CN103559499A - 一种rgb矢量匹配快速识别系统及方法 - Google Patents
一种rgb矢量匹配快速识别系统及方法 Download PDFInfo
- Publication number
- CN103559499A CN103559499A CN201310467455.XA CN201310467455A CN103559499A CN 103559499 A CN103559499 A CN 103559499A CN 201310467455 A CN201310467455 A CN 201310467455A CN 103559499 A CN103559499 A CN 103559499A
- Authority
- CN
- China
- Prior art keywords
- image
- identified
- matching
- module
- template
- 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.)
- Granted
Links
Images
Abstract
本发明一种RGB矢量匹配快速识别系统,包括图像获取模块、存储模块、匹配模块和检测模块,其中图像获取模块用来获取待识别图像;存储模块,用来存储模板图像和获取的待识别图像;匹配模块,用来移动模板图像,在待识别图像中搜寻与模板图像相匹配的单元,利用四元数相关性来判定是否存在与模板物体具有相同形状、大小、颜色和亮度的物体;检测模块,根据匹配模块的计算结果来判断待识别图像与模板图像的匹配度,检测PCB是否存在焊点缺陷。本发明的系统及方法,其计算量小、不破坏各色彩之间的关联性且精度较高。
Description
技术领域
本发明涉及彩色图像处理及精密电子组装过程中PCB缺陷检测领域,特别涉及一种适用于彩色图像处理的RGB矢量匹配快速识别系统及方法。
背景技术
现代电子工业中,印刷电路板(PCB)作为电子元器件的载体,其贴装质量直接影响产品的性能。在实际生产过程中,由于原材料、设备稳定性、温度、人为操作失误等不确定因素造成PCB缺陷在所难免,因此为了确保PCB的质量达标必须对PCB焊接质量进行检测。
PCB缺陷种类繁多,常见的元器件贴放缺陷,如错件、少件只涉及到二维信息,仅需灰度图像模板匹配就可有效地检测出来,而对于焊点缺陷则涉及到三维深度信息,因此很难通过灰度图像反映焊点好坏。
对于像焊点缺陷一样涉及到三维深度信息的缺陷,目前的检测方法有两种:
一、基于单色光源多角度拍摄多张灰度图像方法,其增加了区分不同观测角度的功能,因此数据计算更加庞杂、处理过程更加复杂;
二、基于特殊架构光源的单一镜头彩色图像处理方法,其优点是拍摄的图像更能反映实际人眼视觉,故越来越多的应用于PCB缺陷检测。传统的彩色图像匹配方法将图像分成三个分量(RGB),将每一个分量的图像看成一个灰度图像,分别在各自的分量中进行匹配处理,然后根据每种颜色的权重值来合成最后的结果,但是这种彩色图像匹配方法人为的破坏了彩色图像各色彩之间的关联性,对匹配算法的精度和鲁棒性造成不同程度的影响,并且分别对三个分量进行匹配处理,计算量增大。故人们需要一种计算量小、不破坏各色彩之间的关联性且精度较高的彩色图像匹配方法。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种RGB矢量匹配快速识别系统,其计算量小、不破坏各色彩之间的关联性且精度较高。
本发明的另一目的在于提供一种RGB矢量匹配快速识别方法。
本发明的目的通过以下的技术方案实现:
一种RGB矢量匹配快速识别系统,包括图像获取模块、存储模块、匹配模块和检测模块,其中
图像获取模块,为单镜头彩色光源立体视觉系统,用来获取待识别图像;
存储模块,用来存储模板图像和获取的待识别图像;
匹配模块,用来移动模板图像,在待识别图像中搜寻与模板图像相匹配的单元,利用四元数相关性来判定是否存在与模板物体具有相同形状、大小、颜色和亮度的物体:首先用四元数矩阵模型描述待识别图像,即待识别图像中每一个位置的彩色值均可以用一个四元数矢量表示;然后用四元数f(ξ,η)表示模板图像,用四元数g(ξ,η)表示PCB的待识别图像,f(ξ,η)、g(ξ,η)大小分别为M×N,P×Q;最后计算待识别图像是否存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0);
检测模块,检测模块根据匹配模块的计算结果来判断待识别图像与模板图像的匹配度,若待识别图像存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0),则说明待识别图像g(ξ,η)中在位置(ms,ns)处存在一个与模板图像相匹配的物体,彩色图像识别完成。
图像获取模块中,所述的单镜头彩色光源立体视觉系统为单镜头三环特殊彩色光源架构,使拍摄的二维图像传达了三维的信息,且增加了色度信息。从而满足了PCB焊点检测的要求。
本发明的另一目的通过以下的技术方案实现:
一种RGB矢量匹配快速识别方法,包含以下顺序的步骤:
1)利用图像获取模块的单镜头彩色光源立体视觉系统,获取待识别图像;
2)将待识别图像存储于存储模块中,存储模块中还存储有模板图像,以备匹配模块调用;
3)利用匹配模块来移动模板图像,在待识别图像中搜寻与模板图像相匹配的单元,利用四元数相关性来判定待识别图像与模板图像之间是否具有相同形状、大小、颜色和亮度的物体:
a、首先用四元数矩阵模型描述待识别图像,即待识别图像中每一个位置的彩色值均可以用一个四元数矢量表示;
b、然后用四元数f(ξ,η)表示模板图像,用四元数g(ξ,η)表示PCB的待识别图像,f(ξ,η)、g(ξ,η)大小分别为M×N,P×Q;
c、最后计算待识别图像是否存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0);
4)检测模块根据步骤3)的计算结果来判断待识别图像与模板图像的匹配度,若待识别图像存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0),则说明待识别图像g(ξ,η)中在位置(ms,ns)处存在一个与模板图像相匹配的物体,彩色图像识别完成。
所述的步骤3),具体包含以下步骤:
(2)取C和D满足:
这里C和D都是2的指数次方,延拓模板图像f(ξ,η)和待识别的图像g(ξ,η),得到fe(ξ,η)和ge(ξ,η),确保它们在x方向有相同的周期C,在y方向有相同的周期D;
(3)计算延拓后的两幅图像fe(ξ,η)和ge(ξ,η)的四元数相关性函数
(4)将(3)中的卷积运算转换为频域中的傅里叶变换,并利用四元数相关性的傅里叶变换提高计算速度,这里均使用fe(ξ,η)和ge(ξ,η)进行运算;
(5)由步骤①和④的结果,计算归一化后的四元数相关性函数h(m,n);
(6)选择阙值P1,P2,d1,使其满足条件P1<1<P2,d1<1,并且要求P1,P2,d1均接近等于1;
(7)计算|g(ms,ns)|并判断其值是否在区间[P1,P2]内,且满足
步骤4)中,所述的四元数相关性的傅里叶变换通过下式实现:
其中IQFT为反四元数傅里叶变换:
本发明与现有技术相比,具有如下优点和有益效果:
一、不破坏各色彩之间的关联性:待识别图像和模板图像用四元数模型表示,充分利用彩色图像的整体信息,对RGB这一有机整体并行处理,实现了真正意义上的矢量图像识别;
二、精确度高:待识别图像与模板图像之间只有当形状、大小、亮度、颜色都相同时才能够得到较大的匹配度,故本发明的系统及方法不仅可以检测出PCB是否缺件,还可以检测出相同形状的部件是否具有不同亮度的缺陷;
三、计算速度快:通过卷积定理将空间域和频率域联系起来,把四元数相关性的卷积计算转化为快速傅里叶变换的乘积,显著提高了计算速度,在一定程度上解决了长期以来直接四元数相关性算法由于速度慢而难以推广应用的难题。
附图说明
图1为本发明所述的一种RGB矢量匹配快速识别系统的结构示意图;
图2为本发明所述的一种RGB矢量匹配快速识别方法的流程图。
具体实施方式
如图1所示,一种RGB矢量匹配快速识别系统,包括图像获取模块、存储模块、匹配模块和检测模块,其中
图像获取模块,为单镜头彩色光源立体视觉系统,用来获取待识别图像,其中所述的单镜头彩色光源立体视觉系统为单镜头三环特殊彩色光源架构,且增加了色度信息;
存储模块,用来存储模板图像和获取的待识别图像;
匹配模块,用来移动模板图像,在待识别图像中搜寻与模板图像相匹配的单元,利用四元数相关性来判定是否存在与模板物体具有相同形状、大小、颜色和亮度的物体:首先用四元数矩阵模型描述待识别图像,即待识别图像中每一个位置的彩色值均可以用一个四元数矢量表示;然后用四元数f(ξ,η)表示模板图像,用四元数g(ξ,η)表示PCB的待识别图像,f(ξ,η)、g(ξ,η)大小分别为M×N,P×Q;最后计算待识别图像是否存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0);
检测模块,检测模块根据匹配模块的计算结果来判断待识别图像与模板图像的匹配度,若待识别图像存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0),则说明待识别图像g(ξ,η)中在位置(ms,ns)处存在一个与模板图像相匹配的物体,彩色图像识别完成。
一种RGB矢量匹配快速识别方法,如图2所示,包含以下顺序的步骤:
首先,将图像获取模块中单镜头彩色光源立体视觉系统采集到的待识别PCB板彩色图像存入存储模块;
接着,匹配模块读取存储模块中的一幅待识别图像和一幅模板图像,并建立以上两幅图像的四元数矩阵模型;令四元数q=qr+qii+qjj+qkk中的纯量部分qr=0,得到用四元数表示的RGB三色空间彩色图像的色度值,写成f(x,y)=R(x,y)i+G(x,y)j+B(x,y)k,其中R(x,y),G(x,y),B(x,y)分别表示图像在位置(x,y)处的RGB三色空间的阶调值;
进一步地,由卷积定理知函数卷积的傅里叶变换是函数傅里叶变换的乘积,因此二者可通过运算相互转换;但由傅里叶变换得到卷积函数时,对函数的周期性有一定的约束,否则将导致结论错误;因此为保证模板图像函数f(ξ,η)和待识别的图像函数g(ξ,η)在x方向有相同的周期C,在y方向有相同的周期D,必须要对其进行延拓处理;周期C和D均为2的指数次方并且满足 延拓模板图像f(ξ,η)和待识别图像g(ξ,η),得到fe(ξ,η)和ge(ξ,η),使得二者具有相同的周期;
传统的应用于灰度图像的相关性技术,其相关性函数归一化形式为:
随着图像亮度的变化,R(x,y)也随之变化,当且仅当模板图像和待识别图像相应位置的图像完全匹配时,R(x,y)=1;相似于传统的相关性函数,得到适用于彩色图像的四元数相关性函数归一化形式如下:
其中,
在四元数相关性计算过程中,鉴于时域离散的卷积计算复杂度高,耗时太长,对于实际应用中的实时性要求并不能很好的满足;因此本发明将时域中的卷积运算转换为频域中简单的傅里叶函数乘积运算,并将其应用到四元数相关性的计算中,从而提高了计算速度;四元数相关性的傅里叶变换通过下式实现:
其中IQFT为反四元数傅里叶变换:
进一步地,选取阙值P1,P2,d1,使其满足条件P1<1<P2,d1<1,并判断|g(ms,ns)|的值是否在区间[P1,P2]内,且满足如下式子:
最后,检测模块判断是否满足以上条件:若上述的条件都满足,则说明待识别图像g(ξ,η)中在位置(ms,ns)处存在一个与模板物体具有相同形状、大小、颜色和亮度的物体,若有其中一个条件不满足,或二者皆不满足,则不存在与模板相匹配的物体;至此,PCB板彩色图像识别完毕。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种RGB矢量匹配快速识别系统,其特征在于,包括图像获取模块、存储模块、匹配模块和检测模块,其中
图像获取模块,为单镜头彩色光源立体视觉系统,用来获取待识别图像;
存储模块,用来存储模板图像和获取的待识别图像;
匹配模块,用来移动模板图像,在待识别图像中搜寻与模板图像相匹配的单元,利用四元数相关性来判定是否存在与模板物体具有相同形状、大小、颜色和亮度的物体:首先用四元数矩阵模型描述待识别图像,即待识别图像中每一个位置的彩色值均可以用一个四元数矢量表示;然后用四元数f(ξ,η)表示模板图像,用四元数g(ξ,η)表示PCB的待识别图像,f(ξ,η)、g(ξ,η)大小分别为M×N,P×Q;最后计算待识别图像是否存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0);
检测模块,检测模块根据匹配模块的计算结果来判断待识别图像与模板图像的匹配度,若待识别图像存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0),则说明待识别图像g(ξ,η)中在位置(ms,ns)处存在一个与模板图像相匹配的物体,彩色图像识别完成。
2.根据权利要求1所述的RGB矢量匹配快速识别系统,其特征在于,图像获取模块中,所述的单镜头彩色光源立体视觉系统为单镜头三环特殊彩色光源架构,使得拍摄的二维图像传达了三维信息,且增加了色度信息。
3.一种RGB矢量匹配快速识别方法,包含以下顺序的步骤:
1)利用图像获取模块的单镜头彩色光源立体视觉系统,获取待识别图像;
2)将待识别图像存储于存储模块中,存储模块中还存储有模板图像,以备匹配模块调用;
3)利用匹配模块来移动模板图像,在待识别图像中搜寻与模板图像相匹配的单元,利用四元数相关性来判定待识别图像与模板图像之间是否具有相同形状、大小、颜色和亮度的物体:
a、首先用四元数矩阵模型描述待识别图像,即待识别图像中每一个位置的彩色值均可以用一个四元数矢量表示;
b、然后用四元数f(ξ,η)表示模板图像,用四元数g(ξ,η)表示PCB的待识别图像,f(ξ,η)、g(ξ,η)大小分别为M×N,P×Q;
c、最后计算待识别图像是否存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0);
4)检测模块根据步骤3)的计算结果来判断待识别图像与模板图像的匹配度,若待识别图像存在某个位置(m0,n0),使得g(m,n)=f(m-m0,n-n0),则说明待识别图像g(ξ,η)中在位置(ms,ns)处存在一个与模板图像相匹配的物体,彩色图像识别完成。
4.根据权利要求3所述的RGB矢量匹配快速识别方法,其特征在于,所述的步骤3),具体包含以下步骤:
(1)计算模板图像的能量函数Ef,其中和待识别图像的能量函数Eg(m,n),其中
(2)取C和D满足:
这里C和D均为2的指数次方,延拓模板图像f(ξ,η)和待识别的图像g(ξ,η),得到fe(ξ,η)和ge(ξ,η),确保它们在x方向有相同的周期C,在y方向有相同的周期D;
(3)计算延拓后的两幅图像fe(ξ,η)和ge(ξ,η)的四元数相关性函数
(4)将(3)中的卷积运算转换为频域中的傅里叶变换,并利用四元数相关性的傅里叶变换提高计算速度,这里均使用fe(ξ,η)和ge(ξ,η)进行运算;
(5)由步骤①和④的结果,计算归一化后的四元数相关性函数h(m,n);
(6)选择阙值P1,P2,d1,使其满足条件P1<1<P2,d1<1,并且要求P1,P2,d1均接近等于1;
(7)计算|g(ms,ns)|并判断其值是否在区间[P1,P2]内,且满足
5.根据权利要求4所述的RGB矢量匹配快速识别方法,其特征在于,步骤4)中,所述的四元数相关性的傅里叶变换通过下式实现:
其中IQFT为反四元数傅里叶变换:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310467455.XA CN103559499B (zh) | 2013-10-09 | 2013-10-09 | 一种rgb矢量匹配快速识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310467455.XA CN103559499B (zh) | 2013-10-09 | 2013-10-09 | 一种rgb矢量匹配快速识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103559499A true CN103559499A (zh) | 2014-02-05 |
CN103559499B CN103559499B (zh) | 2017-02-08 |
Family
ID=50013740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310467455.XA Active CN103559499B (zh) | 2013-10-09 | 2013-10-09 | 一种rgb矢量匹配快速识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103559499B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971119A (zh) * | 2014-03-26 | 2014-08-06 | 华南理工大学 | 一种在表面贴装设备中rgb矢量匹配快速识别方法 |
CN104075659A (zh) * | 2014-06-24 | 2014-10-01 | 华南理工大学 | 一种基于rgb结构光源的三维成像识别方法 |
CN104573635A (zh) * | 2014-12-17 | 2015-04-29 | 华南理工大学 | 一种基于三维重建的微小高度识别方法 |
CN105389818A (zh) * | 2015-11-12 | 2016-03-09 | 广州视源电子科技股份有限公司 | 元件的定位方法和系统 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN108665453A (zh) * | 2018-05-09 | 2018-10-16 | 华霆(合肥)动力技术有限公司 | 焊点检测方法及装置 |
CN109599347A (zh) * | 2018-12-04 | 2019-04-09 | 四川金湾电子有限责任公司 | 一种引线框架检测方法、系统、存储介质和终端 |
CN109727244A (zh) * | 2019-01-18 | 2019-05-07 | 深圳至汉装备科技有限公司 | 一种磁瓦表面裂纹检测方法 |
CN110766839A (zh) * | 2018-11-01 | 2020-02-07 | 上海掌门科技有限公司 | 门禁装置及其使用方法 |
WO2021068982A1 (zh) * | 2020-03-19 | 2021-04-15 | 南通大学 | 基于四元数多自由度神经元的多光谱焊接图像识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183460A (zh) * | 2007-11-27 | 2008-05-21 | 西安电子科技大学 | 彩色图像背景杂波量化方法 |
CN101271525A (zh) * | 2008-04-10 | 2008-09-24 | 复旦大学 | 一种快速的图像序列特征显著图获取方法 |
CN101582167A (zh) * | 2009-06-18 | 2009-11-18 | 哈尔滨工业大学 | 基于四元数分解和相关函数判断彩色图像相关性的方法 |
CN102222335A (zh) * | 2011-05-30 | 2011-10-19 | 广东工业大学 | 一种彩色图像的四元数匹配方法 |
-
2013
- 2013-10-09 CN CN201310467455.XA patent/CN103559499B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183460A (zh) * | 2007-11-27 | 2008-05-21 | 西安电子科技大学 | 彩色图像背景杂波量化方法 |
CN101271525A (zh) * | 2008-04-10 | 2008-09-24 | 复旦大学 | 一种快速的图像序列特征显著图获取方法 |
CN101582167A (zh) * | 2009-06-18 | 2009-11-18 | 哈尔滨工业大学 | 基于四元数分解和相关函数判断彩色图像相关性的方法 |
CN102222335A (zh) * | 2011-05-30 | 2011-10-19 | 广东工业大学 | 一种彩色图像的四元数匹配方法 |
Non-Patent Citations (3)
Title |
---|
S.J. SANGWINE: "Fourier transforms of colour images using quaternion or hypercomplex numbers", 《ELECTRONICS LETTERS》, vol. 32, no. 21, 10 October 1996 (1996-10-10), pages 1979 - 1980, XP006005838, DOI: doi:10.1049/el:19961331 * |
张锐娟: "图像配准理论及算法研究", 《万方数据库西安电子科技大学硕士学位论文》, 21 September 2009 (2009-09-21) * |
戚其丰等: "基于四元数相关性的彩色图像匹配算法及在PCB缺陷检测中的应用", 《2007中国高端SMT学术会议论文集》, 31 December 2007 (2007-12-31), pages 412 - 417 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971119A (zh) * | 2014-03-26 | 2014-08-06 | 华南理工大学 | 一种在表面贴装设备中rgb矢量匹配快速识别方法 |
CN104075659A (zh) * | 2014-06-24 | 2014-10-01 | 华南理工大学 | 一种基于rgb结构光源的三维成像识别方法 |
CN104075659B (zh) * | 2014-06-24 | 2016-08-17 | 华南理工大学 | 一种基于rgb结构光源的三维成像识别方法 |
CN104573635A (zh) * | 2014-12-17 | 2015-04-29 | 华南理工大学 | 一种基于三维重建的微小高度识别方法 |
CN104573635B (zh) * | 2014-12-17 | 2018-04-13 | 华南理工大学 | 一种基于三维重建的微小高度识别方法 |
CN105389818A (zh) * | 2015-11-12 | 2016-03-09 | 广州视源电子科技股份有限公司 | 元件的定位方法和系统 |
WO2017080295A1 (zh) * | 2015-11-12 | 2017-05-18 | 广州视源电子科技股份有限公司 | 元件的定位方法和系统 |
CN105389818B (zh) * | 2015-11-12 | 2018-11-27 | 广州视源电子科技股份有限公司 | 元件的定位方法和系统 |
CN107967679B (zh) * | 2017-11-21 | 2020-07-03 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN108665453A (zh) * | 2018-05-09 | 2018-10-16 | 华霆(合肥)动力技术有限公司 | 焊点检测方法及装置 |
CN110766839A (zh) * | 2018-11-01 | 2020-02-07 | 上海掌门科技有限公司 | 门禁装置及其使用方法 |
CN110766839B (zh) * | 2018-11-01 | 2022-12-02 | 上海掌门科技有限公司 | 门禁装置及其使用方法 |
CN109599347A (zh) * | 2018-12-04 | 2019-04-09 | 四川金湾电子有限责任公司 | 一种引线框架检测方法、系统、存储介质和终端 |
CN109727244A (zh) * | 2019-01-18 | 2019-05-07 | 深圳至汉装备科技有限公司 | 一种磁瓦表面裂纹检测方法 |
CN109727244B (zh) * | 2019-01-18 | 2020-12-08 | 深圳至汉装备科技有限公司 | 一种磁瓦表面裂纹检测方法 |
WO2021068982A1 (zh) * | 2020-03-19 | 2021-04-15 | 南通大学 | 基于四元数多自由度神经元的多光谱焊接图像识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103559499B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103559499A (zh) | 一种rgb矢量匹配快速识别系统及方法 | |
Rudolph et al. | Same same but differnet: Semi-supervised defect detection with normalizing flows | |
CN111325115B (zh) | 带有三重约束损失的对抗跨模态行人重识别方法和系统 | |
CN110136199A (zh) | 一种基于摄像头的车辆定位、建图的方法和装置 | |
CN105608417B (zh) | 交通信号灯检测方法及装置 | |
CN105023010A (zh) | 一种人脸活体检测方法及系统 | |
CN109934847A (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
CN110135318B (zh) | 过车记录的确定方法、装置、设备及存储介质 | |
CN109376580B (zh) | 一种基于深度学习的电力塔架部件识别方法 | |
CN110619638A (zh) | 一种基于卷积块注意模块的多模态融合显著性检测方法 | |
US20210342647A1 (en) | Semantic adversarial generation based function testing method in autonomous driving | |
CN112115879B (zh) | 一种遮挡敏感的自监督行人重识别方法及系统 | |
CN106997457A (zh) | 人物肢体识别方法、人物肢体识别装置及电子装置 | |
CN109670517A (zh) | 目标检测方法、装置、电子设备和目标检测模型 | |
CN107463659A (zh) | 物体搜索方法及其装置 | |
Cui et al. | Vehicle re-identification by fusing multiple deep neural networks | |
CN113792686B (zh) | 基于视觉表征跨传感器不变性的车辆重识别方法 | |
CN113255578B (zh) | 交通标识的识别方法及装置、电子设备和存储介质 | |
Zhang et al. | Visual loop closure detection with instance segmentation and image inpainting in dynamic scenes using wearable camera | |
CN107944340B (zh) | 一种结合直接度量和间接度量的行人再识别方法 | |
CN113160210A (zh) | 基于深度相机的排水管道缺陷检测方法及装置 | |
CN114898447B (zh) | 一种基于自注意力机制的个性化注视点检测方法及装置 | |
CN114332174A (zh) | 轨迹图像对齐方法、装置、计算机设备以及存储介质 | |
CN111238524B (zh) | 视觉定位方法以及装置 | |
Zeng et al. | Traffic light recognition and ranging system based on machine vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |