基于上采样的影像定位系统及其方法技术方案

本发明专利技术提供一种基于上采样的影像定位系统及其方法，上述方法是于广域影像中获取涵盖目标的区域影像，决定目标的概略位置，基于神经网络数据模型对区域影像执行上采样处理以获得高解析区域影像，映射概略位置至高解析区域影像，并分析高解析区域影像来决定目标的精确位置。本发明专利技术可大幅提升定位速度并有效降低所需的硬件成本。

Image location system and method based on up sampling

【技术实现步骤摘要】
基于上采样的影像定位系统及其方法
本专利技术涉及一种影像定位技术，特别是涉及一种基于上采样的影像定位系统及其方法。
技术介绍
影像定位技术为现有的自动化生产过程中极为重要的一环。以自动组装为例，自动化设备可经由影像定位技术取得各物件的安装结构的位置，而可基于各安装结构的位置来组装物件。以自动穿孔机为例，可经由影像定位技术识别待穿孔位置，并准确地进行穿孔作业。为了进行精确的定位，现有的影像定位技术多是采用高解析度的摄影机来拍摄物件及其周围环境(如物件的承载台)以获得高解析广域影像，再对高解析广域影像执行物件识别处理以于高解析广域影像中识别物件，并执行影像定位处理以计算物件的精确位置。现有的影像定位技术由于必须对整张高解析广域影像执行物件识别处理与影像定位处理，必须耗费大量运算资源与运算时间，而降低了定位效率。并且，现有的影像定位技术由于必须采用高解析度的摄影机，这会大幅增加所需的硬件成本。是以，现有的影像定位技术存在上述问题，而亟待更有效的方案被提出。
技术实现思路
本专利技术提供一种基于上采样的影像定位方法及系统，可缩小识别与定位的范围，并可经由机器学习技术来产生高解析影像。于一实施例中，一种基于上采样的影像定位方法包括以下步骤：于广域影像中获取涵盖目标的区域影像，并决定目标的概略位置；基于神经网络数据模型对区域影像执行上采样处理以获得高解析区域影像，其中高解析区域影像的解析度大于区域影像的解析度；映射概略位置至高解析区域影像；及，分析高解析区域影像来决定目标的精确位置，其中精确位置的精度大于概略位置的精度。于一实施例中，一种基于上采样的影像定位系统包括影像获取设备、存储装置及电性连接影像处理设备与存储装置的处理器。影像获取设备用以对目标进行拍摄以产生广域影像。存储装置用以存储神经网络数据模型。处理器被设定来于广域影像中获取涵盖目标的区域影像，并决定目标的概略位置，基于神经网络数据模型对区域影像执行上采样处理以获得高解析区域影像，映射概略位置至高解析区域影像，并分析高解析区域影像来决定目标的精确位置，其中高解析区域影像的解析度大于区域影像的解析度，精确位置的精度大于概略位置的精度。本专利技术可大幅提升定位速度并有效降低所需的硬件成本。附图说明本文的附图仅仅用于说明性目的，附图并不旨在限制本专利技术的公开范围。图1为本专利技术一实施方式的基于上采样的影像定位系统的架构图。图2为本专利技术一实施方式的神经网络数据模型的架构图。图3为本专利技术一实施方式的影像定位处理的示意图。图4为本专利技术一实施方式的上采样处理的示意图。图5为本专利技术第一实施例的影像定位方法的流程图。图6为本专利技术第二实施例的自动化处理的流程图。图7为本专利技术第三实施例的决定概略位置的流程图。图8为本专利技术第四实施例的上采样处理的流程图。图9为本专利技术第五实施例的上采样处理的流程图。图10为本专利技术第六实施例的优化影像处理的流程图。图11为本专利技术第七实施例的决定精确位置的流程图。图12为本专利技术第八实施例的训练处理的流程图。附图标记说明：10…电脑设备100…处理器101…存储装置102…电脑程序103…神经网络数据模型104…通信装置105…人机接口11…影像获取设备12…自动化设备20…区域影像1030…萃取层1031…放大层1032…组合层21…高解析区域影像30…广域影像31…区域影像32…特征影像32’…高解析特征影像33…放大影像34…高解析区域影像40…区域影像41…高解析残差数据42…高解析区域影像Z…区域S10-S14…影像定位步骤S20…自动化处理步骤S30-S34…决定概略位置步骤S40-S43…第一上采样步骤S50-S51…第二上采样步骤S60-S61…优化影像步骤S70-S71…决定精确位置步骤S80-S83…训练步骤具体实施方式下面结合附图和具体实施例对本专利技术技术方案进行详细的描述，以更进一步了解本专利技术的目的、方案及技术效果，但并非作为本专利技术所附权利要求的限制。首请参阅图1，为本专利技术一实施方式的基于上采样的影像定位系统的架构图。本专利技术公开了一种基于上采样的影像定位系统，可依据低解析度的广域影像来识别目标，并对目标进行精确定位。具体而言，当欲对目标(如电子零件或印刷电路板上的指定元件或指定结构等等)进行定位时，基于上采样的影像定位系统可对目标及其周围(如放置电子零件的承载台或印刷电路板的全部或部分)进行拍摄以产生视野较广(即拍摄范围较广)且解析度较低的广域影像。接着，本专利技术的基于上采样的影像定位系统可对广域影像执行后述的影像定位方法来识别目标并计算目标于广域影像中的精确位置。本专利技术的基于上采样的影像定位系统包括电脑设备10。电脑设备10主要包括存储装置101、通信装置104、人机接口105及电性连接上述装置的处理器100。存储装置101用以存储数据。于一实施例中，存储装置101存储神经网络数据模型103。前述神经网络数据模型103是使用机器学习技术(如深度学习或神经网络)对大量范本影像进行分析训练所产生的数据模型。前述神经网络数据模型103包括经训练产生的大量规则，并可基于大量规则来对影像执行上取样处理来提升影像的解析度。通信装置104(如USB模块、PCIbus模块、Wi-Fi模块或蓝牙模块)。通信装置104用以连接外部装置(如影像获取设备11及/或自动化设备12)，并可与外部装置进行通信(如自影像获取设备11接收后述的广域影像，或将后述的精确位置传送置自动化设备12)。人机接口105(如按键、显示器、指示灯、蜂鸣器或前述任意组合)。人机接口105用以接受使用者操作并输出信息。处理器100用以控制电脑设备10。于一实施例中，存储装置101包括非暂态电脑可读取记录媒体，前述非暂态电脑可读取记录媒体存储电脑程序102，前述电脑程序102记录有用于实现本专利技术各实施例的方法的程序码或机械码(machinecode)。处理器100于执行电脑程序102的程序码或机械码后，可执行本专利技术各实施例的方法的各步骤。于一实施例中，本专利技术的基于上采样的影像定位系统还包括影像获取设备11。电脑设备10可经由通信设备104连接影像获取设备11。影像获取设备11可用以拍摄指定目标，如对印刷电路板的全部或部分进行拍摄。于一实施例中，影像获取设备11为解析度较低的摄影机，而具有较低的硬件成本。影像获取设备11例如是黑白摄影机、彩色摄影机或红外线摄影机，影像获取设备11所拍摄的影像可通过电脑设备10的处理来识别指定物件于影像中的位置。于一实施例中，影像获取设备11为黑白摄影机，并可拍摄黑白影像。借此本文档来自技高网...

【技术保护点】
1.一种基于上采样的影像定位方法，包括以下步骤：/na)于一广域影像中获取涵盖一目标的一区域影像，并决定上述目标的一概略位置；/nb)基于一神经网络数据模型对上述区域影像执行上采样处理以获得一高解析区域影像，其中上述高解析区域影像的解析度大于上述区域影像的解析度；/nc)映射上述概略位置至上述高解析区域影像；及/nd)分析上述高解析区域影像来决定上述目标的一精确位置，其中上述精确位置的精度大于上述概略位置的精度。/n

【技术特征摘要】
1.一种基于上采样的影像定位方法，包括以下步骤：
a)于一广域影像中获取涵盖一目标的一区域影像，并决定上述目标的一概略位置；
b)基于一神经网络数据模型对上述区域影像执行上采样处理以获得一高解析区域影像，其中上述高解析区域影像的解析度大于上述区域影像的解析度；
c)映射上述概略位置至上述高解析区域影像；及
d)分析上述高解析区域影像来决定上述目标的一精确位置，其中上述精确位置的精度大于上述概略位置的精度。


2.如权利要求1所述的基于上采样的影像定位方法，其中于上述步骤a)之前还包括一步骤e)控制一影像获取设备对上述目标进行拍摄以产生上述广域影像。


3.如权利要求2所述的基于上采样的影像定位方法，其中上述目标为印刷电路板上的指定元件或指定结构的影像；
其中，上述基于上采样的影像定位方法于上述步骤d)之后还包括一步骤f)控制一自动化设备于上述印刷电路板的上述精确位置执行装设处理。


4.如权利要求1所述的基于上采样的影像定位方法，其中上述步骤a)包括以下步骤：
a1)比对是否上述广域影像的任一上述区域影像符合一指定影像或一指定图形；
a2)于任一上述区域影像符合上述指定影像或上述指定图形时，选择符合的上述区域影像；及
a3)依据所选择的上述区域影像于上述广域影像中的位置设定上述概略位置。


5.如权利要求1所述的基于上采样的影像定位方法，其中上述步骤b)包括以下步骤：
b1)基于上述神经网络数据模型的一萃取层分析上述区域影像以获得一特征影像；
b2)基于上述神经网络数据模型的一放大层于上述区域影像中插补多个像素以获得一放大影像；及
b3)基于上述神经网络数据模型的一组合层来组合上述特征影像及上述放大影像为上述高解析区域影像。


6.如权利要求5所述的基于上采样的影像定位方法，其中上述步骤b1)是基于上述萃取层分析上述区域影像以获得上述特征影像，并基于上述神经网络数据模型对上述特征影像执行放大处理以获得一高解析特征影像；上述步骤b3)是组合上述高解析特征影像及上述放大影像为上述高解析区域影像。


7.如权利要求6所述的基于上采样的影像定位方法，其中上述步骤b)还包括以下步骤：
b4)基于上述神经网络数据模型的上述萃取层分析上述高解析区域影像以获得新的上述特征影像，并基于上述神经网络数据模型对新的上述特征影像执行上述放大处理以获得新的高解析特征影像；
b5)基于上述神经网络数据模型的上述放大层于上述高解析区域影像中插补多个像素以获得新的上述放大影像；及
b6)基于上述神经网络数据模型的上述组合层来组合新的上述高解析特征影像及新的上述放大影像为新的上述高解析区域影像。


8.如权利要求5所述的基于上采样的影像定位方法，其中上述神经网络数据模型的上述萃取层、上述放大层及上述组合层是由卷积神经网络建构而成。


9.如权利要求1所述的基于上采样的影像定位方法，其中上述步骤b)包括以下步骤：
b7)基于上述神经网络数据...

【专利技术属性】
技术研发人员：苏育正，黄启铭，沈宜郡，陈鸿文，
申请(专利权)人：台达电子工业股份有限公司，
类型：发明
国别省市：中国台湾;71