CN107218918B - 一种单摄像头测距方法 - Google Patents
一种单摄像头测距方法 Download PDFInfo
- Publication number
- CN107218918B CN107218918B CN201710244007.1A CN201710244007A CN107218918B CN 107218918 B CN107218918 B CN 107218918B CN 201710244007 A CN201710244007 A CN 201710244007A CN 107218918 B CN107218918 B CN 107218918B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- camera
- row
- sampled
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
- G01C3/02—Details
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Measurement Of Optical Distance (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种单摄像头测距方法,包括以下步骤:S1:在采样物体前粘贴目标图像,放置并启动摄像头;S2:将摄像头采集的图像信息转换为黑白图像;S3:利用微处理器对黑白图像进行采样,采样点共M*N个;S4:将处于黑色图像区域内的采样点定义为特征点,计算平均每行特征点个数;S5:改变摄像头与采样物体之间的相对距离,重复步骤S1‑S4;S6:建立相对距离与平均每行特征点个数的关系的数据库并利用MATLAB工具得到相对距离与平均每行特征点个数的非线性近似方程;S7:在采样物体表面粘贴目标图像,计算采样物体生成的黑白图像中平均每行特征点个数,代入上述相对距离与平均每行特征点个数的非线性近似方程,求得采样物体与摄像头之间的相对距离。
Description
技术领域
本发明涉及测距方法领域,尤其涉及一种单摄像头测距方法。
背景技术
目前利用摄像头进行测距的方法,最常见的是双目视差法,这种方法用两个摄像头采集图像数据,并根据物体上的某一点在两个摄像头中的视差成像确定该点到摄像头的距离,但双目视差法测距硬件成本较高,计算量大,测距结果易受特征点误匹配的影响;现有用单个摄像头测量两点距离的方法通常为摄像头加激光发射机的方法,但相比普通光源,激光发射机成本较高,而且操作起来也比较繁琐;现在也有通过移动摄像头和三角函数计算获得距离信息的方法,但其测量系统需要有个移动过程才能完成距离测量,不具备良好的实时性;也有利用对单目摄像头测距模型建模以获得距离信息的方法,但其过程需要经过大量的三角函数计算,计算方法较为复杂,无疑增加了计算成本和延长了测距时间,不具备良好的用户体验,也难以满足实时性要求。
如何利用单个摄像头准确、方便、实时的测量摄像头到物体的距离,成为亟待解决的问题。
发明内容
本发明的目的在于提供一种单摄像头测距方法,目的在于解决传统的测距方法中利用激光发射机测距成本较高的问题,还用于解决利用三角函数测距法测距计算方法复杂、且不具备良好实时性的问题。
为了实现上述目的,本发明采用以下技术方案:
一种单摄像头测距方法,包括以下步骤:
S1:在采样物体表面粘贴目标图像,目标图像中有一条宽度为X厘米的竖直线,竖直线的颜色与目标图像的背景颜色不同;在目标图像的正前方、距离目标图像L厘米处放置并启动摄像头;
S2:将摄像头采集到的图像发送给微处理器进行预处理,并将摄像头采集到的图像转换为黑白图像,竖直线所在区域为黑色图像,目标图像背景所在区域为白色图像;
S3:利用微处理器在黑白图像上取M行、N列共M*N个点作为采样点,定义数字“0”和“1”分别代表处于黑白图像黑色区域的采样点和处于黑白图像白色区域的采样点;
S4:将M*N个采样点中数字为“0”的采样点作为特征点,利用微处理器获取并计算平均每行的特征点个数,即平均每行“0”的个数;
S5:改变摄像头与采样物体之间的相对距离L共Q次(Q>3),每次改变后均重复S1-S4步骤,其中,第Q次改变后的相对距离表示为LQ,第Q次平均每行的特征点个数表示为
S6:建立与LQ的关系的数据库并利用MATLAB工具得到与LQ的非线性近似方程;
S7:在任意被测物体前粘贴步骤S1所述的目标图像,并在被测物体前任意距离处放置摄像头,重复步骤S2-S4,得到由被测物体生成的黑白图像中平均每行特征点个数,调用步骤S6中的非线性近似方程,即可得到被测物体与摄像头之间的距离L。
所述步骤S2包括以下步骤:
S21:将摄像头采集到的图像发送给微处理器,微处理器对摄像头采集到的图像进行预处理,滤除干扰信号,并输出灰度图像;
S22:微处理器对灰度图像进行进一步处理,将灰度图像转化为黑白图像。
步骤S3所述的利用微处理器在黑白图像上取M*N个点作为采样点的具体过程如下:在黑白图像的左上角选一起点,起点必须在黑色图像区域的左边,并水平向右以相等间距取N个点作为第一行采样点,所设间距要使第N个点必须在竖直线对应的黑色图像右边且不能在整幅图像之外;然后以第一行的每个点作为起始点,分别竖直向下取(M-1)个点,且使第M个点不能在图像之外,以形成M行N列共M*N个点作为采样点。
步骤S4中所述的计算平均每行的特征点个数的方法为:
其中,Q代表采样次数,M代表采样点行数,KMQ表示第Q次采样第M行的特征点个数,表示摄像头距离采样物体距离为LQ时对应的特征点个数的平均值。
所述步骤S6包括以下步骤:
S61:通过Q次采样,建立平均每行特征点个数与相对距离LQ的数据库;
S62:利用MATLAB中的非线性回归函数工具nlinfit求解相对距离L与平均每行特征点个数的非线性近似方程。
本发明的有益效果:
利用本发明所述的一种单摄像头测距方法,无需使用造价昂贵的激光发射机,也不需经过复杂计算,只需将目标图像粘贴在采样物体前方,在目标图像生成的黑白图像上取M*N个采样点,求解摄像头与采样物体之间相对距离和平均每行特征点个数的非线性近似方程;需测距时,只需将被测物体表面粘贴上述的目标图像,然后在被测距离处利用微处理器取M*N个采样点,得到平均每行特征点个数,代入非线性近似方程即可求得被测距离;本发明所述的一种单摄像头测距方法具有干扰小(针对超声波),硬件成本低,体积小,结构简单,操作方便(针对加激光传感器的情况),测距方式灵敏、快速,实时性好(针对需要移动过程和三角函数计算的情况),测距精度高等优点,在室内移动机器人、工业自动化车间等需要检测距离的领域具有广阔的应用前景。
附图说明
为了更清楚地说明本发明具体实施方式中的技术方案,下面将对具体实施方式描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图;
图2为微处理器将摄像头采集到的图像转换为灰度图像的示意图;
图3为微处理器将摄像头采集到的图像转换为黑白图像并取采样点的示意图;
图4为分别定义位于黑色区域和位于白色区域内的采样点为“0”和“1”的示意图;
图5为利用MATLAB得到的非线性回归分析结果示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示:本发明所述的一种单摄像头测距方法,利用单摄像头即可测出摄像头与采样物体之间的距离,具体包括以下步骤:
S1:在采样物体表面粘贴目标图像,目标图像中有一条宽度为X厘米的竖直线,竖直线的颜色与目标图像的背景颜色不同;在目标图像的正前方、距离目标图像L厘米处放置并启动摄像头;
其中,优选方案为:竖直线采用黑色直线,目标图像的背景颜色为白色或者灰色,黑色与白色或灰色对比明显,有利于微处理器对摄像头采集的图像进行处理;摄像头焦距固定不变,摄像头采用逐行扫描方式,摄像头在采集图像时需要保证扫描行所在平面与目标图像所在的平面保持平行,同时需要保证扫描行与竖直线垂直;同时保持光源稳定。
S2:将摄像头采集到的图像发送给微处理器进行预处理,并将摄像头采集到的图像转换为黑白图像,竖直线所在区域为黑色图像,目标图像背景所在区域为白色图像;具体包括以下步骤:
S21:如图2所示:首先将摄像头采集到的图像发送给微处理器进行预处理,滤除干扰信号,并输出灰度图像;
S22:如图3所示:利用微处理器将预处理后的灰度图像转换为黑白图像;
这里需要说明的是:利用微处理器对摄像头采集到的图像进行预处理并输出灰度图像属于现有成熟技术,利用微处理器将灰度图像转换为黑白图像也属于现有成熟技术,这里不再赘述。
S3:如图4所示:利用微处理器在黑白图像上取M行、N列共M*N个点作为采样点,定义数字“0”和“1”分别代表处于黑色区域的采样点和处于白色区域的采样点;
在黑白图像上取M*N个点作为采样点的具体过程如下:在黑白图像的左上角选一起点,起点必须在黑色图像区域的左边,并水平向右以相等间距取N个点作为第一行采样点,所设间距要使第N个点必须在竖直线对应的黑色图像右边且不能在整幅图像之外;然后以第一行的每个点作为起始点,分别竖直向下取(M-1)个点,且使第M个点不能在图像之外,以形成M行N列共M*N个点作为采样点。
S4:定义M*N个采样点中数字为“0”的采样点作为特征点,利用微处理器获取并计算平均每行的特征点个数,即平均每行“0”的个数;所述的计算平均每行的特征点个数的方法为:
其中,Q代表采样次数,M代表采样点行数,KMQ表示第Q次采样第M行的特征点个数,表示摄像头距离采样物体距离为LQ时对应的平均每行特征点个数的平均值。
S5:改变摄像头与采样物体之间的相对距离L共Q次(Q>3),每次改变后均重复S1-S4步骤,其中,第Q次改变后的相对距离记为LQ,相对距离为LQ时对应的平均每行特征点个数记为因为相对距离的改变将引起竖直线的宽度占画面整行的比例发生变化,即每改变一次距离,均取M*N个点,则平均每行特征点的个数均会不同,即相对距离与平均每行特征点的个数存在着非线性关系;
S6:建立与LQ的关系的数据库并利用MATLAB工具得到与LQ的非线性近似方程,具体包括以下步骤;
S61:通过Q次采样,建立平均每行特征点个数与相对距离LQ的数据库;
S62:利用MATLAB中的非线性回归函数工具nlinfit求解相对距离L与平均每行特征点个数的非线性近似方程。
S7:在任意被测物体前粘贴步骤S1所述的目标图像,并在被测物体前任意距离处放置摄像头,重复步骤S2-S4,得到由被测物体生成的黑白图像中平均每行特征点个数,调用步骤S6中的非线性近似方程,即可得到被测物体与摄像头之间的距离L。
利用本发明所述的一种单摄像头测距方法,无需使用造价昂贵的激光发射机,也不需经过复杂计算,只需将目标图像粘贴在采样物体前方,在目标图像生成的黑白图像上取M*N个采样点,求解摄像头与采样物体之间相对距离和平均每行特征点个数的非线性近似方程;需测距时,只需将被测物体表面粘贴上述的目标图像,然后在被测距离处利用微处理器取M*N个采样点,得到平均每行特征点个数,代入非线性近似方程即可求得被测距离。
下面结合实施例对本发明所述的一种单摄像头测距方法进行进一步说明:
S1:在采样物体表面粘贴目标图像,目标图像中有一条宽度为X厘米的黑色竖直线,目标图像的背景为白色;在目标图像的正前方、距离目标图像L厘米处放置并启动摄像头;所述的摄像头采用OV7620数字摄像头,分辨率为640*480,逐行扫描方式,目标图像中竖直线的宽度为X=1.7厘米。
S2:将摄像头采集到的图像发送给微处理器进行预处理,并将摄像头采集到的图像转换为黑白图像,竖直线所在区域为黑色图像,目标图像背景所在区域为白色图像,具体包括以下步骤:
S21:首先将摄像头采集到的图像发送给微处理器进行预处理,滤除干扰信号,并输出灰度图像;
S22:利用微处理器将预处理后的灰度图像转换为黑白图像;
所述微处理器采用MK60DN512VLQ10,MK60DN512VLQ10为是32位ARMCortex-M4处理器,内核频率高达100Mhz,完全能够满足图像数据的处理需求。
S3:利用微处理器在黑白图像上取M*N个点作为采样点,定义数字“0”和“1”分别代表处于黑色区域的采样点和处于白色区域的采样点,具体的M=60,N=260;
S4:定义M*N个采样点中数字为“0”的采样点作为特征点,利用微处理器获取并计算平均每行特征点个数,即平均每行“0”的个数;所述的计算平均每行的特征点个数的方法为:
其中,Q代表采样次数,M代表采样点行数,KMQ表示第Q次采样第M行的特征点个数,表示摄像头距离采样物体距离为LQ时对应的特征点个数的平均值。
S5:改变摄像头与采样物体之间的相对距离L共9次(Q=9),每次改变后均重复S1-S4步骤,其中,第Q次改变后的相对距离记为LQ,摄像头距离采样物体距离为LQ时对应的平均每行的特征点个数记为
S6:建立与LQ的关系的数据库并利用MATLAB工具得到与LQ的非线性近似方程,具体包括以下步骤;
S61:通过改变相对距离进行Q次采样,建立平均每行特征点个数与相对距离LQ的数据库,如下表所示:
S62:利用MATLAB中的非线性回归函数工具nlinfit求解相对距离L与平均每行特征点个数的非线性近似方程,具体采用以下步骤:
观察数据后发现,相对距离LQ与平均每行特征点数之间存在反比例关系,建立非线性近似方程的回归函数原型为反比例函数
于是得到:
其中a,b,c为回归系数,因此利用MATLAB中的非线性回归函数工具nlinfit(x,y,f,[0;0;0]),求得回归系数a,b,c的值,具体的,执行程序与执行结果如下,并得到如图5所示的非线性回归分析结果示意图:
L=[5,7,10,15,20,25,30,35,40];
K=[84,59,44,30,24,20,17,13,12];
f=@(beta,L)beta(1)./(L+beta(2))+beta(3);
beta=nlinfit(L,K,f,[0;0;0]);
a=beta(1),b=beta(2),c=beta(3)
LL=1:.1:45;
KK=a./(LL+b)+c;
plot(L,K,'o',LL,KK)
a=412.0258
b=0.1004
c=2.6106
于是,得到相对距离L与平均每行特征点个数K的非线性近似方程为:
S7:在任意被测物体前粘贴步骤S1所述的目标图像,并在被测物体前任意距离处放置摄像头,重复步骤S2-S4,得到由被测物体生成的黑白图像中平均每行特征点个数,调用步骤S6中的非线性近似方程,即可得到被测物体与摄像头之间的距离L,本实施例中,在不同的相对距离下,相对距离L的测量值与相对距离的实际值的绝对误差如下表所示:
通过上述实施例的测量结果可以看出,本发明所述的一种单摄像头测距方法具有干扰小(针对超声波),硬件成本低,体积小,结构简单,操作方便(针对加激光传感器的情况),测距方式灵敏、快速,实时性好(针对需要移动过程和三角函数计算的情况),测距精度高等优点,在室内移动机器人、工业自动化车间等需要检测距离的领域具有广阔的应用前景。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种单摄像头测距方法,其特征在于,包括以下步骤:
S1:在采样物体表面粘贴目标图像,目标图像中有一条宽度为X厘米的竖直线,竖直线的颜色与目标图像的背景颜色不同;在目标图像的正前方、距离目标图像L厘米处放置并启动摄像头;
S2:将摄像头采集到的图像发送给微处理器进行预处理,并将摄像头采集到的图像转换为黑白图像,竖直线所在区域为黑色图像,目标图像背景所在区域为白色图像;
S3:利用微处理器在黑白图像上取M行、N列共M*N个点作为采样点,定义数字“0”和“1”分别代表处于黑白图像黑色区域的采样点和处于黑白图像白色区域的采样点;
S4:将M*N个采样点中数字为“0”的采样点作为特征点,利用微处理器获取并计算平均每行特征点个数,即平均每行“0”的个数;
S5:改变摄像头与采样物体之间的相对距离L共Q次,Q大于3,每次改变后均重复S1-S4步骤,其中,第Q次改变后的相对距离表示为LQ,第Q次平均每行的特征点个数表示为
S6:建立与LQ的关系的数据库并利用MATLAB工具得到与LQ的非线性近似方程;
S7:在任意被测物体前粘贴步骤S1所述的目标图像,并在被测物体前任意距离处放置摄像头,重复步骤S2-S4,得到由被测物体生成的黑白图像中平均每行特征点个数,调用步骤S6中的非线性近似方程,即可得到被测物体与摄像头之间的距离L。
2.根据权利要求1所述的一种单摄像头测距方法,其特征在于:所述步骤S2包括以下步骤:
S21:将摄像头采集到的图像发送给微处理器,微处理器对摄像头采集到的图像进行预处理,滤除干扰信号,并输出灰度图像;
S22:微处理器对灰度图像进行进一步处理,将灰度图像转化为黑白图像。
3.根据权利要求1所述的一种单摄像头测距方法,其特征在于,步骤S3所述的利用微处理器在黑白图像上取M*N个点作为采样点的具体过程如下:在黑白图像的左上角选一起点,起点必须在黑色图像区域的左边,并水平向右以相等间距取N个点作为第一行采样点,所设间距要使第N个点必须在竖直线对应的黑色图像右边且不能在整幅图像之外;然后以第一行的每个点作为起始点,分别竖直向下取(M-1)个点,使第M个点不能在图像之外作为第一列采样点,以形成M行N列共M*N个点作为采样点。
4.根据权利要求1所述的一种单摄像头测距方法,其特征在于,步骤S4中所述的计算平均每行的特征点个数的方法为:
其中,Q代表采样次数,M代表采样点行数,KMQ表示第Q次采样第M行的特征点个数,表示摄像头距离采样物体距离为LQ时对应的特征点个数的平均值。
5.根据权利要求1所述的一种单摄像头测距方法,其特征在于,所述步骤S6包括以下步骤:
S61:通过Q次采样,建立平均每行特征点个数与相对距离LQ的数据库;
S62:利用MATLAB中的非线性回归函数工具nlinfit求解相对距离L与平均每行特征点个数的非线性近似方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710244007.1A CN107218918B (zh) | 2017-04-14 | 2017-04-14 | 一种单摄像头测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710244007.1A CN107218918B (zh) | 2017-04-14 | 2017-04-14 | 一种单摄像头测距方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107218918A CN107218918A (zh) | 2017-09-29 |
CN107218918B true CN107218918B (zh) | 2019-05-07 |
Family
ID=59927617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710244007.1A Expired - Fee Related CN107218918B (zh) | 2017-04-14 | 2017-04-14 | 一种单摄像头测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107218918B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108731596B (zh) * | 2018-03-29 | 2022-05-31 | 海安智鹏自动化科技有限公司 | 一种基于视觉识别的简易水下测距方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292782A (zh) * | 2013-05-21 | 2013-09-11 | 西安电子科技大学 | 基于遗传算法及粒子滤波的红外目标被动测距方法 |
CN103852060A (zh) * | 2014-03-19 | 2014-06-11 | 哈尔滨工业大学 | 一种基于单目视觉的可见光图像测距方法 |
CN105203034A (zh) * | 2015-07-29 | 2015-12-30 | 四川大学 | 一种基于单目摄像头三维测距模型的测高测面积方法 |
CN106443650A (zh) * | 2016-09-12 | 2017-02-22 | 电子科技大学成都研究院 | 一种基于几何关系的单目视觉测距方法 |
-
2017
- 2017-04-14 CN CN201710244007.1A patent/CN107218918B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292782A (zh) * | 2013-05-21 | 2013-09-11 | 西安电子科技大学 | 基于遗传算法及粒子滤波的红外目标被动测距方法 |
CN103852060A (zh) * | 2014-03-19 | 2014-06-11 | 哈尔滨工业大学 | 一种基于单目视觉的可见光图像测距方法 |
CN105203034A (zh) * | 2015-07-29 | 2015-12-30 | 四川大学 | 一种基于单目摄像头三维测距模型的测高测面积方法 |
CN106443650A (zh) * | 2016-09-12 | 2017-02-22 | 电子科技大学成都研究院 | 一种基于几何关系的单目视觉测距方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107218918A (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
CN104966308B (zh) | 一种计算激光光束光斑大小的方法 | |
CN102901444B (zh) | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 | |
CN109903241A (zh) | 一种tof相机系统的深度图像校准方法及系统 | |
CN102519710B (zh) | 一种透光玻璃光学畸变数字化检测仪及检测方法 | |
CN106885622B (zh) | 一种大视场多点三维振动测量方法 | |
CN102356631A (zh) | 图像处理装置、信号处理方法以及程序 | |
CN108225537A (zh) | 一种非接触式的基于高速摄影的微小物体振动测量方法 | |
JP2015524915A (ja) | 3d情報処理装置及び方法 | |
CN110118640B (zh) | 一种实验室提取强分层流体中内孤立波特征的方法 | |
CN103472256A (zh) | 基于面阵ccd空间滤波器的流动二维速度场测量方法及装置 | |
CN103245296A (zh) | 一种基于图像测量与处理的丝杠螺纹参数测量方法 | |
CN106500832A (zh) | 一种基于机器视觉的低频振动校准装置 | |
CN106097433A (zh) | 物体工业与影像模型的叠加方法及系统 | |
CN104835124A (zh) | 一种基于光谱信息融合的泡沫图像颜色校正方法及装置 | |
US20200351454A1 (en) | Wish: wavefront imaging sensor with high resolution | |
CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
CN107218918B (zh) | 一种单摄像头测距方法 | |
CN104813217B (zh) | 用于设计能够估计景深的无源单通道成像器的方法 | |
CN105203045B (zh) | 一种基于异步时域视觉传感器的产品形状完整性检测系统及检查方法 | |
Hua et al. | Kinect‐based real‐time acquisition algorithm of crop growth depth images | |
CN110210359A (zh) | 空间滤波测速技术中速度测量优化方法 | |
CN203101029U (zh) | 一种用于检测中继镜的装置 | |
CN107392955A (zh) | 一种基于亮度的景深估算装置及方法 | |
CN111060437A (zh) | 3d打印砂箱的检测设备及检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190507 Termination date: 20200414 |