CN111242847A - 基于闸道的图像拼接方法、系统、设备及存储介质 - Google Patents
基于闸道的图像拼接方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN111242847A CN111242847A CN202010027139.0A CN202010027139A CN111242847A CN 111242847 A CN111242847 A CN 111242847A CN 202010027139 A CN202010027139 A CN 202010027139A CN 111242847 A CN111242847 A CN 111242847A
- Authority
- CN
- China
- Prior art keywords
- matrix
- image
- gateway
- dimensional
- value
- 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 43
- 239000011159 matrix material Substances 0.000 claims abstract description 158
- 238000006073 displacement reaction Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 abstract description 23
- 238000007689 inspection Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 3
- 238000005111 flow chemistry technique Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了基于闸道的图像拼接方法、系统、设备及存储介质，该方法包括：基于闸道设置至少一图像采集设备；获得后一帧图像的像素点基于前一帧图像中沿通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值建立三维匹配矩阵；基于三维匹配矩阵沿通过方向分行逐列依次生成一维矩阵并生成三维搜索矩阵；以三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素回溯到第一列，获得一维路径矩阵；建立位移矩阵，获得位移矩阵中的众数作为估计位移值d；将后一帧图像的基于第一侧向第二侧延展的d列像素点的图像拼接到输出图像的第一侧。本发明能够基于多张局部图片获得完整的车辆图片，降低检测工作量，提升检测速度和准确率。
Description
技术领域
本发明涉及闸口安检领域，具体地说，涉及基于闸道的图像拼接方法、系统、设备及存储介质。
背景技术
目前，集装箱码头闸口等场景广泛使用摄像头协助工作人员检验车辆相关信息，其中存在一部分信息需要工作人员能直观的全面的看到车辆及集装箱的完整情况。传统方案将提供给工作人员连续的多张独立的车辆截图，然后令工作人员人工的检查这多张图片。传统方法会增大工作人员的工作量且增大检查中可能存在的误差。
而且，在一些车辆高速通过的闸口，由于采集的图片仅仅是汽车的局部，因为图片不能反映整个车身的视图，所以难以在一张图片中获得完整的车身数据编号，也很难对车身、车顶、车底等部位进行图像识别，系统无法自动对车辆进行安全检测(例如：通过图像识别扫描车底或是车顶的可疑物品等等)。
因此，本发明提供了一种基于闸道的图像拼接方法、系统、设备及存储介质。
发明内容
针对现有技术中的问题，本发明的目的在于提供基于闸道的图像拼接方法、系统、设备及存储介质，克服了现有技术的困难，能够基于多张局部图片获得完整的车辆图片，降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
本发明的实施例提供一种基于闸道的图像拼接方法，包括以下步骤：
S101、基于闸道设置至少一图像采集设备，所述图像采集设备实时采集所述闸道内的图像，所述图像具有沿所述闸道的通过方向的先后形成的第一侧和第二侧；
S102、获得后一帧图像的像素点基于前一帧图像中沿所述通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据所述匹配代价值以及位置关系建立三维匹配矩阵；
S103、基于三维匹配矩阵沿所述通过方向分行逐列依次生成一维搜寻矩阵，根据所述一维搜寻矩阵的位置关系建立与所述三维匹配矩阵相同尺寸的三维搜索矩阵；
S104、以所述三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵；
S105、根据所有行的所述路径矩阵的位置关系建立位移矩阵，获得所述位移矩阵中的众数，作为估计位移值d；以及
S106、将后一帧图像的基于所述第一侧向所述第二侧延展的d列像素点的图像拼接到输出图像的第一侧。
优选地，通过以下公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；
meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；
sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；
sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；
sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差。
优选地，所述第一预设范围内可以是以像素点x或者像素点y为中心半径10个像素的圆形范围内所有的像素点；或者，所述第一预设范围内可以是以像素点x或者像素点y为中心，边长20个像素的正方形范围内所有的像素点，但不以此为限。
优选地，所述第二预设范围内可以是以像素点x或者像素点y为中心半径25个像素的圆形范围内所有的像素点；或者，所述第二预设范围内可以是以像素点x或者像素点y为中心，边长40个像素的正方形范围内所有的像素点，但不以此为限。
优选地，通过以下公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；
meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；
sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；
sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；
sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差；
C1、C2为常数，C1的取值范围是[1，10]，C2的取值范围是[50，100]。
优选地，获得所述三维搜索矩阵中每一列的每个元素的元素值的步骤包括：
建立一维矩阵，矩阵中的每个元素为所述三维搜索矩阵的该元素所在页数与所述前一列一维矩阵中每个元素所在页数之差的绝对值与前一列一维矩阵中每个元素的元素值的和；
将所述一维矩阵中最小的元素值与所述三维匹配矩阵中对应位置的元素的元素值的总和作为所述三维搜索矩阵中当前元素的元素值。
优选地，获得所述路径矩阵的步骤包括：以所述三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，在前一列元素中寻找到达本列中起点的匹配代价最小的元素作为新的起点，依序逐列回溯到该行中位于第一侧的第一列形成回溯路径，根据所述回溯路径经过的每一列的元素的顺序获得一维路径矩阵。
优选地，统计所述位移矩阵中各种元素的不同数值的元素值的出现次数，将出现次数最高的元素值作为估计位移值d。
优选地，所述图像采集设备的采集方向垂直于闸道的通过方向。
优选地，所述图像采集设备设置于闸道的左侧墙面、右侧墙面、天花板、地板中的至少一处，且任意所述图像采集设备的连线方向垂直于所述闸道的通过方向。
优选地，所述闸道的左侧墙面、右侧墙面、天花板、地板均设有所述图像采集设备，将所述闸道中所述图像采集设备获得的输出图像基于所述通过方向平行地拼合生成一包含通过车辆的四面视图的整体图像。
本发明的实施例还提供一种基于闸道的图像拼接系统，用于实现上述的基于闸道的图像拼接方法，基于闸道的图像拼接系统包括：
图像采集模块，基于闸道设置至少一图像采集设备，所述图像采集设备实时采集所述闸道内的图像，所述图像具有沿所述闸道的通过方向的先后形成的第一侧和第二侧；
匹配矩阵模块，获得后一帧图像的像素点基于前一帧图像中沿所述通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据所述匹配代价值以及位置关系建立三维匹配矩阵；
搜索矩阵模块，基于三维匹配矩阵沿所述通过方向分行逐列依次生成一维搜寻矩阵，根据所述一维搜寻矩阵的位置关系建立与所述三维匹配矩阵相同尺寸的三维搜索矩阵；
回溯路径模块，以所述三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵；
估计位移模块，根据所有行的所述路径矩阵的位置关系建立位移矩阵，获得所述位移矩阵中的众数，作为估计位移值d；以及
图像拼接模块，将后一帧图像的基于所述第一侧向所述第二侧延展的d列像素点的图像拼接到输出图像的第一侧。
本发明的实施例还提供一种基于闸道的图像拼接设备，包括：
处理器；
存储器，其中存储有处理器的可执行指令；
其中，处理器配置为经由执行可执行指令来执行上述基于闸道的图像拼接方法的步骤。
本发明的实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现上述基于闸道的图像拼接方法的步骤。
本发明的基于闸道的图像拼接方法、系统、设备及存储介质，能够基于多张局部图片获得完整的车辆图片，降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的基于闸道的图像拼接方法的流程图；
图2至14是本发明的基于闸道的图像拼接方法的第一种实施状态示意图；
图15是本发明的基于闸道的图像拼接方法的第二种实施状态示意图；
图16和17是本发明的基于闸道的图像拼接方法的第三种实施状态示意图；
图18是本发明的基于闸道的图像拼接系统的结构示意图；
图19是本发明的基于闸道的图像拼接设备的结构示意图；以及
图20是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
图1是本发明的基于闸道的图像拼接方法的流程图。如图1所示，本发明的实施例提供一种基于闸道的图像拼接方法，包括以下步骤：
S101、基于闸道设置至少一图像采集设备，图像采集设备实时采集闸道内的图像，图像具有沿闸道的通过方向的先后形成的第一侧和第二侧；
S102、获得后一帧图像的像素点基于前一帧图像中沿通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据匹配代价值以及位置关系建立三维匹配矩阵；
