CN118015029A - 极耳的角点的检测方法、装置及存储介质 - Google Patents
极耳的角点的检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN118015029A CN118015029A CN202410056888.4A CN202410056888A CN118015029A CN 118015029 A CN118015029 A CN 118015029A CN 202410056888 A CN202410056888 A CN 202410056888A CN 118015029 A CN118015029 A CN 118015029A
- Authority
- CN
- China
- Prior art keywords
- corner
- target
- corner points
- electrode assembly
- tab
- 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 67
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 238000012546 transfer Methods 0.000 claims abstract description 8
- 239000000178 monomer Substances 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T7/194—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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种极耳的角点的检测方法、装置及存储介质,能够提高角点检测效率。该极耳的角点的检测方法包括:确定待检测图像中电极组件的轮廓;电极组件包括电芯单体、与电芯单体连接的极耳以及与极耳焊接在一起的转接片;基于电极组件的轮廓,确定在目标轮廓上的多个角点,目标轮廓为电极组件的轮廓中包含极耳的部分轮廓的轮廓;确定多个角点分别对应的区域占比,区域占比为以角点为中心的预定区域内电极组件的区域的占比;根据多个角点分别对应的区域占比,在多个角点中确定极耳的目标角点;目标角点为极耳与待检测图像的背景相邻的角点,背景是指待检测图像中除电极组件以外的区域。
Description
本申请是申请日为2022年07月18日的中国专利申请号为202210841619.X、发明名称为“角点检测的方法和装置”的分案申请。
技术领域
本申请涉及图像处理技术领域,更为具体地,涉及一种极耳的角点的检测方法、装置及存储介质。
背景技术
图像中的角点通常指图像中亮度变化剧烈的点,或者图像边缘轮廓曲线上曲率取极大值的点,是表征图像的一种重要特征,图像的角点检测作为工业现场中工件的自动检测等过程中很重要的一环,其提取角点的能力和速度会直接影响工业自动化检测的精度和效率。
现阶段的角点检测算法主要有基于灰度图像、二值图像和轮廓曲线的角点检测算法三类,其中基于轮廓的角点检测方法因其具有较低的检测错误率而得到更为广泛的应用。但目前已有的基于轮廓的角点检测方法计算复杂度较高,不适用于高效率要求的检测场景。因此,亟需一种高效的角点检测方法。
发明内容
本申请实施例提供了一种极耳的角点的检测方法、装置及存储介质,能够减少算法复杂度,从而提高了角点的检测效率。
第一方面,提供了一种极耳的角点的检测方法,包括:确定待检测图像中电极组件的轮廓;所述电极组件包括电芯单体、与所述电芯单体连接的极耳以及与所述极耳焊接在一起的转接片;基于所述电极组件的轮廓,确定在目标轮廓上的多个角点;所述目标轮廓为所述电极组件的轮廓中包含所述极耳的部分轮廓的轮廓;确定所述多个角点分别对应的区域占比,所述区域占比为以所述角点为中心的预定区域内所述电极组件的区域的占比;根据所述多个角点分别对应的区域占比,在所述多个角点中确定所述极耳的目标角点;所述目标角点为所述极耳与所述待检测图像的背景相邻的角点,所述背景是指所述待检测图像中除所述电极组件以外的区域。
本申请的技术方案中,仅需要通过区域占比就可以确定角点是否为目标角点,不需要其他角点的辅助确认,相比现有方法减少了遍历次数,减少了算法的复杂度,提高了角点检测的效率。
在一些可能的实施方式中,所述根据所述多个角点分别对应的区域占比,在所述多个角点中确定所述极耳的目标角点包括:在所述多个角点中确定所述区域占比大于预定值的至少一个候选角点;在所述至少一个候选角点中确定所述目标角点。
通过比较区域占比与预定值,以数值比较的方式筛掉干扰点,留下符合条件的候选角点,有利于尽快确定目标角点,从而提高角点的检测效率。
在一些可能的实施方式中,所述在所述至少一个候选角点中确定所述目标角点,包括:在所述候选角点为多个的情况下,根据多个所述候选角点分别与所述极耳的中心点的位置关系确定所述目标角点。
由于候选角点与极耳的中心点的位置关系均不同,可以通过该位置关系在多个候选角点中一次性确定目标角点,以提高角点检测的效率。
在一些可能的实施方式中,所述位置关系包括所述候选角点与所述极耳的中心点之间的距离;所述根据多个所述候选角点分别与所述极耳的中心点的位置关系确定所述目标角点包括:将多个所述距离中最大距离所对应的候选角点确定为所述目标角点。
在一些可能的实施方式中,所述基于所述电极组件的轮廓,确定在目标轮廓上的多个角点,包括:基于所述电极组件的轮廓,确定所述目标轮廓;将所述目标轮廓所对应的多边形的各个顶点作为所述多个角点。
将目标轮廓从电极组件的轮廓上截取下来,以得到包括极耳的轮廓,然后再在包括极耳的轮廓获取角点,相比先获取电极组件的轮廓的所有角点再获取包括极耳的轮廓上的角点,减少了获取角点的数量,有助于提高角点检测的效率。
在一些可能的实施方式中,所述基于所述电极组件的轮廓,确定所述目标轮廓,包括:确定所述待检测图像中至少一个感兴趣区域;在所述至少一个感兴趣区域中确定所述目标轮廓。
通过在待检测图像中设置感兴趣区域,可以缩小待检测图像中需要分析和处理的范围,因此提高了角点检测的效率。
在一些可能的实施方式中,所述将所述目标轮廓所对应的多边形的各个顶点作为所述多个角点,包括:通过多边形逼近算法对所述至少一个感兴趣区域分别对应的目标轮廓进行处理,得到至少一个所述目标轮廓分别对应的多边形;将每一所述目标轮廓对应的多边形的各个顶点作为所述多个角点。
在待检测区域中,可以设置多个感兴趣区域获取角点。当电极组件的轮廓上的角点较多时,可以通过设置多个感兴趣区域进一步减少获取的角点数量,以进一步遍历次数与计算量,提高角点检测的效率。并且在通过多边形逼近方法获取目标轮廓对应的多边形,可以减少后续需要处理的角点,提高角点的检测效率。
在一些可能的实施方式中,所述确定待检测图像中电极组件的轮廓,包括:对所述待检测图像进行二值化,得到所述待检测图像的二值化图像;根据所述二值化图像中的电极组件的边缘曲线,确定所述电极组件的轮廓。
在对待检测图像进行二值化处理后,可以使整个图像呈现出明显的黑白效果,以凸显出电极组件的轮廓,以便于通过二值化图像的边缘曲线快速提取该电极组件的轮廓。
在一些可能的实施方式中,所述预定区域为圆形。
将预定区域设置为圆形,有利于快速判断电极组件的区域在预定区域的区域占比,还可以避免像其他有角度的图像,需要考虑角度对区域占比的影响,从而提高了角点检测的准确度。
在一些可能的实施方式中,所述圆形的半径为10个像素。
将圆形预定区域的半径设置为10个像素,可以避免半径值过大可能将其他角点包括在预定区域中,以影响计算当前角点的区域占比,过小引起精确度不高的问题,该取值可以更合理、有效计算区域占比,以提高角点检测的准确度。
在一些可能的实施方式中,所述预定值为0.6。
将预定值设置为0.6,可以将近似直线上的角点排除,有利于快速获取目标角点,提高角点检测的效率。
第二方面,提供了一种极耳的角点的检测装置,包括处理器和存储器,所述存储器用于存储程序,所述处理器用于从所述存储器中调用并运行所述程序以执行上述第一方面或第一方面的任一可能的实施方式中的极耳的角点的检测方法。
第三方面,提供了一种计算机可读存储介质,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述第一方面或第一方面的任一可能的实施方式中的极耳的角点的检测方法。
第四方面,提供一种包含指令的计算机程序产品,该指令被计算机执行时使得该计算机执行上述第一方面或第一方面的任一可能的实现方式中的极耳的角点的检测方法。
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,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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,还可以根据附图获得其他的附图。
图1是本申请实施例提供的一种极耳的角点的检测方法的示意性流程图;
图2是本申请实施例提供的一种待检测图像的示意图;
图3是本申请实施例提供的另一种极耳的角点的检测方法的示意性流程图;
图4是本申请实施例提供的另一种极耳的角点的检测方法的示意性过程图;
图5是本申请实施例提供的一种极耳的角点的检测装置的结构示意图。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。
在本申请实施例的描述中,技术术语“第一”“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本申请实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本申请实施例的描述中,术语“多个”指的是两个以上(包括两个),同理,“多组”指的是两组以上(包括两组),“多片”指的是两片以上(包括两片)。
在本申请实施例的描述中,技术术语“中心”“纵向”“横向”“长度”“宽度”“厚度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”“顺时针”“逆时针”“轴向”“径向”“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请实施例的限制。
在本申请实施例的描述中,除非另有明确的规定和限定,技术术语“安装”“相连”“连接”“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;也可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请实施例中的具体含义。
图像的角点是表征图像的一种重要特征,图像的角点检测作为工业现场中工件的自动检测等过程中很重要的一环,其提取角点的能力和速度会直接影响工业自动化检测的精度和效率。现有的角点检测算法大致可分为三类:基于模型的方法、基于灰度的方法、基于轮廓的方法。其中,在轮廓曲线上进行角点提取时,因其计算量较少、检测的准确性较高,因此该类算法被广泛的应用在工业检测现场。现有的方法在轮廓上初次提取候选角点后,再通过三个角点连线的角度确定中间角点是否为真实角点,该方法的遍历次数较多,会导致算法复杂度高,从而影响角点检测的效率。另外,目前在极耳的角点进行检测时,由于图像中的工件可能包括多个对象,其中多个对象可能相互重叠,会导致极耳的角点更加难以检测或定位。
