本申请提供了一种偏移检测方法、装置、电子设备及存储介质，所述方法包括：获取针对目标部件的参照点云数据和待测点云数据；基于参照点云数据，构建出针对目标部件的参照深度图像；基于待测点云数据，构建出针对目标部件的待测深度图像；确定参照深度图像和待测深度图像中的匹配特征点对；基于匹配特征点对，确定待测深度图像是否为异常图像；基于待测深度图像是否为异常图像的确定结果，确定目标部件在电子设备中的位置是否发生偏移。提高了检测效率，为实现高效检测目标部件是否发生偏移提供了技术支持。了技术支持。了技术支持。
【技术实现步骤摘要】
偏移检测方法、装置、电子设备及存储介质
[0001]本申请涉及缺陷检测领域，尤其涉及一种偏移检测方法、装置、电子设备及存储介质。
技术介绍
[0002]在诸如笔记本电脑等电子设备内部通常存在一些贴附部件，如果贴附部件出现了位置偏移则会影响电子设备的质量。目前对贴附部件是否发生位置偏移进行检测的方法效率较低。如何高效的对贴附部件进行偏移检测成为了亟待解决的技术问题。
技术实现思路
[0003]本申请提供了一种偏移检测方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
[0004]根据本申请的第一方面，提供了一种偏移检测方法，所述方法包括：
[0005]获取针对目标部件的参照点云数据和待测点云数据；
[0006]基于参照点云数据，构建出针对目标部件的参照深度图像；
[0007]基于待测点云数据，构建出针对目标部件的待测深度图像；
[0008]确定参照深度图像和待测深度图像中的匹配特征点对；
[0009]基于匹配特征点对，确定待测深度图像是否为异常图像；
[0010]基于待测深度图像是否为异常图像的确定结果，确定目标部件在电子设备中的位置是否发生偏移。
[0011]上述方案中，所述确定参照深度图像和待测深度图像中的匹配特征点对，包括：
[0012]对参照深度图像进行特征角点提取，得到参照深度图像中的目标特征点；
[0013]对待测深度图像进行特征角点提取，得到待测深度图像中的目标特征点；
[0014]对参照深度图像中的目标特征点与待测深度图像中的目标特征点进行特征匹配，得到参照深度图像和待测深度图像中的匹配特征点对。
[0015]上述方案中，所述基于匹配特征点对，确定待测深度图像是否为异常图像，包括：
[0016]在所述匹配特征点对的数量小于或等于第一预设阈值的情况下，确定待测深度图像为异常图像。
[0017]上述方案中，所述基于匹配特征点对，确定待测深度图像是否为异常图像，包括：
[0018]在所述匹配特征点对的数量大于第一预设阈值的情况下，基于全部匹配特征点对之间的平均欧式距离，确定待测深度图像是否为异常图像。
[0019]上述方案中，所述基于全部匹配特征点对之间的平均欧式距离，确定待测深度图像是否为异常图像，包括：
[0020]在所述平均欧式距离小于或等于第二预设阈值的情况下，确定待测深度图像不为异常图像；
[0021]在所述平均欧式距离大于第二预设阈值的情况下，确定待测深度图像为异常图
像。
[0022]上述方案中，所述获取针对目标部件的参照点云数据，包括：
[0023]获取针对目标部件的初始待测点云数据和初始参照点云数据；对初始待测点云数据和初始参照点云数据进行配准，得到转换矩阵；
[0024]基于转换矩阵，对初始参照点云数据进行转换，得到中间参照点云数据；
[0025]从中间参照点云数据中，确定出针对目标部件的参照点云数据。
[0026]上述方案中，所述获取针对目标部件的待测点云数据，包括：
[0027]从中间参照点云数据中，查找出参照点云数据的邻域点；
[0028]将初始待测点云数据中邻域点与参照点云数据的邻域点具有相同特征的点云数据作为待测点云数据。
[0029]根据本申请的第二方面，提供了一种偏移检测装置，所述装置包括：
[0030]获取单元，用于获取针对目标部件的参照点云数据和待测点云数据；
[0031]第一构建单元，用于基于参照点云数据，构建出针对目标部件的参照深度图像；
[0032]第二构建单元，用于基于待测点云数据，构建出针对目标部件的待测深度图像；
[0033]第一确定单元，用于确定参照深度图像和待测深度图像中的匹配特征点对；
[0034]第二确定单元，用于基于匹配特征点对，确定待测深度图像是否为异常图像；
[0035]第三确定单元，用于基于待测深度图像是否为异常图像的确定结果，确定目标部件在电子设备中的位置是否发生偏移。
