CN112562008A - 一种局部双目视觉测量中的靶标点匹配方法 - Google Patents
一种局部双目视觉测量中的靶标点匹配方法 Download PDFInfo
- Publication number
- CN112562008A CN112562008A CN202011376616.0A CN202011376616A CN112562008A CN 112562008 A CN112562008 A CN 112562008A CN 202011376616 A CN202011376616 A CN 202011376616A CN 112562008 A CN112562008 A CN 112562008A
- Authority
- CN
- China
- Prior art keywords
- point
- target
- points
- target point
- image
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种局部双目视觉测量中的靶标点匹配方法,使用双目摄像机采集图像,左右相机采集到的同一区域的图像中包含可识别的编码点以及待测量的靶标点;先计算左侧图像中的靶标点与编码点在右侧图像中的投影点,再计算出投影后的靶标点与编码点间的像素距离,以及右侧图像中靶标点与编码点间的像素距离;比较分析出两幅图像中像素距离较为接近的点对,然后计算出左、右图像中各靶标点的ORB特征,近一步比较判断出ORB特征最为一致的点对,并以此作为匹配点对。本发明通过在使用双目视觉方法建立测量场时,匹配左右图像中靶标点,本发明的靶标点匹配具有较高的稳定性,有助于提高靶标点坐标计算精度,具有较好的实用性。
Description
技术领域
本发明属于数字化测量的技术领域,具体涉及一种局部双目视觉测量中的靶标点匹配方法。
背景技术
现代航空制造业正不断向数字化、自动化发展,产品生产加工过程的要求也越来越严格。其中,飞机大型零部件制造外形与理论模型的符合度检测,在反映飞机生产制造质量方面逐步发挥出重要作用。飞机外形轮廓准确度,不仅对直接影响气动性能,还对隐身性能有较大影响。在传统飞机生产过程中,飞机外形的制造情况主要通过使用模线卡板等工具进行符合度检查,不能充分全面的反映外形特征,并且难以形成可以直接利用的模型数据,不利于分析优化改进工艺生产策略,极大地制约了飞机生产质量的提升。
当前,随着激光跟踪技术、摄影测量技术、结构光技术等数字化测量技术的应用,飞机生产环节中越来越多的环节已成功采用了此类数字化测量方法。在飞机大部件外形轮廓测量中,已可见摄影测量加激光扫描的测量方法。其中,通过摄影测量可以对测量辅助用靶标点进行全局优化定位,进而提高激光扫描环节的扫描精度。在摄影测量过程中,匹配不同图像间的靶标点是较为重要的环节,其很大程度上决定了最终结果的准确性。常用的匹配方法为极线搜索法,该方法计算快捷,但事先需要进行两幅图像的变换关系估计,且沿极限搜索时会出现因多个点均满足搜索阈值条件而无法确定结果的情况。因此,为提高计算准确度,需要一种更稳定的匹配方法,以完成不同图像间的靶标点匹配。
发明内容
本发明的目的在于提供一种局部双目视觉测量中的靶标点匹配方法,双目视觉预先测量靶标点建立测量场时图像间的靶标点匹配具备较高的稳定性,有助于提高靶标点坐标计算精度。
本发明主要通过以下技术方案实现:
一种局部双目视觉测量中的靶标点匹配方法,使用双目摄像机采集图像,左右相机采集到的同一区域的图像中包含可识别的编码点以及待测量的靶标点;先计算左侧图像中的靶标点与编码点在右侧图像中的投影点,再计算出投影后的靶标点与编码点间的像素距离,以及右侧图像中靶标点与编码点间的像素距离;比较分析出两幅图像中像素距离较为接近的点对,然后计算出左、右图像中各靶标点的ORB特征,近一步比较判断出ORB特征最为一致的点对,并以此作为匹配点对。
为了更好地实现本发明,进一步地,采用双目摄像机采集图像,若搜索并匹配到同名编码点,则选择基准点,计算图像中靶标点到基准点的像素距离,以及靶标点图像特征。
为了更好地实现本发明,进一步地,双目相机完成一次拍摄后,先分别识别并匹配左右两幅图片中的编码点,选择非图片畸变区域或畸变较小区域的一组同名编码点为基准点。
为了更好地实现本发明,进一步地,左侧相机坐标系相对于右侧相机坐标系的旋转矩阵R和平移向量T,选取编码点P1作为基准点,设P1在左右两侧图像中的投影点分别为p1、p2,左侧图像中待匹配的靶标点为b1、b2、…、bn,右侧图像中待匹配的靶标点为c1、c2、…、cm;计算左侧图像中靶标点和编码点在右侧图像中的投影点,
设编码点p1在右侧图像中的投影点为p′1,则p′1在右侧相机坐标系下的坐标值为:
设靶标点bn在右侧图像中的投影点为b′n,其在右侧相机坐标系下的坐标值为:
计算靶标点到基准点的像素距离:
D1,n=||b′n-p′1||F
同理,可计算出右侧图像中靶标点与基准点的像素距离:
D2,m=||cm-p2||F
其中,f1和f2分别为左右相机的焦距。
为了更好地实现本发明,进一步地,设定阈值L,根据阈值L比较D1,n和D1,m中的元素的残差值,并用矩阵M来记录满足阈值条件的点对:
其中,mij表示M中的元素,i=1,2,…,n,j=1,2,…,m;
M中非空行的行号为左侧图像中对应靶标点的编号,M中非空列的列号为右侧图像中对应靶标点的编号。
为了更好地实现本发明,进一步地,根据M中行号提取出左侧图像中所有对应靶标点的ORB特征,根据M中列号提取出右侧图像中所有对应靶标点的ORB特征,最后比较判断出ORB特征一致的点对,若Fi近似于Fj,则标号为i的靶标点与标号为j的靶标点为匹配点,其中,i表示左侧图像中靶标点的编号,j表示右侧图像中靶标点的编号。
为了更好地实现本发明,进一步地,所述双目摄像机的镜头布置方式为汇聚式布置,且两相机的空间位置关系不发生变化。
本发明的有益效果:
本发明通过在使用双目视觉方法建立测量场时,匹配左右图像中靶标点,本发明的靶标点匹配具有较高的稳定性,有助于提高靶标点坐标计算精度,具有较好的实用性。
附图说明
图1为本发明的流程示意图;
图2为双目摄像机采集识别编码点示意图;
图3为靶标点计算匹配流程示意图。
具体实施方式
实施例1:
一种局部双目视觉测量中的靶标点匹配方法,如图1、图3所示,使用双目摄像机采集图像,左右相机采集到的同一区域的图像中包含可识别的编码点以及待测量的靶标点;先计算左侧图像中的靶标点与编码点在右侧图像中的投影点,再计算出投影后的靶标点与编码点间的像素距离,以及右侧图像中靶标点与编码点间的像素距离;比较分析出两幅图像中像素距离较为接近的点对,然后计算出左、右图像中各靶标点的ORB特征,近一步比较判断出ORB特征最为一致的点对,并以此作为匹配点对。
进一步地,所述双目摄像机的镜头布置方式为汇聚式布置,且两相机的空间位置关系不发生变化。
本发明通过在使用双目视觉方法建立测量场时,匹配左右图像中靶标点,本发明的靶标点匹配具有较高的稳定性,有助于提高靶标点坐标计算精度,具有较好的实用性。
实施例2:
本实施例是在实施例1的基础上进行优化,采用双目摄像机采集图像,若搜索并匹配到同名编码点,则选择基准点,计算图像中靶标点到基准点的像素距离,以及靶标点图像特征。
进一步地,双目相机完成一次拍摄后,先分别识别并匹配左右两幅图片中的编码点,选择非图片畸变区域或畸变较小区域的一组同名编码点为基准点。
本实施例的其他部分与实施例1相同,故不再赘述。
实施例3:
本实施例是在实施例1或2的基础上进行优化,如图2所示,左侧相机坐标系相对于右侧相机坐标系的旋转矩阵R和平移向量T,选取编码点P1作为基准点,设P1在左右两侧图像中的投影点分别为p1、p2,左侧图像中待匹配的靶标点为b1、b2、…、bn,右侧图像中待匹配的靶标点为c1、c2、…、cm;计算左侧图像中靶标点和编码点在右侧图像中的投影点:设编码点p1在右侧图像中的投影点为p′1,则p′1在右侧相机坐标系下的坐标值为:
设靶标点bn在右侧图像中的投影点为b′n,其在右侧相机坐标系下的坐标值为:
计算靶标点到基准点的像素距离:
D1,n=||b′n-p′1||F
同理,可计算出右侧图像中靶标点与基准点的像素距离:
D2,m=||cm-p2||F
其中,f1和f2分别为左右相机的焦距。
进一步地,设定阈值L,根据阈值L比较D1,n和D1,m中的元素的残差值,并用矩阵M来记录满足阈值条件的点对:
其中,mij表示M中的元素,i=1,2,…,n,j=1,2,…,m;
M中非空行的行号为左侧图像中对应靶标点的编号,M中非空列的列号为右侧图像中对应靶标点的编号。
进一步地,根据M中行号提取出左侧图像中所有对应靶标点的ORB特征,根据M中列号提取出右侧图像中所有对应靶标点的ORB特征,最后比较判断出ORB特征一致的点对,若Fi近似于Fj,则标号为i的靶标点与标号为j的靶标点为匹配点,其中,i表示左侧图像中靶标点的编号,j表示右侧图像中靶标点的编号。
本实施例的其他部分与上述实施例1或2相同,故不再赘述。
实施例4:
一种局部双目视觉测量中的靶标点匹配方法,结合图1-图3进行说明,采用的双目摄像机镜头布置方式为汇聚式布置,且两相机的空间位置关系不发生变化。在采集图像之前,需对双目相机进行标定,得出左右相机坐标系之间的变换关系,即左侧相机坐标系相对于右侧相机坐标系的旋转矩阵R和平移向量T。
如图2、图3所示,双目相机完成一次拍摄后,先分别识别并匹配左右两幅图片中的编码点,选择非图片畸变区域或畸变较小区域的一组同名编码点为基准,此例中,选取编码点P1作为基准点。设P1在左右两侧图像中的投影点分别为p1、p2,左侧图像中待匹配的靶标点为b1、b2、…、bn,右侧图像中待匹配的靶标点为c1、c2、…、cm。计算左侧图像中靶标点和编码点在右侧图像中的投影点,其计算方法如下:
(1)设编码点p1在右侧图像中的投影点为p′1,则p′1在右侧相机坐标系下的坐标值为
设靶标点bn在右侧图像中的投影点为b′n,其在右侧相机坐标系下的坐标值为
其中,f1和f2分别为左右相机的焦距。
(2)再计算投影后,靶标点到基准点的像素距离,其计算方法如下:
D1,n=||b′n-p′1||F
同理,可计算出右侧图像中靶标点与基准点的像素距离,其计算方法如下:
D2,m=||cm-p2||F
(3)设定阈值L,根据阈值L比较D1,n和D1,m中的元素的残差值,并用矩阵M来记录满足阈值条件的点对,其计算方法如下
其中,mij表示M中的元素,i=1,2,…,n,j=1,2,…,m。
矩阵M中的非零向量,其一个元素表示左侧图像中靶标点的编号,第二个元素表示右侧图像中靶标点的编号,即M中非空行的行号为左侧图像中对应靶标点的编号,M中非空列的列号为右侧图像中对应靶标点的编号。根据行号提取出左侧图像中所有对应靶标点的ORB特征,根据列号提取出右侧图像中所有对应靶标点的ORB特征,最后比较判断出ORB特征一致的点对:
若Fi近似于Fj,则标号为i的靶标点与标号为j的靶标点为匹配点,其中,i表示左侧图像中靶标点的编号,j表示右侧图像中靶标点的编号。
本发明通过在使用双目视觉方法建立测量场时,匹配左右图像中靶标点,本发明的靶标点匹配具有较高的稳定性,有助于提高靶标点坐标计算精度,具有较好的实用性。
实施例5:
一种局部双目视觉测量中的靶标点匹配方法,如图1、图2所示,主要包括以下步骤:
步骤S1:采用双目摄像机采集图像,
步骤S2:判断是否搜索并匹配到同名编码点,若是,则选择基准点,否则重复采集图像;双目相机完成一次拍摄后,先分别识别并匹配左右两幅图片中的编码点,选择非图片畸变区域或畸变较小区域的一组同名编码点为基准点;
步骤S3:选择基准点之后计算图像中靶标点到基准点的像素距离,以及靶标点图像特征;将两幅图像中特征最接近的点对确定为匹配点对。
计算左侧图像中靶标点和编码点在右侧图像中的投影点,再分别计算投影后的待匹配靶标点以及右侧图像中待匹配靶标点到各自基准的像素距离,比较分析出两幅图像中该特征较为接近的点对。
利用ORB特征计算方式计算所述接近点对对应图像中靶标点的特征。根据各靶标点特征,近一步比较判断出该点对中最为一致的点对,并以此作为匹配点对。
本发明通过在使用双目视觉方法建立测量场时,匹配左右图像中靶标点,本发明的靶标点匹配具有较高的稳定性,有助于提高靶标点坐标计算精度,具有较好的实用性。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (7)
1.一种局部双目视觉测量中的靶标点匹配方法,其特征在于,使用双目摄像机采集图像,左右相机采集到的同一区域的图像中包含可识别的编码点以及待测量的靶标点;先计算左侧图像中的靶标点与编码点在右侧图像中的投影点,再计算出投影后的靶标点与编码点间的像素距离,以及右侧图像中靶标点与编码点间的像素距离;比较分析出两幅图像中像素距离较为接近的点对,然后计算出左、右图像中各靶标点的ORB特征,近一步比较判断出ORB特征最为一致的点对,并以此作为匹配点对。
2.根据权利要求1所述的一种局部双目视觉测量中的靶标点匹配方法,其特征在于,采用双目摄像机采集图像,若搜索并匹配到同名编码点,则选择基准点,计算图像中靶标点到基准点的像素距离,以及靶标点图像特征。
3.根据权利要求2所述的一种局部双目视觉测量中的靶标点匹配方法,其特征在于,双目相机完成一次拍摄后,先分别识别并匹配左右两幅图片中的编码点,选择非图片畸变区域或畸变较小区域的一组同名编码点为基准点。
4.根据权利要求1-3任一项所述的一种局部双目视觉测量中的靶标点匹配方法,其特征在于,左侧相机坐标系相对于右侧相机坐标系的旋转矩阵R和平移向量T,选取编码点P1作为基准点,设P1在左右两侧图像中的投影点分别为p1、p2,左侧图像中待匹配的靶标点为b1、b2、…、bn,右侧图像中待匹配的靶标点为c1、c2、…、cm;计算左侧图像中靶标点和编码点在右侧图像中的投影点:
设编码点p1在右侧图像中的投影点为p′1,则p′1在右侧相机坐标系下的坐标值为:
设靶标点bn在右侧图像中的投影点为b′n,其在右侧相机坐标系下的坐标值为:
计算靶标点到基准点的像素距离:
D1,n=||b′n-p′1||F
同理,可计算出右侧图像中靶标点与基准点的像素距离:
D2,m=||cm-p2||F
其中,f1和f2分别为左右相机的焦距。
6.根据权利要求5所述的一种局部双目视觉测量中的靶标点匹配方法,其特征在于,根据M中行号提取出左侧图像中所有对应靶标点的ORB特征,根据M中列号提取出右侧图像中所有对应靶标点的ORB特征,最后比较判断出ORB特征一致的点对,若Fi近似于Fj,则标号为i的靶标点与标号为j的靶标点为匹配点,其中,i表示左侧图像中靶标点的编号,j表示右侧图像中靶标点的编号。
7.根据权利要求1所述的一种局部双目视觉测量中的靶标点匹配方法,其特征在于,所述双目摄像机的镜头布置方式为汇聚式布置,且两相机的空间位置关系不发生变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376616.0A CN112562008B (zh) | 2020-11-30 | 2020-11-30 | 一种局部双目视觉测量中的靶标点匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376616.0A CN112562008B (zh) | 2020-11-30 | 2020-11-30 | 一种局部双目视觉测量中的靶标点匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562008A true CN112562008A (zh) | 2021-03-26 |
CN112562008B CN112562008B (zh) | 2022-04-08 |
Family
ID=75045612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011376616.0A Active CN112562008B (zh) | 2020-11-30 | 2020-11-30 | 一种局部双目视觉测量中的靶标点匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562008B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420736A (zh) * | 2021-08-23 | 2021-09-21 | 成都飞机工业(集团)有限责任公司 | 一种基于视频拆分的3d打印缺陷确定方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692214A (zh) * | 2012-06-11 | 2012-09-26 | 北京航空航天大学 | 一种狭窄空间双目视觉测量定位装置及方法 |
KR101532320B1 (ko) * | 2014-04-18 | 2015-07-22 | 국방과학연구소 | 자율주행 무인차량에 탑재된 쌍안카메라를 이용한 동적물체 검출방법 |
US20150229911A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of binocular depth perception based on active structured light |
CN105444696A (zh) * | 2015-12-30 | 2016-03-30 | 天津大学 | 一种基于透视投影直线测量模型的双目匹配方法及其应用 |
CN106340044A (zh) * | 2015-07-09 | 2017-01-18 | 上海振华重工电气有限公司 | 摄像机外参自动标定方法及标定装置 |
CN106767399A (zh) * | 2016-11-11 | 2017-05-31 | 大连理工大学 | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 |
CN110889243A (zh) * | 2019-12-20 | 2020-03-17 | 南京航空航天大学 | 一种基于深度相机的飞机油箱三维重建方法与检测方法 |
CN111028284A (zh) * | 2019-10-31 | 2020-04-17 | 浙江未来技术研究院(嘉兴) | 一种基于同名标记点的双目视觉立体匹配方法及装置 |
CN111932565A (zh) * | 2019-05-13 | 2020-11-13 | 中国科学院沈阳自动化研究所 | 一种多靶标识别跟踪解算方法 |
-
2020
- 2020-11-30 CN CN202011376616.0A patent/CN112562008B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692214A (zh) * | 2012-06-11 | 2012-09-26 | 北京航空航天大学 | 一种狭窄空间双目视觉测量定位装置及方法 |
US20150229911A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of binocular depth perception based on active structured light |
KR101532320B1 (ko) * | 2014-04-18 | 2015-07-22 | 국방과학연구소 | 자율주행 무인차량에 탑재된 쌍안카메라를 이용한 동적물체 검출방법 |
CN106340044A (zh) * | 2015-07-09 | 2017-01-18 | 上海振华重工电气有限公司 | 摄像机外参自动标定方法及标定装置 |
CN105444696A (zh) * | 2015-12-30 | 2016-03-30 | 天津大学 | 一种基于透视投影直线测量模型的双目匹配方法及其应用 |
CN106767399A (zh) * | 2016-11-11 | 2017-05-31 | 大连理工大学 | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 |
CN111932565A (zh) * | 2019-05-13 | 2020-11-13 | 中国科学院沈阳自动化研究所 | 一种多靶标识别跟踪解算方法 |
CN111028284A (zh) * | 2019-10-31 | 2020-04-17 | 浙江未来技术研究院(嘉兴) | 一种基于同名标记点的双目视觉立体匹配方法及装置 |
CN110889243A (zh) * | 2019-12-20 | 2020-03-17 | 南京航空航天大学 | 一种基于深度相机的飞机油箱三维重建方法与检测方法 |
Non-Patent Citations (4)
Title |
---|
LEI YIN等: "《Flexible Three-Dimensional Reconstruction via Structured-Light-Based Visual Positioning and Global Optimization》", 《SENSORS(BASEL)》 * |
吴庆阳 等: "《一种新的360°三维测量系统及标定技术》", 《中国激光》 * |
杨林志: "《基于视觉的移动机器人SLAM算法研究》", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
隋少春: "《飞机整机装配质量数字化测量技术》", 《中国科学:技术科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420736A (zh) * | 2021-08-23 | 2021-09-21 | 成都飞机工业(集团)有限责任公司 | 一种基于视频拆分的3d打印缺陷确定方法 |
CN113420736B (zh) * | 2021-08-23 | 2022-01-04 | 成都飞机工业(集团)有限责任公司 | 一种基于视频拆分的3d打印缺陷确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112562008B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN113077453A (zh) | 一种基于深度学习的电路板元器件缺陷检测方法 | |
CN111223133A (zh) | 一种异源图像的配准方法 | |
CN109919007B (zh) | 一种生成红外图像标注信息的方法 | |
CN114494462A (zh) | 一种基于Yolov5和改进跟踪算法的双目相机测距方法 | |
CN103729631A (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN113129384B (zh) | 基于一维编码靶标的双目视觉系统灵活标定方法 | |
CN113313047A (zh) | 一种基于车道结构先验的车道线检测方法及系统 | |
CN110992410B (zh) | 基于rgb-d数据融合的机器人视觉引导方法和装置 | |
CN107862319A (zh) | 一种基于邻域投票的异源高分光学影像匹配误差剔除方法 | |
CN116778288A (zh) | 一种多模态融合目标检测系统及方法 | |
CN114279433A (zh) | 地图数据自动化生产方法、相关装置及计算机程序产品 | |
CN112562008B (zh) | 一种局部双目视觉测量中的靶标点匹配方法 | |
CN113538585B (zh) | 基于无人机的高精度多目标智能识别定位追踪方法及系统 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN116468764A (zh) | 基于超点空间引导的多视图工业点云高精度配准系统 | |
CN108520533B (zh) | 一种面向工件定位的多维度特征配准方法 | |
CN110838146A (zh) | 一种共面交比约束的同名点匹配方法、系统、装置及介质 | |
CN112183311A (zh) | 一种基于双模态数据融合的变电站设备故障检测方法 | |
CN111998823A (zh) | 基于双目异光源测距装置的目标测距方法 | |
CN110956640B (zh) | 一种异源图像边缘点检测与配准方法 | |
CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
CN109242911A (zh) | 一种基于分区域的双目相机基本矩阵计算方法 | |
CN112785647A (zh) | 一种三目立体图像检测方法和系统 | |
CN111950433A (zh) | 光学卫星影像特征匹配深度学习训练样本集自动构建方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |