CN105608730A - 点云画笔选取系统及方法 - Google Patents

点云画笔选取系统及方法 Download PDF

Info

Publication number
CN105608730A
CN105608730A CN201410593967.5A CN201410593967A CN105608730A CN 105608730 A CN105608730 A CN 105608730A CN 201410593967 A CN201410593967 A CN 201410593967A CN 105608730 A CN105608730 A CN 105608730A
Authority
CN
China
Prior art keywords
paintbrush
cloud
pixel
coordinate
overlay area
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.)
Pending
Application number
CN201410593967.5A
Other languages
English (en)
Inventor
张旨光
吴新元
符素荥
杨宗涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yuzhan Precision Technology Co ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Shenzhen Yuzhan Precision Technology Co ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yuzhan Precision Technology Co ltd, Hon Hai Precision Industry Co Ltd filed Critical Shenzhen Yuzhan Precision Technology Co ltd
Priority to CN201410593967.5A priority Critical patent/CN105608730A/zh
Priority to TW103139026A priority patent/TW201616450A/zh
Priority to US14/750,252 priority patent/US20160117856A1/en
Publication of CN105608730A publication Critical patent/CN105608730A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

一种点云画笔选取系统及方法，应用于计算机装置中。该方法包括步骤：从数据库中读取一个点云文件，将点云文件中的三维坐标转化成像素点并绘制成三维点云图像；将三维点云图像中的每一个像素点的世界坐标转化成平面坐标来将三维点云图像转化成平面点云图像；在用户需要选取的点云区域拖动模型空间系统中的画笔形成一个画笔覆盖区域；从模型空间系统中获取画笔覆盖区域内一组像素点的坐标值，并获取该画笔覆盖区域的轮廓坐标值；将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标值进行计算比较来每一像素点是否在画笔覆盖区域内；将画笔覆盖区域内每一像素点的颜色转换成特定颜色。实施本发明，能够利用模型空间系统的画笔快速有效地选择出目标产品的三维点云图像中的点云区域进行处理。

Description

点云画笔选取系统及方法
技术领域
本发明涉及一种点云处理系统及方法，特别是关于一种点云画笔快速选取系统及方法。
背景技术
扫描设备扫描出来的数据一般都是三维点云的数据，而且因为受扫描设备、光照、环境、产品等因素的影响，扫描出来的产品图像经常会存在很多杂点，导致图片轮廓不清晰。这样对图像的检测处理增加很大的难度，而且还会导致检测处理出来的数据精度低，误差大。在点云处理系统中，如果没有能够自由选择点区域的方法，就不能较好的检测和处理点云图像，这样对图像的处理就没有意义。在现有点云处理系统中，只能进行点云大范围的搜索选中点云进行粗略处理图像；在小范围点云区域处理杂点时容易将需要保留的点去掉，违反完善图像的目的；并且只能对图像整体轮廓外的点云区域处理。
发明内容
鉴于以上内容，有必要提供一种点云套索选取系统及方法，能够利用模型空间系统的画笔快速有效地选择出目标产品的三维点云图像中的点云区域进行处理。
所述的点云画笔选取系统运行于计算机装置中，该计算机装置连接有数据库。该点云画笔选取系统包括：点云图像绘制模块，用于从数据库中读取一个点云文件，将该点云文件中的三维坐标转化成像素点并绘制到模型空间系统中来形成一幅由多个像素点组合成的三维点云图像；坐标转换模块，用于根据世界坐标系与平面坐标系的相互转换算法将三维点云图像中的每一个像素点的世界坐标转化成平面坐标来将三维点云图像转化成平面点云图像；画笔选中模块，用于在用户需要选取的点云区域拖动模型空间系统中的画笔形成一个画笔覆盖区域，并利用该画笔覆盖区域选中平面点云图像中的点云区域，从模型空间系统中获取所述画笔覆盖区域内一组像素点的坐标值，以及获取该画笔覆盖区域的轮廓坐标值；像素点判断模块，用于将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标值进行计算比较来判断平面点云图像中每一像素点是否在画笔覆盖区域内；颜色处理模块，用于将画笔覆盖区域内每一像素点的颜色转换成特定颜色。
所述的点云画笔选取方法应用于计算机装置中，该方法包括步骤：从数据库中读取一个点云文件，将该点云文件中的三维坐标转化成像素点并绘制到模型空间系统中来形成一幅由多个像素点组合成的三维点云图像；根据世界坐标系与平面坐标系的相互转换算法将三维点云图像中的每一个像素点的世界坐标转化成平面坐标来将三维点云图像转化成平面点云图像；在用户需要选取的点云区域拖动模型空间系统中的画笔形成一个画笔覆盖区域，并利用画笔覆盖区域选中平面点云图像中的点云区域；从模型空间系统中获取所述画笔覆盖区域内一组像素点的坐标值，并获取该画笔覆盖区域的轮廓坐标值；将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标值进行计算比较来每一像素点是否在画笔覆盖区域内；将画笔覆盖区域内每一像素点的颜色转换成特定颜色。
相较于现有技术，本发明所述的点云画笔选取系统及方法能够利用模型空间系统的画笔快速有效地选择出目标产品的三维点云图像中的杂质点进行处理，以便消除杂质点还原出目标产品的轮廓图像。
附图说明
图1是本发明点云画笔选取系统较佳实施例的运行环境示意图。
图2是本发明点云画笔选取方法较佳实施例的流程图。
图3是利用画笔选中点云区域的示意图。
图4是确定画笔覆盖轮廓内像素点的示意图。
主要元件符号说明
计算机装置1
点云图像绘制模块101
坐标转换模块102
画笔选中模块103
像素点判断模块104
颜色处理模块105
存储设备11
处理器12
显示设备13
数据库2
具体实施方式
参阅图1所示，是本发明点云画笔选取系统较佳实施例的运行环境示意图。在本实施例中，所述的点云画笔选取系统10安装并运行于计算机装置1中，该计算机装置1还包括，但不仅限于，存储设备11、处理器12及显示设备13。该计算装置1安装有操作系统(例如Windows操作系统或Linux操作系统)以及各种应用系统(例如CAD等图形处理软件)。所述的计算机装置1可以为一种个人计算机(PC)、工作站计算机(Workstationcomputer)、笔记本计算机(Notebook)、服务器(Server)或者其他电子计算装置。
所述的计算机装置1连接有数据库2，该连接可以为本地数据线(例如Cable数据线)连接，也可以是网络(例如WAN或者LAN网络)连接。所述数据库2存储有目标物体(例如鼠标)的点云文件，所述的点云文件为一组解析成空间坐标的数据文件。在一个模型空间系统(例如CAD系统)中打开点云文件，自动根据点云文件中的空间坐标在模型空间系统中可以得到一幅由许多像素点组合而成的三维点云图像。
所述的存储设备11包括，但不仅限于，内存、硬盘以及外部存储设备等。所述的处理器12包括，但不仅限于，中央处理器(CPU)、微处理器或其它数据处理机等。
在本实施例中，所述的点云画笔选取系统10包括，但不仅限于，点云图像绘制模块101、坐标转换模块102、画笔选中模块103、像素点判断模块104及颜色处理模块105。本发明所称的功能模块是指一种能够被计算机装置1的处理器12所执行并且能够完成固定功能的一系列程序指令段，其存储于计算机装置1的存储设备11中。关于各功能模块101-105将在图2的流程图中作详细描述。
参阅图2所示，是本发明点云画笔选取方法较佳实施例的流程图。在本实施例中，该方法应用于计算机装置1中，能够利用模型空间系统(例如CAD系统)的画笔快速有效地选择出目标产品的三维点云图像中的杂质点，以便消除杂质点还原出目标产品的轮廓图像。
步骤S21，点云图像绘制模块101从数据库2中读取一个点云文件，通过一个模型空间系统(例如CAD系统)打开该点云文件，并将该点云文件中的三维坐标转化成像素点并绘制到模型空间系统中来形成一幅由许多像素点组合成的三维点云图像。在本实施例中，所述的点云文件为一组已经由像素点解析成空间坐标的数据文件，文件中的每一个包含三个坐标的数据都代表一个像素点，所述的点云图像绘制模块101自动根据点云文件中的三维坐标转化成相应的每一个点云文件并绘制到模型空间系统的视窗中。
步骤S22，坐标转换模块102根据世界坐标系与平面坐标系的相互转换算法将三维点云图像中的每一个像素点的世界坐标转化成平面坐标，以便将三维点云图像转化成平面点云图像。在本实施例中，在平面坐标系(retinalcoordinatesystem)中，用(μ,v)表示图像坐标系坐标，(x，y)表示平面坐标系坐标，若O1在图像坐标系中的坐标为(μ0,ν0)，μ轴和ν轴方向上的物理尺寸坐标为μx,μy，μ轴和ν轴的夹角为θ，则图像坐标与平面坐标的关系为如下所示：
μ v 1 1 μ x - 1 μ x cos θ μ 0 0 1 μ y 1 sin θ v 0 0 0 1 x y 1 - - - ( 1.1 )
在世界坐标系(worldcoordinatesystem)中，所述世界坐标系由基准观测原点和XW、YW、ZW轴组成。例如，摄像机坐标系与世界坐标系之间的关系可用旋转矩阵R与平移向量T来描述，假如某点p的世界坐标与摄像机坐标下的坐标设为[XW,YW,ZW,1]T，[XC,YC,ZC,1]T，则存在如下关系：
X C Y C Z C 1 = R T 0 T 1 X W Y W Z W 1 = M 1 X W Y W Z W 1 - - - ( 1.2 )
在(1.2)式中，R为3×3正交单位矩阵；T＝[Tx,Ty,Tz]T为三位平移矩阵；M1是4×4的矩阵，通常R、T为外部参数。R的三个欧拉角，分别为偏离角θ、倾斜角φ、旋转角R可以由θ、φ、来表示为：
在本实施例中，世界坐标与平面坐标之间的转换算法为：假设一点的坐标p，为 其中，(x,y)为p点的图像坐标，[Xc,Yc,Zc]T为空间点p的坐标，世界坐标与平面坐标之间的转换关系为：
Z c x y 1 = f 0 0 0 0 f 0 0 0 0 1 0 X c Y c Z c 1 - - - ( 1.3 )
根据上述(1.1)式、(1.2)式、(1.3)式可以得出p点的空间坐标系转换成平面坐标的关系表示为如下(1.4)式：
Z c μ v 1 = 1 μ x - 1 μ x cot θ μ 0 0 1 μ y 1 sin θ v 0 0 0 1 f 0 0 0 0 f 0 0 0 0 1 0 R T 0 1 X W Y W Z W 1 = f x - f x cot θ μ 0 0 0 f y 1 sin θ v 0 0 0 0 1 0 R T 0 T 1 X W Y W Z W 1 = M 1 M 2 X W Y W Z W 1 = MX - - - ( 1.4 )
步骤S23，画笔选中模块103在用户需要选取的点云区域拖动所述模型空间系统中的画笔形成一个画笔覆盖区域，并利用该画笔覆盖区域选中平面点云图像中的点云区域。在本实施例中，用户在需要选中的点区域拖动画笔，此时画笔经过的地方将会把选中的点元区域覆盖形成一个画笔覆盖区域。如图3所示，画笔覆盖区域Q内的像素点部分为选中的点云区域。
步骤S24，画笔选中模块103从模型空间系统中获取所述画笔覆盖区域内一组像素点的坐标值，并获取该画笔覆盖区域的轮廓坐标值。在本实施例中，模型空间系统(例如CAD系统)中有专门读取每一像素点坐标的算法，该算法会自动保存画笔经过区域的一组像素点的坐标值，并保存画笔覆盖区域的轮廓坐标值。如图4所示，画笔覆盖区域Q具有轮廓W，该画笔覆盖轮廓W同样是由很多像素点组合成，获取该轮廓W的每一像素点的坐标值并存放在存储设备11中。
步骤S25，像素点判断模块104将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标值进行计算比较。在本实施例中，将平面点云图像中的像素点逐个取其坐标与画笔平面点云图像轮廓坐标进行计算比较来判断平面点云图像中每一个像素点是否在画笔覆盖轮廓中。例如，画笔覆盖轮廓的坐标表示为(x，y)，x坐标在平面内会有一个最大值Xmax和最小值Xmin，y坐标在平面内也由一个最大值Ymax和一个最小值Ymin。将点云图像中的每一像素点(xa，yb)与画笔覆盖轮廓的最大最小坐标值作比较，当像素点的x轴坐标的值符合Xmin≤xa≤Xmax，像素点的y轴坐标值符合Ymin≤yb≤Ymax)，则确定该像素点在画笔覆盖区域内，否则确定该像素点在画笔覆盖区域内。
步骤S26，像素点判断模块104根据比较结果判断平面点云图像中每一像素点是否在画笔覆盖区域内。若像素点在画笔覆盖区域内，流程执行步骤S27；若像素点不在画笔覆盖区域内(即在画笔覆盖区域之外)，流程执行步骤S28。
步骤S27，若所述像素点在画笔覆盖区域内，颜色处理模块105则将画笔覆盖区域内像素点的颜色转换成特定颜色，例如红色、黄色、绿色、或其它任何区别性的颜色。在本实施例中，颜色处理模块105通过颜色转换算法将符合要求像素点的颜色由原来的颜色转换成红色，即会自动将表示黑色点的像素值更新为相应表示红色点的像素值，并在显示设备13上以红色显示选中的点云区域。
步骤S28，若像素点不在画笔覆盖区域中(即在画笔覆盖区域之外)，颜色处理模块105则对画笔覆盖区域外的像素点不作任何颜色处理。
本发明所述的点云画笔选取系统及方法能够模仿画笔选中涂改特性，利用用鼠标拖动就能快速有效地选择出目标产品的三维点云图像中的点云区域。在模拟过程中，使用者还能根据需要调节画笔的粗细和颜色，达到通用的效果。可对任何形状、任何尺寸的三维点云图像及复杂曲面进行操作。画笔可以对小范围中的点云进行操作，效率高、速度快，且能准确选中所要选择的点范围，而且不会过多增加多余的点，图像处理精度高。任何形状内外的点云区域，利用画笔都能一次性选中，不需要分几次来执行，从而节约点云处理的时间。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换都不应脱离本发明技术方案的精神和范围。

Claims (10)

1.一种点云画笔选取系统，运行于计算机装置中，该计算机装置连接有数据库，其特征在于，所述的点云画笔选取系统包括：
点云图像绘制模块，用于从数据库中读取一个点云文件，将该点云文件中的三维坐标转化成像素点并绘制到模型空间系统中来形成一幅由多个像素点组合成的三维点云图像；
坐标转换模块，用于根据世界坐标系与平面坐标系的相互转换算法将三维点云图像中的每一个像素点的世界坐标转化成平面坐标来将三维点云图像转化成平面点云图像；
画笔选中模块，用于在用户需要选取的点云区域拖动模型空间系统中的画笔形成一个画笔覆盖区域，并利用该画笔覆盖区域选中平面点云图像中的点云区域，从模型空间系统中获取所述画笔覆盖区域内一组像素点的坐标值，以及获取该画笔覆盖区域的轮廓坐标值；
像素点判断模块，用于将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标值进行计算比较来判断平面点云图像中每一像素点是否在画笔覆盖区域内；以及
颜色处理模块，用于将画笔覆盖区域内每一像素点的颜色转换成特定颜色。
2.如权利要求1所述的点云画笔选取系统，其特征在于，若像素点在画笔覆盖区域之外，所述的颜色处理模块则对该画笔覆盖区域外的像素点不作任何颜色处理。
3.如权利要求1所述的点云画笔选取系统，其特征在于，所述的颜色处理模块通过颜色转换算法将画笔覆盖区域内像素点的像素值转化为相应特定颜色的像素值，并以该特定颜色在显示设备上显示出选中的点云区域。
4.如权利要求1所述的点云画笔选取系统，其特征在于，所述的判断平面点云图像中每一像素点是否在画笔覆盖区域内包括步骤：
将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标的最大坐标值和最小坐标值作比较；
当一像素点的x轴坐标值符合Xmin≤xa≤Xmax以及y轴坐标值符合Ymin≤yb≤Ymax，则确定该像素点在所述画笔覆盖区域内，否则确定该像素点在该画笔覆盖区域之外；
其中，(x，y)为画笔覆盖轮廓坐标值，x坐标的最大值为Xmax和最小值为Xmin，以及y坐标的最大值为Ymax和最小值为Ymin，(xa，yb)为平面点云图像中每一像素点的坐标值。
5.如权利要求1所述的点云画笔选取系统，其特征在于，所述的点云文件是一组由像素点解析成空间坐标的数据文件，该数据文件中的每一个包含三个坐标值的数据表示一个像素点。
6.一种点云画笔选取方法，应用于计算机装置中，该计算机装置连接有数据库，其特征在于，该方法包括步骤：
从数据库中读取一个点云文件，将该点云文件中的三维坐标转化成像素点并绘制到模型空间系统中来形成一幅由多个像素点组合成的三维点云图像；
根据世界坐标系与平面坐标系的相互转换算法将三维点云图像中的每一个像素点的世界坐标转化成平面坐标来将三维点云图像转化成平面点云图像；
在用户需要选取的点云区域拖动模型空间系统中的画笔形成一个画笔覆盖区域，并利用画笔覆盖区域选中平面点云图像中的点云区域；
从模型空间系统中获取所述画笔覆盖区域内一组像素点的坐标值，并获取该画笔覆盖区域的轮廓坐标值；
将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标值进行计算比较来每一像素点是否在画笔覆盖区域内；以及
将画笔覆盖区域内每一像素点的颜色转换成特定颜色。
7.如权利要求6所述的点云画笔选取方法，其特征在于，该方法还包括步骤：若像素点在画笔覆盖区域之外，所述的颜色处理模块则对该画笔覆盖区域外的像素点不作任何颜色处理。
8.如权利要求6所述的点云画笔选取方法，其特征在于，所述的将画笔覆盖区域内每一像素点的颜色转换成特定颜色包括步骤：通过颜色转换算法将画笔覆盖区域内像素点的像素值转化为相应特定颜色的像素值，并以特定颜色在显示设备上显示出选中的点云区域。
9.如权利要求6所述的点云画笔选取方法，其特征在于，所述的判断平面点云图像中每一像素点是否在画笔覆盖区域内包括步骤：
将平面点云图像中每一像素点的坐标与画笔覆盖区域的轮廓坐标的最大坐标值和最小坐标值作比较；
当一像素点的x轴坐标值符合Xmin≤xa≤Xmax以及y轴坐标值符合Ymin≤yb≤Ymax，则确定该像素点在所述画笔覆盖区域内，否则确定该像素点在该画笔覆盖区域之外；
其中，(x，y)为画笔覆盖轮廓坐标值，x坐标的最大值为Xmax和最小值为Xmin，以及y坐标的最大值为Ymax和最小值为Ymin，(xa，yb)为平面点云图像中每一像素点的坐标值。
10.如权利要求6所述的点云画笔选取方法，其特征在于，所述的点云文件是一组由像素点解析成空间坐标的数据文件，该数据文件中的每一个包含三个坐标值的数据表示一个像素点。
CN201410593967.5A 2014-10-28 2014-10-28 点云画笔选取系统及方法 Pending CN105608730A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410593967.5A CN105608730A (zh) 2014-10-28 2014-10-28 点云画笔选取系统及方法
TW103139026A TW201616450A (zh) 2014-10-28 2014-11-11 點雲畫筆選取系統及方法
US14/750,252 US20160117856A1 (en) 2014-10-28 2015-06-25 Point cloud processing method and computing device using same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410593967.5A CN105608730A (zh) 2014-10-28 2014-10-28 点云画笔选取系统及方法

Publications (1)

Publication Number Publication Date
CN105608730A true CN105608730A (zh) 2016-05-25

Family

ID=55792388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410593967.5A Pending CN105608730A (zh) 2014-10-28 2014-10-28 点云画笔选取系统及方法

Country Status (3)

Country Link
US (1) US20160117856A1 (zh)
CN (1) CN105608730A (zh)
TW (1) TW201616450A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109324651A (zh) * 2018-10-23 2019-02-12 深圳市盛世智能装备有限公司 一种摄像画图系统及控制方法
CN111583268A (zh) * 2020-05-19 2020-08-25 北京数字绿土科技有限公司 点云虚拟选择与裁切方法、装置及设备

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9875535B2 (en) * 2016-02-11 2018-01-23 Caterpillar Inc. Wear measurement system using computer vision
US9880075B2 (en) * 2016-02-11 2018-01-30 Caterpillar Inc. Wear measurement system using a computer model
US10580114B2 (en) * 2017-03-29 2020-03-03 Zhijing George Mou Methods and systems for real time 3D-space search and point-cloud registration using a dimension-shuffle transform
WO2018183754A1 (en) * 2017-03-29 2018-10-04 Mou Zhijing George Method and system for real time 3d-space search and point-cloud registration using a dimension-shuffle transform
US11710211B2 (en) * 2017-03-29 2023-07-25 Zhijing George Mou Methods and systems for real-time 3D-space search and point-cloud processing
CN109903279B (zh) * 2019-02-25 2022-11-18 北京深度奇点科技有限公司 焊缝运动轨迹的自动示教方法和装置
CN110824443B (zh) * 2019-04-29 2020-07-31 当家移动绿色互联网技术集团有限公司 雷达仿真方法、装置、存储介质及电子设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7764231B1 (en) * 1996-09-09 2010-07-27 Tracbeam Llc Wireless location using multiple mobile station location techniques
JP3944019B2 (ja) * 2002-07-31 2007-07-11 キヤノン株式会社 情報処理装置および方法
US7309128B2 (en) * 2002-09-20 2007-12-18 Centrofuse Technologies, Llc Automated stereocampimeter and related method for improved measurement of the visual field
US8139083B2 (en) * 2006-08-09 2012-03-20 Sony Ericsson Mobile Communications Ab Custom image frames
EP2164385B1 (en) * 2007-06-25 2013-02-20 Real Imaging Ltd. Method, device and system for thermography
CN101990156A (zh) * 2009-07-30 2011-03-23 索尼爱立信移动通讯股份有限公司 向无线通信设备的用户提供方向的系统和方法
US8830230B2 (en) * 2011-01-31 2014-09-09 Honeywell International Inc. Sensor placement and analysis using a virtual environment
CA2828017A1 (en) * 2011-02-25 2012-08-30 Audatex Gmbh System and method for estimating collision damage to a car
US9240063B1 (en) * 2011-05-10 2016-01-19 Corel Corporation Methods and apparatuses for simulating fluids and media in digital art applications
US8896579B2 (en) * 2012-03-02 2014-11-25 Adobe Systems Incorporated Methods and apparatus for deformation of virtual brush marks via texture projection
US8929602B2 (en) * 2013-01-31 2015-01-06 Seiko Epson Corporation Component based correspondence matching for reconstructing cables
US9154773B2 (en) * 2013-03-15 2015-10-06 Seiko Epson Corporation 2D/3D localization and pose estimation of harness cables using a configurable structure representation for robot operations
US9330435B2 (en) * 2014-03-19 2016-05-03 Raytheon Company Bare earth finding and feature extraction for 3D point clouds
US9286538B1 (en) * 2014-05-01 2016-03-15 Hrl Laboratories, Llc Adaptive 3D to 2D projection for different height slices and extraction of robust morphological features for 3D object recognition

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109324651A (zh) * 2018-10-23 2019-02-12 深圳市盛世智能装备有限公司 一种摄像画图系统及控制方法
CN111583268A (zh) * 2020-05-19 2020-08-25 北京数字绿土科技有限公司 点云虚拟选择与裁切方法、装置及设备

Also Published As

Publication number Publication date
US20160117856A1 (en) 2016-04-28
TW201616450A (zh) 2016-05-01

Similar Documents

Publication Publication Date Title
CN105608730A (zh) 点云画笔选取系统及方法
US11361505B2 (en) Model retrieval for objects in images using field descriptors
US9773196B2 (en) Utilizing deep learning for automatic digital image segmentation and stylization
US20160350904A1 (en) Static Object Reconstruction Method and System
WO2020091891A1 (en) Cross-domain image translation
US20150278710A1 (en) Machine learning apparatus, machine learning method, and non-transitory computer-readable recording medium
CN106951840A (zh) 一种人脸特征点检测方法
Rahman et al. Hand gesture recognition using multiclass support vector machine
CN105631927A (zh) 点云套索选取系统及方法
CN108229301B (zh) 眼睑线检测方法、装置和电子设备
US20210209385A1 (en) Method and apparatus for recognizing wearing state of safety belt
KR20150111641A (ko) 계층적 패턴 구조에 기반한 기술자 생성 방법 및 이를 이용한 객체 인식 방법과 장치
Wang et al. Head pose estimation with combined 2D SIFT and 3D HOG features
CN102024156A (zh) 彩色人脸图像中的唇部区域定位方法
US20210166058A1 (en) Image generation method and computing device
JP6609267B2 (ja) ガボール関数を用いたパターン認識システム及び方法
CN108521820B (zh) 使用深度神经网络的从粗略到精细的手部检测方法
CN115008454A (zh) 一种基于多帧伪标签数据增强的机器人在线手眼标定方法
CN112017159B (zh) 一种遥感场景下的地面目标真实感仿真方法
CN113221773A (zh) 基于遥感影像快速构建飞机分类数据集的方法
JP2017033556A (ja) 画像処理方法及び電子機器
Lv et al. An improved Otsu’s thresholding algorithm on gesture segmentation
CN106469437B (zh) 图像处理方法和图像处理装置
KR101480418B1 (ko) 환경맵 보간 장치 및 방법
KR20120123993A (ko) 표준 얼굴 그래프 생성 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160525

WD01 Invention patent application deemed withdrawn after publication