【技术实现步骤摘要】
基于点云数据的二维泡沫图像标签自动生成方法和装置
[0001]本专利技术涉及泡沫浮选
,尤其涉及一种基于点云数据的二维泡沫图像标签自动生成方法方法和装置
。
技术介绍
[0002]泡沫浮选法是一种利用矿物颗粒表面物理化学性质差异,实现不同矿物有效分离的选矿方法
。
在基于泡沫浮选的矿物质或金属材料提取工艺流程中,浮选工需观察漂浮在矿浆表面的泡沫特征,并根据经验调整药剂的加入量,其主要观察的泡沫特征包括,泡沫的色泽
、
大小
、
数量等
。
近年来随着图像处理技术和计算机技术的不断发展,以人工智能算法替代浮选工进行泡沫质量的评估,其本质在于让机器精准识别上述泡沫特征
。
让机器准确识别图像中包含的气泡大小和数量,其核心在于对图像中的泡沫个体进行像素级划分,即识别出图像中哪些像素点属于同一个泡沫,因此模型训练前期需准备的数据标签也是要标注出单个泡沫所占的像素区域,通常采用沿图像中泡沫边缘构建闭合多边形的方式生成二维泡沫图像的标签,由于泡沫数量多,边缘不清晰,标注工作费时费力,极大影响深度学习算法在泡沫浮选场景中的部署应用,因此如何简化二维泡沫图像数据的标注工作
、
或自动生成泡沫图像的标签是亟需解决的重要问题
。
技术实现思路
[0003]本专利技术提供了一种基于点云数据的二维泡沫图像标签自动生成方法和装置,用以解决现有技术存在的问题,本专利技术提供的技术方案如下:
[0004]一 ...
【技术保护点】
【技术特征摘要】
1.
一种基于点云数据的二维泡沫图像标签自动生成方法,其特征在于,所述方法包括:
S1、
收集泡沫浮选过程中的二维
RGB
图像数据和对应的三维点云数据,并组成新的点云数据
[u,v,x,y,z]
,其中,
x,y,z
为三维点云数据,
u,v
为对应的二维
RGB
图像中的像素位置;
S2、
根据新的点云数据大小,对二维
RGB
图像中点云未覆盖的区域进行裁剪;
S3、
根据新的点云数据的
z
关于
x
,
y
方向的差分信息,自动标记泡沫边缘点云;
S4、
将所述泡沫边缘点云映射至裁剪后的二维
RGB
图像,生成二维泡沫图像的标签
。2.
根据权利要求1所述的方法,其特征在于,所述
S2
,具体包括:遍历所有新的点云数据
[u,v,x,y,z]
中的
u
值和
v
值,分别获取
u
和
v
的最小值及最大值,记作,以四个像素点构成的矩形边界,对二维
RGB
图像进行裁剪
。3.
根据权利要求1所述的方法,其特征在于,所述
S3
,具体包括:记新的点云数据中
x
最小值和最大值为
、
,
y
的最小值和最大值为
、
;按行标记泡沫边缘点云,包括:
S311、
初始化
x=
,
y=
;
S312、
计算
z[x,y]
关于
y
的差分为,关于
y
的差分为,若
<0
且
>0
,则标记对应的点云为泡沫边缘点云;
S313、
设置
y=y+1
,返回
S312
,直至;
S314、
设置
x=x+1
,重复
S312
和
S313
,直至
。4.
根据权利要求3所述的方法,其特征在于,所述方法还包括:按列标记泡沫边缘点云,包括:
S321、
初始化
x=
,
y=
;
S322、
计算
z[x,y]
关于
x
的差分为,
z[x+1,y]
关于
x
的差分为,若
<0
且
>0
,则标记对应的点云为泡沫边缘点云;
S323、
设置
x=x+1
,返回步骤
S322
,直至;
S324、
设置
y=y+1
,重复步骤
S322
和
S323
,直至
。5.
根据权利要求1所述的方法,其特征在于,所述
S4
,具体包括:遍历所有新的点云数据
[u,v,x,y,z]
,若某点云数据被标记为泡沫边缘点云,则将(
u
,
v
)对应的二维
RGB
图像的像素点标记为泡沫边缘像素点,标记二维
RGB
图像中所有的泡...
【专利技术属性】
技术研发人员:王健全,陈肖启,马建福,王振乾,付美霞,王曲,李卫,
申请(专利权)人:成都星云智联科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。