CN117167936A - 空调的检测方法、装置及系统、存储介质、电子装置 - Google Patents
空调的检测方法、装置及系统、存储介质、电子装置 Download PDFInfo
- Publication number
- CN117167936A CN117167936A CN202310978056.3A CN202310978056A CN117167936A CN 117167936 A CN117167936 A CN 117167936A CN 202310978056 A CN202310978056 A CN 202310978056A CN 117167936 A CN117167936 A CN 117167936A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- image
- indoor unit
- conditioner indoor
- edge
- 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 72
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000003708 edge detection Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种空调的检测方法、装置及系统、存储介质、电子装置。其中，该方法包括：获取目标图像和模板图像，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测，从而可以通过自动化的方式完成空调检测，可以解决相关技术中空调检测的效率较低的技术问题。
Description
技术领域
本申请涉及家电检测技术领域，具体而言，涉及一种空调的检测方法、装置及系统、存储介质、电子装置。
背景技术
随着时代的进步和发展，空调已渐渐成为人们日常生活的必需品。为了提升空调产品的质量，空调厂家在出厂前需要对空调进行检漏操作。目前，空调内机电子检漏以人工为主，通过人工手持检漏设备，主要对电机侧U管、角形架侧U管进行检漏，自动化检测水平低，且受人员因素、生产因素等影响，存在效率低、人员检漏、误判等隐患，容易造成质量事故，并且整个生产过程没有对电子检漏测试数据进行系统的记录，仅仅只将检测的结果及检测故障数据记录于纸质的质控卡上，导致信息追溯困难。
针对上述空调检测的效率较低的技术问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种空调的检测方法、装置及系统、存储介质、电子装置，以至少解决相关技术中空调检测的效率较低的技术问题。
根据本申请实施例的一个方面，提供了一种空调的检测系统，包括：相机，用于对待检测的目标空调内机进行图像采集得到目标图像；机器人，用于对目标空调内机进行检测；机器人控制柜，与机器人连接，用于控制机器人；工控机，分别与相机和机器人控制柜连接，用于确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息，根据位置差异信息对机器人进行姿态调整，以便于对目标空调内机进行检测。
根据本申请实施例的另一个方面，还提供了一种空调的检测方法，包括：获取目标图像和模板图像，其中，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测。
可选地，通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息，包括：通过对比目标图像和模板图像，确定目标图像中目标空调内机所在的区域为待检测区域；在待检测区域中进行边缘检测，以提取目标空调内机的图像边缘信息；通过对图像边缘信息进行处理，得到位置差异信息。
可选地，在待检测区域中进行边缘检测，以提取目标空调内机的图像边缘信息，包括：通过设定阈值的方式将待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分；通过边缘连通性对疑似边缘部分的像素点进行判断，若该像素点的相邻像素点有边缘点，则将该像素点视为边缘点进行连接；否则，若该像素点的相邻像素点无边缘点，则将该像素点视为非边缘点。
可选地，在通过设定阈值的方式将待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分之前，方法还包括：通过自适应引导滤波算法对待检测区域内的图像进行保边平滑处理；通过Sobel算子计算待检测区域的图像像素点的梯度幅值和梯度方向；通过非极大值抑制，根据待检测区域的图像像素点的梯度幅值和梯度方向，确定待检测区域的图像边缘并抑制非边缘点。
可选地，通过非极大值抑制，根据待检测区域的图像像素点的梯度幅值和梯度方向，确定待检测区域的图像边缘并抑制非边缘点，包括：若待检测区域内像素点的梯度幅值大于梯度方向上邻近点的梯度幅值，则确定该像素点为边缘点并保留梯度幅值；若该像素点的梯度值小于梯度方向上邻近点的梯度幅值，则确定该像素点为非边缘点。
可选地，通过对图像边缘信息进行处理，得到位置差异信息，包括：基于二阶曲面拟合方程的亚像素边缘检测算法，对检测到的像素级的图像边缘信息进行细分，获得边缘的亚像素坐标值，对亚像素坐标值进行直线拟合，通过检测到的两直线计算交点来完成对目标空调内机的定位；通过仿射变换获取目标图像中目标空调内机与模板图像中参考空调内机之间在像素层面上的位置偏移量和角度差值，其中，位置差异信息包括位置偏移量和角度差值。
根据本申请实施例的另一方面，还提供了一种空调的检测装置，包括：获取单元，用于获取目标图像和模板图像，其中，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；确定单元，用于通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；检测单元，用于根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。
在本申请实施例中，获取目标图像和模板图像，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测，从而可以通过自动化的方式完成空调检测，可以解决相关技术中空调检测的效率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本申请实施例的一种可选的空调的检测系统的示意图；
图2是根据本申请实施例的一种可选的空调的检测方法的流程图；
图3是根据本申请实施例的一种可选的空调的检测方案的示意图；
图4是根据本申请实施例的一种可选的空调检测图像的示意图；
图5是根据本申请实施例的一种可选的空调的检测装置的示意图；
图6是根据本申请实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着高分辨率相机和自动化技术的飞速发展，为视觉引导技术奠定了坚实的基础，在对空调内机电子进行检漏时，可通过视觉算法对空调电机侧U管和角形架侧U管进行高精度定位，以精准引导机器人对不同型号的空调内机电子进行检漏，从而避免因人员因素、生产因素等引起的人员漏检、误判等隐患，另外，将电子检漏测试数据在系统中进行记录，方便后续进行信息追溯。
根据本申请实施例的一方面，提供了一种空调的检测系统的实施例。如图1所示，主要包括：相机，用于对待检测的目标空调内机进行图像采集得到目标图像；机器人(如六轴机器人)，用于对目标空调内机进行检测；机器人控制柜，与机器人连接，用于控制机器人；工控机，分别与相机和机器人控制柜连接，用于确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息，根据位置差异信息对机器人进行姿态调整，以便于对目标空调内机进行检测。
本申请技术方案的主要目的是针对现有技术中存在的技术缺陷，提供一种基于视觉引导机器人的高精度空调内机电子检漏的方法，解决了视觉定位算法对于产品背景复杂的情况，定位精度和鲁棒性低的问题，实现了检漏任务中的高准确、高效率作业，使得机器人在日常工作中更智能化，提高了企业的自动化生产水平，推动了劳动密集型企业自动化智能化改造进程。
根据本申请实施例的一方面，提供了一种应用于上述空调的检测系统的空调的检测方法。图2是根据本申请实施例的一种可选的空调的检测方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S1，获取目标图像和模板图像，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像。
步骤S2，通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息。
1)可先通过对比目标图像和模板图像，确定目标图像中目标空调内机所在的区域为待检测区域。
2)通过自适应引导滤波算法对待检测区域内的图像进行保边平滑处理，通过Sobel算子计算待检测区域的图像像素点的梯度幅值和梯度方向，通过非极大值抑制，根据待检测区域的图像像素点的梯度幅值和梯度方向，确定待检测区域的图像边缘并抑制非边缘点。
例如：若待检测区域内像素点的梯度幅值大于梯度方向上邻近点的梯度幅值，则确定该像素点为边缘点并保留梯度幅值；若该像素点的梯度值小于梯度方向上邻近点的梯度幅值，则确定该像素点为非边缘点。
在上述改进的边缘检测算法中，可基于canny边缘检测原理，通过引入一个自适应权重因子到引导滤波中，建立了新的代价函数，在保护边缘信息的同时消除了噪声带来的影响，使得检测到的边缘更完整，且伪边缘更少，从而提高了边缘检测的准确率和鲁棒性。
3)在待检测区域中进行边缘检测，以提取目标空调内机的图像边缘信息。
例如：通过设定阈值的方式将待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分；通过边缘连通性对疑似边缘部分的像素点进行判断，若该像素点的相邻像素点有边缘点，则将该像素点视为边缘点进行连接；否则，若该像素点的相邻像素点无边缘点，则将该像素点视为非边缘点。
4)通过对图像边缘信息进行处理，得到位置差异信息。
例如：基于二阶曲面拟合方程的亚像素边缘检测算法，对检测到的像素级的图像边缘信息进行细分，获得边缘的亚像素坐标值，对亚像素坐标值进行直线拟合，通过检测到的两直线计算交点来完成对目标空调内机的定位；通过仿射变换获取目标图像中目标空调内机与模板图像中参考空调内机之间在像素层面上的位置偏移量和角度差值，其中，位置差异信息包括位置偏移量和角度差值。
步骤S3，根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测。
针对多型号空调相似背景与前景情况下，采用粗定位与精定位相融合的方法，该方法通过通用的模板匹配算法与直线检测结果进行计算，模板匹配算法计算角度信息，直线检测方法给出位置信息，通过两个信息之间位置偏差计算，完成多型号空调位置与角度的定位方法。
通过上述步骤，获取目标图像和模板图像，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测，从而可以通过自动化的方式完成空调检测，可以解决相关技术中空调检测的效率较低的技术问题。
本发明可以快速定位产线上的空调内机并实现自动化检漏，有效提高了生产效率，并且降低了企业的使用成本。本发明不仅可以应用在空调检漏的自动化生产线中，还可应用各类生产线的定位中，具有一定的普遍性。作为一种可选的实施例，下文结合具体的实施方式进一步详述本申请的技术方案。
如图1所示,为基于视觉引导机器人空调内机检漏的整体视觉定位系统组成的示意图。整个系统包括六轴机器人控制柜、六轴机器人本体、相机镜头一套、开孔面光源、工控机以及光源控制器等。其中，相机镜头固定在工装上，垂直于空调内机平面拍摄空调内机图像。
本实施例中，如图3所示，为视觉定位系统的整体方案，主要可分为空调内机信息录入阶段和空调内机识别阶段。
在空调内机信息录入的过程中，通过示教方式获得空调内机模板图像，需保证空调内机特征区域完整地呈现在相机的视野中。同时，为提高空调内机识别精度和鲁棒性，需进行打光优化，突出边缘轮廓特征。
在空调内机识别阶段，通过待识别空调内机与数据库中的空调内机模板图像进行图像边缘轮廓匹配进行粗定位，然后根据粗定位结果对待识别空调内机边缘轮廓进行直线检测，依据检测出的直线交点对待识别空调内机进行精定位，自动获取待识别空调内机与数据库中的候选空调内机在像素层面上的摆放差异，进而转换成机器人应当调整的位姿，从而实现空调内机检漏。具体的实施步骤如下：
1)传送带移动空调内机到拍照点，自动拍摄一幅当前空调内机的顶视图像，在顶视图像中框选模板，并对顶视图像进行图像预处理。
2)保持空调内机不动，通过示教的方式控制机器人携带检漏装置到达空调内机检漏位置，并记录此时机器人末端的位姿T0。
3)通过模板匹配对空调内机进行粗定位处理，获取匹配后的空调内机在像素层面的二维坐标以及匹配角度，确定精定位待检测区域。
4)基于改进的边缘检测算法在待检测区域中提取图像边缘信息，在保护边缘的同时消除噪声带来的影响，使得检测到的边缘更完整，且伪边缘更少，从而提高了边缘检测的准确性和鲁棒性。
上述改进的边缘检测算法具体如下：
4.1)通过自适应引导滤波对检测区域内图像进行保边平滑处理，减少噪声带来的影响。
自适应引导滤波通过下式最小化代价函数E(ak，bk)来获得线性系数ak和bk。
其中，Ii和pi是引导图像和待滤波图像在像素点i的值，ωk是以像素k为中心r为半径的方形窗口，λ是正则化参数，自适应权重因子被设计如下：
其中，CGi是引导图像I在像素点i的颜色梯度值，T是阈值，用来判断像素点是否在边缘区域，其值取为mean(CGi)，ε是一个小的正常数，用来防止分母为0，其值取为(0.001×L)2，L是输入图像的动态范围。
通过最小化代价函数求解引导滤波线性系数ak和bk的最优解：
其中，μk和分别为引导图像I在ωk中的均值和方差，|ω|是ωk中的像素数，是ωk中p的均值。
最终的引导滤波结果为：
4.2)通过Sobel算子计算图像像素点的梯度幅值和方向，Sobel算子如下：
其中，Sx和Sy分别是用于计算X方向和Y方向的像素梯度矩阵Gx和Gy。
Gx＝Sx*I，Gy＝Sy*I，
其中，I是待检测图像，*是卷积运算。
则梯度幅值G和梯度方向θ通过下式计算：
4.3)通过非极大值抑制，细化图像边缘并抑制非边缘点。若像素点梯度值大于梯度方向邻近点的梯度值，则该像素点判定为边缘点并保留梯度值，若梯度值小于邻近点，则该像素点判定为非边缘点，从而实现对边缘的细化处理，以消除边缘检测带来的杂散响应。
4.4)通过设定高低阈值的方法将图像分为边缘部分、疑似边缘部分和非边缘部分。
4.5)通过边缘连通性对疑似边缘点进行判断，若该点的相邻像素点有边缘点，则将该点视为边缘点进行连接；否则，该点为非边缘点，从而完成边缘检测。
5)基于二阶曲面拟合方程的亚像素边缘检测算法对检测到的像素级边缘进行细分，获得亚像素坐标值，对亚像素坐标值进行直线拟合，通过检测到的两直线计算交点完成精定位，如图4所示，该定位算法对多机型空调均能兼容，满足多样机定位要求。
6)经过像素转机器人坐标，再通过仿射变换，计算当前空调内机与模板空调内机的位置偏移量和角度差值。将位置偏移量和角度差值输出给机器人，机器人根据坐标值、旋转角度调整其位姿，调整完成后对待检漏空调内机进行精确检漏。
采用本申请的技术方案，在空调检测过程中涉及多型号柔性化检测，针对多种空调型号背景相似，但是定位点位与角度存在差异的问题，采用了一种模板匹配粗定位加直线交点精定位方法，采用模板匹配方法确定空调大概位置信息与角度信息，再将两直线垂直相交点位置信息进行融合，精确计算出空调的位置与角度信息；针对传统的边缘检测方法在定位检测任务中，检测准确率较低的问题，提出一种改进的边缘检测算法，引入一个自适应权重因子到引导滤波中，建立了新的代价函数，在保护边缘信息的同时消除了噪声带来的影响，使得检测到的边缘更完整，且伪边缘更少，改进的边缘检测算法通过自适应引导滤波有效提取边缘特征，与传统的边缘检测方法相比，本发明提高了边缘检测的准确率和鲁棒性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述空调的检测方法的空调的检测装置。图5是根据本申请实施例的一种可选的空调的检测装置的示意图，如图5所示，该装置可以包括：
获取单元51，用于获取目标图像和模板图像，其中，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；
确定单元52，用于通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；
检测单元53，用于根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测。
可选地，确定单元还用于：通过对比目标图像和模板图像，确定目标图像中目标空调内机所在的区域为待检测区域；在待检测区域中进行边缘检测，以提取目标空调内机的图像边缘信息；通过对图像边缘信息进行处理，得到位置差异信息。
可选地，确定单元还用于：通过设定阈值的方式将待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分；通过边缘连通性对疑似边缘部分的像素点进行判断，若该像素点的相邻像素点有边缘点，则将该像素点视为边缘点进行连接；否则，若该像素点的相邻像素点无边缘点，则将该像素点视为非边缘点。
可选地，确定单元还用于：在通过设定阈值的方式将待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分之前，通过自适应引导滤波算法对待检测区域内的图像进行保边平滑处理；通过Sobel算子计算待检测区域的图像像素点的梯度幅值和梯度方向；通过非极大值抑制，根据待检测区域的图像像素点的梯度幅值和梯度方向，确定待检测区域的图像边缘并抑制非边缘点。
可选地，确定单元还用于：若待检测区域内像素点的梯度幅值大于梯度方向上邻近点的梯度幅值，则确定该像素点为边缘点并保留梯度幅值；若该像素点的梯度值小于梯度方向上邻近点的梯度幅值，则确定该像素点为非边缘点。
可选地，确定单元还用于：基于二阶曲面拟合方程的亚像素边缘检测算法，对检测到的像素级的图像边缘信息进行细分，获得边缘的亚像素坐标值，对亚像素坐标值进行直线拟合，通过检测到的两直线计算交点来完成对目标空调内机的定位；通过仿射变换获取目标图像中目标空调内机与模板图像中参考空调内机之间在像素层面上的位置偏移量和角度差值，其中，位置差异信息包括位置偏移量和角度差值。
通过上述模块，获取目标图像和模板图像，目标图像是对待检测的目标空调内机进行图像采集得到的，模板图像为用于进行参考的参考空调内机的图像；通过对比目标图像和模板图像，确定目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息；根据位置差异信息对机器人进行姿态调整，之后通过机器人对目标空调内机进行检测，从而可以通过自动化的方式完成空调检测，可以解决相关技术中空调检测的效率较低的技术问题。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在相应的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的另一个方面，还提供了一种用于实施上述空调的检测方法的服务器或终端。
图6是根据本申请实施例的一种终端的结构框图，如图6所示，该终端可以包括：一个或多个(仅示出一个)处理器601、存储器603、以及传输装置605，如图6所示，该终端还可以包括输入输出设备607。
其中，存储器603可用于存储软件程序以及模块，如本申请实施例中的空调的检测方法对应的程序指令/模块，处理器601通过运行存储在存储器603内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的空调的检测方法。存储器603可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器603可进一步包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置605用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置605包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置605为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器603用于存储应用程序。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图6所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图6其并不对上述电子装置的结构造成限定。例如，终端还可包括比图6中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图6所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行空调的检测方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，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 (10)
1.一种空调的检测系统，其特征在于，包括：
相机，用于对待检测的目标空调内机进行图像采集得到目标图像；
机器人，用于对所述目标空调内机进行检测；
机器人控制柜，与所述机器人连接，用于控制所述机器人；
工控机，分别与所述相机和所述机器人控制柜连接，用于确定所述目标图像中目标空调内机与模板图像中参考空调内机之间的位置差异信息，根据所述位置差异信息对所述机器人进行姿态调整，以便于对所述目标空调内机进行检测。
2.一种空调的检测方法，其特征在于，包括：
获取目标图像和模板图像，其中，所述目标图像是对待检测的目标空调内机进行图像采集得到的，所述模板图像为用于进行参考的参考空调内机的图像；
通过对比所述目标图像和所述模板图像，确定所述目标图像中目标空调内机与所述模板图像中参考空调内机之间的位置差异信息；
根据所述位置差异信息对机器人进行姿态调整，之后通过所述机器人对所述目标空调内机进行检测。
3.根据权利要求2所述的方法，其特征在于，通过对比所述目标图像和所述模板图像，确定所述目标图像中目标空调内机与所述模板图像中参考空调内机之间的位置差异信息，包括：
通过对比所述目标图像和所述模板图像，确定所述目标图像中所述目标空调内机所在的区域为待检测区域；
在所述待检测区域中进行边缘检测，以提取所述目标空调内机的图像边缘信息；
通过对所述图像边缘信息进行处理，得到所述位置差异信息。
4.根据权利要求3所述的方法，其特征在于，在所述待检测区域中进行边缘检测，以提取所述目标空调内机的图像边缘信息，包括：
通过设定阈值的方式将所述待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分；
通过边缘连通性对所述疑似边缘部分的像素点进行判断，若该像素点的相邻像素点有边缘点，则将该像素点视为边缘点进行连接；否则，若该像素点的相邻像素点无边缘点，则将该像素点视为非边缘点。
5.根据权利要求4所述的方法，其特征在于，在通过设定阈值的方式将所述待检测区域的图像分为边缘部分、疑似边缘部分以及非边缘部分之前，所述方法还包括：
通过自适应引导滤波算法对所述待检测区域内的图像进行保边平滑处理；
通过Sobel算子计算所述待检测区域的图像像素点的梯度幅值和梯度方向；
通过非极大值抑制，根据所述待检测区域的图像像素点的梯度幅值和梯度方向，确定所述待检测区域的图像边缘并抑制非边缘点。
6.根据权利要求5所述的方法，其特征在于，通过非极大值抑制，根据所述待检测区域的图像像素点的梯度幅值和梯度方向，确定所述待检测区域的图像边缘并抑制非边缘点，包括：
若所述待检测区域内像素点的梯度幅值大于梯度方向上邻近点的梯度幅值，则确定该像素点为边缘点并保留梯度幅值；
若该像素点的梯度值小于梯度方向上邻近点的梯度幅值，则确定该像素点为非边缘点。
7.根据权利要求3至6中任意一项所述的方法，其特征在于，通过对所述图像边缘信息进行处理，得到所述位置差异信息，包括：
基于二阶曲面拟合方程的亚像素边缘检测算法，对检测到的像素级的所述图像边缘信息进行细分，获得边缘的亚像素坐标值，对亚像素坐标值进行直线拟合，通过检测到的两直线计算交点来完成对所述目标空调内机的定位；
通过仿射变换获取所述目标图像中目标空调内机与所述模板图像中参考空调内机之间在像素层面上的位置偏移量和角度差值，其中，所述位置差异信息包括所述位置偏移量和所述角度差值。
8.一种空调的检测装置，其特征在于，包括：
获取单元，用于获取目标图像和模板图像，其中，所述目标图像是对待检测的目标空调内机进行图像采集得到的，所述模板图像为用于进行参考的参考空调内机的图像；
确定单元，用于通过对比所述目标图像和所述模板图像，确定所述目标图像中目标空调内机与所述模板图像中参考空调内机之间的位置差异信息；
检测单元，用于根据所述位置差异信息对机器人进行姿态调整，之后通过所述机器人对所述目标空调内机进行检测。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求2至7任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求2至7任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310978056.3A CN117167936A (zh) | 2023-08-03 | 2023-08-03 | 空调的检测方法、装置及系统、存储介质、电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310978056.3A CN117167936A (zh) | 2023-08-03 | 2023-08-03 | 空调的检测方法、装置及系统、存储介质、电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117167936A true CN117167936A (zh) | 2023-12-05 |
Family
ID=88945887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310978056.3A Pending CN117167936A (zh) | 2023-08-03 | 2023-08-03 | 空调的检测方法、装置及系统、存储介质、电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117167936A (zh) |
-
2023
- 2023-08-03 CN CN202310978056.3A patent/CN117167936A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107063228B (zh) | 基于双目视觉的目标姿态解算方法 | |
| US10930015B2 (en) | Method and system for calibrating multiple cameras | |
| EP3384429B1 (en) | Method for identification of candidate points as possible characteristic points of a calibration pattern within an image of the calibration pattern | |
| JP6415066B2 (ja) | 情報処理装置、情報処理方法、位置姿勢推定装置、ロボットシステム | |
| CN111126174A (zh) | 一种用于机器人抓取零件的视觉检测方法 | |
| CN110084842B (zh) | 一种机器人云台伺服二次对准方法及装置 | |
| CN105069799A (zh) | 一种角点定位方法及装置 | |
| US20210090230A1 (en) | System and method for efficiently scoring probes in an image with a vision system | |
| CN110926330B (zh) | 图像处理装置和图像处理方法 | |
| CN115018846B (zh) | 基于ai智能相机的多目标裂纹缺陷检测方法和装置 | |
| CN113962306A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN114029946A (zh) | 一种基于3d光栅引导机器人定位抓取的方法、装置及设备 | |
| CN112598922A (zh) | 车位检测方法、装置、设备及存储介质 | |
| CN115830018B (zh) | 基于深度学习与双目视觉的碳素块检测方法及系统 | |
| CN108109154A (zh) | 一种工件的新型定位及数据获取方法 | |
| CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
| CN109191522B (zh) | 一种基于三维建模的机器人位移纠正方法及系统 | |
| CN113177941B (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
| CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
| CN117167936A (zh) | 空调的检测方法、装置及系统、存储介质、电子装置 | |
| CN114219802A (zh) | 一种基于图像处理的蒙皮连接孔孔位检测方法 | |
| CN112132135A (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
| CN116721094B (zh) | 一种复杂背景下的视觉图形识别方法、系统及激光切割机 | |
| CN115661267B (zh) | 单目测距模型标定方法、电子设备及幕墙机器人 | |
| CN117315792B (zh) | 一种基于卧姿人体测量的实时调控系统 |
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 |