CN116309660A - 一种直线检测方法、装置、设备及存储介质 - Google Patents
一种直线检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116309660A CN116309660A CN202310364890.3A CN202310364890A CN116309660A CN 116309660 A CN116309660 A CN 116309660A CN 202310364890 A CN202310364890 A CN 202310364890A CN 116309660 A CN116309660 A CN 116309660A
- Authority
- CN
- China
- Prior art keywords
- detected
- edge
- point
- target
- region
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
Abstract
本公开提供了一种直线检测方法、装置、设备及存储介质,涉及图像处理技术领域。方法主要包括:根据待检测图像中待检测区域的目标位置信息,确定待检测区域的检测路径对应的角度信息,目标位置信息包括待检测区域的目标起始点;根据角度信息和目标起始点,计算待检测区域中目标边缘的第一边缘点;根据待检测区域的扫描方向和第一边缘点,对待检测区域进行扫描,得到目标边缘的第二边缘点;根据复判方向和第二边缘点,计算目标边缘对应的亚像素边缘点;对亚像素边缘点进行线性拟合,得到目标边缘对应的直线检测结果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种直线检测方法、装置、设备及存储介质。
背景技术
在利用计算机视觉对图像进行处理的时候,经常需要检测图像中特定直线的精确位置,用于建立坐标系或者对目标物体进行精确定位等操作。现有的直线检测方法通常先利用目标轮廓获取边缘点,再利用最小二乘法对边缘点进行拟合,从而得到目标直线。
然而,现有的直线检测方法在处理环境噪声繁杂的图片时,对噪声的鲁棒性不好,直线检测结果容易受噪声的影响,在目标物体本身质量不佳的情况下,无法准确检测到目标直线,另外,若图片背景较为混乱且目标物体存在多条直线,现有的直线检测方法也难以检测到精确的目标直线。
发明内容
本公开提供了一种直线检测方法、装置、设备及存储介质,以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面,提供了一种直线检测方法,该方法包括:根据待检测图像中待检测区域的目标位置信息,确定所述待检测区域的检测路径对应的角度信息,所述目标位置信息包括待检测区域的目标起始点;根据所述角度信息和所述目标起始点,计算所述待检测区域中目标边缘的第一边缘点;根据所述待检测区域的扫描方向和所述第一边缘点,对所述待检测区域进行扫描,得到所述目标边缘的第二边缘点;根据复判方向和所述第二边缘点,计算所述目标边缘对应的亚像素边缘点;对所述亚像素边缘点进行线性拟合,得到所述目标边缘对应的直线检测结果。
根据本公开的第二方面,提供了一种直线检测装置,该装置包括:确定模块,用于根据待检测图像中待检测区域的目标位置信息,确定所述待检测区域的检测路径对应的角度信息,所述目标位置信息包括待检测区域的目标起始点;第一计算模块,用于根据所述角度信息和所述目标起始点,计算所述待检测区域中目标边缘的第一边缘点;扫描模块,用于根据所述待检测区域的扫描方向和所述第一边缘点,对所述待检测区域进行扫描,得到所述目标边缘的第二边缘点;第二计算模块,用于根据复判方向和所述第二边缘点,计算所述目标边缘对应的亚像素边缘点;线性拟合模块,用于对所述亚像素边缘点进行线性拟合,得到所述目标边缘对应的直线检测结果。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开所述的方法。
本公开的一种直线检测方法、装置、设备及存储介质,首先基于检测方向确定目标边缘的第一边缘点,并基于扫描方向和第一边缘点确定目标边缘的第二边缘点,由此可以获取到更为准确的边缘点;然后基于第二边缘点的复判方向,确定目标边缘对应的亚像素边缘点,并基于亚像素边缘点进行线性拟合,从而得到目标边缘对应的直线检测结果,由此在亚像素级别上对目标边缘进行拟合,可以得到更为精确的直线检测结果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本公开第一实施例的一种直线检测方法的流程示意图;
图2示出了本公开第一实施例的一种直线检测方法的第一场景示意图;
图3示出了本公开第一实施例的一种直线检测方法的第二场景示意图;
图4示出了本公开第二实施例的一种直线检测方法的流程示意图;
图5示出了本公开第三实施例的一种直线检测方法的流程示意图;
图6示出了本公开第四实施例的一种直线检测方法的场景示意图;
图7示出了本公开第五实施例的一种直线检测方法的流程示意图;
图8示出了本公开第六实施例的一种直线检测方法的场景示意图;
图9示出了本公开第十实施例的一种直线检测方法的流程示意图;
图10示出了本公开第十一实施例的一种直线检测装置的结构示意图;
图11示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而非全部实施例。基于本公开中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
图1示出了本公开第一实施例的一种直线检测方法的流程示意图,如图1所示,该方法主要包括:
步骤S101,根据待检测图像中待检测区域的目标位置信息,确定待检测区域的检测路径对应的角度信息。
在本实施例中,首先根据待检测图像中待检测区域的目标位置信息,确定待检测区域的检测路径对应的角度信息,其中,目标位置信息为待检测区域在待检测图像中的位置信息,目标位置信息包括待检测区域的扫描宽度、目标起始点和目标终止点;检测路径为目标起始点至目标终止点的直线路径,检测路径对应的角度信息即为目标起始点与目标终止点之间的连线角度。具体地,可以通过三角函数计算目标起始点与目标终止点之间的连线角度,并将连线角度确定为检测路径对应的角度信息,其中,该连线角度可以是目标起始点与目标终止点之间的连线与纵轴的夹角,也可以是目标起始点与目标终止点之间的连线与横轴的夹角。需要强调的是,本公开下述提及的角度信息均为目标起始点与目标终止点之间的连线与纵轴的夹角。
图2示出了本公开第一实施例的一种直线检测方法的第一场景示意图,如图2所示,若待检测图像中目标物体的右边缘为目标边缘,则基于目标物体的右边缘输入目标起始点和目标终止点,并输入待检测区域的扫描宽度,从而确定待检测区域,目标起始点与目标终止点之间的直线路径即为检测路径,且检测路径大致位于目标物体右边缘上。具体地,可以由鼠标基于目标物体的右边缘点击输入目标起始点和目标终止点,并拖动鼠标确定待检测区域的扫描宽度。
步骤S102,根据角度信息和目标起始点,计算待检测区域中目标边缘的第一边缘点。
在本实施例中,可以根据检测路径的角度信息和待检测区域的目标起始点,计算待检测区域中目标边缘的第一边缘点,即计算检测路径上像素点的坐标,由于检测路径大致位于目标边缘上,因此检测路径上的像素点可以视为目标边缘上的第一边缘点。具体地,可以将目标起始点至目标终止点的方向作为检测方向,沿检测方向计算检测路径上像素点的坐标。
步骤S103,根据待检测区域的扫描方向和第一边缘点,对待检测区域进行扫描,得到目标边缘的第二边缘点。
在本实施例中,可以根据待检测区域的扫描方向和第一边缘点,对待检测区域进行扫描,从而得到目标边缘的第二边缘点,其中,扫描方向为对待检测区域进行扫描的方向,扫描方向与检测方向垂直。具体地,可以将待检测区域中沿扫描方向且经过第一边缘点的路径确定为扫描路径,并沿扫描方向对扫描路径进行扫描,得到目标边缘的第二边缘点,第二边缘点为沿扫描方向、其两侧相邻的像素点的灰度差值满足预设阈值的像素点,其中,预设阈值可以根据实际情况自行设定。
步骤S104,根据复判方向和第二边缘点,计算目标边缘对应的亚像素边缘点。
在本实施例中,可以根据复判方向和第二边缘点,计算目标边缘对应的亚像素边缘点,其中,复判方向为第二边缘点对应的邻域方向,可以对第二边缘点和第二边缘点沿复判方向的两个相邻像素点的灰度值进行抛物线拟合,并将抛物线拟合结果的极值点确定为亚像素边缘点。
图3示出了本公开第一实施例的一种直线检测方法的第二场景示意图,如图3a所示,若像素点的邻域性质为8邻域,则基于8邻域共有如图3b和图3c示出的8个方向,可以根据检测路径的角度信息确定第二边缘点的邻域方向,例如,若检测路径的角度信息为90度,即检测路径与纵轴垂直,则可以初步确定检测路径对应的邻域方向为左右方向,进一步地,若目标起始点的横坐标小于目标终止点的横坐标,则可以认为检测路径对应的邻域方向为从左至右,即复判方向为图3b中水平向右的箭头所指的方向;可以理解的是,若检测路径的角度信息与90度的差值小于预设角度,则均可以初步确定检测路径对应的邻域方向为左右方向,其中,预设角度可以根据实际情况自行设定。
步骤S105,对亚像素边缘点进行线性拟合,得到目标边缘对应的直线检测结果。
在本实施例中,获取到目标边缘对应的亚像素边缘点后,可以根据最小二乘法,对亚像素边缘点进行线性拟合,从而得到目标边缘对应的直线检测结果。
在本公开第一实施例中,首先基于检测方向确定目标边缘的第一边缘点,并基于扫描方向和第一边缘点确定目标边缘的第二边缘点,由此可以获取到更为准确的边缘点;然后基于第二边缘点的复判方向,确定目标边缘对应的亚像素边缘点,并基于亚像素边缘点进行线性拟合,从而得到目标边缘对应的直线检测结果,由此在亚像素级别上对目标边缘进行拟合,可以得到更为精确的直线检测结果。
图4示出了本公开第二实施例的一种直线检测方法的流程示意图,如图4所示,可以根据方式获取步骤S101中的待检测图像中待检测区域的目标位置信息:
步骤S201,获取原始图像中原始检测区域的第一扫描宽度。
在本实施例中,首先获取原始图像中原始检测区域的第一扫描宽度,具体地,基于原始图像中的目标边缘输入原始检测区域之后,可以获取原始检测区域的宽度作为第一扫描宽度。
