[发明专利]一种物体参数确定方法、装置及电子设备在审
申请号: | 202111317344.1 | 申请日: | 2021-11-09 |
公开(公告)号: | CN114187236A | 公开(公告)日: | 2022-03-15 |
发明(设计)人: | 谢世斌;刘羽;周璐 | 申请(专利权)人: | 浙江华睿科技股份有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/12;G06T7/181;G06T7/194;G06T7/62 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 潘平 |
地址: | 310053 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 物体 参数 确定 方法 装置 电子设备 | ||
1.一种物体参数确定方法,其特征在于,所述方法包括:
在获取到的包含前景物体轮廓的二值化深度图像中确定是否存在干扰物,其中,所述前景物体轮廓为包含目标物体对应的轮廓;
在存在所述干扰物时,根据所述前景物体轮廓的边缘点生成N条轮廓直线,其中,所述N为大于等于2的正整数;
在所述N条轮廓直线中筛选出轮廓直线两侧的前景面积比的比值大于第一阈值的轮廓直线;
根据筛选出的轮廓直线,在所述轮廓图像中确定出轮廓矩形;
在确定出的所有轮廓矩形中确定出第一轮廓矩形;
将所述第一轮廓矩形的参数作为所述目标物体的参数。
2.如权利要求1所述的方法,其特征在于,在获取到的二值化深度图像中确定出前景物体对应的前景物体轮廓,包括:
对基于参考平面采集的深度图像进行二值化,获取目标物体对应的深度二值化图像;
所述二值化深度图像中进行轮廓查找,得到所述前景物体轮廓。
3.如权利要求1所述的方法,其特征在于,根据所述前景物体轮廓的边缘点生成N条轮廓直线,包括:
将所述前景物体轮廓的边缘点作为坐标点;
根据所述坐标点,基于随机抽样一致性算法生成所述N条轮廓直线。
4.如权利要求1所述的方法,其特征在于,根据筛选出的轮廓直线,在所述轮廓图像中确定出轮廓矩形,包括:
根据得到的轮廓直线以及所述前景物体轮廓的边缘点,确定出每条轮廓直线对应的轮廓线段;
将所述轮廓线段为矩形的一边从第一位置平移至第二位置,其中,在所述轮廓线段处于所述第二位置时,所述轮廓线段两侧的目标物体面积比的比值小于第二阈值;
确定出轮廓线段以及平移后的轮廓线段所围成的轮廓矩形。
5.如权利要求1所述的方法,其特征在于,在确定出的所有轮廓矩形中确定出第一轮廓矩形,包括:
按照预设评分规则对每个轮廓矩形进行评分,得到每个轮廓矩形对应分值;
在所有分值中确定出最大分值,并将所述最大分值对应的轮廓矩形确定为所述第一轮廓矩形。
6.如权利要求1所述的方法,其特征在于,在获取到的包含前景物体轮廓的二值化深度图像中确定是否存在干扰物,包括:
基于所述前景物体轮廓确定出对应的凸包;
确定每个轮廓点与相邻凸包边之间凹陷距离,其中,所述凸包边为凸包的边;
根据所述凹陷距离是否大于距离阈值确定是否存在干扰物。
7.一种物体参数确定装置,其特征在于,所述装置包括:
获取模块,用于在获取到的包含前景物体轮廓的二值化深度图像中确定是否存在干扰物,其中,所述前景物体轮廓为包含目标物体对应的轮廓;
计算模块,用于在存在所述干扰物时,根据所述前景物体轮廓的边缘点生成N条轮廓直线,在所述N条轮廓直线中筛选出轮廓直线两侧的前景面积比的比值大于第一阈值的轮廓直线;根据筛选出的轮廓直线,在所述轮廓图像中确定出轮廓矩形,其中,所述N为大于等于2的正整数;
控制模块,用于在确定出的所有轮廓矩形中确定出第一轮廓矩形;将所述第一轮廓矩形的参数作为所述目标物体的参数。
8.如权利要求7所述的装置,其特征在于,所述计算模块,具体用于根据得到的轮廓直线以及所述前景物体轮廓的边缘点,确定出每条轮廓直线对应的轮廓线段;将所述轮廓线段为矩形的一边从第一位置平移至第二位置,确定出轮廓线段以及平移后的轮廓线段所围成的轮廓矩形,其中,在所述轮廓线段处于所述第二位置时,所述轮廓线段两侧的目标物体面积比的比值小于第二阈值。
9.一种电子设备,其特征在于,包括:
存储器,用于存放计算机程序;
处理器,用于执行所述存储器上所存放的计算机程序时,实现权利要求1-6中任一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江华睿科技股份有限公司,未经浙江华睿科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111317344.1/1.html,转载请声明来源钻瓜专利网。