CN111383260A - 应用于可见光模态的自适应激光信息高速检测处理方法 - Google Patents

应用于可见光模态的自适应激光信息高速检测处理方法 Download PDF

Info

Publication number
CN111383260A
CN111383260A CN202010178844.0A CN202010178844A CN111383260A CN 111383260 A CN111383260 A CN 111383260A CN 202010178844 A CN202010178844 A CN 202010178844A CN 111383260 A CN111383260 A CN 111383260A
Authority
CN
China
Prior art keywords
image
frame
coordinate
inter
gray
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
CN202010178844.0A
Other languages
English (en)
Other versions
CN111383260B (zh
Inventor
邢万里
张弘
袁丁
陈浩
杨一帆
刘翰阳
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202010178844.0A priority Critical patent/CN111383260B/zh
Publication of CN111383260A publication Critical patent/CN111383260A/zh
Application granted granted Critical
Publication of CN111383260B publication Critical patent/CN111383260B/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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本发明属于图像处理技术领域，公开了一种应用于可见光模态的自适应激光信息高速检测处理方法，对图像帧进行帧间融合，将得到的帧间融合图和前一图像帧做差得到帧间差分图，将帧间差分图中的像素点从大到小排列与给定阈值比较，并设置自适应阈值对帧间差分图进行二值化得到帧间二值化图，再进行图像形态学处理，并用局部投票机制划分区域，最后通过像素点邻域内其他像素点灰度值分布情况，判断新起点是否继续向前移动，当移动后的坐标点邻域内白色像素点数量小于规定的阈值时则不移动，移动前的点即为最终激光光斑的中心点。本发明用于对图像中激光信息进行高速检测判断是否有激光照射情况，并对其中心点快速定位。

Description

应用于可见光模态的自适应激光信息高速检测处理方法
技术领域
本发明属于图像处理技术领域，具体涉及一种应用于可见光模态的自适应激光信息高速检测处理方法。
背景技术
随着信息技术的发展和大数据技术的普及，数据融合的理论基础在不断成熟，促进了多模态融合技术的发展，作为多模态融合技术的一部分，可见光模态可以采集到人眼能够观察到的颜色信息，图像的纹理细节更为密集，同时可以使人们更有效快速的辨别热辐射信息较低的目标。激光信息在可见光模态下具有较为明显的表现形式，而且激光由于其单色性、相干性好，方向性好、亮度高的特点，在军事方面具有很广阔的应用前景，其中为了对远处目标进行标记，军事上通常使用激光标记的方式来进行相关军事设备的对准，这表明激光光斑中心定位的精度高低，决定了相关军事装备(例如激光武器)的精准程度，同时考虑到激光投射的位置都是几公里外的场景，随着距离的增加，激光亮度会随之衰减，长焦相机采集的图像质量也会下降，会带有明显的噪声，因此能否克服长焦相机采集视频的中的噪声，减少激光光斑错误识别，并且在远距离处仍能检测到的激光信息以及定位激光光斑中心，这是一个很重要的课题。
发明内容
本发明的目的，在于要提供一种应用于可见光模态的自适应激光信息高速检测处理方法，在可见光模态下，利用CCD相机采集实际图像，通过DSP嵌入式处理器平台进行运算，对图像中的激光信息进行高速检测并且对其中心点进行定位。
本发明为实现上述目的，所采用的技术方案如下：
应用于可见光模态的自适应激光信息高速检测处理方法，包括依次进行的以下步骤：
S1、在激光光斑检测软件中输入在可见光模态下CCD相机实时采集的灰度图像帧，对灰度图像帧进行帧间融合操作，生成帧间融合图，然后将帧间融合图和前一灰度图像帧进行相减差分，得到帧间融合图和前一灰度图像帧间的帧间差分图；
S2、将帧间差分图中的像素点按照数值从大到小排列，选取第10至第20个数值中的任意一个，并将其值记为Ti，10≤i≤20；给定固定阈值P1，10≤P1≤30，将Ti与固定阈值P1进行比较，若Ti大于等于固定阈值P1则继续下一步，否则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
S3、设置自适应阈值为P2，0.2×Ti≤P2≤0.5×Ti，对帧间差分图进行二值化，针对帧间差分图中大于等于P2的像素点的灰度值分割为255，记为白色像素点，否则为0，记为黑色像素点，得到帧间二值化图；
S4、对帧间二值化图使用图像形态学处理方式，利用M×M，2≤M≤5的形态学算子，对帧间二值化图进行腐蚀操作，然后进行膨胀操作，消除噪声点；
S5、使用局部投票机制进行划分区域，把帧间二值化图划分成多个大小为N×N，3≤N≤5像素点的区域，并统计每个区域的白色像素点；设置白色像素点数量的阈值为P3，0≤P3≤N×N，若各个划分区域内的白色像素点数小于该阈值P3时，则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
当存在某个区域内的白色像素点数大于等于该阈值P3时，则将该区域暂存，最终从暂存的区域中找到白色像素点最多的区域，计算该区域中心点的坐标，得到(x，y)，作为接下来的步骤的白色像素点坐标起点；若存在多个相同数量的白色像素点的区域，并且其白色像素点数量都是最多，则把多个区域计算的中心点坐标(xi，yi)取平均得到(x，y)，作为接下来的步骤的白色像素点坐标起点；
S6、以白色像素点坐标起点(x，y)开始，向y减小的方向，按照x不变，y减小1个像素的方式，定位到新的白色像素点坐标(x，y-1)，找到以该坐标为中心的N×N的邻域，统计邻域内白色像素点的数量，若数量小于阈值P3，则(x，y)为最终的激光光斑中心点坐标；若数量大于等于阈值P3，则再以坐标(x，y-1)为中心向x坐标增加和减少的方向分别移动来确定x，找到在该纵坐标y-1不变的情况下，所有灰度值为255的白色像素点的x坐标x1，x2，……，xn，取横坐标x的平均值
Figure BDA0002411790180000031
得到新起点的坐标为(xmid，y-1)；
S7、从步骤S6中得到的新起点的坐标(xmid，y-1)开始，继续按照步骤S6进行循环操作，直到继续减小纵坐标后，邻域内白色像素点的数量小于阈值P3为止，找到最后一次移动前的坐标，即为最终激光光斑的中心点。
作为限定，步骤S1中，所述帧间融合操作是将当前灰度图像帧和前一灰度图像帧进行融合叠加，融合叠加比例为9:1。
作为第二种限定，步骤S5中，划分的多个区域的中心点坐标(xi，yi)的计算公式为：
Figure BDA0002411790180000032
Figure BDA0002411790180000033
其中，N为划分的区域在横向或纵向上的像素点数量，Ai(a,b)为帧间二值化图中第i个区域中坐标为(a，b)的白色像素点的灰度值。
本发明由于采用了上述的技术方案，其与现有技术相比，所取得的技术进步在于：
(1)本发明可以在实际场景中对是否有激光照射现象进行快速判断，保证其运行速度；
(2)本发明对相机的噪声问题进行了相应的图像融合和形态学抑制处理，极大的减小了噪声的影响；
(3)本发明对于远端亮度极弱的激光光斑具有较好的判别能力，可以较好的进行检出激光并且定位激光光斑中心；
(4)本发明计算速度快，可以应用于DSP嵌入式处理器平台上。
本发明属于图像处理技术领域，用于对图像中的激光信息进行高速检测并且对激光光斑的中心点进行定位。
附图说明
下面结合附图及具体实施例对本发明作更进一步详细说明。
图1是本发明实施例1的流程示意图；
图2是本发明实施例1的帧间融合图示意图；
图3是本发明实施例1的5*5区域划分示意图；
图4是本发明实施例1中DSP嵌入式处理器平台的原理图；
图5(a)是本发明实施例1在2067米得到的前一灰度图像帧；
图5(b)是本发明实施例1在2067米得到的当前灰度图像帧；
图5(c)是本发明实施例1在2067米得到的当前灰度图像帧中激光光斑检测图；
图6(a)是本发明实施例1在4175米得到的前一灰度图像帧；
图6(b)是本发明实施例1在4175米得到的当前灰度图像帧；
图6(c)是本发明实施例1在4175米得到的当前灰度图像帧中激光光斑检测图；
图7是本发明实施例2的3*3区域划分示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1应用于可见光模态的自适应激光信息高速检测处理方法
如图1所示为本实施例的流程示意图，包括依次进行的以下步骤：
S1、在激光光斑检测软件中输入在可见光模态下CCD相机实时采集的图像分辨率为1920*1080的灰度图像帧，对灰度图像帧进行帧间融合操作，生成帧间融合图，然后将得到的帧间融合图和前一灰度图像帧进行相减差分，得到帧间融合图和前一灰度图像帧之间的帧间差分图；
其中本步骤中帧间融合操作是将当前灰度图像帧和前一灰度图像帧进行融合叠加，融合叠加比例为9:1，如图2所示；
S2、将帧间差分图中的像素点按照数值从大到小排列，选取第20个数值，并将其值记为T20；给定固定阈值10，将T20与固定阈值10进行比较，若T20大于等于固定阈值10则继续下一步，否则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
S3、设置自适应阈值为0.5*T20，对帧间差分图进行二值化，针对帧间差分图中大于等于0.5*T20的像素点的灰度值分割为255，记为白色像素点，否则为0，记为黑色像素点，得到帧间二值化图；
S4、对帧间二值化图使用图像形态学处理方式，利用3*3的形态学算子，对帧间二值化图进行腐蚀操作，然后进行膨胀操作，消除噪声点；
S5、使用局部投票机制进行划分区域，把帧间二值化图划分成多个大小为5*5像素点的区域，如图3所示，并统计每个区域的白色像素点；设置白色像素点数量的阈值为15，若各个划分区域内的白色像素点数小于该阈值15时，则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
当存在某个区域内的白色像素点数大于等于该阈值15时，则将该区域暂存，最终从暂存的区域中找到白色像素点最多的区域，计算该区域中心点的坐标，得到(x，y)，作为接下来的步骤的白色像素点坐标起点；若存在多个相同数量的白色像素点的区域，并且其白色像素点数量都是最多，则把多个区域计算的中心点坐标(xi，yi)取平均得到(x，y)，作为接下来的步骤的白色像素点坐标起点；
在本步骤中，划分的多个区域的中心点坐标(xi，yi)的计算公式为：
Figure BDA0002411790180000051
Figure BDA0002411790180000061
其中，N为划分的区域在横向或纵向上的像素点数量，在本实施例中N为5，Ai(a,b)为帧间二值化图中第i个区域中坐标为(a，b)的白色像素点的灰度值；
S6、以白色像素点坐标起点(x，y)开始，向y减小的方向，本实施例中将长焦相机远端作为y减小的方向，按照x不变，y减小1个像素的方式，定位到新的白色像素点坐标(x，y-1)，找到以该坐标为中心的5*5的邻域，统计邻域内白色像素点的数量，若数量小于阈值15，则(x，y)为最终的激光光斑中心点坐标；若数量大于等于阈值15，则再以坐标(x，y-1)为中心向x坐标增加和减少的方向分别移动来确定x，找到在该纵坐标y-1不变的情况下，所有灰度值为255的白色像素点的x坐标x1，x2，……，xn，取横坐标x的平均值
