System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种定位方法、装置、设备及存储介质。
技术介绍
1、在传统的算法方案中,一般通过光斑形状筛选提取目标,如通过光斑形状筛选提取手柄,以实现对手柄的定位。
2、在对目标定位的过程中,提取包括光斑的目标的图像中的所有形状,对其他多边形进行过滤,如正方形,矩形、菱形等,留下圆形,椭圆形,根据圆形的区域对手柄进行定位。
3、但如果背景环境中存在与光斑形状相同的光斑,就无法对相同形状的杂点进行筛选,手柄定位就会失败,定位成功率会低。
技术实现思路
1、本专利技术提供了一种定位方法、装置、设备及存储介质,以解决现有技术中若背景环境中存在与光斑形状相同的光斑,无法对相同形状的杂点进行筛选,手柄定位就会失败,定位成功率会低的问题。
2、第一方面,本专利技术实施例提供了一种定位方法,包括:
3、获取目标图像,所述目标图像中所包括的光斑呈第一形状排布;
4、通过光斑区域检测模型对目标图像进行检测,得到所述目标图像中光斑所形成的光斑区域,所述光斑区域检测模型为基于所述目标图像中光斑之间几何关系进行光斑区域检测的模型;
5、基于所述光斑区域对所述目标图像中待定位物体进行定位。
6、可选的,所述通过光斑区域检测模型对目标图像进行检测,得到所述目标图像中光斑所形成的光斑区域,包括:
7、通过光斑区域检测模型中主干网络,得到所述目标图像中目标物体的特征信息;
8、通过所述光斑
9、通过所述光斑检测模型中解码网络,将所述融合特征转换为像素级别的光斑位置信息;
10、基于每个目标物体的光斑位置信息确定所述目标图像中光斑形成的光斑区域。
11、可选的,所述特征信息包括形状特征、位置关系特征和尺度特征。
12、可选的,所述光斑区域检测模型的训练过程包括:
13、采用训练集对待训练模型进行训练得到光斑区域检测模型,用于训练所述待训练模型的损失函数基于训练集中光斑的真实框的框信息和所述待训练模型的预测框的框信息确定。
14、可选的,所述训练集包括训练用图像和所述训练用图像上光斑区域,所述光斑区域为暗室图像中按照像素值裁剪后合并至背景图像中的区域,所述暗室图像为在暗室中采集的带有光斑的手柄图像。
15、可选的,用于训练所述待训练模型的损失函数基于训练集中光斑的真实框的框信息和所述待训练模型的预测框的框信息的交并比确定。
16、可选的,所述目标图像为由红外采集设备对手柄进行采集后得到的手柄图像,所述手柄上以所述第一形状排布有多个红外灯。
17、第二方面,本专利技术实施例提供了一种定位装置,包括:
18、获取模块,用于获取目标图像,所述目标图像中所包括的光斑呈第一形状排布;
19、确定模块,用于通过光斑区域检测模型对目标图像进行检测,得到所述目标图像中光斑所形成的光斑区域,所述光斑区域检测模型为基于所述目标图像中呈第一形状排布的多个光斑之间几何关系进行光斑区域检测的模型;
20、定位模块,基于所述光斑区域对所述目标图像中待定位物体进行定位。
21、第三方面,本专利技术实施例提供了一种电子设备,所述电子设备包括:
22、至少一个处理器;以及
23、与所述至少一个处理器通信连接的存储器;其中,
24、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序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专利技术任一实施例所述的定位方法。
25、第四方面,本专利技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的定位方法。
26、本专利技术实施例的技术方案,通过获取目标图像,所述目标图像中所包括的光斑呈第一形状排布;通过光斑区域检测模型对目标图像进行检测,得到所述目标图像中光斑所形成的光斑区域,所述光斑区域检测模型为基于所述目标图像中呈第一形状排布的多个光斑之间几何关系进行光斑区域检测的模型;基于所述光斑区域对所述目标图像中待定位物体进行定位。本专利技术通过几何关系对目标图像中光斑区域进行定位,能够有效对相同形状的杂点光斑进行筛选,得到可用的光斑区域,抵抗背景灯与光斑区域相同形状的灯,检测出真正光斑区域的位置,进而确定基于光斑区域对目标图像中待定位物体进行定位;解决了现有技术中若背景环境中存在与光斑形状相同的光斑,无法对相同形状的杂点进行筛选,手柄定位就会失败,定位成功率会低的问题;实现了有效对相同形状的杂点光斑进行筛选,得到可用手柄光斑区域,抵抗背景灯与手柄光斑相同形状的灯,检测出真正手柄的位置,实现手柄光斑区域的定位,提高了定位的成功率,还具有准确性高、稳定性高、鲁棒性高的特点。
27、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种定位方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述通过光斑区域检测模型对目标图像进行检测,得到所述目标图像中光斑所形成的光斑区域,包括:
3.根据权利要求2所述的方法,其特征在于,所述特征信息包括形状特征、位置关系特征和尺度特征。
4.根据权利要求1所述的方法,其特征在于,所述光斑区域检测模型的训练过程包括:
5.根据权利要求4所述的方法,其特征在于,所述训练集包括训练用图像和所述训练用图像上光斑区域,所述光斑区域为暗室图像中按照像素值裁剪后合并至背景图像中的区域,所述暗室图像为在暗室中采集的带有光斑的手柄图像。
6.根据权利要求4所述的方法,其特征在于,用于训练所述待训练模型的损失函数基于训练集中光斑的真实框的框信息和所述待训练模型的预测框的框信息的交并比确定。
7.根据权利要求1所述的方法,其特征在于,所述目标图像为由红外采集设备对手柄进行采集后得到的手柄图像,所述手柄上以所述第一形状排布有多个红外灯。
8.一种定位装置,其特征在于,包括:
9.一
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的定位方法。
...【技术特征摘要】
1.一种定位方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述通过光斑区域检测模型对目标图像进行检测,得到所述目标图像中光斑所形成的光斑区域,包括:
3.根据权利要求2所述的方法,其特征在于,所述特征信息包括形状特征、位置关系特征和尺度特征。
4.根据权利要求1所述的方法,其特征在于,所述光斑区域检测模型的训练过程包括:
5.根据权利要求4所述的方法,其特征在于,所述训练集包括训练用图像和所述训练用图像上光斑区域,所述光斑区域为暗室图像中按照像素值裁剪后合并至背景图像中的区域,所述暗室图像为在暗室中采集的带有光斑的手柄图像。
【专利技术属性】
技术研发人员:邓志颖,周阳,张佳宁,
申请(专利权)人:苏州端云创新科技有限公司,
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。