需要强调的是,本公开在输入原始检测区域的同时,还可以输入直线检测的限定条件,例如,是否将图像坐标转换为世界坐标;是否对检测图像进行二值化处理;检测图像的边缘属性,包括检测图像所有的边缘点、背景到前景边缘点和前景到背景的边缘点等。
步骤S202,根据第一扫描宽度和原始检测区域,确定待检测区域。
在本实施例中,可以根据第一扫描宽度和原始检测区域,确定待检测区域。具体地,若第一扫描宽度大于第一预设阈值,则对原始检测区域进行调整,得到待检测区域;若第一扫描宽度不大于第一预设阈值,则将原始检测区域确定为待检测区域。
步骤S203,根据待检测区域的最小外接矩形,对原始图像进行剪裁处理,得到待检测图像。
在本实施例中,可以根据待检测区域的最小外接矩形,对原始图像进行剪裁处理,即只保留最小外接矩形包围的图像,从而得到待检测图像。
在一可实施方式中,可以根据如下方式获取待检测区域的最小外接矩形:根据待检测区域的初始位置信息,获取待检测区域内像素点的坐标,得到坐标集;对坐标集中的横坐标进行比较,得到坐标集中的最大横坐标和最小横坐标,以及对坐标集中的纵坐标进行比较,得到坐标集中的最大纵坐标和最小纵坐标;根据最大横坐标、最小横坐标、最大纵坐标和最小纵坐标,确定待检测区域的最小外接矩形。具体地,根据最大横坐标、最小横坐标、最大纵坐标和最小纵坐标即可确定最小外接矩形的四个顶点,进而可以确定最小外接矩形。
在一可实施方式中,在得到待检测图像之后,还可以根据二值化阈值,对待检测图像进行二值化处理,得到二值化后待检测图像,相应地,可以将二值化后待检测图像确定为最终的待检测图像,从而用于进行直线检测,其中,二值化阈值可以根据实际情况自行设定。
步骤S204,根据待检测图像与原始图像的坐标转换关系,将待检测区域的初始位置信息转换为目标位置信息。
在本实施例中,还需要根据待检测图像与原始图像的坐标转换关系,将待检测区域的初始位置信息转换为目标位置信息,其中,待检测区域的初始位置信息为待检测区域在原始图像中的位置信息,因此,对原始图像进行剪裁处理得到待检测图像之后,需要将初始位置信息映射至待检测图像中,从而得到待检测区域在待检测图像中的目标位置信息。具体地,可以根据坐标重映射(remap)函数等将初始位置信息转换为目标位置信息。
图5示出了本公开第三实施例的一种直线检测方法的流程示意图,如图5所示,对原始检测区域进行调整,得到待检测区域,主要包括:
步骤S301,对原始检测区域进行扫描,得到目标边缘的第三边缘点。
在本实施例中,首先可以沿扫描方向对原始检测区域进行扫描,得到目标边缘的第三边缘点,其中,第三边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第二预设阈值的像素点。具体地,若扫描方向为从左至右,则沿扫描方向对原始检测区域中的所有像素点,判断其左侧相邻的第一像素点集和右侧相邻的第二像素点集的灰度平均值的差值是否满足第二预设阈值,若满足,则将该像素点确定为目标边缘的第三边缘点,其中,第一像素点集由该像素点左侧相邻的预设数量个像素点组成,第二像素点由该像素点右侧相邻的预设数量个像素点组成,预设数量可以根据实际情况自行设定。
步骤S302,对第三边缘点进行线性拟合,得到初始边缘直线。
步骤S303,计算初始边缘直线与原始检测区域的边界的交点,得到待检测区域的目标起始点和目标终止点。
在本实施例中,需要对第三边缘点进行线性拟合,得到目标边缘对应的初始边缘直线,并计算初始边缘直线与原始检测区域的边界的交点,得到待检测区域的目标起始点和目标终止点。具体地,基于原始图像中目标边缘输入的原始检测区域的第一起始点、第一终止点和第一扫描宽度,可以确定原始检测区域的边界,初始边缘直线与原始检测区域的边界的交点即为待检测区域的目标起始点和目标终止点。
步骤S304,根据第一预设阈值、目标起始点和目标终止点,确定待检测区域。
在本实施例中,第一预设阈值即为提前设定的待检测区域的最大扫描宽度,因此,可以根据目标起始点、目标终止点和第一预设阈值确定待检测区域。优选地,第一预设阈值可以为20个像素长度。
在本公开第二实施例和第三实施例中,根据原始图像中原始检测区域的第一扫描宽度,对原始检测区域进行调整,得到的待检测区域不仅具有更为准确的目标起始点和目标终止点,而且缩小了其扫描宽度,从而可以提升对待检测区域进行扫描的速率;另外,对获取到的待检测图像进行二值化处理,可以降低待检测图像中的噪声,使得目标边缘更清晰,可以进一步提高直线检测结果的准确性。
在本公开第四实施例中,步骤S102主要包括:
根据检测步长和角度信息,计算检测路径上的第一像素点相对于目标起始点的第一横偏移量和第一纵偏移量;根据目标起始点、第一横偏移量和第一纵偏移量,计算待检测区域中目标边缘的第一边缘点。
在本实施例中,首先根据检测步长和角度信息,计算检测路径上的第一像素点相对于目标起始点的第一横偏移量和第一纵偏移量,其中,横偏移量为横坐标上的偏移量,纵偏移量为纵坐标上的偏移量;然后根据目标起始点、第一横偏移量和第一纵偏移量,计算待检测区域中目标边缘的第一边缘点。具体地,检测步长可以根据实际情况自行设定,若检测步长为1,则认为检测路径上的每一个像素点均为第一像素点,从目标起始点开始,依次计算检测路径上每个第一像素点相对于目标起始点的第一横偏移量和第一纵偏移量,对于检测路径上目标起始点之后的第一个第一像素点,可认为其与目标起始点的直线距离为1,对于检测路径上目标起始点之后的第二个第一像素点,可认为其与目标起始点的直线距离为2,以此类推。
图6示出了本公开第四实施例的一种直线检测方法的场景示意图,如图6所示,检测路径对应的角度信息为角A的度数,对于图6中指出的第一像素点,若其为目标起始点之后的第n个第一像素点,且检测步长为1,则其与目标起始点的直线距离为n,根据该直线距离n、角A的度数,利用三角函数可以计算出该第一像素点相对于目标起始点的第一横偏移量和第一纵偏移量,其中,第一横偏移量即为图6中虚线d的长度,第一纵偏移量即为图6中虚线e的长度,然后可以基于目标起始点的坐标、第一横偏移量和第一纵偏移量,计算得到第一像素点的坐标,该第一像素点即为目标边缘的第一边缘点。
在本公开第四实施例中,基于目标起始点以及检测路径上的第一像素点相对于目标起始点的第一横偏移量和第一纵偏移量,计算目标边缘的第一边缘点,第一边缘点可以初步表征目标边缘上的像素点,便于后续利用第一边缘点获取目标边缘上更为精确的第二边缘点。
图7示出了本公开第五实施例的一种直线检测方法的流程示意图,如图7所示,步骤S103主要包括:
步骤S401,根据扫描步长、角度信息和第一边缘点,沿扫描方向计算扫描路径上的第二像素点。
在本实施例中,首先需要根据扫描步长、角度信息和第一边缘点,沿扫描方向计算扫描路径上的第二像素点,其中,扫描路径为沿扫描方向且经过第一边缘点的路径,可以根据待检测区域的第二扫描宽度确定扫描路径的端点;扫描步长可以根据实际情况自行设定,若扫描步长为1,则沿扫描方向依次将扫描路径上的每个像素点确定为第二像素点。
步骤S402,获取第二像素点的灰度梯度。
步骤S403,根据灰度梯度确定目标边缘的第二边缘点。
在本实施例中,还需要获取第二像素点的灰度梯度,并根据灰度梯度确定目标边缘的第二边缘点,即将灰度梯度大于第三预设阈值的第二像素点确定为目标边缘的第二边缘点。具体地,可以根据第二像素点沿扫描方向的一阶导数,确定第二像素点的灰度梯度;或,根据索贝尔算子获取第二像素点的灰度梯度,其中,一阶导数为第二像素点沿扫描方向两个相邻像素点灰度值的差值。
在本公开第六实施例中,步骤S401主要包括:
根据第二扫描宽度和扫描步长,计算第二像素点与第一边缘点的直线距离;根据直线距离和角度信息,计算第二像素点相对于第一边缘点的第二横偏移量和第二纵偏移量;根据第一边缘点、第二横偏移量和第二纵偏移量,计算扫描路径上的第二像素点,其中,第二扫描宽度为待检测区域的宽度。
图8示出了本公开第六实施例的一种直线检测方法的场景示意图,如图8所示,以图8中指示的第一边缘点为例,该第一边缘点即图6中指示的第一像素点,沿扫描方向且经过该第一边缘点的扫描路径如图8中直线s所示,扫描路径的角度即为角B的度数,可以理解,角B的度数等于图6中角A的度数。计算扫描路径上的第二像素点时,首先计算第二像素点与第一边缘点的直线距离,以图8中指示的第二像素点为例,其与第一边缘点的直线距离即第二扫描宽度的一半,若第二扫描宽度为20像素长度,且扫描步长为1,则其与第一边缘点的直线距离为10像素长度,其下一个第二像素点与第一边缘点的直线距离为9像素长度,以此类推;然后根据直线距离和角度信息,计算第二像素点相对于第一边缘点的第二横偏移量和第二纵偏移量,以图8中指示的第二像素点为例,可以根据其与第一边缘点的直线距离和角B的度数,利用三角函数计算第二横偏移量和第二纵偏移量,其中,第二横偏移量即图8中虚线f的长度,第二纵偏移量即图8中虚线g的长度;最后根据第一边缘点、第二横偏移量和第二纵偏移量,依次计算扫描路径上第二像素点。
在本公开第七实施例中,步骤S403主要包括:
将灰度梯度大于第三预设阈值的第二像素点确定为目标边缘的初始第二边缘点;获取沿扫描方向与初始第二边缘点相邻的第三像素点集和第四像素点集,并计算第三像素点集的第一灰度平均值和第四像素点集的第二灰度平均值;计算第一灰度平均值与第二灰度平均值的第二差值和比值;根据初始第二边缘点、第二差值和比值,确定目标边缘的第二边缘点。
在本实施例中,首先将灰度梯度大于第三预设阈值的第二像素点确定为目标边缘的初始第二边缘点,并获取沿扫描方向与初始第二边缘点相邻的第三像素点集和第四像素点集,并计算第三像素点集的第一灰度平均值和第四像素点集的第二灰度平均值,其中,第三像素点集和第四像素点集内像素点的个数以及第三预设阈值可以根据实际情况自行设定;然后计算第一灰度平均值与第二灰度平均值的第二差值和比值,并根据初始第二边缘点、第二差值和比值,确定目标边缘的第二边缘点。
在本实施例中,根据初始第二边缘点、第二差值和比值,确定目标边缘的第二边缘点时,首先判断第二差值是否大于第四预设阈值且比值是否大于第五预设阈值,得到第一判断结果,其中,第二差值和比值均可表征初始第二边缘点两侧相邻的像素点集之间的灰度差异,因此,若第一判断结果为是,则证明初始第二边缘点沿扫描方向两侧的灰度差异较大,可将初始第二边缘点确定为第二边缘点;第一判断结果为否,则证明初始第二边缘点沿扫描方向两侧的灰度差异较小,即初始第二边缘点不是目标边缘上的点,可以初始第二边缘点为起点,沿扫描方向确定扫描路径上的其他第二像素点对应的第一判断结果,并将第一判断结果为是对应的第二像素点确定为第二边缘点。
在本公开第五、第六和第七实施例中,首先计算扫描路径上的第二像素点,并将灰度梯度大于第三预设阈值的第二像素点确定为目标边缘的初始第二边缘点,然后根据初始第二边缘点两侧的像素点集的灰度差异,判断初始第二边缘点是否为目标边缘的第二边缘点,这样可以去除待检测区域中不为目标边缘的边缘点但灰度梯度也大于第三预设阈值的干扰点,从而获取到更为准确的第二边缘点。
在本公开第八实施例中,步骤S104主要包括:
根据角度信息,确定第二边缘点的复判方向,并获取第二边缘点沿复判方向的两个相邻像素点;对第二边缘点和两个相邻像素点的灰度值进行抛物线拟合,得到第一拟合结果;根据第一拟合结果的极值点,确定目标边缘对应的亚像素边缘点。
在本实施例中,首先根据检测路径的角度信息,确定第二边缘点的复判方向,并获取第二边缘点沿复判方向的两个相邻像素点,根据角度信息确定复判方向的具体过程已在上述步骤S104中描述,此处不再赘述;然后对第二边缘点和两个相邻像素点的灰度值进行抛物线拟合,得到第一拟合结果,并根据第一拟合结果的极值点,确定目标边缘对应的亚像素边缘点。
在一可实施方式中,首先以复判方向为横坐标,以像素点的灰度值为纵坐标构建灰度坐标系,其中,横坐标的最小单位为一个像素的宽度;然后利用第二边缘点和两个相邻像素点的横坐标和灰度值进行抛物线拟合,得到第一拟合结果;最后获取第一拟合结果的最大极值点,该极值点即为亚像素边缘点,可以将极值点在灰度坐标系中的坐标转换为极值点在二维坐标系中的坐标,具体地,极值点在灰度坐标系中的横坐标与极值点在二维坐标系中的横坐标相同,因此可以根据极值点在灰度坐标系中的横坐标计算极值点在二维坐标系中的纵坐标,从而得到亚像素边缘点。
在本公开第九实施例中,一种直线检测方法在确定目标边缘对应的亚像素边缘点之后,还包括:
根据随机一致性采样方法,筛选满足第一预设条件的亚像素边缘点,得到初始亚像素点;计算初始亚像素边缘点的梯度方向,并统计每个梯度方向对应的初始亚像素点数量;将初始亚像素点数量最大的梯度方向对应的初始亚像素点确定为目标亚像素点。
在本实施例中,在确定目标边缘对应的亚像素边缘点之后,还需要根据随机一致性采样方法,筛选满足第一预设条件的亚像素边缘点,其中,随机一致性采样方法的原理为在所有亚像素边缘点中随机选取两个亚像素边缘点拟合直线,并计算其他亚像素边缘点到直线的距离,将与直线的距离小于预设值的亚像素边缘点组成初始点集,重复上述步骤,直到所有亚像素点均已用于拟合直线,将亚像素边缘点的数量最多的初始点集中的亚像素边缘点确定为初始亚像素点。
在本实施例中,可以根据如下公式(一)计算初始亚像素点的梯度方向angle:
其中,Gy为初始亚像素点在纵坐标方向对应的卷积阵列,Gx初始亚像素点在横坐标方向对应的卷积阵列;若初始亚像素点的邻域性质为8邻域,则梯度方向共分为8个方向,之后可以统计八个梯度方向分别对应的初始亚像素点数量,并将初始亚像素点数量最大的梯度方向对应的初始亚像素点确定为目标亚像素点,相应地,步骤S105中对亚像素边缘点进行线性拟合,包括对目标亚像素点进行线性拟合。
在本公开第八和第九实施例中,首先计算目标边缘对应的亚像素边缘点,之后根据随机一致性采样方法和梯度方向对亚像素边缘点进行筛选,得到目标亚像素边缘点,由此可以去除干扰点,进一步提高直线检测结果的准确性。
图9示出了本公开第十实施例的一种直线检测方法的流程示意图,如图9所示,步骤S105主要包括:
根据加权最小二乘法,对亚像素边缘点进行直线拟合,得到第二拟合结果;判断第二拟合结果对应的误差总和是否满足第二预设条件,得到第二判断结果;第二判断结果为是,则将第二拟合结果确定为直线检测结果;第二判断结果为否,则根据误差总和,对亚像素边缘点对应的权重进行更新,并根据更新后的权重,对亚像素边缘点进行直线拟合,直到第二判断结果为是。
在本实施例中,在开始拟合之后,输入亚像素边缘点,并根据加权最小二乘法,对亚像素边缘点进行直线拟合,得到第二拟合结果,然后判断第二拟合结果对应的误差总和是否满足第二预设条件,得到第二判断结果,若第二判断结果为是,则将第二拟合结果确定为直线检测结果;若第二判断结果为否,则根据误差总和,对亚像素边缘点对应的权重进行更新,并根据更新后的权重,对亚像素边缘点进行直线拟合,直到第二判断结果为是。
在一可实施方式中,根据如下公式(二)对亚像素边缘点进行直线拟合:
其中,A为亚像素边缘点的n×3矩阵,C为n×3且值为0的矩阵,w为权重,B为待求参数a、b和c的3×1矩阵。
在一可实施方式中,在对亚像素边缘点进行直线拟合时,每轮拟合时亚像素边缘点都有对应的权重,可以根据如下公式(三)计算权重w:
其中,err为误差总和,err用于表征当前轮次所有亚像素边缘点到第二拟合结果的距离总和,σ为误差参数,σ用于表征外部设定点到目标直线所允许的像素误差值。若第二判断结果为否,则根据公式(三)和当前轮次的误差总和公式(三),对亚像素边缘点对应的权重进行更新,并根据更新后的权重,对亚像素边缘点进行直线拟合,直到第二判断结果为是。
在一可实施方式中,判断第二拟合结果对应的误差总和是否满足第二预设条件,得到第二判断结果,包括:第二拟合结果为首次迭代结果,则判断第二拟合结果对应的误差总和是否小于第六预设阈值,得到第二判断结果;第二拟合结果不为首次迭代结果,则判断第二拟合结果对应的误差总和是否小于第七预设阈值,得到第二判断结果,其中,第六预设阈值和第七预设阈值可以根据实际情况自行设定,优选地,第六预设阈值可以为1-7,第七预设阈值可以为1-5。
在本公开第十实施例中,根据加权最小二乘法和误差总和,对亚像素边缘点进行迭代拟合,得到直线检测结果,由此,可以得到误差更小、更为准确的直线检测结果。
图10示出了本公开第十一实施例的一种直线检测装置的结构示意图,如图10所示,该装置主要包括:
确定模块10,用于根据待检测图像中待检测区域的目标位置信息,确定待检测区域的检测路径对应的角度信息,目标位置信息包括待检测区域的目标起始点;第一计算模块11,用于根据角度信息和目标起始点,计算待检测区域中目标边缘的第一边缘点;扫描模块12,用于根据待检测区域的扫描方向和第一边缘点,对待检测区域进行扫描,得到目标边缘的第二边缘点;第二计算模块13,用于根据复判方向和第二边缘点,计算目标边缘对应的亚像素边缘点;线性拟合模块14,用于对亚像素边缘点进行线性拟合,得到目标边缘对应的直线检测结果。
在一可实施方式中,该装置还包括:获取模块,用于获取原始图像中原始检测区域的第一扫描宽度;第二确定模块,用于根据第一扫描宽度和原始检测区域,确定待检测区域;剪裁模块,用于根据待检测区域的最小外接矩形,对原始图像进行剪裁处理,得到待检测图像;转换模块,用于根据待检测图像与原始图像的坐标转换关系,将待检测区域的初始位置信息转换为目标位置信息。
在一可实施方式中,第二确定模块包括:调整子模块,用于第一扫描宽度大于第一预设阈值,则对原始检测区域进行调整,得到待检测区域;确定子模块,用于第一扫描宽度不大于第一预设阈值,则将原始检测区域确定为待检测区域。
在一可实施方式中,调整子模块包括:扫描单元,用于对原始检测区域进行扫描,得到目标边缘的第三边缘点,第三边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第二预设阈值的像素点;拟合单元,用于对第三边缘点进行线性拟合,得到初始边缘直线;第一计算单元,用于计算初始边缘直线与原始检测区域的边界的交点,得到待检测区域的目标起始点和目标终止点;确定单元,用于根据第一预设阈值、目标起始点和目标终止点,确定待检测区域。
在一可实施方式中,剪裁模块还用于:根据待检测区域的初始位置信息,获取待检测区域内像素点的坐标,得到坐标集;对坐标集中的横坐标进行比较,得到坐标集中的最大横坐标和最小横坐标,以及对坐标集中的纵坐标进行比较,得到坐标集中的最大纵坐标和最小纵坐标;根据最大横坐标、最小横坐标、最大纵坐标和最小纵坐标,确定待检测区域的最小外接矩形。
在一可实施方式中,该装置还包括:二值化模块,用于根据二值化阈值,对待检测图像进行二值化处理,得到二值化后待检测图像。
在一可实施方式中,目标位置信息包括待检测区域的目标终止点,确定模块10还用于计算目标起始点与目标终止点之间的连线角度,并将连线角度确定为检测路径对应的角度信息,检测路径为目标起始点至目标终止点的直线路径。
在一可实施方式中,第一计算模块11主要包括:第一计算子模块,用于根据检测步长和角度信息,计算检测路径上的第一像素点相对于目标起始点的第一横偏移量和第一纵偏移量;第二计算子模块,用于根据目标起始点、第一横偏移量和第一纵偏移量,计算待检测区域中目标边缘的第一边缘点。
在一可实施方式中,扫描模块12主要包括:第三计算子模块,用于根据扫描步长、角度信息和第一边缘点,沿扫描方向计算扫描路径上的第二像素点,扫描路径为沿扫描方向且经过第一边缘点的路径;获取子模块,用于获取第二像素点的灰度梯度;第二确定子模块,用于根据灰度梯度确定目标边缘的第二边缘点。
在一可实施方式中,第三计算子模块还用于:根据第二扫描宽度和扫描步长,沿扫描方向计算第二像素点与第一边缘点的直线距离;根据直线距离和角度信息,计算第二像素点相对于第一边缘点的第二横偏移量和第二纵偏移量;根据第一边缘点、第二横偏移量和第二纵偏移量,计算扫描路径的第二像素点。
在一可实施方式中,获取子模块还用于:根据第二像素点沿扫描方向的一阶导数,确定第二像素点的灰度梯度;或,根据索贝尔算子获取第二像素点的灰度梯度。
在一可实施方式中,第二确定子模块包括:第二确定单元,用于将灰度梯度大于第三预设阈值的第二像素点确定为目标边缘的初始第二边缘点;获取单元,用于获取沿扫描方向与初始第二边缘点相邻的第三像素点集和第四像素点集;第二计算单元,用于计算第三像素点集的第一灰度平均值和第四像素点集的第二灰度平均值;第三计算单元,用于计算第一灰度平均值与第二灰度平均值的第二差值和比值;第三确定单元,用于根据初始第二边缘点、第二差值和比值,确定目标边缘的第二边缘点。
在一可实施方式中,第三确定单元还用于:判断第二差值是否大于第四预设阈值且比值是否大于第五预设阈值,得到第一判断结果;第一判断结果为是,则将初始第二边缘点确定为第二边缘点;第一判断结果为否,则以初始第二边缘点为起点,沿扫描方向确定扫描路径上的其他第二像素点对应的第一判断结果,并将第一判断结果为是对应的第二像素点确定为第二边缘点。
在一可实施方式中,第二计算模块13主要包括:第三确定子模块,用于根据角度信息,确定第二边缘点的复判方向;第二获取子模块,用于获取第二边缘点沿复判方向的两个相邻像素点;抛物线拟合子模块,用于对第二边缘点和两个相邻像素点的灰度值进行抛物线拟合,得到第一拟合结果;第四确定子模块,用于根据第一拟合结果的极值点,确定目标边缘对应的亚像素边缘点。
在一可实施方式中,该装置还包括:筛选模块,用于根据随机一致性采样方法,筛选满足第一预设条件的亚像素边缘点,得到初始亚像素点;第三计算模块,用于计算初始亚像素边缘点的梯度方向,并统计每个梯度方向对应的初始亚像素点数量;第三确定模块,用于将初始亚像素点数量最大的梯度方向对应的初始亚像素点确定为目标亚像素点。
在一可实施方式中,线性拟合模块14主要包括:直线拟合子模块,用于根据加权最小二乘法,对亚像素边缘点进行直线拟合,得到第二拟合结果;判断子模块,用于判断第二拟合结果对应的误差总和是否满足第二预设条件,得到第二判断结果;第二判断结果为是,则将第二拟合结果确定为直线检测结果;第二判断结果为否,则根据误差总和,对亚像素边缘点对应的权重进行更新,并根据更新后的权重,对亚像素边缘点进行直线拟合,直到第二判断结果为是。
在一可实施方式中,判断子模块还用于:第二拟合结果为首次迭代结果,则判断第二拟合结果对应的误差总和是否小于第六预设阈值,得到第二判断结果;第二拟合结果不为首次迭代结果,则判断第二拟合结果对应的误差总和是否小于第七预设阈值,得到第二判断结果。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如一种直线检测方法。例如,在一些实施例中,一种直线检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的一种直线检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种直线检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
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”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种直线检测方法,其特征在于,所述方法包括:
根据待检测图像中待检测区域的目标位置信息,确定所述待检测区域的检测路径对应的角度信息,所述目标位置信息包括待检测区域的目标起始点;
根据所述角度信息和所述目标起始点,计算所述待检测区域中目标边缘的第一边缘点;
根据所述待检测区域的扫描方向和所述第一边缘点,对所述待检测区域进行扫描,得到所述目标边缘的第二边缘点;
根据复判方向和所述第二边缘点,计算所述目标边缘对应的亚像素边缘点;
对所述亚像素边缘点进行线性拟合,得到所述目标边缘对应的直线检测结果。
2.根据权利要求1所述的方法,其特征在于,根据如下方式获取所述待检测图像中待检测区域的目标位置信息:
获取原始图像中原始检测区域的第一扫描宽度;
根据所述第一扫描宽度和所述原始检测区域,确定所述待检测区域;
根据所述待检测区域的最小外接矩形,对所述原始图像进行剪裁处理,得到所述待检测图像;
根据所述待检测图像与所述原始图像的坐标转换关系,将所述待检测区域的初始位置信息转换为所述目标位置信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一扫描宽度和所述原始检测区域,确定所述待检测区域,包括:
所述第一扫描宽度大于第一预设阈值,则对所述原始检测区域进行调整,得到所述待检测区域;
所述第一扫描宽度不大于第一预设阈值,则将所述原始检测区域确定为所述待检测区域。
4.根据权利要求3所述的方法,其特征在于,所述对所述原始检测区域进行调整,得到所述待检测区域,包括:
对所述原始检测区域进行扫描,得到所述目标边缘的第三边缘点,所述第三边缘点为沿所述扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第二预设阈值的像素点;
对所述第三边缘点进行线性拟合,得到初始边缘直线;
计算所述初始边缘直线与所述原始检测区域的边界的交点,得到所述待检测区域的目标起始点和目标终止点;
根据所述第一预设阈值、所述目标起始点和所述目标终止点,确定所述待检测区域。
5.根据权利要求2所述的方法,其特征在于,根据如下方式获取所述待检测区域的最小外接矩形:
根据所述待检测区域的初始位置信息,获取所述待检测区域内像素点的坐标,得到坐标集;
对所述坐标集中的横坐标进行比较,得到所述坐标集中的最大横坐标和最小横坐标,以及对所述坐标集中的纵坐标进行比较,得到所述坐标集中的最大纵坐标和最小纵坐标;
根据所述最大横坐标、所述最小横坐标、所述最大纵坐标和所述最小纵坐标,确定所述待检测区域的最小外接矩形。
6.根据权利要求2所述的方法,其特征在于,在根据所述待检测区域的最小外接矩形,对所述原始图像进行剪裁处理,得到所述待检测图像后,还包括:
根据二值化阈值,对所述待检测图像进行二值化处理,得到二值化后待检测图像。
7.根据权利要求1所述的方法,其特征在于,所述目标位置信息包括待检测区域的目标终止点,所述根据待检测图像中待检测区域的目标位置信息,确定所述待检测区域的检测路径对应的角度信息,包括:
计算所述目标起始点与所述目标终止点之间的连线角度,并将所述连线角度确定为所述检测路径对应的角度信息,所述检测路径为所述目标起始点至所述目标终止点的直线路径。
8.一种直线检测装置,其特征在于,所述装置包括:
确定模块,用于根据待检测图像中待检测区域的目标位置信息,确定所述待检测区域的检测路径对应的角度信息,所述目标位置信息包括待检测区域的目标起始点;
第一计算模块,用于根据所述角度信息和所述目标起始点,计算所述待检测区域中目标边缘的第一边缘点;
扫描模块,用于根据所述待检测区域的扫描方向和所述第一边缘点,对所述待检测区域进行扫描,得到所述目标边缘的第二边缘点;
第二计算模块,用于根据复判方向和所述第二边缘点,计算所述目标边缘对应的亚像素边缘点;
线性拟合模块,用于对所述亚像素边缘点进行线性拟合,得到所述目标边缘对应的直线检测结果。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310364890.3A CN116309660A (zh) | 2023-04-04 | 2023-04-04 | 一种直线检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310364890.3A CN116309660A (zh) | 2023-04-04 | 2023-04-04 | 一种直线检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116309660A true CN116309660A (zh) | 2023-06-23 |
Family
ID=86790534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310364890.3A Pending CN116309660A (zh) | 2023-04-04 | 2023-04-04 | 一种直线检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309660A (zh) |
-
2023
- 2023-04-04 CN CN202310364890.3A patent/CN116309660A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191619B (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN114445825A (zh) | 文字检测方法、装置、电子设备和存储介质 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN116718351A (zh) | 一种成像设备点检方法、装置、电子设备及存储介质 | |
CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN116205889A (zh) | 偏移检测方法、装置、电子设备及存储介质 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
CN114295053B (zh) | 物料体积的确定方法及装置、设备、介质和产品 | |
CN116309660A (zh) | 一种直线检测方法、装置、设备及存储介质 | |
CN115546143A (zh) | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 | |
CN115239700A (zh) | 一种脊椎Cobb角测量方法、装置、设备及存储介质 | |
CN117764913A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN116109991B (zh) | 模型的约束参数确定方法、装置及电子设备 | |
CN116168442B (zh) | 样本图像生成方法、模型的训练方法、目标检测方法 | |
CN113298869B (zh) | 距离测定方法、装置、计算机设备和存储介质 | |
CN116934714A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN117670666A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN116128867A (zh) | 一种板材封边缺陷检测方法、装置、设备及存储介质 | |
CN116823639A (zh) | 一种图像畸变矫正方法、装置、设备及存储介质 | |
CN117670973A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN117372408A (zh) | 一种设备检测方法、装置、设备及存储介质 |
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 |