深度图像增强方法、装置、设备及存储介质制造方法及图纸

本申请涉及图像处理技术领域，本申请提供一种深度图像增强方法、装置、设备及存储介质，方法将原始深度图的数据按预设比例压缩，对压缩后的原始深度图二值化处理，获得第一深度图；获取第一深度图中图像的轮廓，筛选出轮廓中的丢点区域，对丢点区域进行像素补偿，得到第二深度图；获取第二深度图中的每个像素点的向量，计算每个像素点的向量外积，得到每个像素点的法向量；根据每个像素点的法向量，生成第二深度图的法向量信息，通过法向量信息对第二深度图进行渲染，得到物体表面信息被增强的第三深度图。通过多上述深度图像增强方法锂电池部件表面图像表现出明显缺陷特征，进而更近一步分析缺陷。一步分析缺陷。一步分析缺陷。

【技术实现步骤摘要】
深度图像增强方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种深度图像增强方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]动力电池作为新能源汽车的核心驱动，其重要性不言而喻，而锂电池是目前动力电池中较为优秀的一种电池，因此，锂电池的需求量日渐益增，锂电池生产过程时，可能会存在微小的缺陷，可能影响锂电池的性能和质量，因此需要对锂电池的质量进行把控。
[0003]目前的工业制造场景中，基于机器视觉的无人全自动化检测已经越来越普遍，然而，无人全自动化检测的多数场合中使用的还是传统的2D传感器，但是2D传感器在成像原理上具有潜在缺陷，该缺陷会导致被检测锂电池的原始数据的深度信息丢失，并且被检测锂电池的生成的图片坐标也难以和现实坐标对应，因此，越来越多的工业视觉检测开始采用数据维度保持完整，并且精度上限更高的3D线扫传感器，但是，3D线扫传感器在带来精度更高的同时，也会导致被检测锂电池的缺陷在深度图上的体现不明显，因此，该缺陷对锂电池的无人全自动化检测带来了难处。

技术实现思路

[0004]本专利技术的主要目的在于提供一种深度图像增强方法、装置、设备及计算机可读存储介质，旨在解决现有3D线扫传感器在检测锂电池的缺陷时，该缺陷在深度图上的体现不明显的技术问题。
[0005]为实现上述目的，本专利技术提供一种深度图像增强方法，所述深度图像增强方法包括：将原始深度图的数据按预设比例压缩，对压缩后的所述原始深度图二值化处理，获得第一深度图；取所述第一深度图中图像的轮廓，筛选出所述轮廓中的丢点区域，对所述丢点区域进行像素补偿，得到第二深度图；获取所述第二深度图中的每个像素点的向量，计算每个所述像素点的向量外积，得到每个所述像素点的法向量；根据每个所述像素点的法向量，生成所述第二深度图的法向量信息，通过所述法向量信息对所述第二深度图进行渲染，得到物体表面信息被增强的第三深度图。
[0006]此外，为实现上述目的，本专利技术还提供一种深度图像增强装置，所述深度图像增强装置包括：深度图像预处理模块，用于将原始深度图的数据按预设比例压缩，对压缩后的所述原始深度图二值化处理，获得第一深度图；深度图像补偿模块，用于获取所述第一深度图中图像的轮廓，筛选出所述轮廓中的丢点区域，对所述丢点区域进行像素补偿，得到第二深度图；深度图像法向量模块，用于获取所述第二深度图中的每个像素点的向量，计算每个所述像素点的向量外积，得到每个所述像素点的法向量；深度图像渲染模块，用于根据每个所述像素点的法向量，生成所述第二深度图的法向量信息，通过所述法向量信息对所述第二深度图进行渲染，得到物体表面信息被增强的第三深度图。
[0007]此外，为实现上述目的，本专利技术还提供一种深度图像增强设备，所述深度图像增强
设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的深度图像增强程序，其中所述深度图像增强程序被所述处理器执行时，实现如上述的深度图像增强方法的步骤。
[0008]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有深度图像增强程序，其中所述深度图像增强程序被处理器执行时，实现如上述的深度图像增强方法的步骤。
[0009]本专利技术提供一种深度图像增强方法，所述方法将原始深度图的数据按预设比例压缩，对压缩后的所述原始深度图二值化处理，获得第一深度图；获取所述第一深度图中图像的轮廓，筛选出所述轮廓中的丢点区域，对所述丢点区域进行像素补偿，得到第二深度图；获取所述第二深度图中的每个像素点的向量，计算每个所述像素点的向量外积，得到每个所述像素点的法向量；根据每个所述像素点的法向量，生成所述第二深度图的法向量信息，通过所述法向量信息对所述第二深度图进行渲染，得到物体表面信息被增强的第三深度图。本申请对使用3D线扫传感器扫描获得的锂电池的深度图像数据进行处理，即选出深度图中的的图像轮廓，筛选图像轮廓中的丢点区域，然后对丢点区域进行像素补偿，完成预处理，然后对预处理后的深度图像进行法向量增强，即增加锂电池与3D线扫传感器距离方向的特征表达，因此，对于非常锂电池细小的缺陷，也能通过多上述深度图像增强方法锂电池部件表面图像表现出明显缺陷特征，通过3D线扫传感器扫描获得的锂电池的深度图像数据，并用多尺度的深度图像增强方法，使得一个锂电池深度图像可以从不同层面上得到不一样的特征增强，另外，该深度图像增强方法可以兼容所有以深度图像作为数据载体的传感器和数据输入源。
附图说明
[0010]图1为本专利技术实施例方案中涉及的深度图像增强设备的硬件结构示意图；
[0011]图2为本专利技术深度图像增强方法第一实施例的流程示意图；
[0012]图3为本专利技术深度图像增强方法第二实施例的流程示意图；
[0013]图4为本专利技术深度图像增强方法第三实施例的流程示意图；
[0014]图5为本专利技术深度图像增强装置第一实施例的功能模块示意图。
[0015]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0016]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0017]随着国家对节能环保减轻碳排放的政策出炉，各大汽车厂商对绿色环保，减轻碳排放的需求越来越强列，各大汽车厂商都开始大力投入新能源汽车的研发。动力电池作为新能源汽车的核心驱动，其重要性不言而喻，而锂电池是目前动力电池中较为优秀的一种电池，因此，锂电池的需求量日渐益增，锂电池生产过程时，可能会存在微小的缺陷，可能影响锂电池的性能和质量，因此需要对锂电池的质量进行把控。
[0018]锂电池是一种充电电池，它一般采用含有锂元素的材料作为电极，主要依靠锂离子在正极和负极之间移动来工作，电池内材料组成部件包括正、负极，隔膜，电解液，其中，锂电池的正极是将正极材料(如LFP、NCM)涂布在铝箔(集流体)上，负极是将负极材料(如石
墨、LTO)涂布在铜箔(集流体)上；正、负极之间有一层隔膜(Separator)，使正、负极隔离，防止电子穿过，同时又能使锂离子顺利通过；电解液在电池中起到传导锂离子的作用。
[0019]在电池放电的过程中，Li+从负极穿过隔膜到正极，电子则从负极经过外部电路回到正极形成了电流；电池的充电过程则刚好相反。
[0020]锂电池的外壳分为钢壳锂电池，铝壳锂电池以及软包装锂电池。
[0021]目前的工业制造场景中，基于机器视觉的无人全自动化检测已经越来越普遍，然而，无人全自动化检测的多数场合中使用的还是传统的2D传感器，但是2D传感器在成像原理上具有潜在缺陷，该缺陷会导致被检测锂电池的原始数据的深度信息丢失，并且被检测锂电池的生成的图片坐标也难以和现实坐标对应，因此，越来越多的工业视觉检测开始采用数据维度保持完整，并且精度上限更高的3D线扫传感器，但是，3D线扫传感器在带来精度更高的同时，也会导致被检测锂电池的缺陷在深度图上的体现不明显，因此，该缺陷对锂电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度图像增强方法，用于对通过3D线扫传感器获取到的锂电池深度图像进行处理，其特征在于，所述深度图像增强方法包括以下步骤：将原始深度图的数据按预设比例压缩，对压缩后的所述原始深度图二值化处理，获得第一深度图；获取所述第一深度图中图像的轮廓，筛选出所述轮廓中的丢点区域，对所述丢点区域进行像素补偿，得到第二深度图；获取所述第二深度图中的每个像素点的向量，计算每个所述像素点的向量外积，得到每个所述像素点的法向量；根据每个所述像素点的法向量，生成所述第二深度图的法向量信息，通过所述法向量信息对所述第二深度图进行渲染，得到物体表面信息被增强的第三深度图。2.根据权利要求1所述的深度图像增强方法，其特征在于，还包括：选定所述第三深度图中的侧重区域，获取所述侧重区域的像素值分布概率，根据所述像素值分布概率将所述像素值重新映射到所述侧重区域的灰阶范围中，得到第四深度图。3.根据权利要求1所述的深度图像增强方法，其特征在于，还包括：将所述第三深度图与表示所述第三深度图多个梯度方向的预设卷积核做卷积计算，得到所述第三深度图的多个方向的梯度图，将多个方向的所述梯度图对应的像素相加，得到第五深度图。4.根据权利要求1所述的深度图像增强方法，其特征在于，所述原始速度图为16位数据；所述将深度图的数据按预设比例压缩，对压缩后的所述深度图二值化处理，获得第一深度图，包括：将所述原始深度图数据等比例缩放至8位数据，将8位数据的所述原始深度图中的全部像素点与预设阈值进行比对，将所述原始深度图中小于预设阈值的像素点的值归为0，将所述原始深度图中大于预设阈值的像素点的值归为255，得到图像呈现黑白的第一深度图。5.根据权利要求1所述的深度图像增强方法，其特征在于，所述获取所述第一深度图中图像的轮廓，筛选出所述轮廓中的丢点区域，对所述丢点区域进行像素补偿，得到第二深度图，包括：通过计算所述第一深度图中图像连通域，得到所述第一深度图中图像的轮廓，根据所述轮廓的面积，筛选出所述轮廓中的丢点区域，计算所述丢点区域有效点的最小值，将所述最小值填充到所述丢点区域中，得到所述第二深度图。6.根据权利要求...

【专利技术属性】
技术研发人员：陈宇，陈世达，
申请(专利权)人：厦门微图软件科技有限公司，
类型：发明
国别省市：