准目标120的相对位置的基准相对位置参数,以及根据检测坐标参数确定表示第一检测目标130和第二检测目标140的相对位置的检测相对位置参数;若是基准相对位置参数和检测相对位置参数满足第一预设条件,则确定第一基准目标110和第一检测目标130对应,确定第二基准目标120和第二检测目标140对应。第一预设条件可以根据需要设置。
对于通过目标识别算法处理后确定的检测目标的数量大于1个的当前检测图像中,确定其中的两个检测目标为第一检测目标130和第二检测目标140。确定第一检测目标130和第二检测目标140的方式可以根据需要确定。如图5所示。
第一检测目标130的检测坐标参数为(X检1、Y检1、W检1、H检1)。
其中,X检1为在当前的检测图像的图像坐标系中的第一检测目标130的左上角点的横坐标。Y检1为在当前的检测图像的图像坐标系中的第一检测目标130的左上角点的纵坐标。W检1为在当前的检测图像的图像坐标系中的第一检测目标130的沿横坐标的宽度。H检1为在当前的检测图像的图像坐标系中的第一检测目标130的沿纵坐标的高度。
第二检测目标140的检测坐标参数为(X检2、Y检2、W检2、H检2)。
其中,X检2为在当前的检测图像的图像坐标系中的第二检测目标140的左上角点的横坐标。Y检2为在当前的检测图像的图像坐标系中的第二检测目标140的左上角点的纵坐标。W检2为在当前的检测图像的图像坐标系中的第二检测目标140的沿横坐标的宽度。H检2为在当前的检测图像的图像坐标系中的第二检测目标140的沿纵坐标的高度。
本领域技术人员可以知晓,气体存储设备在工作的过程中,图像采集装置的位置可能沿水平方向(例如左右方向或者前后方向,左右方向在基准图像中表现为基准图像的左右方向,前后方向表现为垂直于基准图像的纸面的方向)和竖直方向(竖直方向在基准图像中表现为基准图像的上下方向)变化。这样,图像采集装置的位置变化时,通过图像采集装置获取的不同图像的目标在不同图像中的位置会发生变化。不过,不同图像中的两个目标之间的相对位置不会变化。
根据基准坐标参数确定基准相对位置参数。根据检测坐标参数确定检测相对位置参数。基准相对位置参数表示第一基准目标110和第二基准目标120的相对位置。检测相对位置参数表示第一检测目标130和第二检测目标140的相对位置。
如果当前的检测图像的检测相对位置参数和基准相对位置参数满足第一预设条件,则表示检测相对位置和基准相对位置相同。检测相对位置为在当前的检测图像中,第一检测目标130和第二检测目标140之间的相对位置。基准相对位置为基准图像中第一基准目标110和第二基准目标120的相对位置。这样,可以确定当前的检测图像的第一检测目标130和第一基准目标110对应,当前的检测图像的第二检测目标140和第二基准目标120对应。也就是说,当前的检测图像中的第一检测目标130和基准图像中的第一基准目标110为同一个目标。当前的检测图像中的第二检测目标140和基准图像中的第二基准目标120为同一个目标。
这样,可以将当前的检测图像中的第一检测目标130的数据内容对应记录为第一基准目标110的数据内容。可以将当前的检测图像中的第二检测目标140的数据内容对应记录为第二基准目标120的数据内容。
需要说明的是,本文的机器视觉多目标图像坐标匹配方法不能应用于对于图像采集装置翻转的情况。
如果通过当前确定的第一检测目标130和第二检测目标140确定的检测相对位置参数和基准相对位置参数不能满足第一预设条件,在一个实施方式中,可以对于当前的检测图像重新确定第一检测目标130和第二检测目标140,直至检测相对位置参数和基准相对位置参数满足第一预设条件。
S9、根据基准坐标参数确定表示每个基准目标的面积的基准面积X基面,根据检测坐标参数确定表示检测目标的面积的检测面积X检面,确定检测目标对应于X基面和X检面满足第二预设条件的基准目标。
本领域技术人员可以知晓,在图像采集装置沿水平方向和竖直方向移动的过程中,同一个目标在不同图像中的面积之间满足预设条件(第二预设条件)。为此,可以通过比较面积,以确定在不同图像中的同一个目标。
根据基准坐标参数确定表示基准目标的面积的基准面积X基面。根据检测坐标参数确定表示检测目标的面积的检测面积X检面。
比较当前的检测图像的检测目标的X检面和基准图像的两个X基面。若是当前的检测图像的检测目标的X检面和第一基准目标110的X基面满足第二预设条件,则表示当前的检测图像的检测目标和第一基准目标110为同一个目标。此时,可以确定的当前的检测目标对应于第一基准目标110。这样,可以将当前的检测图像中的检测目标的数据内容对应记录为第一基准目标110的数据内容。
若是当前的检测图像的检测目标的X检面和第二基准目标120的X基面满足第二预设条件,则表示当前的检测图像的检测目标和第二基准目标120为同一个目标。此时,可以确定的当前的检测目标对应于第二基准目标120。这样,可以将当前的检测图像中的检测目标的数据内容对应记录为第二基准目标120的数据内容。第二预设条件可以根据需要设置。
本实施方式中,如果经过目标识别算法处理后的检测图像中的检测目标的数量大于1个,则可以通过相对位置参数(基准相对位置参数和检测相对位置参数)确定和基准目标对应的检测目标,避免记录检测目标的数据内容时,将检测目标的数据内容记录为另一个目标的数据内容;如果经过通过目标识别算法处理后的检测图像中的检测目标数量只为一个,则可以根据目标面积确定该检测目标对应的基准目标,避免记录检测目标的数据内容时,将该检测目标的数据内容记录为另一个目标的数据内容。
优选地,基准相对位置参数包括横坐标基准比对值X基比和纵坐标基准比对值Y基比。检测相对位置参数包括横坐标检测比对值X检比和纵坐标检测比对值Y检比。
如图3和图5所示,根据X基1和X基2确定横坐标基准比对值X基比。根据Y基1和Y基2确定纵坐标基准比对值Y基比。根据X检1和X检2确定横坐标检测比对值X检比。根据Y检1和Y检2确定纵坐标检测比对值Y检比。由此,可以准确地确定基准相对位置参数和检测相对位置参数。
可以理解,在未示出的实施方式中,也可以通过其他的方法确定基准相对位置参数和检测相对位置参数。只要能够确定基准相对位置参数和检测相对位置参数即可。例如,通过图像(基准图像和检测图像)的右上角点、左下角点或者右下角点的横坐标或者纵坐标确定。
进一步优选地,S7包括:
确定X基比=X基1-X基2;确定Y基比=Y基1-Y基2;确定X检比=X检1-X检2;确定Y检比=Y检1-Y检2。
若是X基比*X检比≥0并且Y基比*Y检比≥0,则确定第一基准目标110和第一检测目标130对应,确定第二基准目标120和第二检测目标140对应。由此,可以更加准确地确定基准目标和检测目标的对应关系。
优选地,S9包括确定X基面=H基*W基。X检面=H检*H检。由此,能够准确地确定基准目标的面积和检测目标的面积。
S9中,若是X基面和X检面的差值小于或等于预设面积,则确定基准目标和检测目标对应。由此,可以更加准确地确定基准目标和检测目标对应。预设面积可以根据需要确定。
可以理解,在未示出的实施方式中,也可以通过X基面和X检面的比值判定基准目标和检测目标是否对应。
设置于设备的任意两个目标的大小不同。这样,基准图像中的任意两个基准目标的X基面不同。由此,可以更加准确地确定基准目标和检测目标的对应关系。
优选地,S5确定检测目标的数量大于1之后,仪表的匹配方法还包括择优步骤。择优步骤包括:
判断检测目标的数量是否大于2,若否,则执行S7,否则确定可信度最高的两个检测目标中的一个为第一检测目标130,另一个为第二检测目标140。
在通过目标识别算法处理检测图像时,可以确定检测图像中的每个检测目标的可信度。可信度的数值的范围为0至1。检测目标的可信度越接近0,表示该检测目标为目标识别算法错误识别的检测目标的可能性越高。检测目标的可信度越接近1,表示该检测目标为目标识别算法正确识别的检测目标的可能性越高。通过目标识别算法确定目标的可信度为现有技术,此时不再赘述。
确定可信度最高的两个检测目标中的一个为第一检测目标130,另一个为第二检测目标140。由此,可以减小采用该算法的设备的计算量。
优选地,S3之后,S5之前,机器视觉多目标图像坐标匹配方法还包括剔除步骤。剔除步骤包括:
移除数据内容小于或等于0的检测目标的检测坐标参数。通过目标识别算法处理检测图像时,可能将一些非目标区域识别为检测目标。此时,通过算法对该图像进行处理以获取该目标的数据内容时,该目标的数据内容可能小于或者等于0。对图像进行处理以获取目标的数据内容的算法为现有技术,这里不再赘述。
此外,本领域技术人员可以知晓,在设置于气体存储设备的目标在工作时,目标的数据内容均大于0。为此,对于识别出的数据内容小于或等于0的检测目标为目标识别算法的错误识别的检测目标。可以将数据内容小于0的目标的检测坐标参数移除。由此,可以更加准确地确定基准目标和检测目标的对应关系。
S5确定检测目标的数量大于1之后,判断检测目标的数量是否大于2,若否,则S7还包括:
若是基准相对位置参数和检测相对位置参数不满足第一预设条件,则确定第一基准目标110和第二检测目标140对应,确定第二基准目标120和第一检测目标130对应。
可以理解,在未示出的实施方式中,设备上可以设置至少三个目标。此时基准图像中的基准目标数量为至少三个。S1可以在至少三个基准目标中确定任意两个为第一基准目标和第二基准目标。S3通过目标识别算法处理的检测图像确定的检测仪表的数量为至少1个。此时,S5确定检测目标的数量大于1之后,机器视觉多目标图像坐标匹配方法还包括择优步骤。择优步骤包括:
判断检测目标的数量是否大于2,若否,则执行S7,否则通过可信度大于或等于预设可信度的检测目标确定第一检测目标和第二检测目标。
对于检测目标的数量为2的情况,可以直接执行S7,以确定第一检测目标和第二检测目标。
对于检测目标的数量大于2的情况,可以确定可信度大于预设可信度的所有检测目标。在可信度大于预设可信度的所有检测目标中任选两个。将其中的一个作为第一检测目标,将另一个作为第二检测目标。然后继续执行S7。由此,可以减小采用该算法的设备的计算量。预设可信度可以根据需要设置。
循环执行S1至S7,以在S1确定最新的第一基准目标和第二基准目标,以及在S5确定最新的第一检测目标和第二检测目标,直至后文的基准图像中的每个基准目标均有匹配结果。
本申请的机器视觉多目标图像坐标匹配方法可以用于目标数据内容获取系统。目标数据内容获取系统包括图像采集装置、手持端设备与计算服务器。
其中,图像采集装置设置于放置气体存储设备的场所,以用于采集气体存储设备的视频。
图像采集装置可以通过网络和计算服务器通信。网络可以是无线4G网络、无线5G网络,以及有线Internet网络中的一个或多个。图像采集装置通过网络将视频传输到计算服务器,以使服务器能够执行机器视觉多目标图像坐标匹配方法。
图像采集装置可以通过网络和手持端设备通信。手持端设备可以通过网络和云端服务器通信。云端服务器可以通过网络和计算服务器通信。手持端设备设置有和机器视觉多目标图像坐标匹配方法对应的小程序。
在气体存储设备和图像采集装置安装时,用户可以手持手持端设备,在现场通过手持端设备的小程序配置当前的气体存储设备上设置的目标的类型,并和计算服务器通信,以使计算服务器执行S1。
具体的,计算服务器执行S1的步骤包括:
1、点击手持端设备的小程序,以进入小程序的工作界面。
2、选择当前的气体存储设备上设置的目标的目标类型,点击图像采集按钮。图像采集装置会对当前的气体存储设备上设置的目标进行视频采集,并将视频传输至计算服务器。计算服务器执行上述的S1。计算服务器将执行S1的结果(确定的基准图像和基准目标的坐标参数)传输至云端服务器。云端服务器将执行S1的结果输送至手持端设备的小程序。
3、用户通过小程序选择基准图像中与当前的气体存储设备上设置的目标对应的目标框(矩形方框),以确定当前的气体存储设备上设置的目标为其选择的目标框表示的目标,然后保存。
计算服务器还用于执行机器视觉多目标图像坐标匹配方法的其他步骤,并存储执行机器视觉多目标图像坐标匹配方法的其他步骤的结果。执行机器视觉多目标图像坐标匹配方法的其他步骤时,相关的数据在手持端设备的小程序、计算服务器与云端服务器之间传输。这样,计算服务器将该结果直接或间接的传输至云端服务器和手持端设备。
本申请已经通过上述实施例进行了说明,但应当理解的是,上述实施例只是用于举例和说明的目的,而非意在将本申请限制于所描述的实施例范围内。此外本领域技术人员可以理解的是,本申请并不局限于上述实施例,根据本申请的教导还可以做出更多种的变型和修改,这些变型和修改均落在本申请所要求保护的范围以内。本申请的保护范围由附属的权利要求书及其等效范围所界定。
除非另有定义,本文中所使用的技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本文中使用的术语只是为了描述具体的实施目的,不是旨在限制本申请。本文中出现的诸如“部件”等术语既可以表示单个的零件,也可以表示多个零件的组合。本文中出现的诸如“安装”、“设置”等术语既可以表示一个部件直接附接至另一个部件,也可以表示一个部件通过中间件附接至另一个部件。本文中在一个实施方式中描述的特征可以单独地或与其它特征结合地应用于另一个实施方式,除非该特征在该另一个实施方式中不适用或是另有说明。
Claims (9)
1.一种机器视觉多目标图像坐标匹配方法,其特征在于,所述机器视觉多目标图像坐标匹配方法包括:
S1、确定基准图像,确定所述基准图像的基准目标的基准坐标参数,确定第一基准目标和第二基准目标;
S3、获取检测图像,对所述检测图像进行处理,以确定所述检测图像中的检测目标的数量和所述检测目标的检测坐标参数;
S5、判断所述检测目标的数量是否大于1,若是,则执行S7,否则执行S9;
所述S7、确定第一检测目标和第二检测目标;根据所述基准坐标参数确定表示所述第一基准目标和所述第二基准目标的相对位置的基准相对位置参数,以及根据所述检测坐标参数确定表示所述第一检测目标和所述第二检测目标的相对位置的检测相对位置参数;若是所述基准相对位置参数和所述检测相对位置参数满足第一预设条件,则确定所述第一基准目标和所述第一检测目标对应,确定所述第二基准目标和所述第二检测目标对应;
所述S9、根据所述基准坐标参数确定表示每个所述基准目标的面积的基准面积X基面,根据所述检测坐标参数确定表示所述检测目标的面积的检测面积X检面,确定所述检测目标对应于所述X基面和所述X检面满足第二预设条件的所述基准目标。
2.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,
所述基准相对位置参数包括横坐标基准比对值X基比和纵坐标基准比对值Y基比,所述检测相对位置参数包括横坐标检测比对值X检比和纵坐标检测比对值Y检比;
根据所述第一基准目标的左上角点的基准横坐标X基1和所述第二基准目标的左上角点的基准横坐标X基2确定所述横坐标基准比对值X基比;根据所述第一基准目标的所述左上角点的基准纵坐标Y基1和所述第二基准目标的所述左上角点的基准纵坐标Y基2确定所述纵坐标基准比对值Y基比;根据所述第一检测目标的左上角点的检测横坐标X检1和所述第二检测目标的左上角点的检测横坐标X检2确定所述横坐标检测比对值X检比;根据所述第一检测目标的所述左上角点的检测纵坐标Y检1和所述第二检测目标的所述左上角点的检测纵坐标Y检2确定所述纵坐标检测比对值Y检比。
3.根据权利要求2所述的机器视觉多目标图像坐标匹配方法,其特征在于,所述S7包括:
确定X基比=X基1-X基2;确定Y基比=Y基1-Y基2;确定X检比=X检1-X检2;确定Y检比=Y检1-Y检2;
若是X基比*X检比≥0并且Y基比*Y检比≥0,则确定所述第一基准目标和所述第一检测目标对应,确定所述第二基准目标和所述第二检测目标对应。
4.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,所述S9包括确定X基面=H基*W基;确定X检面=H检*W检;
其中:
H基为在所述基准图像的图像坐标系中的所述基准目标的沿纵坐标的高度;
W基为在所述基准图像的图像坐标系中的基准目标的沿横坐标的宽度;
H检为在所述检测图像的图像坐标系中的检测目标的沿纵坐标的高度;
W检为在所述检测图像的图像坐标系中的检测目标的沿横坐标的宽度。
5.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,若是所述X基面和所述X检面的差值小于或等于预设面积,则确定所述基准目标和所述检测目标对应。
6.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,任意两个所述基准目标的所述X基面不同。
7.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,所述S5确定所述检测目标的数量大于1之后,所述机器视觉多目标图像坐标匹配方法还包括择优步骤,所述择优步骤包括:
判断所述检测目标的数量是否大于2,若否,则执行所述S7,否则通过可信度大于或等于预设可信度的所述检测目标确定所述第一检测目标和所述第二检测目标。
8.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,所述S3之后,所述S5之前,所述机器视觉多目标图像坐标匹配方法还包括剔除步骤,所述剔除步骤包括:
移除数据内容小于或等于0的所述检测目标的所述检测坐标参数。
9.根据权利要求1所述的机器视觉多目标图像坐标匹配方法,其特征在于,所述S5确定所述检测目标的数量大于1之后,判断所述检测目标的数量是否大于2,若否,则所述S7还包括:
在所述基准相对位置参数和所述检测相对位置参数不满足所述第一预设条件时,确定所述第一基准目标和所述第二检测目标对应,确定所述第二基准目标和所述第一检测目标对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240845.7A CN115953605B (zh) | 2023-03-14 | 2023-03-14 | 机器视觉多目标图像坐标匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240845.7A CN115953605B (zh) | 2023-03-14 | 2023-03-14 | 机器视觉多目标图像坐标匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953605A true CN115953605A (zh) | 2023-04-11 |
CN115953605B CN115953605B (zh) | 2023-06-06 |
Family
ID=85891415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310240845.7A Active CN115953605B (zh) | 2023-03-14 | 2023-03-14 | 机器视觉多目标图像坐标匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953605B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108317953A (zh) * | 2018-01-19 | 2018-07-24 | 东北电力大学 | 一种基于无人机的双目视觉目标表面3d检测方法及系统 |
CN108875577A (zh) * | 2018-05-11 | 2018-11-23 | 深圳市易成自动驾驶技术有限公司 | 目标检测方法、装置及计算机可读存储介质 |
CN111611989A (zh) * | 2020-05-22 | 2020-09-01 | 四川智动木牛智能科技有限公司 | 一种基于自主机器人的多目标精准定位识别方法 |
CN112102395A (zh) * | 2020-11-09 | 2020-12-18 | 广东科凯达智能机器人有限公司 | 一种基于机器视觉的自主巡检的方法 |
US20210056361A1 (en) * | 2019-08-23 | 2021-02-25 | Memorial Sloan Kettering Cancer Center | Multi-task learning for dense object detection |
WO2022083157A1 (zh) * | 2020-10-22 | 2022-04-28 | 北京迈格威科技有限公司 | 目标检测方法、装置及电子设备 |
CN114913118A (zh) * | 2021-12-30 | 2022-08-16 | 美的集团股份有限公司 | 工业视觉检测方法、装置、电子设备以及存储介质 |
-
2023
- 2023-03-14 CN CN202310240845.7A patent/CN115953605B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108317953A (zh) * | 2018-01-19 | 2018-07-24 | 东北电力大学 | 一种基于无人机的双目视觉目标表面3d检测方法及系统 |
CN108875577A (zh) * | 2018-05-11 | 2018-11-23 | 深圳市易成自动驾驶技术有限公司 | 目标检测方法、装置及计算机可读存储介质 |
US20210056361A1 (en) * | 2019-08-23 | 2021-02-25 | Memorial Sloan Kettering Cancer Center | Multi-task learning for dense object detection |
CN111611989A (zh) * | 2020-05-22 | 2020-09-01 | 四川智动木牛智能科技有限公司 | 一种基于自主机器人的多目标精准定位识别方法 |
WO2022083157A1 (zh) * | 2020-10-22 | 2022-04-28 | 北京迈格威科技有限公司 | 目标检测方法、装置及电子设备 |
CN112102395A (zh) * | 2020-11-09 | 2020-12-18 | 广东科凯达智能机器人有限公司 | 一种基于机器视觉的自主巡检的方法 |
CN114913118A (zh) * | 2021-12-30 | 2022-08-16 | 美的集团股份有限公司 | 工业视觉检测方法、装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115953605B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4601134B2 (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
JP5010207B2 (ja) | パターン検査装置及び半導体検査システム | |
US8290241B2 (en) | Analyzing apparatus, program, defect inspection apparatus, defect review apparatus, analysis system, and analysis method | |
CN109285791B (zh) | 设计布局为主的快速在线缺陷诊断、分类及取样方法及系统 | |
US10074551B2 (en) | Position detection apparatus, position detection method, information processing program, and storage medium | |
CN116109635B (zh) | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 | |
JP2009250645A (ja) | 欠陥レビュー方法およびその装置 | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
CN113269769A (zh) | 一种基于图像配准的缺陷检测方法、系统及设备 | |
CN117471392B (zh) | 探针针尖的检测方法、系统、电子设备及存储介质 | |
US6885777B2 (en) | Apparatus and method of determining image processing parameter, and recording medium recording a program for the same | |
US20020051561A1 (en) | Image processing apparatus, image processing method, and recording medium recording image processing program | |
CN115953605A (zh) | 机器视觉多目标图像坐标匹配方法 | |
JP2008116206A (ja) | パターン寸法測定装置、方法及びプログラム | |
CN114723650A (zh) | 晶圆缺陷检测方法和装置、设备及存储介质 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
JP4415285B1 (ja) | ワイヤ検査装置、ワイヤ検査方法及びワイヤ検査用プログラム | |
WO2020217970A1 (ja) | ワイヤ形状測定装置及びワイヤ三次元画像生成方法並びにワイヤ形状測定方法 | |
JP2004515830A (ja) | 欠陥検出のための二次分散プロット技術 | |
JP2001314374A (ja) | 角膜内皮細胞測定装置 | |
JP2569543B2 (ja) | 硬度計 | |
TW586338B (en) | Position detection device and method | |
CN117571721B (zh) | 一种电路板焊盘表面缺陷检测方法、装置及存储介质 | |
CN117689660B (zh) | 基于机器视觉的保温杯温度质检方法 | |
CN117147699B (zh) | 一种医用无纺布的检测方法及系统 |
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 |