CN108335366A - 对牲畜进行识别的方法及装置 - Google Patents

对牲畜进行识别的方法及装置 Download PDF

Info

Publication number
CN108335366A
CN108335366A CN201810089849.9A CN201810089849A CN108335366A CN 108335366 A CN108335366 A CN 108335366A CN 201810089849 A CN201810089849 A CN 201810089849A CN 108335366 A CN108335366 A CN 108335366A
Authority
CN
China
Prior art keywords
livestock
models
image
identified
head
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
CN201810089849.9A
Other languages
English (en)
Other versions
CN108335366B (zh
Inventor
胡涛
邓昌顺
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.)
Xiang Chuang Technology (beijing) Co Ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810089849.9A priority Critical patent/CN108335366B/zh
Publication of CN108335366A publication Critical patent/CN108335366A/zh
Application granted granted Critical
Publication of CN108335366B publication Critical patent/CN108335366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种对牲畜进行识别的方法及装置，其中方法包括：接收待识别牲畜图像；加载牲畜头的3D模型至所述待识别牲畜图像上；调整所述3D模型直至与所述待识别牲畜图像中牲畜头重合，并记录重合后的3D模型的姿态参数；查询姿态数据库，获取所述姿态参数对应的牲畜信息，所述姿态数据库存储有姿态参数与牲畜信息的关联关系。本申请采用3D模型的方式，通过3D模型与牲畜图像的重合比对，达到了计算牲畜头部姿态的目的，从而实现了快速、便捷的别牲畜的技术效果，解决了不同姿态下的准确识别精确度的问题。

Description

对牲畜进行识别的方法及装置
技术领域
本申请涉及计算机图像识别技术领域，具体而言，涉及一种对牲畜进行识别的方法及装置。
背景技术
随着人脸识别技术的发展，如何对牲畜进行识别越来越成为研究重点。牲畜的脸部和人脸存在非常大的差异，牲畜从左面看到的信息与右面看到的信息相差非常大，而人的脸部更多体现为2D的一个平面，因此对牲畜进行识别时更多的采用3D特征。
相关技术中，对牲畜进行识别主要是对牲畜头部的姿态进行判断，主要方式是先检测牲畜头部的关键点，再根据关键点的几何姑安息计算其姿态，但是这种计算方式非常复杂，并且不能判断出牲畜的3D特征，如旋转，倾角、侧向等。
发明内容
本申请的主要目的在于提供一种对牲畜进行识别的方法，以解决牲畜识别过程中计算量大且无法片按断牲畜的3D特征的技术问题。
为了实现上述目的，根据本申请的一个方面，提供了一种对牲畜进行识别的方法，包括：
接收待识别的牲畜图像；
在所述牲畜图像上加载牲畜头部的3D模型，不同的牲畜对应不同的3D模型；
调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜的头重合，并记录重合后的所述3D模型的姿态参数；
查询姿态基准库，获取所述姿态参数对应的牲畜信息，所述姿态基准库存储有姿态参数与牲畜信息的关联关系。
进一步，所述调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜头重合，包括：
调整所述3D模型的立体角，得到与所述牲畜图像中牲畜头角度一致的第一3D模型；
移动所述第一3D模型至所述牲畜图像的牲畜头位置处；
调整所述第一3D模型的尺度至与所述牲畜图像的牲畜头重合。
进一步，所述加载牲畜头的3D模型至所述待识别牲畜图像上前，包括：
构建卷积神经网络；
在所述卷积神经网络中输入训练数据，对所述卷积神经网络进行训练，得到牲畜头部的3D模型。
进一步，所述接收待识别牲畜图像，还包括：
将所述待识别牲畜图像的尺度进行归一化处理。
进一步，所述方法还包括：
在所述牲畜图像上加载牲畜头部的3D模型后判断所述待识别牲畜图像中是否包括牲畜头；
如果不包括牲畜头则丢弃该待识别牲畜图像。
为了实现上述目的，根据本申请的另一方面，提供了一种对牲畜进行识别的装置，包括：
接收单元，用于接收待识别牲畜图像；
加载单元，用于在所述牲畜图像上加载牲畜头部的3D模型，不同的牲畜对应不同的3D模型；
调整单元，用于调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜的头重合，并记录重合后的所述3D模型的姿态参数；
查询单元，用于查询姿态基准库，获取所述姿态参数对应的牲畜信息，所述姿态基准库存储有姿态参数与牲畜信息的关联关系。
进一步，所述调整单元包括：
姿态调整模块，用于调整所述3D模型的立体角，得到与所述牲畜图像中牲畜头角度一致的第一3D模型；
位置调整模块，用于移动所述第一3D模型至所述牲畜图像的牲畜头位置处；
尺度调整模块，用于调整所述第一3D模型的尺度至与所述牲畜图像的牲畜头重合。
进一步，所述加载单元在加载牲畜头的3D模型至所述待识别牲畜图像上前，还包括：
构建模块，用于构建卷积神经网络；
训练模块，用于在所述卷积神经网络中输入训练数据，对所述卷积神经网络进行训练，得到牲畜头部的3D模型。
进一步，所述接收单元包括：
归一模块，用于将所述待识别牲畜图像的尺度进行归一化处理。
进一步，所述加载单元还包括：
判断模块，用于在所述牲畜图像上加载牲畜头部的3D模型后判断所述待识别牲畜图像中是否包括牲畜头；
处理模块，用于如果不包括牲畜头则丢弃该待识别牲畜图像。
在本申请实施例中，采用3D模型的方式，通过3D模型与牲畜图像的重合比对，达到了计算牲畜头部姿态的目的，从而实现了快速、便捷的别牲畜的技术效果，进而解决了对牲畜进行识别计算量大的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请所述的对牲畜进行识别的方法的流程示意图；
图2为本申请调整所述3D模型直至与所述待识别牲畜图像中牲畜头重合一个实施例的流程示意图；以及
图3为本申请所述的对牲畜进行识别的装置的框图结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示为本申请所述的对牲畜进行识别的方法的流程示意图。所述方法包括S101～S104。
其中，S101、接收待识别的牲畜图像；具体地，待识别图像可以是利用摄像机拍摄。具体地，在圈养牲畜的场所安装摄像头，或者对某个牲畜进行识别时利用具有拍摄功能的设备进行拍摄，如手机、相机等。拍摄完成后，可以利用数据线传输，也可以利用无线传输方式传输。
进一步，为了提高对待识别牲畜图像的识别速度，在一些实施例中，该步骤包括：将所述待识别牲畜图像的尺度进行归一化处理，归一化处理保证了接收到的待识别牲畜图像的大小统一。
S102、在所述牲畜图像上加载牲畜头部的3D模型，不同的牲畜对应不同的3D模型。
进一步，所述加载牲畜头的3D模型至所述待识别牲畜图像上前，包括：构建卷积神经网络；在所述卷积神经网络中输入训练数据，对所述卷积神经网络进行训练，得到牲畜头部的3D模型。本申请通过CNN模型回归出牲畜的3D模型，具体地，当牲畜为猪时，回归出的3D模型为猪头，同样地，当牲畜为其他动物时，回归的结果则是该类动物的头部的3D模型。
更进一步，为了提高识别牲畜的速度及精度，在一些实施例中，在所述牲畜图像上加载牲畜头部的3D模型后判断所述待识别牲畜图像中是否包括牲畜头；如果不包括牲畜头则丢弃该待识别牲畜图像。通过该步骤防止不包括牲畜头部的待识别牲畜图像进入识别环节，占用资源，影响识别速度。
S103、调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜的头重合，并记录重合后的所述3D模型的姿态参数。
具体地，可以选用了blender软件，通过python代码实现加载3D模型和姿态参数的调整。本申请通过调整3D模型后3D模型的姿态参数作为对待识别牲畜的识别标志，节省了计算待识别牲畜头部的面部关键点，再根据关键点进行计算的大量过程，简化了对牲畜进行识别的步骤。
S104、查询姿态基准库，获取所述姿态参数对应的牲畜信息，所述姿态基准库存储有姿态参数与牲畜信息的关联关系。
本申请通过在所述待处理牲畜图像上加载3D模型，以便通过调整所述3D模型的姿态、位置和尺度，从而确定调整后3D模型的姿态参数，从而作为识别牲畜的标准，最终简化识别牲畜的步骤，减少了对牲畜头部进行实现的计算量，提高了识别速度，最终降低对牲畜进行识别的计算量
图2为本申请调整所述3D模型直至与所述待识别牲畜图像中牲畜头重合的流程示意图。
所述方法包括S201～S203。
S201、调整所述3D模型的立体角，得到与所述牲畜图像中牲畜头角度一致的第一3D模型；通过姿态的调整，保证了所述3D模型与牲畜头部角度一致，从而减少移动过程中调整的步骤。
S202、移动所述第一3D模型至所述牲畜图像的牲畜头位置处。
S203、调整所述第一3D模型的尺度至与所述牲畜图像的牲畜头重合。
姿态为三维姿态，根据右手笛卡尔坐标具体包括yaw、pitch和roll，通过三维姿态确定牲畜头的角度。具体地，分别以牲畜头、3D模型建立坐标，根据两个坐标系调整3D模型的姿态；之后在根据两个坐标系的相对位置，移动所述3D模型至牲畜头位置，调整3D模型的尺度后，保证3D模型与牲畜头重合，从而确定牲畜头的姿态参数，以便进行识别。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例，还提供了一种用于实施上述对牲畜进行识别的装置，如图3所示，该装置包括接收单元10、加载单元20、调整单元30和查询单元40。
其中，所述接收单元10，用于接收待识别牲畜图像；所述加载单元20，用于在所述牲畜图像上加载牲畜头部的3D模型，不同的牲畜对应不同的3D模型；所述调整单元30，用于调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜的头重合，并记录重合后的所述3D模型的姿态参数；所述查询单元40，用于查询姿态基准库，获取所述姿态参数对应的牲畜信息，所述姿态基准库存储有姿态参数与牲畜信息的关联关系。
本申请所述装置利用加载单元在所述待识别牲畜图像上加载3D模型，以便调整单元对所述3D模型进行调整，得到待识别牲畜的姿态参数，从而根据所述姿态参数完成对牲畜的识别。具体地，所述对牲畜进行识别的装置可以应用在PC端或移动端，所述移动端可选的为手机、PAD、笔记本等。具体地，用户可以利用手机拍摄待识别牲畜图像后，通过调用该待识别牲畜图像完成识别。
具体地，所述加载单元、所述调整单元和所述查询单元均可选在本地完成，也可选的在云端完成，这种完成在云端完成的方式极大的减小了所述装置在本地占用的内侧大小；或者所述加载单元和所述调整单元在本地完成，而所述查询单元在云端完成，这种方式降低了所述装置在本地占用的内存大小。
进一步，所述调整单元包括：
姿态调整模块，用于调整所述3D模型的立体角，得到与所述牲畜图像中牲畜头角度一致的第一3D模型；
位置调整模块，用于移动所述第一3D模型至所述牲畜图像的牲畜头位置处；
尺度调整模块，用于调整所述第一3D模型的尺度至与所述牲畜图像的牲畜头重合。
进一步，所述加载单元在加载牲畜头的3D模型至所述待识别牲畜图像上前，还包括：
构建模块，用于构建卷积神经网络；
训练模块，用于在所述卷积神经网络中输入训练数据，对所述卷积神经网络进行训练，得到牲畜头部的3D模型。
进一步，所述接收单元包括：
归一模块，用于将所述待识别牲畜图像的尺度进行归一化处理。
进一步，所述加载单元还包括：
判断模块，用于在所述牲畜图像上加载牲畜头部的3D模型后判断所述待识别牲畜图像中是否包括牲畜头；
处理模块，用于如果不包括牲畜头则丢弃该待识别牲畜图像。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种对牲畜进行识别的方法，其特征在于，包括：
接收待识别的牲畜图像；
在所述牲畜图像上加载牲畜头部的3D模型，不同的牲畜对应不同的3D模型；
调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜的头重合，并记录重合后的所述3D模型的姿态参数；
查询姿态基准库，获取所述姿态参数对应的牲畜信息，所述姿态基准库存储有姿态参数与牲畜信息的关联关系。
2.根据权利要求1所述的方法，其特征在于，所述调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜头重合，包括：
调整所述3D模型的立体角，得到与所述牲畜图像中牲畜头角度一致的第一3D模型；
移动所述第一3D模型至所述牲畜图像的牲畜头位置处；
调整所述第一3D模型的尺度至与所述牲畜图像的牲畜头重合。
3.根据权利要求1所述的方法，其特征在于，所述加载牲畜头的3D模型至所述待识别牲畜图像上前，包括：
构建卷积神经网络；
在所述卷积神经网络中输入训练数据，对所述卷积神经网络进行训练，得到牲畜头部的3D模型。
4.根据权利要求1所述的方法，其特征在于，所述接收待识别牲畜图像，还包括：
将所述待识别牲畜图像的尺度进行归一化处理。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述牲畜图像上加载牲畜头部的3D模型，判断所述待识别牲畜图像中是否包括牲畜头；
如果不包括牲畜头则丢弃该待识别牲畜图像。
6.一种对牲畜进行识别的装置，其特征在于，包括：
接收单元，用于接收待识别牲畜图像；
加载单元，用于在所述牲畜图像上加载牲畜头部的3D模型，不同的牲畜对应不同的3D模型；
调整单元，用于调整所述3D模型的姿态，直至与所述待识别牲畜图像中牲畜的头重合，并记录重合后的所述3D模型的姿态参数；
查询单元，用于查询姿态基准库，获取所述姿态参数对应的牲畜信息，所述姿态基准库存储有姿态参数与牲畜信息的关联关系。
7.根据权利要求6所述的装置，其特征在于，所述调整单元包括：
姿态调整模块，用于调整所述3D模型的立体角，得到与所述牲畜图像中牲畜头角度一致的第一3D模型；
位置调整模块，用于移动所述第一3D模型至所述牲畜图像的牲畜头位置处；
尺度调整模块，用于调整所述第一3D模型的尺度至与所述牲畜图像的牲畜头重合。
8.根据权利要求1所述的装置，其特征在于，所述加载单元在加载牲畜头的3D模型至所述待识别牲畜图像上前，还包括：
构建模块，用于构建卷积神经网络；
训练模块，用于在所述卷积神经网络中输入训练数据，对所述卷积神经网络进行训练，得到牲畜头部的3D模型。
9.根据权利要求6所述的装置，其特征在于，所述接收单元包括：
归一模块，用于将所述待识别牲畜图像的尺度进行归一化处理。
10.根据权利要求6所述的装置，其特征在于，所述加载单元还包括：
判断模块，用于在所述牲畜图像上加载牲畜头部的3D模型后判断所述待识别牲畜图像中是否包括牲畜头；
处理模块，用于如果不包括牲畜头则丢弃该待识别牲畜图像。
CN201810089849.9A 2018-01-30 2018-01-30 对牲畜进行识别的方法及装置 Active CN108335366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810089849.9A CN108335366B (zh) 2018-01-30 2018-01-30 对牲畜进行识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810089849.9A CN108335366B (zh) 2018-01-30 2018-01-30 对牲畜进行识别的方法及装置

Publications (2)

Publication Number Publication Date
CN108335366A true CN108335366A (zh) 2018-07-27
CN108335366B CN108335366B (zh) 2021-03-30

Family

ID=62926752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810089849.9A Active CN108335366B (zh) 2018-01-30 2018-01-30 对牲畜进行识别的方法及装置

Country Status (1)

Country Link
CN (1) CN108335366B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110113711A (zh) * 2019-05-16 2019-08-09 四川九洲北斗导航与位置服务有限公司 定位方法、装置及集成网关
CN112991084A (zh) * 2021-04-16 2021-06-18 河南牧原智能科技有限公司 一种确定牲畜舒适度的方法、装置、设备及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101515324A (zh) * 2009-01-21 2009-08-26 上海银晨智能识别科技有限公司 适用于多种姿态的人脸识别布控系统及方法
WO2011039112A2 (en) * 2009-10-01 2011-04-07 Delaval Holding Ab Animal monitoring
CN107229947A (zh) * 2017-05-15 2017-10-03 邓昌顺 一种基于动物识别的金融保险方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101515324A (zh) * 2009-01-21 2009-08-26 上海银晨智能识别科技有限公司 适用于多种姿态的人脸识别布控系统及方法
WO2011039112A2 (en) * 2009-10-01 2011-04-07 Delaval Holding Ab Animal monitoring
CN107229947A (zh) * 2017-05-15 2017-10-03 邓昌顺 一种基于动物识别的金融保险方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110113711A (zh) * 2019-05-16 2019-08-09 四川九洲北斗导航与位置服务有限公司 定位方法、装置及集成网关
CN110113711B (zh) * 2019-05-16 2020-09-18 四川九洲北斗导航与位置服务有限公司 定位方法、装置及集成网关
CN112991084A (zh) * 2021-04-16 2021-06-18 河南牧原智能科技有限公司 一种确定牲畜舒适度的方法、装置、设备及系统

Also Published As

Publication number Publication date
CN108335366B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN102521365B (zh) 空间图像索引和关联的更新功能
CN111208783B (zh) 一种动作模仿方法、装置、终端及计算机存储介质
CN109727411B (zh) 基于人脸识别、扫码认证、人体感应的借书系统
Liang et al. Image-based positioning of mobile devices in indoor environments
EP4168996A1 (en) Systems and methods for fine adjustment of roof models
CN111771227B (zh) 用于识别三维物体的方法、系统、电子装置和存储介质
CN108335366A (zh) 对牲畜进行识别的方法及装置
CN115131437A (zh) 位姿估计方法及相关模型的训练方法、装置、设备、介质
CN110554356A (zh) 一种可见光通信中设备定位方法及系统
CN117798933B (zh) 一种基于智能机器人的机器末端的动态跟随方法及装置
CN112631333B (zh) 无人机的目标跟踪方法、装置及图像处理芯片
CN113635299A (zh) 一种机械臂的校正方法、终端设备及存储介质
CN113515143A (zh) 机器人导航方法、机器人及计算机可读存储介质
CN112633187A (zh) 基于图像分析的机器人自动搬运方法、系统和存储介质
CN114074321A (zh) 机器人标定方法及装置
US20230410338A1 (en) Method for optimizing depth estimation model, computer device, and storage medium
CN101657841A (zh) 信息提取方法、登记设备、验证设备和程序
CN116092176A (zh) 用于检测手势的方法和系统，以及计算机可读存储媒体
CN116460851A (zh) 一种视觉迁移的机械臂装配控制方法
TWI847014B (zh) 影像資料擴增裝置與方法
CN114723659A (zh) 穴位检测效果确定方法、装置及电子设备
CN114155471A (zh) 设计图纸与实物的核验方法、装置、计算机设备和系统
CN114675558A (zh) 智能家居设备定位方法、系统及存储介质
CN109788431B (zh) 一种基于相邻节点组的蓝牙定位方法、装置、设备和系统
CN114168827A (zh) 指示船只进行停泊的方法、装置及电子设备

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
TA01 Transfer of patent application right

Effective date of registration: 20190822

Address after: 102218 Block 505, Longyu Center, Building 1, Courtyard 1, Longyu Zhongjie, Huilongguan, Changping District, Beijing

Applicant after: Xiang Chuang Technology (Beijing) Co., Ltd.

Address before: 102218 Block 505, Longyu Center, Building 1, Courtyard 1, Longyu Zhongjie, Huilongguan, Changping District, Beijing

Applicant before: Deng Changshun

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant