CN107123145A - 基于人工标志和几何变换的电梯按钮定位和识别方法 - Google Patents
基于人工标志和几何变换的电梯按钮定位和识别方法 Download PDFInfo
- Publication number
- CN107123145A CN107123145A CN201710309120.3A CN201710309120A CN107123145A CN 107123145 A CN107123145 A CN 107123145A CN 201710309120 A CN201710309120 A CN 201710309120A CN 107123145 A CN107123145 A CN 107123145A
- Authority
- CN
- China
- Prior art keywords
- mtd
- msub
- mrow
- mtr
- button
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本发明公开了一种基于人工标志和几何变换的电梯按钮定位和识别方法，它包括电梯面板样本训练过程和电梯面板识别过程，所述电梯面板样本训练过程用以获取电梯面板样本中按钮的布局和坐标并对电梯面板样本中的按钮进行功能设置，所述电梯面板识别过程用以获取所要识别电梯面板中按钮的布局和坐标，并结合电梯面板样本中的按钮功能来对所要识别电梯面板中每个按钮进行定位和识别。本发明的方法简单但是可靠高效，可在短时间内完成按钮的定位和识别，对于机器人自助上下直梯有重要的帮助。
Description
技术领域
本发明涉及一种基于人工标志和几何变换的电梯按钮定位和识别方法，属于电梯按钮智能识别技术领域。
背景技术
最近，对于代替人进行基本作业的移动机器人的研究出现了许多进展。导航、人机交互、定位和地图构建等课题在工业和家庭中的应用也得到研究，移动式服务机器人更是人们研究的热点。
移动式服务机器人常用于在室内进行物品传送，如在医院中传送医疗器械和药品、在旅馆中为旅客提供相关物品等。同移动机器人一样，导航是移动式服务机器人的核心和关键。机器人在进行室内导航时，为了完成跨越楼层的作业，必然会面临跨楼层导航，这就需要机器人有自主乘坐电梯的能力。在欧美等发达国家对服务机器人的研发起步较早，而且有很多知名的外国公司如Aethon、Savioke等都开发出了自己的服务型机器人(如TUG和Relay)，并成功应用于医院和旅馆内的物品传递。以上这些机器人它们都是通过无线或蓝牙的方式呼叫电梯，需要对电梯内部系统进行改装，并且像TUG这样的机器人乘坐电梯时，人类是不能与其一同乘坐的。
如果能够让机器人利用视觉方法自主检测和识别电梯按键区域和各个按钮，自行控制其机械臂来操控电梯面板，便可以将机器人在不影响人类正常使用电梯的同时到达的目的楼层，但目前还未有能够实现该目的电梯按钮定位和识别方法。
发明内容
针对上述不足，本发明提供了一种基于人工标志和几何变换的电梯按钮定位和识别方法，其能够实现对电梯按钮的定位和识别，且能够保证电梯面板定位和识别的准确性，为机器人操作电梯按钮创造了条件，也为服务型机器人提供很好的应用价值。
本发明解决其技术问题采取的技术方案是：
本发明的一种基于人工标志和几何变换的电梯按钮定位和识别方法，它包括电梯面板样本训练过程和电梯面板识别过程，所述电梯面板样本训练过程用以获取电梯面板样本中按钮的布局和坐标并对电梯面板样本中的按钮进行功能设置，所述电梯面板识别过程用以获取所要识别电梯面板中按钮的布局和坐标，并结合电梯面板样本中的按钮功能来对所要识别电梯面板中每个按钮进行定位和识别。
优选地，所述电梯面板样本训练过程包括以下步骤：
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤5：对电梯面板中的按钮进行功能设置。
优选地，所述电梯面板识别过程包括以下步骤：
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤6：根据获得电梯面板中按钮的坐标，并结合电梯面板样本训练过程中获得电梯面板中的按钮功能信息实现对每个按钮的定位和识别。
本发明的另一种基于人工标志和几何变换的电梯按钮定位和识别方法，它包括以下过程：
一、电梯面板样本训练过程
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤5：对电梯面板中的按钮进行功能设置；
二、电梯面板识别过程
步骤6：对所要识别的电梯面板按照步骤1至步骤4的方法获得电梯面板中按钮的坐标，并结合电梯面板样本训练过程中获得电梯面板中的按钮功能信息实现对每个按钮的定位和识别。
进一步地，在步骤1中，通过人工标志确定电梯按钮图像中电梯面板区域的具体步骤为：
步骤11，对获取的电梯按钮图像进行灰度化和高斯滤波预处理，去除图像中的大量噪声；
步骤12，通过Canny算子获得预处理后电梯按钮图像的边缘信息，并运用形态学对电梯按钮图像在四个方向上分别进行闭运算操作，确保标志的每一层边缘是连通的；
步骤13，提取电梯按钮图像中的轮廓，并获取各层轮廓之间的嵌套关系；
步骤14，寻找四个被多层轮廓所嵌套的轮廓，分别计算它们的中心矩得到四个标记点的质心坐标，并对四个坐标的相对位置进行分析得到四个标志相对于电梯面板的位置(x0，y0)，(x1，y1)，(x2，y2)，(x3，y3)，确定电梯面板区域，其中，(x0，y0)，(x1，y1)，(x2，y2)，(x3，y3)分别为电梯面板的左上、右上、左下和右下四个顶点的坐标。
进一步地，在步骤2中，求解变换矩阵的的具体步骤为：
步骤21中，利用电梯面板的左上、右上、左下和右下四个顶点的坐标计算变换后的矩形的长L和宽W，并获得变换后矩形的左上、右上、左下和右下四个顶点的坐标(0，0)，(W，0)，(0，L)，(W，L)，变换后的矩形的长L和宽W的计算公式为：
步骤22，根据电梯面板的左上、右上、左下和右下四个顶点的坐标和变换后矩形的左上、右上、左下和右下四个顶点的坐标计算变换矩阵的参数，变换矩阵的参数由奇异值分解法求解以下线性系统可得：
其中，(x0′,y0′),(x1′,y1′),(x2′,y2′),(x3′,y3′)分别为变换后矩形的左上、右上、左下和右下四个顶点的坐标(0，0)，(W，0)，(0，L)，(W，L)在原始电梯面板图像中对应的坐标。
进一步地，在步骤3中，将电梯面板区域透视变换为矩形的具体步骤为：
步骤31，通过变换矩阵将目标矩形电梯面板的坐标(xi，yi)变换到原始电梯面板图像中对应的坐标(x′i，y′i)，其变换公式为；
其中，ti为坐标(xi，yi)经过投影变换后在三维空间中的Z轴的坐标值，
步骤32，根据目标矩形电梯面板变换到原始电梯面板图像中的坐标(x′i，y′i)，由双线性插值算法计算得到对应矩形坐标(xi，yi)处对应的灰度值f(xi，yi)，计算公式如下：
f(xi，yi)＝f(floor(x′i)，floor(y′i))*(1-Δx)*(1-Δy)+f(floor(x′i)
+1，floor(y′i))*Δx*(1-Δy)+f(floor(x′i)，floor(y′i)+1)
*(1-Δx)*Δy+f(floor(x′i)+1，floor(y′i)+1)*Δx*Δy
其中，Δx＝x′i-floor(x′i)，Δy＝y′i-floor(y′i)；
步骤33，将通过人工标志确定电梯按钮图像中电梯面板区域中左上角和右下角标记的最外层轮廓坐标利用变换公式矫正为矩形区域，然后找到两个矫正后轮廓矩形区域的外接矩形，通过左上角外接矩形的右下角坐标和右下角外接矩形的左上角坐标进一步确定电梯面板的区域。
进一步地，在步骤4中，对变换为矩形的电梯面板进行投影的具体步骤为；
步骤41，对变换为矩形的电梯面板通过光照均衡化算法进行图像处理，去除不均衡光照造成的影响：
步骤42，将电梯面板图像通过大津法进行二值化处理，进一步去除噪声，仅保留按钮的特征；
步骤43，对电梯面板图像在水平和垂直方向上进行腐蚀膨胀处理后投影，即对水平方向腐蚀膨胀处理过的图像进行垂直投影，对垂直方向腐蚀膨胀处理过的图像进行水平投影，得到垂直投影直方图方图和水平投影直方图方图；
步骤44，判断垂直投影直方图方图和水平投影直方图方图中峰相交处的区域是否存在图像像素，如果存在则判定该位置有电梯按钮，遍历完所有垂直投影直方图方图和水平投影直方图方图中峰相交处的区域即可获得电梯面板按钮的布局和各个按钮的坐标。
进一步地，在步骤5中，对电梯面板中的按钮进行功能设置的具体步骤为：根据电梯面板中的按钮布局，即展示出一组按照按钮布局排列的按钮，点击每个按钮并在弹出的输入框中设置对应按钮的功能。
进一步地，在步骤6中，对每个按钮的定位和识别的具体步骤为：利用步骤5中设置的电梯面板中按钮功能信息与步骤4中获得电梯面板中按钮的坐标进行一一对应，获得电梯面板中每个按钮的坐标和功能信息，从而完成对电梯面板中每个按钮的定位和识别。
本发明的有益效果是：
本发明通过人工标志定位、几何变化换来矫正图像并辅以形态学方法提取电梯按钮特征来达到电梯按钮定位的目的，即通过人工标记确定按钮面板区域，通过几何变换将按钮面板区域变换为矩形，最后利用形态学的方法提取按钮特征后，通过对水平和垂直投影直方图的分析得到按钮布局，在人工标定按钮功能后，实现对按钮的定位。本发明的方法简单但是可靠高效，可在短时间内完成按钮的定位和识别，对于机器人自助上下直梯有重要的帮助。
本发明采用人工标记方法不仅简单而且高效，可以应付复杂多变的电梯间环境内电梯面板的提取任务；通过几何变换，使得所得到的投影直方图特征更加明显；使用投影直方图的方式对按钮进行定位和识别，速度快而且对不同类型的电梯面板适应性好。本发明实现了对电梯按钮的定位和识别，人工标志定位保证了电梯面板定位的准确性，几何变换确保了面板在分析时保持矩形，保证了按钮识别和定位的准确率，位机器人操作电梯按钮创造了条件，也为服务型机器人提供很好的应用价值。
附图说明
图1为本发明的方法流程图；
图2为本发明所述电梯面板样本训练过程的方法流程图；
图3为本发明所述电梯面板识别过程的方法流程图；
图4为本发明通过标志提取电梯面板区域的示意图；
图5(a)、图5(b)和图5(c)为图4中标志块轮廓的分析过程示意图，其中，图5(a)为图4中的标志块图，图5为经过Canny算子处理后的标记块图，图5(c)为获得的轮廓示意图；
图6为二值化操作后的电梯面板示意图；
图7(a)和图7(b)为对电梯面板区域的投影图和按钮定位图，其中，图7(a)为对电梯面板区域分别在两个方向腐蚀后得到的水平和垂直投影图的界面，图7(b)为通过投影图得到的按钮位置的界面；
图8(a)和图8(b)为本发明在电梯面板样本训练过程进行按钮功能设置的界面，其中，图8(a)为按钮功能设置界面，图8(b)为对某个按钮功能进行设置的界面；
图9(a)和图9(b)为本发明进行电梯面板识别的界面，其中，图9(a)的左侧为实际面板区域图、右侧为生成的按钮界面，图9(b)为通过生成的按钮界面对实际图像中按钮进行定位图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式并结合其附图对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
本发明的基于人工标志和几何变换的电梯按钮定位和识别方法，它包括电梯面板样本训练过程和电梯面板识别过程，所述电梯面板样本训练过程用以获取电梯面板样本中按钮的布局和坐标并对电梯面板样本中的按钮进行功能设置，所述电梯面板识别过程用以获取所要识别电梯面板中按钮的布局和坐标，并结合电梯面板样本中的按钮功能来对所要识别电梯面板中每个按钮进行定位和识别。
如图1至图3所示，本发明的一种基于人工标志和几何变换的电梯按钮定位和识别方法，它包括以下过程：
一、电梯面板样本训练过程
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤5：对电梯面板中的按钮进行功能设置；
二、电梯面板识别过程
步骤6：对所要识别的电梯面板按照步骤1至步骤4的方法获得电梯面板中按钮的坐标，并结合电梯面板样本训练过程中获得电梯面板中的按钮功能信息实现对每个按钮的定位和识别。
如图4所示，在步骤1中，通过人工标志确定电梯按钮图像中电梯面板区域的具体步骤为：
步骤11，对获取的电梯按钮图像进行灰度化和高斯滤波预处理，去除图像中的大量噪声；
步骤12，对图5(a)所示的标志块通过Canny算子进行预处理，获得预处理后电梯按钮图像的边缘信息，并运用形态学对电梯按钮图像在四个方向上分别进行闭运算操作，得到如图5(b)所示的标志块，确保标志的每一层边缘是连通的；
步骤13，提取电梯按钮图像中的轮廓，得到如图5(c)所示的标志块轮廓图，并获取各层轮廓之间的嵌套关系；
步骤14，寻找四个被多层轮廓所嵌套的轮廓，分别计算它们的中心矩得到四个标记点的质心坐标，并对四个坐标的相对位置进行分析得到四个标志相对于电梯面板的位置(x0，y0)，(x1，y1)，(x2，y2)，(x3，y3)，确定电梯面板区域，其中，(x0，y0)，(x1，y1)，(x2，y2)，(x3，y3)分别为电梯面板的左上、右上、左下和右下四个顶点的坐标。
在步骤2中，求解变换矩阵的的具体步骤为：
步骤21中，利用电梯面板的左上、右上、左下和右下四个顶点的坐标计算变换后的矩形的长L和宽W，并获得变换后矩形的左上、右上、左下和右下四个顶点的坐标(0,0),(W,0),(0,L),(W,L)，变换后的矩形的长L和宽W的计算公式为：
步骤22，根据电梯面板的左上、右上、左下和右下四个顶点的坐标和变换后矩形的左上、右上、左下和右下四个顶点的坐标计算变换矩阵的参数，变换矩阵的参数由奇异值分解法求解以下线性系统可得：
其中，(x0′,y0′),(x1′,y1′),(x2′,y2′),(x3′,y3′)分别为变换后矩形的左上、右上、左下和右下四个顶点的坐标(0，0)，(W，0)，(0，L)，(W，L)在原始电梯面板图像中对应的坐标。
在步骤3中，将电梯面板区域透视变换为矩形的具体步骤为：
步骤31，通过变换矩阵将目标矩形电梯面板的坐标(xi，yi)变换到原始电梯面板图像中对应的坐标(x′i，y′i)，其变换公式为；
其中，ti为坐标(xi，yi)经过投影变换后在三维空间中的Z轴的坐标值，通过该变换公式可以将坐标(xi，yi)投影回到二维空间得到变换后坐标点(x′i，y′i)。
步骤32，根据目标矩形电梯面板变换到原始电梯面板图像中的坐标(x′i，y′i)，由双线性插值算法计算得到对应矩形坐标(xi，yi)处对应的灰度值f(xi，yi)，计算公式如下：
f(xi，yi)＝f(floor(x′i)，floor(y′i))*(1-Δx)*(1-Δy)+f(floor(x′i)
+1，floor(y′i))*Δx*(1-Δy)+f(floor(x′i)，floor(y′i)+1)
*(1-Δx)*Δy+f(floor(x′i)+1，floor(y′i)+1)*Δx*Δy
其中，Δx＝x′i-floor(x′i)，Δy＝y′i-floor(y′i)；
步骤33，将通过人工标志确定电梯按钮图像中电梯面板区域中左上角和右下角标记的最外层轮廓坐标利用变换公式矫正为矩形区域，然后找到两个矫正后轮廓矩形区域的外接矩形，通过左上角外接矩形的右下角坐标和右下角外接矩形的左上角坐标进一步确定电梯面板的区域。
在步骤4中，对步骤3中获得的变换为矩形的电梯面板进行投影的具体步骤为；
步骤41，对变换为矩形的电梯面板通过光照均衡化算法进行图像处理，去除不均衡光照造成的影响：
