[发明专利]一种准平面异物检测方法、设备及介质

权利要求书

1.一种准平面异物检测方法，其特征在于，包括：

采集物件在不同方向上的准平面表面图像，并分别生成对应的多张第一数字图像；

基于所述物件在准平面表面上预设的若干个定位特征点，对所述第一数字图像进行图像变换处理，得到无透视畸变且所述定位特征点相同的第二数字图像；

在所述第二数字图像中提取图形特征点，并将其中的噪点排除后，得到特异点集合，并根据所述特异点集合确定可疑目标；

采集所述可疑目标对应的特写数字图像，并根据所述特写数字图像对所述可疑目标进行异物检测。

2.根据权利要求1所述的方法，其特征在于，基于所述物件在准平面表面上预设的若干个定位特征点，对所述第一数字图像进行图像变换处理，得到无透视畸变且所述定位特征点相同的第二数字图像，具体包括：

确定所述物件的准平面表面为矩形，根据霍夫变换检测到所述矩形的四条边，并依据四条边求得所述矩形的四个角顶点的坐标，并将所述矩形的四个角定点作为所述准平面表面的定位特征点；

根据所述定位特征点，对所述第一数字图像进行图像变换处理，得到无透视畸变且所述定位特征点相同的第二数字图像，所述图像变换处理包括透视变换、位移、放缩变换。

3.根据权利要求1所述的方法，其特征在于，在所述第二数字图像中提取图形特征点，并将其中的噪点排除后，得到特异点集合，具体包括：

通过SIFT特征方法在所述第二数字图像中提取图形特征点；

将多张第二数字图像中坐标相同的图形特征点排除；

确定基于历史记录建立的Codebook背景模型，并根据所述Codebook背景模型排除规律性干扰点；

基于聚类方法排除指定半径范围内的孤立特征点；

根据排除后的剩余的图形特征点得到特异点集合。

4.根据权利要求3所述的方法，其特征在于，并根据所述特异点集合确定可疑目标，具体包括：

根据所述特异点集合，利用聚类算法得到可疑目标个数以及各可疑目标在所述物件的准平面表面上的坐标和大小，生成可疑目标清单。

5.根据权利要求1所述的方法，其特征在于，根据所述特写数字图像对所述可疑目标进行异物检测，具体包括：

针对所述特写数字图像，基于机器学习技术检测识别所述可疑目标是否为异物，所述机器学习技术使用的工具包括SVM、贝叶斯推断、卷积神经网络中的至少一种，所述机器学习技术的检测目标包括目标分类、目标检测、图像分割中的至少一种。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据异物在所述第二数字图像中的坐标，以及所述第一数字图像与所述第二数字图像之间的坐标变换关系，确定所述异物在所述第一数字图像中的异物信息，所述异物信息包括异物的类型、位置、大小；

将所述异物信息发送至相关设备，以进行后续处理。

7.根据权利要求6所述的方法，其特征在于，将所述异物信息发送至相关设备，以进行后续处理，具体包括：

采集所述物件的全景图像，并根据所述异物信息在所述全景图像中进行异物标注。

8.根据权利要求1所述的方法，其特征在于，采集物件在不同方向上的准平面表面图像之前，所述方法还包括：

确定异物检测装置，所述异物检测装置包括第一图像采集装置、第二图像采集装置、计算模组，所述第一图像采集装置数量为多个，采用固定机位安装在所述物件准平面表面侧面的上方，用于采集所述准平面表面图像；所述第二图像采集装置携带有云台和变焦镜头，用于采集所述物件对应的特写图像和全景图像；所述计算模组与所述第一图像采集装置、所述第二图像采集装置连接，用于进行相应的图像数据处理。