一种阴影测位方法、装置、介质及终端

计算;推算;计数设备的制造及其应用技术1.本发明涉及视觉检测领域，尤其涉及一种阴影测位方法、装置、介质及终端。背景技术：2.视觉，作为人类中获取外界信息的最重要，最直观的器官，负责超过80％的信息获取。随着科技的发展，现有智能机器人种类正朝着多样化的方向发展，如智能喷涂机器人、智能绘画机器人、智能涂胶机器人等机器人，随着运用智能机器人的领域越来越多，未来会有更多领域要求智能机器人具备视觉测距和测角度的能力。3.人类能在拥有先验信息的情况下，可以通过单目简单判断物体的距离和角度，而机器人仍无法仅通过一个单目相机，同时得到物体相对于目标之间的距离和角度的信息。技术实现要素：4.鉴于上述现有技术的不足，本技术的目的在于提供一种阴影测位方法、装置、介质及终端，旨在解决仅使用单目相机即可得到物体相对与目标之间的距离和角度的问题。5.为解决上述技术问题，本技术实施例第一方面提供了一种阴影测位方法，所述方法包括：6.采集包含有预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签；7.将所述图像进行预处理，提取出所述图像中的训练特征；8.通过所述训练特征及所述位置标签对模型进行训练，训练得到阴影预测模型；9.将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据。10.作为进一步的改进技术方案，所述采集包含预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签包括：11.使所述预设物体与光源及单目相机之间相对位置不会发生改变；12.通过所述单目相机拍摄若干组预设物体与目标之间相同角度不同距离的距离图像，通过所述单目相机拍摄若干组预设物体与目标之间相同距离不同角度的角度图像，其中，所述距离图像和所述角度图像中均包含有预设物体及预设物体影子；13.测量每组所述距离图像中预设物体与目标之间的实际距离，测量每组所述角度图像中预设物体与目标之间的实际角度，将实际距离作为距离标签，将实际角度作为角度标签。14.作为进一步的改进技术方案，所述将所述图像进行预处理，提取出所述图像中的训练特征包括：15.将所述距离图像进行闭运算，得到结果图像；16.将所述结果图像与距离图像进行差分提取出图像中预设物体和预设物体影子的轮廓图像；17.将所述轮廓图像转化为灰度图像，对所述灰度图像进行二值化处理，得到二值图像；18.将所述二值图像进行开运算得到去噪声图像，将所述去噪声图像采用图像轮廓搜索算法计算出预设物体端点和预设物体影子端点的坐标，将预设物体端点坐标和预设物体影子端点坐标在相同方向上进行作差，得到图像距离特征，将所述图像距离特征作为距离训练特征。19.作为进一步的改进技术方案，所述将所述图像进行预处理，提取出所述图像中的训练特征还包括：20.将所述角度图像采用圆/椭圆检测算法计算出图像角度特征，将所述图像角度特征作为角度训练特征。21.作为进一步的改进技术方案，所述预设物体端点包括预设物体靠近预设物体影子一端的端点，所述预设物体影子端点包括预设物体影子靠近预设物体一端的端点。22.作为进一步的改进技术方案，所述将所述训练特征及所述位置标签作为输入进行训练，训练得到阴影预测模型包括：23.将所述距离训练特征和所述距离标签通过多项式回归训练，训练得到初模型，将所述距离训练特征输入到初模型中进行预测，得到预测值，将所述预测值与所述实际距离作差得到距离差值，将所述距离差值和所述训练特征通过多项式回归训练，训练得到补偿模型，将所述补偿模型与所述初模型组合形成距离预测模型；24.将所述角度训练特征和所述角度标签通过多项式回归训练，训练得到角度预测模型；25.将所述距离预测模型和所述角度预测模型组合形成阴影预测模型。26.作为进一步的改进技术方案，所述将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据包括：27.将待测图像输入到所述距离预测模型中进行计算，输出得到预测距离数据，将待测图像输入到所述角度预测模型中进行计算，输出得到预测角度数据。28.本技术实施例第二方面提供了一种阴影测位装置，包括：29.采集模块，用于采集包含有预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签；30.特征提取模块，用于将所述图像进行预处理，提取出所述图像中的训练特征；31.训练模块，用于通过所述训练特征及所述位置标签对模型进行训练，训练得到阴影预测模型；32.计算模块，用于将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据。33.本技术实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的阴影测位方法中的步骤。34.本技术实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；35.所述通信总线实现处理器和存储器之间的连接通信；36.所述处理器执行所述计算机可读程序时实现如上任一所述的阴影测位方法中的步骤。37.有益效果：相较于现有技术本发明的阴影测位方法包括：采集包含有预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签；将所述图像进行预处理，提取出所述图像中的训练特征；通过所述训练特征及所述位置标签对模型进行训练，训练得到阴影预测模型；将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据，本发明采用上述方法后仅使用单目相机即可得到物体相对与目标之间的距离和角度。附图说明38.图1是本发明的阴影测位方法的流程图。39.图2是本发明提供的终端设备的结构原理图。40.图3是本发明的阴影测位方法中距离图像预处理流程图。41.图4是本发明的阴影测位方法中角度图像预处理流程图。42.图5是本发明的阴影测位方法中距离预测模型的训练流程图。43.图6是本发明的阴影测位方法中角度预测模型的训练流程图。44.图7是本发明的阴影测位方法中用于训练的图像示意图。45.图8是本发明提供的阴影测位装置结构框图。46.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式47.为了便于理解本技术，下面将参照相关附图对本技术进行更全面的描述。附图中给出了本技术的较佳实施方式。但是，本技术可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本技术的公开内容理解的更加透彻全面。48.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技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本技术。49.发明人经过研究发现，现有技术存在以下问题：50.视觉，作为人类中获取外界信息的最重要，最直观的器官，负责超过80％的信息获取。随着科技的发展，现有智能机器人种类正朝着多样化的方向发展，如智能喷涂机器人、智能绘画机器人、智能涂胶机器人等机器人，随着运用智能机器人的领域越来越多，未来会有更多领域要求智能机器人具备视觉测距和测角度的能力。人类能在拥有先验信息的情况下，可以通过单目简单判断物体的距离和角度，而机器人仍无法仅通过一个单目相机，同时得到物体相对于目标之间的距离和角度的信息。51.为了解决上述问题，下面结合附图，详细说明本技术的各种非限制性实施方式。52.如图1所示，本技术实施例提供的一种阴影测位方法，包括以下步骤：53.s1，采集包含有预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签；54.具体的，首先要采集用于训练的图像，图像中必须同时包含有预设物体和预设物体影子，预设物体影子投射在目标上，目标一般为平面，图像中还包含有光源照射在目标上的光圈，预设物体可以是具有尖端的长条形物体，如铅笔、探头等物体方便后续的测量及训练。55.其中，所述采集包含预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签包括以下步骤：56.s101，使所述预设物体与光源及单目相机之间相对位置不会发生改变；57.s102，通过所述单目相机拍摄若干组预设物体与目标之间相同角度不同距离的距离图像，通过所述单目相机拍摄若干组预设物体与目标之间相同距离不同角度的角度图像，其中，所述距离图像和所述角度图像中均包含有预设物体及预设物体影子；58.s103，测量每组所述距离图像中预设物体与目标之间的实际距离，测量每组所述角度图像中预设物体与目标之间的实际角度，将实际距离作为距离标签，将实际角度作为角度标签。59.具体的，本实施例可采用夹持机构将预设物体、光源及单目相机三者保持相对固定，光源与预设物体设置为平行状态，预设物体、光源及单目相机通过固定在夹持机构上在后续拍摄时，预设物体、光源及单目相机之间的相对位置不会发生改变，其中，光源可对预设物体进行照射，在接近目标的时候产生影子，该目标可以是一个平面，该平面在实际应用中可以是画板、喷涂平面等平面，首先本实施例中主要采用定位精度较高的机械臂作为移动机构，移动机构还可以是电机等步进装置，移动机构可带动夹持机构进行移动以及旋转夹持机构，从而使预设物体、光源及单目相机同步进行移动及同步进行旋转，采集图像时，首先使预设物体带有尖端的一端朝向目标，并将预设物体垂直于目标设置，再控制机械臂带动夹持机构逐渐朝向目标移动，直到预设物体触碰到目标，此时预设物体与目标之间的距离为0mm，角度为90°，再控制机械臂带动夹持机构逐次朝远离目标的方向移动，每次移动的距离可以为0.2mm，每移动一次单目相机拍一张图像，图像中包含有预设物体及预设物体影子，该图像作为距离图像，测量每次预设物体与目标之间的实际距离，可将机械臂移动的总距离作为实际距离，采集完若干距离图像后，可以采集角度图像，首先将预设物体与目标垂直，再控制机械臂带动夹持机构逐渐朝向目标移动，直到预设物体触碰到目标，此时预设物体与目标之间的距离为0mm，角度为90°，再控制机械臂带动夹持机构朝远离目标的方向移动，移动距离为1cm时停止移动，此时预设物体与目标之间的距离为10cm，角度为90°，再控制机械臂带动夹持机构逐次旋转，每次可旋转5°，每旋转5°单目相机拍一张图像，图像中包含有预设物体、预设物体影子及光源照射在平面上的光圈，将该图像作为角度图像，测量每次预设物体与目标之间的实际角度，可将90°加上或减去机械臂旋转的总角度作为实际角度，将实际距离作为距离标签，将实际角度作为角度标签。60.s2，将所述图像进行预处理，提取出所述图像中的训练特征；61.具体的，首先要对上述距离图像和角度图像分别进行预处理，并分别提取出距离图像的训练特征和角度图像训练特征。62.其中，所述将所述图像进行预处理，提取出所述图像中的训练特征包括以下步骤：63.s201，将所述距离图像进行闭运算，得到结果图像；64.s202，将所述结果图像与距离图像进行差分提取出图像中预设物体和预设物体影子的轮廓图像；65.s203，将所述轮廓图像转化为灰度图像，对所述灰度图像进行二值化处理，得到二值图像；66.s204，将所述二值图像进行开运算得到去噪声图像，将所述去噪声图像采用图像轮廓搜索算法计算出预设物体端点和预设物体影子端点的坐标，将预设物体端点坐标和预设物体影子端点坐标在相同方向上进行作差，得到图像距离特征，将所述图像距离特征作为距离训练特征，所述预设物体端点包括预设物体靠近预设物体影子一端的端点，所述预设物体影子端点包括预设物体影子靠近预设物体一端的端点。67.s205，将所述角度图像采用圆/椭圆检测算法计算出图像角度特征，将所述图像角度特征作为角度训练特征。68.具体的，首先将距离图像使用大小为5x5的十字形结构元素进行10次闭运算，得到结果图像，再将结果图像与距离图像进行差分提取出图像中预设物体和预设物体影子的轮廓图像，将所述轮廓图像转化为灰度图像，对所述灰度图像进行二值化处理，得到二值图像，然后对二值图像进行1次开运算来滤去噪声得到去噪声图像，将所述去噪声图像采用图像轮廓搜索算法计算出预设物体端点坐标和预设物体影子端点的坐标，所述预设物体端点包括预设物体靠近预设物体影子一端的端点，所述预设物体影子端点包括预设物体影子靠近预设物体一端的端点，将预设物体端点坐标和预设物体影子端点坐标分别在x轴方向和y轴方向上进行作差，得到预设物体与预设物体影子在图像中的x轴方向的距离记为δx，得到预设物体与预设物体影子在图像中的y轴方向的距离记为δy，将δx和δy作为图像距离特征，将所述图像距离特征作为距离训练特征；69.为方便测量角度，角度图像可采用圆/椭圆检测(ed circles)算法计算出光源照射在平面上的光圈的椭圆偏角，将该椭圆偏角记为δa，因为光源与预设物体相对位置不会发生改变，因此光源旋转的角度等于预设物体旋转的角度，将δa作为图像角度特征，将所述图像角度特征作为角度训练特征。70.其中，开运算是先对图像腐蚀后膨胀，其作用为用来消除小的物体，平滑形状边界，并且不改变其面积，可以去除小颗粒噪声，断开物体之间的粘连，开运算数学表达式为：a○s＝(aθs)⊕s71.其中a表示图像，s表示十字结构元素，○表示开运算，θ表示腐蚀，⊕表示膨胀。72.图像差分，差分图像就是两幅图像相减所构成的图像，差分法有两种方式：1、当前图像与固定背景图像的差分；2、连续两幅图像之间的差分。上述方法中所用到的为连续两幅图像之间的差分。73.二值化，通过给定阈值，将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果，二值化的公式为：[0074][0075]其中公式中x,y为像素坐标系下的坐标，dst(x,y)为处理后图像(x,y)位置的灰度值，src(x,y)为处理前图像(x,y)位置的灰度值，thresh为人工确定的灰度阈值。[0076]闭运算是先对图像膨胀后腐蚀，其作用为用来填充物体内的小空洞，连接邻近的物体，连接断开的轮廓线，平滑其边界的同时不改变面积，闭运算的数学表达式为：a●s＝(a⊕s)θs，其中其中a表示图像，s表示十字结构元素，●表示闭运算，θ表示腐蚀，⊕表示膨胀。[0077]图像轮廓搜索算法，即对数字二值图像进行拓扑分析，并找到物体轮廓最外面的边界。[0078]圆/椭圆检测(ed circles)算法,是一种能高效找出图像中圆和椭圆的算法，返回参数为圆的直径，椭圆的长轴、短轴以及椭圆的倾角。[0079]s3，通过所述训练特征及所述位置标签对模型进行训练，训练得到阴影预测模型；[0080]具体的，训练特征包括距离训练特征和角度训练特征，将距离训练特征作为模型的输入进行训练，输出得到距离预测模型，将角度训练特征作为模型的输入进行训练，输出得到角度预测模型，阴影预测模型包括距离预测模型和角度预测模型，角度预测模型用于预测待测物体与目标之间的角度，距离预测模型用于预测待测物体与目标之间的距离。[0081]其中，所述将所述训练特征及所述位置标签作为输入进行训练，训练得到阴影预测模型包括以下步骤：[0082]s301，将所述距离训练特征和所述距离标签通过多项式回归训练，训练得到初模型，将所述距离训练特征输入到初模型中进行预测，得到预测值，将所述预测值与所述实际距离作差得到距离差值，将所述距离差值和所述训练特征通过多项式回归训练，训练得到补偿模型，将所述补偿模型与所述初模型组合形成距离预测模型；[0083]s302，将所述角度训练特征和所述角度标签通过多项式回归训练，训练得到角度预测模型；[0084]s303，将所述距离预测模型和所述角度预测模型组合形成阴影预测模型。[0085]具体的，将距离训练特征和距离标签通过多项式回归训练，训练得到初模型，也就是将图像距离特征δx,δy作为训练输入，以实际距离s作为训练标签进行多项式回归训练拟合，拟合出一个初模型进行距离预测，同时记录初模型预测的距离与实际距离的差值为δs，再以δx,δy作为训练输入，以δs作为训练标签进行多项式回归训练拟合，拟合出一个补偿模型，补偿模型与所述初模型组合形成距离预测模型，将初模型的输出减去补偿模型的输出作为最终的距离预测模型的输出。[0086]同时，以图像角度特征δa作为训练输入，以实际角度a作为训练标签进行多项式回归训练拟合，直接拟合出一个角度预测模型，将距离预测模型和角度预测模型组合形成阴影预测模型[0087]s4，将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据。[0088]具体的，待测图像中包含有待测物体、待测物体阴影及目标平面，将待测图像输入到阴影预测模型中计算，输出得到待测物体与目标平面之间的位置数据，位置数据包括待测物体与目标平面之间的距离及角度数据。[0089]其中，所述将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据包括以下步骤：[0090]s401，将待测图像输入到所述距离预测模型中进行计算，输出得到预测距离数据，将待测图像输入到所述角度预测模型中进行计算，输出得到预测角度数据。[0091]具体的，将包含有待测物体、待测物体阴影及目标平面的待测图像输入到距离预测模型中进行计算，输出得到预测距离数据，将包含有待测物体、待测物体阴影及目标平面的待测图像输入到角度预测模型中进行计算，输出得到预测角度数据。[0092]如图8所示，基于上述阴影测位方法，本实施例提供了一种阴影测位装置，包括：[0093]采集模块1，用于采集包含有预设物体及预设物体影子的图像，获取所述预设物体实际的位置标签；[0094]特征提取模块2，用于将所述图像进行预处理，提取出所述图像中的训练特征；[0095]训练模块3，用于通过所述训练特征及所述位置标签对模型进行训练，训练得到阴影预测模型；[0096]计算模块4，用于将待测图像输入到所述阴影预测模型中进行计算，输出得到预测的位置数据。[0097]此外值得说明，本实施例提供的基于阴影测位装置的工作过程与上述阴影测位方法的工作过程相同，具体可以参照阴影测位方法的工作过程，这里就不再赘述。[0098]基于上述阴影测位方法，本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例所述的阴影测位方法中的步骤。[0099]如图2所示，基于上述阴影测位方法，本技术还提供了一种终端设备，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(communications interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。[0100]此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。[0101]存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。[0102]存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。[0103]相较于现有本发明采用上述方法后仅使用单目相机即可得到待测物体相对与目标之间的距离和角度数据。[0104]应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!