CN110210584B - 一种基于改进surf复合算法的高速动态二维码识别方法 - Google Patents
一种基于改进surf复合算法的高速动态二维码识别方法 Download PDFInfo
- Publication number
- CN110210584B CN110210584B CN201910402143.8A CN201910402143A CN110210584B CN 110210584 B CN110210584 B CN 110210584B CN 201910402143 A CN201910402143 A CN 201910402143A CN 110210584 B CN110210584 B CN 110210584B
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- point
- adopting
- edge
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000002131 composite material Substances 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 235000002566 Capsicum Nutrition 0.000 claims description 5
- 239000006002 Pepper Substances 0.000 claims description 5
- 235000016761 Piper aduncum Nutrition 0.000 claims description 5
- 235000017804 Piper guineense Nutrition 0.000 claims description 5
- 235000008184 Piper nigrum Nutrition 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 150000003839 salts Chemical class 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 244000203593 Piper nigrum Species 0.000 claims 1
- 238000012795 verification Methods 0.000 abstract description 2
- 238000003706 image smoothing Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 12
- 241000722363 Piper Species 0.000 description 4
- 239000013598 vector Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 241000566145 Otus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明属于动态检测和QR码识别领域，提供了一种基于改进SURF复合算法的高速动态二维码识别方法：采集图像后利用相位相关算法进行初步匹配与运动补偿，再采用Harris特征点检测法结合SURF特征描述子对相关性能良好的图像进行匹配验证，利用6参数仿射运动参数模型构建运动模型，完成运动估计与补偿以完全提取出运动目标；对目标图像进行预处理后，采用改进的Canny算法结合Hough直线检测确定图形顶点，校正图像畸变，其中改用中值滤波进行图像平滑，采用四阈值方法精确划分边缘信息；最后识别二维码。本发明具有运动目标检测精度高、运算速度快以及能克服各种工况带来的识别影响等优点。
Description
技术领域
本发明涉及动态检测和QR码识别领域，尤其涉及一种高速运动背景下运动物体检测及二维码识别与解码的方法。
背景技术
运动目标检测在视频监控、机器人导航等领域有着广泛的应用，动态背景下的运动目标检测旨在通过运动估计与补偿技术来消除背景运动，将问题转化为静态背景下的运动目标检测。最常用的运动补偿方法是采用特征匹配算法确定连续帧中图像相匹配的特征点，针对计算出的运动矢量进行运动补偿，但这种方法下的运动估计在匹配时易产生较多错误点对，且耗时较大，不太适用于实时性要求较高的场合。
针对二维码，目前常用Canny算子进行边缘检测，并利用位置探测图形的图像宽度比 (1:1:3:1:1)特征、形态学处理或Hough变换对二维码进行定位后完成检测识别工作。但仍然存在不足之处：面对不同的失真情况，简单的边缘检测容易造成边缘细节丢失，再加上单一的定位检测方法，更易导致二维码检测识别效果不够理想。
发明内容
本发明提供了一种基于改进SURF复合算法的高速动态二维码识别方法，能够有效改善 AGV在高速运动过程中检测识别二维码时时效性差的问题：包括相机运动时前景点与背景点检测混淆、运动补偿实时性不高以及高速运动下致使采集二维码图像失真难以识别读取。
本发明为解决上述问题的技术方案，提出一种基于高速运动状态下的二维码实时识别方法，包括以下步骤：
S1:采集图像，在动态背景下采用相位相关算法、Harris角点检测与SURF特征点匹配算法相结合进行图像的全局运动估计与补偿，得到稳定的图像序列；
S2:对稳定的图像序列采用三帧差分算法检测得到运动的区域，提取出运动目标；
S3:对提取的运动目标图形进行预处理；
S4:采用改进的Canny算法结合Hough直线检测进行图像边缘检测与畸变矫正；
S5:对采集到的图像进行解码。
其中，S1中全局运动估计与补偿的方法包括步骤：
根据已有运动图像，利用相位相关算法初步确定前后帧图像中相位相关区域，并通过平移变换进行一次运动补偿；
对粗略补偿后的图像利用Harris算法检测特征点，并结合SURF描述子进行特征点匹配完成运动估计；
利用6参数仿射运动参数模型构建运动模型，确定全局运动参量，再根据上述参量做运动补偿，得到稳定图像序列，后续工作近似于做静态背景下运动目标的检测。
其中，对相关性能良好的图像利用Harris算法检测特征点的过程中，当窗口发生[u,v] 移动时，移动前后对应的像素点灰度变化描述如下，
其中w(x,y)代表窗口函数，如果窗口中心点是角点时，移动前与移动后，该点的灰度变化最为剧烈。
其中，静态背景下运动目标检测的步骤包括：
对匹配后的图像使用三帧帧差法得到运动的区域，并做形态学处理以精确性定位。
其中，三帧帧差法是在得到相邻两帧的差值图像后，将两个差分图像进行与运算、取交集以得到目标轮廓。
其中，对提取的运动目标图形进行预处理的步骤包括：
对图像进行灰度处理；
采用Otus方法对运动目标图形进行二值化。
其中，采用改进的Canny算法结合Hough直线检测进行图像边缘检测与畸变矫正的步骤包括：
S4.1:对二值化图形改用中值滤波以消除易产生的椒盐噪声；
S4.2:利用Canny算子进行卷积计算，得出图像的梯度幅值与方向；
S4.3:对梯度幅值进行非极大值抑制；
S4.4:采取四阈值算法进行边缘检测与连接；
S4.5:采用Hough变换进行旋转矫正；
S4.6:选用透视变换法矫正图形畸变。
其中，检测和连接边缘的具体步骤为：
根据边缘点占梯度模极大值点的比例设定上、下限阈值tup、tdown，选择大于上限阈值的局部模极大值点作为边缘起始点，选择大于下限阈值且与边缘起始点连通的局部模极大值点；
将小于下限阈值或者无法实现连通的局部模极大值点删除，形成广义边缘链；
通过预先设定的链长度阈值tn和tavr(tdown＜tavr＜tup)，删除链长度小于tn、链平均局部模极大值小于tavr的广义边缘链，形成图像边缘。
本发明为解决上述问题的技术方案，提出一种计算机设备，包括输入输出单元、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如前述技术方案所述的基于改进SURF复合算法的高速动态二维码识别方法中的步骤。
本发明为解决上述问题的技术方案，提出一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如前述技术方案所述的基于改进SURF复合算法的高速动态二维码识别方法中的步骤。
与现有技术相比，本发明技术方案的有益效果为：
本发明提出将相位相关算法、Harris特征检测与SURF特征匹配算法结合使用，减少了运算量并且实现了对相关性匹配的多重验证，加强了准确性和时效性；
本发明提出对Canny算法进行优化：改用了中值滤波以更好的消除二维码图像易产生的椒盐噪声；在进行边缘检测时改用四阈值算法确定阈值以准确分割边缘信息，相较于二阈值算法减少了有效边缘信息的丢失、提升了边缘定位的准确度；
本发明提高了AGV在高速运动背景下对二维码扫描读取与识别的稳定性，确保了实时图像处理的快速性，实现了动态背景下识别二维码的应用价值。
附图说明
图1为一种基于改进SURF复合算法的高速动态二维码识别方法的流程图。
图2是待处理的视频图像序列的相邻两帧图像，其中图2(a)是前一帧图像，图2(b)是后一帧图像。
图3是特征匹配的效果图，其中图3(a)对两帧图像进行相位相关处理后再进行SURF 特征匹配效果，图3(b)是对两帧图像进行相位相关处理，采用Harris特征点检测后，用SURF特征描述向量进行特征匹配效果。
图4是Canny算法改进前后的边缘检测效果图，其中图4(a)是采用双阈值法划分边缘信息，图4(b)是采用四阈值法划分边缘信息。
具体实施方式
下面结合具体附图及实施例对本发明进行详细描述。
结合图1，本发明提出的一种基于改进SURF复合算法的高速动态二维码识别方法，步骤如下：
S1:采集图像，在动态背景下采用相位相关算法、Harris角点检测与SURF特征点匹配算法相结合进行图像的全局运动估计与补偿，得到稳定的图像序列。
采集的相邻两帧图像，如图2(a),(b)所示，通过对他们求取互功率谱的傅立叶反变换,得到一个狄拉克函数,再寻找函数峰值点对应的坐标,得到我们所要求得的配准点，初步判定图像中相位相关部分。利用峰值点位置得到相邻图像平移量，对其进行运动补偿，消除背景运动产生的部分偏移量。
对进行一次补偿后的图像进行Harris角点检测，检测到特征点后用SURF进行关键点特征的描述，从而完成特征点匹配，具体为：
首先采用Harris检测角点，当窗口发生[u,v]移动时，移动前后对应的像素点灰度变化描述如下，
其中w(x,y)代表窗口函数，如果窗口中心点是角点时，移动前与移动后，该点的灰度变化最为剧烈；其次，采用SURF 描述子对检测到的特征点进行特征描述，进而完成特征点的精确匹配。
对精确匹配后的图像帧再次利用仿射变换模型进行运动背景补偿，从而得到稳定的图像序列，具体为：
采用RANSAC方法在整个特征点集中搜索到最多点满足的一致性，删除掉剩余的点，然后使用最小二乘法求解全局运动参数，对当前帧进行仿射变换，背景补偿后获得稳定图像序列，此处仿射变换模型采用6参数模型，公式如下，
其中，x1,y1为当前帧特征点位置，x,y为前一帧特征点位置，(a1,a2,a3,a4,t1,t2)为仿射运动模型参数；
S2:对得到的稳定图像序列采用三帧差分算法检测得到运动的区域，提取出运动目标。
三帧帧差法是在得到相邻两帧的差值图像后，将两个差分图像进行与运算、取交集以得到目标轮廓，之后对目标区域做形态学处理以精确性定位。
S3:对提取的运动目标图形进行预处理。
对于提取出的目标图像进行灰度处理和OTSU阈值二值化。
S4:采用改进的Canny算法结合Hough直线检测进行图像边缘检测与畸变矫正。
采用改进后的Canny算法对二值化图形进行边缘检测：采用中值滤波对目标图像进行平滑处理，更好的去除图像中易产生的椒盐噪声；利用Canny算子与相应的图像原数据进行卷积运算，计算图像中每个像素点的梯度强度和方向；对计算出的梯度幅值进行非极大值抑制；用四阈值算法检测和连接边缘。
检测和连接边缘的具体步骤为：首先根据边缘点占梯度模极大值点的比例设定上、下限阈值tup,tdown，然后选择大于上限阈值的局部模极大值点作为边缘起始点，再选择大于下限阈值且与边缘起始点连通的局部模极大值点，将小于下限阈值或者无法实现连通的局部模极大值点删除，形成广义边缘链，最后通过预先设定的链长度阈值tn和 tavr(tdown＜tavr＜tup)，删除链长度小于tn、链平均局部模极大值小于tavr的广义边缘链，形成图像边缘。
在基于改进后的Canny算子进行边缘检测后，对图像做Hough变换寻查直线信息，可得到顶点信息，且含有二维码寻位图形边缘处直线拟合效果较好，尤其正放时左上角寻位图形效果最好，可比余下寻位图形多获得一对垂直相交的直线信息，并由直线关系获得二维码的方向及其畸变控制点。
可通过如下公式进行旋转校正：
其中x0,y0为旋转前像素坐标值，x1,y1为旋转后对应的像素坐标值。
根据获取的畸变控制点，在假设发生形变的图像上取点(x,y),正常情况下对应点为 (u,v),按照以下公式进行映射，矫正形变：
S5:对采集到的图像进行解码。
图3(a)(b)是几种特征匹配的效果图，其中图3(a)是结合相位相关和SURF特征匹配效果，图3(b)是对两帧图像进行相位相关处理，采用Harris特征点检测后，用SURF特征描述向量进行特征匹配效果，可以看出使用相位相关做过粗匹配后，将SURF特征匹配中的检测特征点方法改良为Harris，能有效减少运算量，提升实时匹配效果。
图4(a)(b)是对Canny算法改进前后的效果对比图，其中图4(a)是传统双阈值法划分边缘信息，图4(b)是改用中值滤波后进行四阈值边缘信息划分效果。可以看出中值滤波对椒盐噪声的平滑作用优于高斯滤波，且四阈值划分法提高了边缘信息提取精度，减少了弱边缘信息的误检率。
此外，本发明还提供了一种计算机设备，包括输入输出单元、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如前述技术方案所述的基于改进SURF复合算法的高速动态二维码识别方法中的步骤。
本发明提出一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如前述技术方案所述的基于改进SURF复合算法的高速动态二维码识别方法中的步骤。
以上仅为本发明的实施方式，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等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种基于改进SURF复合算法的高速动态二维码识别方法，其特征在于，包括以下步骤：
S1:采集图像，在动态背景下采用相位相关算法、Harris角点检测与SURF特征点匹配算法相结合进行图像的全局运动估计与补偿，得到稳定的图像序列；
S2:对稳定的图像序列采用三帧差分算法检测得到运动的区域，提取出运动目标；
S3:对提取的运动目标图形进行预处理；
S4:采用改进的Canny算法结合Hough直线检测进行图像边缘检测与畸变矫正；
S5:对采集到的图像进行解码；
所述S1中全局运动估计与补偿的方法包括以下步骤：
S1.1根据已有运动图像，利用相位相关算法初步确定前后帧图像中相位相关区域，并通过平移变换进行一次运动补偿；
S1.2利用Harris算法检测特征点，并结合SURF描述子进行特征点匹配完成运动估计；
S1.3利用6参数仿射运动参数模型构建运动模型，确定全局运动参量，再根据上述参量做运动补偿，得到稳定图像序列，后续工作近似于做静态背景下运动目标的检测；
对相关性能良好的图像利用Harris算法检测特征点的过程中，当窗口发生[u,v]移动时，移动前后对应的像素点灰度变化描述如下，
其中w(x,y)代表窗口函数，如果窗口中心点是角点时，移动前与移动后，该点的灰度变化最为剧烈；
静态背景下运动目标检测的步骤包括：
对所得稳定的图像序列使用三帧差法得到运动的区域，利用相邻两帧的差值图像，将两个差分图像进行与运算、取交集以得到目标轮廓，并做形态学处理以精确性定位；
所述S4中边缘检测及畸变矫正的步骤包括：
S4.1:对二值化图形改用中值滤波以消除易产生的椒盐噪声；
S4.2:利用Canny算子进行卷积计算，得出图像的梯度幅值与方向；
S4.3:对梯度幅值进行非极大值抑制；
S4.4:采取四阈值算法进行边缘检测与连接；
S4.5:采用Hough变换进行旋转矫正；
S4.6:选用透视变换法矫正图形畸变；
边缘检测和连接的具体步骤为：
根据边缘点占梯度模极大值点的比例设定上、下限阈值tup、tdown，选择大于上限阈值的局部模极大值点作为边缘起始点，选择大于下限阈值且与边缘起始点连通的局部模极大值点；
将小于下限阈值或者无法实现连通的局部模极大值点删除，形成广义边缘链；
通过预先设定的链长度阈值tn和tavr(tdown<tavr<tup)，删除链长度小于tn、链平均局部模极大值小于tavr的广义边缘链，形成图像边缘；
采用Hough变换进行旋转矫正的具体步骤为：
在基于改进后的Canny算子进行边缘检测后，对图像做Hough变换寻查直线信息，得到顶点信息，由直线关系获得二维码的方向及其畸变控制点；通过如下公式进行旋转校正：
其中x0,y0为旋转前像素坐标值，x1,y1为旋转后对应的像素坐标值；
选用透视变换法矫正图形畸变的具体步骤为：
根据获取的畸变控制点，在假设发生形变的图像上取点(x,y),正常情况下对应点为(u,v),按照以下公式进行映射，矫正形变：
2.一种计算机设备，其特征在于，包括输入输出单元、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1中所述的基于改进SURF复合算法的高速动态二维码识别方法中的步骤。
3.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1中所述的基于改进SURF复合算法的高速动态二维码识别方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910402143.8A CN110210584B (zh) | 2019-05-14 | 2019-05-14 | 一种基于改进surf复合算法的高速动态二维码识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910402143.8A CN110210584B (zh) | 2019-05-14 | 2019-05-14 | 一种基于改进surf复合算法的高速动态二维码识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110210584A CN110210584A (zh) | 2019-09-06 |
| CN110210584B true CN110210584B (zh) | 2022-10-21 |
Family
ID=67787275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910402143.8A Active CN110210584B (zh) | 2019-05-14 | 2019-05-14 | 一种基于改进surf复合算法的高速动态二维码识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210584B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110795307A (zh) * | 2019-10-18 | 2020-02-14 | 国网浙江宁波市奉化区供电有限公司 | 开关柜的部件状态监测方法 |
| CN111126382B (zh) * | 2019-12-04 | 2023-12-05 | 山东浪潮科学研究院有限公司 | 一种用于ocr识别的基于关键点定位的票据矫正方法 |
| CN112101060B (zh) * | 2020-10-28 | 2023-06-23 | 山东青橙视联信息科技有限公司 | 基于平移不变性和小区域模板匹配的二维码定位方法 |
| CN112651259B (zh) * | 2020-12-29 | 2024-08-06 | 芜湖哈特机器人产业技术研究院有限公司 | 二维码的定位方法、基于二维码的移动机器人定位方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729857A (zh) * | 2013-12-09 | 2014-04-16 | 南京理工大学 | 一种基于二次补偿的移动相机下运动目标检测方法 |
| CN104408742A (zh) * | 2014-10-29 | 2015-03-11 | 河海大学 | 一种基于空间-时间频谱联合分析的运动目标检测方法 |
| CN108197521A (zh) * | 2017-12-31 | 2018-06-22 | 南京理工大学 | 一种多相位二维码获取识别装置及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9324003B2 (en) * | 2009-09-14 | 2016-04-26 | Trimble Navigation Limited | Location of image capture device and object features in a captured image |
| US9240021B2 (en) * | 2010-11-04 | 2016-01-19 | Digimarc Corporation | Smartphone-based methods and systems |
| CN103971400B (zh) * | 2013-02-06 | 2018-02-02 | 阿里巴巴集团控股有限公司 | 一种基于标识码的三维交互的方法和系统 |
| CN109584356A (zh) * | 2018-11-23 | 2019-04-05 | 东南大学 | 一种M-array图像自适应局部窗口解码的多视重构方法 |
-
2019
- 2019-05-14 CN CN201910402143.8A patent/CN110210584B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729857A (zh) * | 2013-12-09 | 2014-04-16 | 南京理工大学 | 一种基于二次补偿的移动相机下运动目标检测方法 |
| CN104408742A (zh) * | 2014-10-29 | 2015-03-11 | 河海大学 | 一种基于空间-时间频谱联合分析的运动目标检测方法 |
| CN108197521A (zh) * | 2017-12-31 | 2018-06-22 | 南京理工大学 | 一种多相位二维码获取识别装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 动态跟踪中背景补偿与目标运动估计;周斌 等;《动态跟踪中背景补偿与目标运动估计》;20101130;第30卷(第11期);第1305-1309页 * |
| 基于canny算子的白酒显微图像边缘提取;刘远仲 等;《四川理工学院学报（自然科学版）》;20110630;第24卷(第3期);第314-344页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110210584A (zh) | 2019-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210584B (zh) | 一种基于改进surf复合算法的高速动态二维码识别方法 | |
| Choi et al. | RGB-D edge detection and edge-based registration | |
| CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
| CN106981077B (zh) | 基于dce和lss的红外图像和可见光图像配准方法 | |
| CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
| Steger | Subpixel-precise extraction of lines and edges | |
| CN107452030B (zh) | 基于轮廓检测和特征匹配的图像配准方法 | |
| CN111931538A (zh) | 一种Micro QR二维码的定位方法 | |
| CN112651259B (zh) | 二维码的定位方法、基于二维码的移动机器人定位方法 | |
| CN103337077A (zh) | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 | |
| CN113674220A (zh) | 一种图像差异检测方法、检测装置和存储介质 | |
| Luo et al. | Improved Harris corner detection algorithm based on canny edge detection and Gray difference preprocessing | |
| Holtzman-Gazit et al. | Salient edges: A multi scale approach | |
| CN116563582A (zh) | 基于国产CPU和opencv的图像模板匹配方法及装置 | |
| CN117078726A (zh) | 一种基于边缘提取的异谱图像配准方法 | |
| Dryanovski et al. | Real-time pose estimation with RGB-D camera | |
| CN115294358A (zh) | 特征点提取方法、装置、计算机设备及可读存储介质 | |
| CN110298799B (zh) | 一种pcb图像定位校正方法 | |
| Song et al. | Edge-guided depth map enhancement | |
| CN107451574B (zh) | 一种基于类Haar视觉特征感知的运动估计方法 | |
| San et al. | Feature based disparity estimation using hill-climbing algorithm | |
| Liu et al. | A new segment-based algorithm for stereo matching | |
| Liu et al. | GOCD: Gradient order curve descriptor | |
| Rhee et al. | Split and merge approach for detecting multiple planes in a depth image | |
| CN117765272B (zh) | 一种辐射-几何不变的异源影像控制点提取方法 |
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 |