CN110866949A - 中心点定位方法、装置、电子设备和存储介质 - Google Patents
中心点定位方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110866949A CN110866949A CN201911125424.XA CN201911125424A CN110866949A CN 110866949 A CN110866949 A CN 110866949A CN 201911125424 A CN201911125424 A CN 201911125424A CN 110866949 A CN110866949 A CN 110866949A
- Authority
- CN
- China
- Prior art keywords
- target product
- sub
- image
- center point
- corner
- 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 58
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 239000003550 marker Substances 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 21
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 241001292396 Cirrhitidae Species 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种中心点定位方法、装置、电子设备和存储介质,该方法包括:获取目标产品图像;根据目标产品图像的灰度数据,确定目标产品的第一中心点;根据第一中心点的位置,对目标产品图像进行分割,得到多个子图像,多个子图像中的每个子图像包含目标产品的角点位置区域;根据每个子图像包含的角点位置区域确定每个子图像中的目标产品的角点位置;根据多个子图像中的角点位置,确定目标产品的第二中心点位置。以此可以改善现有技术中难以确定产品中心点的问题。
Description
技术领域
本申请涉及产品加工技术领域,具体而言,涉及一种中心点定位方法、装置、电子设备和存储介质。
背景技术
在产品生产过程中,经常会因各种实际需求而需要将产品移动到指定位置,例如在更换不同型号的产品时会需要抓取产品并将产品移动到指定位置,在对工件产品进行对位校准时也会需要抓取产品并将产品移动到指定位置。
但是在现有的产品处理流程中,常常因为难以确定出产品的中心点而导致机器难以正确抓取产品,难以将产品放置于合适的位置。
发明内容
本申请实施例的目的在于提供一种中心点定位方法、装置、电子设备和存储介质,用以改善现有技术中难以确定产品中心点的问题。
第一方面,实施例提供一种中心点定位方法,所述方法包括:
获取目标产品图像;
根据所述目标产品图像的灰度数据,确定所述目标产品的第一中心点;
根据所述第一中心点的位置,对所述目标产品图像进行分割,得到多个子图像,所述多个子图像中的每个子图像包含目标产品的角点位置区域;
根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置;
根据所述多个子图像中的所述角点位置,确定所述目标产品的第二中心点位置。
在上述方法中,整个处理过程是基于获取的图像进行处理的,在整个流程中可以无需关注真实产品的尺寸,不论真实产品的大小如何,都可以根据实际获取到的目标产品图像确定出当前的目标产品所适用的第二中心点位置,有利于对当前的目标产品图像对应的真实产品进行有效抓取,从而将产品抓取至合适的位置。此外,在上述方法中,是以层层递进的方式逐步确定出精确度较高的第二中心点位置,相较于人为反复调试的处理方式,上述中心点定位方法的自动化程度高,处理效率高。
在可选的实施方式中,所述根据所述目标产品图像的灰度数据,确定所述目标产品的第一中心点,包括:
根据设定的灰度阈值区间以及所述目标产品图像的灰度数据,提取所述目标产品的轮廓;
根据所述目标产品的轮廓确定所述目标产品的第一中心点。
通过上述实现方式,能够快速确定出作为临时中心点的第一中心点,基于确定出的第一中心点有利于将目标产品图像分割为多个子图像。图像处理方式简单,易于实现。
在可选的实施方式中,所述根据所述第一中心点的位置,对所述目标产品图像进行分割,得到多个子图像,包括:
根据所述第一中心点在参考坐标系中的坐标,对所述目标产品图像进行分割,得到多个子图像。
通过上述实现方式,可以快速将较大的目标产品图像分割为多个子图像,有利于后续针对每个单一的子图像分别进行处理,有利于降低人为参与量,节约人工校对、调试所需的时间。
在可选的实施方式中,在所述根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置之前,所述方法还包括:
通过预设的模板对每个子图像进行匹配,以确定每个所述子图像中的角点位置区域。
通过上述实现方式可以快速得到目标产品的所有角点的大概位置。
在可选的实施方式中,所述根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置,包括:
针对每个子图像包含的所述角点位置区域,获取所述角点位置区域对应的感兴趣区域,根据所述感兴趣区域查找标志点;
根据在所述子图像中查找到的多个所述标志点,确定所述子图像中的所述目标产品的角点位置。
通过上述实现方式,即使真实产品图像的产品边缘不是完全符合直角形状的,也可以确定出更符合当前产品的角点位置,更具有通用性、兼容性。
在可选的实施方式中,所述根据在所述子图像中查找到的多个所述标志点,确定所述子图像中的所述目标产品的角点位置,包括:
对在所述子图像中查找到的多个所述标志点进行拟合计算,得到所述目标产品的两条边;
将所述目标产品的两条边对应的交点位置作为所述目标产品的角点位置。
通过上述实现方式可以拟合确定出更精确的角点位置,有利于确定出更符合真实产品的中心点位置。
在可选的实施方式中,所述根据所述多个子图像中的所述角点位置,确定所述目标产品的第二中心点位置,包括:
根据所述多个子图像中所述的角点位置,确定所述目标产品的两条对角线;
将所述两条对角线的交点位置作为所述目标产品的第二中心点位置。
通过上述实现方式,确定出的第二中心点位置更接近真实产品,有利于执行设备对目标产品进行有效抓取,能够提升产品加工效率。
第二方面,实施例提供一种中心点定位装置,所述装置包括:
获取模块,用于获取目标产品图像;
计算模块,用于根据所述目标产品图像的灰度数据,确定所述目标产品的第一中心点;
分割模块,用于根据所述第一中心点的位置,对所述目标产品图像进行分割,得到多个子图像,所述多个子图像中的每个子图像包含目标产品的角点位置区域;
所述计算模块,还用于根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置;
所述计算模块,还用于根据所述多个子图像中的所述角点位置,确定所述目标产品的第二中心点位置。
通过上述装置可以执行前述第一方面提供的方法,能够快速确定出较为精确的中心点位置,有利于对产品进行有效抓取。
第三方面,实施例提供一种电子设备,所述电子设备包括:
存储器;
处理器;
所述存储器存储有所述处理器可执行的计算机程序,所述计算机程序被所述处理器执行时执行前述第一方面所述的方法。
第四方面,实施例提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行前述第一方面所述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种中心点定位方法的流程图。
图2为本申请实施例提供的一个实例中的电芯产品示意图。
图3为本申请实施例提供的一个实例中的目标产品图像的示意图。
图4为本申请实施例提供的一个实例中关于电芯的一个子图像的示意图。
图5为本申请实施例提供的一个实例中关于电芯的另一种子图像的示意图。
图6为本申请实施例提供的一个实例中的角点位置的示意图。
图7为本申请实施例提供的一个实例中的第二中心点的示意图。
图8为本申请实施例提供的一种中心点定位装置的功能模块框图。
图9为本申请实施例提供的一种电子设备的结构框图。
具体实施方式
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描述。
请参阅图1,图1为本申请实施例提供的一种中心点定位方法的流程图。该中心点定位方法可以应用于电子设备,电子设备可以是计算机、工控机等具备运算处理能力的设备。该中心点定位方法可以用于确定产品的中心点位置,在确定出产品中心点位置的情况下,便于对产品进行有效抓取,可以准确的将产品抓取至合适的位置,有利于对产品进行后续换型,也有利于基于确定出的中心点对产品加工过程中的工件进行对位校准。其中,换型是指更换产品的型号。
如图1所示,该中心点定位方法包括步骤S11-S15。
步骤S11:获取目标产品图像。
其中,目标产品图像中包括背景区域和产品区域。目标产品图像可以是通过图像采集设备(例如摄像头)对真实产品进行拍摄后得到的图像。在拍摄过程中,产品的背景为背光源,通过背光源的打光方式可以提升产品与背景之间的灰度差,从而使得目标产品图像中的背景区域和产品区域之间有较大的灰度差,灰度差越高越容易提取产品特征。
电子设备可以接收图像采集设备发送的目标产品图像,也可以接收其他设备传输或导入的目标产品图像。
作为一种实现方式,产品区域对应的目标产品的形状可以是长方形、正方形、圆角矩形等大致具备矩形的形状。
在一个实例中,目标产品是图2所示的电芯,电芯是指含有正、负极的电化学电芯,一般不直接使用,电芯是充电电池中的蓄电部分,充电电池一般包括保护电路板、电芯、外壳。在确定出电芯的中心点后,有利于基于确定出的中心点将电芯抓取并移动至指定位置(例如铝膜,铝膜上可能设置了一些用于定位的标记),以便于对电芯进行后续加工。其他实例中,目标产品可以是大致为柱体状的产品。
在得到包含目标产品的目标产品图像之后,可执行S12。
步骤S12:根据目标产品图像的灰度数据,确定目标产品的第一中心点。
其中,可以根据目标产品图像中所有区域的灰度数据确定出包含目标产品的产品区域,以该产品区域的中心点作为目标产品的第一中心点,该第一中心点可作为临时中心点。通过该第一中心点可以快速对目标产品图像进行区域分割。
在确定出第一中心点后,可执行S13。
步骤S13:根据第一中心点的位置,对目标产品图像进行分割,得到多个子图像,多个子图像中的每个子图像包含目标产品的角点位置区域。
其中,可以根据实际产品所需的角点数量确定子图像数量,每个子图像中都有目标产品的角点。例如,对于图2所示的电芯,可以将包含该电芯的目标产品图像分割为四个子图像,以使得每个子图像中都有该电芯的至少一个角点位置区域。
在得到多个子图像后,可以执行S14。
步骤S14:根据每个子图像包含的角点位置区域确定每个子图像中的目标产品的角点位置。
其中,由于每个子图像中都有角点位置区域,每个角点位置区域中都有一个角点。作为一种实现方式,可以基于角点位置区域先确定出一个初步的角点位置,在基于初步的角点位置进一步确定出更精确的角点位置,以层层递进的方式逐步确定出精确度较高的角点位置。
其中,在对根据目标产品图像分割得到的每个子图像都进行S14的处理之后,可以得到多个子图像的所有角点位置,然后执行S15。
步骤S15:根据多个子图像中的角点位置,确定目标产品的第二中心点位置。
通过上述方法,可以根据获取到的包含目标产品的目标产品图像,先确定出一个临时的第一中心点位置,然后基于第一中心点将目标产品图像分割为多个子图像,接着根据多个子图像中的每个子图像分别确定出每个子图像中的角点位置,最后根据多个子图像的角点位置确定出精确度较高的第二中心点位置。由于整个处理过程是基于图像进行处理的,在整个流程中可以无需关注真实产品的尺寸,不论真实产品的大小如何,都可以根据实际获取到的目标产品图像确定出当前的目标产品所适用的第二中心点位置,解决了产品尺寸兼容性问题,有利于对当前的目标产品图像对应的真实产品进行有效抓取。此外,在上述方法中,是以层层递进的方式逐步确定出精确度较高的第二中心点位置,相较于人为反复调试的处理方式,上述中心点定位方法的自动化程度高,处理效率高。
需要说明的是,基于获取到的目标产品图像所确定出的任意位置都可以表示为参考坐标系中的坐标,用于抓取真实产品的执行机构可基于参考坐标系中的坐标进行抓取操作。本申请不对绝对位置作限制,参考坐标系的原点和坐标轴可以根据实际需要设置。
可选地,上述S12可包括子步骤S121-S122。
S121:根据设定的灰度阈值区间以及所述目标产品图像的灰度数据,提取所述目标产品的轮廓。
S122:根据目标产品的轮廓确定目标产品的第一中心点。
作为一种实现方式,可以采用blob分析法提取目标产品的轮廓。Blob分析是一种对闭合形状进行分析处理的图像处理方法。Blob分析过程中,可以根据设定的灰度阈值区间提取目标产品图像的产品像素,从而提取得到目标产品的轮廓特征,提取出目标产品的轮廓。
在一个实例中,可以将图像的像素灰度划分为256个灰度区间(灰度区域可以有更多或更少),分别以0-255的灰度值表示。通过设定的灰度阈值区间可以筛选出目标产品图像中符合灰度条件的部分像素。例如,可通过统计目标产品图像的所有像素的灰度值,将所有像素中灰度值落入设定的灰度阈值区间的像素判定为符合灰度条件的像素。以此可以基于背景区域与产品区域之间的灰度差,对目标产品图像中的背景区域和产品区域进行区分,提取出目标产品的轮廓特征。
其中,可以在对目标产品图像进行灰度化处理和二值化处理后,将大于临界灰度值(临界灰度值可根据实际需要设定)的像素灰度设为极大值,将小于临界灰度值的像素灰度设为极小值,以使灰度化处理后得到的灰度图像转换为二值图像。以此可以将目标产品图像中的每个像素指定为目标像素或背景像素(例如,将目标像素赋值为1,背景像素赋值为0)。当图像被分割为目标像素和背景像素后,可以提取目标产品的轮廓。
在提取出目标产品的轮廓后,可以基于参考坐标系的坐标轴延伸方向,确定出轮廓在坐标轴延伸方向上的坐标极大值、坐标极小值,根据坐标极大值、坐标极小值之间的中间值确定目标产品的第一中心点位置。
以图2所示的电芯以及图3所示的目标产品图像为例,通过上述实现方式可以先确定出背景区域A和电芯的产品区域B。通过blob分析后可以确定出电芯的轮廓。当确定出电芯轮廓后,可以根据电芯在最左方、最右方、最上方、最下方的坐标位置确定出一个中心点M,作为目标产品的第一中心点位置。
通过上述实现方式,先基于目标产品图像的灰度数据进行图像分割,区分出背景区域和产品区域,然后根据背景区域和产品区域的灰度差进行特征提取,提取出目标产品的轮廓特征,最后基于目标产品的轮廓确定出产品轮廓的中心点。图像处理方式简单,易于实现,能够快速确定出作为临时中心点的第一中心点,基于确定出的第一中心点有利于将目标产品图像分割为多个子图像。
可选地,在具体实施时,本领域技术人员可以对设定的灰度阈值区域或临界灰度值进行更改,以使得提取出的轮廓中能够包含完整的目标产品。在一些实施例中可以省略此实施方式,原因是在有些情况下只要能够得到构成目标产品的重要特征区域,即使没有完整的产品图像也可以确定出中心点。其中,目标产品的重要特征区域是指目标产品的主体部分,主体部分包括用于确定第二中心点位置的所有角点。仍以图2所示的电芯为例,即使获取到的目标产品图像中缺乏图2中最上方的两个小矩形区域也可以确定出有效的中心点。
可选地,上述S13可包括:根据第一中心点在参考坐标系中的坐标,对目标产品图像进行分割,得到多个子图像。
以图3为例,图3中带箭头的X方向和Y方向为参考坐标系的坐标轴方向。若第一中心点M的坐标为(x1,y1),可以基于x1将图像分割为两份,基于y1将图像分割为两份,两次分割后可得到四个子图像。四个子图像中的每个子图像包含目标产品的一个角点位置区域。
通过上述实现方式,可以快速将较大的目标产品图像分割为多个子图像,有利于后续进一步确定中心点时,以每个子图像作为处理对象,快速确定出每个子图像的角点。本申请实施例提供的各个实施方式可以降低人为参与量,节约人工校对、调试所需的时间。
可选地,在执行上述S14之前,中心点定位方法还可以包括子步骤:通过预设的模板对每个子图像进行匹配,确定出每个子图像中的角点位置区域。
作为一种实现方式,可以预先为每种形状的产品设置用于匹配的模板。当得到关于电芯的目标产品图像时,可以从模板库中调用与电芯相关的模板作为此次匹配所用的模板。对于形状大致为长方形的电芯产品,四个子图像的四个模板可以分别是“┌”、“┐”、“┘”、“└”等形状。其中,每个子图像可以对应一个模板,一个模板可以匹配一个角点。在一些实施例中,可以通过对模板进行旋转的方式减少对于模板数量的需求,仅需两种形状(镜像对称)的模板即可匹配出四个角点位置区域。
以图4为例,对于左上角的第一子图像C,通过形状为“┌”的模板与第一子图像C进行模板匹配,识别出了产品的一个近似直角的区域,得到该第一子图像C中的角点位置区域D,此时可以得到一个初步的角点位置。
其中,当采用只适合恒定方向特征匹配的模板匹配算法进行匹配时,一个模板只能用于匹配一种子图像(即,形状为“┌”的模板只用于匹配第一子图像);当采用允许存在角度差异(即允许旋转)的模板匹配算法时,一个模板可以用于匹配更多的子图像。
通过上述实现方式,可以针对分割得到的每个子图像,分别匹配确定出每个子图像中的角点位置区域,以此可以快速得到目标产品的所有角点的大概位置。
可选地,为了避免同一个子图像中出现多个角点位置区域的情况,可以对模板的形状进行设置,以使得同一个子图像中仅得到一个角点位置区域。以图4形态的电芯为例,为了避免出现图5所示的情况,对于形状为“┌”的模板,可以事先将模板两边的长度设置为大于预设值,预设值根据目标产品的次要部件尺寸(例如图5中的“d”)确定,通过对模板的尺寸进行设置可以过滤掉不符合要求的位置,例如图5中的“D’”可以被过滤,从而将“D”对应的区域作为该子图像C’对应的角点位置区域。
其中,在匹配确定出角度位置区域的过程中就可以得到基于模板匹配出初步的角点位置。但实际上,真实产品图像的产品边缘可能不是完全符合直角形状的,例如,真实产品的产品边缘角度可能是八十几度或九十几度(模板匹配时用的模板角度为九十度)。因此,为了确定出更符合实际产品的角点位置,中心点定位方法中的上述S14可以通过下列子步骤S141-S142实现。
S141:针对每个子图像包含的角点位置区域,获取角点位置区域对应的感兴趣区域,根据感兴趣区域查找标志点。
其中,感兴趣区域(Region of interest,ROI)是指机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域,并进行后续图像处理。通过在感兴趣区域内抓取N个点位(N可以根据实际需求设定,可以是3、4或者10等),抓取到N个点位后可以通过最小二乘法将N个点位拟合为线段。
作为一种实现方式,在S141中,每个子图像的角点位置区域对应的两条边,可以分别获取多个感兴趣区域,每个感兴趣区域内可以抓取一个标志点,抓取的点可以是感兴趣区域内对比度差异最大的点。以此可以从两个方向分别搜索出多个存在对比度差异的标志点。
S142:根据在子图像中查找到的多个标志点,计算子图像中的目标产品的角点位置。
其中,基于多个标志点的分布情况,可以计算出子图像中的目标产品的角点位置。
在上述实现方式中,即使真实产品图像的产品边缘不是完全符合直角形状的,通过上述S141-S142也可以确定出更符合当前产品的角点位置,能够对模板匹配出的初步角点位置进行更新。
可选地,上述S142可以包括子步骤S1421-S142。
S1421:对在子图像中查找到的多个标志点进行拟合计算,得到目标产品的两条边。
S1422:将目标产品的两条边对应的交点位置作为目标产品的角点位置。
其中,可以通过最小二乘法对搜索到的存在对比度差异的标志点进行拟合,以此可以拟合得到目标产品的两条边,此时拟合得到的两条边更为接近真实产品的实际情况。通过对两条边进行交叉运算,可以求得目标产品的两条边对应的交点,以目标产品的两条边对应的交点位置作为目标产品的角点位置,以此求得精确的角点位置。
在一个实例中,对于图6所示的角点位置区域D,从两个方向分别获取了多个感兴趣区域,每个感兴趣区域内抓取了一个标志点,抓取的点是每个感兴趣区域内对比度差异最大的点。若一个感兴趣区域内存在多个对比度最大的点,可以从多个点中选取位置居中的点作为标志点。如图6所示,从第一方向上获取的感兴趣区域包括g1、g2、g3、g4、gn,第二方向上获取的感兴趣区域包括h1、h2、h3、h4、h5、hn。对于第一方向、第二方向上获取的每一个感兴趣区域,在每个感兴趣区域内抓取了1个标志点。基于第一方向上所有感兴趣区域的多个标志点,可以拟合确定出产品的一条边。基于第二方向上所有感兴趣区域的多个标志点,也可以拟合确定出产品的一条边。对拟合得到的产品的两条边进行交叉运算,可以确定出两条边对应的交点位置G,交点位置G对应的交点坐标作为目标产品的角点坐标。
通过上述实现方式,可以拟合确定出更精确的角点位置,有利于确定出更符合真实产品的中心点位置。
可选地,在抓取标志点后,可以对各个标志点进行检测,对于角度偏离过远的部分标志点可以舍弃(例如图6中gn-1对应的标志点可以舍弃)。但对于一些产品形状原本就是圆角矩形的产品,可以允许部分标志点之间存在一定的角度偏差,仅需更改用于过滤标志点的条件(例如更改用于过滤标志点的角度阈值、距离阈值等参数)即可。
在其他实施例中,每个感兴趣区域内也可以抓取多个标志点,例如每个感兴趣区域可以抓取对比度差异大的三个点作为该感兴趣区域的标志点。
可选地,在确定出各个子图像中的角点位置后,上述S15可以包括子步骤S151-S152。
S151:根据多个子图像中的角点位置,确定目标产品的两条对角线。
S152:将两条对角线的交点位置作为目标产品的第二中心点位置。
其中,四个角点位置可以确定出两条对角线、一个交点。
在一个实例中,在得到关于一个电芯产品的四个子图像对应的四个角点位置后,可以确定出如图7所示的第二中心点位置P。
通过上述实现方式,可以确定出当前的目标产品图像所对应的真实目标产品的中心点位置,有利于执行设备对目标产品进行有效抓取。以电芯这一工艺要求较高的产品为例,当确定电芯的中心点位置后,可以基于确定出的中心点将电芯抓取至指定位置,指定位置可以放置用于对电芯进行包裹的膜,从而有利于对电芯的后续加工。
需要说明的是,在上述方法中,不论当前需要抓取的产品规格尺寸如何变化,只要产品处于产品拍摄视野范围内,能够获取到目标产品图像,就可以基于上述的中心点定位方法快速、准确地找到与当前产品对应的第二中心点位置,从而利于执行设备对产品进行有效抓取。
基于同一发明构思,请参阅图8,本申请实施例还提供一种中心点定位装置200。该中心点定位装置200可以存储在存储介质中,例如可以存储在执行前述中心点定位方法的电子设备的存储器中。
如图8所示,该中心点定位装置200包括:获取模块201、计算模块202、分割模块203。
获取模块201,用于获取目标产品图像。
计算模块202,用于根据目标产品图像的灰度数据,确定目标产品的第一中心点。
分割模块203,用于根据第一中心点的位置,对目标产品图像进行分割,得到多个子图像,多个子图像中的每个子图像包含目标产品的角点位置区域。
该计算模块202,还用于根据每个子图像包含的角点位置区域确定每个子图像中的目标产品的角点位置。
该计算模块202,还用于根据多个子图像中的角点位置,确定目标产品的第二中心点位置。
通过上述中心点定位装置200可以执行前述的中心点定位方法,能够快速确定出较为精确的中心点位置,有利于对产品进行有效抓取。
可选地,该计算模块202还可以用于:根据设定的灰度阈值区间以及所述目标产品图像的灰度数据,提取所述目标产品的轮廓;根据所述目标产品的轮廓确定所述目标产品的第一中心点。
可选地,该分割模块203还可用于:根据所述第一中心点在参考坐标系中的坐标,对所述目标产品图像进行分割,得到多个子图像。
可选地,该装置还可以包括匹配模块,匹配模块用于通过预设的模板对每个子图像进行匹配,以确定每个所述子图像中的角点位置区域。
可选地,该计算模块202还可用于:针对每个子图像包含的所述角点位置区域,获取所述角点位置区域对应的感兴趣区域,根据所述感兴趣区域查找标志点;根据在所述子图像中查找到的多个所述标志点,确定所述子图像中的所述目标产品的角点位置。
可选地,该计算模块202还可用于:对在所述子图像中查找到的多个所述标志点进行拟合计算,得到所述目标产品的两条边;将所述目标产品的两条边对应的交点位置作为所述目标产品的角点位置。
可选地,该计算模块202还可用于:根据所述多个子图像中所述的角点位置,确定所述目标产品的两条对角线;将所述两条对角线的交点位置作为所述目标产品的第二中心点位置。
关于中心点定位装置200的其他细节,请参考前述中心点定位方法中的相关描述,在此不再赘述。
基于同一发明构思,请参阅图9,本申请实施例还提供一种电子设备300,该电子设备300用于执行前述的中心点定位方法。
如图9所示,该电子设备300可包括:存储器310、处理器320、通信组件330、显示组件340。存储器310、处理器320、通信组件330、显示组件340之间直接或间接连接。电子设备300可以是计算机、工控机等具有处理能力的设备。
存储器310是一种存储介质,可以是随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)等。处理器320具有运算处理能力,可以是中央处理器(Central Processing Unit,简称CPU)、数字信号处理器、专用集成电路、现场可编程门阵列等。其中,存储器310存储有处理器320可执行的计算机程序,计算机程序被处理器320执行时执行前述的中心点定位方法。
电子设备300可以通过通信组件330实现与其他设备的有线或无线连接,其他设备可以是图像采集设备,电子设备300可通过通信组件330获取图像采集设备发送的目标产品图像;其他设备也可以是用于抓取产品的执行设备,电子设备300可以通过通信组件330与执行设备连接,以向执行设备发送当前产品的中心点位置数据。
显示组件340可以是液晶显示屏或触控显示屏,可用于提供操作界面,也可以用于显示中心点定位方法中的中间结果,例如可用于显示目标产品图像、第二中心点的位置等。
可以理解,图9所示的电子设备300仅作为示意,具体实施时,电子设备300可以有更多或更少的组件。
基于同一发明构思,本申请实施例还提供一种存储介质,该存储介质上存储有计算机程序,计算机程序被处理器320运行时执行前述的中心点定位方法。该存储介质可以是计算机能够存取的任何可用介质,例如软盘、磁带、硬盘、DVD、固态硬盘(SSD)等。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,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,又例如,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,所讨论的相互之间连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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地方。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。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种中心点定位方法,其特征在于,所述方法包括:
获取目标产品图像;
根据所述目标产品图像的灰度数据,确定所述目标产品的第一中心点;
根据所述第一中心点的位置,对所述目标产品图像进行分割,得到多个子图像,所述多个子图像中的每个子图像包含目标产品的角点位置区域;
根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置;
根据所述多个子图像中的所述角点位置,确定所述目标产品的第二中心点位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标产品图像的灰度数据,确定所述目标产品的第一中心点,包括:
根据设定的灰度阈值区间以及所述目标产品图像的灰度数据,提取所述目标产品的轮廓;
根据所述目标产品的轮廓确定所述目标产品的第一中心点。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一中心点的位置,对所述目标产品图像进行分割,得到多个子图像,包括:
根据所述第一中心点在参考坐标系中的坐标,对所述目标产品图像进行分割,得到多个子图像。
4.根据权利要求1所述的方法,其特征在于,在所述根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置之前,所述方法还包括:
通过预设的模板对每个子图像进行匹配,以确定每个所述子图像中的角点位置区域。
5.根据权利要求1所述的方法,其特征在于,所述根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置,包括:
针对每个子图像包含的所述角点位置区域,获取所述角点位置区域对应的感兴趣区域,根据所述感兴趣区域查找标志点;
根据在所述子图像中查找到的多个所述标志点,确定所述子图像中的所述目标产品的角点位置。
6.根据权利要求5所述的方法,其特征在于,所述根据在所述子图像中查找到的多个所述标志点,确定所述子图像中的所述目标产品的角点位置,包括:
对在所述子图像中查找到的多个所述标志点进行拟合计算,得到所述目标产品的两条边;
将所述目标产品的两条边对应的交点位置作为所述目标产品的角点位置。
7.根据权利要求1所述的方法,其特征在于,所述根据所述多个子图像中的所述角点位置,确定所述目标产品的第二中心点位置,包括:
根据所述多个子图像中所述的角点位置,确定所述目标产品的两条对角线;
将所述两条对角线的交点位置作为所述目标产品的第二中心点位置。
8.一种中心点定位装置,其特征在于,所述装置包括:
获取模块,用于获取目标产品图像;
计算模块,用于根据所述目标产品图像的灰度数据,确定所述目标产品的第一中心点;
分割模块,用于根据所述第一中心点的位置,对所述目标产品图像进行分割,得到多个子图像,所述多个子图像中的每个子图像包含目标产品的角点位置区域;
所述计算模块,还用于根据每个子图像包含的所述角点位置区域确定每个子图像中的所述目标产品的角点位置;
所述计算模块,还用于根据所述多个子图像中的所述角点位置,确定所述目标产品的第二中心点位置。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器;
处理器;
所述存储器存储有所述处理器可执行的计算机程序,所述计算机程序被所述处理器执行时执行权利要求1-7任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911125424.XA CN110866949A (zh) | 2019-11-15 | 2019-11-15 | 中心点定位方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911125424.XA CN110866949A (zh) | 2019-11-15 | 2019-11-15 | 中心点定位方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110866949A true CN110866949A (zh) | 2020-03-06 |
Family
ID=69654889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911125424.XA Pending CN110866949A (zh) | 2019-11-15 | 2019-11-15 | 中心点定位方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866949A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724444A (zh) * | 2020-06-16 | 2020-09-29 | 中国联合网络通信集团有限公司 | 目标物的抓取点的确定方法、装置及抓取系统 |
CN111754576A (zh) * | 2020-06-30 | 2020-10-09 | 广东博智林机器人有限公司 | 一种架体量测系统、图像定位方法、电子设备及存储介质 |
CN113989232A (zh) * | 2021-10-28 | 2022-01-28 | 广东利元亨智能装备股份有限公司 | 电芯缺陷检测方法、装置、电子设备和存储介质 |
CN114579808A (zh) * | 2022-01-17 | 2022-06-03 | 深圳市慧视通科技股份有限公司 | 目标所处位置的索引方法、装置和电子设备 |
CN114648542A (zh) * | 2022-03-11 | 2022-06-21 | 联宝(合肥)电子科技有限公司 | 一种目标物提取方法、装置、设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0533782A1 (en) * | 1990-06-12 | 1993-03-31 | University Of Florida | Automated method for digital image quantitation |
CN101839690A (zh) * | 2010-04-13 | 2010-09-22 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
CN102999939A (zh) * | 2012-09-21 | 2013-03-27 | 魏益群 | 坐标获取装置、实时三维重建系统和方法、立体交互设备 |
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN105069799A (zh) * | 2015-08-13 | 2015-11-18 | 深圳市华汉伟业科技有限公司 | 一种角点定位方法及装置 |
CN106600653A (zh) * | 2016-12-30 | 2017-04-26 | 亿嘉和科技股份有限公司 | 一种变倍相机光心标定方法 |
CN108182383A (zh) * | 2017-12-07 | 2018-06-19 | 浙江大华技术股份有限公司 | 一种车窗检测的方法及设备 |
CN108876842A (zh) * | 2018-04-20 | 2018-11-23 | 苏州大学 | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 |
CN109002823A (zh) * | 2018-08-09 | 2018-12-14 | 歌尔科技有限公司 | 一种感应区区域确定方法、装置、设备及可读存储介质 |
-
2019
- 2019-11-15 CN CN201911125424.XA patent/CN110866949A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0533782A1 (en) * | 1990-06-12 | 1993-03-31 | University Of Florida | Automated method for digital image quantitation |
CN101839690A (zh) * | 2010-04-13 | 2010-09-22 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
CN102999939A (zh) * | 2012-09-21 | 2013-03-27 | 魏益群 | 坐标获取装置、实时三维重建系统和方法、立体交互设备 |
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN105069799A (zh) * | 2015-08-13 | 2015-11-18 | 深圳市华汉伟业科技有限公司 | 一种角点定位方法及装置 |
CN106600653A (zh) * | 2016-12-30 | 2017-04-26 | 亿嘉和科技股份有限公司 | 一种变倍相机光心标定方法 |
CN108182383A (zh) * | 2017-12-07 | 2018-06-19 | 浙江大华技术股份有限公司 | 一种车窗检测的方法及设备 |
CN108876842A (zh) * | 2018-04-20 | 2018-11-23 | 苏州大学 | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 |
CN109002823A (zh) * | 2018-08-09 | 2018-12-14 | 歌尔科技有限公司 | 一种感应区区域确定方法、装置、设备及可读存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724444A (zh) * | 2020-06-16 | 2020-09-29 | 中国联合网络通信集团有限公司 | 目标物的抓取点的确定方法、装置及抓取系统 |
CN111724444B (zh) * | 2020-06-16 | 2023-08-22 | 中国联合网络通信集团有限公司 | 目标物的抓取点的确定方法、装置及抓取系统 |
CN111754576A (zh) * | 2020-06-30 | 2020-10-09 | 广东博智林机器人有限公司 | 一种架体量测系统、图像定位方法、电子设备及存储介质 |
CN111754576B (zh) * | 2020-06-30 | 2023-08-08 | 广东博智林机器人有限公司 | 一种架体量测系统、图像定位方法、电子设备及存储介质 |
CN113989232A (zh) * | 2021-10-28 | 2022-01-28 | 广东利元亨智能装备股份有限公司 | 电芯缺陷检测方法、装置、电子设备和存储介质 |
CN113989232B (zh) * | 2021-10-28 | 2022-12-16 | 广东利元亨智能装备股份有限公司 | 电芯缺陷检测方法、装置、电子设备和存储介质 |
CN114579808A (zh) * | 2022-01-17 | 2022-06-03 | 深圳市慧视通科技股份有限公司 | 目标所处位置的索引方法、装置和电子设备 |
CN114648542A (zh) * | 2022-03-11 | 2022-06-21 | 联宝(合肥)电子科技有限公司 | 一种目标物提取方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866949A (zh) | 中心点定位方法、装置、电子设备和存储介质 | |
CN110807355B (zh) | 一种基于移动机器人的指针仪表检测与读数识别方法 | |
WO2023060926A1 (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 | |
CN108335331B (zh) | 一种钢卷双目视觉定位方法及设备 | |
WO2019114339A1 (zh) | 机械臂运动的校正方法和装置 | |
CN111243032A (zh) | 一种棋盘格角点全自动检测方法 | |
TW201629909A (zh) | 三維物件識別技術 | |
CN109455619B (zh) | 集装箱姿态的定位方法、装置及吊具控制器 | |
CN108694716B (zh) | 一种工件检测方法、模型训练方法及设备 | |
WO2022016947A1 (zh) | 一种绑扎点识别方法、装置、终端和介质 | |
CN111307039A (zh) | 一种物体长度识别方法、装置、终端设备和存储介质 | |
CN111488683B (zh) | 一种基于图像处理技术的破片飞散参数确定方法 | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
CN105243663A (zh) | 一种pcb扫描图像的自动匹配方法及系统 | |
WO2019001164A1 (zh) | 滤光片同心度测量方法及终端设备 | |
CN112017231A (zh) | 基于单目摄像头的人体体重识别方法、装置及存储介质 | |
CN116630444B (zh) | 一种相机与激光雷达融合校准的优化方法 | |
CN113172636A (zh) | 一种自动手眼标定方法、装置及存储介质 | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
CN110728712A (zh) | 基于机器视觉的炉口定位方法、装置、存储介质及电子终端 | |
CN107944453A (zh) | 基于Hu不变矩和支持向量机SVM的高压套管检测方法 | |
CN106413280B (zh) | 贴片机喂料器元件位置自动矫正装置及自动矫正方法 | |
CN105354582B (zh) | 图像角点提取方法和装置以及图像角点提取摄像装置 | |
WO2024259938A1 (zh) | 一种可行驶区域分割方法、装置、可读存储介质及机器人 | |
CN111412871A (zh) | 手机中板螺母形状与位置高效一体化检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |