CN110490932B - 单目红外共面光标迭代优化测量行车吊臂空间位姿方法 - Google Patents
单目红外共面光标迭代优化测量行车吊臂空间位姿方法 Download PDFInfo
- Publication number
- CN110490932B CN110490932B CN201910772618.2A CN201910772618A CN110490932B CN 110490932 B CN110490932 B CN 110490932B CN 201910772618 A CN201910772618 A CN 201910772618A CN 110490932 B CN110490932 B CN 110490932B
- Authority
- CN
- China
- Prior art keywords
- infrared
- cursor
- image
- coplanar
- iteration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000014616 translation Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000916 dilatatory effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10048—Infrared image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种单目红外共面光标迭代优化测量行车吊臂空间位姿的方法，该专利通过单目视觉迭代优化方法检测行车吊臂空间参数。首先采用图像处理技术提取红外共面四点光标的中心坐标，结合李群的非线性优化迭代方法和空间参数转换方法，实现了行车吊臂空间位姿参数的快速检测与识别计算。本发明在保证系统测量精度和稳定性的条件下，提高了检测和计算速度，可以进行快速的目标检测和空间参数获取，有效解决了工业行车吊臂空间位姿参数的实时性测量问题。
Description
技术领域
本发明涉及钢铁厂无人化行车系统领域，特别是涉及一种单目红外共面四点迭代优化测量行车吊臂空间位姿方法。
背景技术
无人行车系统是一个包含了多个子系统的复杂系统，防摇控制系统是其中一个子系统，负责对运动作业过程中行车吊臂的精确控制并保证行车能够平稳运行。防摇控制的前提是需要获取实时精准的行车吊臂空间位姿参数。目前，行车吊臂空间角度参数检测难点在于需要实时高速的采集计算并发送给行车控制器，因此高效快速的目标检测和空间参数计算显得尤为重要。
目前采用的双面视觉技术存在时间长、实时性差的问题，不利于防摇实时控制。与双目视觉测量相比，单目视觉测量可以省去复杂的空间参数匹配时间，具有计算耗时短、效率高且易维护的特点为解决上述问题，本专利采用单目视觉技术，并结合李群优化迭代的方法，在保证测量系统精度和稳定性的条件下，显著提高了检测和计算速度。
发明内容
技术问题：本发明的目的是提供一种单目红外共面光标迭代优化测量行车吊臂空间位姿方法。可以快速计算行车吊臂的空间位姿参数，有效解决工业行车吊臂的空间位姿参数的实时准确测量问题。
技术方案：为达到此目的，本发明的一种单目红外共面光标迭代优化测量行车吊臂空间位姿方法采用以下技术方案：
该方法包括以下步骤：
S1:采用相机单目视觉采集红外共面光标图片，对采集到的图像中红外光标提取灰度重心，求取各个中心坐标；
S2：确定合作靶标红外共面光标的几何位置与成像投影的对应关系；
S3：对采集相机进行内外参数标定，确定成像中心、畸变系数，对步骤S1采集到的图像做成像畸变参数矫正；
S4：将相机与合作靶标的相对位姿问题转换为非线性优化迭代问题，将空间位姿参数矩阵用李代数表示，将得到的表达式进行非线性迭代后最终收敛到真实解，得到旋转矩阵和平移量；
S5：利用空间三维模型转换关系将步骤S4求得的空间位姿真实解转化为行车吊臂空间位姿直观解。
所述步骤S1中，对采集到的图像中红外光标提取灰度重心的过程包含以下步骤：
S11:对原图像先进行高斯滤波操作，也就是对每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，对图像作平滑处理消除高斯噪声；
S12:设置阈值和卷积核的大小，对图像进行形态学二值化开运算，即先腐蚀后膨胀，消除图像背景中的孤立噪声点和毛刺；
S13:采用Canny算法提取各个连通域的轮廓，对图像中的光标连通域进行寻找并逐一提取；
S14：对步骤S13求得的连通域轮廓分别利用灰度重心法求取重心坐标，即四个红外光标的重心坐标。
所述步骤S4具体包括以下步骤：
S41:将相机与合作靶标的相对位姿问题转化为下式的非线性优化迭代，即求解图像坐标真实解与步骤S1求得的图像坐标的误差最小化，如下式所示；
式(1)中，E(ξ*)为误差项，q′i为图像处理的方法得到四个测量标定点的坐标，
为红外光标的实际物理坐标，ξ为李代数，∧广泛的表达为“从向量到矩阵”，n是点的个数；
S42：对步骤S41的表达式用李群的方法表示，即用李代数表示相机坐标与标定物坐标之间的旋转矩阵和平移量；
S43：对李代数左乘扰动量来迭代收敛，提高收敛速度，求解误差项关于优化变量的导数，即对第K次迭代下的目标函数进行线性化，作一阶泰勒展开后消除二次项信息；
S44：对步骤S43线性化表示后的式子与非线性迭代误差表达式合并，并对其进行求导；
S45：对步骤S44得到的求导后式子设置为0，求得下一次迭代所需的变化量李代数，带入下式后求得第K+1次迭代下的李代数；
exp(ξk ∧)exp(Δξk ∧)＝exp(ξk+1 ∧)
上式中，exp(*∧)表示矩阵指数，ξk表示第K次迭代后李代数，ξk+1表示第K+1次迭后李代数，Δξk表示李代数的变化量；
S46：对步骤S45求得的李代数带入式
后重复S43到S45直至收敛到真实值。
所述步骤S5，将S4求出的平移量和旋转矩阵进一步转换为直观的地理坐标系下X轴正南方向、Y轴正东方向的摆角θ和
目标距离地面的真实高度h以及物体旋转角度ρ；位姿求解后的原点坐标在相机坐标系下的坐标为(x,y,z),那么正东方向的夹角为argtan(x/z)，正南方向的夹角为argtan(y/x)。
有益效果：本发明公开了一种单目红外共面四点迭代优化测量行车吊臂空间位姿方法。通过红外共面四点光标的几何位置与成像投影的对应关系，利用基于李群的非线性优化迭代方法求解空间位姿参数，继而转化为四个吊臂模型姿态量，可以快速计算行车吊臂的空间位姿参数。有效解决了工业行车吊臂的空间位姿参数的实时准确测量问题。
附图说明
图1为本发明具体实施方式中求解空间位姿参数算法流程图；
图2为单目视觉测量系统框架图；
图3为吊臂空间模型；
图4为红外标定点的旋转变化图。
具体实施方式
下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种基于单目红外共面四点迭代优化测量行车吊臂空间位姿方法，包括如下步骤：
S1:采集红外共面光标图片，对采集到的图像中红外光标提取灰度重心，求取各个中心坐标；
S2：确定合作靶标(即红外共面光标)的几何位置与成像投影的对应关系；
S3：对采集相机进行内外参数标定，确定成像中心、畸变系数，对步骤1采集到的图像作成像畸变参数矫正；
S4：将相机与合作靶标的相对位姿问题转换为非线性优化迭代问题，将空间位姿参数矩阵用李代数表示，将得到的表达式进行非线性迭代后最终收敛到真实解，得到旋转矩阵和平移量；
S5：利用空间三维模型转换关系将步骤4求得的空间位姿真实解转化为行车吊臂空间位姿直观解。
步骤S1中，对采集到的图像中红外光标求取中心坐标的过程包括以下步骤：
S11:对原图像先进行高斯滤波操作，也就是对每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，对图像作平滑处理消除高斯噪声；
S12:设置阈值和卷积核的大小，对图像进行形态学二值化开运算，即先腐蚀后膨胀，消除图像背景中的孤立噪声点和毛刺；
S13:采用Canny算法提取各个连通域的轮廓，对图像中的光标连通域进行寻找并逐一提取；将得到的中心坐标作进一步的处理，加入相机内参数的镜头畸变矫正，内参数的求取方法采用张正友平面标定法。
步骤S4具体包括以下步骤：
S41:将相机与标定物的相对位姿问题转化为下式的非线性优化迭代，即求解图像坐标真实解与步骤S1求得的图像坐标的误差最小化，如下式所示；
式中，E(ξ*)为误差项，q′i为图像处理的方法得到四个测量标定点的坐标，
为红外光标的实际物理坐标，ξ为李代数；
S42：对步骤S41的表达式用李群的方法表示，即用李代数表示相机坐标与标定物坐标之间的旋转矩阵和平移量；
S43：对李代数左乘扰动量来迭代收敛，提高收敛速度。求解误差项关于优化变量的导数，即对第K次迭代下的目标函数进行线性化，作一阶泰勒展开后消除二次项信息；
S44：对步骤S43线性化表示后的式子与非线性迭代误差表达式合并，并对其进行求导；
S45：对步骤S44得到的求导后式子设置为0，求得下一次迭代所需的变化量李代数，带入下式后求得第K+1次迭代下的李代数；
exp(ξk ∧)exp(Δξk ∧)＝exp(ξk+1 ∧)
式中，exp(*∧)表示矩阵指数，ξk表示第K次迭代后李代数，ξk+1表示第K+1次迭后李代数，Δξk表示李代数的变化量。
S46：对步骤S45求得的李代数带入式
后重复S43到S45直至收敛到真实值。
一般经过迭代7步即可收敛到真实解，该迭代算法可以较快计算出目标的空间位姿的三个欧氏角和三个平移量。
步骤S5中，在行车吊臂测量空间位姿的具体应用场景下，还需要以上求出的平移量和旋转矩阵进一步转换为直观的地理坐标系下X轴正南方向，Y轴正东方向的摆角θ和
相机安装位置垂直地面向下观测，红外光标安装位置平行地面朝上并垂直相机光轴。理想状态下，当吊臂静止悬停时，相机的光轴应当与红外光标所在平面交于原点。位姿求解后的原点坐标在相机坐标系下的坐标为(x,y,z),那么正东方向的夹角为argtan(x/z)，正南方向的夹角为argtan(y/x)。
实例1：
以本实例为例，经过本发明单目视觉测量行车空间位姿参数方法测试后，系统在不同高度下，在X轴方向和Y轴方向的最大可测范围如表1所示。
表1不同高度可测范围
为了精确测量出θ和
的误差，采用激光测距仪辅测量。因为行车吊摆是单摆运动，并且悬停高度可以用吊臂的绳长来确定，因此固定偏移角度可以计算出来。分别按0.2m为刻度变化从0.6m到5.6m，也就是相机与红外光标的距离，并测量不同距离下X轴方向角度和Y轴方向角度在偏移3°的计算误差，旋转角不同高度下顺时针偏转30°的计算误差以及对应高度h的误差。测试结果表明，随着距离的变大θ和
逐渐增大，并且在距离5.6m以内，误差能够保证在±0.35°。旋转角变化幅度在2m-4m之间误差有所波动，并在4m以上逐渐稳定在1.5°左右。测量距离内的高度误差为50mm以内。
实例2：
为了满足系统的实时性要求，需要对单摆运动下的输出参数耗时以及特定位置时刻进行测量。本文分别在绳长为2m和3m，使吊臂在θ＝5°，
时放下使其作单摆运动，并对输出数据进行追踪。一个单摆周期内大概需要3.48s。通过秒表测得吊摆运动到θ＝-5°的时间约为3.5s。时间t的跟踪最大误差为0.1s。并且1s中测量系统可以实时计算检测并输出30组数据。
经过实验对比，本发明能有效测量行车吊臂的空间位姿参数，并保证了准确性和实时性，满足工业现场要求。
Claims (3)
1.一种单目红外共面光标迭代优化测量行车吊臂空间位姿方法，其特征在于，该方法包括以下步骤：
S1:采用相机单目视觉采集红外共面光标图片，对采集到的图像中红外光标提取灰度重心，求取各个中心坐标；
S2：确定合作靶标红外共面光标的几何位置与成像投影的对应关系；
S3：对采集相机进行内外参数标定，确定成像中心、畸变系数，对步骤S1采集到的图像做成像畸变参数矫正；
S4：将相机与合作靶标的相对位姿问题转换为非线性优化迭代问题，将空间位姿参数矩阵用李代数表示，将得到的表达式进行非线性迭代后最终收敛到真实解，得到旋转矩阵和平移量；具体包括以下步骤：
S41:将相机与合作靶标的相对位姿问题转化为下式的非线性优化迭代，即求解图像坐标真实解与步骤S1求得的图像坐标的误差最小化，如下式所示；
式(1)中，E(ξ*)为误差项，q′i为图像处理的方法得到四个测量标定点的坐标，
为红外光标的实际物理坐标，ξ为李代数；∧广泛的表达为“从向量到矩阵”，n是点的个数；
S42：对步骤S41的表达式用李群的方法表示，即用李代数表示相机坐标与标定物坐标之间的旋转矩阵和平移量；
S43：对李代数左乘扰动量来迭代收敛，提高收敛速度，求解误差项关于优化变量的导数，即对第K次迭代下的目标函数进行线性化，作一阶泰勒展开后消除二次项信息；
S44：对步骤S43线性化表示后的式子与非线性迭代误差表达式合并，并对其进行求导；
S45：对步骤S44得到的求导后式子设置为0，求得下一次迭代所需的变化量李代数，带入下式后求得第K+1次迭代下的李代数；
exp(ξk^)exp(Δξk^)＝exp(ξk+1^)
上式中，
exp(*^)表示矩阵指数，ξk表示第k次迭代后李代数，ξk+1表示第k+1次迭后李代数，Δξk表示李代数的变化量；
S46：对步骤S45求得的李代数带入式
后重复S43到S45直至收敛到真实值；
S5：利用空间三维模型转换关系将步骤S4求得的空间位姿真实解转化为行车吊臂空间位姿直观解。
2.根据权利要求1所述的单目红外共面光标迭代优化测量行车吊臂空间位姿方法，其特征在于，所述步骤S1中，对采集到的图像中红外光标提取灰度重心的过程包含以下步骤：
S11:对原图像先进行高斯滤波操作，也就是对每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，对图像作平滑处理消除高斯噪声；
S12:设置阈值和卷积核的大小，对图像进行形态学二值化开运算，即先腐蚀后膨胀，消除图像背景中的孤立噪声点和毛刺；
S13:采用Canny算法提取各个连通域的轮廓，对图像中的光标连通域进行寻找并逐一提取；
S14：对步骤S13求得的连通域轮廓分别利用灰度重心法求取重心坐标，即四个红外光标的重心坐标。
3.根据权利要求1所述的单目红外共面光标迭代优化测量行车吊臂空间位姿方法，其特征在于，步骤S5，具体为将步骤S4求出的平移量和旋转矩阵进一步转换为直观的地理坐标系下X轴正南方向、Y轴正东方向的摆角θ和
目标距离地面的真实高度h以及物体旋转角度ρ；位姿求解后的原点坐标在相机坐标系下的坐标为(x,y,z),那么正东方向的夹角为argtan(x/z)，正南方向的夹角为argtan(y/x)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910772618.2A CN110490932B (zh) | 2019-08-21 | 2019-08-21 | 单目红外共面光标迭代优化测量行车吊臂空间位姿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910772618.2A CN110490932B (zh) | 2019-08-21 | 2019-08-21 | 单目红外共面光标迭代优化测量行车吊臂空间位姿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110490932A CN110490932A (zh) | 2019-11-22 |
| CN110490932B true CN110490932B (zh) | 2023-05-09 |
Family
ID=68552487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910772618.2A Active CN110490932B (zh) | 2019-08-21 | 2019-08-21 | 单目红外共面光标迭代优化测量行车吊臂空间位姿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110490932B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681279B (zh) * | 2020-04-17 | 2023-10-31 | 东南大学 | 基于改进李群非线性优化的行车吊臂空间位姿测量方法 |
| CN111736633B (zh) * | 2020-06-09 | 2021-08-06 | 南京航空航天大学 | 一种基于光的双折射现象的位姿调控方法 |
| CN112052526B (zh) * | 2020-09-25 | 2022-09-06 | 中国直升机设计研究所 | 一种直升机外吊挂系统吊索摆动角度解算方法 |
| CN113610149B (zh) * | 2021-08-05 | 2024-03-26 | 上海氢枫能源技术有限公司 | 氢气压缩机的位姿实时显示方法及系统 |
| CN113639639A (zh) * | 2021-08-31 | 2021-11-12 | 追觅创新科技(苏州)有限公司 | 位置数据的数据处理方法、装置及存储介质 |
| CN116592899B (zh) * | 2023-04-28 | 2024-03-29 | 哈尔滨工业大学 | 一种基于模块化红外靶标的位姿测量系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
| CN109712172A (zh) * | 2018-12-28 | 2019-05-03 | 哈尔滨工业大学 | 一种初始位姿测量结合目标追踪的位姿测量方法 |
| US20190204084A1 (en) * | 2017-09-29 | 2019-07-04 | Goertek Inc. | Binocular vision localization method, device and system |
-
2019
- 2019-08-21 CN CN201910772618.2A patent/CN110490932B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190204084A1 (en) * | 2017-09-29 | 2019-07-04 | Goertek Inc. | Binocular vision localization method, device and system |
| CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
| CN109712172A (zh) * | 2018-12-28 | 2019-05-03 | 哈尔滨工业大学 | 一种初始位姿测量结合目标追踪的位姿测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110490932A (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110490932B (zh) | 单目红外共面光标迭代优化测量行车吊臂空间位姿方法 | |
| CN109269430B (zh) | 基于深度提取模型的多株立木胸径被动测量方法 | |
| CN110146099B (zh) | 一种基于深度学习的同步定位与地图构建方法 | |
| CN107301654B (zh) | 一种多传感器的高精度即时定位与建图方法 | |
| CN107167169B (zh) | 基于机器视觉系统的指针式仪表读数识别测量方法 | |
| CN111681279B (zh) | 基于改进李群非线性优化的行车吊臂空间位姿测量方法 | |
| CN106643545B (zh) | 激光位移技术测量钢轨轮廓的校准方法 | |
| CN109163657B (zh) | 一种基于双目视觉三维重建的圆形目标位姿检测方法 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN102622747B (zh) | 一种用于视觉测量的摄像机参数优化方法 | |
| CN103837160B (zh) | 基于恒星匹配的光电经纬仪参量优化方法 | |
| CN112258583B (zh) | 基于等畸变量分区的近景图像畸变标定方法 | |
| CN110146017A (zh) | 工业机器人重复定位精度测量方法 | |
| CN106991705B (zh) | 一种基于p3p算法的位置参数估计方法 | |
| Wang et al. | Automatic reading system for analog instruments based on computer vision and inspection robot for power plant | |
| CN104331907A (zh) | 一种基于orb特征检测测量载体速度的方法 | |
| CN106682674A (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
| CN109242909B (zh) | 一种面向高精度二维尺寸测量的线阵相机标定算法 | |
| CN119600065A (zh) | 一种基于双目相机的目标定位和跟踪方法及系统 | |
| CN110554405A (zh) | 一种基于组合聚类的正态扫描配准方法和系统 | |
| CN110619664B (zh) | 基于激光图案辅助的摄像机距离姿态计算方法及服务器 | |
| CN117635496A (zh) | 一种芯片3d角度矫正方法及系统 | |
| CN115082555B (zh) | 一种rgbd单目相机的高精度位移实时测量系统及方法 | |
| WO2023000540A1 (zh) | 一种高炉料面形状测量方法、终端设备及存储介质 | |
| CN104751452A (zh) | 基于任意已知运动的单目摄像机标定方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 211102 No. 2 Southeast University Road, Jiangning District, Nanjing City, Jiangsu Province Applicant after: SOUTHEAST University Applicant after: Nanjing Keyuan Intelligent Technology Group Co.,Ltd. Applicant after: NANJING WENWANG AUTOMATION CO.,LTD. Address before: 211102 No. 2 Southeast University Road, Jiangning District, Nanjing City, Jiangsu Province Applicant before: SOUTHEAST University Applicant before: NANJING SCIYON AUTOMATION GROUP Co.,Ltd. Applicant before: NANJING WENWANG AUTOMATION CO.,LTD. |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Niu Dan Inventor after: Fu Xingyu Inventor after: Li Qi Inventor after: Chen Xisong Inventor after: Li Shihua Inventor after: Liu Jinbo Inventor before: Fu Xingyu Inventor before: Niu Dan Inventor before: Li Qi Inventor before: Chen Xisong Inventor before: Li Shihua Inventor before: Liu Jinbo |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |