CN113155032A - 一种基于动态视觉传感器dvs的建筑物结构位移测量方法 - Google Patents

一种基于动态视觉传感器dvs的建筑物结构位移测量方法 Download PDF

Info

Publication number
CN113155032A
CN113155032A CN202011485981.5A CN202011485981A CN113155032A CN 113155032 A CN113155032 A CN 113155032A CN 202011485981 A CN202011485981 A CN 202011485981A CN 113155032 A CN113155032 A CN 113155032A
Authority
CN
China
Prior art keywords
circle
pixel
displacement
dvs
vision sensor
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
CN202011485981.5A
Other languages
English (en)
Inventor
陈昌川
李奎
乔飞
王海宁
王延平
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202011485981.5A priority Critical patent/CN113155032A/zh
Publication of CN113155032A publication Critical patent/CN113155032A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于动态视觉传感器DVS的建筑物结构位移测量方法，属于视觉测量领域，包括事件流处理方法：对事件流采用按时间累积的方法，截取一小段时间内的事件流将其累积成图片输出；图像去噪：事件流累积而来的图片可能会存在一些噪点，采用均值滤波对去噪；边缘检测：对去噪后的图像进行自动阈值分割，再采用改进的自适应阈值canny算子提取目标圆的边缘；霍夫变换定位圆：采用基于梯度信息的霍夫变换对圆进行定位，根据圆的半径和位置滤除掉杂圆；尺度变换：根据毫米/像素转换因子，将像素位移转换成物理位移。本发明采用动态视觉传感器，解决RGB相机带来的运动模糊问题，数据量少，处理速度快，为实时监测建筑物结构位移提供了方向。

Description

一种基于动态视觉传感器DVS的建筑物结构位移测量方法
技术领域
本发明属于视觉测量领域，具体为基于动态视觉传感器DVS的建筑物结构位移测量方法。
背景技术
地震对建筑物的破坏比较大，会对建筑物结构造成一定程度的损伤，建筑物结构位移是衡量建筑物健康状况的因素之一。目前研究最多的是相机保持静止拍摄建筑物振动，来得到建筑物的振动位移，但对于震中抖动环境下监测建筑物振动位移，人们的关注比较少，而对于房屋来说，震中的抖动幅度是最具有参考价值的，它能真实的反映房屋在抖动环境下的损伤程度，本发明是基于抖动环境下，采用动态视觉传感器来监测建筑物结构的振动位移。
目前的相机可以分为RGB相机和事件相机，RGB相机这里也称为传统相机，目前视觉测量领域基本上用的是传统相机，但是这种传统相机只比较适用于静止拍摄建筑物振动，一旦相机也处在抖动环境中，那么拍摄出来的画面可能会产生运动模糊问题，造成很大的测量误差。传统相机是非连续拍摄，信息输出不连贯，动态范围有限，当光线太亮或者太暗时输出信息有限，而且在实际应用中，我们往往只关注目标物的运动，不需要关注背景情况，而传统相机会输出全幅图像，这造成了大量数据冗余，占用更多的存储空间，也会影响处理速度。事件相机，也就是动态视觉传感器DVS，它和传统相机不同，DVS是一种事件驱动型相机，它没有“帧”的概念，当某个像素点的亮度变化值超过一定的阈值之后，它会输出一个事件(x,y,t,p)，其中x和y表示当前被激活的像素点的行列位置，t表示时间戳，p表示极性，“+”表示光线由暗变亮，“-”表示光线由亮变暗，这些输出的像素点被统称为“事件流”。不同于传统相机输出所有像素点的信息，DVS只记录发生运动变化的像素点，这样就能很好地滤除掉静止的背景信息，使得产生的数据量大大减少，节省存储空间，并且数据量少，那么处理速度也会加快，降低系统实现难度，为实时监测建筑物结构健康状况提供了方向。DVS具有高动态范围，在光线过弱或过亮的情况下仍然能很好地记录目标运动信息。DVS低时延，一般响应速度能达到微秒级，有些甚至能达到纳秒级，可以快速地跟踪运动目标，可以弥补传统相机帧间信息不连续以及运动模糊问题。因此，对于震中抖动环境，DVS比传统相机拥有绝对的优势，为在抖动环境中测量建筑物结构振动位移提供了方法。
发明内容
本发明的内容为实现了一种基于动态视觉传感器DVS的建筑物结构位移测量方法，实现了相机抖动时，对目标物的位移测量，具体技术方案包括以下4个部分。
(1)事件流处理：动态视觉传感器是以事件流的形式输出目标的运动信息，这里采用按时间累积的方法将事件流累积成帧，就是截取一小段时间内的事件流，将它们同时输出，这样就能得到类似于帧的图片。
(2)图像去噪：事件流累积而来的帧可能会存在一些噪点，根据分析，这些噪点多半是一些椒盐噪声，采用均值滤波对其进行去噪。
(3)边缘检测：对去噪后的图像进行二值化处理及自动阈值分割，再采用改进的自适应canny算子进行边缘检测，得到目标圆的边缘。
(4)霍夫变换检测定位圆：采用基于梯度信息的霍夫变换对圆进行检测和定位，根据圆的半径和位置滤除掉杂圆。
(5)尺度变换：根据第一张图片圆的位置和当前图片的位置得到像素位移量，再根据毫米/像素转换因子，将像素位移量转换成实际物理位移量。
与传统相机相比，本发明的优点体现在以下几点：1、将动态视觉传感器DVS率先应用在视觉测量上，监测在震中抖动的环境下建筑物结构位移振动变化情况。2、快速记录发生运动变化的像素点信息，避免传统相机带来的运动模糊问题。3、实现方法简单，采用边缘检测和霍夫变换定位圆的简单算法即可实现位移的测量。4、突出目标运动变化信息，数据量小，节省存储空间，处理速度快，且精度高。
附图说明
图1为本发明所涉一种基于动态视觉传感器DVS的建筑物结构位移测量方法整体流程图
图2为实验平台图
图3为DVS输出的事件流信息图
图4为事件流按照不同的累积时间累积成图片
图5为DVS和GoPro在相同测试环境下输出的图片
图6为DVS和GoPro在相同条件下对目标位移的测量结果拟合图
具体实施方式
本发明用于提供一种基于动态视觉传感器DVS的建筑物结构位移测量方法，为了使本发明的技术方案及效果更加清晰、明确，下面结合附图，对本发明的具体实施方式进行详细描述。
如图1所示，本发明设计的一种基于动态视觉传感器DVS的建筑物结构位移测量方法包括四个阶段，分别为目标跟踪阶段、预处理阶段、边缘检测与定位阶段和结构位移振动曲线生成阶段。其中预处理阶段包括事件流生成图片序列和图像去噪，边缘检测与定位阶段包括去噪后目标图像纹理的边缘检测和目标圆的定位，结构位移曲线生成阶段主要是根据尺度转换因子，将像素位移量换算成实际物理位移，然后根据时间-位移量生成结构位移曲线。
1.目标跟踪阶段
事件流获取：使用Celex-5型号的事件相机拍摄目标物的运动，这里先让事件相机处于静止状态来说明事件流的获取过程。DVS上每个像素都是独立工作的，当目标物运动时，事件相机的像素感知到目标上光照强度的变化超过一定的阈值，就会输出事件流信息(x,y,t,p)，而没有发生运动的背景是无法激发事件输出，因此，DVS只获取运动的目标信息，自动滤除掉不需要的背景信息，大大降低了输出的数据量，为后续的处理工作带来方面。图2为实验平台，图3(a)为目标静止时DVS的事件流信息图，图3(b)为目标运动时DVS记录的事件流信息图。
2.预处理阶段：DVS具有低时延特性，一般响应速度能达到微妙甚至纳秒级，那么在这么短的时间内输出的事件流数量有限，很难进行边缘检测和定位。这时一般采取按时间累积的方法，累积一小段时间的事件流，然后再将其输出。累积的时间选取要合适，这样得到的目标纹理比较清晰，如果选择过短，堆叠后的信息过少，很难进行边缘检测和定位，如果选取过长，那么堆叠的信息会太多，也会对后续的处理带来不便。图4(a)为累积时间t＝1ms长度时输出的图片，图4(b)为累积时间t＝10ms长度时输出的图片,图4(c)为累积时间t＝100ms长度时输出的图片。累积后的图像可能会存在一些噪声，根据分析，这些噪声一般为椒盐噪声，因此采用均值滤波的方法对其进行去噪。令Sx,y表示中心点在(x,y)处，大小为m×n的滤波器窗口。均值滤波器就是简单地将窗口区域的像素均值相加求平均值，用这个均值来表示该窗口中心点处的像素值：
Figure BDA0002839364770000031
其中，g(s,t)为原始图像，f(x,y)为均值滤波后得到的图像。
这里使用的是3×3的模板，
Figure BDA0002839364770000032
3.边缘检测与定位阶段：均值滤波后的图像会产生一定的模糊，使用二值化阈值和自动阈值分割方法对去噪后的图像进行处理，然后采用改进的Canny检测算子对其图像的进行边缘检测，算法步骤如下：
(1)计算梯度幅值和方向：选择3×3模板的sobel算子计算水平方向和垂直方向上的梯度，水平方向和垂直方向的梯度计算为：
Figure BDA0002839364770000033
Figure BDA0002839364770000041
其中，Gx和Gy分别表示水平方向和垂直方向梯度值，F表示原图像。
计算梯度值G和梯度方向θ：
Figure BDA0002839364770000042
Figure BDA0002839364770000043
(2)非极大值抑制：非极大值抑制是用来寻找像素点的局部最大值，这里要注意的是沿着梯度方向对幅值进行非极大值抑制，而不是沿着边缘方向。如在一个3×3的领域上，每一个点的领域中心与沿着其对应的梯度方向的两个像素值比较，如果中心像素值最大，则保留，否则该中心值置为0，这样就可以抑制非极大值，保留局部梯度最大的点，细化边缘。
(3)双阈值检测和连接边缘：TH和TL按照TH：TL＝3：1的原则，根据阈值分割后的图像thresh自动选择系数值。
TH＝0.6*thresh (6)
TL＝0.2*thresh (7)
将低于TL的像素值赋值为0，将高于TH的像素值赋值为255，位于TH和TL之间的像素值使用8连通域确定。
霍夫变换检测定位圆：霍夫变换的基本原理是将原始图像空间给定的曲线通过曲线表达形式变为参数空间的一个点，这样就把原始图像空间曲线的检测问题转化为参数空间点的检测问题。圆的标准方程为：
(x-a)2+(y-b)2＝r2 (8)
其中，圆心为(a,b)，半径为r。
基于梯度信息的霍夫变换检测圆先对圆的标准方程两边求x偏导数，即：
Figure BDA0002839364770000044
然后将其映射到参数空间，计算轮廓点处的梯度向量，然后根据搜索半径R在该梯度方向距离R的两边各投一点，最后根据投票结果画出圆的位置，再将画出的这些圆与实际轮廓对比，按实际重合像素的总数进行排序，选择得分最高的圆作为最终的圆，并给出圆心位置。
4.结构位移曲线生成阶段：地震时，对于建筑物来说，横向运动会给结构带来很大的损伤，因此这里只列出横向相对位移Δx的计算方法。
Δx＝x-x0 (10)
根据转换因子C换算成实际物理位移，具体形式如式(11)、(12)所示：
Figure BDA0002839364770000051
Δxmm＝Δx×C (12)
其中，C为给定目标的横向物理尺寸dmm与该目标在图像上对应像素尺寸dpixel之比，又称为转换因子。
像素位移量Δx乘以转换因子C即可得到实际物理位移Δxmm，然后根据时间-位移量即可绘制出结构位移运动曲线。控制实验平台，让目标以5mm振幅、2Hz的频率开始振动，将动态视觉传感器DVS和GoPro相机捆绑在一起，让其处于相同的原点振动环境，同时设置DVS和GoPro的分辨率为1280*720，GoPro的帧率为60fps，设置DVS的累积时间为16.667ms，这样1秒种刚好输出60张图片。如图5(a)DVS输出的图片数据大小为60KB，而图5(b)GoPro输出的帧大小为400KB，DVS能自动过滤掉静止的背景信息，减少数据量，节省存储空间。如图6展示了DVS和GoPro在相同条件下对目标位移的测试结果，其中黑色实线是目标运动的真实位移，红色点是DVS测得结果，蓝色点是GoPro测得的结果，从图中可以很明显地看出，在相机位于振动的场景下，DVS的测量效果比GoPro好。DVS拟合后的均方根误差为1.612319，GoPro拟合后的均方根误差为1.754730，通过计算均方根误差，得出DVS的拟合效果比GoPro好。这里各取800张图片计算算法平均处理时间，得出通过DVS信息流累积而成的图片平均处理时间为75.033ms，处理GoPro帧的平均时间为363.767ms，可以看出DVS数据量少，处理速度快，更能满足实时性监测要求。

