CN111062986A - 基于单目视觉的共享单车辅助定位方法及装置 - Google Patents
基于单目视觉的共享单车辅助定位方法及装置 Download PDFInfo
- Publication number
- CN111062986A CN111062986A CN201811212627.8A CN201811212627A CN111062986A CN 111062986 A CN111062986 A CN 111062986A CN 201811212627 A CN201811212627 A CN 201811212627A CN 111062986 A CN111062986 A CN 111062986A
- Authority
- CN
- China
- Prior art keywords
- camera
- parameters
- dimensional
- points
- monocular
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于单目视觉的共享单车辅助定位方法及装置，所述包括以下步骤：对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；通过在单目摄像头视域范围内选取空间参考物，获取空间参考物特征点的三维坐标，建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。本发明可有效解决二维图像因投影变换造成的位置失真问题，同时通过空间参考物的引用，可对摄像头的外参数进行自标定，可有效解决因摄像头移动造成的摄像头重新标定问题。
Description
技术领域
本发明涉及定位技术领域，具体涉及一种基于单目视觉的共享单车辅助定位方法及装置。
背景技术
共享单车是一种新型环保共享经济，以分时租赁的模式提供自行车单车共享服务。共享单车不仅可以解决人们出行最后一公里的难题，同时具有绿色出行、低碳环保的优点。单车出行既节约资源、减少污染、缓解交通拥堵，又有益于身体健康，同时设备共享，大大提高了设备的利用率。早在2007年由国外兴起的共享单车模式被引入国内，直到2014年还多以有桩车提供服务。随着移动互联网的快速发展，从2014年起，以摩拜、OfO为代表的互联网共享单车应运而生。随着更加便捷的无桩单车替代有桩单车，共享单车进入了快速发展阶段。火爆的市场、多家企业的竞争，造成共享单车市场投放量的快速增加，局部地区已经过饱和，随之而来的是单车乱停乱放现象日益增多，已经严重影响公共交通秩序及城市文明形象。
为解决共享单车违停的问题，政府逐渐出台了多项法律法规，多个城市划定白实线构成的矩形区域为专有共享单车停车区域，停在规定区域外的单车被视为违停，而针对违停行为会有一定的惩罚措施。目前针对违停单车的检测最主流的手段是电子围栏，具体方法为首先针对每一个停车区域通过高精度定位设备获取其边界点的经纬度坐标，然后基于边界点的坐标构建电子围栏，通过计算停放单车位置与最近电子围栏的位置关系，判断其是否为违停。单车的停放位置获取主要有两种方式，一种是基于车上高精度定位芯片(多集成在车锁中)获取单车位置，另一种是基于蓝牙等通讯传输手段提供单车与某已知位置的物体的相对位置信息(距离，方向)，进而计算单车停放的位置。
单车的高精度位置获取，是基于电子围栏进行违停检测的技术基础。随着着定位技术的快速发展，高精度位置服务已经开始服务于人们的生活，在共享单车邻域，已经有很多品牌的单车集成了高精度的定位服务，可以随时获取单车的高精度位置，这也为基于电子围栏的违停检测方案提供了技术基础。然而单车停放区域多为人流密集的商业区、地铁站和居住区域，高程建筑较多，遮挡和多路径问题严重，导致基于卫星定位的精度下降，使得基于电子围栏的违停检测算法无法稳定的提供服务，有大量的误报、漏报现象发生。而基于蓝牙等通讯手段，提供单车与某已知位置物体(多为固定摄像头)的相对位置信息(距离，角度)，进一步计算其绝对位置信息的方案存在通讯不稳定、单车上携带的传感器精度不高、通讯设备成本高的问题，使其较难运用到实际场景当中。基于监控摄像头拍摄的图像进行单车检测和辅助定位也是一种违停检测方案。但是因为投影变换的原因，二维图像上的位置关系无法反映真实的单车与围栏位置关系，进而要求摄像头要架设在停车区域的正上方，大大降低了硬件布设的灵活性。
发明内容
本发明提供了一种基于单目视觉的共享单车辅助定位方法及装置，使用预先架设的单目摄像头拍摄的影像，基于视野范围内的已知参考物(空间坐标或相对尺寸)，解决了共享单车相对参考坐标系的空间定位(三维位置)的技术问题。
本发明采用的技术方案具体如下：
一种基于单目视觉的共享单车辅助定位方法，所述方法包括以下步骤：
对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
通过在单目摄像头视域范围内选取空间参考物，获取空间参考物特征点的三维坐标，建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
进一步地，通过矩阵乘法获取投影矩阵，即图像坐标系到世界坐标系的映射关系来计算共享单车三维坐标。
进一步地，基于共享单车车座高度的三维坐标计算共享单车三维坐标。
进一步地，通过对投影矩阵进行逆运算，进而计算得到共享单车车座高度的三维坐标。
进一步地，通过求解基于特征点对的PNP问题来计算摄像头外参。
进一步地，所述空间参考物为单目摄像头视域范围内检测到的具有绝对空间位置坐标或者相对空间位置坐标的物体。
进一步地，所述空间参考物为不可移动物。
进一步地，通过单目摄像头拍摄得到的图像获取空间参考物特征点的图像二维像素点。
进一步地，基于空间参考物的几何特性建立图像二维像素点与三维坐标点的对应关系。
本发明还提供了一种共享单车违停判定方法，包括所述共享单车辅助定位方法。
本发明还提供了一种共享单车区域停放数量统计方法，包括所述共享单车辅助定位方法。
本发明还提供了一种基于单目视觉的共享单车辅助定位装置，所述装置包括：
摄像头内参标定单元，用于对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
空间参考物选择单元，用于在单目摄像头视域范围内选取空间参考物；
二三维对应关系构建单元，用于建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
摄像头外参计算单元，用于基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
单车三维坐标计算单元，用于基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
本发明还提供了一种存储器，所述存储器存储有计算机程序，所述计算机程序执行如下步骤：
对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
通过在单目摄像头视域范围内选取空间参考物，获取空间参考物特征点的三维坐标，建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
本发明提出一种基于单目视觉共享单车辅助定位方法及装置，与现有技术的基于二维图像的位置关系判断方式不同，本发明通过单目视觉定位技术计算出单车在三维的位置，可有效解决二维图像因投影变换造成的位置失真问题。同时通过空间参考物的引用，可对摄像头的外参数进行自标定，可有效解决因摄像头移动(大风、碰撞，停车区域改变等)造成的摄像头重新标定问题。
附图说明
图1为本发明基于单目视觉共享单车辅助定位方法流程图。
具体实施方式
基于视觉的辅助定位技术主要包含两大模块：目标识别提取和位置计算。受益于近年来快速发展的深度学习技术，基于图像的目标识别和提取的准确率获得了显著提升，当前主流的卷积神经网络已经相对成熟，并在各个邻域都得到了广泛的应用。本发明主要关注的是定位模块部分，而不是基于卷积神经网络的共享单车识别和提取，因此不对单车提取和识别部分做细致说明。但需要指出的是，受停车摆放的密度和相机拍摄的角度影响，摄像头拍摄的图像中存在较大的单车互相遮挡问题，这令整个单车的提取准确率下降。为解决这个问题，发明中的单车识别提取由整车识别改换为车座识别，因为车座所受遮挡较少，可以得到稳定的识别精度。另外本发明中使用的识别检测模型为RetinaNet，取得了很好的效果。
本发明基于给定的空间参考特征点信息(位置或相对关系)和提取的车座信息，使用单目摄像机，通过求解PNP(Perspective-N-Points，N点透视)问题完成相机外参估计，进而恢复单车车座三维位置的策略。
下文中，结合附图和实施例对本发明作进一步阐述。
实施例一：
本发明提供了一种基于单目视觉的共享单车辅助定位方法，使用固定的单目监控摄像头拍摄停车区域，基于深度学习单车车座检测结果(车座矩形框)，基于少数已知三维下相对位置关系或绝对位置的参考标记物，估计单车车座(给定车座高度)在三维下的位置。本发明流程图见图1，下面结合流程图对每一个步骤进行细致的介绍。
摄像头的内参数(焦距、像幅中心)以及畸变系数，是摄像头的重要参数，是后续进行坐标变换和几何计算的重要输入。出厂的摄像头会提供统一的内参，但由于设备生产系统误差，每一个摄像头的内参都会有细微的差别，另外摄像头都存在一定程度的畸变，这就需要我们使用摄像头标定技术去获取更准确的相机内参及畸变参数。标定摄像机需要经过设计的特殊模式图像，例如，黑白棋盘格或具有白色背景的黑圆圈等，被标定的摄像机需要从不同的角度和距离对特殊模式图像拍摄10-20张照片，然后通过标定算法来找到最优的摄像机内部参数和畸变向量。张正友教授提出的平面标定方法《A Flexible NewTechnique for Camera Calibration》又称“张氏标定法”，以其灵活性和高精度，已经作为工具箱(Matlab工具箱)或封装好的函数(OpenCV库)被广泛应用。
摄像头的外参数(旋转矩阵、平移向量)是进行摄像头坐标系到世界坐标系转换的必要条件。与内参是摄像头固有属性不同，外参与摄像头的摆放位置及角度相关，即当摄像头移动后外参要重新估计，这就需要外参估计方法要有一定的灵活性。基于这一考虑，本发明通过求解基于特征点对的PNP问题来获取摄像头外参数。具体实施方式如下：通过在单目摄像头视域范围内选取空间参考物，建立空间参考物上局部特征的图像二维像素点与三维坐标点的对应关系，基于二三维对应点，求解经典PNP问题，进而求得摄像头的外参。具体技术实现细节分列如下。
空间参考物即摄像头视野范围内可检测到的具有绝对空间位置坐标或相对位置关系的物体。空间参考物的选取优选遵循以下原则：
1)为保证重建三维坐标系的一致性，选择的参考物应不可移动(例如，地面印刷物等)；
2)参考物应具有较明显的特征点(例如，重复几何图形或角点)，以利于在拍摄的图像中进行提取识别；
3)参考物尽量具有几何可量测性，便于在无法获取世界坐标系下经纬度坐标时，可快速构建局部坐标系。
符合以上条件的空间参考物有多种选择，可以是已知尺寸的地砖、停车线或预先准备的可固定在场景中的黑白标记板或二维码贴纸等。如果只关注相对场景，则以空间参考物的尺度构建局部坐标系即可(比如，设置车道线的一个角点为原点(0，0，0)，基于车道线的长宽得到其它角点的坐标构成局部坐标系)，为便于计算坐标系均采用右手系。如需绝对空间位置则需要使用测绘测量设备进行实际的量测。
选择完空间参考物并获取特征点的三维坐标后，需要在摄像头拍摄得到的图像上找到特征点对应的二维像素坐标。因选取的空间参考物特征明显且模式已知，通过计算机视觉算法(特征点提取或模板匹配)较容易得到。二维特征点的提取只有在摄像头的位置或角度发生变化才需要进行，且需求的特征点数量不多，也可基于一些可视化交互工具(例如，LabelMe)进行手动点选。因为参考物的模式已知，可基于参考物的几何特性快速生成二三维特征点的对应关系(例如，车道线的4个角点按逆时针排列等)。
已知摄像头的内参以及特征点的像素坐标和三维空间坐标，反求摄像头的外参，即构成经典的PNP问题。求解PNP问题的算法相对成熟，基于特征点对的数量，可以有多种选择，例如P3P，P4P和P5P都有经典解法。而Lepetit在2009年提出的EPnP《EPnP：An AccurateO(n)Solution to the PnP Problem》算法得到最广泛的应用。目前众多开源库都封装了求解PNP问题的函数库，例如OpenCV中的solvePnP和solvePnPRansac函数。
基于上述步骤获取的摄像头的内参、外参，通过矩阵乘法即可获得投影矩阵，即图像坐标系到世界坐标系的映射关系。基于Pinhole模型(小孔成像模型)理论，三维到二维的映射是唯一的，而二维到三维的映射是在三维空间的一条射线上，因此若想获取图像中选定像素的三维坐标，我们需要额外的信息才能确定唯一定位点。针对本发明要解决的共享单车定位问题，基于共享单车的车座高度变化范围较小(75厘米左右)这个先验，本发明中以车座的高度为限制条件，对投影矩阵进行逆运算，进而计算求得基于深度学习提取的车座中心的三维坐标。
基于提取的车座三维坐标可以应用在多个场景当中，例如通过计算车座位置与给定停车区域电子围栏的位置进行单车违停判定，或者统计给定地理区域内单车停放数量等。
实施例二：
本发明还提供了一种基于单目视觉的共享单车辅助定位装置，包括：
摄像头内参标定单元，用于对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
空间参考物选择单元，用于在单目摄像头视域范围内选取空间参考物；
二三维对应关系构建单元，用于建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
摄像头外参计算单元，用于基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
单车三维坐标计算单元，用于基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
实施例三：
本发明还提供了一种存储器，所述存储器存储有计算机程序，所述计算机程序执行如下步骤：
对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
通过在单目摄像头视域范围内选取空间参考物，获取空间参考物特征点的三维坐标，建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
本发明中并不限定计算机语言，优选使用Python或C++能得到较好的第三方库的支持。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (13)
1.一种基于单目视觉的共享单车辅助定位方法，其特征在于，所述方法包括以下步骤：
对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
通过在单目摄像头视域范围内选取空间参考物，获取空间参考物特征点的三维坐标，建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
2.如权利要求1所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，通过矩阵乘法获取投影矩阵，即图像坐标系到世界坐标系的映射关系来计算共享单车三维坐标。
3.如权利要求2所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，基于共享单车车座高度的三维坐标计算共享单车三维坐标。
4.如权利要求3所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，通过对投影矩阵进行逆运算，进而计算得到共享单车车座高度的三维坐标。
5.如权利要求1所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，通过求解基于特征点对的PNP问题来计算摄像头外参。
6.如权利要求1所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，所述空间参考物为单目摄像头视域范围内检测到的具有绝对空间位置坐标或者相对空间位置坐标的物体。
7.如权利要求6所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，所述空间参考物为不可移动物。
8.如权利要求1所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，通过单目摄像头拍摄得到的图像获取空间参考物特征点的图像二维像素点。
9.如权利要求8所述的一种基于单目视觉的共享单车辅助定位方法，其特征在于，基于空间参考物的几何特性建立图像二维像素点与三维坐标点的对应关系。
10.一种共享单车违停判定方法，其特征在于，包括如权利要求1-9中任一权利要求所述的共享单车辅助定位方法。
11.一种共享单车区域停放数量统计方法，其特征在于，包括如权利要求1-9中任一权利要求所述的共享单车辅助定位方法。
12.一种基于单目视觉的共享单车辅助定位装置，其特征在于，所述装置包括：
摄像头内参标定单元，用于对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
空间参考物选择单元，用于在单目摄像头视域范围内选取空间参考物；
二三维对应关系构建单元，用于建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
摄像头外参计算单元，用于基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
单车三维坐标计算单元，用于基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
13.一种存储器，所述存储器存储有计算机程序，其特征在于，所述计算机程序执行如下步骤：
对单目摄像头内参和畸变参数进行标定，得到优化的摄像头内参和畸变参数；
通过在单目摄像头视域范围内选取空间参考物，获取空间参考物特征点的三维坐标，建立空间参考物特征点的图像二维像素点与三维坐标点的对应关系；
基于优化的摄像头内参和畸变参数以及图像二维像素点与三维坐标点的对应关系，计算摄像头外参；
基于优化的摄像头内参和摄像头外参，计算共享单车三维坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811212627.8A CN111062986A (zh) | 2018-10-17 | 2018-10-17 | 基于单目视觉的共享单车辅助定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811212627.8A CN111062986A (zh) | 2018-10-17 | 2018-10-17 | 基于单目视觉的共享单车辅助定位方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111062986A true CN111062986A (zh) | 2020-04-24 |
Family
ID=70297160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811212627.8A Pending CN111062986A (zh) | 2018-10-17 | 2018-10-17 | 基于单目视觉的共享单车辅助定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062986A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112014688A (zh) * | 2020-09-01 | 2020-12-01 | 云南电网有限责任公司电力科学研究院 | 一种防振锤滑移故障检测方法及装置 |
| CN112378333A (zh) * | 2020-10-30 | 2021-02-19 | 支付宝(杭州)信息技术有限公司 | 仓储货物测量方法和装置 |
| CN115272932A (zh) * | 2022-07-29 | 2022-11-01 | 浙江通见科技有限公司 | 一种基于机器视觉的城市非机动车杂乱停放识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013099A (zh) * | 2010-11-26 | 2011-04-13 | 中国人民解放军国防科学技术大学 | 车载摄像机外参数交互式标定方法 |
| CN105631844A (zh) * | 2014-10-28 | 2016-06-01 | 上海大学 | 一种摄像机标定方法 |
| CN106097277A (zh) * | 2016-06-24 | 2016-11-09 | 哈尔滨工业大学 | 一种基于视觉测量的绳索物质点跟踪方法 |
| CN108340211A (zh) * | 2018-01-12 | 2018-07-31 | 大连理工大学 | 基于单目视觉的数控机床轮廓误差三维测量方法 |
-
2018
- 2018-10-17 CN CN201811212627.8A patent/CN111062986A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013099A (zh) * | 2010-11-26 | 2011-04-13 | 中国人民解放军国防科学技术大学 | 车载摄像机外参数交互式标定方法 |
| CN105631844A (zh) * | 2014-10-28 | 2016-06-01 | 上海大学 | 一种摄像机标定方法 |
| CN106097277A (zh) * | 2016-06-24 | 2016-11-09 | 哈尔滨工业大学 | 一种基于视觉测量的绳索物质点跟踪方法 |
| CN108340211A (zh) * | 2018-01-12 | 2018-07-31 | 大连理工大学 | 基于单目视觉的数控机床轮廓误差三维测量方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112014688A (zh) * | 2020-09-01 | 2020-12-01 | 云南电网有限责任公司电力科学研究院 | 一种防振锤滑移故障检测方法及装置 |
| CN112014688B (zh) * | 2020-09-01 | 2022-09-02 | 云南电网有限责任公司电力科学研究院 | 一种防振锤滑移故障检测方法及装置 |
| CN112378333A (zh) * | 2020-10-30 | 2021-02-19 | 支付宝(杭州)信息技术有限公司 | 仓储货物测量方法和装置 |
| CN115272932A (zh) * | 2022-07-29 | 2022-11-01 | 浙江通见科技有限公司 | 一种基于机器视觉的城市非机动车杂乱停放识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112894832B (zh) | 三维建模方法、装置、电子设备和存储介质 | |
| US10909395B2 (en) | Object detection apparatus | |
| CN110146869A (zh) | 确定坐标系转换参数的方法、装置、电子设备和存储介质 | |
| CN110378965A (zh) | 确定坐标系转换参数的方法、装置、设备和存储介质 | |
| CN110119698A (zh) | 用于确定对象状态的方法、装置、设备和存储介质 | |
| CN112368756B (zh) | 计算对象和车辆碰撞时间的方法、计算设备及车辆 | |
| CN111222385B (zh) | 单车违停的检测方法及装置、共享单车及检测系统 | |
| CN111062986A (zh) | 基于单目视觉的共享单车辅助定位方法及装置 | |
| CN112270719B (zh) | 相机标定方法、装置及系统 | |
| WO2022183682A1 (zh) | 一种目标确定方法及装置、电子设备、计算机可读存储介质 | |
| WO2011160672A1 (en) | Method for obtaining drivable road area | |
| CN109345599B (zh) | 一种地面坐标与ptz摄像机的坐标转换方法及系统 | |
| US11783507B2 (en) | Camera calibration apparatus and operating method | |
| CN109918977A (zh) | 确定空闲车位的方法、装置及设备 | |
| CN104361603A (zh) | 枪机图像目标标定方法及其系统 | |
| CN106370160A (zh) | 一种机器人室内定位系统和方法 | |
| CN115100423B (zh) | 一种基于视图采集数据实现实时定位系统及方法 | |
| CN104949657A (zh) | 物体检测装置、物体检测方法、以及包括物体检测程序的计算机可读非瞬时性存储介质 | |
| CN113658262B (zh) | 相机外参标定方法、装置、系统及存储介质 | |
| CN107886752A (zh) | 一种基于改造车道线的高精度车辆定位系统及方法 | |
| CN113034586A (zh) | 道路倾角检测方法和检测系统 | |
| CN113793413A (zh) | 三维重建方法、装置、电子设备及存储介质 | |
| CN112255604B (zh) | 一种雷达数据准确性的判断方法、装置及计算机设备 | |
| CN117152265A (zh) | 一种基于区域提取的交通图像标定方法及装置 | |
| CN105894505A (zh) | 一种基于多摄像机几何约束的快速行人定位方法 |
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 |
Address after: 200438 9 / F, 10 / F, 11 / F, 12 / F, 38 Lane 1688, Guoquan North Road, Yangpu District, Shanghai Applicant after: QIANXUN SPATIAL INTELLIGENCE Inc. Address before: Room j165, 1st floor, building 64, 1436 Jungong Road, Yangpu District, Shanghai, 200433 Applicant before: QIANXUN SPATIAL INTELLIGENCE Inc. |
|
| CB02 | Change of applicant information | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200424 |
|
| WD01 | Invention patent application deemed withdrawn after publication |