CN107545247B - 基于双目识别的立体认知方法 - Google Patents

基于双目识别的立体认知方法 Download PDF

Info

Publication number
CN107545247B
CN107545247B CN201710730732.XA CN201710730732A CN107545247B CN 107545247 B CN107545247 B CN 107545247B CN 201710730732 A CN201710730732 A CN 201710730732A CN 107545247 B CN107545247 B CN 107545247B
Authority
CN
China
Prior art keywords
cognitive
plane image
target object
generalized
recognition
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
Application number
CN201710730732.XA
Other languages
English (en)
Other versions
CN107545247A (zh
Inventor
董霄剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Vizum Intelligent Technology Co ltd
Original Assignee
Beijing Vizum Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Vizum Intelligent Technology Co ltd filed Critical Beijing Vizum Intelligent Technology Co ltd
Priority to CN201710730732.XA priority Critical patent/CN107545247B/zh
Publication of CN107545247A publication Critical patent/CN107545247A/zh
Application granted granted Critical
Publication of CN107545247B publication Critical patent/CN107545247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开一种基于双目识别的立体认知方法，包括以下步骤：S1：拍摄目标对象的第一平面图像和第二平面图像；S2：对第一平面图像和第二平面图像进行预处理；S3：对经过预处理的第一平面图像和第二平面图像进行智能认知，确定视差计算前的泛化认知特征，并建立第一平面图像和第二平面图像之间的匹配关系，以辨认目标对象的认知属性；S4：确认与该认知属性相对应的一个或多个特定认知特征；S5：进行视差计算；S6：建立识别物体的三维坐标空间；S7：判断三维坐标空间的识别度是否满足精度和误差要求；如满足，输出目标对象的识别结果；如不满足，转至步骤S8；S8：返回步骤S3，重新确定泛化认知特征，并继续执行步骤S4‑S7。

Description

基于双目识别的立体认知方法
技术领域
本发明属于机器视觉技术领域，特别涉及一种能够精确快速识别目标物体的立体认知方法。
背景技术
随着机器识别技术的发展，目前很多领域都应用到了机器视觉认知。传统的机器识别包括机器臂定位、智能车辆导航、规避障碍物、甚至人脸识别、指纹识别等等。然而，所有目前的机器识别系统都存在一个不可避免的缺陷，就是识别速度慢，误差率较高。因此，如何快速有效得提高机器视觉识别的性能，成为本领域亟待解决的技术问题。
发明内容
本发明的目的就是克服现有技术中提到的上述弊端，提供一种识别准确率高、速度快的基于双目识别的立体认知方法。
为达上述目的，本发明采取以下技术方案：
一种基于双目识别的立体认知方法，包括以下步骤：
S1：通过相对位置固定的两个摄像头拍摄目标对象的第一平面图像和第二平面图像；
S2：对所述第一平面图像和第二平面图像进行预处理；
S3：对经过预处理的第一平面图像和第二平面图像进行智能认知，确定视差计算前的泛化认知特征，并建立所述第一平面图像和第二平面图像之间的匹配关系，以辨认所述目标对象的认知属性；
S4：根据所述目标对象的认知属性，确认与该认知属性相对应的一个或多个特定认知特征；
S5：根据双目立体成像原理进行视差计算；
S6：结合所述特定认知特征和所述点云图，建立识别物体的三维坐标空间；
S7：判断所述三维坐标空间的识别度是否满足精度和误差要求；如满足，输出所述目标对象的识别结果；如不满足，转至步骤S8；
S8：返回步骤S3，重新确定所述泛化认知特征，并继续执行步骤S4-S7。
根据本发明提出的基于双目识别的立体认知方法，其中，所述步骤S5中还包括获取所述目标对象的点云图。
根据本发明提出的基于双目识别的立体认知方法，其中，所述泛化认知特征包括纹理、轮廓、颜色中的一种或几种；所述特定认知特征包含在所述泛化认知特征之内；所述认知属性的具体种类包括颜色、轮廓、表面纹理以及轮廓的几何结构。
根据本发明提出的基于双目识别的立体认知方法，其中，所述步骤2中的预处理包括滤波、降噪、白平衡、扭曲处理、放射变化。
根据本发明提出的基于双目识别的立体认知方法，其中，所述步骤S3中确定视差计算前的泛化认知特征的方法包括：图形种类、组成图形的线条的几何长度、组成图形的不同特征区域的颜色、组成图形的线条的连接关系、本图形和其它泛化图形的几何关系、组成图形的轮廓的长度比例关系。
根据本发明提出的基于双目识别的立体认知方法，其中，所述步骤S4中确认所述特定认知特征的方法包括：基于图像的深度学习认知特征，辨认出目标对象的具体类别。
附图说明
图1为本发明一具体实施里的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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付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。
请参见图1，本发明相对于现有技术，最大的创新点在于，采用了泛化认知特征和特定认知特征相结合的方式来对目标物体进行识别定位的技术手段。首先，所述泛化认知特征包括纹理、轮廓、颜色中的一种或几种；而所述特定认知特征包含在所述泛化认知特征之内。所述认知属性的具体种类包括颜色、轮廓、表面纹理以及轮廓的几何结构。所述特定认知特征则是基于图像的深度学习认知特征，辨认出目标对象的具体类别。这里的类别可以包括各种不同形状的具体物体、人脸特征、手势、动物体等等。具体认知过程如下所示：
S1：通过相对位置固定的两个摄像头拍摄目标对象的第一平面图像和第二平面图像；
S2：对所述第一平面图像和第二平面图像进行预处理；
S3：对经过预处理的第一平面图像和第二平面图像进行智能认知，确定视差计算前的泛化认知特征，并建立所述第一平面图像和第二平面图像之间的匹配关系，以辨认所述目标对象的认知属性；
S4：根据所述目标对象的认知属性，确认与该认知属性相对应的一个或多个特定认知特征；
S5：根据双目立体成像原理进行视差计算；
S6：结合所述特定认知特征和所述点云图，建立识别物体的三维坐标空间；
S7：判断所述三维坐标空间的识别度是否满足精度和误差要求；如满足，输出所述目标对象的识别结果；如不满足，转至步骤S8；
S8：返回步骤S3，重新确定所述泛化认知特征，并继续执行步骤S4-S7。
其中所述步骤S3中确定视差计算前的泛化认知特征的方法包括：图形种类、组成图形的线条的几何长度、组成图形的不同特征区域的颜色、组成图形的线条的连接关系、本图形和其它泛化图形的几何关系、组成图形的轮廓的长度比例关系。
综上所述，本发明提出的基于双目识别的立体认知方法是一种非常先进的机器认知方法，不仅可以分辨目标物体的泛化特征，还可以根据泛化特征进一步确定物体的特定特征，用而可以用最准确、高效的特征识别技术来对目标物体进行识别定位，具有非常广阔的应用前景。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
最后应说明的是：以上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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分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实施例技术方案的精神和范围。

Claims (4)

1.一种基于双目识别的立体认知方法，其特征在于，包括以下步骤：
S1：通过相对位置固定的两个摄像头拍摄目标对象的第一平面图像和第二平面图像；
S2：对所述第一平面图像和第二平面图像进行预处理；
S3：对经过预处理的第一平面图像和第二平面图像进行智能认知，确定视差计算前的泛化认知特征，并建立所述第一平面图像和第二平面图像之间的匹配关系，以辨认所述目标对象的认知属性；
所述确定视差计算前的泛化认知特征的方法包括：图形种类、组成图形的线条的几何长度、组成图形的不同特征区域的颜色、组成图形的线条的连接关系、本图形和其它泛化图形的几何关系、组成图形的轮廓的长度比例关系；
S4：根据所述目标对象的认知属性，确认与该认知属性相对应的一个或多个特定认知特征；
S5：根据双目立体成像原理进行视差计算；
S6：结合所述特定认知特征和点云图，建立识别物体的三维坐标空间；
S7：判断所述三维坐标空间的识别度是否满足精度和误差要求；如满足，输出所述目标对象的识别结果；如不满足，转至步骤S8；
S8：返回步骤S3，重新确定所述泛化认知特征，并继续执行步骤S4-S7；
其中，所述泛化认知特征包括纹理、轮廓、颜色中的一种或几种；所述特定认知特征包含在所述泛化认知特征之内；所述认知属性的具体种类包括颜色、轮廓、表面纹理以及轮廓的几何结构。
2.根据权利要求1所述的基于双目识别的立体认知方法，其特征在于，所述步骤S5中还包括获取所述目标对象的点云图。
3.根据权利要求1或2所述的基于双目识别的立体认知方法，其特征在于，所述步骤S 2中的预处理包括滤波、降噪、白平衡、扭曲处理、放射变化。
4.根据权利要求1所述的基于双目识别的立体认知方法，其特征在于，所述步骤S4中确认所述特定认知特征的方法包括：基于图像的深度学习认知特征，辨认出目标对象的具体类别。
CN201710730732.XA 2017-08-23 2017-08-23 基于双目识别的立体认知方法 Active CN107545247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710730732.XA CN107545247B (zh) 2017-08-23 2017-08-23 基于双目识别的立体认知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710730732.XA CN107545247B (zh) 2017-08-23 2017-08-23 基于双目识别的立体认知方法

Publications (2)

Publication Number Publication Date
CN107545247A CN107545247A (zh) 2018-01-05
CN107545247B true CN107545247B (zh) 2020-05-12

Family

ID=60958212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710730732.XA Active CN107545247B (zh) 2017-08-23 2017-08-23 基于双目识别的立体认知方法

Country Status (1)

Country Link
CN (1) CN107545247B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108910710B (zh) * 2018-07-27 2019-10-01 北京建筑大学 一种利用立体成像技术的智能塔式起重机
CN111383256B (zh) * 2018-12-29 2024-05-17 北京市商汤科技开发有限公司 图像处理方法、电子设备及计算机可读存储介质
CN110018436B (zh) * 2019-03-26 2020-10-02 国家电网有限公司 基于图像识别技术的功率测试仪及功率测试方法
CN111827740A (zh) * 2019-05-28 2020-10-27 北京伟景智能科技有限公司 一种基于双目视觉的泳池监控系统及方法
CN113345016A (zh) * 2021-04-22 2021-09-03 国网浙江省电力有限公司嘉兴供电公司 一种针对双目识别定位位姿判断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102986372A (zh) * 2012-09-28 2013-03-27 浙江工业大学 基于全景立体视觉的采摘对象的识别、分类和空间定位装置及方法
CN106162144A (zh) * 2016-07-21 2016-11-23 触景无限科技（北京）有限公司 一种用于夜视环境的视觉图像处理设备、系统和智能机器
CN106548480A (zh) * 2016-12-23 2017-03-29 蚌埠学院 一种基于机器视觉的农产品体积快速测量装置及测量方法
CN106651958A (zh) * 2016-11-02 2017-05-10 华南理工大学 一种移动物体的对象识别装置及方法
CN106683182A (zh) * 2017-01-12 2017-05-17 南京大学 一种权衡立体匹配和视觉外形的三维重建方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2963144B1 (fr) * 2010-07-26 2012-12-07 Vit Installation d'inspection optique de circuits electroniques
CN202890093U (zh) * 2012-04-13 2013-04-24 浙江工业大学 基于机器视觉的葡萄套袋机器人系统
US10057593B2 (en) * 2014-07-08 2018-08-21 Brain Corporation Apparatus and methods for distance estimation using stereo imagery
CN105959627B (zh) * 2016-05-11 2019-05-21 嘉兴佰恩智智能科技有限公司 一种自动无线充电式人工智能无人机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102986372A (zh) * 2012-09-28 2013-03-27 浙江工业大学 基于全景立体视觉的采摘对象的识别、分类和空间定位装置及方法
CN106162144A (zh) * 2016-07-21 2016-11-23 触景无限科技（北京）有限公司 一种用于夜视环境的视觉图像处理设备、系统和智能机器
CN106651958A (zh) * 2016-11-02 2017-05-10 华南理工大学 一种移动物体的对象识别装置及方法
CN106548480A (zh) * 2016-12-23 2017-03-29 蚌埠学院 一种基于机器视觉的农产品体积快速测量装置及测量方法
CN106683182A (zh) * 2017-01-12 2017-05-17 南京大学 一种权衡立体匹配和视觉外形的三维重建方法

Also Published As

Publication number Publication date
CN107545247A (zh) 2018-01-05

Similar Documents

Publication Publication Date Title
CN107545247B (zh) 基于双目识别的立体认知方法
CN107957246B (zh) 基于双目视觉的传送带上物体几何尺寸测量方法
CN108364311B (zh) 一种金属部件自动定位方法及终端设备
CN108381549B (zh) 一种双目视觉引导机器人快速抓取方法、装置及存储介质
US10452949B2 (en) System and method for scoring clutter for use in 3D point cloud matching in a vision system
CN112336342B (zh) 手部关键点检测方法、装置及终端设备
CN108876852B (zh) 一种基于3d视觉的在线实时物体识别定位方法
CN109903323B (zh) 用于透明物体识别的训练方法、装置、存储介质及终端
CN107950402B (zh) 基于双目视觉的挤奶器自动控制方法
CN114029946A (zh) 一种基于3d光栅引导机器人定位抓取的方法、装置及设备
CN109117746A (zh) 手部检测方法及机器可读存储介质
CN109961501A (zh) 用于建立三维立体模型的方法和装置
WO2021103558A1 (zh) 基于rgb-d数据融合的机器人视觉引导方法和装置
Solak et al. Distance estimation using stereo vision for indoor mobile robot applications
JP2014170368A (ja) 画像処理装置、方法及びプログラム並びに移動体
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
CN109636897B (zh) 一种基于改进RGB-D SLAM的Octomap优化方法
Han et al. Target positioning method in binocular vision manipulator control based on improved canny operator
CN109816710B (zh) 一种双目视觉系统高精度且无拖影的视差计算方法
CN114782529B (zh) 一种面向带电作业机器人的抓线点高精度定位方法、系统及存储介质
CN111380474A (zh) 一种基于双目视觉的孔径检测方法
CN109523530A (zh) 一种微带片圆形焊盘检测方法和系统
Kalutskiy et al. Method of moving object detection from mobile vision system
CN115601430A (zh) 基于关键点映射的无纹理高反物体位姿估计方法及系统
CN114648544A (zh) 一种亚像素椭圆提取方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100094 603, floor 6, building 3, zone 1, No. 81, Beiqing Road, Haidian District, Beijing

Applicant after: BEIJING VIZUM INTELLIGENT TECHNOLOGY Co.,Ltd.

Address before: 100088 Beijing City, Haidian District Zhichun Road Jinqiu International Building No. 6 A block 1311

Applicant before: BEIJING VIZUM INTELLIGENT TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant