CN111260773A - 小障碍物的三维重建方法、检测方法及检测系统 - Google Patents

小障碍物的三维重建方法、检测方法及检测系统 Download PDF

Info

Publication number
CN111260773A
CN111260773A CN202010064033.8A CN202010064033A CN111260773A CN 111260773 A CN111260773 A CN 111260773A CN 202010064033 A CN202010064033 A CN 202010064033A CN 111260773 A CN111260773 A CN 111260773A
Authority
CN
China
Prior art keywords
image
small
dimensional reconstruction
obstacle
ground
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
Application number
CN202010064033.8A
Other languages
English (en)
Other versions
CN111260773B (zh
Inventor
刘勇
朱俊安
黄寅
郭璁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Pudu Technology Co Ltd
Original Assignee
Shenzhen Pudu Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Pudu Technology Co Ltd filed Critical Shenzhen Pudu Technology Co Ltd
Priority to CN202010064033.8A priority Critical patent/CN111260773B/zh
Publication of CN111260773A publication Critical patent/CN111260773A/zh
Priority to PCT/CN2020/135028 priority patent/WO2021147548A1/zh
Application granted granted Critical
Publication of CN111260773B publication Critical patent/CN111260773B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • 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
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种小障碍物的三维重建方法、检测方法及检测系统，方法包括：通过双目相机和结构光深度相机分别获取地面图像，对所述地面图像的占主体的背景执行稠密重建，采用所述双目相机对梯度较大的图像位置进行稀疏特征重建；通过视觉处理技术提取三维的点云，采用“减背景”检测方法对所述小障碍物的点云进行分离检测；将所述小障碍物的点云映射到图像，执行图像分割获得目标图像；采用融合方案对所述目标图像进行三维重构获取完整密集点云。根据本发明提供的小障碍物的三维重建方法、检测方法及检测系统，可实现准确的三维重构，因此该方法为小障碍物检测的准确性提供了保障。

Description

小障碍物的三维重建方法、检测方法及检测系统
技术领域
本发明涉及机器人技术领域，特别涉及一种小障碍物的三维重建方法、检测方法及检测系统。
背景技术
障碍物检测是机器人自主导航的重要组成部分且在机器人学和视觉领域得到了广泛研究且在一些消费级产品上得到了应用。小障碍物如果不能得到准确的检测，会导致机器人移动安全性受到影响。但在实际环境中，由于小障碍物种类繁杂，体积较小，对小障碍物检测仍然是一个挑战。
发明内容
机器人场景的障碍物检测一般通过距离获取传感器或算法获取目标的三维信息(如三维位置，轮廓)。一方面，小障碍物由于其体积小，检测时需要获取更准确的三维信息，这对传感器和算法的测量精度及分辨率要求更高。主动传感器中如雷达或者声呐有很高测量精度，但分辨率较低；基于红外结构光的深度相机能达到较高分辨率，但其易受阳光干扰，当干扰影响大时成像存在空洞且成像目标较小时存在鲁棒性不足。被动传感器如双目立体匹配或序列图像立体匹配，若采用无差别稠密重建，存在计算量大，对小目标重建困难存尤其是背景噪声较多时。另一方面，小障碍物种类繁杂，需要检测方案及算法能适用各种类型的小障碍物。如果直接检测障碍物，那么需要对检测对象有预先的定义，鲁棒性存在一定限制。
鉴于此，本发明的目的在于提供一种小障碍物的三维重建方法、检测方法及检测系统，提升了方案和算法的鲁棒性和精度，从而提升对各种小障碍物检测的准确性。
为了实现上述目的，本发明实施方式提供如下技术方案：
本发明提供一种小障碍物的三维重建方法，所述方法用于对地面的小障碍物进行三维重建，所述方法包括：
通过双目相机和结构光深度相机分别获取地面图像，
对所述地面图像的占主体的背景执行稠密重建，采用所述双目相机对梯度较大的图像位置进行稀疏特征重建；
通过视觉处理技术提取三维的点云，采用“减背景”检测方法对所述小障碍物的点云进行分离检测；
将所述小障碍物的点云映射到图像，执行图像分割获得目标图像；
采用融合方案对所述目标图像进行三维重构获取完整密集点云。
在这种情况下，通过对所述地面图像的占主体的背景执行稠密重建，以及采用“减背景”检测方法对所述小障碍物的点云进行分离检测，整体提升了方法的鲁棒性，并且通过将小障碍物映射到图像，并执行图像分割，可以将小障碍物完整地分割，以便实现准确的三维重构，因此该方法为小障碍物检测的准确性提供了保障。
其中，所述双目相机包括左相机和右相机，所述双目相机获取的所述地面图像包括左图像和右图像，所述结构光深度相机获取的所述地面图像为结构光深度图。
其中，所述采用融合方案对所述目标图像进行三维重构获取完整密集点云，具体包括：
传感器标定，包括对所述双目相机的内参畸变标定、外参标定以及对所述双目相机和所述结构光深度相机的外参标定；
畸变与极线矫正，对所述左图像和右图像执行畸变和极线矫正；
数据对齐，利用所述结构光深度相机的所述外参将所述结构光深度图对齐到所述左图像和右图像的坐标系下，获得双目深度图；
稀疏立体匹配，对所述结构光深度图的空洞部分执行稀疏立体匹配并获取视差，将所述视差转换为深度，使用所述深度并融合所述结构光深度图和所述双目深度图，重建出鲁棒的深度图。
由此，无需对全图立体匹配，而只对结构光深度图的空洞部分进行稀疏立体匹配，整体上显著降低了三维重构的计算量，并且提升了对小障碍物的三维重构的鲁棒性。
其中，所述稀疏立体匹配的操作，具体包括：
提取空洞掩模，对所述空洞掩模内的图像执行稀疏立体匹配并获取视差。
其中，所述畸变与极线矫正的操作，具体包括：
将用于稀疏立体匹配的匹配点约束在一条水平直线上进行对齐操作。
在这种情况下，显著减少了后续执行立体匹配的时间并大幅提升了准确度。
其中，所述稀疏立体匹配的操作，进一步包括：
对所述鲁棒的深度图进行分块，将每个所述块内的深度图转换为所述点云，以平面模型对所述点云进行地面拟合，若所述块内的点云不满足平面假设，则将所述块内的点云去除，否则保留所述块内的点云；
通过深度神经网络将对所述保留的块进行二次校验，将通过所述二次校验的所述块基于平面法线和重心进行区域生长，分割出大块地面的三维平面方程及边界点云；
获取所有未通过所述二次校验的所述块内的点云到其所归属地面的距离，若距离大于阈值，则将其分割出来，获得疑似障碍物；
将所述疑似障碍物的所属点云映射到图像，作为区域分割的种子点，进行所述种子点生长，提取出完整的障碍物区域；
将所述障碍物区域映射出完整的点云，完成三维的所述小障碍物的检测。
在这种情况下，通过二次校验可排除符合平面模型但不是地面的块内的深度图，进而总体提升小障碍物的检测的准确性。
本发明还提供一种小障碍物的检测方法，所述检测方法包括如上所述的小障碍物的三维重建方法。
本发明还提供一种小障碍物的检测系统，其特征在于，所述检测系统包括如上所述的小障碍物的三维重建方法。
其中，还包括机器人本体，所述双目相机和结构光深度相机设置于所述机器人本体，所述双目相机和结构光深度相机朝向所述地面的方向倾斜设置。
在这种情况下，提升了双目相机和结构光深度相机采集的到图像对地面的覆盖区域，显著提升了对小障碍物识别的完整性。
根据本发明所提供的小障碍物的三维重建方法、检测方法及检测系统，通过对所述地面图像的占主体的背景执行稠密重建，以及采用“减背景”检测方法对所述小障碍物的点云进行分离检测，整体提升了方法的鲁棒性，并且通过将小障碍物映射到图像，并执行图像分割，可以将小障碍物完整地分割，以便实现准确的三维重构，因此该方法为小障碍物检测的准确性提供了保障。
附图说明
图1示出了本发明的实施方式所涉及的小障碍物的三维重建方法的流程示意图；
图2示出了本发明的实施方式所涉及小障碍物的三维重建方法的深度图的处理方法的流程示意图；
图3示出了本发明的实施方式所涉及的小障碍物的三维重建方法的稀疏立体匹配的流程示意图。
具体实施方式
以下，参考附图，详细地说明本发明的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。
本发明实施方式涉及小障碍物的三维重建方法、检测方法及检测系统。
如图1所示，本实施方式所涉及的小障碍物的三维重建方法200，用于对地面的小障碍物进行三维重建，方法具体包括：
201、通过所述双目相机和结构光深度相机分别获取地面图像；
202、对所述地面图像的占主体的背景执行稠密重建，采用所述双目相机对梯度较大的图像位置进行稀疏特征重建；
203、通过视觉处理技术提取三维的点云，采用“减背景”检测方法对所述小障碍物的点云进行分离检测；
204、将所述小障碍物的点云映射到图像，执行图像分割获得目标图像；
205、采用融合方案对所述目标图像进行三维重构获取完整密集点云。
在这种情况下，通过对所述地面图像的占主体的背景执行稠密重建，以及采用“减背景”检测方法对所述小障碍物的点云进行分离检测，整体提升了方法的鲁棒性，并且通过将小障碍物映射到图像，并执行图像分割，可以将小障碍物完整地分割，以便实现准确的三维重构，因此该方法为小障碍物检测的准确性提供了保障。
在本实施方式中，所述双目相机包括左相机和右相机，所述双目相机获取的所述地面图像包括左图像和右图像，所述结构光深度相机获取的所述地面图像为结构光深度图。
如图2所示，在本实施方式中，所述采用融合方案对所述目标图像进行三维重构获取完整密集点云，具体包括：
2051、传感器标定，包括对所述双目相机的内参畸变标定、外参标定以及对所述双目相机和所述结构光深度相机的外参标定；
2052、畸变与极线矫正，对所述左图像和右图像执行畸变和极线矫正；
2053、数据对齐，利用所述结构光深度相机的所述外参将所述结构光深度图对齐到所述左图像和右图像的坐标系下，获得双目深度图；
2054、稀疏立体匹配，对所述结构光深度图的空洞部分执行稀疏立体匹配并获取视差，将所述视差转换为深度，使用所述深度并融合所述结构光深度图和所述双目深度图，重建出鲁棒的深度图。
由此，无需对全图立体匹配，而只对结构光深度图的空洞部分进行稀疏立体匹配，整体上显著降低了三维重构的计算量，并且提升了对小障碍物的三维重构的鲁棒性。
在本实施方式中，所述稀疏立体匹配(2054)的操作，具体包括：
提取空洞掩模，对所述空洞掩模内的图像执行稀疏立体匹配并获取视差。
在本实施方式中，所述畸变与极线矫正(2052)的操作，具体包括：
将用于稀疏立体匹配的匹配点约束在一条水平直线上进行对齐操作。
在这种情况下，显著减少了后续执行立体匹配的时间并大幅提升了准确度。
如图3所示，在本实施方式中，所述稀疏立体匹配(2054)的操作，进一步包括：
2055、对所述鲁棒的深度图进行分块，将每个所述块内的深度图转换为所述点云，以平面模型对所述点云进行地面拟合，若所述块内的点云不满足平面假设，则将所述块内的点云去除，否则保留所述块内的点云；
2056、通过深度神经网络将对所述保留的块进行二次校验，将通过所述二次校验的所述块基于平面法线和重心进行区域生长，分割出大块地面的三维平面方程及边界点云；
2057、获取所有未通过所述二次校验的所述块内的点云到其所归属地面的距离，若距离大于阈值，则将其分割出来，获得疑似障碍物；
2058、将所述疑似障碍物的所属点云映射到图像，作为区域分割的种子点，进行所述种子点生长，提取出完整的障碍物区域；
2059、将所述障碍物区域映射出完整的点云，完成三维的所述小障碍物的检测。
在这种情况下，通过二次校验可排除符合平面模型但不是地面的块内的深度图，进而总体提升小障碍物的检测的准确性。
本发明实施方式还涉及一种小障碍物的检测方法。所述检测方法包括如上所述的小障碍物的三维重建方法。关于小障碍物的三维重建方法，在此不做赘述。
本发明实施方式还涉及一种小障碍物的检测系统。所述检测系统包括如上所述的小障碍物的三维重建方法。关于小障碍物的三维重建方法，在此不做赘述。
在本实施方式中，小障碍物的检测系统还包括机器人本体，所述双目相机和结构光深度相机设置于所述机器人本体，所述双目相机和结构光深度相机朝向所述地面的方向倾斜设置。
在这种情况下，提升了双目相机和结构光深度相机采集的到图像对地面的覆盖区域，显著提升了对小障碍物识别的完整性。
以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同更换和改进等，均应包含在该技术方案的保护范围之内。

Claims (9)

1.一种小障碍物的三维重建方法，其特征在于，所述方法用于对地面的小障碍物进行三维重建，所述方法包括：
通过双目相机和结构光深度相机分别获取地面图像；
对所述地面图像的占主体的背景执行稠密重建，采用所述双目相机对梯度较大的图像位置进行稀疏特征重建；
通过视觉处理技术提取三维的点云，采用“减背景”检测方法对所述小障碍物的点云进行分离检测；
将所述小障碍物的点云映射到图像，执行图像分割获得目标图像；
采用融合方案对所述目标图像进行三维重构获取完整密集点云。
2.如权利要求1所述的小障碍物的三维重建方法，其特征在于，所述双目相机包括左相机和右相机，所述双目相机获取的所述地面图像包括左图像和右图像，所述结构光深度相机获取的所述地面图像为结构光深度图。
3.如权利要求2所述的小障碍物的三维重建方法，其特征在于，所述采用融合方案对所述目标图像进行三维重构获取完整密集点云，具体包括：
传感器标定，包括对所述双目相机的内参畸变标定、外参标定以及对所述双目相机和所述结构光深度相机的外参标定；
畸变与极线矫正，对所述左图像和右图像执行畸变和极线矫正；
数据对齐，利用所述结构光深度相机的所述外参将所述结构光深度图对齐到所述左图像和右图像的坐标系下，获得双目深度图；
稀疏立体匹配，对所述结构光深度图的空洞部分执行稀疏立体匹配并获取视差，将所述视差转换为深度，使用所述深度并融合所述结构光深度图和所述双目深度图，重建出鲁棒的深度图。
4.如权利要求3所述的小障碍物的三维重建方法，其特征在于，所述稀疏立体匹配的操作，具体包括：
提取空洞掩模，对所述空洞掩模内的图像执行稀疏立体匹配并获取视差。
5.如权利要求3所述的小障碍物的三维重建方法，其特征在于，所述畸变与极线矫正的操作，具体包括：
将用于稀疏立体匹配的匹配点约束在一条水平直线上进行对齐操作。
6.如权利要求3所述的小障碍物的三维重建方法，其特征在于，所述稀疏立体匹配的操作，进一步包括：
对所述鲁棒的深度图进行分块，将每个所述块内的深度图转换为所述点云，以平面模型对所述点云进行地面拟合，若所述块内的点云不满足平面假设，则将所述块内的点云去除，否则保留所述块内的点云；
通过深度神经网络将对所述保留的块进行二次校验，将通过所述二次校验的所述块基于平面法线和重心进行区域生长，分割出大块地面的三维平面方程及边界点云；
获取所有未通过所述二次校验的所述块内的点云到其所归属地面的距离，若距离大于阈值，则将其分割出来，获得疑似障碍物；
将所述疑似障碍物的所属点云映射到图像，作为区域分割的种子点，进行所述种子点生长，提取出完整的障碍物区域；
将所述障碍物区域映射出完整的点云，完成三维的所述小障碍物的检测。
7.一种小障碍物的检测方法，其特征在于，所述检测方法包括如权利要求1-6任一项所述的小障碍物的三维重建方法。
8.一种小障碍物的检测系统，其特征在于，所述检测系统包括如权利要求1-6任一项所述的小障碍物的三维重建方法。
9.如权利要求8所述的小障碍物的检测系统，其特征在于，还包括机器人本体，所述双目相机和结构光深度相机设置于所述机器人本体，所述双目相机和结构光深度相机朝向所述地面的方向倾斜设置。
CN202010064033.8A 2020-01-20 2020-01-20 小障碍物的三维重建方法、检测方法及检测系统 Active CN111260773B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010064033.8A CN111260773B (zh) 2020-01-20 2020-01-20 小障碍物的三维重建方法、检测方法及检测系统
PCT/CN2020/135028 WO2021147548A1 (zh) 2020-01-20 2020-12-09 小障碍物的三维重建方法、检测方法及系统、机器人及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010064033.8A CN111260773B (zh) 2020-01-20 2020-01-20 小障碍物的三维重建方法、检测方法及检测系统

Publications (2)

Publication Number Publication Date
CN111260773A true CN111260773A (zh) 2020-06-09
CN111260773B CN111260773B (zh) 2023-10-13

Family

ID=70950938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010064033.8A Active CN111260773B (zh) 2020-01-20 2020-01-20 小障碍物的三维重建方法、检测方法及检测系统

Country Status (2)

Country Link
CN (1) CN111260773B (zh)
WO (1) WO2021147548A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260715A (zh) * 2020-01-20 2020-06-09 深圳市普渡科技有限公司 深度图的处理方法、小障碍物检测方法及系统
CN112327326A (zh) * 2020-10-15 2021-02-05 深圳华芯信息技术股份有限公司 带有障碍物三维信息的二维地图生成方法、系统以及终端
CN112701060A (zh) * 2021-03-24 2021-04-23 惠州高视科技有限公司 半导体芯片焊线的检测方法及装置
CN113034490A (zh) * 2021-04-16 2021-06-25 北京石油化工学院 化学品库房的堆垛安全距离监测方法
WO2021147548A1 (zh) * 2020-01-20 2021-07-29 深圳市普渡科技有限公司 小障碍物的三维重建方法、检测方法及系统、机器人及介质
CN113297958A (zh) * 2021-05-24 2021-08-24 驭势（上海）汽车科技有限公司 一种自动化标注方法、装置、电子设备和存储介质
WO2022141721A1 (zh) * 2020-12-30 2022-07-07 罗普特科技集团股份有限公司 一种多模态无监督的行人像素级语义标注方法和系统
CN115077416A (zh) * 2022-06-15 2022-09-20 中国人民解放军国防科技大学 一种灵活运动成像多线结构立体视觉三维形貌测量方法和系统
CN117291930A (zh) * 2023-08-25 2023-12-26 中建三局第三建设工程有限责任公司 一种基于图片序列中目标物体分割的三维重建方法和系统

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114119718A (zh) * 2021-11-29 2022-03-01 福州大学 融合颜色特征和边缘特征的双目视觉绿色植被匹配定位方法
CN114119574B (zh) * 2021-11-30 2024-08-13 安徽农业大学 一种基于机器视觉的采摘点检测模型构建方法及采摘点定位方法
CN114820563B (zh) * 2022-05-17 2024-10-15 西安交通大学 一种基于多视点立体视觉的工业部件尺寸估计方法及系统
CN115880448B (zh) * 2022-12-06 2024-05-14 西安工大天成科技有限公司 基于双目成像的三维测量方法及装置
CN117132973B (zh) * 2023-10-27 2024-01-30 武汉大学 一种地外行星表面环境重建与增强可视化方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955920A (zh) * 2014-04-14 2014-07-30 桂林电子科技大学 基于三维点云分割的双目视觉障碍物检测方法
CN104361577A (zh) * 2014-10-20 2015-02-18 湖南戍融智能科技有限公司 一种基于深度图像与可见光图像融合的前景检测方法
CN106796728A (zh) * 2016-11-16 2017-05-31 深圳市大疆创新科技有限公司 生成三维点云的方法、装置、计算机系统和移动设备
US20170352159A1 (en) * 2016-06-01 2017-12-07 International Business Machines Corporation Distributed processing for producing three-dimensional reconstructions
CN109186586A (zh) * 2018-08-23 2019-01-11 北京理工大学 一种面向动态泊车环境的同时定位及混合地图构建方法
CN110032962A (zh) * 2019-04-03 2019-07-19 腾讯科技（深圳）有限公司 一种物体检测方法、装置、网络设备和存储介质
CN110176032A (zh) * 2019-04-28 2019-08-27 暗物智能科技(广州)有限公司 一种三维重建方法及装置
CN110595392A (zh) * 2019-09-26 2019-12-20 桂林电子科技大学 一种十字线结构光双目视觉扫描系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484648B (zh) * 2014-11-27 2017-07-25 浙江工业大学 基于轮廓识别的机器人可变视角障碍物检测方法
US10573018B2 (en) * 2016-07-13 2020-02-25 Intel Corporation Three dimensional scene reconstruction based on contextual analysis
CN108269281B (zh) * 2016-12-30 2023-06-13 上海安维尔信息科技股份有限公司 基于双目视觉的避障技术方法
GB2569609B (en) * 2017-12-21 2020-05-27 Canon Kk Method and device for digital 3D reconstruction
CN111260773B (zh) * 2020-01-20 2023-10-13 深圳市普渡科技有限公司 小障碍物的三维重建方法、检测方法及检测系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955920A (zh) * 2014-04-14 2014-07-30 桂林电子科技大学 基于三维点云分割的双目视觉障碍物检测方法
CN104361577A (zh) * 2014-10-20 2015-02-18 湖南戍融智能科技有限公司 一种基于深度图像与可见光图像融合的前景检测方法
US20170352159A1 (en) * 2016-06-01 2017-12-07 International Business Machines Corporation Distributed processing for producing three-dimensional reconstructions
CN106796728A (zh) * 2016-11-16 2017-05-31 深圳市大疆创新科技有限公司 生成三维点云的方法、装置、计算机系统和移动设备
CN109186586A (zh) * 2018-08-23 2019-01-11 北京理工大学 一种面向动态泊车环境的同时定位及混合地图构建方法
CN110032962A (zh) * 2019-04-03 2019-07-19 腾讯科技（深圳）有限公司 一种物体检测方法、装置、网络设备和存储介质
CN110176032A (zh) * 2019-04-28 2019-08-27 暗物智能科技(广州)有限公司 一种三维重建方法及装置
CN110595392A (zh) * 2019-09-26 2019-12-20 桂林电子科技大学 一种十字线结构光双目视觉扫描系统及方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260715A (zh) * 2020-01-20 2020-06-09 深圳市普渡科技有限公司 深度图的处理方法、小障碍物检测方法及系统
WO2021147548A1 (zh) * 2020-01-20 2021-07-29 深圳市普渡科技有限公司 小障碍物的三维重建方法、检测方法及系统、机器人及介质
CN111260715B (zh) * 2020-01-20 2023-09-08 深圳市普渡科技有限公司 深度图的处理方法、小障碍物检测方法及系统
CN112327326A (zh) * 2020-10-15 2021-02-05 深圳华芯信息技术股份有限公司 带有障碍物三维信息的二维地图生成方法、系统以及终端
WO2022141721A1 (zh) * 2020-12-30 2022-07-07 罗普特科技集团股份有限公司 一种多模态无监督的行人像素级语义标注方法和系统
CN112701060A (zh) * 2021-03-24 2021-04-23 惠州高视科技有限公司 半导体芯片焊线的检测方法及装置
CN112701060B (zh) * 2021-03-24 2021-08-06 高视科技(苏州)有限公司 半导体芯片焊线的检测方法及装置
CN113034490A (zh) * 2021-04-16 2021-06-25 北京石油化工学院 化学品库房的堆垛安全距离监测方法
CN113034490B (zh) * 2021-04-16 2023-10-10 北京石油化工学院 化学品库房的堆垛安全距离监测方法
CN113297958A (zh) * 2021-05-24 2021-08-24 驭势（上海）汽车科技有限公司 一种自动化标注方法、装置、电子设备和存储介质
CN115077416A (zh) * 2022-06-15 2022-09-20 中国人民解放军国防科技大学 一种灵活运动成像多线结构立体视觉三维形貌测量方法和系统
CN117291930A (zh) * 2023-08-25 2023-12-26 中建三局第三建设工程有限责任公司 一种基于图片序列中目标物体分割的三维重建方法和系统

Also Published As

Publication number Publication date
CN111260773B (zh) 2023-10-13
WO2021147548A1 (zh) 2021-07-29

Similar Documents

Publication Publication Date Title
CN111260773B (zh) 小障碍物的三维重建方法、检测方法及检测系统
CN111260715B (zh) 深度图的处理方法、小障碍物检测方法及系统
CN110264567B (zh) 一种基于标记点的实时三维建模方法
CN112396650B (zh) 一种基于图像和激光雷达融合的目标测距系统及方法
CN110349250B (zh) 一种基于rgbd相机的室内动态场景的三维重建方法
CN113436260B (zh) 基于多传感器紧耦合的移动机器人位姿估计方法和系统
CN108257161B (zh) 基于多相机的车辆环境三维重构和运动估计系统及方法
CN112785702A (zh) 一种基于2d激光雷达和双目相机紧耦合的slam方法
CN106681353A (zh) 基于双目视觉与光流融合的无人机避障方法及系统
JP5109294B2 (ja) ３次元位置補正装置
CN103093459B (zh) 利用机载LiDAR点云数据辅助影像匹配的方法
García-Moreno et al. LIDAR and panoramic camera extrinsic calibration approach using a pattern plane
CN111915678B (zh) 一种基于深度学习的水下单目视觉目标深度定位融合估计方法
CN108279677B (zh) 基于双目视觉传感器的轨道机器人检测方法
CN114459467B (zh) 一种未知救援环境中基于vi-slam的目标定位方法
CN109292099B (zh) 一种无人机着陆判断方法、装置、设备及存储介质
KR20210090384A (ko) 카메라 및 라이다 센서를 이용한 3d 객체 검출방법 및 장치
CN113205604A (zh) 一种基于摄像机和激光雷达的可行区域检测方法
KR20170014916A (ko) 단일 카메라와 ｇｐｓ를 이용한 영상 내 객체의 좌표 산출 방법
CN115909025A (zh) 一种小天体表面采样点地形视觉自主检测识别方法
CN106709432B (zh) 基于双目立体视觉的人头检测计数方法
CN117523461B (zh) 一种基于机载单目相机的运动目标跟踪与定位方法
Higuchi et al. 3D measurement of large structure by multiple cameras and a ring laser
CN117115271A (zh) 无人机飞行过程中的双目相机外参数自标定方法及系统
Kochi et al. 3D modeling of architecture by edge-matching and integrating the point clouds of laser scanner and those of digital camera

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