CN110942092A - 一种图形图像识别方法及识别系统 - Google Patents
一种图形图像识别方法及识别系统 Download PDFInfo
- Publication number
- CN110942092A CN110942092A CN201911146221.9A CN201911146221A CN110942092A CN 110942092 A CN110942092 A CN 110942092A CN 201911146221 A CN201911146221 A CN 201911146221A CN 110942092 A CN110942092 A CN 110942092A
- Authority
- CN
- China
- Prior art keywords
- prop
- image
- infrared
- detected
- coordinates
- 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
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种图形图像识别方法及识别系统,包括:计算平台的均值背景深度图;采集平台上覆盖有红外反光材料的被测道具的红外图和实时深度图,预处理得到红外二值图像;将投影图像和红外二值图像自动校点对齐;识别红外二值图像的坐标和长宽值;将均值背景深度图与实时深度图进行差值运算,得到差值深度图;通过红外二值图像识别的坐标值,确定被测道具在差值深度图内的高度值;通过外部设置每种被测道具的几何参数,对被测道具进行分类;将被测道具的识别点坐标映射到投影图像的显示坐标处,将被测道具类别和变换后的坐标发送到互动投影效果软件。本发明可简单快速的实现图形图像的识别,识别过程为实时处理,当图形改变会立即识别出图形。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种图形图像识别方法及识别系统。
背景技术
计算机图像识别技术,是利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。图像识别所研究的问题,是如何使用计算机代替人类去自动处理大量的物理信息,解决人类所无法识别或者识别过于耗费资源的问题,从而很大程度上解放人类的劳动力。
传统摄像头只能获取环境的二维平面和颜色信息,为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型,例如模板匹配模型。这种模型认为识别某个图像,必须在过去的经验中有这个图像的记忆模式,又叫模板。当前的刺激如果能和大脑中的模板相匹配,这个图像也就被识别了。但这种模型强调图像必须与脑中的模板完全符合才能加以识别,有一定的局限性。
格式塔心理学家又据此提出了一个原型匹配模型,这种模型认为在长时记忆中存储的并不是所要识别的无数个模板,而是图像的某些“相似性”。从图像中抽象出来的“相似性”就可作为原型,拿它来检验所要识别的图像。如果能找到一个相似的原型,这个图像也就被识别了。但是,原型匹配模型没有说明人是怎样对相似的刺激进行辨别和加工的。
因此,迫切需要一种简单快速的图形图像识别方法及识别系统。
发明内容
针对上述问题中存在的不足之处,本发明提供一种图形图像识别方法及识别系统。
本发明公开了一种图形图像识别方法,包括:
采集平台的多组背景深度图,计算平台的均值背景深度图;
在被测道具的表面上覆盖红外反光材料,并置于所述平台上;
采集被测道具的红外图和实时深度图,对所述红外图进行预处理,得到红外二值图像;
将投影图像和所述红外二值图像自动校点对齐;
识别所述红外二值图像的坐标和长宽值;
将所述均值背景深度图与所述实时深度图进行差值运算,得到差值深度图;
通过所述红外二值图像识别的坐标值,确定被测道具在差值深度图内的高度值;
通过外部设置每种被测道具的几何参数,对被测道具进行分类;
将被测道具的识别点坐标映射到投影图像的显示坐标处,将被测道具类别和变换后的坐标发送到互动投影效果软件。
作为本发明的进一步改进,所述采集平台的多组背景深度图,计算平台的均值背景深度图;包括:
通过三维摄像头采集不包含被测道具的平台的多组背景深度图;
对多组所述背景深度图的背景深度数据进行累加并除以数据帧数,计算得到所述均值背景深度图。
作为本发明的进一步改进,所述红外图的预处理包括:滤波去噪、形态学变换和阈值化处理。
作为本发明的进一步改进,所述将投影图像和所述红外二值图像自动校点对齐;包括:
