[发明专利]一种轮廓提取方法、装置、设备及存储介质

说明书

本发明公开了一种轮廓提取方法、装置、设备及存储介质，该方法包括：采集待识别的目标物体的二维图像和三维点云图像；基于所述三维点云图像，对所述二维图像进行特征提取，得到所述目标物体在所述二维图像中的第一轮廓图像，其中，所述第一轮廓图像中包含所述目标物体在所述二维图像中的各个连通面的边缘像素点；对所述二维图像进行边缘检测，提取所述二维图像的第二轮廓图像；利用所述第一轮廓图像中各个连通面的边缘像素点对所述第二轮廓图像进行过滤，得到所述目标物体的目标轮廓图像。本发明通过结合二维图像和三维点云图像，能够避免二维图像自身纹理和三维点云边缘像素点精度不高的问题，提高对物体轮廓图像的提取准确度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种轮廓提取方法、装置、设备及存储介质。

背景技术

随着机器视觉的发展，工业上采用3D视觉配合工业机器人代替人工进行分拣作业的应用越来越广泛，其中，3D视觉主要采用结构光和双目视觉两种技术获得场景物体的点云图像，通过点云分割及配准的方式获得物体的类别和6D姿态。但现有技术中的点云配准较为耗时，当生产线上包含多种型号的物体时，将采集的点云图像与每个物体的点云模板逐一匹配非常耗时。基于此，提出了一种改进方案，即先通过物体的二维轮廓进行一次快速的模板匹配，再根据匹配到的模板通过点云配准进行6D姿态的计算。但是，该方案对物体二维轮廓的提取精度要求较高，若提取的二维轮廓不准确，将直接导致二维图像的匹配不成功，从而影响作业效率。而现有技术中，物体的二维图像由于受自身纹理的影响，在进行轮廓提取时，任何纹理都可能作为物体的轮廓被提取，从而提取出大量虚假轮廓。结合三维点云图像进行二维轮廓提取的方式，为了得到完整的连通区域，常常会对物体的二维图像进行腐蚀膨胀处理，从而破坏了物体二维图像中的轮廓信息。因此，现有技术中，对物体二维图像轮廓提取的准确度不高。

发明内容

本发明的主要目的在于提供一种物体轮廓提取方法、装置、设备及存储介质，旨在解决现有技术中，由于物体本身纹理的影响，或者在图像处理过程中容易对物体二维轮廓信息造成破坏，导致对物体二维轮廓图像的提取准确度不高的技术问题。

此外，为实现上述目的，本发明还提供一种轮廓提取方法，所述轮廓提取方法包括以下步骤：

采集待识别的目标物体的二维图像和三维点云图像；

基于所述三维点云图像，对所述二维图像进行特征提取，得到所述目标物体在所述二维图像中的第一轮廓图像，其中，所述第一轮廓图像中包含所述目标物体在所述二维图像中的各个连通面的边缘像素点；

对所述二维图像进行边缘检测，提取所述二维图像的第二轮廓图像；

利用所述第一轮廓图像中各个连通面的边缘像素点对所述第二轮廓图像进行过滤，得到所述目标物体的目标轮廓图像。

可选地，所述基于所述三维点云图像，对所述二维图像进行特征提取，得到所述二维图像的第一轮廓图像的步骤，包括：

建立所述三维点云图像中的像素点和所述二维图像中的像素点之间的映射关系；

基于所述三维点云图像和所述映射关系，计算所述二维图像中各个像素点的三维法向量的单位向量，得到所述二维图像的第一特征图像；

根据所述第一特征图像确定所述目标物体在所述二维图像中的各个连通面，以及所述连通面的编号信息，生成所述二维图像的第二特征图像；

基于所述第一特征图像对所述第二特征图像进行点云区域生长，得到所述目标物体在所述第二特征图像中的各个连通面；

遍历所述第二特征图像中各所述连通面的像素点，确定各所述连通面之间的边缘像素点，并根据所述边缘像素点得到所述目标物体在所述二维图像中的第一轮廓图像。

可选地，所述基于所述三维点云图像和所述映射关系，计算所述二维图像中各个像素点的三维法向量的单位向量，得到所述二维图像的第一特征图像的步骤，包括：