一种视觉测量方法及系统技术方案

本发明专利技术提供一种视觉测量方法及系统，该方法包括：获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果，本发明专利技术显著提高了视觉测量系统的柔性化和智能化程度，得到精准的视觉测量结果。的视觉测量结果。的视觉测量结果。

【技术实现步骤摘要】
一种视觉测量方法及系统


[0001]本专利技术涉及机器视觉
，尤其涉及一种视觉测量方法及系统。

技术介绍

[0002]视觉测量是机器视觉的典型应用之一，其目标是基于相机模型和图像，精确获取目标物体的空间位姿、尺寸和结构等信息。随着工业生产和机器人作业等领域中任务的日益多样化和快速更新，柔性化的视觉测量系统是实现多功能机器人和柔性智能制造的重要环节，具有全面实用化的前景，为了快速适应各种不同的测量任务需求，现有视觉测量系统还需要进一步提高柔性化程度。
[0003]目前基于图像的视觉测量系统，大多是针对特定的具体任务所开发的，仅能用于特定任务中规定的物体类型和测量需求，当物体类型或测量需求变化后，往往需要专家进行重新编程开发调试，无法实现快捷功能切换，导致视觉测量系统的应用不够灵活，尤其在面临小批量多样化的待测量物体时，视觉测量的柔性化和智能化程度较低，无法较为精准的实现待测量物体的视觉测量。
[0004]因此，现在亟需一种视觉测量方法及系统来解决上述问题。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供一种视觉测量方法及系统。
[0006]本专利技术提供一种视觉测量方法，包括：获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果。
[0007]根据本专利技术提供的一种视觉测量方法，所述训练好的感兴趣轮廓基元提取模型通过以下步骤得到：获取包含多种不同样式类型的物体图像集；对所述物体图像集中的样本物体图像标记感兴趣轮廓基元，得到训练样本集；其中，所述感兴趣轮廓基元包括将线段型轮廓基元和/或圆弧型轮廓基元；基于所述训练样本集，训练卷积神经网络的权重参数，得到训练好的感兴趣轮廓基元提取模型。
[0008]根据本专利技术提供的一种视觉测量方法，在所述基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果之前，所述方法还包括：根据图像空间和相机模型对应的几何运算函数，构建几何运算函数库；
基于预设几何变量条件和所述几何运算函数库，确定条件节点和几何计算节点，并根据所述条件节点和所述几何计算节点，构建所述待测量物体对应的测量行为树。
[0009]根据本专利技术提供的一种视觉测量方法，所述图像空间的几何运算函数至少包括：直线拟合、圆拟合、椭圆拟合、求两直线交点、求两直线夹角、求点到直线距离、求点到点距离和求两直线中心线的函数；所述相机模型对应的几何运算函数至少包括：仿射变换、PnP位姿估计和双目位置测量的函数。
[0010]根据本专利技术提供的一种视觉测量方法，所述根据所述条件节点和所述几何计算节点，构建所述待测量物体对应的测量行为树，包括：根据所述条件节点和所述几何计算节点，通过不同几何运算过程构建对应的测量行为子树；根据多个测量行为子树，构建测量行为树。
[0011]根据本专利技术提供的一种视觉测量方法，在所述将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图之后，所述方法还包括：将所述轮廓基元置信度图存储到数据黑板中，所述数据黑板包括有所述测量行为树所需的几何变量；所述基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果，包括：通过所述测量行为树，读取所述数据黑板中对应的数据进行几何运算，得到所述待测量物体的测量结果。
[0012]本专利技术还提供一种视觉测量系统，包括：图像获取模块，用于获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；轮廓基元提取模块，用于将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；测量模块，用于基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述视觉测量方法的步骤。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述视觉测量方法的步骤。
[0015]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述视觉测量方法的步骤。
[0016]本专利技术提供的一种视觉测量方法及系统，通过卷积神经网络训练得到模型，提取待测量物体上的感兴趣轮廓基元置信度图，并基于几何计算过程构建得到的测量行为树，
根据感兴趣轮廓基元置信度图进行几何运算，使得用户仅通过配置模板图像、标注轮廓基元和构建对应的测量行为树，即可使视觉测量系统高效便捷地应用于不同任务和物体，显著提高了视觉测量系统的柔性化和智能化程度，得到精准的视觉测量结果。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术提供的视觉测量方法的流程示意图；图2为本专利技术提供的模板图像的感兴趣轮廓基元的标注示意图；图3为本专利技术提供的基于铝制异型零件构建的测量行为树示意图；图4为本专利技术提供的视觉测量系统的结构示意图；图5为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0019]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]在面对小批量多样化的待测量物体时，通过柔性化视觉测量能在线解决工件的各种测量要求，通过重新编程开发调试，可同时对应多种不同的工件，并与生产现场的自动传输设备结合，将测量数据实时反馈给加工设备。然而现有柔性化视觉测量的应用还是不够灵活，在物体类型或测量需求改变时，需要重新对测量方案进行重新编程，且视觉测量的准确率也有待进一步提高。
[0021]为了解决现有视觉测量系统的柔性化程度低、依赖专家编程、应用灵活性不足的问题，本专利技术提供了一种基于感兴趣轮廓基元与测量行为树的柔性化智能视觉测量方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉测量方法，其特征在于，包括：获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果。2.根据权利要求1所述的视觉测量方法，其特征在于，所述训练好的感兴趣轮廓基元提取模型通过以下步骤得到：获取包含多种不同样式类型的物体图像集；对所述物体图像集中的样本物体图像标记感兴趣轮廓基元，得到训练样本集；其中，所述感兴趣轮廓基元包括线段型轮廓基元和/或圆弧型轮廓基元；基于所述训练样本集，训练卷积神经网络的权重参数，得到训练好的感兴趣轮廓基元提取模型。3.根据权利要求1所述的视觉测量方法，其特征在于，在所述基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果之前，所述方法还包括：根据图像空间和相机模型对应的几何运算函数，构建几何运算函数库；基于预设几何变量条件和所述几何运算函数库，确定条件节点和几何计算节点，并根据所述条件节点和所述几何计算节点，构建所述待测量物体对应的测量行为树。4.根据权利要求3所述的视觉测量方法，其特征在于，所述图像空间的几何运算函数至少包括：直线拟合、圆拟合、椭圆拟合、求两直线交点、求两直线夹角、求点到直线距离、求点到点距离和求两直线中心线的函数；所述相机模型对应的几何运算函数至少包括：仿射变换、PnP位姿估计和双目位置测量的函数。5.根据权利要求3所述的视觉测量方法，其特征在于，所述根据所述条件节点和所述几何计算节点，构建所述待测量物体对应的测量行为树...

【专利技术属性】
技术研发人员：秦方博，徐德，郝甜甜，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：