[0036]根据本申请的第三方面，提供了一种电子设备，包括：
[0037]至少一个处理器；以及
[0038]与所述至少一个处理器通信连接的存储器；其中，
[0039]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。
[0040]根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本申请所述的方法。
[0041]本申请中，基于分别对获取的针对目标部件的参照点云数据和待测点云数据的深度图像的构建，得到针对目标部件的参照深度图像和针对目标部件的待测深度图像。基于参照深度图像和待测深度图像中的匹配特征点对确定待测深度图像是否为异常图像。基于待测深度图像是否为异常图像的确定结果，确定目标部件在电子设备中的位置是否发生偏移，实现了对目标部件高效的偏移检测。
[0042]应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0043]通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：
[0044]在附图中，相同或对应的标号表示相同或对应的部分。
[0045]图1示出了本申请实施例偏移检测方法的实现流程示意图；
[0046]图2示出了本申请实施例中应用实现流程示意图；
[0047]图3示出了本申请实施例偏移检测装置的组成结构示意图；
[0048]图4示出了本申请实施例一种电子设备的组成结构示意图。
具体实施方式
[0049]为使本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0050]可以理解，在电子设备内部通常会存在一些贴附部件(目标部件)，如果贴附部件的位置发生了偏移，电子设备的质量也会随之受到影响。目前常采用基于深度学习的偏移检测方法来对贴附部件进行偏移检测。但是，基于深度学习的偏移检测方法，需要收集大量样本，通过标注、训练等过程进行神经网络学习来得到偏移缺陷检测模型，并通过该模型识别贴附部件是否产生偏移。该方法需要浪费大量人力物力，检测效率较低。在对贴附部件进行偏移检测的时候，如果能够提高检测效率，势必会节约检测成本，进一步保证电子设备的质量。
[0051]本申请实施例中，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种偏移检测方法，其特征在于，所述方法包括：获取针对目标部件的参照点云数据和待测点云数据；基于参照点云数据，构建出针对目标部件的参照深度图像；基于待测点云数据，构建出针对目标部件的待测深度图像；确定参照深度图像和待测深度图像中的匹配特征点对；基于匹配特征点对，确定待测深度图像是否为异常图像；基于待测深度图像是否为异常图像的确定结果，确定目标部件在电子设备中的位置是否发生偏移。2.根据权利要求1所述的方法，其特征在于，所述确定参照深度图像和待测深度图像中的匹配特征点对，包括：对参照深度图像进行特征角点提取，得到参照深度图像中的目标特征点；对待测深度图像进行特征角点提取，得到待测深度图像中的目标特征点；对参照深度图像中的目标特征点与待测深度图像中的目标特征点进行特征匹配，得到参照深度图像和待测深度图像中的匹配特征点对。3.根据权利要求1或2所述的方法，其特征在于，所述基于匹配特征点对，确定待测深度图像是否为异常图像，包括：在所述匹配特征点对的数量小于或等于第一预设阈值的情况下，确定待测深度图像为异常图像。4.根据权利要求1或2所述的方法，其特征在于，所述基于匹配特征点对，确定待测深度图像是否为异常图像，包括：在所述匹配特征点对的数量大于第一预设阈值的情况下，基于全部匹配特征点对之间的平均欧式距离，确定待测深度图像是否为异常图像。5.根据权利要求4所述的方法，其特征在于，所述基于全部匹配特征点对之间的平均欧式距离，确定待测深度图像是否为异常图像，包括：在所述平均欧式距离小于或等于第二预设阈值的情况下，确定待测深度图像不为异常图像；在所述平均欧式距离大于第二预设阈值的情况下，确定待测深度图像为异常图像。6.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：李飞，张伟，赵兵，武春杰，荀迅，吴海涛，
申请(专利权)人：合肥联宝信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。