CN116778183B - 玻璃量器分度线识别方法及装置、设备 - Google Patents
玻璃量器分度线识别方法及装置、设备 Download PDFInfo
- Publication number
- CN116778183B CN116778183B CN202310834005.3A CN202310834005A CN116778183B CN 116778183 B CN116778183 B CN 116778183B CN 202310834005 A CN202310834005 A CN 202310834005A CN 116778183 B CN116778183 B CN 116778183B
- Authority
- CN
- China
- Prior art keywords
- line
- target
- longitudinal
- region
- determining
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 11
- 239000002245 particle Substances 0.000 description 11
- 230000009467 reduction Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 108010001267 Protein Subunits Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明属于机器视觉技术领域,公开了一种玻璃量器分度线识别方法及装置、设备,通过从摄像模组拍摄到的待测图像中检测出玻璃量器的瓶颈区域,以及从瓶颈区域中确定感兴趣区域,从待测图像中截取感兴趣区域获得目标子图;再从目标子图中的每个目标列中检测出纵向边缘点,该纵向边缘点包括上边缘点和下边缘点;分别对全部目标列中的上边缘点和下边缘点进行多项式拟合获得对应的拟合曲线,当拟合曲线满足预设条件时,确定拟合曲线为分度线的边缘线,并以此确定分度线的目标位置,从而可以基于特征检测方式对玻璃量器分度线进行识别,无需依赖模板图像进行匹配,可以减少运算量,提高运算效率,提高实时性。
Description
技术领域
本发明属于机器视觉技术领域,具体涉及一种基于机器视觉的玻璃量器分度线识别方法及装置、设备。
背景技术
玻璃量器是一种测量物料体积的容器量具,容器上刻有分度线,标示体积量值。由于容器通常是轴对称结构,所以分度线一般采用围线的形式,也即,分度线围绕着容器径向一圈呈封闭状,方便人们读数。随着图像处理和机器视觉技术的发展,玻璃量器的机器视觉测量活动逐渐朝向智能化发展。
作为一种线纹类的量具,玻璃量器在测量所盛物料体积时,需要读取物料自由界面所对应(最接近且不大于)的围线示值。故,实现玻璃量器的智能化检测之关键在于准确识别玻璃量器的分度线及其示值。
在机器视觉技术中,目前实现目标识别的方法主要有模板匹配法。其中,模板匹配法需要建立模板图像库,库资源的大小直接决定了模板匹配法的成功率,而且也直接影响着检测成本和效率。
在工业应用,尤其是对于流水化生产线上的玻璃量器的智能在线检测场景中,玻璃量器在流水生产线的传送带上移动,相机固定点拍摄,需要在玻璃量器移动过程中持续识别与跟踪玻璃量器上的某个分度线,以便检测玻璃量器内液体注入量的情况。在该应用场景下,测量的实时性和准确性是首要考虑的。
然而,对于玻璃量器的流水化智能检测生产线,被检玻璃量器的规格大小差别巨大,如果采用模板匹配法,需要建立的模板图像数量较多,在目标识别中需要对多幅模板图像进行运算,造成运算量较大,实时性不够。
由此可见,现有玻璃量器的分度线识别方法的运算量过大,运算效率低下,导致实时性不够。
发明内容
本发明的目的在于提供一种玻璃量器分度线识别方法及装置、设备,无需依赖模板图像进行匹配,可以减少运算量,提高运算效率,进而提高实时性。
本发明第一方面公开一种玻璃量器分度线识别方法,包括:
获取摄像模组拍摄到的待测图像;
从所述待测图像中检测出玻璃量器的瓶颈区域;
从所述瓶颈区域中确定感兴趣区域;
从所述待测图像中截取感兴趣区域获得备选子图;
根据所述备选子图,获得目标子图;
从所述目标子图中确定多个目标列;
从每个所述目标列中检测出纵向边缘点;其中,所述纵向边缘点包括上边缘点和下边缘点;
对全部所述目标列中的上边缘点进行多项式拟合获得第一拟合曲线,对全部所述目标列中的下边缘点进行多项式拟合获得第二拟合曲线;
判断所述第一拟合曲线和所述第二拟合曲线是否均满足预设条件;
若所述第一拟合曲线和所述第二拟合曲线均满足预设条件,确定所述第一拟合曲线为分度线的上边缘线、所述第二拟合曲线为分度线的下边缘线;
根据所述分度线的上边缘线和下边缘线,确定所述分度线的目标位置。
本发明第二方面公开一种玻璃量器分度线识别装置,包括:
采集单元,用于获取摄像模组拍摄到的待测图像;
第一确定单元,用于从所述待测图像中检测出玻璃量器的瓶颈区域;
第二确定单元,用于从所述瓶颈区域中确定感兴趣区域;
截取单元,用于从所述待测图像中截取感兴趣区域获得备选子图,根据所述备选子图获得目标子图;
列确定单元,用于从所述目标子图中确定多个目标列;
检测单元,用于从每个所述目标列中检测出纵向边缘点;其中,所述纵向边缘点包括上边缘点和下边缘点;
拟合单元,用于对全部所述目标列中的上边缘点进行多项式拟合获得第一拟合曲线,对全部所述目标列中的下边缘点进行多项式拟合获得第二拟合曲线;
判断单元,用于判断所述第一拟合曲线和所述第二拟合曲线是否均满足预设条件;
判定单元,用于在所述判断单元判断出所述第一拟合曲线和所述第二拟合曲线均满足预设条件时,确定所述第一拟合曲线为分度线的上边缘线、所述第二拟合曲线为分度线的下边缘线;
定位单元,用于根据所述分度线的上边缘线和下边缘线,确定所述分度线的目标位置。
本发明第四方面公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行第一方面公开的玻璃量器分度线识别方法。
本发明的有益效果在于,通过获取摄像模组拍摄到的待测图像,从待测图像中检测出玻璃量器的瓶颈区域,以及从瓶颈区域中确定感兴趣区域,从待测图像中截取感兴趣区域获得备选子图,根据备选子图获得目标子图;其次,从目标子图中确定多个目标列,从每个目标列中检测出纵向边缘点;其中,纵向边缘点包括上边缘点和下边缘点;最后,分别对全部目标列中的上边缘点和下边缘点进行多项式拟合,对应获得第一拟合曲线和第二拟合曲线,当第一拟合曲线和第二拟合曲线均满足预设条件时,确定第一拟合曲线为分度线的上边缘线、第二拟合曲线为分度线的下边缘线,根据分度线的上边缘线和下边缘线确定分度线的目标位置,从而可以基于特征检测方式对玻璃量器分度线进行识别,无需依赖模板图像进行匹配,可以减少运算量,提高运算效率,进而提高实时性。
附图说明
此处的附图,示出了本发明所述技术方案的具体实例,并与具体实施方式构成说明书的一部分,用于解释本发明的技术方案、原理及效果。
除非特别说明或另有定义,不同附图中,相同的附图标记代表相同或相似的技术特征,对于相同或相似的技术特征,也可能会采用不同的附图标记进行表示。
图1是一种玻璃量器分度线识别方法的流程图;
图2是图1所示的玻璃量器分度线识别方法中步骤130的具体流程图;
图3是一种玻璃量器分度线识别装置的结构示意图;
图4是一种电子设备的结构示意图。
附图标记说明:
301、采集单元;302、第一确定单元;303、第二确定单元;304、截取单元;305、列确定单元;306、检测单元;307、拟合单元;308、判断单元;309、判定单元;310、定位单元;401、存储器;402、处理器。
具体实施方式
为了便于理解本发明,下面将参照说明书附图对本发明的具体实施例进行更详细的描述。
除非特别说明或另有定义,本文所使用的所有技术和科学术语与所属技术领域的技术人员通常理解的含义相同。在结合本发明的技术方案以现实的场景的情况下,本文所使用的所有技术和科学术语也可以具有与实现本发明的技术方案的目的相对应的含义。本文所使用的“第一、第二…”仅仅是用于对名称的区分,不代表具体的数量或顺序。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
需要说明的是,当元件被认为“固定于”另一个元件,它可以是直接固定在另一个元件上,也可以是存在居中的元件;当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件,也可以是同时存在居中元件;当一个元件被认为是“安装在”另一个元件,它可以是直接安装在另一个元件,也可以是同时存在居中元件。当一个元件被认为是“设在”另一个元件,它可以是直接设在另一个元件,也可以是同时存在居中元件。
除非特别说明或另有定义,本文所使用的“所述”、“该”为相应位置之前所提及或描述的技术特征或技术内容,该技术特征或技术内容与其所提及的技术特征或技术内容可以是相同的,也可以是相似的。此外,本文所使用的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明实施例公开一种玻璃量器分度线识别方法,该方法可以通过计算机编程实现。该方法的执行主体可为如计算机电脑、笔记本电脑、平板电脑等电子设备,或内嵌于电子设备中的玻璃量器分度线识别装置,本发明对此不作限定。如图1所示,该方法包括以下步骤110~190:
110、获取摄像模组拍摄到的待测图像。
当现实中玻璃量器与工业相机(即摄像模组)存在相对运动时,对于“围线”(即分度线)在不同时刻采集的图像将发生形态和位置的变化。在实际应用中,可以控制摄像模组以预设时间间隔拍摄流水生产线上移动的玻璃量器,以采集到的待测图像。机器视觉***通过图像校准建立世界坐标系与图像坐标系的映射关系,可基于待测图像识别出分度线在世界坐标系中的位置。
120、从待测图像中检测出玻璃量器的瓶颈区域。
通常围线所在的容器瓶颈位置是圆柱面,具有透明且光泽、等径而细长的特点,沿瓶颈轴向的各截面成像相同,瓶颈在图像中表现为显著的轴向几何特征。鉴于瓶颈具有显著的轴向几何特征,采用横向搜索方向,分别检测瓶颈的左、右边缘点,得到瓶颈两侧边缘,从而根据瓶颈左边缘和瓶颈右边缘所在直线的横向坐标,确定待测图像中瓶颈部分所在区域,即瓶颈区域。
具体的,步骤120可以包括以下步骤S11~S14:
S11、从待测图像中确定多个目标行。
其中,首先沿着玻璃量器的轴心方向将待测图像切分为多个候选行,然后从多个候选行中确定出多个目标行。具体的,可以直接将切分的多个候选行全部作为目标行;或者优选的,为了减少运算量,也可以是每隔一定行(step)才检测一行,也即从多个候选行中确定出部分候选行作为目标行。具体的,指定每隔指定数量的候选行确定一目标行用于搜索,换而言之,每相邻的两个目标行之间的间隔为第一指定步长,第一指定步长包括指定数量的候选行。第一指定步长的取值可根据实际需求而设定,应当结合运算量和检测精度综合考虑。
S12、从每个目标行中检测出横向边缘点。其中,横向边缘点包括左边缘点和右边缘点。
在确定出多个目标行之后,可以按横向搜索方向遍历每一目标行,以搜索横向边缘点。具体的,搜索横向边缘点的方式可以包括:按横向搜索方向遍历计算每个目标行中各个像素点的横向灰度梯度,直至根据横向灰度梯度确定出每个目标行中的横向边缘点。其中,横向边缘点为在横向搜索方向上搜索到的第一个横向灰度梯度大于指定梯度的像素点,横向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到。例如,可以计算每个像素点的灰度值与其相邻的上一像素点的灰度值之间的灰度差值的绝对值作为该像素点的横向灰度梯度。
其中,横向搜索方向包括由左至右和由右至左两个搜索方向,左边缘点对应于由左至右搜索方向,右边缘点对应于由右至左搜索方向。也即是说,左边缘点是在由左至右搜索方向上搜索到的第一个横向灰度梯度大于指定梯度的像素点,而右边缘点是在由右至左搜索方向上搜索到的第一个横向灰度梯度大于指定梯度的像素点。由此可以获得瓶颈的左、右两组边缘点。
S13、确定全部目标行中的左边缘点所在的第一直线以及右边缘点所在的第二直线。
该步骤中,通过霍夫变换检测每组边缘点所在直线,即获得第一直线Ll=Xl、第二直线Lr=Xr。
S14、根据第一直线和第二直线的横向坐标,确定玻璃量器的瓶颈区域。
利用玻璃量器瓶颈的轴向相似特征,采用径向梯度方向检测边缘,确定玻璃量器的瓶颈区域的左侧边缘和右侧边缘的横向坐标分别为Xl、Xr。因此在[Xl,Xr]的横向坐标取值范围内,限以指定高度即可从待测图像中截取出瓶颈部分所在区域,获得瓶颈区域。
130、从瓶颈区域中确定感兴趣区域。
在本发明实施例中,感兴趣区域(region ofinterest,ROI)指的是要操作的图像区域的矩形框。该ROI大小可固定设置,也可以动态设置。作为一种可选的实施方式,如图2所示,步骤130可以包括以下步骤1301~1308:
1301、判断摄像模组在当前时刻之前是否拍摄到至少两个历史图像。若是,执行步骤1302~1306;否则,执行步骤1307~1308。
其中,当前时刻指的是摄像模组拍摄待测图像的时刻ti。
1302、获取任意两个历史图像中分别检测到的分度线的两个历史位置。
若在拍摄当前的待测图像之前,摄像模组已拍摄到至少两个历史图像,可取其中两个历史图像进行下一步的计算。优选的,取其中拍摄时刻最接近于当前时刻的两个历史图像,如在第一历史时刻ti-2和第二历史时刻ti-1分别拍摄到的两个历史图像。其中第一历史时刻先于第二历史时刻,第二历史时刻先于当前时刻,且第一历史时刻、第二历史时刻和当前时刻为相邻的三个拍摄时刻,每两个相邻的拍摄时刻之间间隔预设时间间隔。
由于本发明中实时对拍摄到的待测图像进行检测,因此在过去的历史时刻拍摄到两个历史图像之后,也会检测出每个历史图像对应的分度线的历史位置,历史位置具体为分度线在图像坐标系中的纵向坐标。
1303、根据分度线的两个历史位置,计算分度线的图像位移量。
基于前两帧图像中分度线的纵向坐标ym(ti-1)和ym(ti-2),相减可得到分度线在图像坐标系中的纵向位移量,确定为分度线在第一历史时刻和第二历史时刻之间的图像位移量。
1304、根据图像位移量和相应的玻璃量器的真实位移量,计算映射因子。
相应的,玻璃量器于第一历史时刻至第二历史时刻之间在世界坐标系中的真实位移量也可以基于玻璃量器的移动参数获取得到。因此可通过以下公式(1)计算映射因子μ:
μ=[ym(ti-1)-ym(ti-2)]/[S(ti-1)-S(ti-2)] (1)
其中,S(ti-2)为玻璃量器在第一历史时刻ti-2的累计位移量,S(ti-1)为玻璃量器在第二历史时刻ti-1的累计位移量。
1305、根据映射因子,计算分度线在待测图像中的预测位置。
基于映射因子μ预测当前帧图像(即待测图像)中分度线的位置y'm(ti),具体可通过以下公式(2)计算分度线在当前帧图像中的预测位置,该预测位置亦为纵向坐标y'm(ti):
y'm(ti)=ym(ti-1)+μ·[S(ti)-S(ti-1)] (2)
其中,S(ti)为玻璃量器在当前时刻ti的累计位移量。
1306、将预测位置所在的第一子区域确定为感兴趣区域,该第一子区域位于瓶颈区域中。
由于预测得到分度线在当前帧图像中的预测位置,可将感兴趣区域设为以预测位置为中心的第一子区域ROI1,第一子区域的四个顶点坐标如下式(3)所示:
ROI1=[Xl,y'm(ti)-δ/2,Xr,y'm(ti)+δ/2] (3)
其中,δ为感兴趣区域的设定高度,单位为pixel,δ的大小可由开发人员预先根据需求设定,应以能够包含分度线最大成像形态、兼顾运算效率为宜。
作为一种优选的实施方式,通过实施步骤1302~1306,可以基于最近两帧图像所识别的分度线位置以及现实的真实位移,得到图像变化与现实运动的映射因子,以此预测下一帧图像中分度线的位置,实现目标分度线的跟踪,可以实时确定目标位置,避免目标移出工作范围,确保生产安全;也可以为进一步的精确定位目标缩小范围,从而进一步提高运算效率。
另外的在执行步骤1301之后,若判断出在拍摄当前帧图像时摄像模组已拍摄到的历史图像不足两帧图像,则需要从瓶颈区域中检测出感兴趣区域。具体的可执行以下步骤1307~1308。
1307、沿着玻璃量器的轴心方向将瓶颈区域切分为多个第二子区域。
在初始化控制参数时,可以定义瓶颈区域的左上角点top坐标Y=0、第二子区域高(down-top)δ=Image_Hight/n(n为不小于2的自然数,表示将图像中瓶颈部分划分为n个第二子区域,每个第二子区域的高度也为设定高度δ)。
1308、将任一个第二子区域设置为感兴趣区域。
将图像中瓶颈部分划分为多个第二子区域之后,可以自上而下遍历每一个第二子区域,依次将当前遍历到的第二子区域ROI2=(Xl,Y,Xr,Y+δ)确定为当前的感兴趣区域,进行分度线检测。
140、从待测图像中截取感兴趣区域获得备选子图,根据备选子图获得目标子图。
基于矩形ROI提取待测图像I(ti)中的对应区域,得到备选子图Im(ti)。
在一些实施例中,可以直接将该备选子图作为目标子图,或者,也可以执行以下步骤1401~1402获得目标子图:
1401、对备选子图进行降噪处理,获得降噪图。
采用但不限于高斯带通频域滤波算法进行降噪处理。
1402、对降噪图进行增强处理,获得目标子图。
采用但不限于局部二值化、腐蚀等算法进行增强处理,以将图像中的径向小颗粒滤除,以增强径向大颗粒特征。具体的,步骤1402中,可以通过计算降噪图中各个颗粒的最小包覆矩形的横向边界长度,将横向边界长度小于预设长度阈值的颗粒滤除,获得目标子图。
其中,“颗粒”是图像学里的术语partical,首先,对图像进行二值化,二值图像中像素不为零的部分就是颗粒。有些颗粒像孤岛一样离散分布。为了描述颗粒形态和属性,图像学里有很多专业术语,比如面积、边界、角度和矩等。
在本发明中,使用了颗粒的“边界矩形”这个参数,即包覆颗粒的最小矩形(又称最小包覆矩形),设定预设长度阈值,将最小包覆矩形在径向上的宽度(即横向边界长度)小于预设长度阈值的颗粒被判定为干扰而滤掉。
实施步骤1401~1402,可以在截图之后对备选子图Im(ti)进行滤波、增强等处理,利用玻璃量器围线的边界矩形宽度最大的形态学特征,将图像中的径向小颗粒滤除,以增强径向大颗粒特征,得到目标子图I'm(ti)。通过图像增强,可以提高图像识别准确性。
150、从目标子图中确定多个目标列。
分度线是垂直瓶颈轴向的刻线,在图像中则表现为显著的径向几何特征。鉴于分度线具有显著的径向几何特征,采用纵向搜索方向分别检测分度线的上、下边缘点,得到分度线的上、下边缘线。
首先沿着玻璃量器的径向方向将目标子图切分为多个候选列,然后从多个候选列中确定出多个目标列。具体的,可以直接将切分的多个候选列全部作为目标列;或者优选的,为了减少运算量,也可以是每隔一定列(step)才检测一列,也即从多个候选列中确定出部分候选列作为目标列。具体的,指定每隔指定数量的候选列确定一目标列用于搜索,换而言之,每相邻的两个目标列之间的间隔为第二指定步长,第二指定步长包括指定数量的候选列。第二指定步长的取值,可根据实际需求而设定,应当结合运算量和检测精度综合考虑。
160、从每个目标列中检测出纵向边缘点。其中,纵向边缘点包括上边缘点和下边缘点。
在确定出多个目标列之后,可以按纵向搜索方向遍历每一目标列,以搜索纵向边缘点。步骤160具体可以包括:按纵向搜索方向遍历计算每个目标列中各个像素点的纵向灰度梯度,直至根据纵向灰度梯度确定出每个目标列中的纵向边缘点。其中,纵向边缘点为在纵向搜索方向上搜索到的第一个纵向灰度梯度大于指定梯度的像素点,纵向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到。例如,可以计算每个像素点的灰度值与其相邻的上一像素点的灰度值之间的灰度差值的绝对值作为该像素点的纵向灰度梯度。
其中,纵向搜索方向包括由上至下和由下至上两个搜索方向,上边缘点对应于由上至下搜索方向,下边缘点对应于由下至上搜索方向。也即是说,上边缘点是在由上至下搜索方向上搜索到的第一个纵向灰度梯度大于指定梯度的像素点,而下边缘点是在由下至上搜索方向上搜索到的第一个纵向灰度梯度大于指定梯度的像素点。由此可以获得分度线的上、下两组边缘点。
170、对全部目标列中的上边缘点进行多项式拟合获得第一拟合曲线,对全部目标列中的下边缘点进行多项式拟合获得第二拟合曲线。
基于分度线在图像中表现为瓶颈径向的对称圆弧曲线形态特征,可以采用多项式拟合边缘检测点的方法进行表征。其中,可以采用最小二乘法或最小绝对偏差法等二项式拟合方式进行曲线拟合。所获得的第一拟合曲线为上边缘拟合结果Pu(ti)和第二拟合曲线为下边缘拟合结果Pd(ti)。
180、判断第一拟合曲线和第二拟合曲线是否均满足预设条件。若是,执行步骤191;否则,执行步骤192。
通过判断拟合曲线是否满足预设条件,可以判定上下边缘点检测是否正确、是否合理。当第一拟合曲线满足预设条件时,说明拟合有效,判定上边缘点检测正确,则确定第一拟合曲线为检测到的分度线的上边缘线。当第二拟合曲线满足预设条件时,说明拟合有效,判定下边缘点检测正确,则确定第二拟合曲线为检测到的分度线的下边缘线。
具体的,预设条件可以包括但不限于以下三项ABC:
A、拟合曲线的开口朝向符合设定方向。比如,上边缘拟合结果的开口朝向应当向下,而下边缘拟合结果的开口朝向应当向上,具体可通过判断拟合曲线的二次项系数与0的关系来识别其开口朝向,也即,当第一拟合曲线的二次项系数小于0(图像坐标系纵轴方向默认朝下)且第二拟合曲线的二次项系数大于0时,判定第一拟合曲线、第二拟合曲线的开口朝向符合设定方向。
B、拟合曲线的二次项系数绝对值大于曲率2/D(其中D为瓶颈内径)。
C、拟合曲线的顶点与玻璃量器瓶颈中轴线的距离小于指定距离。
其中,一旦拟合曲线的顶点与玻璃量器瓶颈中轴线的距离大于或等于指定距离,说明顶点明显偏离中轴线区域,则边缘点检测错误。当第一拟合曲线和第二拟合曲线的顶点与玻璃量器瓶颈中轴线的距离均小于指定距离时,判定符合预设条件C。
191、确定第一拟合曲线为分度线的上边缘线、第二拟合曲线为分度线的下边缘线,根据分度线的上边缘线和下边缘线,确定分度线的目标位置。
优选的,可以获取分度线的上边缘线和下边缘线的几何对称轴,该几何对称轴垂直于玻璃量器的轴心。将几何对称轴在玻璃量器的轴心方向上的纵向坐标ym确定为识别出的分度线的目标位置。
进一步的,在确定出分度线的目标位置之后,还可以根据目标位置修正感兴趣区域的位置,也即,将感兴趣区域(包括ROI1或ROI2)修正为ROI目标=(Xl,ym-δ/2,Xr,ym+δ/2),使感兴趣区域以ym为中心上下对称,高度为δ。
192、对感兴趣区域进行调整获得新的感兴趣区域,并转向步骤140循环执行。
当第一拟合曲线不满足预设条件时,判定上边缘点检测不正确;同样,当第二拟合曲线不满足预设条件时,判定下边缘点检测不正确。如果判断出第一拟合曲线和/或第二拟合曲线不满足预设条件,则对感兴趣区域(包括ROI1或ROI2)进行调整获得新的感兴趣区域ROI3,并转向步骤140循环执行。
具体的,步骤192可以分为以下几种情况,分别对应步骤S21~S23:
S21、当第一拟合曲线满足预设条件,且第二拟合曲线不满足预设条件时,根据第一拟合曲线Pu(ti)与瓶颈内径D预测下边缘最低点坐标yd0;若感兴趣区域的底部坐标bottom小于yd0,保持感兴趣区域的顶部坐标top不变,修改感兴趣区域的底部坐标bottom使其不小于yd0,获得新的感兴趣区域ROI3,并转向步骤140循环执行。
其中,由于上、下边缘基本对称的特征,在仅上边缘点检测准确时,可根据第一拟合曲线Pu(ti)与瓶颈内径D预测下边缘最低点坐标yd0,然后判断感兴趣区域的底部坐标bottom是否小于yd0,若小于,说明下边缘线位于感兴趣区域之外,可进一步修改感兴趣区域;否则,说明检测参数不合理,建议减小梯度阈值(即指定梯度)重新检测,即转向步骤150循环执行。
S22、当第一拟合曲线不满足预设条件,且第二拟合曲线满足预设条件时,根据第二拟合曲线Pd(ti)与瓶颈内径D预测上边缘最高点坐标yu0;若感兴趣区域的顶部坐标top大于yu0,保持感兴趣区域的底部坐标bottom不变,修改感兴趣区域的顶部坐标top使其不大于yu0,获得新的感兴趣区域ROI3,并转向步骤140循环执行。
其中,由于上、下边缘基本对称的特征,在仅下边缘点检测准确时,可根据第二拟合曲线Pd(ti)与瓶颈内径D预测上边缘最高点坐标yu0,然后判断感兴趣区域的顶部坐标top是否大于yu0,若大于,说明上边缘线位于感兴趣区域之外,可进一步修改感兴趣区域;否则,说明检测参数不合理,建议减小梯度阈值(即指定梯度)重新检测,即转向步骤150循环执行。
S23、当第一拟合曲线不满足预设条件,且第二拟合曲线不满足预设条件时,获取感兴趣区域下方的设定高度的区域作为新的感兴趣区域ROI3=(Xl,Y+δ,Xr,Y+2δ),转向步骤140循环执行。
也即,在没有边缘点检测准确时,说明当前的感兴趣区域不存在分度线,则进入下一个子区域进行分度线检测。
实施以上步骤S21~S23,可以根据拟合多项式二次项系数及多项式曲线顶点坐标判断边缘检测结果的准确性,根据上、下边缘基本对称的特点,动态调整ROI大小与位置,从而提高识别成功率。
综上所述,本发明实施例提出的玻璃量器分度线识别方法是一种基于目标显著特征的特征检测方法,仅仅是对一帧图像进行处理和检测,无需依赖于与多幅模板图像进行匹配,可以减少运算量,提高运算效率,进而提高实时性。在实际应用中具有运算量小、准确度高等特点,应用价值显著。
如图3所示,本发明实施例公开一种玻璃量器分度线识别装置,包括采集单元301、第一确定单元302、第二确定单元303、截取单元304、列确定单元305、检测单元306、拟合单元307、判断单元308、判定单元309和定位单元310,其中,
采集单元301,用于获取摄像模组拍摄到的待测图像;
第一确定单元302,用于从待测图像中检测出玻璃量器的瓶颈区域;
第二确定单元303,用于从瓶颈区域中确定感兴趣区域;
截取单元304,用于从待测图像中截取感兴趣区域获得备选子图,根据备选子图获得目标子图;
列确定单元305,用于从目标子图中确定多个目标列;
检测单元306,用于从每个目标列中检测出纵向边缘点;其中,纵向边缘点包括上边缘点和下边缘点;
拟合单元307,用于对全部目标列中的上边缘点进行多项式拟合获得第一拟合曲线,对全部目标列中的下边缘点进行多项式拟合获得第二拟合曲线;
判断单元308,用于判断第一拟合曲线和第二拟合曲线是否均满足预设条件;
判定单元309,用于在判断单元308判断出第一拟合曲线和第二拟合曲线均满足预设条件时,确定第一拟合曲线为分度线的上边缘线、第二拟合曲线为分度线的下边缘线;
定位单元310,用于根据分度线的上边缘线和下边缘线,确定分度线的目标位置。
作为一种可选的实施方式,检测单元306,具体用于按纵向搜索方向遍历计算每个目标列中各个像素点的纵向灰度梯度,直至根据纵向灰度梯度确定出每个目标列中的纵向边缘点;其中,纵向边缘点为在纵向搜索方向上搜索到的第一个纵向灰度梯度大于指定梯度的像素点,纵向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到;纵向搜索方向包括由上至下和由下至上两个搜索方向,上边缘点对应于由上至下搜索方向,下边缘点对应于由下至上搜索方向。
作为一种可选的实施方式,定位单元310,具体用于获取分度线的上边缘线和下边缘线的几何对称轴,该几何对称轴垂直于玻璃量器的轴心;将几何对称轴在玻璃量器的轴心方向上的纵向坐标确定为分度线的目标位置。
作为一种可选的实施方式,还包括未图示的更新单元,用于在判断单元308判断出第一拟合曲线和/或第二拟合曲线不满足预设条件时,对感兴趣区域进行调整获得新的感兴趣区域,并触发截取单元304重新执行从待测图像中截取感兴趣区域获得备选子图的操作。
作为一种可选的实施方式,上述的第二确定单元303可以包括以下未图示的子单元:
判断子单元,用于判断摄像模组在当前时刻之前是否拍摄到至少两个历史图像;其中,待测图像拍摄于当前时刻;
获取子单元,用于在判断子单元的判断结果为是时,获取任意两个历史图像中分别检测到的分度线的两个历史位置;
计算子单元,用于根据分度线的两个历史位置,计算分度线的图像位移量;
映射子单元,用于根据图像位移量和相应的玻璃量器的真实位移量,计算映射因子;
预测子单元,用于根据映射因子计算分度线在待测图像中的预测位置;将预测位置所在的第一子区域确定为感兴趣区域,第一子区域位于瓶颈区域中。
进一步可选的,上述的第二确定单元303还可以包括以下未图示的子单元:
切分子单元,用于在判断子单元的判断结果为否时,沿着玻璃量器的轴心方向将瓶颈区域切分为多个第二子区域;
设置子单元,用于将任一第二子区域设置为感兴趣区域。
进一步可选的,上述的第一确定单元302可以包括以下未图示的子单元:
行确定子单元,用于从待测图像中确定多个目标行;
检测子单元,用于从每个目标行中检测出横向边缘点;其中,横向边缘点包括左边缘点和右边缘点;
直线确定子单元,用于确定全部目标行中的左边缘点所在的第一直线以及右边缘点所在的第二直线;
区域确定子单元,用于根据第一直线和第二直线的横向坐标,确定玻璃量器的瓶颈区域。
作为一种可选的实施方式,上述检测子单元,具体用于按横向搜索方向遍历计算每个目标行中各个像素点的横向灰度梯度,直至根据横向灰度梯度确定出每个目标行中的横向边缘点;其中,横向边缘点为在横向搜索方向上搜索到的第一个横向灰度梯度大于指定梯度的像素点,横向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到;横向搜索方向包括由左至右和由右至左两个搜索方向,左边缘点对应于由左至右搜索方向,右边缘点对应于由右至左搜索方向。
如图4所示,本发明实施例公开一种电子设备,包括存储有可执行程序代码的存储器401以及与存储器401耦合的处理器402;
其中,处理器402调用存储器401中存储的可执行程序代码,执行上述各实施例中描述的玻璃量器分度线识别方法。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行上述各实施例中描述的玻璃量器分度线识别方法。
以上实施例的目的,是对本发明的技术方案进行示例性的再现与推导,并以此完整的描述本发明的技术方案、目的及效果,其目的是使公众对本发明的公开内容的理解更加透彻、全面,并不以此限定本发明的保护范围。
以上实施例也并非是基于本发明的穷尽性列举,在此之外,还可以存在多个未列出的其他实施方式。在不违反本发明构思的基础上所作的任何替换与改进,均属本发明的保护范围。
Claims (9)
1.玻璃量器分度线识别方法,其特征在于,包括:
获取摄像模组拍摄到的待测图像;
从所述待测图像中检测出玻璃量器的瓶颈区域;
从所述瓶颈区域中确定感兴趣区域;
从所述待测图像中截取感兴趣区域获得备选子图;
根据所述备选子图,获得目标子图;
从所述目标子图中确定多个目标列;
按纵向搜索方向遍历计算每个所述目标列中各个像素点的纵向灰度梯度,直至根据所述纵向灰度梯度确定出每个所述目标列中的纵向边缘点;
其中,所述纵向边缘点为在纵向搜索方向上搜索到的第一个所述纵向灰度梯度大于指定梯度的像素点,所述纵向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到;所述纵向搜索方向包括由上至下和由下至上两个搜索方向,所述纵向边缘点包括上边缘点和下边缘点,所述上边缘点对应于由上至下搜索方向,所述下边缘点对应于由下至上搜索方向;
对全部所述目标列中的上边缘点进行多项式拟合获得第一拟合曲线,对全部所述目标列中的下边缘点进行多项式拟合获得第二拟合曲线;
判断所述第一拟合曲线和所述第二拟合曲线是否均满足预设条件;
若所述第一拟合曲线和所述第二拟合曲线均满足预设条件,确定所述第一拟合曲线为分度线的上边缘线、所述第二拟合曲线为分度线的下边缘线;
根据所述分度线的上边缘线和下边缘线,确定所述分度线的目标位置。
2.如权利要求1所述的玻璃量器分度线识别方法,其特征在于,判断所述第一拟合曲线和所述第二拟合曲线是否均满足预设条件之后,所述方法还包括:
若所述第一拟合曲线和/或所述第二拟合曲线不满足预设条件,对所述感兴趣区域进行调整获得新的感兴趣区域,并重新转向执行从所述待测图像中截取感兴趣区域获得备选子图的步骤。
