一种图像定位方法、系统、装置及介质与流程

1.本技术涉及图像识别领域，特别是涉及一种图像定位方法、系统、装置及介质。

背景技术：

2.随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对工业自动化中的产品进行实时定位的研究越来越热门。在工业、制造业中，有着对产品进行尺寸测量等大量的工作，引入机器视觉的自动检测方法，相比于人工检测，能大大降低工人的检测劳动强度，检测精度高、速度快，可以有效保证产品的合格率。
3.图像要定位的点特征往往是灰度值、点云信息对比度较大或突变度较大，目前常用设置固定阈值的方法，但固定阈值的方法无法适应产品或图像的变化，鲁棒性差，影响定位的准确率。
4.因此，寻求一种可以适应产品或图像的变化，准确定位图像的定位方法是本领域技术人员亟待解决的问题。

技术实现要素：

5.本技术的目的是提供一种图像定位方法、系统、装置及介质，用于解决设置固定阈值导致无法适应产品或图像变化导致图像定位不够准确的问题。
6.为解决上述技术问题，本技术提供一种图像定位方法，包括：
7.获取图像采集设备采集的点云图像；
8.获取点云图像的点云信息，并根据点云信息对点云图像进行处理，确定定位初区域；
9.通过点云信息和定位初区域，获取轮廓线；
10.对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值；
11.对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标。
12.优选地，对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值包括：
13.对轮廓线进行一阶求导，获取轮廓线上各点的导数值，并计算出导数值对应的均值；
14.对轮廓线进行二阶求导，获取轮廓线对应的极值点和极值点对应的一阶导数值。
15.优选地，对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标包括：
16.将各极值点对应的一阶导数值与均值进行差分处理，获取各极值点对应的差分值；
17.判断是否存在极值点对应的差分值大于差分阈值；
18.若是，确定极值点对应的坐标为定位点坐标；
19.若否，降低差分阈值，并返回判断是否存在极值点对应的差分值大于差分阈值这一步骤。
20.优选地，根据点云信息对点云图像进行处理，确定定位初区域包括：
21.根据点云信息对点云图像进行二值化处理，确定点云图像对应的定位初区域。
22.优选地，获取点云图像之后，获取点云图像的点云信息之前还包括：
23.对点云图像进行预处理，获取预处理后的点云图像。
24.优选地，预处理为均值滤波和/或中值滤波和/或高斯滤波处理。
25.优选地，通过点云信息和定位初区域，获取轮廓线包括：
26.获取垂直于定位初区域矩形框的直线；
27.获取直线对应点云图像的各点高度值，并组成高度数组；
28.通过高度数组获取点云图像对应的轮廓线。
29.为解决上述技术问题，本技术还提供一种图像定位系统，包括：
30.第一获取模块，用于获取图像采集设备采集的点云图像；
31.第二获取模块，用于获取点云图像的点云信息，并根据点云信息对点云图像进行处理，确定定位初区域；
32.第三获取模块，用于通过点云信息和定位初区域，获取轮廓线；
33.第四获取模块，用于对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值；
34.确定模块，用于对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标。
35.为解决上述技术问题，本技术还提供一种图像定位装置，包括存储器，用于存储计算机程序；
36.处理器，用于执行计算机程序时实现图像定位方法的步骤。
37.为解决上述技术问题，本技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现图像定位方法的步骤。
38.本技术所提供的图像定位方法，获取图像采集设备采集的点云图像后，根据点云信息对点云图像进行处理，确定定位初区域并获取轮廓线；利用轮廓线的导数和极值点描述图像要定位的点特征，这样描述图像的点特征，可以随着产品或图像变化而变化，而设置固定阈值的方法由于阈值是固定的，因而不能适应产品或图像的变化，因此本技术所提供的图像定位方法相比设置固定阈值的方法更具鲁棒性。通过极值点的一阶导数值与轮廓线的导数均值相减得到导数差分值，根据导数差分值和差分阈值的关系确定定位点坐标，最终实现更准确的图像定位。
39.本技术所提供的一种图像定位系统、装置及介质的有益效果同上。
附图说明
40.为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1为本技术实施例所提供的图像定位方法流程图；
42.图2为本技术实施例所提供的点云图像定位初区域效果图；
43.图3为本技术实施例所提供的轮廓线示意图；
44.图4为本技术实施例提供的一种点云图像定位结果图；
45.图5为本技术实施例所提供的点云轮廓线一阶导数示意图；
46.图6为本技术实施例所提供的点云轮廓线二阶导数示意图；
47.图7为本技术实施例提供的预处理后的点云图像；
48.图8为本技术实施例提供的一种图像定位系统的结构图；
49.图9为本技术实施例提供的一种图像定位装置的结构图。
具体实施方式
50.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本技术保护范围。
51.本技术的核心是提供一种图像定位方法、系统、装置及介质，用于解决设置固定阈值导致无法适应产品或图像变化导致图像定位不够准确的问题。
52.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。
53.本技术实施例提供一种图像定位方法，该方法主要应用于工业或制造业的产品测量中，用于实现对不同的图像，从而使用不同的检测标准，从而使图像的特征或信息能够更加准确的表达，使图像的定位更加准确。该方法需要基于图像采集设备获取产品图像，图像采集设备可以为照相机，用于采集图像，如3d照相机；该照相机包括：存储器，用于将处理器处理中产生的数据和结果进行保存；处理器用于对采集到的图像进行相关处理，得到定位信息。图1为本技术实施例所提供的图像定位方法流程图，如图1所示，包括：
54.s10：获取图像采集设备采集的点云图像。
55.本技术实施例对于图像采集设备不做限定，图像采集设备可以为3d相机。当图像采集设备采集到点云图像后，获取该点云图像。获取可以为人为控制获取，或为设置获取频率自动获取。
56.s11：获取点云图像的点云信息，并根据点云信息对点云图像进行处理，确定定位初区域。
57.获取点云图像上的点云信息，例如点云图像上的数值，该数值代表的是物体高度值。定位初区域通常为矩形，例如图2所示，图2为本技术实施例所提供的点云图像定位初区域效果图，矩形框为点云图像中物体定位的大概区域。根据获取到的点云信息，对点云图像进行处理以确定定位初区域，本技术实施例对处理点云图像的处理方法不做限定，只要能确定点云图像的定位初区域即可，作为一种优选，可以对图像进行二值化处理，减少图像无效区域以及干扰，加速图像处理速度。
58.s12：通过点云信息和定位初区域，获取轮廓线。
59.根据上一步骤中已经获取的点云信息在定位初区域中获取轮廓线，本技术实施例
对获取轮廓线的方法不做限定，例如：获取垂直于定位初区域矩形框的直线，获取直线对应点云图像的每点高度值，组成高度数组，从而得到点云轮廓线，如图3所示，图3为本技术实施例所提供的轮廓线示意图。
60.s13：对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值。
61.对步骤s12中获取的轮廓线求导，获取轮廓线上各点的导数值，导数值对应的均值，该均值可以为全部导数值的均值，也可以为预设数量的导数值的均值，本技术实施例对此不做限定，作为一种优选，选取预设数量的导数值并获取其均值可以减少计算量。本技术实施例对于如何获取轮廓线对应的极值点的方法不做限定，作为一种优选，对轮廓线求二阶导数，轮廓线二阶导数值为0的即为轮廓线一阶导数的极值点，并能得到多个极值点坐标。根据极值点坐标和一阶导数数组即可得到多个极值点对应的一阶导数值。
62.s14：对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标。
63.令s13步骤中得到的一阶导数值减去s13步骤中得到的均值，即可完成对均值与一阶导数值的差分处理，得到差分值。本技术实施例对差分值与差分阈值的关系不做限定，可以是比较大小，也可以是比值关系。本技术实施例对于差分阈值没有限定，可以是预设值，也可以根据实际情况进行调整的动态值。当差分值与差分阈值的关系满足一定条件时，将差分值对应的极值点坐标作为定位点坐标，如图4，图4为本技术实施例提供的一种点云图像定位结果图。
64.本技术实施例所提供的图像定位方法，获取图像采集设备采集的点云图像后，根据点云信息对点云图像进行处理，确定定位初区域并获取轮廓线；利用轮廓线的导数和极值点描述图像要定位的点特征，这样描述图像的点特征，可以随着产品或图像变化而变化，而设置固定阈值的方法由于阈值是固定的，因而不能适应产品或图像的变化，因此本技术所提供的图像定位方法相比设置固定阈值的方法更具鲁棒性。通过极值点的一阶导数值与轮廓线的导数均值相减得到导数差分值，根据导数差分值和差分阈值的关系确定定位点坐标，最终实现更准确的图像定位。
65.上述实施例未对对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值有限定，本技术实施例作为一种优选，对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值包括：
66.对轮廓线进行一阶求导，获取轮廓线上各点的导数值，并计算出导数值对应的均值；
67.对轮廓线进行二阶求导，获取轮廓线对应的极值点和极值点对应的一阶导数值。
68.轮廓线一阶导数公式如下所示：
[0069][0070]
根据上述公式对轮廓线求一阶导数，x为垂直于定位初区域矩形框的直线，y为直线对应点云图像的每点高度值，当x在x0处取得的增量为δx时，相应地y在取得增量δy＝f(x0+δx)-f(x0)。如图5，图5为本技术实施例所提供的点云轮廓线一阶导数示意图。获取轮
廓线上的导数值，以获取导数数组前num个导数值为例，导数数组前num个导数值如表1所示，num为预设个数，对num个导数值求均值，即可得到点云轮廓线导数均值，该均值会跟随着产品或图像的变化而变化，这样获取的一阶导数均值比设置固定阈值方法更具有鲁棒性，更准确地表达出图像特征或信息。
[0071]
表1
[0072]
序号0123...num-2num-1导数值49615763...5255
[0073]
轮廓线二阶导数公式如下所示：
[0074][0075]
其中，f”(x0)为当x为x0时的二阶导数值，f'(x0)为当x为x0时的一阶导数值，f'(x0+δx)为当x为x0+δx时的一阶导数值，δx为自变量x在x0处取得的增量。根据上述公式对轮廓线求二阶导数，二阶导数值为0，即为一阶导数的极值点，由此可得多个极值点坐标，根据极值点坐标和一阶导数数组，即可得到多个极值点对应的一阶导数值；如图6所示，图6为本技术实施例所提供的点云轮廓线二阶导数示意图。多个极值点坐标及极值点对应的一阶导数值如表2所示。
[0076]
表2
[0077]
序号012345...坐标2234475985212...一阶导数值58.0954.6859.4055.5591.71-129.48...
[0078]
本技术实施例对轮廓线两次求导后，获取了轮廓线导数值、导数值对应的均值、轮廓线对应的极值点、极值点的一阶导数值。
[0079]
上述实施例未对对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标有限定，本技术实施例作为一种优选，对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标包括：
[0080]
将各极值点对应的一阶导数值与均值进行差分处理，获取各极值点对应的差分值；
[0081]
判断是否存在极值点对应的差分值大于差分阈值；
[0082]
若是，确定极值点对应的坐标为定位点坐标；
[0083]
若否，降低差分阈值，并返回判断是否存在极值点对应的差分值大于差分阈值这一步骤。
[0084]
令一阶导数值与均值相减，即可完成差分处理，得到各极值点对应的差分值。差分阈值为根据当前点云信息设置的预设值，判断各极值点对应的差分值是否大于差分阈值，若是，则第一个大于差分阈值的差分值对应的极值点为定位点，该极值点对应的坐标即为定位点的坐标。若不存在极值点对应的差分值大于差分阈值，则降低差分阈值，并继续判断是否存在极值点对应的差分值大于差分阈值。例如，设差分阈值为20，一阶导数差分值如表3所示，如表3信息可得，序号4极值点为要寻的定位点，该坐标即为定位点的坐标。
[0085]
表3
[0086]
序号012345...坐标2234475985212...一阶导数差分值2.52-0.893.83-0.0236.14-184.57...差分值是否大于20否否否否是否...
[0087]
本技术实施例通过极值点对应的差分值、差分阈值、极值点坐标确定定位点坐标，当预设的差分阈值无法确定出定位点坐标时，通过降低差分阈值的方式确保能够确定定位点。
[0088]
上述实施例对根据点云信息对点云图像进行处理的处理方法没有限定，本技术实施例作为一种优选，根据点云信息对点云图像进行处理，确定定位初区域包括：
[0089]
根据点云信息对点云图像进行二值化处理，确定点云图像对应的定位初区域。
[0090]
点云图像二值化处理就是将点云图像上的像素点的灰度值设置为0或255，所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域，也就是将整个点云图像呈现出明显的黑白效果的过程。在点云图像的二值化处理使点云图像中数据量大为减少，从而能凸显出点云图像中物体的轮廓，确定出点云图像对应的定位初区域。
[0091]
本技术实施例通过对点云图像进行二值化处理的方式，减少点云图像中的数据量，加速点云图像处理速度，凸显图像中物体的轮廓，确定出点云图像对应的定位初区域。
[0092]
上述实施例未对获取到的点云图像做预处理，如图7所示，图7为本技术实施例提供的预处理后的点云图像，本技术实施例作为一种优选，获取点云图像之后，获取点云图像的点云信息之前还包括：
[0093]
对点云图像进行预处理，获取预处理后的点云图像。
[0094]
本技术实施例对预处理方法不做限定，可以是均值滤波、高斯滤波等，完成预处理后，获取点云图像。
[0095]
对点云图像进行预处理可以减少噪声影响，有助于后续对轮廓线的获取。
[0096]
由于上述实施例对点云图像进行预处理的方法没有限定，本技术实施例作为一种优选，预处理为均值滤波和/或中值滤波和/或高斯滤波处理。
[0097]
均值滤波有操作简单，效率高，易于实现的优点，可以得到物体特征的粗略描述。
[0098]
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护边缘，使之不被模糊。
[0099]
图像大多数噪声均属于高斯噪声，因此高斯滤波器广泛应用于图像去噪。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声。
[0100]
本技术实施例采用均值滤波、中值滤波、高斯滤波中的一种或多种对点云图像进行预处理，能够减少噪声影响，有助于后续对轮廓线的获取。
[0101]
上述实施例对获取轮廓线的方法没有限定，本技术实施例作为一种优选，通过点云信息和定位初区域，获取轮廓线包括：
[0102]
获取垂直于定位初区域矩形框的直线；
[0103]
获取直线对应点云图像的各点高度值，并组成高度数组；
[0104]
通过高度数组获取点云图像对应的轮廓线。
[0105]
本技术实施例提供的获取点云图像轮廓线方法写成获取简单便捷，且获得的轮廓线较为准确。
[0106]
在上述实施例中，对于图像定位方法进行了详细描述，本技术还提供图像定位装置对应的实施例。需要说明的是，本技术从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。
[0107]
基于功能模块角度，本技术实施例提供一种图像定位系统，如图8所示，图8为本技术实施例提供的一种图像定位系统的结构图，该系统包括：
[0108]
第一获取模块80，用于获取图像采集设备采集的点云图像；
[0109]
第二获取模块81，用于获取点云图像的点云信息，并根据点云信息对点云图像进行处理，确定定位初区域；
[0110]
第三获取模块82，用于通过点云信息和定位初区域，获取轮廓线；
[0111]
第四获取模块83，用于对轮廓线求导，获取轮廓线上各点的导数值和导数值对应的均值以及轮廓线对应的极值点和极值点的一阶导数值；
[0112]
确定模块84，用于对均值与一阶导数值进行差分处理，并根据差分处理后的差分值与差分阈值的关系，确定定位点坐标。
[0113]
由于系统部分的实施例与方法部分的实施例相互对应，因此系统部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
[0114]
本实施例提供的图像信息定位系统，与上述方法对应，故具有与上述方法相同的有益效果。
[0115]
基于硬件的角度，如图9所示，图9为本技术实施例提供的一种图像定位装置的结构图，图像定位装置包括：存储器20，用于存储计算机程序；
[0116]
处理器21，用于执行计算机程序时实现如上述实施例中所提到的图像定位的方法的步骤。
[0117]
本实施例提供的图像定位装置可以包括但不限于笔记本电脑或台式电脑等。
[0118]
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(central processing unit，cpu)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以集成有图像处理器(graphics processing unit，gpu)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括人工智能(artificial intelligence，ai)处理器，该ai处理器用于处理有关机器学习的计算操作。
[0119]
存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的图像定位方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存
储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。数据203可以包括但不限于点云图像、点云信息等。
[0120]
在一些实施例中，图像定位装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
[0121]
本领域技术人员可以理解，图9中示出的结构并不构成对图像定位装置的限定，可以包括比图示更多或更少的组件。
[0122]
本技术实施例提供的图像定位，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：图像定位方法。
[0123]
最后，本技术还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
[0124]
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0125]
以上对本技术所提供的一种图像定位方法、系统、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
[0126]
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

技术特征：

1.一种图像定位方法，其特征在于，包括：获取图像采集设备采集的点云图像；获取所述点云图像的点云信息，并根据所述点云信息对所述点云图像进行处理，确定定位初区域；通过所述点云信息和所述定位初区域，获取轮廓线；对所述轮廓线求导，获取所述轮廓线上各点的导数值和所述导数值对应的均值以及所述轮廓线对应的极值点和所述极值点的一阶导数值；对所述均值与所述一阶导数值进行差分处理，并根据所述差分处理后的差分值与差分阈值的关系，确定定位点坐标。2.根据权利要求1所述的图像定位方法，其特征在于，所述对所述轮廓线求导，获取所述轮廓线上各点的导数值和所述导数值对应的均值以及所述轮廓线对应的极值点和所述极值点的一阶导数值包括：对所述轮廓线进行一阶求导，获取所述轮廓线上各点的导数值，并计算出所述导数值对应的所述均值；对所述轮廓线进行二阶求导，获取所述轮廓线对应的所述极值点和所述极值点对应的所述一阶导数值。3.根据权利要求2所述的图像定位方法，其特征在于，所述对所述均值与所述一阶导数值进行差分处理，并根据所述差分处理后的差分值与差分阈值的关系，确定定位点坐标包括：将各所述极值点对应的所述一阶导数值与所述均值进行差分处理，获取各所述极值点对应的所述差分值；判断是否存在所述极值点对应的所述差分值大于所述差分阈值；若是，确定所述极值点对应的坐标为所述定位点坐标；若否，降低所述差分阈值，并返回所述判断是否存在所述极值点对应的所述差分值大于所述差分阈值这一步骤。4.根据权利要求1所述的图像定位方法，其特征在于，所述根据所述点云信息对所述点云图像进行处理，确定定位初区域包括：根据所述点云信息对所述点云图像进行二值化处理，确定所述点云图像对应的所述定位初区域。5.根据权利要求1所述的图像定位方法，其特征在于，所述获取点云图像之后，所述获取所述点云图像的点云信息之前还包括：对所述点云图像进行预处理，获取所述预处理后的点云图像。6.根据权利要求5所述的图像定位方法，其特征在于，所述预处理为均值滤波和/或中值滤波和/或高斯滤波处理。7.根据权利要求1至6任一项所述的图像定位方法，其特征在于，所述通过所述点云信息和所述定位初区域，获取轮廓线包括：获取垂直于所述定位初区域矩形框的直线；获取所述直线对应所述点云图像的各点高度值，并组成高度数组；通过所述高度数组获取所述点云图像对应的所述轮廓线。
8.一种图像定位系统，其特征在于，包括：第一获取模块，用于获取图像采集设备采集的点云图像；第二获取模块，用于获取所述点云图像的点云信息，并根据所述点云信息对所述点云图像进行处理，确定定位初区域；第三获取模块，用于通过所述点云信息和所述定位初区域，获取轮廓线；第四获取模块，用于对所述轮廓线求导，获取所述轮廓线上各点的导数值和所述导数值对应的均值以及所述轮廓线对应的极值点和所述极值点的一阶导数值；确定模块，用于对所述均值与所述一阶导数值进行差分处理，并根据所述差分处理后的差分值与差分阈值的关系，确定定位点坐标。9.一种图像定位装置，其特征在于，包括存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的图像定位方法的步骤。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任一项所述的图像定位方法的步骤。

技术总结

本申请公开了一种图像定位方法、系统、装置及介质，主要涉及图像识别领域。该方法在获取图像采集设备采集的点云图像后，根据点云信息对点云图像进行处理，确定定位初区域并获取轮廓线；利用轮廓线的导数和极值点描述图像要定位的点特征，这样描述图像的点特征，可以随着产品或图像变化而变化，而设置固定阈值的方法由于阈值是固定的，因而不能适应产品或图像的变化。通过极值点的一阶导数值与轮廓线的导数均值相减得到导数差分值，根据导数差分值和差分阈值的关系确定定位点坐标，最终实现更准确的图像定位。因此本申请所提供的图像定位方法相比设置固定阈值的方法更具鲁棒性。法相比设置固定阈值的方法更具鲁棒性。法相比设置固定阈值的方法更具鲁棒性。