Claims (7)

1.一种基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于，包括：
事件处理：动态视觉传感器是以事件流的形式输出目标的运动信息，这里采用按时间累积的方法将事件流累积成帧，就是截取一小段时间内的事件流，将它们同时输出，这样就能得到类似于帧的图片。
图像去噪：事件流累积而来的帧可能会存在一些噪点，根据分析，这些噪点多半是一些椒盐噪声，采用均值滤波对其进行去噪。
边缘检测：对去噪后的图像进行二值化处理及自动阈值分割，再采用改进的自适应canny算子进行边缘检测，得到目标圆的边缘。
霍夫变换检测定位圆：采用基于梯度信息的霍夫变换对圆进行检测和定位，根据圆的半径和位置滤除掉杂圆。
尺度变换：根据第一张图片圆的位置和当前图片的位置得到像素位移量，再根据毫米/像素转换因子，将像素位移量转换成实际物理位移量。
2.根据权利要求1所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：DVS具有低时延特性，一般响应速度能达到微妙甚至纳秒级，那么在这么短的时间内输出的事件流数量有限，很难进行边缘检测和定位。这时一般采取按时间累积的方法，累积一小段时间的事件流，然后再将其输出。
3.根据权利要求2所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述图像去噪具体包括以下步骤：
累积后的图像可能会存在一些噪声，根据分析，这些噪声一般为椒盐噪声，因此采用均值滤波的方法对其进行去噪。令Sx，y表示中心点在(x，y)处，大小为m×n的滤波器窗口。均值滤波器就是简单地将窗口区域的像素均值相加求平均值，用这个均值来表示该窗口中心点处的像素值：
Figure FDA0002839364760000011
其中，g(s，t)为原始图像，f(x，y)为均值滤波后得到的图像。
4.根据权利要求3所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述改进的canny边缘检测具体包括以下步骤：
S11：计算梯度幅值和方向：选择3×3模板的sobel算子计算水平方向和垂直方向上的梯度，水平方向和垂直方向的梯度计算为：
Figure FDA0002839364760000012
Figure FDA0002839364760000021
其中，Gx和Gy分别表示水平方向和垂直方向梯度值，F表示原图像。
计算梯度值G和梯度方向θ：
Figure FDA0002839364760000022
Figure FDA0002839364760000023
S12：非极大值抑制：非极大值抑制是用来寻找像素点的局部最大值，这里要注意的是沿着梯度方向对幅值进行非极大值抑制，而不是沿着边缘方向。如在一个3×3的领域上，每一个点的领域中心与沿着其对应的梯度方向的两个像素值比较，如果中心像素值最大，则保留，否则该中心值置为0，这样就可以抑制非极大值，保留局部梯度最大的点，细化边缘。
S13：双阈值检测和连接边缘：TH和TL按照TH∶TL＝3∶1的原则，根据阈值分割后的图像thresh自动选择系数值。
TH＝0.6*thresh (6)
TL＝0.2*thresh (7)
将低于TL的像素值赋值为0，将高于TH的像素值赋值为255，位于TH和TL之间的像素值使用8连通域确定。
5.根据权利要求4所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述霍夫变换定位圆具体包括以下步骤：
基于梯度信息的霍夫变换检测圆先对圆的标准方程两边求x偏导数，然后将其映射到参数空间，计算轮廓点处的梯度向量，然后根据搜索半径R在该梯度方向距离R的两边各投一点，最后根据投票结果画出圆的位置，再将画出的这些圆与实际轮廓对比，按实际重合像素的总数进行排序，选择得分最高的圆作为最终的圆，并给出圆心位置。
6.根据权利要求5所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：所述尺度变换具体包括以下步骤：
S21：地震时，对于建筑物来说，横向运动会给结构带来很大的损伤，因此这里只列出横向相对位移Δx的计算方法。
Δx＝x-x0 (8)
S22：根据转换因子C换算成实际物理位移，具体形式如式(9)、(10)所示：
Figure FDA0002839364760000031
Δxmm＝Δx×C (10)
其中，C为给定目标的横向物理尺寸dmm与该目标在图像上对应像素尺寸dpixel之比，又称为转换因子。像素位移量Δx乘以转换因子C即可得到实际物理位移Δxmm。
7.根据权利要求6所述的基于动态视觉传感器DVS的建筑物结构位移测量方法，其特征在于：真实位移由激光传感器测出，然后分别使用DVS和传统相机GoPro在相同测试环境下得到的图片在该算法下进行位移测量比较。
CN202011485981.5A 2020-12-16 2020-12-16 一种基于动态视觉传感器dvs的建筑物结构位移测量方法 Pending CN113155032A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011485981.5A CN113155032A (zh) 2020-12-16 2020-12-16 一种基于动态视觉传感器dvs的建筑物结构位移测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011485981.5A CN113155032A (zh) 2020-12-16 2020-12-16 一种基于动态视觉传感器dvs的建筑物结构位移测量方法

Publications (1)

Publication Number Publication Date
CN113155032A true CN113155032A (zh) 2021-07-23

Family

ID=76882593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011485981.5A Pending CN113155032A (zh) 2020-12-16 2020-12-16 一种基于动态视觉传感器dvs的建筑物结构位移测量方法

Country Status (1)

Country Link
CN (1) CN113155032A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742957A (zh) * 2022-06-13 2022-07-12 西南石油大学 一种基于点云数据的建筑物立面提取方法
CN116118387A (zh) * 2023-02-14 2023-05-16 东莞城市学院 一种裱纸定位贴合系统
CN116124754A (zh) * 2023-04-17 2023-05-16 山东省中源联科生物工程集团有限公司 通过图像分析检测透明质酸钠凝胶中交联剂残留量的方法
CN118366173A (zh) * 2024-04-30 2024-07-19 动微视觉(北京)科技有限公司 识别字符的方法、装置、存储介质、电子设备及程序产品

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147857A (zh) * 2011-03-22 2011-08-10 黄晓华 利用改进霍夫变换进行类圆形检测的图像处理方法
CN103955499A (zh) * 2014-04-22 2014-07-30 北京航空航天大学 一种基于即时计算与动态追踪的视觉体验增强方法
CN107018357A (zh) * 2016-01-27 2017-08-04 三星电子株式会社 关于图像形成的动态视觉传感器的事件采样的方法和设备
CN108007388A (zh) * 2017-06-30 2018-05-08 长沙湘计海盾科技有限公司 一种基于机器视觉的转盘角度高精度在线测量方法
CN108076338A (zh) * 2016-11-14 2018-05-25 北京三星通信技术研究有限公司 图像视觉处理方法、装置及设备
CN109410230A (zh) * 2018-09-07 2019-03-01 南京航空航天大学 一种可抗噪声的改进Canny图像边缘检测方法
CN110169050A (zh) * 2016-12-30 2019-08-23 因赛特内斯股份公司 动态视觉传感器结构
CN110702111A (zh) * 2018-07-09 2020-01-17 三星电子株式会社 使用双事件相机的同时定位与地图创建（slam）
CN110823358A (zh) * 2019-11-08 2020-02-21 重庆邮电大学 一种基于视觉处理的建筑振动位移测量方法
CN110868518A (zh) * 2018-08-14 2020-03-06 三星电子株式会社 使用动态视觉传感器进行脉冲光图案捕获的系统和方法
CN211019052U (zh) * 2019-12-30 2020-07-14 深圳市优必选科技股份有限公司 监控装置及机器人
US20200249017A1 (en) * 2019-02-05 2020-08-06 Leica Geosystems Ag Surveying apparatus comprising event-based camera
CN111931752A (zh) * 2020-10-13 2020-11-13 中航金城无人系统有限公司 一种基于事件相机的动态目标检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102147857A (zh) * 2011-03-22 2011-08-10 黄晓华 利用改进霍夫变换进行类圆形检测的图像处理方法
CN103955499A (zh) * 2014-04-22 2014-07-30 北京航空航天大学 一种基于即时计算与动态追踪的视觉体验增强方法
CN107018357A (zh) * 2016-01-27 2017-08-04 三星电子株式会社 关于图像形成的动态视觉传感器的事件采样的方法和设备
CN108076338A (zh) * 2016-11-14 2018-05-25 北京三星通信技术研究有限公司 图像视觉处理方法、装置及设备
CN110169050A (zh) * 2016-12-30 2019-08-23 因赛特内斯股份公司 动态视觉传感器结构
CN108007388A (zh) * 2017-06-30 2018-05-08 长沙湘计海盾科技有限公司 一种基于机器视觉的转盘角度高精度在线测量方法
CN110702111A (zh) * 2018-07-09 2020-01-17 三星电子株式会社 使用双事件相机的同时定位与地图创建（slam）
CN110868518A (zh) * 2018-08-14 2020-03-06 三星电子株式会社 使用动态视觉传感器进行脉冲光图案捕获的系统和方法
CN109410230A (zh) * 2018-09-07 2019-03-01 南京航空航天大学 一种可抗噪声的改进Canny图像边缘检测方法
US20200249017A1 (en) * 2019-02-05 2020-08-06 Leica Geosystems Ag Surveying apparatus comprising event-based camera
CN110823358A (zh) * 2019-11-08 2020-02-21 重庆邮电大学 一种基于视觉处理的建筑振动位移测量方法
CN211019052U (zh) * 2019-12-30 2020-07-14 深圳市优必选科技股份有限公司 监控装置及机器人
CN111931752A (zh) * 2020-10-13 2020-11-13 中航金城无人系统有限公司 一种基于事件相机的动态目标检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张珂: "位置事件目标运动轨迹检测与分析", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742957A (zh) * 2022-06-13 2022-07-12 西南石油大学 一种基于点云数据的建筑物立面提取方法
CN116118387A (zh) * 2023-02-14 2023-05-16 东莞城市学院 一种裱纸定位贴合系统
CN116124754A (zh) * 2023-04-17 2023-05-16 山东省中源联科生物工程集团有限公司 通过图像分析检测透明质酸钠凝胶中交联剂残留量的方法
CN118366173A (zh) * 2024-04-30 2024-07-19 动微视觉(北京)科技有限公司 识别字符的方法、装置、存储介质、电子设备及程序产品

Similar Documents

Publication Publication Date Title
CN113155032A (zh) 一种基于动态视觉传感器dvs的建筑物结构位移测量方法
Lin et al. Vehicle speed detection from a single motion blurred image
US10620005B2 (en) Building height calculation method, device, and storage medium
US20170280073A1 (en) Systems and Methods for Reducing Noise in Video Streams
CN107256225B (zh) 一种基于视频分析的热度图生成方法及装置
CN107678192B (zh) 一种基于机器视觉的Mura缺陷检测方法
CN108596169B (zh) 基于视频流图像的分块信号转换与目标检测方法及装置
WO2017090458A1 (ja) 撮影装置、および撮影方法、並びにプログラム
EP3798975B1 (en) Method and apparatus for detecting subject, electronic device, and computer readable storage medium
KR20080021646A (ko) 연속 확장 범위의 이미지 프로세싱
WO2017120796A1 (zh) 路面病害的检测方法及其装置、电子设备
KR101441947B1 (ko) 카메라 이동 영향을 검출하고 억제하는 감시 카메라 장치및 그 제어 방법
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
TWI779948B (zh) 相機模組的鏡頭髒污偵測方法
CN108702453A (zh) 用于校正所采集的图像的方法
WO2021000948A1 (zh) 配重重量的检测方法与系统、获取方法与系统及起重机
CN110880184A (zh) 一种基于光流场进行摄像头自动巡检的方法及装置
CN116894775B (zh) 基于相机运动模型恢复和超分辨率的螺栓图像预处理方法
CN108109117A (zh) 一种基于运动物体的颜色实时变换的方法
CN113409334B (zh) 一种基于质心的结构光角点检测方法
CN102564924B (zh) 一种血细胞单帧图像的自动扫描方法
CN117522944A (zh) 一种基于深度感知的自适应面外振动测量系统及方法
CN106530292B (zh) 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法
CN110501339B (zh) 一种复杂环境下的布面定位方法
TWI381735B (zh) 影像監視設備之影像處理系統及其影像解析自動調適之方法

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