CN110222688B - 一种基于多层次相关滤波的仪表定位方法 - Google Patents

一种基于多层次相关滤波的仪表定位方法 Download PDF

Info

Publication number
CN110222688B
CN110222688B CN201910498541.4A CN201910498541A CN110222688B CN 110222688 B CN110222688 B CN 110222688B CN 201910498541 A CN201910498541 A CN 201910498541A CN 110222688 B CN110222688 B CN 110222688B
Authority
CN
China
Prior art keywords
focus
instrument
image
focal length
far
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
Application number
CN201910498541.4A
Other languages
English (en)
Other versions
CN110222688A (zh
Inventor
吕青松
唐云丰
高云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Renhe Automation Equipment Co.,Ltd.
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201910498541.4A priority Critical patent/CN110222688B/zh
Publication of CN110222688A publication Critical patent/CN110222688A/zh
Application granted granted Critical
Publication of CN110222688B publication Critical patent/CN110222688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理，具体为一种基于多层次相关滤波的仪表定位方法，包括采集远中近焦距仪表图像作为模板图；人工标定焦距模板图的仪表中心，框住仪表最小矩形；提取模板图的HOG特征；制作相关滤波器；提取实际仪表图片HOG特征；用远焦距相关滤波器计算实际图片响应值；放大最大响应值仪表区域至中焦距；提取中焦距仪表区域HOG特征；计算中焦距仪表区域响应值；放大最大响应值仪表区域至近焦距；提取近焦距仪表区域HOG特征；计算近焦距仪表区域响应值；最大响应值仪表区域则为精确仪表位置；本采用逐步放大图像，层层定位，有着极高的仪表定位精度；提取的特征不易受表盘的复杂因素影响，有着较高的鲁棒性；识别迅速，高效定位。

Description

一种基于多层次相关滤波的仪表定位方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于多层次相关滤波的仪表定位方法。
背景技术
随着智能机器人技术诞生与发展，仪表识别逐渐成为核心关键技术之一，但仪表识别的前提在于能精确定位仪表位置，在现有的方法中大多数是利用一两个特征，直接进行定位，此类方法极易受到复杂表面影响导致，定位出错，定位精度不高。所以需要发明一种定位精度高，实时性好的方法。
在《基于ORB和改进Hough变换的指针仪表智能识读方法》(朱柏林,郭亮,吴清文，仪表技术与传感器)中提出一种基于ORB算法的仪表定位方法，通过预先建立仪表模板库，利用ORB特征来匹配待识别图中的仪表，从而得到仪表的位置。ORB算法计算量小，实时性较好，但特征点受光照影响较大，容易导致匹配错误对数较多，需要较好的筛选，且容易出现特征点数量过少的情况，对结果简单的仪表容易匹配错误。
在《基于局部自适应核回归的仪表定位方法》(杜烨宇,陶大鹏,梁虹,林旭，数据采集与处理)中提出基于局部自适应核回归的仪表定位算法，通过预先建立模板仪表图像，对模板图像和待检测图像分别利用局部转向核函数提取图像特征，采用矩阵余弦相似性、显著性检验、非极大值抑制法来得到仪表位置。大实际过程中时间复杂度仍较高，不满足变电站的实时性需求。
从以上分析可以看出，目前仪表定位仍存在许多问题，因此有必要提出一种定位精度高、鲁棒性强、实时性好的定位方法。本方法通过多层次对齐实现误差逐步缩小，通过方向梯度直方图特征与相关滤波器函数保证误差的缩小能力使得具有极强鲁棒性，方法简单有效。
发明内容
基于现有技术存在的问题，为了识别变电站的仪表位置，本发明提出一种基于多层次相关滤波的仪表定位方法，包括准备阶段和正式识别阶段，其中准备阶段包括：
S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；
S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；
S13：提取模板图的方向梯度直方图特征(Histogram of Oriented Gradient,HOG)，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；
正式阶段为：
S21：提取实际仪表图像方向梯度直方图特征；
S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；
S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；
S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；
S25：放大仪表位置区域至近焦距，提取近焦距仪表区域方向梯度直方图特征；
S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。
进一步的，所述采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图包括：以实际仪表图像的初始图像作为近焦距模板图；以原始图像的大小为最小矩形框，放大图片，以仪表占满最小矩形框时的焦距为远焦距；以远焦距的二分之一焦距为中焦距。
进一步的，所述训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器包括：利用模板图方向梯度直方图特征与相关滤波器函数分别训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；在相关滤波器函数中，第i个图像的标签函数为yi，yi∈[0,1]，利用高斯函数作为权值函数使得当图像越靠近仪表旋转中心时，yi越大，当xi处于中心时，yi＝1，xi＝0；相关滤波器函数表示为：
f(xi)＝wTxi；
其中，xi为第i个图像的方向梯度直方图特征，wT为权值函数。
进一步的，训练远焦距相关滤波器包括：
Figure GDA0003017496730000031
其中，g(p)为远焦距相关滤波器，
Figure GDA0003017496730000032
为实际图方向梯度直方图特征p向量与第x1个焦距图核卷积，
Figure GDA0003017496730000033
为x1焦距下的高斯核函数，yi为第i个图像的标签函数；.*表示点乘，即向量的内积。
进一步的，中焦距相关滤波器包括：
Figure GDA0003017496730000034
其中，g(p1)为中焦距相关滤波器，
Figure GDA0003017496730000035
为实际图方向梯度直方图特征p1向量与第x2个焦距图核卷积，
Figure GDA0003017496730000036
为x2焦距下的高斯核函数。
进一步的，训练近焦距相关滤波器包括：
Figure GDA0003017496730000037
其中，g(p2)为近焦距相关滤波器，
Figure GDA0003017496730000038
为实际图方向梯度直方图特征P2向量与第x3个焦距图核卷积，
Figure GDA0003017496730000039
为x3焦距下的高斯核函数。
进一步的，提取实际仪表图像方向梯度直方图特征包括：
Figure GDA0003017496730000041
Figure GDA0003017496730000042
其中，M(x,y)表示梯度的幅度值，θ(x,y)表示梯度的方向；x为图像的横坐标，y为图像的纵坐标；Ix、Iy表示在x、y方向上的梯度值。
进一步的，所述放大仪表位置区域至中焦距具体包括：设初始图像大小为[w,h]，若中焦距为近焦距的k倍，即中焦距放大了k倍，当远焦距滤波器最大值所得中心坐标为(a,b)，则：
仪表位置的左上角坐标：
Figure GDA0003017496730000043
仪表位置的右上角坐标：
Figure GDA0003017496730000044
仪表位置的左下角坐标：
Figure GDA0003017496730000045
仪表位置的右下角坐标：
Figure GDA0003017496730000046
其中，w为初始图像的长，h为初始图像的高，a为远焦距滤波器最大值所得中心的横坐标，b为远焦距滤波器最大值所得中心的纵坐标。
本发明的有益效果包括以下几个方面：
1、本发明通过多层次，逐步缩小误差，使得定位误差可达到3个像素误差范围内，具有极高的仪表定位精度；
2、本发明通过利用HOG特征，对光照不敏感，计算简单保证时效性；
3、本方法利用HOG特征与相关滤波器函数训练相关滤波器，使得具备极强的误差缩减能力，保障了层层缩小的效果；
附图说明
图1为本发明采用的方法流程图。
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，以下结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
本发明提出了一种基于多层次相关滤波的仪表定位方法，如图1所示，包括准备阶段和正式识别阶段，其中准备阶段包括：
S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；
S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；
S13：提取模板图的方向梯度直方图特征，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器；
正式阶段为：
S21：提取实际仪表图像方向梯度直方图特征；
S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；
S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；
S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；
S25：放大仪表位置区域至近焦距，提取近焦距仪表区域方向梯度直方图特征；
S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。
在本发明中，根据拍摄位置与仪表位置来确定焦距模板图，所述采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图包括：以实际仪表图像的初始图像作为近焦距模板图；以原始图像的大小为最小矩形框，放大图片，以仪表占满最小矩形框时的焦距为远焦距；以远焦距的二分之一焦距为中焦距。
得到模板图之后，人工标定模板图的旋转中心，用最小矩形框住仪表区域，提取模板图的方向梯度直方图特征，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器，训练过程包括：利用模板图HOG特征与相关滤波器函数分别训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器，在相关滤波器函数中，第i个图像的标签函数为yi，yi∈[0,1]，利用高斯函数作为权值函数使得当图像越靠近仪表旋转中心时，yi越大，当xi处于中心时，yi＝1，xi＝0；则相关滤波器函数表示为：
f(xi)＝wTxi；
其中，xi为第i个图像的方向梯度直方图特征，wT为权值函数。
根据相关滤波器函数可以分别得到远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器，分别表示为：
远焦距相关滤波器表示为：
Figure GDA0003017496730000061
其中，g(p)为远焦距相关滤波器，
Figure GDA0003017496730000062
为实际图方向梯度直方图特征P向量与第x1个焦距图核卷积，
Figure GDA0003017496730000063
为x1焦距下的高斯核函数，yi为第i个图像的标签函数；.*表示点乘，即向量的内积。
中焦距相关滤波器，表示为：
Figure GDA0003017496730000064
其中，g(p1)为中焦距相关滤波器，
Figure GDA0003017496730000065
为实际图方向梯度直方图特征p1向量与第x2个焦距图核卷积，
Figure GDA0003017496730000066
为x2焦距下的高斯核函数。
近焦距相关滤波器包括：
Figure GDA0003017496730000067
其中，g(p2)为近焦距相关滤波器，
Figure GDA0003017496730000068
为实际图方向梯度直方图特征p2向量与第x3个焦距图核卷积，
Figure GDA0003017496730000069
为x3焦距下的高斯核函数。
在正式对仪表位置定位的阶段，提取实际仪表图像方向梯度直方图特征，利用前面的远焦距相关滤波器计算实际仪表图像方向梯度直方图特征相应值，该相应值的最大值即为仪表位置区域；放大仪表位置区域至中焦距，包括：设初始图像大小为[w,h]，若中焦距为近焦距的k倍，即中焦距放大了k倍，当近焦距滤波器最大值所得中心坐标为(a,b)，则：
仪表位置的左上角坐标：
Figure GDA0003017496730000071
仪表位置的右上角坐标：
Figure GDA0003017496730000072
仪表位置的左下角坐标：
Figure GDA0003017496730000073
仪表位置的右下角坐标：
Figure GDA0003017496730000074
其中，w为初始图像的长，h为初始图像的高，a为远焦距滤波器最大值所得中心的横坐标，b为远焦距滤波器最大值所得中心的纵坐标。
提取上述放大的中焦距仪表区域方向梯度直方图特征；利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征，进一步定位仪表位置区域；放大仪表位置区域至近焦距，放大过程与放大仪表位置区域至中焦距的过程相同，放大的倍数可能不同，以实际的近焦距的焦距倍数为准，提取远焦距仪表区域方向梯度直方图特征；利用前面的近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征，近焦距仪表区域方向梯度直方图特征的最大值即为精确的仪表位置。
需要说明的是，本发明所述的近焦距、远焦距以及中焦距可以包括至少三个或者三个以上的焦距图像，当焦距图像越多，定位的精度越高，当选择3个以上图像时，选择的图像除了近焦距、远焦距以及中焦距以外的图像为靠近远焦距位置的图像。
本发明为了说明，选择方向梯度直方图特征，也可以选择具有图像特征具备尺度、旋转不变性的特征；另外，本发明的权值函数不限于高斯函数，可以是任一具有单峰值的函数。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于多层次相关滤波的仪表定位方法，特征在于，包括准备阶段和正式识别阶段，其中准备阶段包括：
S11：采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图；
S12：人工标定模板图的旋转中心，用最小矩形框住仪表区域；
S13：提取模板图的方向梯度直方图特征，训练远焦距相关滤波器、中焦距相关滤波器、近焦距相关滤波器，在相关滤波器函数中，第i个图像的标签函数为yi，yi∈[0,1]，利用高斯函数作为权值函数使得当图像越靠近仪表旋转中心时，yi越大，当xi处于中心时，yi＝1，xi＝0，远焦距相关滤波器表示为：
Figure FDA0003017496720000011
其中，g(p)为远焦距相关滤波器，
Figure FDA0003017496720000012
为实际图方向梯度直方图特征p向量与第x1个焦距图核函数，
Figure FDA0003017496720000013
为x1焦距下的高斯核函数，yi为第i个图像的标签函数；.*表示点乘，即向量的内积；正式阶段为：
S21：提取实际仪表图像方向梯度直方图特征；
S22：利用远焦距相关滤波器计算实际仪表图像方向梯度直方图与远焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为仪表位置区域；
S23：放大仪表位置区域至中焦距，提取中焦距仪表区域方向梯度直方图特征；
S24：利用中焦距相关滤波器计算中焦距仪表区域方向梯度直方图特征与中焦距模板图的方向梯度直方图的响应值，根据该响应值的最大位置定位仪表位置区域；
S25：放大仪表位置区域至近焦距，提取近焦距仪表区域方向梯度直方图特征；
S26：利用近焦距相关滤波器计算近焦距仪表区域方向梯度直方图特征与近焦距模板图的方向梯度直方图的响应值，该响应值的最大值即为精确的仪表位置。
2.根据权利要求1所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，所述采集远焦距仪表图、中焦距仪表图、近焦距仪表图作为模板图包括：以实际仪表图像的初始图像作为近焦距模板图；以原始图像的大小为最小矩形框，放大图片，以仪表占满最小矩形框时的焦距为远焦距；以远焦距的二分之一焦距为中焦距。
3.根据权利要求1所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，训练中焦距相关滤波器包括：
Figure FDA0003017496720000021
p1＝max(g(p))；
其中，g(p1)为中焦距相关滤波器，
Figure FDA0003017496720000022
为实际图方向梯度直方图特征p1向量与第x2个焦距图核函数，
Figure FDA0003017496720000023
为x2焦距下的高斯核函数，g(p)为远焦距相关滤波器，yi为第i个图像的标签函数；.*表示点乘，即向量的内积。
4.根据权利要求3所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，训练近焦距相关滤波器包括：
Figure FDA0003017496720000024
p2＝max(g(p1))；
其中，g(p2)为近焦距相关滤波器，
Figure FDA0003017496720000025
为实际图方向梯度直方图特征P2向量与第x3个焦距图核函数，
Figure FDA0003017496720000026
为x3焦距下的高斯核函数，g(p1)为中焦距相关滤波器，yi为第i个图像的标签函数；.*表示点乘，即向量的内积。
5.根据权利要求1所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，提取实际仪表图像方向梯度直方图特征包括：
Figure FDA0003017496720000027
Figure FDA0003017496720000028
其中，M(x,y)表示梯度的幅度值，θ(x,y)表示梯度的方向；x为图像的横坐标，y为图像的纵坐标；Ix、Iy表示在x、y方向上的梯度值。
6.根据权利要求1所述的一种基于多层次相关滤波的仪表定位方法，其特征在于，所述放大仪表位置区域至中焦距具体包括：设初始图像大小为[w,h]，若中焦距为近焦距的k倍，即中焦距放大了k倍，当远焦距滤波器最大值所得中心坐标为(a,b)，则：
仪表位置的左上角坐标：
Figure FDA0003017496720000031
仪表位置的右上角坐标：
Figure FDA0003017496720000032
仪表位置的左下角坐标：
Figure FDA0003017496720000033
仪表位置的右下角坐标：
Figure FDA0003017496720000034
其中，w为初始图像的长，h为初始图像的高，a为远焦距滤波器最大值所得中心的横坐标，b为远焦距滤波器最大值所得中心的纵坐标。
CN201910498541.4A 2019-06-10 2019-06-10 一种基于多层次相关滤波的仪表定位方法 Active CN110222688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498541.4A CN110222688B (zh) 2019-06-10 2019-06-10 一种基于多层次相关滤波的仪表定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498541.4A CN110222688B (zh) 2019-06-10 2019-06-10 一种基于多层次相关滤波的仪表定位方法

Publications (2)

Publication Number Publication Date
CN110222688A CN110222688A (zh) 2019-09-10
CN110222688B true CN110222688B (zh) 2021-06-18

Family

ID=67816161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498541.4A Active CN110222688B (zh) 2019-06-10 2019-06-10 一种基于多层次相关滤波的仪表定位方法

Country Status (1)

Country Link
CN (1) CN110222688B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114750147B (zh) * 2022-03-10 2023-11-24 深圳甲壳虫智能有限公司 机器人的空间位姿确定方法、装置和机器人

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921177A (zh) * 2018-06-22 2018-11-30 重庆邮电大学 变电站巡检机器人的仪表定位方法
CN109086763A (zh) * 2018-07-23 2018-12-25 国网辽宁省电力有限公司信息通信分公司 一种指针式仪表读取方法及装置
CN109740591A (zh) * 2018-11-14 2019-05-10 国网浙江宁波市鄞州区供电有限公司 一种仪表识别算法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101543409A (zh) * 2008-10-24 2009-09-30 南京大学 远距离虹膜识别装置
CN103324908A (zh) * 2012-03-23 2013-09-25 桂林电子科技大学 用于虹膜识别的快速虹膜采集判断控制方法
US8774510B2 (en) * 2012-09-11 2014-07-08 Sharp Laboratories Of America, Inc. Template matching with histogram of gradient orientations
CN107992863B (zh) * 2018-01-10 2021-12-24 河南工业大学 多分辨率粮虫种类视觉识别方法
CN109272000B (zh) * 2018-09-10 2022-01-25 南方电网电力科技股份有限公司 一种机器人仪表对准和调焦方法及装置
CN109858472B (zh) * 2019-04-09 2023-08-04 武汉领普科技有限公司 一种嵌入式实时人形检测方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921177A (zh) * 2018-06-22 2018-11-30 重庆邮电大学 变电站巡检机器人的仪表定位方法
CN109086763A (zh) * 2018-07-23 2018-12-25 国网辽宁省电力有限公司信息通信分公司 一种指针式仪表读取方法及装置
CN109740591A (zh) * 2018-11-14 2019-05-10 国网浙江宁波市鄞州区供电有限公司 一种仪表识别算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
a coarse-to-fine approach for industrial meter detection and its application;li fang et al.;《2016 IEEE workshop on advanced robotics and its social impacts》;20161107;第214-220页 *
一种自动读取指针式仪表读取的方法;李巍等;《南京大学学报（自然科学）》;20190131;第55卷(第1期);第117-124页 *

Also Published As

Publication number Publication date
CN110222688A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN112257676B (zh) 一种指针式仪表读数方法、系统以及巡检机器人
CN109035292B (zh) 基于深度学习的运动目标检测方法及装置
Jiale et al. Reading recognition method of analog measuring instruments based on improved hough transform
CN115375917B (zh) 一种目标边缘特征提取方法、装置、终端及存储介质
CN111950370B (zh) 动态环境下线拓展视觉里程计方法
CN112634368A (zh) 场景目标的空间与或图模型生成方法、装置及电子设备
CN111862189B (zh) 体尺信息确定方法、装置、电子设备和计算机可读介质
CN110222688B (zh) 一种基于多层次相关滤波的仪表定位方法
CN108447092B (zh) 视觉定位标识物的方法及装置
CN111445480B (zh) 一种基于新型模板的图像旋转角度和缩放系数测量方法
CN112560839A (zh) 指针式仪表读数的自动识别方法及系统
CN112215266A (zh) 一种基于小样本学习的x光图像违禁物品检测方法
CN114926417B (zh) 高密度柔性fpc表面弱划痕的显微成像检测方法及系统
CN115601569A (zh) 一种基于改进piifd的异源图像优化匹配方法及系统
CN115588196A (zh) 基于机器视觉的指针型仪表读数方法和装置
CN114549857A (zh) 图像信息识别方法、装置、计算机设备和存储介质
Wu et al. An accurate feature point matching algorithm for automatic remote sensing image registration
CN113643369A (zh) 针对遥感影像的定位信息校正方法
CN109815791B (zh) 基于血管的身份识别方法和装置
CN115731403A (zh) 一种图像对齐方法、装置、存储介质及电子设备
CN110738225B (zh) 图像识别方法及装置
CN112308812A (zh) 一种检测图片清晰度的方法、终端和存储介质
CN117115488B (zh) 一种基于图像处理的水表检测方法
CN111325194A (zh) 一种文字识别方法、装置及设备、存储介质
CN116012283B (zh) 一种全自动超声图像量测方法、设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20231213

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 400065 Chongwen Road, Nanshan Street, Nanan District, Chongqing

Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240108

Address after: 710000, No. 4, Building 1, 9th Street, Hardware and Electromechanical Zone B, South China City, International Port Area, Xi'an City, Shaanxi Province

Patentee after: Shaanxi Renhe Automation Equipment Co.,Ltd.

Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Dragon totem Technology (Hefei) Co.,Ltd.

TR01 Transfer of patent right