CN112509125A - 一种基于人工标志物和立体视觉的三维重建方法 - Google Patents

一种基于人工标志物和立体视觉的三维重建方法 Download PDF

Info

Publication number
CN112509125A
CN112509125A CN202011472391.9A CN202011472391A CN112509125A CN 112509125 A CN112509125 A CN 112509125A CN 202011472391 A CN202011472391 A CN 202011472391A CN 112509125 A CN112509125 A CN 112509125A
Authority
CN
China
Prior art keywords
camera
feature points
dimensional reconstruction
coordinate system
artificial markers
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.)
Withdrawn
Application number
CN202011472391.9A
Other languages
English (en)
Inventor
刘岳标
罗毅智
吕恩利
夏晶晶
王飞仁
赵伟伟
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.)
Guangzhou Jiaen Technology Co ltd
South China Agricultural University
Original Assignee
Guangzhou Jiaen Technology Co ltd
South China Agricultural 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 Guangzhou Jiaen Technology Co ltd, South China Agricultural University filed Critical Guangzhou Jiaen Technology Co ltd
Priority to CN202011472391.9A priority Critical patent/CN112509125A/zh
Publication of CN112509125A publication Critical patent/CN112509125A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • G06T2207/10012—Stereo images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于人工标志物和立体视觉的三维重建方法，首先安装单目相机和双目相机，并在猪舍内布置多个人工标志物；接着，通过双目相机连续对猪舍环境拍照并将图像信息上传服务器中；同时单目相机就获取人工标志物的信息并输出到服务器中；随后，服务器对同一时刻获取的左目图像提取特征点，然后进行立体匹配，并计算特征点的深度信息和相机坐标；结合同一时刻单目相机拍摄的人工标志物的定位信息，计算得到特征点的世界坐标；当得到所有图像的所有的特征点的世界坐标后，将其还原到同一个世界坐标系中，完成猪舍环境三维重建。通过上述方法可以准确定位相机位姿，避免点云拼接时累计误差的产生和重建场景的漂移。

Description

一种基于人工标志物和立体视觉的三维重建方法
技术领域
本发明涉及一种三维建图方法，具体涉及一种基于人工标志物和立体视觉的三维重建方法。
背景技术
真实世界物体的三维重建一直是计算机视觉和摄影测量方面的重要研究领域，经过几十年的发展，三维重建场景绘制规模越来越大，精度越来越高。其中，双目视觉技术模仿人类视觉原理，采用两个视觉传感器(如相机)按照人眼模式进行图片数据采集，然后对图片进行处理，从而能够得到丰富的环境信息，因此被广泛应用于大型机械位姿感知、汽车自动驾驶等科技、三维环境重建等领域。
自20世纪70年代Marr首次提出完整的机器视觉系统理论框架以来，立体视觉信号备受人们的关注。双目视觉系统分摄像机标定、特征提取、立体匹配、深度信息提取等。立体匹配技术从早期的小窗口区域匹配发展到现在的自适应窗口，提高了对特征点的匹配速度和准确率。但由于普通相机通过不同视角对环境拍摄的图像时，由于无法精准定位相机的坐标，因此不可避免地会存在累计误差，因而导致重建场景的漂移。另外，对现实物体和场景建立真实、可靠的三维点云模型是三维重建的重要环节，虽然人们对基于双目图像的三维重建做了大量的研究，但目前仍存在许多改进的地方，例如在相机持续移动的情况下，将多个连续场景的点云模型准确拼接等。
为此，为了解决上述问题，本发明公开了一种基于人工标志物和立体视觉的三维重建方法。
发明内容
本发明为了克服现有技术存在的不足，提供了一种基于人工标志物和立体视觉的三维重建方法，通过本发明的三维重建方法可以在双目相机对环境拍摄图片时利用人工标志物准确定位相机位姿，避免了点云拼接时累计误差的产生和重建场景的漂移。
本发明解决上述技术问题的技术方案是：
一种基于人工标志物和立体视觉的三维重建方法，包括以下步骤：
(1)、在移动机器人上安装单目相机和双目相机，其中，双目相机中的标定参数为已知；同时在猪舍内布置多个人工标志物，保证单目相机每次均能观测到至少两个人工标志物；
(2)、移动机器人在猪舍内运动，通过双目相机连续对猪舍环境进行拍照，并进行预处理后将图像信息上传到服务器中；同时，双目相机每拍摄一组图片，单目相机就获取一次人工标志物的信息，并以时间为单位，同步输出到服务器中；
(3)、建立立体视觉成像模型，服务器接收到图像信息后，对双目相机拍摄的图像进行处理，对同一时刻获取的左目图像提取特征点，然后进行立体匹配；
(4)、通过立体视觉成像模型，计算得到特征点的相机坐标系的坐标和特征点实际在空间中位置距离相机的深度信息。
(5)、结合同一时刻单目相机拍摄的人工标志物的定位信息，通过坐标转换计算得到特征点的世界坐标；
(6)、重复上述步骤(2)-(5)，得到所有图像的所有的特征点的世界坐标，并将其还原到同一个世界坐标系中，完成猪舍环境三维重建。
优选的，在步骤(1)中，所述单目相机和双目相机布置在移动机器人的同一水平面上；所述人工标志物布置在猪舍的顶部，等距排列，且处于同一高度。
优选的，在步骤(1)中，通过张正友平面相机标定法对所述双目相机进行参数标定，得到双目相机的内部参数、外部参数和畸变参数，其中，所述外部参数包括双目相机的旋转矩阵和平移矩阵；所述畸变参数包括径向畸变和切向畸变。
优选的，在步骤(2)中，预处理过程包括但不限于图像滤波、直方图均衡化、畸变校正、极线约束。
优选的，在步骤(3)中，服务器通过FAST特征提取算法对图像提取特征点，并进行立体匹配，包括以下步骤：
(3-1)、利用FAST特征提取算法对每组双目图像中的左目图像提取特征点；
(3-2)、采用SSD算法与NCC算法相结合的改进的立体匹配算法对特征点进行匹配；利用极线约束，在右目图像中相同高度位置寻找匹配点；
(3-3)、用SSD算法在右目图像快速计算得到特征点的三个候选匹配点；
(3-4)、采用NCC算法从候选匹配点中准确计算得到最佳匹配点。
优选的，在步骤(3)中，在使用FAST特征提取算法检测提取特征点并进行立体匹配时，若提取的特征点数量不满足高精度三维重建的要求，则使用边缘检测算法来增加特征点的数量。
优选的，在步骤(4)中，利用双目相机成像原理和相机标定参数，计算得特征点的相机坐标系的坐标。
优选的，在步骤(5)中，根据同一时刻中的单目相机拍摄到的猪舍内的人工标志物，通过pnp解算方法得到单目相机坐标系与世界坐标系之间的变换关系；且双目相机与单目相机之间的位置固定，则通过测量的方式得到双目相机与单目相机之间的变换关系；通过上述两个变换关系得到双目相机坐标系与世界坐标系之间变换的旋转平移矩阵；最后通过特征点在双目相机坐标系中的相机坐标经过该旋转平移矩阵得到特征点在世界坐标系中的特征点的世界坐标。
优选的，在步骤(6)中，得到所有图像的特征点的世界坐标后，通过利用 OpencvPCL函数库将特征点的世界坐标在同一个世界坐标系中还原出来。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明的基于人工标志物和立体视觉的三维重建方法可以在双目相机对环境拍摄图片时利用人工标志物准确定位相机位姿，避免了点云拼接时累计误差的产生和重建场景的漂移。
2、本发明的基于人工标志物和立体视觉的三维重建方法与仅依靠双目相机的三维重建方法相比，本发明的三维重建方法的最大优势在于可以进行几个连续场景的三维重建、三维重建的精度更高、效果更好且实施成本更低。特别是在大规模猪场养殖环境中，环境复杂，其他定位和重建方法难以满足需求，本发明提的三维重建方法更易于实施，且对环境要求低，不需要对猪舍结构做任何改变。
附图说明
图1为本发明的基于人工标志物和立体视觉的三维重建方法的流程框图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
参见图1，基于立体视觉三维重建的技术领域，重建的主要误差来自于重构的三维模型中不符合实际情况的点，在三维重建过程中，特征点的世界坐标的确定受广泛存在的各种噪声影响，尤其是连续的多场景重建，相机位姿对最后三维重建精度有着决定性的作用。利用人工标志物辅助双目相机定位，可以较为准确输出相机位姿信息，在一定程度上避免在双目相机在室内移动时拍摄照片的位置误差，进一步消除三维重建结果的漂移和较大的累计误差。
基于上述原理，本发明公开了一种基于人工标志物和立体视觉的三维重建方法，所述三维重建方法包括以下步骤：
(1)、在移动机器人上安装单目相机和双目相机，所述单目相机和双目相机布置在移动机器人的同一水平面上；其中，通过张正友相机平面标定法对所述双目相机进行参数标定，得到双目相机的内部参数、外部参数和畸变参数，其中，所述外部参数包括双目相机的旋转矩阵和平移矩阵；所述畸变参数包括径向畸变和切向畸变；
另外，在猪舍顶部布置多个人工标志物，多个人工标志物布置在猪舍的顶部，等距排列，且处于同一高度，机器人无论是直行或转弯，单目相机的视野中至少有两个或以上的人工标志物，以便于精准地确定单目相机相对于人工标志物的位姿
(2)、移动机器人在猪舍内运动，通过双目相机连续对猪舍环境进行拍照并进行预处理后将图像信息上传到服务器中；同时，双目相机每拍摄一组图片，单目相机就获取一次人工标志物的信息，并以时间为单位，同步输出到服务器中；若在实际情况中无法满足单目相机与双目相机具有相同的采样频率，可在数据处理采用线性差值的方式来保证其频率相同；
(3)、服务器接收到图像信息后，对双目相机拍摄的图像进行处理，对同一时刻获取的左目图像提取特征点，然后进行立体匹配；
(4)、利用立体视觉成像模型(立体成像模型是既定的，就是跟每个相机的内参外参有关，成像模型就是空间中一点投影到相机的投影方式，计算特征点坐标就是将其还原的过程。)，计算特征点的深度信息(所谓的特征点的深度信息就是特征点实际对应真实世界的点到相机的距离。)和相机坐标系坐标，假设特征点在左目图像的坐标为(UL,VL),在右目图像的坐标为(UR,VR)，则根据相似三角形原理可求得特征点的相机坐标系的坐标：计算公式如下：
Figure BDA0002834423070000061
式中，d—视差；
f、fx、fy、cx、cy—相机内参；
(5)、结合同一时刻单目相机拍摄的人工标志物的定位信息，通过坐标转换计算得到特征点的世界坐标；
(6)、重复上述步骤(2)-(5)，得到所有图像的所有的特征点，并将所有特征点还原到同一个世界坐标系中，完成猪舍环境三维重建。
在本实施例中，以单目相机为原点建立单目相机坐标系，单目相机坐标系的坐标简称“单目坐标”；以双目相机的中点为原点建立双目相机坐标系，相机坐标系的坐标简称“双目坐标”。
参见图1，在步骤(2)中，预处理过程包括但不限于图像滤波、直方图均衡化、畸变校正、极线约束。例如使用高斯滤波和直方图均衡化处理图像数据，并使用参数模型校正图像数据；或者利用Opencv自带函数高斯滤波和直方图均衡化处理图像；同时利用标定的相机畸变系数对所有图像像素进行坐标校正，得到无畸变图像。
参见图1，在步骤(3)中，服务器通过FAST特征提取算法提取的特征点，并进行立体匹配，包括以下步骤：
(3-1)、对每组图像利用FAST特征点提取算法提取左目图像特征点；
(3-2)、采用SSD算法与NCC算法相结合的改进的立体匹配算法对特征点进行匹配；并利用极线几何约束提出错误匹配，提高匹配效率，使用汉明距离优化匹配算法或其他优化算法优化匹配；在右目图像中相同高度位置寻找匹配点；
(3-3)、采用SSD算法快速计算得到特征点的三个候选匹配点，然后采用 NCC算法从候选匹配点中准确计算得到最佳匹配点。
在上述使用FAST特征提取算法检测提取特征点并进行立体匹配时，若提取的特征点数量不满足高精度三维重建的要求，则使用边缘检测算法来增加特征点的数量。
参见图1，在步骤(5)中，根据同一时刻中的单目相机拍摄到的猪舍内的人工标志物，通过pnp解算方法得到单目相机坐标系与世界坐标系之间的变换关系；且双目相机与单目相机之间的位置固定，则通过测量的方式得到双目相机与单目相机之间的变换关系；通过上述的两个变换关系得到双目相机坐标系与世界坐标系之间变换的旋转平移矩阵
Figure BDA0002834423070000071
最后通过特征点的双目坐标经过该旋转平移矩阵得到特征点的世界坐标，计算公式如下：
Figure BDA0002834423070000072
其中(Xw，Yw，Zw)为特征点的世界坐标，(Xc，Yc，Zc)为特征点的双目坐标系的坐标。除上述方式外，也可以先将特征点的双目坐标计算转换为特征点的单目坐标，然后再将特征点的单目坐标转换为特征点的世界坐标。
参见图1，在步骤(6)中，得到所有图像的特征点的世界坐标后，通过利用OpencvPCL函数库在世界坐标系中完成对所有图像的特征点的三维点云重建。
上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于人工标志物和立体视觉的三维重建方法，其特征在于，包括以下步骤：
(1)、在移动机器人上安装单目相机和双目相机，其中，双目相机中的标定参数为已知；同时在猪舍内布置多个人工标志物，保证单目相机每次均能观测到至少两个人工标志物；
(2)、移动机器人在猪舍内运动，通过双目相机连续对猪舍环境进行拍照，并进行预处理后将图像信息上传到服务器中；同时，双目相机每拍摄一组图片，单目相机就获取一次人工标志物的信息，并以时间为单位，同步输出到服务器中；
(3)、建立立体视觉成像模型，服务器接收到图像信息后，对双目相机拍摄的图像进行处理，对同一时刻获取的左目图像提取特征点，然后进行立体匹配；
(4)、通过立体视觉成像模型，计算得到特征点的相机坐标系的坐标和特征点实际在空间中位置距离相机的深度信息。
(5)、结合同一时刻单目相机拍摄的人工标志物的定位信息，通过坐标转换计算得到特征点的世界坐标；
(6)、重复上述步骤(2)-(5)，得到所有图像的所有的特征点的世界坐标，并将其还原到同一个世界坐标系中，完成猪舍环境三维重建。
2.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(1)中，所述单目相机和双目相机布置在移动机器人的同一水平面上；所述人工标志物布置在猪舍的顶部，等距排列，且处于同一高度。
3.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(1)中，通过张正友平面相机标定法对所述双目相机进行参数标定，得到双目相机的内部参数、外部参数和畸变参数，其中，所述外部参数包括双目相机的旋转矩阵和平移矩阵；所述畸变参数包括径向畸变和切向畸变。
4.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(2)中，预处理过程包括但不限于图像滤波、直方图均衡化、畸变校正、极线约束。
5.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(3)中，服务器通过FAST特征提取算法对图像提取特征点，并进行立体匹配，包括以下步骤：
(3-1)、利用FAST特征提取算法对每组双目图像中的左目图像提取特征点；
(3-2)、采用SSD算法与NCC算法相结合的改进的立体匹配算法对特征点进行匹配；利用极线约束，在右目图像中相同高度位置寻找匹配点；
(3-3)、用SSD算法在右目图像快速计算得到特征点的三个候选匹配点；
(3-4)、采用NCC算法从候选匹配点中准确计算得到最佳匹配点。
6.根据权利要求5所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(3)中，在使用FAST特征提取算法检测提取特征点并进行立体匹配时，若提取的特征点数量不满足高精度三维重建的要求，则使用边缘检测算法来增加特征点的数量。
7.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(4)中，利用双目相机成像原理和相机标定参数，计算得特征点的相机坐标系的坐标。
8.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(5)中，根据同一时刻中的单目相机拍摄到的猪舍内的人工标志物，通过pnp解算方法得到单目相机坐标系与世界坐标系之间的变换关系；且双目相机与单目相机之间的位置固定，则通过测量的方式得到双目相机与单目相机之间的变换关系；通过上述两个变换关系得到双目相机坐标系与世界坐标系之间变换的旋转平移矩阵；最后通过特征点在双目相机坐标系中的相机坐标经过该旋转平移矩阵得到特征点在世界坐标系中的特征点的世界坐标。
9.根据权利要求1所述的基于人工标志物和立体视觉的三维重建方法，其特征在于，在步骤(6)中，得到所有图像的特征点的世界坐标后，通过利用Opencv PCL函数库将特征点的世界坐标在同一个世界坐标系中还原出来。
CN202011472391.9A 2020-12-14 2020-12-14 一种基于人工标志物和立体视觉的三维重建方法 Withdrawn CN112509125A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011472391.9A CN112509125A (zh) 2020-12-14 2020-12-14 一种基于人工标志物和立体视觉的三维重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011472391.9A CN112509125A (zh) 2020-12-14 2020-12-14 一种基于人工标志物和立体视觉的三维重建方法

Publications (1)

Publication Number Publication Date
CN112509125A true CN112509125A (zh) 2021-03-16

Family

ID=74973254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011472391.9A Withdrawn CN112509125A (zh) 2020-12-14 2020-12-14 一种基于人工标志物和立体视觉的三维重建方法

Country Status (1)

Country Link
CN (1) CN112509125A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516007A (zh) * 2021-04-02 2021-10-19 中国海洋大学 多组双目相机组网的水下标志物识别与拼接方法
CN113643358A (zh) * 2021-08-10 2021-11-12 追觅创新科技(苏州)有限公司 相机的外参标定方法、装置、存储介质及系统
CN113706621A (zh) * 2021-10-29 2021-11-26 上海景吾智能科技有限公司 基于带标记图像的标志点定位及姿态获取方法和系统
CN114240985A (zh) * 2022-02-25 2022-03-25 天云软件技术有限公司 粮食储量的确定方法、装置、设备、介质和产品
CN114565714A (zh) * 2022-02-11 2022-05-31 山西支点科技有限公司 一种单目视觉传感器混合式高精度三维结构恢复方法
WO2023103884A1 (zh) * 2021-12-10 2023-06-15 杭州海康威视数字技术股份有限公司 对象模型建立方法、装置、电子设备及存储介质
CN116580099A (zh) * 2023-07-14 2023-08-11 山东艺术学院 一种基于视频与三维模型融合的林地目标定位方法
CN117062280A (zh) * 2023-08-17 2023-11-14 北京美中爱瑞肿瘤医院有限责任公司 一种神经外科自助式手术灯自动跟随系统
CN117934600A (zh) * 2024-03-25 2024-04-26 南京信息工程大学 基于无人机对于远距离标志物快速识别与三维位置解算方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516007A (zh) * 2021-04-02 2021-10-19 中国海洋大学 多组双目相机组网的水下标志物识别与拼接方法
CN113516007B (zh) * 2021-04-02 2023-12-22 中国海洋大学 多组双目相机组网的水下标志物识别与拼接方法
CN113643358B (zh) * 2021-08-10 2023-07-07 追觅创新科技(苏州)有限公司 相机的外参标定方法、装置、存储介质及系统
CN113643358A (zh) * 2021-08-10 2021-11-12 追觅创新科技(苏州)有限公司 相机的外参标定方法、装置、存储介质及系统
CN113706621A (zh) * 2021-10-29 2021-11-26 上海景吾智能科技有限公司 基于带标记图像的标志点定位及姿态获取方法和系统
WO2023103884A1 (zh) * 2021-12-10 2023-06-15 杭州海康威视数字技术股份有限公司 对象模型建立方法、装置、电子设备及存储介质
CN114565714A (zh) * 2022-02-11 2022-05-31 山西支点科技有限公司 一种单目视觉传感器混合式高精度三维结构恢复方法
CN114565714B (zh) * 2022-02-11 2023-05-23 山西支点科技有限公司 一种单目视觉传感器混合式高精度三维结构恢复方法
CN114240985A (zh) * 2022-02-25 2022-03-25 天云软件技术有限公司 粮食储量的确定方法、装置、设备、介质和产品
CN114240985B (zh) * 2022-02-25 2022-05-31 天云软件技术有限公司 粮食储量的确定方法、装置、设备、介质和产品
CN116580099A (zh) * 2023-07-14 2023-08-11 山东艺术学院 一种基于视频与三维模型融合的林地目标定位方法
CN117062280A (zh) * 2023-08-17 2023-11-14 北京美中爱瑞肿瘤医院有限责任公司 一种神经外科自助式手术灯自动跟随系统
CN117062280B (zh) * 2023-08-17 2024-03-08 北京美中爱瑞肿瘤医院有限责任公司 一种神经外科自助式手术灯自动跟随系统
CN117934600A (zh) * 2024-03-25 2024-04-26 南京信息工程大学 基于无人机对于远距离标志物快速识别与三维位置解算方法

Similar Documents

Publication Publication Date Title
CN112509125A (zh) 一种基于人工标志物和立体视觉的三维重建方法
CN106529495B (zh) 一种飞行器的障碍物检测方法和装置
CN110728715B (zh) 一种智能巡检机器人摄像机角度自适应调整方法
CN104933718B (zh) 一种基于双目视觉的物理坐标定位方法
WO2024045632A1 (zh) 基于双目视觉和imu的水下场景三维重建方法及设备
JP5392415B2 (ja) ステレオ画像生成装置、ステレオ画像生成方法及びステレオ画像生成用コンピュータプログラム
CN104537707B (zh) 像方型立体视觉在线移动实时测量系统
CN109919911B (zh) 基于多视角光度立体的移动三维重建方法
CN110334701B (zh) 数字孪生环境下基于深度学习和多目视觉的数据采集方法
CN110319772B (zh) 基于无人机的视觉大跨度测距方法
CN112734863B (zh) 一种基于自动定位的交叉式双目相机标定方法
CN113592721B (zh) 摄影测量方法、装置、设备及存储介质
CN103337094A (zh) 一种应用双目摄像机实现运动三维重建的方法
WO2007142643A1 (en) Two pass approach to three dimensional reconstruction
CN111461963B (zh) 一种鱼眼图像拼接方法及装置
CN111127556B (zh) 基于3d视觉的目标物体识别和位姿估算方法以及装置
WO2018216341A1 (ja) 情報処理装置、情報処理方法、及びプログラム
CN114037762A (zh) 基于图像与高精度地图配准的实时高精度定位方法
CN116029996A (zh) 立体匹配的方法、装置和电子设备
CN111429571A (zh) 一种基于时空图像信息联合相关的快速立体匹配方法
CN111047636B (zh) 基于主动红外双目视觉的避障系统和避障方法
KR100574227B1 (ko) 카메라 움직임을 보상한 객체 움직임 추출 장치 및 그 방법
CN115035546A (zh) 三维人体姿态检测方法、装置及电子设备
CN115019208A (zh) 一种面向动态交通场景的路面三维重建方法和系统
CN116433760A (zh) 一种水下导航定位系统和方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210316