CN100487724C - 一种快速目标识别与定位系统及方法 - Google Patents
一种快速目标识别与定位系统及方法 Download PDFInfo
- Publication number
- CN100487724C CN100487724C CNB2007101755920A CN200710175592A CN100487724C CN 100487724 C CN100487724 C CN 100487724C CN B2007101755920 A CNB2007101755920 A CN B2007101755920A CN 200710175592 A CN200710175592 A CN 200710175592A CN 100487724 C CN100487724 C CN 100487724C
- Authority
- CN
- China
- Prior art keywords
- target
- subsystem
- imaging subsystems
- identification
- primary processor
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种快速目标识别与定位系统及方法,涉及DSP和CPLD、FPGA技术以及图像处理、模式识别技术。系统包括:电源单元、成像子系统、主处理器、存储子系统、控制子系统及外围接口电路。其特征在于,主处理器作为整个系统的运算核心,连接各个子系统,并且成像子系统与存储子系统分别连接于控制子系统;由成像子系统的采集单元采集并转换输入的数字信号,传入主处理器,经过处理后由成像子系统的显示单元显示;电源单元连接于成像子系统、主处理器、存储子系统以及控制子系统,为信号的采集、处理、显示以及处理过程的控制提供工作电压。优点在于,系统结构简单、可集成度高、体积小、处理速度快、具有较高的识别率。
Description
技术领域
本发明涉及DSP(Digital Signal Processor,数字信号处理器)和CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑器件)、FPGA(Field Programmable GateArray,现场可编程门阵列)技术以及图像处理、模式识别技术,特别是提供了一种目标识别与定位的系统及方法,用来在复杂背景中识别提取特定目标。
背景技术
随着科学技术的进步,模式识别与计算机视觉技术有了长足的发展,利用视觉信息对目标进行识别定位的技术也在不断的完善。早在上世纪70年代,模式识别中的目标定位技术,已经被广泛应用于农作物估产、资源勘察、气象预报和军事侦察等方面。随着经济的发展,出于各种目的,世界各国越来越重视这方面的研究。目前,较为成熟的有基于红外线、雷达等技术的目标识别方法。但是,这些方法由于本身无法克服的影响因素导致识别率低。例如,红外线技术是通过探测待识别目标的热辐射量或者反射红外线量来进行识别,这种方法的缺点是受外界环境温度影响较大,同时,待识别目标之外的热源对识别结果也会有很大干扰。雷达识别技术是通过反射的微波信号识别目标,它的缺点是当待识别目标的移动速度很慢或者静止时,识别系统就会失效。另外上述方法有一个共同的缺点,就是目标识别的结果不能以人的视觉信息显示,这样就限定了系统操作人员的专业水平。
在实际应用中已经证明通过对目标图像信息的运算处理来进行识别与定位是切实可行的。申请号为01133782.6,公开号为1428694A,名称为“基于DSP的嵌入式人脸自动检测装置和方法”的中国发明专利申请公开说明书,公开了一种基于DSP的嵌入式人脸自动检测装置,该装置可从特定场景中自动检测出标准化的人脸用于执行各种身份确认、识别操作,同时也用于普通的视频监控,不涉及动态目标定位,应用范围较小。
传统的实时图像处理系统主要有以下两种:
第一种利用台式工业控制计算机作为图像处理器,用硬盘作为数据存储介质,采用基于PCI总线的图像采集卡作为图像数字化前端,组成一个视频图像实时处理平台。该方案由于对上位机的体积要求,不能满足大规模系统集成的要求。
第二种采用嵌入式计算机结构,用闪存作为存储介质,以专用的图像解码芯片作为图像数字化前端,以此构成成像子系统。这种平台仍然采用以通用中央处理器为基础的传统计算机体系结构,当视频信息数据量增加时,这种体系结构不堪重负。
综合以上,对于移动目标的快速识别与定位来说,采用基于图像处理与模式识别技术所设计的快速目标识别与定位系统,技术应该不复杂,识别率应该较高,系统的适应性应该较大,安装应该不太复杂,同时应该应用方便,维护简单,成本较低。
发明内容
本发明的目的在于提供一种快速目标识别与定位系统及方法,克服传统的实时图像处理系统的上述缺陷,实现了结构化、模块化、高效的快速目标识别与定位。使其具有较高的识别率和识别速度,较好的适应性和可靠性,安装简单,同时维护简单,成本较低。
本发明的技术解决方案是提供一种快速目标识别与定位系统,包括:电源单元、成像子系统、主处理器、存储子系统、控制子系统及外围接口电路。主处理器(DSP)作为整个系统的运算核心,连接各个子系统,并且成像子系统与存储子系统分别连接于控制子系统;由成像子系统的采集单元采集并转换输入的数字信号,传入主处理器(DSP),经过处理后由成像子系统的显示单元显示;另外,电源单元连接于成像子系统、主处理器、存储子系统以及控制子系统,为信号的采集、处理、显示以及处理过程的控制提供必须的工作电压。
其中,成像子系统由采集单元和显示单元组成:其中,采集单元由CCD图像传感器及镜头、视频解码器件组成;显示单元由视频编码器件及液晶显示屏组成;采集单元负责待识别目标的图像信息采集与数字化,显示单元的任务为运算处理结果——目标的相对位置信息的编码输出与显示。
其中,主处理器(DSP)对成像子系统采集并数字化的图像信号进行预处理、特征提取、建立模板,然后将系统通过实时运算得到的待识别目标参数与先前建立的模板进行匹配比较,最后通过成像子系统的显示单元编码输出并显示识别结果。
本发明所述的主处理器(DSP)具体为Texas Instruments公司的TMS320DM643。
本发明所述的存储子系统由存储器件与芯片组成,包括SDRAM(SynchronousDRAM,同步动态随机存储器)与Flash(Flash Memory,闪存);其中,SDRAM用于临时图像数据的存储,Flash用于程序的存储。
本发明所述的控制子系统由控制器件与芯片组成,包括FPGA和CPLD;FPGA控制器分别连接主处理器(DSP)及成像子系统中的视频编码器件,控制处理结果的输出与显示;CPLD控制器则同时参与成像子系统、主处理器及存储子系统的控制。
本发明所述的外围接口电路包括仿真接口和通信串口,作为仿真程序的烧写路径以及处理结果数据的输出路径。
本发明所述快速目标识别与定位方法,在进行特定目标的识别与定位前,需要首先对同类目标的某一具体特征:如灰度,边缘等特征进行运算提取,并将运算结果进行数学统计,得出所选特征值的波动范围——在此范围之内的特征值对应的目标即为该类目标。然后通过如发明所述的系统,将待识别目标的该特征参数进行运算提取,确定运算结果是否在该特定范围之内:若在,则认为是待识别目标并标记出其在视场内的位置,输出识别定位结果;反之,则认为不是目标。目标识别定位时,成像子系统采集的目标图像信息数字化后,送入主处理器(DSP),首先进行图像的预处理,包括图像平滑、二值化和阈值分割,然后对图像进行实时区域标记,接着按照区域进行运算,提取出每一个区域的特征值,最后把该值与事先确定的特定范围进行比较后,将结果输出。
本发明的优点在于,本发明的优点是:结合了DSP硬件及图像处理、模式识别技术,系统结构简化,可集成度高,体积小,处理速度快,应用范围广,特别适用于某些对硬件体积限制要求较高的领域。如适用于机器人视觉、目标识别、无人机导航等应用。
附图说明
图1为根据本发明的一个具体的快速目标识别与定位系统框图。
图2为根据本发明的一个具体的快速目标识别与定位系统硬件结构图。
图3为根据本发明的一个具体的快速目标识别与定位方法原理框图。
图4为根据本发明的一个具体的快速目标识别与定位方法实施流程图。
图5为以本发明作为视觉系统的一个具体实施例的原理示意图。
具体实施方式
本发明的一个具体实施方式为自主移动机器人的视觉系统,即作为机器人的“眼睛”,在视场范围内搜索、识别、提取待识别目标,将识别出的目标位置在视场内标记并通过显示单元输出。同时,视觉系统通过外部接口把目标在视场内的位置参数传输至机器人的动力系统,由其来判断行进方向并驱动整个系统。
图1描述了根据本发明的一个具体实施例的系统框图。电源单元连接于其他单元,为系统的各个组成单元提供工作必须的电压。成像子系统中的采集单元采集待识别目标的图像信息,经过A/D转换成数字信号,将其送入主处理器(DSP)处理,做出识别定位结果,再通过成像子系统中的显示单元给出识别结果。其他子系统为整个系统的正常运作提供不可或缺的辅助作用:控制子系统分别连接于主处理器(DSP)、存储子系统和成像子系统,负责控制图像数据的采集、存储和识别结果的输出;存储子系统负责处理过程中大量的数字图像数据与程序的交换与存储;外围接口保证了已识别目标的位置参数及时准确的传送至机器人的动力系统。
图2描述了根据本发明的一个具体实施例的系统硬件结构图。具体的:成像子系统由采集单元和显示单元组成:其中,采集单元由CCD传感器及镜头、视频解码器件组成;显示单元由视频编码器件及液晶显示屏组成。存储子系统由存储器件与芯片组成,具体包括SDRAM与Flash。其中,SDRAM用于临时图像数据的存储,Flash用于程序的存储。控制子系统具体包括FPGA和CPLD,FPGA控制器分别连接主处理器(DSP)及成像子系统中的视频编码器件,控制处理结果的输出与显示;CPLD控制器则同时参与成像子系统、主处理器及存储子系统的控制。外围接口包括计算机仿真接口和通信串口,计算机仿真接口作为实时程序的烧写路径,通信串口则作为目标未知参数的输出路径。
快速目标识别与定位系统硬件选择方面,应考虑以下几个方面的要求:
(1)CCD(Charge Coupled Device,电荷耦合器件)图像传感器:目前,生产CCD传感器的公司有很多,国内的部分厂家也有生产CCD传感器芯片的能力。美国柯达公司的DCS Pro Back采用的CCD为1600万像素,可得到最高分辨率4000×4000的优质影像;日本富士公司的Super CCD,其单个像素的尺寸比普通CCD要大,而且蜂巢状排列结构紧密,感光范围远大于同类产品。所以,系统CCD传感器可选择的种类很多,不过在作为移动机器人视觉系统的一部分时,考虑到整个系统的机动性和灵活性,传感器的体积和重量都应尽可能的小。
(2)FPGA和CPLD:在快速目标识别与定位系统中,存在多种总线结构(I2C总线,并行总线等),系统中的各类起到不同作用的器件在与DSP通讯时,涉及到各种总线通讯方式。FPGA和CPLD可以通过编程配置其结构,通过一片FPGA和一片CPLD配合,就可以完成整个系统的协调,控制外围设备的接口简单,便于集成。
(3)存储器件:具体包括SDRAM与Flash。其中,SDRAM用于临时图像数据的存储,Flash用于程序的存储。存储器容量的大小要根据系统所要处理图像数据的大小,以及处理算法所需要的存储空间来选择。
(4)主处理器(DSP):鉴于目标识别与定位的过程中需要处理大量的图像数据,以及算法的复杂度和系统的实时性,DSP芯片成为主处理器的第一选择。目前通用的可以开发的DSP的型号有很多,处理速度也比较快,通过选择合适的DSP,再结合成熟的算法,才能得到满意的识别效果。
图3为本发明的识别原理框图。根据本发明的一个具体实施例,分为三个步骤:(1)图像信息采集;(2)建立识别匹配模板;(3)目标识别与定位。图像信息采集包括采集待识别目标所处视场的图像信息,以及同类目标的图像信息,包括对信号的采集、模数转换等过程;建立识别匹配模板包括对图像信号的预处理,特征提取和特征选择过程,即对同类目标的某一具体特征:如灰度、边缘等特征进行运算提取,并将运算结果进行数学统计,得出所选特征值的波动范围——在此范围之内的特征值对应的目标即为该类目标;目标识别与定位就是将提取出的待识别目标的特征参数,与计算得到的特征值波动范围进行比较,进而得出识别结果,同时根据目标在视场中的位置将其标记定位并输出位置参数。
图4为根据本发明的一个具体的快速目标识别与定位方法实施流程图。系统初始化后开始采集图像,包括采集待识别目标所处视场的图像和同类目标的图像信息;系统开辟出两个图像存储空间:空间1用来存储同类目标的图像信息,空间2用来存储待识别目标所处视场的图像信息。然后系统开始对两个空间里的数据进行并行运算:在空间1内,主处理器(DSP)对采集到的同类目标的图像数据进行运算,通过特征选择与特征提取,建立该类目标的匹配模板。具体的,该模板为所提取特征值的波动范围——在此范围之内的特征值对应的目标即为该类目标。然后,建立的模板将按照一定的方式在视场范围内移动。在空间2内,主处理器(DSP)对采集到的待识别目标所处视场的图像数据进行运算,首先进行图像的预处理,包括:图像的平滑、二值化和阈值分割等,然后对图像进行实时区域标记,并按照区域进行运算,提取各区域的特征参数。接下来,空间1中建立的模板按照空间2标记出的区域进行移动,一一与各区域的特征参数进行匹配,即确定特征参数是否在该特定范围之内:若在,则认为是待识别目标并标记出其在视场内的位置,并输出位置参数;反之,则认为不是目标,模板继续往下一区域移动进行匹配。同时,处理结果也可以通过液晶屏显示。一个循环完成后系统则进入下一循环。
图5描述了以本发明作为移动机器人的视觉系统的一个具体实施例的原理框图。自主移动机器人包括视觉系统与动力系统,其中,本发明作为视觉系统,负责快速目标识别与定位,动力系统则负责整个系统的移动,两个系统之间通过通信接口来传送数据。整个系统工作时,首先由视觉系统来识别与定位目标,然后将其位置参数通过通信接口传送给动力系统,由动力系统来判断并决定机器人的移动路线,最后将其按照路线驱动。例如,若该自主移动机器人为足球机器人,当目标为足球时,动力系统得到视觉系统传送过来的目标位置参数以后,驱动机器人朝着目标的方向移动;当目标为障碍时,机器人则绕其而行。
另外,在工业自动化领域,使用文中所述的快速目标识别与定位系统及方法,可以对流水线上传送的工件进行识别与定位,得到其位置和距离信息,进而形成控制参数,指引机器设备从流水线上抓取需要的工件;在无人机自主导航方面,文中所述系统也可作为视觉系统,引导无人机完成自主导航的任务。
Claims (2)
1.一种快速目标识别与定位系统,包括:电源单元、成像子系统、主处理器、存储子系统、控制子系统及外围接口电路;其特征在于,主处理器作为整个系统的运算核心,连接各个子系统,并且成像子系统与存储子系统分别连接于控制子系统;成像子系统中的采集单元采集待识别目标的图像信息,经过A/D转换成数字信号,将其送入主处理器处理,经过处理后由成像子系统的显示单元显示;电源单元连接于成像子系统、主处理器、存储子系统以及控制子系统,为信号的采集、处理、显示以及处理过程的控制提供工作电压;
所述成像子系统由采集单元和显示单元组成:其中,采集单元由CCD图像传感器及镜头、视频解码器件组成;显示单元由视频编码器件及液晶显示屏组成;采集单元负责待识别目标的图像信息采集与数字化,显示单元的任务为运算处理结果——目标的相对位置信息的编码输出与显示;主处理器对成像子系统采集并模数转换后的图像信号进行预处理、特征提取、建立模板,然后将系统通过实时运算得到的待识别目标参数与预先建立的模板进行匹配比较,最后通过成像子系统的显示单元编码输出并显示对目标的识别和定位的结果;
所述的主处理器为TMS320DM643;
所述的存储子系统由存储器件与芯片组成,包括同步动态随机存储器与闪存芯片;其中,同步动态随机存储器用于临时图像数据的存储,闪存芯片用于程序的存储;
所述的外围接口电路包括仿真接口和通信串口,作为仿真程序的烧写路径以及处理结果数据的输出路径;
所述的控制子系统由控制器件与芯片组成,包括现场可编程门阵列和复杂可编程逻辑器件;其中,复杂可编程逻辑器件则同时参与成像子系统、主处理器及存储子系统的控制;现场可编程门阵列分别连接主处理器及成像子系统中的视频编码器件,控制识别的结果;
系统包含的各硬件采用集成电路:集成电路用分离的集成芯片,或大规模集成电路,或者将整个系统的硬件固定在一块电路板上,塑胶绝缘密封固化。
2.一种采用权利要求1所述系统进行快速目标识别与定位的方法,包括图像信息采集,建立识别匹配模板和目标识别与定位三部分;其特征在于,图像信息采集包括采集待识别目标所处视场的图像信息,以及同类目标的图像信息,包括对信号的采集、模数转换过程;建立识别匹配模板包括对图像信号的预处理,特征提取和特征选择过程,对同类目标的某一具体特征:灰度、边缘特征进行运算提取,并将运算结果进行数学统计,得出所选特征值的波动范围——在此范围之内的特征值对应的目标即为该类目标;目标识别与定位就是将提取出的待识别目标的特征参数,与计算得到的特征值波动范围进行比较,进而得出识别结果,同时根据目标在视场中的位置将其标记定位并输出位置参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007101755920A CN100487724C (zh) | 2007-10-08 | 2007-10-08 | 一种快速目标识别与定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007101755920A CN100487724C (zh) | 2007-10-08 | 2007-10-08 | 一种快速目标识别与定位系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101145201A CN101145201A (zh) | 2008-03-19 |
CN100487724C true CN100487724C (zh) | 2009-05-13 |
Family
ID=39207723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007101755920A Expired - Fee Related CN100487724C (zh) | 2007-10-08 | 2007-10-08 | 一种快速目标识别与定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100487724C (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010220908A (ja) * | 2009-03-25 | 2010-10-07 | Sony Corp | 画像処理装置、画像処理方法、およびプログラム |
CN101546381B (zh) * | 2009-05-08 | 2011-04-20 | 北京科技大学 | 一种基于dsp和fpga的实时运动目标识别系统 |
CN101673343B (zh) * | 2009-10-15 | 2012-11-07 | 上海大学 | 在dsp+fpga架构中提高信号实时模式识别处理速度的系统及方法 |
CN102238368A (zh) * | 2010-04-28 | 2011-11-09 | 长春博鸿电子科技公司(普通合伙) | 一种多模式多目一体化智能相机 |
CN102175226B (zh) * | 2010-12-31 | 2013-03-13 | 北京控制工程研究所 | 基于显著性特征的目标识别方法 |
CN102438118B (zh) * | 2011-11-30 | 2013-09-25 | 哈尔滨工业大学 | 一种运动目标特征高速视觉捕捉装置 |
CN102736938B (zh) * | 2012-06-18 | 2015-07-29 | 中国电子科技集团公司第十研究所 | Fpga配置程序的烧写方法 |
CN103335657B (zh) * | 2013-05-30 | 2016-03-02 | 佛山电视台南海分台 | 一种基于图像捕获和识别技术增强导航功能的方法和系统 |
CN103914071B (zh) * | 2014-04-02 | 2017-08-29 | 中国农业大学 | 一种用于谷物联合收割机的视觉导航路径识别系统 |
CN103914070A (zh) * | 2014-04-02 | 2014-07-09 | 中国农业大学 | 一种用于谷物联合收割机的视觉导航辅助驾驶系统 |
CN104090581B (zh) * | 2014-04-16 | 2017-04-26 | 上海热像机电科技股份有限公司 | 红外热像仪场景匹配的智能实现 |
CN103995968B (zh) * | 2014-05-22 | 2017-01-25 | 合肥工业大学 | 无人飞行器对地面目标运动轨迹预测的装置及其方法 |
CN105518555B (zh) * | 2014-07-30 | 2017-11-03 | 深圳市大疆创新科技有限公司 | 目标追踪系统及方法 |
CN104135618A (zh) * | 2014-07-31 | 2014-11-05 | 上海行迈智能科技有限公司 | 一种机器人通用dsp图像处理模块 |
CN104330410B (zh) * | 2014-11-04 | 2015-11-25 | 南通宏大机电制造有限公司 | 位于无人机上的作物病虫害检测系统 |
CN104486587B (zh) * | 2014-12-20 | 2017-12-12 | 叶丽琴 | 一种车间未成年人类型识别系统 |
CN104581078A (zh) * | 2015-01-20 | 2015-04-29 | 太仓思比科微电子技术有限公司 | 人脸图像采集及图像处理系统和方法 |
CN105608662B (zh) * | 2015-12-31 | 2018-10-23 | 哈尔滨工程大学 | 基于fpga的动态目标识别系统及其识别方法 |
CN107295277A (zh) * | 2016-04-13 | 2017-10-24 | 合肥芯福传感器技术有限公司 | 基于错位增像的蜂巢形像元阵列、图像传感器及采集方法 |
CN107295276A (zh) * | 2016-04-13 | 2017-10-24 | 合肥芯福传感器技术有限公司 | 基于错位增像的菱形像元阵列、图像传感器及采集方法 |
CN107590450A (zh) * | 2017-09-01 | 2018-01-16 | 歌尔科技有限公司 | 一种运动目标的标记方法、装置和无人机 |
CN109542109A (zh) * | 2017-09-22 | 2019-03-29 | 江苏智谋科技有限公司 | 基于dsp和cpld的小型无人机飞行控制系统 |
CN108372130B (zh) * | 2018-03-20 | 2019-10-18 | 华南理工大学 | 一种基于fpga图像处理的目标定位分拣系统及其实现方法 |
CN109158325A (zh) * | 2018-08-07 | 2019-01-08 | 铜陵三佳山田科技股份有限公司 | 集成电路冲切系统品种的视觉识别装置及识别方法和应用 |
CN109213196A (zh) * | 2018-09-05 | 2019-01-15 | 福州日兆信息科技有限公司 | 一种通信铁塔智能巡检无人机装置 |
CN112016356A (zh) * | 2019-05-30 | 2020-12-01 | 西北工业大学深圳研究院 | 基于zynq的高光谱目标识别系统及方法 |
CN111653000A (zh) * | 2020-05-13 | 2020-09-11 | 北京智芯微电子科技有限公司 | 无人机巡检系统 |
-
2007
- 2007-10-08 CN CNB2007101755920A patent/CN100487724C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101145201A (zh) | 2008-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100487724C (zh) | 一种快速目标识别与定位系统及方法 | |
Luo et al. | 3d-ssd: Learning hierarchical features from rgb-d images for amodal 3d object detection | |
CN107481270B (zh) | 乒乓球目标跟踪和轨迹预测方法、装置、存储介质和计算机设备 | |
CA2950791C (en) | Binocular visual navigation system and method based on power robot | |
CN108628306B (zh) | 机器人行走障碍检测方法、装置、计算机设备和存储介质 | |
CN109934108B (zh) | 一种多目标多种类的车辆检测和测距系统及实现方法 | |
CN105160703A (zh) | 一种使用时域视觉传感器的光流计算方法 | |
CN104700385A (zh) | 基于fpga实现的双目视觉定位装置 | |
Shi et al. | An improved lightweight deep neural network with knowledge distillation for local feature extraction and visual localization using images and LiDAR point clouds | |
Zhang et al. | A fast detection and grasping method for mobile manipulator based on improved faster R-CNN | |
Cai et al. | Improving CNN-based planar object detection with geometric prior knowledge | |
Li et al. | An efficient image-guided-based 3D point cloud moving object segmentation with transformer-attention in autonomous driving | |
CN106408593A (zh) | 一种基于视频的车辆跟踪方法及装置 | |
Jin et al. | Dynamic visual simultaneous localization and mapping based on semantic segmentation module | |
Fan et al. | Human-m3: A multi-view multi-modal dataset for 3d human pose estimation in outdoor scenes | |
CN204808201U (zh) | 基于视觉的手势识别控制系统 | |
Lian et al. | Dort: Modeling dynamic objects in recurrent for multi-camera 3d object detection and tracking | |
Wang et al. | Application of machine vision image feature recognition in 3D map construction | |
CN205692214U (zh) | 一种单目视觉位姿测量系统 | |
KR101668649B1 (ko) | 주변 환경 모델링 방법 및 이를 수행하는 장치 | |
Savii | Camera calibration using compound genetic-simplex algorithm | |
Shilin et al. | Application of a Depth Camera for Constructing Complex Three-Dimensional Models in Multiple Scanning Complexes | |
Cheng et al. | Leveraging 360 Camera in 3D Reconstruction: A Vision-Based Approach | |
Evangelista et al. | FlexSight-A flexible and accurate system for object detection and localization for industrial robots | |
Sarızeybek et al. | Monocular Depth Estimation and Detection of Near Objects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090513 Termination date: 20141008 |
|
EXPY | Termination of patent right or utility model |