CN108759666A - 一种基于飞行时间三维相机的尺寸测量方法 - Google Patents
一种基于飞行时间三维相机的尺寸测量方法 Download PDFInfo
- Publication number
- CN108759666A CN108759666A CN201810524023.0A CN201810524023A CN108759666A CN 108759666 A CN108759666 A CN 108759666A CN 201810524023 A CN201810524023 A CN 201810524023A CN 108759666 A CN108759666 A CN 108759666A
- Authority
- CN
- China
- Prior art keywords
- point
- babinet
- dimensional
- flight time
- method based
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于飞行时间三维相机的尺寸测量方法,将光源进行射频调制,通过三维ToF相机收集反射光并与解调信号作相关运算,主动改变解调信号的初始相位延迟,得到四组相关值,据此解出深度值并消除环境光;本发明通过设置数据转换模块以及模块内的算法,将控制系统获取各点的相机坐标系三维坐标转换为箱体的长宽高,能快速准确得到箱体的尺寸与体积。
Description
技术领域
本发明涉及物流体积测量技术领域,具体的说是一种基于飞行时间三维相机的尺寸测量方法。
背景技术
现有的用于物流领域的三维测量设备是基于结构光的方案,对环境光抗干扰能力差,特别是在太阳光直射时所投射的红外离散斑点会被太阳光淹没,导致测量算法失效。
基于此,针对上述现状中存在的局限性,本发明提出了一种能够解决现有尺寸测量方案中受环境光干扰问题的基于飞行时间三维相机的尺寸测量方法。
发明内容
为了解决上述现有技术中存在的问题,本发明提供一种能够解决现有尺寸测量方案中受环境光干扰问题的基于飞行时间三维相机的尺寸测量方法。
本发明解决其技术问题所采用的技术方案是:
一种基于飞行时间三维相机的尺寸测量方法,包括以下步骤:
步骤一、通过三维ToF相机中的控制系统对光源进行射频调制处理,并将调制处理后的光源发射到箱体上;
步骤二、通过三维ToF相机中的成像系统观察反射回来的对应光,获取得到像素坐标系中箱体上各像素点点坐标(u,v);
步骤三、通过三维ToF相机中的数据处理模块,获取像素坐标系中箱体上各像素点点坐标(u,v)并通过计算转化得到各点的相机坐标系三维坐标(Xc,Yc,Zc);
步骤四、控制系统获取各点的相机坐标系三维坐标(Xc,Yc,Zc)后传输至终端,终端内的数据转换模块将各点的相机坐标系三维坐标(Xc,Yc,Zc)转换为箱体的长宽高(L,W,H),并通过终端内的数据输出模块输出显示。
进一步地,所述步骤一种调制处理后的光源为方波。
进一步地,所述步骤三中转化过程具体为,设定k×l为像素点的大小,f为成像系统的焦距,θ为相机坐标系的倾斜度,d为光源至箱体的测量距离,为发射光与反射光的相位差,c为光速常量,则像素坐标系与相机坐标系之间的转换关系为,
式(1):
式(2):
式(3):
联合式(1)、式(2)、式(3),得到(Xc,Yc,Zc)。
更进一步地,所述步骤三中,发射光与反射光的相位差的具体计算过程为,设定τ为每次测量中主动改变延迟量,
通过四次测量,并在每次测量中改变延迟量τ,环境光为常量K,得到:
对上述关系式通过差模的方式,消除常数项K,得到:
进一步地,所述步骤四中,箱体的长宽高(L,W,H)的转化过程为,所述数据转换模块设置有判断准则模型,利用判断准则迭代剔除与所估计参数不一致的输入数据,通过输入正确的数据估计模型参数,具体为:
S1、将控制系统获取各点的相机坐标系三维坐标的初始点云数据随机选择一些点,组成子集L1,用最小二乘法得到初始化平面模型的参数A、B、C,模型为AX+BY+CZ+D=0;
S2、用步骤S1得到的模型AX+BY+CZ+D=0去测试子集L2,L2为子集L1之外的数据,设置阈值d,d为任一点到平面模型的距离,子集L2中与模型误差小于d的点集L’与L1构成集合L*,集合L*为内点集,其余为局外点;
S3、统计内点集L*内点的个数,判断是否大于初始点云内点的个数的1/3,如果是,则用内点集L*内的数据估计新模型参数A’、B’、C’,作为新模型的输出,如果不是,则与当前最大的内点集L*内的点的个数对比,若大于,则取代当前最大内点集的个数,并存储当前模型的参数;
S4、重复步骤S1-S3,进行迭代处理,对每次迭代产生的模型进行筛选,当内点集内点太少时则舍弃,当比当前模型更好时则进行替换,去除掉非箱体的点云,得到箱体的点云;
S5、对箱体的点云进行滤波与聚类,得到更精确的箱体的点云P;
S6、对获取的点云P进行边缘性检测,得到箱体边缘的点云p;
S7、对获取的点云p进行直线检测得到箱体的直线边缘轮廓;
S8、找到箱体的直线边缘轮廓的端点坐标,通过计算得到箱体的长宽高(L,W,H);
S9、通过长宽高之乘积计算箱体体积。
更进一步地,所述步骤S2中,阈值d设置为0.01m。
更进一步地,所述步骤S4中,迭代次数设置为50次。
更进一步地,所述步骤S5中,
滤波包括直通滤波和Statis Outlier Removal滤波器滤波,所述直通滤波用于过滤左右噪声,所述Statis Outlier Removal滤波器过滤离群点,计算每一个点到与该点所有临近点的平均距离,平均距离在一个标准差范围之外的点,即为离群点;
聚类为距离聚类,用于分离出箱体和其他凝聚起来的噪声。
更进一步地,所述步骤S6中,边缘性检测过程为:
对于点云P中的一个点q及距离q最近的k个点进行拟合,得到一个最小二乘意义上的局部平面,记为ax+by+cz+d=0,此面的法线(a,b,c)即为该点的法线,求出所有点的法线方向后,对k个邻近点的法线方向进行比较,将法线方向发生突变的点认作边界点。
更进一步地,所述步骤S7中,具体过程为:
通过采样一致性,得到多条线段的点云,线段的端点分别为x坐标最大最小点,通过两个端点的坐标可以计算出每条线段的方向向量,通过每条线段的方向向量夹角,对箱体的长宽高进行分类。
与现有技术相比,本发明的有益效果是:
1、本发明将光源进行射频调制,通过三维ToF相机收集反射光并与解调信号作相关运算,主动改变解调信号的初始相位延迟,得到四组相关值,据此解出深度值并消除环境光;
2、本发明通过设置数据转换模块以及模块内的算法,将控制系统获取各点的相机坐标系三维坐标转换为箱体的长宽高,能快速准确得到箱体的尺寸与体积。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明实施的示意图;
图2为本发明的工作流程图;
图3为本发明的一个实施例中,为去除掉非箱体2的点云之前的图形;
图4为本发明的一个实施例中,为去除掉非箱体2的点云后的图形;
图5为对图4进行滤波与聚类后得到的图形;
图6为对图5进行边缘性检测后得到的图形;
图7为对图6进行直线检测后得到的图形。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1和图2所示,本发明所述的一种基于飞行时间三维相机的尺寸测量方法,包括以下步骤:
步骤一、通过三维ToF相机1中的控制系统103对光源104进行射频调制处理,并将调制处理后的光源101发射到箱体2上;
步骤二、通过三维ToF相机1中的成像系统105观察反射回来的对应光102,获取得到像素坐标系中箱体2上各像素点点坐标(u,v);
步骤三、通过三维ToF相机1中的数据处理模块106,获取像素坐标系中箱体2上各像素点点坐标(u,v)并通过计算转化得到各点的相机坐标系三维坐标(Xc,Yc,Zc);
步骤四、控制系统103获取各点的相机坐标系三维坐标(Xc,Yc,Zc)后传输至终端3,终端3内的数据转换模块301将各点的相机坐标系三维坐标(Xc,Yc,Zc)转换为箱体2的长宽高(L,W,H),并通过终端3内的数据输出模块302输出显示。
具体实施时,所述步骤一种调制处理后的光源101为方波。
具体实施时,所述步骤三中转化过程具体为,设定k×l为像素点的大小,f为成像系统105的焦距,θ为相机坐标系的倾斜度,d为光源104至箱体2的测量距离,为发射光与反射光的相位差,c为光速常量,则像素坐标系与相机坐标系之间的转换关系为,
式(1):
式(2):
式(3):
联合式(1)、式(2)、式(3),得到(Xc,Yc,Zc)。
具体实施时,所述步骤三中,发射光与反射光的相位差的具体计算过程为,设定τ为每次测量中主动改变延迟量,
通过四次测量,并在每次测量中改变延迟量τ,环境光为常量K,得到:
对上述关系式通过差模的方式,消除常数项K,得到:
具体实施时,所述步骤四中,箱体2的长宽高(L,W,H)的转化过程为,所述数据转换模块301设置有判断准则模型,利用判断准则迭代剔除与所估计参数不一致的输入数据,通过输入正确的数据估计模型参数,具体为:
S1、将控制系统103获取各点的相机坐标系三维坐标的初始点云数据随机选择一些点,组成子集L1,用最小二乘法得到初始化平面模型的参数A、B、C,模型为AX+BY+CZ+D=0;
S2、用步骤S1得到的模型AX+BY+CZ+D=0去测试子集L2,L2为子集L1之外的数据,设置阈值d,d为任一点到平面模型的距离,子集L2中与模型误差小于d的点集L’与L1构成集合L*,集合L*为内点集,其余为局外点;
S3、统计内点集L*内点的个数,判断是否大于初始点云内点的个数的1/3,如果是,则用内点集L*内的数据估计新模型参数A’、B’、C’,作为新模型的输出,如果不是,则与当前最大的内点集L*内的点的个数对比,若大于,则取代当前最大内点集的个数,并存储当前模型的参数;
S4、重复步骤S1-S3,进行迭代处理,对每次迭代产生的模型进行筛选,当内点集内点太少时则舍弃,当比当前模型更好时则进行替换,去除掉非箱体2的点云,得到箱体2的点云,如图3和图4所示,图3为去除掉非箱体2的点云之前的图形,图4为去除掉非箱体2的点云后的图形;
S5、对箱体2的点云进行滤波与聚类,得到更精确的箱体2的点云P,如图5所示;
S6、对获取的点云P进行边缘性检测,得到箱体2边缘的点云p,如图6所示;
S7、对获取的点云p进行直线检测得到箱体2的直线边缘轮廓,如图7所示;
S8、找到箱体2的直线边缘轮廓的端点坐标,通过计算得到箱体2的长宽高(L,W,H);
S9、通过长宽高之乘积计算箱体2体积。
具体实施时,所述步骤S2中,阈值d设置为0.01m。
具体实施时,所述步骤S4中,迭代次数设置为50次,在满足迭代时间不宜过长的情况下选择能够迭代的最大次数。
具体实施时,所述步骤S5中,
滤波包括直通滤波和Statis Outlier Removal滤波器滤波,所述直通滤波用于过滤左右噪声,所述Statis Outlier Removal滤波器过滤离群点,计算每一个点到与该点所有临近点的平均距离,平均距离在一个标准差范围之外的点,即为离群点;
聚类为距离聚类,用于分离出箱体和其他凝聚起来的噪声。
具体实施时,所述步骤S6中,边缘性检测过程为:
对于点云P中的一个点q及距离q最近的k个点进行拟合,得到一个最小二乘意义上的局部平面,记为ax+by+cz+d=0,此面的法线(a,b,c)即为该点的法线,求出所有点的法线方向后,对k个邻近点的法线方向进行比较,将法线方向发生突变的点认作边界点。
具体实施时,所述步骤S7中,具体过程为:
通过采样一致性,得到多条线段的点云,线段的端点分别为x坐标最大最小点,通过两个端点的坐标可以计算出每条线段的方向向量,通过每条线段的方向向量夹角,对箱体2的长宽高进行分类。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于飞行时间三维相机的尺寸测量方法,其特征在于,包括以下步骤:
步骤一、通过三维ToF相机中的控制系统对光源进行射频调制处理,并将调制处理后的光源发射到箱体上;
步骤二、通过三维ToF相机中的成像系统收集反射回来的对应光,获取得到像素坐标系中箱体上各像素点点坐标(u,v);
步骤三、通过三维ToF相机中的数据处理模块,获取像素坐标系中箱体上各像素点点坐标(u,v)并通过计算转化得到各点的相机坐标系三维坐标(Xc,Yc,Zc);
步骤四、控制系统获取各点的相机坐标系三维坐标(Xc,Yc,Zc)后传输至终端,终端内的数据转换模块将各点的相机坐标系三维坐标(Xc,Yc,Zc)转换为箱体的长宽高(L,W,H),并通过终端内的数据输出模块输出显示。
2.根据权利要求1所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤一种调制处理后的光源为方波。
3.根据权利要求1所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤三中转化过程具体为,设定k×l为像素点的面积,f为成像系统的焦距,θ为相机坐标系的倾斜度,d为光源至箱体的测量距离,为发射光与反射光的相位差,c为光速常量,则像素坐标系与相机坐标系之间的转换关系为,
式(1):
式(2):
式(3):
联合式(1)、式(2)、式(3),得到(Xc,Yc,Zc)。
4.根据权利要求3所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤三中,发射光与反射光的相位差的具体计算过程为,设定τ为每次测量中主动改变延迟量,
通过四次测量,并在每次测量中改变延迟量τ,环境光为常量K,得到:
对上述关系式通过差模的方式,消除常数项K,得到:
5.根据权利要求1所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤四中,箱体的长宽高(L,W,H)的转化过程为,所述数据转换模块设置有判断准则模型,利用判断准则迭代剔除与所估计参数不一致的输入数据,通过输入正确的数据估计模型参数,具体为:
S1、将控制系统获取各点的相机坐标系三维坐标的初始点云数据随机选择一些点,组成子集L1,用最小二乘法得到初始化平面模型的参数A、B、C,模型为AX+BY+CZ+D=0;
S2、用步骤S1得到的模型AX+BY+CZ+D=0去测试子集L2,L2为子集L1之外的数据,设置阈值d,d为任一点到平面模型的距离,子集L2中与模型误差小于d的点集L’与L1构成集合L*,集合L*为内点集,其余为局外点;
S3、统计内点集L*内点的个数,判断是否大于初始点云内点的个数的1/3,如果是,则用内点集L*内的数据估计新模型参数A’、B’、C’,作为新模型的输出,如果不是,则与当前最大的内点集L*内的点的个数对比,若大于,则取代当前最大内点集的个数,并存储当前模型的参数;
S4、重复步骤S1-S3,进行迭代处理,对每次迭代产生的模型进行筛选,当内点集内点太少时则舍弃,当比当前模型更好时则进行替换,去除掉非箱体的点云,得到箱体的点云;
S5、对箱体的点云进行滤波与聚类,得到更精确的箱体的点云P;
S6、对获取的点云P进行边缘性检测,得到箱体边缘的点云p;
S7、对获取的点云p进行直线检测得到箱体的直线边缘轮廓;
S8、找到箱体的直线边缘轮廓的端点坐标,通过计算得到箱体的长宽高(L,W,H);
S9、通过长宽高之乘积计算箱体体积。
6.根据权利要求5所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤S2中,阈值d设置为0.01m。
7.根据权利要求5所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤S4中,迭代次数设置为50次。
8.根据权利要求5所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤S5中,
滤波包括直通滤波和Statis Outlier Removal滤波器滤波,所述直通滤波用于过滤左右噪声,所述Statis Outlier Removal滤波器过滤离群点,计算每一个点到与该点所有临近点的平均距离,平均距离在一个标准差范围之外的点,即为离群点;
聚类为距离聚类,用于分离出箱体和其他凝聚起来的噪声。
9.根据权利要求5所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤S6中,边缘性检测过程为:
对于点云P中的一个点q及距离q最近的k个点进行拟合,得到一个最小二乘意义上的局部平面,记为ax+by+cz+d=0,此面的法线(a,b,c)即为该点的法线,求出所有点的法线方向后,对k个邻近点的法线方向进行比较,将法线方向发生突变的点认作边界点。
10.根据权利要求5所述的一种基于飞行时间三维相机的尺寸测量方法,其特征在于,所述步骤S7中,具体过程为:
通过采样一致性,得到多条线段的点云,线段的端点分别为x坐标最大最小点,通过两个端点的坐标可以计算出每条线段的方向向量,通过每条线段的方向向量夹角,对箱体的长宽高进行分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524023.0A CN108759666B (zh) | 2018-05-28 | 2018-05-28 | 一种基于飞行时间三维相机的尺寸测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524023.0A CN108759666B (zh) | 2018-05-28 | 2018-05-28 | 一种基于飞行时间三维相机的尺寸测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108759666A true CN108759666A (zh) | 2018-11-06 |
CN108759666B CN108759666B (zh) | 2020-06-23 |
Family
ID=64003086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810524023.0A Expired - Fee Related CN108759666B (zh) | 2018-05-28 | 2018-05-28 | 一种基于飞行时间三维相机的尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108759666B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109991583A (zh) * | 2019-03-14 | 2019-07-09 | 深圳奥比中光科技有限公司 | 一种抗干扰的距离测量方法及深度相机 |
CN109991584A (zh) * | 2019-03-14 | 2019-07-09 | 深圳奥比中光科技有限公司 | 一种抗干扰的距离测量方法及深度相机 |
CN110686600A (zh) * | 2019-11-05 | 2020-01-14 | 北京深测科技有限公司 | 一种基于飞行时间测量的测量方法及系统 |
CN112504125A (zh) * | 2020-12-15 | 2021-03-16 | 广东工业大学 | 一种基于tof的非接触式长方体体积测量方法 |
CN113418467A (zh) * | 2021-06-16 | 2021-09-21 | 厦门硅谷动能信息技术有限公司 | 基于ToF点云数据检测一般及黑色行李尺寸的方法 |
CN113671519A (zh) * | 2021-10-22 | 2021-11-19 | 武汉市聚芯微电子有限责任公司 | 一种飞行时间测距方法、装置、飞行时间相机及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110169922A1 (en) * | 2010-01-09 | 2011-07-14 | Hon Hai Precision Industry Co., Ltd. | Three dimension model building system and method |
CN102252653A (zh) * | 2011-06-27 | 2011-11-23 | 合肥工业大学 | 基于tof无扫描三维成像的位姿测量方法 |
CN104316083A (zh) * | 2014-11-15 | 2015-01-28 | 中国科学院光电研究院 | 一种虚拟多球体球心定位的tof深度相机三维坐标标定装置和方法 |
CN109798838A (zh) * | 2018-12-19 | 2019-05-24 | 西安交通大学 | 一种基于激光散斑投射的ToF深度传感器及其测距方法 |
-
2018
- 2018-05-28 CN CN201810524023.0A patent/CN108759666B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110169922A1 (en) * | 2010-01-09 | 2011-07-14 | Hon Hai Precision Industry Co., Ltd. | Three dimension model building system and method |
CN102252653A (zh) * | 2011-06-27 | 2011-11-23 | 合肥工业大学 | 基于tof无扫描三维成像的位姿测量方法 |
CN104316083A (zh) * | 2014-11-15 | 2015-01-28 | 中国科学院光电研究院 | 一种虚拟多球体球心定位的tof深度相机三维坐标标定装置和方法 |
CN109798838A (zh) * | 2018-12-19 | 2019-05-24 | 西安交通大学 | 一种基于激光散斑投射的ToF深度传感器及其测距方法 |
Non-Patent Citations (1)
Title |
---|
叶子瑞: "基于TOF相机的相对位姿测量方法", 《万方数据库》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109991583A (zh) * | 2019-03-14 | 2019-07-09 | 深圳奥比中光科技有限公司 | 一种抗干扰的距离测量方法及深度相机 |
CN109991584A (zh) * | 2019-03-14 | 2019-07-09 | 深圳奥比中光科技有限公司 | 一种抗干扰的距离测量方法及深度相机 |
CN110686600A (zh) * | 2019-11-05 | 2020-01-14 | 北京深测科技有限公司 | 一种基于飞行时间测量的测量方法及系统 |
CN110686600B (zh) * | 2019-11-05 | 2021-08-06 | 北京深测科技有限公司 | 一种基于飞行时间测量的测量方法及系统 |
CN112504125A (zh) * | 2020-12-15 | 2021-03-16 | 广东工业大学 | 一种基于tof的非接触式长方体体积测量方法 |
CN112504125B (zh) * | 2020-12-15 | 2022-03-25 | 广东工业大学 | 一种基于tof的非接触式长方体体积测量方法 |
CN113418467A (zh) * | 2021-06-16 | 2021-09-21 | 厦门硅谷动能信息技术有限公司 | 基于ToF点云数据检测一般及黑色行李尺寸的方法 |
CN113671519A (zh) * | 2021-10-22 | 2021-11-19 | 武汉市聚芯微电子有限责任公司 | 一种飞行时间测距方法、装置、飞行时间相机及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108759666B (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108759666A (zh) | 一种基于飞行时间三维相机的尺寸测量方法 | |
CN110942449B (zh) | 一种基于激光与视觉融合的车辆检测方法 | |
US7660436B2 (en) | Stereo-vision based imminent collision detection | |
Pantilie et al. | SORT-SGM: Subpixel optimized real-time semiglobal matching for intelligent vehicles | |
Barrois et al. | 3D pose estimation of vehicles using a stereo camera | |
WO2016193716A1 (en) | A computer implemented method of detecting the distance of an object from an image sensor | |
CN105335955A (zh) | 对象检测方法和对象检测装置 | |
CN103996202A (zh) | 一种基于混合匹配代价和自适应窗口的立体匹配方法 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
Pinggera et al. | High-performance long range obstacle detection using stereo vision | |
CN105890542B (zh) | 一种机动车外廓尺寸测量系统及方法 | |
CN114758504B (zh) | 一种基于滤波校正的网联车超速预警方法及系统 | |
CN108305277A (zh) | 一种基于直线段的异源图像匹配方法 | |
CN108645375A (zh) | 一种用于车载双目系统快速车辆测距优化方法 | |
CN112001973B (zh) | 基于数字散斑相关的快速三维人头测量方法 | |
Shivakumar et al. | Real time dense depth estimation by fusing stereo with sparse depth measurements | |
CN113989758A (zh) | 一种用于自动驾驶的锚引导3d目标检测方法及装置 | |
CN116109601A (zh) | 一种基于三维激光雷达点云的实时目标检测方法 | |
CN114137562A (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN113838069A (zh) | 基于平面度约束的点云分割方法和系统 | |
CN110702015B (zh) | 输电线路覆冰厚度测量方法及装置 | |
Lejeune et al. | Probabilistic framework for the characterization of surfaces and edges in range images, with application to edge detection | |
CN109785261A (zh) | 一种基于灰度体元模型的机载lidar三维滤波方法 | |
Lim et al. | Integration of Vehicle Detection and Distance Estimation using Stereo Vision for Real-Time AEB System. | |
CN115187955A (zh) | 一种基于视觉图像与稀疏点云后融合的目标定位方法 |
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 |
Granted publication date: 20200623 |
|
CF01 | Termination of patent right due to non-payment of annual fee |