CN111631637B - 视觉机器人确定最佳运动方向和最佳清扫方向的方法 - Google Patents
视觉机器人确定最佳运动方向和最佳清扫方向的方法 Download PDFInfo
- Publication number
- CN111631637B CN111631637B CN202010341050.1A CN202010341050A CN111631637B CN 111631637 B CN111631637 B CN 111631637B CN 202010341050 A CN202010341050 A CN 202010341050A CN 111631637 B CN111631637 B CN 111631637B
- Authority
- CN
- China
- Prior art keywords
- angle
- image
- robot
- line segment
- optimal
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
Abstract
本发明公开了一种视觉机器人确定最佳运动方向和最佳清扫方向的方法,摄像头通过旋转一圈来获取周围环境中不同角度的图片以寻找空间线段的方法定位,综合考虑周边环境的细节内容,从而找出最佳方向,极大提高房间格局判断的准确率,帮助需要规划路线的设备更好、更快和更准确进行路线规划;不需要很强的芯片性能,旋转一圈只需计算3张及以上图片即可进行拟合,得到精确的目标角度,降低生成成本。
Description
技术领域
本发明涉及视觉机器人技术领域,具体涉及一种视觉机器人确定最佳运动方向和最佳清扫方向的方法。
背景技术
现有技术环境下,部分的视觉机器人是通过摄像头以找线段的方法来规划路线的,而这些视觉机器人的摄像头都是垂直朝上设置的,摄像头垂直向上拍一张图,然后计算图中的线段,找到所有线段后算里面的平行线,数量最多的平行线的方向就是设备需要的方向,因为房间的顶部上能获取的大部分线段都是与房间的墙面平行或垂直的。但是垂直朝上设置摄像头的扫地机具有不少的弊端,在一些顶端比较空旷的家庭进行找线段时,捕捉不到有效图像,导致定位功能失效,同时由于摄像头看到的内容少,导致视觉机器人并不能很好的规划导航,路线出现重叠或缺少等问题。然而改变这种问题的方法就是把摄像头斜向上,这样就能够看到更多的参照物,从而利用参照物可以在更多的场景下达到理想的找直线的方向和更好的规划导航效果。但是摄像头的摆放角度不同了,图片中的线段的方向与实际方向也不同,不能直接根据图片中的平行线方向来确定方向,所以视觉机器人需要新的方法来确定运动方向。
发明内容
为解决上述问题,本发明提供了一种视觉机器人确定最佳运动方向的方法,大大提高了视觉机器人的路线规划的准确度。本发明的具体技术方案如下:
一种视觉机器人确定最佳运动方向的方法,包括以下步骤:
S1:机器人设定拍摄间隔并根据拍摄间隔来确定拍摄角度,基于拍摄角度,机器人旋转一周来获取N张图片;S2:机器人对获取的图片进行校正处理,然后获取图像中的线段,并基于所述线段的参数,确定图像的线段角度;S3:机器人将处理后的图片以两张一组来循环编组,并基于组合中两张图像的参数选出最佳图像组合;S4:机器人基于最佳图像组合中的图像的拍摄角度和线段角度,确定机器人的运动方向;其中,最佳图像组合中,第一张图像的拍摄角度为α1,图像的线段角度为θ1,第二张图像的拍摄角度为α2,图像的线段角度为θ2,根据图像的拍摄角度和线段角度的关系:A=abs(α1-α2)/abs(θ1-θ2);最佳方向为:T=α1±abs(θ1)*A;机器获取图片为顺时针转时符号为“-”,机器获取图片为逆时针转时符号为“+”;T对应的角度就是机器人相对于拍摄第一张图所在的位置需要顺时针/逆时针旋转的相对角度;所述N为大于或等于3的自然数。
于本发明的一个或多个方案中,所述N等于8。
于本发明的一个或多个方案中,步骤S1中,所述机器人通过摄像头获取图片,所述摄像头相对于水平线斜向上的设置角度为0度至90度中的任一角度。
于本发明的一个或多个方案中,所述拍摄间隔相等。
于本发明的一个或多个方案中,步骤S2具体包括如下步骤:S21:机器人基于出厂时对摄像头进行校准后的内外参数,对获取的图片进行畸变矫正和旋转矫正,然后截取图像中没有畸变的部分;S22:机器人获取截取后的图像中的线段,并建立图像坐标系;S23:机器人基于线段在坐标系中的位置计算出线段在图像中相对X轴的夹角,根据摄像头的旋转方向设定线段夹角的正负,过滤掉夹角绝对值为90度的所有线段,剩余的所有线段将相对角度偏差小于1度的线组成若干个集合,每个集合至少1根线,每个集合的线之间最大角度偏差小于1度;S24:分别对图像中每个集合的线段的长度进行求和来确定线段长度和最大的一个集合,最大集合中最长线段的夹角设为图像的线段角度,最大集合的线段长度的和设为图像的权重γ。
于本发明的一个或多个方案中,采用Canny边沿检测或/和概率霍夫变换来获取图像中的所有线段。
于本发明的一个或多个方案中,以线段左边的点为起点,摄像头顺时针旋转,起点比终点高的线段的夹角设为负的,起点比终点低的线段的夹角为正,摄像头逆时针旋转则相反;或摄像头顺时针旋转,起点比终点高的线段的夹角设为正,起点比终点低的线段的夹角为负,摄像头逆时针旋转则相反。
于本发明的一个或多个方案中,以线段左边的点为起点,过滤掉夹角绝对值大于45度的所有线段。
于本发明的一个或多个方案中,将组合的权重设为两张图的权重和∑γ=Γ,组合权重Γ最大的组合确定为最佳图像组合。
于本发明的一个或多个方案中,步骤S4的机器人运动方向的计算方法:最佳图像组合中,第一张图像的拍摄角度为α1,图像的线段角度为θ1,第二张图像的拍摄角度为α2,图像的线段角度为θ2,根据图像的拍摄角度和线段角度的关系:A=abs(α1-α2)/abs(θ1-θ2);最佳方向为:T=α1±abs(θ1)*A;机器获取图片为顺时针转时符号为“-”,机器获取图片为逆时针转时符号为“+”;T对应的角度就是机器人相对于拍摄第一张图所在的位置需要顺时针/逆时针旋转的相对角度。
于本发明的一个或多个方案中,机器人转动到角度T,获取一张图,然后获取图像的线段角度,基于A的数值和该张图像的线段角度θ3,算出更精准的目标旋转角度:T1=±abs(θ3)*A,并二次旋转过去,弥补第一次旋转在机械控制精度上的误差。
本发明提供的技术方案使摄像头在寻找线段规划路线时,避免摄像头只能以特定角度设置在机器人上的问题;基于统计的方法,机器人从环境周围提取多组图像数据,从多组图像数据中选出最佳图像数据来进行定位,极大提高房间格局判断的准确率;不需要很强的芯片性能,旋转一圈只需计算3张及以上即可进行拟合,得到精确的目标角度,降低采用该方法的设备的生产成本。
一种视觉扫地机确定最佳清扫方向的方法,该视觉扫地机采用上述视觉机器人确定运动方向的方法所确定的运动方向作为视觉扫地机的清扫方向。视觉扫地机可以快速在房间找到清扫方向,在该清扫方向上进行清扫效率更高。
附图说明
图1为本发明一种视觉机器人确定最佳运动方向的方法的流程图;
图2为本发明一种视觉机器人确定最佳运动方向的方法的步骤S2的流程图。
具体实施方式
下面详细描述本发明的实施例,所述的实施例示例在附图中示出,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。
在本发明的描述中,需要说明的是,对于方位词,如有术语“中心”,“横向”、“纵向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系,仅是为了便于叙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、以特定方位构造和操作,不能理解为限制本发明的具体保护范围。
此外,如有术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含指明技术特征的数量。由此,限定有“第一”、“第二”特征可以明示或者隐含包括一个或者多个该特征,在本发明描述中,“至少”的含义是一个或一个以上,除非另有明确具体的限定。
在本发明中,除另有明确规定和限定,如有术语“组装”、“相连”、“连接”术语应作广义去理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;也可以是机械连接;可以是直接相连,也可以是通过中间媒介相连,可以是两个元件内部相连通。对于本领域普通技术人员而言,可以根据具体情况理解上述的术语在本发明中的具体含义。
在发明中,除非另有规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一特征和第二特征不是直接接触而是通过它们之间的另外特征接触。而且,第一特征在第二特征“之上”、“之下”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅是表示第一特征水平高度高于第二特征的高度。第一特征在第二特征“之上”、“之下”和“下面”包括第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度低于第二特征。
下面结合说明书的附图,通过对本发明的具体实施方式作进一步的描述,使本发明的技术方案及其有益效果更加清楚、明确。下面通过参考附图描述实施例是示例性的,旨在解释本发明,而不能理解为对本发明的限制。
参照附图1和2可知,一种视觉机器人确定最佳运动方向的方法,包括以下步骤:S1:摄像头设置在机器人上,摄像头的拍摄方向相对于水平线的设置角度为0度至90度之间的任意一值,机器人可以通过摄像头获取到更多周边的环境信息。机器人根据将要获取的图片数量来设定拍摄间隔并根据拍摄间隔确定拍摄角度,摄像头旋转一圈,基于拍摄角度获取N张图片,N大于或等于3即可,通过3张及以上就可以通过计算得到精确的目标角度,工作性能较低的芯片就能满足需求,而在实际工作中推荐拍摄8张图片,需要计算的图片数据的数量不需要太多,图片获取和计算需要的时间也不会太长,在拍摄图片前,每张图之间获取的角度需要均分,但不需要非常精确,摄像头以相等的拍摄间隔来获取图片,则可以将机器周边环境以等分的方式被放置在摄像头所获取的图像中,让计算结果更准确。即比如机器人将要获取8张图,那每张图之间的间隔为45度左右,而每张图的拍摄角度就是45度的倍数,摄像头转到相应的拍摄角度时,就会获取图片。S2:具体步骤如下,S21:机器人基于出厂时对摄像头进行校准后的内外参数(内参包括畸变参数,外参包括旋转参数),对获取的图片进行畸变矫正和旋转矫正,提高了数据的准确度,减少误差,机器人得到没有畸变的图像,并截窗,将没有畸变的部分截成一张图。S22:机器人包括但是不限于采用Canny边沿检测或/和概率霍夫变换来获取截取后的图像中的所有线段,并建立图像坐标系。S23:确定线段两端的坐标,通过反正切函数得出线段在图像中相对0度水平线的夹角。根据摄像头的旋转方向设定线段夹角的正负,以线段左边的点为起点,摄像头顺时针旋转,起点比终点高的线段的夹角设为负的,起点比终点低的线段的夹角为正,摄像头逆时针旋转则相反;以线段左边的点为起点,摄像头顺时针旋转,起点比终点高的线段的夹角设为正,起点比终点低的线段的夹角为负,摄像头逆时针旋转则相反。过滤掉夹角绝对值为90度的所有线段,夹角为90度的线段在空间中位置是始终跟机器平面垂直的,所以机器转一圈,它始终在摄像头中显示是垂直的,不能够有效帮助机器找到房间的方向,所以将这类线段都过滤掉,提高计算速度;而夹角越接近90度的线段对计算的用处越小,所以过滤掉夹角绝对值大于45度的线段,不仅可以去掉不必要的线段,还减少需要运算的数据,提高运算速度。剩余的所有线段将相对角度偏差小于1度的线组成若干个集合,每个集合至少1根线,每个集合的线之间最大角度偏差小于1度,集合中的线段相对来说相互平行,即是平行线段集合。S24:分别对图像中每个集合的线段的长度进行求和来确定线段长度和最大的一个集合,最大集合中最长线段的夹角设为图像的线段角度,最大集合的线段长度的和设为图像的权重γ,权重最大的集合代表集合中线段的参数最佳。S3:将获取的图片以每两张一组来循环编组,以8张图片为例,即编1,2,3,4,5,6,7,8,循环有8种,分别是a组1,2;b组2,3;c组3,4;d组4,5;e组5,6;f组6,7;g组7,8;h组8,1;机器人的周边环境都被设置为一张张图像,这样编组就包含了机器周围的所有环境因素,以防漏掉两张图像之间的环境因素。将组合的权重设为组合中两张图像的权重和∑γ=Γ,即组合的权重为Γ。找到8组中最大的权重Γ,最大权重Γ的组合就表示这个组合中两张图像的平行线段的长度和最大,两张图像中的线段参数最佳,这两张图像就是机器人周边环境中最佳参照物,以找线段的方法来定位,这两张图像的图像数据就是最佳定位数据,这个组合就是最佳图像组合。通过集合的方式从多组数据中选出最优数据,通过图片循环编组的方式综合考虑周边环境的细节内容,从而找出最佳方向,极大提高房间格局判断的准确率。S4:最佳图像组合中具有最佳图像数据,机器人基于最佳图像组合中的图像的拍摄角度和线段角度,确定机器人的运动方向。机器人运动方向的计算方法:最佳图像组合中,第一张图像的拍摄角度为α1,图像的线段角度为θ1,第二张图像的拍摄角度为α2,图像的线段角度为θ2,根据图像的拍摄角度和线段角度的关系:A=abs(α1-α2)/abs(θ1-θ2);最佳方向为:T=α1±abs(θ1)*A(机器获取图片为顺时针转时符号为“-”,机器获取图片为逆时针转时符号为“+”);T对应的角度就是机器人相对于拍摄第一张图所在的位置α1需要顺时针/逆时针旋转的相对角度。空间中的直线随着机器摄像头的旋转,也在跟着相对旋转,比如顺时针机身转动,那空间中水平的直线在机器中看到的变化就是从向上到水平再到向下这么一个线性角度变化的过程,陀螺仪旋转也是一个线性的过程,为了将图像中看到的角度偏差转换到真实环境中,所需的转换系数就是A,也就是机器从摄像头看到的直线的角度差转换到机器物理上对应的旋转角度的对应关系,来得出正确的数据。α1和α2就是机器拍两张图片时候的陀螺仪对应角度;θ1和θ2就是机器摄像头看到的找到的线段角度,abs函数是求绝对值的函数;它们的比值就是对应关系。在根据这个对应关系A从其中一个图像中获取机器人需要转动的正确角度T,T对应的角度就是机器人相对于拍摄第一张图所在的位置需要顺时针/逆时针旋转的相对角度。机器人转动到角度T,获取一张图,然后获取图像的线段角度,基于A的数值和该张图像的线段角度θ3,算出更精准的目标旋转角度:T1=±abs(θ3)*A,并二次旋转过去,弥补第一次旋转在机械控制精度上的误差。
Claims (11)
1.一种视觉机器人确定最佳运动方向的方法,其特征在于,包括以下步骤:
S1:机器人设定拍摄间隔并根据拍摄间隔来确定拍摄角度,基于拍摄角度,机器人旋转一周来获取N张图片;
S2:机器人对获取的图片进行校正处理,然后获取图像中的线段,并基于所述线段的参数,确定图像的线段角度;
S3:机器人将处理后的图片以两张一组来循环编组,并基于组合中两张图像的参数选出最佳图像组合;
S4:机器人基于最佳图像组合中的图像的拍摄角度和线段角度,确定机器人的运动方向;
其中,最佳图像组合中,第一张图像的拍摄角度为α1,图像的线段角度为θ1,第二张图像的拍摄角度为α2,图像的线段角度为θ2,根据图像的拍摄角度和线段角度的关系:
A=abs(α1-α2)/abs(θ1-θ2);
最佳方向为:
T=α1±abs(θ1)*A;
机器获取图片为顺时针转时符号为“-”,机器获取图片为逆时针转时符号为“+”;
T对应的角度就是机器人相对于拍摄第一张图所在的位置需要顺时针/逆时针旋转的相对角度;
所述N为大于或等于3的自然数。
2.根据权利要求1所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,所述N等于8。
3.根据权利要求1所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,步骤S1中,所述机器人通过摄像头获取图片,所述摄像头相对于水平线斜向上的设置角度为0度至90度中的任一角度。
4.根据权利要求1所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,所述拍摄间隔相等。
5.根据权利要求1所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,步骤S2具体包括如下步骤:
S21:机器人基于出厂时对摄像头进行校准后的内外参数,对获取的图片进行畸变矫正和旋转矫正,然后截取图像中没有畸变的部分;
S22:机器人获取截取后的图像中的线段,并建立图像坐标系;
S23:机器人基于线段在坐标系中的位置计算出线段在图像中相对X轴的夹角,根据摄像头的旋转方向设定线段夹角的正负,过滤掉夹角绝对值为90度的所有线段,剩余的所有线段将相对角度偏差小于1度的线组成若干个集合,每个集合至少1根线,每个集合的线之间最大角度偏差小于1度;
S24:分别对图像中每个集合的线段的长度进行求和来确定线段长度和最大的一个集合,最大集合中最长线段的夹角设为图像的线段角度,最大集合的线段长度的和设为图像的权重γ。
6.根据权利要求5所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,采用Canny边沿检测或/和概率霍夫变换来获取图像中的所有线段。
7.根据权利要求5所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,以线段左边的点为起点,摄像头顺时针旋转,起点比终点高的线段的夹角设为负的,起点比终点低的线段的夹角为正,摄像头逆时针旋转则相反;或以线段左边的点为起点,摄像头顺时针旋转,起点比终点高的线段的夹角设为正,起点比终点低的线段的夹角为负,摄像头逆时针旋转则相反。
8.根据权利要求5所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,过滤掉夹角绝对值大于45度的所有线段。
9.根据权利要求1或5所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,将组合的权重设为两张图的权重和∑γ=Γ,组合权重Γ最大的组合确定为最佳图像组合。
10.根据权利要求5或9所述的一种视觉机器人确定最佳运动方向的方法,其特征在于,机器人转动到角度T,获取一张图,然后获取图像的线段角度,基于A的数值和该张图像的线段角度θ3,算出更精准的目标旋转角度:T1=±abs(θ3)*A,并二次旋转过去,弥补第一次旋转在机械控制精度上的误差。
11.一种视觉扫地机确定最佳清扫方向的方法,其特征在于,该视觉扫地机采用权利要求1-10任一项所述的视觉机器人确定运动方向的方法所确定的运动方向作为视觉扫地机的清扫方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341050.1A CN111631637B (zh) | 2020-04-27 | 2020-04-27 | 视觉机器人确定最佳运动方向和最佳清扫方向的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341050.1A CN111631637B (zh) | 2020-04-27 | 2020-04-27 | 视觉机器人确定最佳运动方向和最佳清扫方向的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111631637A CN111631637A (zh) | 2020-09-08 |
CN111631637B true CN111631637B (zh) | 2021-08-24 |
Family
ID=72322738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010341050.1A Active CN111631637B (zh) | 2020-04-27 | 2020-04-27 | 视觉机器人确定最佳运动方向和最佳清扫方向的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111631637B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112263188B (zh) * | 2020-10-22 | 2022-04-05 | 湖南格兰博智能科技有限责任公司 | 一种移动机器人行进方向的矫正方法及其设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008063328A1 (de) * | 2008-12-30 | 2010-07-01 | Hella Kgaa Hueck & Co. | Verfahren und Vorrichtung zum Ermitteln einer Änderung des Nickwinkels einer Kamera eines Fahrzeugs |
US8831290B2 (en) * | 2012-08-01 | 2014-09-09 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for determining poses of vehicle-mounted cameras for in-road obstacle detection |
CN104123535A (zh) * | 2014-07-01 | 2014-10-29 | 北京联合大学 | 一种基于道路矫正的单目视觉机器人快速循迹的方法 |
CN106023183B (zh) * | 2016-05-16 | 2019-01-11 | 西北工业大学 | 一种实时的直线段匹配方法 |
CN107622502B (zh) * | 2017-07-28 | 2020-10-20 | 南京航空航天大学 | 复杂光照条件下视觉导引系统的路径提取与识别方法 |
CN110136208B (zh) * | 2019-05-20 | 2020-03-17 | 北京无远弗届科技有限公司 | 一种机器人视觉伺服系统的联合自动标定方法及装置 |
-
2020
- 2020-04-27 CN CN202010341050.1A patent/CN111631637B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111631637A (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110728715B (zh) | 一种智能巡检机器人摄像机角度自适应调整方法 | |
US7688381B2 (en) | System for accurately repositioning imaging devices | |
CN108648241B (zh) | 一种ptz摄像机现场标定及定焦方法 | |
EP1378790B1 (en) | Method and device for correcting lens aberrations in a stereo camera system with zoom | |
JPWO2019049421A1 (ja) | キャリブレーション装置、キャリブレーションシステム、およびキャリブレーション方法 | |
US20140156219A1 (en) | Determining tilt angle and tilt direction using image processing | |
CN110108283B (zh) | 一种基于多二维码视觉的高精度定位方法 | |
CN106990776B (zh) | 机器人归航定位方法与系统 | |
US9418435B2 (en) | Three-dimensional measurement method | |
CN102661717A (zh) | 铁塔单目视觉测量方法 | |
EP2932191A2 (en) | Apparatus and method for three dimensional surface measurement | |
CN106845354B (zh) | 零件视图库构建方法、零件定位抓取方法及装置 | |
JP4132068B2 (ja) | 画像処理装置及び三次元計測装置並びに画像処理装置用プログラム | |
CN112492292B (zh) | 一种自由姿态的智能视觉3d信息采集设备 | |
CN110415286B (zh) | 一种多飞行时间深度相机系统的外参标定方法 | |
CN112949478A (zh) | 基于云台相机的目标检测方法 | |
CN112658643B (zh) | 接插件装配方法 | |
KR20130121290A (ko) | 회전식 라인 카메라로 획득한 실내 전방위 영상의 지오레퍼런싱 방법 | |
CN112129263B (zh) | 一种分离移动式立体测距相机的测距方法 | |
CN111631637B (zh) | 视觉机器人确定最佳运动方向和最佳清扫方向的方法 | |
CN108759773A (zh) | 一种应用于机器人抓取的单目视觉测距方法 | |
Muffert et al. | The estimation of spatial positions by using an omnidirectional camera system | |
CN110595374A (zh) | 基于传递像机的大型结构件实时形变监测方法 | |
CN107976146B (zh) | 一种线阵ccd相机的自标定方法及测量方法 | |
TWI726536B (zh) | 影像擷取方法及影像擷取設備 |
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 |