CN112785647A - 一种三目立体图像检测方法和系统 - Google Patents
一种三目立体图像检测方法和系统 Download PDFInfo
- Publication number
- CN112785647A CN112785647A CN202110112706.7A CN202110112706A CN112785647A CN 112785647 A CN112785647 A CN 112785647A CN 202110112706 A CN202110112706 A CN 202110112706A CN 112785647 A CN112785647 A CN 112785647A
- Authority
- CN
- China
- Prior art keywords
- camera
- binocular
- distance measurement
- formula
- calibration
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000003287 optical effect Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- 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
- 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
-
- 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
- G06T2207/20228—Disparity calculation for image-based rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
本发明公开了一种三目立体图像检测方法,采用三目立体图像检测系统,三目立体图像检测系统包括第一摄像机、第二摄像机、第三摄像机;第一摄像机、第二摄像机、第三摄像机规格相同,光轴平行,所述方法包括步骤一:选择两个不同的距离,进行两次标定,每次标定均测量标定点在第一摄像机、第二摄像机、第三摄像机的水平像素坐标;步骤二:根据公式从三个摄像机中选择三种组合方式不同的两个摄像机组成双目,利用步骤一得到的水平像素坐标和标定距离,从而得到这组双目下的测距计算公式;步骤三:待三组双目下的测距计算公式都得出后,检测角点的像素坐标,分别代入三组双目的测距计算公式,得出三组距离,取平均值得到三目摄像机的垂直距离。
Description
技术领域
本发明涉及计算机视觉技术领域,特别是涉及一种三目立体图像检测方法和系统。
背景技术
传统的图像检测技术,采用单个摄像机作为视频源输入,即二维图像检测技术。通过图像采集、灰度化、二值化、降噪处理、轮廓识别、特征提取等步骤,基于线性回归、逻辑回归、决策树、神经网络(包括深度学习)、支持向量机、马尔科夫链等算法实现图像内物体的检测,最终判断得出物体的分类和矩形区域。
在上述图像检测过程中,加工、处理、分析、检测的都是二维图像信息,不可避免地会产生诸多误判,特别是在立体物的检测上,经常将各种各样的平面物体误判为立体物,导致立体物的检测准确度欠佳。例如,在公路交通行业的应用中,二维图像检测技术经常把车灯闪光、路面阴影、路面字符、车道线、车轮水痕等平面目标误判为车辆或行人。
传统的双目测距技术,可基于两台摄像机的二维图像,计算出目标距离摄像机的距离。双目测距技术要求架设两台摄像机,两台摄像机的距离固定、光轴平行、焦距相同。通过公式,可根据目标在两台摄像机中的视差计算得出目标与两台摄像机之间的垂直距离。见图1。
上述公式中,Z表示测距目标P与两台摄像机之间的垂直距离;B表示两台摄像机之间的距离,即基线长度;f表示两台摄像机的焦距;XL和XR分别表示测距目标在左目摄像机和右目摄像机上的像素坐标;k表示像素的实际物理尺寸,|XR-XR|·k即左目摄像机和右目摄像机的视差。XL和XR可以确切获知,但其它参数需通过标定逆向求出,在标定的过程中,Z的测量值往往与实际值有一个固定偏差,不纠正这个测量偏差,必然导致测距值的准确度降低。
因鉴于此,特提出本发明。
发明内容
本发明的目的在于提供一种三目立体图像检测方法和系统,实现高精度测距、立体特征匹配,以解决现有技术中存在的不足。
为解决上述问题,第一方面,本发明实施例提供一种三目立体图像检测方法,采用三目立体图像检测系统,所述三目立体图像检测系统包括第一摄像机、第二摄像机、第三摄像机;所述第一摄像机、第二摄像机、第三摄像机的规格相同,光轴平行,所述方法包括:
步骤一:选择两个不同的距离,进行两次标定,每次标定均测量标定点在第一摄像机、第二摄像机、第三摄像机的水平像素坐标;
步骤二:根据公式从三个摄像机中选择三种组合方式不同的两个摄像机组成双目,利用步骤一得到的水平像素坐标和标定距离,计算出对应的参数M和N,从而得到这组双目下的测距计算公式;其中Z为待测目标距离三台摄像机的垂直距离,M=(B·f)/k,k为三台摄像机的像素物理尺寸,f为焦距,B为基线长度,N为实测Z值相比真实值的固定偏差;;XL和XR分别表示双目系统中测距目标在左目摄像机和右目摄像机上的像素坐标;
步骤三:待三组双目下的测距计算公式都得出后,检测角点的像素坐标,分别代入三组双目的测距计算公式,得出三组距离,取平均值得到三目摄像机的垂直距离。
进一步地,所述步骤一具体包括:
第一次标定距离Z1,标定点在第一摄像头、第二摄像头、第三摄像头中的水平坐标分别为X1 1,X1 2,X1 3;
第二次标定距离Z2,标定点在第一摄像头、第二摄像头、第三摄像头中的水平坐标分别为X2 1,X2 2,X2 3。
进一步地,所述步骤二具体包括:进一步的,令第一摄像头和第二摄像头组成双目,测距公式中的未知参数记为:M12和N12,可得出:
进一步的,可计算得出第一摄像头和第二摄像头组成双目后的参数:
进一步的,可计算得出第一摄像头和第二摄像头组成双目后的测距计算公式:
上述公式中,|X1-X2|即为同一目标在第一摄像头和第二摄像头中的像素视差;
进一步的,令第一摄像头和第三摄像头组成双目,测距公式中的未知参数记为:M13和N13,可得出:
进一步的,可计算得出第一摄像头和第三摄像头组成双目后的参数:
进一步的,可计算得出第一摄像头和第三摄像头组成双目后的测距计算公式:
上述公式中,|X1-X3|即为同一目标在第一摄像头和第三摄像头中的像素视差。
进一步的,令第二摄像头和第三摄像头组成双目,测距公式中的未知参数记为:M23和N23,可得出:
进一步的,可计算得出第二摄像头和第三摄像头组成双目后的参数:
进一步的,可计算得出第二摄像头和第三摄像头组成双目后的测距计算公式:
上述公式中,|X2-X3|即为同一目标在第二摄像头和第三摄像头中的像素视差。
进一步地,在步骤三后,所述方法还包括:将每个角点的三维像素坐标与三维模型库进行匹配,即可获得立体检测结果,若每个角点的三维像素坐标分布在一个平面上,则无需匹配即可确定目标属于平面物体。
第二方面,本发明实施例还提供一种实现上述方法的三目立体图像检测系统,所述三目立体图像检测系统包括第一摄像机、第二摄像机、第三摄像机、指令模块、计算模块和显示模块;所述第一摄像机、第二摄像机、第三摄像机的规格相同,光轴平行;所述指令模块用于向第一摄像机、第二摄像机和第三摄像机发送图像采集指令,并将图像发送给计算模块,所述计算模块用于根据采集到的图像执行步骤一、步骤二和步骤三中的计算过程。
与现有技术相比,本发明的具有如下有益效果:适用于立体目标的静态检测和动态检测,可有效降低摄像机参数误差、装配误差、标定误差导致的测距误差,三维立体检测可从根本上避免阴影、光斑、条纹、字符、车道线等平面干扰因素导致的错误识别,可显著提高目标检测准确度。本发明通过二次标定,即可自动计算立体物各个角点的三维坐标信息,并通过与三维立体模型库的匹配实现立体物的检测和定位,操作简单、自动化程度高、便于应用。
附图说明
图1为现有技术中双目测距系统的示意图;
图2为本发明实施例提供的一种三目立体图像检测系统的示意图。
具体实施方式
下面将参考附图中示出的若干示例性实施方式来描述本发明的原理和精神。应当理解,描述这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
本发明实施例提供一种三目立体图像检测方法,采用三目立体图像检测系统,由第一摄像机、第二摄像机、第三摄像机(即摄像机1、摄像机2、摄像机3)、指令模块、计算模块、显示模块组成。摄像机1、摄像机2、摄像机3的规格相同,光轴平行,见图2。
记待测距目标为P,测距目标P距离两台摄像机的垂直距离为Z(有效测距范围25m~175m),摄像机的像素物理尺寸为k,焦距为f(8mm~50mm)。
选用两台摄像机进行双目测距,记其基线长度(两台摄像机光心之间的距离)为B(10mm~400mm),即基线长度为B(10mm~400mm)。根据双目测距公式:
进一步的,令:
进一步的,计算得出:
进一步的,记标定时实测Z值相比真实值的固定偏差为N,则可以得出计算目标距离摄像头距离的公式为:
进一步的,选择2个不同的距离,进行2次标定:
第一次标定距离Z1,标定点在摄像机1、摄像机2、摄像机3中的水平坐标分别为X1 1,X1 2,X1 3
第二次标定距离Z2,标定点在摄像机1、摄像机2、摄像机3中的水平坐标分别为X2 1,X2 2,X2 3
每次标定时,手工触发指令模块,向摄像机1、摄像机2、摄像机3分别发出采集图像指令。摄像机1、摄像机2、摄像机3收到指令后拍摄待测距目标的图像,并将图像转发给计算模块。计算模块对摄像机1、摄像机2、摄像机3发来的图像进行处理,基于图像特征法提取待测距目标分别在摄像机1、摄像机2、摄像机3的像素坐标。
进一步的,令摄像机1和摄像机2组成双目,测距公式中的未知参数记为:M12和N12,可得出:
进一步的,可计算得出摄像机1和摄像机2组成双目后的参数:
进一步的,可计算得出摄像机1和摄像机2组成双目后的测距计算公式:
上述公式中,|X1-X2|即为同一目标在摄像机1和摄像机2中的像素视差。X1、X2分别为摄像机1和摄像机2检测的的水平像素坐标。N12为摄像机1和摄像机2组成的双目系统实测垂直距离值相比真实值的固定偏差,M12为摄像机1和摄像机2组成的双目系统中根据M=(B·f)/k确定的参数。
进一步的,令摄像机1和摄像机3组成双目,测距公式中的未知参数记为:M13和N13,可得出:
进一步的,可计算得出摄像机1和摄像机3组成双目后的参数:
进一步的,可计算得出摄像机1和摄像机3组成双目后的测距计算公式:
上述公式中,|X1-X3|即为同一目标在摄像机1和摄像机3中的像素视差。X1、X3分别为摄像机1和摄像机3检测的的水平像素坐标。N13为摄像机1和摄像机3组成的双目系统实测垂直距离值相比真实值的固定偏差,M13为摄像机1和摄像机3组成的双目系统中根据M=(B·f)/k确定的参数。
进一步的,令摄像机2和摄像机3组成双目,测距公式中的未知参数记为:M23和N23,可得出:
进一步的,可计算得出摄像机2和摄像机3组成双目后的参数:
进一步的,可计算得出摄像机2和摄像机3组成双目后的测距计算公式:
上述公式中,|X2-X3|即为同一目标在摄像机2和摄像机3中的像素视差。X2、X3分别为摄像机2和摄像机3检测的的水平像素坐标。N23为摄像机2和摄像机3组成的双目系统实测垂直距离值相比真实值的固定偏差,M23为摄像机2和摄像机3组成的双目系统中根据M=(B·f)/k确定的参数。
进一步的,定时(5秒-10秒)间隔触发指令模块,同时向摄像机1、摄像机2、摄像机3发出采集图像指令。摄像机1、摄像机2、摄像机3收到指令拍摄图像,并将图像转发给计算模块。计算模块对摄像机1、摄像机2、摄像机3发来的图像进行预处理,通过支持向量机、神经网络等算法首先识别出目标及其所在矩形区域。针对识别出来的目标,首先采用FAST角点检测算法检测得出角点,根据坐标顺序(先左后右、先上后下)对角点进行排序和编号,然后按顺序分别遍历所有角点,每个角点在3台摄像机中的像素坐标分别代入上述公式,计算得出该角点距离摄像机1、摄像机2组成双目的距离Z12,计算得出该角点距离摄像机1、摄像机3组成双目的距离Z13,计算得出该角点距离摄像机2、摄像机3组成双目的距离Z23,最后计算三个距离的平均值即为该角点距离三目摄像机的垂直距离Z。至此,已获得每个角点的三维像素坐标,进一步与三维模型库进行匹配,即可获得立体检测结果,包括物体分类、矩形坐标、置信度等。如果每个角点的三维像素坐标分布在一个平面上,则无需匹配即可确定目标属于平面物体,排除属于立体物。最终,将检测结果显示在屏幕上,包括:立体物的类型、矩形区域、置信度等。
在25m~175m的有效检测范围内,立体物的检测准确度在97%以上。
借助于本发明的上述方法,通过二次自动标定、三目立体坐标计算、立体图像匹配技术,可显著提高立体物的检测精度,且不受摄像机内外参、基线长度、焦距、像素物理尺寸等参数误差的影响。最终,将检测结果显示在屏幕上,包括:立体物的类型、矩形区域、置信度等。
本文中应用了具体个例对发明构思进行了详细阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离该发明构思的前提下,所做的任何显而易见的修改、等同替换或其他改进,均应包含在本发明的保护范围之内。
Claims (5)
1.一种三目立体图像检测方法,其特征在于,采用三目立体图像检测系统,所述三目立体图像检测系统包括第一摄像机、第二摄像机、第三摄像机;所述第一摄像机、第二摄像机、第三摄像机的规格相同,光轴平行,所述方法包括:
步骤一:选择两个不同的距离,进行两次标定,每次标定均测量标定点在第一摄像机、第二摄像机、第三摄像机的水平像素坐标;
步骤二:根据公式从三个摄像机中选择三种组合方式不同的两个摄像机组成双目,利用步骤一得到的水平像素坐标和标定距离,计算出对应的参数M和N,从而得到这组双目下的测距计算公式;其中Z为待测目标距离三台摄像机的垂直距离,M=(B·f)/k,k为三台摄像机的像素物理尺寸,f为焦距,B为基线长度,N为实测Z值相比真实值的固定偏差;;XL和XR分别表示双目系统中测距目标在左目摄像机和右目摄像机上的像素坐标;
步骤三:待三组双目下的测距计算公式都得出后,检测角点的像素坐标,分别代入三组双目的测距计算公式,得出三组距离,取平均值得到三目摄像机的垂直距离。
2.根据权利要求1所述的三目立体图像检测方法,其特征在于,所述步骤一具体包括:
第一次标定距离Z1,标定点在第一摄像头、第二摄像头、第三摄像头中的水平坐标分别为X1 1,X1 2,X1 3;
第二次标定距离Z2,标定点在第一摄像头、第二摄像头、第三摄像头中的水平坐标分别为X2 1,X2 2,X2 3。
3.根据权利要求2所述的三目立体图像检测方法,其特征在于,所述步骤二具体包括:进一步的,令第一摄像头和第二摄像头组成双目,测距公式中的未知参数记为:M12和N12,可得出:
进一步的,可计算得出第一摄像头和第二摄像头组成双目后的参数:
进一步的,可计算得出第一摄像头和第二摄像头组成双目后的测距计算公式:
上述公式中,|X1-X2|即为同一目标在第一摄像头和第二摄像头中的像素视差;
进一步的,令第一摄像头和第三摄像头组成双目,测距公式中的未知参数记为:M13和N13,可得出:
进一步的,可计算得出第一摄像头和第三摄像头组成双目后的参数:
进一步的,可计算得出第一摄像头和第三摄像头组成双目后的测距计算公式:
上述公式中,|X1-X3|即为同一目标在第一摄像头和第三摄像头中的像素视差。
进一步的,令第二摄像头和第三摄像头组成双目,测距公式中的未知参数记为:M23和N23,可得出:
进一步的,可计算得出第二摄像头和第三摄像头组成双目后的参数:
进一步的,可计算得出第二摄像头和第三摄像头组成双目后的测距计算公式:
上述公式中,|X2-X3|即为同一目标在第二摄像头和第三摄像头中的像素视差。
4.根据权利要求1所述的三目立体图像检测方法,其特征在于,在步骤三后,所述方法还包括:将每个角点的三维像素坐标与三维模型库进行匹配,即可获得立体检测结果,若每个角点的三维像素坐标分布在一个平面上,则无需匹配即可确定目标属于平面物体。
5.一种实现权利要求1所述方法的三目立体图像检测系统,其特征在于,所述三目立体图像检测系统包括第一摄像机、第二摄像机、第三摄像机、指令模块、计算模块和显示模块;所述第一摄像机、第二摄像机、第三摄像机的规格相同,光轴平行;所述指令模块用于向第一摄像机、第二摄像机和第三摄像机发送图像采集指令,并将图像发送给计算模块,所述计算模块用于根据采集到的图像执行步骤一、步骤二和步骤三中的计算过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112706.7A CN112785647A (zh) | 2021-01-27 | 2021-01-27 | 一种三目立体图像检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112706.7A CN112785647A (zh) | 2021-01-27 | 2021-01-27 | 一种三目立体图像检测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785647A true CN112785647A (zh) | 2021-05-11 |
Family
ID=75758436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110112706.7A Pending CN112785647A (zh) | 2021-01-27 | 2021-01-27 | 一种三目立体图像检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785647A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358026A (zh) * | 2021-06-04 | 2021-09-07 | 南京视道信息技术有限公司 | 一种基于双线阵ccd相机的物体位置和轮廓信息的检测方法 |
CN113870363A (zh) * | 2021-09-30 | 2021-12-31 | 重庆长安汽车股份有限公司 | 一种多目测距设备参数标定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211198A (zh) * | 2018-08-15 | 2019-01-15 | 河海大学常州校区 | 一种基于三目视觉的智能目标检测和测量系统及方法 |
CN110243338A (zh) * | 2019-07-16 | 2019-09-17 | 北京宇航时代科技发展有限公司 | 一种实时动态双目测距方法及系统 |
CN110763140A (zh) * | 2019-07-08 | 2020-02-07 | 北京宇航时代科技发展有限公司 | 一种非平行光轴高精度双目测距方法 |
CN111599129A (zh) * | 2020-06-17 | 2020-08-28 | 东北林业大学 | 一种基于三目摄像头的森林火灾识别与测距方法 |
-
2021
- 2021-01-27 CN CN202110112706.7A patent/CN112785647A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211198A (zh) * | 2018-08-15 | 2019-01-15 | 河海大学常州校区 | 一种基于三目视觉的智能目标检测和测量系统及方法 |
CN110763140A (zh) * | 2019-07-08 | 2020-02-07 | 北京宇航时代科技发展有限公司 | 一种非平行光轴高精度双目测距方法 |
CN110243338A (zh) * | 2019-07-16 | 2019-09-17 | 北京宇航时代科技发展有限公司 | 一种实时动态双目测距方法及系统 |
CN111599129A (zh) * | 2020-06-17 | 2020-08-28 | 东北林业大学 | 一种基于三目摄像头的森林火灾识别与测距方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358026A (zh) * | 2021-06-04 | 2021-09-07 | 南京视道信息技术有限公司 | 一种基于双线阵ccd相机的物体位置和轮廓信息的检测方法 |
CN113870363A (zh) * | 2021-09-30 | 2021-12-31 | 重庆长安汽车股份有限公司 | 一种多目测距设备参数标定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107063228B (zh) | 基于双目视觉的目标姿态解算方法 | |
CN109993793B (zh) | 视觉定位方法及装置 | |
CN105021124B (zh) | 一种基于深度图的平面零件三维位置和法向量计算方法 | |
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN109544628B (zh) | 一种指针式仪表的准确读数识别系统及方法 | |
Luo et al. | A simple calibration procedure for structured light system | |
CN111210468A (zh) | 一种图像深度信息获取方法及装置 | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN114029946A (zh) | 一种基于3d光栅引导机器人定位抓取的方法、装置及设备 | |
CN109827521B (zh) | 一种快速多线结构光视觉测量系统标定方法 | |
CN111950426A (zh) | 目标检测方法、装置及运载工具 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN111260720A (zh) | 一种基于深度学习方法的目标高度测定系统 | |
CN112164117A (zh) | 一种基于Kinect相机的V-SLAM位姿估算方法 | |
CN112017248B (zh) | 一种基于点线特征的2d激光雷达相机多帧单步标定方法 | |
CN110136211A (zh) | 一种基于主动双目视觉技术的工件定位方法及系统 | |
CN113119129A (zh) | 一种基于标准球的单目测距定位方法 | |
CN117058236A (zh) | 一种基于多目视觉系统自切换的目标识别定位方法 | |
CN111709995A (zh) | 一种激光雷达与摄像头之间的位置标定方法 | |
CN114413958A (zh) | 无人物流车的单目视觉测距测速方法 | |
CN111738971B (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
CN112712566B (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 | |
CN112489141B (zh) | 车载摄像头单板单图带中继镜的产线标定方法及装置 |
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 |