CN111179339A - 基于三角测量的坐标定位方法、装置、设备及存储介质 - Google Patents
基于三角测量的坐标定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111179339A CN111179339A CN201911289442.1A CN201911289442A CN111179339A CN 111179339 A CN111179339 A CN 111179339A CN 201911289442 A CN201911289442 A CN 201911289442A CN 111179339 A CN111179339 A CN 111179339A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- target mark
- unit
- initial
- dimensional
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003384 imaging method Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims description 103
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 230000003287 optical effect Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000669618 Nothes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering 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
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本申请适用于计算机技术领域,提供了一种基于三角测量的坐标定位方法、装置、设备及存储介质。方法获取目标标记点投影到多个摄像单元的成像平面的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标;根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差;根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。本申请提供的基于三角测量的坐标定位方法,根据目标标记点的角度定位误差对初始三维坐标进行校正,与现有技术中基于三维坐标的距离误差进行校正的方法相比,不受摄像单元与目标标记点之间距离的影响,提高了坐标定位的精度。
Description
技术领域
本申请属于计算机技术领域,尤其涉及一种基于三角测量的坐标定位方法、装置、设备及存储介质。
背景技术
三角测量被广泛的应用在实时动作捕捉系统中的坐标定位。
当前技术中,实时动作捕捉系统大多需获取标记点投射到周围两个以上动作捕捉相机上的二维投影点,然后基于三角测量原理预测得到标记点的空间位置(三维坐标)。
由于动作捕捉相机本身的误差,根据三角测量预测得到的标记点的目标空间位置在各动作捕捉相机上的投射点,与各动作捕捉相机实际获取的投影点的位置不同,存在距离误差,需要对该距离误差进行优化计算,从而获得标记点的准确空间位置。为了满足实时动作捕捉系统的定位速度要求,需要在预设的时间内输出优化计算后的三维坐标值,当动作捕捉相机与标记点之间的距离变大时,根据三角测量预测得到的目标空间位置的投射点和实际投影点之间的距离误差也会变大,增加了坐标优化的计算量,在预设时间到达时不可避免的会出现坐标定位误差较大的问题。
发明内容
有鉴于此,本申请实施例提供了一种基于三角测量的坐标定位方法、装置、设备及存储介质,以解决现有技术中基于三角测量的坐标定位方法误差大的技术问题。
第一方面,本申请实施例提供了一种基于三角测量的坐标定位方法,包括:
获取目标标记点投影到多个摄像单元的成像平面的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标;
根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差;
根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。
在第一方面的一种可能的实现方式中,根据所述多个图像坐标获得目标标记点的初始三维坐标包括:
获取每个摄像单元的光心坐标;
根据每个摄像单元的光心坐标和该摄像单元对应的图像坐标,确定每个摄像单元的第一单位向量;
获取所有第一单位向量之间多个交叉点的三维坐标;其中,每两个第一单位向量对应一个交叉点;
对所有交叉点的三维坐标进行求平均处理,获得所述目标标记点的初始三维坐标。
在第一方面的一种可能的实现方式中,根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差包括:
根据每个摄像单元的光心光标与所述初始三维坐标,确定每个摄像单元的第二单位向量;
针对每个摄像单元,根据该摄像单元的第一单位向量和该摄像单元的第二单位向量,计算获得目标标记点投影到该摄像单元的投影点的参考角度定位误差;
对所有的参考角度定位误差进行求平均处理,获取目标标记点的角度定位误差。
在第一方面的一种可能的实现方式中,根据所述摄像单元的第一单位向量和摄像单元的第二单位向量,计算获得目标标记点投影到该摄像单元的投影点的参考角度定位误差,包括:
执行运算操作,获取第一单位向量和第二单位向量的点积,并将单位值与点积之间的差值作为目标标记点投影到该摄像单元的投影点的参考角度定位误差。
在第一方面的一种可能的实现方式中,所述根据所述初始三维坐标和所述角度定位误差,获得所述目标标记点的优化三维坐标,包括:
基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件,并将当前时刻的三维坐标作为目标标记点的优化三维坐标;其中,梯度下降算法中梯度方向为角度定位误差下降速度最快的方向。
在第一方面的一种可能的实现方式中,基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件包括:
初始化梯度下降算法的下降速度和梯度方向,并将初始三维坐标作为损失函数的初始值;其中,损失函数用于描述所述目标标记点的三维坐标;
根据当前的下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标;
判断迭代结果是否满足预设条件;
若否,则根据优化后的三维坐标对下降速度和梯度方向进行更新,并返回执行根据当前的下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标的步骤,直至迭代结果满足预设条件。
在第一方面的一种可能的实现方式中,判断迭代结果是否满足预设条件,包括:
根据优化后的三维坐标以及多个图像坐标,确定优化后的角度定位误差;
判断优化后的角度定位误差是否小于第一预设值。
第二方面,本申请实施例提供了一种基于三角测量的坐标定位装置,包括:
获取模块,用于获取目标标记点投影到多个摄像单元的成像平面的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标;
确定模块,用于根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差;
定位模块,用于根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。
第三方面,本申请实施例提供了一种基于三角测量的坐标定位设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述第一方面任一项方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述第一方面任一项方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项的方法。
本申请实施例提供的基于三角测量的坐标定位方法,获取目标标记点投影到多个摄像单元后的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标,根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差,然后根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。本申请实施例提供的基于三角测量的坐标定位方法,根据目标标记点的角度定位误差对初始三维坐标进行校正,与现有技术中基于三维坐标的距离误差进行校正的方法相比,不受摄像单元与目标标记点之间距离的影响,在满足定位速度的前提下,提高了坐标定位的精度。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是三角测量的原理图;
图2是本申请一实施例提供的基于三角测量的坐标定位方法的流程示意图;
图3是本申请一实施例提供的获得目标标记点的初始三维坐标的流程示意图;
图4是本申请一实施例提供的标记点的三维坐标与图像坐标的投影关系图;
图5是本申请一实施例提供的确定目标标记点的角度定位误差的流程示意图;
图6为本是申请一实施例提供的基于梯度下降算法对初始三维坐标进行迭代计算的流程示意图;
图7是本申请一实施例提供的基于三角测量的坐标定位装置的结构示意图;
图8是本申请一实施例提供的基于三角测量的坐标定位设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
三角测量是借由测量目标点与固定基准线的已知端点的角度,确定目标点的距离或者目标点的位置的方法。由于其不需要直接进行三边测量(距离测量)即可确定目标点的位置,被广泛的应用在实时动作捕捉系统上。
示例性的,实时动作捕捉系统包括多个动作捕捉相机、至少一个数据处理工作站,以及多个光学标识别点。实际应用中,在运动物体关键部位(如人体的关节处等)粘贴光学标识点,多个动作捕捉相机从不同角度实时探测光学标识点,分别获取该光学标识点投影到不同动作扑捉相机上的图像坐标,并将光学标识别点的图像坐标实时传输至数据处理工作站,数据处理工作站接受各动作捕捉相机发送的该目标标记点的多个图像坐标,并根据三角测量的原理进行光学标识点的空间坐标定位,从而再从生物运动学原理出发计算骨骼的自由度运动。
其中,三角测量的原理图可以参阅图1。如图1所示,P为光学标识点,两台相机R0和R1分别从不同角度拍摄光学标识点P,P在两台相机上的投影点分别为X0和X1。则根据三角测量原理,获得光学标识点P的三维坐标为第一向量和第二向量之间的交叉点A的坐标;其中,第一向量为通过相机R0的光心C0与投影点X0的向量,第二向量V1为通过相机R1的光心C1与投影点的向量。
由于动作捕捉相机本身的误差,交叉点A(根据三角测量预测得到的目标空间位置)在各动作捕捉相机上的投射点,与P点在动作捕捉相机的投影点X0或X1的位置不同,存在距离误差,需要对该距离误差进行优化,进而计算获得光学标识点的准确三维坐标(空间位置)。当动作捕捉相机与光学标识点之间的距离变大时,P的实际投射点和交叉点A的投影点之间的距离误差也会变大,导致基于距离误差进行坐标位置优化的坐标定位方法的计算量大大增加,为了保障光学标识点的空间坐标定位的时效性,不可以避免会带来坐标定位误差大的技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行示例性说明。值得说明的是,下文中列举的具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请一实施例提供的基于三角测量的坐标定位方法的流程示意图,如图2所示,该基于三角测量的坐标定位方法包括:
S201、获取目标标记点投影到多个摄像单元的成像平面后的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标。
图像坐标为目标标记点投影到摄像单元成像平面后的图像坐标系上的位置坐标,为二维位置坐标。
其中,摄像单元可以为动作捕捉系统中的动作捕捉相机。
本实施例中,获取目标标记点投影到多个摄像单元后的图像坐标可以为接收各动作捕捉相机发送的该目标标记点的多个图像坐标。
在本实施例中,根据多个图像坐标获得目标标记点的初始三维坐标,包括基于三角测量的原理,根据多个图像坐标确定目标标记点的初始三维坐标。其中,初始三维坐标为世界坐标系的坐标。
例如,基于三角测量的原理,根据目标标记点在两个摄像单元上投影的两个图像坐标确定目标标记点的初始三维坐标。
示例性的,请一并参阅图1,图1为基于三角测量进行坐标定位的原理图。如图1所示,P为目标标记点,两台相机R0和R1分别从不同角度拍摄目标标记点P,P在两台相机上的投影点分别为X0和X1;X0和X1在各自相机的成像平面的二维位置坐标即为图像坐标。
S202、根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差。
本实施例中,根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差包括:针对每个图像坐标,获取目标标记点相对于该图像坐标的角度误差,然后根据目标标记点的所有角度误差,确定目标标记点的角度定位误差。
其中,目标标记点相对于某一图像坐标的角度误差为:目标标记点的初始三维坐标与该图像坐标对应的摄像单元的光心坐标之间连线与该图像坐标与对应的光心之间连线的夹角。
示例性的,请一并参阅图1,如图1所示,P为目标标记点,P在相机R0上的投影点为X0,目标标记点P的初始三维坐标为B点的三维坐标(可以根据三角测量方法预测得到),则目标标记点p相对于投影点X0的角度误差为第一向量V0与C0与B之间连线的夹角。
在本实施例中,根据目标标记点的所有角度误差,确定目标标记点的角度定位误差,包括根据所有角度误差的平均值确定目标标记点的角度定位误差。
S203、根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。
在本实施例中,根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标即为通过角度定位误差对初始三维坐标进行优化。
其中,优化的方法包括但不限于梯度下降算法、奇异值分解方法、最小二乘法等。
其中,基于梯度下降算法对初始三维坐标进行优化,包括将目标标记点的三维坐标作为损失函数的目标值,基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件,并将当前时刻的三维坐标作为目标标记点的优化三维坐标;其中,梯度下降算法中梯度方向为角度定位误差下降速度最快的方向。
本申请实施例提供的基于三角测量的坐标定位方法,获取目标标记点投影到多个摄像单元后的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标,根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差,然后根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。本申请实施例提供的基于三角测量的坐标定位方法,根据目标标记点的角度定位误差对初始三维坐标进行校正,与现有技术中基于三维坐标的距离误差进行校正的方法相比,不受摄像单元与目标标记点之间距离的影响,在保障坐标定位速度的前提下,提高了坐标定位的精度。
实际应用中,为了提高目标标记点的定位精度,摄像单元一般会多于两台。此时不同两台摄像单元上投影点生成的交叉点可能不为一个,可以根据多个交叉点坐标的平均值确定初始三维坐标。下述将通过图3的实施例进行示例性说明。
图3为本是申请一实施例提供的获得目标标记点的初始三维坐标的流程示意图,描述了图2所述实施例步骤201中根据多个图像坐标获得目标标记点的初始三维坐标的一种可能的实现方式。参见图3,获得目标标记点的初始三维坐标的方法包括:
S301、获取每个摄像单元的光心坐标。
每个摄像单元的光心坐标为该摄像单元的光心在世界坐标系上的坐标。
S302、根据每个摄像单元的光心坐标和该摄像单元对应的图像坐标,确定每个摄像单元的第一单位向量。
图像坐标为目标标记点投影到摄像单元的成像平面(图像坐标系)上的位置坐标,为二维坐标,每一个摄像单元对应一个图像坐标。
请一并参阅图4,图4为目标标记点的三维坐标与图像坐标(二维坐标)的投影关系图。假设摄像单元为相机,如图4所示,OC--XCYCZC为相机坐标系,o-xy为图像坐标系,相机坐标系的原点OC为摄像单元的光心,图像坐标系原点o为摄像单元的光心在图像平面上的投影,OC与o之间的距离为相机的焦距f。
如图4所示,P为目标标记点,点P投影到相机上后得到成像点p,p在图像坐标系中的坐标为(x,y)。将该相机的光心与p点进行连接,得到该相机拍摄目标标记点的投影线,即第一单位向量。
S303、获取所有第一单位向量之间多个交叉点的三维坐标;其中,每两个第一单位向量对应一个交叉点。
每一个摄像单元对应一个第一单位向量,当仅有两台摄像单元时,根据三角测量原理可知,两台摄像单元的第一单位向量的交叉点即为基于该两台摄像单元确定的目标标记点的三维坐标。
本实施例中,每两个第一单位向量对应一个交叉点即为每两个摄像单元可以确定一个交叉点。
获取所有第一单位向量之间多个交叉点的三维坐标可以包括,从所有第一单位向量之后选取一个第一单位向量A作为基准,获得该第一单位向量A与其他第一单位向量之间的多个交叉点的三维坐标,然后更换第一单位向量B,获取该第一单位向量B与其他第一单位向量之间的多个交叉点的三维坐标,直至获取所有第一单位向量之间所有交叉点的三维坐标。
示例性的,假设有N台摄像单元,则步骤S301可以获得N个第一单位向量,每两个第一单位向量对应一个交叉点,则一共可以获得N(N-1)/2个交叉点。
S304、对所有交叉点的三维坐标进行求平均处理,获得目标标记点的初始三维坐标。
对所有交叉点的三维坐标求平均处理,并将该平均值作为目标标记点的初始三维坐标。
本申请实施例提供的基于三角测量的坐标定位方法,根据N个摄像单元的图像坐标确定初始三维坐标,其中N大于2,提高了初始三维坐标的定位精度,可以提高对初始三维坐标进行优化的效率。
图5为本是申请一实施例提供的确定目标标记点的角度定位误差的流程示意图,描述了图2所述实施例步骤202中根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差的一种可能的实现方式。参见图5,根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差包括:
S501、根据每个摄像单元的光心光标与初始三维坐标,确定每个摄像单元的第二单位向量。
每一个摄像单元对应一个第二单位向量。
S502、针对每个摄像单元,根据该摄像单元的第一单位向量和该摄像单元的第二单位向量,计算获得目标标记点投影到该摄像单元的投影点的参考角度定位误差。
本实施例中,摄像单元的第一单位向量为摄像单元拍摄目标标记点的实际投影线;摄像单元的第二单位向量为摄像单元与目标标记点的三维坐标之间的连接线,其中,该三维坐标可以为目标标记点初始三维坐标,也可以为目标标记点实时更新的三维坐标。
本实施例中,根据该摄像单元的第一单位向量和该摄像单元的第二单位向量,计算获得目标标记点投影到该摄像单元的投影点的参考角度定位误差,包括:执行运算操作,获取第一单位向量和第二单位向量的点积,并将单位值与点积之间的差值作为目标标记点投影到该摄像单元的投影点的参考角度定位误差。
本实施例中,第一单位向量和第二单位向量之间的夹角的大小与目标标记点投影到该摄像单元的投影点的参考角度定位误差大小一一对应。
示例性的,摄像单元拍摄的目标标记点的参考角度定位误差可以通过下式(1)表示:
两个单位向量的点积等于两个单位向量的数值与该两个单位向量的夹角的余弦值相乘,由于单位向量的数值均为1,故两个单位向量的点积即为该两个单位向量的夹角的余弦值的大小。例如:若两个单位向量的夹角为0°,即两个单位向量平行,此时两个单位向量的点积为1,单位值与点积之间的差值也为0。若两个单位向量之间的夹角为90°,此时两个单位向量的点积为0,则单位值与点积之间的差值为1。
本实施例中,通过对第一单位向量和第二单位向量进行求点积处理,可以通过一个标量(第一单位向量和第二单位向量的点积)描述第一单位向量和第二单位向量之间的夹角大小,同时通过引入单位值,实现了第一单位向量和第二单位向量之间夹角的归一化处理。
S503、对所有的参考角度定位误差进行求平均处理,获取目标标记点的角度定位误差。
示例性的,目标标记点的角度定位误差可以通过下式(2)表示:
摄像单元的第一单位向量为摄像单元拍摄目标标记点的实际投影线,当摄像单元以及目标标记点位置确定后,第一单位向量保持不变。摄像单元的第二单位向量基于目标标记点的三维坐标变化而变化。因此,目标标记点的角度定位误差根据目标标记点的三维坐标变换而变化,具体可以通过上式(2)表达。
为了提高目标标记点的定位精度和定位速度,可以将梯度下降算法中梯度方向设为角度定位误差下降速度最快的方向,然后基于梯度下降算法对目标标记点的三维坐标进行优化。例如:根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标中一种可能的实现方式包括基于梯度下降算法对初始三维坐标进行优化,包括将目标标记点的三维坐标作为损失函数的目标值,基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件,并将当前时刻的三维坐标作为目标标记点的优化三维坐标。下面通过图6所述实施例,对基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件进行示例性说明。
图6为本是申请一实施例提供的基于梯度下降算法对初始三维坐标进行迭代计算的流程示意图,描述了图2所述实施例步骤203中根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标中一种可能的实现方式。参见图6,基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件包括:
S601、初始化梯度下降算法的下降速度和梯度方向,并将初始三维坐标作为损失函数的初始值,损失函数用于描述目标标记点的三维坐标;
在本实施例中,损失函数可以通过下述式(3)表示,具体地:
其中,每进行一次迭代计算,则进行一次时刻的更新。
梯度方向为角度定位误差下降速度最快的方向。
本实施例中,目标标记点的角度定位误差可以通过上式(2)表示,对于式(2)求微分处理,可以获得梯度方向为:
其中,初始化梯度下降算法中的梯度方向,可以为根据初始三维坐标以及目标标记点的各个图像坐标,计算获得每个摄像单元的第一向量以及第二向量,并将所有摄像单元的第一向量以及第二向量代入式(4)获取初始梯度方向。
本实施例中,下降速度可以通过下式(5)表示:
S602、根据当前下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标。
根据上式(2)进行计算,获得下一个时刻的目标标记点的三维坐标,即为优化后的三维坐标。
S603、判断迭代结果是否满足预设条件。
每一次迭代过程中,会得到目标标记点更新后的三维坐标,即优化后的三维坐标。
在一种可能实现方式中,判断迭代结果是否满足预设条件包括:根据优化后的三维坐标以及多个图像坐标,获取该优化后的三维坐标的角度定位误差,判断该优化后的三维坐标的角度定位误差是否小于第一预设值,若是,则表示迭代结果满足预设条件,若否,则表示迭代结果不满足预设条件。其中,第一预设值可以预先设定。
其中,根据优化后的三维坐标以及多个图像坐标,获取该更新后的三维坐标的角度定位误差参照上式(2)。
在另一种可能实现方式中,判断迭代结果是否满足预设条件包括:判断优化后的三维坐标与上一时刻的三维坐标之间的误差是否小于第二预设值,若是则表示迭代结果满足预设条件,若否,则表示迭代结果不满足预设条件。其中,第二预设值可以预先设定。
上述两种实现方式中,满足任意一个即表示迭代结果满足预设条件,当两种实现方式中的预设条件均不满足时,表示迭代结果不满足预设条件。
S604、若否,则根据优化后的三维坐标对下降速度和梯度方向进行更新,并返回执行上述根据当前时刻的下降速度、梯度方向以及三维坐标,计算获得下一时刻的三维坐标的步骤。
若迭代结果不满足预设条件,则根据优化后的三维坐标计算获得所有摄像单元的第一单位向量和第二单位向量,并代入上式(4)和(5),对下降速度和梯度方向进行更新,然后返回执行步骤602,直至迭代结果满足预设条件。
S605、若是,则将优化后的三维坐标作为目标标记点的优化三维坐标。
本申请实施例提供的基于三角测量的坐标定位方法,将梯度下降算法中梯度方向设为角度定位误差下降速度最快的方向,然后基于梯度下降算法对目标标记点的三维坐标进行优化,在提高了目标标记点的定位精度的同时,提高了迭代计算的效率。
实际应用中,目标标记点可以为多个,例如:m个目标标记点被N个摄像单元看到,基于梯度下降算法进行计算时,目标标记点的迭代循环时间较长,导致目标标记点的定位速度较慢。为了提高目标标记点定位速度,可以基于图形处理器(Graphics ProcessingUnit,以下简称GPU)进行m个目标标记点的定位,相对于中央处理器CPU,GPU可以同时运行大量的线程,进而实现m个目标标记点的同时定位运算,实现了三维坐标定位的加速。
可选地,在进行每一个目标标记点的定位运算时,也可以通过多个线程同时计算N个摄像单元的相关数据(例如第一单位向量)以提高每个目标标记点的迭代速度。
示例性的,假设共有m个目标标记点被N个摄像单元看到。则共设计m个线程组,每一个线程组用于计算一个目标标记点,同时进行m个目标标记点的定位运算。每一个线程组包括至少有n个线程,每一个线程计算上述式(4)中的然后再用并行归约的方式计算总和获得当前的梯度方向,多个线程同时进行计算,可以快速得到一个目标标记点的优化三维坐标;多个线程组同时进行计算,可以快速得到多个目标标记点的优化三维坐标,实现了三维坐标定位的加速,极大的提高了三维坐标的定位速度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
基于上述实施例所提供的基于三角测量的坐标定位方法,本发明实施例进一步给出实现上述方法实施例的装置实施例。
图7为本申请一实施例提供的基于三角测量的坐标定位装置的结构示意图。如图7所示,基于三角测量的坐标定位装置70包括:获取模型701、确定模块702以及定位模块703。
获取模块701,用于获取目标标记点投影到多个摄像单元的成像平面的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标。
确定模块702,用于根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差。
定位模块703,用于根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。
本申请实施例提供的基于三角测量的坐标定位装置,获取目标标记点投影到多个摄像单元后的图像坐标,并根据多个图像坐标获得目标标记点的初始三维坐标,根据初始三维坐标以及多个图像坐标,确定目标标记点的角度定位误差,然后根据初始三维坐标和角度定位误差,获得目标标记点的优化三维坐标。本申请实施例提供的基于三角测量的坐标定位方法,根据目标标记点的角度定位误差对初始三维坐标进行校正,与现有技术中基于三维坐标的距离误差进行校正的方法相比,不受摄像单元与目标标记点之间距离的影响,在保障坐标定位速度的前提下,提高了坐标定位的精度。
获取模块701,具体用于:
获取每个摄像单元的光心坐标;
根据每个摄像单元的光心坐标和该摄像单元对应的图像坐标,确定每个摄像单元的第一单位向量;
获取所有第一单位向量之间多个交叉点的三维坐标;其中,每两个第一单位向量对应一个交叉点;
对所有交叉点的三维坐标进行求平均处理,获得所述目标标记点的初始三维坐标。
确定模块702,具体用于:
根据每个摄像单元的光心光标与所述初始三维坐标,确定每个摄像单元的第二单位向量;
针对每个摄像单元,根据该摄像单元的第一单位向量和该摄像单元的第二单位向量,计算获得目标标记点投影到该摄像单元的投影点的参考角度定位误差;
对所有的参考角度定位误差进行求平均处理,获取目标标记点的角度定位误差。
确定模块702,还具体用于:
执行运算操作,获取第一单位向量和第二单位向量的点积,并将单位值与点积之间的差值作为目标标记点投影到该摄像单元的投影点的参考角度定位误差。
定位模块703,具体用于:
基于梯度下降算法对初始三维坐标进行迭代计算直至满足预设条件,并将当前时刻的三维坐标作为目标标记点的优化三维坐标;其中,梯度下降算法中梯度方向为角度定位误差下降速度最快的方向。
定位模块703,还具体用于:
初始化梯度下降算法的下降速度和梯度方向,并将初始三维坐标作为损失函数的初始值;其中,损失函数用于描述所述目标标记点的三维坐标;
根据当前的下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标;
判断迭代结果是否满足预设条件;
若否,则根据优化后的三维坐标对下降速度和梯度方向进行更新,并返回执行根据当前的下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标的步骤,直至迭代结果满足预设条件。
定位模块703,还具体用于:
根据优化后的三维坐标以及多个图像坐标,确定优化后的角度定位误差;
判断优化后的角度定位误差是否小于第一预设值。
另一方面,本实施例提供的基于三角测量的坐标定位装置,将梯度下降算法中梯度方向设为角度定位误差下降速度最快的方向,然后基于梯度下降算法对目标标记点的三维坐标进行优化,在提高了目标标记点的定位精度的同时,提高了迭代计算的效率。
图7所示实施例提供的基于三角测量的坐标定位装置,可用于执行上述方法实施例中的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图8是本申请一实施例提供的基于三角测量的坐标定位设备的示意图。如图8所示,该实施例的基于三角测量的坐标定位设备80包括:至少一个处理器801、存储器802以及存储在所述存储器802中并可在所述处理器801上运行的计算机程序。基于三角测量的坐标定位设备还包括通信部件803,其中,处理器801、存储器802以及通信部件803通过总线804连接。
处理器801执行所述计算机程序时实现上述各个基于三角测量的坐标定位方法实施例中的步骤,例如图2所示实施例中的步骤S201至步骤S203。或者,处理器801执行计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图7所示模块701至703的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器802中,并由处理器801执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在所述基于三角测量的坐标定位设备80中的执行过程。
本领域技术人员可以理解,图8仅仅是基于三角测量的坐标定位设备的示例,并不构成对基于三角测量的坐标定位设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
所称处理器801可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器802可以是基于三角测量的坐标定位设备的内部存储单元,也可以是基于三角测量的坐标定位设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器802用于存储所述计算机程序以及基于三角测量的坐标定位设备所需的其他程序和数据。存储器802还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于三角测量的坐标定位方法,其特征在于,包括:
获取目标标记点投影到多个摄像单元的成像平面的图像坐标,并根据所述多个图像坐标获得所述目标标记点的初始三维坐标;
根据所述初始三维坐标以及所述多个图像坐标,确定所述目标标记点的角度定位误差;
根据所述初始三维坐标和所述角度定位误差,获得所述目标标记点的优化三维坐标。
2.如权利要求1所述的基于三角测量的坐标定位方法,其特征在于,所述根据所述多个图像坐标获得所述目标标记点的初始三维坐标包括:
获取每个摄像单元的光心坐标;
根据每个摄像单元的光心坐标和该摄像单元对应的图像坐标,确定每个摄像单元的第一单位向量;
获取所有第一单位向量之间多个交叉点的三维坐标;其中,每两个第一单位向量对应一个交叉点;
对所有交叉点的三维坐标进行求平均处理,获得所述目标标记点的初始三维坐标。
3.如权利要求2所述的基于三角测量的坐标定位方法,其特征在于,根据所述初始三维坐标以及所述多个图像坐标,确定所述目标标记点的角度定位误差包括:
根据每个摄像单元的光心光标与所述初始三维坐标,确定每个摄像单元的第二单位向量;
针对每个摄像单元,根据所述摄像单元的第一单位向量和所述摄像单元的第二单位向量,计算获得所述目标标记点投影到所述摄像单元的投影点的参考角度定位误差;
对所有的参考角度定位误差进行求平均处理,获取所述目标标记点的角度定位误差。
4.如权利要求3所述的基于三角测量的坐标定位方法,其特征在于,所述根据所述摄像单元的第一单位向量和所述摄像单元的第二单位向量,计算获得所述目标标记点投影到所述摄像单元的投影点的参考角度定位误差,包括:
执行运算操作,获得所述第一单位向量和所述第二单位向量的点积,并将单位值与所述点积的差值作为所述目标标记点投影到所述摄像单元的投影点的参考角度定位误差。
5.如权利要求1-4任一项所述的基于三角测量的坐标定位方法,其特征在于,所述根据所述初始三维坐标和所述角度定位误差,获得所述目标标记点的优化三维坐标,包括:
基于梯度下降算法对所述初始三维坐标进行迭代计算直至满足预设条件,并将当前时刻的三维坐标作为所述目标标记点的优化三维坐标;其中,所述梯度下降算法的梯度方向为所述角度定位误差下降速度最快的方向。
6.如权利要求5所述的基于三角测量的坐标定位方法,其特征在于,所述基于梯度下降算法对所述初始三维坐标进行迭代计算直至满足预设条件包括:
初始化所述梯度下降算法的下降速度和梯度方向,并将所述初始三维坐标作为损失函数的初始值;其中,所述损失函数用于描述所述目标标记点的三维坐标;
根据当前的下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标;
判断迭代结果是否满足预设条件;
若否,则根据所述优化后的三维坐标对所述下降速度和所述梯度方向进行更新,并返回执行所述根据当前的下降速度、梯度方向以及三维坐标,计算获得优化后的三维坐标的步骤,直至迭代结果满足预设条件。
7.如权利要求6所述的基于三角测量的坐标定位方法,其特征在于,所述判断迭代结果是否满足预设条件,包括:
根据所述优化后的三维坐标以及所述多个图像坐标,确定优化后的角度定位误差;
判断所述优化后的角度定位误差是否小于第一预设值。
8.一种基于三角测量的坐标定位装置,其特征在于,包括:
获取模块,用于获取目标标记点投影到多个摄像单元的成像平面的图像坐标,并根据所述多个图像坐标获得所述目标标记点的初始三维坐标;
确定模块,用于根据所述初始三维坐标以及所述多个图像坐标,确定所述目标标记点的角度定位误差;
定位模块,用于根据所述初始三维坐标和所述角度定位误差,基于梯度下降算法获得所述目标标记点的优化三维坐标。
9.一种基于三角测量的坐标定位设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911289442.1A CN111179339B (zh) | 2019-12-13 | 2019-12-13 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
PCT/CN2020/134947 WO2021115331A1 (zh) | 2019-12-13 | 2020-12-09 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911289442.1A CN111179339B (zh) | 2019-12-13 | 2019-12-13 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111179339A true CN111179339A (zh) | 2020-05-19 |
CN111179339B CN111179339B (zh) | 2024-03-08 |
Family
ID=70652030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911289442.1A Active CN111179339B (zh) | 2019-12-13 | 2019-12-13 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111179339B (zh) |
WO (1) | WO2021115331A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681268A (zh) * | 2020-06-15 | 2020-09-18 | 深圳市瑞立视多媒体科技有限公司 | 光学标记点序号误识别检测方法、装置、设备及存储介质 |
CN111914359A (zh) * | 2020-07-09 | 2020-11-10 | 吉林重通成飞新材料股份公司 | 一种风电叶片后缘间隙模拟方法、系统、设备及存储介质 |
CN112650250A (zh) * | 2020-12-23 | 2021-04-13 | 深圳市杉川机器人有限公司 | 一种地图构建方法及机器人 |
GB2588850A (en) * | 2019-09-27 | 2021-05-12 | Electronic Theatre Controls Inc | Systems and methods for light fixture location determination |
CN112945240A (zh) * | 2021-03-16 | 2021-06-11 | 北京三快在线科技有限公司 | 特征点位置的确定方法、装置、设备及可读存储介质 |
WO2021115331A1 (zh) * | 2019-12-13 | 2021-06-17 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
CN113473834A (zh) * | 2021-06-23 | 2021-10-01 | 珠海格力电器股份有限公司 | 异型元件的插装方法、装置、系统、电子设备和存储介质 |
CN113496135A (zh) * | 2021-08-31 | 2021-10-12 | 北京紫光青藤微系统有限公司 | 码图的定位方法、装置、电子设备及存储介质 |
CN113616350A (zh) * | 2021-07-16 | 2021-11-09 | 元化智能科技(深圳)有限公司 | 标记点选取位置的验证方法、装置、终端设备和存储介质 |
CN114648611A (zh) * | 2022-04-12 | 2022-06-21 | 清华大学 | 局域轨道函数的三维重构方法及装置 |
CN115389246A (zh) * | 2022-10-31 | 2022-11-25 | 之江实验室 | 一种动作捕捉系统的速度精度测量方法、系统及装置 |
CN115546284A (zh) * | 2022-11-18 | 2022-12-30 | 浙江晶盛机电股份有限公司 | 晶炉双目三维测量补偿方法、装置、计算机设备和存储介质 |
CN116499470A (zh) * | 2023-06-28 | 2023-07-28 | 苏州中德睿博智能科技有限公司 | 环视相机定位系统优化控制方法、装置及系统 |
WO2023237075A1 (zh) * | 2022-06-09 | 2023-12-14 | 上海市胸科医院 | 基于三角定位的结节定位方法、装置和电子设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888620A (zh) * | 2021-09-29 | 2022-01-04 | 武汉联影智融医疗科技有限公司 | 骨钉标记点提取方法、装置、处理设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1701214A (zh) * | 2003-08-13 | 2005-11-23 | 株式会社拓普康 | 三维测量装置及电子存储媒体 |
CN103983186A (zh) * | 2014-04-17 | 2014-08-13 | 内蒙古大学 | 双目视觉系统校正方法及校正设备 |
CN105849502A (zh) * | 2013-10-24 | 2016-08-10 | 阿里·科尔德 | 动作捕捉系统 |
CN108734740A (zh) * | 2017-04-18 | 2018-11-02 | 松下知识产权经营株式会社 | 摄像头校正方法、摄像头校正程序以及摄像头校正装置 |
CN108839027A (zh) * | 2018-08-31 | 2018-11-20 | 河南工程学院 | 基于激光测距传感器的机器人自动对准控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105091744B (zh) * | 2015-05-07 | 2018-06-26 | 中国科学院自动化研究所 | 一种基于视觉传感器和激光测距仪的位姿检测装置与方法 |
CN105551039B (zh) * | 2015-12-14 | 2017-12-08 | 深圳先进技术研究院 | 结构光三维扫描系统的标定方法及装置 |
CN106500619B (zh) * | 2016-10-21 | 2018-11-13 | 哈尔滨理工大学 | 基于视觉测量的相机内部图像传感器安装误差分离方法 |
US20190235047A1 (en) * | 2018-01-26 | 2019-08-01 | Easymap Digital Technology Inc. | Unmanned aerial vehicle detection system and detection method |
CN111179339B (zh) * | 2019-12-13 | 2024-03-08 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
-
2019
- 2019-12-13 CN CN201911289442.1A patent/CN111179339B/zh active Active
-
2020
- 2020-12-09 WO PCT/CN2020/134947 patent/WO2021115331A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1701214A (zh) * | 2003-08-13 | 2005-11-23 | 株式会社拓普康 | 三维测量装置及电子存储媒体 |
CN105849502A (zh) * | 2013-10-24 | 2016-08-10 | 阿里·科尔德 | 动作捕捉系统 |
CN103983186A (zh) * | 2014-04-17 | 2014-08-13 | 内蒙古大学 | 双目视觉系统校正方法及校正设备 |
CN108734740A (zh) * | 2017-04-18 | 2018-11-02 | 松下知识产权经营株式会社 | 摄像头校正方法、摄像头校正程序以及摄像头校正装置 |
CN108839027A (zh) * | 2018-08-31 | 2018-11-20 | 河南工程学院 | 基于激光测距传感器的机器人自动对准控制方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2602557A (en) * | 2019-09-27 | 2022-07-06 | Electronic Theatre Controls Inc | Systems and methods for light fixture location determination |
GB2588850A (en) * | 2019-09-27 | 2021-05-12 | Electronic Theatre Controls Inc | Systems and methods for light fixture location determination |
US11835997B2 (en) | 2019-09-27 | 2023-12-05 | Electronic Theatre Controls, Inc. | Systems and methods for light fixture location determination |
GB2602557B (en) * | 2019-09-27 | 2023-01-04 | Electronic Theatre Controls Inc | Systems and methods for light fixture location determination |
GB2588850B (en) * | 2019-09-27 | 2022-08-17 | Electronic Theatre Controls Inc | Systems and methods for light fixture location determination |
WO2021115331A1 (zh) * | 2019-12-13 | 2021-06-17 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
CN111681268A (zh) * | 2020-06-15 | 2020-09-18 | 深圳市瑞立视多媒体科技有限公司 | 光学标记点序号误识别检测方法、装置、设备及存储介质 |
CN111914359A (zh) * | 2020-07-09 | 2020-11-10 | 吉林重通成飞新材料股份公司 | 一种风电叶片后缘间隙模拟方法、系统、设备及存储介质 |
CN111914359B (zh) * | 2020-07-09 | 2022-09-02 | 吉林重通成飞新材料股份公司 | 一种风电叶片后缘间隙模拟方法、系统、设备及存储介质 |
CN112650250A (zh) * | 2020-12-23 | 2021-04-13 | 深圳市杉川机器人有限公司 | 一种地图构建方法及机器人 |
CN112945240A (zh) * | 2021-03-16 | 2021-06-11 | 北京三快在线科技有限公司 | 特征点位置的确定方法、装置、设备及可读存储介质 |
CN112945240B (zh) * | 2021-03-16 | 2022-06-07 | 北京三快在线科技有限公司 | 特征点位置的确定方法、装置、设备及可读存储介质 |
CN113473834A (zh) * | 2021-06-23 | 2021-10-01 | 珠海格力电器股份有限公司 | 异型元件的插装方法、装置、系统、电子设备和存储介质 |
CN113616350B (zh) * | 2021-07-16 | 2022-04-19 | 元化智能科技(深圳)有限公司 | 标记点选取位置的验证方法、装置、终端设备和存储介质 |
CN113616350A (zh) * | 2021-07-16 | 2021-11-09 | 元化智能科技(深圳)有限公司 | 标记点选取位置的验证方法、装置、终端设备和存储介质 |
CN113496135A (zh) * | 2021-08-31 | 2021-10-12 | 北京紫光青藤微系统有限公司 | 码图的定位方法、装置、电子设备及存储介质 |
CN113496135B (zh) * | 2021-08-31 | 2023-06-20 | 北京紫光青藤微系统有限公司 | 码图的定位方法、装置、电子设备及存储介质 |
CN114648611A (zh) * | 2022-04-12 | 2022-06-21 | 清华大学 | 局域轨道函数的三维重构方法及装置 |
CN114648611B (zh) * | 2022-04-12 | 2023-07-18 | 清华大学 | 局域轨道函数的三维重构方法及装置 |
WO2023237075A1 (zh) * | 2022-06-09 | 2023-12-14 | 上海市胸科医院 | 基于三角定位的结节定位方法、装置和电子设备 |
CN115389246A (zh) * | 2022-10-31 | 2022-11-25 | 之江实验室 | 一种动作捕捉系统的速度精度测量方法、系统及装置 |
CN115389246B (zh) * | 2022-10-31 | 2023-03-03 | 之江实验室 | 一种动作捕捉系统的速度精度测量方法、系统及装置 |
CN115546284B (zh) * | 2022-11-18 | 2023-04-28 | 浙江晶盛机电股份有限公司 | 晶炉双目三维测量补偿方法、装置、计算机设备和存储介质 |
CN115546284A (zh) * | 2022-11-18 | 2022-12-30 | 浙江晶盛机电股份有限公司 | 晶炉双目三维测量补偿方法、装置、计算机设备和存储介质 |
CN116499470B (zh) * | 2023-06-28 | 2023-09-05 | 苏州中德睿博智能科技有限公司 | 环视相机定位系统优化控制方法、装置及系统 |
CN116499470A (zh) * | 2023-06-28 | 2023-07-28 | 苏州中德睿博智能科技有限公司 | 环视相机定位系统优化控制方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111179339B (zh) | 2024-03-08 |
WO2021115331A1 (zh) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179339B (zh) | 基于三角测量的坐标定位方法、装置、设备及存储介质 | |
CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
CN108805934B (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
CN108364319B (zh) | 尺度确定方法、装置、存储介质及设备 | |
CN110411476B (zh) | 视觉惯性里程计标定适配及评价方法和系统 | |
CN111612852B (zh) | 用于验证相机参数的方法和装置 | |
CN108182708B (zh) | 一种双目相机的标定方法、标定装置及终端设备 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN113298870B (zh) | 一种物体的姿态跟踪方法、装置、终端设备和存储介质 | |
CN113256718B (zh) | 定位方法和装置、设备及存储介质 | |
CN111709999A (zh) | 标定板、相机标定方法、装置、电子设备及相机系统 | |
CN110774319A (zh) | 一种机器人及其定位方法和装置 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN110930444B (zh) | 一种基于双边优化的点云匹配方法、介质、终端和装置 | |
CN111145634B (zh) | 一种校正地图的方法及装置 | |
Gong et al. | High-precision calibration of omnidirectional camera using an iterative method | |
JP6858387B1 (ja) | 軌道算出装置、軌道算出方法、軌道算出プログラム | |
JP6924455B1 (ja) | 軌跡算出装置、軌跡算出方法、軌跡算出プログラム | |
CN113635299B (zh) | 一种机械臂的校正方法、终端设备及存储介质 | |
CN115018922A (zh) | 畸变参数标定方法、电子设备和计算机可读存储介质 | |
CN114415129A (zh) | 基于多项式模型的视觉与毫米波雷达联合标定方法及装置 | |
CN114119885A (zh) | 图像特征点匹配方法、装置及系统、地图构建方法及系统 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
CN111223139A (zh) | 目标定位方法及终端设备 |
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 |