CN113095107A - 一种用于agv导航的多目视觉系统及方法 - Google Patents

一种用于agv导航的多目视觉系统及方法 Download PDF

Info

Publication number
CN113095107A
CN113095107A CN201911337406.8A CN201911337406A CN113095107A CN 113095107 A CN113095107 A CN 113095107A CN 201911337406 A CN201911337406 A CN 201911337406A CN 113095107 A CN113095107 A CN 113095107A
Authority
CN
China
Prior art keywords
image
module
information
points
feature
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
Application number
CN201911337406.8A
Other languages
English (en)
Inventor
丁振宇
张雷
卞瑰石
汪洵
于焕
曹智荀
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.)
Shenyang Siasun Robot and Automation Co Ltd
Original Assignee
Shenyang Siasun Robot and Automation 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 Shenyang Siasun Robot and Automation Co Ltd filed Critical Shenyang Siasun Robot and Automation Co Ltd
Priority to CN201911337406.8A priority Critical patent/CN113095107A/zh
Publication of CN113095107A publication Critical patent/CN113095107A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour

Landscapes

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

Abstract

本发明涉及自动引导小车导航的定位设备,尤其涉及一种用于AGV导航的多目视觉系统及方法。一种用于AGV导航的多目视觉系统,其特征在于,包括主处理器以及与其连接的多个双目相机;所述双目相机,用于提取特征点并向主处理器发送特征点深度信息;所述主处理器,用于接收双目相机发送的特征点深度信息,构建三维场景以及障碍物定位。本发明可以提高双目视觉传感器的视野角度,获取更多定位信息,提高导航定位的准确性及可靠性。在工业现场经常有环境变化的情况,相比于一组双目相机的定位,此设备更加适合环境空旷及环境有变化的应用场景。

Description

一种用于AGV导航的多目视觉系统及方法
技术领域
本发明涉及自动引导小车导航的定位设备,尤其涉及一种用于AGV导航的多目视觉系统及方法。
背景技术
目前自然导航分为激光轮廓导航及视觉导航。单线激光轮廓导航测量信息有限,多线激光轮廓导航成本比较高。相比于激光轮廓导航,从成本上视觉导航无需安装定位激光雷达且后期维护成本低。易用性上,视觉导航可在地图上任意规划路径,方便路径切换;安全和稳定性上,视觉导航采用3D视觉,信息丰富,导航稳定,避障时不仅可以停障、绕障,还可以负尺度避障(检测坑洼),这点上激光雷达所不能做到的。
但是机器视觉现有技术存在以下缺点。视觉传感器观测视角小,测量特征点深度需要一组双目镜头,但是一组双目镜头一般仅可以观测90度的视场角,当视野图像内被遮挡或视野内没有特征图形时往往导致导航定位失败。
发明内容
为解决一组双目观测范围小的缺点,本发明提出一种用于AGV导航的多目视觉系统及方法。
本发明为实现上述目的所采用的技术方案是:一种用于AGV导航的多目视觉系统,包括主处理器以及与其连接的多个双目相机;
所述双目相机,用于提取特征点并向主处理器发送特征点深度信息;
所述主处理器,用于接收双目相机发送的特征点深度信息,构建三维场景以及障碍物定位。
所述双目相机的采集帧同步信号触发其他双目相机。
所述双目相机包括:
FPGA硬件处理部分,用于图像采集、图像预处理、几何校正、多尺寸重组、特征提取和局部筛选;
FPGA内核ARM处理部分,用于梯度方向、描述子、特征点匹配、深度计算、数据输出和图像储存。
所述FPGA硬件处理部分包括:CCD图像获取模块,图像预处理模块、几何校正模块,多尺寸重组模块,特征提取模块和局部筛选模块;
所述CCD图像获取模块,用于通过双目相机采集图像;
所述图像预处理模块,用于对采集的图像进行图像预处理;
所述几何校正模块,用于对预处理后的图像进行镜头畸变校正;
所述多尺寸重组模块,用于对校正后的图像进行多尺寸变换;
所述特征提取模块,用于特征点提取;
所述局部筛选模块,用于筛选出的特征点。
所述FPGA内核ARM处理部分包括,梯度方向模块、描述子模块、特征点匹配模块、深度计算模块、数据输出模块和DDR3缓存模块;
所述梯度方向模块,用于对筛选出的特征点编码;
所述描述子模块,用于对筛选出的特征点编码;
所述特征点匹配模块,用于对图像的编码信息进行匹配,得出视差图;
所述深度计算模块,用于将视差图合成一幅图像;
所述数据输出模块,用于将图像中含有特征点的深度信息输出;
所述DDR3缓存模块,用于储存图像。
所述一种用于AGV导航的多目视觉方法,其特征在于,包括以下步骤,
双目相机采集图像,作为三维场景信息的输出源;
1)对左图像和右图像分别进行如下处理:
将采集的图像进行图像预处理;
将处理过后图像传入到几何校正模块,进行镜头畸变校正;
将校正后的图像进行多尺寸变换,得到不同尺寸的图片;
将所有不同尺寸的图像采用FASTX方法进行特征点提取,并通过非极大值抑制的方式去除相邻点即去除多余交叉重复特征点;
对经过非极大值抑制后筛选出来的特征点进行梯度方向及描述子的计算;
2)将左图像编码信息与右图像的编码信息进行特征匹配,通过匹配像素的位置坐标,两点间水平方向像素点位置即为视差,从而得到所有特征点的视差图;
根据三角法的原理,得到特征点的深度,将一幅图像中特征点坐标信息、梯度方向信息、描述子信息及深度信息输出;
3)主处理器接受多个双目相机上传的特征点的深度信息,构建三维场景以及障碍物定位。
所述图像预处理包括,采用5*5高斯模糊对采集的图像进行处理,滤除图像的噪声。
所述采集图像为棋盘格图像;所述特征点为角点。
所述梯度方向,用于以特征点为中心的邻域窗口中进行采样,并用直方图来统计邻域像素的梯度方向,直方图的峰值代表了该特征点邻域梯度的主方向的信息;
所述描述子,用于计算该特征点与周围邻域像素的亮暗关系,并将此关系按照一定顺序进行编码的信息。
本发明具有以下有益效果及优点:
本发明可以提高双目视觉传感器的视野角度,获取更多定位信息,提高导航定位的准确性及可靠性。在工业现场经常有环境变化的情况,相比于一组双目相机的定位,此设备更加适合环境空旷及环境有变化的应用场景。
附图说明
图1本发明结构示意图;
图2本发明FPGA双目相机结构及处理流程;
图3本发明ARM主处理器结构;
图4本发明的外壳结构示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1~图4所示,一种用于AGV导航的多目视觉系统,包括主处理器以及与其连接的多个双目相机;
双目相机,用于提取特征点并向主处理器发送特征点深度信息;
如图3所示,主处理器,用于接收双目相机发送的特征点深度信息,构建三维场景以及障碍物定位;包括内部通信总线、处理器、接口电路、电源部分。其中数据从内部通信总线发送到处理器部分,处理器包含多设备特征点校正、特征点云匹配、定位处理功能,处理器将结果发送到接口电路;
主处理器部分分为总线通信部分、处理器部分、接口及指示电路部分、电源部分。
通信总线通过网络路由器分别于多组FPGA双目相机的数据输出连接,用于接收不同方向的双目相机采集到的特征点深度信息。为了避免总线拥堵,上传数据时多组双目相机采用分时上传的功能。
处理器分为地图重建与导航两部分,其中地图重建包括同时调用时间戳统一、统一坐标系、前端视觉里程计、后端非线性优化、回环检测、建图。定位包括载入环境及定位数据计算。
从通信总线获得到的数据进入时间戳统一的处理,该部分处理不同设备分时到来的数据,由于数据内容中包含数据的时间戳信息,该处理将具有相同时间采集的数据进行整合。
经过时间统一的数据进入统一坐标系的处理。统一坐标系用于不同双目镜头测量原点的统一,测量原点设置在传感器中心位置。
经过统一坐标系后的数据进入前端视觉里程计处理,视觉里程计的任务是估算相邻图像间相机的运动,以及局部地图的样子。
经过前端视觉里程计处理的数据进入后端非线性优化处理,后端接受不同时刻视觉里程计测量的相机姿态,以及回环检测的信息,对它们进行优化,得到全局一致的轨迹和地图。
经过统一坐标系的数据同时也进行回环检测处理,将检测数据传送给后端非线性优化。回环检测判断机器人是否到达过先前的位置。如果检测到回环,它会把信息提供给后端进行处理。
经过后端处理的数据进行建图处理,它根据估计的轨迹,建立与任务要求对应的地图。
经过建图后的数据进行地图保存。保存的数据不再更改,不会由于每次运行而更改地图。
载入环境是在使用过程时,将已存储的地图进行载入,AGV有固定的上线点,上线后仅载入上线点附近的地图信息。
定位数据计算,根据检测的特征点深度数据与载入的地图信息进行对比,得到匹配最佳的位置,将该定位数据通过接口电路传出。
接口及指示电路中接口分为电源输入接口、调试接口及数据输出接口,电源接口用于与电源部分连接,数据输出接口与传感器外部连接,为AGV提供定位信息,指示电路包括电源指示灯及状态指示灯。
电源部分为整个传感器供电,其连接接口与主处理器部分。
双目相机的采集帧同步信号触发其他双目相机。
壳体部分,用于固定多双目相机及主处理器。壳体分为6顶板及7盖板两部分,其中顶板的五个面相互垂直,每个面安装一组双目相机,分别为:1前侧双目相机、2右侧双目相机、3下侧双目相机、4左侧双目相机及5顶部双目相机,顶板有8通信接口,同时顶面有两个9状态指示灯用于操作者观察传感器的工作状态。
如图2所示,FPGA部分是基于Xilinx平台设计的SoC双目实时立体视觉系统,主要发明了一个高精度、高实时性的立体视觉系统。系统模块主要包括,图像采集模块、双目视频图像同步模块、双目极线几何校正模块、DDR3缓存模块、图像后处理模块。采用XilinxZynq系列的开发平台,内部芯片集成了双核的ARM内核,在系统集成度、成本、功耗、调试方便等方面有很到的提升。在立体匹配算法方面,通过对匹配算法的对比,选取了在真实场景应用具有鲁棒性和实时性较高的半全局立体匹配算法。
FPGA双目相机数据处理流程分为FPGA硬件并行处理部分及FPGA内核流水线部分。其中图像采集、图像预处理、几何校正、多尺寸重组、特征提取、局部筛选功能在FPGA硬件并行处理部分实现,其余的梯度方向、描述子、角点匹配、深度计算、数据输出及DDR3缓存模块、双目视频图像同步模块在FPGA内核流水线部分实现。
双目相机包括:
FPGA硬件处理部分,用于图像采集、图像预处理、几何校正、多尺寸重组、特征提取和局部筛选;
FPGA内核ARM处理部分,用于梯度方向、描述子、特征点匹配、深度计算、数据输出和图像储存。
FPGA硬件处理部分包括:CCD图像获取模块,图像预处理模块、几何校正模块,多尺寸重组模块,特征提取模块和局部筛选模块;
CCD图像获取模块,用于通过双目相机采集图像;
图像采集:摄像头采用全局快门CMOS感光元件,并具有多设备同步功能。
图像的采集是双目视觉系统中重要的一个环节,作为三维场景信息的输入源。通常为避免后期匹配过程中精确度等问题,需要对初始图像做去燥、滤波、转换等简单的预处理,增强图像的有效信息并最大限度的抑制无关信息。FPGA通过与图像传感器相连,数据传输采用高速的并行信号,配有相同的复位及时钟芯片,可以实现同一双目相机的左右双目帧同步。
图像预处理模块,用于对采集的图像进行图像预处理;
几何校正模块,用于对预处理后的图像进行镜头畸变校正;摄像机标定借助有效的图像采集系统,标定摄像机内外部的相关参数,用来确定图像的像素点与空间坐标系中的点的对应关系。在本设计中用到的是定标的双摄像头,通过获取棋盘格图像,将图像在设备外部计算镜头的内参及外参。在通过软件配置到硬件电路中。
多尺寸重组模块,用于对校正后的图像进行多尺寸变换;
特征提取模块,用于特征点提取;常见的图像特征包括颜色、纹理、形状和空间关系等,选择合适的图像特征提取对图像的立体匹配有着至关重要的作用。常见的图像特征类型有边缘、区域、角等,在立体匹配时会遵循相关的约束准则和匹配策略。本发明中采用FASTX角点提取,并采用非极大值抑制的方式去除相邻点。
局部筛选模块,用于筛选出的特征点。
所述FPGA内核ARM处理部分包括,梯度方向模块、描述子模块、特征点匹配模块、深度计算模块、数据输出模块和DDR3缓存模块;
梯度方向模块,用于对筛选出的特征点编码;
描述子模块,用于对筛选出的特征点编码;
特征点匹配模块,用于对图像的编码信息进行匹配,得出视差图;
深度计算模块,用于将视差图合成一幅图像;
数据输出模块,用于将图像中含有特征点的深度信息输出;
DDR3缓存模块,用于储存图像。
如图1~图2所示,所述一种用于AGV导航的多目视觉方法,其特征在于,包括以下步骤,
双目相机采集图像,作为三维场景信息的输出源;
1)对左图像和右图像分别进行如下处理:
将采集的图像进行图像预处理;
将处理过后图像传入到几何校正模块,进行镜头畸变校正;
将校正后的图像进行多尺寸变换,得到不同尺寸的图片;
将所有不同尺寸的图像采用FASTX方法进行特征点提取,并通过非极大值抑制的方式去除相邻点即去除多余交叉重复特征点;
对经过非极大值抑制后筛选出来的特征点进行梯度方向及描述子的计算;
2)将左图像编码信息与右图像的编码信息进行特征匹配,通过匹配像素的位置坐标,两点间水平方向像素点位置即为视差,从而得到所有特征点的视差图;
根据三角法的原理,得到特征点的深度,将一幅图像中特征点坐标信息、梯度方向信息、描述子信息及深度信息输出;
匹配的目的是为了求取特征点的深度,能匹配上描述子基本相同,同时深度值对于左右目也是相同的。所以输出的深度、描述子和梯度方向信息均根据一幅图像数据输出。
3)主处理器接受多个双目相机上传的特征点的深度信息,构建三维场景以及障碍物定位。
图像预处理包括,采用5*5高斯模糊对采集的图像进行处理,滤除图像的噪声。
采集图像为棋盘格图像;所述特征点为角点。
梯度方向,用于以特征点为中心的邻域窗口中进行采样,并用直方图来统计邻域像素的梯度方向,直方图的峰值代表了该特征点邻域梯度的主方向的信息;
描述子,用于计算该特征点与周围邻域像素的亮暗关系,并将此关系按照一定顺序进行编码的信息。

Claims (10)

1.一种用于AGV导航的多目视觉系统,其特征在于,包括主处理器以及与其连接的多个双目相机;
所述双目相机,用于提取特征点并向主处理器发送特征点深度信息;
所述主处理器,用于接收双目相机发送的特征点深度信息,构建三维场景以及障碍物定位。
2.根据权利要求1所述的一种用于AGV导航的多目视觉系统,其特征在于,所述双目相机的采集帧同步信号触发其他双目相机同步采集。
3.根据权利要求1所述的一种用于AGV导航的多目视觉系统,其特征在于,所述双目相机包括:
FPGA硬件处理部分,用于图像采集、图像预处理、几何校正、多尺寸重组、特征提取和局部筛选;
FPGA内核ARM处理部分,用于梯度方向、描述子、特征点匹配、深度计算、数据输出和图像储存。
4.根据权利要求3所述的一种用于AGV导航的多目视觉系统,其特征在于,所述FPGA硬件处理部分包括:CCD图像获取模块,图像预处理模块、几何校正模块,多尺寸重组模块,特征提取模块和局部筛选模块;
所述CCD图像获取模块,用于通过双目相机采集图像;
所述图像预处理模块,用于对采集的图像进行图像预处理;
所述几何校正模块,用于对预处理后的图像进行镜头畸变校正;
所述多尺寸重组模块,用于对校正后的图像进行多尺寸变换;
所述特征提取模块,用于特征点提取;
所述局部筛选模块,用于筛选出的特征点。
5.根据权利要求3所述的一种用于AGV导航的多目视觉系统,其特征在于,所述FPGA内核ARM处理部分包括,梯度方向模块、描述子模块、特征点匹配模块、深度计算模块、数据输出模块和DDR3缓存模块;
所述梯度方向模块,用于对筛选出的特征点编码;
所述描述子模块,用于对筛选出的特征点编码;
所述特征点匹配模块,用于对图像的编码信息进行匹配,得出视差图;
所述深度计算模块,用于将视差图合成一幅图像;
所述数据输出模块,用于将图像中含有特征点的深度信息输出;
所述DDR3缓存模块,用于储存图像。
6.一种用于AGV导航的多目视觉方法,其特征在于,包括以下步骤,
双目相机采集图像,作为三维场景信息的输出源;
1)对左图像和右图像分别进行如下处理:
将采集的图像进行图像预处理;
将处理过后图像传入到几何校正模块,进行镜头畸变校正;
将校正后的图像进行多尺寸变换,得到不同尺寸的图片;
将所有不同尺寸的图像采用FASTX方法进行特征点提取,并通过非极大值抑制的方式去除相邻点即去除多余交叉重复特征点;
对经过非极大值抑制后筛选出来的特征点进行梯度方向及描述子的计算;
2)将左图像编码信息与右图像的编码信息进行特征匹配,通过匹配像素的位置坐标,两点间水平方向像素点位置即为视差,从而得到所有特征点的视差图;
根据三角法的原理,得到特征点的深度,将一幅图像中特征点坐标信息、梯度方向信息、描述子信息及深度信息输出;
3)主处理器接受多个双目相机上传的特征点的深度信息,构建三维场景以及障碍物定位。
7.根据权利要求6所述的一种用于AGV导航的多目视觉方法,其特征在于,所述图像预处理包括,采用5*5高斯模糊对采集的图像进行处理,滤除图像的噪声。
8.根据权利要求6所述的一种用于AGV导航的多目视觉方法,其特征在于,所述采集图像为棋盘格图像。
9.根据权利要求6所述的一种用于AGV导航的多目视觉方法,其特征在于,所述特征点为角点。
10.根据权利要求6所述的一种用于AGV导航的多目视觉方法,其特征在于,所述梯度方向,用于以特征点为中心的邻域窗口中进行采样,并用直方图来统计邻域像素的梯度方向,直方图的峰值代表了该特征点邻域梯度的主方向的信息;
所述描述子,用于计算该特征点与周围邻域像素的亮暗关系,并将此关系按照一定顺序进行编码的信息。
CN201911337406.8A 2019-12-23 2019-12-23 一种用于agv导航的多目视觉系统及方法 Pending CN113095107A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911337406.8A CN113095107A (zh) 2019-12-23 2019-12-23 一种用于agv导航的多目视觉系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911337406.8A CN113095107A (zh) 2019-12-23 2019-12-23 一种用于agv导航的多目视觉系统及方法

Publications (1)

Publication Number Publication Date
CN113095107A true CN113095107A (zh) 2021-07-09

Family

ID=76663908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911337406.8A Pending CN113095107A (zh) 2019-12-23 2019-12-23 一种用于agv导航的多目视觉系统及方法

Country Status (1)

Country Link
CN (1) CN113095107A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1063614A2 (en) * 1999-06-22 2000-12-27 The One Infinite Inc. Apparatus for using a plurality of facial images from different viewpoints to generate a facial image from a new viewpoint, method thereof, application apparatus and storage medium
CN103413313A (zh) * 2013-08-19 2013-11-27 国家电网公司 基于电力机器人的双目视觉导航系统及方法
CN104915965A (zh) * 2014-03-14 2015-09-16 华为技术有限公司 一种摄像机跟踪方法及装置
CN105674993A (zh) * 2016-01-15 2016-06-15 武汉光庭科技有限公司 基于双目相机的高精度视觉定位地图生成系统及方法
CN106610666A (zh) * 2015-10-22 2017-05-03 沈阳新松机器人自动化股份有限公司 一种基于双目视觉的助理机器人及其控制方法
CN106969706A (zh) * 2017-04-02 2017-07-21 聊城大学 基于双目立体视觉的工件检测与三维测量系统及检测方法
US20180005393A1 (en) * 2016-06-30 2018-01-04 Daqri, Llc Deep Image Localization
CN108594851A (zh) * 2015-10-22 2018-09-28 飞智控(天津)科技有限公司 一种基于双目视觉的无人机自主障碍物检测系统、方法及无人机
CN110070615A (zh) * 2019-04-12 2019-07-30 北京理工大学 一种基于多相机协同的全景视觉slam方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1063614A2 (en) * 1999-06-22 2000-12-27 The One Infinite Inc. Apparatus for using a plurality of facial images from different viewpoints to generate a facial image from a new viewpoint, method thereof, application apparatus and storage medium
CN103413313A (zh) * 2013-08-19 2013-11-27 国家电网公司 基于电力机器人的双目视觉导航系统及方法
CN104915965A (zh) * 2014-03-14 2015-09-16 华为技术有限公司 一种摄像机跟踪方法及装置
CN106610666A (zh) * 2015-10-22 2017-05-03 沈阳新松机器人自动化股份有限公司 一种基于双目视觉的助理机器人及其控制方法
CN108594851A (zh) * 2015-10-22 2018-09-28 飞智控(天津)科技有限公司 一种基于双目视觉的无人机自主障碍物检测系统、方法及无人机
CN105674993A (zh) * 2016-01-15 2016-06-15 武汉光庭科技有限公司 基于双目相机的高精度视觉定位地图生成系统及方法
US20180005393A1 (en) * 2016-06-30 2018-01-04 Daqri, Llc Deep Image Localization
CN106969706A (zh) * 2017-04-02 2017-07-21 聊城大学 基于双目立体视觉的工件检测与三维测量系统及检测方法
CN110070615A (zh) * 2019-04-12 2019-07-30 北京理工大学 一种基于多相机协同的全景视觉slam方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪神岳;刘强;王超然;侯长波;: "基于双目立体相机的室外场景三维重建系统设计", 计算机测量与控制, no. 11, 25 November 2017 (2017-11-25) *

Similar Documents

Publication Publication Date Title
CN110044300B (zh) 基于激光器的两栖三维视觉探测装置及探测方法
US11481915B2 (en) Systems and methods for three-dimensional data acquisition and processing under timing constraints
EP3248374B1 (en) Method and apparatus for multiple technology depth map acquisition and fusion
WO2021203883A1 (zh) 三维扫描方法、三维扫描系统和计算机可读存储介质
CN106960454B (zh) 景深避障方法、设备及无人飞行器
CN107917701A (zh) 基于主动式双目立体视觉的测量方法及rgbd相机系统
GB2490872A (en) Capturing 3D image data by combining an image normal field derived from multiple light source illumination with depth map data
CN110443186B (zh) 立体匹配方法、图像处理芯片及移动载具
CN108269238B (zh) 深度图像采集装置和深度图像采集系统及其图像处理方法
CN202075794U (zh) 一种无人机航摄立体成像处理设备
CN113822942B (zh) 一种基于二维码的单目摄像头测量物体尺寸的方法
CN112509125A (zh) 一种基于人工标志物和立体视觉的三维重建方法
JP2958458B1 (ja) 多眼画像センサ
CN113329219B (zh) 多输出参数可动态配置深度相机
Dias et al. Registration and fusion of intensity and range data for 3D modelling of real world scenes
CN111854636B (zh) 一种多相机阵列三维检测系统和方法
CN111882655A (zh) 三维重建的方法、装置、系统、计算机设备和存储介质
WO2019125427A1 (en) System and method for hybrid depth estimation
US20230084807A1 (en) Systems and methods for 3-d reconstruction and scene segmentation using event cameras
CN116029996A (zh) 立体匹配的方法、装置和电子设备
CN110992463B (zh) 一种基于三目视觉的输电导线弧垂的三维重建方法及系统
WO2023091472A1 (en) Polarization event cameras
CN116205961A (zh) 多镜头组合影像和激光雷达点云的自动配准方法及其系统
CN113450334A (zh) 一种水上目标检测方法、电子设备及存储介质
CN115326264B (zh) 基于机器视觉的结构波浪冲击力非接触式测量方法和系统

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