将被测道具放置到预设的投影画面的校准基准点处,然后通过轮廓检测算法识别每个被测道具在所述红外二值图像中的坐标,以此建立投影显示坐标与图像识别世界坐标之间的一一映射关系,实现道具位置与投影效果位置相一致。
作为本发明的进一步改进,还包括:
识别所述红外二值图像的运动速度;
外部设置被测道具的运动速度参数范围;
基于识别的运动速度和设置的运动速度参数范围,判断被测道具是否为运动的道具;
若为运动道具,则不进行图形图像识别;
若为静止道具,则进行图形图像识别。
本发明还公开了一种图形图像识别系统,包括:
深度红外图采集模块,用于:
采集平台的多组背景深度图;
采集被测道具的红外图和实时深度图;其中,所述被测道具的表面上覆盖红外反光材料,并置于所述平台上;
图形图像处理分析模块,用于:
根据多组所述背景深度图,计算平台的均值背景深度图;
对所述红外图进行预处理,得到红外二值图像;
将投影图像和所述红外二值图像自动校点对齐;
识别所述红外二值图像的坐标和长宽值;
将所述均值背景深度图与所述实时深度图进行差值运算,得到差值深度图;
通过所述红外二值图像识别的坐标值,确定被测道具在差值深度图内的高度值;
通过外部设置每种被测道具的几何参数,对被测道具进行分类;
数据传输及显示模块,用于:
将被测道具的识别点坐标映射到投影图像的显示坐标处,将被测道具类别和变换后的坐标发送到互动投影效果软件。
作为本发明的进一步改进,所述根据多组所述背景深度图,计算平台的均值背景深度图;包括:
对多组所述背景深度图的背景深度数据进行累加并除以数据帧数,计算得到所述均值背景深度图。
作为本发明的进一步改进,所述红外图的预处理包括:滤波去噪、形态学变换和阈值化处理。
作为本发明的进一步改进,所述将投影图像和所述红外二值图像自动校点对齐;包括:
将被测道具放置到预设的投影画面的校准基准点处,然后通过轮廓检测算法识别每个被测道具在所述红外二值图像中的坐标,以此建立投影显示坐标与图像识别世界坐标之间的一一映射关系,实现道具位置与投影效果位置相一致。
作为本发明的进一步改进,所述图形图像处理分析模块,还用于:
识别所述红外二值图像的运动速度;
外部设置被测道具的运动速度参数范围;
基于识别的运动速度和设置的运动速度参数范围,判断被测道具是否为运动的道具;
若为运动道具,则不进行图形图像识别;
若为静止道具,则进行图形图像识别。
与现有技术相比,本发明的有益效果为:
本发明是一种基于深度和红外图像的简单快速的图形图像识别方法及识别系统,通过道具表面红外反光材料的定位和道具长宽高等几何信息的获取,以对不同形状的道具进行分类,其是实时处理的,当图形改变会立即识别出图形;本发明可解决外界操作的干扰和环境光线变化的影响,可提高识别设备的安装高度并增加识别设备的数量,并通过软件算法来实现大场景的互动投影效果。
附图说明
图1为本发明一种实施例公开的图形图像识别方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种图形图像识别方法及识别系统,识别方法为:在道具的表面加上红外反光材料;通过红外图识别道具的坐标以及长宽值,并由均值背景深度图与实时深度图之差确定对应坐标处道具的高度;采用外部可调长宽高等参数对不同形状道具进行分类;并把相应的图形类型通过网络发送到显示效果接收端进行显示。识别系统包括深度红外图采集模块、图形图像处理分析模块、数据传输及显示模块,通过深度红外图采集模块、图形图像处理分析模块、数据传输及显示模块实现上述识别方法。
下面结合附图对本发明做进一步的详细描述:
如图1所示,本发明提供一种图形图像识别方法,其中,本申请下述的步骤之间并无决定的逻辑前后关系,如S1、S2与S3等,其包括:
S1、采集互动平台的多组背景深度图;其中,
由于三维摄像头兼具有深度摄像头和红外摄像头功能,本发明利用三维摄像头的深度图像采集不包含被测道具的互动平台的多组背景深度图。
S2、根据多组背景深度图,计算平台的均值背景深度图;其中,
对多组背景深度图的背景深度数据进行累加并除以数据帧数,计算得到均值背景深度图,以解决单帧背景深度图数据稳定性差的问题。
S3、在被测道具的表面上覆盖红外反光材料,并置于互动平台上;其中,
所用的红外反光材料不限于各种颜色的红外反光膜和可喷涂印制的反光颜料等;
道具不限于圆柱,正方体,长方体,星体等形状。
S4、采集互动平台上被测道具的红外图和实时深度图;其中,
本发明利用三维摄像头的红外图像采集互动平台内红外图像,利用三维摄像头的深度图像采集包含被测道具的互动平台的实时深度图。
S5、对红外图进行滤波去噪、形态学变换以及阈值化等预处理操作,得到可用于识别的稳定的红外二值图像。
S6、将投影图像和红外二值图像自动校点对齐;其中,
将被测道具放置到预设的投影画面的校准基准点处,然后通过轮廓检测算法识别每个被测道具在红外二值图像中的坐标,以此建立投影显示坐标与图像识别世界坐标之间的一一映射关系,实现道具位置与投影效果位置相一致。
S7、识别红外二值图像的坐标和长宽值;其中,
对红外二值图像采用轮廓检测和运动跟踪算法,可得到每个轮廓的ID索引,中心坐标、长宽值以及运动速度。
S8、将均值背景深度图与实时深度图进行差值运算,得到差值深度图;其中,
将均值背景深度图的背景深度数据与实时深度图的实时深度数据进行差值运算得到差值深度数据,并对差值深度数据进行滤波去噪和形态学膨胀操作,得到差值深度图。
S9、通过红外二值图像识别的坐标值,确定被测道具在差值深度图内的高度值;其中,
由于三维摄像头的深度图和红外图具有像素坐标一致性的特点,可将红外图确定的轮廓中心坐标应用到差值深度图,通过差值深度图确定此坐标位置处道具的高度值。
S10、通过外部设置每种被测道具的几何参数,对被测道具进行分类;其中,
通过外部设置每种道具的几何参数范围,根据设置的几何参数范围和所识别的道具几何参数,可确定唯一的道具类型,从而保证不同道具类别可被准确的区分出来。
S11、外部设置被测道具的运动速度参数范围,基于识别的运动速度和设置的运动速度参数范围,判断被测道具是否为运动的道具;其中,
若为运动道具,则不进行图形图像识别;若为静止道具,则进行图形图像识别;以解决运动的道具被误识别的问题。
S12、将被测道具的识别点坐标映射到投影图像的显示坐标处,将被测道具类别和变换后的坐标发送到互动投影效果软件;其中,
根据S6的算法原理,将道具的识别点坐标映射到投影画面显示坐标处,并通过UDP/IP协议将道具类别和坐标数据发送给互动投影效果软件,即构成了一套不同位置通过放置不同形状道具并显示出多种艺术效果的互动系统。
进一步,本发明的识别算法包括识别模型结构体、原有模型结构体、基础图形结构、基础图形结构偏移量。
进一步,本发明可将多组三维摄像头连接到一台主机或多台主机上,并使用多台投影机进行投影画面融合,以实现识别场景大小的可扩展性。
本发明提供一种图形图像识别系统,包括:
深度红外图采集模块,用于实现上述图形图像识别方法的S1、S3、S4;
图形图像处理分析模块,用于实现上述图形图像识别方法的S2、S5~S11;
数据传输及显示模块,用于实现上述图形图像识别方法的S12。
本发明的优点为:
本发明是一种基于深度和红外图像的简单快速的图形图像识别方法及识别系统,通过道具表面红外反光材料的定位和道具长宽高等几何信息的获取,以对不同形状的道具进行分类,其是实时处理的,当图形改变会立即识别出图形;本发明可解决外界操作的干扰和环境光线变化的影响,可提高识别设备的安装高度并增加识别设备的数量,并通过软件算法来实现大场景的互动投影效果。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图形图像识别方法,其特征在于,包括:
采集平台的多组背景深度图,计算平台的均值背景深度图;
在被测道具的表面上覆盖红外反光材料,并置于所述平台上;
采集被测道具的红外图和实时深度图,对所述红外图进行预处理,得到红外二值图像;
将投影图像和所述红外二值图像自动校点对齐;
识别所述红外二值图像的坐标和长宽值;
将所述均值背景深度图与所述实时深度图进行差值运算,得到差值深度图;
通过所述红外二值图像识别的坐标值,确定被测道具在差值深度图内的高度值;
通过外部设置每种被测道具的几何参数,对被测道具进行分类;
将被测道具的识别点坐标映射到投影图像的显示坐标处,将被测道具类别和变换后的坐标发送到互动投影效果软件。
2.如权利要求1所述的图形图像识别方法,其特征在于,所述采集平台的多组背景深度图,计算平台的均值背景深度图;包括:
通过三维摄像头采集不包含被测道具的平台的多组背景深度图;
对多组所述背景深度图的背景深度数据进行累加并除以数据帧数,计算得到所述均值背景深度图。
3.如权利要求1所述的图形图像识别方法,其特征在于,所述红外图的预处理包括:滤波去噪、形态学变换和阈值化处理。
4.如权利要求1所述的图形图像识别方法,其特征在于,所述将投影图像和所述红外二值图像自动校点对齐;包括:
将被测道具放置到预设的投影画面的校准基准点处,然后通过轮廓检测算法识别每个被测道具在所述红外二值图像中的坐标,以此建立投影显示坐标与图像识别世界坐标之间的一一映射关系,实现道具位置与投影效果位置相一致。
5.如权利要求1所述的图形图像识别方法,其特征在于,还包括:
识别所述红外二值图像的运动速度;
外部设置被测道具的运动速度参数范围;
基于识别的运动速度和设置的运动速度参数范围,判断被测道具是否为运动的道具;
若为运动道具,则不进行图形图像识别;
若为静止道具,则进行图形图像识别。
6.一种图形图像识别系统,其特征在于,包括:
深度红外图采集模块,用于:
采集平台的多组背景深度图;
采集被测道具的红外图和实时深度图;其中,所述被测道具的表面上覆盖红外反光材料,并置于所述平台上;
图形图像处理分析模块,用于:
根据多组所述背景深度图,计算平台的均值背景深度图;
对所述红外图进行预处理,得到红外二值图像;
将投影图像和所述红外二值图像自动校点对齐;
识别所述红外二值图像的坐标和长宽值;
将所述均值背景深度图与所述实时深度图进行差值运算,得到差值深度图;
通过所述红外二值图像识别的坐标值,确定被测道具在差值深度图内的高度值;
通过外部设置每种被测道具的几何参数,对被测道具进行分类;
数据传输及显示模块,用于:
将被测道具的识别点坐标映射到投影图像的显示坐标处,将被测道具类别和变换后的坐标发送到互动投影效果软件。
7.如权利要求6所述的图形图像识别系统,其特征在于,所述根据多组所述背景深度图,计算平台的均值背景深度图;包括:
对多组所述背景深度图的背景深度数据进行累加并除以数据帧数,计算得到所述均值背景深度图。
8.如权利要求6所述的图形图像识别系统,其特征在于,所述红外图的预处理包括:滤波去噪、形态学变换和阈值化处理。
9.如权利要求6所述的图形图像识别系统,其特征在于,所述将投影图像和所述红外二值图像自动校点对齐;包括:
将被测道具放置到预设的投影画面的校准基准点处,然后通过轮廓检测算法识别每个被测道具在所述红外二值图像中的坐标,以此建立投影显示坐标与图像识别世界坐标之间的一一映射关系,实现道具位置与投影效果位置相一致。
10.如权利要求6所述的图形图像识别系统,其特征在于,所述图形图像处理分析模块,还用于:
识别所述红外二值图像的运动速度;
外部设置被测道具的运动速度参数范围;
基于识别的运动速度和设置的运动速度参数范围,判断被测道具是否为运动的道具;
若为运动道具,则不进行图形图像识别;
若为静止道具,则进行图形图像识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911146221.9A CN110942092B (zh) | 2019-11-21 | 2019-11-21 | 一种图形图像识别方法及识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911146221.9A CN110942092B (zh) | 2019-11-21 | 2019-11-21 | 一种图形图像识别方法及识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110942092A true CN110942092A (zh) | 2020-03-31 |
CN110942092B CN110942092B (zh) | 2023-08-08 |
Family
ID=69907288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911146221.9A Active CN110942092B (zh) | 2019-11-21 | 2019-11-21 | 一种图形图像识别方法及识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942092B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739006A (zh) * | 2020-06-22 | 2020-10-02 | 深圳企业云科技股份有限公司 | 一种基于围道积分的椭圆图像检测算法及系统 |
CN112433640A (zh) * | 2020-11-11 | 2021-03-02 | 大庆思特传媒科技有限公司 | 一种多图像传感器的自动校准互动投影系统及其实现方法 |
CN112433641A (zh) * | 2020-11-11 | 2021-03-02 | 大庆思特传媒科技有限公司 | 一种多rgbd深度传感器的自动校准桌面道具互动系统的实现方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009201064A (ja) * | 2008-02-25 | 2009-09-03 | Pioneer Electronic Corp | 関連領域特定装置及び方法、並びに画像認識装置及び方法 |
US20130033484A1 (en) * | 2011-08-01 | 2013-02-07 | Fuji Xerox Co., Ltd. | System and method for interactive markerless paper documents in 3d space with mobile cameras and projectors |
WO2017206316A1 (zh) * | 2016-05-31 | 2017-12-07 | 广景视睿科技(深圳)有限公司 | 一种交互投影的方法及系统 |
CN107633528A (zh) * | 2017-08-22 | 2018-01-26 | 北京致臻智造科技有限公司 | 一种刚体识别方法及系统 |
US10002377B1 (en) * | 2014-12-22 | 2018-06-19 | Amazon Technologies, Inc. | Infrared driven item recommendations |
CN108446032A (zh) * | 2017-12-28 | 2018-08-24 | 安徽慧视金瞳科技有限公司 | 一种投影交互系统中的鼠标手势实现方法 |
CN109785379A (zh) * | 2018-12-17 | 2019-05-21 | 中国科学院长春光学精密机械与物理研究所 | 一种对称物体尺寸及重量的测量方法及测量系统 |
CN110000784A (zh) * | 2019-04-09 | 2019-07-12 | 深圳市远弗科技有限公司 | 一种机器人回充定位导航方法、系统、设备及存储介质 |
CN115182662A (zh) * | 2022-07-25 | 2022-10-14 | 上海集成电路制造创新中心有限公司 | 一种门的控制方法、系统、设备及介质 |
-
2019
- 2019-11-21 CN CN201911146221.9A patent/CN110942092B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009201064A (ja) * | 2008-02-25 | 2009-09-03 | Pioneer Electronic Corp | 関連領域特定装置及び方法、並びに画像認識装置及び方法 |
US20130033484A1 (en) * | 2011-08-01 | 2013-02-07 | Fuji Xerox Co., Ltd. | System and method for interactive markerless paper documents in 3d space with mobile cameras and projectors |
US10002377B1 (en) * | 2014-12-22 | 2018-06-19 | Amazon Technologies, Inc. | Infrared driven item recommendations |
WO2017206316A1 (zh) * | 2016-05-31 | 2017-12-07 | 广景视睿科技(深圳)有限公司 | 一种交互投影的方法及系统 |
CN107633528A (zh) * | 2017-08-22 | 2018-01-26 | 北京致臻智造科技有限公司 | 一种刚体识别方法及系统 |
CN108446032A (zh) * | 2017-12-28 | 2018-08-24 | 安徽慧视金瞳科技有限公司 | 一种投影交互系统中的鼠标手势实现方法 |
CN109785379A (zh) * | 2018-12-17 | 2019-05-21 | 中国科学院长春光学精密机械与物理研究所 | 一种对称物体尺寸及重量的测量方法及测量系统 |
CN110000784A (zh) * | 2019-04-09 | 2019-07-12 | 深圳市远弗科技有限公司 | 一种机器人回充定位导航方法、系统、设备及存储介质 |
CN115182662A (zh) * | 2022-07-25 | 2022-10-14 | 上海集成电路制造创新中心有限公司 | 一种门的控制方法、系统、设备及介质 |
Non-Patent Citations (2)
Title |
---|
王淼: "基于红外图像识别的输电线路故障诊断方法", 《红外技术》 * |
王淼: "基于红外图像识别的输电线路故障诊断方法", 《红外技术》, vol. 39, no. 4, 18 April 2017 (2017-04-18) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739006A (zh) * | 2020-06-22 | 2020-10-02 | 深圳企业云科技股份有限公司 | 一种基于围道积分的椭圆图像检测算法及系统 |
CN111739006B (zh) * | 2020-06-22 | 2021-07-13 | 深圳企业云科技股份有限公司 | 一种基于围道积分的椭圆图像检测算法及系统 |
CN112433640A (zh) * | 2020-11-11 | 2021-03-02 | 大庆思特传媒科技有限公司 | 一种多图像传感器的自动校准互动投影系统及其实现方法 |
CN112433641A (zh) * | 2020-11-11 | 2021-03-02 | 大庆思特传媒科技有限公司 | 一种多rgbd深度传感器的自动校准桌面道具互动系统的实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110942092B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232311B (zh) | 手部图像的分割方法、装置及计算机设备 | |
US11928800B2 (en) | Image coordinate system transformation method and apparatus, device, and storage medium | |
CN111243093B (zh) | 三维人脸网格的生成方法、装置、设备及存储介质 | |
JP5618569B2 (ja) | 位置姿勢推定装置及びその方法 | |
CN110942092B (zh) | 一种图形图像识别方法及识别系统 | |
CN111783820A (zh) | 图像标注方法和装置 | |
CN108648194B (zh) | 基于cad模型三维目标识别分割和位姿测量方法及装置 | |
CN110825234A (zh) | 一种面向工业场景的投影式增强现实跟踪显示方法和系统 | |
GB2520338A (en) | Automatic scene parsing | |
JP2001524228A (ja) | 機械視覚較正標的並びに画像内で標的の位置及び方向を決定する方法 | |
CN101697233A (zh) | 一种基于结构光的三维物体表面重建方法 | |
CN109446929A (zh) | 一种基于增强现实技术的简笔画识别系统 | |
CN111382613A (zh) | 图像处理方法、装置、设备和介质 | |
CN110751097A (zh) | 一种半监督的三维点云手势关键点检测方法 | |
CN110706278A (zh) | 一种基于激光雷达和摄像头的物体识别方法和装置 | |
CN106650628B (zh) | 一种基于三维k曲率的指尖检测方法 | |
CN111401266A (zh) | 绘本角点定位的方法、设备、计算机设备和可读存储介质 | |
TW202247108A (zh) | 視覺定位方法、設備及電腦可讀儲存媒體 | |
CN111179271B (zh) | 一种基于检索匹配的物体角度信息标注方法及电子设备 | |
Abbas | Recovering homography from camera captured documents using convolutional neural networks | |
JP4056891B2 (ja) | 3次元位置・姿勢検出装置、方法、プログラムおよび記録媒体 | |
Li et al. | A hybrid pose tracking approach for handheld augmented reality | |
CN111898552A (zh) | 一种判别人员关注目标物的方法、装置及计算机设备 | |
CN113689365B (zh) | 一种基于Azure Kinect的目标跟踪定位方法 | |
US11676357B2 (en) | Modification of projected structured light based on identified points within captured image |
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 |