一种基于特征网络模型的校正方法、电子设备及介质技术

本发明专利技术公开了一种基于特征网络模型的校正方法、电子设备及介质，校正方法包括：对获取到的原始照片进行预处理得到样本图像集；将样本图像集以及预确定的目标图片输入预训练的特征网络模型进行特征提取，得到样本图片的多个样本中心点以及目标图片的多个目标中心点，并根据样本中心点和目标中心点确定多个样本特征点和多个目标特征点，生成样本平面点云以及目标平面点云；基于预设匹配算法对样本平面点云以及目标平面点云进行特征匹配，生成样本质心以及目标质心；根据样本质心以及目标质心确定旋转角度值和平移参数；根据旋转角度值和平移参数将样本图片校正为目标图片，本发明专利技术实施例，能够精准计算物品发生偏移的偏移量，提高物品的校正效率。高物品的校正效率。高物品的校正效率。

【技术实现步骤摘要】
一种基于特征网络模型的校正方法、电子设备及介质


[0001]本专利技术涉及数据处理
，尤其涉及一种基于特征网络模型的校正方法、电子设备及介质。

技术介绍

[0002]随着机器视觉理论的发展，机器视觉在工业中的应用越来越广泛。例如，应用在无人机、人脸识别、物流运输等领域，其中，在视觉机器人工件分拣技术环节中，需要对目标物品进行识别定位，但是在分拣产品的流水线中，可能会出现物品摆放位置错误、分拣速率过快等情况，从而导致目标物品与机器人设定的位置坐标出现偏差。因此，快速准确地计算物体的位置偏差变得尤为重要。如今，基于图像的物体旋转角度测量方法以及坐标计算方法在实际应用中已经被广泛采用，常用的方法有基于图像的几何特征法以及局部特征法等。基于图像的几何特征法在目标形状不规则或是目标被遮挡的情况下，会导致测量误差较大从而不能实现角度的测量，而局部特征法只能通过目标物品一部分进行物品的位置测量，如果需要全面进行坐标计算，需要消耗大量时间，并且可能出现坐标计算速率缓慢等情况，从而降低物品位置校正的效率，因此，对目标物品的偏移量进行精准测量，提高位置校正效率成为待解决的重要问题。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种基于特征网络模型的校正方法、电子设备及介质，能够精准计算物品发生偏移的偏移量，提高物品的校正效率。
[0004]第一方面，本专利技术提供一种基于特征网络模型的校正方法，包括：
[0005]对获取到的原始照片进行预处理得到样本图像集，其中，所述样本图像集包括多张样本图片；
[0006]将所述样本图像集以及预确定的目标图片输入预训练的所述特征网络模型进行特征提取，得到所述样本图片的多个样本中心点以及所述目标图片的多个目标中心点，并根据所述样本中心点和所述目标中心点确定多个样本特征点和多个目标特征点，生成样本平面点云以及目标平面点云；
[0007]基于预设匹配算法对所述样本平面点云以及所述目标平面点云进行特征匹配，生成样本质心以及目标质心；
[0008]根据所述样本质心以及所述目标质心确定旋转角度值和平移参数，其中，所述旋转角度值用于表征所述样本质心与所述目标质心之间的角度偏差，所述平移参数用于表征所述样本质心与所述目标质心的距离；
[0009]根据所述旋转角度值和所述坐标参数将所述样本图片校正为所述目标图片。
[0010]上述基于特征网络模型的校正方法至少具有以下有益效果：首先，对获取到的原始照片进行预处理以得到样本图像集，之后将样本图像集以及预确定的目标图片输入预训
练的特征网络模型对样本图片以及目标图片进行特征提取，确定样本图片的多个样本中心点以及目标图片的多个目标中心点，并根据样本中心点以及目标中心点确定多个样本特征点以及多个目标特征点，从而生成样本平面点云以及目标平面点云，便于后续对样本图片进行校正，提高校正的准确性，其次，基于预设匹配算法对样本平面点云以及目标平面点云进行特征匹配，得到样本质心以及目标质心，避免图片位置校正过程中出现位置偏差，提高图片校正的准确性，最后，根据样本质心以及目标质心进行计算，得到两个质心之间的旋转角度值和平移参数，根据旋转角度值以及平移参数将样本图片校正为目标图片，从而提高物品的校正效率，通过旋转角度值以及平移参数的计算提高物品校正过程中的准确性，避免出现校正偏差。
[0011]根据本专利技术的一些实施例，所述对获取到的原始照片进行预处理得到样本图像集，包括：
[0012]根据预设颜色模型对所述原始照片进行亮度调节，得到调节结果；
[0013]对所述调节结果进行数据增强，得到所述样本图片。
[0014]所述将所述样本图像集以及预确定的目标图片输入预训练的所述特征网络模型进行特征提取，得到所述样本图片的多个样本中心点以及所述目标图片的多个目标中心点，包括：
[0015]将所述样本图像集以及所述预确定的目标图片输入所述特征网络模型进行特征提取，使得所述特征网络模型确定所述样本图片的样本特征区域和所述目标图片的目标特征区域；
[0016]根据所述样本特征区域得到所述样本图片的多个样本中心点；
[0017]根据所述目标特征区域得到所述目标图片的多个目标中心点。
[0018]根据本专利技术的一些实施例，所述特征网络模型包括卷积层以及归一层；所述特征网络模型确定所述样本图片的样本特征区域和所述目标图片的目标特征区域，包括：
[0019]将所述样本图片和所述目标图片输入所述卷积层进行特征识别，得到识别结果；
[0020]将所述识别结果输入所述归一层进行归一化，得到所述样本图片的样本张量信息以及所述目标图片的目标张量信息；
[0021]根据预设偏移量、所述样本张量信息、所述目标张量信息进行坐标计算，得到样本边框坐标以及目标边框坐标；
[0022]将所述样本边框坐标所围成的面积区域作为所述样本特征区域；
[0023]将所述目标边框坐标所围成的面积区域作为所述目标特征区域。
[0024]根据本专利技术的一些实施例，所述根据所述样本中心点和所述目标中心点确定多个样本特征点和多个目标特征点，生成样本平面点云以及目标平面点云，包括：
[0025]对每个所述样本中心点进行定位，得到多个样本中心区域；
[0026]在每个所述样本中心区域内确定对应的所述样本特征点，并根据多个所述样本特征点生成所述样本平面点云；
[0027]对每个所述目标中心点进行定位，得到多个目标中心区域；
[0028]在每个所述目标中心区域内确定对应的所述目标特征点，并根据多个所述目标特征点生成所述目标平面点云。
[0029]根据本专利技术的一些实施例，所述基于预设匹配算法对所述样本平面点云以及所述
目标平面点云进行特征匹配，生成样本质心以及目标质心，包括：
[0030]根据所述样本平面点云中的多个所述样本中心点确定样本中心坐标以及样本点云数量；
[0031]根据所述目标平面点云中的多个所述目标中心点确定目标中心坐标以及目标点云数量；
[0032]对所述样本点云数量以及所述样本特征点进行质心计算，生成所述样本质心；
[0033]对所述目标点云数量以及所述目标特征点进行质心计算，生成所述目标质心。
[0034]根据本专利技术的一些实施例，所述根据所述样本质心以及所述目标质心确定旋转角度值和平移参数，包括：
[0035]将所述样本中心坐标减去所述样本质心的位置坐标，得到第一点云信息；
[0036]将所述目标中心坐标减去所述目标质心的位置坐标，得到第二点云信息；
[0037]根据所述第一点云信息以及所述第二点云信息生成点云矩阵；
[0038]根据所述点云矩阵得到所述旋转角度值和所述平移参数。
[0039]根据本专利技术的一些实施例，所述根据所述点云矩阵得到所述旋转角度值和所述平移参数，包括：
[0040]对所述点云矩阵进行奇异值分解，得到分解结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征网络模型的校正方法，其特征在于，包括：对获取到的原始照片进行预处理得到样本图像集，其中，所述样本图像集包括多张样本图片；将所述样本图像集以及预确定的目标图片输入预训练的所述特征网络模型进行特征提取，得到所述样本图片的多个样本中心点以及所述目标图片的多个目标中心点，并根据所述样本中心点和所述目标中心点确定多个样本特征点和多个目标特征点，生成样本平面点云以及目标平面点云；基于预设匹配算法对所述样本平面点云以及所述目标平面点云进行特征匹配，生成样本质心以及目标质心；根据所述样本质心以及所述目标质心确定旋转角度值和平移参数，其中，所述旋转角度值用于表征所述样本质心与所述目标质心之间的角度偏差，所述平移参数用于表征所述样本质心与所述目标质心的距离；根据所述旋转角度值和所述平移参数将所述样本图片校正为所述目标图片。2.根据权利要求1所述的基于特征网络模型的校正方法，其特征在于，所述对获取到的原始照片进行预处理得到样本图像集，包括：根据预设颜色模型对所述原始照片进行亮度调节，得到调节结果；对所述调节结果进行数据增强，得到所述样本图片。3.根据权利要求1所述的基于特征网络模型的校正方法，其特征在于，所述将所述样本图像集以及预确定的目标图片输入预训练的所述特征网络模型进行特征提取，得到所述样本图片的多个样本中心点以及所述目标图片的多个目标中心点，包括：将所述样本图像集以及所述预确定的目标图片输入所述特征网络模型进行特征提取，使得所述特征网络模型确定所述样本图片的样本特征区域和所述目标图片的目标特征区域；根据所述样本特征区域得到所述样本图片的多个样本中心点；根据所述目标特征区域得到所述目标图片的多个目标中心点。4.根据权利要求3所述的基于特征网络模型的校正方法，其特征在于，所述特征网络模型包括卷积层以及归一层；所述特征网络模型确定所述样本图片的样本特征区域和所述目标图片的目标特征区域，包括：将所述样本图片和所述目标图片输入所述卷积层进行特征识别，得到识别结果；将所述识别结果输入所述归一层进行归一化，得到所述样本图片的样本张量信息以及所述目标图片的目标张量信息；根据预设偏移量、所述样本张量信息、所述目标张量信息进行坐标计算，得到样本边框坐标以及目标边框坐标；将所述样本边框坐标所围成的面积区域作为所述样本特征区域；将所述目标边框坐标所围成的面积区域作为所述目标特征区域。5.根据权利要求1所...

【专利技术属性】
技术研发人员：徐俊佳，李学峰，张云凡，汤健华，
申请(专利权)人：江门市上庆自动化设备有限公司，
类型：发明
国别省市：