CN112097686B - 一种基于二值条纹投影的伪装物体检测方法 - Google Patents
一种基于二值条纹投影的伪装物体检测方法 Download PDFInfo
- Publication number
- CN112097686B CN112097686B CN202010793549.6A CN202010793549A CN112097686B CN 112097686 B CN112097686 B CN 112097686B CN 202010793549 A CN202010793549 A CN 202010793549A CN 112097686 B CN112097686 B CN 112097686B
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- detection
- projector
- stripe
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000003708 edge detection Methods 0.000 claims abstract description 14
- 230000009545 invasion Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000005286 illumination Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000122205 Chamaeleonidae Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于二值条纹投影的伪装物体检测方法,具体包括以下步骤:步骤S1:搭建条纹投影伪装物体检测系统;步骤S2:投影仪投射三幅二值条纹至无伪装物体侵入的检测区域;保持投影仪和摄像机固定,投影仪投射三幅二值条纹至有伪装物体侵入的检测区域;步骤S3:分别对背景条纹图像I1(x,y)、I2(x,y)进行二值化,对二值化图像进行边缘检测;分别对目标条纹图像J1(x,y)、J2(x,y)进行二值化,对二值化图像进行边缘检测;步骤S4:提取到网格化目标区域D(x,y);本发明只需要投射并采集三幅二值条纹图像,通过简单的图像处理便可分辨出伪装物体,检测速度较快;本发明的技术方案对物体颜色纹理和环境光照等影响因素不敏感,检测精度较高、鲁棒性较好。
Description
技术领域
本发明属于检测技术领域,具体地说,本发明涉及一种基于二值条纹投影的伪装物体检测方法。
背景技术
伪装是进行隐真示假,为欺骗或迷惑对方所采取的各种隐蔽措施。
自然界中,许多生物进化出了强大伪装技能,例如:变色龙、猫头鹰、青蛙等,它们通过改变自身颜色,更好地融入周围环境。
军事领域中,为了躲避敌方侦察,人类使用特殊材质或服饰,减少目标与背景环境在辐射特性上的差异,降低目标的可探测性。
伪装物体检测在工业检测、生物科学、军事安全等领域具有很大应用潜力,同时也面临很大挑战性。
传统的图像处理方法主要通过分析颜色、纹理、轮廓等特征来实现伪装物体检测,只适用于特定场景,泛化能力较差。
近年来,深度学习在伪装物体检测方面取得了不错的效果,但往往需要复杂的运算模型和大量的数据训练,,成本较高。
(Optics and Lasers in Engineering,2020,134:106201)论文将条纹投影技术用于伪装物体检测,具有成本低、精度高、鲁棒性好等优点,但该方法需要投射并采集六幅灰度条纹图像,不利于高速在线测量。
综上所述,如何实现高速准确的伪装物体检测具有重要的应用价值。
发明内容
本发明提供一种基于二值条纹投影的伪装物体检测方法,以解决上述背景技术中存在的问题。
为了实现上述目的,本发明采取的技术方案为:一种基于二值条纹投影的伪装物体检测方法,具体包括以下步骤:
步骤S1:搭建条纹投影伪装物体检测系统,包括投影仪和摄像机,所述投影仪和摄像机同步触发开启工作,投影仪、摄像机和检测区域三者之间构成三角测量关系;
步骤S2:投影仪投射三幅二值条纹至无伪装物体侵入的检测区域,摄像机采集到此刻的条纹图像作为背景条纹图像I0(x,y)、I1(x,y)、I2(x,y);保持投影仪和摄像机固定,投影仪投射三幅二值条纹至有伪装物体侵入的检测区域,摄像机采集到此刻的条纹图像作为目标条纹图像J0(x,y)、J1(x,y)、J2(x,y);
所述步骤S2中,投影仪所投射的三幅二值条纹,包括两幅竖条纹和一幅横条纹,其强度分布可分别表示为:
P0(xp,yp)=mod(xp,T)>T/2;
P1(xp,yp)=mod(xp,T)≤T/2;
P2(xp,yp)=mod(yp,T)≤T/2;
其中:(xp,yp)表示投影仪的像素坐标;P0(xp,yp)、P1(xp,yp)、P2(xp,yp)表示三幅二值条纹;mod表示取余运算函数;T表示水平/竖直方向上的条纹周期;
所述二值条纹P0(xp,yp)和P1(xp,yp)存在如下互补关系:
P0(xp,yp)+P1(xp,yp)=1;
步骤S3:分别对背景条纹图像I1(x,y)、I2(x,y)进行二值化,然后对二值化图像进行边缘检测,提取到背景边缘图像E1(x,y)、E2(x,y);分别对目标条纹图像J1(x,y)、J2(x,y)进行二值化,然后对二值化图像进行边缘检测,提取到目标边缘图像F1(x,y)、F2(x,y);
步骤S4:求取背景边缘图像E1(x,y)和目标边缘图像F1(x,y)的绝对差值D1(x,y);求取背景边缘图像E2(x,y)和目标边缘图像F2(x,y)的绝对差值D2(x,y);对绝对差值D1(x,y)、D2(x,y)进行求或运算,便可提取到网格化目标区域D(x,y)。
优选的,所述步骤S2中,所述背景条纹图像I0(x,y)、I1(x,y)、I2(x,y),其强度分布可表示为:
I0(x,y)=I′(x,y)-I″(x,y);
I1(x,y)=I′(x,y)+I″(x,y);
I2(x,y)=I′(x,y)+I″′(x,y);
其中:(x,y)表示摄像机的像素坐标;I′(x,y)表示背景强度,I″(x,y)和I″′(x,y)表示调制强度。
优选的,所述步骤S2中,所述目标条纹图像J0(x,y)、J1(x,y)、J2(x,y),其强度分布可表示为:
J0(x,y)=J′(x,y)-J″(x,y);
J1(x,y)=J′(x,y)+J″(x,y);
J2(x,y)=J′(x,y)+J″′(x,y);
其中:(x,y)表示摄像机的像素坐标;J′(x,y)表示背景强度,J″(x,y)和J″′(x,y)表示调制强度。
优选的,所述步骤S3中,所述背景条纹图像I1(x,y)、I2(x,y),其二值化所采用的强度阈值为:
[I0(x,y)+I1(x,y)]/2。
优选的,所述步骤S3中,所述目标条纹图像J1(x,y)、J2(x,y),其二值化所采用的强度阈值为:
[J0(x,y)+J1(x,y)]/2。
优选的,所述步骤S3中,二值化图像的边缘检测采用Sobel、Canny的边缘检测算法。
优选的,所述步骤S4中,所述绝对差值D1(x,y)、D2(x,y)和网格化目标区域D(x,y),其数学计算公式分别为:
D1(x,y)=|E1(x,y)-F1(x,y)|;
D2(x,y)=|E2(x,y)-F2(x,y)|;
D(x,y)=D1(x,y)+D2(x,y)。
采用以上技术方案的有益效果是:
1、本发明提供的一种基于二值条纹投影的伪装物体检测方法,只需要投射并采集三幅二值条纹图像,通过简单的图像处理便可分辨出伪装物体,检测速度较快。
2、本发明的技术方案对物体颜色纹理和环境光照等影响因素不敏感,检测精度较高、鲁棒性较好。
附图说明
图1是检测区域与伪装物体的三维立体示意图;
图2是无伪装物体侵入的背景条纹图像;
图3是有伪装物体侵入的目标条纹图像;
图4是伪装物体的检测结果;
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,目的是帮助本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解,并有助于其实施。
如图1至图4所示,本发明是一种基于二值条纹投影的伪装物体检测方法,具体包括以下步骤:
步骤S1:搭建条纹投影伪装物体检测系统,包括投影仪和摄像机,所述投影仪和摄像机同步触发开启工作,投影仪、摄像机和检测区域三者之间构成三角测量关系;
步骤S2:投影仪投射三幅二值条纹至无伪装物体侵入的检测区域,摄像机采集到此刻的条纹图像作为背景条纹图像I0(x,y)、I1(x,y)、I2(x,y);保持投影仪和摄像机固定,投影仪投射三幅二值条纹至有伪装物体侵入的检测区域,摄像机采集到此刻的条纹图像作为目标条纹图像J0(x,y)、J1(x,y)、J2(x,y);
所述步骤S2中,投影仪所投射的三幅二值条纹,包括两幅竖条纹和一幅横条纹,其强度分布可分别表示为:
P0(xp,yp)=mod(xp,T)>T/2;
P1(xp,yp)=mod(xp,T)≤T/2;
P2(xp,yp)=mod(yp,T)≤T/2;
其中:(xp,yp)表示投影仪的像素坐标;P0(xp,yp)、P1(xp,yp)、P2(xp,yp)表示三幅二值条纹;mod表示取余运算函数;T表示水平/竖直方向上的条纹周期;
所述二值条纹P0(xp,yp)和P1(xp,yp)存在如下互补关系:
P0(xp,yp)+P1(xp,yp)=1;
步骤S3:分别对背景条纹图像I1(x,y)、I2(x,y)进行二值化,然后对二值化图像进行边缘检测,提取到背景边缘图像E1(x,y)、E2(x,y);分别对目标条纹图像J1(x,y)、J2(x,y)进行二值化,然后对二值化图像进行边缘检测,提取到目标边缘图像F1(x,y)、F2(x,y);
步骤S4:求取背景边缘图像E1(x,y)和目标边缘图像F1(x,y)的绝对差值D1(x,y);求取背景边缘图像E2(x,y)和目标边缘图像F2(x,y)的绝对差值D2(x,y);对绝对差值D1(x,y)、D2(x,y)进行求或运算,便可提取到网格化目标区域D(x,y)。
所述步骤S2中,所述背景条纹图像I0(x,y)、I1(x,y)、I2(x,y),其强度分布可表示为:
I0(x,y)=I′(x,y)-I″(x,y);
I1(x,y)=I′(x,y)+I″(x,y);
I2(x,y)=I′(x,y)+I″′(x,y);
其中:(x,y)表示摄像机的像素坐标;I′(x,y)表示背景强度,I″(x,y)和I″′(x,y)表示调制强度。
所述步骤S2中,所述目标条纹图像J0(x,y)、J1(x,y)、J2(x,y),其强度分布可表示为:
J0(x,y)=J′(x,y)-J″(x,y);
J1(x,y)=J′(x,y)+J″(x,y);
J2(x,y)=J′(x,y)+J″′(x,y);
其中:(x,y)表示摄像机的像素坐标;J′(x,y)表示背景强度,J″(x,y)和J″′(x,y)表示调制强度。
所述步骤S3中,所述背景条纹图像I1(x,y)、I2(x,y),其二值化所采用的强度阈值为:
[I0(x,y)+I1(x,y)]/2。
所述步骤S3中,所述目标条纹图像J1(x,y)、J2(x,y),其二值化所采用的强度阈值为:
[J0(x,y)+J1(x,y)]/2。
所述步骤S3中,二值化图像的边缘检测采用Sobel、Canny的边缘检测算法。
所述步骤S4中,所述绝对差值D1(x,y)、D2(x,y)和网格化目标区域D(x,y),其数学计算公式分别为:
D1(x,y)=|E1(x,y)-F1(x,y)|;
D2(x,y)=|E2(x,y)-F2(x,y)|;
D(x,y)=D1(x,y)+D2(x,y)。
综上所述:
本发明提供的一种基于二值条纹投影的伪装物体检测方法,只需要投射并采集三幅二值条纹图像,通过简单的图像处理便可分辨出伪装物体,检测速度较快。
本发明的技术方案对物体颜色纹理和环境光照等影响因素不敏感,检测精度较高、鲁棒性较好。
以上结合附图对本发明进行了示例性描述,显然,本发明具体实现并不受上述方式的限制,只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进;或未经改进,将本发明的上述构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (7)
1.一种基于二值条纹投影的伪装物体检测方法,其特征在于:具体包括以下步骤:
步骤S1:搭建条纹投影伪装物体检测系统,包括投影仪和摄像机,所述投影仪和摄像机同步触发开启工作,投影仪、摄像机和检测区域三者之间构成三角测量关系;
步骤S2:投影仪投射三幅二值条纹至无伪装物体侵入的检测区域,摄像机采集到此刻的条纹图像作为背景条纹图像I0(x,y)、I1(x,y)、I2(x,y);保持投影仪和摄像机固定,投影仪投射三幅二值条纹至有伪装物体侵入的检测区域,摄像机采集到此刻的条纹图像作为目标条纹图像J0(x,y)、J1(x,y)、J2(x,y);
所述步骤S2中,投影仪所投射的三幅二值条纹,包括两幅竖条纹和一幅横条纹,其强度分布可分别表示为:
P0(xp,yp)=mod(xp,T)>T/2;
P1(xp,yp)=mod(xp,T)≤T/2;
P2(xp,yp)=mod(yp,T)≤T/2;
其中:(xp,yp)表示投影仪的像素坐标;P0(xp,yp)、P1(xp,yp)、P2(xp,yp)表示三幅二值条纹;mod表示取余运算函数;T表示水平/竖直方向上的条纹周期;
所述二值条纹P0(xp,yp)和P1(xp,yp)存在如下互补关系:
P0(xp,yp)+P1(xp,yp)=1;
步骤S3:分别对背景条纹图像I1(x,y)、I2(x,y)进行二值化,然后对二值化图像进行边缘检测,提取到背景边缘图像E1(x,y)、E2(x,y);分别对目标条纹图像J1(x,y)、J2(x,y)进行二值化,然后对二值化图像进行边缘检测,提取到目标边缘图像F1(x,y)、F2(x,y);
步骤S4:求取背景边缘图像E1(x,y)和目标边缘图像F1(x,y)的绝对差值D1(x,y);求取背景边缘图像E2(x,y)和目标边缘图像F2(x,y)的绝对差值D2(x,y);对绝对差值D1(x,y)、D2(x,y)进行求或运算,便可提取到网格化目标区域D(x,y)。
2.根据权利要求1所述的一种基于二值条纹投影的伪装物体检测方法,其特征在于:所述步骤S2中,所述背景条纹图像I0(x,y)、I1(x,y)、I2(x,y),其强度分布可表示为:
I0(x,y)=I′(x,y)-I″(x,y);
I1(x,y)=I′(x,y)+I″(x,y);
I2(x,y)=I′(x,y)+I″′(x,y);
其中:(x,y)表示摄像机的像素坐标;I′(x,y)表示背景强度,I″(x,y)和I″′(x,y)表示调制强度。
3.根据权利要求1所述的一种基于二值条纹投影的伪装物体检测方法,其特征在于:所述步骤S2中,所述目标条纹图像J0(x,y)、J1(x,y)、J2(x,y),其强度分布可表示为:
J0(x,y)=J′(x,y)-J″(x,y);
J1(x,y)=J′(x,y)+J″(x,y);
J2(x,y)=J′(x,y)+J″′(x,y);
其中:(x,y)表示摄像机的像素坐标;J′(x,y)表示背景强度,J″(x,y)和J″′(x,y)表示调制强度。
4.根据权利要求1所述的一种基于二值条纹投影的伪装物体检测方法,其特征在于:所述步骤S3中,所述背景条纹图像I1(x,y)、I2(x,y),其二值化所采用的强度阈值为:
[I0(x,y)+I1(x,y)]/2。
5.根据权利要求1所述的一种基于二值条纹投影的伪装物体检测方法,其特征在于:所述步骤S3中,所述目标条纹图像J1(x,y)、J2(x,y),其二值化所采用的强度阈值为:
[J0(x,y)+J1(x,y)]/2。
6.根据权利要求1所述的一种基于二值条纹投影的伪装物体检测方法,其特征在于:所述步骤S3中,二值化图像的边缘检测采用Sobel、Canny的边缘检测算法。
7.根据权利要求1所述的一种基于二值条纹投影的伪装物体检测方法,其特征在于:所述步骤S4中,所述绝对差值D1(x,y)、D2(x,y)和网格化目标区域D(x,y),其数学计算公式分别为:
D1(x,y)=|E1(x,y)-F1(x,y)|;
D2(x,y)=|E2(x,y)-F2(x,y)|;
D(x,y)=D1(x,y)+D2(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010793549.6A CN112097686B (zh) | 2020-08-10 | 2020-08-10 | 一种基于二值条纹投影的伪装物体检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010793549.6A CN112097686B (zh) | 2020-08-10 | 2020-08-10 | 一种基于二值条纹投影的伪装物体检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112097686A CN112097686A (zh) | 2020-12-18 |
CN112097686B true CN112097686B (zh) | 2022-03-11 |
Family
ID=73752734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010793549.6A Active CN112097686B (zh) | 2020-08-10 | 2020-08-10 | 一种基于二值条纹投影的伪装物体检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112097686B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139450A (zh) * | 2021-04-16 | 2021-07-20 | 广州大学 | 一种基于边沿检测的伪装目标检测方法 |
CN117593517B (zh) * | 2024-01-19 | 2024-04-16 | 南京信息工程大学 | 基于互补感知跨视图融合网络的伪装目标检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005308597A (ja) * | 2004-04-22 | 2005-11-04 | Fuji Xerox Co Ltd | 三次元画像取得装置および方法 |
CN109186496A (zh) * | 2018-10-18 | 2019-01-11 | 淮阴师范学院 | 一种基于移动最小二乘法的三维面形测量方法 |
CN110648367A (zh) * | 2019-08-15 | 2020-01-03 | 大连理工江苏研究院有限公司 | 一种基于多层深度与彩色视觉信息的几何体目标定位方法 |
CN110672038A (zh) * | 2019-09-03 | 2020-01-10 | 安徽农业大学 | 一种基于双频相移条纹投影的快速三维测量方法 |
CN111380485A (zh) * | 2020-02-21 | 2020-07-07 | 天津大学 | 一种基于复合正交相移条纹的伪装检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5938631B2 (ja) * | 2011-12-19 | 2016-06-22 | パナソニックIpマネジメント株式会社 | 物体検出装置及び物体検出方法 |
US10012496B2 (en) * | 2015-10-29 | 2018-07-03 | Canon Kabushiki Kaisha | Multispectral binary coded projection using multiple projectors |
CN108550160B (zh) * | 2018-04-03 | 2020-04-07 | 大连理工大学 | 基于光强模板的非均匀光条特征区域提取方法 |
-
2020
- 2020-08-10 CN CN202010793549.6A patent/CN112097686B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005308597A (ja) * | 2004-04-22 | 2005-11-04 | Fuji Xerox Co Ltd | 三次元画像取得装置および方法 |
CN109186496A (zh) * | 2018-10-18 | 2019-01-11 | 淮阴师范学院 | 一种基于移动最小二乘法的三维面形测量方法 |
CN110648367A (zh) * | 2019-08-15 | 2020-01-03 | 大连理工江苏研究院有限公司 | 一种基于多层深度与彩色视觉信息的几何体目标定位方法 |
CN110672038A (zh) * | 2019-09-03 | 2020-01-10 | 安徽农业大学 | 一种基于双频相移条纹投影的快速三维测量方法 |
CN111380485A (zh) * | 2020-02-21 | 2020-07-07 | 天津大学 | 一种基于复合正交相移条纹的伪装检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112097686A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Koch et al. | Evaluation of cnn-based single-image depth estimation methods | |
Meister et al. | When can we use kinectfusion for ground truth acquisition | |
CN112097686B (zh) | 一种基于二值条纹投影的伪装物体检测方法 | |
CN103900494A (zh) | 用于双目视觉三维测量的同源点快速匹配方法 | |
CN105869115B (zh) | 一种基于kinect2.0的深度图像超分辨率方法 | |
CN109035307B (zh) | 基于自然光双目视觉的设定区域目标追踪方法及系统 | |
CN111028271A (zh) | 基于人体骨架检测的多摄像机人员三维定位跟踪系统 | |
CN111046877A (zh) | 一种毫米波图像可疑物品检测方法和系统 | |
CN112712059A (zh) | 基于红外热图像和rgb图像的活体人脸识别方法 | |
Chen et al. | A comparative analysis between active structured light and multi-view stereo vision technique for 3D reconstruction of face model surface | |
Soetedjo et al. | Developing of low cost vision-based shooting range simulator | |
Zhu et al. | Stereo vision based traversable region detection for mobile robots using uv-disparity | |
Shimada et al. | Change detection on light field for active video surveillance | |
Stent et al. | An Image-Based System for Change Detection on Tunnel Linings. | |
Wang et al. | 3D modeling from wide baseline range scans using contour coherence | |
Prawira et al. | The detection of 3D object using a method of a Harris Corner Detector and Lucas-Kanade Tracker based on stereo image | |
CN111914790A (zh) | 基于双摄像头的不同场景下实时人体转动角度识别方法 | |
CN111080712A (zh) | 一种基于人体骨架检测的多相机人员定位跟踪显示方法 | |
Guesmi et al. | APARATE: Adaptive adversarial patch for CNN-based monocular depth estimation for autonomous navigation | |
Jia-Fa et al. | A 3D occlusion tracking Model of the underwater fish targets | |
Park et al. | Depth image correction for intel realsense depth camera | |
Liang et al. | An edge detection with automatic scale selection approach to improve coherent visual attention model | |
Lima et al. | A disparity map refinement to enhance weakly-textured urban environment data | |
Yin et al. | Motion detection and tracking using the 3D-camera | |
Argyriou et al. | Optimal illumination directions for faces and rough surfaces for single and multiple light imaging using class-specific prior knowledge |
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 |