鉴于此,本申请实施例提供了一种极耳的角点的检测方法,首先确定待检测图像中电极组件的轮廓;然后基于所述电极组件的轮廓,确定在目标轮廓上的多个角点,然后计算每个角点对应的区域占比,该区域占比是指以当前角点为中心的预定区域内除背景以外的区域的占比,通过区域占比与预定值的关系确定该角点是否为目标角点。本申请的极耳的角点的检测方法仅需要比较当前角点的区域占比与预定值即可确认是否为目标角点,不需要其他角点的辅助确认,相比现有方法减少了遍历次数,减少了算法的复杂度,提高了角点检测的效率。
图1是本申请实施例的极耳的角点的检测方法100,该方法100具体包括以下步骤110至140。
110,确定待检测图像中电极组件的轮廓。
这里,所述电极组件包括电芯单体、与所述电芯单体连接的极耳以及与所述极耳焊接在一起的转接片。
如图2所示,该待检测图像是利用摄像头拍摄的电极组件的图像,该图像包括背景10,电芯主体11、极耳12以及转接片13,其中,电极组件包括电芯主体11、极耳12以及转接片13三种对象,极耳12焊接于其他对象即转接片13上,两者有部分重叠。
本申请实施例中,可以通过待检测图像的二值化图像的边缘曲线,即黑色与白的相交处,提取电极组件的轮廓。
120,基于所述电极组件的轮廓,确定在目标轮廓上的多个角点。
其中,多个角点为待检测图像中电极组件的轮廓的角点,电极组件的轮廓包括极耳的轮廓。
待检测图像例如可以是通过摄像机拍摄极耳所得到的图像,以对极耳的角点进行检测。在工件的检测场景中,极耳可以是整个工件也可以是工件上的某一部件。
需要说明的是,极耳为工件上的某一部件时,通过摄像机拍摄工件所得的待检测图像不仅包括极耳,还可能包括其他对象,极耳与其他对象有可能相互分离,也有可能相互重叠。相互重叠可以是完全重叠,也可以是部分重叠。例如图2所示的待检测图像,是利用摄像头拍摄的电极组件,该图像包括背景10,电芯主体11、极耳12以及转接片13,其中,电极组件包括电芯主体11、极耳12以及转接片13三种对象,极耳12焊接于其他对象即转接片13上,两者有部分重叠。
当极耳为工件上的某一部件时,待检测图像中的极耳可以有一个,也可以有多个,例如图2上有4个极耳,本申请对此不作限定。
待检测图像具有电极组件和环境背景,电极组件包括极耳,通过确定极耳的轮廓曲线上的角点的位置,能够对极耳进行快速定位,进而快速完成对极耳的后续分析。
电极组件的轮廓指电极组件与背景分割时,构成电极组件的外缘的线条。极耳的轮廓指极耳与背景分割时,构成极耳的外缘的线条。当极耳与其他对象的部分相互重叠时,电极组件的轮廓包括极耳的轮廓,极耳的轮廓上的角点在电极组件的轮廓上。
本申请实施例中,可以通过感兴趣区域的矩形框在电极组件的轮廓上截取包括极耳的轮廓的目标轮廓,然后在目标轮廓上确定多个角点。
130,确定多个角点分别对应的区域占比。其中,区域占比为以角点为中心的预定区域内电极组件的区域的占比。
在获取到多个角点后,遍历每个角点,计算每个角点对应的区域占比。区域占比指以当前遍历的角点为中心,绘出预定区域,计算电极组件的区域在该预定区域的占比。
140,根据多个角点分别对应的区域占比,在多个角点中确定极耳的目标角点。
当极耳与其他对象的部分相互重叠时,目标角点是指在待检测图像中,极耳与待检测图像的背景相邻的角点,该背景是指待检测图像中除电极组件以外的区域。如图2所示,角点1至8为极耳12与背景10相邻的目标角点。当获取多个角点后,可以根据区域占比排除多个角点中的干扰点,以确定极耳的目标角点。
本申请实施例提供的极耳的角点的检测方法,仅需要通过区域占比就可以确定该角点是否为目标角点,不需要其他角点的辅助确认,相比现有方法减少了遍历次数,减少了算法的复杂度,提高了角点检测的效率。
可选地,在一些实施例中,步骤140可以在多个角点中,获取区域占比大于预定值的至少一个候选角点,然后在至少一个候选角点中获取目标角点。
应理解,上述实施例首先将多个区域占比中的每个区域占比与预定值进行比较,当区域占比大于预定值时,将该区域占比所对应的角点列为候选角点。遍历完所有角点后,候选角点可能有一个,可能有多个。当候选角点仅为一个时,该候选角点即为目标角点。当候选角点为多个时,需要从多个候选角点确定一个目标角点。
需要说明的是,还可能通过预定范围与区域占比进行比较,当区域占比在预定范围内,即可将该区域占比对应的角点列为候选角点了。
通过比较区域占比与预定值,以数值比较的方式筛掉干扰点,留下符合条件的候选角点,有利于尽快确定目标角点,从而提高角点的检测效率。
可选地,在一些实施例中,在至少一个候选角点中获取目标角点可以包括:在候选角点为多个的情况下,根据多个候选角点分别与极耳的中心点的位置关系确定目标角点。
位置关系可以包括候选角点与极耳的中心点之间的距离关系或方位关系,或者两者兼备。多个候选角点中的每个候选角点与极耳的中心点的位置关系均不同,可以通过设置位置关系在多个候选角点中确定目标角点。示例性地,可以选择与极耳的中心点距离最远的候选角点作为目标角点,也可以选择在极耳的中心点的某一方位的候选角点作为目标角点。
上述实施例,由于候选角点与极耳的中心点的位置关系均不同,可以通过该位置关系在多个候选角点中一次性确定目标角点,以提高角点检测的效率。
可选地,在一些实施例中,根据多个候选角点与极耳的中心点的位置关系确定目标角点可以是,将多个候选角点与极耳的中心点之间的位置垂直距离中最大位置垂直距离所对应的候选角点确定为目标角点。
可选地,在一些实施例中,确定在目标轮廓上的多个角点可以包括:在待检测图像中的感兴趣区域中,获取多个角点。
感兴趣区域(region of interest,ROI)可以是人为设定的区域,其大小和位置皆可以提前设定。例如可以是方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。在视觉检测工位上,每次拍摄的待检测图像中,极耳在待检测图像中的位置区域较为固定,可以在待检测图像中设置感兴趣区域,以缩小待检测图像中需要分析和处理的范围。例如,可以减少获取的角点的数量,进行下一步处理,即可以减少遍历次数与计算量,提高角点检测的效率。
可选地,在一些实施例中,步骤120可以包括:基于所述电极组件的轮廓,确定所述目标轮廓;将所述目标轮廓所对应的多边形的各个顶点作为所述多个角点。
本申请实施例中,可以通过感兴趣区域的矩形框在电极组件的轮廓上截取包括极耳的轮廓的目标轮廓,然后通过多边形逼近方法获取目标轮廓对应的多边形,获取多边形的顶点以获得多个角点。
可选地,在一些实施例中,可以确定待检测图像中至少一个所述感兴趣区域。对应地,上述“基于所述电极组件的轮廓,确定所述目标轮廓”,可以包括:确定所述待检测图像中至少一个感兴趣区域;在所述至少一个感兴趣区域中确定所述目标轮廓。
也就是说,在待检测区域中,可以设置多个感兴趣区域获取角点。当电极组件的轮廓上的角点较多时,可以通过设置多个感兴趣区域进一步减少获取的角点数量,以进一步遍历次数与计算量,提高角点检测的效率。
需要说明的是,本申请实施例中主要针对待检测图像中极耳的位置已知的情况下,获取极耳的目标角点,因此目标角点的大致位置是确定的,利用感兴趣区域可以减少需要分析的角点。本申请实施例中,感兴趣区域的数目与目标角点的数目一致,每个感兴趣区域仅需确定一个目标角点。
可选地,在一些实施例中,确定多个角点可以包括:获取感兴趣区域中电极组件的轮廓,以得到目标轮廓,目标轮廓包括极耳的轮廓,获取目标轮廓的角点,以得到所述多个角点。
待检测图像可以包括一个或多个感兴趣区域,电极组件的轮廓不仅包括极耳的轮廓,还可能包括其他对象的轮廓,利用感兴趣区域将极耳的轮廓从电极组件的轮廓上截取下来,以得到包括极耳的轮廓,然后再在包括极耳的轮廓获取角点,相比先获取电极组件的轮廓的所有角点再利用感兴趣区域获取包括极耳的轮廓上的角点,减少了获取角点的数量,有助于提高角点检测的效率。
可选地,在一些实施例中,上述“将所述目标轮廓所对应的多边形的各个顶点作为所述多个角点”,包括:通过多边形逼近算法对所述至少一个感兴趣区域分别对应的目标轮廓进行处理,得到至少一个所述目标轮廓分别对应的多边形;将每一所述目标轮廓对应的多边形的各个顶点作为所述多个角点。
本申请实施例中,可以通过多边形逼近方法获取目标轮廓对应的多边形,然后获取该多边形的顶点,以得到多个角点。
在对一个轮廓进行形状分析时,通常需要使用多边形来逼近一个轮廓,使得顶点数变少,常见的OpenCV的approxPolyDP函数就可以实现这个功能,也可以通过其他方法实现获取目标轮廓对应的多边形,本申请对此不作限定。由于OpenCV的approxPolyDP函数是现有技术中常用的多边形逼近方法,在此不再赘述。
通过多边形逼近方法获取目标轮廓对应的多边形,可以减少后续需要处理的角点,提高角点的检测效率。
可选地,在一些实施例中,步骤110可以包括:对待检测图像进行二值化,得到待检测图像的二值化图像,根据二值化图像的边缘曲线,获取电极组件的轮廓。
可以根据前景(电极组件或工件)与环境背景之间的亮度关系选择相应的二值化方法,例如普通二值化、大律法二值化、局部二值化、自适应二值化等,这可以将前景像素点的值为1,背景像素点的值为0,也可以将前景像素点的值为0,背景像素点的值为1。
对二值化的图像进行边缘分析,电极组件的边缘曲线便会出现在二值化后的图像中,电极组件的边缘曲线便可构成电极组件的轮廓曲线。
根据电极组件中对象的数量和形状,电极组件的轮廓曲线可能有一条,也可能有多条。
上述实施例中,在对待检测图像进行二值化处理后,可以使整个图像呈现出明显的黑白效果,以凸显出电极组件的轮廓,以便于通过二值化图像的边缘曲线快速提取该电极组件的轮廓。
可选地,在一些实施例中,在根据二值化图像的边缘获取电极组件的轮廓之前,可以对二值化图像进行去噪处理。
经过二值化处理后图中物体的轮廓边缘是粗糙的,不平整的。例如可以使用中值滤波法对二值图像进行去噪处理,中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,让周围的像素值接近的真实值,从而消除孤立的噪声点。具体方法可采用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的二维数据序列。二维模板通常为3*3,5*5区域,也可以是不同的形状,如线状,圆形,十字形,圆环形等。中值滤波法是现有技术中常用的去噪方法,在此不再赘述,当然也可以采用其他的去噪方法。
可选地,在一些实施例中,预定区域可以为圆形。将预定区域设置为圆形,有利于快速判断电极组件的区域在预定区域的区域占比,还可以避免像其他有角度的图像,需要考虑角度对区域占比的影响,从而提高了角点检测的准确度。
可选地,在一些实施例中,圆形的半径可以为10个像素。将圆形预定区域的半径设置为10个像素,可以避免半径值过大可能将其他角点包括在预定区域中,以影响计算当前角点的区域占比,过小引起精确度不高的问题,该取值可以更合理、有效计算区域占比,以提高角点检测的准确度。
可选地,在一些实施例中,预定值可以为0.6。将预定值设置为0.6,可以将近似直线上的角点排除,有利于快速获取目标角点,提高角点检测的效率。
可选地,在一些实施例中,检测极耳的目标角点的过程可参考以下描述以及图3、图4。
根据本申请的一些实施例,参见图3至图4,本申请提供了一种极耳的角点的检测方法300的示意性流程图,该流程300中可以包括以下内容的至少部分内容。图4为检测极耳的目标角点的示意性过程图。
301,获取待检测图像。如图2所示,当检测电池组件上极耳12的角点时,所拍摄的待检测图像除包括极耳12外,还包括电芯主体11、转接片12,其中极耳12焊接于在转接片13上。
302,对待检测图像进行二值化。图4的(a)是对图2进行二值化处理过的图像,其中黑色部分为电极组件,包括电芯单体11、极耳12、转接片13;白色部分为背景。
S303,获取电极组件的轮廓。通过二值化图像的边缘,即黑色与白的相交处,可以提取电极组件的轮廓。图4的(b)是获取图4的(a)中电极组件的边缘,得到的电极组件的轮廓。其中,电极组件的轮廓曲线有三条,即三块白色区域的边缘曲线,电极组件的轮廓包括极耳的部分轮廓。
S304,获取包括极耳的轮廓。具体地,通过感兴趣区域获取包括极耳的轮廓。图4的(c)中,利用感兴趣区域的矩形框截取包括极耳的轮廓,以得到目标轮廓。需要说明的是,该图4的(c)仅示出了一个感兴趣区域的矩形框,实际上共包括8个感兴趣区域的矩形框,其他7个未示出,每个矩形框需要检测出一个目标角点,该图像共需要检测出极耳的8个目标角点。
S305,获取多个角点,并计算每个角点的区域占比。具体地,通过多边形逼近方法获取目标轮廓对应的多边形,获取多边形的顶点以获得多个角点。图4的(e)中示出了获取的多个角点。在计算每个角点的区域占比时,可以以每个角点为中心,绘制预定区域,计算电极组件的区域在该预定区域的区域占比。如图4的(f)是以预定区域为圆形为例,角点的区域占比图。
S306,在多个角点中,获取区域占比大于预定值的至少一个候选角点。判断每个角点对应的区域占比是否大于预定值,若大于,该角点被列为候选角点。
S307,判断候选角点是否为多个。若否,说明通过预定值与区域占比并已将所有的干扰点排除,列出的这一个候选角点便为目标角点。若是,说明通过预定值与区域占比并未将所有的干扰点排除,则在多个候选角点中,将与极耳的中心点的位置垂直距离最大的候选角点确定为目标角点,如图4的(g),预定值为0.6时,最终检测出的极耳的目标角点。
还需要说明的是,上述仅以一个感兴趣区域为例,其他7个感兴趣区域内的目标节角点可以参考步骤304后的步骤进行检测。
上文详细地描述了本申请实施例的方法实施例,下面描述本申请实施例的装置实施例,装置实施例与方法实施例相互对应,因此未详细描述的部分可参见前面方法实施例,装置可以实现上述方法中任意可能实现的方式。
图5是本申请实施例的极耳的角点的检测装置的硬件结构示意图。图5所示的极耳的角点的检测装置500包括存储器501和处理器502,存储器501存储有指令、指令被处理器运行时,使得装置500执行上述任一实施例所述的方法。
存储器501可以是只读存储器(read-only memory,ROM),静态存储设备和随机存取存储器(random access memory,RAM)。
处理器502可以采用通用的中央处理器(central processing unit,CPU),微处理器,应用专用集成电路(application specific integrated circuit,ASIC),图形处理器(graphics processing unit,GPU)或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例的极耳的角点的检测装置中的单元所需执行的功能,或者执行本申请实施例的极耳的角点的检测方法。
处理器502还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请实施例的极耳的角点的检测方法的各个步骤可以通过处理器502中的硬件的集成逻辑电路或者软件形式的指令完成。
上述处理器502还可以是通用处理器、数字信号处理器(digital signalprocessing,DSP)、ASIC、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器501,处理器502读取存储器501中的信息,结合其硬件完成本申请实施例的极耳的角点的检测装置中包括的单元所需执行的功能,或者执行本申请实施例的极耳的角点的检测方法。
本申请实施例还提供了一种计算机可读存储介质,存储用于设备执行的程序代码,程序代码包括用于执行上述极耳的角点的检测方法中的步骤的指令。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述极耳的角点的检测方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,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,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,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。
本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”和“所述”旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。
所描述的实施例中的各方面、实施方式、实现或特征能够单独使用或以任意组合的方式使用。所描述的实施例中的各方面可由软件、硬件或软硬件的结合实现。所描述的实施例也可以由存储有计算机可读代码的计算机可读介质体现,该计算机可读代码包括可由至少一个计算装置执行的指令。所述计算机可读介质可与任何能够存储数据的数据存储装置相关联,该数据可由计算机系统读取。用于举例的计算机可读介质可以包括只读存储器、随机存取存储器、紧凑型光盘只读储存器(Compact Disc Read-Only Memory,CD-ROM)、硬盘驱动器(Hard Disk Drive,HDD)、数字视频光盘(Digital Video Disc,DVD)、磁带以及光数据存储装置等。所述计算机可读介质还可以分布于通过网络联接的计算机系统中,这样计算机可读代码就可以分布式存储并执行。
上述技术描述可参照附图,这些附图形成了本申请的一部分,并且通过描述在附图中示出了依照所描述的实施例的实施方式。虽然这些实施例描述的足够详细以使本领域技术人员能够实现这些实施例,但这些实施例是非限制性的;这样就可以使用其它的实施例,并且在不脱离所描述的实施例的范围的情况下还可以做出变化。比如,流程图中所描述的操作顺序是非限制性的,因此在流程图中阐释并且根据流程图描述的两个或两个以上操作的顺序可以根据若干实施例进行改变。作为另一个例子,在若干实施例中,在流程图中阐释并且根据流程图描述的一个或一个以上操作是可选的,或是可删除的。另外,某些步骤或功能可以添加到所公开的实施例中,或两个以上的步骤顺序被置换。所有这些变化被认为包含在所公开的实施例以及权利要求中。
另外,上述技术描述中使用术语以提供所描述的实施例的透彻理解。然而,并不需要过于详细的细节以实现所描述的实施例。因此,实施例的上述描述是为了阐释和描述而呈现的。上述描述中所呈现的实施例以及根据这些实施例所公开的例子是单独提供的,以添加上下文并有助于理解所描述的实施例。上述说明书不用于做到无遗漏或将所描述的实施例限制到本申请的精确形式。根据上述教导,若干修改、选择适用以及变化是可行的。在某些情况下,没有详细描述为人所熟知的处理步骤以避免不必要地影响所描述的实施例。虽然已经参考优选实施例对本申请进行了描述,但在不脱离本申请的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本申请并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种极耳的角点的检测方法,其特征在于,所述方法包括:
确定待检测图像中电极组件的轮廓;所述电极组件包括电芯单体、与所述电芯单体连接的极耳以及与所述极耳焊接在一起的转接片;
基于所述电极组件的轮廓,确定在目标轮廓上的多个角点;所述目标轮廓为所述电极组件的轮廓中包含所述极耳的部分轮廓的轮廓;
确定所述多个角点分别对应的区域占比,所述区域占比为以所述角点为中心的预定区域内所述电极组件的区域的占比;
根据所述多个角点分别对应的区域占比,在所述多个角点中确定所述极耳的目标角点;所述目标角点为所述极耳与所述待检测图像的背景相邻的角点,所述背景是指所述待检测图像中除所述电极组件以外的区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个角点分别对应的区域占比,在所述多个角点中确定所述极耳的目标角点,包括:
在所述多个角点中确定所述区域占比大于预定值的至少一个候选角点;
在所述至少一个候选角点中确定所述目标角点。
3.根据权利要求2所述的方法,其特征在于,所述在所述至少一个候选角点中确定所述目标角点,包括:
在所述候选角点为多个的情况下,根据多个所述候选角点分别与所述极耳的中心点的位置关系确定所述目标角点。
4.根据权利要求3所述的方法,其特征在于,所述位置关系包括所述候选角点与所述极耳的中心点之间的距离;所述根据多个所述候选角点分别与所述极耳的中心点的位置关系确定所述目标角点,包括:
将多个所述距离中最大距离所对应的候选角点确定为所述目标角点。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基于所述电极组件的轮廓,确定在目标轮廓上的多个角点,包括:
基于所述电极组件的轮廓,确定所述目标轮廓;
将所述目标轮廓所对应的多边形的各个顶点作为所述多个角点。
6.根据权利要求5所述的方法,其特征在于,所述基于所述电极组件的轮廓,确定所述目标轮廓,包括:
确定所述待检测图像中至少一个感兴趣区域;
在所述至少一个感兴趣区域中确定所述目标轮廓。
7.根据权利要求6所述的方法,其特征在于,所述将所述目标轮廓所对应的多边形的各个顶点作为所述多个角点,包括:
通过多边形逼近算法对所述至少一个感兴趣区域分别对应的目标轮廓进行处理,得到至少一个所述目标轮廓分别对应的多边形;
将每一所述目标轮廓对应的多边形的各个顶点作为所述多个角点。
8.根据权利要求1至4任一所述的方法,其特征在于,所述确定待检测图像中电极组件的轮廓,包括:
对所述待检测图像进行二值化,得到所述待检测图像的二值化图像;
根据所述二值化图像中的电极组件的边缘曲线,确定所述电极组件的轮廓。
9.一种极耳的角点的检测装置,其特征在于,包括处理器和存储器,所述存储器用于存储程序,所述处理器用于从所述存储器中调用并运行所述程序以执行权利要求1至8中任一项所述的极耳的角点的检测方法。
10.一种计算机可读存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行权利要求1至8中任一项所述的极耳的角点的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410056888.4A CN118015029A (zh) | 2022-07-18 | 2022-07-18 | 极耳的角点的检测方法、装置及存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210841619.XA CN115830049B (zh) | 2022-07-18 | 2022-07-18 | 角点检测的方法和装置 |
CN202410056888.4A CN118015029A (zh) | 2022-07-18 | 2022-07-18 | 极耳的角点的检测方法、装置及存储介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210841619.XA Division CN115830049B (zh) | 2022-07-18 | 2022-07-18 | 角点检测的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118015029A true CN118015029A (zh) | 2024-05-10 |
Family
ID=85522863
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410056888.4A Pending CN118015029A (zh) | 2022-07-18 | 2022-07-18 | 极耳的角点的检测方法、装置及存储介质 |
CN202210841619.XA Active CN115830049B (zh) | 2022-07-18 | 2022-07-18 | 角点检测的方法和装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210841619.XA Active CN115830049B (zh) | 2022-07-18 | 2022-07-18 | 角点检测的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN118015029A (zh) |
WO (1) | WO2024016686A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN119205753A (zh) * | 2024-11-26 | 2024-12-27 | 深圳新视智科技术有限公司 | 极片检测的检测参数配置方法和设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392161B (zh) * | 2023-11-01 | 2024-08-02 | 广州紫为云科技有限公司 | 用于远距离大透视畸变的标定板角点及角点编号确定方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2013245477A1 (en) * | 2013-10-16 | 2015-04-30 | Canon Kabushiki Kaisha | Method, system and apparatus for determining a contour segment for an object in an image captured by a camera |
CN104732511B (zh) * | 2013-12-24 | 2018-04-20 | 华为技术有限公司 | 一种凸多边形图像块的检测方法、装置及设备 |
CN103927750B (zh) * | 2014-04-18 | 2016-09-14 | 上海理工大学 | 棋盘格图像角点亚像素的检测方法 |
CN107341802B (zh) * | 2017-07-19 | 2021-02-09 | 无锡信捷电气股份有限公司 | 一种基于曲率与灰度复合的角点亚像素定位方法 |
CN107816951B (zh) * | 2017-10-24 | 2019-08-09 | 大连理工大学 | 蜂窝芯面形测量数据毛刺去除方法 |
CN107833217B (zh) * | 2017-11-14 | 2021-08-10 | 安徽森力汽车电子有限公司 | 一种基于数学形态学的图卡检测方法 |
CN108875723B (zh) * | 2018-01-03 | 2023-01-06 | 北京旷视科技有限公司 | 对象检测方法、装置和系统及存储介质 |
CN108229433B (zh) * | 2018-02-01 | 2021-10-26 | 中国电子科技集团公司第十五研究所 | 一种基于直线段检测和形状特征的靠岸舰船检测方法 |
CN109409366B (zh) * | 2018-10-30 | 2022-04-05 | 四川长虹电器股份有限公司 | 基于角点检测的畸变图像校正方法及装置 |
CN109509200B (zh) * | 2018-12-26 | 2023-09-29 | 深圳市繁维医疗科技有限公司 | 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质 |
CN110569857B (zh) * | 2019-07-28 | 2022-05-06 | 景德镇陶瓷大学 | 一种基于质心距离计算的图像轮廓角点检测方法 |
CN111047614B (zh) * | 2019-10-10 | 2023-09-29 | 南昌市微轲联信息技术有限公司 | 一种基于特征提取的复杂场景图像的目标角点提取方法 |
CN110992326B (zh) * | 2019-11-27 | 2022-08-09 | 江苏理工学院 | 一种qfn芯片引脚图像快速倾斜校正方法 |
CN111681284A (zh) * | 2020-06-09 | 2020-09-18 | 商汤集团有限公司 | 一种角点检测方法、装置、电子设备及存储介质 |
CN113888456B (zh) * | 2020-07-01 | 2024-05-24 | 长春工业大学 | 一种基于轮廓的角点检测方法 |
CN111832659B (zh) * | 2020-07-21 | 2023-07-04 | 武汉纺织大学 | 一种基于特征点提取算法检测的激光标刻系统及方法 |
CN111986219B (zh) * | 2020-08-10 | 2023-09-19 | 中国科学院光电技术研究所 | 一种三维点云与自由曲面模型的匹配方法 |
CN114445499A (zh) * | 2020-10-19 | 2022-05-06 | 深圳市光鉴科技有限公司 | 棋盘格角点自动提取方法、系统、设备及介质 |
CN112528847A (zh) * | 2020-12-08 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
CN112669365A (zh) * | 2020-12-10 | 2021-04-16 | 上海欧菲智能车联科技有限公司 | 一种复杂环境下的低依赖性棋盘角点检测方法及装置 |
CN112348815B (zh) * | 2021-01-07 | 2021-04-06 | 新东方教育科技集团有限公司 | 图像处理方法、图像处理装置以及非瞬时性存储介质 |
CN113409334B (zh) * | 2021-06-20 | 2022-10-04 | 桂林电子科技大学 | 一种基于质心的结构光角点检测方法 |
CN113920324B (zh) * | 2021-12-13 | 2022-04-01 | 广州思德医疗科技有限公司 | 图像识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-18 CN CN202410056888.4A patent/CN118015029A/zh active Pending
- 2022-07-18 CN CN202210841619.XA patent/CN115830049B/zh active Active
-
2023
- 2023-03-13 WO PCT/CN2023/081107 patent/WO2024016686A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN119205753A (zh) * | 2024-11-26 | 2024-12-27 | 深圳新视智科技术有限公司 | 极片检测的检测参数配置方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115830049B (zh) | 2024-08-09 |
WO2024016686A1 (zh) | 2024-01-25 |
CN115830049A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111758024B (zh) | 一种缺陷检测方法及装置 | |
EP3309703B1 (en) | Method and system for decoding qr code based on weighted average grey method | |
CN111862195B (zh) | 光斑检测方法和装置、终端和存储介质 | |
US7639878B2 (en) | Shadow detection in images | |
CN105740876B (zh) | 一种图像预处理方法及装置 | |
EP4071665A1 (en) | Character segmentation method and apparatus, and computer-readable storage medium | |
CN108256521B (zh) | 用于车身颜色识别的有效区域定位方法 | |
JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
CN114049380B (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
CN112597846A (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN113744200B (zh) | 一种摄像头脏污检测方法、装置及设备 | |
CN106919883B (zh) | 一种qr码的定位方法及装置 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN115830049B (zh) | 角点检测的方法和装置 | |
CN112784675B (zh) | 目标检测方法及装置、存储介质、终端 | |
CN116310889A (zh) | 无人机环境感知数据的处理方法、控制终端以及存储介质 | |
US20250117877A1 (en) | Fisheye image processing method, electronic device, and computer-readable storage medium | |
US20240020846A1 (en) | Corner point detection method and apparatus | |
CN110751156A (zh) | 用于表格线大块干扰去除方法、系统、设备及介质 | |
EP3872690A1 (en) | Image processing method and apparatus used for lane detection | |
CN114677392B (zh) | 抠图方法、摄像设备、装置、会议系统、电子设备及介质 | |
CN114022856B (zh) | 一种非结构化道路可行驶区域识别方法、电子设备及介质 | |
CN117115701A (zh) | 一种用于海关辅助管理的月台货车作业行为识别方法 | |
CN110751618A (zh) | 一种漂浮物检测方法、装置及电子设备 | |
CN112329572B (zh) | 一种基于边框和闪光点的快速静态活体检测方法及装置 |
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 |