CN112734832A - 一种即时获得线上物体实际尺寸测量方法 - Google Patents

一种即时获得线上物体实际尺寸测量方法 Download PDF

Info

Publication number
CN112734832A
CN112734832A CN202110085270.7A CN202110085270A CN112734832A CN 112734832 A CN112734832 A CN 112734832A CN 202110085270 A CN202110085270 A CN 202110085270A CN 112734832 A CN112734832 A CN 112734832A
Authority
CN
China
Prior art keywords
reference object
image
points
deformation
measured object
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
Application number
CN202110085270.7A
Other languages
English (en)
Other versions
CN112734832B (zh
Inventor
梁思
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.)
Ni Ke Network Technology Co ltd
Original Assignee
Ni Ke Network Technology Co ltd
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 Ni Ke Network Technology Co ltd filed Critical Ni Ke Network Technology Co ltd
Priority to CN202110085270.7A priority Critical patent/CN112734832B/zh
Priority claimed from CN202110085270.7A external-priority patent/CN112734832B/zh
Priority to PCT/CN2021/078823 priority patent/WO2022156044A1/zh
Publication of CN112734832A publication Critical patent/CN112734832A/zh
Application granted granted Critical
Publication of CN112734832B publication Critical patent/CN112734832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30108—Industrial image inspection
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

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

Abstract

本发明公开了一种即时获得线上物体实际尺寸测量方法，该方法利用云端程序对被测量物体与其参照物组合影像的数据处理和矫正，实现了线上点击物体表面任意两点即可获得两点之间的实际距离。本发明的优点是：有效避免了线上物体影像与其实物形状尺寸的误差和差异，不仅解决了被测量物体影像的透视变形产生的误差问题，同时也解决了被测量物体自身变形产生的误差问题，测量方法简单，在线上实现了点击物体表面任意两点即可获得物体上该两点的实际距离。

Description

一种即时获得线上物体实际尺寸测量方法
技术领域
本发明属于图像识别技术领域，具体涉及一种即时获得线上物体实际尺寸测量方法。
背景技术
现有技术通常已知影像中某一物体的尺寸并用该尺寸等比放大或缩小被测量物体，能够一定程度上矫正拍摄角度造成的误差，然而并不够准确获取真实数据，当然对于柔软物体，例如织物等表面局部变形带来的误差以及拍摄时抖动或不聚焦造成的误差的处理更加困难，而在实际应用中往往此类误差往往非常大。
因此，本领域技术人员急需一种能够克服拍摄录制影像透视变形、抖动、不聚焦以及柔软物体自身变形等问题所带来的误差的测量方法。
发明内容
本发明的目的是根据上述现有技术的不足之处，提供一种即时获得线上物体实际尺寸测量方法，该方法利用云端程序对被测量物体与其参照物组合影像的数据处理和矫正，实现了线上点击物体表面任意两点即可获得两点之间的实际距离。
本发明目的实现由以下技术方案完成：
一种即时获得线上物体实际尺寸测量方法，其特征在于所述方法包括以下步骤：（1）将已知尺寸的参照物与被测量物体放置在同一平面，通过拍照摄影设备对所述参照物和所述被测量物体进行拍照摄影获得影像，所述已知尺寸包括所述参照物的任意两点间的实际间距值；
（2）通过云端处理程序对所述影像进行处理，至少包括如下内容：对所述影像进行阀值化处理，再根据所述参照物的特征信息，捕获到所述参照物轮廓信息；根据所述参照物的轮廓信息计算变形矩阵，将所述变形矩阵保存为影像属性1；根据所述影像属性对所述影像进行透视变形矫正；将所述参照物的实际间距值除以影像中所述参照物的实际间距值对应区域内的像素数量获得像素比例，将所述是像素比例保存为影像属性2；将所述影像属性1和所述影像属性2与所述被测量物体形成关联数据，并将关联数据存入云端数据库；
（3）通过云端处理程序定义确定被测量物体上任意两点间的实际距离为：被测量物体影像中对应所述任意两点间的像素数量乘以所述像素比例获得的数值。
所述参照物为呈具有高强对比度色差的几何图案。
根据所述变形矩阵对所述参照物进行透视变形矫正的计算公式为：
Figure DEST_PATH_IMAGE001
x=x´/w´=（a 11 u+a 21 v+a 31 ）/（a 13 u+a 23 v+a 33 ）
y=y´/w´=（a 12 u+a 22 v+a 32 ）/（a 13 u+a 23 v+a 33 ） 其中：
x表示把三维坐标系中的点转换到二维图片上移动的距离；
y表示把三维坐标系中的点转换到二维图片上移动的距离；
（x,y,w）表示所述参照物在透视拉伸前的坐标；
（x’,y’,w’）表示所述参照物在透视拉伸后的坐标；
a表示三维变形参数；
Figure 723553DEST_PATH_IMAGE002
表示透视变换矩阵；
Figure DEST_PATH_IMAGE003
表示线性变换；
[a31，a32]用于平移；
u、v、w分别表示原始点。
当所述被测量物体表面出现自身变形而非透视变形时，采用如下方法进一步处理：在所述被测量物体表面附着柔性膜，构成变形复合膜体，所述柔性膜表面具有参照物几何图案；所述云端处理程序生成m*n个交点的神经网络，所述神经网络交点为控制点，所述云端处理程序通过运用所述柔性膜表面的参照物几何图案与所述变形复合膜体表面的参照物几何图案进行机器学习训练，以使所述神经网络的每个所述控制点得到一个还原矢量，通过所述还原矢量将所述变形复合膜体表面的参照物几何图案修正复原至所述柔性膜表面的参照物几何图案；将所述还原矢量的神经网络用于所述被测量物体表面，以修正所述被测量物体表面的自身变形。
本发明的优点是：有效避免了线上物体影像与其实物形状尺寸的误差和差异，不仅解决了被测量物体影像的透视变形产生的误差问题，同时也解决了被测量物体自身变形产生的误差问题，测量方法简单，在线上实现了点击物体表面任意两点即可获得物体上该两点的实际距离。
具体实施方式
以下通过实施例对本发明的特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：
实施例：本实施例具体涉及即时获得线上物体实际尺寸测量方法，该方法主要包括以下步骤：
一种即时获得线上物体实际尺寸测量方法，其特征在于所述方法包括以下步骤：
（1）输入端的使用：
将已知尺寸的参照物与被测量物体放置在同一平面，通过拍照摄影设备对所述参照物和所述被测量物体进行拍照摄影获得影像，该已知尺寸包括该参照物的任意两点间的实际间距值，拍照时记录照相设备与被拍摄物体之间的距离。
需要说明的是，当批量拍摄测距时，仅第一次拍摄时需要将参照物同被测量物体放置在一起，以在拍摄后在云端处理程序上生成校准参数（即像素比例）；后续拍摄时，无需再放置参照物，使照相设备同后续被测量物体之间的距离保持不变即可，可采用统一校准参数进行处理。
参照物是任何有可见图案的平面物体，例如印刷品，刺绣，浮雕，镌刻等。图案具有一定几何规则及强烈对比色差。通过分析拍摄的影像上参照物图案上两点间相对位置、相对方向、相机镜头导致的光学扭曲、拍摄角度导致的透视变形、镜头导致的部分模糊等相关信息，计算机程序构建模型及计算公式用于处理和校对被测量物体表面的相关形变，从而获得准确的测量结果。例如参照物表面可以选择条形码、棋盘格子、二维码等图案。
（2）云端的处理：
将拍摄获得的影像上传至云端进行处理，即，云端处理程序对获得的影像进行处理；
（2.1）透视变形矫正处理：
a. 对图片进行阀值化处理，搜索集群对象，捕获参照物。
b. 步骤a可能捕获多个可能包含参照物的对象；根据参照物的特征，对捕获对象逐一进行特征映射，从而获得参照物。
c. 找到参照物的边缘，并计算变形矩阵；变形矩阵保存为影像属性1；根据变形矩阵对影像进行透视变形矫正, 如图1所示（A、B、C三点为原参照物的三个点，A’、B’、C’三点为参照物透视变形后的三个点），矩阵变换的计算公式为：
Figure 678871DEST_PATH_IMAGE001
x=x´/w´=（a 11 u+a 21 v+a 31 ）/（a 13 u+a 23 v+a 33 ）
y=y´/w´=（a 12 u+a 22 v+a 32 ）/（a 13 u+a 23 v+a 33 ） 其中：
x表示把三维坐标系中的点转换到二维图片上移动的距离；
y表示把三维坐标系中的点转换到二维图片上移动的距离；
（x,y,w）表示所述参照物在透视拉伸前的坐标；
（x’,y’,w’）表示所述参照物在透视拉伸后的坐标；
a表示三维变形参数；
Figure 235754DEST_PATH_IMAGE002
表示透视变换矩阵；
Figure 502787DEST_PATH_IMAGE003
表示线性变换；
[a31，a32]用于平移；
u、v、w分别表示原始点。
d. 将参照物表面上任意实际两点之间的实际间距值除以影像中该参照物的对应的两点之间的间距值对应区域内的像素数量获得像素比例，将该像素比例保存为影像属性2；将影像属性1和所述影像属性2与所述被测量物体形成关联数据，并将关联数据存入云端数据库；
（2.2）非透视变形处理：
本实施例中选择柔软织物作为被测量物体进行说明，当该织物表面出现褶皱或非透视变形时，先在该织物褶皱处或其他变形处的表面上贴合附着柔性膜，构成变形复合膜体，该柔性膜选择轻薄易贴合材料，使该变形复合膜体的变形与织物变形效果相同；柔性膜表面具有参照物几何图案；云端处理程序生成m*n个交点的神经网络，该神经网络交点为控制点，云端处理程序通过运用柔性膜表面的参照物几何图案与变形复合膜体表面的参照物几何图案进行机器学习训练，以使所述神经网络的每个所述控制点得到一个还原矢量，通过该还原矢量将变形复合膜体表面的参照物几何图案修正复原至该柔性膜表面的参照物几何图案；将还原矢量的神经网络用于柔性织物表面，以修正柔性织物表面的自身变形。
参照物几何图案可以选择条形码、棋盘格子、二维码等图案。
（3）用户端的使用：
通过云端处理程序定义确定被测量物体上任意两点间的实际距离为：被测量物体影像中对应所述任意两点间的像素数量乘以所述像素比例获得的数值。
用户端 A) ：用户在处理完成的织物影像上，点击表面任意两个点，将两个点之间的像素数量乘以像素比例，即可获得两个点之间的实际距离；
用户端 B）：任何能够链接到云端数据库的设备：用户从数据库中选择已拍摄的相片进行测量；
用户端C）：任何能连接到云端数据库的摄制设备：用户对产品进行摄制，摄制设备与产品保持指定的距离，程序匹配到数据库中相应产品相应距离的校准参数，运用输入端中描述的规则，实现对图像的处理及测量。

Claims (4)

1.一种即时获得线上物体实际尺寸测量方法，其特征在于所述方法包括以下步骤：（1）将已知尺寸的参照物与被测量物体放置在同一平面，通过拍照摄影设备对所述参照物和所述被测量物体进行拍照摄影获得影像，所述已知尺寸包括所述参照物的任意两点间的实际间距值；
（2）通过云端处理程序对所述影像进行处理，至少包括如下内容：对所述影像进行阀值化处理，再根据所述参照物的特征信息，捕获到所述参照物轮廓信息；根据所述参照物的轮廓信息计算变形矩阵，将所述变形矩阵保存为影像属性1；根据所述影像属性对所述影像进行透视变形矫正；将所述参照物的实际间距值除以影像中所述参照物的实际间距值对应区域内的像素数量获得像素比例，将所述是像素比例保存为影像属性2；将所述影像属性1和所述影像属性2与所述被测量物体形成关联数据，并将关联数据存入云端数据库；
（3）通过云端处理程序定义确定被测量物体上任意两点间的实际距离为：被测量物体影像中对应所述任意两点间的像素数量乘以所述像素比例获得的数值。
2.根据权利要求1所述的一种即时获得线上物体实际尺寸测量方法，其特征在于所述参照物为呈具有高强对比度色差的几何图案。
3.根据权利要求1所述的一种即时获得线上物体实际尺寸测量方法，其特征在于根据所述变形矩阵对所述参照物进行透视变形矫正的计算公式为：
Figure DEST_PATH_IMAGE002
x=x´/w´=（a 11 u+a 21 v+a 31 ）/（a 13 u+a 23 v+a 33 ）
y=y´/w´=（a 12 u+a 22 v+a 32 ）/（a 13 u+a 23 v+a 33 ） 其中：
x表示把三维坐标系中的点转换到二维图片上移动的距离；
y表示把三维坐标系中的点转换到二维图片上移动的距离；
（x,y,w）表示所述参照物在透视拉伸前的坐标；
（x’,y’,w’）表示所述参照物在透视拉伸后的坐标；
a表示三维变形参数；
Figure DEST_PATH_IMAGE004
表示透视变换矩阵；
Figure DEST_PATH_IMAGE006
表示线性变换；
[a31，a32]用于平移；
u、v、w分别表示原始点。
4.根据权利要求1所述的一种即时获得线上物体实际尺寸测量方法，其特征在于当所述被测量物体表面出现自身变形而非透视变形时，采用如下方法进一步处理：在所述被测量物体表面附着柔性膜，构成变形复合膜体，所述柔性膜表面具有参照物几何图案；所述云端处理程序生成m*n个交点的神经网络，所述神经网络交点为控制点，所述云端处理程序通过运用所述柔性膜表面的参照物几何图案与所述变形复合膜体表面的参照物几何图案进行机器学习训练，以使所述神经网络的每个所述控制点得到一个还原矢量，通过所述还原矢量将所述变形复合膜体表面的参照物几何图案修正复原至所述柔性膜表面的参照物几何图案；将所述还原矢量的神经网络用于所述被测量物体表面，以修正所述被测量物体表面的自身变形。
CN202110085270.7A 2021-01-22 2021-01-22 一种即时获得线上物体实际尺寸测量方法 Active CN112734832B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110085270.7A CN112734832B (zh) 2021-01-22 一种即时获得线上物体实际尺寸测量方法
PCT/CN2021/078823 WO2022156044A1 (zh) 2021-01-22 2021-03-03 一种即时获得线上物体实际尺寸测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110085270.7A CN112734832B (zh) 2021-01-22 一种即时获得线上物体实际尺寸测量方法

Publications (2)

Publication Number Publication Date
CN112734832A true CN112734832A (zh) 2021-04-30
CN112734832B CN112734832B (zh) 2024-05-31

Family

ID=

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113310414A (zh) * 2021-06-01 2021-08-27 北京远鸥科技有限公司 一种钥匙图像齿形快速测量与定义方法及系统
CN113822942A (zh) * 2021-09-09 2021-12-21 南京中科逆熵科技有限公司 一种基于二维码的单目摄像头测量物体尺寸的方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1669048A (zh) * 2002-06-12 2005-09-14 国家科学研究中心 定位表面冲击的方法及其实现设备
CN102254318A (zh) * 2011-04-08 2011-11-23 上海交通大学 基于图像透视投影变换的车辆道路交通视频测速方法
CN104766309A (zh) * 2015-03-19 2015-07-08 江苏国典艺术品保真科技有限公司 一种平面特征点导航定位方法与装置
US20160012611A1 (en) * 2013-01-07 2016-01-14 Wexenergy Innovations Llc System And Method Of Measuring Distances Related To An Object Utilizing Ancillary Objects
DE102016119945A1 (de) * 2016-10-19 2018-04-19 Ortery Technologies, Inc. Verfahren zur Längenmessung für 2-D-Fotografie
US20190072897A1 (en) * 2017-08-14 2019-03-07 Open Water, Inc. Applications of diffuse medium imaging
CN110443879A (zh) * 2019-07-24 2019-11-12 华中科技大学 一种基于神经网络的透视误差补偿方法
CN111192235A (zh) * 2019-12-05 2020-05-22 中国地质大学（武汉） 一种基于单目视觉模型和透视变换的图像测量方法
CN111798478A (zh) * 2020-07-07 2020-10-20 重庆大学 风力发电机叶片前缘覆冰厚度测量方法
CN112212935A (zh) * 2020-09-28 2021-01-12 北京艾克斯智能科技有限公司 基于数字图像处理的水体水位测量方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1669048A (zh) * 2002-06-12 2005-09-14 国家科学研究中心 定位表面冲击的方法及其实现设备
CN102254318A (zh) * 2011-04-08 2011-11-23 上海交通大学 基于图像透视投影变换的车辆道路交通视频测速方法
US20160012611A1 (en) * 2013-01-07 2016-01-14 Wexenergy Innovations Llc System And Method Of Measuring Distances Related To An Object Utilizing Ancillary Objects
CN104766309A (zh) * 2015-03-19 2015-07-08 江苏国典艺术品保真科技有限公司 一种平面特征点导航定位方法与装置
DE102016119945A1 (de) * 2016-10-19 2018-04-19 Ortery Technologies, Inc. Verfahren zur Längenmessung für 2-D-Fotografie
US20190072897A1 (en) * 2017-08-14 2019-03-07 Open Water, Inc. Applications of diffuse medium imaging
CN110443879A (zh) * 2019-07-24 2019-11-12 华中科技大学 一种基于神经网络的透视误差补偿方法
CN111192235A (zh) * 2019-12-05 2020-05-22 中国地质大学（武汉） 一种基于单目视觉模型和透视变换的图像测量方法
CN111798478A (zh) * 2020-07-07 2020-10-20 重庆大学 风力发电机叶片前缘覆冰厚度测量方法
CN112212935A (zh) * 2020-09-28 2021-01-12 北京艾克斯智能科技有限公司 基于数字图像处理的水体水位测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SERGE BELONGLE等: "Shape Matching and Object Recogntion Using Shape Contexts", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》, vol. 24, no. 24, 30 April 2002 (2002-04-30), pages 509 - 522 *
季钦杰等: "水果尺寸在线测量的智能柔性手爪设计", 《江苏农业学报》, vol. 36, no. 2, 31 December 2020 (2020-12-31), pages 455 - 462 *
赵明: "基于图像的物体尺寸测量算法研究", 《软件导刊》, vol. 15, no. 11, 30 November 2016 (2016-11-30), pages 48 - 52 *
陈大鹏等: "基于形变补偿的非接触式液体流量算法研究", 《现代信息科技》, vol. 4, no. 11, 10 June 2020 (2020-06-10), pages 48 - 50 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113310414A (zh) * 2021-06-01 2021-08-27 北京远鸥科技有限公司 一种钥匙图像齿形快速测量与定义方法及系统
CN113822942A (zh) * 2021-09-09 2021-12-21 南京中科逆熵科技有限公司 一种基于二维码的单目摄像头测量物体尺寸的方法
CN113822942B (zh) * 2021-09-09 2023-11-17 南京中科逆熵科技有限公司 一种基于二维码的单目摄像头测量物体尺寸的方法

Also Published As

Publication number Publication date
WO2022156044A1 (zh) 2022-07-28

Similar Documents

Publication Publication Date Title
CN111429532B (zh) 一种利用多平面标定板提高相机标定精确度的方法
CN109344882B (zh) 基于卷积神经网络的机器人控制目标位姿识别方法
CN106780619B (zh) 一种基于Kinect深度相机的人体尺寸测量方法
CN109064516B (zh) 一种基于绝对二次曲线像的相机自标定方法
CN111429533B (zh) 一种相机镜头畸变参数估计装置及方法
JPH10253322A (ja) 空間内で物体を位置指定する方法および装置
CN108629810B (zh) 双目相机的标定方法、装置及终端
US10169891B2 (en) Producing three-dimensional representation based on images of a person
CN109859137B (zh) 一种广角相机非规则畸变全域校正方法
CN110648274B (zh) 鱼眼图像的生成方法及装置
CN115564842A (zh) 双目鱼眼相机的参数标定方法、装置、设备及存储介质
CN116129037B (zh) 视触觉传感器及其三维重建方法、系统、设备及存储介质
CN113554709A (zh) 一种基于偏振信息的相机-投影仪系统标定方法
CN110084743A (zh) 基于多航带起始航迹约束的图像拼接与定位方法
CN111833392A (zh) 标记点多角度扫描方法、系统及装置
CN117579753A (zh) 三维扫描方法、装置、计算机设备以及存储介质
WO2022156044A1 (zh) 一种即时获得线上物体实际尺寸测量方法
JP2006195790A (ja) レンズ歪推定装置、レンズ歪推定方法、及びレンズ歪推定プログラム
CN112712566A (zh) 基于结构参数在线校正的双目立体视觉传感器测量方法
CN112734832B (zh) 一种即时获得线上物体实际尺寸测量方法
CN107270875B (zh) 运动模糊效应下的视觉特征三维重建方法
JP2007034964A (ja) カメラ視点運動並びに３次元情報の復元及びレンズ歪パラメータの推定方法、装置、カメラ視点運動並びに３次元情報の復元及びレンズ歪パラメータの推定プログラム
CN114972451A (zh) 一种基于旋转不变的SuperGlue匹配的遥感影像配准方法
JP2017162449A (ja) 情報処理装置、情報処理装置の制御方法およびプログラム
CN113048899A (zh) 基于线结构光的厚度测量方法和系统

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