CN117635618A - 一种温度重构方法、装置、电子设备和可读存储介质 - Google Patents
一种温度重构方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN117635618A CN117635618A CN202410109280.3A CN202410109280A CN117635618A CN 117635618 A CN117635618 A CN 117635618A CN 202410109280 A CN202410109280 A CN 202410109280A CN 117635618 A CN117635618 A CN 117635618A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- view angle
- die
- mold
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 238000003384 imaging method Methods 0.000 claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 11
- 230000001131 transforming effect Effects 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 7
- 238000013519 translation Methods 0.000 description 7
- 238000005520 cutting process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004512 die casting Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910001338 liquidmetal Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Abstract
本发明涉及一种温度重构方法、装置、电子设备和可读存储介质,可以通过分割模型从每个视角的二维红外图像中分割出每个视角的模具图像;再根据每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,其中每个视角的目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像;通过标定后的相机参数将各视角的二维红外图像逆变换到模具的三维坐标系中得到模具的三维红外图像。本发明使得操作人员可直观的观测整个模具表面的所有温度值,并可根据三维图像快速确定出模具异常温度值的区域,提高温度异常区域定位的准确性和定位效率,并可减少除模具区域外其他物体的干扰,提高观测的便利性和可靠性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种温度重构方法、装置、电子设备和可读存储介质。
背景技术
在高压铸造等工艺中,模具温度对模具中液态金属等材质的流动和填充具有重要的影响。除此之外还会对模具的使用寿命、铸件尺寸公差等方面产生影响。因此在压铸过程中对模具的温度进行实时监测就显得尤为重要。目前通常采用红外相机来获取模具的温度,并以二维图像的形式呈现模具表面的温度分布。由于拍摄视角单一得到的模具温度图无法反映出模具上各个点位的温度分布,难以对模具上温度异常区域进行快速准确的定位。
发明内容
本发明提供了一种温度重构方法、装置、电子设备和可读存储介质,可以提高温度异常区域观测的便利性、可靠性,提高定位的准确性。
为实现上述目的,本发明提供如下技术方案:
根据本发明具体实施方式提供的一种温度重构方法,包括:
基于分割模型从每个视角的二维红外图像中分割出每个视角的模具图像;
基于所述每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,所述目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像;
基于每个视角标定后的相机参数,将所述每个视角的模具图像转换到所述模具所在的三维坐标系中,得到所述模具的三维红外图像。
进一步地,所述温度重构方法还包括:
基于预设调整算法,对得到的所述三维红外图像上各像素点的温度值进行调整。
进一步地,所述基于预设调整算法,对得到的所述三维红外图像上各像素点的温度值进行调整,包括:
基于所述各像素点的坐标,将所述各像素点的温度值填充至所述模具的三维网格中;
基于K近邻算法对所述三维网格中每个网格的温度值进行调整。
进一步地,所述基于所述每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,包括:
基于预设距离计算算法,得到所述每个视角的模具图像和目标模具图像的误差;
将每个视角的误差最小作为预设优化算法的优化目标,基于所述预设优化算法对所述每个视角的相机参数进行调整。
进一步地,所述分割模型的构建过程包括:
基于预设红外图像集合和交叉熵-Dice混合损失函数对Unet模型进行训练,得到所述分割模型。
进一步地,所述分割模型的构建过程还包括:
在对所述Unet模型训练过程中基于先学习率预热后学习率衰减的策略,对所述Unet模型的学习率进行调整;
基于Adamw优化算法对训练过程中的梯度计算进行控制,其中用于计算梯度的指数移动平均值的衰减率为0.9,用于计算梯度平方的指数移动平均值的衰减率为0.999。
进一步地,所述预设红外图像集合的构建过程包括:
对收集到的不同模具在不同视角下的二维红外图像进行模具轮廓的标注;
基于数据增强方法对标注后的二维红外图像进行扩充。
根据本发明具体实施方式提供的一种温度重构装置,包括:
图像分割模块,用于基于分割模型从每个视角的二维红外图像中分割出每个视角的模具图像;
相机标定模块,用于基于所述每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,所述目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像;以及
三维重构模块,用于基于每个视角标定后的相机参数,将所述每个视角的模具图像转换到所述模具所在的三维坐标系中,得到所述模具的三维红外图像。
根据本发明具体实施方式提供的一种电子设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如上所述的温度重构方法的各个步骤。
根据本发明具体实施方式提供的一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的温度重构方法的各个步骤。
由以上技术方案可以看出,本发明中公开了一种温度重构方法,可以通过分割模型从每个视角的二维红外图像中分割出每个视角的模具图像。再根据每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,其中每个视角的目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像。再根据每个视角标定后的相机参数,将每个视角的模具图像转换到模具所在的三维坐标系中,即通过标定后的相机参数将各视角的二维红外图像逆变换到模具的三维坐标系中得到模具的三维红外图像。使得操作人员可直观的观测整个模具表面的所有温度值,并可根据三维图像快速确定出模具异常温度值的区域,提高温度异常区域定位的准确性和定位效率,并可减少除模具区域外其他物体的干扰,进一步地的提高观测的便利性和可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的温度重构方法的流程图;
图2为本发明实施例提供的温度重构装置的结构图;
图3为本发明实施例提供的电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参照图1所示,本发明的实施例提供了一种温度重构方法,该方法可以包括以下步骤:
101、基于分割模型从每个视角的二维红外图像中分割出每个视角的模具图像。
具体的,可根据需要进行温度监测的模具的大小、部位等确定需要进行分割的二维红外图像的数量,即构成需要监测部位的三维图像所需要的二维红外图像的数量,如若需要对整个模具进行三维红外图像的生成,则需要从3至4个视角对模具进行二维红外图像的拍摄,得到相应视角的二维红外图像。然后可使用预先训练好的对图像进行分割的分割模型,对各个视角的二维红外图像进行分割,从中分割出每个视角的模具图像,使得即使在各视角的二维红外图像中存在除模具外的物体时,也能分割出相应的模具图像,避免红外相机镜头中其他物体对后续模具三维红外图像生成的影响。
可以理解的是,本领域技术人员可根据实际监测的需要对二维红外图像的数量和视角进行调整,在此不做限制。
102、基于每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,其中目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像。
具体的,相机参数标定技术是基于相机的成像原理,构建出成像的几何模型,以确定三维空间中的点与二维图像平面像素之间的映射关系。标定过程可视为成像的逆过程,通过已知信息反推相机的内部参数和外部参数。其中线性成像模型使用齐次坐标表示,其中三维空间中的点表示为四维齐次坐标,二维图像平面上的点也表示为三维齐次坐标。
例如是三维空间中的点的四维齐次坐标,表示为/>,其中/>,/>,/>是点的三维坐标,而1是齐次坐标的尺度因子。相机投影矩阵/>将三维空间中的点/>投影到图像平面上的点/>:
其中:
是相机内部参数矩阵,包括焦距、主点坐标等;/>是相机的旋转矩阵;/>是相机的平移向量。这里 />表示将矩阵/>和向量/>水平拼接得到的矩阵。/>和/>与相机的位置和角度相关,是相机的外部参数。
相机内部参数矩阵可以表示为:
其中和/>是焦距,/>是视角畸变参数,/>和/>是主点坐标。
相机的旋转矩阵是一个3x3的正交矩阵,描述了相机的旋转姿态,可以表示为:
其中是旋转矩阵的元素。
相机的平移矩阵:
平移矩阵描述了相机相对于世界坐标系的平移。它是一个3x1的列向量,表示相机在XYZ方向上的平移量。
这个向量表示相机在世界坐标系中的新位置相对于原始位置的偏移。
基于以上所述的相机参数标定的原理,为了获得最佳的相机参数在进行红外相机参数的标定时,可将红外相机的内部参数和外部参数作为需要进行优化的变量。其中内部参数可包括焦距、主点坐标、视角畸变等,外部参数包括相机的旋转矩阵和平移矩阵/>。这些内部参数和外部参数构成相机的投影矩阵/>,即/>。
对于各个视角的红外相机,通过使用红外相机当前(对模具进行拍摄时)的相机参数将模具的三维数字模型投影到二维图像平面上,其具体过程可通过将模具的三维坐标转换为齐次坐标并与相机投影矩阵相乘来实现。得到的二维投影点可以表示为,其中/>是模具上的三维点,/>是在二维图像平面上的投影。
通过比较投影结果与采用分割模型分割得到的模具图像之间的差异,可通过预设距离计算算法计算每个视角的模具图像和目标模具图像的误差,例如可通过欧氏距离计算模具图像和目标模具图像之间的L2误差。在进行计算时可将模具图像和目标模具图像统一处理为相同格式的图像后进行计算,例如可将两种图像均灰度化处理后再进行误差的计算,可提高计算的速度。
将每个视角的误差最小作为预设优化算法的优化目标,基于预设优化算法对每个视角的相机参数进行调整。例如可采用CMA-ES(协方差矩阵自适应进化算法),以最小化上述计算得到的误差。优化过程将调整相机参数,使得投影得到的目标模具图像能够更好地匹配分割得到的模具图像。在每次迭代中,根据优化算法的反馈更新相机参数,并重新进行误差的计算和比较,直到达到收敛条件或达到最大迭代次数得到一个相对最优的红外相机参数。
可以理解的是,本领域技术人员还可采用其他优化算法和其他形式的误差进行红外相机参数的标定,在此不做限制。
103、基于每个视角标定后的相机参数,将每个视角的模具图像转换到模具所在的三维坐标系中,得到模具的三维红外图像。
具体的,在对每个视角的相机参数进行标定后,使用标定后的相机参数计算每个二维红外图像中属于模具的像素在世界坐标系中的三维坐标。使得每个二维红外图像都生成一组在世界坐标系中的三维点云,三维点云中的每个点表示模具在三维空间中的位置和相应的温度值,进而依据点云得到三维红外图像。
现有的模具温度的监测虽然也采用红外相机对从多个视角对模具的表面进行拍摄,进而得到各个视角的模具的二维红外图像。这些各视角的二维红外图像通常以平铺的方式展示在监控界面中,虽然可以按照一定的顺序进行排列,如按照视角的顺时针或逆时针进行排列,但由于各个图像均为二维平面图像,当在任一二维红外图像中出现异常温度时,还需监测人员对应找到是哪个视角的图像,然后根据视角再进行模具上相应区域的确定,过程繁琐且容易出错。
而该温度重构方法使监测人员可依据得到的三维红外图像对模具的各个区域的温度进行监测,通过图像可清楚知道模具各个位置的温度,在异常温度出现时可快速准确的定位温度异常区域,提高了模具温度异常部位定位的效率和准确度。
为进一步优化该技术方案,使得到的三维红外图像上显示的温度更加准确可靠,在本发明的另一具体实施例中,该温度重构方法还可包括以下步骤:
基于预设调整算法,对得到的三维红外图像上各像素点的温度值进行调整。
具体的,考虑到在合并的三维红外图像中,模具表面的三维点云可能与模具的三维数学模型的网格不完全匹配。为了在模具的三维网格上显示的温度值更加的准确可靠,可根据三维点云中各像素点的坐标,将各像素点的温度值填充至模具的三维网格中。对三维网格中的每个网格点使用K近邻算法找到最接近的模具表面点。利用找到的K个最近邻点的温度值,通过插值或其他合适的方法估计该网格点的温度值,可以采用简单平均或加权平均的方式对每个网格点的温度值进行调整。
在本发明的一些具体实施例中,上述步骤101中所使用的分割模型可对Unet模型训练得到。在进行训练时可基于预设红外图像集合和交叉熵-Dice混合损失函数对Unet模型进行训练,得到分割模型。为了提高训练的效果可采用学习率预热(warmup)和学习率衰减(Learning Rate Decay)的策略。初始学习率被设置为2e-6,在经过5个epoch(一个epoch表示对神经网络模型对红外图像集合中的图像学习一遍)后,学习率经过线性增长达到1e-4。学习率衰减方面,可采用指数衰减策略,每5个epoch后,学习率衰减为原来的80%。在对神经网络进行优化时可采用Adamw优化算法对训练过程中的梯度计算进行控制,其中用于计算梯度的指数移动平均值的衰减率为0.9,用于计算梯度平方的指数移动平均值的衰减率为0.999。另外在进行训练时可进行多轮次的训练,例如可进行70轮训练,每轮训练时可采用批量大小为4的样本。并且为保证训练的速度可采用市面上主流的高性能GPU构建训练的硬件环境。
此外,所使用的预设红外图像集合可通过对收集到的不同模具在不同视角下的二维红外图像进行模具轮廓的标注。然后基于数据增强方法对标注后的二维红外图像进行扩充,以增加切割模型的鲁棒性。
其中所使用的图像增强方式可主要包括两种:
其中一种数据增强方式可包括:
裁剪:从原始图像中截取部分区域,以引入位置变化。在图像处理中,可以随机选择图像的一个子区域,也可以按照一定的规则进行裁剪,比如中心裁剪或者边缘裁剪。
翻转:在水平或垂直方向上翻转图像。水平翻转通常用于模拟镜像情况,而垂直翻转则可以引入更多的变化。这可以通过简单地反转图像的像素值来实现。
平移:将图像沿水平或垂直方向移动。通过在图像上引入平移变化,模型可以更好地适应不同位置的目标。这可以通过调整图像的像素位置来实现。
镜像:沿着一个轴对图像进行翻转。与翻转类似,镜像操作可以增加模型对目标在不同方向上的识别能力。水平和垂直轴都可以被用来进行镜像操作。
另一种数据增强方式可包括:
改变亮度值:调整图像的亮度是通过增加或减小图像的像素值来实现的。这可以通过对每个像素进行加权处理来改变整个图像的亮度水平。适当的亮度调整可以模拟不同环境下的光照条件。
改变对比度:对比度是图像中像素值的变化范围。增加对比度会使图像中的亮部和暗部之间的差异更加显著。这可以通过拉伸或压缩像素值的范围来实现,从而模拟红外图像等特殊条件下的对比度变化。
可以理解的是,本领域技术人员还可进行其他方式的图像处理方式对训练使用的图像集合进行扩充,在此不再赘述。
基于同样设计思路参照图2所示,本发明的实施例还提供了一种温度重构装置,该装置在运行时可实现上述温度重构方法的各个步骤,该装置可以包括:
图像分割模块201,用于基于分割模型从每个视角的二维红外图像中分割出每个视角的模具图像。
相机标定模块202,用于基于每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像。以及
三维重构模块203,用于基于每个视角标定后的相机参数,将每个视角的模具图像转换到模具所在的三维坐标系中,得到模具的三维红外图像。
进一步地,三维重构模块203还用于:
基于预设调整算法,对得到的三维红外图像上各像素点的温度值进行调整。
进一步地,三维重构模块203具体用于:
基于各像素点的坐标,将各像素点的温度值填充至模具的三维网格中;
基于K近邻算法对三维网格中每个网格的温度值进行调整。
进一步地,相机标定模块202具体用于:
基于预设距离计算算法,得到每个视角的模具图像和目标模具图像的误差。
将每个视角的误差最小作为预设优化算法的优化目标,基于预设优化算法对每个视角的相机参数进行调整。
进一步地,图像分割模块201还用于:
基于预设红外图像集合和交叉熵-Dice混合损失函数对Unet模型进行训练,得到分割模型。
进一步地,图像分割模块201还用于:
在对Unet模型训练过程中基于先学习率预热后学习率衰减的策略,对Unet模型的学习率进行调整。
基于Adamw优化算法对训练过程中的梯度计算进行控制,其中用于计算梯度的指数移动平均值的衰减率为0.9,用于计算梯度平方的指数移动平均值的衰减率为0.999。
进一步地,图像分割模块201还用于:
对收集到的不同模具在不同视角下的二维红外图像进行模具轮廓的标注。
基于数据增强方法对标注后的二维红外图像进行扩充。
参照图3所示,本发明的实施例还提供了一种电子设备,该电子设备可以包括:存储器301和处理器302。
存储器301,用于存储程序。
处理器302,用于执行该程序,实现如上实施例所述的温度重构方法的各个步骤。
本发明的实施例还提供了一种可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如上实施例所述的温度重构方法的各个步骤。
该温度重构方法通过利用分割模型提取红外图像中目标模具的轮廓。通过比较所拍摄的模具的三维数学模型投影与红外图像进行红外相机参数标定。最后,采用多视角红外图像数据融合的方式实现二维红外图像映射到三维空间中,重构出了模具的三维空间的温度分布,便于监测人员进行模具各个方位的温度监测,实现全面准确地捕捉模具各个点位的温度信息,提高异常温度部位的定位准确度。
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,本发明并不受所描述的动作顺序的限制,因为依据本发明,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发明所必须的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,各实施例中记载的技术特征可以进行替换或者组合。
本发明各实施例中装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本发明所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,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,例如多个子模块或模块可以结合或者可以集成到另一个模块,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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元,或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种温度重构方法,其特征在于,包括:
基于分割模型从每个视角的二维红外图像中分割出每个视角的模具图像;
基于所述每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,所述目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像;
基于每个视角标定后的相机参数,将所述每个视角的模具图像转换到所述模具所在的三维坐标系中,得到所述模具的三维红外图像。
2.根据权利要求1所述的温度重构方法,其特征在于,还包括:
基于预设调整算法,对得到的所述三维红外图像上各像素点的温度值进行调整。
3.根据权利要求2所述的温度重构方法,其特征在于,所述基于预设调整算法,对得到的所述三维红外图像上各像素点的温度值进行调整,包括:
基于所述各像素点的坐标,将所述各像素点的温度值填充至所述模具的三维网格中;
基于K近邻算法对所述三维网格中每个网格的温度值进行调整。
4.根据权利要求1所述的温度重构方法,其特征在于,所述基于所述每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,包括:
基于预设距离计算算法,得到所述每个视角的模具图像和目标模具图像的误差;
将每个视角的误差最小作为预设优化算法的优化目标,基于所述预设优化算法对所述每个视角的相机参数进行调整。
5.根据权利要求1所述的温度重构方法,其特征在于,所述分割模型的构建过程包括:
基于预设红外图像集合和交叉熵-Dice混合损失函数对Unet模型进行训练,得到所述分割模型。
6.根据权利要求5所述的温度重构方法,其特征在于,所述分割模型的构建过程还包括:
在对所述Unet模型训练过程中基于先学习率预热后学习率衰减的策略,对所述Unet模型的学习率进行调整;
基于Adamw优化算法对训练过程中的梯度计算进行控制,其中用于计算梯度的指数移动平均值的衰减率为0.9,用于计算梯度平方的指数移动平均值的衰减率为0.999。
7.根据权利要求5所述的温度重构方法,其特征在于,所述预设红外图像集合的构建过程包括:
对收集到的不同模具在不同视角下的二维红外图像进行模具轮廓的标注;
基于数据增强方法对标注后的二维红外图像进行扩充。
8.一种温度重构装置,其特征在于,包括:
图像分割模块,用于基于分割模型从每个视角的二维红外图像中分割出每个视角的模具图像;
相机标定模块,用于基于所述每个视角的模具图像和目标模具图像,对每个视角的相机参数进行标定,所述目标模具图像为将模具的三维数字模型投影到每个视角的相机成像平面上得到的二维图像;以及
三维重构模块,用于基于每个视角标定后的相机参数,将所述每个视角的模具图像转换到所述模具所在的三维坐标系中,得到所述模具的三维红外图像。
9.一种电子设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1至7中任一项所述的温度重构方法的各个步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的温度重构方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410109280.3A CN117635618B (zh) | 2024-01-26 | 2024-01-26 | 一种温度重构方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410109280.3A CN117635618B (zh) | 2024-01-26 | 2024-01-26 | 一种温度重构方法、装置、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117635618A true CN117635618A (zh) | 2024-03-01 |
CN117635618B CN117635618B (zh) | 2024-04-26 |
Family
ID=90032454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410109280.3A Active CN117635618B (zh) | 2024-01-26 | 2024-01-26 | 一种温度重构方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117635618B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324469A (zh) * | 2008-08-06 | 2008-12-17 | 中国航空工业第一集团公司北京航空制造工程研究所 | 一种激光焊接温度场三维测量方法 |
CN101660947A (zh) * | 2009-09-30 | 2010-03-03 | 卢家金 | 三维测温成像系统及其测量方法 |
CN102962452A (zh) * | 2012-12-14 | 2013-03-13 | 沈阳航空航天大学 | 基于红外测温图像的金属激光沉积制造扫描路径规划方法 |
CN107845100A (zh) * | 2017-10-23 | 2018-03-27 | 浙江工业大学 | 一种储能系统锂电池堆三维立体温度场重构方法 |
CN108181022A (zh) * | 2017-11-20 | 2018-06-19 | 北京动力机械研究所 | 基于示温漆测试技术的物体表面温度场三维重构方法 |
CN110567583A (zh) * | 2019-07-16 | 2019-12-13 | 浙江工业大学 | 一种基于红外图像储能电池堆三维温度可视化方法 |
CN116007759A (zh) * | 2023-01-09 | 2023-04-25 | 广州科易光电技术有限公司 | 电池温度场生成方法及装置、设备、存储介质 |
WO2023081398A1 (en) * | 2021-11-05 | 2023-05-11 | Bired Imaging, Inc. | Spatial and characteristic property data to detect a source in a system |
-
2024
- 2024-01-26 CN CN202410109280.3A patent/CN117635618B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324469A (zh) * | 2008-08-06 | 2008-12-17 | 中国航空工业第一集团公司北京航空制造工程研究所 | 一种激光焊接温度场三维测量方法 |
CN101660947A (zh) * | 2009-09-30 | 2010-03-03 | 卢家金 | 三维测温成像系统及其测量方法 |
CN102962452A (zh) * | 2012-12-14 | 2013-03-13 | 沈阳航空航天大学 | 基于红外测温图像的金属激光沉积制造扫描路径规划方法 |
CN107845100A (zh) * | 2017-10-23 | 2018-03-27 | 浙江工业大学 | 一种储能系统锂电池堆三维立体温度场重构方法 |
CN108181022A (zh) * | 2017-11-20 | 2018-06-19 | 北京动力机械研究所 | 基于示温漆测试技术的物体表面温度场三维重构方法 |
CN110567583A (zh) * | 2019-07-16 | 2019-12-13 | 浙江工业大学 | 一种基于红外图像储能电池堆三维温度可视化方法 |
WO2023081398A1 (en) * | 2021-11-05 | 2023-05-11 | Bired Imaging, Inc. | Spatial and characteristic property data to detect a source in a system |
CN116007759A (zh) * | 2023-01-09 | 2023-04-25 | 广州科易光电技术有限公司 | 电池温度场生成方法及装置、设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117635618B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689581B (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
CN105096329B (zh) | 一种精确校正超广角摄像头图像畸变的方法 | |
CN110542390B (zh) | 使用结构光的3d对象扫描方法 | |
CN107155341B (zh) | 三维扫描系统和框架 | |
CN110400315B (zh) | 一种缺陷检测方法、装置及系统 | |
CN110728715A (zh) | 一种智能巡检机器人像机角度自适应调整方法 | |
CN113601503B (zh) | 手眼标定方法、装置、计算机设备和存储介质 | |
CN112288826B (zh) | 双目相机的标定方法、装置及终端 | |
CN110599578A (zh) | 一种真实感三维彩色纹理重建方法 | |
CN113298886B (zh) | 一种投影仪的标定方法 | |
CN110136207B (zh) | 鱼眼相机标定系统、方法、装置、电子设备及存储介质 | |
CN113487683B (zh) | 一种基于三目视觉的目标跟踪系统 | |
CN112396663B (zh) | 一种多深度相机的可视化标定方法、装置、设备和介质 | |
CN114283203A (zh) | 一种多相机系统的标定方法及系统 | |
CN112734832A (zh) | 一种即时获得线上物体实际尺寸测量方法 | |
CN110956066B (zh) | 一种人脸部位测距方法、装置及车载终端 | |
CN115345942A (zh) | 空间标定方法、装置、计算机设备和存储介质 | |
CN111563961A (zh) | 一种变电站的三维建模方法和相关装置 | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN117635618B (zh) | 一种温度重构方法、装置、电子设备和可读存储介质 | |
CN116527856B (zh) | 球幕影院的播放控制方法、装置、设备及存储介质 | |
CN112446926A (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
CN111161143A (zh) | 一种光学定位技术辅助的手术视野全景拼接方法 | |
CN108010089B (zh) | 一种基于双目可运动摄像机的高分辨率图像获取方法 | |
CN115170670A (zh) | 外参标定方法、装置及程序产品 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |