机器视觉图像数据处理方法和装置制造方法及图纸

本文描述的技术涉及用于执行各种方面的方法、装置和计算机可读介质，所述各种方面包括对图像数据测试模型姿态，例如测试三维数据模型姿态。接收物体的三维数据，所述三维数据包括一组数据输入项；将所述三维数据转换为包括一组胞元(各自具有关联值)的字段，所述转换过程包括基于所述三维数据的一组数据输入项中的一个或多个数据输入项确定每个胞元值的代表性数据。使用所述字段测试所述模型的姿态，以确定所述姿态的分数。

Data processing method and device of machine vision image

【技术实现步骤摘要】
机器视觉图像数据处理方法和装置
本文描述的技术大体上涉及用于机器视觉的方法和装置，包括用于处理图像数据和用于搜索图像中图案的技术。
技术介绍
机器视觉系统通常执行的一项任务是尝试搜索和识别图像中感兴趣图案的位置和方向。一些技术使用模型表示感兴趣图案，其中可以包括多个探针。每个探针是感兴趣点和关联数据(例如，位置和向量)。例如，每个探针可用于确定运行时图像特征或区域与特定位置的图案特征或区域的相似性度量。多个探针可以以多种姿态应用于运行时图像，并且来自每个姿态的探针的信息可用于确定运行时图像中图案的最可能姿态。为了加快图案识别过程，一些技术使用多步骤方法进行图案搜索过程。例如，第一步可以包括一个粗略搜索，尝试在图像中找到可能包含图案的一个或多个大致区域。第二步(和/或多个其它步骤)可用于通过搜索一个或多个大致区域中的每个大致区域来优化搜索。例如，算法可使用多个不同模型，其中系统使用每个模型来获得图像的不同关联分辨率。因此，在图案识别过程中，最初可以使用粗略分辨率和关联模型识别图像中图案实例的粗略近似姿态。此后，可以使用相对较精细的分辨率和关联模型更精确地识别图像中图案实例的姿态。此迭代过程持续到使用最精细的分辨率模型并识别出模式实例的精确姿态。
技术实现思路
根据所公开的主题，提供了用于改进机器视觉技术，特别是用于提高搜索图像中图案的速度和精度的改进机器视觉技术的装置、系统和方法。一些方面涉及一种用于测试三维数据模型姿态的计算机化方法。所述方法包括：接收物体的三维数据，所述三维数据包括一组数据输入项；将所述三维数据转换为包括一组胞元(cell)(各自具有关联值)的字段，所述转换过程包括基于所述三维数据的一组数据输入项中的一个或多个数据输入项确定每个胞元值的代表性数据；以及使用所述字段测试所述模型的姿态，以确定所述姿态的分数。在一些示例中，将所述三维数据转换为字段包括生成一组值的三维阵列。在一些示例中，将所述三维数据转换为字段包括生成密集填充格，其中所述密集填充格包括所述格的每个胞元的数据。在一些示例中，所述三维数据的一组数据输入项包括点列表；根据一个或多个数据输入项确定每个胞元值的代表性数据包括基于所述点列表中的一个或多个关联点确定向量。确定所述一个或多个关联点的向量包括基于所述点列表确定所述胞元与所述物体的内部关联；确定所述向量包括将所述向量设置为零。使用字段测试所述模型的姿态以确定分数包括对所述字段测试所述模型的一组探针以确定所述分数，包括对每个探针和所述字段中的关联向量的点积进行求和。在一些示例中，将所述三维数据转换为包括一组胞元(各自具有关联值)的字段，所述转换过程包括确定每个胞元值的代表性向量，其包括生成累加矩阵，所述矩阵包括计算一组向量的每个向量与自身的外积，其中，所述一组向量是基于来自所述三维数据的一组数据输入项的一个或多个数据输入项确定的数据；以及从所述累加矩阵中提取特征向量、特征值或两者，以确定所述代表性向量。一些方面涉及一种用于测试三维数据模型姿态的系统。所述系统包括一个或多个处理器，用于：接收物体的三维数据，所述三维数据包括一组数据输入项；将所述三维数据转换为包括一组胞元(各自具有关联值)的字段，所述转换过程包括基于所述三维数据的一组数据输入项中的一个或多个数据输入项确定每个胞元值的代表性数据；以及使用所述字段测试所述模型的姿态，以确定所述姿态的分数。在一些示例中，将所述三维数据转换为字段包括生成一组值的三维阵列。在一些示例中，将所述三维数据转换为字段包括生成密集填充格，其中所述密集填充格包括所述格的每个胞元的数据。在一些示例中，所述三维数据的一组数据输入项包括点列表；根据一个或多个数据输入项确定每个胞元值的代表性数据包括基于所述点列表中的一个或多个关联点确定向量。确定所述一个或多个关联点的向量包括基于所述点列表确定所述胞元与所述物体的内部关联；确定所述向量包括将所述向量设置为零。使用字段测试所述模型的姿态以确定分数包括对所述字段测试所述模型的一组探针以确定所述分数，包括对每个探针的点积和所述字段中的关联向量求和。在一些示例中，将所述三维数据转换为包括一组胞元(各自具有关联值)的字段，所述转换过程包括确定每个胞元值的代表性向量，其包括生成累加矩阵，所述矩阵包括计算一组向量的每个向量与自身的外积，其中，所述一组向量是基于来自所述三维数据的一组数据输入项的一个或多个数据输入项确定的数据；以及从所述累加矩阵中提取特征向量、特征值或两者，以确定所述代表性向量。一些方面涉及至少一个存储处理器可执行指令的非瞬时性计算机可读存储介质，当所述处理器可执行指令由至少一个计算机硬件处理器执行时，使所述至少一个计算机硬件处理器执行接收物体三维数据的动作，所述三维数据包括一组数据输入项；将所述三维数据转换为包括一组胞元(各自具有关联值)的字段，所述转换过程包括基于所述三维数据的一组数据输入项中的一个或多个数据输入项确定每个胞元值的代表性数据；以及使用所述字段测试所述模型的姿态，以确定所述姿态的分数。在一些示例中，将所述三维数据转换为字段包括生成一组值的三维阵列。在一些示例中，将所述三维数据转换为字段包括生成密集填充格，其中所述密集填充格包括所述格的每个胞元的数据。在一些示例中，所述三维数据的一组数据输入项包括点列表；确定每个胞元值的代表性数据包括基于所述点列表中的一个或多个关联点确定向量。在一些示例中，确定所述一个或多个关联点的向量包括基于所述点列表确定所述胞元与所述物体的内部关联；确定所述向量包括将所述向量设置为零。在一些示例中，将所述三维数据转换为包括一组胞元(各自具有关联值)的字段，所述转换过程包括确定每个胞元值的代表性向量，其包括生成累加矩阵，所述矩阵包括计算一组向量的每个向量与自身的外积，其中，所述一组向量是基于来自所述三维数据的一组数据输入项的一个或多个数据输入项确定的数据；以及从所述累加矩阵中提取特征向量、特征值或两者，以确定所述代表性向量。一些方面涉及一种用于测试图像数据模型姿态的计算机化方法。所述方法包括接收物体的图像数据，所述图像数据包括一组数据输入项。所述方法包括确定所述图像数据的一组区域，其中，所述一组区域中的每个区域包括所述一组数据输入项中关联的一组相邻数据输入项。所述方法包括生成处理后的图像数据，其中所述处理后的图像数据包括一组胞元，每个胞元具有关联值；生成所述处理后的图像数据包括为所述一组区域中的每个区域确定所述图像数据中关联的一组相邻数据输入项中每个数据输入项的最大可能分数。所述方法包括基于所述确定的最大可能分数设置所述一组值的一个或多个值。所述方法包括使用所述处理后的图像数据测试所述模型的姿态。在一些示例中，接收图像数据包括接收2D图像数据，其中，每个数据输入项包括2D向量；确定所述一组值中每个处理后的图像数据值的最大可能分数包括基于所述值关联区域中的2D向量来确定标量值。在一些示例中，使用所述处理后的数据测试所述模型姿态包括：确定所述姿态分本文档来自技高网...

【技术保护点】
1.一种用于测试三维数据中的模型姿态的计算机化方法，所述方法包括：/n接收物体的三维数据，所述三维数据包括一组数据输入项；/n将所述三维数据转换为包括一组胞元的字段，所述胞元各自具有关联值，该转换包括基于所述三维数据的一组数据输入项中的一个或多个数据输入项确定每个胞元值的代表性数据；/n使用所述字段测试所述模型的姿态，以确定所述姿态的分数。/n

【技术特征摘要】
20180912 US 16/129,121;20180912 US 16/129,148;20181.一种用于测试三维数据中的模型姿态的计算机化方法，所述方法包括：
接收物体的三维数据，所述三维数据包括一组数据输入项；
将所述三维数据转换为包括一组胞元的字段，所述胞元各自具有关联值，该转换包括基于所述三维数据的一组数据输入项中的一个或多个数据输入项确定每个胞元值的代表性数据；
使用所述字段测试所述模型的姿态，以确定所述姿态的分数。


2.根据权利要求1所述的方法，其中，将所述三维数据转换为字段包括生成一组值的三维阵列。


3.根据权利要求1所述的方法，其中，将所述三维数据转换为字段包括生成密集填充格，其中所述密集填充格包括该格的每个胞元的数据。


4.根据权利要求1所述的方法，其中：
所述三维数据的一组数据输入项包括点列表；
基于一个或多个数据输入项确定每个胞元值的代表性数据包括基于所述点列表中的一个或多个关联点确定向量。


5.根据权利要求4所述的方法，其中，确定所述一个或多个关联点的向量包括：
基于所述点列表确定所述胞元与所述物体的内部关联；
确定所述向量包括将所述向量设置为零。


6.根据权利要求5所述的方法，其中，使用字段测试所述模型的姿态以确定所述分数包括：
对所述字段测试所述模型的一组探针以确定所述分数，包括对每个探针和所述字段中的关联向量的点积进行求和。


7.根据权利要求1所述的方法，其中，将所述三维数据转换为包括一组胞元的字段，所述胞元各自具有关联值，该转换包括确定每个胞元值的代表性向量，其包括：
生成累加矩阵，包括计算一组向量的每个向量与自身的外积，其中，所述一组向量是基于来自所述三维数据的一组数据输入项的一个或多个数据输入项确定的数据；
从所述累加矩阵中提取特征向量、特征值或两者，以确定所述代表性向量。


8.一种用于测试三维数据中的模型姿态的系统，所述系统包括一个或多个处理器，配置用于执行根据权利要求1-7中任一项所述的方法。


9.存储处理器可执行指令的至少一个非瞬时性计算机可读存储介质，当所述处理器可执行指令由至少一个计算机硬件处理器执行时，使至少一个计算机硬件处理器执行根据权利要求1-7中任一项所述的方法。


10.一种用于对图像数据测试模型姿态的计算机化方法，所述方法包括：
接收物体的图像数据，所述图像数据包括一组数据输入项；
确定所述图像数据的一组区域，其中，所述一组区域中的每个区域包括所述一组数据输入项中关联的一组相邻数据输入项；
生成处理后的图像数据，其中：
所述处理后的图像数据包括一组胞元，每个胞元具有关联值；
生成处理后的图像数据包括为所述一组区域中的每个区域：
确定所述图像数据中关联的一组相邻数据输入项中每个数据输入项的最大可能分数；
基于所确定的最大可能分数设置该组值中的一个或多个值；
使用所述处理后的图像数据测试所述模型的姿态。


11.根据权利要求10所述的方法，其中：
接收图像数据包括接收2D图像数据，其中，每个数据输入项包括2D向量；
确定该组值中每个处理后的图像数据值的最大可能分数包括基于与该值关联的区域中的2D向量来确定标量值。


12.根据权利要求11所述的方法，其中使用所述处理后的数据测试所述模型的姿态包括：
确定所述姿态分数未超过预定阈值，包括对所述处理后的数据的关联标量值测试所述模型的多个探针；<...

【专利技术属性】
技术研发人员：Z·H·刘，N·博甘，A·赫尔舍，
申请(专利权)人：康耐视公司，
类型：发明
国别省市：美国;US