CN106558071B - 一种获取人体关节信息的方法及终端 - Google Patents

一种获取人体关节信息的方法及终端 Download PDF

Info

Publication number
CN106558071B
CN106558071B CN201610990345.5A CN201610990345A CN106558071B CN 106558071 B CN106558071 B CN 106558071B CN 201610990345 A CN201610990345 A CN 201610990345A CN 106558071 B CN106558071 B CN 106558071B
Authority
CN
China
Prior art keywords
person
taken
human body
node
human
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
CN201610990345.5A
Other languages
English (en)
Other versions
CN106558071A (zh
Inventor
张昊华
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.)
Beijing New Action Technology Co.,Ltd.
Original Assignee
张昊华
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 张昊华 filed Critical 张昊华
Priority to CN201610990345.5A priority Critical patent/CN106558071B/zh
Publication of CN106558071A publication Critical patent/CN106558071A/zh
Application granted granted Critical
Publication of CN106558071B publication Critical patent/CN106558071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种获取人体关节信息的方法及终端，该方法包括：获取被拍摄者在执行预定动作时的RGBD图像；根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节节点信息。本发明实施例的获取方法能够得到人体关键关节节点位置的最优估计，实现更高精度和高效率的测量。

Description

一种获取人体关节信息的方法及终端
技术领域
本发明涉及计算机视觉感知领域，尤其涉及一种获取人体关节信息的方法及终端。
背景技术
骨科医疗诊断中，人体的关节信息(例如关节角度)往往起着很重要的作用。而现有的关节信息的获取方法通常是由医务人员进行目测并定性判断，对于少量关节则通过专用卡尺做粗略测量。
然而，这些传统的关节信息获取方法，所获得的测量结果往往不够精确，同时由于人体外轮廓的影响，造成关节信息与真实情况还会有额外的偏差。此外，在关节的动态活动过程中，目测的方法并不能保证医务人员可以准确捕捉到所有时域节点上的关节角度信息。
发明内容
本发明提供一种获取人体关节信息的方法及终端，解决现有技术中获取的关节信息不够精确的问题。
第一方面，本发明提供一种获取人体关节信息的方法，包括：
获取被拍摄者在执行预定动作时的RGBD图像；
根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节节点信息。
可选地，根据人体点云数据和获取的所述RGBD图像，计算出被拍摄者的人体关节运动信息，包括以下步骤：
将所述被拍摄者的人体图像从所述RGBD图像中分离出来；
利用预设的决策树分类器定位人体图像中的被拍摄者的各个部位；
根据确定的被拍摄者的各个部位和人体点云数据，确定被拍摄者的人体关节节点信息。
可选地，根据人体点云数据和获取的所述RGBD图像，计算出被拍摄者的人体关节运动信息，还包括以下步骤：
根据确定的被拍摄者的人体关节节点信息，采取霍夫变化的方式对髋关节选择中心进行重定位。
第二方面，本发明还提供了一种获取人体关节信息的终端，包括：
获取模块：用于获取被拍摄者在执行预定动作时的RGBD图像；
处理模块：根据人体点云数据和获取的RGBD图像，计算出被拍摄者的人体关节节点信息。
综上所述，本发明通过获取被拍摄者在执行预定动作时的RGBD图像以及根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节节点信息，能够获取人体关键关节节点位置的最优估计，实现了更高精度和高效率的测量。
附图说明
图1为本发明实施例的一种获取人体关节信息的方法的流程图；
图2为本发明实施例的另一种获取人体关节信息的方法的流程图；
图3为本发明实施例的另一种获取人体关节信息的方法的流程图；
图4为本发明实施例的人体蒙板图；
图5为本发明实施例的膝关节定位图；
图6为本发明实施例的人体关节节点骨架图；
图7为本发明实施例的一种获取人体关节信息的终端的结构图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
第一实施例
参见图1，图1中示出了一种获取人体关节信息的方法的流程，包括以下步骤：
步骤101、获取被拍摄者在执行预定动作时的RGBD图像。
本实施例中，可以通过深度摄像机拍摄被拍摄者在执行预定动作时的 RGBD图像，例如kinect深度摄像机。
本实施例中，为获取精确良好的人体关节信息，对拍摄场地的光照、室温、场地规模以及相机放置进行了详细规范，具体要求为：拍摄场地需避免阳光直射以及避免放置室内取暖器一类热源，拍摄场地的规模应至少4平方米，拍摄场地需保持RGBD相机与被拍摄者之间空旷无遮挡，RGBD相机放置高度约为1.2米(当然也可以根据被拍摄者的身高进行调整)。其中，RGBD图像是指颜色深度图像，包含颜色信息(Red Green Blue，红绿蓝)和距离信息。
本实施例中，被拍摄者需要执行预定动作，上述预定动作是指对执行动作以及站位的规范，具体为：RGBD相机距离被拍摄者的距离为2.5～3米，被拍摄者执行相关动作时尽量使被测关节面向摄像机，避免肢体遮挡。
步骤102、根据人体点云数据和获取的RGBD图像，计算出被拍摄者的人体关节节点信息。
本实施例中，上述人体点云数据是指通过计算机视觉感知技术进行三维测量而获取的人体三维点的集合。获取的RGBD图像与人体模型进行配准，进而计算被拍摄者的人体关节节点信息。
综上所述，通过获取被拍摄者在执行预定动作时的RGBD图像以及根据人体点云数据和获取的RGBD图像，计算出被拍摄者的人体关节节点信息，能够获取人体关键关节节点位置的最优估计，整个过程无需人工干预，具有高精度和高效率。
第二实施例
参见图2，图2示出了另一种获取人体关节信息的方法的流程，包括以下步骤：
步骤201、获取被拍摄者在执行预定动作时的RGBD图像。
本实施例中，可以通过深度摄像机拍摄被拍摄者在执行预定动作时的 RGBD图像，例如kinect深度摄像机。
本实施例中，为获取精确良好的人体关节信息，对拍摄场地的光照、室温、场地规模以及相机放置进行了详细规范，具体要求为：拍摄场地需避免阳光直射以及避免放置室内取暖器一类热源，拍摄场地的规模应至少4平方米，拍摄场地需保持RGBD相机与被拍摄者之间空旷无遮挡，RGBD相机放置高度约为1.2米(当然也可以根据被拍摄者的身高进行调整)。其中，RGBD图像是指颜色深度图像，包含颜色信息(Red Green Blue，红绿蓝)和距离信息。
本实施例中，被拍摄者需要执行预定动作，上述预定动作是指对执行动作以及站位的规范，具体为：RGBD相机距离被拍摄者的距离为2.5～3米，被拍摄者执行相关动作时尽量使被测关节面向摄像机，避免肢体遮挡。
步骤202、将被拍摄者的人体图像从RGBD图像中分离出来。
本实施例中，利用图像分隔技术构建模板，分隔深度图像中的人体与背景。
其中，m(x，y)为得到的模板，(x，y)为像素在图中的位置，f(x，y)为像素特征，T为定义阈值，m(x，y)＝1的位置标示人体。
步骤203、利用预设的决策树分类器定位所述人体图像中的所述被拍摄者的各个部位。
本实施例中，决策树分类器进行了像素偏移特征(i，j)的预设，具体为：
其中，gα(p)为像素p处的特征值，(i，j)为需要预设的一对偏移特征，d(p) 为像素p处的深度值。
步骤204、根据确定的所述被拍摄者的各个部位和人体点云数据，确定所述被拍摄者的人体关节节点信息。
本实施例中，根据确定的所述被拍摄者的各个部位和人体点云数据，通过步骤203中对人体部位的定位，基于关节节点位于人体轮廓线中轴线的假设，将人体关节节点进行定位。然后，结合医学上人体关节在所在部位所处位置的正常占比，再对部分关节位置的定位进行偏置处理，获取真正准确适合于骨科医疗诊断的人体关节信息。
本实施例中，在定位过程中，为避免单个摄像头拍摄时的遮挡问题，采用多摄像头交叉标定拍摄，这种多角度多位置的配准方法，可以有效解决遮挡问题，获得精确的关节信息。
综上所述，本实施例通过获取被拍摄者在执行预定动作时的RGBD图像以及根据人体点云数据和获取的RGBD图像，计算出被拍摄者的人体关节节点信息，在人体关节节点定位时采用预偏置以及多位置配准等计算，使得获取的关节信息更加精确。
第三实施例
参见图3，图3示出了另一种获取人体关节信息的方法的流程图，包括以下步骤：
步骤301、获取被拍摄者在执行预定动作时的RGBD图像。
步骤302、将被拍摄者的人体图像从RGBD图像中分离出来。
步骤303、利用预设的决策树分类器定位所述人体图像中的被拍摄者的各个部位。
步骤304、根据确定的所述被拍摄者的各个部位和人体点云数据，确定被拍摄者的人体关节节点信息。
步骤305、根据确定的被拍摄者的人体关节节点信息，采取霍夫变化的方式对髋关节选择中心进行重定位。
本实施例中，因为在具体医疗应用中髋关节的特定需求，需要进行髋关节的重定位，进行校准。髋关节重定位包括以下具体步骤：
步骤3051、定位人体关节节点位置后，获取髋关节坐标作为原点。
本实施例中，通过步骤304得到被拍摄者的人体关节节点信息，将髋关节坐标作为原点。
步骤3052、接收多组膝关节的相对坐标。
本实施例中，人体关节随意运动，获得多种膝关节节点的相对坐标，在新的相对坐标系中，多组膝关节节点分布在以髋关节为旋转中心的一个球体上。
步骤3053、基于多组关节节点坐标的霍夫变换，得到重定位的髋关节坐标。
其中，j为相对坐标系中的膝关节节点，Γ为膝关节节点的集合，集合Ω＝(i|||i||1＜τα)，||i||1表示1-范数，是定义的相对坐标系中的矢量i的长度，τα为阈值，集合Ω中是预枚举的旋转中心坐标，Ni为枚举的矢量i的得分。
矢量i的长度也是指相对坐标系中坐标值i到坐标系原点的长度。
其中，d(i，j)为节点i与j之间的距离，λ为步骤304中节点位置的得到的参考膝髋距离，τb为阈值。
上述i都是表示髋关节节点在相对坐标系中的坐标值。
定义集合：
Φ＝{i∈Ω|Ni＞τc*Nimax}
其中，τc为比例值，Nimax为得分最大的节点imax的分值，则最终重定位旋转中心坐标节点为得分符合要求的一批节点坐标均值，即：
其中，即为所求的节点。
综上所述，本实施例通过获取被拍摄者在执行预定动作时的RGBD图像以及根据人体点云数据和获取的RGBD图像，计算出被拍摄者的人体关节节点信息，同时在髋关节选择中心进行了重定位，使得获取的髋关节节点信息更加精确，满足医疗诊断的要求。
第四实施例
参见图4～图6，图4～图6是获取人体关节节点信息方法的流程以及人体关节节点骨图。
步骤401、获取被拍摄者在执行预定动作时的RGBD图像。
步骤402、将所述被拍摄者的人体图像从RGBD图像中分离出来，参见图 4，分离后可以得到人体蒙板。
步骤403、利用预设的决策树分类器定位人体图像中的被拍摄者的各个部位，参见图5，定位后能够得到膝关节部位的点云数据。
步骤404、根据人体腿部的外轮廓线，定位膝关节节点位置。
本实施例中，通过步骤403的得到膝关节部位的点云数据的三维坐标，基于轮廓中轴线假设，初步将膝关节节点定位在中轴线上，然后根据医疗上膝关节节点位置正常占比的先验知识，对部分关节位置的定位进行偏置处理，参见图5，图中为最终得到的膝关节节点的位置坐标。
步骤405、对其他关节进行同样方式的定位处理。
步骤406、由于医疗上角度计算的需求，需要对髋关节节点进行重定位。
本实施例中，具体步骤为：通过步骤405定位人体关节节点位置后，以获取的髋关节坐标作为原点，然后接收多组膝关节的相对坐标，最后基于髋关节位于多组膝关节的相对坐标组成的球体的球心位置的原理，经过多组关节节点坐标的霍夫变换，得到重定位的髋关节坐标，最终得到图6所示的人体关节节点骨架图。
第五实施例
参加图7，本发明实施提供的一种获取人体关节信息终端的结构图，获取终端700包括：
获取模块701：用于获取被拍摄者在执行预定动作时的RGBD图像；
处理模块702：根据人体点云数据和获取的RGBD图像，计算出被拍摄者的人体关节节点信息。
其中，处理模块702包括：
分离单元7021：用于将被拍摄者的人体图像从RGBD图像中分离出来；
第一定位单元7022：利用预设的决策树分类器定位人体图像中的被拍摄者的各个部位；
第二定位单元7023：根据确定的被拍摄者的各个部位和人体点云数据，确定被拍摄者的人体关节节点信息。
可选地，处理模块702还包括：
第三定位单元7024：根据被拍摄者的人体关节节点信息，采取霍夫变化的方式对髋关节选择中心进行重定位。
可选地，第二定位单元7023包括：
初定位子单元70231：根据被拍摄者的各个部位的外轮廓线，将人体关节节点定位在轮廓中轴线上；
偏置处理子单元70232：根据医学上人体关节在所在部位所处位置的正常占比，校准人体关节节点坐标。
本发明实施例中，获取终端700通过获取模块701获取被拍摄者在执行预定动作时的RGBD图像，然后处理模块702根据人体点云数据和获取的RGBD 图像计算出被拍摄者的人体关节节点信息。该获取终端获取的人体关节信息更精确，能够长期稳定工作，可靠性高。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种获取人体关节节点信息的方法，其特征在于，包括：
获取被拍摄者在执行预定动作时的RGBD图像；
根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节节点信息；
所述根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节运动信息，包括：
将所述被拍摄者的人体图像从所述RGBD图像中分离出来；
利用预设的决策树分类器定位所述人体图像中的所述被拍摄者的各个部位；
根据确定的所述被拍摄者的各个部位和人体点云数据，确定所述被拍摄者的人体关节节点信息；
所述根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节运动信息，还包括：
根据确定的所述被拍摄者的人体关节节点信息，采取霍夫变化的方式对髋关节选择中心进行重定位；
所述采取霍夫变化的方式对髋关节选择中心进行重定位，包括：
通过如下方式对髋关节选择中心进行重定位：
其中，j为相对坐标系中的膝关节节点，Γ为膝关节节点的集合，集合Ω＝(i|||i||1＜τα)，||i||1表示1-范数，是定义的相对坐标系中的矢量i的长度，τα为阈值，集合Ω中是预枚举的旋转中心坐标，Ni为枚举的矢量i的得分；
其中，d(i，j)为节点i与j之间的距离，λ为之前得到的参考膝髋距离，τb为阈值；
定义集合：
Φ＝{i∈Ω|Ni＞τc*Nimax}
其中，τc为比例值，Nimax为得分最大的节点imax的分值，则最终重定位旋转中心坐标节点为得分符合要求的一批节点坐标均值，即：
其中，即为所求的节点。
2.根据权利要求1所述的方法，其特征在于，将所述被拍摄者的人体图像从所述RGBD图像中分离出来，包括：
利用图像分隔技术构建模板，分隔RGBD图像中的人体与背景；
其中，m(x，y)为得到的模板，(x，y)为像素在图像中的位置，f(x，y)为像素特征，T为定义阈值，m(x，y)＝1的位置表示人体。
3.根据权利要求1所述的方法，其特征在于，根据确定的所述被拍摄者的各个部位和人体点云数据，确定所述被拍摄者的人体关节节点信息，包括：
根据确定的所述被拍摄者的各个部位和人体点云数据，结合医学上人体关节在所在部位所处位置的正常占比，再对部分关节位置的定位进行偏置处理，获取真正准确适合于骨科医疗诊断的人体关节信息。
4.一种获取人体关节信息的终端，其特征在于，包括：
获取模块：用于获取被拍摄者在执行预定动作时的RGBD图像；
处理模块：根据人体点云数据和获取的所述RGBD图像，计算出所述被拍摄者的人体关节节点信息；
所述处理模块包括：
分离单元：用于将被拍摄者的人体图像从RGBD图像中分离出来；
第一定位单元：利用预设的决策树分类器定位所述人体图像中的所述被拍摄者的各个部位；
第二定位单元：根据确定的所述被拍摄者的各个部位和人体点云数据，确定所述被拍摄者的人体关节节点信息；
所述处理模块还包括：
第三定位单元，根据确定的所述被拍摄者的人体关节节点信息，采取霍夫变化的方式对髋关节选择中心进行重定位；
所述采取霍夫变化的方式对髋关节选择中心进行重定位，包括：
通过如下方式对髋关节选择中心进行重定位：
其中，j为相对坐标系中的膝关节节点，Γ为膝关节节点的集合，集合Ω＝(i|||i||1＜τα)，||i||1表示1-范数，是定义的相对坐标系中的矢量i的长度，τα为阈值，集合Ω中是预枚举的旋转中心坐标，Ni为枚举的矢量i的得分；
其中，d(i，j)为节点i与j之间的距离，λ为之前得到的参考膝髋距离，τb为阈值；
定义集合：
Φ＝{i∈Ω|Ni＞τc*Nimax}
其中，τc为比例值，Nimax为得分最大的节点imax的分值，则最终重定位旋转中心坐标节点为得分符合要求的一批节点坐标均值，即：
其中，即为所求的节点。
5.根据权利要求4所述获取人体关节信息的终端，其特征在于，所述第二定位单元包括：
初定位子单元：被拍摄者的各个部位的外轮廓线，将人体关节节点定位在轮廓中轴线上；
偏置处理子单元：通过医学上人体关节在所在部位所处位置的正常占比，校准人体关节节点坐标。
CN201610990345.5A 2016-11-10 2016-11-10 一种获取人体关节信息的方法及终端 Active CN106558071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610990345.5A CN106558071B (zh) 2016-11-10 2016-11-10 一种获取人体关节信息的方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610990345.5A CN106558071B (zh) 2016-11-10 2016-11-10 一种获取人体关节信息的方法及终端

Publications (2)

Publication Number Publication Date
CN106558071A CN106558071A (zh) 2017-04-05
CN106558071B true CN106558071B (zh) 2019-04-23

Family

ID=58444100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610990345.5A Active CN106558071B (zh) 2016-11-10 2016-11-10 一种获取人体关节信息的方法及终端

Country Status (1)

Country Link
CN (1) CN106558071B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108272513B (zh) * 2018-01-26 2021-03-16 智美康民(珠海)健康科技有限公司 临床定位方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413145A (zh) * 2013-08-23 2013-11-27 南京理工大学 基于深度图像的关节点定位方法
CN103824326A (zh) * 2014-03-05 2014-05-28 北京工业大学 一种动态的人体三维建模方法
US9047507B2 (en) * 2012-05-02 2015-06-02 Apple Inc. Upper-body skeleton extraction from depth maps
CN105787439A (zh) * 2016-02-04 2016-07-20 广州新节奏智能科技有限公司 一种基于卷积神经网络的深度图像人体关节定位方法
CN106022213A (zh) * 2016-05-04 2016-10-12 北方工业大学 一种基于三维骨骼信息的人体动作识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9047507B2 (en) * 2012-05-02 2015-06-02 Apple Inc. Upper-body skeleton extraction from depth maps
CN103413145A (zh) * 2013-08-23 2013-11-27 南京理工大学 基于深度图像的关节点定位方法
CN103824326A (zh) * 2014-03-05 2014-05-28 北京工业大学 一种动态的人体三维建模方法
CN105787439A (zh) * 2016-02-04 2016-07-20 广州新节奏智能科技有限公司 一种基于卷积神经网络的深度图像人体关节定位方法
CN106022213A (zh) * 2016-05-04 2016-10-12 北方工业大学 一种基于三维骨骼信息的人体动作识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于RGB彩色和深度信息的人体关节点定位;肖秦琨， 赵艳，高嵩;《国外电子测量技术》;20150228;第34卷(第2期);第27-30页

Also Published As

Publication number Publication date
CN106558071A (zh) 2017-04-05

Similar Documents

Publication Publication Date Title
CN110296691B (zh) 融合imu标定的双目立体视觉测量方法与系统
WO2018103407A1 (zh) 一种基于彩色立体标定物的无人机标定方法及系统
CN101352277B (zh) 用于脚部形状生成的方法和系统
CN108510551B (zh) 一种远距离大视场条件下相机参数的标定方法及系统
CN108717712A (zh) 一种基于地平面假设的视觉惯导slam方法
CN106920276B (zh) 一种三维重建方法和系统
CN107273846A (zh) 一种人体体型参数确定方法及装置
CN110617814A (zh) 单目视觉和惯性传感器融合的远距离测距系统及方法
CN104677277B (zh) 一种测量物体几何属性或距离的方法及系统
CN109522935A (zh) 一种对双目视觉测量系统的标定结果进行评价的方法
CN106228538A (zh) 基于logo的双目视觉室内定位方法
JP2017129567A (ja) 情報処理装置、情報処理方法、プログラム
CN106157322B (zh) 一种基于平面镜的像机安装位置标定方法
CN109163657A (zh) 一种基于双目视觉三维重建的圆形目标位姿检测方法
CN110440697A (zh) 纠正坐姿智能系统及方法
CN108921889A (zh) 一种基于扩增现实应用的室内三维定位方法
CN107403447A (zh) 深度图像获取方法
CN110675436A (zh) 基于3d特征点的激光雷达与立体视觉配准方法
CN108765495A (zh) 一种基于双目视觉检测技术的快速标定方法及系统
CN106558071B (zh) 一种获取人体关节信息的方法及终端
US11443486B2 (en) Mobile 3D body scanning methods and apparatus
CN112857328B (zh) 一种无标定摄影测量方法
CN109084959B (zh) 一种基于双目测距算法的光轴平行度校正方法
Liu et al. Real-time camera pose estimation via line tracking
Chen et al. Spatial localization of EEG electrodes in a TOF+ CCD camera system

Legal Events

Date Code Title Description
PB01 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
TR01 Transfer of patent right

Effective date of registration: 20210309

Address after: 100035 No. 31 East Xinjiekou street, Beijing, Xicheng District

Patentee after: BEIJING JISHUITAN Hospital

Address before: 1 xiangheyuan Road, Dongcheng District, Beijing 100028 momat5-2203

Patentee before: Zhang Haohua

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210803

Address after: 100035 No. 31 East Xinjiekou street, Beijing, Xicheng District

Patentee after: BEIJING JISHUITAN Hospital

Patentee after: Zhang Haohua

Address before: 100035 No. 31 East Xinjiekou street, Beijing, Xicheng District

Patentee before: BEIJING JISHUITAN Hospital

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220419

Address after: 101500 room 501-1529, office building, development zone, No. 8, Xingsheng South Road, economic development zone, Miyun District, Beijing

Patentee after: Beijing New Action Technology Co.,Ltd.

Address before: 100035 No. 31 East Xinjiekou street, Beijing, Xicheng District

Patentee before: BEIJING JISHUITAN Hospital

Patentee before: Zhang Haohua

TR01 Transfer of patent right