[发明专利]起重机施工现场的目标识别方法、系统、装置及存储介质在审
申请号: | 202110305684.6 | 申请日: | 2021-03-23 |
公开(公告)号: | CN113128346A | 公开(公告)日: | 2021-07-16 |
发明(设计)人: | 蔡长青 | 申请(专利权)人: | 广州大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06T7/13;G06T7/66;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 黎扬鹏 |
地址: | 510000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 起重机 施工现场 目标 识别 方法 系统 装置 存储 介质 | ||
1.一种起重机施工现场的目标识别方法,其特征在于,包括以下步骤:
通过起重机上安装的立体摄像机获取起重机前方的图像数据,并从所述图像数据中提取二维图像数据和三维图像数据;
通过训练好的目标检测模型检测所述二维图像数据中的目标起重物,得到所述目标起重物的边界框;
根据所述边界框对所述二维图像数据进行图像处理,提取得到所述目标起重物的轮廓的线段和端点;
对所述端点进行聚类分析,得到所述目标起重物的顶点组;
根据所述顶点组和所述线段,从所述三维图像数据中确定所述目标起重物的质心坐标。
2.根据权利要求1所述的起重机施工现场的目标识别方法,其特征在于,所述通过训练好的目标检测模型检测所述二维图像数据中的目标起重物,包括:
获取训练好的Faster-R-CNN模型;
根据所述Faster-R-CNN模型,检测所述二维图像数据中的目标起重物。
3.根据权利要求1所述的起重机施工现场的目标识别方法,其特征在于,根据所述边界框对所述二维图像数据进行图像处理,提取得到所述目标起重物的轮廓的线段和端点,包括:
通过Canny算法提取所述二维图像数据的极值点,根据所述极值点得到所述目标起重物的轮廓;
对提取出轮廓的所述二维图像数据进行Hough变换,得到所述轮廓的线段和端点。
4.根据权利要求1所述的起重机施工现场的目标识别方法,其特征在于,所述对所述端点进行聚类分析,得到所述目标起重物的顶点组,包括:
获取任意两段线段的端点;
计算所述端点之间的欧氏距离;
当所述欧氏距离小于预设的距离阈值时,对所述端点进行合并,得到所述目标起重物的顶点组。
5.一种起重机施工现场的目标识别系统,其特征在于,包括:
采集模块,用于通过起重机上安装的立体摄像机获取起重机前方的图像数据,并从所述图像数据中提取二维图像数据和三维图像数据;
检测模块,用于通过训练好的目标检测模型检测所述二维图像数据中的目标起重物,得到所述目标起重物的边界框;
提取模块,用于根据所述边界框对所述二维图像数据进行图像处理,提取得到所述目标起重物的轮廓的线段和端点;
分析模块,用于对所述端点进行聚类分析,得到所述目标起重物的顶点组;
识别模块,用于根据所述顶点组和所述线段,从所述三维图像数据中确定所述目标起重物的质心坐标。
6.根据权利要求5所述的起重机施工现场的目标识别系统,其特征在于,所述检测模块具体用于:
获取训练好的Faster-R-CNN模型;
根据所述Faster-R-CNN模型,检测所述二维图像数据中的目标起重物。
7.根据权利要求5所述的起重机施工现场的目标识别系统,其特征在于,所述提取模块具体用于:
通过Canny算法提取所述二维图像数据的极值点,根据所述极值点得到所述目标起重物的轮廓;
对提取出轮廓的所述二维图像数据进行Hough变换,得到所述轮廓的线段和端点。
8.根据权利要求5所述的起重机施工现场的目标识别系统,其特征在于,所述分析模块具体用于:
获取任意两段线段的端点;
计算所述端点之间的欧氏距离;
当所述欧氏距离小于预设的距离阈值时,对所述端点进行合并,得到所述目标起重物的顶点组。
9.一种起重机施工现场的目标识别装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-4中任一项所述的起重机施工现场的目标识别方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于:所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-4中任一项所述的起重机施工现场的目标识别方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州大学,未经广州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110305684.6/1.html,转载请声明来源钻瓜专利网。