CN115100298B - 一种用于深远海视觉养殖的光-声图像融合方法 - Google Patents
一种用于深远海视觉养殖的光-声图像融合方法 Download PDFInfo
- Publication number
- CN115100298B CN115100298B CN202211023254.6A CN202211023254A CN115100298B CN 115100298 B CN115100298 B CN 115100298B CN 202211023254 A CN202211023254 A CN 202211023254A CN 115100298 B CN115100298 B CN 115100298B
- Authority
- CN
- China
- Prior art keywords
- image
- sonar
- optical
- acoustic
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 43
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 64
- 238000013507 mapping Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000012634 optical imaging Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000004927 fusion Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 11
- 241000251468 Actinopterygii Species 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种用于深远海视觉养殖的光‑声图像融合方法,包括步骤1,光学相机的立体标定:包括径向畸变标定、水下双目立体视觉联合标定;步骤2,成像声呐的标定:将声呐坐标系下的坐标点转换到视觉坐标系中;步骤3,立体光学相机与多波束前视声呐的联合配准:将由光学相机与声呐两种不同图像识别传感器得到的不同观测角度、不同时空域条件下获取的同一区域信息的两幅及其以上图像进行联合配准,实现同一坐标系的转换;步骤4,将光学图像映射到声学图像;步骤5,将声学图像映射到光学图像;步骤6,光学成像与声学成像的融合。本发明有效克服深远海视觉养殖中水下视觉技术与声呐的缺点,达到声光图像互补的效果。
Description
技术领域
本发明涉及光学摄像机与声呐的图像融合技术领域,尤其是一种用于深远海视觉养殖的光-声图像融合方法。
背景技术
视觉技术在深远海养殖方面的应用,不仅能够弥补传统依靠劳动力手工测量作业的不足,如效率低、劳务强度大、作业环境恶劣等,从而提高深远海养殖的生产效率与质量,同时还能降低养殖人员人工操作环节中不必要的成本,减少人力需求。
视觉技术在深远海养殖的方面的运用有许多方面,如鱼类识别、水质监测、投喂监测、鱼类行为识别等。视觉技术主要包括水下摄像与声呐技术两种,其中水下摄像技术生成的视觉图像分辨率高但成像距离小,声呐技术生成的视觉图像探测距离大但分辨率差。
发明内容
为了克服现有技术中存在的上述问题,本发明提出一种用于深远海视觉养殖的光-声图像融合方法。
本发明解决其技术问题所采用的技术方案是:一种用于深远海视觉养殖的光-声图像融合方法,包括如下步骤:
步骤1,光学相机的立体标定:包括径向畸变标定、水下双目立体视觉联合标定;
步骤2,成像声呐的标定:将声呐坐标系下的坐标点转换到视觉坐标系中;
步骤3,立体光学相机与多波束前视声呐的联合配准:将由光学相机与声呐两种不同图像识别传感器得到的不同观测角度、不同时空域条件下获取的同一区域信息的两幅及以上图像进行联合配准,实现同一坐标系的转换;
步骤4,将光学图像映射到声学图像;
步骤5,将声学图像映射到光学图像;
步骤6,光学成像与声学成像的融合;
所述步骤4具体包括:
步骤4.1,根据步骤3.3所得到的刚体变换关系,将光学物理坐标转换为声学物理坐标,具体计算公式为:
步骤4.2,将步骤4.1所得的声学物理坐标转换为声学图像像素坐标。
上述的一种用于深远海视觉养殖的光-声图像融合方法,所述步骤3具体包括:
步骤3.1,将立体光学相机测量的三维点映射为类似声呐的数据;
步骤3.2,将声呐图像的像素坐标映射为物理坐标;
步骤3.3,通过刚体变换求得立体光学相机到声呐的映射。
上述的一种用于深远海视觉养殖的光-声图像融合方法,所述步骤5具体包括:
步骤5.1,将声呐像素坐标映射为物理坐标;
步骤5.2,将步骤5.1所得的物理坐标根据如下公式映射为光学物理坐标,
步骤5.3,确定视觉光学物理坐标与光学像素坐标之间的关系。
上述的一种用于深远海视觉养殖的光-声图像融合方法,所述步骤5.3具体包括:
步骤5.3.1,确定右目图像的横坐标xr=k·Ku+uo,其中,k=tanθ,Ku为水平面方向的焦比,uo为像素点横坐标;
步骤5.3.2,根据下式确定声学点对应光学坐标的轨迹,
其中p=xl-xr,q=yr-vo,xl、xr分别为左右目图像特征点横坐标,yr为右目图像特征点纵坐标,vo为像素点纵坐标,,Ro为三维点Po到原点距离:Ku为水平面方向的焦比,为声变换为光的尺度因子;Kv为垂直轴方向的焦比;1+k2=L,k=tanθ;且m,n,L,p均大于0。
上述的一种用于深远海视觉养殖的光-声图像融合方法,所述步骤6具体包括:
步骤6.1,根据立体光学相机与声呐同一场景图像对应的关键点,确定声光融合图像的对应关系和对应矩阵;
步骤6.2,通过对应矩阵,进行图像直接融合。
上述的一种用于深远海视觉养殖的光-声图像融合方法,所述步骤6.2中图像直接融合的具体方法为基于像素加权平均的直接融合方法,图像融合的具体公式为:
P(u,v)=0.2×P光学(u,v)+0.8×P声学(u,v)
式中,P(u,v)为融合后的图像像素,P光学(u,v)为视觉养殖中立体双目相机的图像像素,P声学(u,v)为视觉养殖中水下声呐的图像像素。
本发明的有益效果是:(1)本发明提供的一种用于深远海视觉养殖的光-声图像融合方法,可有效克服深远海视觉养殖中水下视觉技术与声呐的缺点,达到声光图像互补;
(2)本发明提供的一种用于深远海视觉养殖的光-声图像融合方法,通过联合配准技术,将不同观测角度、不同时空域条件下获取的同一区域信息的两幅及其以上的图像进行联合配准;
(3)本发明提供的一种用于深远海视觉养殖的光-声图像融合方法,实现了光学到声学的立体映射,声学到光学的二维映射。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明流程图;
图2为本发明立体测量模型图;
图3为本发明标定场景及坐标示意图;
图4为本发明空间点的声呐映射模型图;
图5为本发明声呐像素坐标映射为物理坐标的模型图;
图6为本发明实施例中视觉光学到声呐声学的映射流程图;
图7为本发明声呐声学点对应视觉光学坐标的轨迹图;
图8为视觉养殖图像融合前的光学图像和声学图像,其中(a)为视觉养殖图像融合前的光学图像,(b)为视觉养殖图像融合前的声学图像;
图9为视觉养殖光声融合后的图像。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施方式对本发明作详细说明。
如图1所示,本实施例公开了一种用于深远海视觉养殖的光-声图像融合方法,包括如下步骤:
步骤1:光学相机的立体标定;
步骤2:成像声呐的标定;
步骤3:立体光学相机与多波束前视声呐的联合配准;
步骤4:将光学图像映射到声学图像;
步骤5:将声学图像映射到光学图像;
步骤6:光学成像与声学成像的融合。
在实际实施过程中:
步骤1,主要是针对深远海养殖中应用广泛的双目立体相机进行标定,首先需要对双目相机的左右相机进行径向畸变标定,主要包括桶形畸变和枕形畸变,其表达模型方程为:
然后进行水下双目立体视觉的联合标定,得到双目立体相机的相关参数,主要有径向畸变、内参数、旋转矩阵、平移向量、基础矩阵、本征矩阵以及投影误差等。根据双目相机的内参数可以获得相机的立体测量模型,本实施例为了提高测量参数,左右目内参数不同,其立体测量模型如图2。模型中p(x,y,z)为场景中的某一点,(Ku1,Kv1)和(Kur,Kvr)分别为左右目像水平面和垂直轴方向上的焦比,(ul,vl)和(ur,vr)为像素点坐标,(xl,yl)和(xr,yr)为特征点坐标,b为几线长度。得到双目立体测量公式为:
步骤2,在完成双目视觉标定的情况下,需要针对深远海视觉养殖中成像声呐的标定,需要将声呐坐标系(OS XS YS ZS)下的目标点转换到视觉坐标系(OC XC YC ZC)中,如图3,其转换公式为
式中,T为平移矩阵,R为正交旋转矩阵。
步骤3,视觉和声呐的联合使用可以在获得被探测目标更丰富全面信息的同时,提升测量的准确性和可靠性。但是由于两个传感器所获得的数据都是基于各自的坐标系,所以需要将两种传感器进行联合标定从而得到两个坐标系之间的转换关系。视觉光学图像到声呐声学图像的映射步骤如下:
步骤3.1,空间点进行声呐映射:将立体光学相机当成一个“声呐”,光心为声源,进而将光学测量的三维点映射为类似声呐的数据。
设Po=[Xo,Yo,Zo]T为双目立体坐标系下的空间三维点,映射后变为平面坐标Po,如图4,
步骤3.2,将声呐图像的像素坐标映射为物理坐标:(co,ro)为声呐图像原点,为声呐上的一点,如图5,声呐坐标映射为物理坐标:
步骤3.3,通过刚体变换求得视觉光学到声呐的映射:根据步骤3.1和3.2得到的物理坐标Po’和Ps’,刚体变换关系为:
式中,b为缩放因子,R为正交旋转矩阵,t为位移向量,求出以上3个未知量至少需要3个已知点,本实施例通过奇异分解(SVD)算法求得,如下
设Pa和Pb两个点集,
[U,S,V]=SVD(Mb TMa) (9)
进一步计算得出
步骤5,采用实施例图2的立体测量模型,推导出声呐声学到立体视觉光学的映射模型。
步骤5.1,将声呐像素坐标映射为物理坐标,如步骤3.1。
步骤5.2,将声呐物理坐标映射为光学物理坐标。根据步骤3.3的映射关系式(6),若P′o=[xo,yo]T,则式(6)可转换为
步骤5.3,确定视觉光学物理坐标与光学像素坐标间的关系,主要步骤如下:
步骤5.3.1,确定右目图像的横坐标:
声呐坐标系PS=(cS,rS)T,对应光学坐标系下空间任意一点P(x,y,z),满足x=zk,如实施例图5,k=tanθ。根据步骤1中的立体测量模型可知
(xl,yl)和(xr,yr)为特征点坐标,u0为像素点横坐标,Ku为水平面方向的焦比,则xr=k·Ku+u0;
步骤5.3.2,确定声学点对应光学坐标的轨迹:
R0 2=y2+(1+k)z2 (13)
将式(12)带入式(14),得
式中,m,n,L,p均大于0。
由式17可知,声学点对应光学坐标的轨迹为双曲线右半边,如图7所示。
步骤6,根据前面的步骤,可获取光-声间的联合配准关系,立体视觉光学像素与声呐声学像素间的约束关系,且不随场景的变化而改变关系,取决于立体视觉光学相机与声呐的空间位置关系。深远海视觉养殖主要是针对深远海网箱中鱼类生物量监测,光学相机与声呐均是固定在网箱上,因此,光学相机与声呐的空间位置关系是不变的,进行声光图像融合是可行的。融合方法如下:
步骤6.1,根据立体光学相机与声呐同一场景图像对应的4对关键点,确定声光融合图像的对应关系和对应矩阵;
步骤6.2,通过对应矩阵,进行图像直接融合,本实施例利用基于像素加权平均的直接融合方法,P(u,v)=0.2×P光学(u,v)+0.8×P声学(u,v) (18)
式中,P(u,v)为融合后的图像像素,P光学(u,v)为视觉养殖中立体双目相机的图像像素,P声学(u,v)为视觉养殖中水下声呐的图像像素。
基于以上步骤,将本发明的方法应用于实际视觉养殖过程中,将图8中的光学图像和声学图像利用上述方法进行融合得到图9,由融合结果可知,融合图像明显比图8中(a)光学图像中鱼的数量多,弥补了光学探测距离短的缺点;融合图像比图8中(b)声学图像中鱼的图像清晰,弥补了声学图像分辨率差的缺点。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (4)
1.一种用于深远海视觉养殖的光-声图像融合方法,其特征在于:包括如下步骤:
步骤1,光学相机的立体标定:包括径向畸变标定、水下双目立体视觉联合标定;
步骤2,成像声呐的标定:将声呐坐标系下的坐标点转换到视觉坐标系中;
步骤3,立体光学相机与多波束前视声呐的联合配准:将由光学相机与声呐两种不同图像识别传感器得到的不同观测角度、不同时空域条件下获取的同一区域信息的两幅及其以上图像进行联合配准,实现同一坐标系的转换;
步骤4,将光学图像映射到声学图像;
步骤5,将声学图像映射到光学图像;
步骤6,光学成像与声学成像的融合;
所述步骤3具体包括:
步骤3.1,将立体光学相机测量的三维点映射为类似声呐的数据;
步骤3.2,将声呐图像的像素坐标映射为物理坐标;
步骤3.3,通过刚体变换求得立体光学相机到声呐的映射;
所述步骤4具体包括:
步骤4.1,根据步骤3.3所得到的刚体变换关系,将光学物理坐标转换为声学物理坐标,具体计算公式为:
步骤4.2,将步骤4.1所得的声学物理坐标转换为声学图像像素坐标;
所述步骤5具体包括:
步骤5.1,将声呐像素坐标映射为物理坐标;
步骤5.2,将步骤5.1所得的物理坐标根据如下公式映射为光学物理坐标,
步骤5.3,确定视觉光学物理坐标与光学像素坐标之间的关系。
3.根据权利要求1所述的一种用于深远海视觉养殖的光-声图像融合方法,其特征在于,所述步骤6具体包括:
步骤6.1,根据立体光学相机与声呐同一场景图像对应的关键点,确定声光融合图像的对应关系和对应矩阵;
步骤6.2,通过对应矩阵,进行图像直接融合。
4.根据权利要求3所述的一种用于深远海视觉养殖的光-声图像融合方法,其特征在于,所述步骤6.2中图像直接融合的具体方法为基于像素加权平均的直接融合方法,图像融合的具体公式为:
P(u,v)=0.2×P光学(u,v)+0.8×P声学(u,v)
式中,P(u,v)为融合后的图像像素,P光学(u,v)为视觉养殖中立体双目相机的图像像素,P声学(u,v)为视觉养殖中水下声呐的图像像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211023254.6A CN115100298B (zh) | 2022-08-25 | 2022-08-25 | 一种用于深远海视觉养殖的光-声图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211023254.6A CN115100298B (zh) | 2022-08-25 | 2022-08-25 | 一种用于深远海视觉养殖的光-声图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100298A CN115100298A (zh) | 2022-09-23 |
CN115100298B true CN115100298B (zh) | 2022-11-29 |
Family
ID=83301581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211023254.6A Active CN115100298B (zh) | 2022-08-25 | 2022-08-25 | 一种用于深远海视觉养殖的光-声图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100298B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856898B (zh) * | 2023-03-03 | 2023-05-16 | 山东科技大学 | 一种适应于全海深的面阵三维成像声呐点位归算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035309A (zh) * | 2018-07-20 | 2018-12-18 | 清华大学苏州汽车研究院(吴江) | 基于立体视觉的双目摄像头与激光雷达间的位姿配准方法 |
CN112862677A (zh) * | 2021-01-11 | 2021-05-28 | 西北工业大学 | 一种同平台异源声呐的声学图像拼接方法 |
CN114066795A (zh) * | 2021-11-24 | 2022-02-18 | 李蕊男 | Df-sas高低频声呐图像精细配准融合方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2675619C (en) * | 2007-01-19 | 2016-08-16 | Sunnybrook Health Sciences Centre | Scanning mechanisms for imaging probe |
CN101650426B (zh) * | 2008-12-26 | 2012-12-12 | 中国科学院声学研究所 | 一种合成孔径声纳图像数据拼接系统及方法 |
CN102012513B (zh) * | 2010-06-29 | 2012-08-15 | 上海大学 | 前视声纳图像的实时拼接方法和系统 |
CN109240496B (zh) * | 2018-08-24 | 2021-07-16 | 中国传媒大学 | 一种基于虚拟现实的声光交互系统 |
CN109405829A (zh) * | 2018-08-28 | 2019-03-01 | 桂林电子科技大学 | 基于智能手机音视频多源信息融合的行人自定位方法 |
CN109859271B (zh) * | 2018-12-14 | 2022-09-27 | 哈尔滨工程大学 | 一种水下摄像机与前视声纳的联合标定方法 |
CN112261361B (zh) * | 2020-09-25 | 2022-10-04 | 江苏聆世科技有限公司 | 一种麦克风阵列与球机联动的异常声源监控方法和系统 |
CN112466323A (zh) * | 2020-11-24 | 2021-03-09 | 中核检修有限公司 | 一种光学图像与声学图像融合方法及系统 |
CN112665584B (zh) * | 2020-12-30 | 2022-07-15 | 哈尔滨工程大学 | 一种基于多传感器融合的水下机器人定位与构图方法 |
CN112734921B (zh) * | 2021-01-11 | 2022-07-19 | 燕山大学 | 一种基于声呐和视觉图像拼接的水下三维地图构建方法 |
CN113739720B (zh) * | 2021-08-30 | 2022-06-17 | 东南大学 | 一种融合声学与光学方法的水下高精度测量和缺陷检测方法 |
CN113744337B (zh) * | 2021-09-07 | 2023-11-24 | 江苏科技大学 | 一种融合视觉、imu与声纳的同步定位与建图方法 |
CN114049549A (zh) * | 2021-10-27 | 2022-02-15 | 广东行远机器人技术有限公司 | 水下视觉识别方法、系统和计算机可读存储介质 |
CN114418953B (zh) * | 2021-12-24 | 2023-01-03 | 中国船舶重工集团公司七五0试验场 | 一种基于时间历程累计图像的声呐目标检测方法和系统 |
CN114563420A (zh) * | 2022-01-26 | 2022-05-31 | 南京智慧基础设施技术研究院有限公司 | 一种融合视声技术的水下结构超声检测方法及装备 |
-
2022
- 2022-08-25 CN CN202211023254.6A patent/CN115100298B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035309A (zh) * | 2018-07-20 | 2018-12-18 | 清华大学苏州汽车研究院(吴江) | 基于立体视觉的双目摄像头与激光雷达间的位姿配准方法 |
CN112862677A (zh) * | 2021-01-11 | 2021-05-28 | 西北工业大学 | 一种同平台异源声呐的声学图像拼接方法 |
CN114066795A (zh) * | 2021-11-24 | 2022-02-18 | 李蕊男 | Df-sas高低频声呐图像精细配准融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115100298A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363158B (zh) | 一种基于神经网络的毫米波雷达与视觉协同目标检测与识别方法 | |
CN101577002B (zh) | 应用于目标检测的鱼眼镜头成像系统标定方法 | |
CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
CN113137920B (zh) | 一种水下测量的设备与水下测量方法 | |
CN102509261A (zh) | 一种鱼眼镜头的畸变校正方法 | |
CN105118055A (zh) | 摄影机定位修正标定方法及系统 | |
CN107154014A (zh) | 一种实时彩色及深度全景图像拼接方法 | |
CN110782498B (zh) | 一种视觉传感网络的快速通用标定方法 | |
CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
CN115100298B (zh) | 一种用于深远海视觉养殖的光-声图像融合方法 | |
CN114067197B (zh) | 一种基于目标检测及双目视觉的管道缺陷识别与定位方法 | |
CN113313047B (zh) | 一种基于车道结构先验的车道线检测方法及系统 | |
CN114241031A (zh) | 基于双视角融合的鱼类体尺测量和体重预测的方法及装置 | |
CN114283203A (zh) | 一种多相机系统的标定方法及系统 | |
CN206460515U (zh) | 一种基于立体标定靶的多路鱼眼相机标定装置 | |
CN116310127A (zh) | 基于环形激光三角测量的管道内壁三维重建方法及系统 | |
CN105739106A (zh) | 一种体感多视点大尺寸光场真三维显示装置及方法 | |
CN113409450B (zh) | 一种包含rgbdt信息的鸡只三维重建方法 | |
WO2021035882A1 (zh) | 一种采用鱼眼镜头的声源定位方法及其设备 | |
CN114998448A (zh) | 一种多约束双目鱼眼相机标定与空间点定位的方法 | |
CN115326835B (zh) | 圆筒内表面检测方法、可视化方法以及检测系统 | |
CN112465950A (zh) | 深海网箱渔网水下距离测量装置、方法、电子设备及介质 | |
CN116883483A (zh) | 一种基于激光摄像机系统的鱼体量测方法 | |
CN112767249B (zh) | 一种面向小型管件表面缺陷检测的图像展开拼接方法及系统 | |
CN115880220A (zh) | 多视角苹果成熟度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |