CN109903327A - 一种稀疏点云的目标物尺寸测量方法 - Google Patents
一种稀疏点云的目标物尺寸测量方法 Download PDFInfo
- Publication number
- CN109903327A CN109903327A CN201910161137.8A CN201910161137A CN109903327A CN 109903327 A CN109903327 A CN 109903327A CN 201910161137 A CN201910161137 A CN 201910161137A CN 109903327 A CN109903327 A CN 109903327A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud
- image
- coordinate
- point cloud
- 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
Abstract
本发明涉及一种稀疏点云的目标物尺寸测量方法,包括以下技术步骤:将点云坐标系转换成图像像素坐标系;对点云数据在XY平面进行投影,得到二维点云;对匹配后的图像用Canny算子进行边缘检测;采用图像形态学方法对边缘轮廓线进行去噪及细化;对点云图像进行遍历搜索,与二值轮廓图像进行像素点坐标匹配;将匹配吻合的点云坐标提取出来构成新的点云,对新的点云进行直线拟合和尺寸测量。本发明通过对点云图像与立体匹配后的轮廓图像的重叠,进而提取出轮廓线上的点云,再利用线性拟合算法对提取出的新点云坐标进行直线拟合,进一步进行尺寸测量。
Description
技术领域
本发明涉及计算机视觉技术领域,具体是涉及一种稀疏点云的目标物尺寸测量方法。
背景技术
通过计算机视觉系统获得的点云数据有两个特点:稀疏散乱点云;存在误匹配的噪声点。在三维重建技术中,一般对目标物的点云轮廓提取分为两种方法:(1)从点云重建的表面模型构建三角网格,在基于三角网格生成轮廓线;(2)直接由点云进行空间线性拟合和曲面拟合,需要对点云数据切片处理。通过构建三角网格来提取轮廓的方法计算量非常大,并且对点云的要求也很高,最好采用密集型点云,这些重构出来的模型效果更好,而且凹边形的边缘上会存在狭长的三角形,对边缘点的提取容易产生较大误差;而直接提取法需要对点云数据进行区域分割,并且需要计算每一个面的曲率,而分割阈值不易确定,同样计算量也很大。
发明内容
本发明所要解决的技术问题是提供一种稀疏点云的目标物尺寸测量方法,通过对点云图像与立体匹配后的轮廓图像的重叠,进而提取出轮廓线上的点云,再利用线性拟合算法对提取出的新点云坐标进行直线拟合,进一步进行尺寸测量。
为解决上述技术问题,本发明提供以下技术方案:一种稀疏点云的目标物尺寸测量方法,包括以下技术步骤:
步骤(1),将点云坐标系转换成图像像素坐标系;
步骤(2),对点云数据在XY平面进行投影,得到二维点云;
步骤(3),对匹配后的图像用Canny算子进行边缘检测;
步骤(4),采用图像形态学方法对边缘轮廓线进行去噪及细化;
步骤(5),对点云图像进行遍历搜索,与二值轮廓图像进行像素点坐标匹配;
步骤(6),将匹配吻合的点云坐标提取出来构成新的点云,对新的点云进行直线拟合和尺寸测量。
在上述技术方案基础上,所述步骤(1)的具体步骤为:
A.首先构建双目视觉系觉系统,自制黑白棋盘格,使用matlab标定工具箱进行标定,得到内参矩阵和外参矩阵R、T,标定得到的R是3*1矩阵,通过罗德里格斯变换将R转换为3*3的矩阵;
B.通过双目立体视觉测量系统得到的点云数据是世界坐标系的三维坐标,因此首先需要将其转换到图像像素坐标系;转换公式(1)如下:
其中,R是相机标定后的外参旋转矩阵,T为外参平移矩阵,XC、YC、ZC为目标物在图像坐标系下的坐标,XW、YW、ZW为目标物在世界坐标系下的坐标。
在上述技术方案基础上,所述步骤(2)的具体步骤为:
根据公式其中f是摄像机的焦距,T为双目摄像机的摄像头中心距离,d为立体匹配后的视差;当视差d为一恒定值时,深度ZC亦恒定,即可得到在XY平面上的二维点云。
在上述技术方案基础上,所述步骤(3)的具体步骤为:
C.将图像转化为灰度图;
D.对灰度图进行高斯滤波,高斯核采用二维高斯核来实现;
E.采用一阶偏导的有限差分来计算梯度幅值及方向,计算公式如下:
其中,f[i,j]代表图像的行和列,M[i,j]为梯度的幅值,Q[i,j]为梯度的方向;
F.寻找梯度幅值的局部最大值,而将非极值点对应的灰度值设置为0,选定一像素点A,判断其灰度值是否在8值邻域内为最大,在判断A点的梯度方向与A点邻域像素的交点再与A点灰度值比较,若小于,则A点非局部极大值点,也是非边缘点;
G.用双阈值法检测和连接边缘,设置两个阈值,分别为高阈值和低阈值;将图像中高于这个高阈值得点连接成轮廓,到达端点时检测在这个点的8值邻域内寻找满足低于低阈值的点,再根据这个点得到新的边缘,直到整个图像的边缘闭合。
在上述技术方案基础上,所述步骤(4)的具体步骤为:借助MATLAB软件中的函数bwperim对二值图像的轮廓线进行细化,对于二值图像中的孤立点采用形态学方法中的先腐蚀再膨胀,腐蚀即把二值图像各1像素连接成分的边界点去掉从而缩小一层,膨胀则是填充边缘或0像素内部的孔。
在上述技术方案基础上,所述步骤(5)的具体步骤为:将轮廓线图像上像素为255的点坐标提取出来与二维点云图像上的点进行匹配,若坐标值小于阈值则将其提取出来。
在上述技术方案基础上,所述步骤(6)的具体步骤为:
H.采用最小二乘法进行直线拟合,对于提取出来的新的二维点云(x1,y1)(x2,y2)....,要拟合的模型表达式为y=f(x),最小二乘法的直线拟合公式如下:
设直线方程为y=kx+b,得误差表达式为e=∑(yi-k×xi-b)2分别对其关于k和b求导得:
整理得:
设A=∑xi 2 B=∑xi,C=∑yi*xi,D=∑yi;
则方程化为:解方程得到k和b的值就能得到直线方程;
I.对拟合后的直线进行测量,取一条直线,选取满足这条直线方程的两个端点,即X与Y的最大值与最小值点,将这两个坐标点转换到世界坐标系,即将公式(1)进行逆计算,再计算两点间的距离近似为该直线的长度。
本发明与现有技术相比具有的有益效果是:本发明提供一种稀疏点云的目标物尺寸测量方法,通过对点云图像与立体匹配后的轮廓图像的重叠,进而提取出轮廓线上的点云,再利用线性拟合算法对提取出的新点云坐标进行直线拟合,进一步进行尺寸测量。
附图说明
图1为本发明测量方法的步骤流程图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
参照图1可知,稀疏点云的目标物尺寸测量方法,包括以下六个技术步骤:
步骤(1),将点云坐标系转换成图像像素坐标系:
A.首先构建双目视觉系觉系统,自制黑白棋盘格,使用matlab标定工具箱进行标定,得到内参矩阵和外参矩阵R、T,标定得到的R是3*1矩阵,通过罗德里格斯变换将R转换为3*3的矩阵;
B.通过双目立体视觉测量系统得到的点云数据是世界坐标系的三维坐标,因此首先需要将其转换到图像像素坐标系;转换公式(1)如下:
其中,R是相机标定后的外参旋转矩阵,T为外参平移矩阵,XC、YC、ZC为目标物在图像坐标系下的坐标,XW、YW、ZW为目标物在世界坐标系下的坐标。
步骤(2),对点云数据在XY平面进行投影,得到二维点云;根据公式其中f是摄像机的焦距,T为双目摄像机的摄像头中心距离,d为立体匹配后的视差;当视差d为一恒定值时,深度ZC亦恒定,即可得到在XY平面上的二维点云。
步骤(3),对匹配后的图像用Canny算子进行边缘检测;
C.将图像转化为灰度图;
D.对灰度图进行高斯滤波,高斯核采用二维高斯核来实现;
E.采用一阶偏导的有限差分来计算梯度幅值及方向,计算公式如下:
其中,f[i,j]代表图像的行和列,M[i,j]为梯度的幅值,Q[i,j]为梯度的方向;
F.寻找梯度幅值的局部最大值,而将非极值点对应的灰度值设置为0,选定一像素点A,判断其灰度值是否在8值邻域内为最大,在判断A点的梯度方向与A点邻域像素的交点再与A点灰度值比较,若小于,则A点非局部极大值点,也是非边缘点;
G.用双阈值法检测和连接边缘,设置两个阈值,分别为高阈值和低阈值;将图像中高于这个高阈值得点连接成轮廓,到达端点时检测在这个点的8值邻域内寻找满足低于低阈值的点,再根据这个点得到新的边缘,直到整个图像的边缘闭合。
步骤(4),采用图像形态学方法对边缘轮廓线进行去噪及细化:借助MATLAB软件中的函数bwperim对二值图像的轮廓线进行细化,对于二值图像中的孤立点采用形态学方法中的先腐蚀再膨胀,腐蚀即把二值图像各1像素连接成分的边界点去掉从而缩小一层,膨胀则是填充边缘或0像素内部的孔。
步骤(5),对点云图像进行遍历搜索,与二值轮廓图像进行像素点坐标匹配:将轮廓线图像上像素为255的点坐标提取出来与二维点云图像上的点进行匹配,若坐标值小于阈值则将其提取出来。
步骤(6),将匹配吻合的点云坐标提取出来构成新的点云,对新的点云进行直线拟合和尺寸测量。
H.采用最小二乘法进行直线拟合,对于提取出来的新的二维点云(x1,y1)(x2,y2)....,要拟合的模型表达式为y=f(x),最小二乘法的直线拟合公式如下:
设直线方程为y=kx+b,得误差表达式为e=∑(yi-k×xi-b)2分别对其关于k和b求导得:
整理得:
设A=∑xi 2 B=∑xi,C=∑yi*xi,D=∑yi;
则方程化为:解方程得到k和b的值就能得到直线方程;
I.对拟合后的直线进行测量,取一条直线,选取满足这条直线方程的两个端点,即X与Y的最大值与最小值点,将这两个坐标点转换到世界坐标系,即将公式(1)进行逆计算,再计算两点间的距离近似为该直线的长度。
Claims (7)
1.一种稀疏点云的目标物尺寸测量方法,其特征在于,包括以下技术步骤:
步骤(1),将点云坐标系转换成图像像素坐标系;
步骤(2),对点云数据在XY平面进行投影,得到二维点云;
步骤(3),对匹配后的图像用Canny算子进行边缘检测;
步骤(4),采用图像形态学方法对边缘轮廓线进行去噪及细化;
步骤(5),对点云图像进行遍历搜索,与二值轮廓图像进行像素点坐标匹配;
步骤(6),将匹配吻合的点云坐标提取出来构成新的点云,对新的点云进行直线拟合和尺寸测量。
2.根据权利要求1所述的稀疏点云的目标物尺寸测量方法,其特征在于,所述步骤(1)的具体步骤为:
A.首先构建双目视觉系觉系统,自制黑白棋盘格,使用matlab标定工具箱进行标定,得到内参矩阵和外参矩阵R、T,标定得到的R是3*1矩阵,通过罗德里格斯变换将R转换为3*3的矩阵;
B.通过双目立体视觉测量系统得到的点云数据是世界坐标系的三维坐标,因此首先需要将其转换到图像像素坐标系;转换公式(1)如下:
其中,R是相机标定后的外参旋转矩阵,T为外参平移矩阵,XC、YC、ZC为目标物在图像坐标系下的坐标,XW、YW、ZW为目标物在世界坐标系下的坐标。
3.根据权利要求2所述的稀疏点云的目标物尺寸测量方法,其特征在于,所述步骤(2)的具体步骤为:
根据公式其中f是摄像机的焦距,T为双目摄像机的摄像头中心距离,d为立体匹配后的视差;当视差d为一恒定值时,深度ZC亦恒定,即可得到在XY平面上的二维点云。
4.根据权利要求3所述的稀疏点云的目标物尺寸测量方法,其特征在于,所述步骤(3)的具体步骤为:
C.将图像转化为灰度图;
D.对灰度图进行高斯滤波,高斯核采用二维高斯核来实现;
E.采用一阶偏导的有限差分来计算梯度幅值及方向,计算公式如下:
其中,f[i,j]代表图像的行和列,M[i,j]为梯度的幅值,Q[i,j]为梯度的方向;
F.寻找梯度幅值的局部最大值,而将非极值点对应的灰度值设置为0,选定一像素点A,判断其灰度值是否在8值邻域内为最大,在判断A点的梯度方向与A点邻域像素的交点再与A点灰度值比较,若小于,则A点非局部极大值点,也是非边缘点;
G.用双阈值法检测和连接边缘,设置两个阈值,分别为高阈值和低阈值;将图像中高于这个高阈值得点连接成轮廓,到达端点时检测在这个点的8值邻域内寻找满足低于低阈值的点,再根据这个点得到新的边缘,直到整个图像的边缘闭合。
5.根据权利要求4所述的稀疏点云的目标物尺寸测量方法,其特征在于,所述步骤(4)的具体步骤为:借助MATLAB软件中的函数bwperim对二值图像的轮廓线进行细化,对于二值图像中的孤立点采用形态学方法中的先腐蚀再膨胀,腐蚀即把二值图像各1像素连接成分的边界点去掉从而缩小一层,膨胀则是填充边缘或0像素内部的孔。
6.根据权利要求5所述的稀疏点云的目标物尺寸测量方法,其特征在于,所述步骤(5)的具体步骤为:将轮廓线图像上像素为255的点坐标提取出来与二维点云图像上的点进行匹配,若坐标值小于阈值则将其提取出来。
7.根据权利要求6所述的稀疏点云的目标物尺寸测量方法,其特征在于,所述步骤(6)的具体步骤为:
H.采用最小二乘法进行直线拟合,对于提取出来的新的二维点云(x1,y1),(x2,y2)....,要拟合的模型表达式为y=f(x),最小二乘法的直线拟合公式如下:
设直线方程为y=kx+b,得误差表达式为e=∑(yi-k×xi-b)2分别对其关于k和b求导得:
整理得:
设A=∑xi 2 B=∑xi,C=∑yi*xi,D=∑yi;
则方程化为:解方程得到k和b的值就能得到直线方程;
I.对拟合后的直线进行测量,取一条直线,选取满足这条直线方程的两个端点,即X与Y的最大值与最小值点,将这两个坐标点转换到世界坐标系,即将公式(1)进行逆计算,再计算两点间的距离近似为该直线的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161137.8A CN109903327B (zh) | 2019-03-04 | 2019-03-04 | 一种稀疏点云的目标物尺寸测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161137.8A CN109903327B (zh) | 2019-03-04 | 2019-03-04 | 一种稀疏点云的目标物尺寸测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109903327A true CN109903327A (zh) | 2019-06-18 |
CN109903327B CN109903327B (zh) | 2021-08-31 |
Family
ID=66946281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910161137.8A Active CN109903327B (zh) | 2019-03-04 | 2019-03-04 | 一种稀疏点云的目标物尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903327B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517221A (zh) * | 2019-07-05 | 2019-11-29 | 银河水滴科技(北京)有限公司 | 基于现实坐标的缝隙定位方法、装置和存储介质 |
CN110930424A (zh) * | 2019-12-06 | 2020-03-27 | 深圳大学 | 器官轮廓分析方法及装置 |
CN110992356A (zh) * | 2019-12-17 | 2020-04-10 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN111432210A (zh) * | 2020-04-30 | 2020-07-17 | 中山大学 | 一种基于填充的点云属性压缩方法 |
CN111429523A (zh) * | 2020-03-16 | 2020-07-17 | 天目爱视(北京)科技有限公司 | 一种在3d建模中远距离标定方法 |
CN111696115A (zh) * | 2020-04-29 | 2020-09-22 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及系统 |
CN111833370A (zh) * | 2020-07-22 | 2020-10-27 | 浙江光珀智能科技有限公司 | 一种飞行像素滤除方法及系统 |
CN111951197A (zh) * | 2020-08-14 | 2020-11-17 | 中国科学院自动化研究所苏州研究院 | 一种基于结构光的点云分割方法 |
CN112001972A (zh) * | 2020-09-25 | 2020-11-27 | 劢微机器人科技(深圳)有限公司 | 托盘位姿定位方法、装置、设备及存储介质 |
CN112634306A (zh) * | 2021-02-08 | 2021-04-09 | 福州大学 | 一种室内可用空间的自动检测方法 |
CN112819883A (zh) * | 2021-01-28 | 2021-05-18 | 华中科技大学 | 一种规则对象检测及定位方法 |
CN113450379A (zh) * | 2021-07-02 | 2021-09-28 | 湖南国天电子科技有限公司 | 一种异形工件断面轮廓线提取和分析方法和装置 |
CN113592791A (zh) * | 2021-07-16 | 2021-11-02 | 华中科技大学 | 一种基于局部能量最小化的轮廓立体匹配方法及系统 |
CN113687365A (zh) * | 2021-06-30 | 2021-11-23 | 云南昆钢电子信息科技有限公司 | 一种基于类平面多高度层轮廓识别及坐标计算方法及系统 |
CN113945159A (zh) * | 2021-10-26 | 2022-01-18 | 中国铁建电气化局集团有限公司 | 一种基于轮廓匹配的螺栓直径测量方法 |
CN114119553A (zh) * | 2021-11-28 | 2022-03-01 | 长春理工大学 | 一种以十字激光为基准的双目视觉异面圆孔检测方法 |
CN114119488A (zh) * | 2021-10-29 | 2022-03-01 | 成都建工第一建筑工程有限公司 | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 |
CN114240944A (zh) * | 2022-02-25 | 2022-03-25 | 杭州安脉盛智能技术有限公司 | 一种基于点云信息的焊接缺陷检测方法 |
CN114488350A (zh) * | 2022-01-18 | 2022-05-13 | 重庆交通大学 | 一种基于雷达图信息处理的山地城市短时降雨预报方法 |
CN116946610A (zh) * | 2023-09-21 | 2023-10-27 | 中科源码(成都)服务机器人研究院有限公司 | 一种智能仓储系统货物拾取方法及装置 |
CN117274995A (zh) * | 2023-11-22 | 2023-12-22 | 北京科技大学 | 基于点云数据的二维泡沫图像标签自动生成方法和装置 |
CN117710396A (zh) * | 2023-12-14 | 2024-03-15 | 安徽工布智造工业科技有限公司 | 一种基于3d点云的轻钢行业非标零件的识别方法 |
CN114119553B (zh) * | 2021-11-28 | 2024-05-10 | 长春理工大学 | 一种以十字激光为基准的双目视觉异面圆孔检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101182990A (zh) * | 2007-11-30 | 2008-05-21 | 华南理工大学 | 一种基于机器视觉的大型在制工件几何测量系统 |
CN103868460A (zh) * | 2014-03-13 | 2014-06-18 | 桂林电子科技大学 | 基于视差优化算法的双目立体视觉自动测量方法 |
US20150036870A1 (en) * | 2013-07-30 | 2015-02-05 | The Boeing Company | Automated graph local constellation (glc) method of correspondence search for registration of 2-d and 3-d data |
CN104778720A (zh) * | 2015-05-07 | 2015-07-15 | 东南大学 | 一种基于空间不变特性的快速体积测量方法 |
CN105551020A (zh) * | 2015-12-03 | 2016-05-04 | 浙江大华技术股份有限公司 | 一种检测目标物尺寸的方法及装置 |
CN106651894A (zh) * | 2017-01-10 | 2017-05-10 | 重庆大学 | 基于点云和图像匹配的自动化喷涂系统坐标变换方法 |
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN106959078A (zh) * | 2017-02-28 | 2017-07-18 | 苏州凡目视觉科技有限公司 | 一种用于三维轮廓测量的轮廓测量方法 |
CN107687816A (zh) * | 2017-08-22 | 2018-02-13 | 大连理工大学 | 一种基于点云局部特征提取装配间隙的测量方法 |
CN107884767A (zh) * | 2017-10-31 | 2018-04-06 | 暨南大学 | 一种双目视觉系统测量船舶距离与高度的方法 |
CN108413864A (zh) * | 2017-02-10 | 2018-08-17 | 菜鸟智能物流控股有限公司 | 物体尺寸测量方法及相关设备 |
US20180356213A1 (en) * | 2016-09-14 | 2018-12-13 | Hangzhou Scantech Co., Ltd | Three-dimensional sensor system and three-dimensional data acquisition method |
-
2019
- 2019-03-04 CN CN201910161137.8A patent/CN109903327B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101182990A (zh) * | 2007-11-30 | 2008-05-21 | 华南理工大学 | 一种基于机器视觉的大型在制工件几何测量系统 |
US20150036870A1 (en) * | 2013-07-30 | 2015-02-05 | The Boeing Company | Automated graph local constellation (glc) method of correspondence search for registration of 2-d and 3-d data |
CN103868460A (zh) * | 2014-03-13 | 2014-06-18 | 桂林电子科技大学 | 基于视差优化算法的双目立体视觉自动测量方法 |
CN104778720A (zh) * | 2015-05-07 | 2015-07-15 | 东南大学 | 一种基于空间不变特性的快速体积测量方法 |
CN105551020A (zh) * | 2015-12-03 | 2016-05-04 | 浙江大华技术股份有限公司 | 一种检测目标物尺寸的方法及装置 |
US20180356213A1 (en) * | 2016-09-14 | 2018-12-13 | Hangzhou Scantech Co., Ltd | Three-dimensional sensor system and three-dimensional data acquisition method |
CN106651894A (zh) * | 2017-01-10 | 2017-05-10 | 重庆大学 | 基于点云和图像匹配的自动化喷涂系统坐标变换方法 |
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN108413864A (zh) * | 2017-02-10 | 2018-08-17 | 菜鸟智能物流控股有限公司 | 物体尺寸测量方法及相关设备 |
CN106959078A (zh) * | 2017-02-28 | 2017-07-18 | 苏州凡目视觉科技有限公司 | 一种用于三维轮廓测量的轮廓测量方法 |
CN107687816A (zh) * | 2017-08-22 | 2018-02-13 | 大连理工大学 | 一种基于点云局部特征提取装配间隙的测量方法 |
CN107884767A (zh) * | 2017-10-31 | 2018-04-06 | 暨南大学 | 一种双目视觉系统测量船舶距离与高度的方法 |
Non-Patent Citations (6)
Title |
---|
DEMING KONG 等,: "K-Plane-Based Classification of Airborne LiDAR Data for Accurate Building Roof Measurement", 《 IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 * |
唐倩等: "基于点云与图像匹配的自动化喷涂系统坐标变换", 《计算机集成制造系统》 * |
张俊勇,: "基于双目视觉的零件多尺寸在线测量方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张娅丽,: "基于投影匹配的姿态测量方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张晶 等,: "《多媒体信息与通信》", 30 November 2017, 西安电子科技大学出版社 * |
解同信,: "最小二乘法求作拟合直线", 《北京工业职业技术学院学报》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517221A (zh) * | 2019-07-05 | 2019-11-29 | 银河水滴科技(北京)有限公司 | 基于现实坐标的缝隙定位方法、装置和存储介质 |
CN110517221B (zh) * | 2019-07-05 | 2022-05-03 | 银河水滴科技(北京)有限公司 | 基于现实坐标的缝隙定位方法、装置和存储介质 |
CN110930424A (zh) * | 2019-12-06 | 2020-03-27 | 深圳大学 | 器官轮廓分析方法及装置 |
CN110930424B (zh) * | 2019-12-06 | 2023-04-18 | 深圳大学 | 器官轮廓分析方法及装置 |
CN110992356A (zh) * | 2019-12-17 | 2020-04-10 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN110992356B (zh) * | 2019-12-17 | 2024-03-08 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN111429523A (zh) * | 2020-03-16 | 2020-07-17 | 天目爱视(北京)科技有限公司 | 一种在3d建模中远距离标定方法 |
CN111696115A (zh) * | 2020-04-29 | 2020-09-22 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及系统 |
CN111696115B (zh) * | 2020-04-29 | 2023-04-14 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及系统 |
CN111432210A (zh) * | 2020-04-30 | 2020-07-17 | 中山大学 | 一种基于填充的点云属性压缩方法 |
CN111833370A (zh) * | 2020-07-22 | 2020-10-27 | 浙江光珀智能科技有限公司 | 一种飞行像素滤除方法及系统 |
CN111951197A (zh) * | 2020-08-14 | 2020-11-17 | 中国科学院自动化研究所苏州研究院 | 一种基于结构光的点云分割方法 |
CN111951197B (zh) * | 2020-08-14 | 2023-10-20 | 中国科学院自动化研究所苏州研究院 | 一种基于结构光的点云分割方法 |
CN112001972A (zh) * | 2020-09-25 | 2020-11-27 | 劢微机器人科技(深圳)有限公司 | 托盘位姿定位方法、装置、设备及存储介质 |
CN112819883A (zh) * | 2021-01-28 | 2021-05-18 | 华中科技大学 | 一种规则对象检测及定位方法 |
CN112819883B (zh) * | 2021-01-28 | 2024-04-26 | 华中科技大学 | 一种规则对象检测及定位方法 |
CN112634306A (zh) * | 2021-02-08 | 2021-04-09 | 福州大学 | 一种室内可用空间的自动检测方法 |
CN113687365B (zh) * | 2021-06-30 | 2023-12-22 | 云南昆钢电子信息科技有限公司 | 一种基于类平面多高度层轮廓识别及坐标计算方法及系统 |
CN113687365A (zh) * | 2021-06-30 | 2021-11-23 | 云南昆钢电子信息科技有限公司 | 一种基于类平面多高度层轮廓识别及坐标计算方法及系统 |
CN113450379B (zh) * | 2021-07-02 | 2022-05-27 | 湖南国天电子科技有限公司 | 一种异形工件断面轮廓线提取和分析方法和装置 |
CN113450379A (zh) * | 2021-07-02 | 2021-09-28 | 湖南国天电子科技有限公司 | 一种异形工件断面轮廓线提取和分析方法和装置 |
CN113592791A (zh) * | 2021-07-16 | 2021-11-02 | 华中科技大学 | 一种基于局部能量最小化的轮廓立体匹配方法及系统 |
CN113592791B (zh) * | 2021-07-16 | 2024-02-13 | 华中科技大学 | 一种基于局部能量最小化的轮廓立体匹配方法及系统 |
CN113945159A (zh) * | 2021-10-26 | 2022-01-18 | 中国铁建电气化局集团有限公司 | 一种基于轮廓匹配的螺栓直径测量方法 |
CN113945159B (zh) * | 2021-10-26 | 2023-08-25 | 中国铁建电气化局集团有限公司 | 一种基于轮廓匹配的螺栓直径测量方法 |
CN114119488A (zh) * | 2021-10-29 | 2022-03-01 | 成都建工第一建筑工程有限公司 | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 |
CN114119488B (zh) * | 2021-10-29 | 2024-05-10 | 成都建工第一建筑工程有限公司 | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 |
CN114119553A (zh) * | 2021-11-28 | 2022-03-01 | 长春理工大学 | 一种以十字激光为基准的双目视觉异面圆孔检测方法 |
CN114119553B (zh) * | 2021-11-28 | 2024-05-10 | 长春理工大学 | 一种以十字激光为基准的双目视觉异面圆孔检测方法 |
CN114488350B (zh) * | 2022-01-18 | 2024-04-30 | 重庆交通大学 | 一种基于雷达图信息处理的山地城市短时降雨预报方法 |
CN114488350A (zh) * | 2022-01-18 | 2022-05-13 | 重庆交通大学 | 一种基于雷达图信息处理的山地城市短时降雨预报方法 |
CN114240944A (zh) * | 2022-02-25 | 2022-03-25 | 杭州安脉盛智能技术有限公司 | 一种基于点云信息的焊接缺陷检测方法 |
CN114240944B (zh) * | 2022-02-25 | 2022-06-10 | 杭州安脉盛智能技术有限公司 | 一种基于点云信息的焊接缺陷检测方法 |
CN116946610B (zh) * | 2023-09-21 | 2023-12-12 | 中科源码(成都)服务机器人研究院有限公司 | 一种智能仓储系统货物拾取方法及装置 |
CN116946610A (zh) * | 2023-09-21 | 2023-10-27 | 中科源码(成都)服务机器人研究院有限公司 | 一种智能仓储系统货物拾取方法及装置 |
CN117274995A (zh) * | 2023-11-22 | 2023-12-22 | 北京科技大学 | 基于点云数据的二维泡沫图像标签自动生成方法和装置 |
CN117274995B (zh) * | 2023-11-22 | 2024-02-13 | 北京科技大学 | 基于点云数据的二维泡沫图像标签自动生成方法和装置 |
CN117710396A (zh) * | 2023-12-14 | 2024-03-15 | 安徽工布智造工业科技有限公司 | 一种基于3d点云的轻钢行业非标零件的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109903327B (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903327A (zh) | 一种稀疏点云的目标物尺寸测量方法 | |
CN107767442B (zh) | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 | |
CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
CN102663820B (zh) | 三维头部模型重建方法 | |
CN104574432B (zh) | 一种自动多视角人脸自拍图像的三维人脸重建方法及系统 | |
CN106839977B (zh) | 基于光栅投影双目成像技术的盾构渣土体积实时测量方法 | |
CN105303616B (zh) | 基于单张照片的浮雕建模方法 | |
CN106408513B (zh) | 深度图超分辨率重建方法 | |
CN103826032B (zh) | 深度图后期处理方法 | |
CN107622480B (zh) | 一种Kinect深度图像增强方法 | |
CN104748683A (zh) | 一种数控机床工件在线自动测量装置及测量方法 | |
Cofaru et al. | A novel speckle pattern—adaptive digital image correlation approach with robust strain calculation | |
CN109472802A (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
CN109215085A (zh) | 一种利用计算机视觉与图像识别的物品统计算法 | |
Xu et al. | Survey of 3D modeling using depth cameras | |
Lin et al. | The initial study of LLS-based binocular stereo-vision system on underwater 3D image reconstruction in the laboratory | |
CN104851127A (zh) | 一种基于交互的建筑物点云模型纹理映射方法及装置 | |
CN109345570B (zh) | 一种基于几何形状的多通道三维彩色点云配准方法 | |
Ackermann et al. | Removing the example from example-based photometric stereo | |
CN104123724B (zh) | 一种3d点云物体的快速检测方法 | |
Patra et al. | High Resolution Point Cloud Generation from Kinect and HD Cameras using Graph Cut. | |
CN113674407B (zh) | 基于双目视觉图像的三维地形重建方法、装置及存储介质 | |
CN109741389A (zh) | 一种基于区域基匹配的局部立体匹配方法 | |
Fan et al. | Collaborative three-dimensional completion of color and depth in a specified area with superpixels |
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 |