3.如权利要求1所述的玻璃量器分度线识别方法,其特征在于,根据所述分度线的上边缘线和下边缘线,确定所述分度线的目标位置,包括:
获取所述分度线的上边缘线和下边缘线的几何对称轴,所述几何对称轴垂直于所述玻璃量器的轴心;
将所述几何对称轴在玻璃量器的轴心方向上的纵向坐标确定为所述分度线的目标位置。
4.如权利要求1至3任一项所述的玻璃量器分度线识别方法,其特征在于,从所述瓶颈区域中确定感兴趣区域,包括:
判断所述摄像模组在当前时刻之前是否拍摄到至少两个历史图像;其中,所述待测图像拍摄于所述当前时刻;
若是,获取任意两个历史图像中分别检测到的分度线的两个历史位置;
根据所述分度线的两个历史位置,计算所述分度线的图像位移量;
根据所述图像位移量和相应的所述玻璃量器的真实位移量,计算映射因子;
根据所述映射因子,计算所述分度线在所述待测图像中的预测位置;
将所述预测位置所在的第一子区域确定为感兴趣区域,所述第一子区域位于所述瓶颈区域中。
5.如权利要求4所述的玻璃量器分度线识别方法,其特征在于,判断所述摄像模组在当前时刻之前是否拍摄到至少两个历史图像之后,所述方法还包括:
若判断出所述摄像模组在当前时刻之前未拍摄到至少两个历史图像,沿着玻璃量器的轴心方向将所述瓶颈区域切分为多个第二子区域;
将任一所述第二子区域设置为感兴趣区域。
6.如权利要求1至3任一项所述的玻璃量器分度线识别方法,其特征在于,从所述待测图像中检测出玻璃量器的瓶颈区域,包括:
从所述待测图像中确定多个目标行;
从每个所述目标行中检测出横向边缘点;其中,所述横向边缘点包括左边缘点和右边缘点;
确定全部所述目标行中的左边缘点所在的第一直线以及右边缘点所在的第二直线;
根据所述第一直线和所述第二直线的横向坐标,确定玻璃量器的瓶颈区域。
7.如权利要求6所述的玻璃量器分度线识别方法,其特征在于,从每个所述目标行中检测出横向边缘点,包括:
按横向搜索方向遍历计算每个所述目标行中各个像素点的横向灰度梯度,直至根据所述横向灰度梯度确定出每个所述目标行中的横向边缘点;
其中,所述横向边缘点为在横向搜索方向上搜索到的第一个所述横向灰度梯度大于指定梯度的像素点,所述横向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到;所述横向搜索方向包括由左至右和由右至左两个搜索方向,所述左边缘点对应于由左至右搜索方向,所述右边缘点对应于由右至左搜索方向。
8.玻璃量器分度线识别装置,其特征在于,包括:
采集单元,用于获取摄像模组拍摄到的待测图像;
第一确定单元,用于从所述待测图像中检测出玻璃量器的瓶颈区域;
第二确定单元,用于从所述瓶颈区域中确定感兴趣区域;
截取单元,用于从所述待测图像中截取感兴趣区域获得备选子图,根据所述备选子图获得目标子图;
列确定单元,用于从所述目标子图中确定多个目标列;
检测单元,用于从每个所述目标列中检测出纵向边缘点;其中,所述纵向边缘点包括上边缘点和下边缘点;
拟合单元,用于对全部所述目标列中的上边缘点进行多项式拟合获得第一拟合曲线,对全部所述目标列中的下边缘点进行多项式拟合获得第二拟合曲线;
判断单元,用于判断所述第一拟合曲线和所述第二拟合曲线是否均满足预设条件;
判定单元,用于在所述判断单元判断出所述第一拟合曲线和所述第二拟合曲线均满足预设条件时,确定所述第一拟合曲线为分度线的上边缘线、所述第二拟合曲线为分度线的下边缘线;
定位单元,用于根据所述分度线的上边缘线和下边缘线,确定所述分度线的目标位置;
其中,所述检测单元,具体用于按纵向搜索方向遍历计算每个所述目标列中各个像素点的纵向灰度梯度,直至根据所述纵向灰度梯度确定出每个所述目标列中的纵向边缘点;其中,所述纵向边缘点为在纵向搜索方向上搜索到的第一个所述纵向灰度梯度大于指定梯度的像素点,所述纵向灰度梯度根据每个像素点及其相邻的上一像素点各自的灰度值计算得到;所述纵向搜索方向包括由上至下和由下至上两个搜索方向,所述上边缘点对应于由上至下搜索方向,所述下边缘点对应于由下至上搜索方向。
9.电子设备,其特征在于,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至7任一项所述的玻璃量器分度线识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310834005.3A CN116778183B (zh) | 2023-07-07 | 2023-07-07 | 玻璃量器分度线识别方法及装置、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310834005.3A CN116778183B (zh) | 2023-07-07 | 2023-07-07 | 玻璃量器分度线识别方法及装置、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116778183A CN116778183A (zh) | 2023-09-19 |
CN116778183B true CN116778183B (zh) | 2024-02-02 |
Family
ID=87992898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310834005.3A Active CN116778183B (zh) | 2023-07-07 | 2023-07-07 | 玻璃量器分度线识别方法及装置、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116778183B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102150017A (zh) * | 2008-09-12 | 2011-08-10 | 莱卡地球***公开股份有限公司 | 确定位置的方法和装置 |
WO2014044126A1 (zh) * | 2012-09-21 | 2014-03-27 | Wei Yiqun | 坐标获取装置、实时三维重建***和方法、立体交互设备 |
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 |
CN115861351A (zh) * | 2022-12-07 | 2023-03-28 | 苏州镁伽科技有限公司 | 边缘检测方法、缺陷检测方法及检测装置 |
-
2023
- 2023-07-07 CN CN202310834005.3A patent/CN116778183B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102150017A (zh) * | 2008-09-12 | 2011-08-10 | 莱卡地球***公开股份有限公司 | 确定位置的方法和装置 |
WO2014044126A1 (zh) * | 2012-09-21 | 2014-03-27 | Wei Yiqun | 坐标获取装置、实时三维重建***和方法、立体交互设备 |
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 |
CN115861351A (zh) * | 2022-12-07 | 2023-03-28 | 苏州镁伽科技有限公司 | 边缘检测方法、缺陷检测方法及检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116778183A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110268190B (zh) | 一种基于静态红外热像图处理的地下管廊渗漏检测方法 | |
CN109615653B (zh) | 基于深度学习与视场投影模型的渗漏水面积检测与识别方法 | |
CN106529587B (zh) | 基于目标点识别的视觉航向识别方法 | |
JP2007508633A (ja) | 物体輪郭画像を解析する方法および画像処理装置、物体を検出する方法および画像処理装置、産業用視覚装置、スマートカメラ、画像ディスプレイ、セキュリティシステム、ならびにコンピュータプログラム製品 | |
CN113160192A (zh) | 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置 | |
JP5852919B2 (ja) | ひび割れ検出方法 | |
CN109583365A (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
CN109523549B (zh) | 一种用于压力容器气密性试验的漏气区域检测方法 | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
TWI543117B (zh) | 物件辨識與定位方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN116778183B (zh) | 玻璃量器分度线识别方法及装置、设备 | |
CN114119644A (zh) | 一种基于边缘特征的模板匹配方法 | |
CN117115260A (zh) | 基于yolo的类圆柱目标位姿估计方法、装置和设备 | |
CN116758357A (zh) | 一种油田的管杆接箍的自动识别方法 | |
CN116309882A (zh) | 一种面向无人叉车应用的托盘检测和定位方法及*** | |
CN114131149B (zh) | 一种基于CenterNet的激光视觉焊缝跟踪***、设备及存储介质 | |
CN114187269B (zh) | 小零器件表面缺陷边缘快速检测方法 | |
CN115909151A (zh) | 一种复杂工作条件下运动容器编号识别方法 | |
CN116109701A (zh) | 一种基于被动双目的高反光物体抓取方法 | |
CN112581472B (zh) | 一种面向人机交互的目标表面缺陷检测方法 | |
De Vitis et al. | Algorithms for the detection of blob defects in high speed glass tube production lines | |
CN114359378A (zh) | 一种带式输送机巡检机器人定位方法 | |
CN105427295A (zh) | 一种基于焊缝的图像识别方法和图像识别*** |
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 |