CN107169952B - 一种用于可见光成像定位的条纹识别和信息检测方法 - Google Patents
一种用于可见光成像定位的条纹识别和信息检测方法 Download PDFInfo
- Publication number
- CN107169952B CN107169952B CN201710132035.4A CN201710132035A CN107169952B CN 107169952 B CN107169952 B CN 107169952B CN 201710132035 A CN201710132035 A CN 201710132035A CN 107169952 B CN107169952 B CN 107169952B
- Authority
- CN
- China
- Prior art keywords
- stripe
- value
- array
- bright
- row
- 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
Links
Images
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optical Communication System (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种用于可见光成像定位的条纹识别和信息检测方法,该方法在接收机CMOS传感器前面放置一层减光材料来产生清晰的明暗条纹图像;从得到的明暗条纹图片中,获取有效的条纹区域;将得到的条纹区域转换为灰度图像,对灰度图像进行处理得到明暗条纹所对应的总像素行数;根据S3中得到的明暗条纹所对应的总像素行数计算得到灰度图像的估计行数值,利用该估计行数值计算出估计的FSOOK信号频率。提高了经FSOOK调制的可见光信号所产生的明暗条纹的清晰度,避免了明暗条纹图片中的高光干扰问题,具有较好的信息检测性能,从而可增加正确解调可见光信号的距离,同时还具有很低的实现复杂度。
Description
技术领域
本发明涉及可见光定位技术领域,更具体地,涉及一种用于可见光成像定位的条纹识别和信息检测方法。
背景技术
采用带有CMOS图像传感器(CIS)的手机接收LED光信号,可形成明暗条纹图片,实现低速率信息传输。闪烁的LED光信号要在成像平面上形成明暗条纹图片,要求CMOS图像传感器采用卷帘式快门。现有的可见光通信(VLC)系统如图1所示,发射机采用开关键控(OOK)调制驱动的LED光源,接收机采用卷帘式快门CMOS图像传感器形成明暗条纹图片,再通过对明暗条纹图片的图像处理来获取OOK光信息。图1所提出的系统和解码方法在短距离通信(几十厘米)和无背景环境光干扰的环境下获得了一定的性能。但是,如果图1提出的系统和方法应用在2米以上的通信距离和有背景环境光干扰的应用场景中,其性能将无法满足成功解调信号的要求。
现有技术中还有一种可见光信号传输解码方法(如图2所示),其基本思想是发射端采用LED光源灯具以不同的频率进行闪烁,接收端采用CMOS图像传感器获取闪烁光信号形成不同明暗条纹宽度的条纹图片。条纹图片的明暗条纹宽度取决于LED光源的闪烁频率。发射机通过频移开关键控(FSOOK)调制驱动LED灯具顺序发出闪烁频率信息,每一种频率代表若干位比特的数据。接收端的CMOS图像传感器采用等间隔时间拍照获取若干幅明暗条纹图片,然后对明暗条纹图片进行条纹数目检测。由于不同的条纹数目代表不同的闪烁频率,进而解码出二进制数据。图2提出的这种检测图片条纹数目的方法,其可靠性并不理想,而且如果CMOS图像传感器与LED光源(闪烁频率保持不变)之间的距离发生变化后,有效光源区的条纹数目会发生变化,并不能得到条纹数目与LED闪烁频率之间的对应关系。
此外,现有技术中还有一种采用具有卷帘式快门的CMOS图像传感器检测LED闪烁频率的算法。其基本思想是获取光源区条纹图片,将条纹图片转换成灰度图像,然后对条纹图片每一行的像素计算平均灰度值,将灰度平均值进行离散傅立叶变换(DFT)得到频率响应,然后检测频率响应除低频分量以外的峰值所对应的值K,用总行数除以K得到明暗条纹宽度的像素行数ROWN,最后用CMOS图像传感器的行扫描频率除以ROWN得到LED的闪烁频率。不过,该方法是在无高光干扰的理想环境中提出的,如果LED光源周围有其他高光光源,有可能会导致条纹截取算法的误操作,造成条纹有效区域面积的扩大,从而增大LED检测频率误差,甚至无法检测。该算法虽然是一种鲁棒性较高的检测算法,但是由于采用DFT运算,对接收机的运算性能有一定的要求。其次,由于条纹的形成受到CMOS图像传感器的硬件和LED灯具发射光功率等众多因素的限制,使得条纹的清晰度在较远的距离容易被破坏。
发明内容
本发明为克服上述现有技术所述的可靠性不够理想或计算复杂度较高的缺点,提出了一种高可靠性、低复杂度的明暗条纹信息检测方法。
为了达到上述技术效果,本发明的技术方案如下:
一种用于可见光成像定位的条纹识别和信息检测方法,该方法用于采用FSOOK调制的LED发射机,且LED灯具安装有灯罩和基于CMOS图像传感器的接收机所组成的可见光通信系统,包括以下步骤:
S1:在接收机CMOS传感器前面放置一层减光材料来产生清晰的明暗条纹图像;
S2:从得到的明暗条纹图片中,获取有效的条纹区域;
S3:将得到的条纹区域转换为灰度图像,对灰度图像进行处理得到明暗条纹所对应的总像素行数;
S4:根据S3中得到的明暗条纹所对应的总像素行数计算得到灰度图像的估计行数值,利用该估计行数值计算出估计的FSOOK信号频率。
进一步地,所述步骤S3的具体过程如下:
S31:求灰度图像每行像素的灰度值的平均值Mi,即每行像素灰度值总和除以该行的列数,将N个灰度平均值存储在数组Gaverage(n),n=1,2,…N;
S32:计算相邻两行像素的差值,即当前行像素值减去上一行的像素值,然后将差值与预设的灰度阈值α进行比较,如差值大于α,将此行值赋为“1”,否则将此行值赋为“0”,得到数组D;
S33:将D中值为“1”的所有元素的索引号取出,保存到数组E中,根据数组E计算得到数组H(l),根据数组H(l)的元素取值得到总像素的行数。
进一步地,所述步骤S33中根据数组E计算得到数组H的具体过程是:对数组E进行差分运算,即当前元素减去上一个元素,并将差分计算后的结果进行筛选,将大于1的结果依次保存在数组H中。
进一步地,所述步骤S4中计算灰度图像的估计行数值的过程如下:
由步骤S1-S3得到目标图片所包含全部L对明暗条纹所对应的行数H(l),l=1,2,...,L,由于每个合法的FSOOK调制频率是已知的,它们所对应的真实行数可根据公式计算,其中,fLED为FSOOK信号调制频率,fS为摄像头的行扫描频率,LLED为一对明暗条纹的像素行数,表示向下取整的操作;故每个真实行数对应的有效行数可由公式得到,其中,有效行数定义为行数的真值RT的浮动范围,W为可见光通信系统合法频率值的总数;
由该表找出Swl(l=1,2,...,L;w=1,2,...,W)的最大值:
进一步地,所述步骤S2中采用图像形状识别算法从明暗条纹图片中,获取有效的条纹区域。
与现有技术相比,本发明技术方案的有益效果是:
本发明应用在在采用FSOOK调制的LED发射机,且LED灯具安装有灯罩和基于CMOS图像传感器的接收机所组成的可见光通信系统中,在接收机CMOS传感器前面放置一层减光材料来产生清晰的明暗条纹图像;从得到的明暗条纹图片中,获取有效的条纹区域;将得到的条纹区域转换为灰度图像,对灰度图像进行处理得到明暗条纹所对应的总像素行数;根据S3中得到的明暗条纹所对应的总像素行数计算得到灰度图像的估计行数值,利用该估计行数值计算出估计的FSOOK信号频率。提高了经FSOOK调制的可见光信号所产生的明暗条纹的清晰度,避免了明暗条纹图片中的高光干扰问题,具有较好的信息检测性能,从而可增加正确解调可见光信号的距离,同时还具有很低的实现复杂度。
附图说明
图1为现有技术中的一种可见光定位系统示意图;
图2为现有技术中的另一种可见光定位系统示意图;
图3(a)为COMS传感器无减光材料采集的图片;
图3(b)为COMS传感器有减光材料采集的图片;
图4(a)为采用传统的基于平均阈值法截取的条纹图像;
图4(b)为采用霍夫算法截取的条纹图像;
图5计算数组H元素取值的算法流程图
图6为选取“阈值置信区间”的示意图;
图7为Gaverage的元素值的分布图;
图8为差分运算后数组D中“0”和“1”的取值分布图;
图9为本发明方法的流程图;
图10为本发明方法和DFT算法在相同条件下的处理时间与截取图片行数的关系对比示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
一种用于可见光成像定位的条纹识别和信息检测方法(如图9所示),包括以下步骤:
步骤1:在接收机CMOS传感器前面放置一层减光材料(如减光片、减光膜等),用于产生更清晰的明暗条纹图像。
本发明对此类成像可见光通信系统进行了分析,提出了一种高可靠性、极低复杂度的明暗条纹信息检测方法,可用其获取较为精确的LLED值,从而可以较好地恢复出调制频率fLED。以下进行详细说明。
由于LED光源的入射光功率较大,CMOS图像传感器都有自动曝光控制、自动增益控制功能,当拍摄距离越远时,根据成像原理可知,光斑越小。CMOS图像传感器在自动曝光过程中,相机通过自动调节光圈大小、曝光时间等相关参数与设置,使得图像传感器所接收到的入射光能量处于一个合适的水平,通过转换而得到具有对应强度的电信号。用公式表示为:
Y=f(K,L,T)
其中Y表示曝光强度,K表示比例系数,T表示曝光时间,L表示外界光照度,f代表成像函数。当光斑变小时,为了获得足够大的信噪比(SNR),会优先增加曝光时间。但是,增大曝光时间会使得相邻像素点的曝光混叠区增大,从而导致拍摄图像空间对比度的减小。此时,明暗条纹过渡缓慢,导致条纹分界不明显,将降低条纹检测的性能。
为此,可在摄像头前加上减光材料(如减光片、减光膜等),减少入射光量,令非均匀发光面LED光源所发出的光变得较为均匀,从而使明暗条纹分界更为明显,为检测VLC信号提供了一种有效手段。另一方面,通过减光材料,还可明显扩散条纹区域,增大了条纹的有效检测区域,缓解了增大拍摄距离时将导致图像目标变小、有效检测区域变小的问题。如图3(a)-(b)所示,在减光材料的帮助下,可形成更清晰的条纹图像,同时增加了获取有效条纹区域的概率,从而可延长能正确接收信息的检测距离。
步骤2:当通过CMOS图像传感器获取条纹图像后,可使用图像形状识别方法来获得条纹所在的区域,然后对所选的区域进行灰度值的处理,从而获得明暗条纹的信息。特别地,当LED光源周围有其它高光干扰时,如图4(a)所示,采用传统的基于平均阈值法的条纹图像截取方法,有可能会将高光区域误判为条纹图片信息的一部分,从而影响信息检测的准确性。因此,应通过使用图像形状识别方法识别出LED光源形成的条纹的有效区域,然后截取识别到的有效区域,得到只包含LED灯形成条纹的图片。不失一般性,本实施例假设LED灯具为圆形。此时LED光源形成的明暗条纹有效区域也是一个圆形,故可采用霍夫算法或其他图形形状检测算法来检测圆形,实现对有效条纹区域的快速识别,如图4(b)所示。如采用其他形状的灯具,可选择相应的形状检测算法来获取相应的条纹区域。
步骤3:将经上述图像形状识别处理后得到的图片,进行灰度处理。具体执行过程为:
a)将获得的条纹图片转换为灰度图像;
b)求每行像素的灰度值的平均值Mi,即每行像素灰度值总和除以该行的列数,将N个灰度平均值存储在数组Gaverage(n)(1,2,…N)中;
c)计算相邻两行像素的差值,即当前行像素值减去上一行的像素值,然后将差值与所选的“灰度阈值”α进行比较。如差值大于α,将此行值赋为“1”,否则将此行值赋为“0”。为了通过像素值之间的差值区分明暗条纹,需要选取合适的α。由于像素值之间的差值与图片的迈克尔对比度γ相关,可计算出一定数量的实验图片的γ来获取统计经验值,从而确定阈值的选取。条纹图片的迈克尔逊对比度γ可表示为
上式中Mmax、Mmin分别表示所有行的平均灰度值中的最大、最小值。根据大量图片实验处理统计结果确定选取的α跟γ的关系时,可采用以下选取规则,即图片中至少有3条连续的明暗条纹(其中两条是明条纹、第三条是暗条纹;或其中两条是暗条纹、第三条是明条纹);α可在“阈值置信区间”上选取任意值。“阈值置信区间”的定义是:遍历i=0,1,...,255的全部灰度值,逐个作为α的测试阈值i来观察目标图片的解码结果(即图片中一对明暗条纹包含的像素行数),当所得结果在“有效行数”范围内的重复率大于某个“重复门限”(例如,最低为50%)时,该测试阈值i即视为一个有效阈值,而全部有效阈值就组成了“阈值置信区间”。上述“有效行数”定义为行数的真值RT的浮动范围,即
其中ΔR为给定的“行数保护间隔”。在实际应用中,选取FSOOK信号频率时,应使不同的频率之间的间隔大于2·ΔR。图6给出了一个选取“阈值置信区间”的示意图。在该例中,“重复门限”设定为50%。
通过采用上述方法处理大量实验图片并选定“阈值置信区间”后,即可根据实验结果确定对比度γ跟“灰度阈值”α的关系。由于该结果是根据若干次实验解码统计结果而得出的,如果实验次数不同,结果可能会存在差别,但无论如何,总可以求出γ跟α的一个对应关系。下述是此关系的一个例子:
在上子中,当γ<γmin=0.56时,图片明暗像素之间的差值太小,可能无法取到合适的阈值,该图片将不能正确解码,应换用其他图片来辅助上述的阈值选择过程。根据图片的对比度选取合适的阈值后,即可对待解码的条纹图片进行处理,以获取FSOOK信号携带的频率信息。例如,假设有某图片包含22行像素,其灰度值分别为:{0,120,255,255,120,0,0,120,255,255,120,0,0,120,255,255,120,0,0,40,89,255}。其中,“0”代表暗条纹的灰度值,“120”为明暗交界处条纹的灰度值,“255”为明条纹的灰度值。则此时的图片对应的对比度γ为
根据γ跟α的关系式可得出α∈(10,120),故可选取10-120中的任意一个值(例如50)来作为“灰度阈值”α。确定α后,首先初始化第1行为0,进行差值运算并按阈值比较后,这22行像素运算后的结果D为:{0,1,1,0,0,0,0,1,1,0,0,0,0,1,1,0,0,0,0,0,0,1},其中的“1”代表了相邻两对明暗条纹的分界处。将上述例子中的数据进行运算后,其结果在表1给出。
表1:举例数据的运算结果
d)得到数组D后,可进一步将D中值为“1”的所有元素的索引号取出,保存到数组E中,得到表2:
表2:数组E中的元素
元素索引,l | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
E(l) | 2 | 3 | 8 | 9 | 14 | 15 | 22 |
e)将数组E可按图5的流程图计算数组H中各元素的取值(即每对明暗条纹所对应的总像素行数),即对数组E进行差分运算,即当前元素减去上一个元素,并将差分计算后的结果进行筛选,将大于1的结果依次保存在数组H中,结果如表3所示:
表3:数组H中的元素
元素索引,l | 1 | 2 | 3 |
H(l) | 6 | 6 | 13 |
步骤4:由上述步骤可得到目标图片所包含全部L对明暗条纹所对应的行数H(l),l=1,2,...,L。由于每个合法的FSOOK调制频率是已知的,它们所对应的真实行数可根据公式计算,故每个真实行数对应的“有效行数”可由公式得到,其中W为该系统合法频率值的总数。因此,将前述L个行数值H(l),l=1,2,...,L中的每一个数值与进行比较,并统计H(l)匹配的次数,得到表4:
表4:明暗条纹对应行数与有效行数的对比示例
由表4找出Swl(l=1,2,...,L;w=1,2,...,W)的最大值:
则其所对应的关联的真实行数值RT,max,即可视为最终的估计行数值继续以表3的例子进行说明,经过步骤4的运算,可以得到Swl的最大值Smax=2,根据简单多数或平均数的原则找到最匹配的而关联的真实行数值RT,max为6,即可视为最终的估计行数值
为了对本发明所述的过程有一个更清晰的表述,下面将通过一个具体例子来进行说明。
假设本例采用LED发射机循环发送经过fLED=500Hz频率调制的FSOOK信号,CMOS摄像头接收到信号后形成图片,且已知该摄像头的行扫描频率为fS=30720Hz。根据公式可计算得到本例中的LLED理论值为61。采用MATLAB实现接收图片的图像识别方法,处理后得到的图片如图4(b)所示。
下一步,根据步骤3,可得到数组:
Gaverage=[218 217 218 218 218 218 235 251 234 174 31 14 3 1 1 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 2 7 8 96 245 253 254 245 240 239 239 239239 239 239 239 239 239 239 239 239 239 239 239 239 239 239 239 239 239 239244 254 253 213 128 9 7 1 1 1 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 3 693 214...],绘成如图7所示的统计分布。
如采用阈值α=50,则计算差值后,数组D的取值为[0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 11 0 0 0 0 0 0 0 0 0 0 0 0 0],其分布图如图8所示。
下一步,依次计算得到数组E=[40 41 101 102 163 224 225 285 286 287]和数组H=[61 62 62 61]。然后,如根据平均法,可得或根据简单多数法可知,Swl的最大值Smax=4,其所对应的关联的真实行数值RT,max=61。因此,可判定估计行数值为最后,由公式计算出估计的FSOOK信号频率
此外,我们指出,只要该可见光通信系统预先选择的代表不同信号的调制频率有足够的差别(即相邻的频率差大于前述的行数缓冲值区间),则根据查表即可快速判定这些检测所得的行值是否属于合法的频率值之一。
由上述可见,和现有的需要DFT操作等高复杂度运算的方法相比,本发明提出的方法主要通过简单的差分运算即可完成信息检测,在处理速度方面还可获得较好的性能。图10给出了本方法和DFT算法相比,在相同条件下的处理时间与截取图片行数的关系对比示意图。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种用于可见光成像定位的条纹识别和信息检测方法,该方法用于采用FSOOK调制的LED发射机,且LED灯具安装有灯罩和基于CMOS图像传感器的接收机所组成的可见光通信系统,其特征在于,包括以下步骤:
S1:在接收机CMOS图像传感器前面放置一层减光材料来产生清晰的明暗条纹图片;
S2:从得到的明暗条纹图片中,获取有效的条纹区域;
S3:将得到的条纹区域转换为灰度图像,对灰度图像进行处理得到明暗条纹所对应的总像素行数;
S4:根据S3中得到的明暗条纹所对应的总像素行数计算得到灰度图像的估计行数值,利用该估计行数值计算出估计的FSOOK信号调制频率;
所述步骤S3的具体过程如下:
S31:求灰度图像每行像素的灰度值的平均值Mi,即每行像素灰度值总和除以该行的列数,将N个灰度平均值存储在数组Gaverage(n),n=1,2…,N;
S32:计算相邻两行像素的差值,即当前行像素值减去上一行的像素值,然后将差值与预设的灰度阈值α进行比较,如差值大于α,将此行值赋为“1”,否则将此行值赋为“0”,得到数组D;
S33:将D中值为“1”的所有元素的索引号取出,保存到数组E中,根据数组E计算得到数组H(l),根据数组H(l)的元素取值得到总像素的行数;
所述步骤S4中计算灰度图像的估计行数值的过程如下:
由步骤S1-S3得到目标图片所包含全部L对明暗条纹所对应的行数H(l),l=1,2,...,L,由于每个合法的FSOOK信号调制频率是已知的,它们所对应的真实行数可根据公式计算,其中,fLED为FSOOK信号调制频率,fS为摄像头的行扫描频率,LLED为一对明暗条纹的像素行数,表示向下取整的操作;故每个真实行数对应的有效行数可由公式得到,其中,有效行数定义为行数的真值RT的浮动范围,W为可见光通信系统合法频率值的总数;
由该表找出Swl,l=1,2,...,L;w=1,2,...,W的最大值:
2.根据权利要求1所述的用于可见光成像定位的条纹识别和信息检测方法,其特征在于,所述步骤S33中根据数组E计算得到数组H的具体过程是:对数组E进行差分运算,即当前元素减去上一个元素,并将差分计算后的结果进行筛选,将大于1的结果依次保存在数组H中。
3.根据权利要求2所述的用于可见光成像定位的条纹识别和信息检测方法,其特征在于,所述步骤S2中采用图像形状识别算法从明暗条纹图片中,获取有效的条纹区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710132035.4A CN107169952B (zh) | 2017-03-07 | 2017-03-07 | 一种用于可见光成像定位的条纹识别和信息检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710132035.4A CN107169952B (zh) | 2017-03-07 | 2017-03-07 | 一种用于可见光成像定位的条纹识别和信息检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107169952A CN107169952A (zh) | 2017-09-15 |
CN107169952B true CN107169952B (zh) | 2021-07-23 |
Family
ID=59849469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710132035.4A Active CN107169952B (zh) | 2017-03-07 | 2017-03-07 | 一种用于可见光成像定位的条纹识别和信息检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169952B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864013B (zh) * | 2017-11-10 | 2019-09-10 | 深圳市光域物联科技有限公司 | 面向无人驾驶车辆的自适应成像定位导航系统及方法 |
CN112033377A (zh) * | 2019-06-03 | 2020-12-04 | 海信视像科技股份有限公司 | 指示灯标识的确定方法、定位方法及定位系统 |
CN110532860A (zh) * | 2019-07-18 | 2019-12-03 | 华南理工大学 | 基于rgb led灯具的可见光条纹码调制与识别方法 |
CN112671999B (zh) * | 2020-12-16 | 2021-12-21 | 吉林大学 | 一种支持接收器晃动和用户移动的光学相机通信解调方法 |
CN113008163B (zh) * | 2021-03-01 | 2022-09-27 | 西北工业大学 | 一种结构光三维重建系统中基于频移条纹的编解码方法 |
CN114723702A (zh) * | 2022-03-31 | 2022-07-08 | 海门市腾飞橡塑厂 | 一种基于图像处理的注塑制件虎皮纹缺陷检测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008113237A (ja) * | 2006-10-30 | 2008-05-15 | Kyocera Corp | 撮像装置におけるフリッカ検出方法と装置 |
CN104168060A (zh) * | 2014-07-09 | 2014-11-26 | 珠海横琴华策光通信科技有限公司 | 一种利用可见光信号传输信息/获取信息的方法和装置 |
CN105430289A (zh) * | 2015-11-19 | 2016-03-23 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于cmos图像传感器检测led闪烁频率的方法 |
CN105450300A (zh) * | 2015-11-19 | 2016-03-30 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于cmos图像传感器传输并检测led信息的方法 |
CN105515657A (zh) * | 2015-11-19 | 2016-04-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种采用led灯具mimo阵列架构的可见光摄像机通信系统 |
CN106452602A (zh) * | 2016-08-23 | 2017-02-22 | 西北工业大学 | 一种可见光通信的调制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3823314B2 (ja) * | 2001-12-18 | 2006-09-20 | ソニー株式会社 | 撮像信号処理装置及びフリッカ検出方法 |
JP5099701B2 (ja) * | 2008-06-19 | 2012-12-19 | シャープ株式会社 | 信号処理装置、信号処理方法、制御プログラム、可読記録媒体、固体撮像装置および電子情報機器 |
-
2017
- 2017-03-07 CN CN201710132035.4A patent/CN107169952B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008113237A (ja) * | 2006-10-30 | 2008-05-15 | Kyocera Corp | 撮像装置におけるフリッカ検出方法と装置 |
CN104168060A (zh) * | 2014-07-09 | 2014-11-26 | 珠海横琴华策光通信科技有限公司 | 一种利用可见光信号传输信息/获取信息的方法和装置 |
CN105430289A (zh) * | 2015-11-19 | 2016-03-23 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于cmos图像传感器检测led闪烁频率的方法 |
CN105450300A (zh) * | 2015-11-19 | 2016-03-30 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于cmos图像传感器传输并检测led信息的方法 |
CN105515657A (zh) * | 2015-11-19 | 2016-04-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种采用led灯具mimo阵列架构的可见光摄像机通信系统 |
CN106452602A (zh) * | 2016-08-23 | 2017-02-22 | 西北工业大学 | 一种可见光通信的调制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107169952A (zh) | 2017-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169952B (zh) | 一种用于可见光成像定位的条纹识别和信息检测方法 | |
CN107104730B (zh) | 用于可见光成像定位的条纹识别和信息检测算法 | |
CN111862195B (zh) | 光斑检测方法和装置、终端和存储介质 | |
US11700457B2 (en) | Flicker mitigation via image signal processing | |
CN109661666B (zh) | 光通信装置和系统以及相应的信息传输和接收方法 | |
US9479251B2 (en) | Light detection system and method | |
TWI713547B (zh) | 用於判定一圖像之一深度圖的方法與設備 | |
CN107255524B (zh) | 一种基于移动设备摄像头检测led光源的频率的方法 | |
JP6847922B2 (ja) | 構造化照明のためのコード領域パワー制御 | |
CN107194301A (zh) | 一种二维码的识别方法及装置 | |
CN110709722B (zh) | 飞行时间摄像机 | |
WO2020059565A1 (ja) | 奥行取得装置、奥行取得方法およびプログラム | |
CN109035282B (zh) | Hadamard编码调制关联成像的阈值处理方法 | |
CN107864342B (zh) | 图像亮度调节方法及装置 | |
US20160321825A1 (en) | Measuring apparatus, system, and program | |
US20200084356A1 (en) | Image monitoring device, image monitoring method, and recording medium | |
US9123141B2 (en) | Ghost artifact detection and removal in HDR image processing using multi-level median threshold bitmaps | |
CN109936694B (zh) | 包含参考光源的光通信装置及相应的信息传输和接收方法 | |
CN109936713B (zh) | 用于对光源传递的信息进行解码的方法和装置 | |
CN107316318B (zh) | 基于多子区域背景拟合的空中目标自动检测方法 | |
JP6466684B2 (ja) | 可視光送信装置、可視光受信装置、可視光通信システム、可視光通信方法及びプログラム | |
JP2009080101A (ja) | エッジ検出を強化するシステム及び方法 | |
CN113613189B (zh) | 可见光定位中基于标记的伪光源鉴别方法 | |
CN114389694B (zh) | 一种可见光导航通信一体化中易识别的光源波形设计方法 | |
JP2020507258A (ja) | 符号化光の検出 |
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 |