CN109544520A - 一种视频图像扭曲自动检测方法 - Google Patents
一种视频图像扭曲自动检测方法 Download PDFInfo
- Publication number
- CN109544520A CN109544520A CN201811332095.1A CN201811332095A CN109544520A CN 109544520 A CN109544520 A CN 109544520A CN 201811332095 A CN201811332095 A CN 201811332095A CN 109544520 A CN109544520 A CN 109544520A
- Authority
- CN
- China
- Prior art keywords
- image
- light stream
- characteristic point
- pixel
- images
- 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
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及本发明涉及一种视频图像扭曲自动检测方法,采集变电站连续的三张图像,提取图像特征点,计算其特征向量并进行归一化处理;根据特征向量对三张图像特征点进行匹配,获取匹配特征点;获取连续两张图像匹配特征点的光流并计算差值;将图像划分为多个图像片,计算每个图像片内像素点的光流并计算差值;给定光流阈值,若任意光流差值大于光流阈值,则认为视频图像存在扭曲,否则计算每个图像片的主方向和像素点方向,若同一个图像片内存在多个主方向或像素点间的方向差异较大,则认为图像存在扭曲,否则认为图像正常,以此实现图像扭曲检测。本发明解决了视频图像扭曲自动检测问题,具有重要的实际应用价值。
Description
技术领域
本发明涉及视频图像检测领域,具体涉及一种视频图像扭曲自动检测方法。
背景技术
在视频监控领域,视频监控图像会因为镜头本身或者图像信号传输等其他原因存在很多的图像畸变或扭曲,导致监控图像显示不正常。如果可以通过视频检测方法,实时视频分析,对图像进行检测,便可以起到很好的安全快速预警的作用。
传统的摄像头畸变识别方法为:把待测试的摄像头固定在摄像头夹具上,在摄像头夹具正前方设有固定的图像标定靶面,图像标定靶面的中心处和夹具呈垂直角度,根据待测摄像头的图像中心在靶面上的成像点与靶面中心点的距离差,人工计算出此摄像头的畸变中心点位置。上述畸变中心点识别方法对摄像头和图像标定靶面的相对位置有严格要求,如果摄像头摆放位置稍歪或存在微度偏移,则对畸变中心点的检测结果影响很大,在确定其畸变中心点时,通常的做法是通过专用仪器或笔记本来显示和确认相应图像的交点,并且需要工人判断和转换才能得出最终的检测结果,结果不直观,识别准确度和效率低,因此迫切需要实现视频图像扭曲自动检测。
发明内容
有鉴于此,本发明的目的在于提供一种视频图像扭曲自动检测方法,解决了视频图像扭曲自动检测问题。
为实现上述目的,本发明采用如下技术方案:
一种视频图像扭曲自动检测方法,包括以下步骤:
步骤S1:通过摄像头采集的连续的三张图像;
步骤S2:对三张图像进行特征检测,提取图像特征点,计算其特征向量并进行归一化处理;
步骤S3:根据得到的特征向量,将三张图像特征点进行匹配,获取匹配特征点;根据第一张图像和第二张图像特征点位置计算匹配特征点的光流,同时根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流,以此获取连续两张图像匹配特征点的光流;
步骤S4:遍历步骤S3中所有匹配特征点,计算匹配特征点间的光流差值,给定光流阈值,若光流差值大于光流阈值,则认为视频图像存在扭曲,否则进入步骤S5;
步骤S5:将三张待检测图像分为相同的多个设定同一大小的图像片,根据第一张图像和第二张图像相同图像片计算图像片中每个像素点的光流,同时根据第二张图像和第三张图像相同图像片计算图像片中每个像素点的光流,以此获取连续两张图像中对应图像片中每个像素点的光流;
步骤S6:遍历步骤S5中所有对应的图像片,计算图像片中每个对应像素点的光流差值,给定光流阈值,若光流差值大于给定阈值,则认为视频图像存在扭曲,否则进入步骤S7;
步骤S7:遍历步骤(5)中所有对应的图像片,根据图像片中像素点光流计算每个像素点的运动方向并计算图像片的主方向,若图像片中像素点方向较多且差异较大,或存在多个主方向,则认为视频图像存在扭曲,否则认为视频图像正常,以此实现视频图像扭曲自动检测。
进一步的,所述步骤S2具体为:
步骤S21:依次输入待检测图像;
步骤S22:提取图像利于跟踪的特征点,即GFTT特征;
步骤S23:对每个特征点取8*8邻域,每个8*8邻域再分成16个2*2邻域,在每个2*2邻域上生成一个8方向向量种子,则每个特征点可以计算出一个16*8=128维的特征向量;
步骤S23:对特征向量进行归一化处理,以消除外界干扰因素的影响。
进一步的,所述步骤S3具体为:
步骤S31:根据步骤S2得到三张图像中每个特征点的特征向量;
步骤S32:遍历第一张图像的所有特征向量,计算每个特征向量与第二和第三张图像特征向量间的差值,给定向量差阈值,若差值小于给定阈值,则认为是匹配特征点;
步骤S33:采用步骤S32的计算方法,计算第二张图像和第三张图像的匹配特征点,得到三张图像的所有匹配特征点;
步骤S34:根据第一张图像和第二张图像特征点位置计算匹配特征点的光流,并根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流,以此获取连续两张图像匹配特征点的光流。
进一步的,所述步骤技术匹配特征点的光流具体方法为:遍历两张图像所有的匹配特征点对,计算匹配特征点在两张图像中的x和y方向的位移向量,即为特征点的光流。
进一步的,所述步骤S7具体为:
步骤S71:遍历图像片的每个像素点,根据权利要求4的步骤获取每个像素点的光流,获取图像的位移向量;
步骤S72:根据位移向量获取像素点的运动方向,计算方向角度angle;
步骤S71:将0-180度分为18个方向,每个方向为10度,即0-10,10-20,…170-180,若方向角度angle大于180,则angle=angle-180,根据方向角度angle划分其所属的方向范围,统计每个方向范围内的像素点数目,数目最多的方向范围即为主方向;
步骤S71:若步骤S71中的主方向数目存在多个,或者像素点间的运动方向数目较多且差异较大,则认为视频图像存在扭曲,打乱了原来的规则有序运动。
本发明与现有技术相比具有以下有益效果:
1、本发明仅需要三张连续的视频图像便可对视频是否扭曲进行判断,不需要完整的视频文件
2、本发明利用GFTT能够有效提取图像特征点,计算特征点光流,能够对视频图像是否扭曲做出快速的判断;
3、本发明检测速度快,精度高
具体实施方式
下面结合实施例对本发明做进一步说明。
本发明提供一种视频图像扭曲自动检测方法,包括以下步骤:
步骤S1:通过摄像头采集的连续的三张图像;
步骤S2:对三张图像进行特征检测,提取图像特征点,计算其特征向量并进行归一化处理;
步骤S3:根据得到的特征向量,将三张图像特征点进行匹配,获取匹配特征点;根据第一张图像和第二张图像特征点位置计算匹配特征点的光流,同时根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流,以此获取连续两张图像匹配特征点的光流;
步骤S4:遍历步骤S3中所有匹配特征点,计算匹配特征点间的光流差值,给定光流阈值,若光流差值大于光流阈值,则认为视频图像存在扭曲,否则进入步骤S5;
步骤S5:将三张待检测图像分为相同的多个设定同一大小的图像片,根据第一张图像和第二张图像相同图像片计算图像片中每个像素点的光流,同时根据第二张图像和第三张图像相同图像片计算图像片中每个像素点的光流,以此获取连续两张图像中对应图像片中每个像素点的光流;
步骤S6:遍历步骤S5中所有对应的图像片,计算图像片中每个对应像素点的光流差值,给定光流阈值,若光流差值大于给定阈值,则认为视频图像存在扭曲,否则进入步骤S7;
步骤S7:遍历步骤(5)中所有对应的图像片,根据图像片中像素点光流计算每个像素点的运动方向并计算图像片的主方向,若图像片中像素点方向较多且差异较大,或存在多个主方向,则认为视频图像存在扭曲,否则认为视频图像正常,以此实现视频图像扭曲自动检测。
在本发明一实施例中,所述步骤S2具体为:
步骤S21:依次输入待检测图像;
步骤S22:提取图像利于跟踪的特征点,即GFTT特征;
步骤S23:对每个特征点取8*8邻域,每个8*8邻域再分成16个2*2邻域,在每个2*2邻域上生成一个8方向向量种子,则每个特征点可以计算出一个16*8=128维的特征向量;
步骤S23:对特征向量进行归一化处理,以消除外界干扰因素的影响。
在本发明一实施例中,所述步骤S3具体为:
步骤S31:根据步骤S2得到三张图像中每个特征点的特征向量;
步骤S32:遍历第一张图像的所有特征向量,计算每个特征向量与第二和第三张图像特征向量间的差值,给定向量差阈值,若差值小于给定阈值,则认为是匹配特征点;
步骤S33:采用步骤S32的计算方法,计算第二张图像和第三张图像的匹配特征点,得到三张图像的所有匹配特征点;
步骤S34:根据第一张图像和第二张图像特征点位置计算匹配特征点的光流,并根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流,以此获取连续两张图像匹配特征点的光流。
在本发明一实施例中,所述步骤技术匹配特征点的光流具体方法为:遍历两张图像所有的匹配特征点对,计算匹配特征点在两张图像中的x和y方向的位移向量,即为特征点的光流。
在本发明一实施例中,所述步骤S7具体为:
步骤S71:遍历图像片的每个像素点,根据权利要求4的步骤获取每个像素点的光流,获取图像的位移向量;
步骤S72:根据位移向量获取像素点的运动方向,计算方向角度angle;
步骤S71:将0-180度分为18个方向,每个方向为10度,即0-10,10-20,…170-180,若方向角度angle大于180,则angle=angle-180,根据方向角度angle划分其所属的方向范围,统计每个方向范围内的像素点数目,数目最多的方向范围即为主方向;
步骤S71:若步骤S71中的主方向数目存在多个,或者像素点间的运动方向数目较多且差异较大,则认为视频图像存在扭曲,打乱了原来的规则有序运动。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (5)
1.一种视频图像扭曲自动检测方法,其特征在于,包括以下步骤:
步骤S1:通过摄像头采集的连续的三张图像;
步骤S2:对三张图像进行特征检测,提取图像特征点,计算其特征向量并进行归一化处理;
步骤S3:根据得到的特征向量,将三张图像特征点进行匹配,获取匹配特征点;根据第一张图像和第二张图像特征点位置计算匹配特征点的光流,同时根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流,以此获取连续两张图像匹配特征点的光流;
步骤S4:遍历步骤S3中所有匹配特征点,计算匹配特征点间的光流差值,给定光流阈值,若光流差值大于光流阈值,则认为视频图像存在扭曲,否则进入步骤S5;
步骤S5:将三张待检测图像分为相同的多个设定同一大小的图像片,根据第一张图像和第二张图像相同图像片计算图像片中每个像素点的光流,同时根据第二张图像和第三张图像相同图像片计算图像片中每个像素点的光流,以此获取连续两张图像中对应图像片中每个像素点的光流;
步骤S6:遍历步骤S5中所有对应的图像片,计算图像片中每个对应像素点的光流差值,给定光流阈值,若光流差值大于给定阈值,则认为视频图像存在扭曲,否则进入步骤S7;
步骤S7:遍历步骤(5)中所有对应的图像片,根据图像片中像素点光流计算每个像素点的运动方向并计算图像片的主方向,若图像片中像素点方向较多且差异较大,或存在多个主方向,则认为视频图像存在扭曲,否则认为视频图像正常,以此实现视频图像扭曲自动检测。
2.根据权利要求1所述的一种视频图像扭曲自动检测方法,其特征在于:所述步骤S2具体为:
步骤S21:依次输入待检测图像;
步骤S22:提取图像利于跟踪的特征点,即GFTT特征;
步骤S23:对每个特征点取8*8邻域,每个8*8邻域再分成16个2*2邻域,在每个2*2邻域上生成一个8方向向量种子,则每个特征点可以计算出一个16*8=128维的特征向量;
步骤S23:对特征向量进行归一化处理,以消除外界干扰因素的影响。
3.根据权利要求1所述的一种视频图像扭曲自动检测方法,其特征在于:所述步骤S3具体为:
步骤S31:根据步骤S2得到三张图像中每个特征点的特征向量;
步骤S32:遍历第一张图像的所有特征向量,计算每个特征向量与第二和第三张图像特征向量间的差值,给定向量差阈值,若差值小于给定阈值,则认为是匹配特征点;
步骤S33:采用步骤S32的计算方法,计算第二张图像和第三张图像的匹配特征点,得到三张图像的所有匹配特征点;
步骤S34:根据第一张图像和第二张图像特征点位置计算匹配特征点的光流,并根据第二张图像和第三张图像的特征点位置计算匹配特征点的光流,以此获取连续两张图像匹配特征点的光流。
4.根据权利要求1所述的一种视频图像扭曲自动检测方法,其特征在于:所述步骤技术匹配特征点的光流具体方法为:遍历两张图像所有的匹配特征点对,计算匹配特征点在两张图像中的x和y方向的位移向量,即为特征点的光流。
5.根据权利要求1所述的一种视频图像扭曲自动检测方法,其特征在于:所述步骤S7具体为:
步骤S71:遍历图像片的每个像素点,根据权利要求4的步骤获取每个像素点的光流,获取图像的位移向量;
步骤S72:根据位移向量获取像素点的运动方向,计算方向角度angle;
步骤S71:将0-180度分为18个方向,每个方向为10度,即0-10,10-20,…170-180,若方向角度angle大于180,则angle=angle-180,根据方向角度angle划分其所属的方向范围,统计每个方向范围内的像素点数目,数目最多的方向范围即为主方向;
步骤S71:若步骤S71中的主方向数目存在多个,或者像素点间的运动方向数目较多且差异较大,则认为视频图像存在扭曲,打乱了原来的规则有序运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811332095.1A CN109544520B (zh) | 2018-11-09 | 2018-11-09 | 一种视频图像扭曲自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811332095.1A CN109544520B (zh) | 2018-11-09 | 2018-11-09 | 一种视频图像扭曲自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544520A true CN109544520A (zh) | 2019-03-29 |
CN109544520B CN109544520B (zh) | 2023-08-18 |
