[發(fā)明專利]機(jī)器視覺處理方法、裝置、存儲介質(zhì)和電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010160394.2
• 申請日: 2020-03-10
• 公開（公告）號: CN111401184A
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計）人: 林宇萌;黃俠;張志波;鐘文濤;高小云;張睿;李鵬程;鄧祖東;萬文潔;衷鎮(zhèn)宇;周家裕;王佳威;郭東生
• 申請（專利權(quán)）人: 珠海格力智能裝備有限公司;珠海格力電器股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 天津三元專利商標(biāo)代理有限責(zé)任公司 12203
• 代理人: 胡婉明

1.一種機(jī)器視覺處理方法，其特征在于，所述方法包括：

獲取待識別的三維圖像數(shù)據(jù)；

采用PCA算法對所述三維圖像數(shù)據(jù)中的目標(biāo)元素進(jìn)行特征信息提取；

將所述目標(biāo)元素的特征信息生成描述向量；

根據(jù)預(yù)先訓(xùn)練的分類識別模型對所述描述向量進(jìn)行分類識別，得到所述目標(biāo)元素的類別屬性。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

預(yù)先采用PCA算法對各類別的目標(biāo)元素在不同應(yīng)用場景下的三維圖像數(shù)據(jù)進(jìn)行特征信息提取；

將各類別的目標(biāo)元素的特征信息分別生成對應(yīng)的樣本數(shù)據(jù)；

采用生成的所述樣本數(shù)據(jù)對進(jìn)行分類識別模型的訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述根據(jù)預(yù)先訓(xùn)練的分類識別模型對所述描述向量進(jìn)行分類識別之后，所述方法還包括：

根據(jù)分類識別結(jié)果，對所述分類識別模型進(jìn)行修正優(yōu)化。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述對所述三維圖像數(shù)據(jù)中的目標(biāo)元素進(jìn)行特征信息提取之前，所述方法還包括：

使用背景差分法去除所述三維圖像數(shù)據(jù)中的圖像背景；

使用Ostu算法對去除背景后的圖像進(jìn)行閾值分割。

5.根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于，所述特征信息包括所述目標(biāo)元素的形狀特征、顏色特征、尺寸特征、方向特征、數(shù)量特征、位置特征中的至少一個。

6.一種機(jī)器視覺處理裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待識別的三維圖像數(shù)據(jù)；

提取模塊，用于采用PCA算法對所述三維圖像數(shù)據(jù)中的目標(biāo)元素進(jìn)行特征信息提取；

配置模塊，用于將所述目標(biāo)元素的特征信息生成描述向量；

識別訓(xùn)練模塊，用于根據(jù)預(yù)先訓(xùn)練的分類識別模型對所述描述向量進(jìn)行分類識別，得到所述目標(biāo)元素的類別屬性。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述提取模塊，還用于預(yù)先采用PCA算法對各類別的目標(biāo)元素在不同應(yīng)用場景下的三維圖像數(shù)據(jù)進(jìn)行特征信息提取；

所述配置模塊，還用于將各類別的目標(biāo)元素的特征信息分別生成對應(yīng)的樣本數(shù)據(jù)；

所述識別訓(xùn)練模塊，還用于采用生成的所述樣本數(shù)據(jù)對進(jìn)行分類識別模型的訓(xùn)練。

8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述識別訓(xùn)練模塊，還用于在根據(jù)預(yù)先訓(xùn)練的分類識別模型對所述描述向量進(jìn)行分類識別之后，根據(jù)分類識別結(jié)果，對所述分類識別模型進(jìn)行修正優(yōu)化。

9.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-5任一項所述方法的步驟。

10.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1-5任一項所述方法的步驟。