CN111386529A - 用于快速识别和处理图像关注区域的系统和方法 - Google Patents
用于快速识别和处理图像关注区域的系统和方法 Download PDFInfo
- Publication number
- CN111386529A CN111386529A CN201880054088.1A CN201880054088A CN111386529A CN 111386529 A CN111386529 A CN 111386529A CN 201880054088 A CN201880054088 A CN 201880054088A CN 111386529 A CN111386529 A CN 111386529A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- interest
- region
- fiducial
- 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.)
- Pending
Links
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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
提供了用于数据采集系统的系统和方法。图像捕获设备被配置为捕获图像数据,其中捕获的图像包括与所述图像相关联的数据,其中像素数据包括可见光像素数据和非可见光像素数据。基准定位器被配置为基于通过对所述非可见光像素数据的分析而检测到的所述图像中的基准来识别所述图像的关注区域。图像处理器被配置为忽略所述图像的其他部分同时基于所述可见光像素数据从所述图像的所述关注区域中提取数据。
Description
相关申请的交叉引用
本申请要求于2017年6月22日提交的题为"Systems and Methods for FastIdentification and Processing of an Image Area of Interest"的美国临时申请号62/523,341的优先权,其全部内容通过引用并入本文。
背景技术
图像捕获技术的发展继续增加了针对每个图像可以捕获的信息量(如像素)。增加的分辨率实现了增加的数据捕获。但是,这种大量的像素数据需要更多的计算资源来处理。随着图像处理应用需求增加(例如,在较短的时间段内处理更多的图像),图像处理可能成为瓶颈。在某些情况下,仅图像的一些部分(“关注区域”)包含与图像处理应用有关的数据。将图像处理集中在这些关注区域上可以缓解处理瓶颈。
发明内容
提供了用于数据采集系统的系统和方法。图像捕获设备被配置为捕获图像数据,其中捕获的图像包括与所述图像相关联的数据,其中像素数据包括可见光像素数据和非可见光像素数据。基准定位器被配置为基于通过对所述非可见光像素数据的分析而检测到的所述图像中的基准来识别所述图像的关注区域。图像处理器被配置为忽略所述图像的其他部分同时基于所述可见光像素数据从所述图像的所述关注区域中提取数据。
作为另一示例,一种提取数据的方法包括捕获图像,其中捕获的图像包括与所述图像的像素相关联的数据,其中像素数据包括可见光像素数据和非可见光像素数据。基于通过对所述非可见光像素数据的分析而检测到的所述图像中的基准来识别所述图像的关注区域。忽略所述图像的其他部分同时基于所述可见光像素数据从所述图像的所述关注区域中提取数据。
作为又一示例,自动驾驶车辆(autonomous vehicle)包括图像捕获设备,所述图像捕获设备被配置为捕获与位置标志的图像的像素相关联的数据。基准定位器被配置为基于所述图像中的基准来识别所述图像的关注区域。图像处理器被配置为忽略所述图像的其他部分同时从所述图像的所述关注区域中提取数据,并且控制系统被配置为基于位置命令和从所述关注区域中提取的所述数据来使所述自动驾驶车辆移动。
附图说明
图1是描绘示例性角(corner)/边缘检测方法的图,其中处理整个图像以识别可以定义候选的关注区域的角特征。
图2是描绘包含有意义的数据的示例性图像的图。
图3是描绘在图像中的关注区域上或附近的基准的示例性放置的图,该图像包含用于目标图像处理的有意义的数据。
图4描绘了检测四个基准以定义与标签(tag)相关联的正方形关注区域的示例。
图5是描绘用于基于处理后的图像确定位置的基准-位置处理引擎的框图。
图6是描绘基于基准位置运行的示例性控制引擎的图。
图7至9提供了在捕获的图像数据中识别关注区域的示例。
图10是描绘在环境中的位置指示器的放置的图像。
图11是描绘示例性仓库环境的图。
图12至14描绘了提取数据的方法的流程图。
具体实施方式
各种各样的计算机和机器人技术应用都需要从一个或多个图像中提取有意义的数据(例如,机器人的计算机视觉、面部识别软件、动作捕捉)。通常,正在分析的图像中仅一部分包含对应用来说有意义的数据,其中图像的其余部分是无关的或被认为是干扰(noise)。尽管人类很容易辨别哪些数据是相关的,哪些是不相关的,但对于计算机而言,这种确定却难得多。图像处理可以按两种方式之一执行数据提取。在第一种方法中,处理整个图像以识别和提取数据。该第一种方法可能具有非常低的资源效率,其中大量的处理资源(如时间、处理周期)被花费在不包含相关数据的图像区域上。在第二种方法中,执行对图像的第一遍筛选(first pass)以识别特征(如边缘、角),该特征可以定义其中包含有意义的数据的图像的区域。然后,对图像的已识别候选区域执行第二遍筛选,以提取其中的任何有意义的数据。该第二种方法也可能是资源密集型的,尤其是其中对图像的第一遍筛选导致大量假阳性的关注区域。图1是描绘该第二方法的示例的图,其中处理整个图像以识别可以定义候选的关注区域的特征。实际上,只有标记为102的四个角是定义所示标签的所需特征。
图2是描绘包含有意义的数据的示例性图像的图。在该示例中,八个小区域202和两个大区域204包含标签(如AprilTag、QR-标签),该标签提供对字符(如数字、字符、字符串)的编码。在每个经编码的字符与一个位置相关联的实现方式中,处理图像(像图2所描绘的图像)可以使得能够基于标签相对于彼此和图像视角的位置来确定图像捕获设备的当前位置。但是,图2的图像中仅一小部分包含有意义的数据(即标签)。图像的其余部分描绘了地板,这无助于位置确定。处理图2的整个图像以确定位置可能是次佳的。因此,本文所述的系统和方法提供了对关注区域的快速识别,从而可以以有效的方式花费图像处理资源。
本文所述的系统和方法利用具有使其易于检测的特性的基准标志(“基准”)。这些基准通常与周围环境显著不同,使得即使有、也很少错误地被识别出。这与传统的边缘识别或角识别形成鲜明对比,传统的边缘识别或角识别通常具有很高的假阳性率,如图1所示。示例性基准可以是特定的颜色,其相比其周围环境不寻常,或者可以反映可见光谱之外的某些光波段(如红外光波段、紫外光波段)。图3是描绘在图像中的关注区域上或附近的基准的示例性放置的图,该图像包含用于目标图像处理的有意义的数据。基准相对于彼此和包含数据的关注区域进行定位。在示例302中,将基准放置在圆的顶部和中心,其中可以基于对这两个基准的位置的检测来定义圆形关注区域。在示例304中,将基准放置在标牌(sign)的角处,其中可以基于对这四个基准的检测来定义矩形关注区域。在示例306中,将基准放置在标签的角处,其中可以基于对这四个基准的检测来定义正方形关注区域。图4描绘了检测示例306的四个基准以定义与标签相关联的正方形关注区域的示例。在图4的示例中,将基准放置在标签的反射红外光的角处,如402所示。这些基准可以以多种方式施加到标签上,该方式包括用具有IR反射性墨水的笔画出,附着反射性材料(例如,使用胶水或其他粘合剂),或使用具有一个IR反射性油墨通道的打印机进行打印。在一个实施方式中,使用两个不同的数据采集通道从图像中提取数据。在图4的示例中,第一通道对在IR-波段中反射的光敏感。如404所示,该第一通道将在少量像素处感测反射的IR光。返回的那些聚焦区域中的每一个的中心被识别为候选基准。评估候选基准的相对定位以找到具有预定空间关系的基准。在此示例中,评估候选基准以找到形成正方形的四个基准。该正方形形成关注区域或提供用于定义关注区域(如候选基准正方形内的较小正方形)以进行图像处理以提取有意义的数据的基础。在一个示例中,使用不同的光波段(如可见光RGB-波段)来执行该数据提取。
图5是描绘用于基于处理后的图像确定位置的基准-位置处理引擎的框图。基准-位置处理引擎502响应于标签-位置数据库504,该标签-位置数据库504包含标签字符(如‘Β6,’‘R10,’‘J80’)和位置(如GPS位置、工厂或仓库中的特定位置)之间的关联。在506处接收图像数据。处理该图像数据506以识别定义关注区域的基准(如使用UV-波段),并从该关注区域内提取标签字符(如使用RGB-波段)。使用标签-位置数据库504来执行对所提取的标签字符的查找以确定当前位置,其中输出该位置数据508以供应用程序(例如,用于控制被命令移动到特定位置的机器人的运动的应用程序)使用。
图6是描绘示例性基准-位置处理引擎的图。环境包含与使用打印机604打印的基准相关联的标签或其他包含数据的实体,该打印机604被配置为打印反射特定光波段的材料。基准-位置处理引擎602接收图像数据606,该图像数据606包括经由图像捕获设备608(如数码相机)捕获的包含数据的区域和相关联的基准。图像捕获设备608将图像数据分为第一通道数据610(如IR-波段通道)和第二通道数据612(如RGB-数据)。基准定位器614处理第一通道图像数据610以识别候选基准616[例如,通过找到像素或像素组-的中心,所述像素具有大于阈值水平的检测到的特定波段(如IR-波段)的光]。在定位候选基准616之后,关注区域确定引擎618确定一个或多个关注区域620以用于进一步的数据提取。
可以使用基准以多种方式确定关注区域620。在一个示例中,使用第一通道(如UV-通道)来识别候选基准。然后使用第二通道(如RGB-通道)来确定候选基准子集之间是否存在预定关系。在预定关系是矩形的示例中,评估四个候选基准子集以确定在第一基准和第二基准之间是否存在第一边缘;在第二基准和第三基准之间是否存在第二边缘;在第三基准和第四基准之间是否存在第三边缘;以及在第四基准和第一基准之间是否存在第四边缘。当检测到这四个边缘时,可以评估这些边缘的特性以确定这四个边缘是否形成矩形(例如,第一边缘和第三边缘是否平行;第二边缘和第四边缘是否平行;连续边缘之间的角度;边缘之间的长度比)。当边缘被认为形成适当的矩形时,基于该矩形定义关注区域(例如,在矩形内,在矩形的三等分的中部一等分内)。
一旦识别出关注区域620,图像数据提取模块622就对该关注区域内的第二通道图像数据612进行处理以提取数据624。然后该数据624可以用于应用程序。例如,在基准-位置处理引擎602与机器人相关联的情况下,控制引擎626利用标签-位置数据库628以基于提取的数据624来确定机器人的位置(例如,基于与由图像数据提取模块622检测到的标签相关联的字符串执行查找)。已经接收到将机器人移动到特定位置的命令630的控制引擎626使用其对机器人当前位置的了解来输出控制数据(如马达致动器信号)以控制机器人从其当前位置运动到命令630所指示的位置。
图7至9提供了在捕获的图像数据中识别关注区域的示例。图7描绘了经由两个通道捕获的图像数据。在702处,描绘了RGB数据,而在704处,描绘了IR数据。IR数据用于识别候选基准。如图7所示,IR图像的六个区域反射IR光,使得它们在IR通道中的像素超过阈值水平(例如,零水平、大于零的阈值水平)。在图8中,在802处以白色指示具有大于阈值的IR通道值的像素。如图8中所示,阈值以上的像素实际上是像素组。在804处,确定这些像素组的中心(如质心)并将其指示为候选基准。在图8的示例中,使用六个阈值以上的像素组来形成六个候选基准。在图9中,在902处评估六个候选基准中的四个的子集之间的空间关系(例如,评估该子集的四个基准之间的边缘的存在和特性)以从那些子集中识别出满足预定空间关系(即,正方形)的一个子集。在904处指示了与该预定空间关系匹配的四个候选基准。
关注区域图像处理在多种情形下都可能是有用的。例如,关注区域图像处理可用于跟踪演员的快速运动以进行动作捕获。这种情形下,可以将小的基准标志放置在该演员身体的某些部位(如指尖、头部、腿部、脚部)上,以跟踪相关身体点的运动。
在另一个示例中,用于移动机器人的室内定位系统使用基于基准的关注区域图像处理。在一个示例中,为了安全起见,跟踪系统必须将机器人定位在0.05m以内。能够以100Hz处理图像的系统(例如,基于通过基准关注区域确定而实现的快速处理)将允许机器人以5m/s(0.05m*100Hz)的速度移动。这样的位置控制可以用于控制诸如工厂或仓库之类的环境中的自主机器人。通过在该环境中放置位置指示器(例如带有基准的AprilTag或QR-标签),机器人可以以高速率移动到精确的位置(例如,以从仓库或工厂的架子或货盘上取走物体;在危险的环境中执行任务)。图10是描绘环境中位置指示器的放置的图像。机器人可以在该环境中移动,并基于它从标签(例如,从面向下的摄像头、从面向上的摄像头、从多个摄像头)中检测到的信息确定其在该环境中的位置。标签上的基准通过忽略捕获的图像的其他区域同时将数据提取处理集中在包含相关数据的图像区域上,实现了对捕获的图像的快速处理。
图11是描绘示例性仓库1100环境的图。仓库1100包含三个架子1102,其中每个架子1102包含在架子1102上的特定位置处的用于分发的库存。仓库1100的分发操作员试图使用自主机器人(例如,运动速度高达或高于3m/s的自主机器人)以尽可能快的方式供应订货。自主机器人利用定位在整个仓库1100环境中的位置-指示标签(如标签1104)。每个标签1104与一个或多个字符相关联,其中标签-位置数据库1106进一步将这些字符与仓库1100内部的特定位置相关联。自主机器人检测一个或多个附近位置-指示标签的字符,并使用数据库1106中的关联数据确定其位置。
图12是描绘提取数据的方法的流程图。该方法包括捕获图像,其中捕获的图像包括与图像的像素相关联的数据,其中像素数据包括可见光像素数据和非可见光像素数据。在1202处,基准标志位于图像中。在1204处,基于通过对非可见光像素数据的分析而检测到的图像中的基准来识别图像的关注区域。在1206处,忽略图像的其他部分同时基于可见光像素数据从图像的关注区域中提取数据。
图13是描绘提取数据的另一方法的流程图。在1302处,基于图像中像素的特性和阈值来识别候选基准标志。在1304处,基于n个基准标志的组合的空间关系来识别基准标志的子集。在1306处,基于基准子集来确定关注区域,并且在1308处,基于关注区域内的像素从图像中提取数据。
图14是描绘用于提取数据的另一过程的流程图。在1402处,接收图像。在1404处,在某个通道(如IR通道)中预处理图像以形成二进制图像(如基于IR-水平阈值)。在1406处,处理二进制图像以识别候选基准关注点坐标。在1408处,评估基准关注点的每个组合以找到包围关注区域的有效组合。在1410处,对关注区域内的基准标志进行解码。
尽管已经参照本公开的具体实施方式详细地描述了本公开,但是对于本领域技术人员显而易见的是,在不脱离实施方式的精神和范围的情况下,可以在其中进行各种改变和修改。因此,本公开意在覆盖本公开的修改和变型,只要它们落入所附权利要求及其等同物的范围内即可。
Claims (22)
1.一种数据采集系统,其包括:
图像捕获设备,其被配置为捕获图像数据,其中捕获的图像包括与所述图像相关联的数据,其中所述像素数据包括可见光像素数据和非可见光像素数据;
基准定位器,其被配置为基于通过对所述非可见光像素数据的分析而检测到的所述图像中的基准来识别所述图像的关注区域;以及
图像处理器,其被配置为忽略所述图像的其他部分同时基于所述可见光像素数据从所述图像的所述关注区域中提取数据。
2.如权利要求1所述的系统,其进一步包括:
位置确定模块,其被配置为基于从所述关注区域中提取的所述数据和来自非暂时性数据存储器的数据来识别位置。
3.如权利要求1所述的系统,其中所述位置标志是标签;
其中所述数据存储器包含与标签和这些标签的位置之间的关系相关联的数据。
4.如权利要求3所述的系统,其中所述标签是QR标签或AprilTag。
5.如权利要求1所述的系统,其中所述基准定位器被配置为处理与特定波段的频率相关联的像素数据;
其中所述基准定位器将所述图像中特定波段的光以大于阈值的水平从所述位置标志反射之处的像素识别为候选基准。
6.如权利要求5所述的系统,其中所述特定波段的频率在可见光波段之外。
7.如权利要求5所述的系统,其中所述特定波段是红外波段或紫外波段,并且其中所述位置标志包括反射红外光或紫外光的多个部分。
8.如权利要求5所述的系统,其中所述基准定位器被配置为通过以下方式识别所述关注区域:
评估所述候选基准之间的空间关系,以识别具有预定空间关系的候选基准子集。
9.如权利要求8所述的系统,其中所述关注区域是基于基准在所述基准子集中的位置来识别的。
10.如权利要求8所述的系统,其中所述评估包括:
检测在第一基准和第二基准之间是否存在第一边缘;
检测在所述第二基准和第三基准之间是否存在第二边缘;
检测在所述第三基准和第四基准之间是否存在第三边缘;
检测在所述第四基准和所述第一基准之间是否存在第四边缘;以及
当存在所述第一边缘、所述第二边缘、所述第三边缘和所述第四边缘时,将所述关注区域识别为由所述第一边缘、所述第二边缘、所述第三边缘和所述第四边缘形成的封闭区域内的区域。
11.如权利要求8所述的系统,其中所述预定空间关系是以下之一:
一个候选基准基本上在另一个候选基准之上;
一个候选基准基本上与另一个候选基准相邻;
四个候选基准形成一个正方形;
四个候选基准点形成一个具有特定高/宽比的矩形。
12.如权利要求5所述的系统,其中所述图像处理器被配置为使用与所述特定波段的频率之外的频率相关联的像素数据来提取数据。
13.如权利要求5所述的系统,其中所述图像处理器被配置为使用与可见光波段相关联的像素数据来提取数据。
14.如权利要求1所述的系统,其中所述图像处理器被配置为处理来自所述关注区域的数据,以解码在所述标志上表示的数字、字母或字符串。
15.提取数据的方法,其包括:
捕获图像,其中捕获的图像包括与所述图像的像素相关联的数据,其中所述像素数据包括可见光像素数据和非可见光像素数据;
基于通过对所述非可见光像素数据的分析而检测到的所述图像中的基准来识别所述图像的关注区域;以及
忽略所述图像的其他部分同时基于所述可见光像素数据从所述图像的所述关注区域中提取数据。
16.如权利要求15所述的方法,其还包括:
打印所述图像中描绘的标签,其中打印所述标签包括在所述标签上的多个点处打印反射可见光波段之外的光的材料。
17.如权利要求15所述的方法,其中所述非可见光像素数据与红外波段相关联,并且其中所述图像是包括多个反射红外光的部分的物体的图像。
18.如权利要求15所述的方法,其中识别所述关注区域包括:
将所述图像中可见光波段以外的光以大于阈值的水平被反射之处的像素识别为候选基准;以及
评估所述候选基准之间的空间关系,以识别具有预定空间关系的基准子集;
其中基于基准在所述基准子集中的位置来识别所述关注区域。
19.如权利要求18所述的方法,其中基于基准在所述基准子集中的位置来识别所述关注区域。
20.一种自动驾驶车辆,其包括:
图像捕获设备,其被配置为捕获与位置标志的图像的像素相关联的数据;
基准定位器,其被配置为基于所述图像中的基准来识别所述图像的关注区域;
图像处理器,其被配置为忽略所述图像的其他部分同时从所述图像的所述关注区域中提取数据;以及
控制系统,其被配置为基于位置命令和从所述关注区域中提取的所述数据来使所述自动驾驶车辆移动。
21.如权利要求20所述的车辆,其中所述车辆被配置为在仓库或工厂中移动架子或货盘。
22.如权利要求20所述的车辆,其中所述车辆被配置成从仓库或工厂中的架子或货盘上获取物品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762523341P | 2017-06-22 | 2017-06-22 | |
US62/523,341 | 2017-06-22 | ||
PCT/US2018/038685 WO2018237108A1 (en) | 2017-06-22 | 2018-06-21 | SYSTEMS AND METHODS FOR RAPID IDENTIFICATION AND PROCESSING OF AN AREA OF INTEREST IN AN IMAGE |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111386529A true CN111386529A (zh) | 2020-07-07 |
Family
ID=64692620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880054088.1A Pending CN111386529A (zh) | 2017-06-22 | 2018-06-21 | 用于快速识别和处理图像关注区域的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10699147B2 (zh) |
JP (1) | JP2020524863A (zh) |
CN (1) | CN111386529A (zh) |
WO (1) | WO2018237108A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971414A (zh) * | 2021-11-11 | 2022-01-25 | 上海擎朗智能科技有限公司 | 一种标签识别的方法、装置、电子设备及存储介质 |
CN114998271A (zh) * | 2022-06-10 | 2022-09-02 | 海南浙江大学研究院 | 一种变电站高压开关柜二次仓面板图像识别系统 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10817764B2 (en) * | 2018-09-21 | 2020-10-27 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Robot system for processing an object and method of packaging and processing the same |
US10496862B1 (en) * | 2019-03-18 | 2019-12-03 | Capital One Services, Llc | Detection of images in relation to targets based on colorspace transformation techniques and utilizing ultraviolet light |
US10496911B1 (en) * | 2019-03-18 | 2019-12-03 | Capital One Services, Llc | Detection of images in relation to targets based on colorspace transformation techniques and utilizing ultraviolet and infrared light |
US10534948B1 (en) | 2019-03-18 | 2020-01-14 | Capital One Services, Llc | Optimizing detection of images in relation to targets based on colorspace transformation techniques |
US10509991B1 (en) * | 2019-03-18 | 2019-12-17 | Capital One Services, Llc | Detection of images in relation to targets based on colorspace transformation techniques and utilizing infrared light |
US10523420B1 (en) | 2019-04-18 | 2019-12-31 | Capital One Services, Llc | Transmitting encoded data along transmission mediums based on colorspace schemes |
US10504013B1 (en) | 2019-04-24 | 2019-12-10 | Capital One Services, Llc | Colorspace encoding multimedia data on a physical page |
US10997448B2 (en) | 2019-05-15 | 2021-05-04 | Matterport, Inc. | Arbitrary visual features as fiducial elements |
US10529300B1 (en) | 2019-06-20 | 2020-01-07 | Capital One Services, Llc | Adaptive image display based on colorspace conversions |
US10614635B1 (en) | 2019-07-25 | 2020-04-07 | Capital One Services, Llc | Augmented reality system with color-based fiducial marker |
US10715183B1 (en) | 2019-10-25 | 2020-07-14 | Capital One Services, Llc | Data encoding with error-correcting code pursuant to colorspace schemes |
US10867226B1 (en) | 2019-11-04 | 2020-12-15 | Capital One Services, Llc | Programmable logic array and colorspace conversions |
US20220383541A1 (en) * | 2019-11-13 | 2022-12-01 | Battelle Energy Alliance, Llc | Unmanned vehicle navigation, and associated methods, systems, and computer-readable medium |
US10762371B1 (en) | 2019-11-14 | 2020-09-01 | Capital One Services, Llc | Object detection techniques using colorspace conversions |
US11145064B2 (en) * | 2019-11-27 | 2021-10-12 | Cimpress Schweiz Gmbh | Technologies for detecting crop marks in electronic documents |
US10878600B1 (en) | 2019-12-10 | 2020-12-29 | Capital One Services, Llc | Augmented reality system with color-based fiducial marker utilizing local adaptive technology |
US11295471B1 (en) * | 2019-12-11 | 2022-04-05 | Amazon Technologies, Inc. | Camera-based pallet placement detection and notification |
US11302036B2 (en) | 2020-08-19 | 2022-04-12 | Capital One Services, Llc | Color conversion between color spaces using reduced dimension embeddings |
JP2022554044A (ja) * | 2020-08-19 | 2022-12-28 | 広西電網有限責任公司賀州供電局 | マシンビジョンに基づく変電所現場における作業リアルタイムモニタリングと警報システム |
US11417015B2 (en) * | 2020-10-20 | 2022-08-16 | Ford Global Technologies, Llc | Decentralized location determination systems and methods |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101185054A (zh) * | 2005-05-31 | 2008-05-21 | 皇家飞利浦电子股份有限公司 | 用于控制设备的方法 |
US20140100693A1 (en) * | 2012-10-05 | 2014-04-10 | Irobot Corporation | Robot management systems for determining docking station pose including mobile robots and methods using same |
CN105856227A (zh) * | 2016-04-18 | 2016-08-17 | 呼洪强 | 基于特征识别的机器人视觉导航技术 |
US20160339587A1 (en) * | 2014-08-25 | 2016-11-24 | Google Inc. | Methods And Systems For Providing Landmarks To Facilitate Robot Localization And Visual Odometry |
CN106254785A (zh) * | 2015-06-03 | 2016-12-21 | 豪威科技股份有限公司 | 图像传感器及用于改进非可见照明的方法 |
-
2018
- 2018-06-06 US US16/001,015 patent/US10699147B2/en active Active
- 2018-06-21 JP JP2019571523A patent/JP2020524863A/ja active Pending
- 2018-06-21 CN CN201880054088.1A patent/CN111386529A/zh active Pending
- 2018-06-21 WO PCT/US2018/038685 patent/WO2018237108A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101185054A (zh) * | 2005-05-31 | 2008-05-21 | 皇家飞利浦电子股份有限公司 | 用于控制设备的方法 |
US20140100693A1 (en) * | 2012-10-05 | 2014-04-10 | Irobot Corporation | Robot management systems for determining docking station pose including mobile robots and methods using same |
US20160339587A1 (en) * | 2014-08-25 | 2016-11-24 | Google Inc. | Methods And Systems For Providing Landmarks To Facilitate Robot Localization And Visual Odometry |
CN106254785A (zh) * | 2015-06-03 | 2016-12-21 | 豪威科技股份有限公司 | 图像传感器及用于改进非可见照明的方法 |
CN105856227A (zh) * | 2016-04-18 | 2016-08-17 | 呼洪强 | 基于特征识别的机器人视觉导航技术 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971414A (zh) * | 2021-11-11 | 2022-01-25 | 上海擎朗智能科技有限公司 | 一种标签识别的方法、装置、电子设备及存储介质 |
CN114998271A (zh) * | 2022-06-10 | 2022-09-02 | 海南浙江大学研究院 | 一种变电站高压开关柜二次仓面板图像识别系统 |
CN114998271B (zh) * | 2022-06-10 | 2023-06-13 | 海南浙江大学研究院 | 一种变电站高压开关柜二次仓面板图像识别系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2020524863A (ja) | 2020-08-20 |
WO2018237108A1 (en) | 2018-12-27 |
US20180373950A1 (en) | 2018-12-27 |
US10699147B2 (en) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111386529A (zh) | 用于快速识别和处理图像关注区域的系统和方法 | |
US20190180150A1 (en) | Color Haar Classifier for Retail Shelf Label Detection | |
US10664675B2 (en) | Code recognition device | |
US11295163B1 (en) | Recognition of optical patterns in images acquired by a robotic device | |
US5199084A (en) | Apparatus and method for locating characters on a label | |
WO2017172790A1 (en) | Planogram assisted inventory system and method | |
EP3079100B1 (en) | Image processing apparatus, image processing method and computer readable storage medium | |
US20220171952A1 (en) | System and method for configuring an id reader using a mobile device | |
US10956799B2 (en) | Method for detecting and recognizing long-range high-density visual markers | |
CN110050275B (zh) | 光学可读标签以及用于解码光学可读标签的方法和系统 | |
JP5674933B2 (ja) | 倉庫内の物体の位置を特定するための方法及び装置 | |
Lin et al. | Automatic location for multi-symbology and multiple 1D and 2D barcodes | |
WO2019048824A1 (en) | OPTICALLY READABLE MARKERS | |
CN111386533B (zh) | 使用对称定位的空白区域检测和识别图像数据中图形字符表示的方法和装置 | |
CN114444531A (zh) | 采集用于训练机器学习(ml)模型的数据的方法和系统 | |
CN112219207A (zh) | 用于光学识别标记的方法 | |
Han et al. | Acquisition of object pose from barcode for robot manipulation | |
US20240037907A1 (en) | Systems and Methods for Image-Based Augmentation of Scanning Operations | |
CN116362274B (zh) | 一种高速的条码阅读器 | |
Taquet et al. | Real-Time Visual Localisation in a Tagged Environment | |
Farkas et al. | Aesthetic marker decoding system for indoor robot navigation | |
JP2006252491A (ja) | 画像識別用タグ及び画像識別システム | |
Liu et al. | A novel 2D marker design and application for object tracking and event detection | |
Makino et al. | Automated Scanning and Individual Identification System for Parts without Marking or Tagging | |
EP3822856A1 (en) | Object sorting method and system |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200707 |