CN114399490B - 建筑物涂刷质量检测方法和装置、计算机可读存储介质 - Google Patents
建筑物涂刷质量检测方法和装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN114399490B CN114399490B CN202210036791.8A CN202210036791A CN114399490B CN 114399490 B CN114399490 B CN 114399490B CN 202210036791 A CN202210036791 A CN 202210036791A CN 114399490 B CN114399490 B CN 114399490B
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- real
- painting
- position information
- 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
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本公开实施例公开了一种建筑物涂刷质量检测方法和装置、计算机可读存储介质,其中,方法包括:确定建筑物中经过涂刷的真实涂刷区域;基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;确定所述第一图像中是否存在图像缺陷;响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息;本实施例中利用空间投影方法,将真实涂刷区域映射到相机采集的图像中,通过在图像中确定图像缺陷,再经过映射确定真实涂刷区域中对应图像缺陷的涂刷缺陷所在的位置,实现涂刷缺陷的自动检测。
Description
技术领域
本公开涉及一种建筑物涂刷质量检测方法和装置、计算机可读存储介质。
背景技术
涂刷墙面是建筑物装修过程中美化墙面的必要步骤,也是墙面施工的最后步骤,好的涂刷工作不仅能给家居带来光鲜的外表,还能掩盖隐蔽工程施工的瑕疵;墙面涂刷完毕后,需要对漆面涂刷质量进行检测,来确定涂刷质量是否满足需求;现有技术中对于涂刷质量的检测通常通过人为检查实现,依赖于个人经验。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种建筑物涂刷质量检测方法和装置、计算机可读存储介质。
根据本公开实施例的一个方面,提供了一种建筑物涂刷质量检测方法,包括:
确定建筑物中经过涂刷的真实涂刷区域;
基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;
确定所述第一图像中是否存在图像缺陷;
响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
可选地,所述确定建筑物中经过涂刷的真实涂刷区域,包括:
基于设置在所述机械臂末端的滚刷对建筑物中设定区域进行涂刷,得到所述真实涂刷区域。
可选地,所述基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像,包括:
基于所述图像采集设备对所述真实涂刷区域进行图像采集,得到所述图像采集设备对应的像素坐标系下的第二图像;
对所述第二图像进行单应变换,得到所述第一图像。
可选地,所述对所述第二图像进行单应变换,得到所述第一图像,包括:
基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系,确定单应矩阵;
基于所述单应矩阵对所述第二图像进行单应变换,得到所述第一图像。
可选地,所述基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息,包括:
基于所述图像缺陷在所述第一图像中的第一位置信息,确定所述图像缺陷在第二图像中的第三位置信息;其中,所述第二图像为所述图像采集设备对所述真实涂刷区域进行图像采集,得到的所述图像采集设备对应的像素坐标系下的图像;
基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
可选地,所述基于所述图像缺陷在所述第一图像中的第一位置信息,确定所述图像缺陷在第二图像中的第三位置信息,包括:
基于单应矩阵确定单应逆矩阵;其中,所述单应矩阵为基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系确定的矩阵;
基于所述单应逆矩阵对所述第一图像中的第一位置信息进行单应逆变换,确定所述图像缺陷在第二图像中的第三位置信息。
可选地,所述基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息,包括:
基于所述图像采集设备的内参矩阵,确定所述第一图像与所述真实涂刷区域的转换关系;
将所述第一图像中的第一位置信息根据所述转换关系投影到所述真实涂刷区域,确定所述图像缺陷在所述真实涂刷区域中对应的涂刷缺陷的第二位置信息。
可选地,所述确定所述第一图像中是否存在图像缺陷,包括:
利用缺陷检测模型对所述第一图像进行处理,确定所述第一图像中是否包括图像缺陷,以及确定所述至少一个的图像缺陷的类别信息和第一位置信息。
根据本公开实施例的另一方面,提供了一种建筑物涂刷质量检测装置,包括:
涂刷区域确定模块,用于确定建筑物中经过涂刷的真实涂刷区域;
图像采集模块,用于基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;
缺陷识别模块,用于确定所述第一图像中是否存在图像缺陷;
缺陷定位模块,用于响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
可选地,所述涂刷区域确定模块,具体用于基于设置在所述机械臂末端的滚刷对建筑物中设定区域进行涂刷,得到所述真实涂刷区域。
可选地,所述图像采集模块,包括:
第二图像采集单元,用于基于所述图像采集设备对所述真实涂刷区域进行图像采集,得到所述图像采集设备对应的像素坐标系下的第二图像;
单应变换单元,用于对所述第二图像进行单应变换,得到所述第一图像。
可选地,所述单应变换单元,具体用于基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系,确定单应矩阵;基于所述单应矩阵对所述第二图像进行单应变换,得到所述第一图像。
可选地,所述缺陷定位模块,包括:
图像缺陷定位单元,用于基于所述图像缺陷在所述第一图像中的第一位置信息,确定所述图像缺陷在第二图像中的第三位置信息;其中,所述第二图像为所述图像采集设备对所述真实涂刷区域进行图像采集,得到的所述图像采集设备对应的像素坐标系下的图像;
真实缺陷定位单元,用于基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
可选地,所述图像缺陷定位单元,具体用于基于单应矩阵确定单应逆矩阵;其中,所述单应矩阵为基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系确定的矩阵;基于所述单应逆矩阵对所述第一图像中的第一位置信息进行单应逆变换,确定所述图像缺陷在第二图像中的第三位置信息。
可选地,所述真实缺陷定位单元,具体用于基于所述图像采集设备的内参矩阵,确定所述第一图像与所述真实涂刷区域的转换关系;将所述第一图像中的第一位置信息根据所述转换关系投影到所述真实涂刷区域,确定所述图像缺陷在所述真实涂刷区域中对应的涂刷缺陷的第二位置信息。
可选地,所述缺陷识别模块,具体用于利用缺陷检测模型对所述第一图像进行处理,确定所述第一图像中是否包括图像缺陷,以及确定所述至少一个的图像缺陷的类别信息和第一位置信息。
根据本公开实施例的另一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述任一实施例所述的建筑物涂刷质量检测方法。
根据本公开实施例的另一方面,提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述任一实施例所述的建筑物涂刷质量检测方法。
基于本公开上述实施例提供的一种建筑物涂刷质量检测方法和装置、计算机可读存储介质,确定建筑物中经过涂刷的真实涂刷区域;基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;确定所述第一图像中是否存在图像缺陷;响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息;本实施例中利用空间投影方法,将真实涂刷区域映射到相机采集的图像中,通过在图像中确定图像缺陷,再经过映射确定真实涂刷区域中对应图像缺陷的涂刷缺陷所在的位置,实现涂刷缺陷的自动检测。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的建筑物涂刷质量检测方法的流程示意图。
图2是本公开图1所示的实施例中步骤104的一个流程示意图。
图3是本公开图1所示的实施例中步骤108的一个流程示意图。
图4是本公开一示例性实施例提供的建筑物涂刷质量检测装置的结构示意图。
图5是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“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,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。本公开中所指数据可以包括文本、图像、视频等非结构化数据,也可以是结构化数据。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机***、服务器等电子设备,其可与众多其它通用或专用计算***环境或配置一起操作。适于与终端设备、计算机***、服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***、大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
示例性方法
图1是本公开一示例性实施例提供的建筑物涂刷质量检测方法的流程示意图。本实施例可应用在电子设备上,如图2所示,包括如下步骤:
步骤102,确定建筑物中经过涂刷的真实涂刷区域。
可选地,可通过真实涂刷区域在建筑物(例如,房屋等)中的3D坐标实现对真实涂刷区域的标识,例如,利用3D摄像设备对建筑物进行扫描,得到建筑物对应的3D模型(由3D点云构成),基于3D模型在世界坐标系下的坐标表示,确定真实图像区域对应的3D坐标。
步骤104,基于设置在机械臂末端的图像采集设备对真实涂刷区域进行图像采集,得到第一图像。
其中,图像采集设备可以是彩色视觉传感器(例如,普通2D相机等)等。
在一实施例中,通过将图像采集设备设置在机械臂末端,实现通过机械臂的移动使图像采集设备移动,通过移动图像采集设备实现对建筑物中的所有真实涂刷区域进行质量检测,例如,通过机械臂控制移动,实现全屋涂刷质量自动检测等。
步骤106,确定第一图像中是否存在图像缺陷。
本实施例中,在图像采集设备采集的图像中确定是否存在缺陷,通过在图像对应的像素坐标系中确定图像缺陷的位置以实现在实际场景中确定涂刷缺陷的位置,避免了人为检查出现的个体差异以及浪费人力的问题。
步骤108,响应于第一图像中存在图像缺陷,基于图像缺陷在第一图像中的第一位置信息确定真实涂刷区域中存在涂刷缺陷的第二位置信息。
其中,每个图像缺陷对应一个涂刷缺陷;第一位置信息可以为图像缺陷在第一图像中的坐标位置,第二位置信息可以为涂刷缺陷在真实涂刷区域中的坐标位置,例如,真实涂刷区域为真实场景中的一个由3D坐标构成的一个面,第二位置信息为由3D坐标确定的空间位置。
本公开上述实施例提供的一种建筑物涂刷质量检测方法,确定建筑物中经过涂刷的真实涂刷区域;基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;确定所述第一图像中是否存在图像缺陷;响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息;本实施例中利用空间投影方法,将真实涂刷区域映射到相机采集的图像中,通过在图像中确定图像缺陷,再经过映射确定真实涂刷区域中对应图像缺陷的涂刷缺陷所在的位置,实现涂刷缺陷的自动检测。
可选地,步骤102可以包括:
基于设置在机械臂末端的滚刷对建筑物中设定区域进行涂刷,得到真实涂刷区域。
可选地,可包括以下步骤:
a1,确定待涂刷建筑物中的待涂刷区域以及待涂刷区域对应的滚刷的规划路线。
本实施例中,在对待涂刷建筑物(例如,房屋、厂房等)进行涂刷之前,需要确定哪些区域需要进行涂刷,即,确定待涂刷区域,待涂刷建筑物中可能包括一个或多个待涂刷区域,例如,墙面、天花板等;由于涂刷需要利用滚刷作为涂刷工具,为了实现自动控制滚刷进行涂刷,需要确定滚刷在每个待涂刷区域中移动的规划路线。
a2,确定设置在机械臂上的滚刷与待涂刷区域之间的第一位置关系。
其中,机械臂根据控制可实现以下至少一个操作:伸缩、平移、转动、位置转移等;该机械臂可通过设置在一个小车上实现位置转移,或在机械臂下方安装多个万向轮实现位置转移;可选地,规划路线还可以对应在建筑物内移动的多个点位,可以将机械臂移动到对应点位实现通过机械臂使滚刷按照规划路线移动;或者,机械臂固定在建筑物内的固定位置,仅通过伸缩、平移、转动控制滚刷按照规划路线移动。
a3,基于第一位置关系和规划路线控制机械臂移动滚刷,对待涂刷区域进行涂刷,得到涂刷后的真实涂刷区域。
本实施例中,第一位置关系确定了滚刷到待涂刷区域的移动方向和距离,使滚刷能够到达待涂刷区域,规划路线确定了滚刷在待涂刷区域的移动路线,是滚刷移动后可以对整个待涂刷区域进行整体涂刷,避免遗漏。
基于滚刷对待涂刷区域进行涂刷时,先控制机械臂使滚刷蘸取相应的涂料(油漆等),再按照规划路线在待涂刷区域中移动蘸取了涂料的滚刷,实现对待涂刷区域的涂刷,其中,放置涂料的装置(涂料桶等)可与机械臂共同设置在可移动小车上,便于涂料的蘸取;或者滚刷内具有可压力释放的涂料,在接触真实涂刷区域后,根据压力可自动释放,完成对真实涂刷区域的涂刷等。
如图2所示,在上述图1所示实施例的基础上,步骤104可包括如下步骤:
步骤1041,基于图像采集设备对真实涂刷区域进行图像采集,得到图像采集设备对应的像素坐标系下的第二图像。
本实施例中,通过手眼标定的方式可确定图像采集设备相对于机械臂基底的位姿信息,手眼标定是为了使得相机(本实施例中图像采集设备)与机器人(本实施例中的机械臂末端)坐标系之间建立关系就必须要对机器人与相机坐标系进行标定,该标定过程也就叫做手眼标定;真实涂刷区域是以3d坐标的形式标记的一个矩形区域,在已知建筑物中真实涂刷区域所在平面的平面方程(基于3D点云对应的3D坐标确定)的基础上(本实施例中对真实涂刷区域对应的3D坐标已知),可以利用真实涂刷区域的边界点与平面法线组成的直线,和墙面的交点作为投影点的方法,将真实涂刷区域投影到当前位姿下相机的像素平面上,可选地,可通过3D坐标与图像采集设备的内参矩阵相乘,确定该图像采集设备对应的图像坐标系下的坐标,再通过图像坐标系与像素坐标系(与图像坐标系的区别仅在于坐标原点不同)的转换,得到真实涂刷区域在像素坐标系下的第二图像。
步骤1042,对第二图像进行单应变换,得到第一图像。
如果采用图像采集设备直接拍摄图像进行检测,会导致没有涂刷到涂料的部分也被拍摄下来,影响后续的判断,利用相机的ROI(感兴趣区域)进行图像截取,也会由于相机拍摄位置的角度不同,导致在各个位置所需要截取的像素位置都不同,本实施例根据图像采集设备的位姿信息生成不同截取区域(对应第二图像),并通过单应变换,使与第二图像相同大小的第一图像中只包括真实涂刷区域,提升了缺陷判断的准确性和效率。
可选地,上述实施例中的步骤1042可以包括:
基于第二图像中对应真实涂刷区域的图像涂刷区域与第二图像之间的关系,确定单应矩阵;
基于单应矩阵对第二图像进行单应变换,得到第一图像。
本实施中,以真实涂刷区域投影到相机平面上的区域和第二图像构建单应变换,生成单应变换矩阵(通过第二图像中真实涂刷区域对应的区域的边界坐标和第二图像的边界坐标可确定单应变换矩阵)。其中,单应变换是一种两个平面间的线性映射关系,不同角度观察同一个平面,会形成不同的视角,即是一种单应变换,或者说对一张图片,扯动他的一个顶点,使他发生形变,也属于单应变换,本实施例中应用单应变换将在第二图像中占部分区域的真实图像区域发生形变,使真实图像区域的内容覆盖第二图像中的全部;本实施例通过单应变换,降低了对后续缺陷检测的要求,可适用更多场景。
如图3所示,在上述图1所示实施例的基础上,步骤108可包括如下步骤:
步骤1081,基于图像缺陷在第一图像中的第一位置信息,确定图像缺陷在第二图像中的第三位置信息。
其中,第二图像为图像采集设备对真实涂刷区域进行图像采集,得到的图像采集设备对应的像素坐标系下的图像。
可选地,基于单应矩阵确定单应逆矩阵;其中,单应矩阵为基于第二图像中对应真实涂刷区域的图像涂刷区域与第二图像之间的关系确定的矩阵;
基于单应逆矩阵对第一图像中的第一位置信息进行单应逆变换,确定图像缺陷在第二图像中的第三位置信息。
本实施例通过与单应矩阵互逆的单应逆矩阵对确定了图像缺陷的第一图像进行单应逆变换,此时得到的第二图像中包括了图像缺陷对应的第三位置信息。
步骤1082,基于第二图像中的第三位置信息和图像采集设备的内参矩阵,确定真实涂刷区域中存在涂刷缺陷的第二位置信息。
基于图像采集设备的内参矩阵和当前位姿可确定基于图像采集设备的光心到图像平面中每个像素点的射线,延伸每个第三位置信息所在坐标对应的射线,即可在真实涂刷区域中确定涂刷缺陷的3D坐标,即得到真实涂刷区域中存在涂刷缺陷的第二位置信息。
可选地,上述实施例提供的步骤1082可以包括:
基于图像采集设备的内参矩阵,确定第一图像与真实涂刷区域的转换关系;
将第一图像中的第一位置信息根据转换关系投影到真实涂刷区域,确定图像缺陷在真实涂刷区域中对应的涂刷缺陷的第二位置信息。
本实施例通过图像采集设备的内参矩阵和当前位姿可确定图像采集设备和图像平面,再基于图像采集设备的光心和图像平面,以及真实涂刷区域所在平面,确定涂刷缺陷在真实场景中的3D坐标;例如,基于图像采集设备的内参矩阵确定缺陷点在空间中的射线,再利用图像采集设备相对于机械臂末端的位姿信息,计算出射线在机械臂末端中的表示,最后得到射线与真实涂刷区域所在平面(可通过真实涂刷区域的几个3D点确定平面,可通过平面方程表达该平面)的交点,即为的缺陷点在真实涂刷区域中的位置;实现对涂刷缺陷的定位,以便于对涂刷缺陷进行解决。
在一些可选的实施例中,步骤106可以包括:
利用缺陷检测模型对第一图像进行处理,确定第一图像中是否包括图像缺陷,以及确定至少一个的图像缺陷的类别信息和第一位置信息。
本实施例中,缺陷检测模型可以为任一可实现像素分类的深度神经网络,通过缺陷检测模型确定第一图像中每个像素所属的类别,对不同类别进行统计,得到至少一个缺陷类别中每个缺陷类别对应的像素集合,通过每个缺陷类别对应的像素集合即可确定图像缺陷在第一图像中的第一位置信息。
本公开实施例提供的任一种建筑物涂刷质量检测方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种建筑物涂刷质量检测方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种建筑物涂刷质量检测方法。下文不再赘述。
示例性装置
图4是本公开一示例性实施例提供的建筑物涂刷质量检测装置的结构示意图。如图4所示,本实施例提供的装置,包括:
涂刷区域确定模块41,用于确定建筑物中经过涂刷的真实涂刷区域;
图像采集模块42,用于基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;
缺陷识别模块43,用于确定所述第一图像中是否存在图像缺陷;
缺陷定位模块44,用于响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
本公开上述实施例提供的一种建筑物涂刷质量检测装置,确定建筑物中经过涂刷的真实涂刷区域;基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;确定所述第一图像中是否存在图像缺陷;响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息;本实施例中利用空间投影方法,将真实涂刷区域映射到相机采集的图像中,通过在图像中确定图像缺陷,再经过映射确定真实涂刷区域中对应图像缺陷的涂刷缺陷所在的位置,实现涂刷缺陷的自动检测。
在一些可选的实施例中,所述涂刷区域确定模块41,具体用于基于设置在所述机械臂末端的滚刷对建筑物中设定区域进行涂刷,得到所述真实涂刷区域。
在一些可选的实施例中,所述图像采集模块42,包括:
第二图像采集单元,用于基于所述图像采集设备对所述真实涂刷区域进行图像采集,得到所述图像采集设备对应的像素坐标系下的第二图像;
单应变换单元,用于对所述第二图像进行单应变换,得到所述第一图像。
可选地,所述单应变换单元,具体用于基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系,确定单应矩阵;基于所述单应矩阵对所述第二图像进行单应变换,得到所述第一图像。
在一些可选的实施例中,所述缺陷定位模块44,包括:
图像缺陷定位单元,用于基于所述图像缺陷在所述第一图像中的第一位置信息,确定所述图像缺陷在第二图像中的第三位置信息;其中,所述第二图像为所述图像采集设备对所述真实涂刷区域进行图像采集,得到的所述图像采集设备对应的像素坐标系下的图像;
真实缺陷定位单元,用于基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
可选地,所述图像缺陷定位单元,具体用于基于单应矩阵确定单应逆矩阵;其中,所述单应矩阵为基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系确定的矩阵;基于所述单应逆矩阵对所述第一图像中的第一位置信息进行单应逆变换,确定所述图像缺陷在第二图像中的第三位置信息。
可选地,所述真实缺陷定位单元,具体用于基于所述图像采集设备的内参矩阵,确定所述第一图像与所述真实涂刷区域的转换关系;将所述第一图像中的第一位置信息根据所述转换关系投影到所述真实涂刷区域,确定所述图像缺陷在所述真实涂刷区域中对应的涂刷缺陷的第二位置信息。
在一些可选的实施例中,所述缺陷识别模块43,具体用于利用缺陷检测模型对所述第一图像进行处理,确定所述第一图像中是否包括图像缺陷,以及确定所述至少一个的图像缺陷的类别信息和第一位置信息。
示例性电子设备
下面,参考图5来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图5图示了根据本公开实施例的电子设备的框图。
如图5所示,电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备50中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器51可以运行所述程序指令,以实现上文所述的本公开的各个实施例的建筑物涂刷质量检测方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备50还可以包括:输入装置53和输出装置54,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
例如,在该电子设备是第一设备100或第二设备200时,该输入装置53可以是上述的麦克风或麦克风阵列,用于捕捉声源的输入信号。在该电子设备是单机设备时,该输入装置53可以是通信网络连接器,用于从第一设备100和第二设备200接收所采集的输入信号。
此外,该输入装置53还可以包括例如键盘、鼠标等等。
该输出装置54可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置54可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图5中仅示出了该电子设备50中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备50还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的建筑物涂刷质量检测方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是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在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的建筑物涂刷质量检测方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (9)
1.一种建筑物涂刷质量检测方法,其特征在于,包括:
确定建筑物中经过涂刷的真实涂刷区域;
基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;包括:根据图像采集设备的位姿信息生成不同截取区域,通过单应变换,得到只包括真实涂刷区域的第一图像;
确定所述第一图像中是否存在图像缺陷;
响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息;
所述基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息,包括:
基于所述图像缺陷在所述第一图像中的第一位置信息,确定所述图像缺陷在第二图像中的第三位置信息;其中,所述第二图像为所述图像采集设备对所述真实涂刷区域进行图像采集,得到的所述图像采集设备对应的像素坐标系下的图像;基于单应逆矩阵对所述第一图像中的第一位置信息进行单应逆变换,确定所述图像缺陷在第二图像中的第三位置信息;
基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
2.根据权利要求1所述的方法,其特征在于,所述确定建筑物中经过涂刷的真实涂刷区域,包括:
基于设置在所述机械臂末端的滚刷对建筑物中设定区域进行涂刷,得到所述真实涂刷区域。
3.根据权利要求1所述的方法,其特征在于,所述基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像,包括:
基于所述图像采集设备对所述真实涂刷区域进行图像采集,得到所述图像采集设备对应的像素坐标系下的第二图像;
对所述第二图像进行单应变换,得到所述第一图像。
4.根据权利要求3所述的方法,其特征在于,所述对所述第二图像进行单应变换,得到所述第一图像,包括:
基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系,确定单应矩阵;
基于所述单应矩阵对所述第二图像进行单应变换,得到所述第一图像。
5.根据权利要求1所述的方法,其特征在于,在基于所述单应逆矩阵对所述第一图像中的第一位置信息进行单应逆变换,确定所述图像缺陷在第二图像中的第三位置信息之前,还包括:
基于单应矩阵确定单应逆矩阵;其中,所述单应矩阵为基于所述第二图像中对应所述真实涂刷区域的图像涂刷区域与所述第二图像之间的关系确定的矩阵。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息,包括:
基于所述图像采集设备的内参矩阵,确定所述第二图像与所述真实涂刷区域的转换关系;
将所述第二图像中的第三位置信息根据所述转换关系投影到所述真实涂刷区域,确定所述图像缺陷在所述真实涂刷区域中对应的涂刷缺陷的第二位置信息。
7.根据权利要求1-6任一所述的方法,其特征在于,所述确定所述第一图像中是否存在图像缺陷,包括:
利用缺陷检测模型对所述第一图像进行处理,确定所述第一图像中是否包括图像缺陷,以及确定至少一个所述图像缺陷的类别信息和第一位置信息。
8.一种建筑物涂刷质量检测装置,其特征在于,包括:
涂刷区域确定模块,用于确定建筑物中经过涂刷的真实涂刷区域;
图像采集模块,用于基于设置在机械臂末端的图像采集设备对所述真实涂刷区域进行图像采集,得到第一图像;具体用于根据图像采集设备的位姿信息生成不同截取区域,通过单应变换,得到只包括真实涂刷区域的第一图像;
缺陷识别模块,用于确定所述第一图像中是否存在图像缺陷;
缺陷定位模块,用于响应于所述第一图像中存在图像缺陷,基于所述图像缺陷在所述第一图像中的第一位置信息确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息;
所述缺陷定位模块,包括:
图像缺陷定位单元,用于基于所述图像缺陷在所述第一图像中的第一位置信息,确定所述图像缺陷在第二图像中的第三位置信息;其中,所述第二图像为所述图像采集设备对所述真实涂刷区域进行图像采集,得到的所述图像采集设备对应的像素坐标系下的图像;基于单应逆矩阵对所述第一图像中的第一位置信息进行单应逆变换,确定所述图像缺陷在第二图像中的第三位置信息;
真实缺陷定位单元,用于基于所述第二图像中的第三位置信息和所述图像采集设备的内参矩阵,确定所述真实涂刷区域中存在涂刷缺陷的第二位置信息。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的建筑物涂刷质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210036791.8A CN114399490B (zh) | 2022-01-13 | 2022-01-13 | 建筑物涂刷质量检测方法和装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210036791.8A CN114399490B (zh) | 2022-01-13 | 2022-01-13 | 建筑物涂刷质量检测方法和装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399490A CN114399490A (zh) | 2022-04-26 |
CN114399490B true CN114399490B (zh) | 2023-03-31 |
Family
ID=81231307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210036791.8A Active CN114399490B (zh) | 2022-01-13 | 2022-01-13 | 建筑物涂刷质量检测方法和装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399490B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191739A (zh) * | 2020-01-09 | 2020-05-22 | 电子科技大学 | 一种基于注意力机制的墙面缺陷检测方法 |
CN113344901A (zh) * | 2021-06-25 | 2021-09-03 | 北京市商汤科技开发有限公司 | 涂胶缺陷检测方法、装置、存储介质及电子设备 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19829627C1 (de) * | 1998-07-02 | 2000-02-03 | Rainer Maria Latzke | Verfahren zur Herstellung eines Wandbildes |
KR20110085728A (ko) * | 2010-01-21 | 2011-07-27 | 삼성전자주식회사 | 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법 |
KR101071109B1 (ko) * | 2011-05-04 | 2011-10-10 | 주식회사 컴투루 | 벽 등반 인쇄 방법 및 시스템 |
CN104616292B (zh) * | 2015-01-19 | 2017-07-11 | 南开大学 | 基于全局单应矩阵的单目视觉测量方法 |
CN105279372B (zh) * | 2015-09-29 | 2018-12-14 | 百度在线网络技术(北京)有限公司 | 一种确定建筑物高度的方法和装置 |
CN105608695A (zh) * | 2015-12-22 | 2016-05-25 | 北京光电技术研究所 | 建筑物表面缺陷检测方法及*** |
CN109064392B (zh) * | 2018-08-07 | 2023-05-02 | 广州视源电子科技股份有限公司 | 确定单应矩阵的方法及其***以及图像转换方法及其*** |
CN110398231B (zh) * | 2019-06-18 | 2021-06-01 | 广东博智林机器人有限公司 | 墙面参数的获取方法、装置、计算机设备和存储介质 |
CN110533649B (zh) * | 2019-08-28 | 2022-12-20 | 上海市建筑科学研究院 | 一种无人机通用结构裂缝识别检测装置及方法 |
CN111219073A (zh) * | 2020-01-13 | 2020-06-02 | 杜广锋 | 一种定点定量式建筑墙面喷涂修复方法 |
KR102189776B1 (ko) * | 2020-06-02 | 2020-12-11 | 주식회사 디와이스코프코리아 | 벽면의 균열을 측정하는 시스템 |
CN112505065B (zh) * | 2020-12-28 | 2022-11-04 | 上海工程技术大学 | 一种实现室内无人机对大部件表面缺陷进行检测的方法 |
CN112862758A (zh) * | 2021-01-14 | 2021-05-28 | 成都市维旺铭网络科技有限公司 | 用于检测墙壁顶面的油漆涂抹质量的神经网络的训练方法 |
CN112927214A (zh) * | 2021-03-12 | 2021-06-08 | 深圳信息职业技术学院 | 建筑物缺陷定位方法、***和存储介质 |
-
2022
- 2022-01-13 CN CN202210036791.8A patent/CN114399490B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191739A (zh) * | 2020-01-09 | 2020-05-22 | 电子科技大学 | 一种基于注意力机制的墙面缺陷检测方法 |
CN113344901A (zh) * | 2021-06-25 | 2021-09-03 | 北京市商汤科技开发有限公司 | 涂胶缺陷检测方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114399490A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127422B (zh) | 图像标注方法、装置、***及主机 | |
CN113570721B (zh) | 三维空间模型的重建方法、装置和存储介质 | |
EP3620966A1 (en) | Object detection method and apparatus for object detection | |
CN109521879B (zh) | 交互式投影控制方法、装置、存储介质及电子设备 | |
CN111985036B (zh) | 户型框线图绘制方法和装置、存储介质、电子设备 | |
JP2017118396A (ja) | デプスカメラの内部パラメータを算出するプログラム、装置及び方法 | |
CN104715479A (zh) | 基于增强虚拟的场景复现检测方法 | |
CN101140661A (zh) | 一种以动态投影为背景的实时目标识别方法 | |
JP2021504848A (ja) | 画像処理システム及び画像処理方法 | |
CN112037279B (zh) | 物品位置识别方法和装置、存储介质、电子设备 | |
US9336607B1 (en) | Automatic identification of projection surfaces | |
US20170151676A1 (en) | Optical measurement of object location in three dimensions | |
JP4379459B2 (ja) | 物体照合方法,物体照合装置,およびそのプログラムを記録した記録媒体 | |
JP4552431B2 (ja) | 画像照合装置、画像照合方法及び画像照合プログラム | |
CN114419065B (zh) | 建筑物涂刷方法和装置、计算机可读存储介质 | |
CN111179328A (zh) | 数据同步标定方法、装置、可读存储介质及电子设备 | |
CN114399490B (zh) | 建筑物涂刷质量检测方法和装置、计算机可读存储介质 | |
JP2004086929A5 (zh) | ||
Otto et al. | Towards ubiquitous tracking: Presenting a scalable, markerless tracking approach using multiple depth cameras | |
CN112489240B (zh) | 一种商品陈列巡检方法、巡检机器人以及存储介质 | |
BARON et al. | APPLICATION OF AUGMENTED REALITY TOOLS TO THE DESIGN PREPARATION OF PRODUCTION. | |
Lee et al. | Robust multithreaded object tracker through occlusions for spatial augmented reality | |
JP7161857B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN114677360B (zh) | 墙面缺陷检测方法、装置及存储介质 | |
Trevor et al. | Feature-based mapping with grounded landmark and place labels |
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 |