CN104008542A - 一种针对特定平面图形的快速角点匹配方法 - Google Patents
一种针对特定平面图形的快速角点匹配方法 Download PDFInfo
- Publication number
- CN104008542A CN104008542A CN201410191437.8A CN201410191437A CN104008542A CN 104008542 A CN104008542 A CN 104008542A CN 201410191437 A CN201410191437 A CN 201410191437A CN 104008542 A CN104008542 A CN 104008542A
- Authority
- CN
- China
- Prior art keywords
- image
- angle point
- point
- matching
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种针对特定平面图形的快速角点匹配方法,包括步骤:(1)制作特定棋盘格图纸,布置在单色环境的平面上。(2)对图像进行灰度化及相应预处理工作。(3)通过harris角点检测算子进行角点检测,分别获取两张图像的角点坐标。(4)通过自定义的方向向量和先验匹配点坐标差范围进行角点匹配。(5)以SSD作为相似度评价指标,进一步提高匹配角点的精度。该方法具有匹配速度快,精度高,误匹配率低的优点。本发明可用于求取双目摄像机针对该平面的单应矩阵。
Description
技术领域
本发明涉及图像配准领域,具体涉及一种针对特定平面图形的特征点匹配方法。
背景技术
图像配准属于计算机视觉领域的一个研究热点问题,是对摄像机在不同时间、不同视角等条件下获取的两幅或多幅图像进行匹配融合。其中常用的方法有基于灰度的图像配准和基于特征的图像配准。基于特征的图像配准中,特征主要针对点特征。基于点特征的图像配准,其实现步骤主要分为特征点的提取和特征点的匹配,再通过匹配点对来建立空间几何变换模型,实现图像配准。
在多视觉几何应用中,常常需要计算两台或多台摄像机基于同一平面的单应矩阵,以此来确定摄像机之间的几何位置关系。若使用DLT(直接线性变换)算法计算单应矩阵,则首先需要已知若干对基于某一外平面的匹配点。因此,需要一种简单易实现、匹配精度高、误匹配率低的方法来完成特征点的匹配工作。
为了自动完成两台摄像机针对同一外平面的特征点匹配工作,本发明设计了一种便于角点提取的特殊棋盘格平面图形,通过角点检测算法提取角点,并使用自定义的方向向量和先验坐标差进行角点匹配,再使用SSD(差的平方和)作为相似度检测标准,对初匹配的坐标点进行优化,得到更精确的匹配点坐标对。
发明内容
本发明提出了一种针对特定平面图形的快速角点匹配方法,与现有的特征点匹配方法相比,具有简单易实现、匹配精度高、误匹配率低的特点。本发明至少采用如下技术方案之一实现。
一种针对特定平面图形的快速角点匹配方法,其包括如下步骤:
(1)制作一张棋盘格平面图形,布置在单色环境的平面上;该平面图形被划分成若干个大小相同的白色矩形区域,并以黑色线条间隔之;拍摄图像时,使棋盘格平面图形尽量多的充满拍摄图像画面;
(2)对拍摄的两张平面图像进行灰度化及相应预处理工作,具体包括:
(2a)若摄像机拍摄的图像存在畸变现象,则应首先进行畸变矫正工作;
(2b)若摄像机拍摄的图像为彩色图像,则需要对图像进行灰度化处理;
(3)使用harris角点检测算子,通过预设阈值和非最大值抑制的方法,分别对获取的两张灰度图像即图像1和图像2进行角点检测,得到两张图像的备选角点坐标序列;
(4)通过自定义的方向向量和先验匹配点坐标差范围进行角点匹配,具体包括:
(4a)方向向量是利用周围领域的颜色值进行计算的,向量仅存在4个值,不能计算出方向向量的角点被删掉,从而筛选出存在方向向量的角点并记录其方向向量;
(4b)从步骤(4a)筛选出的两张图像的角点中,随机选择5对匹配点坐标对,计算其坐标值之差的均值,确定为两张图像间的近似坐标差均值Ec;遍历步骤(4a)得到图像1的角点,利用方向向量相等和abs(E-Ec)<Threshold两个条件作为匹配成功的条件,到图像2的角点中进行搜索,得到匹配点坐标对;
(5)以SSD作为相似度评价指标,将步骤(4b)得到的匹配点对进行坐标微调,进一步提高匹配角点的精度。
作为优化的,所述步骤(1)中所述黑色线条在图像上所占的宽度大于10个像素值。
作为优化的,所述步骤(1)中拍摄的图像中所述黑色线条为横平竖直的状态,即水平黑色线条的倾斜程度不超过15°,竖直黑色线条的倾斜程度也不超过15°。
作为优化的,步骤(4a)中所述的方向向量的确定方法如下:
遍历步骤(3)得到的备选角点,以角点位置为中心,设置一个7*7的方形区域,查询方形四个顶点位置的颜色值,若三个颜色值为黑色,一个颜色值为白色,则规定指向白色顶点的方向作为该角点的方向;并规定数字1,2,3,4分别作为指向左上、右上、左下、右下的方向向量。
作为优化的步骤(4b)中所述的abs(E-Ec)<Threshold中,
E为当前待检测的角点间对坐标差(X1–X2,Y1–Y2);
Ec作为两张图像匹配角点间的近似平均坐标差;
Threshold作为E与Ec差值的上限;
将abs(E-Ec)<Threshold作为角点匹配的一个必要条件,且用于计算Ec的角点要在图像上分布均匀。
作为优化的,所述步骤(5)具体实现方法如下:
假设匹配点P1、P2分别来自图像1和图像2,即对应左图和右图;以P1为中心确定一个大小可配置的区域A1,如5*5;以P2为中心,确定一个搜索区域,如5*5,该搜索区域中的每个点,均能确定一个与以P1为中心所确定区域相同大小的区域A2;将A1与搜索区域中每一个A2作比较,使用SSD作为判据,计算其相似度;在以P2为中心的搜索区域中,SSD响应值最小的点被确定为与P1匹配度最高的点;从而以该SSD响应值最小的点作为新坐标代替P2的坐标,确定更加精确的匹配关系。
作为优选的,步骤(3)使用harris角点检测算子,分别获取两幅图像的角点坐标。具体实现步骤如下:
(3.1)计算图像的方向导数Ix,Iy,并计算方向导数的乘积IIxy,得到五个与图像大小相同的矩阵;
(3.2)然后对Ixy进行高斯滤波,计算图像中每个点的自相关矩阵M,
(3.3)计算响应函数R,R(x,y)=det(M(x,y))-k*trace(M(x,y))2,并且保留R(x,y)中的最大值,记为Rmax;
(3.4)设定阈值t,利用响应函数R(x,y)>t*Rmax,以及非最大值抑制做判断,得到若干备选角点坐标;
优选的,步骤(4b)计算近似坐标差的均值Ec、近似坐标差的标准差σc。从两幅图像的备选角点坐标中,人工选取5对左右的匹配点坐标,需要均匀覆盖图像的公共区域,计算其坐标差的平均值记作两幅图像间的近似坐标差均值Ec;计算其坐标差的标准差记作两幅图像间的近似坐标差标准差σc。
(4.3)利用方向向量和近似坐标差均值进行角点匹配。遍历视角1包含的角点坐标Pi,到视角2包含的角点组Pi'中进行搜索,寻找匹配点坐标。方向向量相同以及abs(E-Ec)<Threshold作为匹配成功的条件,其中Threshold可以设置为标准差的三倍,即3σc。若搜索失败,则认为视角1中的角点Pi在视角2中没有匹配点。
与现有技术相比,本发明具有如下优点和效果:
(1)sift(尺度不变特征转换)及其衍生算法是当前特征点匹配的主流算法,研究者众多。与之相比,本发明针对特殊平面图像,具有算法复杂度低、误匹配率低的优势。
(2)特殊的平面图形制作简单,并且将标定板摆放在合适的位置,本发明具有简单易实现的特点,可用于求取双目相机关于某一外平面的单应矩阵。
附图说明
图1是本发明一种实施例的系统流程图。
图2是本发明一种实施例的harris算子提取角点坐标子流程图。
图3是本发明一种实施例的角点匹配子流程图。
图4a图4b分别是实施例中视角1和视角2特定平面图像的角点检测及匹配效果图。
具体实施方式
以下结合附图和实例对本发明的具体实施作进一步说明,但本发明的实施不限于此。
本发明提出了一种针对特定平面图形的快速角点匹配方法,系统流程图如图1所示:制作好特定的平面图形,并摆放在恰当的位置,两台摄像机拍摄一对图像。首先,对图像进行必要的预处理工作,然后,分别对两张经过预处理过程的图像进行角点检测,提取角点坐标。之后,计算角点的方向向量和两张图像的近似坐标差,并以此作为角点匹配的判据。最后,使用SSD作为角点相似度评价指标,对上述步骤得到的匹配坐标进行优化,得到最终的角点匹配关系。具体实现包括如下几个步骤:
1.准备实验环境:
本发明提出首先需要制作一张用于角点匹配的平面图形,该平面图像被划分成若干个大小相同的白色矩形区域,并以黑色线条间隔之。然后将其布置在单色环境下的平面上。摄像机对该平面进行拍摄时,需将调整好平面的位置,保证拍摄的图像满足以下要求:
(1)两个相机的公共区域保证不低于图像面积的1/3,并要求平面图像的有效区域尽可能多的落在公共区域内。
(2)摄像机拍摄的图像,需保证黑线条的宽度不低于10个像素,且黑线条应尽量保证横平竖直。
2.图像预处理:
若镜头存在畸变现象,则首先应对图像进行畸变矫正处理。主要解决偏心畸变和径向畸变对图像的印象。若图像时彩色图像,则需要对图像进行灰度化处理。接下来的操作是针对灰度图像进行的。
3.harris算子提取角点坐标(以下符号未作说明的,均为harris角点检测算子中现有的惯用符号):
两条边沿的相交处被称作角点,在两幅图像的公共区域存在着若干这样的角点。本发明使用harris角点检测算子分别对两幅图像的角点进行提取。
步骤按图2所示的子流程图进行:
(3.1)若图像的公共区域不足图像面积的1/2,则首先设置两幅图像的角点检测区域,既可提高计算速度,又可以一定程度上避免检测到不必要的角点;若公共区域较大,则以整张图像作为搜索区域。
(3.2)计算图像的方向导数Ix,Iy,并计算方向导数的乘积Ixy,得到五个与图像大小相同的矩阵;
(3.3)然后对Ixy进行高斯滤波,计算图像中每个点的自相关矩阵M, W为harris角点检测算子采用的高斯函数;
(3.4)计算响应函数R,R(x,y)=det(M(x,y))-k*trace(M(x,y))2,并且保留R(x,y)中的最大值,记为Rmax;
(3.5)设定阈值t,一般t=0.02~0.06。利用响应函数R(x,y)>t*Rmax,以及非最大值抑制两个条件做判断,得到若干备选角点坐标;
4.对两幅图像的角点进行匹配:
本发明选用的角点匹配包含两条:首先是方向向量相同,然后是待匹配角点间的坐标差E与近似平均坐标差Ec之间的绝对值之差小于设定的阈值。即abs(E-Ec)<Threshold。
步骤按图3所示的子流程图进行:
(4.1)计算方向向量,并删除误选角点。遍历上一步得到的备选角点,以角点位置为中心,设置一个7*7的方形领域,查询方形四个顶点位置的颜色值,若三个颜色值为黑色,一个颜色值为白色,则规定角点坐标位置指向白色顶点位置的方向作为该角点的方向。并将指向左上、右上、左下、右下的方向向量分别赋值为1,2,3,4。若四个顶点坐标不满足3黑1白的规律,则删除该角点。从而得到的角点都具有一个方向向量。
(4.2)计算近似坐标差的均值Ec、近似坐标差的标准差σc。从两幅图像的备选角点坐标中,人工选取5对左右的匹配点坐标,需要均匀覆盖图像的公共区域,计算其坐标差的平均值记作两幅图像间的近似坐标差均值Ec;计算其坐标差的标准差记作两幅图像间的近似坐标差标准差σc。
(4.3)利用方向向量和近似坐标差均值进行角点匹配。遍历视角1包含的角点坐标Pi,到视角2包含的角点Pi'中进行搜索,寻找匹配点坐标。方向向量相同以及abs(E-Ec)<Threshold作为匹配成功的条件,其中Threshold可以设置为标准差的三倍,即3σc。若搜索失败,则认为视角1中的角点Pi在视角2中没有匹配点。
5.对已匹配的角点坐标进行微调:
经过试验验证,上述步骤,基本能满足角点之间不出现误匹配。但由于角点检测的精度不稳定,有必要对匹配点坐标的精度。本发明选用SSD(差的平方和)作为相似度评价指标,以视角1角点检测的坐标为准,对与之匹配的来自视角2中的角点坐标位置进行微调。假设匹配点Pi,Pi'分别来自视角1和视角2。设视角1获取的图像为左图,视角2获取的图像为右图。在左图中,以Pi为中心确定一个大小可配置的邻域A1,如5*5;在右图中,以Pi'为中心,确定一个搜索区域,如5*5,该搜索区域中的每个点,均可确定一个与P1所确定邻域A1大小相同的领域A2。将A1与搜索区域中每一个A2作比较,使用SSD(差的平方和)作为判据,计算其相似度。
在以Pi'为中心的搜索区域中,若存在SSD响应值最小的点Pc',则确定其为与Pi匹配度最高的点。从而以Pc'代替Pi',确定更加精确的匹配关系。
表1
本实例中,采用两台640*480分辨率的摄像机,经过上述步骤,得到角点检测的结果。如图4a、图4b所示,一对摄像机正对特定棋盘格图形拍摄的图像(视角1和视角2),并在匹配成功的角点处,打上了圆点标记。实验结果一共找到64对匹配点,具体坐标值,如表1所示,表中的数据“(X1Y1)(X2Y2)”表示一对匹配点分别来自视角1和视角2。
Claims (6)
1.一种针对特定平面图形的快速角点匹配方法,包括如下步骤:
(1)制作一张棋盘格平面图形,布置在单色环境的平面上;该平面图形被划分成若干个大小相同的白色矩形区域,并以黑色线条间隔之;拍摄图像时,使棋盘格平面图形尽量多的充满拍摄图像画面;
(2)对拍摄的两张平面图像进行灰度化及相应预处理工作,具体包括:
(2a) 若摄像机拍摄的图像存在畸变现象,则应首先进行畸变矫正工作;
(2b) 若摄像机拍摄的图像为彩色图像,则需要对图像进行灰度化处理;
(3)使用harris角点检测算子,通过预设阈值和非最大值抑制的方法,分别对获取的两张灰度图像即图像1和图像2进行角点检测,得到两张图像的备选角点坐标序列;
(4)通过自定义的方向向量和先验匹配点坐标差范围进行角点匹配,具体包括:
(4a)方向向量是利用周围领域的颜色值进行计算的,向量仅存在4个值,不能计算出方向向量的角点被删掉,从而筛选出存在方向向量的角点并记录其方向向量;
(4b)从步骤(4a)筛选出的两张图像的角点中,随机选择5对匹配点坐标对,计算其坐标值之差的均值,确定为两张图像间的近似坐标差均值Ec;遍历步骤(4a)得到图像1的角点,利用方向向量相等和abs( E-Ec) < Threshold两个条件作为匹配成功的条件,到图像2的角点中进行搜索,得到匹配点坐标对;
(5)以SSD作为相似度评价指标,将步骤(4b)得到的匹配点对进行坐标微调,进一步提高匹配角点的精度。
2.根据权利要求1所述的快速角点匹配方法,其特征在于所述步骤(1)中所述黑色线条在图像上所占的宽度大于10个像素值。
3.根据权利要求1所述的快速角点匹配方法,其特征在于所述步骤(1)中拍摄的图像中所述黑色线条为横平竖直的状态,即水平黑色线条的倾斜程度不超过15°,竖直黑色线条的倾斜程度也不超过15°。
4.根据权利要求1所述的快速角点匹配方法,其特征在于步骤(4a)中所述的方向向量的确定方法如下:
遍历步骤(3)得到的备选角点,以角点位置为中心,设置一个7*7的方形区域,查询方形四个顶点位置的颜色值,若三个颜色值为黑色,一个颜色值为白色,则规定指向白色顶点的方向作为该角点的方向; 并规定数字1,2,3,4分别作为指向左上、右上、左下、右下的方向向量。
5.根据权利要求1所述的快速角点匹配方法,其特征在于步骤(4b)中所述的abs( E-Ec) < Threshold中,
E为当前待检测的角点间对坐标差(X1 – X2,Y1 – Y2);
Ec作为两张图像匹配角点间的近似平均坐标差 ;
Threshold作为E与Ec差值的上限;
将abs( E-Ec) < Threshold作为角点匹配的一个必要条件,且用于计算Ec的角点要在图像上分布均匀。
6.根据权利要求1所述的快速角点匹配方法,其特征在于所述步骤(5)具体实现方法如下:
假设匹配点P1 、P2 分别来自图像1和图像2,即对应左图和右图;以P1为中心确定一个大小可配置的区域A1,以P2为中心,确定一个搜索区域,该搜索区域中的每个点,均能确定一个与以P1为中心所确定区域相同大小的区域A2;将A1与搜索区域中每一个A2作比较,使用SSD作为判据,计算其相似度;在以P2为中心的搜索区域中,SSD响应值最小的点被确定为与P1匹配度最高的点;从而以该SSD响应值最小的点作为新坐标代替P2的坐标,确定更加精确的匹配关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410191437.8A CN104008542B (zh) | 2014-05-07 | 2014-05-07 | 一种针对特定平面图形的快速角点匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410191437.8A CN104008542B (zh) | 2014-05-07 | 2014-05-07 | 一种针对特定平面图形的快速角点匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104008542A true CN104008542A (zh) | 2014-08-27 |
CN104008542B CN104008542B (zh) | 2017-10-20 |
Family
ID=51369182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410191437.8A Active CN104008542B (zh) | 2014-05-07 | 2014-05-07 | 一种针对特定平面图形的快速角点匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104008542B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354582A (zh) * | 2015-11-20 | 2016-02-24 | 武汉精测电子技术股份有限公司 | 图像角点提取方法和装置以及图像角点提取摄像装置 |
CN107231553A (zh) * | 2017-05-31 | 2017-10-03 | 信利光电股份有限公司 | 角点位置获取方法及装置 |
CN107292865A (zh) * | 2017-05-16 | 2017-10-24 | 哈尔滨医科大学 | 一种基于二维图像处理的立体显示方法 |
CN107437263A (zh) * | 2017-06-14 | 2017-12-05 | 昆明理工大学 | 一种方格板角点提取方法 |
CN108122259A (zh) * | 2017-12-20 | 2018-06-05 | 厦门美图之家科技有限公司 | 双目摄像头标定方法、装置、电子设备及可读存储介质 |
CN108280815A (zh) * | 2018-02-26 | 2018-07-13 | 安徽新闻出版职业技术学院 | 一种面向监控场景结构的几何校正方法 |
CN111422587A (zh) * | 2020-03-30 | 2020-07-17 | 华南理工大学 | 一种传送带上料过程中精确定位物料的方法 |
CN112284330A (zh) * | 2020-11-18 | 2021-01-29 | 青岛科美创视智能科技有限公司 | 一种基于鱼眼摄像机的距离测量系统及方法 |
CN112434703A (zh) * | 2020-10-25 | 2021-03-02 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于改进Gauss模型的实时Harris角点提取方法 |
CN113077508A (zh) * | 2021-03-30 | 2021-07-06 | 深圳市墨者安全科技有限公司 | 一种图像相似度匹配方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750691B (zh) * | 2012-05-29 | 2014-08-06 | 重庆大学 | 基于角点对cs距离匹配的图像配准方法 |
CN103679720A (zh) * | 2013-12-09 | 2014-03-26 | 北京理工大学 | 一种基于小波分解与Harris角点检测的快速图像配准方法 |
-
2014
- 2014-05-07 CN CN201410191437.8A patent/CN104008542B/zh active Active
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354582A (zh) * | 2015-11-20 | 2016-02-24 | 武汉精测电子技术股份有限公司 | 图像角点提取方法和装置以及图像角点提取摄像装置 |
CN107292865A (zh) * | 2017-05-16 | 2017-10-24 | 哈尔滨医科大学 | 一种基于二维图像处理的立体显示方法 |
CN107292865B (zh) * | 2017-05-16 | 2021-01-26 | 哈尔滨医科大学 | 一种基于二维图像处理的立体显示方法 |
CN107231553A (zh) * | 2017-05-31 | 2017-10-03 | 信利光电股份有限公司 | 角点位置获取方法及装置 |
CN107437263A (zh) * | 2017-06-14 | 2017-12-05 | 昆明理工大学 | 一种方格板角点提取方法 |
CN107437263B (zh) * | 2017-06-14 | 2020-09-25 | 昆明理工大学 | 一种方格板角点提取方法 |
CN108122259A (zh) * | 2017-12-20 | 2018-06-05 | 厦门美图之家科技有限公司 | 双目摄像头标定方法、装置、电子设备及可读存储介质 |
CN108280815B (zh) * | 2018-02-26 | 2021-10-22 | 安徽新闻出版职业技术学院 | 一种面向监控场景结构的几何校正方法 |
CN108280815A (zh) * | 2018-02-26 | 2018-07-13 | 安徽新闻出版职业技术学院 | 一种面向监控场景结构的几何校正方法 |
CN111422587A (zh) * | 2020-03-30 | 2020-07-17 | 华南理工大学 | 一种传送带上料过程中精确定位物料的方法 |
CN111422587B (zh) * | 2020-03-30 | 2021-09-10 | 华南理工大学 | 一种传送带上料过程中精确定位物料的方法 |
CN112434703A (zh) * | 2020-10-25 | 2021-03-02 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于改进Gauss模型的实时Harris角点提取方法 |
CN112284330A (zh) * | 2020-11-18 | 2021-01-29 | 青岛科美创视智能科技有限公司 | 一种基于鱼眼摄像机的距离测量系统及方法 |
CN113077508A (zh) * | 2021-03-30 | 2021-07-06 | 深圳市墨者安全科技有限公司 | 一种图像相似度匹配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104008542B (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104008542A (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN103942797B (zh) | 基于直方图和超像素的场景图像文字检测方法及系统 | |
CN105654421B (zh) | 基于变换不变低秩纹理的投影变换图像匹配方法 | |
CN108010036A (zh) | 一种基于rgb-d相机的物体对称轴检测方法 | |
CN103426186A (zh) | 一种改进的surf快速匹配方法 | |
CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN107192716A (zh) | 一种基于轮廓特征的工件缺陷快速检测方法 | |
EP2940626B1 (en) | Apparatus and method for detecting color checker in image | |
Youjin et al. | A robust lane detection method based on vanishing point estimation | |
CN104794421A (zh) | 一种qr码定位及识别方法 | |
CN110807807B (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
CN105606123B (zh) | 一种低空航空摄影测量自动纠正数字地面高程模型的方法 | |
CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
Saini et al. | Comparative study of image edge detection algorithms | |
CN111667429B (zh) | 一种巡检机器人目标定位校正方法 | |
Christen et al. | Target marker: A visual marker for long distances and detection in realtime on mobile devices | |
CN112634377B (zh) | 扫地机器人的相机标定方法、终端和计算机可读存储介质 | |
Le et al. | Pedestrian lane detection in unstructured environments for assistive navigation | |
KR20150096128A (ko) | 모바일 플랫폼에 기반한 가상 카메라의 자동 캘리브레이션 방법 | |
US11501511B2 (en) | Method for optical recognition of markers | |
CN108509906B (zh) | 无人机航拍路基线光点捕捉双阈值Radon识别方法 | |
CN106650717B (zh) | 一种带厚度干扰的圆形物体的精确定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |