CN106709950A - 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 - Google Patents
一种基于双目视觉的巡线机器人跨越障碍导线定位方法 Download PDFInfo
- Publication number
- CN106709950A CN106709950A CN201611067416.0A CN201611067416A CN106709950A CN 106709950 A CN106709950 A CN 106709950A CN 201611067416 A CN201611067416 A CN 201611067416A CN 106709950 A CN106709950 A CN 106709950A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- value
- angle
- pixel
- 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
Classifications
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双目视觉的巡线机器人跨越障碍导线定位方法,具体按照以下步骤实施:步骤1:对左右摄像机均进行标定,获得内外参数并进行优化;步骤2:用标定好的左右摄像机采集现场输电导线图像,对左右摄像机采集到的图像分别进行预处理和特征提取;步骤3:对步骤2中处理后的目标图像对进行立体匹配;步骤4:根据步骤1中的摄像机标定和步骤3中的立体匹配结果计算得到导线上各个特征点的三维坐标,实现定位。本发明基于双目视觉的巡线机器人跨越障碍导线定位方法,采用双目立体视觉方法进行定位,提高了空间点的定位精度,能准确得到导线上特征点的三维位置信息,且可抗噪声。
Description
技术领域
本发明属于输电线路图像处理技术领域,具体涉及一种基于双目视觉的巡线机器人跨越障碍导线定位方法。
背景技术
输电线路是电力电网系统的重要组成部分,为了保障安全,要定期对输电线路进行巡检。我国地理复杂,有相当一部分架空输电线路建在森林、高山等地势复杂地带,人工巡检面临着很多问题,机器人巡检逐步得到一定应用。机器人在线路行走的关键技术也是难点技术是如何跨越跳线、间隔棒等障碍,其在越障过程中一只手臂悬挂于架空地线,而另一只手臂脱线跨越障碍后需要完成上线动作,上线过程中首先需要对输电导线空间位置进行定位,没有准确定位则会导致误动作甚至整体机器人掉落,如何实现机器人的导线定位对于机器人的可靠运行、推广应用具有重要的意义。
目前,空间物体三维检测的方法主要有单目视觉和双目立体视觉,单目视觉系统方便快捷,处理速度快,但在测量精度和抗噪性上与双目视觉系统有一定的差距。双目立体视觉技术直接模拟人类视觉处理景物的方式,具有系统结构简单、成本低、抗噪性强、效率高、空间定位准确等优点,非常适合于现场的在线、非接触产品检测和质量控制。
发明内容
本发明的目的是提供一种基于双目视觉的巡线机器人跨越障碍导线定位方法,解决了现有单目视觉系统测量精度不够和抗噪性差的问题。
本发明所采用的技术方案是,一种基于双目视觉的巡线机器人跨越障碍导线定位方法,具体按照以下步骤实施:
步骤1:对左右摄像机均进行标定,获得内外参数并进行优化;
步骤2:用标定好的左右摄像机采集现场输电导线图像,对左右摄像机采集到的图像分别进行预处理和特征提取;
步骤3:对步骤2中处理后的目标图像对进行立体匹配;
步骤4:根据步骤1中的摄像机标定和步骤3中的立体匹配结果计算得到导线上各个特征点的三维坐标,实现定位。
本发明的特点还在于:
步骤2具体为:
步骤2.1:预处理
对采集到的图像进行图像灰度化和直方图均衡化处理,减少图像中的数据量并使图像中的灰度分布均匀,增强后期处理的实时性;
步骤2.2:特征提取
对预处理后的图像选取需要定位的目标区域,然后对目标区域进行阈值分割提取出导线目标,对目标图像进行角点检测,其具体过程为:
步骤2.2.1:将目标区域内的点作为待检测点,计算以待检测点为中心、以R=1为半径的圆周上各个像素点的灰度值,与待检测点灰度值作比较,判断它们的相似性,若灰度差小于阈值P判断为相似点,否则判断为不相似点;统计像素点中与待检测点相似的像素点个数,用N来表示,若N大于设定的阈值L则剔除该检测点,否则保留作为候选角点;对下一个待检测点用同样的方法进行检测,直到检测完所有目标区域内的点,得到候选角点集;
步骤2.2.2:采用Forstner角点检测算法对图像对进行角点提取
计算步骤2.2.1中得到的候选角点的Robert's梯度:
其中,g(i,j)表示候选角点的灰度值;
计算3*3窗口中灰度的协方差矩阵X:
计算椭圆的圆度即兴趣值q和像元的权值w:
其中,|X-1|表示矩阵X-1的行列式,trX-1表示矩阵X-1的迹;
对阈值Tq以及Tw进行设定,一般Tq的取值区间为0.5至0.75,Tw的值是w中间值的1.5倍,将阈值分别与兴趣值q和w比较,如果兴趣值q和w的值均大于各自的阈值,则该点可认定为角点;
步骤2.2.3:采用SUSAN算法再次对角点进行检测,去除伪角点:SUSAN算子通过用一个圆形模板在图像上移动,选取一个半径R=3.5pixels的圆形模板,使其扫描步骤2.2.2中保存下来的角点,将模板中心置于角点处,将模板中心像素点与模板内其它任一像素点的灰度值代入相似度函数:
式中g(i,j)表示模板中心像素点的灰度值,g′(i,j)表示模板内其它任一像素点的灰度值;模板内相似点个数的累加就是USAN区域,计算角点的USAN区域面积,剔除USAN面积大于总面积一半的角点,剩下的点作为最终正确的角点并保存。
步骤2.1预处理时:考虑到输电导线的外部环境,还需要对图像进行去噪和边缘增强,首先采用中值滤波对图像去噪,然后再对图像采用canny算子进行锐化处理来增强导线边缘信息;如果图像中边缘还比较模糊,可以采用对比度增强、对比度提亮处理,直到获得清晰的图像边缘。
步骤3具体为:
步骤3.1:将4个方形区域的中心统一为待描述角点,在每个区域内绘制8个方向的梯度累加值,第1个种子点是第1个区域内所有像素包括待描述角点像素的梯度累加值,第2个种子点是第2个区域减去第1个区域后所包含所有像素点的梯度累加值,依次类推可得到4个种子点,每个种子点有8个方向的向量信息,一共可产生32个数据,生成32维的特征向量。
步骤3.2:用欧式距离来度量左图像特征点的特征向量ui与右图像特征点的特征向量vj之间的相似性,以相似性为依据对两个特征点进行匹配,两个特征向量ui和vj之间的欧式距离d(i,j)表示为:
对于左图像中的某个角点,采用K-D树法来搜索右图像中与其欧式距离最邻近dmin和次邻近dcmin的两个角点,当比值dmin/dcmin小于某一阈值时,将最邻近的角点作为该角点的匹配点,得到这一对匹配点的像素坐标分别为(ul,vl)和(ur,vr),反之则不作为匹配点。
步骤4具体为:
空间点P在左右两个摄像机成像平面上的图像坐标分别为(ul,vl)和(ur,vr),设P点的三维坐标为(x,y,z),那么根据摄像机标定得到的单应性矩阵可得:
Hl和Hr为左右两个摄像机的单应性投影矩阵,消去Zl、Zr得:
解这个方程组可以得到x,y,z的解,即P点的三维坐标;通过计算导线上各个特征点的三维坐标,从而实现对导线的准确定位。
本发明的有益效果是:本发明采用的Forstner角点检测算法,提高了原有算法的实时性和准确性,并用SIFT特征描述子进行描述,能够快速、准确地提取到角点并将定位精度精确到亚像素,有利于后期的特征点立体匹配精度和三维重建的准确性。本发明采用双目立体视觉方法进行定位,提高了空间点的定位精度,能准确得到导线上特征点的三维位置信息,且可抗噪声。
附图说明
图1是本发明巡线机器人跨越障碍导线定位方法的流程图;
图2是本发明巡线机器人跨越障碍导线定位方法中角点检测流程图;
图3是本发明巡线机器人跨越障碍导线定位方法中特征点匹配流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于双目视觉的巡线机器人跨越障碍导线定位方法,如图1所示,具体按照以下步骤实施:
步骤1:对左右摄像机均进行标定,获得内外参数并进行优化。
(1)假设标定板平面位于世界坐标系中Z=0的平面上,标定板上特征点的世界坐标为A(xw,yw,0),其对应的图像坐标为a(uw,vw),可得下式:
s为深度系数,M为相机内参数矩阵,单应性矩阵H′=M[r1 r2T],求解关于H′的方程可以得到图像和标定板平面之间的矩阵,然而其数值与实际的矩阵之间存在一个比例常数μ,令H=μM[r1 r2 T];
(2)求相机的内参数,两个约束条件为:
令B=M-TM-1,定义一个六维向量:
b=[B11 B12 B22 B13 B23 B33]T (3)
则有:
hi TBhj=cij Tb (4)
其中,i、j分别为单应性矩阵H的行数和列数,cij=[hi1hj1 hi1hj2+hi2hj1 hi2hj2hi3hj1+hi1hj3 hi3hj2+hi2hj3 hi3hj3]T。
(2)式可改写为:
然后根据b和B的定义以及(1)中得到的H可以导出相机的内参数M和比例常数μ:
(3)摄像机的外参数由旋转向量r1,r2,r3和平移向量T构成,根据获得的H和M,其外参数为:
(4)求相机镜头的畸变系数并优化相机的内外参数,假设(u,v)为无畸变的理想图像坐标,为实际图像坐标,(u0,v0)为主点的图像坐标,关于k1和k2的方程为:
可以求解得到畸变系数k1和k2。假设拍摄了n幅标定板图像,每幅图像中有m个特征点,二维重投影误差如下所示:
其中为实际图像坐标,M为内参数矩阵,Ri为旋转向量,Ti为平移向量,aij为理想图像坐标,K为k1和k2组成的系数矩阵,通过求解τ的最小值来优化相机的内外参数。
步骤2:用标定好的左右摄像机采集现场输电导线图像,对左右摄像机采集到的图像分别进行预处理和特征提取。
步骤2.1:预处理
对采集到的图像进行图像灰度化和直方图均衡化处理,减少图像中的数据量并使图像中的灰度分布均匀,增强后期处理的实时性。考虑到输电导线的外部环境,我们还需要对图像进行去噪和边缘增强,首先采用中值滤波对图像去噪,同时还能较好的保留细节信息,然后再对图像采用canny算子进行锐化处理来增强导线边缘信息。如果图像中边缘还比较模糊,可以采用对比度增强、对比度提亮等处理,直到获得清晰的图像边缘。
步骤2.2:特征提取
对预处理后的图像选取需要定位的目标区域,然后对目标区域进行阈值分割提取出导线目标,对目标图像进行角点检测,流程图如图2所示,其具体过程为:
步骤2.2.1:将目标区域内的点作为待检测点,计算以待检测点为中心、以R=1为半径的圆周上各个像素点的灰度值,与待检测点灰度值作比较,判断它们的相似性,若灰度差小于阈值P判断为相似点,否则判断为不相似点。统计像素点中与待检测点相似的像素点个数,用N来表示,若N大于设定的阈值L则剔除该检测点,否则保留作为候选角点。对下一个待检测点用同样的方法进行检测,直到检测完所有目标区域内的点,得到候选角点集;
步骤2.2.2:采用Forstner角点检测算法对图像对进行角点提取
计算步骤2.2.1中得到的候选角点的Robert's梯度:
其中,g(i,j)表示候选角点的灰度值;
计算3*3窗口中灰度的协方差矩阵X:
计算兴趣值q(某椭圆的圆度)和w(像元的权值):
其中,|X-1|表示矩阵X-1的行列式,trX-1表示矩阵X-1的迹。
对阈值Tq以及Tw进行设定,一般Tq的取值区间为0.5至0.75,Tw的值是w中间值的1.5倍。将阈值分别与兴趣值q和w比较,如果兴趣值q和w的值均大于各自的阈值,则该点可认定为角点。
步骤2.2.3:采用SUSAN算法再次对角点进行检测,去除伪角点。SUSAN算子通过用一个圆形模板在图像上移动,前面已经初步确定了角点,这里只是剔除,所以模板覆盖的范围不需要太大,也为了加快检测速度,一般这个圆形模板的半径是3~4pixels,所以选取中间值定义一个半径R=3.5pixels的圆形模板,使其扫描步骤2.2.2中保存下来的角点,将模板中心置于角点处,将模板中心像素点与模板内其它任一像素点的灰度值代入相似度函数:
式中g(i,j)表示模板中心像素点的灰度值,g′(i,j)表示模板内其它任一像素点的灰度值。模板内相似点个数的累加就是USAN(Univalue Segment AssimilatingNucleus)区域,计算角点的USAN区域面积,剔除USAN面积大于总面积一半的角点,剩下的点作为最终正确的角点并保存。
步骤3:对步骤2中处理后的目标图像对进行立体匹配,流程图如图3所示,具体过程如下:
步骤3.1:原有的SIFT(Scale-invariant feature transform,尺度不变特征变换)特征描述子是采用角点周围4个方形区域形成特征向量,方形区域的中心不同,相互之间也就没有相交的区域,图像旋转会导致区域内包含的像素元不同,从而使特征向量不同,不具备旋转不变性,有一定的局限性。本发明基于此将原有SIFT特征描述方法的4个方形区域的中心统一为待描述角点,在每个区域内绘制8个方向的梯度累加值,第1个种子点是第1个区域内所有像素包括待描述角点像素的梯度累加值,第2个种子点是第2个区域减去第1个区域后所包含所有像素点的梯度累加值,依次类推可得到4个种子点,每个种子点有8个方向的向量信息,一共可产生32个数据,生成32维的特征向量,原算法也是32维的描述向量,所以改进算法并没有增加复杂度和计算难度;
步骤3.2:用欧式距离来度量左图像特征点的特征向量ui与右图像特征点的特征向量vj之间的相似性,以相似性为依据对两个特征点进行匹配,两个特征向量ui和vj之间的欧式距离d(i,j)表示为:
对于左图像中的某个角点,采用K-D树法来搜索右图像中与其欧式距离最邻近dmin和次邻近dcmin的两个角点,当比值dmin/dcmin小于某一阈值时,将最邻近的角点作为该角点的匹配点,得到这一对匹配点的像素坐标分别为(ul,vl)和(ur,vr),反之则不作为匹配点。
步骤4:根据步骤1中的摄像机标定和步骤3中的立体匹配结果计算得到导线上各个特征点的三维坐标,实现定位。
空间点P在左右两个摄像机成像平面上的图像坐标分别为(ul,vl)和(ur,vr),设P点的三维坐标为(x,y,z),那么根据摄像机标定得到的单应性矩阵可得:
Hl和Hr为左右两个摄像机的单应性投影矩阵,消去Zl、Zr得:
解这个方程组可以得到x,y,z的解,即P点的三维坐标。通过计算导线上各个特征点的三维坐标,从而实现对导线的准确定位。
实验验证
表1算法比较
比较项目 | 传统Forstner算子 | 本申请Forstner算子 |
角点个数 | 35 | 28 |
运行时间 | 4.5672 | 3.9536 |
由表1可知,本申请的算法可以有效的去除一定的伪角点,获得较少角点数量,并且运行时间也较快,满足实时性要求。
表2三维重建结果数据
由表2可知,在匹配后的角点中选择了几个有代表性的角点,记录了左右图像中的像素坐标以及三维重建后的空间立体坐标,该算法可以实现导线的实时定位。
Claims (5)
1.一种基于双目视觉的巡线机器人跨越障碍导线定位方法,其特征在于,具体按照以下步骤实施:
步骤1:对左右摄像机均进行标定,获得内外参数并进行优化;
步骤2:用标定好的左右摄像机采集现场输电导线图像,对左右摄像机采集到的图像分别进行预处理和特征提取;
步骤3:对步骤2中处理后的目标图像对进行立体匹配;
步骤4:根据步骤1中的摄像机标定和步骤3中的立体匹配结果计算得到导线上各个特征点的三维坐标,实现定位。
2.根据权利要求1所述的一种基于双目视觉的巡线机器人跨越障碍导线定位方法,其特征在于,所述步骤2具体为:
步骤2.1:预处理
对采集到的图像进行图像灰度化和直方图均衡化处理,减少图像中的数据量并使图像中的灰度分布均匀,增强后期处理的实时性;
步骤2.2:特征提取
对预处理后的图像选取需要定位的目标区域,然后对目标区域进行阈值分割提取出导线目标,对目标图像进行角点检测,其具体过程为:
步骤2.2.1:将目标区域内的点作为待检测点,计算以待检测点为中心、以R=1为半径的圆周上各个像素点的灰度值,与待检测点灰度值作比较,判断它们的相似性,若灰度差小于阈值P判断为相似点,否则判断为不相似点;统计像素点中与待检测点相似的像素点个数,用N来表示,若N大于设定的阈值L则剔除该检测点,否则保留作为候选角点;对下一个待检测点用同样的方法进行检测,直到检测完所有目标区域内的点,得到候选角点集;
步骤2.2.2:采用Forstner角点检测算法对图像对进行角点提取
计算步骤2.2.1中得到的候选角点的Robert's梯度:
其中,g(i,j)表示候选角点的灰度值;
计算3*3窗口中灰度的协方差矩阵X:
计算椭圆的圆度即兴趣值q和像元的权值w:
其中,|X-1|表示矩阵X-1的行列式,trX-1表示矩阵X-1的迹;
对阈值Tq以及Tw进行设定,一般Tq的取值区间为0.5至0.75,Tw的值是w中间值的1.5倍,将阈值分别与兴趣值q和w比较,如果兴趣值q和w的值均大于各自的阈值,则该点可认定为角点;
步骤2.2.3:采用SUSAN算法再次对角点进行检测,去除伪角点:SUSAN算子通过用一个圆形模板在图像上移动,选取一个半径R=3.5pixels的圆形模板,使其扫描步骤2.2.2中保存下来的角点,将模板中心置于角点处,将模板中心像素点与模板内其它任一像素点的灰度值代入相似度函数:
式中g(i,j)表示模板中心像素点的灰度值,g′(i,j)表示模板内其它任一像素点的灰度值;模板内相似点个数的累加就是USAN区域,计算角点的USAN区域面积,剔除USAN面积大于总面积一半的角点,剩下的点作为最终正确的角点并保存。
3.根据权利要求2所述的一种基于双目视觉的巡线机器人跨越障碍导线定位方法,其特征在于,所述步骤2.1预处理时:考虑到输电导线的外部环境,还需要对图像进行去噪和边缘增强,首先采用中值滤波对图像去噪,然后再对图像采用canny算子进行锐化处理来增强导线边缘信息;如果图像中边缘还比较模糊,可以采用对比度增强、对比度提亮处理,直到获得清晰的图像边缘。
4.根据权利要求1所述的一种基于双目视觉的巡线机器人跨越障碍导线定位方法,其特征在于,所述步骤3具体为:
步骤3.1:将4个方形区域的中心统一为待描述角点,在每个区域内绘制8个方向的梯度累加值,第1个种子点是第1个区域内所有像素包括待描述角点像素的梯度累加值,第2个种子点是第2个区域减去第1个区域后所包含所有像素点的梯度累加值,依次类推可得到4个种子点,每个种子点有8个方向的向量信息,一共可产生32个数据,生成32维的特征向量;
步骤3.2:用欧式距离来度量左图像特征点的特征向量ui与右图像特征点的特征向量vj之间的相似性,以相似性为依据对两个特征点进行匹配,两个特征向量ui和vj之间的欧式距离d(i,j)表示为:
对于左图像中的某个角点,采用K-D树法来搜索右图像中与其欧式距离最邻近dmin和次邻近dc min的两个角点,当比值dmin/dc min小于某一阈值时,将最邻近的角点作为该角点的匹配点,得到这一对匹配点的像素坐标分别为(ul,vl)和(ur,vr),反之则不作为匹配点。
5.根据权利要求4所述的一种基于双目视觉的巡线机器人跨越障碍导线定位方法,其特征在于,所述步骤4具体为:
空间点P在左右两个摄像机成像平面上的图像坐标分别为(ul,vl)和(ur,vr),设P点的三维坐标为(x,y,z),那么根据摄像机标定得到的单应性矩阵可得:
Hl和Hr为左右两个摄像机的单应性投影矩阵,消去Zl、Zr得:
解这个方程组可以得到x,y,z的解,即P点的三维坐标;通过计算导线上各个特征点的三维坐标,从而实现对导线的准确定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611067416.0A CN106709950B (zh) | 2016-11-28 | 2016-11-28 | 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611067416.0A CN106709950B (zh) | 2016-11-28 | 2016-11-28 | 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709950A true CN106709950A (zh) | 2017-05-24 |
CN106709950B CN106709950B (zh) | 2020-09-22 |
Family
ID=58934978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611067416.0A Active CN106709950B (zh) | 2016-11-28 | 2016-11-28 | 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709950B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107677274A (zh) * | 2017-09-12 | 2018-02-09 | 西北工业大学 | 基于双目视觉的无人机自主着陆导航信息实时解算方法 |
CN107992073A (zh) * | 2017-12-07 | 2018-05-04 | 深圳慧源创新科技有限公司 | 无人机定点飞行方法、无人机定点飞行装置和无人机 |
CN108537846A (zh) * | 2018-02-08 | 2018-09-14 | 北京航空航天大学青岛研究院 | 相机标定方法及设备 |
CN108527363A (zh) * | 2018-03-08 | 2018-09-14 | 芜湖泰领信息科技有限公司 | 机器人跨越障碍的系统 |
CN108534782A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种基于双目视觉系统的地标地图车辆即时定位方法 |
CN109178329A (zh) * | 2018-08-28 | 2019-01-11 | 华南理工大学 | 一种第一视角巡线机器人 |
CN109214254A (zh) * | 2017-07-07 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
WO2019178717A1 (zh) * | 2018-03-19 | 2019-09-26 | 深圳配天智能技术研究院有限公司 | 双目匹配的方法、视觉成像装置及具有存储功能的装置 |
CN110390649A (zh) * | 2019-07-16 | 2019-10-29 | 西安石油大学 | 一种用于油气管道焊缝图像降噪的方法 |
CN110519582A (zh) * | 2019-08-16 | 2019-11-29 | 哈尔滨工程大学 | 一种巡检机器人数据采集系统及数据采集方法 |
CN111231667A (zh) * | 2019-03-22 | 2020-06-05 | 泰州三凯工程技术有限公司 | 可靠型安全行驶控制方法 |
CN112686938A (zh) * | 2020-12-29 | 2021-04-20 | 重庆大学 | 基于双目图像测距的输电线路净距计算与安全告警方法 |
CN113255449A (zh) * | 2021-04-23 | 2021-08-13 | 东南大学 | 一种双目视频图像的实时匹配方法 |
CN113567451A (zh) * | 2021-07-23 | 2021-10-29 | 江苏电力信息技术有限公司 | 一种电缆线缺陷检测以及直径测量方法 |
WO2024066463A1 (zh) * | 2022-09-28 | 2024-04-04 | 中交第二航务工程局有限公司 | 一种基于双目视觉的钢筋间距的测量方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281148A (zh) * | 2013-07-07 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 基于双目立体视觉的移动机器人自主导航方法 |
CN104361627A (zh) * | 2014-11-07 | 2015-02-18 | 武汉科技大学 | 基于sift的双目视觉沥青路面微观纹理三维图像重构方法 |
US20150055821A1 (en) * | 2013-08-22 | 2015-02-26 | Amazon Technologies, Inc. | Multi-tracker object tracking |
-
2016
- 2016-11-28 CN CN201611067416.0A patent/CN106709950B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281148A (zh) * | 2013-07-07 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 基于双目立体视觉的移动机器人自主导航方法 |
US20150055821A1 (en) * | 2013-08-22 | 2015-02-26 | Amazon Technologies, Inc. | Multi-tracker object tracking |
CN104361627A (zh) * | 2014-11-07 | 2015-02-18 | 武汉科技大学 | 基于sift的双目视觉沥青路面微观纹理三维图像重构方法 |
Non-Patent Citations (6)
Title |
---|
HUANG XINBO ET AL: "Research of transmission line tower anti-theft monitoring technique based on video difference analysis", 《2012 8TH INTERNATIONAL CONFERENCE OF WIRELESS COMUNICATIONS,NETWORKING AND MOBILE COMPUTING》 * |
吴金津 等: "基于FAST角点检测的图像配准算法", 《湖南工业大学学报》 * |
王杰琼 等: "稀疏立体视觉算法在自动包装机器人中的应用", 《包装工程》 * |
陈友辉: "高压输电线路除冰机器人视觉引导技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
韩斌 等: "改进的亚像素级快速角点检测算法", 《江苏科技大学学报(自然科学版)》 * |
高栋栋: "基于双目立体视觉定位和识别技术的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214254A (zh) * | 2017-07-07 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
CN109214254B (zh) * | 2017-07-07 | 2020-08-14 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
CN107677274A (zh) * | 2017-09-12 | 2018-02-09 | 西北工业大学 | 基于双目视觉的无人机自主着陆导航信息实时解算方法 |
CN107992073A (zh) * | 2017-12-07 | 2018-05-04 | 深圳慧源创新科技有限公司 | 无人机定点飞行方法、无人机定点飞行装置和无人机 |
CN108537846A (zh) * | 2018-02-08 | 2018-09-14 | 北京航空航天大学青岛研究院 | 相机标定方法及设备 |
CN108537846B (zh) * | 2018-02-08 | 2022-05-27 | 北京航空航天大学青岛研究院 | 相机标定方法及设备 |
CN108527363A (zh) * | 2018-03-08 | 2018-09-14 | 芜湖泰领信息科技有限公司 | 机器人跨越障碍的系统 |
CN111630569A (zh) * | 2018-03-19 | 2020-09-04 | 深圳配天智能技术研究院有限公司 | 双目匹配的方法、视觉成像装置及具有存储功能的装置 |
WO2019178717A1 (zh) * | 2018-03-19 | 2019-09-26 | 深圳配天智能技术研究院有限公司 | 双目匹配的方法、视觉成像装置及具有存储功能的装置 |
CN111630569B (zh) * | 2018-03-19 | 2024-02-27 | 深圳配天机器人技术有限公司 | 双目匹配的方法、视觉成像装置及具有存储功能的装置 |
CN108534782A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种基于双目视觉系统的地标地图车辆即时定位方法 |
CN109178329A (zh) * | 2018-08-28 | 2019-01-11 | 华南理工大学 | 一种第一视角巡线机器人 |
CN111231667A (zh) * | 2019-03-22 | 2020-06-05 | 泰州三凯工程技术有限公司 | 可靠型安全行驶控制方法 |
CN110390649B (zh) * | 2019-07-16 | 2023-03-24 | 西安石油大学 | 一种用于油气管道焊缝图像降噪的方法 |
CN110390649A (zh) * | 2019-07-16 | 2019-10-29 | 西安石油大学 | 一种用于油气管道焊缝图像降噪的方法 |
CN110519582A (zh) * | 2019-08-16 | 2019-11-29 | 哈尔滨工程大学 | 一种巡检机器人数据采集系统及数据采集方法 |
CN112686938A (zh) * | 2020-12-29 | 2021-04-20 | 重庆大学 | 基于双目图像测距的输电线路净距计算与安全告警方法 |
CN112686938B (zh) * | 2020-12-29 | 2024-03-15 | 重庆大学 | 基于双目图像测距的输电线路净距计算与安全告警方法 |
CN113255449A (zh) * | 2021-04-23 | 2021-08-13 | 东南大学 | 一种双目视频图像的实时匹配方法 |
CN113567451A (zh) * | 2021-07-23 | 2021-10-29 | 江苏电力信息技术有限公司 | 一种电缆线缺陷检测以及直径测量方法 |
WO2024066463A1 (zh) * | 2022-09-28 | 2024-04-04 | 中交第二航务工程局有限公司 | 一种基于双目视觉的钢筋间距的测量方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106709950B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709950A (zh) | 一种基于双目视觉的巡线机器人跨越障碍导线定位方法 | |
CN106651942B (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN104063702B (zh) | 一种基于遮挡修复和局部相似性匹配的三维步态识别方法 | |
CN104318548B (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
CN105574527B (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN107063228A (zh) | 基于双目视觉的目标姿态解算方法 | |
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 | |
CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
CN108428255A (zh) | 一种基于无人机的实时三维重建方法 | |
CN106228528B (zh) | 一种基于决策图与稀疏表示的多聚焦图像融合方法 | |
CN110070567B (zh) | 一种地面激光点云配准方法 | |
CN106919944A (zh) | 一种基于orb算法的大视角图像快速识别方法 | |
CN105046710A (zh) | 基于深度图分割与代理几何体的虚实碰撞交互方法及装置 | |
CN106408597A (zh) | 基于邻域熵和一致性检测的sar图像配准方法 | |
CN113470090A (zh) | 基于sift-shot特征的多固态激光雷达外参标定方法 | |
CN105869166A (zh) | 一种基于双目视觉的人体动作识别方法及系统 | |
CN105513094A (zh) | 基于三维Delaunay三角剖分的立体视觉跟踪方法及系统 | |
CN105488541A (zh) | 增强现实系统中基于机器学习的自然特征点识别方法 | |
CN108320310B (zh) | 基于图像序列的空间目标三维姿态估计方法 | |
CN110120013A (zh) | 一种点云拼接方法及装置 | |
CN116433843A (zh) | 基于双目视觉重建路线的三维模型重建方法及装置 | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN108399630B (zh) | 一种复杂场景下感兴趣区域内目标快速测距方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |