CN117893591A - 光幕模板识别方法及装置、设备、存储介质和程序产品 - Google Patents
光幕模板识别方法及装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117893591A CN117893591A CN202410079433.4A CN202410079433A CN117893591A CN 117893591 A CN117893591 A CN 117893591A CN 202410079433 A CN202410079433 A CN 202410079433A CN 117893591 A CN117893591 A CN 117893591A
- Authority
- CN
- China
- Prior art keywords
- depth image
- hole site
- frame
- segmentation
- corrected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000011218 segmentation Effects 0.000 claims abstract description 224
- 230000009466 transformation Effects 0.000 claims abstract description 191
- 238000003708 edge detection Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims description 70
- 230000007797 corrosion Effects 0.000 claims description 45
- 238000005260 corrosion Methods 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 20
- 238000005530 etching Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 18
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 13
- 229910052782 aluminium Inorganic materials 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Abstract
本公开涉及一种光幕模板识别方法及装置、设备、存储介质和程序产品,涉及光幕模板识别技术领域,所述的方法,包括:获取光幕模板在第一方向上对应的第一深度图像,并对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。可实现光幕模板的边框尺寸及孔位尺寸识别。
Description
技术领域
本公开涉及光幕模板识别技术领域,尤其涉及一种光幕模板识别方法及装置、电子设备、存储介质和程序产品。
背景技术
现有的基于测量光幕的铝模板参数识别方法、装置、电子设备及介质(申请号:2021106869472),需要分别使用水平设于待测铝模板上方的第一光幕传感器确定第一点阵图及竖直设于待测铝模板一侧的第二光幕传感器上传的第三点阵图,进而实现铝模板参数的识别。
基于上述,水平设于待测铝模板上方的第一光幕传感器及竖直设于待测铝模板一侧的第二光幕传感器安装位置限制了铝模板参数的识别的准确性。因此,有必要提出一种取消第一光幕传感器及第二光幕传感器的新方法,以实现光幕模板的识别。
发明内容
本公开提出了一种光幕模板识别方法及装置、电子设备、存储介质和程序产品技术方案。
根据本公开的一方面,提供了一种光幕模板识别方法,包括:
获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;
分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;
利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;
分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。
优选地,所述在所述利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像之前,包括:
获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;
利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的至少一个第二边框深度图像及至少一个第二孔位深度图像;
分别对所述至少一个第二边框深度图像及至少一个第二孔位深度图像像进行透视变换,得到至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像;
利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像。
优选地,所述利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像的方法,包括:
计算所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的第一相似度;
计算所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的第二相似度;
若所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值,则对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;
否则,按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;
直至,所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值为止。
优选地,所述利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像的方法,包括:
分别获取第一分割模型及第二分割模型;
分别利用所述第一分割模型及所述第二分割模型,对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像。
优选地,所述分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸的方法,包括:
利用设定尺寸的腐蚀模板,分别对所述边框分割深度图像及孔位分割深度图像进行腐蚀,得到对应的边框分割腐蚀深度图像及孔位分割腐蚀深度图像;
基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像,并根据所述边框边缘深度图像得到对应的边框尺寸;
基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像,并根据所述孔位边缘深度图像得到对应的孔位尺寸;和/或,
所述基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像的方法,包括:所述边框分割深度图像减去所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像;和/或,
所述基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像的方法,包括:所述孔位分割深度图像减去所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像;和/或,
还包括:分别提取所述边框分割深度图像及孔位分割深度图像对应的深度信息,得到所述边框对应的高度及孔位对应的孔深。
根据本公开的一方面,提供了一种光幕模板识别装置,包括:
目标检测单元,用于获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;
透视变换单元,用于分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;
分割单元,用于利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;
尺寸识别单元,用于分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。