Family
ID=65846588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811332095.1A Active CN109544520B (zh) | 2018-11-09 | 2018-11-09 | 一种视频图像扭曲自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544520B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880184A (zh) * | 2019-10-03 | 2020-03-13 | 上海淡竹体育科技有限公司 | 一种基于光流场进行摄像头自动巡检的方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6303920B1 (en) * | 1998-11-19 | 2001-10-16 | Sarnoff Corporation | Method and apparatus for detecting salient motion using optical flow |
EP1873717A1 (en) * | 2006-06-30 | 2008-01-02 | THOMSON Licensing | Method to estimate the geometric distortion between two images |
JPWO2009005025A1 (ja) * | 2007-07-03 | 2010-08-26 | コニカミノルタホールディングス株式会社 | 移動物体検出装置 |
US20110019013A1 (en) * | 2009-07-22 | 2011-01-27 | Altek Corporation | Method for adjusting photographing settings of digital camera through motion detection |
CN102930559A (zh) * | 2012-10-23 | 2013-02-13 | 华为技术有限公司 | 图像处理的方法及装置 |
US20130177251A1 (en) * | 2012-01-11 | 2013-07-11 | Samsung Techwin Co., Ltd. | Image adjusting apparatus and method, and image stabilizing apparatus including the same |
CN104301712A (zh) * | 2014-08-25 | 2015-01-21 | 浙江工业大学 | 一种基于视频分析的监控摄像头抖动检测方法 |
CN104410855A (zh) * | 2014-11-05 | 2015-03-11 | 广州中国科学院先进技术研究所 | 一种监控视频的抖动检测方法 |
CN106251317A (zh) * | 2016-09-13 | 2016-12-21 | 野拾(北京)电子商务有限公司 | 空间摄影防抖处理方法及装置 |
CN106600629A (zh) * | 2016-12-14 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 一种面向大尺度运动的光流估计方法 |
US20170161565A1 (en) * | 2015-12-04 | 2017-06-08 | Texas Instruments Incorporated | Quasi-parametric optical flow estimation |
CN106878704A (zh) * | 2017-02-14 | 2017-06-20 | 福建师范大学 | 基于光流周期特性的视频帧率上转篡改检测方法 |
CN107180229A (zh) * | 2017-05-04 | 2017-09-19 | 南京邮电大学 | 一种监控视频中基于运动方向的异常行为检测方法 |
CN107360417A (zh) * | 2017-08-30 | 2017-11-17 | 中国人民解放军国防科技大学 | 一种基于相机运动特征的互联网视频质量评估方法与装置 |
-
2018
- 2018-11-09 CN CN201811332095.1A patent/CN109544520B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6303920B1 (en) * | 1998-11-19 | 2001-10-16 | Sarnoff Corporation | Method and apparatus for detecting salient motion using optical flow |
EP1873717A1 (en) * | 2006-06-30 | 2008-01-02 | THOMSON Licensing | Method to estimate the geometric distortion between two images |
JPWO2009005025A1 (ja) * | 2007-07-03 | 2010-08-26 | コニカミノルタホールディングス株式会社 | 移動物体検出装置 |
US20110019013A1 (en) * | 2009-07-22 | 2011-01-27 | Altek Corporation | Method for adjusting photographing settings of digital camera through motion detection |
US20130177251A1 (en) * | 2012-01-11 | 2013-07-11 | Samsung Techwin Co., Ltd. | Image adjusting apparatus and method, and image stabilizing apparatus including the same |
CN102930559A (zh) * | 2012-10-23 | 2013-02-13 | 华为技术有限公司 | 图像处理的方法及装置 |
CN104301712A (zh) * | 2014-08-25 | 2015-01-21 | 浙江工业大学 | 一种基于视频分析的监控摄像头抖动检测方法 |
CN104410855A (zh) * | 2014-11-05 | 2015-03-11 | 广州中国科学院先进技术研究所 | 一种监控视频的抖动检测方法 |
US20170161565A1 (en) * | 2015-12-04 | 2017-06-08 | Texas Instruments Incorporated | Quasi-parametric optical flow estimation |
CN106251317A (zh) * | 2016-09-13 | 2016-12-21 | 野拾(北京)电子商务有限公司 | 空间摄影防抖处理方法及装置 |
CN106600629A (zh) * | 2016-12-14 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 一种面向大尺度运动的光流估计方法 |
CN106878704A (zh) * | 2017-02-14 | 2017-06-20 | 福建师范大学 | 基于光流周期特性的视频帧率上转篡改检测方法 |
CN107180229A (zh) * | 2017-05-04 | 2017-09-19 | 南京邮电大学 | 一种监控视频中基于运动方向的异常行为检测方法 |
CN107360417A (zh) * | 2017-08-30 | 2017-11-17 | 中国人民解放军国防科技大学 | 一种基于相机运动特征的互联网视频质量评估方法与装置 |
Non-Patent Citations (10)
Title |
---|
K. MANASA ET AL.: "A perceptually motivated no-reference video quality assessment algorithm for packet loss artifacts", 《2014 SIXTH INTERNATIONAL WORKSHOP ON QUALITY OF MULTIMEDIA EXPERIENCE (QOMEX)》 * |
K. MANASA ET AL.: "A perceptually motivated no-reference video quality assessment algorithm for packet loss artifacts", 《2014 SIXTH INTERNATIONAL WORKSHOP ON QUALITY OF MULTIMEDIA EXPERIENCE (QOMEX)》, 15 December 2014 (2014-12-15), pages 67 - 68 * |
K. MANASA ET AL.: "An optical flow-based no-reference video quality assessment algorithm", 《2016 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》 * |
K. MANASA ET AL.: "An optical flow-based no-reference video quality assessment algorithm", 《2016 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》, 19 August 2016 (2016-08-19), pages 2400 - 2404 * |
储林臻;闫钧华;杭谊青;许俊峰;: "基于改进光流法的旋转运动背景下对地运动目标实时检测", 数据采集与处理, no. 06, pages 1325 - 1331 * |
徐奔等: "基于BRISK的实时视频抖动检测算法", 《计算机工程与设计》 * |
徐奔等: "基于BRISK的实时视频抖动检测算法", 《计算机工程与设计》, vol. 37, no. 08, 16 August 2016 (2016-08-16), pages 2132 - 2137 * |
江爱文等: "基于前―后向光流点匹配运动熵的视频抖动检测算法", 《计算机应用》 * |
江爱文等: "基于前―后向光流点匹配运动熵的视频抖动检测算法", 《计算机应用》, vol. 33, no. 10, 1 October 2013 (2013-10-01), pages 2918 - 2921 * |
王峰等: "利用平稳光流估计的海上视频去抖", 《中国图象图形学报》, vol. 21, no. 3, pages 365 - 372 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880184A (zh) * | 2019-10-03 | 2020-03-13 | 上海淡竹体育科技有限公司 | 一种基于光流场进行摄像头自动巡检的方法及装置 |
CN110880184B (zh) * | 2019-10-03 | 2023-07-21 | 上海淡竹体育科技有限公司 | 一种基于光流场进行摄像头自动巡检的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109544520B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110332887B (zh) | 一种基于特征光标点的单目视觉位姿测量系统及方法 | |
CN108510530B (zh) | 一种三维点云匹配方法及其系统 | |
CN105674880B (zh) | 基于双目原理的接触网几何参数测量方法及系统 | |
CN109559348A (zh) | 一种基于特征点追踪的桥梁非接触式变形测量方法 | |
CN107271445B (zh) | 一种缺陷检测方法及装置 | |
CN104568963A (zh) | 一种基于rgb结构光的在线式三维检测装置 | |
CN110261069B (zh) | 一种用于光学镜头的检测方法 | |
Li et al. | Space target detection in complicated situations for wide-field surveillance | |
CN105717513A (zh) | 一种基于普通摄像头芯片的低成本激光测距装置及方法 | |
WO2020143499A1 (zh) | 一种基于动态视觉传感器的角点检测方法 | |
CN105717511A (zh) | 基于线束激光器和普通摄像头芯片的多点测距装置及方法 | |
US20130155257A1 (en) | Test device for testing camera module and method thereof | |
CN108050955A (zh) | 基于结构光投影与数字图像相关的高温空气扰动滤除方法 | |
CN109443113B (zh) | 彩色单相机偏振成像法弹着点坐标测试方法及系统 | |
CN109544520A (zh) | 一种视频图像扭曲自动检测方法 | |
CN117629567A (zh) | 一种高瞬时速度模型姿态角在线测量方法 | |
CN110243475B (zh) | 一种基于机器视觉识别技术的织物色差检测方法 | |
JP2000321039A (ja) | 塗装欠陥検査装置及び方法 | |
US10062155B2 (en) | Apparatus and method for detecting defect of image having periodic pattern | |
CN106197365A (zh) | 一种多台相机视场拼接的光轴夹角检测方法 | |
RU2552123C2 (ru) | Способ селекции объектов на удалённом фоне | |
Karel et al. | In situ determination of range camera quality parameters by segmentation | |
KR20160148735A (ko) | 카메라 광중심 측정을 위한 영상 처리 장치 및 그 방법 | |
CN106097297A (zh) | 一种摄像头遮挡范围计算方法 | |
CN112233063A (zh) | 一种大尺寸圆形物体的圆心定位方法 |
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 |