(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210976823.2 (22)申请日 2022.08.15 (71)申请人 苏州超集信息科技有限公司 地址 215000 江苏省苏州市工业园区新昌 路28号 (72)发明人 王惯玉　 (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 专利代理师 赵艳芳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06T 5/00(2006.01) G01B 11/02(2006.01) (54)发明名称 一种基于单目视觉的流水线工件距离测量 方法以及装置 (57)摘要 本发明公开了一种基于单目视觉的流水线 工件距离测量方法、 装置、 设备 以及计算机存储 介质， 包括： 将相机拍摄的待测工件图像进行去 畸变处理； 利用深度学习网络模 型识别去畸变后 图像中的标志物； 当识别到处理后图像中的标志 物时， 获取图像中标志物的坐标， 再通过图像坐 标换算成位置坐标进而控制相机移动到该位置， 并拍摄标志物图像； 利用深度学习网络定位标志 物中心进而判断标志物的中心是否与拍摄图像 的中心重合； 当图像中标志物中心与图像中心重 合时， 获取标志物位置坐标， 根据EPNP算法计算 标志物相对于相机的位姿和距离。 本发明通过移 动相机拍摄图像识别与定位标志物的位置， 进而 计算相机到工件的距离， 以便进行工件检测， 提 高工件检测的效率。 权利要求书2页 说明书9页 附图4页 CN 115393299 A 2022.11.25 CN 115393299 A 1.一种基于单目视 觉的流水线工件距离测量方法， 其特 征在于， 包括： S1： 将相机拍摄的待测工件图像进行去畸变处 理， 得到去畸变后图像； S2： 利用深度学习网络模型识别所述去畸变后图像中的标志 物； S3： 当所述去畸变后图像 中识别到标志物时， 获取图像 中标志物的图像坐标， 控制所述 相机移动至所述图像中标志物的图像坐标 处， 重新拍摄所述待测工件的图像并进 行去畸变 处理； S4： 利用所述深度 学习网络模型定位所述图像 中标志物的中心是否与当前去畸变后图 像的中心重合； S5： 当所述图像中标志物 的中心与所述当前去畸变后图像的中心重合时， 获取所述待 测工件上标志物的位置坐标， 根据EPNP算法计算所述待测工件相对于所述相机的位姿信息 和距离信息 。 2.如权利要求1所述的距离测量方法， 其特 征在于， 所述S5步骤后还 包括： 根据所述 位姿信息和所述距离信息控制检测装置移动至待测工件处进行检测； 判断所述待测装置是否通电； 当所述待测工件通电时， 则所述待测工件视为 合格； 当所述待测工件不 通电时， 则所述待测工件视为 不合格， 并进行 标记。 3.如权利要求1所述的距离测量方法， 其特征在于， 所述将相机拍摄的待测工件图像进 行去畸变处 理， 得到去畸变后图像包括： 根据张正友标定法对所述相机进行 标定， 得到相机内参以及畸变参数； 利用所述相机拍摄所述待测工件， 得到所述待测工件图像； 根据所述畸变参数对所述待测工件图像进行处 理， 得到所述去畸变后图像。 4.如权利要求1所述的距离测量方法， 其特征在于， 所述利用深度 学习网络模型识别所 述去畸变后图像中的标志 物还包括： S21： 当所述去畸变后图像 中没有所述标志物时， 则控制所述相机移动寻找所述标志物 并控制相机重新拍摄所述待测工件； S22： 将相机重新拍摄所述待测工件的图像进行去畸变处理， 得到新去畸变后图像， 返 回步骤S2。 5.如权利要求1所述的距离测量方法， 其特征在于， 所述利用所述深度 学习网络模型定 位所述图像中标志 物的中心是否与当前去畸变后图像的中心重合还 包括： S41： 当所述图像 中标志物的中心与所述当前去畸变后图像的中心不重合， 则获取所述 图像中标志 物新的位置坐标， 控制所述相机移动到新的位置坐标； S42： 控制所述相机拍摄所述待测工件的图像， 并进行去畸变处 理， 返回步骤S4。 6.如权利要求1所述的距离测量方法， 其特征在于， 所述根据EPNP算法计算所述待测工 件相对于所述相机的位姿信息和距离信息包括： 根据所述待测工件中标志 物当前的位置坐标， 构建标志 物三维坐标； 构建虚拟控制点在世界坐标系中坐标； 计算所述虚拟控制点 坐标于所述待测工件中标志 物为三维坐标的坐标关系； 计算所述待测工件中标志 物的坐标与所述虚拟控制点 坐标的加权和； 根据所述待测工件中标志物的坐标与所述虚拟控制点坐标的加权和以及相机内参计权　利　要　求　书 1/2 页 2 CN 115393299 A 2算每个控制点与图像点之间的关系； 计算所述四个控制点之间的距离以及所述四个控制点在相机坐标系下的坐标； 根据所述四个控制点在相机坐标系下的坐标计算所述待测工件中标志物到所述相机 的位姿信息和距离信息 。 7.如权利要求1所述的距离测量方法， 其特征在于， 所述步骤S2和所述步骤S4均使用轻 量级的特 征提取网络和特 征融合图操作， 对图像中的标志 物进行识别和定位。 8.一种基于单目视 觉的流水线工件距离测量的装置， 其特 征在于， 包括： 图像处理模块， 用于将相机拍摄的待测工件图像进行去畸变处 理， 得到去畸变后图像； 标志物识别模块， 用于利用深度学习网络模型识别所述去畸变后图像中的标志 物； 移动控制模块， 用于当所述去畸变后图像中识别到标志物时， 获取图像中标志物的图 像坐标， 控制所述相 机移动至所述图像中标志物的图像坐标处， 重新拍摄所述待测工件的 图像并进行去畸变处 理； 标志物定位模块， 用于利用所述深度 学习网络模型定位所述图像中标志物的中心是否 与当前去畸变后图像的中心重合； 距离计算模块， 用于当所述图像中标志物的中心与所述当前去畸变后图像的中心重合 时， 获取所述待测 工件上标志物的位置坐标， 根据EPNP算法计算所述待测工件相对于所述 相机的位姿信息和距离信息 。 9.一种基于单目视 觉的流水线工件距离测量的设备， 其特 征在于， 包括： 相机， 用于根据控制指令拍摄图像； 移动装置， 根据控制指令控制所述相机进行移动； 存储器， 用于存 储计算机程序； 上位机， 用于执行所述计算机程序时实现如权利要求1至7任一项所述一种基于单目视 觉的流水线工件距离测量方法的步骤。 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上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述一种基于单目视觉 的流水线工件距离测量方法的步骤。权　利　要　求　书 2/2 页 3 CN 115393299 A 3