[发明专利]一种表面污渍的检测方法、装置、清扫机器人在审
申请号: | 202110960192.0 | 申请日: | 2021-08-20 |
公开(公告)号: | CN113744295A | 公开(公告)日: | 2021-12-03 |
发明(设计)人: | 毛世鑫;向斯睿;甘露 | 申请(专利权)人: | 九天创新(广东)智能科技有限公司 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06T7/136 |
代理公司: | 深圳市六加知识产权代理有限公司 44372 | 代理人: | 许铨芬 |
地址: | 528253 广东省佛山市南海区桂城街道*** | 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: | 一种 表面 污渍 检测 方法 装置 清扫 机器人 | ||
1.一种表面污渍的检测方法,其特征在于,包括:
获取图像,并对所述图像进行预处理得到灰度图像;
对所述灰度图像进行canny边缘检测计算,得到边缘图像;
将所述边缘图像分成若干个子边缘图像,并从其中选取带有污渍边界的边缘图像;
将存储后的所述子边缘图像中满足重叠条件任意两个进行合并;
根据下一帧图像,对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选,得到结果图像;
根据所述结果图像,得到所述图像中的污渍区域。
2.根据权利要求1所述的方法,其特征在于,所述获取图像,并对所述图像进行预处理得到灰度图像的步骤进一步包括:
获取图像;
缩小所述图像的尺寸;
将缩小后的图像转化为灰度图像。
3.根据权利要求1所述的方法,其特征在于,所述将所述边缘图像分成若干个子边缘图像,并从其中选取带有污渍边界的边缘图像的步骤进一步包括:
将所述边缘图像分成若干个子边缘图像;
遍历所有所述子边缘图像,确定所述子边缘图像中边缘点的数量大于第一阈值;
统计任意两个所述边缘点连线的角度,判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值;
若是则舍弃所述子边缘图像;
若否则存储所述子边缘图像。
4.根据权利要求1所述的方法,其特征在于,所述将存储后的所述子边缘图像中满足重叠条件任意两个进行合并的步骤进一步包括:
计算存储后的所述子边缘图像中任意两个的重叠率,并判断所述重合率是否大于第四阈值;
若是,则将两个所述子边缘图像合并,将合并后的子边缘图像中所有边缘点的坐标均值为重心,并存储;
若否,则将作为单个所述子边缘图像进行存储。
5.一种表面污渍的检测装置,其特征在于,包括:
获取模块,用于获取图像,并对所述图像进行预处理得到灰度图像;
计算模块,用于对所述灰度图像进行canny边缘检测计算,得到边缘图像;
选取模块,用于将所述边缘图像分成若干个子边缘图像,并从其中选取带有污渍边界的边缘图像;
合并模块,用于将存储后的所述子边缘图像中满足重叠条件任意两个进行合并;
筛选模块,用于根据下一帧图像,对存储的所述合并后的子边缘图像和单个所述子边缘图像进一步筛选,得到结果图像;
得到模块,用于根据所述结果图像,得到所述图像中的污渍区域。
6.根据权利要求4所述装置,其特征在于,所述获取模块具体包括:
获取单元,用于获取图像;
缩小单元,用于缩小所述图像的尺寸;
转化单元,用于将缩小后的图像转化为灰度图像。
7.根据权利要求4所述装置,其特征在于,所述选取模块具体包括
分成单元,用于将所述边缘图像分成若干个子边缘图像;
确定单元,用于遍历所有所述子边缘图像,确定所述子边缘图像中边缘点的数量大于第一阈值;
统计单元,统计任意两个所述边缘点连线的角度,判断所述角度为第二阈值的所述连线出现次数占所有所述连线出现次数的比例是否大于第三阈值;
舍弃单元,用于舍弃所述子边缘图像;
第一存储单元,用于存储所述子边缘图像。
8.根据权利要求4所述装置,其特征在于,所述合并模块具体包括
判断单元,用于计算存储后的所述子边缘图像中任意两个的重叠率,并判断所述重合率是否大于第四阈值;
合并单元,用于将两个所述子边缘图像合并,将合并后的子边缘图像中所有边缘点的坐标均值为重心,并存储;
第二存储单元,用于将作为单个所述子边缘图像进行存储。
9.一种清扫机器人,其特征在于,包括:
至少一个处理器;
与所述至少一个处理器通信连接的存储器;
其中,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权利要求1至4中任一项所述的方法。
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九天创新(广东)智能科技有限公司,未经九天创新(广东)智能科技有限公司许可,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/202110960192.0/1.html,转载请声明来源钻瓜专利网。