CN112465873A - 一种机器视觉中确定运动物体位置的方法及系统 - Google Patents
一种机器视觉中确定运动物体位置的方法及系统 Download PDFInfo
- Publication number
- CN112465873A CN112465873A CN202011458033.2A CN202011458033A CN112465873A CN 112465873 A CN112465873 A CN 112465873A CN 202011458033 A CN202011458033 A CN 202011458033A CN 112465873 A CN112465873 A CN 112465873A
- Authority
- CN
- China
- Prior art keywords
- moving object
- image
- determining
- parameter
- virtual
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- 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
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- G06T2207/30241—Trajectory
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种机器视觉中确定运动物体位置的方法及系统,其中方法包括:通过第一摄像装置获取的运动物体的第一图像;基于第一图像确定运动物体的第一位置;通过对应于第一位置的第二摄像装置获取运动物体的第二图像;基于第二图像确定运动物体的第二位置;基于第一位置和第二位置,确定运动物体的实际位置。本发明的机器视觉中确定运动物体位置的方法,通过第一摄像装置拍摄的第一图像确定运动物体的第一位置,然后再启动或通过已经启动的对应于第一位置的第二摄像装置拍摄该运动物体的第二图像,基于第二图像确定第二位置,综合第一位置和第二位置,确定出运动物体的实际位置,实现运动物体的准确定位。
Description
技术领域
本发明涉及机器视觉技术领域,特别涉及一种机器视觉中确定运动物体位置的方法及系统。
背景技术
目前,台球,因其玩法简单且变化多样,吸引各个层次的爱好者。随着科技的发展,出现了多种辅助台球训练或娱乐的系统,为了实现精准的辅助,对于运动中的台球的位置的确定尤为重要。
机器视觉应用如颜色识别、品质判断、轮廓识别、字符识别、车牌设别、人脸识别等这种问题通常对位置绝对值不关心不会造成问题,但对于定位应用时这个距离差所造成的影响将不能忽略;尤其应用在运动中的台球的位置的确定上,更需要精准的位置确定。
发明内容
本发明目的之一在于提供了一种机器视觉中确定运动物体位置的方法,通过第一摄像装置拍摄的第一图像确定运动物体的第一位置,然后再启动或通过已经启动的对应于第一位置的第二摄像装置拍摄该运动物体的第二图像,基于第二图像确定第二位置,综合第一位置和第二位置,确定出运动物体的实际位置,实现运动物体的准确定位。
本发明实施例提供的一种机器视觉中确定运动物体位置的方法,包括:
通过第一摄像装置获取的运动物体的第一图像;
基于第一图像确定运动物体的第一位置;
通过对应于第一位置的第二摄像装置获取运动物体的第二图像;
基于第二图像确定运动物体的第二位置;
基于第一位置和第二位置,确定运动物体的实际位置,
其中,第一摄像装置设置在运动物体的运动平台的中心正上方;将运动平台均分为N*M个区域,在每个区域的中心的上方都设置第二摄像装置。
优选的,基于第一图像确定运动物体的第一位置包括:
获取第一摄像装置与运动平台的第一空间位置关系参数;
基于第一空间位置关系参数构建第一虚拟三维空间;第一虚拟三维空间包括:第一虚拟运动平台、第一摄像点位;
获取第一摄像装置的拍摄参数;
基于第一摄像装置的拍摄参数,构建第一映射库,第一映射库包括:第一图像上像素点与第一虚拟三维空间中第一虚拟运动平台上点和第一虚拟运动平台上方至第一摄像点位之间的与第一虚拟运动平台平行的各个平面上的点的映射关系,
解析第一图像,确定第一图像上运动物体的像素点组成的第一集合;
对第一集合中各个像素点进行筛选,确定表示运动物体的中心的第一标识像素点;
基于第一标识像素点和第一映射库,确定第一标识像素点对应的映射点的第二集合;
解析第一集合,确定运动物体在第一图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第一摄像点位之间的第一距离;
基于第一距离对第二集合中的映射点进行筛选,确定运动物体的第一位置点;将第一位置点的坐标参数作为第一位置的坐标参数。
优选的,通过对应于第一位置的第二摄像装置获取运动物体的第二图像,包括:
基于运动平台的区域划分规则,将第一虚拟三维空间划分为多个子空间;区域与子空间一一对应;
基于第一位置的坐标参数确定第一位置所在的子空间;
通过子空间对应的区域的第二摄像装置获取运动物体的第二图像。
优选的,基于第二图像确定运动物体的第二位置,包括:
获取第二摄像装置与运动平台的第二空间位置关系参数;
基于第二空间位置关系参数构建第二虚拟三维空间;第二虚拟三维空间包括:第二虚拟运动平台、第二摄像点位;
获取第二摄像装置的拍摄参数;
基于第二摄像装置的拍摄参数,构建第二映射库,第二映射库包括:第二图像上像素点与第二虚拟三维空间中第二虚拟运动平台上点和第二虚拟运动平台上方至第二摄像点位之间的与第二虚拟运动平台平行的各个平面上的点的映射关系,
解析第二图像,确定第二图像上运动物体的像素点组成的第三集合;
对第三集合中各个像素点进行筛选,确定表示运动物体的中心的第二标识像素点;
基于第二标识像素点和第二映射库,确定第二标识像素点对应的映射点的第四集合;
解析第三集合,确定运动物体在第二图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第二摄像点位之间的第二距离;
基于第二距离对第四集合中的映射点进行筛选,确定运动物体的第二位置点;将第二位置点的坐标参数作为第二位置的坐标参数。
优选的,基于第一位置和第二位置,确定运动物体的实际位置,包括:
获取第一摄像装置和第二摄像装置的第三空间位置关系参数;
基于第三空间位置关系参数,将第二位置的坐标参数转换为第一虚拟三维空间中的坐标表示的坐标参数;
获取第一图像中第一标识像素点到第一图像的中心点的第三距离;
获取第二图像中第二标识像素点到第二图像的中心点的第四距离;
基于第三距离、第四距离和第三空间位置关系参数,确定第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数;
第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,计算运动物体的实际位置;计算公式如下:
其中,μ1为第一关系系数;μ2为第二关系系数;x0、y0、z0为实际位置的坐标参数;x1、y1、z1为第一位置的坐标参数;x2、y2、z2为第二位置的坐标参数;
其中,基于第三距离、第四距离和第三空间位置关系参数,确定第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,包括:
将第三距离、第四距离和第三空间位置关系参数代入预设的距离与系数对照表中,查表获取第一关系系数和第二关系系数;
或,
将第三距离、第四距离和第三空间位置关系参数输入预先训练的神经网络模型中,获取第一关系系数和第二关系系数。
优选的,机器视觉中确定运动物体的方法,还包括:
基于预设的标准时间间隔连续获取三次运动物体的实际位置;
基于三次获取的实际位置建立运动物体的运动模型;
获取运动平台的平台参数,平台参数包括长度、宽度、摩擦系数其中一种或多种结合;
基于运动模型和平台参数,确定运动物体的轨迹;
基于预设规则对轨迹进行采样,获取多个采样点;
基于采样点的坐标参数、运动模型,确定运动物体位于采样点的时刻;
在时刻控制第一摄像装置和对应的第二摄像装置拍摄运动物体的第一图像和第二图像。
本发明还提供一种机器视觉中确定运动物体位置的系统,包括:
第一摄像装置,设置在运动物体的运动平台的中心正上方;
多个第二摄像装置,将运动平台均分为N*M个区域,在每个区域的中心的上方都设置第二摄像装置;
图像处理装置,与第一摄像装置和第二摄像装置电连接;
图像处理装置执行如下操作:
通过第一摄像装置获取的运动物体的第一图像;
基于第一图像确定运动物体的第一位置;
通过对应于第一位置的第二摄像装置获取运动物体的第二图像;
基于第二图像确定运动物体的第二位置;
基于第一位置和第二位置,确定运动物体的实际位置。
优选的,基于第一图像确定运动物体的第一位置包括:
获取第一摄像装置与运动平台的第一空间位置关系参数;
基于第一空间位置关系参数构建第一虚拟三维空间;第一虚拟三维空间包括:第一虚拟运动平台、第一摄像点位;
获取第一摄像装置的拍摄参数;
基于第一摄像装置的拍摄参数,构建第一映射库,第一映射库包括:第一图像上像素点与第一虚拟三维空间中第一虚拟运动平台上点和第一虚拟运动平台上方至第一摄像点位之间的与第一虚拟运动平台平行的各个平面上的点的映射关系,
解析第一图像,确定第一图像上运动物体的像素点组成的第一集合;
对第一集合中各个像素点进行筛选,确定表示运动物体的中心的第一标识像素点;
基于第一标识像素点和第一映射库,确定第一标识像素点对应的映射点的第二集合;
解析第一集合,确定运动物体在第一图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第一摄像点位之间的第一距离;
基于第一距离对第二集合中的映射点进行筛选,确定运动物体的第一位置点;将第一位置点的坐标参数作为第一位置的坐标参数。
优选的,通过对应于第一位置的第二摄像装置获取运动物体的第二图像,包括:
基于运动平台的区域划分规则,将第一虚拟三维空间划分为多个子空间;区域与子空间一一对应;
基于第一位置的坐标参数确定第一位置所在的子空间;
通过子空间对应的区域的第二摄像装置获取运动物体的第二图像。
优选的,基于第二图像确定运动物体的第二位置,包括:
获取第二摄像装置与运动平台的第二空间位置关系参数;
基于第二空间位置关系参数构建第二虚拟三维空间;第二虚拟三维空间包括:第二虚拟运动平台、第二摄像点位;
获取第二摄像装置的拍摄参数;
基于第二摄像装置的拍摄参数,构建第二映射库,第二映射库包括:第二图像上像素点与第二虚拟三维空间中第二虚拟运动平台上点和第二虚拟运动平台上方至第二摄像点位之间的与第二虚拟运动平台平行的各个平面上的点的映射关系,
解析第二图像,确定第二图像上运动物体的像素点组成的第三集合;
对第三集合中各个像素点进行筛选,确定表示运动物体的中心的第二标识像素点;
基于第二标识像素点和第二映射库,确定第二标识像素点对应的映射点的第四集合;
解析第三集合,确定运动物体在第二图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第二摄像点位之间的第二距离;
基于第二距离对第四集合中的映射点进行筛选,确定运动物体的第二位置点;将第二位置点的坐标参数作为第二位置的坐标参数。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种机器视觉中确定运动物体位置的方法的示意图。
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。
本发明实施例提供了一种机器视觉中确定运动物体位置的方法,如图1所示,包括:
步骤S1:通过第一摄像装置获取的运动物体的第一图像;
步骤S2:基于第一图像确定运动物体的第一位置;
步骤S3:通过对应于第一位置的第二摄像装置获取运动物体的第二图像;
步骤S4:基于第二图像确定运动物体的第二位置;
步骤S5:基于第一位置和第二位置,确定运动物体的实际位置。
上述技术方案的工作原理及有益效果为:
通过第一摄像装置拍摄的第一图像确定运动物体的第一位置,然后再启动或通过已经启动的对应于第一位置的第二摄像装置拍摄该运动物体的第二图像,基于第二图像确定第二位置,综合第一位置和第二位置,确定出运动物体的实际位置;通过综合第一摄像装置和第二摄像装置拍摄的图像进行运动物体位置的确定,能够有效避免机器视觉应用在定位上的距离误差,提高运动物体位置定位的准确度。例如:应用在台球辅助系统中,第一摄像装置和第二摄像装置设置在台球桌上方,第一摄像装置设置在台球桌上方的对应位置,拍摄台球桌整体画面,将台球桌进行阵列分区,可以均分为N*M个区域,在每个区域的中心位置上方都设置一个第二摄像装置阵列;在台球运动时,确认台球的步骤为:从第一摄像装置拍摄的第一图像上确定第一位置,判断第一位置对应在哪个分区,通过该分区上方的第二摄像装置拍摄的第二图像,通过第二图像确定第二位置,结合第一位置和第二位置实现运动物体的准确定位。
本发明的机器视觉中确定运动物体位置的方法,通过第一摄像装置拍摄的第一图像确定运动物体的第一位置,然后再启动或通过已经启动的对应于第一位置的第二摄像装置拍摄该运动物体的第二图像,基于第二图像确定第二位置,综合第一位置和第二位置,确定出运动物体的实际位置,实现运动物体的准确定位。
在一个实施例中,基于第一图像确定运动物体的第一位置包括:
获取第一摄像装置与运动平台的第一空间位置关系参数;
基于第一空间位置关系参数构建第一虚拟三维空间;第一虚拟三维空间包括:第一虚拟运动平台、第一摄像点位;
获取第一摄像装置的拍摄参数;
基于第一摄像装置的拍摄参数,构建第一映射库,第一映射库包括:第一图像上像素点与第一虚拟三维空间中第一虚拟运动平台上点和第一虚拟运动平台上方至第一摄像点位之间的与第一虚拟运动平台平行的各个平面上的点的映射关系,
解析第一图像,确定第一图像上运动物体的像素点组成的第一集合;
对第一集合中各个像素点进行筛选,确定表示运动物体的第一标识像素点;
基于第一标识像素点和第一映射库,确定第一标识像素点对应的映射点的第二集合;
解析第一集合,确定运动物体在第一图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第一摄像点位之间的第一距离;
基于第一距离对第二集合中的映射点进行筛选,确定运动物体的第一位置点;将第一位置点的坐标参数作为第一位置的坐标参数。
上述技术方案的工作原理及有益效果为:
事先构建虚拟三维空间并将三维空间内运动物体可能存在的点位与第一摄像装置拍摄的第一图像的像素点进行映射关联,获得第一映射库;在第一映射库中,与同一像素点相映射的各个点组成一条直线,该直线经过第一摄像点位,并与虚拟运动平台相交;在进行位置确定时,只需从第一图像上分析出表示运动物体的像素点的第一集合,对第一集合中的像素点进行筛选,确定表示运动物体的中心的第一标识像素点并且确定运动物体的图像尺寸参数,例如:运动物体为圆形时,中心为圆心,图像尺寸参数就为图像上的运动物体的区域的半径。基于第一标识像素点和第一映射库,确定可能是运动物体位置的多个映射点,根据图像尺寸参数和运动物体的真实尺寸参数确定运动物体与第一摄像点位之间的距离,根据距离对映射点进行筛选,确定运动物体在第一虚拟三维空间的第一位置点,该第一位置点即为第一位置。
在一个实施例中,通过对应于第一位置的第二摄像装置获取运动物体的第二图像,包括:
基于运动平台的区域划分规则,将第一虚拟三维空间划分为多个子空间;区域与子空间一一对应;
基于第一位置的坐标参数确定第一位置所在的子空间;
通过子空间对应的区域的第二摄像装置获取运动物体的第二图像。
上述技术方案的工作原理及有益效果为:
通过运动平台的区域划分规则将第一虚拟三维空间进行划分,方便用户根据第一位置的坐标参数确定第一位置所在的子空间,进而确定第一位置对应的区域,进而通过与该区域对应的第二摄像装置获取第二图像;这样以距离运动物体最近的第二摄像装置拍摄的第二图像,与第一摄像装置的第一图像共同定位运动物体的位置相较随机选着第二摄像装置拍摄的图像与第一图像共同定位运动物体的位置要更准确,提高了运动物体定位的准确性。
在一个实施例中,基于第二图像确定运动物体的第二位置,包括:
获取第二摄像装置与运动平台的第二空间位置关系参数;
基于第二空间位置关系参数构建第二虚拟三维空间;第二虚拟三维空间包括:第二虚拟运动平台、第二摄像点位;
获取第二摄像装置的拍摄参数;
基于第二摄像装置的拍摄参数,构建第二映射库,第二映射库包括:第二图像上像素点与第二虚拟三维空间中第二虚拟运动平台上点和第二虚拟运动平台上方至第二摄像点位之间的与第二虚拟运动平台平行的各个平面上的点的映射关系,
解析第二图像,确定第二图像上运动物体的像素点组成的第三集合;
对第三集合中各个像素点进行筛选,确定表示运动物体的中心的第二标识像素点;
基于第二标识像素点和第二映射库,确定第二标识像素点对应的映射点的第四集合;
解析第三集合,确定运动物体在第二图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第二摄像点位之间的第二距离;
基于第二距离对第四集合中的映射点进行筛选,确定运动物体的第二位置点;将第二位置点的坐标参数作为第二位置的坐标参数。
上述技术方案的工作原理及有益效果为:
事先构建虚拟三维空间并将三维空间内运动物体可能存在的点位与第二摄像装置拍摄的第二图像的像素点进行映射关联,获得第二映射库;在第二映射库中,与同一像素点相映射的各个点组成一条直线,该直线经过第二摄像点位,并与虚拟运动平台相交;在进行位置确定时,只需从第二图像上分析出表示运动物体的像素点的第三集合,对第三集合中的像素点进行筛选,确定表示运动物体的中心的第二标识像素点并且确定运动物体的图像尺寸参数,例如:运动物体为圆形时,中心为圆心,图像尺寸参数就为图像上的运动物体的区域的半径。基于第二标识像素点和第二映射库,确定可能是运动物体位置的多个映射点,根据图像尺寸参数和运动物体的真实尺寸参数确定运动物体与第二摄像点位之间的距离,根据距离对映射点进行筛选,确定运动物体在第二虚拟三维空间的第二位置点,该第二位置点即为第二位置。
在一个实施例中,基于第一位置和第二位置,确定运动物体的实际位置,包括:
获取第一摄像装置和第二摄像装置的第三空间位置关系参数;
基于第三空间位置关系参数,将第二位置的坐标参数转换为第一虚拟三维空间中的坐标表示的坐标参数;
获取第一图像中第一标识像素点到第一图像的中心点的第三距离;
获取第二图像中第二标识像素点到第二图像的中心点的第四距离;
基于第三距离、第四距离和第三空间位置关系参数,确定第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数;
第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,计算运动物体的实际位置;计算公式如下:
其中,μ1为第一关系系数;μ2为第二关系系数;x0、y0、z0为实际位置的坐标参数;x1、y1、z1为第一位置的坐标参数;x2、y2、z2为第二位置的坐标参数;
其中,基于第三距离、第四距离和第三空间位置关系参数,确定第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,包括:
将第三距离、第四距离和第三空间位置关系参数代入预设的距离与系数对照表中,查表获取第一关系系数和第二关系系数;
或,
将第三距离、第四距离和第三空间位置关系参数输入预先训练的神经网络模型中,获取第一关系系数和第二关系系数。
上述技术方案的工作原理及有益效果为:
在结合第一位置和第二位置确定运动物体的真实位置时,基于摄像装置的摄像原理以及第一摄像装置和第二摄像装置与运动物体的运动平台的关系,图像中间区域与边缘区域相同的长度代表实际运动平台的长度;图像中间区域相较于边缘区域要短,即边缘的像素点用于确认位置的精度越低;这样根据运动物体在第一图像和第二图像上距离中心的距离和第一摄像装置和第二摄像装置的第三空间关系参数确定第一关系系数和第二关系系数,基于第一关系系数和第二关系系数实现结合第一位置和第二位置确定运动物体的真实位置,提高了真实位置的定位的准确;例如,第二位置位于第二图像的中心时,μ2取值为1,μ1取值为0;第一位置位于第一图像的中心时,μ2取值为0,μ1取值为0;实现根据第二位置对第一位置进行修正,提高了运动物体定位的准确性。
在一个实施例中,机器视觉中确定运动物体的方法,还包括:
基于预设的标准时间间隔连续获取三次运动物体的实际位置;
基于三次获取的实际位置建立运动物体的运动模型;
获取运动平台的平台参数,平台参数包括长度、宽度、摩擦系数其中一种或多种结合;
基于运动模型和平台参数,确定运动物体的轨迹;
基于预设规则对轨迹进行采样,获取多个采样点;
基于采样点的坐标参数、运动模型,确定运动物体位于采样点的时刻;
在时刻控制第一摄像装置和对应的第二摄像装置拍摄运动物体的第一图像和第二图像。
上述技术方案的工作原理及有益效果为:
对运动物体的运动轨迹进行预测,然后对轨迹进行采样,预设规则可以为先确定轨迹有无转折点,当存在转折点时,将转折点作为一个采样点,然后转折点到当前时刻的实际位置点之间等间距确定多个采样点;当不存在转折点时,从当前时刻的实际位置点开始等间距确定多个采样点即可;然后根据采样点对应的时刻控制第一摄像装置和对应于采样点位置的第二摄像装置分别拍摄第一图像和第二图像,通过拍摄时刻的控制,保证运动物体的运动轨迹的特征点位置确定的准确。
本发明还提供一种机器视觉中确定运动物体位置的系统,包括:
第一摄像装置,设置在运动物体的运动平台的中心正上方;
多个第二摄像装置,将运动平台均分为N*M个区域,在每个区域的中心的上方都设置第二摄像装置;
图像处理装置,与第一摄像装置和第二摄像装置电连接;
图像处理装置执行如下操作:
通过第一摄像装置获取的运动物体的第一图像;
基于第一图像确定运动物体的第一位置;
通过对应于第一位置的第二摄像装置获取运动物体的第二图像;
基于第二图像确定运动物体的第二位置;
基于第一位置和第二位置,确定运动物体的实际位置。
上述技术方案的工作原理及有益效果为:
通过第一摄像装置拍摄的第一图像确定运动物体的第一位置,然后再启动或通过已经启动的对应于第一位置的第二摄像装置拍摄该运动物体的第二图像,基于第二图像确定第二位置,综合第一位置和第二位置,确定出运动物体的实际位置;通过综合第一摄像装置和第二摄像装置拍摄的图像进行运动物体位置的确定,能够有效避免机器视觉应用在定位上的距离误差,提高运动物体位置定位的准确度。例如:应用在台球辅助系统中,第一摄像装置和第二摄像装置设置在台球桌上方,第一摄像装置设置在台球桌上方的对应位置,拍摄台球桌整体画面,将台球桌进行阵列分区,可以均分为N*M个区域,在每个区域的中心位置上方都设置一个第二摄像装置阵列;在台球运动时,确认台球的步骤为:从第一摄像装置拍摄的第一图像上确定第一位置,判断第一位置对应在哪个分区,通过该分区上方的第二摄像装置拍摄的第二图像,通过第二图像确定第二位置,结合第一位置和第二位置实现运动物体的准确定位。
本发明的机器视觉中确定运动物体位置的方法,通过第一摄像装置拍摄的第一图像确定运动物体的第一位置,然后再启动或通过已经启动的对应于第一位置的第二摄像装置拍摄该运动物体的第二图像,基于第二图像确定第二位置,综合第一位置和第二位置,确定出运动物体的实际位置,实现运动物体的准确定位。
在一个实施例中,基于第一图像确定运动物体的第一位置包括:
获取第一摄像装置与运动平台的第一空间位置关系参数;
基于第一空间位置关系参数构建第一虚拟三维空间;第一虚拟三维空间包括:第一虚拟运动平台、第一摄像点位;
获取第一摄像装置的拍摄参数;
基于第一摄像装置的拍摄参数,构建第一映射库,第一映射库包括:第一图像上像素点与第一虚拟三维空间中第一虚拟运动平台上点和第一虚拟运动平台上方至第一摄像点位之间的与第一虚拟运动平台平行的各个平面上的点的映射关系,
解析第一图像,确定第一图像上运动物体的像素点组成的第一集合;
对第一集合中各个像素点进行筛选,确定表示运动物体的第一标识像素点;
基于第一标识像素点和第一映射库,确定第一标识像素点对应的映射点的第二集合;
解析第一集合,确定运动物体在第一图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第一摄像点位之间的第一距离;
基于第一距离对第二集合中的映射点进行筛选,确定运动物体的第一位置点;将第一位置点的坐标参数作为第一位置的坐标参数。
上述技术方案的工作原理及有益效果为:
事先构建虚拟三维空间并将三维空间内运动物体可能存在的点位与第一摄像装置拍摄的第一图像的像素点进行映射关联,获得第一映射库;在第一映射库中,与同一像素点相映射的各个点组成一条直线,该直线经过第一摄像点位,并与虚拟运动平台相交;在进行位置确定时,只需从第一图像上分析出表示运动物体的像素点的第一集合,对第一集合中的像素点进行筛选,确定表示运动物体的中心的第一标识像素点并且确定运动物体的图像尺寸参数,例如:运动物体为圆形时,中心为圆心,图像尺寸参数就为图像上的运动物体的区域的半径。基于第一标识像素点和第一映射库,确定可能是运动物体位置的多个映射点,根据图像尺寸参数和运动物体的真实尺寸参数确定运动物体与第一摄像点位之间的距离,根据距离对映射点进行筛选,确定运动物体在第一虚拟三维空间的第一位置点,该第一位置点即为第一位置。
在一个实施例中,通过对应于第一位置的第二摄像装置获取运动物体的第二图像,包括:
基于运动平台的区域划分规则,将第一虚拟三维空间划分为多个子空间;区域与子空间一一对应;
基于第一位置的坐标参数确定第一位置所在的子空间;
通过子空间对应的区域的第二摄像装置获取运动物体的第二图像。
上述技术方案的工作原理及有益效果为:
通过运动平台的区域划分规则将第一虚拟三维空间进行划分,方便用户根据第一位置的坐标参数确定第一位置所在的子空间,进而确定第一位置对应的区域,进而通过与该区域对应的第二摄像装置获取第二图像;这样以距离运动物体最近的第二摄像装置拍摄的第二图像,与第一摄像装置的第一图像共同定位运动物体的位置相较随机选着第二摄像装置拍摄的图像与第一图像共同定位运动物体的位置要更准确,提高了运动物体定位的准确性。
在一个实施例中,基于第二图像确定运动物体的第二位置,包括:
获取第二摄像装置与运动平台的第二空间位置关系参数;
基于第二空间位置关系参数构建第二虚拟三维空间;第二虚拟三维空间包括:第二虚拟运动平台、第二摄像点位;
获取第二摄像装置的拍摄参数;
基于第二摄像装置的拍摄参数,构建第二映射库,第二映射库包括:第二图像上像素点与第二虚拟三维空间中第二虚拟运动平台上点和第二虚拟运动平台上方至第二摄像点位之间的与第二虚拟运动平台平行的各个平面上的点的映射关系,
解析第二图像,确定第二图像上运动物体的像素点组成的第三集合;
对第三集合中各个像素点进行筛选,确定表示运动物体的中心的第二标识像素点;
基于第二标识像素点和第二映射库,确定第二标识像素点对应的映射点的第四集合;
解析第三集合,确定运动物体在第二图像中的图像尺寸参数;
获取运动物体的真实尺寸参数;
基于图像尺寸参数与真实尺寸参数,确定运动物体与第二摄像点位之间的第二距离;
基于第二距离对第四集合中的映射点进行筛选,确定运动物体的第二位置点;将第二位置点的坐标参数作为第二位置的坐标参数。
上述技术方案的工作原理及有益效果为:
事先构建虚拟三维空间并将三维空间内运动物体可能存在的点位与第二摄像装置拍摄的第二图像的像素点进行映射关联,获得第二映射库;在第二映射库中,与同一像素点相映射的各个点组成一条直线,该直线经过第二摄像点位,并与虚拟运动平台相交;在进行位置确定时,只需从第二图像上分析出表示运动物体的像素点的第三集合,对第三集合中的像素点进行筛选,确定表示运动物体的中心的第二标识像素点并且确定运动物体的图像尺寸参数,例如:运动物体为圆形时,中心为圆心,图像尺寸参数就为图像上的运动物体的区域的半径。基于第二标识像素点和第二映射库,确定可能是运动物体位置的多个映射点,根据图像尺寸参数和运动物体的真实尺寸参数确定运动物体与第二摄像点位之间的距离,根据距离对映射点进行筛选,确定运动物体在第二虚拟三维空间的第二位置点,该第二位置点即为第二位置。
在一个实施例中,基于第一位置和第二位置,确定运动物体的实际位置,包括:
获取第一摄像装置和第二摄像装置的第三空间位置关系参数;
基于第三空间位置关系参数,将第二位置的坐标参数转换为第一虚拟三维空间中的坐标表示的坐标参数;
获取第一图像中第一标识像素点到第一图像的中心点的第三距离;
获取第二图像中第二标识像素点到第二图像的中心点的第四距离;
基于第三距离、第四距离和第三空间位置关系参数,确定第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数;
第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,计算运动物体的实际位置;计算公式如下:
其中,μ1为第一关系系数;μ2为第二关系系数;x0、y0、z0为实际位置的坐标参数;x1、y1、z1为第一位置的坐标参数;x2、y2、z2为第二位置的坐标参数;
其中,基于第三距离、第四距离和第三空间位置关系参数,确定第一位置的坐标参数的第一关系系数和第二位置的第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,包括:
将第三距离、第四距离和第三空间位置关系参数代入预设的距离与系数对照表中,查表获取第一关系系数和第二关系系数;
或,
将第三距离、第四距离和第三空间位置关系参数输入预先训练的神经网络模型中,获取第一关系系数和第二关系系数。
上述技术方案的工作原理及有益效果为:
在结合第一位置和第二位置确定运动物体的真实位置时,基于摄像装置的摄像原理以及第一摄像装置和第二摄像装置与运动物体的运动平台的关系,图像中间区域与边缘区域相同的长度代表实际运动平台的长度;图像中间区域相较于边缘区域要短,即边缘的像素点用于确认位置的精度越低;这样根据运动物体在第一图像和第二图像上距离中心的距离和第一摄像装置和第二摄像装置的第三空间关系参数确定第一关系系数和第二关系系数,基于第一关系系数和第二关系系数实现结合第一位置和第二位置确定运动物体的真实位置,提高了真实位置的定位的准确;例如,第二位置位于第二图像的中心时,μ2取值为1,μ1取值为0;第一位置位于第一图像的中心时,μ2取值为0,μ1取值为0;实现根据第二位置对第一位置进行修正,提高了运动物体定位的准确性。
在一个实施例中,机器视觉中确定运动物体的系统,还包括:
基于预设的标准时间间隔连续获取三次运动物体的实际位置;
基于三次获取的实际位置建立运动物体的运动模型;
获取运动平台的平台参数,平台参数包括长度、宽度、摩擦系数其中一种或多种结合;
基于运动模型和平台参数,确定运动物体的轨迹;
基于预设规则对轨迹进行采样,获取多个采样点;
基于采样点的坐标参数、运动模型,确定运动物体位于采样点的时刻;
在时刻控制第一摄像装置和对应的第二摄像装置拍摄运动物体的第一图像和第二图像。
上述技术方案的工作原理及有益效果为:
对运动物体的运动轨迹进行预测,然后对轨迹进行采样,预设规则可以为先确定轨迹有无转折点,当存在转折点时,将转折点作为一个采样点,然后转折点到当前时刻的实际位置点之间等间距确定多个采样点;当不存在转折点时,从当前时刻的实际位置点开始等间距确定多个采样点即可;然后根据采样点对应的时刻控制第一摄像装置和对应于采样点位置的第二摄像装置分别拍摄第一图像和第二图像,通过拍摄时刻的控制,保证运动物体的运动轨迹的特征点位置确定的准确。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种机器视觉中确定运动物体位置的方法,其特征在于,包括:
通过第一摄像装置获取的运动物体的第一图像;
基于所述第一图像确定所述运动物体的第一位置;
通过对应于所述第一位置的第二摄像装置获取所述运动物体的第二图像;
基于所述第二图像确定所述运动物体的第二位置;
基于所述第一位置和所述第二位置,确定所述运动物体的实际位置,
其中,第一摄像装置设置在所述运动物体的运动平台的中心正上方;将所述运动平台均分为N*M个区域,在每个所述区域的中心的上方都设置所述第二摄像装置。
2.如权利要求1所述的机器视觉中确定运动物体位置的方法,其特征在于,所述基于所述第一图像确定所述运动物体的第一位置包括:
获取所述第一摄像装置与所述运动平台的第一空间位置关系参数;
基于所述第一空间位置关系参数构建第一虚拟三维空间;所述第一虚拟三维空间包括:第一虚拟运动平台、第一摄像点位;
获取所述第一摄像装置的拍摄参数;
基于所述第一摄像装置的拍摄参数,构建第一映射库,所述第一映射库包括:所述第一图像上像素点与所述第一虚拟三维空间中第一虚拟运动平台上点和所述第一虚拟运动平台上方至所述第一摄像点位之间的与所述第一虚拟运动平台平行的各个平面上的点的映射关系,
解析所述第一图像,确定所述第一图像上所述运动物体的像素点组成的第一集合;
对所述第一集合中各个像素点进行筛选,确定表示所述运动物体的中心的第一标识像素点;
基于第一标识像素点和所述第一映射库,确定所述第一标识像素点对应的映射点的第二集合;
解析所述第一集合,确定所述运动物体在所述第一图像中的图像尺寸参数;
获取所述运动物体的真实尺寸参数;
基于所述图像尺寸参数与所述真实尺寸参数,确定所述运动物体与所述第一摄像点位之间的第一距离;
基于所述第一距离对所述第二集合中的映射点进行筛选,确定所述运动物体的第一位置点;将所述第一位置点的坐标参数作为所述第一位置的坐标参数。
3.如权利要求2所述的机器视觉中确定运动物体位置的方法,其特征在于,所述通过对应于所述第一位置的第二摄像装置获取所述运动物体的第二图像,包括:
基于所述运动平台的区域划分规则,将所述第一虚拟三维空间划分为多个子空间;所述区域与所述子空间一一对应;
基于所述第一位置的坐标参数确定所述第一位置所在的所述子空间;
通过所述子空间对应的所述区域的所述第二摄像装置获取所述运动物体的所述第二图像。
4.如权利要求3所述的机器视觉中确定运动物体的方法,其特征在于,所述基于所述第二图像确定所述运动物体的第二位置,包括:
获取所述第二摄像装置与所述运动平台的第二空间位置关系参数;
基于所述第二空间位置关系参数构建第二虚拟三维空间;所述第二虚拟三维空间包括:第二虚拟运动平台、第二摄像点位;
获取所述第二摄像装置的拍摄参数;
基于所述第二摄像装置的拍摄参数,构建第二映射库,所述第二映射库包括:所述第二图像上像素点与所述第二虚拟三维空间中第二虚拟运动平台上点和所述第二虚拟运动平台上方至所述第二摄像点位之间的与所述第二虚拟运动平台平行的各个平面上的点的映射关系,
解析所述第二图像,确定所述第二图像上所述运动物体的像素点组成的第三集合;
对所述第三集合中各个像素点进行筛选,确定表示所述运动物体的中心的第二标识像素点;
基于第二标识像素点和所述第二映射库,确定所述第二标识像素点对应的映射点的第四集合;
解析所述第三集合,确定所述运动物体在所述第二图像中的图像尺寸参数;
获取所述运动物体的真实尺寸参数;
基于所述图像尺寸参数与所述真实尺寸参数,确定所述运动物体与所述第二摄像点位之间的第二距离;
基于所述第二距离对所述第四集合中的映射点进行筛选,确定所述运动物体的第二位置点;将所述第二位置点的坐标参数作为所述第二位置的坐标参数。
5.如权利要求4所述的机器视觉中确定运动物体的方法,其特征在于,所述基于所述第一位置和所述第二位置,确定所述运动物体的实际位置,包括:
获取所述第一摄像装置和所述第二摄像装置的第三空间位置关系参数;
基于所述第三空间位置关系参数,将所述第二位置的坐标参数转换为所述第一虚拟三维空间中的坐标表示的坐标参数;
获取所述第一图像中所述第一标识像素点到所述第一图像的中心点的第三距离;
获取所述第二图像中所述第二标识像素点到所述第二图像的中心点的第四距离;
基于所述第三距离、所述第四距离和所述第三空间位置关系参数,确定所述第一位置的坐标参数的第一关系系数和所述第二位置的所述第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数;
所述第一位置的坐标参数的第一关系系数和所述第二位置的所述第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,计算所述运动物体的实际位置;计算公式如下:
其中,μ1为所述第一关系系数;μ2为所述第二关系系数;x0、y0、z0为所述实际位置的坐标参数;x1、y1、z1为所述第一位置的坐标参数;x2、y2、z2为所述第二位置的坐标参数;
其中,所述基于所述第三距离、所述第四距离和所述第三空间位置关系参数,确定所述第一位置的坐标参数的第一关系系数和所述第二位置的所述第一虚拟三维空间中的坐标表示的坐标参数的第二关系系数,包括:
将所述第三距离、第四距离和所述第三空间位置关系参数代入预设的距离与系数对照表中,查表获取所述第一关系系数和所述第二关系系数;
或,
将所述第三距离、第四距离和所述第三空间位置关系参数输入预先训练的神经网络模型中,获取所述第一关系系数和所述第二关系系数。
6.如权利要求5所述的机器视觉中确定运动物体的方法,其特征在于,还包括:
基于预设的标准时间间隔连续获取三次所述运动物体的所述实际位置;
基于三次获取的所述实际位置建立所述运动物体的运动模型;
获取所述运动平台的平台参数,所述平台参数包括长度、宽度、摩擦系数其中一种或多种结合;
基于所述运动模型和所述平台参数,确定所述运动物体的轨迹;
基于预设规则对所述轨迹进行采样,获取多个采样点;
基于所述采样点的坐标参数、所述运动模型,确定所述运动物体位于所述采样点的时刻;
在所述时刻控制所述第一摄像装置和对应的第二摄像装置拍摄所述运动物体的所述第一图像和所述第二图像。
7.一种机器视觉中确定运动物体位置的系统,其特征在于,包括:
第一摄像装置,设置在所述运动物体的运动平台的中心正上方;
多个第二摄像装置,将所述运动平台均分为N*M个区域,在每个所述区域的中心的上方都设置所述第二摄像装置;
图像处理装置,与所述第一摄像装置和所述第二摄像装置电连接;
所述图像处理装置执行如下操作:
通过第一摄像装置获取的运动物体的第一图像;
基于所述第一图像确定所述运动物体的第一位置;
通过对应于所述第一位置的第二摄像装置获取所述运动物体的第二图像;
基于所述第二图像确定所述运动物体的第二位置;
基于所述第一位置和所述第二位置,确定所述运动物体的实际位置。
8.如权利要求7所述的机器视觉中确定运动物体位置的系统,其特征在于,所述基于所述第一图像确定所述运动物体的第一位置包括:
获取所述第一摄像装置与所述运动平台的第一空间位置关系参数;
基于所述第一空间位置关系参数构建第一虚拟三维空间;所述第一虚拟三维空间包括:第一虚拟运动平台、第一摄像点位;
获取所述第一摄像装置的拍摄参数;
基于所述第一摄像装置的拍摄参数,构建第一映射库,所述第一映射库包括:所述第一图像上像素点与所述第一虚拟三维空间中第一虚拟运动平台上点和所述第一虚拟运动平台上方至所述第一摄像点位之间的与所述第一虚拟运动平台平行的各个平面上的点的映射关系,
解析所述第一图像,确定所述第一图像上所述运动物体的像素点组成的第一集合;
对所述第一集合中各个像素点进行筛选,确定表示所述运动物体的中心的第一标识像素点;
基于第一标识像素点和所述第一映射库,确定所述第一标识像素点对应的映射点的第二集合;
解析所述第一集合,确定所述运动物体在所述第一图像中的图像尺寸参数;
获取所述运动物体的真实尺寸参数;
基于所述图像尺寸参数与所述真实尺寸参数,确定所述运动物体与所述第一摄像点位之间的第一距离;
基于所述第一距离对所述第二集合中的映射点进行筛选,确定所述运动物体的第一位置点;将所述第一位置点的坐标参数作为所述第一位置的坐标参数。
9.如权利要求8所述的机器视觉中确定运动物体位置的系统,其特征在于,所述通过对应于所述第一位置的第二摄像装置获取所述运动物体的第二图像,包括:
基于所述运动平台的区域划分规则,将所述第一虚拟三维空间划分为多个子空间;所述区域与所述子空间一一对应;
基于所述第一位置的坐标参数确定所述第一位置所在的所述子空间;
通过所述子空间对应的所述区域的所述第二摄像装置获取所述运动物体的所述第二图像。
10.如权利要求9所述的机器视觉中确定运动物体的系统,其特征在于,所述基于所述第二图像确定所述运动物体的第二位置,包括:
获取所述第二摄像装置与所述运动平台的第二空间位置关系参数;
基于所述第二空间位置关系参数构建第二虚拟三维空间;所述第二虚拟三维空间包括:第二虚拟运动平台、第二摄像点位;
获取所述第二摄像装置的拍摄参数;
基于所述第二摄像装置的拍摄参数,构建第二映射库,所述第二映射库包括:所述第二图像上像素点与所述第二虚拟三维空间中第二虚拟运动平台上点和所述第二虚拟运动平台上方至所述第二摄像点位之间的与所述第二虚拟运动平台平行的各个平面上的点的映射关系,
解析所述第二图像,确定所述第二图像上所述运动物体的像素点组成的第三集合;
对所述第三集合中各个像素点进行筛选,确定表示所述运动物体的中心的第二标识像素点;
基于第二标识像素点和所述第二映射库,确定所述第二标识像素点对应的映射点的第四集合;
解析所述第三集合,确定所述运动物体在所述第二图像中的图像尺寸参数;
获取所述运动物体的真实尺寸参数;
基于所述图像尺寸参数与所述真实尺寸参数,确定所述运动物体与所述第二摄像点位之间的第二距离;
基于所述第二距离对所述第四集合中的映射点进行筛选,确定所述运动物体的第二位置点;将所述第二位置点的坐标参数作为所述第二位置的坐标参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458033.2A CN112465873B (zh) | 2020-12-10 | 2020-12-10 | 一种机器视觉中确定运动物体位置的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458033.2A CN112465873B (zh) | 2020-12-10 | 2020-12-10 | 一种机器视觉中确定运动物体位置的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465873A true CN112465873A (zh) | 2021-03-09 |
CN112465873B CN112465873B (zh) | 2021-06-15 |
Family
ID=74802859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011458033.2A Active CN112465873B (zh) | 2020-12-10 | 2020-12-10 | 一种机器视觉中确定运动物体位置的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465873B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100015258A (ko) * | 2008-08-04 | 2010-02-12 | 신진석 | 당구점수 계산장치 |
CN105222758A (zh) * | 2015-10-20 | 2016-01-06 | 西安交通大学 | 基于鸟类视觉特征的多运动目标搜索与定位装置及方法 |
CN107145851A (zh) * | 2017-04-28 | 2017-09-08 | 西南科技大学 | 建筑作业区危险源智能识别系统 |
CN107466246A (zh) * | 2016-08-25 | 2017-12-12 | 深圳英麦吉科技有限公司 | 台球击球辅助方法、台球击球辅助系统及便携式电子设备 |
CN107866058A (zh) * | 2017-11-03 | 2018-04-03 | 杭州乾博科技有限公司 | 一种基于多层映射解析定位的乒乓球运动系统 |
KR20190091697A (ko) * | 2018-01-29 | 2019-08-07 | 한국광기술원 | 혼합현실 영상 생성장치 및 방법 |
-
2020
- 2020-12-10 CN CN202011458033.2A patent/CN112465873B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100015258A (ko) * | 2008-08-04 | 2010-02-12 | 신진석 | 당구점수 계산장치 |
CN105222758A (zh) * | 2015-10-20 | 2016-01-06 | 西安交通大学 | 基于鸟类视觉特征的多运动目标搜索与定位装置及方法 |
CN107466246A (zh) * | 2016-08-25 | 2017-12-12 | 深圳英麦吉科技有限公司 | 台球击球辅助方法、台球击球辅助系统及便携式电子设备 |
CN107145851A (zh) * | 2017-04-28 | 2017-09-08 | 西南科技大学 | 建筑作业区危险源智能识别系统 |
CN107866058A (zh) * | 2017-11-03 | 2018-04-03 | 杭州乾博科技有限公司 | 一种基于多层映射解析定位的乒乓球运动系统 |
KR20190091697A (ko) * | 2018-01-29 | 2019-08-07 | 한국광기술원 | 혼합현실 영상 생성장치 및 방법 |
Non-Patent Citations (1)
Title |
---|
李海丰等: "基于广角相机及云台相机的多运动目标协同观测算法", 《国际会议》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112465873B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101791590B1 (ko) | 물체 자세 인식장치 및 이를 이용한 물체 자세 인식방법 | |
CN109214337B (zh) | 一种人群统计方法、装置、设备及计算机可读存储介质 | |
US20180321776A1 (en) | Method for acting on augmented reality virtual objects | |
CN107438173A (zh) | 视频处理装置、视频处理方法和存储介质 | |
WO2018141414A1 (en) | Device and method for obtaining depth information from a scene | |
CN110991297A (zh) | 一种基于场景监控的目标定位方法及系统 | |
CN110543848B (zh) | 一种基于三维卷积神经网络的驾驶员动作识别方法及装置 | |
CN113850865A (zh) | 一种基于双目视觉的人体姿态定位方法、系统和存储介质 | |
CN106650965A (zh) | 一种远程视频处理方法及装置 | |
CN113021328A (zh) | 一种手眼标定方法、装置、设备和介质 | |
CN112019826A (zh) | 投影方法、系统、装置、电子设备及存储介质 | |
CN109063549A (zh) | 基于深度神经网络的高分辨率航拍视频运动目标检测方法 | |
CN112562005A (zh) | 一种空间标定方法和系统 | |
CN114462646B (zh) | 一种基于接触网安全巡检的杆号牌识别方法及系统 | |
CN109344758B (zh) | 基于改进局部二值模式的人脸识别方法 | |
CN112489077A (zh) | 目标跟踪方法、装置及计算机系统 | |
CN112465873B (zh) | 一种机器视觉中确定运动物体位置的方法及系统 | |
CN111652168B (zh) | 基于人工智能的群体检测方法、装置、设备及存储介质 | |
KR101715782B1 (ko) | 물체 인식 시스템 및 그 물체 인식 방법 | |
CN115019515B (zh) | 成像控制方法及系统 | |
CN116868912A (zh) | 检测动物社交障碍行为的装置及其方法、电子设备、介质 | |
CN116012417A (zh) | 目标对象的轨迹确定方法、装置以及电子设备 | |
CN114909999A (zh) | 一种基于结构光的三维测量系统及方法 | |
JPH11194027A (ja) | 三次元座標計測装置 | |
CN112446355A (zh) | 一种公共场所行人识别方法及人流统计系统 |
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 | ||
CP03 | Change of name, title or address |
Address after: 518000 Room 201, building 4, software industry base, No. 19, 17 and 18, Haitian 1st Road, Binhai community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee after: Shenzhen qidebao Technology Co.,Ltd. Address before: 518000 1705, satellite building, 61 Gaoxin South 9th Road, Gaoxin high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Patentee before: Shenzhen Puhui Zhilian Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |