CN109271937B - 基于图像处理的运动场地标志物识别方法及系统 - Google Patents
基于图像处理的运动场地标志物识别方法及系统 Download PDFInfo
- Publication number
- CN109271937B CN109271937B CN201811091572.XA CN201811091572A CN109271937B CN 109271937 B CN109271937 B CN 109271937B CN 201811091572 A CN201811091572 A CN 201811091572A CN 109271937 B CN109271937 B CN 109271937B
- Authority
- CN
- China
- Prior art keywords
- marker
- image
- sports field
- candidate
- sports
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的运动场地标志物识别方法及系统，通过获取运动场地标志物的掩膜图像；提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓；基于所述候选标志物轮廓，计算标志物三维空间坐标，得到标志物位置；利用多个标志物位置的几何关系，构建辅助运动训练的多边形训练区域，可以在这个训练区域内检测识别球类运动状态并统计训练数据，用于辅助球类运动训练提升，可提高识别效率、准确性和鲁棒性。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于图像处理的运动场地标志物识别方法及系统。
背景技术
在图像识别目标检测技术中，目前常用的技术有：灰度特征检测、颜色特征检测以及模板匹配的方法，其中：
灰度特征常常用来实现目标的分割和目标检测识别。比如说，用平滑的灰度直方图曲线，取峰值来判别一幅图像中的主要特征。这种基于灰度差异的直方图识别方法，对目标识别效果较好，而且相比基于边缘检测的方法来说，运算速度也比较快；但是当需要识别的目标在一幅图像中并不是主要特征(比如球场标志物)时，就难于使用灰度直方图匹配的方法得到正确的结果。
利用颜色特征识别方法，一般不使用RGB真彩色图像进行处理，因为数据量太大，实时性也不好。可转化为HSV(或者YUV)格式进行处理，取H色相分量来定位到目标区域，再设置S饱和度阈值，将目标与噪声分离。使用颜色特征来识别目标，具有快速简单，对图像旋转、平移和伸缩变化不敏感等特点，但是无法反映颜色的空间位置信息，对光照变化也比较敏感。
基于模板匹配的方法是计算出模板图像和目标图像之间的相似性，再通过相关的函数计算来找到目标在被搜索图像中的坐标位置，从而识别出目标并定位。这种模板匹配方法简单直观、识别率高，但运算量较大，难于适用于目标的旋转和大小的改变，而且受限于固定目标；如果更换不同形状的标志物，可能造成无法正确识别。
发明内容
本发明提供一种基于图像处理的运动场地标志物识别方法及系统，可以提高图像目标识别的准确性、鲁棒性。
为实现上述目的，本发明提供一种基于图像处理的运动场地标志物识别方法，所述基于图像处理的运动场地标志物识别方法包括以下步骤：
获取运动场地标志物的掩膜图像；
提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓；
基于所述候选标志物轮廓，计算标志物三维空间坐标，得到标志物位置；
利用多个标志物位置的几何关系，构建辅助运动训练的多边形训练区域。
其中，所述获取运动场地标志物的掩膜图像的步骤包括：
拍摄未放标志物的运动场地的图像，获得运动场地的背景图像；
在所述运动场地放置标志物，再次拍摄运动场地的图像，获得运动场地的标志物图像；
将所述背景图像和标志物图像作差，并进行二值化处理，得到标志物的掩膜图像。
其中，所述获取运动场地标志物的掩膜图像的步骤之后，还包括：
对所述标志物的掩膜图像进行形态学处理。
其中，所述提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓的步骤包括：
提取所述运动场地标志物的掩膜图像中的轮廓，并进行多边形逼近，将轮廓划分为不同的矩形区域；
根据矩形区域的中心坐标以及长宽信息，对有重叠部分的轮廓进行合并，以填补轮廓中细小空洞；
根据预先设置的长宽阈值，筛掉尺寸过大或者太小的轮廓，提取满足长宽阈值范围内的轮廓，得到候选标志物轮廓。
其中，所述根据预先设置的长宽阈值，筛掉尺寸过大或者太小的轮廓，提取满足长宽阈值范围内的轮廓，得到候选标志物轮廓的步骤之后，还包括：
将所述候选标志物轮廓所在图像，转为HSV格式图像，提取HSV格式图像的H分量色调信息以及S分量饱和度信息；
根据标志物的类型和颜色，设置色调和饱和度阈值；
基于提取的HSV格式图像的H分量色调信息以及S分量饱和度信息和设置的色调和饱和度阈值，将HSV格式图像中的颜色信息进行分类，剔除运动场地背景和干扰噪声，识别出最终的候选标志物轮廓。
其中，所述基于所述候选标志物轮廓，计算标志物三维空间坐标的步骤包括：
预先标定好安装在运动场地的至少两台摄像机，获得摄像机的内外标定参数；
根据所述摄像机的内外标定参数，对所述候选标志物轮廓中候选的标志物二维中心坐标进行H矩阵变换，得到候选标志物在运动场地坐标系下的三维坐标。
其中，所述根据所述摄像机的内外标定参数，对所述候选标志物轮廓中候选的标志物二维中心坐标进行H矩阵变换，得到候选标志物在运动场地坐标系下的三维坐标的步骤之后，还包括：
判断所述候选标志物的三维坐标是否在运动场地的边界线以内；
对于在运动场地的边界线外的候选标志物的坐标，判定为无效标志物或者噪声，直接剔除。
其中，所述根据所述摄像机的内外标定参数，对所述候选标志物轮廓中候选的标志物二维中心坐标进行H矩阵变换，得到候选标志物在运动场地坐标系下的三维坐标的步骤中，还包括：
使用多组摄像机进行识别，得到候选标志物在不同视角下计算出来的三维坐标数据；
对不同摄像机视角下计算的多组候选标志物的三维坐标数据求取平均值，得到该候选标志物在运动场地坐标系下的实际坐标。
其中，所述基于图像处理的运动场地标志物识别方法还包括：
根据多边形训练区域检测判断得到的球类运动状态来统计运动训练数据。
本发明还提出一种基于图像处理的运动场地标志物识别系统，包括存储器、处理器、以及存储在所述存储器上的基于图像处理的运动场地标志物识别程序，所述基于图像处理的运动场地标志物识别程序被所述处理器运行时实现如上所述的基于图像处理的运动场地标志物识别方法的步骤。
本发明的有益效果为：本发明提出一种多种检测方法途径相组合的方案，包括：标志物轮廓特征提取及识别定位，标志物三维坐标计算，构建多边形训练区域，可以准确检测识别运动球场内的标志物，根据检测判断多边形区域内的球类运动状态来统计训练数据，用于辅助球类运动训练提升。相比现有技术，本发明基于计算机视觉技术，仅需少量摄像头，具有成本低、鲁棒性强、准确性高等优点；而且使用轮廓和颜色信息相结合的图像识别方法，可提高识别效率、准确性和鲁棒性；本发明适用性广，在网球、篮球、足球等多种大型球类场地的情景均可应用。
附图说明
图1是本发明基于图像处理的运动场地标志物识别方法第一实施例的流程示意图；
图2是本发明实施例中筛选候选标志物的具体流程示意图；
图3是本发明基于图像处理的运动场地标志物识别方法第二实施例的流程示意图。
具体实施方式
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。
目前，常用的标志物检测方法比较单一，鲁棒性也一般。在运动球场应用场景下的标志物检测识别方法，更是罕见。因此，本发明提出一种多种检测方法途径相组合的方案，主要包括：标志物轮廓特征提取及识别定位，标志物三维坐标计算，构建多边形训练区域，可以准确检测识别运动球场内的标志物，根据检测判断多边形区域内的球类运动状态来统计训练数据，用于辅助球类运动训练提升。
请参照图1，图1是本发明提出的基于图像处理的运动场地标志物识别方法第一实施例的流程示意图。
如图1所示，本发明实施例提出一种基于图像处理的运动场地标志物识别方法，所述基于图像处理的运动场地标志物识别方法包括以下步骤：
步骤S1，获取运动场地标志物的掩膜图像；
本发明方案可以应用在网球、篮球、足球等多种大型球类场地，当然还可以应用于其他需要进行标志物识别的运动场地。本实施例以球场进行举例。
本发明实施例方案包括：标志物轮廓特征提取及识别定位，标志物三维坐标计算，构建多边形训练区域。
其中，标志物轮廓特征提取及识别定位，首先获取运动场地标志物的掩膜图像。
其中，所述获取运动场地标志物的掩膜图像的步骤包括：
拍摄未放标志物的运动场地的图像，获得运动场地的背景图像；
在所述运动场地放置标志物，再次拍摄运动场地的图像，获得运动场地的标志物图像；
将所述背景图像和标志物图像作差，并进行二值化处理，得到标志物的掩膜图像。
进一步地，还可以对所述标志物的掩膜图像进行形态学处理。
具体实现如下：本实施例以应用场景为球场举例，故先建立球场背景图像，也就是拍摄空球场(未摆放标志物)的照片。在球场内摆放标志物完毕后，再次拍摄获得标志物图像。标志物图像与背景图像作差，并二值化处理，得到标志物的掩膜图像。
之后，再对标志物的掩膜图像进行形态学处理，做一次闭运算，用来填充物体内细小空洞，连接邻近物体，平滑其边界的同时并不明显改变标志物的面积。
步骤S2，提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓；
所述提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓的步骤包括：
提取所述运动场地标志物的掩膜图像中的轮廓，并进行多边形逼近，将轮廓划分为不同的矩形区域；
根据矩形区域的中心坐标以及长宽信息，对有重叠部分的轮廓进行合并，以填补轮廓中细小空洞；
根据预先设置的长宽阈值，筛掉尺寸过大或者太小的轮廓，提取满足长宽阈值范围内的轮廓，得到候选标志物轮廓。
此外，还可以结合标志物原图像的颜色信息来作出更准确的判断，因此该方法还包括：
将所述候选标志物轮廓所在图像，转为HSV格式图像，提取HSV格式图像的H分量色调信息以及S分量饱和度信息；
根据标志物的类型和颜色，设置色调和饱和度阈值；
基于提取的HSV格式图像的H分量色调信息以及S分量饱和度信息和设置的色调和饱和度阈值，将HSV格式图像中的颜色信息进行分类，剔除运动场地背景和干扰噪声，识别出最终的候选标志物轮廓。
具体实现如下：
在标志物识别定位时，在获取运动场地标志物的掩膜图像，并进行形态学处理后，提取经过处理后的掩膜图像中的轮廓，并进行多边形逼近，将轮廓划分为不同的小矩形区域。根据矩形区域的中心坐标以及长宽信息，可对有重叠部分的轮廓进行合并，相当于进一步填补细小空洞。设置合理的长宽阈值，筛选掉尺寸过大或者太小的轮廓，满足长宽阈值范围内的轮廓即是候选标志物轮廓。
此外，本实施例考虑到：只依赖轮廓信息，对标志物和噪声识别能力有限，因此，可结合标志物原图像的颜色信息来作出更准确的判断。直接使用RGB格式的原图像并不方便处理，故将原图转为HSV格式。提取HSV图像的H分量色调信息以及S分量饱和度信息。根据标志物的类型和颜色，设置合理的色调和饱和度阈值，将图像中的颜色信息进行分类，剔除球场背景和其他干扰噪声，进一步识别出候选的标志物轮廓。
本实施例筛选候选标志物的具体过程如图2所示。
步骤S3，基于所述候选标志物轮廓，计算标志物三维空间坐标，得到标志物位置；
在计算标志物三维空间坐标时，先标定好安装在球场的摄像机(至少两台)，获得相机的内外参数。根据这些标定参数，可对候选的标志物二维中心坐标进行H矩阵变换：
具体的H矩阵变换公式如下：
在计算机视觉中，平面的单应性被定义为一个平面到另外一个平面的投影映。上述公式中，q代表相机成像平面，Q代表物体平面，s为尺度比例参数)，根据上述公式计算得到候选标志物在球场坐标系下的三维坐标。
此外，考虑到：摆放在球场内的标志物才能构成有效的训练区域。因此需要判断这些候选标志物的三维坐标，是否在球场边界线以内。对于在球场外的候选坐标，可认为是无效标志物或者噪声，直接剔除。
使用多组摄像机进行识别，得到候选标志物在不同视角下计算出来的三维坐标数据；对不同摄像机视角下计算的多组候选标志物的三维坐标数据求取平均值，得到该候选标志物在运动场地坐标系下的实际坐标。
步骤S4，利用多个标志物位置的几何关系，构建辅助运动训练的多边形训练区域。
平均之后得到一系列的标志物的三维坐标点集，但这些标志物的顺序可能是错乱的，并没有在空间位置上形成首尾相连的关系。需要对点集进行排序处理，排序时，只需使用点集的x,y坐标，排序的方法是利用点与直线的关系。
假设所摆放的标志物构成凸多边形，能够简捷将离散点顺序排列，形成多边形的有序顶点，进而将排好序的点顺次连接成多边形。任意选取两个顶点，连接这两个点可以构成一条直线，根据其它点与直线的关系，来判断构成直线的这两个点是否为相邻点。如果其它点都在直线的同一侧，说明构成直线的两点相邻；如果分布在直线两侧，说明构成直线的两点不相邻。通过这种方法，按照顺序，找出每个标志物坐标的相邻点，有助于按照顺时针(或者逆时针)方向构建多边形封闭区域。这个多边形区域，可以用于构建球员训练中的活动范围或者球类落点限制区域。
本发明提出一种多种检测方法途径相组合的方案，包括：标志物轮廓特征提取及识别定位，标志物三维坐标计算，构建多边形训练区域，可以准确检测识别运动球场内的标志物，根据检测判断多边形区域内的球类运动状态来统计训练数据，用于辅助球类运动训练提升。
相比现有技术，本发明基于计算机视觉技术，仅需少量摄像头，具有成本低、鲁棒性强、准确性高等优点；而且使用轮廓和颜色信息相结合的图像识别方法，可提高识别效率、准确性和鲁棒性；利用多个标志物位置的几何关系，自动生成辅助运动训练的多边形区域，进一步可提高识别效率和准确性；本发明适用性广，在网球、篮球、足球等多种大型球类场地的情景均可应用。
如图3所示，本发明第二实施例提成一种基于图像处理的运动场地标志物识别方法，基于上述图1所示的第一实施例，所述基于图像处理的运动场地标志物识别方法还包括：
步骤S5，根据多边形训练区域检测判断得到的球类运动状态来统计运动训练数据。
此外，本发明实施例还提出一种基于图像处理的运动场地标志物识别系统，包括存储器、处理器、以及存储在所述存储器上的基于图像处理的运动场地标志物识别程序，所述基于图像处理的运动场地标志物识别程序被所述处理器运行时实现如上所述的基于图像处理的运动场地标志物识别方法的步骤。
本发明提出一种多种检测方法途径相组合的方案，包括：标志物轮廓特征提取及识别定位，标志物三维坐标计算，构建多边形训练区域，可以准确检测识别运动球场内的标志物，根据检测判断多边形区域内的球类运动状态来统计训练数据，用于辅助球类运动训练提升。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，电视机，电脑等)执行本发明各个实施例的方法。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于图像处理的运动场地标志物识别方法，其特征在于，所述基于图像处理的运动场地标志物识别方法包括以下步骤：
获取运动场地标志物的掩膜图像；
提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓，并计算候选标志物轮廓中候选的标志物二维中心坐标；
基于所述候选标志物轮廓，计算标志物三维空间坐标，得到标志物位置；
利用多个标志物位置的几何关系，构建辅助运动训练的多边形训练区域；
其中，所述基于所述候选标志物轮廓，计算标志物三维空间坐标的步骤包括：
预先标定好安装在运动场地的至少两台摄像机，获得摄像机的内外标定参数；
根据所述摄像机的内外标定参数，对所述候选标志物轮廓中候选的标志物二维中心坐标进行H矩阵变换，得到候选标志物在运动场地坐标系下的三维坐标；
判断所述候选标志物的三维坐标是否在运动场地的边界线以内；
对于在运动场地的边界线外的候选标志物的坐标，判定为无效标志物或者噪声，直接剔除；
所述根据所述摄像机的内外标定参数，对所述候选标志物轮廓中候选的标志物二维中心坐标进行H矩阵变换，得到候选标志物在运动场地坐标系下的三维坐标的步骤中，还包括：
使用多组摄像机进行识别，得到候选标志物在不同视角下计算出来的三维坐标数据；
对不同摄像机视角下计算的多组候选标志物的三维坐标数据求取平均值，得到该候选标志物在运动场地坐标系下的实际坐标；
所述利用多个标志物位置的几何关系，构建辅助运动训练的多边形训练区域，具体包括：
假设所摆放的标志物构成凸多边形，任意选取两个顶点，连接这两个点可以构成一条直线，根据其它点与直线的关系，来判断构成直线的这两个点是否为相邻点，如果其它点都在直线的同一侧，说明构成直线的两点相邻；如果分布在直线两侧，说明构成直线的两点不相邻，通过这种方法，按照顺序，找出每个标志物坐标的相邻点，按照顺时针或者逆时针方向构建多边形封闭区域。
2.根据权利要求1所述的基于图像处理的运动场地标志物识别方法，其特征在于，所述获取运动场地标志物的掩膜图像的步骤包括：
拍摄未放标志物的运动场地的图像，获得运动场地的背景图像；
在所述运动场地放置标志物，再次拍摄运动场地的图像，获得运动场地的标志物图像；
将所述背景图像和标志物图像作差，并进行二值化处理，得到标志物的掩膜图像。
3.根据权利要求2所述的基于图像处理的运动场地标志物识别方法，其特征在于，所述获取运动场地标志物的掩膜图像的步骤之后，还包括：
对所述标志物的掩膜图像进行形态学处理。
4.根据权利要求3所述的基于图像处理的运动场地标志物识别方法，其特征在于，所述提取所述运动场地标志物的掩膜图像中的轮廓，并进行识别定位，筛选出候选标志物轮廓的步骤包括：
提取所述运动场地标志物的掩膜图像中的轮廓，并进行多边形逼近，将轮廓划分为不同的矩形区域；
根据矩形区域的中心坐标以及长宽信息，对有重叠部分的轮廓进行合并，以填补轮廓中细小空洞；
根据预先设置的长宽阈值，筛掉尺寸过大或者太小的轮廓，提取满足长宽阈值范围内的轮廓，得到候选标志物轮廓。
5.根据权利要求4所述的基于图像处理的运动场地标志物识别方法，其特征在于，所述根据预先设置的长宽阈值，筛掉尺寸过大或者太小的轮廓，提取满足长宽阈值范围内的轮廓，得到候选标志物轮廓的步骤之后，还包括：
将所述候选标志物轮廓所在图像，转为HSV格式图像，提取HSV格式图像的H分量色调信息以及S分量饱和度信息；
根据标志物的类型和颜色，设置色调和饱和度阈值；
基于提取的HSV格式图像的H分量色调信息以及S分量饱和度信息和设置的色调和饱和度阈值，将HSV格式图像中的颜色信息进行分类，剔除运动场地背景和干扰噪声，识别出最终的候选标志物轮廓。
6.根据权利要求1-5中任一项所述的基于图像处理的运动场地标志物识别方法，其特征在于，所述基于图像处理的运动场地标志物识别方法还包括：
根据多边形训练区域检测判断得到的球类运动状态来统计运动训练数据。
7.一种基于图像处理的运动场地标志物识别系统，其特征在于，包括存储器、处理器、以及存储在所述存储器上的基于图像处理的运动场地标志物识别程序，所述基于图像处理的运动场地标志物识别程序被所述处理器运行时实现如权利要求1-6中所述的基于图像处理的运动场地标志物识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811091572.XA CN109271937B (zh) | 2018-09-19 | 2018-09-19 | 基于图像处理的运动场地标志物识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811091572.XA CN109271937B (zh) | 2018-09-19 | 2018-09-19 | 基于图像处理的运动场地标志物识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109271937A CN109271937A (zh) | 2019-01-25 |
| CN109271937B true CN109271937B (zh) | 2020-09-25 |
Family
ID=65197036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811091572.XA Active CN109271937B (zh) | 2018-09-19 | 2018-09-19 | 基于图像处理的运动场地标志物识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109271937B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110322508B (zh) * | 2019-06-19 | 2023-05-05 | 四川阿泰因机器人智能装备有限公司 | 一种基于计算机视觉的辅助定位方法 |
| CN112348876B (zh) * | 2019-08-08 | 2024-06-11 | 北京地平线机器人技术研发有限公司 | 一种标志牌的空间坐标获取方法及装置 |
| CN111191557B (zh) * | 2019-12-25 | 2023-12-05 | 深圳市优必选科技股份有限公司 | 一种标志识别定位方法、标志识别定位装置及智能设备 |
| CN113048905B (zh) * | 2019-12-27 | 2022-08-19 | 上海微电子装备（集团）股份有限公司 | 对准标记图像制作方法、对准标记测量方法及测量装置 |
| CN112132853B (zh) * | 2020-11-30 | 2021-02-05 | 湖北亿咖通科技有限公司 | 地面导向箭头的构建方法及其装置、电子设备及存储介质 |
| CN113128346B (zh) * | 2021-03-23 | 2024-02-02 | 广州大学 | 起重机施工现场的目标识别方法、系统、装置及存储介质 |
| CN113082680A (zh) * | 2021-04-09 | 2021-07-09 | 谢弘毅 | 一种基于机器视觉的球类比赛球出界自动裁判系统 |
| CN115258865A (zh) * | 2022-08-08 | 2022-11-01 | 成都鹏业软件股份有限公司 | 电梯门的识别方法及装置 |
| CN115457381B (zh) * | 2022-08-18 | 2023-09-05 | 广州从埔高速有限公司 | 一种高速公路违法用地检测方法、系统、装置及存储介质 |
| CN115457144B (zh) * | 2022-09-07 | 2023-08-15 | 梅卡曼德（北京）机器人科技有限公司 | 标定图案识别方法、标定方法、装置和电子设备 |
| CN116434071B (zh) * | 2023-06-07 | 2023-09-12 | 浙江国遥地理信息技术有限公司 | 一种规整化建筑掩膜的确定方法、确定装置、设备及介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915573B (zh) * | 2010-08-04 | 2012-12-12 | 中国科学院自动化研究所 | 一种基于标记物的关键点检测的定位测量方法 |
| CN102129572B (zh) * | 2011-02-25 | 2013-05-15 | 杭州海康威视数字技术股份有限公司 | 采用级联分类器的人脸检测方法及其装置 |
| CN104062973B (zh) * | 2014-06-23 | 2016-08-24 | 西北工业大学 | 一种基于图像标志物识别的移动机器人slam方法 |
| CN105550692B (zh) * | 2015-12-30 | 2018-08-31 | 南京邮电大学 | 基于标志物颜色及轮廓检测的无人机自动寻的着陆方法 |
| CN106975207B (zh) * | 2017-03-28 | 2019-02-12 | 顺德职业技术学院 | 基于对标志物捕抓的足球转速的检测方法 |
| CN107993224B (zh) * | 2017-11-28 | 2021-06-11 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
| CN108256467B (zh) * | 2018-01-15 | 2020-06-05 | 河北科技大学 | 一种基于视觉注意机制和几何特征的交通标志检测方法 |
-
2018
- 2018-09-19 CN CN201811091572.XA patent/CN109271937B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109271937A (zh) | 2019-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271937B (zh) | 基于图像处理的运动场地标志物识别方法及系统 | |
| CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
| CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
| CN105825203B (zh) | 基于点对匹配和几何结构匹配的地面箭头标志检测与识别方法 | |
| CN108491498B (zh) | 一种基于多特征检测的卡口图像目标搜索方法 | |
| CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
| CN110546651B (zh) | 用于识别对象的方法、系统和计算机可读介质 | |
| US9767383B2 (en) | Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image | |
| CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
| CN106709500B (zh) | 一种图像特征匹配的方法 | |
| KR101753360B1 (ko) | 시점 변화에 강인한 특징점 정합 방법 | |
| CN106981077A (zh) | 基于dce和lss的红外图像和可见光图像配准方法 | |
| CN104123554A (zh) | 基于mmtd的sift图像特征提取方法 | |
| KR101742115B1 (ko) | 건물 인식을 위한 멀티뷰 영상에서의 인라이어 선택 및 잉여 제거 방법 | |
| CN109255792B (zh) | 一种视频图像的分割方法、装置、终端设备及存储介质 | |
| CN115908774B (zh) | 一种基于机器视觉的变形物资的品质检测方法和装置 | |
| CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
| CN113469216B (zh) | 零售终端海报识别与完整性判断方法、系统及存储介质 | |
| CN107194954B (zh) | 多视角视频的球员追踪方法和装置 | |
| CN111667429B (zh) | 一种巡检机器人目标定位校正方法 | |
| CN111695374B (zh) | 监控视角中斑马线区域的分割方法、系统、介质及设备 | |
| KR101741761B1 (ko) | 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법 | |
| CN104408430B (zh) | 一种车牌定位方法及装置 | |
| JP4181313B2 (ja) | シーン内容情報付加装置及びシーン内容情報付加プログラム | |
| CN113159037B (zh) | 图片矫正方法、装置、计算机设备及存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210716 Address after: 518000 whole building of Jindi tennis garden sports club at the intersection of Xiangmihu road and Qiaoxiang Road, Futian District, Shenzhen City, Guangdong Province Patentee after: Shenzhen hongjindi sports intelligence Co.,Ltd. Address before: 518000 Jindi Tennis Center, intersection of Xiangmihu road and Qiaoxiang Road, Xiangmihu street, Futian District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN YINGSHI SPORTS TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |