技术特征：
1.一种视觉测量方法，其特征在于，包括：获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果。2.根据权利要求1所述的视觉测量方法，其特征在于，所述训练好的感兴趣轮廓基元提取模型通过以下步骤得到：获取包含多种不同样式类型的物体图像集；对所述物体图像集中的样本物体图像标记感兴趣轮廓基元，得到训练样本集；其中，所述感兴趣轮廓基元包括线段型轮廓基元和/或圆弧型轮廓基元；基于所述训练样本集，训练卷积神经网络的权重参数，得到训练好的感兴趣轮廓基元提取模型。3.根据权利要求1所述的视觉测量方法，其特征在于，在所述基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果之前，所述方法还包括：根据图像空间和相机模型对应的几何运算函数，构建几何运算函数库；基于预设几何变量条件和所述几何运算函数库，确定条件节点和几何计算节点，并根据所述条件节点和所述几何计算节点，构建所述待测量物体对应的测量行为树。4.根据权利要求3所述的视觉测量方法，其特征在于，所述图像空间的几何运算函数至少包括：直线拟合、圆拟合、椭圆拟合、求两直线交点、求两直线夹角、求点到直线距离、求点到点距离和求两直线中心线的函数；所述相机模型对应的几何运算函数至少包括：仿射变换、pnp位姿估计和双目位置测量的函数。5.根据权利要求3所述的视觉测量方法，其特征在于，所述根据所述条件节点和所述几何计算节点，构建所述待测量物体对应的测量行为树，包括：根据所述条件节点和所述几何计算节点，通过不同几何运算过程构建对应的测量行为子树；根据多个测量行为子树，构建测量行为树。6.根据权利要求1所述的视觉测量方法，其特征在于，在所述将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图之后，所述方法还包括：将所述轮廓基元置信度图存储到数据黑板中，所述数据黑板包括有所述测量行为树所需的几何变量；所述基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果，包括：通过所述测量行为树，读取所述数据黑板中对应的数据进行几何运算，得到所述待测
量物体的测量结果。7.一种视觉测量系统，其特征在于，包括：图像获取模块，用于获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；轮廓基元提取模块，用于将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；测量模块，用于基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述视觉测量方法的步骤。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述视觉测量方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述视觉测量方法的步骤。
技术总结
本发明提供一种视觉测量方法及系统，该方法包括：获取待测量物体的实时图像，并确定所述实时图像对应的模板图像，所述模板图像上标注有感兴趣轮廓基元；将所述实时图像和所述模板图像输入到训练好的感兴趣轮廓基元提取模型，得到所述实时图像对应的轮廓基元置信度图；其中，所述训练好的感兴趣轮廓基元提取模型是由标记有样本轮廓基元的物体图像集，对卷积神经网络进行训练得到的；基于测量行为树，根据所述轮廓基元置信度图进行几何运算，得到所述待测量物体的测量结果，本发明显著提高了视觉测量系统的柔性化和智能化程度，得到精准的视觉测量结果。的视觉测量结果。的视觉测量结果。
技术研发人员：秦方博 徐德 郝甜甜
受保护的技术使用者：中国科学院自动化研究所
技术研发日：2021.12.10
技术公布日：2022/1/6