CN108805939A - 基于统计学特征的三目视觉系统的标定装置及方法 - Google Patents
基于统计学特征的三目视觉系统的标定装置及方法 Download PDFInfo
- Publication number
- CN108805939A CN108805939A CN201810628091.1A CN201810628091A CN108805939A CN 108805939 A CN108805939 A CN 108805939A CN 201810628091 A CN201810628091 A CN 201810628091A CN 108805939 A CN108805939 A CN 108805939A
- Authority
- CN
- China
- Prior art keywords
- infrared
- gray
- vision system
- class
- mesh
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于统计学特征的三目视觉系统的标定装置及方法,基于统计学特征的三目视觉系统的标定装置由可见光相机标定面和红外相机标定面组成;基于统计学特征的三目视觉系统的标定方法,由一目红外和双目可见光的三目视觉系统从多角度同时拍摄多组图像序列;首先对双目可见光相机进行标定;然后利用灰度统计特性提取红外图像中的类圆连通区域;根据统计学特征拟合类圆连通区域的中心点;并以红外中心点代替右目图像棋盘角点,与左目可见光图像进行二次“双目标定”;最后利用几何关系传导完成三目视觉系统的协同标定;本发明实现了三目视觉系统的精确标定,操作方便,实用价值高。
Description
技术领域
本发明属于计算机视觉技术领域,具体涉及一种基于统计学特征的三目视觉系统的标定装置及方法。
背景技术
摄像机的标定技术是视觉测量领域的一项重要技术,目的是通过摄像机拍摄的单幅或多幅图像确定摄像机的参数模型,进而获得摄像机的内外参数,在机器人导航、三维重建、生物医疗、虚拟现实、视觉监控等领域均有广泛的应用前景。随着对热红外成像技术研究的深入,人们更期望能将可见光图像和红外图像融合在一起,而普通的双目系统已经满足不了当下的研究需求,尤其是军事作战、电子产品检测、资源探测等方面,传统的标定装置往往也无法较准确地提取红外图像,标定过程中对红外图像角点的提取也存在偏差,如何清晰准确地提取红外图像的角点是现阶段亟需解决的问题之一。
发明内容
为解决上述问题,本发明提出一种基于统计学特征的三目视觉系统的标定装置及方法,实现可见光和红外三目视觉系统的联合标定,解决红外标定不准确的技术问题。
本发明采用如下技术方案,一种基于统计学特征的三目视觉系统的标定装置,包括正反两面,正面为可见光标定面,反面为红外标定面,可见光标点面为黑白棋盘格标定板,红外标定面包括圆形电热膜、电源和导线,圆形电热膜为红外相机的标定识别图案,以可见光标定面的黑白棋盘格内角点为圆心确定圆形电热膜的位置,通过导线串联圆形电热膜。
基于统计学特征的三目视觉系统的标定方法,包括以下步骤:
1)使用一目红外相机和双目可见光相机组成的三目视觉系统同时对基于统计学特征的三目视觉系统的标定装置拍摄不同角度的n组三目图像序列,三目图像序列包括可见光图像序列的“左目-右目”双目可见光图像对和红外图像序列;
2)提取所述可见光图像序列的“左目-右目”双目可见光图像对,对双目可见光相机进行标定;
3)提取红外图像序列,利用灰度化统计特征得到红外图像序列的类圆连通区域;
4)基于统计学特征拟合类圆连通区域的中心点;
5)提取左目可见光图像和红外图像序列组成新的双目图像对,即“左目-红外”图像对,以拟合的类圆连通区域中心代替右目可见光图像内角点,与左目可见光图像进行“双目标定”;
6)根据“左目-右目”标定以及“左目-红外”标定结果,通过几何传导关系,完成“左目-红外-右目”三目视觉系统的协同标定。
发明所达到的有益效果:本发明是一种基于统计学特征的三目视觉系统的标定装置及方法,实现可见光和红外三目视觉系统的联合标定,解决红外标定不准确的技术问题;提出了一种同时适用于可见光成像与红外成像原理的新型三目标定装置;红外类圆连通区域中心点的拟合算法效果好、精确度高,保证了红外与可见光图像的位置关系求解的准确性;完成了一目红外、双目可见光的三目视觉系统的精确标定,装置简单,操作容易。
附图说明
图1为标定装置结构示意图;
图2为标定方法流程图;
图3为中心点提取算法示意图;
图4为特征维灰度分布示意图;
图5为不同方向的[a,b]数组取值示意图;
图6为基于统计学特征提取中心点示意图。
具体实施方式
下面根据附图并结合实施例对本发明的技术方案作进一步阐述。
本发明提出一种基于统计学特征的三目视觉系统的标定装置,如图1所示,标定板的尺寸是60×60cm,包括正反两面,正面为可见光标定面,反面为红外标定面,可见光标定面为黑白棋盘格标定板,大小为8×8cm的黑白相间正方格,红外标定面包括圆形电热膜、电源和导线,圆形电热膜为红外相机的标定识别图案,直径15mm,阻值15Ω,功率2W,以可见光标定面的黑白棋盘格内角点为圆心,通过导线串联,保证了圆形电热膜发热中心与棋盘格内角点的位置一致性。
电源采用5v稳压电源,对圆形电热膜加热至设定温度后断电,在本实施例中加热2-3分钟,使圆形电热膜达到40°~45°的适宜温度后断电,防止过热。
基于统计学特征的三目视觉系统的标定方法,图2为标定方法流程图,首先利用张氏标定法对双目可见光相机进行标定,再对红外相机灰度化处理,并对其进行基于灰度化特征的图像分割,利用统计特征拟获中心点,并通过最小二乘线性拟合后精确获取中心点;最后根据单目红外相机与双目可见光相机角点位置的对应关系完成三目视觉系统的标定;
具体包括以下步骤:
1)改变棋盘格标定板的角度以及位置,使用一目红外相机和双目可见光相机的三目视觉系统同时对基于统计学特征的三目视觉系统的标定装置从不同方向拍摄不同角度的n组三目图像序列,三目图像序列包括可见光图像序列的“左目-右目”双目可见光图像对和红外图像序列;
2)提取所述可见光图像序列的“左目-右目”双目可见光图像对,利用角点算法提取出棋盘格内角点,即正方格交叉点,并通过张正友标定法完成双目可见光相机的标定,求解得双目可见光相机的内外参数;
3)对所述红外图像序列的每一幅图像I,首先进行灰度化处理得到灰度图Iinfrared-gray,然后利用基于灰度统计特征的目标分割算法得到二值图像Ibinary,获取类圆连通区域;
具体步骤如图3所示:
31)对灰度图Iinfrared-gray分别从0°、45°、90°、135°四个方向分析表面灰度的不均匀分布情况,位于波峰处的像素灰度值较高,位于波谷的像素灰度值较低。按下式求解每个方向上的灰度分布不均匀程度,其中Kd_m表示方向d上第m个一维信息的灰度分布不均匀程度,Gd_m(i)表示方向d上第m个一维信息上第i个像素点的灰度值,d∈{0°,45°,90°,135°},n为第m个一维信息上像素点的总个数,Gd_m(n)是第m个一维信息的灰度平均值,取灰度分布不均匀程度Kd_m值最大的一维信息作为方向d的代表信息维Gd;
32)基于代表信息维Gd上每个像素点的灰度值绘制代表信息维曲线,如图4所示,计算代表信息维Gd上每个像素点的灰度值与代表信息维Gd的灰度平均值的差值,差值的最大的像素点为代表信息维Gd的波动顶点Pd,Dd=max|Gd(i)-Gd(n)|,其中Gd(i)表示代表信息维Gd上第i个像素点的灰度值,Gd(n)表示代表信息维Gd的灰度平均值,Dd表示代表信息维Gd上每个像素点的灰度值与代表信息维Gd的灰度平均值的差值的最大绝对值,Pd为差值最大时的像素点,即代表信息维Gd的波动顶点,以波动顶点Pd为中心,在代表信息维曲线中向两侧遍历,得到代表信息维曲线与代表信息维的灰度平均值Gd(n)直线的第一对交点作为起始点Sd和起始点Ed,计算起始点之间的距离Ld=|Sd-Ed|;
33)根据以下公式,自动改变邻域分割步长值和每个方向的阈值;
方向d的邻域分割步长Stepd:
方向d的阈值Threshd:
34)以d为方向,Stepd为邻域分割步长,Threshd为分割阈值,对灰度图Iinfrared-gray(x,y)进行每个方向的邻域分割,得到每个方向的分割的二值图像,Bd(x,y)表示方向d的分割的二值图像,Iinfrared-gray(x,y)为待处理的灰度图,(x,y)为每个像素点的坐标,数组分别代表方向0°、45°、90°、135°:
其中,a,b∈{-1,0,1},通过不同的a,b取值代表不同的方向。从0°和180°分割图像选用的步长为step0°,阈值为Thresh0°,得到结果B0;从45°和225°分割图像选用的步长为step45°,阈值为Thresh45°,得到结果B1;从90°和270°分割图像选用的步长为step90°,阈值为Thresh90°,得到结果B2;从135°和315°分割图像选用的步长为step135°,阈值为Thresh135°,得到结果B3。
35)对四个方向的分割结果图以逻辑操作“或”进行合并,
B(x,y)=or(Bd(x,y)),d∈{0°,45°,90°,135°}
得到最终分割的二值图像B(x,y),即为类圆连通区域。如图5所示。
4)对所述二值图像中的类圆连通区域,基于统计学特征的估计方法进行发热区域的中心拟合,如图6所示:
41)提取类圆连通区域外接矩形:在分割的二值图像B(x,y)的垂直方向上确定类圆连通区域的左右边界Ev,在分割的二值图像B(x,y)的水平方向上确定类圆连通区域的上下边界Eh;
42)类圆连通区域初步中心拟合:利用左右边界Ev和上下边界Eh提取所有类圆连通区域及其外接矩形,对每个分割的类圆连通区域进行初步中心拟合,得到类圆连通区域的初步拟合中心点,具体为:首先沿外接矩形左边缘依次向右遍历,记录垂直方向上最大灰度值所在线段的位置;再沿其外接矩形的上边缘依次向下遍历,记录水平方向上最大灰度值所在线段的位置;取两线段的交点作为类圆连通区域的初步拟合中心点;
43)类圆连通区域中心点误差校正:利用最小二乘法分别对每一行、每一列类圆连通区域的初步拟合中心点进行线性拟合,获取水平和垂直两个方向上的拟合直线,对类圆连通区域的初步拟合中心点进行误差校正,取拟合直线的交点作为类圆连通区域的最终中心点,中心点位置即对应于棋盘格相应内角点位置。
5)提取左目可见光图像和红外图像序列组成新的双目图像对,即“左目-红外”图像对,以拟合的类圆连通区域中心代替右目可见光图像内角点,与左目可见光图像进行“双目标定”;
6)根据“左目-右目”标定以及“左目-红外”标定结果,通过几何传导关系,完成“左目-红外-右目”三目视觉系统的协同标定。
Claims (7)
1.基于统计学特征的三目视觉系统的标定装置,其特征在于,包括正反两面,正面为可见光标定面,反面为红外标定面,可见光标点面为黑白棋盘格标定板,红外标定面包括圆形电热膜、电源和导线,圆形电热膜为红外相机的标定识别图案,以可见光标定面的黑白棋盘格内角点为圆心确定圆形电热膜的位置,通过导线串联圆形电热膜。
2.根据权利要求1所述的基于统计学特征的三目视觉系统的标定装置,其特征在于,电源采用5v稳压电源,对圆形电热膜加热至设定温度后断电。
3.基于统计学特征的三目视觉系统的标定方法,其特征在于,包括以下步骤:
1)使用一目红外相机和双目可见光相机组成的三目视觉系统同时对基于统计学特征的三目视觉系统的标定装置拍摄不同角度的n组三目图像序列,三目图像序列包括可见光图像序列的“左目-右目”双目可见光图像对和红外图像序列;
2)提取所述可见光图像序列的“左目-右目”双目可见光图像对,对双目可见光相机进行标定;
3)提取红外图像序列,利用灰度化统计特征得到红外图像序列的类圆连通区域;
4)基于统计学特征拟合类圆连通区域的中心点;
5)提取左目可见光图像和红外图像序列组成新的双目图像对,即“左目-红外”图像对,以拟合的类圆连通区域中心代替右目可见光图像内角点,与左目可见光图像进行“双目标定”;
6)根据“左目-右目”标定以及“左目-红外”标定结果,通过几何传导关系,完成“左目-红外-右目”三目视觉系统的协同标定。
4.根据权利要求3所述的基于统计学特征的三目视觉系统的标定方法,其特征在于,所述步骤2)中利用角点算法提取出棋盘格内角点,即正方格交叉点,并通过张正友标定法进行双目可见光相机标定,得到双目可见光相机的内外参数。
5.根据权利要求3所述的基于统计学特征的三目视觉系统的标定方法,其特征在于,所述步骤3)获取类圆连通区域的具体步骤为:
31)进行灰度化处理得到灰度图Iinfrared-gray;
32)分别从0°、45°、90°、135°四个方向分析灰度图Iinfrared-gray的灰度空间分布信息,按下式求解每个方向上的灰度分布不均匀程度,其中Kd_m表示方向d上第m个一维信息的灰度分布不均匀程度,Gd_m(i)表示方向d上第m个一维信息上第i个像素点的灰度值,d∈{0°,45°,90°,135°},n为第m个一维信息上像素点的总个数,Gd_m(n)是第m个一维信息的灰度平均值,取灰度分布不均匀程度Kd_m值最大的一维信息作为方向d的代表信息维Gd;
33)基于代表信息维Gd上每个像素点的灰度值绘制代表信息维曲线,计算代表信息维Gd上每个像素点的灰度值与代表信息维Gd的灰度平均值的差值,差值的最大的像素点为代表信息维Gd的波动顶点Pd,以波动顶点Pd为中心,在代表信息维曲线中向两侧遍历,得到代表信息维曲线与代表信息维的灰度平均值Gd(n)直线的第一对交点作为起始点Sd和起始点Ed,计算起始点之间的距离
Ld=|Sd-Ed|;
34)根据以下公式确定邻域分割步长和每个方向的阈值;
方向d的邻域分割步长Stepd:
方向d的阈值Threshd:
35)以d为方向,Stepd为邻域分割步长,Threshd为分割阈值,对灰度图Iinfrared-gray(x,y)进行每个方向的邻域分割,得到每个方向的分割的二值图像,Bd(x,y)表示方向d的分割的二值图像,Iinfrared-gray(x,y)为待处理的灰度图,(x,y)为每个像素点的坐标,数组分别代表方向0°、45°、90°、135°:
36)对四个方向的分割结果图以逻辑操作“或”进行合并,
B(x,y)=or(Bd(x,y)),d∈{0°,45°,90°,135°}
得到最终分割的二值图像B(x,y),即为类圆连通区域。
6.根据权利要求3所述的基于统计学特征的三目视觉系统的标定方法,其特征在于,所述步骤4)拟合类圆连通区域的中心点的具体步骤为:
41)提取类圆连通区域外接矩形:在分割的二值图像B(x,y)的垂直方向上确定类圆连通区域的左右边界Ev,在分割的二值图像B(x,y)的水平方向上确定类圆连通区域的上下边界Eh;
42)类圆连通区域初步中心拟合:利用左右边界Ev和上下边界Eh提取所有类圆连通区域及其外接矩形,对每个分割的类圆连通区域进行初步中心拟合,得到类圆连通区域的初步拟合中心点;
43)类圆连通区域中心点误差校正:利用最小二乘法分别对每一行、每一列类圆连通区域的初步拟合中心点进行线性拟合,获取水平和垂直两个方向上的拟合直线,对类圆连通区域的初步拟合中心点进行误差校正,取拟合直线的交点作为类圆连通区域的最终中心点,中心点位置即对应于棋盘格相应内角点位置。
7.根据权利要求6所述的基于统计学特征的三目视觉系统的标定方法,其特征在于,所述步骤42)中初步中心拟合的具体为:首先沿外接矩形左边缘依次向右遍历,记录垂直方向上最大灰度值所在线段的位置;再沿其外接矩形的上边缘依次向下遍历,记录水平方向上最大灰度值所在线段的位置;取两线段的交点作为类圆连通区域的初步拟合中心点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810628091.1A CN108805939B (zh) | 2018-06-19 | 2018-06-19 | 基于统计学特征的三目视觉系统的标定装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810628091.1A CN108805939B (zh) | 2018-06-19 | 2018-06-19 | 基于统计学特征的三目视觉系统的标定装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805939A true CN108805939A (zh) | 2018-11-13 |
CN108805939B CN108805939B (zh) | 2022-02-11 |
Family
ID=64083469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810628091.1A Active CN108805939B (zh) | 2018-06-19 | 2018-06-19 | 基于统计学特征的三目视觉系统的标定装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805939B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502010A (zh) * | 2019-08-15 | 2019-11-26 | 同济大学 | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 |
CN111127560A (zh) * | 2019-11-11 | 2020-05-08 | 江苏濠汉信息技术有限公司 | 一种用于三维重建的三目视觉系统的标定方法及系统 |
CN111832542A (zh) * | 2020-08-15 | 2020-10-27 | 武汉易思达科技有限公司 | 三目视觉识别与定位方法及装置 |
CN113327290A (zh) * | 2021-06-07 | 2021-08-31 | 深圳市商汤科技有限公司 | 双目模组标定方法、装置、存储介质及电子设备 |
CN114615425A (zh) * | 2020-12-21 | 2022-06-10 | 深圳市瑞立视多媒体科技有限公司 | 双目usb相机的控制sdk的生成方法及双目usb相机的控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761732A (zh) * | 2014-01-06 | 2014-04-30 | 哈尔滨工业大学深圳研究生院 | 一种可见光与热红外融合的立体成像装置及其标定方法 |
CN104408729A (zh) * | 2014-12-05 | 2015-03-11 | 中国气象局气象探测中心 | 标定板以及基于该标定板的热红外相机标定方法 |
CN105184774A (zh) * | 2015-08-12 | 2015-12-23 | 中国安全生产科学研究院 | 可同时标定可见光摄像机和红外热像仪的棋盘格标定装置 |
CN105701827A (zh) * | 2016-01-15 | 2016-06-22 | 中林信达(北京)科技信息有限责任公司 | 可见光相机与红外相机的参数联合标定方法及装置 |
CN107204016A (zh) * | 2016-03-17 | 2017-09-26 | 中航华东光电(上海)有限公司 | 多功能标定板 |
-
2018
- 2018-06-19 CN CN201810628091.1A patent/CN108805939B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761732A (zh) * | 2014-01-06 | 2014-04-30 | 哈尔滨工业大学深圳研究生院 | 一种可见光与热红外融合的立体成像装置及其标定方法 |
CN104408729A (zh) * | 2014-12-05 | 2015-03-11 | 中国气象局气象探测中心 | 标定板以及基于该标定板的热红外相机标定方法 |
CN105184774A (zh) * | 2015-08-12 | 2015-12-23 | 中国安全生产科学研究院 | 可同时标定可见光摄像机和红外热像仪的棋盘格标定装置 |
CN105701827A (zh) * | 2016-01-15 | 2016-06-22 | 中林信达(北京)科技信息有限责任公司 | 可见光相机与红外相机的参数联合标定方法及装置 |
CN107204016A (zh) * | 2016-03-17 | 2017-09-26 | 中航华东光电(上海)有限公司 | 多功能标定板 |
Non-Patent Citations (1)
Title |
---|
江国威等: "基于三目视觉的红外热像仪标定方法", 《计算机应用与软件》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502010A (zh) * | 2019-08-15 | 2019-11-26 | 同济大学 | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 |
CN111127560A (zh) * | 2019-11-11 | 2020-05-08 | 江苏濠汉信息技术有限公司 | 一种用于三维重建的三目视觉系统的标定方法及系统 |
CN111127560B (zh) * | 2019-11-11 | 2022-05-03 | 江苏濠汉信息技术有限公司 | 一种用于三维重建的三目视觉系统的标定方法及系统 |
CN111832542A (zh) * | 2020-08-15 | 2020-10-27 | 武汉易思达科技有限公司 | 三目视觉识别与定位方法及装置 |
CN111832542B (zh) * | 2020-08-15 | 2024-04-16 | 武汉易思达科技有限公司 | 三目视觉识别与定位装置 |
CN114615425A (zh) * | 2020-12-21 | 2022-06-10 | 深圳市瑞立视多媒体科技有限公司 | 双目usb相机的控制sdk的生成方法及双目usb相机的控制方法 |
CN114615425B (zh) * | 2020-12-21 | 2024-04-16 | 深圳市瑞立视多媒体科技有限公司 | 双目usb相机的控制方法 |
CN113327290A (zh) * | 2021-06-07 | 2021-08-31 | 深圳市商汤科技有限公司 | 双目模组标定方法、装置、存储介质及电子设备 |
CN113327290B (zh) * | 2021-06-07 | 2022-11-11 | 深圳市商汤科技有限公司 | 双目模组标定方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108805939B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805939A (zh) | 基于统计学特征的三目视觉系统的标定装置及方法 | |
CN107808377B (zh) | 一种肺叶中病灶的定位装置 | |
CN104677305B (zh) | 一种基于十字结构光的物体表面三维重建方法和系统 | |
CN105608737B (zh) | 一种基于机器学习的人体足部三维重建方法 | |
CN107481228A (zh) | 基于计算机视觉的人体背部脊柱侧弯角度测量方法 | |
CN104408398B (zh) | 一种肝脏边界的识别方法及系统 | |
CN101238987A (zh) | 一种关于ct脑出血图像的处理方法 | |
CN104240180B (zh) | 一种实现图像自动调整的方法及装置 | |
CN108596975A (zh) | 一种针对弱纹理区域的立体匹配算法 | |
CN108830906A (zh) | 一种基于虚拟双目视觉原理的摄像机参数自动标定方法 | |
CN110111372A (zh) | 基于sift+ransac算法的医学图像配准和融合方法 | |
CN111105466B (zh) | 一种ct系统中相机的标定方法 | |
CN109512402B (zh) | 近距离多维度的精准医用人体红外热成像的方法 | |
CN106960461A (zh) | 基于可变形模型的婴儿头颅三维测量方法 | |
CN105556567A (zh) | 用于脊椎位置探测的方法和系统 | |
EP3047455A1 (en) | Method and system for spine position detection | |
CN109308462A (zh) | 一种指静脉和指节纹感兴趣区域定位方法 | |
CN209231985U (zh) | 一种基于虚拟双目视觉原理的摄像机参数自动标定装置 | |
CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
Krefer et al. | A method for generating 3D thermal models with decoupled acquisition | |
KR101733028B1 (ko) | 영상대조에 따른 에지 변위량 예측 방법 | |
CN116052209B (zh) | 一种红外图像和标准3d人体模型的处理方法及存储介质 | |
CN104330066B (zh) | 一种基于Freeman链码检测的不规则物体体积测量方法 | |
CN115984203A (zh) | 一种眼球突出度测量方法、系统、终端及介质 | |
CN109410156A (zh) | 一种无人机巡检输电线路图像提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |