CN109447908A - 一种基于立体视觉的钢卷识别定位方法 - Google Patents
一种基于立体视觉的钢卷识别定位方法 Download PDFInfo
- Publication number
- CN109447908A CN109447908A CN201811112046.7A CN201811112046A CN109447908A CN 109447908 A CN109447908 A CN 109447908A CN 201811112046 A CN201811112046 A CN 201811112046A CN 109447908 A CN109447908 A CN 109447908A
- Authority
- CN
- China
- Prior art keywords
- coil
- strip
- image
- point
- carried out
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000009499 grossing Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000007430 reference method Methods 0.000 claims description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 2
- 101100290429 Mus musculus Mcm3 gene Proteins 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005314 correlation function Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims description 2
- 238000010079 rubber tapping Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于立体视觉的钢卷识别定位方法，主要包括以下步骤：（1）确立双目立体视觉模型，获取图像对；（2）采用张正友标定方法进行摄像机标定；（3）采用立体匹配算法获取视差图；（4）利用深度直方图实现对目标钢卷的分割，计算出钢卷的X轴和Y轴的世界坐标；（5）根据重投影矩阵计算得到钢卷的三维点云数据，对钢卷点云数据进行平滑去噪；（6）最后对去噪后的点云数据进行圆柱特征拟合，从而获取钢卷在Z轴的世界坐标。本发明的方法能够准确识别定位钢卷的位置、减小激光扫描周期，提高成品仓库的物流效率。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种基于立体视觉的钢卷识别定位方法。
技术背景
自动识别和定位技术是成品仓库智能化和无人化的有效途径之一，通过智能检测和定位、吊具改造和自控技术，将大量减少人工辅助，特别是避免人工介入危险性较大的作业。成品仓库是钢铁公司重要的物流储存部门，钢卷的装卸操作是影响物流效率和安全的突出环节。目前绝大部分钢铁仓库在钢卷的运输过程主要采用人工操作和监测的方法。在这种工作方式下工人存在安全隐患，并且人工操作主要依靠司机的肉眼观测，存在一定的随意性，导致行车不必要的启停造成工作效率低下。还有小部分的自动程度较高的钢铁仓库采用激光作为传感器辅助实现自动识别和抓取钢卷，但由于激光扫描钢卷周期较长，导致生产效率低下，所以迫切需要一种能够准确识别钢卷位置、减小激光扫描周期，来更好地完成钢卷的识别与定位的方法。
发明内容
本发明的目的在于解决在成品仓库中，如何实现对钢卷的快速识别定位，减小激光扫描周期，提高物流效率等问题，提供一种基于立体视觉的钢卷识别定位方法。该方法不仅能够准确的检测出钢卷的位置，而且检测速度快，具有实时性的特点。
为达到上述目的，本发明采用下述技术方案：
一种基于立体视觉的钢卷识别定位方法，包括对摄像机标定、立体匹配、基于视差图的钢卷识别和钢卷点云处理与定位等几个关键部分，具体包括以下步骤：
(1)确立双目立体视觉模型，获取图像对；
(2)采用张正友标定方法进行摄像机标定；
(3)采用立体匹配算法获取视差图；
(4)利用深度直方图实现对目标钢卷的分割，计算出钢卷的X轴和Y轴的世界坐标；
(5)根据重投影矩阵计算得到钢卷的三维点云数据，对钢卷点云数据进行平滑去噪；
(6)最后对去噪后的点云数据进行圆柱特征拟合，从而获取钢卷在Z轴的世界坐标。
本发明与现有技术相比较，具有以下明显优点及突出性进步：
在常规的平行双目立体视觉系统中，虽然可以通过视差原理得到空间中目标点的深度值，然而在实际情况下，左右摄像机的光轴不可能存在完全平行的现象，摄像机成像平面会在不同的同一焦平面上，本发明利用一般双目立体视觉原理结合数学方法，获取空间中目标点的三维坐标，原理简单易于实现；本发明采用张正友平面标定法来获取摄像机的内部参数和外部参数，从而正确地建立空间坐标系内物点与图像平面上的像点间的对应关系，相较传统方法而言，其提高了重建效果并降低了测量误差，避免了传统标定方法过程中繁琐的操作，标定精度比自标定方法高；本发明采用的立体校正技术，使得左右视图的成像原点坐标一致、两摄像机光轴平行、左右成像平面共面，提高了立体匹配的精度，减少了后续立体匹配的计算量。本发明利用基于深度直方图的目标分割的方法和圆柱拟合技术，获得任意点的三维空间坐标，即获取三维点云数据，本发明不仅能够减少三维点云数据的运算量，减少外部噪点干扰，同时减小了激光扫描钢卷的周期，准确的检测出钢卷的位置，而且检测速度快，具有实时性的特点。
附图说明
图1为本发明方法的流程图。
图2为本发明方法的系统组成图。
图3为本发明方法一个实施例的示意图，其中(a)为实施例待检测图；(b)为实施例立体校正图；(c)为实施例视差图与目标分割；(d)为实施例钢卷点云处理图。
具体实施方式
下面结合附图，对本发明的具体实施例做进一步的说明。
如图2所示，本发明一种基于立体视觉的钢卷识别定位方法通过一种基于双目立体视觉的钢卷识别与定位系统来实现，该系统包括系统硬件与系统软件两个部分，所述的系统硬件包括标定装置、摄像机、补光灯、POE交换机和计算机；所述的系统软件包括摄像机标定、立体校正、立体匹配、图像分割、点云获处理等部分。本发明通过双目立体视觉系统采集钢卷图像对，采用基于NCC的区域立体匹配算法获取视差图，对视差图进行阈值化分割，计算出钢卷在X轴和Y轴的坐标。进一步的根据三角测量原理计算出钢卷视差图中每个像素点的深度，获取钢卷的初始点云数据，进行圆柱特征拟合，从而获得钢卷在Z轴的坐标，以此来实现钢卷的智能识别与定位。
如图1所示，一种基于立体视觉的钢卷识别定位方法，具体包括以下步骤：
(1)确立双目立体视觉模型，获取图像对；
(2)采用张正友标定方法进行摄像机标定；
(3)采用立体匹配算法获取视差图；
(4)利用深度直方图实现对目标钢卷的分割，计算出钢卷的X轴和Y轴的世界坐标；
(5)根据重投影矩阵计算得到钢卷的三维点云数据，对钢卷点云数据进行平滑去噪；
(6)最后对去噪后的点云数据进行圆柱特征拟合，从而获取钢卷在Z轴的世界坐标。
所述步骤(1)中，建立一般双目立体视觉模型，获取实施例待检测图像对如图3(a)所示，进一步的已知空间点的左右摄像机图像的坐标，通过透视变换和坐标系间的关系求出该点的三维空间坐标。
所述步骤(2)中，为了确立二维图像坐标系与三维世界坐标系之间的关系，首先进行摄像机标定；采用张正友平面标定法，具体包括以下步骤：
(a)准备一个棋盘格标定板作为实验中标定的靶标；
(b)移动棋盘格标定板，从不同角度拍摄若干标定板图像；
(c)对每副标定板图像进行角点检测，获取角点像素坐标；
(d)先不考虑畸变系数，利用最大似然估计法获取投影矩阵H，进一步求解摄像机的内部参数和外部参数，最大似然估计法计算方法如下：
假设实验中有n幅标定板图像，每幅图像有m个角点，假设每个角点的干扰噪声独立同分布，将获取的内部参数和外部参数作为初始值，求得标定板上角点的投影像素值，以图像像素点和投影像素值的距离作为目标函数，求距离最小时的外部参数解：
上式中，mij表示第i幅标定板图像中的第j个角点的像素坐标，Ri、ti分别是根据第i幅标定板图像计算得到的摄像机的旋转矩阵与平移向量，Mj是第j个角点的世界坐标系下的坐标值；
(e)考虑畸变系数，通过线性最小二乘法求解畸变方程中的畸变系数；
(f)把以获取的摄像机内部参数作为初始值，考虑畸变因素下的重投影，利用上式的Levenberg-Marquardt算法对图像点与重投影点间的距离进行迭代求解，完成对摄像机参数的非线性优化，提高摄像机标定的精度；进一步的利用极线几何对图像对进行极线校准，校准后的图像对的同名极线共线，如图3(b)所示，使区域匹配时的二维搜索降低为一维搜索，提高匹配精度，减小计算量。
所述步骤(3)中，本发明采用基于灰度的匹配算法，故需将RGB图像在预处理时转换为灰度图像，进一步的采用高斯滤波去除图像的噪声，对图像对进行拉普拉斯锐化处理，使图像的细节和边缘清晰，得到预处理后的图像；进一步的采用基于NCC的区域立体匹配算法，确定3×3窗口实现区域匹配获取视差图。NCC相似性度量因子公式下：
其中，S为(x+y)对应邻域窗的相似度，I(x+y)为目标图像(x+y)处灰度值，I为目标图像邻域窗内的灰度平均值；T(x+y)为基准图像(x+y)处的灰度值，T为基准图邻域窗内的灰度平均值。SNCC为归一化互相关系数，该系数越大两幅图就越相似，反之，两幅图就越不相似。
所述步骤(4)中，利用视差图的深度信息提取出钢卷轮廓，如图3(c)所示，进一步的获取钢卷中心在图像中的X和Y坐标，通过图像坐标到大地坐标的转换计算，计算得到钢卷在大地坐标系下的坐标xp和yp。
所述步骤(5)中，根据重投影矩阵计算得到钢卷的三维点云数据，进一步的对钢卷点云数据进行平滑去噪，去除点云数据中的噪声点、失真点和体外孤立点去噪后的图像如图3(d)所示。重投影矩阵Q公式如下：
上式中除了c′x外的所有参数都来自左图像，c′x是主点在右图像上的x坐标。如果主光线在无穷远处相交，那么cx＝c′x，并且右下角的项为0。
所述步骤(6)中对去噪后的点云数据进行圆柱特征拟合，进一步获取钢卷在Z轴的世界坐标，实现对钢卷的定位；采取MCMD方法，平方距离和的计算公式为：
对于三维表面S，为第i个点到模型表面的平方距离；si代表S上与qi最近的点，si处的曲率半径为ρi1和ρi2；ni1，ni2为主曲率方向向量，ni3为法向量；最短距离为di＝|qi-si|。若曲率中心与点qi在表面S的两侧，则di＜0；反之di＞0，当0＜di＜ρji或者ρij为无穷大时，αij＝0。本发明采用稳健Z分数方法逐步剔除粗差，即每次循环依据距离和最小准则获取可靠初始模型，重新计算垂直距离中位数中位数中误差并计算点集Q中每个点的Zr值；将Zr≥k0的点从点集中剔除，当点集中所有点的Zr＜k0(2.0≤k0≤2.5)时停止循环。进一步的剔除掉粗差点后的剩余点，认为是同一几何基元的点，对其进行最小二乘法迭代拟合获得最终的圆柱几何特征参数。
为了验证本发明的可行性，本实施例通过现场试验进行测试。试验结果表明，该方法能够实现钢卷识别定位，且冗余计算少速度快，流程简单容易理解并可以提高成品仓库的物流效率。
Claims (7)
1.一种基于立体视觉的钢卷识别定位方法，其特征在于，包括以下步骤：
(1)确立双目立体视觉模型，获取图像对；
(2)采用张正友标定方法进行摄像机标定；
(3)采用立体匹配算法获取视差图；
(4)利用深度直方图实现对目标钢卷的分割，计算出钢卷的X轴和Y轴的世界坐标；
(5)根据重投影矩阵计算得到钢卷的三维点云数据，对钢卷点云数据进行平滑去噪；
(6)最后对去噪后的点云数据进行圆柱特征拟合，从而获取钢卷在Z轴的世界坐标。
2.根据权利要求1所述的基于立体视觉的钢卷识别定位方法，其特征在于，所述步骤(1)中，建立一般双目立体视觉模型，获取待检测图像对，进一步的已知空间点的左右摄像机图像的坐标，通过透视变换和坐标系间的关系求出该点的三维空间坐标。
3.根据权利要求1所述的基于立体视觉的钢卷识别定位方法，其特征在于，所述步骤(2)中，为了确立二维图像坐标系与三维世界坐标系之间的关系，首先进行摄像机标定；采用张正友平面标定法，具体包括以下步骤：
(a)准备一个棋盘格标定板作为实验中标定的靶标；
(b)移动棋盘格标定板，从不同角度拍摄若干标定板图像；
(c)对每副标定板图像进行角点检测，获取角点像素坐标；
(d)先不考虑畸变系数，利用最大似然估计法获取投影矩阵H，进一步求解摄像机的内部参数和外部参数，最大似然估计法计算方法如下：
假设实验中有n幅标定板图像，每幅图像有m个角点，假设每个角点的干扰噪声独立同分布，将获取的内部参数和外部参数作为初始值，求得标定板上角点的投影像素值，以图像像素点和投影像素值的距离作为目标函数，求距离最小时的外部参数解：
上式中，mij表示第i幅标定板图像中的第j个角点的像素坐标，Ri、ti分别是根据第i幅标定板图像计算得到的摄像机的旋转矩阵与平移向量，Mj是第j个角点的世界坐标系下的坐标值；
(e)考虑畸变系数，通过线性最小二乘法求解畸变方程中的畸变系数；
(f)把已获取的摄像机内部参数作为初始值，考虑畸变因素下的重投影，利用上式的Levenberg-Marquardt算法对图像点与重投影点间的距离进行迭代求解，完成对摄像机参数的非线性优化，提高摄像机标定的精度；进一步的利用极线几何对图像对进行极线校准，校准后的图像对的同名极线共线，使区域匹配时的二维搜索降低为一维搜索，提高匹配精度，减小计算量。
4.根据权利要求1所述的基于立体视觉的钢卷识别定位方法，其特征在于，所述步骤(3)中，采用基于灰度的匹配算法，故需将RGB图像在预处理时转换为灰度图像，进一步的采用高斯滤波去除图像的噪声，对图像对进行拉普拉斯锐化处理，使图像的细节和边缘清晰，得到预处理后的图像；进一步的采用基于NCC的区域立体匹配算法，确定3×3窗口实现区域匹配获取视差图；NCC相似性度量因子公式下：
其中，S为(x+y)对应邻域窗的相似度，I(x+y)为目标图像(x+y)处灰度值，I为目标图像邻域窗内的灰度平均值；T(x+y)为基准图像(x+y)处的灰度值，T为基准图邻域窗内的灰度平均值；SNCC为归一化互相关系数，该系数越大两幅图就越相似，反之，两幅图就越不相似。
5.根据权利要求1所述的基于立体视觉的钢卷识别定位方法，其特征在于，所述步骤(4)中，利用视差图的深度信息提取出钢卷轮廓，进一步的获取钢卷中心在图像中的X和Y坐标，通过图像坐标到大地坐标的转换计算，计算得到钢卷在大地坐标系下的坐标xp和yp。
6.根据权利要求1所述的基于立体视觉的钢卷识别定位方法，其特征在于，所述步骤(5)中，根据重投影矩阵计算得到钢卷的三维点云数据，进一步的对钢卷点云数据进行平滑去噪，去除点云数据中的噪声点、失真点和体外孤立点去噪后的图像；重投影矩阵Q公式如下：
上式中除了c′x外的所有参数都来自左图像，c′x是主点在右图像上的x坐标；如果主光线在无穷远处相交，那么cx＝c′x，并且右下角的项为0。
7.根据权利要求1所述的基于立体视觉的钢卷识别定位方法，其特征在于，所述步骤(6)中，对去噪后的点云数据进行圆柱特征拟合，进一步获取钢卷在Z轴的世界坐标，实现对钢卷的定位；采取MCMD方法，平方距离和的计算公式为：
对于三维表面S，为第i个点到模型表面的平方距离；si代表S上与qi最近的点，si处的曲率半径为ρi1和ρi2；ni1，ni2为主曲率方向向量，ni3为法向量；最短距离为di＝|qi-si|；若曲率中心与点qi在表面S的两侧，则di＜0；反之di＞0，当0＜di＜ρji或者ρij为无穷大时，αij＝0；采用稳健Z分数方法逐步剔除粗差，即每次循环依据距离和最小准则获取可靠初始模型，重新计算垂直距离中位数中位数中误差并计算点集Q中每个点的Zr值；将Zr≥k0的点从点集中剔除，当点集中所有点的Zr＜k0(2.0≤k0≤2.5)时停止循环；进一步的剔除掉粗差点后的剩余点，认为是同一几何基元的点，对其进行最小二乘法迭代拟合获得最终的圆柱几何特征参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811112046.7A CN109447908A (zh) | 2018-09-25 | 2018-09-25 | 一种基于立体视觉的钢卷识别定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811112046.7A CN109447908A (zh) | 2018-09-25 | 2018-09-25 | 一种基于立体视觉的钢卷识别定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447908A true CN109447908A (zh) | 2019-03-08 |
Family
ID=65533137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811112046.7A Pending CN109447908A (zh) | 2018-09-25 | 2018-09-25 | 一种基于立体视觉的钢卷识别定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447908A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245663A (zh) * | 2019-06-26 | 2019-09-17 | 上海电器科学研究所（集团）有限公司 | 一种用于钢卷信息识别的方法 |
| CN110524237A (zh) * | 2019-07-18 | 2019-12-03 | 上海大学 | 一种基于机器视觉的八音琴机芯装配方法 |
| CN111023965A (zh) * | 2019-11-25 | 2020-04-17 | 上海大学 | 一种基于激光技术的钢卷识别定位方法 |
| CN111452036A (zh) * | 2019-03-19 | 2020-07-28 | 北京伟景智能科技有限公司 | 一种基于线激光双目立体视觉的工件抓取方法 |
| CN111932599A (zh) * | 2020-07-31 | 2020-11-13 | 泉州市澳莱格电子有限责任公司 | 一种基于多个rgb-d相机的柱体二维图像生成方法 |
| CN112183455A (zh) * | 2020-10-16 | 2021-01-05 | 飞马智科信息技术股份有限公司 | 基于钢材点云信息的提高识别效率的方法 |
| CN113284115A (zh) * | 2021-05-28 | 2021-08-20 | 中冶赛迪重庆信息技术有限公司 | 一种钢卷塔形识别方法、系统、介质和终端 |
| WO2021174600A1 (zh) * | 2020-03-05 | 2021-09-10 | 中国科学院上海微系统与信息技术研究所 | 一种多目立体相机的校准及深度图像处理方法 |
| CN113674349A (zh) * | 2021-06-30 | 2021-11-19 | 南京工业大学 | 一种基于深度图像二次分割的钢结构识别和定位方法 |
| CN114241047A (zh) * | 2021-12-02 | 2022-03-25 | 广西大学 | 一种用于园林绿篱修剪的双目视觉识别和定位方法 |
| CN114519711A (zh) * | 2022-02-22 | 2022-05-20 | 中冶赛迪重庆信息技术有限公司 | 一种库区钢卷测量方法、系统、介质及电子终端 |
| CN114638974A (zh) * | 2022-03-29 | 2022-06-17 | 中冶赛迪重庆信息技术有限公司 | 一种目标物识别方法、系统、介质及电子终端 |
| US20220222857A1 (en) * | 2021-04-26 | 2022-07-14 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Camera calibration method, electronic device, storage medium, and road side device |
| CN115830118A (zh) * | 2022-12-08 | 2023-03-21 | 重庆市信息通信咨询设计院有限公司 | 一种基于双目相机的水泥电杆的裂纹检测方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104363986A (zh) * | 2014-10-31 | 2015-02-18 | 华为技术有限公司 | 一种图像处理方法和设备 |
| CN105654476A (zh) * | 2015-12-25 | 2016-06-08 | 江南大学 | 基于混沌粒子群优化算法的双目标定方法 |
-
2018
- 2018-09-25 CN CN201811112046.7A patent/CN109447908A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104363986A (zh) * | 2014-10-31 | 2015-02-18 | 华为技术有限公司 | 一种图像处理方法和设备 |
| CN105654476A (zh) * | 2015-12-25 | 2016-06-08 | 江南大学 | 基于混沌粒子群优化算法的双目标定方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHENGYOU ZHANG ETC.: ""A Flexible New Technique for Camera Calibration"", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
| 伊璐: ""基于立体视觉的场景三维重建技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 郑庆元等: ""基于立体视觉的钢卷检测技术"", 《计量与测试技术》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111452036A (zh) * | 2019-03-19 | 2020-07-28 | 北京伟景智能科技有限公司 | 一种基于线激光双目立体视觉的工件抓取方法 |
| CN111452036B (zh) * | 2019-03-19 | 2023-08-04 | 北京伟景智能科技有限公司 | 一种基于线激光双目立体视觉的工件抓取方法 |
| CN110245663A (zh) * | 2019-06-26 | 2019-09-17 | 上海电器科学研究所（集团）有限公司 | 一种用于钢卷信息识别的方法 |
| CN110245663B (zh) * | 2019-06-26 | 2024-02-02 | 上海电器科学研究所（集团）有限公司 | 一种用于钢卷信息识别的方法 |
| CN110524237A (zh) * | 2019-07-18 | 2019-12-03 | 上海大学 | 一种基于机器视觉的八音琴机芯装配方法 |
| CN111023965A (zh) * | 2019-11-25 | 2020-04-17 | 上海大学 | 一种基于激光技术的钢卷识别定位方法 |
| WO2021174600A1 (zh) * | 2020-03-05 | 2021-09-10 | 中国科学院上海微系统与信息技术研究所 | 一种多目立体相机的校准及深度图像处理方法 |
| CN111932599A (zh) * | 2020-07-31 | 2020-11-13 | 泉州市澳莱格电子有限责任公司 | 一种基于多个rgb-d相机的柱体二维图像生成方法 |
| CN112183455A (zh) * | 2020-10-16 | 2021-01-05 | 飞马智科信息技术股份有限公司 | 基于钢材点云信息的提高识别效率的方法 |
| US20220222857A1 (en) * | 2021-04-26 | 2022-07-14 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Camera calibration method, electronic device, storage medium, and road side device |
| CN113284115A (zh) * | 2021-05-28 | 2021-08-20 | 中冶赛迪重庆信息技术有限公司 | 一种钢卷塔形识别方法、系统、介质和终端 |
| CN113674349B (zh) * | 2021-06-30 | 2023-08-04 | 南京工业大学 | 一种基于深度图像二次分割的钢结构识别和定位方法 |
| CN113674349A (zh) * | 2021-06-30 | 2021-11-19 | 南京工业大学 | 一种基于深度图像二次分割的钢结构识别和定位方法 |
| CN114241047A (zh) * | 2021-12-02 | 2022-03-25 | 广西大学 | 一种用于园林绿篱修剪的双目视觉识别和定位方法 |
| CN114519711A (zh) * | 2022-02-22 | 2022-05-20 | 中冶赛迪重庆信息技术有限公司 | 一种库区钢卷测量方法、系统、介质及电子终端 |
| CN114519711B (zh) * | 2022-02-22 | 2024-07-02 | 中冶赛迪信息技术(重庆)有限公司 | 一种库区钢卷测量方法、系统、介质及电子终端 |
| CN114638974A (zh) * | 2022-03-29 | 2022-06-17 | 中冶赛迪重庆信息技术有限公司 | 一种目标物识别方法、系统、介质及电子终端 |
| CN115830118A (zh) * | 2022-12-08 | 2023-03-21 | 重庆市信息通信咨询设计院有限公司 | 一种基于双目相机的水泥电杆的裂纹检测方法和系统 |
| CN115830118B (zh) * | 2022-12-08 | 2024-03-19 | 重庆市信息通信咨询设计院有限公司 | 一种基于双目相机的水泥电杆的裂纹检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447908A (zh) | 一种基于立体视觉的钢卷识别定位方法 | |
| Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
| CN106767399B (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
| CN107133985B (zh) | 一种基于车道线消逝点的车载摄像机自动标定方法 | |
| CN110569704A (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
| Alismail et al. | Automatic calibration of a range sensor and camera system | |
| CN102930530B (zh) | 一种双视点图像的立体匹配方法 | |
| CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
| CN108230392A (zh) | 一种基于imu的视觉障碍物检测虚警剔除方法 | |
| JP6955783B2 (ja) | 情報処理方法、装置、クラウド処理デバイス及びコンピュータプログラム製品 | |
| CN104748683A (zh) | 一种数控机床工件在线自动测量装置及测量方法 | |
| CN103093479A (zh) | 一种基于双目视觉的目标定位方法 | |
| CN112967344B (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
| CN111429571B (zh) | 一种基于时空图像信息联合相关的快速立体匹配方法 | |
| CN116188558B (zh) | 基于双目视觉的立体摄影测量方法 | |
| CN110264510A (zh) | 一种基于双目采集图像提取景深信息的方法 | |
| CN111311658B (zh) | 双光成像系统图像配准方法及相关装置 | |
| Han et al. | Target positioning method in binocular vision manipulator control based on improved canny operator | |
| CN116468786A (zh) | 一种面向动态环境的基于点线联合的语义slam方法 | |
| Ortigosa et al. | Obstacle-free pathway detection by means of depth maps | |
| CN113838111A (zh) | 一种道路纹理特征检测方法、装置与自动驾驶系统 | |
| CN113313968A (zh) | 车位检测方法及存储介质 | |
| CN117333548A (zh) | 一种基于类环面的相机位姿估计方法、系统和存储介质 | |
| CN112785647A (zh) | 一种三目立体图像检测方法和系统 | |
| CN110487254B (zh) | 一种用于rov的水下目标尺寸快速测量方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |
|
| RJ01 | Rejection of invention patent application after publication |