CN112818992A - 一种堆垛箱体的识别方法 - Google Patents

一种堆垛箱体的识别方法 Download PDF

Info

Publication number
CN112818992A
CN112818992A CN202110218787.9A CN202110218787A CN112818992A CN 112818992 A CN112818992 A CN 112818992A CN 202110218787 A CN202110218787 A CN 202110218787A CN 112818992 A CN112818992 A CN 112818992A
Authority
CN
China
Prior art keywords
box body
highest layer
edge
rectangle
outline
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
CN202110218787.9A
Other languages
English (en)
Other versions
CN112818992B (zh
Inventor
魏海永
段文杰
盛文波
丁有爽
邵天兰
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.)
Mech Mind Robotics Technologies Co Ltd
Original Assignee
Mech Mind Robotics Technologies 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 Mech Mind Robotics Technologies Co Ltd filed Critical Mech Mind Robotics Technologies Co Ltd
Priority to CN202110218787.9A priority Critical patent/CN112818992B/zh
Publication of CN112818992A publication Critical patent/CN112818992A/zh
Application granted granted Critical
Publication of CN112818992B publication Critical patent/CN112818992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Stacking Of Articles And Auxiliary Devices (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种堆垛箱体的识别方法，属于机器人拆垛的技术领域，具体包括：获得垛型的深度图，根据垛型的深度图中的深度值，识别出垛型最高层区域，基于垛型最高层区域得到垛型最高层的点云，基于垛型最高层的点云获得最高层区域轮廓；识别最高层区域轮廓中的矩形；从所有矩形中选出边缘箱体，边缘箱体为至少一组相邻边处于最高层区域轮廓的矩形；边缘箱体包括真实箱体和错误箱体，删除错误箱体，确认真实箱体；将真实箱体从最高层区域中去除，形成新的最高层区域轮廓；重复步骤三至步骤五，直至最高层区域中不存在矩形。通过本申请的处理方案，可以去除错误的箱体边缘，提高垛型箱体边缘识别的准确度。

Description

一种堆垛箱体的识别方法
技术领域
本申请涉及机器人拆垛的技术领域，尤其是涉及一种堆垛箱体的识别方法。
背景技术
仓储物流智能化包括通过机械手对箱体垛型进行拆解、码放、整合等操作，操作前需要对垛型进行识别。由于垛型中最高层箱子最易操作且码放箱子时需要基于最高层箱子的码放情况给出码放建议，因此机械手操作垛型前需要识别最高层各箱子的箱体边缘，进而识别箱体摆放情况，以给出拆解、码放、整合执行方案的参考。
在实际垛型的组垛箱体的中间存在缝隙，如，两个箱子通过拉伸膜或胶带打包组合在一起，在整个的箱体中间存在缝隙，这样的缝隙会被错误的识别为整个箱体的边缘，导致对垛型边缘的识别不准确，使得后续操作产生问题。
发明内容
有鉴于此，本申请提供一种堆垛箱体的识别方法，解决了对垛型边缘识别不准确的问题。
本申请提供的一种堆垛箱体的识别方法采用如下的技术方案：
一种堆垛箱体的识别方法，包括：
步骤一，获得垛型的深度图，根据垛型的深度图中的深度值，识别出垛型最高层区域，基于垛型最高层区域得到垛型最高层的点云，基于垛型最高层的点云获得最高层区域轮廓；
步骤二，识别最高层区域轮廓中的矩形；
步骤三，从所有矩形中选出边缘箱体，所述边缘箱体为至少一组相邻边处于最高层区域轮廓的矩形；
步骤四，所述边缘箱体包括真实箱体和错误箱体，删除错误箱体，确认真实箱体；
步骤五，将真实箱体从最高层区域中去除，形成新的最高层区域轮廓；
步骤六，重复步骤三至步骤五，直至最高层区域中不存在矩形。
通过采用上述技术方案，因为整个箱体的缝隙处于箱体中间，因此处于最高层区域轮廓边缘的箱体的可信度较高，也就是边缘箱体。确定出边缘箱体后，对边缘箱体中的真实的箱体和错误的箱体进行区分，去除边缘箱体中的错误的箱体得到的真实箱体，确定部分真实边缘。然后从所识别区域的边缘向内推进，依次排除所识别出的错误边缘，最终确认所有的真实边缘。
可选的，所述步骤三中，从所有矩形中选出边缘箱体的方法为：判断矩形的四条边是否与最高层区域轮廓重合，存在至少一组相邻边与最高层区域轮廓重合的矩形为边缘箱体。
可选的，所述步骤三中，从所有矩形中选出边缘箱体的方法为：所述步骤三中，从所有矩形中选出边缘箱体的方法为：依次基于矩形各边使矩形沿矩形中心至该矩形边的方向平移，平移距离为垂直于该矩形边的另一矩形边的二分之一长度，依次计算矩形基于各矩形边平移后超出最高层区域轮廓部分的面积，计算所述超出最高层区域轮廓部分的面积占矩形面积的比例范围是否为0.4-0.6，存在至少一组相邻边符合比例范围的矩形为边缘箱体。
可选的，步骤四中，判断真实箱体和错误箱体的方法为：
从拍摄所述垛型的深度图的视角拍摄平面图，对所述矩形和平面图中箱体进行匹配，得到匹配分数；
判断两两边缘箱体是否存在重合，若存在重合则比较两个边缘箱体的匹配分数，匹配分数低的边缘箱体为错误箱体，匹配分数高的边缘箱体为真实箱体，若不重合，则两个边缘箱体均为真实箱体。
可选的，所述步骤四中，删除错误箱体后，判断真实箱体与步骤二中的除真实箱体以外的所有矩形是否存在重合，将与真实箱体存在重合的矩形删除。
可选的，所述判断矩形的四条边是否与最高层区域轮廓重合的方法为：计算矩形边与最高层区域轮廓的重合部分占矩形边的比例，比例大于0.5，则矩形边与最高层区域轮廓重合。
可选的，所述判断矩形是否重合的方法为，计算两两矩形的重合率，若所述重合率大于0-0.3则认为两个矩形重合，若所述重合率小于等于0-0.3则认为两个矩形不重合。
综上所述，本申请包括以下有益技术效果：
因为整个箱体的缝隙处于箱子中间，因此处于最高层区域轮廓边缘的箱体的可信度较高，也就是边缘箱体。确定出边缘箱体后，对边缘箱体中的真实的箱体和错误的箱体进行区分，去除边缘箱体中的错误的箱体得到的真实箱体，确定部分真实边缘。然后从所识别区域的边缘向内推进，依次排除所识别出的错误边缘，最终确认所有的真实边缘。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本申请堆垛箱体的识别方法的流程图；
具体实施方式
下面结合附图对本申请实施例进行详细描述。
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本申请，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本申请公开了一种堆垛箱体的识别方法。
实施例一
一种堆垛箱体的识别方法，包括：
步骤一，拍照获得垛型的深度图，根据垛型的深度图中的深度值，识别出垛型最高层区域，基于垛型最高层区域得到垛型最高层的点云，基于垛型最高层的点云获得最高层区域轮廓。
步骤二，基于点云识别出最高层区域轮廓中的矩形。识别出的所有矩形中有与整个箱体正确边缘吻合的矩形，也就是正确的矩形，正确的箱体边缘；也存在与整个箱体中间的缝隙吻合的矩形，也就是错误的矩形，错误的箱体边缘。
步骤三，从所有矩形中选出边缘箱体，边缘箱体为至少一组相邻边处于最高层区域轮廓的矩形。从所有矩形中选出边缘箱体的方法为：判断矩形的四条边是否与最高层区域轮廓重合，存在至少一组相邻边与最高层区域轮廓重合的矩形为边缘箱体。判断矩形的四条边是否与最高层区域轮廓重合的方法为：计算矩形边与最高层区域轮廓的重合部分占矩形边的比例，比例大于0.5，则矩形边与最高层区域轮廓重合。从而得到所有的边缘箱体。
步骤四，边缘箱体包括真实箱体和错误箱体，删除错误箱体，确认真实箱体；判断真实箱体和错误箱体的方法为：
从拍摄垛型的深度图的视角拍摄平面图，对矩形和平面图中箱体进行匹配，得到匹配分数；
判断两两边缘箱体是否存在重合，判断两两边缘箱体是否重合的方法为，计算两两边缘箱体的重合率，若重合率大于0-0.3则认为两个边缘箱体重合，若重合率小于等于0-0.3，则认为两个边缘箱体不重合。本实施例中，若重合率大于0.3则认为两个边缘箱体重合，若重合率小于等于0.3，则认为两个边缘箱体不重合。在其他实施例中，该数值可以为0-0.3的其他值。由于点云识别的矩形存在误差因此通过重合率是否达到设定值来判断两两边缘箱体是否真的重合。
若存在重合则比较两个边缘箱体的匹配分数，匹配分数低的边缘箱体为错误箱体，匹配分数高的边缘箱体为真实箱体，若不重合，则两个边缘箱体均为真实箱体。从而确定边缘箱体中真实箱体。
将错误箱体删除后，判断真实箱体与步骤二中的除真实箱体以外的所有矩形是否存在重合，判断方法与上述判断两两边缘箱体是否存在重合的方法相同，将与真实箱体重合的矩形删除。因为真实箱体确定，那么所有的矩形中，除了真实箱体的矩形，与真实箱体存在重合的矩形均是错误的矩形，通过此方法删除一部分错误的矩形，减少后续的计算量。
步骤五，将真实箱体从最高层区域中去除，形成新的最高层区域轮廓。
步骤六，重复步骤三至步骤五，直至最高层区域中不存在矩形。每进行一次步骤三和步骤四均可以确定出真实箱体，直至最高层区域中不存在矩形，就可以删除所有矩形中的错误矩形，识别出正确的矩形，得到真实的箱体边缘。
实施例二
本申请公开了一种堆垛箱体的识别方法，与实施例一的不同之处在于：步骤三中，从所有矩形中选出边缘箱体的方法为：依次基于矩形各边使矩形沿矩形中心至该矩形边的方向平移，平移距离为垂直于该矩形边的另一矩形边的二分之一长度，依次计算矩形基于各矩形边平移后超出最高层区域轮廓部分的面积，由于边缘箱体会有至少一组相邻边处于最高层区域轮廓，那么基于相邻且处在最高层区域轮廓上的矩形边对矩形进行平移后，矩形均会有接近一半的部分超出最高层区域轮廓。由于点云的矩形与实际的箱体边缘存在误差，通过计算超出最高层区域轮廓部分的面积占矩形面积的比例范围是否为0.4-0.6，如果矩形存在基于一组或两组相邻边平移后超出最高层区域轮廓部分的面积符合比例范围，则该矩形为边缘箱体，如不符合，则该矩形不是边缘箱体。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种堆垛箱体的识别方法，其特征在于，包括：
步骤一，获得垛型的深度图，根据垛型的深度图中的深度值，识别出垛型最高层区域，基于垛型最高层区域得到垛型最高层的点云，基于垛型最高层的点云获得最高层区域轮廓；
步骤二，识别最高层区域轮廓中的矩形；
步骤三，从所有矩形中选出边缘箱体，所述边缘箱体为至少一组相邻边处于最高层区域轮廓的矩形；
步骤四，所述边缘箱体包括真实箱体和错误箱体，删除错误箱体，确认真实箱体；
步骤五，将真实箱体从最高层区域中去除，形成新的最高层区域轮廓；
步骤六，重复步骤三至步骤五，直至最高层区域中不存在矩形。
2.根据权利要求1所述的堆垛箱体的识别方法，其特征在于，所述步骤三中，从所有矩形中选出边缘箱体的方法为：判断矩形的四条边是否与最高层区域轮廓重合，存在至少一组相邻边与最高层区域轮廓重合的矩形为边缘箱体。
3.根据权利要求1所述的堆垛箱体的识别方法，其特征在于，所述步骤三中，从所有矩形中选出边缘箱体的方法为：依次基于矩形各边使矩形沿矩形中心至该矩形边的方向平移，平移距离为垂直于该矩形边的另一矩形边的二分之一长度，依次计算矩形基于各矩形边平移后超出最高层区域轮廓部分的面积，计算所述超出最高层区域轮廓部分的面积占矩形面积的比例范围是否为0.4-0.6，存在至少一组相邻边符合比例范围的矩形为边缘箱体。
4.根据权利要求1所述的堆垛箱体的识别方法，其特征在于，步骤四中，判断真实箱体和错误箱体的方法为：
从拍摄所述垛型的深度图的视角拍摄平面图，对所述矩形和平面图中箱体进行匹配，得到匹配分数；
判断两两边缘箱体是否存在重合，若存在重合则比较两个边缘箱体的匹配分数，匹配分数低的边缘箱体为错误箱体，匹配分数高的边缘箱体为真实箱体，若不重合，则两个边缘箱体均为真实箱体。
5.根据权利要求1所述的堆垛箱体的识别方法，其特征在于，所述步骤四中，删除错误箱体后，判断真实箱体与步骤二中的除真实箱体以外的所有矩形是否存在重合，将与真实箱体存在重合的矩形删除。
6.根据权利要求2所述的堆垛箱体的识别方法，其特征在于，所述判断矩形的四条边是否与最高层区域轮廓重合的方法为：计算矩形边与最高层区域轮廓的重合部分占矩形边的比例，比例大于0.5，则矩形边与最高层区域轮廓重合。
7.根据权利要求4或5所述的堆垛箱体的识别方法，其特征在于，所述判断矩形是否重合的方法为，计算两两矩形的重合率，若所述重合率大于0-0.3则认为两个矩形重合，若所述重合率小于等于0-0.3则认为两个矩形不重合。
CN202110218787.9A 2021-02-26 2021-02-26 一种堆垛箱体的识别方法 Active CN112818992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110218787.9A CN112818992B (zh) 2021-02-26 2021-02-26 一种堆垛箱体的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110218787.9A CN112818992B (zh) 2021-02-26 2021-02-26 一种堆垛箱体的识别方法

Publications (2)

Publication Number Publication Date
CN112818992A true CN112818992A (zh) 2021-05-18
CN112818992B CN112818992B (zh) 2024-02-09

Family

ID=75864139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110218787.9A Active CN112818992B (zh) 2021-02-26 2021-02-26 一种堆垛箱体的识别方法

Country Status (1)

Country Link
CN (1) CN112818992B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08293029A (ja) * 1995-04-20 1996-11-05 Kobe Steel Ltd 箱状物体の積重ね状態認識装置
CN109205327A (zh) * 2018-06-11 2019-01-15 杭州灵西机器人智能科技有限公司 一种基于多尺度轮廓直角检测的拆垛方法
CN109658388A (zh) * 2018-11-29 2019-04-19 湖南视比特机器人有限公司 基于视觉和主动交互的包装箱分割错误的检测与矫正方法
CN109870983A (zh) * 2017-12-04 2019-06-11 北京京东尚科信息技术有限公司 处理托盘堆垛图像的方法、装置及用于仓储拣货的系统
CN110322457A (zh) * 2019-07-09 2019-10-11 中国大恒(集团)有限公司北京图像视觉技术分公司 一种2d与3d视觉结合的拆垛方法
CN110992356A (zh) * 2019-12-17 2020-04-10 深圳辰视智能科技有限公司 目标对象检测方法、装置和计算机设备
CN111507390A (zh) * 2020-04-11 2020-08-07 华中科技大学 一种基于轮廓特征的仓储箱体识别与定位方法
US20200302207A1 (en) * 2019-03-19 2020-09-24 Boston Dynamics, Inc. Detecting Boxes
CN111754515A (zh) * 2019-12-17 2020-10-09 北京京东尚科信息技术有限公司 堆叠物品的顺序抓取方法和装置
CN111985675A (zh) * 2020-06-01 2020-11-24 梅卡曼德（北京）机器人科技有限公司 托盘空间规划方法、码垛方法及其装置、及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08293029A (ja) * 1995-04-20 1996-11-05 Kobe Steel Ltd 箱状物体の積重ね状態認識装置
CN109870983A (zh) * 2017-12-04 2019-06-11 北京京东尚科信息技术有限公司 处理托盘堆垛图像的方法、装置及用于仓储拣货的系统
CN109205327A (zh) * 2018-06-11 2019-01-15 杭州灵西机器人智能科技有限公司 一种基于多尺度轮廓直角检测的拆垛方法
CN109658388A (zh) * 2018-11-29 2019-04-19 湖南视比特机器人有限公司 基于视觉和主动交互的包装箱分割错误的检测与矫正方法
US20200302207A1 (en) * 2019-03-19 2020-09-24 Boston Dynamics, Inc. Detecting Boxes
CN110322457A (zh) * 2019-07-09 2019-10-11 中国大恒(集团)有限公司北京图像视觉技术分公司 一种2d与3d视觉结合的拆垛方法
CN110992356A (zh) * 2019-12-17 2020-04-10 深圳辰视智能科技有限公司 目标对象检测方法、装置和计算机设备
CN111754515A (zh) * 2019-12-17 2020-10-09 北京京东尚科信息技术有限公司 堆叠物品的顺序抓取方法和装置
CN111507390A (zh) * 2020-04-11 2020-08-07 华中科技大学 一种基于轮廓特征的仓储箱体识别与定位方法
CN111985675A (zh) * 2020-06-01 2020-11-24 梅卡曼德（北京）机器人科技有限公司 托盘空间规划方法、码垛方法及其装置、及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PAUL DOLIOTIS ET AL.: "A 3D Perception-based Robotic Manipulation System for Automated Truck Unloading", 《2016 IEEE INTERNATIONAL CONFERENCE ON AUTOMATION SCIENCE AND ENGINEERING (CASE)》 *
余志文: "面向智能装车卸车机器人的货物识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2019 *
席云飞: "基于3D视觉的机器人拆垛系统研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2021 *

Also Published As

Publication number Publication date
CN112818992B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
Cham et al. Estimating camera pose from a single urban ground-view omnidirectional image and a 2D building outline map
Olson Recognizing places using spectrally clustered local matches
CN104851095B (zh) 基于改进型形状上下文的工件图像稀疏立体匹配方法
US20150036935A1 (en) Information processing apparatus, information processing method, and storage medium
CN104584071A (zh) 物体识别装置、物体识别方法、以及程序
Adolfsson et al. Tbv radar slam–trust but verify loop candidates
US7006694B1 (en) System and method for pattern identification
US20180060380A1 (en) Bulk Validation of Spatial Topology
CN112818992A (zh) 一种堆垛箱体的识别方法
CN101989352B (zh) 基于改进的sift算法与李萨如图轨迹的图像配准方法
CN110906902A (zh) 一种边坡变形监测数据两步改正方法
US11423728B2 (en) Banknote inspection device, banknote inspection method, and banknote inspection program product
CN112418193A (zh) 一种车道线识别方法及系统
Hofstetter et al. On ambiguities in feature-based vehicle localization and their a priori detection in maps
Yan et al. Natural corners extraction algorithm in 2D unknown indoor environment with laser sensor
Richter et al. Partial contour matching for document pieces with content-based prior
CN111563925A (zh) 一种基于广义Pascal映射的椭圆检测加速方法
US9208402B2 (en) Face matching for mobile devices
CN103605980B (zh) 基于局部特征匹配的isar目标部件检测方法
CN112815944B (zh) 一种基于边角联合特征结构体的激光反射板定位方法
Woo et al. Stereoscopic modeling of building rooftop from IKONOS satellite image data
Jain et al. Corner extraction from indoor environment for mobile robot mapping
CN112729306B (zh) 适用于auv的海底地形图可导航区自主提取方法
JP2635155B2 (ja) ベた書き住所認識装置
CN111538800B (zh) 一种复杂多边形地理数据存储方向的修正方法及系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 1100, 1st Floor, No. 6 Chuangye Road, Shangdi Information Industry Base, Haidian District, Beijing 100085

Applicant after: MECH-MIND (BEIJING) ROBOTICS TECHNOLOGIES CO.,LTD.

Address before: 100085 1001, floor 1, building 3, No.8 Chuangye Road, Haidian District, Beijing

Applicant before: MECH-MIND (BEIJING) ROBOTICS TECHNOLOGIES CO.,LTD.

GR01 Patent grant
GR01 Patent grant