S103、基于三维匹配矩阵沿通过方向分行逐列依次生成一维搜寻矩阵，根据一维搜寻矩阵的位置关系建立与三维匹配矩阵相同尺寸的三维搜索矩阵；
S104、以三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵；
S105、根据所有行的路径矩阵的位置关系建立位移矩阵，获得位移矩阵中的众数，作为估计位移值d；以及
S106、将后一帧图像的基于第一侧向第二侧延展的d列像素点的图像拼接到输出图像的第一侧。
本发明通过上述过程，将基于闸道的多张图像能够自动局部拼接到一张图片，基于图像采集设备的视角获得通过闸道的车辆的完整图片，该完整图片可用于后续人工检查车辆情况或是基于机器视觉识别车辆或是集装箱编号，以及进行危险物品的图像识别，大大降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
在一个优选实施例中，通过以下公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差，但不以此为限。
在一个优选实施例中，第一预设范围内可以是以像素点x或者像素点y为中心半径10个像素的圆形范围内所有的像素点；或者，第一预设范围内可以是以像素点x或者像素点y为中心，边长20个像素的正方形范围内所有的像素点，但不以此为限。
在一个优选实施例中，第二预设范围内可以是以像素点x或者像素点y为中心半径25个像素的圆形范围内所有的像素点；或者，第二预设范围内可以是以像素点x或者像素点y为中心，边长40个像素的正方形范围内所有的像素点，但不以此为限。
在本发明的技术基础上改变第一预设范围或者第二预设范围的范围大小或是范围的形状的技术方案都落在本发明的保护范围之内。
在一个优选实施例中，为了进一步优化匹配代价值，可以在获得匹配代价值的公司中设置可调参数，例如：通过以下公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差；C1、C2为常数，C1的取值范围是[1，10]，C2的取值范围是[50，100]，但不以此为限。
在一个优选实施例中，获得三维搜索矩阵中每一列的每个元素的元素值的步骤包括：建立一维矩阵，矩阵中的每个元素为三维搜索矩阵的该元素所在页数与前一列一维矩阵中每个元素所在页数之差的绝对值与前一列一维矩阵中每个元素的元素值的和；将一维矩阵中最小的元素值与三维匹配矩阵中对应位置的元素的元素值的总和作为三维搜索矩阵中当前元素的元素值，但不以此为限。
在一个优选实施例中，获得路径矩阵的步骤包括：以三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，在前一列元素中寻找到达本列中起点的匹配代价最小的元素作为新的起点，依序逐列回溯到该行中位于第一侧的第一列形成回溯路径，根据回溯路径经过的每一列的元素的顺序获得一维路径矩阵，但不以此为限。
在一个优选实施例中，统计位移矩阵中各种元素的不同数值的元素值的出现次数，将出现次数最高的元素值作为估计位移值d，但不以此为限。
在一个优选实施例中，图像采集设备的采集方向垂直于闸道的通过方向，但不以此为限。
在一个优选实施例中，图像采集设备设置于闸道的左侧墙面、右侧墙面、天花板、地板中的至少一处，且任意图像采集设备的连线方向垂直于闸道的通过方向，但不以此为限。
在一个优选实施例中，闸道的左侧墙面、右侧墙面、天花板、地板均设有图像采集设备，将闸道中图像采集设备获得的输出图像基于通过方向平行地拼合生成一包含通过车辆的四面视图的整体图像，但不以此为限。后续可以基于包含通过车辆的四面视图的整体图像进行人工检查车辆情况或是基于机器视觉识别车辆或是集装箱编号，以及进行危险物品的图像识别等等，进一步降低了检测的工作量，加快检测速度。
图2至14是本发明的基于闸道的图像拼接方法的第一种实施状态示意图。如图2所示，在闸道1的天花板出设置监控摄像头11，图像采集设备11的采集方向垂直于闸道的通过方向，但不以此为限。本实施例中，采用具有1080P规格的传感器的监控摄像头，但不以此为限。
如图3所示，当车辆10在第一帧对应的时刻通过闸道1中控摄像头11的拍摄区域110时，摄像头11可以拍摄到包含车辆10的第一张图像20。
如图4所示，摄像头11拍摄到的第一张图像20中，车辆10的车头部分自图像20的第一侧20A进入，向第二侧20B行驶。
如图5所示，当车辆10在第一帧之后的第二帧的时刻通过闸道1中控摄像头11的拍摄区域110时，摄像头11可以拍摄到包含车辆10的第二张图像21。
如图6所示，摄像头11拍摄到的第二张图像21中，车辆10的车头已完全进入图像，并且车身部分也自图像20的第一侧20A进入。
如图7所示，本实施例中的第一张图像20都是由1080P规格的传感器获得的图片，图7中每一个小方格代表一个像素点，所以，图像20的行方向具有1080行像素点，列方向具有1920列像素点，第二张图像21也是如此，不再赘述。
如图8所示，本实施例中，设最大位移值为G等于128，但不以此为限，最大位移值为G小于图像沿通过方向的像素的行数。获得后一帧图像的像素点基于前一帧图像中沿通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据匹配代价值以及位置关系建立三维匹配矩阵E。为了进一步优化匹配代价值，可以在获得匹配代价值的公司中设置可调参数，例如：通过以下匹配代价值公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差；C1、C2为常数，C1的取值范围是[1，10]，C2的取值范围是[50，100]，但不以此为限。
如图8所示，三维匹配矩阵E为一个1920×1080×128的三维矩阵，在三维匹配矩阵E中，图8中每一个立体小方块代表三维匹配矩阵E中的一个元素，列方向的列数表示为Ai，i≤1920；行方向的列数表示为Bj，j≤1080；页方向的页数表示为Gk，k≤128。三维匹配矩阵E中的每一个元素都是通过匹配代价值公式获得的匹配代价值cost。
如图9至11所示，基于三维匹配矩阵沿通过方向分行逐列依次生成一维搜寻矩阵，根据一维搜寻矩阵的位置关系建立与三维匹配矩阵相同尺寸的三维搜索矩阵F。三维搜索矩阵F为一个1920×1080×128的三维矩阵，在三维搜索矩阵F中，列方向的列数表示为Ri，i≤1920；行方向的列数表示为Sj，j≤1080；页方向的页数表示为Tk，k≤128。以获得三维搜索矩阵第一行F(S1)(图10中)为例，首先三维搜索矩阵第一行的第一列F(R1，S1)的取值完全复制三维匹配矩阵E中第一行的第一列E(A1，B1)(图9中)，即F(R1，S1)＝E(A1，B1)。
然后，以三维搜索矩阵F的第一行的第一列F(R1，S1)为基础，逐列生成三维搜索矩阵的元素，获得三维搜索矩阵中每一列的每个元素的元素值的步骤包括：建立一维矩阵，矩阵中的每个元素为三维搜索矩阵的该元素所在页数与前一列一维矩阵中每个元素所在页数之差的绝对值与前一列一维矩阵中每个元素的元素值的和(即以下公式中的[F(Ri-1，Tm)+|Tk-Tm|]m＝0-128)，本实施例中，该一维矩阵具有128个元素；找到一维矩阵中最小的元素值与三维匹配矩阵中对应位置的元素的元素值(即以下公式中的E(Ri，Tk))的总和作为三维搜索矩阵中当前元素的元素值，例如以下公式：
F(Ri，Tk)＝min[F(Ri-1，Tm)+|Tk-Tm|]m＝0-128+E(Ri，Tk)
依次在三维搜索矩阵F的一行中一列一列地获得元素值，对于每一行都采用这样的步骤，从而获得完整的三维搜索矩阵F(图11中，图11中每一个立体小方块代表三维搜索矩阵F中的一个元素，)。
如图12所示，以三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵。获得路径矩阵的步骤包括：以三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，在前一列元素中寻找到达本列中起点的匹配代价最小的元素作为新的起点(计算匹配代价的公式如前，此处不再赘述)，依序逐列回溯到该行中位于第一侧的第一列形成回溯路径(本实施例中，从图中的每行矩阵的最左侧向最右侧进行逐行回溯)，回溯路径经过的每一列的一个元素，根据回溯路径经过元素的顺序(参考图12中的折线经过的元素位置)获得一维路径矩阵，本实施例中的一维路径矩阵是一个1920×1的矩阵，但不以此为限。
根据所有行的路径矩阵的位置关系建立位移矩阵，由于行数为1080，获得位移矩阵中的众数，作为估计位移值d，例如：所以位移矩阵为一个1920×1080的二维矩阵，统计位移矩阵中各种元素的不同数值的元素值的出现次数，本实施例中，统计后获得不同数值的元素值中出现次数最多的元素值为60，则前一帧图片20与后一帧图片21之间的估计位移值d等于60，但不以此为限。
如图13所示，将后一帧图像21的基于第一侧向第二侧延展的60列像素点的图像拼接到前一帧图片20的第一侧得到输出图片30。
在一个优选实施例中，本发明通过判断相邻两帧图片之间的估计位移值d大于0作为拼接图片的触发条件，也就表明有物体进入拍摄区域110引起了图像的差异。
在一个优选实施例中，本发明通过判断连续P帧图片之间的估计位移值d都等于0作为暂停拼接图片的触发条件，P为自然数，P的取值范围可以是(1,10)，但不以此为限。
如图14所示，使用本发明可以进行多帧的拼合，在将图片21作为前一帧，图片21之后的第三帧图片作为后一帧可以继续进行上述拼接过程，根据第三帧图片(未示出)与图片21之间获得的新的估计位移值d，将第三帧图片(未示出)基于第一侧向第二侧延展的d列像素点的图像拼接到输出图片30，相当于对输出图片30进行了更新，通过后续帧持续对输出图片30进行更新，直到车辆10通过闸道1，后续帧之间的估计位移值d为0则停止，从而得到关于车辆10的完整视图。
本发明通过上述过程，将基于闸道的多张图像能够自动局部拼接到一张图片，基于图像采集设备的视角获得通过闸道的车辆的完整图片，该完整图片可用于后续人工检查车辆情况或是基于机器视觉识别车辆或是集装箱编号，以及进行危险物品的图像识别，大大降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
图15是本发明的基于闸道的图像拼接方法的第二种实施状态示意图。如图15所示，在一个优选例中，输出图片30可以不包括车头以外的图像内容，从而获得仅针对车辆10的图片，进一步提高后续基于机器视觉识别车辆或是集装箱编号，以及进行危险物品的图像识别的速度和准确度。
图16和17是本发明的基于闸道的图像拼接方法的第三种实施状态示意图。如图16和17所示，在闸道1的左侧墙面、右侧墙面、天花板、地板均设有图像采集设备11、12、13、14。在一个优选例中，可以通过在闸道1的地板设置玻璃15，令设置于地板中的图像采集设备14埋设与地底，从而获得更大的拍摄角度。将闸道1中图像采集设备11、12、13、14获得的输出图像51、52、53、54基于通过方向平行地拼合生成一包含通过车辆的四面视图的整体图像50，四个图像采集设备形成一个垂直于通过方向的垂直平面，但不以此为限。后续可以基于包含通过车辆的四面视图的整体图像50进行人工检查车辆情况或是基于机器视觉识别车辆或是集装箱编号，以及进行危险物品的图像识别等等，进一步降低了检测的工作量，加快检测速度。
图18是本发明的基于闸道的图像拼接系统的结构示意图。如图18所示，本发明的实施例还提供一种基于闸道的图像拼接系统50，用于实现上述的基于闸道的图像拼接方法，基于闸道的图像拼接系统包括：
图像采集模块51，基于闸道设置至少一图像采集设备，图像采集设备实时采集闸道内的图像，图像具有沿闸道的通过方向的先后形成的第一侧和第二侧；
匹配矩阵模块52，获得后一帧图像的像素点基于前一帧图像中沿通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据匹配代价值以及位置关系建立三维匹配矩阵；
搜索矩阵模块53，基于三维匹配矩阵沿通过方向分行逐列依次生成一维搜寻矩阵，根据一维搜寻矩阵的位置关系建立与三维匹配矩阵相同尺寸的三维搜索矩阵；
回溯路径模块54，以三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵；
估计位移模块55，根据所有行的路径矩阵的位置关系建立位移矩阵，获得位移矩阵中的众数，作为估计位移值d；以及
图像拼接模块56，将后一帧图像的基于第一侧向第二侧延展的d列像素点的图像拼接到输出图像的第一侧。
本发明的基于闸道的图像拼接系统能够基于多张局部图片获得完整的车辆图片，降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
本发明实施例还提供一种基于闸道的图像拼接设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的基于闸道的图像拼接方法的步骤。
如上，本发明的基于闸道的图像拼接设备能够基于多张局部图片获得完整的车辆图片，降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
图19是本发明的基于闸道的图像拼接设备的结构示意图。下面参照图19来描述根据本发明的这种实施方式的电子设备600。图19显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图19所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的基于闸道的图像拼接方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示，该实施例的计算机可读存储介质的程序在执行时，能够基于多张局部图片获得完整的车辆图片，降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
图20是本发明的计算机可读存储介质的结构示意图。参考图20所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上，本发明的基于闸道的图像拼接方法、系统、设备及存储介质，能够基于多张局部图片获得完整的车辆图片，降低了检测的工作量，明显提升检测速度，并提升了检查的准确率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (12)
1.一种基于闸道的图像拼接方法，其特征在于，包括以下步骤：
S101、基于闸道设置至少一图像采集设备，所述图像采集设备实时采集所述闸道内的图像，所述图像具有沿所述闸道的通过方向的先后形成的第一侧和第二侧；
S102、获得后一帧图像的像素点基于前一帧图像中沿所述通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据所述匹配代价值以及位置关系建立三维匹配矩阵；
S103、基于三维匹配矩阵沿所述通过方向分行逐列依次生成一维搜寻矩阵，根据所述一维搜寻矩阵的位置关系建立与所述三维匹配矩阵相同尺寸的三维搜索矩阵；
S104、以所述三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵；
S105、根据所有行的所述路径矩阵的位置关系建立位移矩阵，获得所述位移矩阵中的众数，作为估计位移值d；以及
S106、将后一帧图像的基于所述第一侧向所述第二侧延展的d列像素点的图像拼接到输出图像的第一侧。
2.根据权利要求1所述的基于闸道的图像拼接方法，其特征在于，通过以下公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；
meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；
sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；
sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；
sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差。
3.根据权利要求1所述的基于闸道的图像拼接方法，其特征在于，通过以下公式获得两个元素x,y之间的匹配代价值cost(x,y)：
其中，meanx是以对应像素点x为中心的第一预设范围内的像素点的像素值的平均值；
meany是以对应像素点y为中心的第一预设范围内的像素点的像素值的平均值；
sigmax是以对应像素点x为中心的第二预设范围内的像素值的标准差；
sigmay是以对应像素点y为中心的第二预设范围内的像素值的标准差；
sigmaxy是以对应像素点x、y为中心的第二预设范围内的像素值的协方差；
C1、C2为常数，C1的取值范围是[1，10]，C2的取值范围是[50，100]。
4.根据权利要求1所述的基于闸道的图像拼接方法，其特征在于，获得所述三维搜索矩阵中每一列的每个元素的元素值的步骤包括：
建立一维矩阵，矩阵中的每个元素为所述三维搜索矩阵的该元素所在页数与所述前一列一维矩阵中每个元素所在页数之差的绝对值与前一列一维矩阵中每个元素的元素值的和；
将所述一维矩阵中最小的元素值与所述三维匹配矩阵中对应位置的元素的元素值的总和作为所述三维搜索矩阵中当前元素的元素值。
5.根据权利要求1所述的基于闸道的图像拼接方法，其特征在于，获得所述路径矩阵的步骤包括：以所述三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，在前一列元素中寻找到达本列中起点的匹配代价最小的元素作为新的起点，依序逐列回溯到该行中位于第一侧的第一列形成回溯路径，根据所述回溯路径经过的每一列的元素的顺序获得一维路径矩阵。
6.根据权利要求1所述的基于闸道的图像拼接方法，其特征在于，统计所述位移矩阵中各种元素的不同数值的元素值的出现次数，将出现次数最高的元素值作为估计位移值d。
7.根据权利要求1所述的基于闸道的图像拼接方法，其特征在于：所述图像采集设备的采集方向垂直于闸道的通过方向。
8.根据权利要求7所述的基于闸道的图像拼接方法，其特征在于，所述图像采集设备设置于闸道的左侧墙面、右侧墙面、天花板、地板中的至少一处，且任意所述图像采集设备的连线方向垂直于所述闸道的通过方向。
9.根据权利要求8所述的基于闸道的图像拼接方法，其特征在于，所述闸道的左侧墙面、右侧墙面、天花板、地板均设有所述图像采集设备，将所述闸道中所述图像采集设备获得的输出图像基于所述通过方向平行地拼合生成一包含通过车辆的四面视图的整体图像。
10.一种基于闸道的图像拼接系统，其特征在于，包括：
图像采集模块，基于闸道设置至少一图像采集设备，所述图像采集设备实时采集所述闸道内的图像，所述图像具有沿所述闸道的通过方向的先后形成的第一侧和第二侧；
匹配矩阵模块，获得后一帧图像的像素点基于前一帧图像中沿所述通过方向移动预设最大位移值的轨迹范围内每个像素点的匹配代价值，根据所述匹配代价值以及位置关系建立三维匹配矩阵；
搜索矩阵模块，基于三维匹配矩阵沿所述通过方向分行逐列依次生成一维搜寻矩阵，根据所述一维搜寻矩阵的位置关系建立与所述三维匹配矩阵相同尺寸的三维搜索矩阵；
回溯路径模块，以所述三维搜索矩阵每行中位于第二侧的最后一列中元素值最小的元素作为起点，根据最小代价逐列回溯到该行中位于第一侧的第一列，根据回溯路径经过每一列的元素的顺序获得一维路径矩阵；
估计位移模块，根据所有行的所述路径矩阵的位置关系建立位移矩阵，获得所述位移矩阵中的众数，作为估计位移值d；以及
图像拼接模块，将后一帧图像的基于所述第一侧向所述第二侧延展的d列像素点的图像拼接到输出图像的第一侧。
11.一种基于闸道的图像拼接设备，其特征在于，包括：
处理器；
存储器，其中存储有处理器的可执行指令；
其中，处理器配置为经由执行可执行指令来执行权利要求1至9中任意一项所述基于闸道的图像拼接方法的步骤。
12.一种计算机可读存储介质，用于存储程序，其特征在于，程序被执行时实现权利要求1至9中任意一项所述基于闸道的图像拼接方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010027139.0A CN111242847B (zh) | 2020-01-10 | 2020-01-10 | 基于闸道的图像拼接方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010027139.0A CN111242847B (zh) | 2020-01-10 | 2020-01-10 | 基于闸道的图像拼接方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111242847A true CN111242847A (zh) | 2020-06-05 |
| CN111242847B CN111242847B (zh) | 2021-03-30 |
Family
ID=70874452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010027139.0A Active CN111242847B (zh) | 2020-01-10 | 2020-01-10 | 基于闸道的图像拼接方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111242847B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102215A (zh) * | 2020-09-03 | 2020-12-18 | 广州南沙联合集装箱码头有限公司 | 一种基于误差统计的图像快速拼接方法 |
| CN112233136A (zh) * | 2020-11-03 | 2021-01-15 | 上海西井信息科技有限公司 | 基于双目识别的集卡对位方法、系统、设备及存储介质 |
| CN113096012A (zh) * | 2021-03-30 | 2021-07-09 | 上海西井信息科技有限公司 | 单目多帧视频图像拼接系统、方法、设备及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009009815A1 (de) * | 2008-03-28 | 2009-10-01 | Volkswagen Ag | Verfahren und Vorrichtung zur Erkennung von Parklücken |
| CN103338325A (zh) * | 2013-06-14 | 2013-10-02 | 杭州普维光电技术有限公司 | 基于全景摄像机的车底盘图像采集方法 |
| CN105445809A (zh) * | 2014-08-19 | 2016-03-30 | 清华大学 | 对移动目标进行检查的设备及方法 |
| WO2016089737A1 (en) * | 2014-12-01 | 2016-06-09 | The Feinstein Institute For Medical Research | Use of striatal connectivity patterns for evaluating antipsychotic agents |
| CN106290422A (zh) * | 2016-08-25 | 2017-01-04 | 北京华力兴科技发展有限责任公司 | 安检系统及其方法 |
| CN106878687A (zh) * | 2017-04-12 | 2017-06-20 | 吉林大学 | 一种基于多传感器的车载环境识别系统及全方位视觉模块 |
| CN107038451A (zh) * | 2016-11-17 | 2017-08-11 | 上海西井信息科技有限公司 | 适用于灰度图片的神经网络学习方法以及训练方法 |
| CN108537876A (zh) * | 2018-03-05 | 2018-09-14 | 清华-伯克利深圳学院筹备办公室 | 基于深度相机的三维重建方法、装置、设备及存储介质 |
| CN109784479A (zh) * | 2019-01-16 | 2019-05-21 | 上海西井信息科技有限公司 | 基于神经网络的闸杆防砸方法、系统、设备及存储介质 |
| CN110033483A (zh) * | 2019-04-03 | 2019-07-19 | 北京清微智能科技有限公司 | 基于dcnn深度图生成方法及系统 |
| US20190253681A1 (en) * | 2016-07-14 | 2019-08-15 | Lg Innotek Co., Ltd. | Image processing apparatus |
| CN110569704A (zh) * | 2019-05-11 | 2019-12-13 | 北京工业大学 | 一种基于立体视觉的多策略自适应车道线检测方法 |
-
2020
- 2020-01-10 CN CN202010027139.0A patent/CN111242847B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009009815A1 (de) * | 2008-03-28 | 2009-10-01 | Volkswagen Ag | Verfahren und Vorrichtung zur Erkennung von Parklücken |
| CN103338325A (zh) * | 2013-06-14 | 2013-10-02 | 杭州普维光电技术有限公司 | 基于全景摄像机的车底盘图像采集方法 |
| CN105445809A (zh) * | 2014-08-19 | 2016-03-30 | 清华大学 | 对移动目标进行检查的设备及方法 |
| WO2016089737A1 (en) * | 2014-12-01 | 2016-06-09 | The Feinstein Institute For Medical Research | Use of striatal connectivity patterns for evaluating antipsychotic agents |
| US20190253681A1 (en) * | 2016-07-14 | 2019-08-15 | Lg Innotek Co., Ltd. | Image processing apparatus |
| CN106290422A (zh) * | 2016-08-25 | 2017-01-04 | 北京华力兴科技发展有限责任公司 | 安检系统及其方法 |
| CN107038451A (zh) * | 2016-11-17 | 2017-08-11 | 上海西井信息科技有限公司 | 适用于灰度图片的神经网络学习方法以及训练方法 |
| CN106878687A (zh) * | 2017-04-12 | 2017-06-20 | 吉林大学 | 一种基于多传感器的车载环境识别系统及全方位视觉模块 |
| CN108537876A (zh) * | 2018-03-05 | 2018-09-14 | 清华-伯克利深圳学院筹备办公室 | 基于深度相机的三维重建方法、装置、设备及存储介质 |
| CN109784479A (zh) * | 2019-01-16 | 2019-05-21 | 上海西井信息科技有限公司 | 基于神经网络的闸杆防砸方法、系统、设备及存储介质 |
| CN110033483A (zh) * | 2019-04-03 | 2019-07-19 | 北京清微智能科技有限公司 | 基于dcnn深度图生成方法及系统 |
| CN110569704A (zh) * | 2019-05-11 | 2019-12-13 | 北京工业大学 | 一种基于立体视觉的多策略自适应车道线检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| ANDRAS L ET AL: ""Micro Air Vehicle Localization and Position Tracking from Textured 3D Cadastral Models"", 《IEEE INTERNATIONAL CONFERENCE ON ROBOTICS & AUTOMATION》 * |
| 蒋昂: ""双目视觉中立体匹配算法的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102215A (zh) * | 2020-09-03 | 2020-12-18 | 广州南沙联合集装箱码头有限公司 | 一种基于误差统计的图像快速拼接方法 |
| CN112233136A (zh) * | 2020-11-03 | 2021-01-15 | 上海西井信息科技有限公司 | 基于双目识别的集卡对位方法、系统、设备及存储介质 |
| CN112233136B (zh) * | 2020-11-03 | 2021-10-22 | 上海西井信息科技有限公司 | 基于双目识别的集卡对位方法、系统、设备及存储介质 |
| CN113096012A (zh) * | 2021-03-30 | 2021-07-09 | 上海西井信息科技有限公司 | 单目多帧视频图像拼接系统、方法、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111242847B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111242847B (zh) | 基于闸道的图像拼接方法、系统、设备及存储介质 | |
| CN110705405B (zh) | 目标标注的方法及装置 | |
| CN111222395A (zh) | 目标检测方法、装置与电子设备 | |
| CN112201078B (zh) | 一种基于图神经网络的自动泊车停车位检测方法 | |
| CN112967283A (zh) | 基于双目摄像头的目标识别方法、系统、设备及存储介质 | |
| CN113281780B (zh) | 对图像数据进行标注的方法、装置及电子设备 | |
| CN111986214B (zh) | 一种地图中人行横道的构建方法和电子设备 | |
| CN116152685B (zh) | 一种基于无人机视野下行人检测方法及系统 | |
| CN113469045B (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
| CN113111844A (zh) | 一种作业姿态评估方法、装置、本地终端及可读存储介质 | |
| CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
| CN114219855A (zh) | 点云法向量的估计方法、装置、计算机设备和存储介质 | |
| CN112514366A (zh) | 图像处理方法、图像处理装置和图像处理系统 | |
| CN117351471A (zh) | 基于改进Yolov5的稻飞虱目标检测方法、系统、设备及介质 | |
| WO2024104365A1 (zh) | 一种设备测温方法及其相关设备 | |
| CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
| CN112489240B (zh) | 一种商品陈列巡检方法、巡检机器人以及存储介质 | |
| CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
| CN116883870A (zh) | 一种基于深度学习的无人机落石目标检测方法及装置 | |
| CN115861962A (zh) | 点云过滤方法、装置、电子设备、存储介质 | |
| CN116012609A (zh) | 一种环视鱼眼多目标跟踪方法、装置、电子设备及介质 | |
| CN113869163B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN113487676A (zh) | 用于确定安装于采集实体的相机之间的相对姿态角的方法和装置 | |
| JP2022135007A (ja) | 作業適正判定装置 | |
| WO2021217444A1 (zh) | 深度图生成方法、电子设备、计算处理设备及存储介质 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Patentee after: Shanghai Xijing Technology Co.,Ltd. Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Patentee before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd. |