步骤42，将电梯面板图像通过大津法进行二值化处理，进一步去除噪声，仅保留按钮的特征，如图6所示；
步骤43，对电梯面板图像在水平和垂直方向上进行腐蚀膨胀处理后投影，即对水平方向腐蚀膨胀处理过的图像进行垂直投影，对垂直方向腐蚀膨胀处理过的图像进行水平投影，得到垂直投影直方图方图和水平投影直方图方图，如图7(a)所示；
步骤44，判断垂直投影直方图方图和水平投影直方图方图中峰相交处的区域是否存在图像像素，如果存在则判定该位置有电梯按钮，遍历完所有垂直投影直方图方图和水平投影直方图方图中峰相交处的区域即可获得电梯面板按钮的布局和各个按钮的坐标，如图7(b)所示。
第四步，通过第三步中得到的两投影直方图，判断两图中峰相交处的区域是否存在图像像素，如存在按钮图像，则判定该位置有按钮，即可获得面板的布局和各个按钮的坐标，如图7(b)所示。
在步骤5中，对电梯面板中的按钮进行功能设置的具体步骤为：根据电梯面板中的按钮布局，即展示出如图8(a)所示的一组按照按钮布局排列的按钮，点击每个按钮并在弹出的输入框中设置对应按钮的功能，如图8(b)所示，即可完成对其功能的设置。
如图9所示，在步骤6中，对每个按钮的定位和识别的具体步骤为：利用步骤5中设置的电梯面板中按钮功能信息与步骤4中获得电梯面板中按钮的坐标进行一一对应，获得电梯面板中每个按钮的坐标和功能信息，从而完成对电梯面板中每个按钮的定位和识别。
图9(a)为由按钮的位置和功能信息所生成的按钮测试界面，左侧为实际面板区域图、右侧为生成的按钮界面；图9(b)为通过生成的按钮界面对实际图像中按钮进行定位图，点击按钮时，对应按钮区域位置以红色方框标出。可以看出，本发明有效地实现了对图像中电梯按钮的定位和识别。
此外，本发明的应用范围不局限于说明书中描述的特定实施例的工艺、机构、制造、物质组成、手段、方法及步骤。从本发明的公开内容，作为本领域的普通技术人员将容易地理解，对于目前已存在或者以后即将开发出的工艺、机构、制造、物质组成、手段、方法或步骤，其中它们执行与本发明描述的对应实施例大体相同的功能或者获得大体相同的结果，依照本发明可以对它们进行应用。因此，本发明所附权利要求旨在将这些工艺、机构、制造、物质组成、手段、方法或步骤包含在其保护范围内。
Claims (10)
1.基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，包括电梯面板样本训练过程和电梯面板识别过程，所述电梯面板样本训练过程用以获取电梯面板样本中按钮的布局和坐标并对电梯面板样本中的按钮进行功能设置，所述电梯面板识别过程用以获取所要识别电梯面板中按钮的布局和坐标，并结合电梯面板样本中的按钮功能来对所要识别电梯面板中每个按钮进行定位和识别。
2.根据权利要求1所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，所述电梯面板样本训练过程包括以下步骤：
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤5：对电梯面板中的按钮进行功能设置。
3.根据权利要求1所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，所述电梯面板识别过程包括以下步骤：
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤6：根据获得电梯面板中按钮的坐标，并结合电梯面板样本训练过程中获得电梯面板中的按钮功能信息实现对每个按钮的定位和识别。
4.基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，包括以下过程：
一、电梯面板样本训练过程
步骤1：通过人工标志确定电梯按钮图像中电梯面板区域；
步骤2：求解变换矩阵；
步骤3：利用变换矩阵通过双线性插值法将电梯面板区域透视变换为矩形；
步骤4：对变换为矩形的电梯面板进行投影，获得电梯面板中按钮的布局和坐标；
步骤5：对电梯面板中的按钮进行功能设置；
二、电梯面板识别过程
步骤6：对所要识别的电梯面板按照步骤1至步骤4的方法获得电梯面板中按钮的坐标，并结合电梯面板样本训练过程中获得电梯面板中的按钮功能信息实现对每个按钮的定位和识别。
5.根据权利要求4所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，在步骤1中，通过人工标志确定电梯按钮图像中电梯面板区域的具体步骤为：
步骤11，对获取的电梯按钮图像进行灰度化和高斯滤波预处理，去除图像中的大量噪声；
步骤12，通过Canny算子获得预处理后电梯按钮图像的边缘信息，并运用形态学对电梯按钮图像在四个方向上分别进行闭运算操作，确保标志的每一层边缘是连通的；
步骤13，提取电梯按钮图像中的轮廓，并获取各层轮廓之间的嵌套关系；
步骤14，寻找四个被多层轮廓所嵌套的轮廓，分别计算它们的中心矩得到四个标记点的质心坐标，并对四个坐标的相对位置进行分析得到四个标志相对于电梯面板的位置(x0，y0)，(x1，y1)，(x2，y2)，(x3，y3)，确定电梯面板区域，其中，(x0，y0)，(x1，y1)，(x2，y2)，(x3，y3)分别为电梯面板的左上、右上、左下和右下四个顶点的坐标。
6.根据权利要求5所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，在步骤2中，求解变换矩阵的的具体步骤为：
步骤21中，利用电梯面板的左上、右上、左下和右下四个顶点的坐标计算变换后的矩形的长L和宽W，并获得变换后矩形的左上、右上、左下和右下四个顶点的坐标(0，0)，(W，0)，(0，L)，(W，L)，变换后的矩形的长L和宽W的计算公式为：
<mrow>
<mi>L</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>+</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>W</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>+</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>y</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
步骤22，根据电梯面板的左上、右上、左下和右下四个顶点的坐标和变换后矩形的左上、右上、左下和右下四个顶点的坐标计算变换矩阵的参数，变换矩阵的参数由奇异值分解法求解以下线性系统可得：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>3</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>3</mn>
</msub>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>3</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>3</mn>
</msub>
<mo>*</mo>
<msubsup>
<mi>y</mi>
<mn>3</mn>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&CenterDot;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>11</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>12</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>13</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>21</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>22</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>23</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>31</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>32</mn>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msubsup>
<mi>x</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>x</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>x</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>x</mi>
<mn>3</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>y</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>y</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>y</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>y</mi>
<mn>3</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，(x0′,y0′),(x1′,y1′),(x2′,y2′),(x3′,y3′)分别为变换后矩形的左上、右上、左下和右下四个顶点的坐标(0，0)，(W，0)，(0，L)，(W，L)在原始电梯面板图像中对应的坐标。
7.根据权利要求6所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，在步骤3中，将电梯面板区域透视变换为矩形的具体步骤为：
步骤31，通过变换矩阵将目标矩形电梯面板的坐标(xi，yi)变换到原始电梯面板图像中对应的坐标(x′i，y′i)，其变换公式为；
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>M</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>M</mi>
<mn>13</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>M</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>M</mi>
<mn>23</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>M</mi>
<mn>31</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>M</mi>
<mn>32</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>M</mi>
<mn>33</mn>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&CenterDot;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
2
其中，ti为坐标(xi，yi)经过投影变换后在三维空间中的Z轴的坐标值，
步骤32，根据目标矩形电梯面板变换到原始电梯面板图像中的坐标(x′i，y′i)，由双线性插值算法计算得到对应矩形坐标(xi，yi)处对应的灰度值f(xi，yi)，计算公式如下：
f(xi，yi)＝f(floor(x′i)，floor(y′i))*(1-Δx)*(1-Δy)+f(floor(x′i)
+1，floor(y′i))*Δx*(1-Δy)+f(floor(x′i)，floor(y′i)+1)
*(1-Δx)*Δy+f(floor(x′i)+1，floor(y′i)+1)*Δx*Δy
其中，Δx＝x′i-floor(x′i)，Δy＝y′i-floor(y′i)；
步骤33，将通过人工标志确定电梯按钮图像中电梯面板区域中左上角和右下角标记的最外层轮廓坐标利用变换公式矫正为矩形区域，然后找到两个矫正后轮廓矩形区域的外接矩形，通过左上角外接矩形的右下角坐标和右下角外接矩形的左上角坐标进一步确定电梯面板的区域。
8.根据权利要求7所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，在步骤4中，对变换为矩形的电梯面板进行投影的具体步骤为；
步骤41，对变换为矩形的电梯面板通过光照均衡化算法进行图像处理，去除不均衡光照造成的影响：
步骤42，将电梯面板图像通过大津法进行二值化处理，进一步去除噪声，仅保留按钮的特征；
步骤43，对电梯面板图像在水平和垂直方向上进行腐蚀膨胀处理后投影，即对水平方向腐蚀膨胀处理过的图像进行垂直投影，对垂直方向腐蚀膨胀处理过的图像进行水平投影，得到垂直投影直方图方图和水平投影直方图方图；
步骤44，判断垂直投影直方图方图和水平投影直方图方图中峰相交处的区域是否存在图像像素，如果存在则判定该位置有电梯按钮，遍历完所有垂直投影直方图方图和水平投影直方图方图中峰相交处的区域即可获得电梯面板按钮的布局和各个按钮的坐标。
9.根据权利要求8所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，在步骤5中，对电梯面板中的按钮进行功能设置的具体步骤为：根据电梯面板中的按钮布局，即展示出一组按照按钮布局排列的按钮，点击每个按钮并在弹出的输入框中设置对应按钮的功能。
10.根据权利要求9所述的基于人工标志和几何变换的电梯按钮定位和识别方法，其特征是，在步骤6中，对每个按钮的定位和识别的具体步骤为：利用步骤5中设置的电梯面板中按钮功能信息与步骤4中获得电梯面板中按钮的坐标进行一一对应，获得电梯面板中每个按钮的坐标和功能信息，从而完成对电梯面板中每个按钮的定位和识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710309120.3A CN107123145B (zh) | 2017-05-04 | 2017-05-04 | 基于人工标志和几何变换的电梯按钮定位和识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710309120.3A CN107123145B (zh) | 2017-05-04 | 2017-05-04 | 基于人工标志和几何变换的电梯按钮定位和识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107123145A true CN107123145A (zh) | 2017-09-01 |
| CN107123145B CN107123145B (zh) | 2020-01-07 |
Family
ID=59726640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710309120.3A Active CN107123145B (zh) | 2017-05-04 | 2017-05-04 | 基于人工标志和几何变换的电梯按钮定位和识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107123145B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805144A (zh) * | 2018-06-01 | 2018-11-13 | 杭州晨鹰军泰科技有限公司 | 基于形态学矫正的弹孔识别方法及系统、报靶设备 |
| CN109063748A (zh) * | 2018-07-16 | 2018-12-21 | 重庆大学 | 基于数据增强的目标检测方法 |
| CN109760070A (zh) * | 2019-03-15 | 2019-05-17 | 深圳市锐曼智能装备有限公司 | 机器人电梯按键定位控制方法及系统 |
| CN111747247A (zh) * | 2020-07-01 | 2020-10-09 | 广州赛特智能科技有限公司 | 一种机器人搭乘电梯的方法 |
| CN112938672A (zh) * | 2021-02-24 | 2021-06-11 | 深圳市呤云科技有限公司 | 一种基于图像矩阵变化的无接触电梯按键触发方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126808A (zh) * | 2007-08-02 | 2008-02-20 | 中国科学院自动化研究所 | 一种机器人导航系统及导航方法 |
| CN102009879A (zh) * | 2010-11-18 | 2011-04-13 | 无锡中星微电子有限公司 | 电梯自动按键控制系统、方法和人脸模型训练系统、方法 |
| CN105384015A (zh) * | 2015-12-16 | 2016-03-09 | 苏州大学 | 一种基于人脸识别和智能推荐的电梯控制系统 |
| CN105600632A (zh) * | 2016-02-02 | 2016-05-25 | 北京云迹科技有限公司 | 自动进出电梯的系统及方法 |
| CN105911993A (zh) * | 2016-06-16 | 2016-08-31 | 中南大学 | 运输机器人自主式进入电梯的控制系统 |
| CN105905712A (zh) * | 2016-05-31 | 2016-08-31 | 北京云迹科技有限公司 | 自动进出电梯的系统及方法 |
| TW201643097A (zh) * | 2015-06-10 | 2016-12-16 | Univ Chung Hua | <b>應用手勢辨識之智慧型電梯控制系統</b> |
| JP2017019605A (ja) * | 2015-07-08 | 2017-01-26 | 株式会社日立ビルシステム | 昇降機の保守点検システム |
| KR20170028004A (ko) * | 2015-09-03 | 2017-03-13 | 울산과학대학교 산학협력단 | 고층건물의 엘리베이터 운용고지 시스템 |
-
2017
- 2017-05-04 CN CN201710309120.3A patent/CN107123145B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126808A (zh) * | 2007-08-02 | 2008-02-20 | 中国科学院自动化研究所 | 一种机器人导航系统及导航方法 |
| CN102009879A (zh) * | 2010-11-18 | 2011-04-13 | 无锡中星微电子有限公司 | 电梯自动按键控制系统、方法和人脸模型训练系统、方法 |
| TW201643097A (zh) * | 2015-06-10 | 2016-12-16 | Univ Chung Hua | <b>應用手勢辨識之智慧型電梯控制系統</b> |
| JP2017019605A (ja) * | 2015-07-08 | 2017-01-26 | 株式会社日立ビルシステム | 昇降機の保守点検システム |
| KR20170028004A (ko) * | 2015-09-03 | 2017-03-13 | 울산과학대학교 산학협력단 | 고층건물의 엘리베이터 운용고지 시스템 |
| CN105384015A (zh) * | 2015-12-16 | 2016-03-09 | 苏州大学 | 一种基于人脸识别和智能推荐的电梯控制系统 |
| CN105600632A (zh) * | 2016-02-02 | 2016-05-25 | 北京云迹科技有限公司 | 自动进出电梯的系统及方法 |
| CN105905712A (zh) * | 2016-05-31 | 2016-08-31 | 北京云迹科技有限公司 | 自动进出电梯的系统及方法 |
| CN105911993A (zh) * | 2016-06-16 | 2016-08-31 | 中南大学 | 运输机器人自主式进入电梯的控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| 范文杰等: "基于云模型的机器人自主乘梯控制方法研究", 《微计算机信息》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805144A (zh) * | 2018-06-01 | 2018-11-13 | 杭州晨鹰军泰科技有限公司 | 基于形态学矫正的弹孔识别方法及系统、报靶设备 |
| CN109063748A (zh) * | 2018-07-16 | 2018-12-21 | 重庆大学 | 基于数据增强的目标检测方法 |
| CN109063748B (zh) * | 2018-07-16 | 2021-11-16 | 重庆大学 | 基于数据增强的目标检测方法 |
| CN109760070A (zh) * | 2019-03-15 | 2019-05-17 | 深圳市锐曼智能装备有限公司 | 机器人电梯按键定位控制方法及系统 |
| CN111747247A (zh) * | 2020-07-01 | 2020-10-09 | 广州赛特智能科技有限公司 | 一种机器人搭乘电梯的方法 |
| CN112938672A (zh) * | 2021-02-24 | 2021-06-11 | 深圳市呤云科技有限公司 | 一种基于图像矩阵变化的无接触电梯按键触发方法及装置 |
| CN112938672B (zh) * | 2021-02-24 | 2022-12-09 | 深圳市呤云科技有限公司 | 一种基于图像矩阵变化的无接触电梯按键触发方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107123145B (zh) | 2020-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107123145A (zh) | 基于人工标志和几何变换的电梯按钮定位和识别方法 | |
| CN101833791B (zh) | 一种单摄像机下的场景建模方法及系统 | |
| CN104637073B (zh) | 一种基于太阳照射阴影补偿的带状地下结构探测方法 | |
| CN108256413A (zh) | 可通行区域检测方法及装置、存储介质、电子设备 | |
| CN109829893A (zh) | 一种基于注意力机制的缺陷目标检测方法 | |
| CN104050446B (zh) | 一种基于指针宽度特征的仪表指针图像识别方法 | |
| CN107808386A (zh) | 一种基于图像语义分割的海天线检测方法 | |
| CN104777839B (zh) | 基于bp神经网络和距离信息的机器人自主避障方法 | |
| CN105938564A (zh) | 基于主成分分析和神经网络的水稻病害识别方法及系统 | |
| CN106291278A (zh) | 一种基于多视觉系统的开关柜局部放电自动检测方法 | |
| CN105930795A (zh) | 一种基于人体骨骼关节点间空间向量的行走状态识别方法 | |
| CN107610128A (zh) | 一种油位计的巡检方法和装置 | |
| CN112818768A (zh) | 一种基于元学习的变电站改扩建违章行为智能化识别方法 | |
| CN108009551A (zh) | 适用于电力作业机器人的电力刀闸分合位状态识别方法 | |
| CN102354364B (zh) | 一种单摄像机监控系统的立体障碍物检测方法 | |
| CN105404867A (zh) | 一种基于视觉的变电站隔离开关状态识别方法 | |
| CN106203261A (zh) | 基于svm和surf的无人车野外水体检测与跟踪方法 | |
| CN107066975B (zh) | 基于深度传感器的视频识别与跟踪系统及其方法 | |
| CN102411794A (zh) | 一种基于球谐变换的三维模型的二维投影的输出方法 | |
| CN106874913A (zh) | 一种菜品检测方法 | |
| CN105931216A (zh) | 一种基于图像处理技术的机场道面破损检测方法 | |
| CN114764900A (zh) | 一种变电站现场作业的越界违章监测方法 | |
| CN110807459A (zh) | 车牌矫正方法、装置以及可读存储介质 | |
| CN106874961A (zh) | 一种采用基于局部感受野的极速学习机的室内场景识别方法 | |
| CN106651957A (zh) | 基于模板的单目视觉目标空间定位方法 |
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 |