CN107764271A - 一种基于光流的可见光视觉动态定位方法及系统 - Google Patents

一种基于光流的可见光视觉动态定位方法及系统 Download PDF

Info

Publication number
CN107764271A
CN107764271A CN201711130032.3A CN201711130032A CN107764271A CN 107764271 A CN107764271 A CN 107764271A CN 201711130032 A CN201711130032 A CN 201711130032A CN 107764271 A CN107764271 A CN 107764271A
Authority
CN
China
Prior art keywords
point
light stream
pixel
led
optical flow
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
Application number
CN201711130032.3A
Other languages
English (en)
Other versions
CN107764271B (zh
Inventor
吴玉香
关伟鹏
阮映枫
谢灿宇
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201711130032.3A priority Critical patent/CN107764271B/zh
Publication of CN107764271A publication Critical patent/CN107764271A/zh
Application granted granted Critical
Publication of CN107764271B publication Critical patent/CN107764271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Optical Communication System (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于光流的可见光视觉动态定位方法及系统，通过光流将图像灰度的变化和二维速度场联系起来，用光流场反映待测像素点运动的方向和速度，利用图像的光流场信息，能够在图像拍摄较模糊，信号点与背景点信号强度差异较小时，依然能够较为准确检测出运动LED信号点，做到高效、快速的对移动中的LED信号进行定位，极大提高了定位的准确度。

Description

一种基于光流的可见光视觉动态定位方法及系统
技术领域
本发明涉及光通信技术领域，特别涉及一种基于光流的可见光视觉动态定位方法及系统。
背景技术
近年来，被誉为“绿色照明”的半导体照明技术迅速发展。与传统的白炽灯等照明光源相比，LED具有低功耗、寿命长、尺寸小、绿色环保等优点。与此同时，LED更具有调制性能好、响应灵敏度高等优势。将信号以人眼无法识别的高频加载到LED上进行传输，进而催生出一门能够实现照明与通信一体化的技术——可见光通信。
随着现代通信技术的高速发展，对动态目标的识别追踪成为了图像处理和计算机视觉处理领域中的热门话题。对于移动中的可见光通信系统，尤其是高速移动时，加上环境中各种物品及遮挡的出现，将会对视觉检测造成干扰，产生大量冗杂信息和观测噪声。因此，如何准确、高效的对移动中的可见光通信系统定位，是其中一大挑战。大多数传统的视觉定位技术对动态目标的识别追踪时，多采用识别信号强度的算法，计算较为繁杂，定位速度较慢；而且尤其是当该系统正高速运动时，在有效去除观测噪声、提高定位的精度方面也有较大不足。因此，极有必要提出一种新型方法对可见光视觉进行动态监测。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于光流的可见光视觉动态定位方法，通过光流将图像灰度的变化和二维速度场联系起来，用光流场反映待测像素点运动的方向和速度，利用图像的光流场信息，能够在图像拍摄较模糊，信号点与背景点信号强度差异较小时，依然能够较为准确检测出运动LED信号点，做到高效、快速的对移动中的LED信号进行定位，极大提高了定位的准确度。
本发明的另一目的在于提供一种基于光流的可见光视觉动态定位系统。
本发明的目的通过以下的技术方案实现：
一种基于光流的可见光视觉动态定位方法，包括以下步骤：
步骤1：对移动中的可见光通信系统，利用高速相机在极短的时间内连续拍摄大量包含有移动中的LED信号点图片；
步骤2：任意选择其中连续两帧图像中LED信号点和背景点的光流信息，记录图像二维运动场的速度矢量u和v，分别计算他们的均值和方差，按照高斯分布得出概率密度函数；
步骤3：类似于步骤2，获取当前帧图像中所有像素点的光流信息u和v，建立当前图片的二维光流场；
步骤4：综合利用步骤2和3中获得的数据，根据概率密度函数和数学公式的变换，分别计算当前帧图片中，所有的像素点属于信号点和背景点的条件概率P(w1)和P(w2)；
步骤5：通过比较两者大小，识别、确定待测像素点的类型属于信号点或背景点，利用结论对LED信号点进行定位。
优选的，所述步骤2具体包括以下步骤：
步骤21：对于前面若干帧连续拍摄的图像，针对某一像素点，分析前面连续两帧连续拍摄的图像，得出光流基本方程；
步骤22：根据H-S光流法，假设光流在整个图像上平滑变化，得出光流场全局平滑性约束方程；
步骤23：根据光流基本方程和全局平滑性约束方程，得出的光流约束因子全局平滑约束因子，当二者都达到最小值的前提下，即能够达到理想的光流场估计；
步骤24：根据对E取最小值估计结果，可得一组方程组，求解该方程组得出u,v，并写成迭代式；
步骤25：依此，根据前面几帧图像计算出有关该像素点的若干u和v的值，分别计算其均值和方差；按照高斯分布，得出其概率密度函数。
优选的，所述步骤4具体包括以下步骤：
步骤41：根据在前面若干帧图像中获得某一待测像素点有关u,v的概率密度函数，分别考虑该像素点在属于信号点w1和背景点w2的条件下，该像素点在当前图像中取得特殊值u0和v0的概率P(u0|w1)和P(u0|w2)，P(v0|w1)和P(v0|w2)；
步骤42：用独立性原理的计算公式，计算该待测像素点在信号点和背景点的条件下取得特定u0和v0的综合概率P(inf0|w1)和P(inf0|w2)；
步骤43：利用贝叶斯公式对上述取值概率在运算系统中进行计算，分别得出该像素点在当前帧图片中属于LED信号点和系统背景点的概率P(w1|inf)和P(w2|inf)；
优选的，步骤5中，比较像素点在当前帧图片中属于LED信号点和系统背景点的概率P(w1|inf)和P(w2|inf)，当该点属于LED信号点的概率较大时，即判断该点为LED信号点，反之则为系统背景点。
具体的，光流基本方程为Ixu+Iyv+It＝0。
具体的，光流约束因子为e2＝Ixu+Iyv+It；光流场全局平滑性约束因子为
一种基于光流的可见光视觉动态定位系统，包括：获取子系统、传输子系统、计算与识别子系统和多个传感器；传感器与获取子系统、传输子系统、计算与识别子系统之间均实现电气连接；
获取子系统包括高速相机、LED驱动电路和LED灯具，用于检测待测像素点的光流场信息u和v；
传输子系统为一段自由空间，用于把移动中LED灯具发出的可见光信号传输给光电检测器件；
计算子与识别子系统包括光电检测器件、智能设备，通过光电检测器件将可见光信号相关信息输入智能设备，进行运算，对待测像素点进行分类、定位。
优选的，LED驱动电路为由电学元件组成的硬件电路组成，通过电气连接封装在PCB板上。
优选的，LED灯具由LED芯片通过COB封装技术封装在PCB板上。
优选的，LED驱动电路和LED灯具模块之间使用电气连接。
优选的，各子系统通过CPU和储存器与传感器连接，传感器通过封装进行电气连接到PCB板上。
本发明与现有技术相比，具有如下优点和有益效果：
本发明方法，不同于大多数传统的动态视觉定位技术，而是创造性的选择分析在可见光系统中更加容易区分信号点和背景点的光流的移动情况，克服了在系统移动的过程中，尤其是高速运动时，拍摄图像由于系统的运动导致图像中像素点不清晰，可见光信号点的信号强度与背景点的信号强度无法准确区别判断等问题。
因此本发明所提出的技术，对于处理高速移动的可见光通信系统，通过采用光流法，通过概率检验，依然能够对待测像素点的移动情况进行较为准确的判断，对LED信号点做到精确定位。这种动态视觉定位技术，具有很高的可操作性，并且能够快速运算，极大的提高了定位的速度。
本专利公开的这种基于光流的可见光视觉动态定位技术，创新的提出了可见光动态视觉检测的中图像的二维运动场——光流场的概念。该技术对移动中的可见光系统中LED信号能够做到较为精确、快速的定位，尤其是对于高速移动中的系统。因此，该技术在图像处理和计算机视觉处理领域，尤其是对于动态目标的检测方面，具有广阔的应用前景。
附图说明
图1为实施例1基于光流的可见光动态视觉定位方法的流程图。
图2为实施例2基于光流的可见光定位系统的示意图。
图3为实施例2获取子系统中高速相机等器件工作示意图。
图4为获取的光流场信息示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1
一种基于光流的可见光视觉动态定位方法，包括以下步骤：利用高速照相机对移动中的可见光通信系统连续拍摄，输出一系列包含有LED点的照片，提取并保存所有图片中像素点的光流场信息。根据图像传感器清晰捕获的LED信号，对于前面多张图像中，不断的任意选择其中连续两帧图像中所获取背景点及LED点的光流，建立该条件下的光流场，分别得出两者的概率密度函数；依据以上概率分布，计算得出对于在当前帧图片中所有像素点的光流场信息，在取得当前值时，分别在属于背景点或信号点的条件下的取值概率；最后利用数学变换公式，可计算出当前图片中像素点属于背景点或LED信号的概率大小；然后通过比较二者大小，对待测的像素点进行分类，最后将LED点的准确位置定位为具有最大概率属于LED信号的像素点处。
具体的，假设一共有连续拍摄的若干帧图片，每帧图片中都有部分像素点为LED信号点，并可以进行移动，其余点全部为背景点。
首先用光电检测器件探测LED信号点运动的轨迹，对于前面若干组中任意选择的连续两帧图像，由于拍摄的间隔时间极短，可近似认为图像的灰度不发生变化，即物体在同一位置的像素灰度保持不变，检测出图像中所有像素点的光流场，得出基本光流方程：Ixu+Iyv+It＝0；因此设光流约束因子e2，为：e2＝Ixu+Iyv+It；其中各符号表示像素点(x,y)在t时刻的成像灰度I(x,y,t)，
根据H-S光流法，假设光流在整个图像上平滑变化，得出光流场全局平滑性约束方程。因此，得出全局平滑性约束因子为：其中
根据光流基本方程和全局平滑性约束方程，得出的光流约束因子、全局平滑约束因子，综合考虑有，当二者都达到最小值的前提下才能得到理想的光流场估计，正确得出光流信息u,v；有，其中λ2为控制全局平滑性参数。
因此，得出方程组，计算有：其中一般设 为t时刻光流分量u,v的平均值。
解该方程组，并写成迭代式有：即可得出u,v。其中n为迭代次数，u0,v0为光流的初始估计值，一般为零。
储存背景点和信号点的u,v信息，进一步的分别计算其方差和均值，按照高斯分布建立u,v的概率密度函数：
接下来，对于当前帧图片，用w1代表信号，用w2代表背景点，在智能设备中继续运行该定位系统，将采集到的像素点的u,v记录为其中i＝1表示第i个像素点，n表示第n帧的图像，n＝1,2,3...；
再用光电检测器件探测出当前帧图片中某一待测点的光流场，记录u,v，依据概率密度函数，得出该像素点此时分别作为信号点和背景点的条件下，u,v取得相关值的概率，记录为
进一步，考虑到光流场信息u,v之间取值相互独立，因此利用独立性原理公式：P(inf|w)＝P(u|w)*P(v|w)可得到该像素点分别在属于信号点和背景点条件下的综合概率大小，记录为
最后利用贝叶斯公式计算该像素点分别属于信号点和背景点的概率。其中，在每帧图片中，有：
进一步的，进行检验。在智能设备中比较和的大小，如果有则表示该像素点为LED信号点；反之该像素点即为背景点。进一步的，对下一个像素点再次进行上述步骤。
最后的，定义每一帧图像中待测像素点取值最大的点为LED信号点的中心点，并将可见光定位于此。
实施例2
一种适用于可见光通信，利用像素点光流场信息进行信号追踪定位的系统，包括：获取子系统，传输子系统，计算与识别子系统。
所述获取子系统包括：高速相机、LED驱动电路及LED灯具。高速相机能够在较短时间内连续拍摄大量图像，满足使用光流场对信号点定位的条件。LED驱动电路由电容、电阻、电感等电学元件组成的硬件电路组成，通过电气连接封装在PCB板上。LED灯具由LED芯片通过COB封装技术封装在PCB板上。LED驱动电路和LED灯具等模块之间使用电气连接。
所述传输子系统为一段自由空间，用于将LED信号点发出的可见光信号通过高速相机拍摄之后，由高速相机传输给光电检测器件(LED信号点在高速移动时，一边用高速相机拍摄、一边直接将可见光信号传输给光电检测器件)，通过光电检测器件将可见光信号相关信息输入智能设备，最后通过识别子系统对待测像素点进行分类和定位。
所述计算与识别子系统由光电检测器，计算机等智能设备组成；进一步的，通过CPU和储存器与所述的光电检测器件等传感器和智能设备连接，所述传感器通过封装进行电气连接到PCB板上。
所述传感器与所述的获取子系统、传输子系统、计算子系统和识别子系统之间的连接均实现电气连接。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于光流的可见光视觉动态定位方法，其特征在于，包括以下步骤：
步骤1：对移动中的可见光通信系统，利用高速相机在极短的时间内连续拍摄大量包含有移动中的LED信号点图片；
步骤2：任意选择其中连续两帧图像中LED信号点和背景点的光流信息，记录图像二维运动场的速度矢量u和v，分别计算他们的均值和方差，按照高斯分布得出概率密度函数；
步骤3：类似于步骤2，获取当前帧图像中所有像素点的光流信息u和v，建立当前图片的二维光流场；
步骤4：综合利用步骤2和3中获得的数据，根据概率密度函数和数学公式的变换，分别计算当前帧图片中，所有的像素点属于信号点和背景点的条件概率P(w1)和P(w2)；
步骤5：通过比较两者大小，识别、确定待测像素点的类型属于信号点或背景点，利用结论对LED信号点进行定位。
2.根据权利要求1所述的基于光流的可见光视觉动态定位方法，其特征在于，所述步骤2具体包括以下步骤：
步骤21：对于前面若干帧连续拍摄的图像，针对某一像素点，分析前面连续两帧连续拍摄的图像，得出光流基本方程；
步骤22：根据H-S光流法，假设光流在整个图像上平滑变化，得出光流场全局平滑性约束方程；
步骤23：根据光流基本方程和全局平滑性约束方程，得出的光流约束因子全局平滑约束因子，当二者都达到最小值的前提下，即能够达到理想的光流场估计；
步骤24：根据对E取最小值估计结果，可得一组方程组，求解该方程组得出u,v，并写成迭代式；
步骤25：依此，根据前面几帧图像计算出有关该像素点的若干u和v的值，分别计算其均值和方差；按照高斯分布，得出其概率密度函数。
3.根据权利要求1所述的基于光流的可见光视觉动态定位方法，其特征在于，所述步骤4具体包括以下步骤：
步骤41：根据在前面若干帧图像中获得某一待测像素点有关u,v的概率密度函数，分别考虑该像素点在属于信号点w1和背景点w2的条件下，该像素点在当前图像中取得特殊值u0和v0的概率P(u0|w1)和P(u0|w2)，P(v0|w1)和P(v0|w2)；
步骤42：用独立性原理的计算公式，计算该待测像素点在信号点和背景点的条件下取得特定u0和v0的综合概率P(inf0|w1)和P(inf0|w2)；
步骤43：利用贝叶斯公式对上述取值概率在运算系统中进行计算，分别得出该像素点在当前帧图片中属于LED信号点和系统背景点的概率P(w1|inf)和P(w2|inf)。
4.根据权利要求1所述的基于光流的可见光视觉动态定位方法，其特征在于，步骤5中，比较像素点在当前帧图片中属于LED信号点和系统背景点的概率P(w1|inf)和P(w2|inf)，当该点属于LED信号点的概率较大时，即判断该点为LED信号点，反之则为系统背景点。
5.根据权利要求2所述的基于光流的可见光视觉动态定位方法，其特征在于，光流基本方程为Ixu+Iyv+It＝0。
6.根据权利要求2所述的基于光流的可见光视觉动态定位方法，其特征在于，光流约束因子为e2＝Ixu+Iyv+It；光流场全局平滑性约束因子为
7.一种基于权利要求1所述方法的可见光视觉动态定位系统，其特征在于，包括：获取子系统、传输子系统、计算与识别子系统和多个传感器；传感器与获取子系统、传输子系统、计算与识别子系统之间均实现电气连接；
获取子系统包括高速相机、LED驱动电路和LED灯具，用于检测待测像素点的光流场信息u和v；
传输子系统为一段自由空间，用于把移动中LED灯具发出的可见光信号传输给光电检测器件；
计算子与识别子系统包括光电检测器件、智能设备，通过光电检测器件将可见光信号相关信息输入智能设备，进行运算，对待测像素点进行分类、定位。
8.根据权利要求7所述的可见光视觉动态定位系统，其特征在于，LED驱动电路为由电学元件组成的硬件电路组成，通过电气连接封装在PCB板上；LED灯具由LED芯片通过COB封装技术封装在PCB板上；LED驱动电路和LED灯具模块之间使用电气连接。
9.根据权利要求7所述的可见光视觉动态定位系统，其特征在于，各子系统通过CPU和储存器与传感器连接，传感器通过封装进行电气连接到PCB板上。
CN201711130032.3A 2017-11-15 2017-11-15 一种基于光流的可见光视觉动态定位方法及系统 Active CN107764271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711130032.3A CN107764271B (zh) 2017-11-15 2017-11-15 一种基于光流的可见光视觉动态定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711130032.3A CN107764271B (zh) 2017-11-15 2017-11-15 一种基于光流的可见光视觉动态定位方法及系统

Publications (2)

Publication Number Publication Date
CN107764271A true CN107764271A (zh) 2018-03-06
CN107764271B CN107764271B (zh) 2023-09-26

Family

ID=61279484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711130032.3A Active CN107764271B (zh) 2017-11-15 2017-11-15 一种基于光流的可见光视觉动态定位方法及系统

Country Status (1)

Country Link
CN (1) CN107764271B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108288289A (zh) * 2018-03-07 2018-07-17 华南理工大学 一种用于可见光定位的led视觉检测方法及其系统
CN108736972A (zh) * 2018-06-07 2018-11-02 华南理工大学 基于its-vlc的led视觉检测与跟踪方法及其系统
CN108871290A (zh) * 2018-06-07 2018-11-23 华南理工大学 一种基于光流法检测与贝叶斯预测的可见光动态定位方法
CN109932282A (zh) * 2017-12-19 2019-06-25 中国科学院沈阳自动化研究所 高温熔渣在线视觉监测系统和方法
CN110289909A (zh) * 2019-06-28 2019-09-27 华南理工大学 基于光流法的室外可见光通信目标信号源追踪提取方法
CN110530499A (zh) * 2019-08-27 2019-12-03 中国科学院声学研究所 一种测量动态光弹图像中声传播方向的方法
CN112399032A (zh) * 2019-08-13 2021-02-23 天津大学青岛海洋技术研究院 一种基于检测器的脉冲式图像传感器的光流获取方法
CN113506323A (zh) * 2021-07-15 2021-10-15 清华大学 图像处理方法及装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07249127A (ja) * 1994-03-09 1995-09-26 Honda Motor Co Ltd 移動物体検出装置
US5627905A (en) * 1994-12-12 1997-05-06 Lockheed Martin Tactical Defense Systems Optical flow detection system
CN101714256A (zh) * 2009-11-13 2010-05-26 河北工业大学 基于全方位视觉的动态目标识别和定位方法
CN104537691A (zh) * 2014-12-30 2015-04-22 中国人民解放军国防科学技术大学 基于分块同向速度累加光流场分割的运动目标检测方法
CN105160703A (zh) * 2015-08-25 2015-12-16 天津师范大学 一种使用时域视觉传感器的光流计算方法
CN107292266A (zh) * 2017-06-21 2017-10-24 吉林大学 一种基于光流聚类的车载行人区域估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07249127A (ja) * 1994-03-09 1995-09-26 Honda Motor Co Ltd 移動物体検出装置
US5627905A (en) * 1994-12-12 1997-05-06 Lockheed Martin Tactical Defense Systems Optical flow detection system
CN101714256A (zh) * 2009-11-13 2010-05-26 河北工业大学 基于全方位视觉的动态目标识别和定位方法
CN104537691A (zh) * 2014-12-30 2015-04-22 中国人民解放军国防科学技术大学 基于分块同向速度累加光流场分割的运动目标检测方法
CN105160703A (zh) * 2015-08-25 2015-12-16 天津师范大学 一种使用时域视觉传感器的光流计算方法
CN107292266A (zh) * 2017-06-21 2017-10-24 吉林大学 一种基于光流聚类的车载行人区域估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘龙等: "一种新的基于吉布斯随机场的视频运动对象分割算法" *
王爱丽等: "融合光流速度场与背景差分的自适应背景更新方法" *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109932282A (zh) * 2017-12-19 2019-06-25 中国科学院沈阳自动化研究所 高温熔渣在线视觉监测系统和方法
CN109932282B (zh) * 2017-12-19 2021-09-14 中国科学院沈阳自动化研究所 高温熔渣在线视觉监测系统和方法
CN108288289A (zh) * 2018-03-07 2018-07-17 华南理工大学 一种用于可见光定位的led视觉检测方法及其系统
CN108288289B (zh) * 2018-03-07 2023-07-18 华南理工大学 一种用于可见光定位的led视觉检测方法及其系统
CN108736972A (zh) * 2018-06-07 2018-11-02 华南理工大学 基于its-vlc的led视觉检测与跟踪方法及其系统
CN108871290A (zh) * 2018-06-07 2018-11-23 华南理工大学 一种基于光流法检测与贝叶斯预测的可见光动态定位方法
CN110289909A (zh) * 2019-06-28 2019-09-27 华南理工大学 基于光流法的室外可见光通信目标信号源追踪提取方法
CN112399032A (zh) * 2019-08-13 2021-02-23 天津大学青岛海洋技术研究院 一种基于检测器的脉冲式图像传感器的光流获取方法
CN110530499A (zh) * 2019-08-27 2019-12-03 中国科学院声学研究所 一种测量动态光弹图像中声传播方向的方法
CN113506323A (zh) * 2021-07-15 2021-10-15 清华大学 图像处理方法及装置、电子设备和存储介质
CN113506323B (zh) * 2021-07-15 2024-04-12 清华大学 图像处理方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN107764271B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN107764271A (zh) 一种基于光流的可见光视觉动态定位方法及系统
CN108764071B (zh) 一种基于红外和可见光图像的真实人脸检测方法及装置
CN109086718A (zh) 活体检测方法、装置、计算机设备及存储介质
CN113592845A (zh) 一种电池涂布的缺陷检测方法及装置、存储介质
CN103905737B (zh) 逆光检测方法及装置
KR20150121179A (ko) 실시간 스테레오 정합
Wang et al. Investigation into recognition algorithm of helmet violation based on YOLOv5-CBAM-DCN
US20140341421A1 (en) Method for Detecting Persons Using 1D Depths and 2D Texture
CN110400315A (zh) 一种缺陷检测方法、装置及系统
WO2014128688A1 (en) Method, system and software module for foreground extraction
CN105556539A (zh) 检测兴趣区域的检测装置和方法
CN111192293A (zh) 一种运动目标位姿跟踪方法及装置
CN101834986A (zh) 成像装置、运动体检测方法、运动体检测电路和程序
Vogiatzis et al. Practical 3d reconstruction based on photometric stereo
CN116309781B (zh) 一种基于跨模态融合的水下视觉目标测距方法及装置
CN104463240B (zh) 一种仪表定位方法及装置
CN117333489B (zh) 一种薄膜破损检测装置及检测系统
KR20170036747A (ko) 장면 내 키포인트를 추적하기 위한 방법
CN105930793B (zh) 一种基于sae特征可视化学习的人体检测方法
Schraml et al. An event-driven stereo system for real-time 3-D 360 panoramic vision
Ma et al. Dynamic gesture contour feature extraction method using residual network transfer learning
CN106886754B (zh) 一种基于三角面片的三维场景下的物体识别方法及系统
CN111435429B (zh) 一种基于双目立体数据动态认知的手势识别方法及系统
Yeh et al. Robust 3D reconstruction using HDR-based SLAM
Plosz et al. Real-time reconstruction of 3D videos from single-photon LiDaR data in the presence of obscurants

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