Figure BDA0002411790180000062
得到新起点的坐标为(xmid，y-1)；
S7、从步骤S6中得到的新起点的坐标(xmid，y-1)开始，继续按照步骤S6进行循环操作，直到继续减小纵坐标后，邻域内白色像素点的数量小于阈值15为止，找到最后一次移动前的坐标，即为最终激光光斑的中心点。
本实施例是通过DSP嵌入式处理器平台来完成算法具体实现的，其原理图如图4所示，在实际场景下，将DSP嵌入式处理器平台连接到CCD相机上，在2067米处得到的实测图如图5(a)、5(b)、5(c)所示，在4175米处得到的实测图如图6(a)、6(b)、6(c)所示，激光光斑的距离由近及远，其中图5(a)和图6(a)为前一灰度图像帧，图5(b)和图6(b)为当前灰度图像帧，图5(c)和图6(c)为当前灰度图像帧中激光光斑检测的图像，圆圈中心代表检测到的激光光斑中心点。从图中可以看出，激光在远端衰减为弱光的时候，仍可以筛选掉背景中的噪声干扰，准确找到激光光斑，并且周围场景的噪声干扰都没有对其造成明显影响。
实施例2应用于可见光模态的自适应激光信息高速检测处理方法
本实施例包括依次进行的以下步骤：
S1、在激光光斑检测软件中输入在可见光模态下CCD相机实时采集的图像分辨率为1920*1080的灰度图像帧，对灰度图像帧进行帧间融合操作，生成帧间融合图，然后将得到的帧间融合图和前一灰度图像帧进行相减差分，得到帧间融合图和前一灰度图像帧之间的帧间差分图；
其中本步骤中帧间融合操作是将当前灰度图像帧和前一灰度图像帧进行融合叠加，融合叠加比例为9:1；
S2、将帧间差分图中的像素点按照数值从大到小排列，选取第10个数值，并将其值记为T10；给定固定阈值30，将T10与固定阈值30进行比较，若T10大于等于固定阈值30则继续下一步，否则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
S3、设置自适应阈值为0.2*T10，对帧间差分图进行二值化，针对帧间差分图中大于等于0.2*T10的像素点的灰度值分割为255，记为白色像素点，否则为0，记为黑色像素点，得到帧间二值化图；
S4、对帧间二值化图使用图像形态学处理方式，利用5*5的形态学算子，对帧间二值化图进行腐蚀操作，然后进行膨胀操作，消除噪声点；
S5、使用局部投票机制进行划分区域，把帧间二值化图划分成多个大小为3*3像素点的区域，如图7所示，并统计每个区域的白色像素点；设置白色像素点数量的阈值为5，若各个划分区域内的白色像素点数小于该阈值5时，则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
当存在某个区域内的白色像素点数大于等于该阈值5时，则将该区域暂存，最终从暂存的区域中找到白色像素点最多的区域，计算该区域中心点的坐标，得到(x，y)，作为接下来的步骤的白色像素点坐标起点；若存在多个相同数量的白色像素点的区域，并且其白色像素点数量都是最多，则把多个区域计算的中心点坐标(xi，yi)取平均得到(x，y)，作为接下来的步骤的白色像素点坐标起点；
在本步骤中，划分的多个区域的中心点坐标(xi，yi)的计算公式为：
Figure BDA0002411790180000081
Figure BDA0002411790180000082
其中，N为划分的区域在横向或纵向上的像素点数量，在本实施例中N为3，Ai(a,b)为帧间二值化图中第i个区域中坐标为(a，b)的白色像素点的灰度值；
S6、以白色像素点坐标起点(x，y)开始，向y减小的方向，本实施例中将长焦相机远端作为y减小的方向，按照x不变，y减小1个像素的方式，定位到新的白色像素点坐标(x，y-1)，找到以该坐标为中心的3*3的邻域，统计邻域内白色像素点的数量，若数量小于阈值5，则(x，y)为最终的激光光斑中心点坐标；若数量大于等于阈值5，则再以坐标(x，y-1)为中心向x坐标增加和减少的方向分别移动来确定x，找到在该纵坐标y-1不变的情况下，所有灰度值为255的白色像素点的x坐标x1，x2，……，xn，取横坐标x的平均值
Figure BDA0002411790180000083
得到新起点的坐标为(xmid，y-1)；
S7、从步骤S6中得到的新起点的坐标(xmid，y-1)开始，继续按照步骤S6进行循环操作，直到继续减小纵坐标后，邻域内白色像素点的数量小于阈值5为止，找到最后一次移动前的坐标，即为最终激光光斑的中心点。
实施例1-2中使用的是具体数值，在实际应用时，用到的数值的范围可以根据实际需要进行变化。

Claims (3)

1.一种应用于可见光模态的自适应激光信息高速检测处理方法，其特征在于，包括依次进行的以下步骤：
S1、在激光光斑检测软件中输入在可见光模态下CCD相机实时采集的灰度图像帧，对灰度图像帧进行帧间融合操作，生成帧间融合图，然后将帧间融合图和前一灰度图像帧进行相减差分，得到帧间融合图和前一灰度图像帧间的帧间差分图；
S2、将帧间差分图中的像素点按照数值从大到小排列，选取第10至第20个数值中的任意一个，并将其值记为Ti，10≤i≤20；给定固定阈值P1，10≤P1≤30，将Ti与固定阈值P1进行比较，若Ti大于等于固定阈值P1则继续下一步，否则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
S3、设置自适应阈值为P2，0.2×Ti≤P2≤0.5×Ti，对帧间差分图进行二值化，针对帧间差分图中大于等于P2的像素点的灰度值分割为255，记为白色像素点，否则为0，记为黑色像素点，得到帧间二值化图；
S4、对帧间二值化图使用图像形态学处理方式，利用M×M，2≤M≤5的形态学算子，对帧间二值化图进行腐蚀操作，然后进行膨胀操作，消除噪声点；
S5、使用局部投票机制进行划分区域，把帧间二值化图划分成多个大小为N×N，3≤N≤5像素点的区域，并统计每个区域的白色像素点；设置白色像素点数量的阈值为P3，0≤P3≤N×N，若各个划分区域内的白色像素点数小于该阈值P3时，则认为当前灰度图像帧没有激光照射情况，返回步骤S1，并且输入新的灰度图像帧，重新进行检测；
当存在某个区域内的白色像素点数大于等于该阈值P3时，则将该区域暂存，最终从暂存的区域中找到白色像素点最多的区域，计算该区域中心点的坐标，得到(x，y)，作为接下来的步骤的白色像素点坐标起点；若存在多个相同数量的白色像素点的区域，并且其白色像素点数量都是最多，则把多个区域计算的中心点坐标(xi，yi)取平均得到(x，y)，作为接下来的步骤的白色像素点坐标起点；
S6、以白色像素点坐标起点(x，y)开始，向y减小的方向，按照x不变，y减小1个像素的方式，定位到新的白色像素点坐标(x，y-1)，找到以该坐标为中心的N×N的邻域，统计邻域内白色像素点的数量，若数量小于阈值P3，则(x，y)为最终的激光光斑中心点坐标；若数量大于等于阈值P3，则再以坐标(x，y-1)为中心向x坐标增加和减少的方向分别移动来确定x，找到在该纵坐标y-1不变的情况下，所有灰度值为255的白色像素点的x坐标x1，x2，……，xn，取横坐标x的平均值
Figure FDA0002411790170000021
得到新起点的坐标为(xmid，y-1)；
S7、从步骤S6中得到的新起点的坐标(xmid，y-1)开始，继续按照步骤S6进行循环操作，直到继续减小纵坐标后，邻域内白色像素点的数量小于阈值P3为止，找到最后一次移动前的坐标，即为最终激光光斑的中心点。
2.根据权利要求1所述的应用于可见光模态的自适应激光信息高速检测处理方法，其特征在于，步骤S1中，所述帧间融合操作是将当前灰度图像帧和前一灰度图像帧进行融合叠加，融合叠加比例为9:1。
3.根据权利要求1所述的应用于可见光模态的自适应激光信息高速检测处理方法，其特征在于，步骤S5中，划分的多个区域的中心点坐标(xi，yi)的计算公式为：
Figure FDA0002411790170000022
Figure FDA0002411790170000023
其中，N为划分的区域在横向或纵向上的像素点数量，Ai(a,b)为帧间二值化图中第i个区域中坐标为(a，b)的白色像素点的灰度值。
CN202010178844.0A 2020-03-15 2020-03-15 应用于可见光模态的自适应激光信息高速检测处理方法 Active CN111383260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010178844.0A CN111383260B (zh) 2020-03-15 2020-03-15 应用于可见光模态的自适应激光信息高速检测处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010178844.0A CN111383260B (zh) 2020-03-15 2020-03-15 应用于可见光模态的自适应激光信息高速检测处理方法

Publications (2)

Publication Number Publication Date
CN111383260A true CN111383260A (zh) 2020-07-07
CN111383260B CN111383260B (zh) 2023-05-23

Family

ID=71218729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010178844.0A Active CN111383260B (zh) 2020-03-15 2020-03-15 应用于可见光模态的自适应激光信息高速检测处理方法

Country Status (1)

Country Link
CN (1) CN111383260B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950511A (zh) * 2021-03-26 2021-06-11 河北砺兵科技有限责任公司 一种检测850nm附近不可见激光光斑位置的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110221919A1 (en) * 2010-03-11 2011-09-15 Wenbo Zhang Apparatus, method, and system for identifying laser spot
CN103927536A (zh) * 2014-05-12 2014-07-16 北京航空航天大学 一种基于导数法的光斑图像中心的快速定位方法
WO2017045304A1 (zh) * 2015-09-15 2017-03-23 苏州中启维盛机器人科技有限公司 采用ccd光敏器件的成像光斑计算方法
CN107705294A (zh) * 2017-09-14 2018-02-16 兰州交通大学 一种十字激光的图像式路基表面沉降监测方法和监测系统
CN110246115A (zh) * 2019-04-23 2019-09-17 西安理工大学 一种远场激光光斑图像的检测方法
CN110363786A (zh) * 2019-06-12 2019-10-22 西安理工大学 基于贝叶斯融合的单晶炉液位检测激光光斑中心定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110221919A1 (en) * 2010-03-11 2011-09-15 Wenbo Zhang Apparatus, method, and system for identifying laser spot
CN103927536A (zh) * 2014-05-12 2014-07-16 北京航空航天大学 一种基于导数法的光斑图像中心的快速定位方法
WO2017045304A1 (zh) * 2015-09-15 2017-03-23 苏州中启维盛机器人科技有限公司 采用ccd光敏器件的成像光斑计算方法
CN107705294A (zh) * 2017-09-14 2018-02-16 兰州交通大学 一种十字激光的图像式路基表面沉降监测方法和监测系统
CN110246115A (zh) * 2019-04-23 2019-09-17 西安理工大学 一种远场激光光斑图像的检测方法
CN110363786A (zh) * 2019-06-12 2019-10-22 西安理工大学 基于贝叶斯融合的单晶炉液位检测激光光斑中心定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
谈凯德: "一种有效的激光光斑中心检测算法研究" *
赵琦等: "改进阈值分割的光斑中心定位方法" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950511A (zh) * 2021-03-26 2021-06-11 河北砺兵科技有限责任公司 一种检测850nm附近不可见激光光斑位置的方法
CN112950511B (zh) * 2021-03-26 2023-05-26 河北砺兵科技有限责任公司 一种检测850nm附近不可见激光光斑位置的方法

Also Published As

Publication number Publication date
CN111383260B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN107014294B (zh) 一种基于红外图像的接触网几何参数检测方法及系统
US8385595B2 (en) Motion detection method, apparatus and system
CN109883654B (zh) 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法
CN111144213B (zh) 一种对象检测方法和相关设备
US20100045800A1 (en) Method and Device for Controlling Auto Focusing of a Video Camera by Tracking a Region-of-Interest
CN108470356B (zh) 一种基于双目视觉的目标对象快速测距方法
EP2715278B1 (en) 3d scanner using structured lighting
US9171379B2 (en) Hybrid precision tracking
CN110083157B (zh) 一种避障方法及装置
US20070025592A1 (en) Target-region detection apparatus, method and program
CN111680574B (zh) 一种人脸检测方法、装置、电子设备和存储介质
US20240013478A1 (en) Localization of light sources using reference viewpoints
CN108190774A (zh) 一种基于投影的排绳故障检测方法及其装置
CN113781523B (zh) 一种足球检测跟踪方法及装置、电子设备、存储介质
JP2011237296A (ja) ３次元形状計測方法、３次元形状計測装置、及びプログラム
CN110188640B (zh) 人脸识别方法、装置、服务器和计算机可读介质
CN111383260A (zh) 应用于可见光模态的自适应激光信息高速检测处理方法
CN113192121B (zh) 一种大气湍流下的光斑中心滑动加权质心定位方法
CN112288780B (zh) 多特征动态加权的目标跟踪算法
CN111023994B (zh) 一种基于多重测量的光栅三维扫描方法及系统
CN110232709B (zh) 一种变阈值分割的线结构光光条中心提取方法
CN113824880A (zh) 一种基于目标检测和uwb定位的车辆跟踪方法
CN113674319A (zh) 一种目标跟踪的方法、系统、设备及计算机存储介质
CN113542534A (zh) 一种tof相机控制方法、装置以及存储介质
Guthier et al. Histogram-based image registration for real-time high dynamic range videos

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