CN111339914A - 一种基于单张图片的室内天花板地面识别方法 - Google Patents

一种基于单张图片的室内天花板地面识别方法 Download PDF

Info

Publication number
CN111339914A
CN111339914A CN202010111924.4A CN202010111924A CN111339914A CN 111339914 A CN111339914 A CN 111339914A CN 202010111924 A CN202010111924 A CN 202010111924A CN 111339914 A CN111339914 A CN 111339914A
Authority
CN
China
Prior art keywords
straight line
ceiling
central point
ground
straight lines
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
CN202010111924.4A
Other languages
English (en)
Other versions
CN111339914B (zh
Inventor
周吕
刘立龙
任超
文学霖
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.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
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 Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202010111924.4A priority Critical patent/CN111339914B/zh
Publication of CN111339914A publication Critical patent/CN111339914A/zh
Application granted granted Critical
Publication of CN111339914B publication Critical patent/CN111339914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/36—Indoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于单张图片的室内天花板地面识别方法，对获取的图像进行转化和抽象化，获得对应的空间结构特征图，遍历所述空间结构特征图中的所有直线，计算出所述直线两两相交的交点及其欧式距离，并将所述欧式距离小于设定阈值的对应交点进行聚类，得到中心点，然后根据所述中心点更新并选出直线之间的角度大于90度的对应的三条所述直线，并将设定的承重墙直线与设定条件进行对比，统计并判断分别为天花板和地面的数量，准确的识别天花板和地面。

