CN109300100A - 基于多摄像头的物品识别方法和装置 - Google Patents
基于多摄像头的物品识别方法和装置 Download PDFInfo
- Publication number
- CN109300100A CN109300100A CN201811129012.9A CN201811129012A CN109300100A CN 109300100 A CN109300100 A CN 109300100A CN 201811129012 A CN201811129012 A CN 201811129012A CN 109300100 A CN109300100 A CN 109300100A
- Authority
- CN
- China
- Prior art keywords
- item
- dimensional
- target item
- target
- title
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本说明书提供一种基于多摄像头的物品识别方法和装置,其中该方法包括:通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;根据各目标物品的立体属性信息识别出对应的物品名称及数量。
Description
技术领域
本说明书涉及机器视觉技术领域,特别涉及一种基于多摄像头的物品识别方法和装置。
背景技术
现有技术中通过多摄像头从不同的角度拍摄多张照片,然后进行不同色差形成一张三维影像,通过观察者的眼睛和大脑可以形成一张具有空间立体影像。该技术虽然解决了空间立体成像的问题,但是在使用中也具有局限性,只能够满足观察者即人的观赏需求,因为通过色差成像,再经过人的眼睛和大脑分析最后得到真正的空间立体成像。也就是现有技术需要人的眼睛和大脑参与才能最终完成空间立体成像。多个摄像头拍摄的依旧是多张具有不同色差的平面影像。并且现有技术无法得到拍摄目标物的具体信息。
发明内容
有鉴于此,本说明书实施例提供了一种基于多摄像头的物品识别方法和装置,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种基于多摄像头的物品识别方法,包括:
通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
根据各目标物品的立体属性信息识别出对应的物品名称及数量。
可选的,所述对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息包括:
对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
根据RGB算法够识别出各目标物品的颜色、纹理。
可选的,所述根据各目标物品的立体属性信息识别出对应的物品名称及数量包括:
将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
可选的,在所述根据各目标物品的立体属性信息识别出对应的物品名称及数量之前还包括:
根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
可选的,上述方法还包括:
将所述分类特征池上传到服务器端或共享传送给其他移动终端
可选的,所述物品为商品,在所述根据各物品的立体属性信息识别出对应的物品名称及数量之后还包括:
根据所述物品名称从数据库中查询对应的价格,并根据各商品的数量得到所述待测目标的总价格。
根据本说明书实施例的第二方面,还提供了一种基于多摄像头的物品识别装置,包括:
图像获取模块,被配置为通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
立体属性提取模块,被配置为对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
识别模块,被配置为根据各目标物品的立体属性信息识别出对应的物品名称及数量。
可选的,所述立体属性提取模块包括:
轮廓获取单元,被配置为对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
尺寸特征获取单元,被配置为根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
颜色纹理设别单元,被配置为根据RGB算法够识别出各目标物品的颜色、纹理。
可选的,所述识别模块包括:
匹配单元,被配置为将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计单元,被配置为统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
可选的,上述装置还包括:
特征池构建单元,被配置为根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
冲突检测单元,被配置为对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
本说明书实施例通过多个摄像头获取目标物体的真正空间立体影像,模仿人脑对图像处理最终向用户呈现出一个类似人脑处理后的图像,方便快捷的得到拍摄物信息,从而方便人的生活,减少工作量,具有广泛的应用场景。
附图说明
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是示出了根据本说明书一实施例的基于多摄像头的物品识别方法的示意性流程图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
根据本说明书一实施例的基于多摄像头的物品识别方法包括:
步骤102:通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
步骤104:对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
步骤106:根据各目标物品的立体属性信息识别出对应的物品名称及数量。
一种实现方式中,所述对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息包括:
对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
根据所述至少两幅图像中各目标物品的轮廓进行三维建模(其中三维建模属于现有技术),并根据各目标物品的三维坐标获取对应的尺寸特征;
根据RGB算法够识别出各目标物品的颜色、纹理。
一种实现方式中,所述根据各目标物品的立体属性信息识别出对应的物品名称及数量包括:
将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
一种实现方式中,在所述根据各目标物品的立体属性信息识别出对应的物品名称及数量之前还包括:
根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
一种实现方式中,上述方法还包括:
将所述分类特征池上传到服务器端或共享传送给其他移动终端
一种实现方式中,所述物品为商品,在所述根据各物品的立体属性信息识别出对应的物品名称及数量之后还包括:
根据所述物品名称从数据库中查询对应的价格,并根据各商品的数量得到所述待测目标的总价格。
本说明书实施例通过具有多摄像头的移动终端的拍摄一个真正空间立体的影像,并具有颜色、大小、高度、数量、距离等信息的影像,而无需经过人眼睛和大脑分析,便于理解本发明目的,简单举两个例子,使用场景一,现实生活中,我们拿着具有本技术的移动终端拍摄两只小狗,成像后的照片马上就具有两只狗的身高,头部宽度、两只小狗的距离信息。使用场景二,移动终端预设好商品价格,然后选购多个500ML的可乐、多个1L的可乐、多个500ML的矿泉水,通过具有本技术的移动终端一次拍摄就能够得到有大可乐、小可乐、矿泉水数量信息,在与之前预设好的价格进行计算,最后便可得出此次购物的总价,而无需售货员计算。
本说明书实施例可以实现:
(1)通过具有多摄像头的移动终端拍摄出具有空间立体的影像,通过拍摄可以得出拍摄目标物的具体信息,不局限于数量、颜色、形状、长度、高度、大小、相对距离等;
(2)解决了移动终端上没有立体成像的问题术可以方便解决一些需要人参与的计算、分析的场景。
(3)此如超市购物的结算、对人的身高信息的统计、对目标物体详细信息获得的需求,应用相当广泛。
本实施例通过具有多摄像头的移动终端,对图像进行处理,形成空间立体影像和获取拍摄物的具体信息,如数量、颜色、形状、长度、高度、大小、相对距离等数据。通过空间立体影像和拍摄物的具体信息进行实际应用,可以将具有此技术的移动终端用于物品的检验、身高的测量、物品价格计算等多个领域。从而方便人的生活,减少工作量。
前述方法相对应,本说明书还提供了装置实施例,所述装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,本说明书的装置所在设备的一种硬件结构可以包括处理器、网络接口、内存以及非易失性存储器之外,实施例中装置所在的设备通常根据实际功能,还可以包括其他硬件,对此不再赘述。
本说明书一实施例提供的装置包括:
图像获取模块,被配置为通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
立体属性提取模块,被配置为对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
识别模块,被配置为根据各目标物品的立体属性信息识别出对应的物品名称及数量。
一种实现方式中,所述立体属性提取模块包括:
轮廓获取单元,被配置为对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
尺寸特征获取单元,被配置为根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
颜色纹理设别单元,被配置为根据RGB算法够识别出各目标物品的颜色、纹理。
一种实现方式中,所述识别模块包括:
匹配单元,被配置为将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计单元,被配置为统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
一种实现方式中,上述装置还包括:
特征池构建单元,被配置为根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
冲突检测单元,被配置为对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
本说明书实施例通过将线激光与双目立体视觉相结合,能够对没有纹理或者纹理较弱的测量对象进行测量,即使对没有纹理或者纹理较弱的测量对象也可以获得较好的立体三维信息,测量准确,测量精度较高,同时本说明书实施例的技术方案具有较好的实时性。
上述实施例阐明的装置、模块或单元,具体可以由计算机芯片或实体实现,
或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本说明书一实施例还提供一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述指令时实现所述的方法的步骤。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述的方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的自动化测试方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述自动化测试方法的技术方案的描述。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书并不受所描述的动作顺序的限制,因为依据本说明书,某些步骤可以采用其它顺序或者同时进行。
其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于多摄像头的物品识别方法,其特征在于,包括:
通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
根据各目标物品的立体属性信息识别出对应的物品名称及数量。
2.根据权利要求1所述的方法,其特征在于,所述对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息包括:
对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
根据RGB算法够识别出各目标物品的颜色、纹理。
3.根据权利要求1所述的方法,其特征在于,所述根据各目标物品的立体属性信息识别出对应的物品名称及数量包括:
将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
4.根据权利要求3所述的方法,其特征在于,在所述根据各目标物品的立体属性信息识别出对应的物品名称及数量之前还包括:
根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
5.根据权利要求3所述的方法,其特征在于,还包括:
将所述分类特征池上传到服务器端或共享传送给其他移动终端。
6.根据权利要求3所述的方法,其特征在于,所述物品为商品,在所述根据各物品的立体属性信息识别出对应的物品名称及数量之后还包括:
根据所述物品名称从数据库中查询对应的价格,并根据各商品的数量得到所述待测目标的总价格。
7.一种基于多摄像头的物品识别装置,其特征在于,包括:
图像获取模块,被配置为通过至少两个摄像头获取待测目标的至少两幅图像,所述待测目标包括至少一件目标物品;
立体属性提取模块,被配置为对所述至少两幅图像进行融合,得到所述待测目标的三维立体图像,从所述三维立体图像提取各目标物品的立体属性信息;
识别模块,被配置为根据各目标物品的立体属性信息识别出对应的物品名称及数量。
8.根据权利要求7所述的装置,其特征在于,所述立体属性提取模块包括:
轮廓获取单元,被配置为对所述至少两幅图像背景色过滤,并通过RGB锁定各目标物品的轮廓;
尺寸特征获取单元,被配置为根据所述至少两幅图像中各目标物品的轮廓进行三维建模,并根据各目标物品的三维坐标获取对应的尺寸特征;
颜色纹理设别单元,被配置为根据RGB算法够识别出各目标物品的颜色、纹理。
9.根据权利要求7所述的方法,其特征在于,所述识别模块包括:
匹配单元,被配置为将所提取的各目标物品的立体属性特征与预先设置的分类特征池中的各物品的分类属性特征进行匹配,将匹配成功的物品名称作为各目标物品的物品名称;
统计单元,被配置为统计各目标物体的物品名称得到所述待测目标包含的物品名称及数量。
10.根据权利要求9所述的装置,其特征在于,还包括:
特征池构建单元,被配置为根据已知物品的物品名称以及用以分类的标准立体属性特征构建分类特征池;
冲突检测单元,被配置为对所述分类特征池中的标准立体属性特征进行冲突检测,如果在检测中有冲突则继续对该类已知物品进行特征分析,追加新的立体属性特征到原有特征上,直到分类检测不冲突为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811129012.9A CN109300100A (zh) | 2018-09-27 | 2018-09-27 | 基于多摄像头的物品识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811129012.9A CN109300100A (zh) | 2018-09-27 | 2018-09-27 | 基于多摄像头的物品识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109300100A true CN109300100A (zh) | 2019-02-01 |
Family
ID=65164703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811129012.9A Pending CN109300100A (zh) | 2018-09-27 | 2018-09-27 | 基于多摄像头的物品识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109300100A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597831A (zh) * | 2019-09-06 | 2019-12-20 | 深圳市梵高控股有限公司 | 物品信息的更新方法、装置和计算机可读存储介质 |
CN111091053A (zh) * | 2019-11-12 | 2020-05-01 | 珠海格力电器股份有限公司 | 一种数据分析方法、装置、设备以及可读介质 |
CN112906427A (zh) * | 2019-11-19 | 2021-06-04 | 黄建龙 | 基于视觉检测的物体分类方法和装置 |
CN113033297A (zh) * | 2021-02-08 | 2021-06-25 | 深圳市优必选科技股份有限公司 | 实物编程方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520889A (zh) * | 2008-07-09 | 2009-09-02 | 殷宁淳 | 利用多张静态图像多角度全景式展示物品的方法及图像采集装置 |
CN107742318A (zh) * | 2017-09-28 | 2018-02-27 | 江门市金佣网有限公司 | 商品实时三维成像方法及基于实时三维展示的交易系统 |
CN108345912A (zh) * | 2018-04-25 | 2018-07-31 | 电子科技大学中山学院 | 一种基于rgbd信息与深度学习的商品快速结算系统 |
-
2018
- 2018-09-27 CN CN201811129012.9A patent/CN109300100A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520889A (zh) * | 2008-07-09 | 2009-09-02 | 殷宁淳 | 利用多张静态图像多角度全景式展示物品的方法及图像采集装置 |
CN107742318A (zh) * | 2017-09-28 | 2018-02-27 | 江门市金佣网有限公司 | 商品实时三维成像方法及基于实时三维展示的交易系统 |
CN108345912A (zh) * | 2018-04-25 | 2018-07-31 | 电子科技大学中山学院 | 一种基于rgbd信息与深度学习的商品快速结算系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597831A (zh) * | 2019-09-06 | 2019-12-20 | 深圳市梵高控股有限公司 | 物品信息的更新方法、装置和计算机可读存储介质 |
CN111091053A (zh) * | 2019-11-12 | 2020-05-01 | 珠海格力电器股份有限公司 | 一种数据分析方法、装置、设备以及可读介质 |
CN112906427A (zh) * | 2019-11-19 | 2021-06-04 | 黄建龙 | 基于视觉检测的物体分类方法和装置 |
CN113033297A (zh) * | 2021-02-08 | 2021-06-25 | 深圳市优必选科技股份有限公司 | 实物编程方法、装置、设备及存储介质 |
CN113033297B (zh) * | 2021-02-08 | 2023-11-21 | 深圳市优必选科技股份有限公司 | 实物编程方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109300100A (zh) | 基于多摄像头的物品识别方法和装置 | |
Doerschner et al. | Visual motion and the perception of surface material | |
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及系统 | |
KR101489984B1 (ko) | 스테레오-영상 정합 및 변화 검출 시스템 및 방법 | |
CN109215055A (zh) | 一种目标特征提取方法、装置及应用系统 | |
CN106960210B (zh) | 目标检测的方法和装置 | |
CN109690620A (zh) | 三维模型生成装置以及三维模型生成方法 | |
Solanki et al. | Automatic Identification of Temples in Digital Images through Scale Invariant Feature Transform | |
CN103294989A (zh) | 生物数据采集过程中区别真实脸部和二维脸部图像的方法 | |
CN105574848A (zh) | 用于对象的自动分割的方法和装置 | |
WO2020134102A1 (zh) | 物品识别方法、装置、售货系统和存储介质 | |
CA3014365C (en) | System and method for gathering data related to quality of service in a customer service environment | |
CN109117773A (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
CN111598132A (zh) | 一种人像识别算法性能评测方法和装置 | |
CN109741240A (zh) | 一种基于层次聚类的多平面图像拼接方法 | |
CN102848786A (zh) | 三维身份证及其制备方法 | |
CN106203225A (zh) | 基于深度的图像元素删除 | |
CN107479715A (zh) | 利用手势控制实现虚拟现实交互的方法和装置 | |
CN110443228A (zh) | 一种行人匹配方法、装置、电子设备及存储介质 | |
CN114511608A (zh) | 一种深度图像的获取方法、装置、终端、成像系统和介质 | |
Yang et al. | Doing more with Moiré pattern detection in digital photos | |
CN111626212B (zh) | 图片中对象的识别方法和装置、存储介质及电子装置 | |
CN106295700A (zh) | 一种基于典型相关分析网络的二视角图像识别方法 | |
Seychell et al. | COTS: A multipurpose rgb-d dataset for saliency and image manipulation applications | |
CN103268474A (zh) | 手机或平板电脑的三维扫描成像装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |