一种识别冰箱食材存取位置的方法及冰箱

    公开(公告)号:CN111503991A

    公开(公告)日:2020-08-07

    申请号:CN202010295608.7

    申请日:2020-04-15

    IPC分类号: F25D29/00 G06K9/00

    摘要: 本申请涉及家用电器技术领域,尤其涉及一种识别冰箱食材存取位置的方法及冰箱。一定程度上可以解决普通彩色图像深度信息缺失、图像无效区域计算量大、冰箱隔板位置发生变化时食材存取位置无法识别的问题。所述方法包括采集冰箱门区域的第一图像、第二图像;对所述第一图像设置兴趣区域得到第一ROI,对所述第二图像设置兴趣区域得到第二ROI基于所述第二ROI进行隔板检测,得到隔板位置信息;基于所述第一ROI进行检测得到运动区域;以及在所述运动区域中进行检测得到手部质心运动轨迹;根据所述手部质心运动轨迹和隔板位置信息,识别得到食材存取位置。

    一种识别冰箱食材存取位置的方法及冰箱

    公开(公告)号:CN111503991B

    公开(公告)日:2021-10-08

    申请号:CN202010295608.7

    申请日:2020-04-15

    IPC分类号: F25D29/00 G06K9/00

    摘要: 本申请涉及家用电器技术领域,尤其涉及一种识别冰箱食材存取位置的方法及冰箱。一定程度上可以解决普通彩色图像深度信息缺失、图像无效区域计算量大、冰箱隔板位置发生变化时食材存取位置无法识别的问题。所述方法包括采集冰箱门区域的第一图像、第二图像;对所述第一图像设置兴趣区域得到第一ROI,对所述第二图像设置兴趣区域得到第二ROI基于所述第二ROI进行隔板检测,得到隔板位置信息;基于所述第一ROI进行检测得到运动区域;以及在所述运动区域中进行检测得到手部质心运动轨迹;根据所述手部质心运动轨迹和隔板位置信息,识别得到食材存取位置。

    一种感知模组工作状态检测方法及冰箱

    公开(公告)号:CN111476194A

    公开(公告)日:2020-07-31

    申请号:CN202010310029.5

    申请日:2020-04-20

    摘要: 本发明公开一种感知模组工作状态检测方法及冰箱,冰箱包括机壳,机壳内设有储藏室,储藏室前侧设有存取开口;至少一个冰箱门,与壳体连接,用于打开或关闭存取开口;设置在机壳顶部的感知模组,感知模组包括彩色相机,用于拍摄存取开口对应的检测区域的彩色图像;控制器被配置为:获取所述彩色图像对应的梯度图像;计算所述梯度图像的全局纹理分布特征;在确定所述全局纹理分布特征不满足预设条件后,根据所述彩色图像的局部图像与异常数据库,对所述彩色相机的工作状态进行异常检测。本申请能够检测感知模组的工作状态,方便用户进行调整维护,以快速排除异常,保证感知模组能够正常稳定的工作,降低误识别和漏识别,提高感知模组的识别精度。

    一种感知模组工作状态检测方法及冰箱

    公开(公告)号:CN111476194B

    公开(公告)日:2024-02-27

    申请号:CN202010310029.5

    申请日:2020-04-20

    摘要: 本发明公开一种感知模组工作状态检测方法及冰箱,冰箱包括机壳,机壳内设有储藏室,储藏室前侧设有存取开口;至少一个冰箱门,与壳体连接,用于打开或关闭存取开口;设置在机壳顶部的感知模组,感知模组包括彩色相机,用于拍摄存取开口对应的检测区域的彩色图像;控制器被配置为:获取所述彩色图像对应的梯度图像;计算所述梯度图像的全局纹理分布特征;在确定所述全局纹理分布特征不满足预设条件后,根据所述彩色图像的局部图像与异常数据库,对所述彩色相机的工作状态进行异常检测。本申请能够检测感知模组的工作状态,方便用户进行调整维护,以快速排除异常,保证感知模组能够正常稳定的工作,降低误识别和漏识别,提高感知模组的识别精度。

    智能设备以及图像处理方法
    5.
    发明公开

    公开(公告)号:CN113469207A

    公开(公告)日:2021-10-01

    申请号:CN202010335007.4

    申请日:2020-04-24

    IPC分类号: G06K9/62

    摘要: 本申请公开了智能设备以及图像处理方法,用以降低双目视图的立体匹配算法的计算量,大幅度提高匹配效率与准确性。所述智能设备,包括用于采集图像的图像采集装置,还包括:处理器,用于:确定双目源图像的梯度图;并且,对双目源图像进行图像压缩,获取压缩后的双目图像;对压缩后的双目图像进行滤波,然后,获取滤波后的双目图像的梯度图,对梯度图进行基于窗口的立体匹配,获得初始视差图像;基于所述双目源图像的梯度图和所述初始视差图像,确定所述初始视差图像的边缘视差,并利用所述边缘视差确定稀疏视差图像,基于所述疏视差图像进行图像识别。