CN106228195B - 一种基于图像处理的七巧板图形识别方法 - Google Patents

一种基于图像处理的七巧板图形识别方法 Download PDF

Info

Publication number
CN106228195B
CN106228195B CN201610644289.XA CN201610644289A CN106228195B CN 106228195 B CN106228195 B CN 106228195B CN 201610644289 A CN201610644289 A CN 201610644289A CN 106228195 B CN106228195 B CN 106228195B
Authority
CN
China
Prior art keywords
tangram
plate
graphic
image
geometric
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
Application number
CN201610644289.XA
Other languages
English (en)
Other versions
CN106228195A (zh
Inventor
谢巍
周飞舟
张浪文
李博
周忠太
何伶珍
刘希
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201610644289.XA priority Critical patent/CN106228195B/zh
Publication of CN106228195A publication Critical patent/CN106228195A/zh
Application granted granted Critical
Publication of CN106228195B publication Critical patent/CN106228195B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Toys (AREA)

Abstract

本发明公开了一种基于图像处理的七巧板图形识别方法,包括以下步骤:通过摄像头采集图像背景板上的七巧板各图形板块的图像信息;根据图像背景板的背景色和七巧板颜色对图像进行二值化处理;识别七巧板各图形板块的几何属性;采用模糊定位算法确定七巧板各图形板块的相对位置状态;对七巧板各图形板块按照位置关系进行排序,并得到七巧板各图形板块的相对坐标,然后结合几何形状、几何角度以及顶点关系形成两组特征向量;图形匹配判断。该发明对七巧板拼凑出来的图形进行识别,将图形保存为特定格式,并且可以重现玩家的自创图形,增加了容错措施,不要求玩家非常精准地拼凑出显示图像,能够在角度和相对位置上提供容错空间。

Description

一种基于图像处理的七巧板图形识别方法
技术领域
本发明涉及计算机图像识别的技术领域,特别涉及一种基于图像处理的七巧板图形识别方法。
背景技术
数字图像处理源于上个世纪20年代,通过数字压缩技术传输数字图片成为图像技术的起源,此后,由于遥感技术领域的兴起,图像处理技术逐渐受到广泛关注,但由于计算条件的限制,发展十分缓慢,直到第三代计算机的出现,高速计算能够为图像处理提高了运算保证,图像技术也因此得到广泛应用,目前数字图像技术已成为工程科学、计算科学、信息科学、统计科学等学术领域学习和研究的对象。
数字图像处理技术主要有图像预处理技术、图像滤波、图像还原、图像压缩、图像的形态学处理等,图像处理函数库主要有MATLAB图像处理库、OPENCV库以及各种图像处理软件自带函数库。
七巧板是一种古老的汉族传统智力游戏,由七块形状不同或颜色不同的板组成。通过组合这七块板可拼成许多图形,例如:三角形、平行四边形、不规则多边形等等,是一种儿童智力游戏,玩家可以把它拼成各种动物、图形、建筑、标志等等,七巧板具有两千多年的历史,在民间广泛流传。传统七巧板只能依靠销售商提供的图形来教会玩家,其提供的图形有限不能充分调动玩家的积极性,同时对于玩家自创的图形很难保存,容易使玩家产生厌倦心理。而且,传统七巧板游戏并没有交互功能,缺乏容错性,考虑玩家基本上都是儿童,对于拼凑的图形可能不会非常精准。
因此,目前亟待提出一种基于图像处理的具有交互性、容错性及游戏扩展性的七巧板图形识别方法。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于图像处理的七巧板图形识别方法。
本发明的目的通过下述技术方案实现:
一种基于图像处理的七巧板图形识别方法,所述图形识别方法包括以下步骤:
S1、通过摄像头采集图像背景板上的七巧板各图形板块的图像信息;
S2、根据图像背景板的背景色和七巧板颜色对图像进行二值化处理;
S3、识别七巧板各图形板块的几何属性,所述几何属性包括:中心坐标位置(x,y)、几何形状、几何角度和顶点关系;
S4、采用模糊定位算法确定七巧板各图形板块的相对位置状态;
S5、对七巧板各图形板块按照位置关系进行排序,并得到七巧板各图形板块的相对坐标,然后结合七巧板各图形板块的几何属性中的几何形状、几何角度以及顶点关系形成第一特征向量和第二特征向量;
S6、图形匹配判断,首先比较第一特征向量,如果第一特征向量完全相同,则再比较第二特征向量,如果两个特征向量的欧氏距离小于判断阀值M,则判断两个图形相同;如果两个向量的欧氏距离大于等于判断阀值M,则判断两个图形不相同。
进一步地,所述几何形状包括:大三角形、中三角形、小三角形、正方形和平行四边形;
所述顶点关系的设置规定如下:顶点以1至4依次进行编号,最高顶点为1,顺时针方向递增。
进一步地,所述步骤S3具体包括:
S31、采用边缘检测技术获取七巧板各图形板块的边缘轮廓长度;
S32、根据所述边缘轮廓长度参照七巧板各图形板块的周长标准对七巧板各图形板块的几何形状进行初次识别;
S33、构造七巧板各图形板块的最小外接矩形,对七巧板的几何形状进行二次识别;
S34、通过所述七巧板各图形板块的最小外接矩形,获取七巧板各图形的中心坐标位置(x,y)、几何角度以及顶点关系。
进一步地,所述步骤S32中对七巧板各图形板块的几何形状进行初次识别可区分的几何形状为大三角形、小三角形和正方形。
进一步地,所述步骤S33中根据所述七巧板各图形板块的最小外接矩形的长宽比区分识别中三角形和平行四边形。
进一步地,所述第一特征向量包括七巧板板块顺序、几何形状以及顶点关系,所述第二特征向量包括七巧板板块顺序、相对坐标以及几何角度。
进一步地,所述步骤S4中模糊定位算法具体如下:
首先,寻找七巧板板块坐标位置中y轴对应值最小的一个,对应为最顶上的一个,设其值为y0,然后,确定模糊范围[y0,y0+n],如果有七巧板板块的y轴坐标位于该范围内,则修改其y轴坐标为y0,并将范围内的所有板块标记为已检测板块,对未检测板块按照同样的方法进行模糊定位。
进一步地,所述几何角度由OPENCV函数库通过求取最小外接矩形的角度获得。
进一步地,对所述最小外接矩形的角度进行模糊处理,其模糊函数如下:
Figure BDA0001071754710000031
进一步地,所述图形识别方法支持同时处理多套七巧板。
本发明相对于现有技术具有如下的优点及效果:
1、传统七巧板只能依靠销售商提供的图形来教会玩家,其提供的图形有限不能充分调动玩家的积极性,同时对于玩家自创的图形很难保存,容易使玩家产生厌倦心理,本发明提出的七巧板图形识别方法可以对七巧板拼凑出来的图形进行识别,将图形保存为特定格式,并且可以重现玩家的自创图形。
2、传统七巧板游戏并没有交互功能,本发明提出的七巧板图形识别方法可以显示多种图案,让玩家拼凑,并检验拼凑图形与显示图形的相似性。
3、容错性,考虑玩家基本上都是儿童,对于拼凑的图形可能不会非常精准,因此本发明提出的七巧板图形识别方法增加了容错措施,不要求玩家非常精准地拼凑出显示图像,能够在角度为相对位置上提供容错空间。
4、可扩展性,本发明提出的七巧板图形识别方法不限制七巧板的套数,可以同时使用多套类型相同的七巧板进行游戏,而不影响识别效果。
附图说明
图1是本实施例中基于图像处理的七巧板图形识别系统结构图;
图2是七巧板样式图;
图3是七巧板各图形板块的最小外接矩形及几何角度的处理示意图;
图4是模糊定位算法流程;
图5是本实施例公开的基于图像处理的七巧板图形识别方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
本实施例公开了一种基于图像处理的七巧板图形识别方法,具体请参见图5,图5是本实施例中公开的一种基于图像处理的七巧板图形识别方法的流程图。
基于图像处理的七巧板图形识别系统结构图如附图1所示,其中1为摄像头,2为图像背景板,3为摄像头支架,4为交互显示装置,5为图像识别处理装置,6为七巧板。
该基于图像处理的七巧板图形识别系统包括:摄像头、图像背景板、摄像头支架、交互显示装置、图像识别处理装置、七巧板。
所述摄像头支架的一端固定在所述图像背景板上,另一端用于固定摄像头。所述七巧板放置于所述图像背景板上,所述摄像头设置于所述图像背景板的侧上方,用于采集位于所述图像背景板上的所述七巧板的图形。
适当调整所述摄像头的高度以及拍摄角度,以便于可以整体采集所述图像背景板上的七巧板上的图形为准。
所述摄像头采集的图像信号通过数据连接线传递给所述图像识别处理装置,所述图像识别处理装置对图像信号中的七巧板图形进行识别处理,并通过数据连接线传递图形显示信号给所述交互显示装置。
所述交互显示装置用于与用户互动,进行七巧板图形显示以及图形对比。
传统的七巧板结构如图2所示,本发明采用同样的七巧板结构,包括2个大三角形,1个中三角形,2个小三角形,1个正方形,1个平行四边形。
具体应用中,本发明公开的七巧板图形识别方法及系统同时支持若干套七巧板图形的识别处理。
如图5所示,本实施例公开的一种基于图像处理的七巧板图形识别方法,具体包括以下步骤:
S1、通过摄像头采集图像背景板上的七巧板各图形板块的图像信息。
具体应用中,通过图像背景板上方的摄像头采集放置于图像背景板上的七巧板各图形板块的图像信息。
S2、根据图像背景板的背景色和七巧板颜色对图像进行二值化处理。
S3、识别七巧板各图形板块的几何属性,所述几何属性包括:a)中心坐标位置(x,y)、b)几何形状、c)几何角度、d)顶点关系。
所述七巧板的几何形状包括:大三角形、中三角形、小三角形、正方形和平行四边形。
所述七巧板的顶点关系的设置规定如下:顶点以1至4依次进行编号,最高顶点为1,顺时针方向递增。
具体应用中,该步骤S3具体包括以下子步骤:
S31、采用边缘检测技术获取七巧板各图形板块的边缘轮廓长度;
该步骤中,进行边缘检测,获取七巧板的边缘轮廓长度,并祛除边缘长度不满足条件的边缘。
S32、根据边缘轮廓长度参照七巧板各图形板块的周长标准对七巧板各图形板块的几何形状进行初次识别;
对于不同的几何形状,其识别方式非常相似,都可以根据其周长的情况来进行初次判别,这样可以减少程序的计算量,缩短计算时间,简化程序设计,并且能够保证识别精度。
各几何图形的周长关系如下表1.1所示,假设附图2外接正方形的边长为4。
表1.1几何图形的周长关系
Figure BDA0001071754710000061
由上表可知除中三角形和平行四边形的周长相同之外,其他形状在周长上都具有明显差异。故初次识别可以识别除中三角形和平行四边形之外的七巧板的其它几何形状。可识别的几何形状包括:大三角形、小三角形和正方形。
S33、构造七巧板各图形板块的最小外接矩形,对七巧板的几何形状进行二次识别;
为了进一步区分中三角形和平行四边形并求出图形的其他属性,按照附图3的方式求图形的最小外接矩形。根据最小外接矩形的长宽比,可以对七巧板的几何形状进行二次区分,二次区分用于区分识别几何形状中三角形和平行四边形。中三角形和平行四边形的长宽比如表1.2所示。
表1.2中三角形和平行四边形的长宽比
图形 长宽比
中三角形最小外接矩形 1:1
平行四边形最小外接矩形 3:1
S34、通过七巧板各图形板块的最小外接矩形,获取七巧板各图形的中心坐标位置(x,y)、几何角度以及顶点关系。
该步骤具体过程如下:
求取七巧板各图形的最小外接矩形的中心坐标位置(x,y),如附图3中的黑点所示,根据最小外接矩形中心可以找到个图形的相对位置关系,同时通过OPENCV函数库可以方便地求取最小外接矩形的角度,如附图3中的最后一个图形所示。
对于角度可以进行模糊处理,其模糊函数如下:
Figure BDA0001071754710000071
最后获得七巧板各图形板块的几何属性,包括:
a)中心坐标位置(x,y)
b)几何形状(1~5,分别对应5种形状)
c)几何角度
d)顶点关系(1~4以最高顶点为1,顺时针方向递增)
对于平行四边性,由于其不具有对称性,因此还需要判断其方向,通过其最小外接矩形的相邻两个顶点,判断是否在平行四边形的边缘上,必然是其中一个在,而另一个不在,而根据这两个顶点在最小外接矩形中的位置,可以知道其顶点关系。
对于三角形,可以检测四个顶点,必然有一个不在边缘上,因此也可以判断出其顶点关系。
S4、采用模糊定位算法确定七巧板各图形板块的相对位置状态;
获得所有七巧板图形的几何属性之后,由于人工摆放的关系,各图形很难是标准图形,为了识别出整个图形的信息,需要对图形进行模糊定位。
其模糊定位的流程如附图4所示。
首先,找到坐标位置中y轴对应值最小的一个,对应为最顶上的一个,设其值为y0,然后,确定模糊范围[y0,y0+n],如果有板块的y轴坐标位于该范围内,则修改其y轴坐标为y0,并将范围内的所有板块标记为已检测板块,对未检测板块按照同样的方法进行模糊定位。
S5、对七巧板各图形板块按照位置关系进行排序,得到七巧板各图形板块的相对坐标,然后结合七巧板各图形板块的几何属性中的几何形状、几何角度以及顶点关系形成两组特征向量。
特征排序,对模糊定位后的图形,按从上到下,从左到右的顺序进行排序,然后将其对应坐标位置与第一个板块的坐标相减,从而得到相对坐标,其中第一个板块的相对坐标变为(0,0),最后结合几何属性中的几何形状、几何角度以及顶点关系总共四个属性构造两组特征向量,其中,第一特征向量包括七巧板板块顺序、几何形状以及顶点关系,第二特征向量包括七巧板板块顺序、相对坐标以及几何角度。格式如表1.3和表1.4所示。
表1.3第一特征向量格式
Figure BDA0001071754710000081
表1.4第二特征向量格式
Figure BDA0001071754710000082
同时将两个特征向量作为图形的存储格式,标记一种图形。
S6、图形匹配判断,首先比较第一特征向量,如果第一特征向量完全相同,则再比较第二特征向量,如果两个特征向量的欧氏距离小于判断阀值M,则可以判断两个图形相同;如果两个向量的欧氏距离大于等于判断阀值M,则可以判断两个图形不相同,并输出匹配结果。
综上所述,本发明公开的一种基于图像处理的七巧板图形识别方法,首先通过摄像头采集图像信息,然后根据背景色与七巧板颜色的差异关系,对图像进行二值化处理,然后通过边缘检测,得到所有边缘信息,去除周长不符合的边缘信息,根据周长信息,对图形进行初次识别,然后构造最小外接矩形,得到各板块的几何属性,然后根据模糊定位算法得到调整y轴坐标,生成两组特征向量,最后与原始图形的特征向量进行两次匹配,输出匹配结果。
该图像识别方法使用传统的七巧板游戏模式,利用摄像头进行图像采集,采用数字图像技术对图形进行识别,并提供交互显示装置,可以显示图形和进行图形对比;采用边缘检测技术获取七巧板边缘轮廓信息,通过最小外接矩形和实际图形的关系确定图形中心位置,通过颜色和形状特征判断七巧板类型;采用模糊定位算法确定七巧板的相对位置状态,与给定状态进行对比判断拼凑图形与给定图形的相似关系,通过保存相对位置状态数据,可以实现对玩家自创图形的保存;通过相对位置状态对标准图形进行还原得到标准化后的原始图形;可以同时使用多套七巧板进行游戏,不影响识别和保存,扩展游戏的玩法,增加游戏的趣味性。
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 (10)

1.一种基于图像处理的七巧板图形识别方法,其特征在于,所述图形识别方法包括以下步骤:
S1、通过摄像头采集图像背景板上的七巧板各图形板块的图像信息;
S2、根据图像背景板的背景色和七巧板颜色对图像进行二值化处理;
S3、识别七巧板各图形板块的几何属性,所述几何属性包括:中心坐标位置(x,y)、几何形状、几何角度和顶点关系;
S4、采用模糊定位算法确定七巧板各图形板块的相对位置状态;
S5、对七巧板各图形板块按照位置关系进行排序,并得到七巧板各图形板块的相对坐标,然后结合七巧板各图形板块的几何属性中的几何形状、几何角度以及顶点关系形成第一特征向量和第二特征向量;
S6、图形匹配判断,首先比较第一特征向量,如果第一特征向量完全相同,则再比较第二特征向量,如果两个特征向量的欧氏距离小于判断阀值M,则判断两个图形相同;如果两个向量的欧氏距离大于等于判断阀值M,则判断两个图形不相同。
2.根据权利要求1所述的一种基于图像处理的七巧板图形识别方法,其特征在于,
所述几何形状包括:大三角形、中三角形、小三角形、正方形和平行四边形;
所述顶点关系的设置规定如下:顶点以1至4依次进行编号,最高顶点为1,顺时针方向递增。
3.根据权利要求2所述的一种基于图像处理的七巧板图形识别方法,其特征在于,所述步骤S3具体包括:
S31、采用边缘检测技术获取七巧板各图形板块的边缘轮廓长度;
S32、根据所述边缘轮廓长度参照七巧板各图形板块的周长标准对七巧板各图形板块的几何形状进行初次识别;
S33、构造七巧板各图形板块的最小外接矩形,对七巧板的几何形状进行二次识别;
S34、通过所述七巧板各图形板块的最小外接矩形,获取七巧板各图形的中心坐标位置(x,y)、几何角度以及顶点关系。
4.根据权利要求3所述的一种基于图像处理的七巧板图形识别方法,其特征在于,所述步骤S32中对七巧板各图形板块的几何形状进行初次识别可区分的几何形状为大三角形、小三角形和正方形。
5.根据权利要求3所述的一种基于图像处理的七巧板图形识别方法,其特征在于,所述步骤S33中根据所述七巧板各图形板块的最小外接矩形的长宽比区分识别中三角形和平行四边形。
6.根据权利要求1所述的一种基于图像处理的七巧板图形识别方法,其特征在于,
所述第一特征向量包括七巧板板块顺序、几何形状以及顶点关系,所述第二特征向量包括七巧板板块顺序、相对坐标以及几何角度。
7.根据权利要求1所述的一种基于图像处理的七巧板图形识别方法,其特征在于,所述步骤S4中模糊定位算法具体如下:
首先,寻找七巧板板块坐标位置中y轴对应值最小的一个,对应为最顶上的一个,设其值为y0,然后,确定模糊范围[y0,y0+n],如果有七巧板板块的y轴坐标位于该范围内,则修改其y轴坐标为y0,并将范围内的所有板块标记为已检测板块,对未检测板块按照同样的方法进行模糊定位。
8.根据权利要求3所述的一种基于图像处理的七巧板图形识别方法,其特征在于,所述几何角度由OPENCV函数库通过求取最小外接矩形的角度获得。
9.根据权利要求8所述的一种基于图像处理的七巧板图形识别方法,其特征在于,
对所述最小外接矩形的角度进行模糊处理,其模糊函数如下:
Figure FDA0001071754700000021
10.根据权利要求1至9任一所述的一种基于图像处理的七巧板图形识别方法,其特征在于,所述图形识别方法支持同时处理多套七巧板。
CN201610644289.XA 2016-08-08 2016-08-08 一种基于图像处理的七巧板图形识别方法 Active CN106228195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610644289.XA CN106228195B (zh) 2016-08-08 2016-08-08 一种基于图像处理的七巧板图形识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610644289.XA CN106228195B (zh) 2016-08-08 2016-08-08 一种基于图像处理的七巧板图形识别方法

Publications (2)

Publication Number Publication Date
CN106228195A CN106228195A (zh) 2016-12-14
CN106228195B true CN106228195B (zh) 2022-11-18

Family

ID=57547775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610644289.XA Active CN106228195B (zh) 2016-08-08 2016-08-08 一种基于图像处理的七巧板图形识别方法

Country Status (1)

Country Link
CN (1) CN106228195B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709959B (zh) * 2017-01-09 2019-12-17 成都极米科技股份有限公司 巧板识别方法、装置及电子设备
CN107185227B (zh) * 2017-06-23 2020-12-08 中乾智能(广州)教育科技有限公司 一种基于智能玩具实现互动七巧板游戏的方法
CN109453508A (zh) * 2018-10-29 2019-03-12 奇想空间(北京)教育科技有限公司 基于七巧板的游乐设备
CN110125940A (zh) * 2019-06-03 2019-08-16 上海贽桐机器人科技有限公司 基于视觉的工业机器人板块拼图方法和系统
CN110237524B (zh) * 2019-06-19 2023-06-02 深圳数联天下智能科技有限公司 物体摆放图形的确定方法及相关装置
CN110569907B (zh) * 2019-09-10 2022-03-04 网易(杭州)网络有限公司 拼接图形的识别方法及装置、计算机存储介质、电子设备
CN110909766B (zh) * 2019-10-29 2022-11-29 北京明略软件系统有限公司 相似度的确定方法及装置、存储介质、电子装置
CN114882255A (zh) * 2021-01-22 2022-08-09 北京字跳网络技术有限公司 图形处理方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992011911A1 (de) * 1991-01-08 1992-07-23 Klaus Dieter Pfeffer Verwandlungskörper
CN104680519A (zh) * 2015-02-06 2015-06-03 四川长虹电器股份有限公司 基于轮廓和颜色的七巧板识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992011911A1 (de) * 1991-01-08 1992-07-23 Klaus Dieter Pfeffer Verwandlungskörper
CN104680519A (zh) * 2015-02-06 2015-06-03 四川长虹电器股份有限公司 基于轮廓和颜色的七巧板识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"七巧板"与"勾股板"的简便制作原理、方法与运用;唐剑岚;《中小学电教》;20070405(第04期);全文 *
一种基于七巧板游戏的数字图像信息伪装方法;吴军等;《计算机应用》;20040628(第06期);全文 *

Also Published As

Publication number Publication date
CN106228195A (zh) 2016-12-14

Similar Documents

Publication Publication Date Title
CN106228195B (zh) 一种基于图像处理的七巧板图形识别方法
Ullman High-level vision: Object recognition and visual cognition
CN105930784B (zh) 一种手势识别方法
CN111243032A (zh) 一种棋盘格角点全自动检测方法
EP0559919B1 (en) Method for determining orientation of contour line segment in local area and for determining straight line and corner
EP1139270A2 (en) Method for computing the location and orientation of an object in three-dimensional space
CN110675487A (zh) 基于多角度二维人脸的三维人脸建模、识别方法及装置
US11030912B2 (en) Interactive Arabic alphabet blocks
CN106355592B (zh) 一种教育玩具套件及其电路元件和电线的识别方法
WO2018032626A1 (zh) 一种教育玩具套件及其数字识别方法
CN107545223B (zh) 图像识别方法及电子设备
CN107680154A (zh) 基于视图的体素几何参数提取方法
Lovett et al. Analogy with qualitative spatial representations can simulate solving Raven's Progressive Matrices
CN107185227B (zh) 一种基于智能玩具实现互动七巧板游戏的方法
CN110555438A (zh) 一种基础语言的机器辅助学习方法、终端设备、存储介质
JP4056891B2 (ja) 3次元位置・姿勢検出装置、方法、プログラムおよび記録媒体
CN109003257A (zh) 一种光学字符验证方法
Ibelaiden et al. Scene description from depth images for visually positioning
CN206115455U (zh) 一种基于图像处理的七巧板图形识别系统
Chang et al. Describing the geometric difference of architectural forms in three primary shapes of circle, triangle and square
Li et al. A multi-angle shape descriptor with the distance ratio to vertical bounding rectangles
Lima et al. Rgb-d based detection of texture-less planar objects applied to an ar jigsaw puzzle
Wang et al. A novel cross-circular coded target for photogrammetry
Wang et al. Pose estimation based on pnp algorithm for the racket of table tennis robot
CN115580716B (zh) 一种基于实物模块的投影画面输出方法、系统及设备

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
GR01 Patent grant
GR01 Patent grant