CN111260727B - 一种基于图像处理的网格定位方法、装置及存储介质 - Google Patents
一种基于图像处理的网格定位方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111260727B CN111260727B CN202010103315.4A CN202010103315A CN111260727B CN 111260727 B CN111260727 B CN 111260727B CN 202010103315 A CN202010103315 A CN 202010103315A CN 111260727 B CN111260727 B CN 111260727B
- Authority
- CN
- China
- Prior art keywords
- positioning
- grid
- sub
- cross
- image
- 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 31
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 description 7
- 238000003708 edge detection Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发提供一种基于图像处理的网格定位方法、装置及存储介质,所述方法包括:获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格;提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架横支架和纵支架的像素长度,以及计算每个子定位网格的第一比例值和和第二比例值等,最终算得待定位点的实际坐标。本发明实施例的定位方法具有室内定位精度高、技术难度低以及成本低的优点。
Description
技术领域
本发明属于定位技术领域,尤其涉及一种基于图像处理的网格定位方法、装置及存储介质。
背景技术
如今,人们对室内安防系统的需求越来越高,而且常常需要获取感兴趣的目标的具体位置信息,因此需要高效精确的定位技术对这些目标进行定位。目前常见的定位技术有机械定位技术,红外(光学)定位技术,超声波定位技术、基于视觉传感器的定位技术等。
机械定位技术是利用各种机械设备和传感器来获取被测物体的位置和转角。红外定位需要在世界坐标系中安装一套可以发射和接收红外线的红外摄像机,摄像机顶部还需安装红外反射球,通过对反射回摄像机的红外线进行图像处理,确定目标的位置信息。超声波定位技术主要采用反射式测距技术(发射超声波并接收由被测目标产生的回波,根据回波与发射波之间的时间差计算出两者之间的距离),并通过三角定位等算法确定物体的距离。基于视觉传感器的定位方法是根据摄像机模型,利用目标在图像中的像素位置与实际场景中的位置之间的关系,计算目标在世界坐标系中的位置。
然而,机械定位技术要求每台摄像机安装传感器,成本较高,且摄像机的机械跟踪系统体积过于庞大,使用不灵活。红外定位和超声波定位方式是基于三角测量方式,当发射端和接收端之间存在遮挡时,定位精度将大大降低。基于视觉传感器的定位方法目前使用非常广泛,但需要对摄像机进行标定,计算机需要完成模板上点阵的物理坐标和模板图像之间的对应点的匹配,技术复杂。
发明内容
本发明的目的在于提供一种室内定位精度高、技术难度低以及成本低的
基于图像处理的网格定位方法、装置及存储介质,解决了机械定位技术和红外定位技术成本高、超声波定位技术在有障碍物遮挡时,定位精度低,基于视觉传感器的定位方法技术复杂的问题。
第一方面,本发明实施例提供一种基于图像处理的网格定位方法,包括,包括:
获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格;
提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架横支架和纵支架的像素长度;
根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值;
根据每个子定位网格内的十字架的纵支架的实际长度和每个子定位网格内的十字架的纵支架的像素长度分别计算每个子定位网格的第二比例值;
根据坐标原点到定位点横向距离之间的每个子定位网格的横向长度以及坐标原点到定位点横向距离之间的每个子定位网格的第一比例值计算定位点的实际横坐标;
根据坐标原点到定位点纵向距离之间的每个子定位网格的纵向长度以及坐标原点到定位点纵向距离之间的每个子定位网格的第二比例值计算定位点的实际纵坐标;
根据所述定位点的实际横坐标和定位点的实际纵坐标对所述定位点进行定位。
进一步地,所述N个子矩形定位网格为根据定位精度划分所述矩形定位网格形成。
进一步地,摄像装置的视角水平方向和垂直方向分别作为定位网格的水平方向和垂直方向。
进一步地,在提取每个子定位网格内十字架的边界之前还包括:
对每一张所述图像进行预处理,去除噪声。
进一步地,所述对每一张所述图像进行预处理,去除噪声,包括:
采用直方图均衡化增强图像对比度,并利用高斯滤波对图像进行去噪;
通过图像二值化操作得到二值化图像,并对二值化后的图像进行先腐蚀后膨胀的处理,去除背景中的小颗粒噪声。
第二方面,本发明实施例还提供一种基于图像处理的网格定位装置,包括:
图像获取模块,用于获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格;
提取模块,用于提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架横支架和纵支架的像素长度;
计算模块,用于根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值;
所述计算模块,还用于根据每个子定位网格内的十字架的纵支架的实际长度和每个子定位网格内的十字架的纵支架的像素长度分别计算每个子定位网格的第二比例值;
所述计算模块,还用于根据坐标原点到定位点横向距离之间的每个子定位网格的横向长度以及坐标原点到定位点横向距离之间的每个子定位网格的第一比例值计算定位点的实际横坐标;
所述计算模块,还用于根据坐标原点到定位点纵向距离之间的每个子定位网格的纵向长度以及坐标原点到定位点纵向距离之间的每个子定位网格的第二比例值计算定位点的实际纵坐标;
定位模块,用于根据所述定位点的实际横坐标和定位点的实际纵坐标对所述定位点进行定位。
进一步地,所述N个子矩形定位网格为根据定位精度划分所述矩形定位网格形成。
进一步地,摄像装置的视角水平方向和垂直方向分别作为定位网格的水平方向和垂直方向。
进一步地,所述基于摄像头图像提取的网格定位装置,还包括:
图像预处理模块,用于对每一张所述图像进行预处理,去除噪声。
第三方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述所述的基于图像处理的网格定位方法。
本发明实施例无需大量的底层硬件设施,只需摄像头和参考物十字架,成本低,且定位技术实现难度低,可行性高;不受无线信号、噪声以及遮挡物的干扰,精度和稳定性高。
附图说明
图1为本发明一优选实施例提供的地平面上定位网格划分的俯视图;
图2为本发明一优选实施例提供的对十字架边界求最小外接矩形的示意图;
图3为本发明一优选实施例提供的定位点的与坐标原点的示意图;
图4为本发明一优选实施例提供的基于摄像头图像提取的网格定位装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动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。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
一方面,本发明实施例提供一种基于图像处理的网格定位方法,包括:
S1、获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格。
在本发明实施例中,所述每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,需要说明的是,以摄像头为摄像装置为例,需先由技术人员预先在摄像头的视域范围内的地平面上画上矩形定位网格,并以摄像头视觉水平方向和垂直方向作为定位网格的水平方向和垂直方向。然后,根据定位精度的要求,将所述矩形定位网格划分为N个矩形子定位网格,例如,以摄像头的视域范围包含5*10米的矩形范围,定位精度为1米以内,则根据定位精度将每个子定位网格的尺寸设置为1*1米,(尺寸不大于定位精度的要求),地平面矩形定位网格划分的俯视图如图1所示。
在根据定位精度将矩形定位网格划分成N个子定位网格后,以同一个十字架为例子,将尺寸不大于网格尺寸的十字架依次放置到每个定位网格的中心,摄像头根据十字架的放置顺序依次拍摄获取N张图像。
S2、提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架的横支架和纵支架的像素长度。
在本发明实施例中,经过步骤S1获取到根据十字架的放置顺序依次拍摄的的N张图像后,提取每一张图像中的子定位网格内的十字架的边界,优选的,利用Canny边缘检测算子对每一张图像进行边缘检测,从而提取每个子定位网格内的十字架边界。
S3、根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值;
根据每个子定位网格内的十字架的纵支架的实际长度和每个子定位网格内的十字架的纵支架的像素长度分别计算每个子定位网格的第二比例值。
在本发明实施例中,对步骤S2提取到的每个子定位网格内十字架的边界求最小外接矩形,从而得到外接矩形的左上和右下两个顶点像素坐标,假设某个定位网格的图像中十字架外接矩形两个顶点的像素坐标分别为A(xa,ya),B(xb,yb),如图2所示,则该定位网格内横支架像素长度为xb-xa,纵支架像素长度为yb-ya。
由于每个子定位网格内的十字架的横支架和纵支架的实际长度已知,那么则可根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值,当所有子定位网格内的十字架为同一个十字架时,那么所述第一比例值由以下公式确定:
ki,1为第i个子定位网格的第一比例值,L1为十字架的实际长度,li,1为第i个子定位网格内的横支架的像素长度。
所述第一比例值由以下公式确定:
ki,2为第i个子定位网格的第二比例值,L2为十字架的实际长度,li,2为第i个子定位网格内的横支架的像素长度。
S4、根据坐标原点到定位点横向距离之间的每个子定位网格的横向长度以及坐标原点到定位点横向距离之间的每个子定位网格的第一比例值计算定位点的实际横坐标;
根据坐标原点到定位点纵向距离之间的每个子定位网格的纵向长度以及坐标原点到定位点纵向距离之间的每个子定位网格的第二比例值计算定位点的实际纵坐标。
根据所述定位点的实际横坐标和定位点的实际纵坐标对所述定位点进行定位。
在本发明实施例中,具体的,首先需要确定坐标系,为方便起见,将某个位置居中的定位网格的中心点作为坐标系的原点,定位网格的水平和垂直方向分别定为x轴和y轴方向,并在摄像头图像中求得坐标原点的像素坐标P(xp,yp)。然后计算定位点与坐标原点之间的像素差值。假设定位点的像素坐标为M(xm,ym),则待定位点的像素坐标差值分别为xm-xp和ym-yp。
假设像素坐标差值xm-xp在定位网格4,5,6内的分割分别为x4,x5,x6,像素坐标差值ym-yp在定位网格1,2,3,4内的分割分别为y1,y2,y3,y4。则待定位点的横坐标为x4·k4,1+x5·k5,1+x6·k6,1,纵坐标为y1·k1,2+y2·k2,2+y3·k3,2+y4·k4,2。
需要说明的是,以上实施例均基于同一个十字架均为同一个十字架,但不发明实施例并不限于只能使用同一个或同一形状大小一致的十字架,每个定位格使用的十字架可不同,每个字定位网格大小也可不一样。
本发明实施例无需大量的底层硬件设施,只需摄像头和参考物十字架,成本低,且定位技术实现难度低,可行性高;不受无线信号、噪声以及遮挡物的干扰,精度和稳定性高。
在其中一种优选的实施例,在提取每个子定位网格内十字架的边界之前还包括:
对每一张所述图像进行预处理,去除噪声,包括:
采用直方图均衡化增强图像对比度,并利用高斯滤波对图像进行去噪;
通过图像二值化操作得到二值化图像,并对二值化后的图像进行先腐蚀后膨胀的处理,去除背景中的小颗粒噪声。
本发明实施例进一步提高了网格定位方法的精度。
请参阅图4,本发明实施例还提供一种基于图像处理的网格定位装置,包括:
图像获取模块11,用于获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格。
在本发明实施例中,所述每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,需要说明的是,以摄像头为摄像装置为例,需先由技术人员预先在摄像头的视域范围内的地平面上画上矩形定位网格,并以摄像头视觉水平方向和垂直方向作为定位网格的水平方向和垂直方向。然后,根据定位精度的要求,将所述矩形定位网格划分为N个矩形子定位网格,例如,以摄像头的视域范围包含5*10米的矩形范围,定位精度为1米以内,则根据定位精度将每个子定位网格的尺寸设置为1*1米,(尺寸不大于定位精度的要求),地平面矩形定位网格划分的俯视图如图1所示。
在根据定位精度将矩形定位网格划分成N个子定位网格后,以同一个十字架为例子,将尺寸不大于网格尺寸的十字架依次放置到每个定位网格的中心,摄像头根据十字架的放置顺序依次拍摄获取N张图像。
提取模块12,用于提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架横支架和纵支架的像素长度。
在本发明实施例中,在获取到根据十字架的放置顺序依次拍摄的的N张图像后,提取每一张图像中的子定位网格内的十字架的边界,优选的,利用Canny边缘检测算子对每一张图像进行边缘检测,从而提取每个子定位网格内的十字架边界。
计算模块13,用于根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值。
所述计算模块13,还用于根据每个子定位网格内的十字架的纵支架的实际长度和每个子定位网格内的十字架的纵支架的像素长度分别计算每个子定位网格的第二比例值。
在本发明实施例中,对提取到的每个子定位网格内十字架的边界求最小外接矩形,从而得到外接矩形的左上和右下两个顶点像素坐标,假设某个定位网格的图像中十字架外接矩形两个顶点的像素坐标分别为A(xa,ya),B(xb,yb),如图2所示,则该定位网格内横支架像素长度为xb-xa,纵支架像素长度为yb-ya。
由于每个子定位网格内的十字架的横支架和纵支架的实际长度已知,那么则可根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值,当所有子定位网格内的十字架为同一个十字架时,那么所述第一比例值由以下公式确定:
ki,1为第i个子定位网格的第一比例值,L1为十字架的实际长度,li,1为第i个子定位网格内的横支架的像素长度。
所述第一比例值由以下公式确定:
ki,2为第i个子定位网格的第二比例值,L2为十字架的实际长度,li,2为第i个子定位网格内的横支架的像素长度。
所述计算模块13,还用于根据坐标原点到定位点横向距离之间的每个子定位网格的横向长度以及坐标原点到定位点横向距离之间的每个子定位网格的第一比例值计算定位点的实际横坐标;
所述计算模块13,还用于根据坐标原点到定位点纵向距离之间的每个子定位网格的纵向长度以及坐标原点到定位点纵向距离之间的每个子定位网格的第二比例值计算定位点的实际纵坐标;
定位模块14,用于根据所述定位点的实际横坐标和定位点的实际纵坐标对所述定位点进行定位。
请参阅图3,在本发明实施例中,具体的,首先需要确定坐标系,为方便起见,将某个位置居中的定位网格的中心点作为坐标系的原点,定位网格的水平和垂直方向分别定为x轴和y轴方向,并在摄像头图像中求得坐标原点的像素坐标P(xp,yp)。然后计算定位点与坐标原点之间的像素差值。假设定位点的像素坐标为M(xm,ym),则待定位点的像素坐标差值分别为xm-xp和ym-yp。
假设像素坐标差值xm-xp在定位网格4,5,6内的分割分别为x4,x5,x6,像素坐标差值ym-yp在定位网格1,2,3,4内的分割分别为y1,y2,y3,y4。则待定位点的横坐标为x4·k4,1+x5·k5,1+x6·k6,1,纵坐标为y1·k1,2+y2·k2,2+y3·k3,2+y4·k4,2。
需要说明的是,以上实施例均基于同一个十字架均为同一个十字架,但不发明实施例并不限于只能使用同一个或同一形状大小一致的十字架,每个定位格使用的十字架可不同,每个字定位网格大小也可不一样。
本发明实施例无需大量的底层硬件设施,只需摄像头和参考物十字架,成本低,且定位技术实现难度低,可行性高;不受无线信号、噪声以及遮挡物的干扰,精度和稳定性高。
在其中一种优选的实施例中,所述基于摄像头图像提取的网格定位装置,还包括:
图像预处理模块,用于对每一张所述图像进行预处理,去除噪声。具体的,采用直方图均衡化增强图像对比度,并利用高斯滤波对图像进行去噪;
通过图像二值化操作得到二值化图像,并对二值化后的图像进行先腐蚀后膨胀的处理,去除背景中的小颗粒噪声。
本发明实施例进一步提高了网格定位方法的精度。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述所述的基于图像处理的网格定位方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于图像处理的网格定位方法,其特征在于,包括:
获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格;
提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架横支架和纵支架的像素长度;
根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值;
根据每个子定位网格内的十字架的纵支架的实际长度和每个子定位网格内的十字架的纵支架的像素长度分别计算每个子定位网格的第二比例值;
根据坐标原点到定位点横向距离之间的每个子定位网格的横向长度以及坐标原点到定位点横向距离之间的每个子定位网格的第一比例值计算定位点的实际横坐标;
根据坐标原点到定位点纵向距离之间的每个子定位网格的纵向长度以及坐标原点到定位点纵向距离之间的每个子定位网格的第二比例值计算定位点的实际纵坐标;
根据所述定位点的实际横坐标和定位点的实际纵坐标对所述定位点进行定位。
2.根据权利要求1所述的基于图像处理的网格定位方法,其特征在于,所述N个子矩形定位网格为根据定位精度划分所述矩形定位网格形成。
3.根据权利要求2所述的基于图像处理的网格定位方法,其特征在于,摄像装置的视角水平方向和垂直方向分别作为定位网格的水平方向和垂直方向。
4.根据权利要求1或2或3所述的基于图像处理的网格定位方法,其特征在于,在提取每个子定位网格内十字架的边界之前还包括:
对每一张所述图像进行预处理,去除噪声。
5.根据权利要求4所述的基于图像处理的网格定位方法,其特征在于,所述对每一张所述图像进行预处理,去除噪声,包括:
采用直方图均衡化增强图像对比度,并利用高斯滤波对图像进行去噪;
通过图像二值化操作得到二值化图像,并对二值化后的图像进行先腐蚀后膨胀的处理,去除背景中的小颗粒噪声。
6.一种基于图像处理的网格定位装置,其特征在于,包括:
图像获取模块,用于获取N张图像,每一张图像均由摄像装置拍摄地平面上的矩形定位网格形成的图像,所述矩形定位网格由N个矩形子定位网格组成;其中,每张图像上的一个子定位网格的中心均包括一个有小于所述子定位网格尺寸的十字架,所有包括十字架的子定位网格组成矩形定位网格;
提取模块,用于提取每个子定位网格内的十字架的边界,并计算每个子定位网格内的十字架横支架和纵支架的像素长度;
计算模块,用于根据每个子定位网格内的十字架的横支架的实际长度和每个子定位网格内的十字架的横支架的像素长度分别计算每个子定位网格的第一比例值;
所述计算模块,还用于根据每个子定位网格内的十字架的纵支架的实际长度和每个子定位网格内的十字架的纵支架的像素长度分别计算每个子定位网格的第二比例值;
所述计算模块,还用于根据坐标原点到定位点横向距离之间的每个子定位网格的横向长度以及坐标原点到定位点横向距离之间的每个子定位网格的第一比例值计算定位点的实际横坐标;
所述计算模块,还用于根据坐标原点到定位点纵向距离之间的每个子定位网格的纵向长度以及坐标原点到定位点纵向距离之间的每个子定位网格的第二比例值计算定位点的实际纵坐标;
定位模块,用于根据所述定位点的实际横坐标和定位点的实际纵坐标对所述定位点进行定位。
7.根据权利要求6所述的基于图像处理的网格定位装置,其特征在于,所述N个子矩形定位网格为根据定位精度划分所述矩形定位网格形成。
8.根据权利要求7所述的基于图像处理的网格定位装置,其特征在于,摄像装置的视角水平方向和垂直方向分别作为定位网格的水平方向和垂直方向。
9.根据权利要求6或7或8所述的基于图像处理的网格定位装置,其特征在于,还包括:
图像预处理模块,用于对每一张所述图像进行预处理,去除噪声。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求4所述的基于图像处理的网格定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010103315.4A CN111260727B (zh) | 2020-02-19 | 2020-02-19 | 一种基于图像处理的网格定位方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010103315.4A CN111260727B (zh) | 2020-02-19 | 2020-02-19 | 一种基于图像处理的网格定位方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260727A CN111260727A (zh) | 2020-06-09 |
CN111260727B true CN111260727B (zh) | 2023-06-20 |
Family
ID=70949513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010103315.4A Active CN111260727B (zh) | 2020-02-19 | 2020-02-19 | 一种基于图像处理的网格定位方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260727B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085826A (zh) * | 2020-09-27 | 2020-12-15 | 广州海格星航信息科技有限公司 | 一种高效的三维空间网格渲染方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596929A (zh) * | 2018-04-11 | 2018-09-28 | 北京工业大学 | 融合平面网格深度计算的光切数据建模重构方法 |
CN110636248A (zh) * | 2018-06-22 | 2019-12-31 | 华为技术有限公司 | 目标跟踪方法与装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364249A (zh) * | 2017-01-27 | 2018-08-03 | 株式会社东芝 | 图像处理装置以及图像处理方法 |
-
2020
- 2020-02-19 CN CN202010103315.4A patent/CN111260727B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596929A (zh) * | 2018-04-11 | 2018-09-28 | 北京工业大学 | 融合平面网格深度计算的光切数据建模重构方法 |
CN110636248A (zh) * | 2018-06-22 | 2019-12-31 | 华为技术有限公司 | 目标跟踪方法与装置 |
Non-Patent Citations (1)
Title |
---|
结合目标先验信息的检测图像网格聚类算法;王玉明等;《信号处理》;20121125(第11期);第77-86页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111260727A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104704384B (zh) | 具体用于装置的基于视觉的定位的图像处理方法 | |
WO2019105044A1 (zh) | 一种镜头畸变矫正和特征提取的方法及系统 | |
CN106767399A (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
CN110956661B (zh) | 基于双向单应矩阵的可见光与红外相机动态位姿计算方法 | |
CN102221331A (zh) | 一种基于不对称双目立体视觉技术的测量方法 | |
CN111028205B (zh) | 一种基于双目测距的眼睛瞳孔定位方法及装置 | |
CN113011388B (zh) | 一种基于车牌及车道线的车辆外轮廓尺寸检测方法 | |
CN106971408A (zh) | 一种基于时空转换思想的摄像机标定方法 | |
CN110998241A (zh) | 用于校准可移动对象的光学系统的系统和方法 | |
CN110926330A (zh) | 图像处理装置和图像处理方法 | |
CN107687818A (zh) | 三维量测方法及三维量测装置 | |
CN111627070B (zh) | 一种对旋转轴进行标定的方法、装置和存储介质 | |
WO2018149539A1 (en) | A method and apparatus for estimating a range of a moving object | |
CN111627071B (zh) | 一种测量电机旋转精度的方法、装置和存储介质 | |
CN111260727B (zh) | 一种基于图像处理的网格定位方法、装置及存储介质 | |
CN111025330A (zh) | 一种基于深度图的目标倾斜角检测方法及设备 | |
CN113095447B (zh) | 一种基于图像识别的检测方法及系统 | |
Muffert et al. | The estimation of spatial positions by using an omnidirectional camera system | |
CN107990825B (zh) | 基于先验数据校正的高精度位置测量装置与方法 | |
CN111833379B (zh) | 用单目摄像头追踪移动物体中目标位置的方法 | |
CN206583440U (zh) | 一种投影图像视距检测系统 | |
CN115409693A (zh) | 一种基于三维图像中管道异物的二维定位方法 | |
CN114626112A (zh) | 一种基于边界检验的未知物体表面测量视点规划方法 | |
Fei et al. | Obstacle Detection for Agricultural Machinery Vehicle | |
Zhang et al. | Recent reviews on machine vision-based 3D reconstruction |
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: 510000 Room 601, building a, No. 23, Nanxiang Second Road, Huangpu District, Guangzhou, Guangdong Applicant after: GUANGZHOU HAIGE XINGHANG INFORMATION TECHNOLOGY CO.,LTD. Address before: 510000 room 3009, No.5, Wangjiang 2nd Street, Nansha District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU HAIGE XINGHANG INFORMATION TECHNOLOGY CO.,LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |