CN106570877A - 基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法 - Google Patents
基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法 Download PDFInfo
- Publication number
- CN106570877A CN106570877A CN201610957191.XA CN201610957191A CN106570877A CN 106570877 A CN106570877 A CN 106570877A CN 201610957191 A CN201610957191 A CN 201610957191A CN 106570877 A CN106570877 A CN 106570877A
- Authority
- CN
- China
- Prior art keywords
- coal
- winning machine
- virtual
- image
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000003245 coal Substances 0.000 title claims abstract description 20
- 238000005065 mining Methods 0.000 title claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000003709 image segmentation Methods 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 17
- 230000004807 localization Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000002146 bilateral effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000003064 k means clustering Methods 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法，该系统首先通过采煤机三维建模，生成虚拟采煤机立体图像；利用摄像机拍摄真实采煤机立体图像；基于K‑means均值聚类进行采煤机图像分割；利用分割得到的采煤机图像进行边缘检测，提取采煤机的边缘特征点；基于边缘特征的图像配准方法，进行比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；最后基于图像配准结果，实现虚拟采煤机位姿定位和修正。本发明综合了虚拟现实技术、图像边缘检测技术和图像配准技术等，改变了传统的采煤机定位方式，实现了采煤机位姿定位的高精度和自动化。
Description
技术领域
本发明涉及一种虚拟现实采煤机定位方法及系统，尤其涉及一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及定位方法。
背景技术
采煤机位姿定位是实现自动割煤的关键技术，因此实现采煤机位姿定位非常必要。目前用于采煤机位姿定位的齿轮计数、红外对射、捷联惯导等方法都存在着一定的问题。视觉测量是指根据摄像机获得的图像视觉信息对目标的位置和姿态进行测量的技术。其原理是通过摄像机获取的周围景物的图像，利用景物中一些自然的或者是人造的特征，通过图像处理方法得到周围环境模型来实现位置确定。因此利用视觉测量技术，利用视觉测量特征点中的局部特征识别，借助设备结构尺寸，获得设备全局位姿数据，对于大采高，或者薄煤层工作面的采煤机位姿定位尤为重要。可以在不安装传感器的状况下对采煤机位姿进行快速准确的测量，进而基于虚拟现实技术实现虚拟采煤机位姿的定位与修正，从而实现对采煤机的自动控制。因此，利用视觉测量技术和虚拟现实技术实现采煤机位姿定位是实现采煤机自动控制的一种新方法。
目前,采用视觉测量技术实现采煤机位姿定位,国内尚属先例，因此研究实际工况中基于视觉测量技术和虚拟现实技术实现采煤机位姿的定位与修正，对于实现采煤机自动控制具有非常重要的实用价值。
发明内容
本发明的目的是克服上述现有技术的不足，综合虚拟现实技术、自动化控制技术，提出一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及定位方法，能实现采煤机高精度、自动化的虚拟现实采煤机定位方法及系统。
本发明的技术方案是：一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统，其特征在于：系统包括摄像机、基于采煤机虚拟样机与真实图像配准的采煤机位姿定位平台。
所述的摄像机，用以采集采煤机视频图像；
所述的基于采煤机虚拟样机与真实图像配准的采煤机位姿定位平台包括虚拟采煤机立体图像三维建模模块、采煤机视频图像采集模块、图像分割模块、边缘特征提取模块、图像配准模块、虚拟采煤机位姿定位与修正模块；
所述的虚拟采煤机立体图像三维建模模块，是指通过采煤机三维建模，生成虚拟采煤机立体图像；
所述的采煤机视频图像采集模块，是指采用摄像机拍摄真实的采煤机立体图像；
所述的图像分割模块，是指基于K-means均值聚类进行采煤机图像分割；
所述的边缘特征提取模块，是指利用Canny边缘检测方法对分割得到的采煤机图像进行边缘检测，提取定位准确且具有区分度的边缘特征点；
所述的图像配准模块，是指基于边缘特征的图像配准方法，通过比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；
所述的虚拟采煤机位姿定位与修正模块，是指基于图像配准结果，修改虚拟采煤机位置坐标数据。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于包含如下步骤：
步骤一：通过采煤机三维建模，生成虚拟采煤机立体图像；
步骤二：利用摄像机拍摄真实采煤机立体图像并进行预处理；
步骤三：基于K-means均值聚类进行采煤机图像分割；
步骤四：利用分割得到的采煤机图像进行边缘检测，提取采煤机的边缘特征点；
步骤五：基于边缘特征的图像配准，进行比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；
步骤六：最后基于图像配准结果，修改虚拟采煤机位置坐标数据，实现虚拟采煤机位姿定位和修正。
其中步骤一采煤机三维建模的过程为：采用Quest3D建模方式，生成虚拟采煤机立体图像，并进行控制。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：采煤机图像预处理的过程为：
步骤(1)对采集的采煤机图像进行去噪，采用适用于采煤机图像的预处理算法双边滤波，可以有效的消除采煤机图像噪声；
步骤(2)对去噪后的采煤机图像进行分段线性变换，增强采煤机和背景的对比度。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：采煤机边缘提取的过程为：
步骤(1)从预处理得到的采煤机视频图像像素数据样本中选取K个点作为聚类中心；
步骤(2)计算各个样本到聚类的距离，把样本归到离其最近的聚类中心所在的类；
步骤(3)计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心；
步骤(4)反复执行步骤(2)～步骤(4)，直到相邻两次的聚类中心没有任何变化，采煤机视频图像聚类分割结束。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：利用分割得到的采煤机图像进行边缘检测，提取采煤机的边缘特征点的过程为；
利用Canny边缘检测方法对分割得到的采煤机图像进行边缘检测，提取定位准确且具有区分度的边缘特征点。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：基于边缘特征的图像配准过程为：
步骤(1)对两幅图像中的所提取的特征点进行匹配；
步骤(2)选择几何变换模型并且根据匹配特征对估计出变换参数；
步骤(3)根据估计出的变换参数对输入图像实行坐标变换；对于变换后不为整数的图像坐标，利用插值技术进行灰度插值；
步骤(4)通过计算得到的变换关系，对虚拟采煤机立体图像与真实采煤机立体图像进行配准。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：虚拟采煤机位姿定位与修正的过程为：
基于图像配准结果，修改虚拟采煤机位置坐标数据，完成虚拟采煤机位姿的定位与修正。
本发明的有益效果是,能够实现采煤机虚拟样机与真实图像的配准,为采煤机虚拟样机的位姿自动定位和修正提供必要的技术支持,具有显著的经济效益和较高的工程应用价值。
附图说明
图1是采煤机位姿定位方法流程图。
具体实施方式
本发明提供一种用于煤矿开采的基于虚拟现实的采煤机位姿定位系统，以采煤机为研究对象，以图像边缘检测技术和图像配准技术为核心，以现代优化设计为基础，以仿真、实验为主要手段，研制基于虚拟现实的采煤机位姿定位方法及系统。内容包括采煤机及场景模型的建立、图像信息的采集、模型与采煤机视频信息的图像配准。
一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统，其特征在于：系统包括摄像机、基于采煤机虚拟样机与真实图像配准的采煤机位姿定位平台。
所述的摄像机，用以采集采煤机视频图像；
所述的基于采煤机虚拟样机与真实图像配准的采煤机位姿定位平台包括虚拟采煤机立体图像三维建模模块、采煤机视频图像采集模块、图像分割模块、边缘特征提取模块、图像配准模块、虚拟采煤机位姿定位与修正模块；
所述的虚拟采煤机立体图像三维建模模块，是指通过采煤机三维建模，生成虚拟采煤机立体图像；
所述的采煤机视频图像采集模块，是指采用摄像机拍摄真实的采煤机立体图像；
所述的图像分割模块，是指基于K-means均值聚类进行采煤机图像分割；
所述的边缘特征提取模块，是指利用Canny边缘检测方法对分割得到的采煤机图像进行边缘检测，提取定位准确且具有区分度的边缘特征点。
所述的图像配准模块，是指基于边缘特征的图像配准方法，通过比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；
所述的虚拟采煤机位姿定位与修正模块，是指基于图像配准结果，修改虚拟采煤机位置坐标数据。
如图1所示，一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，包括以下步骤：
步骤一：通过采煤机三维建模，生成虚拟采煤机立体图像；
步骤二：利用摄像机拍摄真实采煤机立体图像并进行预处理；
步骤三：基于K-means均值聚类进行采煤机图像分割；
步骤四：利用分割得到的采煤机图像进行边缘检测，提取采煤机的边缘特征点；
步骤五：基于边缘特征的图像配准，进行比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；
步骤六：最后基于图像配准结果，修改虚拟采煤机位置坐标数据，实现虚拟采煤机位姿定位和修正。
其中步骤一采煤机三维建模的过程为：采用Quest3D建模方式，生成虚拟采煤机立体图像，并进行控制。
其中采煤机边缘提取的过程为：
步骤(1)对采集的采煤机图像进行预处理，从预处理得到的采煤机视频图像像素数据样本中选取K个点作为聚类中心；
步骤(2)计算各个样本到聚类的距离，把样本归到离其最近的聚类中心所在的类；
步骤(3)计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心；
步骤(4)反复执行步骤(2)～步骤(4)，直到相邻两次的聚类中心没有任何变化，采煤机视频图像聚类分割结束。
其中采煤机边缘特征点提取的过程为：
利用Canny边缘检测方法对分割得到的采煤机图像进行边缘检测，提取定位准确且具有区分度的边缘特征点。
其中基于边缘特征的图像配准过程为：
步骤(1)对两幅图像中的所提取的特征点进行匹配；
步骤(2)选择几何变换模型并且根据匹配特征对估计出变换参数；
步骤(3)根据估计出的变换参数对输入图像实行坐标变换；对于变换后不为整数的图像坐标，利用插值技术进行灰度插值；
步骤(4)通过计算得到的变换关系，对虚拟采煤机立体图像与真实采煤机立体图像进行配准。
其中虚拟采煤机位姿定位与修正的过程为：
基于图像配准结果，修改虚拟采煤机位置坐标数据，完成虚拟采煤机位姿的定位与修正。
本方法能够自动定位和修正采煤机虚拟样机位姿，为煤矿井下采煤机虚拟远程控制提供必要的技术支持，对于保障采煤机安全运行有着重要的意义。
以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于包含如下步骤：
步骤一：通过采煤机三维建模，生成虚拟采煤机立体图像；
步骤二：利用摄像机拍摄真实采煤机立体图像并进行预处理；
步骤三：基于K-means均值聚类进行采煤机图像分割；
步骤四：利用分割得到的采煤机图像进行边缘检测，提取采煤机的边缘特征点；
步骤五：基于边缘特征的图像配准，进行比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；
步骤六：最后基于图像配准结果，修改虚拟采煤机位置坐标数据，实现虚拟采煤机位姿定位和修正。
2.根据权利要求1所述的一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：步骤一采煤机三维建模的过程为：
采用Quest3D建模方式，生成虚拟采煤机立体图像，并进行控制。
3.根据权利要求1所述的一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：步骤二采煤机图像预处理的过程为：
步骤(1)对采集的采煤机图像进行去噪，采用适用于采煤机图像的预处理算法双边滤波，可以有效的消除采煤机图像噪声；
步骤(2)对去噪后的采煤机图像进行分段线性变换，增强采煤机和背景的对比度。
4.根据权利要求1所述的一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：步骤三采煤机图像分割的过程为：
步骤(1)、从预处理得到的采煤机视频图像像素数据样本中选取K个点作为聚类中心；
步骤(2)、计算各个样本到聚类的距离，把样本归到离其最近的聚类中心所在的类；
步骤(3)、计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心；
步骤(4)、反复执行步骤(2)～步骤(4)，直到相邻两次的聚类中心没有任何变化，采煤机视频图像聚类分割结束。
5.根据权利要求1所述的一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：步骤四利用分割得到的采煤机图像进行边缘检测，提取采煤机的边缘特征点的过程为；
步骤(1)利用Canny边缘检测方法对分割得到的采煤机图像进行边缘检测；
步骤(2)提取定位准确且具有区分度的边缘特征点。
6.根据权利要求1所述的一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：步骤五基于边缘特征的图像配准过程为：
步骤(1)、对两幅图像中的所提取的特征点进行匹配；
步骤(2)、选择几何变换模型并且根据匹配特征对估计出变换参数；
步骤(3)、根据估计出的变换参数对输入图像实行坐标变换；对于变换后不为整数的图像坐标，利用插值技术进行灰度插值；
步骤(4)、通过计算得到的变换关系，对虚拟采煤机立体图像与真实采煤机立体图像进行配准。
7.根据权利要求1所述的一种基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法，其特征在于：步骤六虚拟采煤机位姿定位与修正的过程为：
基于图像配准结果，修改虚拟采煤机位置坐标数据，完成虚拟采煤机位姿的定位与修正。
8.根据权利要求1所述的基于采煤机虚拟样机与真实图像配准的采煤机位姿定位方法的定位系统，其特征在于：定位系统包括摄像机、基于采煤机虚拟样机与真实图像配准的采煤机位姿定位平台，
所述的摄像机，用以采集采煤机视频图像；
所述的基于采煤机虚拟样机与真实图像配准的采煤机位姿定位平台包括虚拟采煤机立体图像三维建模模块、采煤机视频图像采集模块、图像分割模块、边缘特征提取模块、图像配准模块、虚拟采煤机位姿定位与修正模块；
所述的虚拟采煤机立体图像三维建模模块，是指通过采煤机三维建模，生成虚拟采煤机立体图像；
所述的采煤机视频图像采集模块，是指采用摄像机拍摄真实的采煤机立体图像；
所述的图像分割模块，是指基于K-means均值聚类进行采煤机图像分割；
所述的边缘特征提取模块，是指利用Canny边缘检测方法对分割得到的采煤机图像进行边缘检测，提取定位准确且具有区分度的边缘特征点；
所述的图像配准模块，是指基于边缘特征的图像配准方法，通过比例变换和位置校准，使虚拟采煤机立体图像与真实采煤机立体图像配准；
所述的虚拟采煤机位姿定位与修正模块，是指基于图像配准结果，修改虚拟采煤机位置坐标数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610957191.XA CN106570877B (zh) | 2016-10-27 | 2016-10-27 | 基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610957191.XA CN106570877B (zh) | 2016-10-27 | 2016-10-27 | 基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106570877A true CN106570877A (zh) | 2017-04-19 |
| CN106570877B CN106570877B (zh) | 2017-12-05 |
Family
ID=58535494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610957191.XA Active CN106570877B (zh) | 2016-10-27 | 2016-10-27 | 基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106570877B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107423766A (zh) * | 2017-07-28 | 2017-12-01 | 江苏大学 | 一种混联式汽车电泳涂装输送机构末端运动位姿检测方法 |
| CN108827220A (zh) * | 2018-04-27 | 2018-11-16 | 西安科技大学 | 一种基于捷联惯导的煤矿综采工作面直线度检测方法 |
| CN114322775A (zh) * | 2022-01-06 | 2022-04-12 | 深圳威洛博机器人有限公司 | 一种机器人视觉定位系统及视觉定位方法 |
| CN114612537A (zh) * | 2022-03-29 | 2022-06-10 | 新智认知数据服务有限公司 | 数字孪生图像与真实图像配准方法、设备及可读存储介质 |
| CN117853933A (zh) * | 2024-03-07 | 2024-04-09 | 山东矿通智能装备有限公司 | 一种用于露天煤矿开采的煤层识别方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101320473A (zh) * | 2008-07-01 | 2008-12-10 | 上海大学 | 自由多视角、实时的三维重建系统和方法 |
| CN102142153A (zh) * | 2010-01-28 | 2011-08-03 | 香港科技大学 | 基于图像的三维模型的重建模方法 |
| CN102375983A (zh) * | 2010-08-17 | 2012-03-14 | 上海宝康电子控制工程有限公司 | 基于面积匹配优化k-均值聚类算法的图像分割处理方法 |
| CN103485784A (zh) * | 2013-09-30 | 2014-01-01 | 西安科技大学 | 基于虚拟现实技术的采煤机远程操纵系统及远程控制方法 |
| CN103765880A (zh) * | 2011-09-12 | 2014-04-30 | 英特尔公司 | 局部化分割的图像的连网捕捉和三维显示 |
| CN103867205A (zh) * | 2014-03-11 | 2014-06-18 | 西安科技大学 | 一种掘进机远程控制系统及方法 |
| CN104778718A (zh) * | 2015-05-07 | 2015-07-15 | 西安电子科技大学 | 基于3d模型的单幅图像卡车体积测量方法 |
| CN205247153U (zh) * | 2015-12-28 | 2016-05-18 | 西安科技大学 | 一种用于工业设备虚拟操控系统的数据接口装置 |
-
2016
- 2016-10-27 CN CN201610957191.XA patent/CN106570877B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101320473A (zh) * | 2008-07-01 | 2008-12-10 | 上海大学 | 自由多视角、实时的三维重建系统和方法 |
| CN102142153A (zh) * | 2010-01-28 | 2011-08-03 | 香港科技大学 | 基于图像的三维模型的重建模方法 |
| CN102375983A (zh) * | 2010-08-17 | 2012-03-14 | 上海宝康电子控制工程有限公司 | 基于面积匹配优化k-均值聚类算法的图像分割处理方法 |
| CN103765880A (zh) * | 2011-09-12 | 2014-04-30 | 英特尔公司 | 局部化分割的图像的连网捕捉和三维显示 |
| US20140233847A1 (en) * | 2011-09-12 | 2014-08-21 | Joshua Ratcliff | Networked capture and 3d display of localized, segmented images |
| CN103485784A (zh) * | 2013-09-30 | 2014-01-01 | 西安科技大学 | 基于虚拟现实技术的采煤机远程操纵系统及远程控制方法 |
| CN103867205A (zh) * | 2014-03-11 | 2014-06-18 | 西安科技大学 | 一种掘进机远程控制系统及方法 |
| CN104778718A (zh) * | 2015-05-07 | 2015-07-15 | 西安电子科技大学 | 基于3d模型的单幅图像卡车体积测量方法 |
| CN205247153U (zh) * | 2015-12-28 | 2016-05-18 | 西安科技大学 | 一种用于工业设备虚拟操控系统的数据接口装置 |
Non-Patent Citations (2)
| Title |
|---|
| 吴海雁 等: "基于Quest3D和PLC的采煤机远程监控系统", 《工矿自动化》 * |
| 尚长春 等: "基于改进Canny算子的煤矿井下物体图像边缘检测方法研究", 《计算机工程与科学》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107423766A (zh) * | 2017-07-28 | 2017-12-01 | 江苏大学 | 一种混联式汽车电泳涂装输送机构末端运动位姿检测方法 |
| CN107423766B (zh) * | 2017-07-28 | 2020-07-31 | 江苏大学 | 一种混联式汽车电泳涂装输送机构末端运动位姿检测方法 |
| CN108827220A (zh) * | 2018-04-27 | 2018-11-16 | 西安科技大学 | 一种基于捷联惯导的煤矿综采工作面直线度检测方法 |
| CN114322775A (zh) * | 2022-01-06 | 2022-04-12 | 深圳威洛博机器人有限公司 | 一种机器人视觉定位系统及视觉定位方法 |
| CN114322775B (zh) * | 2022-01-06 | 2022-11-11 | 深圳威洛博机器人有限公司 | 一种机器人视觉定位系统及视觉定位方法 |
| CN114612537A (zh) * | 2022-03-29 | 2022-06-10 | 新智认知数据服务有限公司 | 数字孪生图像与真实图像配准方法、设备及可读存储介质 |
| CN117853933A (zh) * | 2024-03-07 | 2024-04-09 | 山东矿通智能装备有限公司 | 一种用于露天煤矿开采的煤层识别方法 |
| CN117853933B (zh) * | 2024-03-07 | 2024-05-17 | 山东矿通智能装备有限公司 | 一种用于露天煤矿开采的煤层识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106570877B (zh) | 2017-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106570877B (zh) | 基于采煤机虚拟样机与真实图像配准的采煤机位姿定位系统及方法 | |
| CN110264567B (zh) | 一种基于标记点的实时三维建模方法 | |
| CN107093205B (zh) | 一种基于无人机图像的三维空间建筑物窗户检测重建方法 | |
| CN111340797A (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
| CN104778721B (zh) | 一种双目图像中显著性目标的距离测量方法 | |
| CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
| CN107481315A (zh) | 一种基于Harris‑SIFT‑BRIEF算法的单目视觉三维环境重建方法 | |
| CN110334701B (zh) | 数字孪生环境下基于深度学习和多目视觉的数据采集方法 | |
| CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
| CN106780484A (zh) | 基于卷积神经网络特征描述子的机器人帧间位姿估计方法 | |
| CN113850865A (zh) | 一种基于双目视觉的人体姿态定位方法、系统和存储介质 | |
| CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
| CN111127556B (zh) | 基于3d视觉的目标物体识别和位姿估算方法以及装置 | |
| CN111340834B (zh) | 基于激光雷达和双目相机数据融合的衬板装配系统及方法 | |
| CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
| CN110263794B (zh) | 基于数据增强的目标识别模型的训练方法 | |
| CN107097256B (zh) | 基于视觉非完整机器人在极坐标下的无模型目标跟踪方法 | |
| CN108921120A (zh) | 一种适应广泛零售场景下的香烟识别方法 | |
| CN115619738A (zh) | 一种模组侧缝焊焊后检测方法 | |
| CN111260609A (zh) | 一种基于深度学习的烟支外观缺陷检测方法 | |
| CN113920142A (zh) | 一种基于深度学习的分拣机械手多物体分拣方法 | |
| CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
| CN104166995B (zh) | 一种基于马步测度的Harris‑SIFT双目视觉定位方法 | |
| CN110851978A (zh) | 一种基于可见性的摄像机位置优化方法 | |
| CN110348344A (zh) | 一种基于二维和三维融合的特殊人脸表情识别的方法 |
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 |