CN110844785B - 用于生成塔机吊臂信息的方法、装置、设备和介质 - Google Patents
用于生成塔机吊臂信息的方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN110844785B CN110844785B CN201911190190.7A CN201911190190A CN110844785B CN 110844785 B CN110844785 B CN 110844785B CN 201911190190 A CN201911190190 A CN 201911190190A CN 110844785 B CN110844785 B CN 110844785B
- Authority
- CN
- China
- Prior art keywords
- tower crane
- image
- information
- detection model
- target
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C13/00—Other constructional features or details
- B66C13/16—Applications of indicating, registering, or weighing devices
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了用于生成塔机吊臂信息的方法、装置、设备和介质。该方法的一具体实施方式包括:将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息,上述标注信息用于表征塔机图像中的塔机预设部分显示范围的范围信息;根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像;将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。该实施方式实现了塔机吊臂的信息的智能化生成,提高了工业生产的安全性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于生成塔机吊臂信息的方法、装置、设备和介质。
背景技术
随着经济的发展,在城镇化、工业化建设以及建筑业迅猛增长的新时代,塔式起重机(简称塔机)作为不可或缺的大型起重设备和搬运机械。而随着塔机生产规模的大幅提升及高密度使用,超负荷、交叉作业时的塔群碰撞、视野盲区下盲操作等人为违规操作和误操作时有发生。因此,人们想要更加快速,有效的获知塔机的信息,以方便工业生产。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用于生成塔机吊臂信息的方法、装置、设备和介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种用于生成塔机吊臂信息的方法,该方法包括:将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息,上述标注信息用于表征塔机图像中的塔机预设部分显示范围的范围信息;根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像;将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。
在一些实施例中,上述方法还包括:根据上述目标塔机图像和上述第一范围信息,得到预定形状图像;将上述预定形状图像输入到预先训练的塔机吊臂关键点检测模型,得到上述预定形状图像中的关键点信息;基于上述第一范围信息和关键点信息,生成塔机吊臂信息。
在一些实施例中,上述根据上述目标塔机图像和上述第一范围信息,得到预定形状图像,包括:将上述第一范围向上述第一塔机图像中显示的吊臂所在方向延伸至上述目标塔机图像的边界,生成第一区域;将上述第一区域进行像素填充处理,得到预定形状图像。
在一些实施例中,上述关键点信息包括第一关键点信息和第二关键点信息;以及基于上述第一范围信息和关键点信息,生成塔机吊臂信息,包括:根据上述第一范围信息,第一关键信息,第二关键信息,确定塔机吊臂信息。
在一些实施例中,上述塔机粗定位检测模型是通过以下步骤训练得到:获取训练样本集合,训练样本包括样本塔机图像和与样本塔机图像对应的标注信息;将上述训练样本集合中的训练样本的样本塔机图像作为输入,将与输入的样本塔机图像对应的标注信息作为期望输出,训练得到上述塔机粗定位检测模型。
在一些实施例中,上述塔机吊臂部分检测模型是通过以下步骤训练得到:获取训练样本集合,训练样本包括样本第一塔机图像和与样本第一塔机图像对应的第一标注信息;将上述训练样本集合中的训练样本的样本第一塔机图像作为输入,将与输入的样本第一塔机图像对应的第一标注信息作为期望输出,训练得到上述塔机吊臂部分检测模型。
在一些实施例中,上述塔机吊臂关键点检测模型是通过以下步骤训练得到:获取训练样本集合,训练样本包括样本预定形状图像和样本预定形状图像中的关键点信息;将上述训练样本集合中的训练样本的样本预定形状图像作为输入,将与输入的样本预定形状图像对应的样本预定形状图像中的关键点信息作为期望输出,训练得到上述塔机吊臂关键点检测模型。
在一些实施例中,上述方法还包括:将上述塔机吊臂信息发送到控制终端,其中,控制终端:根据上述塔机吊臂信息,控制塔机进行目标操作。
第二方面,本公开的一些实施例提供了一种用于生成塔机吊臂信息的装置,装置包括:第一确定单元,被配置成将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息,上述标注信息用于表征塔机图像中的塔机预设部分显示范围的范围信息;截取单元,被配置成根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像;第二确定单元,被配置成将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,上述程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过将目标塔机图像输入到预先训练的塔机粗定位检测模型,可以得到上述目标塔机图像对应的标注信息,上述标注信息可以用于表征塔机图像中的塔机预设部分显示范围的范围信息,从而,可以得到塔机中的主要部分的信息。根据上述范围信息,对上述目标塔机图像进行截取,可以得到第一塔机图像。将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。进而,可以得到塔机吊臂的部分范围信息。从而,本公开可以基于塔机图像,预先训练的塔机粗定位检测模型和预先训练的塔机吊臂部分检测模型,可以智能生成塔机吊臂的信息,可以更加快速,有效的获知塔机信息,解决人们安全、有效的起吊重物的难题。因为塔机图像与塔机吊臂信息相匹配,所以每个塔机图像生成的塔机吊臂信息会具有准确性,从而,提高了工业生产的安全性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开的一些实施例可以应用于其中的示例性***的架构图;
图2是根据本公开的用于生成塔机吊臂信息的方法的一些实施例的流程图;
图3是根据本公开的用于生成塔机吊臂信息的方法的另一些实施例的流程图;
图4是根据本公开的用于生成塔机吊臂信息的装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的一些实施例的用于生成塔机吊臂信息的方法或用于生成塔机吊臂信息的装置的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如图像浏览器应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息显示的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的塔机图像提供支持的后台服务器。后台服务器可以对接收到的塔机图像进行分析等处理,并将处理结果(例如塔机吊臂信息)反馈给终端设备。
需要说明的是,本公开的实施例所提供的用于生成塔机吊臂信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于生成塔机吊臂信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。在此不做具体限定。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于生成塔机吊臂信息方法的一些实施例的流程200。该用于生成塔机吊臂信息的方法,包括以下步骤:
步骤201,将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息。
在一些实施例中,用于生成塔机吊臂信息的方法的执行主体(例如图1所示的服务器)可以将本地的塔机图像中选择目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息。上述执行主体还可以通过SSD算法(Single ShotMultiBoxDetector,目标检测算法)对上述目标塔机图像进行检测得到上述目标塔机图像对应的标注信息。其中,上述标注信息可以用于表征塔机图像中的塔机预设部分显示范围的范围信息。上述预设部分可以是塔机的主要部分。例如,塔机的塔身,塔机的顶升,塔机的平衡臂,塔机的司机室等。上述塔机粗定位检测模型可以用于表征塔机图像与塔机图像对应的标注信息之间的对应关系。其中,上述目标塔机图像可以从本地获得,还可以从网络上获取。上述目标塔机图像可以是具有塔机吊臂的塔机图像。
作为示例,电子设备可以基于对大量记录有塔机图像和塔机图像对应的标注信息进行统计而生成存储有多个记录有塔机图像和塔机图像对应的标注信息之间的对应关系的对应关系表,并将该对应关系表作为塔机粗定位检测模型。这样,电子设备可以将目标塔机图像与该对应关系表中的多个塔机图像依次进行比较,若该对应关系表中的一个塔机图像与目标塔机图像相同或相似,则将该对应关系表中的该塔机图像对应的标注信息作为目标塔机图像对应的标注信息。
在一些实施例的一些可选的实现方式中,上述塔机粗定位检测模型可以通过以下步骤训练得到:电子设备可以首先获取多个样本塔机图像和与样本塔机图像对应的标注信息;然后,将上述多个样本塔机图像中的每个样本塔机图像作为输入,将与输入的多个样本塔机图像中每个塔机图像对应的标注信息作为期望输出,训练得到上述塔机粗定位检测模型。
电子设备训练的可以是初始化塔机粗定位检测模型。初始化塔机粗定位检测模型可以是未经训练的深度学习目标检测模型或未训练完成的深度学习目标检测模型,初始化塔机粗定位检测模型的各层可以设置有初始参数,参数在深度学习目标检测模型的训练过程中可以被不断地调整。初始化塔机粗定位检测模型可以是未经训练或未训练完成的深度学习目标检测模型。这样,电子设备可以将目标塔机图像从塔机粗定位检测模型的输入侧输入,依次经过塔机粗定位检测模型中的各层的参数的处理,并从塔机粗定位检测模型的输出侧输出,输出侧输出的信息即为目标塔机图像对应的标注信息。
步骤202,根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像。
在一些实施例中,基于步骤201中得到的范围信息,上述执行主体(例如图1所示的服务器)可以首先对上述目标塔机图像进行截取,得到第一塔机图像。其中,上述第一图像可以包括塔机的主要部分图像。
步骤203,将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息。
在一些实施例中,上述执行主体可以将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息。上述执行主体还可以通过Mask TextSpotter算法对上述第一塔机图像进行检测得到上述第一塔机图像对应的第一标注信息。其中,上述第一标注信息可以用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。该第一范围信息可以是指部分塔机吊臂范围信息。上述塔机吊臂部分检测模型可以用于表征第一塔机图像与第一塔机图像对应的第一标注信息之间的对应关系。作为示例,电子设备可以基于对大量记录有第一塔机图像和第一塔机图像对应的第一标注信息进行统计而生成存储有多个记录第一塔机图像和第一塔机图像对应的第一标注信息的对应关系的对应关系表,并将该对应关系表作为塔机吊臂部分检测模型。这样,电子设备可以将目标第一塔机图像与该对应关系表中的多个第一塔机图像依次进行比较,若该对应关系表中的一个第一塔机图像与目标第一塔机图像相同或相似,则将该对应关系表中的该第一塔机图像对应的第一标注信息作为目标第一塔机图像对应的第一标注信息。
在一些实施例的一些可选的实现方式中,上述塔机吊臂部分检测模型可以通过以下步骤训练得到:电子设备可以首先获取多个样本第一塔机图像和与样本第一塔机图像对应的第一标注信息;然后,将上述多个样本第一塔机图像中的每个样本第一塔机图像作为输入,将与输入的多个样本塔机图像中每个第一塔机图像对应的第一标注信息作为期望输出,训练得到上述塔机吊臂部分检测模型。
电子设备训练的可以是初始化塔机吊臂部分检测模型。初始化塔机吊臂部分检测模型可以是未经训练的深度学习目标检测模型或未训练完成的深度学习目标检测模型,初始化塔机吊臂部分检测模型的各层可以设置有初始参数,参数在深度学习目标检测模型的训练过程中可以被不断地调整。初始化塔机吊臂部分检测模型可以是未经训练或未训练完成的深度学习目标检测模型。这样,电子设备可以将第一塔机图像从塔机吊臂部分检测模型的输入侧输入,依次经过塔机吊臂部分检测模型中的各层的参数的处理,并从塔机吊臂部分检测模型的输出侧输出,输出侧输出的信息即为第一塔机图像对应的第一标注信息。
本公开的一些实施例公开的用于生成塔机吊臂信息的方法,通过将目标塔机图像输入到预先训练的塔机粗定位检测模型,可以得到上述目标塔机图像对应的标注信息,上述标注信息可以用于表征塔机图像中的塔机预设部分显示范围的范围信息,从而,可以得到塔机中的主要部分的信息。根据上述范围信息,对上述目标塔机图像进行截取,可以得到第一塔机图像。将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。进而,可以得到塔机吊臂的部分范围信息。从而,本公开可以基于塔机图像,预先训练的塔机粗定位检测模型和预先训练的塔机吊臂部分检测模型,可以智能生成塔机吊臂的信息,可以更加快速,有效的获知塔机信息,解决人们安全、有效的起吊重物的难题。因为塔机图像与塔机吊臂信息相匹配,所以每个塔机图像生成的塔机吊臂信息会具有准确性,从而,提高了工业生产的安全性。
进一步参考图3,其示出了用于生成塔机吊臂信息的方法的另一些实施例的流程300。该用于生成塔机吊臂信息的方法的流程300,包括以下步骤:
步骤301,将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息。
步骤302,根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像。
步骤303,将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息。
在一些实施例中,上述步骤301-303的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203,在此不再赘述。
步骤304,根据上述目标塔机图像和上述第一范围信息,得到预定形状图像。
在一些实施例中,上述执行主体首先可以根据上述目标塔机图像,确定上述目标塔机图像的边界。之后根据上述第一范围信息和上述目标塔机图像的边界可以进行目标操作得到预定形状图像。其中,上述预定形状图像可以包括矩形图像。上述目标操作可以包括以下至少一项:延伸操作,截取操作。
在一些实施例的一些可选的实现方式中,上述执行主体可以执行以下步骤:
第一,将上述第一范围向上述第一塔机图像中显示的吊臂所在方向延伸至上述目标塔机图像的边界,生成第一区域。其中,上述第一区域可以包括第一范围。
第二,将上述第一区域进行像素填充处理,得到预定形状图像。其中,上述像素填充处理可以是将上述第一区域以像素0进行填充,得到预定形状图像。该预定形状图像可以包括矩形图形。
步骤305,将上述预定形状图像输入到预先训练的塔机吊臂关键点检测模型,得到上述预定形状图像中的关键点信息。
在一些实施例中,上述执行主体可以将上述预定形状图像输入到预先训练的塔机吊臂关键点检测模型,得到上述预定形状图像中的关键点信息。上述执行主体还可以通过MTCNN(Multi-task CascadedConvolutional Networks,多任务级联卷积神经网络)中的O-Net网络(Output Network,网络)对上述预定形状图像进行检测得到上述预定形状图像中的关键点信息。其中,上述塔机吊臂关键点检测模型可以用于表征预定形状图像与预定形状图像中的关键点信息之间的对应关系。作为示例,电子设备可以基于对大量记录有预定形状图像和预定形状图像对应的关键点信息进行统计而生成存储有多个记录预定形状图像和预定形状图像对应的关键点信息的对应关系的对应关系表,并将该对应关系表作为塔机吊臂关键点检测模型。这样,电子设备可以将目标预定形状图像与该对应关系表中的多个预定形状图像依次进行比较,若该对应关系表中的一个预定形状图像与目标预定形状图像相同或相似,则将该对应关系表中的该预定形状图像对应的关键点信息作为目标预定形状图像对应的关键点信息。
在一些实施例的一些可选的实现方式中,上述塔机吊臂关键点检测模型可以通过以下步骤训练得到:电子设备可以首先获取多个样本预定形状图像和样本预定形状图像对应的关键点信息;然后,将上述多个样本预定形状图像中的每个样本预定形状图像作为输入,将与输入的多个样本预定形状图像中每个预定形状图像对应的关键点信息作为期望输出,训练得到上述塔机吊臂关键点检测模型。
电子设备训练的可以是初始化塔机吊臂关键点检测模型。初始化塔机吊臂关键点检测模型可以是未经训练的深度学习目标检测模型或未训练完成的深度学习目标检测模型,初始化塔机吊臂关键点检测模型的各层可以设置有初始参数,参数在深度学习目标检测模型的训练过程中可以被不断地调整。初始化塔机吊臂关键点检测模型可以是未经训练或未训练完成的深度学习目标检测模型。这样,电子设备可以将预定形状图像从塔机吊臂关键点检测模型的输入侧输入,依次经过塔机吊臂关键点检测模型中的各层的参数的处理,并从塔机吊臂关键点检测模型的输出侧输出,输出侧输出的信息即为预定形状图像对应的关键点信息。
步骤306,基于上述第一范围信息和关键点信息,生成塔机吊臂信息。
在一些实施例中,上述执行主体可以基于上述范围信息和关键点信息进行目标操作生成塔机吊臂信息。其中,上述目标操作可以包括以下至少一项:延伸操作,合并操作。上述塔机吊臂信息可以是指塔机的平衡臂的信息。上述塔机吊臂信息可以包括塔机吊臂长度信息。
在一些实施例的一些可选的实现方式中,上述关键点信息可以包括第一关键点信息和第二关键点信息;以及上述执行主体可以将上述第一范围信息按照塔机图像中吊臂的方向进行延伸到上述第二关键点位置,得到第二区域从而确定塔机吊臂信息。其中,上述第一关键点可以位于上述第一范围内也同时也可以位于塔机吊臂的一端。上述第二关键点可以位于塔机吊臂的另一端。
在一些实施例的一些可选的实现方式中,上述执行主体可以将上述塔机吊臂信息发送到控制终端。其中,控制终端可以根据上述塔机吊臂信息,控制塔机进行目标操作。上述目标操作可以包括重物起吊操作。
本公开的一些实施例公开的用于生成塔机吊臂信息的方法,通过将目标塔机图像输入到预先训练的塔机粗定位检测模型,可以得到上述目标塔机图像对应的标注信息,上述标注信息可以用于表征塔机图像中的塔机预设部分显示范围的范围信息,从而,可以得到塔机中的主要部分的信息。根据上述范围信息,对上述目标塔机图像进行截取,可以得到第一塔机图像。将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。进而,可以得到塔机吊臂的部分范围信息。从而,本公开可以基于塔机图像,预先训练的塔机粗定位检测模型和预先训练的塔机吊臂部分检测模型,可以智能生成塔机吊臂的信息。将生成的塔机吊臂信息发送到控制终端,控制终端可以根据塔机吊臂信息控制塔机进行搬运重物操作。进而,可以更加安全的、有效的控制塔机进行搬运重物操作,以解决人们安全、有效的起吊重物的难题。因为塔机图像与塔机吊臂信息相匹配,所以每个塔机图像生成的塔机吊臂信息会具有准确性,从而,提高了工业生产的安全性。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种用于生成塔机吊臂信息的装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的用于生成塔机吊臂信息的装置400包括:第一确定单元401、截取单元402和第二确定单元403。其中,第一确定单元401被配置成将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息,上述标注信息用于表征塔机图像中的塔机预设部分显示范围的范围信息;截取单元402被配置成根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像;第二确定单元403被配置成将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。
在一些实施例的可选实现方式中,用于生成塔机吊臂信息的装置400还包括:第三确定单元,被配置成根据上述目标塔机图像和上述第一范围信息,得到预定形状图像;第四确定单元,被配置成将上述预定形状图像输入到预先训练的塔机吊臂关键点检测模型,得到上述预定形状图像中的关键点信息;生成单元,被配置成基于上述第一范围信息和关键点信息,生成塔机吊臂信息。
在一些实施例的可选实现方式中,用于生成塔机吊臂信息的装置400的第三确定单元被进一步配置成将上述第一范围向上述第一塔机图像中显示的吊臂所在方向延伸至上述目标塔机图像的边界,生成第一区域;将上述第一区域进行像素填充处理,得到预定形状图像。
在一些实施例的可选实现方式中,关键点信息包括第一关键点信息和第二关键点信息;以及用于生成塔机吊臂信息的装置400的生成单元被进一步配置成根据上述第一范围信息,第一关键信息,第二关键信息,确定塔机吊臂信息。
在一些实施例的可选实现方式中,塔机粗定位检测模型可以通过以下步骤训练得到:获取训练样本集合,训练样本包括样本塔机图像和与样本塔机图像对应的标注信息;将上述训练样本集合中的训练样本的样本塔机图像作为输入,将与输入的样本塔机图像对应的标注信息作为期望输出,训练得到上述塔机粗定位检测模型。
在一些实施例的可选实现方式中,塔机吊臂部分检测模型可以通过以下步骤训练得到:获取训练样本集合,训练样本包括样本第一塔机图像和与样本第一塔机图像对应的第一标注信息;将上述训练样本集合中的训练样本的样本第一塔机图像作为输入,将与输入的样本第一塔机图像对应的第一标注信息作为期望输出,训练得到上述塔机吊臂部分检测模型。
在一些实施例的可选实现方式中,塔机吊臂关键点检测模型可以通过以下步骤训练得到:获取训练样本集合,训练样本包括样本预定形状图像和样本预定形状图像中的关键点信息;将上述训练样本集合中的训练样本的样本预定形状图像作为输入,将与输入的样本预定形状图像对应的样本预定形状图像中的关键点信息作为期望输出,训练得到上述塔机吊臂关键点检测模型。
在一些实施例的可选实现方式中,用于生成塔机吊臂信息的装置400还包括:发送单元,被配置成将上述塔机吊臂信息发送到控制终端,其中,控制终端:根据上述塔机吊臂信息,控制塔机进行目标操作。
本公开的一些实施例公开的用于生成塔机吊臂信息的装置,通过将目标塔机图像输入到预先训练的塔机粗定位检测模型,可以得到上述目标塔机图像对应的标注信息,上述标注信息可以用于表征塔机图像中的塔机预设部分显示范围的范围信息,从而,可以得到塔机中的主要部分的信息。根据上述范围信息,对上述目标塔机图像进行截取,可以得到第一塔机图像。将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。进而,可以得到塔机吊臂的部分范围信息。从而,本公开可以基于塔机图像,预先训练的塔机粗定位检测模型和预先训练的塔机吊臂部分检测模型,可以智能生成塔机吊臂的信息。将生成的塔机吊臂信息发送到控制终端,控制终端可以根据塔机吊臂信息控制塔机进行搬运重物操作。进而,可以更加安全的、有效的控制塔机进行搬运重物操作,以解决人们安全、有效的起吊重物的难题。因为塔机图像与塔机吊臂信息相匹配,所以每个塔机图像生成的塔机吊臂信息会具有准确性,从而,提高了工业生产的安全性。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置408加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息,上述标注信息用于表征塔机图像中的塔机预设部分显示范围的范围信息;根据上述范围信息,对上述目标塔机图像进行截取,得到第一塔机图像;将上述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到上述第一塔机图像对应的第一标注信息,上述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、截取单元和第二确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一确定单元还可以被描述为“将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到上述目标塔机图像对应的标注信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种用于生成塔机吊臂信息的方法,包括:
将目标塔机图像输入到预先训练的塔机粗定位检测模型,得到所述目标塔机图像对应的标注信息,所述标注信息用于表征塔机图像中的塔机预设部分显示范围的范围信息;
根据所述范围信息,对所述目标塔机图像进行截取,得到第一塔机图像;
将所述第一塔机图像输入到预先训练的塔机吊臂部分检测模型,得到所述第一塔机图像对应的第一标注信息,所述第一标注信息用于表征第一塔机图像中的吊臂显示范围中的第一范围信息,其中,所述塔机吊臂部分检测模型是通过以下步骤训练得到:
获取训练样本集合,训练样本包括样本第一塔机图像和与样本第一塔机图像对应的第一标注信息;
将所述训练样本集合中的训练样本的样本第一塔机图像作为输入,将与输入的样本第一塔机图像对应的第一标注信息作为期望输出,训练得到所述塔机吊臂部分检测模型;
根据所述目标塔机图像和所述第一范围信息,得到预定形状图像;
将所述预定形状图像输入到预先训练的塔机吊臂关键点检测模型,得到所述预定形状图像中的关键点信息;
基于所述第一范围信息和关键点信息,生成塔机吊臂信息。
2.根据权利要求1所述的方法,其中,所述根据所述目标塔机图像和所述第一范围信息,得到预定形状图像,包括:
将第一范围向所述第一塔机图像中显示的吊臂所在方向延伸至所述目标塔机图像的边界,生成第一区域;
将所述第一区域进行像素填充处理,得到预定形状图像。
3.根据权利要求1所述的方法,其中,所述关键点信息包括第一关键点信息和第二关键点信息;以及
基于所述第一范围信息和关键点信息,生成塔机吊臂信息,包括:
根据所述第一范围信息,第一关键信息,第二关键信息,确定塔机吊臂信息。
4.根据权利要求1-3之一所述的方法,其中,所述塔机吊臂关键点检测模型是通过以下步骤训练得到:
获取训练样本集合,训练样本包括样本预定形状图像和样本预定形状图像中的关键点信息;
将所述训练样本集合中的训练样本的样本预定形状图像作为输入,将与输入的样本预定形状图像对应的样本预定形状图像中的关键点信息作为期望输出,训练得到所述塔机吊臂关键点检测模型。
5.根据权利要求1所述的方法,其中,所述方法还包括:
将所述塔机吊臂信息发送到控制终端,其中,控制终端:根据所述塔机吊臂信息,控制塔机进行目标操作。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911190190.7A CN110844785B (zh) | 2019-11-28 | 2019-11-28 | 用于生成塔机吊臂信息的方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911190190.7A CN110844785B (zh) | 2019-11-28 | 2019-11-28 | 用于生成塔机吊臂信息的方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110844785A CN110844785A (zh) | 2020-02-28 |
CN110844785B true CN110844785B (zh) | 2020-12-29 |
Family
ID=69605881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911190190.7A Active CN110844785B (zh) | 2019-11-28 | 2019-11-28 | 用于生成塔机吊臂信息的方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110844785B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106892356A (zh) * | 2017-02-09 | 2017-06-27 | 江苏大学 | 一种基于机器视觉的轮胎吊行走***自动纠偏方法 |
CN107437081A (zh) * | 2017-08-07 | 2017-12-05 | 北京中星微电子有限公司 | 基于深度卷神经网络的人脸识别方法、装置和存储介质 |
CN108470179A (zh) * | 2018-03-29 | 2018-08-31 | 百度在线网络技术(北京)有限公司 | 用于检测对象的方法和装置 |
CN110383831A (zh) * | 2017-03-10 | 2019-10-25 | 株式会社多田野 | 作业车辆用的人员检测***和具备该***的作业车辆 |
CN110427915A (zh) * | 2019-08-14 | 2019-11-08 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9278832B2 (en) * | 2013-11-26 | 2016-03-08 | Institute Of Neclear Energy Research | Method of reducing computational demand for image tracking |
-
2019
- 2019-11-28 CN CN201911190190.7A patent/CN110844785B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106892356A (zh) * | 2017-02-09 | 2017-06-27 | 江苏大学 | 一种基于机器视觉的轮胎吊行走***自动纠偏方法 |
CN110383831A (zh) * | 2017-03-10 | 2019-10-25 | 株式会社多田野 | 作业车辆用的人员检测***和具备该***的作业车辆 |
CN107437081A (zh) * | 2017-08-07 | 2017-12-05 | 北京中星微电子有限公司 | 基于深度卷神经网络的人脸识别方法、装置和存储介质 |
CN108470179A (zh) * | 2018-03-29 | 2018-08-31 | 百度在线网络技术(北京)有限公司 | 用于检测对象的方法和装置 |
CN110427915A (zh) * | 2019-08-14 | 2019-11-08 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110844785A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800732B (zh) | 用于生成漫画头像生成模型的方法和装置 | |
US11514263B2 (en) | Method and apparatus for processing image | |
US20200241537A1 (en) | Method and apparatus for outputting information | |
CN111259636B (zh) | 文档渲染方法、装置和电子设备 | |
CN112434620A (zh) | 场景文字识别方法、装置、设备和计算机可读介质 | |
CN111324470B (zh) | 用于生成信息的方法及装置 | |
CN110844785B (zh) | 用于生成塔机吊臂信息的方法、装置、设备和介质 | |
CN109840072B (zh) | 信息处理方法和装置 | |
CN113408970B (zh) | 用户信息生成方法、装置、电子设备和计算机可读介质 | |
CN111709784B (zh) | 用于生成用户留存时间的方法、装置、设备和介质 | |
CN112734962B (zh) | 考勤信息生成方法、装置、计算机设备和可读存储介质 | |
CN112434619A (zh) | 病例信息提取方法、装置、设备和计算机可读介质 | |
CN113778078A (zh) | 定位信息生成方法、装置、电子设备和计算机可读介质 | |
CN112883757B (zh) | 生成跟踪姿态结果的方法 | |
CN112862110B (zh) | 模型生成方法、装置和电子设备 | |
CN110895550A (zh) | 一种处理采集数据的方法和装置 | |
CN111625692B (zh) | 特征抽取方法、装置、电子设备和计算机可读介质 | |
CN115345931B (zh) | 物体姿态关键点信息生成方法、装置、电子设备和介质 | |
CN112781581B (zh) | 应用于扫地机的移动至儿童推车路径生成方法、装置 | |
WO2023226065A1 (zh) | 椭圆定位数据处理方法、装置、设备和计算机可读介质 | |
WO2023226064A1 (zh) | 椭圆定位数据处理方法、装置、设备、介质和程序产品 | |
CN113160324A (zh) | 包围框生成方法、装置、电子设备和计算机可读介质 | |
CN114356295A (zh) | 三维模型构建方法、装置和电子设备 | |
CN115994978A (zh) | 一种法向量调整方法、装置、设备及介质 | |
CN117726145A (zh) | 电缆巡检处理方法、装置、电子设备和计算机可读介质 |
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 |