Description

一种基于单张图片的室内天花板地面识别方法
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于单张图片的室内天花板地面识别方法。
背景技术
房屋装修验收对装修外包公司而言是个重复且繁重的工作，其中有些装修项目允许装修工人拍摄现场装修实景照片发送给甲方验收，室内水管走线就是其中一种，但天花板和地面上没有明显的特征，对比性不强，因此不能准确识别天花板和地面。
发明内容
本发明的目的在于提供一种基于单张图片的室内天花板地面识别方法，可以准确的识别天花板和地面。
为实现上述目的，本发明提供了一种基于单张图片的室内天花板地面识别方法，包括：
对获取的图像进行转化和抽象化，获得对应的空间结构特征图；
对所述空间结构特征图中的交点进行聚类，得到中心点；
根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别。
其中，所述对获取的图像进行转化和抽象化，获得对应的空间结构特征图，包括：
将获得的原始彩色图转化为灰度图，并对所述灰度图利用边缘检测算法进行边缘信息检测后，利用霍夫直线检测法对所述边缘信息进行特征筛选，过滤非直线边缘信息，得到对应的空间结构特征图。
其中，对所述空间结构特征图中的交点进行聚类，得到中心点，包括：
遍历所述空间结构特征图中的所有直线，利用cross函数计算出所述直线两两相交的交点并保存。
其中，对所述空间结构特征图中的交点进行聚类，得到中心点，还包括：
根据所述交点计算出两两所述交点的欧式距离，并将所述欧式距离与设定阈值进行比较，若小于设定阈值，则将对应的所述交点进行聚类，得到中心点。
其中，根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别，包括：
将所述直线的起点更新为所述中心点，并以所述中心点为容器，存储经过对应中心点的所有所述直线。
其中，根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别，还包括：
从所述容器中任意选择三条直线按照设定公式进行角度计算，得到选出的所述直线之间的角度大于90度的对应的三条所述直线，并将三条所述直线中与Y轴不带方向上设定角度的直线定义为承重墙直线，并将所述承重墙直线与设定条件进行判断，完成天花板和地面的识别。
其中，将所述承重墙直线与设定条件进行判断，完成天花板和地面的识别，包括：
若所述承重墙直线从所述中心点指向上方，则为地面，若所述承重墙直线从所述中心点指向下方，则为天花板，并遍历所有选择出的三条所述直线，统计出分别为天花板和地面的数量。
其中，将所述承重墙直线与设定条件进行判断，完成天花板和地面的识别，还包括：
若为天花板的数量大于为地面的数量，则识别结果为天花板；
若为天花板的数量小于为地面的数量，则识别结果为地面；
若为天花板的数量等于为地面的数量，则返回设定结果让人工进行处理。
本发明的一种基于单张图片的室内天花板地面识别方法，对获取的图像进行转化和抽象化，获得对应的空间结构特征图，遍历所述空间结构特征图中的所有直线，计算出所述直线两两相交的交点及其欧式距离，并将所述欧式距离小于设定阈值的对应交点进行聚类，得到中心点，然后根据所述中心点更新并选出直线之间的角度大于90度的对应的三条所述直线，并将设定的承重墙直线与设定条件进行对比，统计并判断分别为天花板和地面的数量，准确的识别天花板和地面。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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是本发明提供的一种基于单张图片的室内天花板地面识别方法的步骤示意图。
图2是本发明提供的一种基于单张图片的室内天花板地面识别方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1和图2，本发明提供一种基于单张图片的室内天花板地面识别方法，包括：
S101、对获取的图像进行转化和抽象化，获得对应的空间结构特征图。
具体的，将获得的原始彩色图转化为灰度图，可以去除不同手机拍摄的颜色信息干扰，提高识别准确度，并对所述灰度图利用边缘检测算法进行边缘信息检测后，利用霍夫直线检测法对所述边缘信息进行特征筛选，过滤非直线边缘信息，得到对应的空间结构特征图，其中，常见的所述边缘检测算法有canny算子边缘检测法、sobel算子边缘检测法和laplacian算子边缘检测法，不同的算子做边缘检测的依据，其实都是基于图像边缘本身的特性。
S102、对所述空间结构特征图中的交点进行聚类，得到中心点。
具体的，遍历所述空间结构特征图中的所有直线，利用cross函数计算出所述直线两两相交的交点并保存相交直线，所述交点的计算公式为：
Figure BDA0002390313840000041
其中，P1表示所有两两直线之间的交点，L表示所有直线的集合，cross函数代表求两条直线交点，注：所有直线L的起点为交点。
由于所述交点为两两直线的交点，而天花板或地面为三条直线的交点，正常情况下由于直线检测以及像素的单位为1，而真实相交点可能不为整数，所以一般情况下3条直线两两相交的3个交点是相隔很近的点。所以采用聚类的方式，将三条直线两两交点合并到同一个交点下。根据所述交点计算出两两所述交点的欧式距离，并将所述欧式距离与设定阈值进行比较，若小于设定阈值，则将对应的所述交点进行聚类，合并为同一个交点，得到中心点，其中，所述设定阈值为两两直线交点在图像中相距2个像素。所述中心点对应的相交直线为聚类前所有交点对应的直线(需排除掉重复直线)，计算公式为：
Figure BDA0002390313840000042
其中，P2表示所有聚类后的交点的平均点，P1表示所有两两直线交点。
S103、根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别。
具体的，将所述直线的起点更新为所述中心点，并以所述中心点为容器，记为新容器P3，所述新容器P3存储经过对应所述中心点的所有所述直线，从所述容器中任意选择三条直线按照设定公式进行角度计算，由于天花板或地面中，必须会有三条直线相交为一个交点，并且墙角直线必定会有一条和图像上边缘垂直的直线，三条直线之间的夹角必定大于90度，得到选出的所述直线之间的角度大于90度的对应的三对所述直线，选择公式为：
Figure BDA0002390313840000043
其中，pline表示的是以某个中心点为容器的对应直线。从公式中可以看出，要求容器中有三条直线之间角度均大于90度。
并将三条所述直线中与Y轴不带方向上设定角度的直线定义为承重墙直线，其中，所述设定角度为最小夹角，并将所述承重墙直线与设定条件进行判断，即计算与Y轴夹角最小的直线所朝的方向，若所述承重墙直线从所述中心点指向上方，即交点在直线上方，则为地面，若所述承重墙直线从所述中心点指向下方，即交点在直线下方，则为天花板，并遍历所有选择出的三条所述直线，统计出分别为天花板和地面的数量，若判断出为天花板的数量大于为地面的数量，则识别出所述图像的结果为天花板；若判断出为天花板的数量小于为地面的数量，则识别出所述图像的结果为地面；若为天花板的数量等于为地面的数量，则返回设定结果即无法判断是天花板或者是地面，让人工进行处理，并遍历完所有交点，保证每个交点都被识别，避免识别结果出现误差，准确的识别天花板和地面。
本发明的一种基于单张图片的室内天花板地面识别方法，对获取的图像进行转化和抽象化，获得对应的空间结构特征图，遍历所述空间结构特征图中的所有直线，计算出所述直线两两相交的交点及其欧式距离，并将所述欧式距离小于设定阈值的对应交点进行聚类，得到中心点，然后根据所述中心点更新并选出直线之间的角度大于90度的对应的三条所述直线，并将设定的承重墙直线与设定条件进行对比，统计并判断分别为天花板和地面的数量，准确的识别天花板和地面。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (8)

1.一种基于单张图片的室内天花板地面识别方法，其特征在于，包括：
对获取的图像进行转化和抽象化，获得对应的空间结构特征图；
对所述空间结构特征图中的交点进行聚类，得到中心点；
根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别。
2.如权利要求1所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，所述对获取的图像进行转化和抽象化，获得对应的空间结构特征图，包括：
将获得的原始彩色图转化为灰度图，并对所述灰度图利用边缘检测算法进行边缘信息检测后，利用霍夫直线检测法对所述边缘信息进行特征筛选，过滤非直线边缘信息，得到对应的空间结构特征图。
3.如权利要求2所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，对所述空间结构特征图中的交点进行聚类，得到中心点，包括：
遍历所述空间结构特征图中的所有直线，利用cross函数计算出所述直线两两相交的交点并保存。
4.如权利要求3所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，对所述空间结构特征图中的交点进行聚类，得到中心点，还包括：
根据所述交点计算出两两所述交点的欧式距离，并将所述欧式距离与设定阈值进行比较，若小于设定阈值，则将对应的所述交点进行聚类，得到中心点。
5.如权利要求4所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别，包括：
将所述直线的起点更新为所述中心点，并以所述中心点为容器，存储经过对应中心点的所有所述直线。
6.如权利要求5所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，根据所述中心点更新并选取直线，按照设定条件完成天花板和地面的识别，还包括：
从所述容器中任意选择三条直线按照设定公式进行角度计算，得到选出的所述直线之间的角度大于90度的对应的三条所述直线，并将三条所述直线中与Y轴不带方向上设定角度的直线定义为承重墙直线，并将所述承重墙直线与设定条件进行判断，完成天花板和地面的识别。
7.如权利要求6所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，将所述承重墙直线与设定条件进行判断，完成天花板和地面的识别，包括：
若所述承重墙直线从所述中心点指向上方，则为地面，若所述承重墙直线从所述中心点指向下方，则为天花板，并遍历所有选择出的三条所述直线，统计出分别为天花板和地面的数量。
8.如权利要求7所述的一种基于单张图片的室内天花板地面识别方法，其特征在于，将所述承重墙直线与设定条件进行判断，完成天花板和地面的识别，还包括：
若为天花板的数量大于为地面的数量，则识别结果为天花板；
若为天花板的数量小于为地面的数量，则识别结果为地面；
若为天花板的数量等于为地面的数量，则返回设定结果让人工进行处理。
CN202010111924.4A 2020-02-24 2020-02-24 一种基于单张图片的室内天花板地面识别方法 Active CN111339914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010111924.4A CN111339914B (zh) 2020-02-24 2020-02-24 一种基于单张图片的室内天花板地面识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010111924.4A CN111339914B (zh) 2020-02-24 2020-02-24 一种基于单张图片的室内天花板地面识别方法

Publications (2)

Publication Number Publication Date
CN111339914A true CN111339914A (zh) 2020-06-26
CN111339914B CN111339914B (zh) 2022-08-19

Family

ID=71183665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010111924.4A Active CN111339914B (zh) 2020-02-24 2020-02-24 一种基于单张图片的室内天花板地面识别方法

Country Status (1)

Country Link
CN (1) CN111339914B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762067A (zh) * 2021-07-21 2021-12-07 上海圭目机器人有限公司 一种机场板块的识别方法
CN114445483A (zh) * 2022-01-28 2022-05-06 泗阳三江橡塑有限公司 基于图像金字塔的注塑件质量分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070126876A1 (en) * 2005-11-30 2007-06-07 Eastman Kodak Company Locating digital image planar surfaces
CN104063707A (zh) * 2014-07-14 2014-09-24 金陵科技学院 基于人类视觉多尺度感知特性的彩色图像聚类分割方法
CN104077611A (zh) * 2014-07-14 2014-10-01 金陵科技学院 类地重力场环境下室内场景单目视觉空间识别方法
CN105943162A (zh) * 2010-10-21 2016-09-21 伊顿株式会社 手术机器人的移动控制/补偿方法及其装置
CN108873943A (zh) * 2018-07-20 2018-11-23 南京奇蛙智能科技有限公司 一种无人机厘米级精准降落的图像处理方法
CN109993827A (zh) * 2019-03-29 2019-07-09 宁波睿峰信息科技有限公司 一种将建筑图纸转换为三维bim模型的立面图识别方法
CN110197529A (zh) * 2018-08-30 2019-09-03 杭州维聚科技有限公司 室内空间三维重建方法
CN110647824A (zh) * 2019-09-03 2020-01-03 四川大学 基于计算机视觉技术的增值税发票版面提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070126876A1 (en) * 2005-11-30 2007-06-07 Eastman Kodak Company Locating digital image planar surfaces
CN105943162A (zh) * 2010-10-21 2016-09-21 伊顿株式会社 手术机器人的移动控制/补偿方法及其装置
CN104063707A (zh) * 2014-07-14 2014-09-24 金陵科技学院 基于人类视觉多尺度感知特性的彩色图像聚类分割方法
CN104077611A (zh) * 2014-07-14 2014-10-01 金陵科技学院 类地重力场环境下室内场景单目视觉空间识别方法
CN108873943A (zh) * 2018-07-20 2018-11-23 南京奇蛙智能科技有限公司 一种无人机厘米级精准降落的图像处理方法
CN110197529A (zh) * 2018-08-30 2019-09-03 杭州维聚科技有限公司 室内空间三维重建方法
CN109993827A (zh) * 2019-03-29 2019-07-09 宁波睿峰信息科技有限公司 一种将建筑图纸转换为三维bim模型的立面图识别方法
CN110647824A (zh) * 2019-09-03 2020-01-03 四川大学 基于计算机视觉技术的增值税发票版面提取方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
R.WANG等: "Performance of connection system used in lightweight glubam shear wall", 《CONSTRUCTION AND BUILDING MATERIALS》 *
丁伟利等: "基于边缘方向图的建筑物直线特征提取", 《光学学报》 *
仝敬辰等: "移动机器人基于三维激光和单目视觉的室内语义地图构建", 《2010第八届世界智能控制与自动化大会》 *
余必举: "四轴飞行器单目视觉室内导航的研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
刘芳等: "对承重墙混凝土空心砌块施工技术的分析", 《科学技术创新》 *
周绍磊等: "基于直线检测的室内移动机器人视觉定位方法", 《华中科技大学学报(自然科学版)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762067A (zh) * 2021-07-21 2021-12-07 上海圭目机器人有限公司 一种机场板块的识别方法
CN113762067B (zh) * 2021-07-21 2024-03-26 上海圭目机器人有限公司 一种机场板块的识别方法
CN114445483A (zh) * 2022-01-28 2022-05-06 泗阳三江橡塑有限公司 基于图像金字塔的注塑件质量分析方法

Also Published As

Publication number Publication date
CN111339914B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN112348815B (zh) 图像处理方法、图像处理装置以及非瞬时性存储介质
US8396284B2 (en) Smart picking in 3D point clouds
CN111339914B (zh) 一种基于单张图片的室内天花板地面识别方法
US8805056B2 (en) Automatic detection and grouping of straight lines in images for personalization
CN112084869A (zh) 一种基于紧致四边形表示的建筑物目标检测方法
CN111553914B (zh) 基于视觉的货物检测方法、装置、终端及可读存储介质
CN108154516B (zh) 面向封闭空间的点云拓扑分割方法及装置
CN111680681B (zh) 排除非正常识别目标的图像后处理方法及系统及计数方法
CN112381062A (zh) 一种基于卷积神经网络的目标检测方法及装置
CN114898321A (zh) 道路可行驶区域检测方法、装置、设备、介质及系统
CN113177941B (zh) 一种钢卷边裂识别方法、系统、介质和终端
CN110826364A (zh) 一种库位识别方法及装置
CN115205562B (zh) 一种基于特征点的任意试卷配准方法
JPH05215547A (ja) ステレオ画像間対応点決定方法
CN114882192B (zh) 一种建筑立面的分割方法、装置、电子设备以及存储介质
CN116758151A (zh) 一种视觉图像中的多类型屏幕定位方法
CN112257710B (zh) 一种带文字平面的图片倾斜度检测方法及装置
CN115656991A (zh) 车辆外参标定方法、装置、设备以及存储介质
CN114612923A (zh) 基于目标检测的户型图墙体处理方法、系统、介质及设备
CN114283186A (zh) 工程图纸中对象识别方法、装置、电子设备和存储介质
CN110472538B (zh) 一种电子图纸的图像识别方法、存储介质
CN115339436A (zh) 一种修正车位角点的方法和相关装置
CN115690364A (zh) Ar模型的获取方法、电子设备和可读存储介质
CN111753573A (zh) 二维码图像识别方法、装置、电子设备以及可读存储介质
CN109934169A (zh) 一种车道线识别方法及装置

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200626

Assignee: Guangxi Taihua Information Technology Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000085

Denomination of invention: An indoor ceiling and floor recognition method based on a single picture

Granted publication date: 20220819

License type: Common License

Record date: 20221118

Application publication date: 20200626

Assignee: Guangxi Erjia Culture Media Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000027

Denomination of invention: An indoor ceiling and floor recognition method based on a single picture

Granted publication date: 20220819

License type: Common License

Record date: 20221117

Application publication date: 20200626

Assignee: Guangxi Guigong surveying and mapping Geographic Information Technology Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000076

Denomination of invention: An indoor ceiling and floor recognition method based on a single picture

Granted publication date: 20220819

License type: Common License

Record date: 20221118

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200626

Assignee: Nanning Qihang Surveying and Mapping Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2023980044289

Denomination of invention: A Method for Indoor Ceiling and Floor Recognition Based on Single Image

Granted publication date: 20220819

License type: Common License

Record date: 20231025

Application publication date: 20200626

Assignee: Guangxi Zhongyun Land Planning and Design Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2023980044234

Denomination of invention: A Method for Indoor Ceiling and Floor Recognition Based on Single Image

Granted publication date: 20220819

License type: Common License

Record date: 20231023

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200626

Assignee: Guangxi Nanning Tianhai Surveying and Mapping Technology Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2023980044292

Denomination of invention: A Method for Indoor Ceiling and Floor Recognition Based on Single Image

Granted publication date: 20220819

License type: Common License

Record date: 20231025

Application publication date: 20200626

Assignee: Guangxi Yicheng blueprints Technology Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2023980044294

Denomination of invention: A Method for Indoor Ceiling and Floor Recognition Based on Single Image

Granted publication date: 20220819

License type: Common License

Record date: 20231027