WO2020238116A1 - 产品定位方法 - Google Patents

产品定位方法 Download PDF

Info

Publication number
WO2020238116A1
WO2020238116A1 PCT/CN2019/122240 CN2019122240W WO2020238116A1 WO 2020238116 A1 WO2020238116 A1 WO 2020238116A1 CN 2019122240 W CN2019122240 W CN 2019122240W WO 2020238116 A1 WO2020238116 A1 WO 2020238116A1
Authority
WO
WIPO (PCT)
Prior art keywords
vertex
coordinates
integral
product
area
Prior art date
Application number
PCT/CN2019/122240
Other languages
English (en)
French (fr)
Inventor
杜义贤
王刚
陈德
石金进
Original Assignee
广东利元亨智能装备股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 广东利元亨智能装备股份有限公司 filed Critical 广东利元亨智能装备股份有限公司
Priority to ES19930673T priority Critical patent/ES2966222T3/es
Priority to PL19930673.9T priority patent/PL3832540T3/pl
Priority to EP19930673.9A priority patent/EP3832540B1/en
Priority to RS20231248A priority patent/RS65010B1/sr
Publication of WO2020238116A1 publication Critical patent/WO2020238116A1/zh
Priority to US17/529,417 priority patent/US20220076428A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/693—Acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请揭示一种产品定位方法，包括采集产品图像；对产品图像进行积分图计算；根据计算的积分图，采用差分计算方式获取产品图像中各个顶点的坐标。本申请将积分图算法应用于产品定位中，这样在产品图像质量不高如图像模糊不便于采用图像边缘算法或模板匹配算法对产品进行定位时，采用积分图算法可以快速划分出产品图像与背景区域，从而对产品进行定位，而不会受到图像质量不高的限制。

Description

产品定位方法 技术领域
本申请涉及产品定位技术领域，具体地，涉及一种产品定位方法。
背景技术
目前常用的产品定位方法主要有模板匹配算法以及图像边缘提取算法，无论是模板匹配算法还是图像边缘提取算法，产品定位的精度均依赖于产品图像的成像质量，也就是说当采集图像所使用的设备如相机对焦、照相时的背景光线等或光电管的电流不适合时，就会对产品图像质量带来影响，从而影响产品定位的精度。
发明内容
针对现有技术的不足，本申请提供一种产品定位方法。
本申请公开的一种产品定位方法，包括：
采集产品图像；
对所述产品图像进行积分图计算；
根据计算的积分图，采用差分计算方式获取所述产品图像中各个顶点的坐标。
根据本申请的一实施方式，对每一个积分窗口中所包含的产品图像进行积分图计算包括：
将产品图像划分成若干个矩形区域；
对每一个矩形区域进行积分图计算。
根据本申请的一实施方式，采用差分计算方式获取产品图像中各个顶点的坐标包括：
顺时针或逆时针排列的四个矩形区域形成一个积分图区域，产品图像的每一顶点位于其中一个积分图区域中；
对每一个积分图区域进行差分计算，获得多个差分数值；
判断顶点所在的积分图区域的差分数值是否为多个差分数值中的最大差分数值；
若是，根据多个差分数值中的最大差分数值获得每一顶点的坐标。
根据本申请的一实施方式，若否，修正产品图像的划分方式，以使顶点所在的积分图区域的差分数值为多个差分数值中的最大差分数值。
根据本申请的一实施方式，修正产品图像的划分方式包括：
对产品图像再次重新划分成若干个矩形区域；
对每一个矩形区域进行积分图计算，获得每一个矩形区域的积分图；
顺时针或逆时针排列的四个矩形区域形成一个积分图区域，产品图像的每一顶点位于其中一个积分图区域中；
对每一个积分图区域进行差分计算，获得多个差分数值；
判断顶点所在的积分图区域的差分数值是否为多个差分数值中的最大差分数值；
若是，根据多个差分数值中的最大差分数值获得对应积分窗口中顶点的坐标。
根据本申请的一实施方式，对产品图像进行积分图计算包括：
于产品图像的每一个顶点附近预设一个积分窗口，顶点位于积分窗口中；
对每一个积分窗口所包含的产品图像进行积分图计算。
根据本申请的一实施方式，获取各个顶点的坐标之后还包括：根据获得的各个顶点的坐标以及目标顶点的坐标，对所述产品图像进行位置校正。
根据本申请的一实施方式，根据获得的各个顶点的坐标以及目标顶点的坐标，对所述产品图像进行位置校正包括：
根据获得的各个顶点的坐标以及目标顶点的坐标得到透视变换矩阵；
根据获得的透视变换矩阵，对所述产品图像进行位置校正。
根据本申请的一实施方式，根据获得的各个顶点的坐标以及目标顶点的坐标，对所述产品图像进行位置校正包括：
根据获得的各个顶点的坐标，得到产品图像中所有点的坐标；
根据获得的各个顶点的坐标以及目标顶点的坐标得到透视变换矩阵；
根据获得的透视变化矩阵，对产品图像中所有的点的坐标进行透视变换，得到产品图像中所有点的目标坐标；
根据得到的产品图像中所有点的目标坐标，对所述产品图像进行位置校正。
根据本申请的一实施方式，根据获得的各个顶点的坐标以及目标顶点的坐标得到透视变换矩阵之前还包括：预设目标顶点的坐标。
本申请将积分图算法应用于产品定位中，这样在产品图像质量不高如图像模糊不便于采用图像边缘算法或模板匹配算法对产品进行定位时，采用积分图算法可以快速划分出产品图像与背景区域，从而对产品进行定位，而不会受到图像质量不高的限制。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为实施例一中电芯定位流程图；
图2为实施例一中积分窗口中积分图计算示意图；
图3为实施例一中电芯图像左上角积分窗口的积分图计算示意图；
图4为实施例一中修正后电芯图像左上角积分窗口的积分图计算示意图；
图5为实施例一中修正后电芯图像各积分窗口计算示意图；
图6为实施例一中校正后电芯图像示意图；
图7为实施例二中电芯定位流程图；
图8为实施例二中电芯图像积分图计算示意图；
图9为实施例二中修正后电芯图像的积分图计算示意图。
附图标记说明：
10、电芯图像；101、顶点；102、背景图像；103、芯体图像；；
20、积分窗口；201、第一矩形区域；202、第一积分图区域；203、第二矩形区域；204、第二积分图区域。
具体实施方式
以下将以图式揭露本申请的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本申请。也就是说，在本申请的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
另外，在本申请中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其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”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
以下分二个实施例分别提供一种产品定位方法，二个实施例以对电芯定位进行说明。在电芯处理工艺中，如对电芯某一部位进行外观质量检测前，需要先对电芯进行定位，判断电芯放置位置是否适合，才便于进行后续电芯外观质量检测。
实施例一
请参考图1所示，其为电芯定位流程图，如图所示，电芯定位方法包括：
采集电芯图像10，其中可以采用CCD视觉系统对电芯进行拍摄形成电芯图像10，或采用图像传感器采集电芯图像10。
完成电芯图像10采集后，对电芯图像10进行积分图计算。其中积分图计算过程如下：
请参考图2所示，其为积分窗口中积分图计算示意图。在电芯图像10的每一个顶点101附件预设一个积分窗口20，也就是在电芯图像10的每一个顶点101的大致位置预设一个积分窗口20，不需要考虑顶点101的精确位置，这样即使电芯图像10质量不高，只需要初步预估顶点101的大致位置即可，使得预估的顶点101位置位于积分窗口20中，其中，预设的积分窗口20大小不作限制，可根据实际需要调整，调整积分窗口20大小时，使得积分窗口20外的电芯图像10对积分窗口20内的电芯图像10干扰较小。
而后对每一个积分窗口20中所包含的电芯图像10进行积分图计算，每一个积分窗口20中包含的电芯图像10包括背景图像102及芯体图像103，顶点101位于芯体图像103与背景图像102的交界位置，通过预设积分窗口20的方式，对积分窗口20的电芯图像10进行积分图计算，减少积分图计算区域，计算效率提升，当然也可以不设置积分窗口20，而是对整个电芯图像10进行积分图计算，如此计算效率相对较低。在进行每一个积分窗口20中电芯图像10的积分图计算时，具体按照以下方式进行：请参阅图3所示，其为电芯图像左上角积分窗口的积分图计算示意图，将每一个积分窗口20中的电芯图像10划分成若干个第一矩形区域201，对每一个积分窗口2中的每一个第一矩形区域201进行积分图计算，获得每一个积分窗口20中的每一个第一矩形区域201的积分图，即可获得每一个积分窗口20所包含的电芯图像10的积分图。其中对每一个第一矩形区域201进行积分图计算的过程如下：
用s(x，y)表示每个第一矩形区域201中每一个像素(x，y)的y方向的所有电芯图像10之和，初始化s(x，-1)＝0；
用ii(x，y)表示一个积分图，初始化ii(-1，x)＝0；
逐行扫描每个第一矩形区域201中电芯图像10，递归计算每个像素(x，y)的y方向的所有电芯图像10之和s(x，y)与积分图ii(x，y)的值：
s(x，y)＝s(x，y-1)+i(x，y)；
ii(x，y)＝ii(x-1，y)+s(x，y)；
逐行扫描每个第一矩形区域201中电芯图像10一遍，当到达每个第一矩 形区域201中电芯图像10右下角像素时，积分图ii(x，y)就构建完成。
由于对积分窗口20中每一个第一矩形区域201的电芯图像10进行积分图遍历后，积分窗口20中任意一个第一矩形区域404的像素值之和可以通过加减法运算来完成，与第一矩形区域201的面积无关，第一矩形区域201内的电芯图像10越大，节省的时间越多，从而提高了运算效率。
继续参阅图3，获得每一个积分窗口20中的每一个第一矩形区域201的积分图后，采用差分计算方式获取产品图像中各个顶点101的坐标，具体为在每一个积分窗口20中彼此顺时针或逆时针排列的四个第一矩形区域201形成一个第一积分图区域202，顶点11位于其中一个第一积分图区域202中；
对每一个第一积分图区域202进行差分计算，获得多个第一差分数值；其中不同位置中第一积分图区域202差分计算公式不同，差分计算公式如下：
电芯图像10左上角顶点101附近的积分窗口20中，多个第一积分图区域202差分计算公式为：(R1-R4)-(R3-R2)；
电芯图像10右上角顶点101附近的积分窗口20中，多个第一积分图区域202差分计算公式为：(R2-R3)-(R4-R1)；
电芯图像10左下角顶点101附近的积分窗口20中，多个第一积分图区域202差分计算公式为：(R3-R2)-(R4-R1)；
电芯图像10右下角顶点101附近的积分窗口20中，多个第一积分图区域202差分计算公式为：(R4-R1)-(R3-R2)；
其中Ri表示第一积分图区域202中区域i的积分图差值，为区域i的右下角的积分图减去区域i的左上角的积分图。
计算出每一个积分窗口20中多个第一积分图区域202的第一差分数值后，判断对应顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值；
若是，根据多个第一差分数值中的最大差分数值获得每一积分窗口20中顶点101的坐标。
对于左上角的积分窗口20，按照(R1-R4)-(R3-R2)计算出左上角的积 分窗口20中的多个第一积分图区域20的第一差分数值，判断左上角顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得左上角积分窗口20中顶点101的坐标。对于右上角的积分窗口20，按照(R2-R3)-(R4-R1)计算出右上角的积分窗口20中的多个第一积分图区域20的第一差分数值，判断右上角顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得右上角积分窗口20中顶点101的坐标。对于左下角的积分窗口20，按照(R3-R2)-(R4-R1)计算出左下角的积分窗口20中的多个第一积分图区域20的第一差分数值，判断左下角顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得左下角积分窗口20中顶点101的坐标。对于右下角的积分窗口20，按照(R4-R1)-(R3-R2)计算出右下角的积分窗口20中的多个第一积分图区域20的第一差分数值，判断右下角顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得右下角积分窗口20中顶点101的坐标。
请复阅图3，位于电芯图像10左上角顶点101附近的积分窗口20中的电芯图像10，划分成若干个第一矩形区域201，彼此顺时针或逆时针排列的四个第一矩形区域201形成一个第一积分图区域202，每一个第一积分图区域202由四个第一矩形区域201构成，为了便于进行积分图差分计算，四个第一矩形区域201分别用区域1、区域2、区域3和区域4进行标识，本例中假设每一个积分窗口20共划分为24个第一矩形区域201，也就是6个第一积分图区域202。分别按照公式(R1-R4)-(R3-R2)计算6个第一积分图区域202的第一差分数值，完成6个第一积分图区域202的第一差分数值的计算后，得到6个第一差分数值，比较6个第一差分数值的大小，得出6个第一差分数值中最大的差分数值，而后判断6个第一差分数值中最大的差分数值是否为顶点101所在的 第一积分图区域202的第一差分数值，若是，6个第一差分数值中最大的差分数值对应的第一积分图区域202的中心位置即为电芯图像10左上角顶点101的位置。
若顶点101所在的第一积分图区域202的第一差分数值不是为多个第一差分数值中的最大差分数值，则需要修正每一个积分窗口20中对电芯图像10的划分方式，以满足顶点所在的积分图区域的差分数值为多个差分数值中的最大差分数值。其他3个顶点101的位置的确定与电芯图像10左上角顶点101位置的确定方法相同，此处不再详述。
具体的，请参阅图4，其为修正后的电芯图像左上角积分窗口的积分图计算示意图，修正每一个积分窗口20中对电芯图像10的划分方式包括：
对每一个积分窗口20中的电芯图像10再次重新划分成若干个第二矩形区域203；
对每一个积分窗口20中的每一个第二矩形区域203进行积分图计算，获得每一个积分窗口20中的每一个第二矩形区域203的积分图；
每一个积分窗口20中顺时针或逆时针排列的四个第二矩形区域203形成一个第二积分图区域204，顶点101位于其中一个第二积分图区域204中；
对每一个第二积分图区域204进行差分计算，获得多个第二差分数值；
判断顶点101所在的第二积分图区域204的第二差分数值是否为多个第二差分数值中的最大差分数值；
若是，根据多个第二差分数值中的最大差分数值获得对应积分窗口20中顶点101的坐标。若否，重复上述修正过程，直至顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。
请复阅图4，通过不断进行修正，最终满足顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。而只有当电芯图像10的四个顶点101分别位于四个矩形区域构成的积分图区域的中心位置时，顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。其中以左上角电芯图像10顶点101位置进行分析，复阅图4，采集的电芯图像10中，电芯图 像10包括背景图像102及被背景图像102围绕的芯体图像103，每一个积分窗口20中电芯图像10则包括部分背景图像102及部分芯体图像103，由于芯体图像103相对背景图像102会比较暗，如图4所示，也就是左上角标识区域1、区域2及区域3所在矩形区域的背景图像102相对标识区域4所在电芯图像10是比较亮的，因而通过(R1-R4)-(R3-R2)进行差分计算，差分数值最大时，只有当电芯图像10左上角顶点101位于积分图区域的中心位置时，差分数值才最大，所以积分图区域的中心位置对应的点就是电芯图像10左上角的顶点101。换句话说，当顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值时，顶点101应该位于积分图区域的中心位置，只要获得积分图区域的中心位置，即可获得顶点101的精确位置，计算得到顶点101的坐标。请参阅图5，其为修正后电芯图像10各积分窗口20计算示意图，电芯图像10右上角顶点101坐标、左下角顶点101坐标及右下角顶点101坐标均位于对应积分图区域的中心位置，因而对应积分图区域的中心位置即为对应顶点101的位置，具体右上角顶点101坐标、左下角顶点101坐标及右下角顶点101坐标的方法与获得电芯图像10左上角顶点101坐标的方法相同，本例中不在一一详述，换句话说，对每一个积分窗口20中的第一矩形区域201修正后，每一个积分窗口20中，对应积分窗口20中的顶点101所在的第二积分图区域204的差分数值均为每一个积分窗口20中多个第二积分图区域204的多个差分数值中的最大差分数值，顶点101位于其中第二积分图区域204的中心位置。
对电芯图像10进行定位之后，为了便于进行后续工序，还需要校正电芯图像10位置，请复阅图1所示，获取各个顶点101的坐标之后还包括：根据获得的各个顶点101的坐标以及目标顶点101的坐标，对电芯图像10进行位置校正。先预设目标顶点101的坐标，也即根据便于电芯进行下一工序的位置确定电芯图像10各个目标顶点101的坐标，根据获得的各个顶点101的坐标以及目标顶点101的坐标得到透视变换矩阵，根据获得的透视变换矩阵，对电芯图像10进行位置校正，以及对电芯进行位置校正。
其中，透视变换的过程可以通过以下公式表示：其中u，v，w是定位获得 的电芯图像10中各个顶点101的坐标，x‵，y‵，w‵是目标顶点101的坐标，根据两点确定一条直线的原理，由于电芯图像10中各个顶点101的坐标确定，据获得的各个顶点101的坐标，可以计算得到电芯图像10中所有点的坐标，将透视变换矩阵应用到电芯图像10中所有的点，如下所示：
Figure PCTCN2019122240-appb-000001
也即根据获得的透视变化矩阵，对电芯图像10中所有的点的坐标进行透视变换，得到电芯图像10中所有点的目标坐标；根据得到的电芯图像10中所有点的目标坐标，对电芯进行位置校正，请参阅图6，为电芯图像10矫正后的示意图。
另外需要说明的是，本实施例中的定位方法，还可以应用于其他产品图像的定位，如正三棱柱、正方体或长方体类似的规则产品的定位，还可以是正对的两端面为相同形状和面积的多边形产品的定位，只需要根据端面的顶点的个数设置相同数量的积分窗口，也即端面的每一个顶点附近设置一个积分窗口，具体定位方法与电芯图像定位方法相同，此处不再赘述。
实施例二
本实施例的产品定位方法请参阅图7所示，其为本实施例的电芯定位流程图，与实施例一不同的是，本例中产品定位方法不需要预设积分窗口即可实现。如图7所示，电芯定位方法包括：
采集电芯图像10，完成电芯图像10采集后，对电芯图像10进行积分图计算。其中积分图计算过程如下：
请参考图8所示，其为本例中积分图计算示意图。对电芯图像10进行积分图计算，在进行电芯图像10的积分图计算时，具体按照以下方式进行：将电芯图像10划分成若干个第一矩形区域201，每一个第一矩形区域201进行积分图计算，获得每一个第一矩形区域201的积分图，即可获得电芯图像10的 积分图。其中对每一个第一矩形区域201进行积分图计算的过程与实施例一中对每一个第一矩形区域201进行积分图计算的过程相同。
继续参阅图8，获得每一个第一矩形区域201的积分图后，采用差分计算方式获取产品图像中各个顶点101的坐标。具体为彼此顺时针或逆时针排列的四个第一矩形区域201形成一个第一积分图区域202，四个顶点11分别位于不同的四个第一积分图区域202中；
对每一个第一积分图区域202进行差分计算，获得多个第一差分数值，差分计算公式与实施例一相同。
计算出每一个第一积分图区域202的第一差分数值后，判断对应顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值；若是，根据多个第一差分数值中的最大差分数值获得顶点101的坐标。
本例中，为了计算得到电芯图像10中4个顶点101的位置，按照差分公式计算4个顶点101的位置方法如下。
形成多个第一积分图区域202后，先按照(R1-R4)-(R3-R2)差分计算公式寻找左上角顶点101的位置，具体为按照(R1-R4)-(R3-R2)计算每一个第一积分图区域202的第一差分数值，随后判断顶点101所在的第一积分图区域202中，是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得左上角顶点101的坐标。
而后再按照(R2-R3)-(R4-R1)差分计算公式寻找右上角顶点101的位置，具体为按照(R2-R3)-(R4-R1)计算每一个第一积分图区域202的第一差分数值，随后判断顶点101所在的第一积分图区域202中，是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得右上角顶点101的坐标。
而后再按照(R3-R2)-(R4-R1)差分计算公式寻找左下角顶点101的位置，具体为按照(R3-R2)-(R4-R1)计算每一个第一积分图区域202的第一差分数值，随后判断顶点101所在的第一积分图区域202中，是否为多个第一 差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得左下角顶点101的坐标。
而后再按照(R4-R1)-(R3-R2)差分计算公式寻找右下角顶点101的位置，具体为按照(R4-R1)-(R3-R2)计算每一第一积分图区域202的第一差分数值，随后判断顶点101所在的第一积分图区域202的第一差分数值是否为多个第一差分数值中的最大差分数值，若是，根据多个第一差分数值中的最大差分数值获得右下角顶点101的坐标。
也就是说，本例中，形成多个第一积分图区域202后，按照四个顶点101的差分计算公式，依次确认每一个顶点101的位置，比如，可以先按照左上角顶点101的差分计算公式对电芯图像10中的每一个第一积分图区域202进行差分计算，确认左上角顶点101的位置，找到左上角顶点101的位置后再按照右上角顶点101的差分计算公式对电芯图像10中的每一个第一积分图区域202进行差分计算，确认右上角顶点101的位置，找到右上角顶点101的位置后，再按照左下角顶点101的差分计算公式对电芯图像10中的每一个第一积分图区域202进行差分计算，确认左下角顶点101的位置，找到左下角顶点101的位置后，再按照右下角顶点101的差分计算公式对电芯图像10中的每一个第一积分图区域202进行差分计算，确认右下角顶点的位置。当然，各个顶点101确认的先后顺序可以依情况有所调整，本例中不做限定。
请复阅图8，电芯图像10划分成若干个第一矩形区域201，彼此顺时针或逆时针排列的四个第一矩形区域201形成一个第一积分图区域202，每一个第一积分图区域202由四个第一矩形区域201构成，为了便于进行积分图差分计算，四个第一矩形区域201分别用区域1、区域2、区域3和区域4进行标识，本例中假设共划分为48个第一矩形区域201，也就是12个第一积分图区域202。先按照公式(R1-R4)-(R3-R2)计算12个第一积分图区域202的第一差分数值，完成12个第一积分图区域202的第一差分数值的计算后，得到12个第一差分数值，比较12个第一差分数值的大小，得出12个第一差分数值中最大的差分数值，而后判断12个第一差分数值中最大的差分数值是否为其中一个顶点101 所在的第一积分图区域202的第一差分数值，若是，12个第一差分数值中最大的差分数值对应的第一积分图区域202的中心位置即为电芯图像10左上角顶点101的位置。同理，可以获得其他顶点101的位置。
若顶点101所在的第一积分图区域202的第一差分数值不是为多个第一差分数值中的最大差分数值，则需要修正对电芯图像10的划分方式，以满足顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。
如按照(R1-R4)-(R3-R2)计算每一个第一积分图区域202的第一差分数值，以寻找左上角顶点101位置时，顶点101所在的第一积分图区域202的第一差分数值不是为多个第一差分数值中的最大差分数值，则修正电芯图像10的划分方式，直至满足其中一个顶点101所在的第一积分图区域202中为多个第一差分数值中的最大差分数值，那么，该顶点即为电芯图像10左上角顶点101，也即直到找到左上角顶点101的位置。随后按照相同的方式进行其他顶点101位置的确定。
具体的，请参阅图9，其为修正后的电芯图像的积分图计算示意图，修正对电芯图像10的划分方式包括：
对电芯图像10再次重新划分成若干个第二矩形区域203；
对每一个第二矩形区域203进行积分图计算，获得每一个第二矩形区域203的积分图；
顺时针或逆时针排列的四个第二矩形区域203形成一个第二积分图区域204，每一个顶点101分别位于一个第二积分图区域204中；
对每一个第二积分图区域204进行差分计算，获得多个第二差分数值；
判断顶点101所在的第二积分图区域204的第二差分数值是否为多个第二差分数值中的最大差分数值；
若是，根据多个第二差分数值中的最大差分数值获得对应顶点101的坐标。若否，重复上述修正过程，直至顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。
如按照(R1-R4)-(R3-R2)计算每一个第一积分图区域202的第一差分 数值，以寻找左上角顶点101位置时，顶点101所在的第一积分图区域202的第一差分数值不是为多个第一差分数值中的最大差分数值，则对电芯图像10重新划分成若干个第二矩形区域203，并将若干个第二矩形区域203形成多个第二积分图区域204，对每一个第二积分图区域204进行差分计算，获得多个第二差分数值，判断顶点101所在的第二积分图区域的第二差分数值是否为多个第二差分数值中的最大差分数值，若是，根据多个第二差分数值中的最大差分数值获得对应顶点101的坐标，该顶点101的坐标即为左上角顶点101的坐标。若否，重复上述修正过程，直至其中一个顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值，确认左上角顶点101的坐标，否则重复修成过程。完成左上角顶点101的确认后，再按照同样的方法确认依次确认右上角顶点101、左下角顶点101以及右下角顶点101的坐标，本例中，左上角顶点101、右上角顶点101、左下角顶点101以及右下角顶点101的坐标的确认顺序可调整。
通过不断进行修正，根据差分计算公式，最终满足每一个顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。而只有当电芯图像10的四个顶点101分别位于四个矩形区域构成的积分图区域的中心位置时，每个顶点101所在的积分图区域的差分数值为多个差分数值中的最大差分数值。而积分图区域的中心位置对应的点就是电芯图像10的各个顶点101。电芯图像10左上角顶点101的坐标、右上角顶点101坐标、左下角顶点101坐标及右下角顶点101坐标均位于对应积分图区域的中心位置，因而对应积分图区域的中心位置即为对应顶点101的位置。
对电芯图像10进行定位之后，为了便于进行后续工序，还需要校正电芯图像10位置，本例中，电芯图像10位置的校正与实施例一相同。
本例中需要对整个电芯图像进行矩形区域的划分，再形成积分图区域，并依次按照四个不同顶点的积分图差分计算公式，依次确定4个顶点的位置。
上所述仅为本申请的实施方式而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理的内所 作的任何修改、等同替换、改进等，均应包括在本申请的权利要求范围之内。

Claims (10)

  1. 一种产品定位方法，其特征在于，包括：
    采集产品图像；
    对产品图像进行积分图计算；
    根据计算的积分图，采用差分计算方式获取产品图像中各个顶点(101)的坐标。
  2. 根据权利要求1所述的产品定位方法，其特征在于，对产品图像进行积分图计算包括：
    将产品图像划分成若干个矩形区域；
    对每一个矩形区域进行积分图计算。
  3. 根据权利要求2所述的产品定位方法，其特征在于，采用差分计算方式获取产品图像中各个顶点(101)的坐标包括：
    顺时针或逆时针排列的四个矩形区域形成一个积分图区域，产品图像的每一顶点(101)位于一个积分图区域中；
    对每一个积分图区域进行差分计算，获得多个差分数值；
    判断顶点(101)所在的积分图区域的差分数值是否为多个差分数值中的最大差分数值；
    若是，根据多个差分数值中的最大差分数值获得每一顶点(101)的坐标。
  4. 根据权利要求3所述的产品定位方法，其特征在于：
    若否，修正产品图像的划分方式，以使所述顶点(101)所在的积分图区域的差分数值为多个差分数值中的最大差分数值。
  5. 根据权利要求4所述的产品定位方法，其特征在于，修正产品图像的划分方式包括：
    对产品图像再次重新划分成若干个矩形区域；
    对每一个矩形区域进行积分图计算，获得每一个矩形区域的积分图；
    顺时针或逆时针排列的四个矩形区域形成一个积分图区域，产品图像的每 一顶点(101)位于一个积分图区域中；
    对每一个积分图区域进行差分计算，获得多个差分数值；
    判断顶点所在的积分图区域的差分数值是否为多个差分数值中的最大差分数值；
    若是，根据多个差分数值中的最大差分数值获得对应积分窗口(20)中顶点(101)的坐标。
  6. 根据权利要求1-5任一所述的产品定位方法，其特征在于，对产品图像进行积分图计算包括：
    于产品图像的每一个顶点(101)附近预设一个积分窗口(20)，顶点(101)位于积分窗口(20)中；
    对每一个积分窗口(20)所包含的产品图像进行积分图计算。
  7. 根据权利要求1-5任一所述的产品定位方法，其特征在于，获取各个顶点(101)的坐标之后还包括：根据获得的各个顶点(101)的坐标以及目标顶点(101)的坐标，对所述产品图像进行位置校正。
  8. 根据权利要求7所述的产品定位方法，其特征在于，根据获得的各个顶点(101)的坐标以及目标顶点(101)的坐标，对所述产品图像进行位置校正包括：
    根据获得的各个顶点(101)的坐标以及目标顶点(101)的坐标得到透视变换矩阵；
    根据获得的透视变换矩阵，对所述产品图像进行位置校正。
  9. 根据权利要求7所述的产品定位方法，其特征在于，根据获得的各个顶点(101)的坐标以及目标顶点(101)的坐标，对所述产品图像进行位置校正包括：
    根据获得的各个顶点(101)的坐标，得到产品图像中所有点的坐标；
    根据获得的各个顶点(101)的坐标以及目标顶点(101)的坐标得到透视变换矩阵；
    根据获得的透视变化矩阵，对产品图像中所有的点的坐标进行透视变换， 得到产品图像中所有点的目标坐标；
    根据得到的产品图像中所有点的目标坐标，对所述产品图像进行位置校正。
  10. 根据权利要求7所述的产品定位方法，其特征在于，根据获得的各个顶点(101)的坐标以及目标顶点(101)的坐标得到透视变换矩阵之前还包括：预设目标顶点(101)的坐标。
PCT/CN2019/122240 2019-05-31 2019-11-30 产品定位方法 WO2020238116A1 (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
ES19930673T ES2966222T3 (es) 2019-05-31 2019-11-30 Procedimiento de posicionamiento de producto
PL19930673.9T PL3832540T3 (pl) 2019-05-31 2019-11-30 Sposób pozycjonowania produktu
EP19930673.9A EP3832540B1 (en) 2019-05-31 2019-11-30 Product positioning method
RS20231248A RS65010B1 (sr) 2019-05-31 2019-11-30 Metoda pozicioniranja proizvoda
US17/529,417 US20220076428A1 (en) 2019-05-31 2021-11-18 Product positioning method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910471702.0 2019-05-31
CN201910471702.0A CN110188756B (zh) 2019-05-31 2019-05-31 产品定位方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/529,417 Continuation US20220076428A1 (en) 2019-05-31 2021-11-18 Product positioning method

Publications (1)

Publication Number Publication Date
WO2020238116A1 true WO2020238116A1 (zh) 2020-12-03

Family

ID=67719635

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/122240 WO2020238116A1 (zh) 2019-05-31 2019-11-30 产品定位方法

Country Status (8)

Country Link
US (1) US20220076428A1 (zh)
EP (1) EP3832540B1 (zh)
CN (1) CN110188756B (zh)
ES (1) ES2966222T3 (zh)
HU (1) HUE064801T2 (zh)
PL (1) PL3832540T3 (zh)
RS (1) RS65010B1 (zh)
WO (1) WO2020238116A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188756B (zh) * 2019-05-31 2021-02-05 广东利元亨智能装备股份有限公司 产品定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012129727A1 (en) * 2011-03-31 2012-10-04 Intel Corporation Method of facial landmark detection
CN109685764A (zh) * 2018-11-19 2019-04-26 深圳市维图视技术有限公司 产品定位方法、装置及终端设备
CN109741273A (zh) * 2018-12-26 2019-05-10 江苏优胜信息技术有限公司 一种手机拍照低质图像的自动处理与评分方法
CN110188756A (zh) * 2019-05-31 2019-08-30 广东利元亨智能装备股份有限公司 产品定位方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100569194B1 (ko) * 2003-12-19 2006-04-10 한국전자통신연구원 카메라 문서영상의 기하학적 왜곡 보정방법
CN101520841A (zh) * 2009-03-10 2009-09-02 北京航空航天大学 一种高清视频中的实时抗干扰车牌定位方法
US11288472B2 (en) * 2011-08-30 2022-03-29 Digimarc Corporation Cart-based shopping arrangements employing probabilistic item identification
JP5957357B2 (ja) * 2012-10-15 2016-07-27 株式会社日立ハイテクノロジーズ パターン検査・計測装置及びプログラム
CN108564557B (zh) * 2018-05-31 2020-08-25 京东方科技集团股份有限公司 图像校正方法及装置
CN109360144B (zh) * 2018-09-18 2020-04-17 南京大学 一种基于手机平台的图像实时校正改进方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012129727A1 (en) * 2011-03-31 2012-10-04 Intel Corporation Method of facial landmark detection
CN109685764A (zh) * 2018-11-19 2019-04-26 深圳市维图视技术有限公司 产品定位方法、装置及终端设备
CN109741273A (zh) * 2018-12-26 2019-05-10 江苏优胜信息技术有限公司 一种手机拍照低质图像的自动处理与评分方法
CN110188756A (zh) * 2019-05-31 2019-08-30 广东利元亨智能装备股份有限公司 产品定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3832540A4 *

Also Published As

Publication number Publication date
RS65010B1 (sr) 2024-01-31
EP3832540A1 (en) 2021-06-09
EP3832540C0 (en) 2023-11-29
ES2966222T3 (es) 2024-04-19
EP3832540B1 (en) 2023-11-29
US20220076428A1 (en) 2022-03-10
CN110188756A (zh) 2019-08-30
EP3832540A4 (en) 2021-12-15
HUE064801T2 (hu) 2024-04-28
PL3832540T3 (pl) 2024-03-11
CN110188756B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN109785379B (zh) 一种对称物体尺寸及重量的测量方法及测量系统
US20180218485A1 (en) Method and apparatus for fusing plurality of depth images
WO2021138990A1 (zh) 一种棋盘格亚像素级角点自适应检测的方法
CN110717942B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
US20180150973A1 (en) Method and Apparatus for Calculating Dual-Camera Relative Position, and Device
CN107316326B (zh) 应用于双目立体视觉的基于边的视差图计算方法和装置
CN110163912B (zh) 二维码位姿标定方法、装置及系统
US20170261319A1 (en) Building height calculation method, device, and storage medium
JP4521235B2 (ja) 撮影画像の変化抽出装置及び方法
CN110956661A (zh) 基于双向单应矩阵的可见光与红外相机动态位姿计算方法
JP2006252400A (ja) 画像処理装置及び画像処理における登録データ生成方法
US20210192251A1 (en) Method and system for selecting image region that facilitates blur kernel estimation
EP3617937A1 (en) Image processing device, driving assistance system, image processing method, and program
CN105761256B (zh) 图像的亚像素边缘直线获取方法及装置
CN110763306A (zh) 一种基于单目视觉的液位测量系统及方法
JP2015171143A (ja) カラーコード化された構造によるカメラ較正の方法及び装置、並びにコンピュータ可読記憶媒体
CN103544699B (zh) 一种基于单图片三圆模版的摄像头标定方法
WO2020238116A1 (zh) 产品定位方法
CN109829856B (zh) 一种桥梁裂缝信息融合方法
CN111126418A (zh) 一种基于平面透视投影的倾斜影像匹配方法
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN115690107B (zh) 基于图像处理的豆荚果粒高通量计数方法、系统及装置
CN109741370B (zh) 一种目标跟踪方法和装置
CN111260538A (zh) 基于长基线双目鱼眼相机的定位及车载终端

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19930673

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019930673

Country of ref document: EP

Effective date: 20210304

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: P-2023/1248

Country of ref document: RS