优选地,所述透视变换单元,包括:矫正单元;其中,所述矫正单元,用于获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的至少一个第二边框深度图像及至少一个第二孔位深度图像;分别对所述至少一个第二边框深度图像及至少一个第二孔位深度图像像进行透视变换,得到至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像;利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像;和/或,
所述矫正单元,包括:相似度计算单元、融合单元及调整单元;其中,所述相似度计算单元,用于计算所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的第一相似度;计算所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的第二相似度;所述融合单元,用于若所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值,则对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;否则,所述调整单元,用于按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;直至,所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值为止;和/或,
所述分割单元,包括:第一分割单元及第二分割单元;其中,所述第一分割单元,用于利用所述第一分割模型,对所述边框变换深度图像进行边框分割,得到对应的边框分割深度图像;所述第二分割单元,用于利用所述第二分割模型,对所述孔位变换深度图像进行孔位分割,得到对应的孔位分割深度图像;和/或,
所述尺寸识别单元,包括:腐蚀单元及确定单元;其中,所述腐蚀单元,用于利用设定尺寸的腐蚀模板,分别对所述边框分割深度图像及孔位分割深度图像进行腐蚀,得到对应的边框分割腐蚀深度图像及孔位分割腐蚀深度图像;所述确定单元,用于基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像,并根据所述边框边缘深度图像确定对应的边框尺寸;基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像,并根据所述孔位边缘深度图像确定对应的孔位尺寸;和/或,
所述确定单元,包括:减法单元;其中,所述减法单元用于所述边框分割深度图像减去所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像;和/或,用于所述孔位分割深度图像减去所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像;和/或,
还包括:深度识别单元;其中,所述深度识别单元,用于分别提取所述边框分割深度图像及孔位分割深度图像对应的深度信息,得到所述边框对应的高度及孔位对应的孔深。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述光幕模板方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述光幕模板方法。
根据本公开的一方面,提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述的光幕模板识别方法。
在本公开实施例中,提出了一种光幕模板识别方法及装置、电子设备、存储介质和程序产品技术方案,在解决了水平设于待测铝模板上方的第一光幕传感器及竖直设于待测铝模板一侧的第二光幕传感器安装位置限制了铝模板参数的识别的准确性问题的同时,实现了光幕模板边框尺寸及孔位尺寸的自动智能识别。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的光幕模板识别的流程图;
图2示出根据本公开实施例的光幕模板识别装置的框图;
图3是根据一示例性实施例示出的一种电子设备800的框图;
图4是根据一示例性实施例示出的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
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,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
可以理解,本公开提及的上述各个光幕模板识别方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了光幕模板识别装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种光幕模板识别方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图1示出根据本公开实施例的光幕模板识别方法的流程图。如图1所示,所述的光幕模板识别方法,包括:步骤S101:获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;步骤S102:分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;步骤S103利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;步骤S104:分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。在解决了水平设于待测铝模板上方的第一光幕传感器及竖直设于待测铝模板一侧的第二光幕传感器安装位置限制了铝模板参数的识别的准确性问题的同时,实现了光幕模板边框尺寸及孔位尺寸的自动智能识别。
步骤S101:获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像。
在本公开的实施例及其他可能的实施例中,可利用深度相机获取光幕模板在第一方向上对应的第一深度图像。其中,所述预设目标配置为边框及孔位。
在本公开的实施例及其他的实施例中,所述预设目标检测模型可配置为YOLO目标检测模型,例如YOLOv5。其中,所述预设目标检测模型,包括:骨干层、与所述骨干层连接的颈部层及与所述颈部层连接的预测层;利用所述骨干层,分别对所述光幕模板在第一方向上对应的第一深度图像进行特征提取,得到对应的不同尺度的全局特征矩阵;其中,所述骨干层的末端设置有用于得到所述不同尺度的全局特征矩阵对应的第一多尺度SwinTransformer模块;利用所述颈部层,对所述不同尺度的全局特征矩阵进行处理,得到处理后的不同尺度的多个全局注意力特征矩阵;其中,所述颈部层包括或在所述颈部层设置用于对所述不同尺度的全局特征矩阵进行处理的多个依次相连接的第二多尺度SwinTransformer模块;基于所述多个全局注意力特征矩阵,得到对应的第一边框深度图像及第一孔位深度图像。
步骤S102:分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像。
在本公开的实施例中,所述在所述利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像之前,包括:获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的至少一个第二边框深度图像及至少一个第二孔位深度图像;分别对所述至少一个第二边框深度图像及至少一个第二孔位深度图像像进行透视变换,得到至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像;利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像。
在本公开的实施例中,所述利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像的方法,包括:计算所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的第一相似度;计算所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的第二相似度;若所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值,则对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;否则,按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;直至,所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值为止。
在本公开的实施例及其他的实施例中,本领域技术人员可根据实际需要对所述相似度预设值进行配置。例如,所述相似度预设值可配置为0.9以上或其他数值。同时,本领域技术人员可根据实际需要对所述设定夹角及所述设定步距进行配置。例如,所述设定夹角可配置为10-30°或其他数值,所述设定步距分别可配置为2-5°或其他数值。
在本公开的实施例及其他的实施例中,所述对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像方法,包括:分别提取所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像中对应位置的第一像素值及第二像素值;分别对所述第一像素值及所述第二像素值进行相加后,并除以所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像对应的数目,得到矫正后对应的得到矫正后对应的边框变换深度图像。
在本公开的实施例及其他的实施例中,所述对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像的方法,包括:分别提取所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像中对应位置的第三像素值及第四像素值;分别对所述第三像素值及所述第四像素值进行相加后,并除以所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像对应的数目,得到矫正后对应的孔位变换深度图像。
在本公开的实施例及其他的实施例中,获取与所述第一方向形成设定夹角的相对方向上所述光幕模板对应的二个第二深度图像;其中,所述相对方向配置为180°。利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的两个第二边框深度图像及两个第二孔位深度图像;分别对所述两个第二边框深度图像及两个第二孔位深度图像像进行透视变换,得到两个矫正边框变换深度图像及两个矫正第二孔位变换深度图像;利用所述两个矫正边框变换深度图像及两个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像。
在本公开的实施例及其他的实施例中,所述利用所述两个矫正边框变换深度图像及两个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像的方法,包括:分别计算所述两个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的2个第一相似度;分别计算所述两个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的2个第二相似度;若所述2个第一相似度大于或等于相似度预设值且所述2个第二相似度大于或等于相似度预设值,则对所述两个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述两个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;否则,按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的两个第二深度图像;直至,所述2个第一相似度大于或等于相似度预设值且所述2个第二相似度大于或等于相似度预设值为止。
在本公开的实施例及其他的实施例中,所述对所述两个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像方法,包括:分别提取所述两个矫正边框变换深度图像与待矫正的所述边框变换深度图像中对应位置的第一像素值及第二像素值;分别对所述第一像素值及所述第二像素值进行相加后,并除以所述两个矫正边框变换深度图像与待矫正的所述边框变换深度图像对应的数目3,得到矫正后对应的得到矫正后对应的边框变换深度图像。
在本公开的实施例及其他的实施例中,所述对所述两个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像的方法,包括:分别提取所述两个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像中对应位置的第三像素值及第四像素值;分别对所述第三像素值及所述第四像素值进行相加后,并除以所述两个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像对应的数目3,得到矫正后对应的孔位变换深度图像。
在本公开的实施例及其他可能的实施例中,可利用深度相机获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像。
步骤S103利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像。
在本公开的实施例及其他的实施例中,所述预设分割模型可配置为基于U-Net卷积神经网络、或UNETR卷积神经网络、或Swin UNETR卷积神经网络、或nnU-Net卷积神经网络或其改进的预设血管分割模型。
在本公开的实施例中,所述利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像的方法,包括:分别获取第一分割模型及第二分割模型;分别利用所述第一分割模型及所述第二分割模型,对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像。
其中,在本公开的实施例及其他的实施例中,所述第一分割模型及所述第二分割模型可分别配置为基于U-Net卷积神经网络、或UNETR卷积神经网络、或Swin UNETR卷积神经网络、或nnU-Net卷积神经网络或其改进的预设血管分割模型的一种或几种。
步骤S104:分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。
其中,在本公开的实施例及其他的实施例中,所述边框尺寸可配置为边框对应的长及宽,所述孔位尺寸可配置为孔对应的直径。
在本公开的实施例中,所述分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸的方法,包括:利用设定尺寸的腐蚀模板,分别对所述边框分割深度图像及孔位分割深度图像进行腐蚀,得到对应的边框分割腐蚀深度图像及孔位分割腐蚀深度图像;基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像,并根据所述边框边缘深度图像得到对应的边框尺寸;基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像,并根据所述孔位边缘深度图像得到对应的孔位尺寸。
在本公开的实施例中,所述基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像的方法,包括:所述边框分割深度图像减去所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像。
在本公开的实施例中,所述基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像的方法,包括:所述孔位分割深度图像减去所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像。
在本公开的实施例中,所述的光幕模板识别方法,还包括:分别提取所述边框分割深度图像及孔位分割深度图像对应的深度信息,得到所述边框对应的高度及孔位对应的孔深。
光幕模板识别方法的执行主体可以是光幕模板识别装置,例如,光幕模板识别方法可以由终端设备或服务器或其它处理设备执行,其中,终端设备可以为用户设备(UserEquipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该光幕模板识别方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
本领域技术人员可以理解,在具体实施方式的上述光幕模板识别方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图2示出根据本公开实施例的光幕模板识别装置的框图,如图2所示,所述光幕模板识别装置,包括:目标检测单元101,用于获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;透视变换单元102,用于分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;分割单元103,用于利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;尺寸识别单元104,用于分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。
在本公开的实施例中,所述透视变换单元,包括:矫正单元;其中,所述矫正单元,用于获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的至少一个第二边框深度图像及至少一个第二孔位深度图像;分别对所述至少一个第二边框深度图像及至少一个第二孔位深度图像像进行透视变换,得到至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像;利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像。
在本公开的实施例中,所述矫正单元,包括:相似度计算单元、融合单元及调整单元;其中,所述相似度计算单元,用于计算所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的第一相似度;计算所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的第二相似度;所述融合单元,用于若所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值,则对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;否则,所述调整单元,用于按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;直至,所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值为止。
在本公开的实施例中,所述分割单元,包括:第一分割单元及第二分割单元;其中,所述第一分割单元,用于利用所述第一分割模型,对所述边框变换深度图像进行边框分割,得到对应的边框分割深度图像;所述第二分割单元,用于利用所述第二分割模型,对所述孔位变换深度图像进行孔位分割,得到对应的孔位分割深度图像。
在本公开的实施例中,所述尺寸识别单元,包括:腐蚀单元及确定单元;其中,所述腐蚀单元,用于利用设定尺寸的腐蚀模板,分别对所述边框分割深度图像及孔位分割深度图像进行腐蚀,得到对应的边框分割腐蚀深度图像及孔位分割腐蚀深度图像;所述确定单元,用于基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像,并根据所述边框边缘深度图像确定对应的边框尺寸;基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像,并根据所述孔位边缘深度图像确定对应的孔位尺寸。
在本公开的实施例中,所述确定单元,包括:减法单元;其中,所述减法单元用于所述边框分割深度图像减去所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像;和/或,用于所述孔位分割深度图像减去所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像。
在本公开的实施例中,所述光幕模板识别装置,还包括:深度识别单元;其中,所述深度识别单元,用于分别提取所述边框分割深度图像及孔位分割深度图像对应的深度信息,得到所述边框对应的高度及孔位对应的孔深。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文光幕模板识别方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述光幕模板识别方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述光幕模板识别方法。其中,电子设备可以被提供为终端、服务器或其它形态的设备。
本公开实施例还提出一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述的光幕模板识别方法。
图3是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图3,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图4是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图4,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种光幕模板识别方法,其特征在于,包括:
获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;
分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;
利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;
分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。
2.根据权利要求1所述的光幕模板识别方法,其特征在于,所述在所述利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像之前,包括:
获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;
利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的至少一个第二边框深度图像及至少一个第二孔位深度图像;
分别对所述至少一个第二边框深度图像及至少一个第二孔位深度图像进行透视变换,得到至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像;
利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像。
3.根据权利要求2所述的光幕模板识别方法,其特征在于,所述利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像的方法,包括:
计算所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的第一相似度;
计算所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的第二相似度;
若所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值,则对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;
否则,按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;
直至,所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值为止。
4.根据权利要求1-3任一项所述的光幕模板识别方法,其特征在于,所述利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像的方法,包括:
分别获取第一分割模型及第二分割模型;
分别利用所述第一分割模型及所述第二分割模型,对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像。
5.根据权利要求1-4任一项所述的光幕模板识别方法,其特征在于,所述分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸的方法,包括:
利用设定尺寸的腐蚀模板,分别对所述边框分割深度图像及孔位分割深度图像进行腐蚀,得到对应的边框分割腐蚀深度图像及孔位分割腐蚀深度图像;
基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像,并根据所述边框边缘深度图像得到对应的边框尺寸;
基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像,并根据所述孔位边缘深度图像得到对应的孔位尺寸;和/或,
所述基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像的方法,包括:所述边框分割深度图像减去所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像;和/或,
所述基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像的方法,包括:所述孔位分割深度图像减去所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像;和/或,
还包括:分别提取所述边框分割深度图像及孔位分割深度图像对应的深度信息,得到所述边框对应的高度及孔位对应的孔深。
6.一种光幕模板识别装置,其特征在于,包括:
目标检测单元,用于获取光幕模板在第一方向上对应的第一深度图像,并利用目标检测模型对所述第一深度图像进行预设目标进行检测,得到对应的第一边框深度图像及第一孔位深度图像;
透视变换单元,用于分别对所述第一边框深度图像及所述第一孔位深度图像进行透视变换,得到对应的边框变换深度图像及所述孔位变换深度图像;
分割单元,用于利用预设分割模型,分别对所述边框变换深度图像及所述孔位变换深度图像进行边框及孔位分割,得到对应的边框分割深度图像及孔位分割深度图像;
尺寸识别单元,用于分别对所述边框分割深度图像及所述孔位分割深度图像进行边缘检测,得到对应的边框尺寸及孔位尺寸。
7.根据权利要求6所述的光幕模板识别装置,其特征在于,所述透视变换单元,包括:矫正单元;
其中,所述矫正单元,用于获取与所述第一方向形成设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;利用目标检测模型对所述第二深度图像进行预设目标进行检测,得到对应的至少一个第二边框深度图像及至少一个第二孔位深度图像;分别对所述至少一个第二边框深度图像及至少一个第二孔位深度图像像进行透视变换,得到至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像;利用所述至少一个矫正边框变换深度图像及至少一个矫正第二孔位变换深度图像,分别对待矫正的所述边框变换深度图像及所述孔位变换深度图像进行矫正,得到矫正后对应的边框变换深度图像及所述孔位变换深度图像;和/或,
所述矫正单元,包括:相似度计算单元、融合单元及调整单元;其中,所述相似度计算单元,用于计算所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像之间的第一相似度;计算所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像之间的第二相似度;所述融合单元,用于若所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值,则对所述至少一个矫正边框变换深度图像与待矫正的所述边框变换深度图像进行融合,得到矫正后对应的边框变换深度图像;且,则对所述至少一个矫正第二孔位变换深度图像与待矫正的所述孔位变换深度图像进行融合,得到矫正后对应的孔位变换深度图像;否则,所述调整单元,用于按照设定步距对所述设定夹角进行调整,以重新获取与所述第一方向形成调整后设定夹角的任意方向上所述光幕模板对应的至少一个第二深度图像;直至,所述第一相似度大于或等于相似度预设值且所述第二相似度大于或等于相似度预设值为止;和/或,
所述分割单元,包括:第一分割单元及第二分割单元;其中,所述第一分割单元,用于利用所述第一分割模型,对所述边框变换深度图像进行边框分割,得到对应的边框分割深度图像;所述第二分割单元,用于利用所述第二分割模型,对所述孔位变换深度图像进行孔位分割,得到对应的孔位分割深度图像;和/或,
所述尺寸识别单元,包括:腐蚀单元及确定单元;其中,所述腐蚀单元,用于利用设定尺寸的腐蚀模板,分别对所述边框分割深度图像及孔位分割深度图像进行腐蚀,得到对应的边框分割腐蚀深度图像及孔位分割腐蚀深度图像;所述确定单元,用于基于所述边框分割深度图像及所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像,并根据所述边框边缘深度图像确定对应的边框尺寸;基于所述孔位分割深度图像及所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像,并根据所述孔位边缘深度图像确定对应的孔位尺寸;和/或,
所述确定单元,包括:减法单元;其中,所述减法单元用于所述边框分割深度图像减去所述边框分割腐蚀深度图像,得到对应的边框边缘深度图像;和/或,用于所述孔位分割深度图像减去所述孔位分割腐蚀深度图像,得到对应的孔位边缘深度图像;和/或,
还包括:深度识别单元;其中,所述深度识别单元,用于分别提取所述边框分割深度图像及孔位分割深度图像对应的深度信息,得到所述边框对应的高度及孔位对应的孔深。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至5中任意一项所述的光幕模板识别方法。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的光幕模板识别方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至5中任意一项所述的光幕模板识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410079433.4A CN117893591A (zh) | 2024-01-19 | 2024-01-19 | 光幕模板识别方法及装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410079433.4A CN117893591A (zh) | 2024-01-19 | 2024-01-19 | 光幕模板识别方法及装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117893591A true CN117893591A (zh) | 2024-04-16 |
Family
ID=90644316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410079433.4A Pending CN117893591A (zh) | 2024-01-19 | 2024-01-19 | 光幕模板识别方法及装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117893591A (zh) |
-
2024
- 2024-01-19 CN CN202410079433.4A patent/CN117893591A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN109697734B (zh) | 位姿估计方法及装置、电子设备和存储介质 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109801270B (zh) | 锚点确定方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
EP3312702B1 (en) | Method and device for identifying gesture | |
CN107508573B (zh) | 晶振振荡频率校正方法及装置 | |
CN110543849B (zh) | 检测器的配置方法及装置、电子设备和存储介质 | |
CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN113065591B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN109903252B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109447258B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
CN113807253A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN110826463B (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN111523555A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN116310633A (zh) | 一种关键点检测模型训练方法及关键点检测方法 | |
CN106126104B (zh) | 键盘模拟方法和装置 | |
CN111275191B (zh) | 检测细胞的方法及装置、电子设备和存储介质 | |
US20170154318A1 (en) | Information processing method, apparatus, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |