CN113269671A - 一种基于局部和全局特征的桥梁表观全景图生成方法 - Google Patents
一种基于局部和全局特征的桥梁表观全景图生成方法 Download PDFInfo
- Publication number
- CN113269671A CN113269671A CN202110381677.4A CN202110381677A CN113269671A CN 113269671 A CN113269671 A CN 113269671A CN 202110381677 A CN202110381677 A CN 202110381677A CN 113269671 A CN113269671 A CN 113269671A
- Authority
- CN
- China
- Prior art keywords
- image
- splicing
- local
- camera
- algorithm
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 11
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 230000007547 defect Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004309 orthophoria Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
一种基于局部和全局特征的桥梁表观全景图生成方法，具体步骤如下：步骤1：对线阵排列的相机进行编号并分组组成若干个相机组；步骤2：每个相机组通过校正与拼接算法得到相应的横向拼接子图；步骤3：相机组沿着与排列方向相垂直的方向边行进边拍照，根据纵向图像拼接的重叠度需求，设置拍照间隔的步长，得到纵向序列拼接子图像；步骤4：采用特征点匹配算法对纵向序列拼接子图像进行拼接。
Description
技术领域
本发明属于图像分析技术领域，具体涉及一种基于局部和全局特征的桥梁表观全景图生成方法。
背景技术
近年来我国的桥梁建设进程迅速发展，然而随着桥梁的增加，桥梁安全日益成为突出问题，而桥梁表观信息的则与桥梁的安全有着密切的关系。图像采集是结构表观信息获取的重要途经，对于桥梁这一数量众多、分布广泛的基础设施，通过其表观信息的全景图往往可以对桥梁的自身病害分析有较为全面的了解，便于后期的管养与维护。综上所述，目前全景图像的拼接方法主要为基于单一相机的全景拼接：即通过获取参考、浮动图像后，利用特征匹配、模板匹配等算法在参考图像中提取信息，之后将所得的候选信息进行匹配，得到空间变换关系后进行拼接，因此亟待提出一种基于局部和全局特征的桥梁表观全景图的高效准确的生成方法。
常规图像配准算法包括模板匹配、特征匹配及相位相关算法。而在生成全景图像时，是通过连续重复地使用图像配准算法来进行长序列的拼接，存在以下问题：
一是常规图像配准算法中，特征匹配算法存在着需要以牺牲效率为代价，来提高算法稳定性和准确率的缺点。
二是模板匹配算法在需要在合适的方法和参数调整下才能体现出较好的计算效率，对于复杂工程环境下的图像配准来说适用性较低。
三是传统全景图像拼接算法在进行长序列大量图像的连续拼接时，对图像缓存、本地存储的考量不足，计算效率较低。
四是传统全景图像拼接算法中，会丢失局部图像位置信息的缺陷，一旦丢失局部图像位置信息，将无法对图像中的病害信息进行定位，对于桥梁表观病害的检测是一大缺陷。
发明内容
为了解决上述问题，本发明提出了一种计算效率大大提高、算法鲁棒性好、具有较强的模块化能力和可拓展性的基于局部和全局特征的桥梁表观全景图生成方法。
本发明采用的技术方案是：
一种基于局部和全局特征的桥梁表观全景图生成方法，具体步骤如下：
步骤1：对线阵排列的相机进行编号并分组组成若干个相机组；
步骤2：每个相机组通过校正与拼接算法得到相应的横向拼接子图；
步骤3：相机组沿着与排列方向相垂直的方向边行进边拍照，根据纵向图像拼接的重叠度需求，设置拍照间隔的步长，得到纵向序列拼接子图像；
步骤4：采用特征点匹配算法对纵向序列拼接子图像进行拼接。
进一步，步骤2的具体步骤如下：
步骤21：用相机标定算法解算相机组中每个相机参数，得到各相机的待拼接正视图像；
步骤22：采用图像几何定位算法对待拼接正视图像进行几何定位，得到每张图像的拼接参数；
步骤23：根据每张图像的拼接参数，将所有正视序列图像进行拼接，得到相应组线阵排列相机的横向拼接子图像。
进一步，步骤21中对相机进行标定时，使用棋盘格校正算法，拍摄多组棋盘格原始图像，首先判断原始图像是否为三通道图片，若是则复制并将原始图像转变为灰度图像进行棋盘格角点识别，并得到相机的内、外参数和畸变系数，根据参数对相机进行镜头的畸变矫正和正视校正，得到即可得到待拼接正视图像。
进一步，步骤22的具体步骤如下：
步骤221：将带有标识码的标定板放置与相邻两个相机的视野重叠区域内，相机同步拍照，经过步骤21的校正算法，得到待拼接的原始正视图像；
步骤222：将待拼接的原始正视图像转变为灰度图像；
步骤223：对灰度图像进行标志码检测，得到所有可能的标志码及其坐标位置，以最外围的四组标识码坐标作为定位标记，裁剪标识码以外的区域，保存定位参数，即得到每张图像的拼接参数。
进一步，步骤22还包括：提取图像的局部角点坐标。
进一步，步骤23是通过依次对相邻两个相机采用步骤22中的图像几何定位算法的定位参数进行相同区域合并，即可得到一组线阵排列相机的完整横向拼接子图。
进一步，步骤4中在进行纵向拼接全景图时，设置一定的图像保存长度。即，图像纵向拼接到一定长度后，将拼接图输出存储，重新从最后一张子图开始进行新一轮的拼接，以释放内存确保正常工作。
进一步，步骤4中将根据步骤22中获取的图像局部角点坐标，换算为全局的坐标，实现局部图像在全景图中的定位。
本发明的优点是：
1、基于编码参数的局部图像配准算法计算效率大大提高。
2、基于编码参数的局部图像配准算法不受环境因素(光照、表面纹理等)的影响，算法鲁棒性高。
3、解决了传统全景图像拼接算法在进行长序列大量图像的连续拼接时，对图像缓存、本地存储的考量不足，计算效率较低。
4、解决了传统全景图像拼接算法中，会丢失局部图像位置信息的缺陷，一旦丢失局部图像位置信息，将无法对图像中的病害信息进行定位，对于桥梁表观病害的检测是一大缺陷。
5、基于编码参数的局部图像配准算法，在计算配准参数的同时，也保留了图像的局部坐标信息，进而在进行全景图像拼接时，能够通过坐标转换得到子图像在全景图像中的全局坐标，从而能够实现对子图像中的病害信息的定位。
6、全景图像生成方法基于点-线-面的思想，具有较强的模块化能力和可拓展性，根据桥梁表观的区域大小，可以灵活地调整相机编组的数量，且各编组的计算、存储模式均一致，提高了操作效率和标准化程度。
附图说明
图1为本发明的流程示意图。
图2为本发明的横向拼接子图的校正与拼接流程示意图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明，但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到，本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
参见图1、图2，本实施例提供了一种基于局部和全局特征的桥梁表观全景图生成方法，具体步骤如下：
步骤1：对线阵排列的相机进行编号并分组组成若干个相机组；
步骤2：每个相机组通过校正与拼接算法得到相应的横向拼接子图；
其中相机组得到横向拼接子图的具体步骤如下：
步骤21：用相机标定算法解算相机组中每个相机参数，得到各相机的待拼接正视图像；
其中对相机进行标定时，使用棋盘格校正算法，拍摄多组棋盘格原始图像，首先判断原始图像是否为三通道图片，若是则复制并将原始图像转变为灰度图像进行棋盘格角点识别，并得到相机的内、外参数和畸变系数，根据参数对相机进行镜头的畸变矫正和正视校正，得到即可得到待拼接正视图像。
步骤22：采用图像几何定位算法对待拼接正视图像进行几何定位，得到每张图像的拼接参数；具体为：
步骤221：将带有标识码的标定板放置与相邻两个相机的视野重叠区域内，相机同步拍照，经过步骤21的校正算法，得到待拼接的原始正视图像；
其中带标识码的标定板其基本构成可拆分为两个部分，其一是基础的棋盘格，其二是镶嵌在棋盘格中的标识码。标识码可以是多种形态的，可以是ARUCO标识码，也可以是若干组同心圆，或是二维码等，只要能通过识别标识码，提取出其在图像中的坐标点位，即可作为标识码使用。需要注意的是，标识码是相互各异的，也即具有唯一对应其自身的编号。标识码标定板除了提取标识码的坐标外，还可以利用棋盘格本身的特性，应用在图像正视校正中。因此，实际使用是，只需将一块长条形的标识码标定板放置覆盖在线阵相机的拍摄区域内，进行拍摄，即可一次性完成正视校正与配准参数获取的工作。
步骤222：将待拼接的原始正视图像转变为灰度图像；
步骤223：对灰度图像进行标志码检测，得到所有可能的标志码及其坐标位置，以最外围的四组标识码坐标作为定位标记，裁剪标识码以外的区域，保存定位参数，即得到每张图像的拼接参数。
对于每幅图像可以提取出图中所有的标识码及其对应编号和角点的坐标。在相邻两幅图片中，可以根据标识码编号的唯一性，寻找出重叠区域内的所有标识码，绘制出了两幅图中重叠区域内的标识码的角点对应关系。由于图像经过了严格的正视校正，因此各组角点对应连线均是相互平行的，也即两幅图像之间只存在同一平面内的平移和旋转关系，不再有透视变换(会扭曲直线)的关系。在计算机中，图像以二维矩阵的形式存在，图像和图像之间的平移和旋转变换只需要通一个变换矩阵的乘法运算实现，使用上述得到的重叠区域内各个对应的角点坐标对，即可得到这一变换矩阵，从而实现两幅图像的配准，其配准参数就是变换矩阵本身。
步骤22对每张拼接图像除获取拼接参数外，还提取图像的局部角点坐标。
步骤23：根据每张图像的拼接参数，将所有正视序列图像进行拼接，得到相应组线阵排列相机的横向拼接子图像。具体为通过依次对相邻两个相机采用步骤22中的图像几何定位算法的定位参数进行相同区域合并，即可得到一组线阵排列相机的完整横向拼接子图。
通过拍照量测，确定图像的像素分辨率，也即，每一单位像素对应的实际物理尺寸。例如，像素解析率为0.2mm/px，表示1像素对应0.2mm的实际物理尺寸，那么对于一张3840×2160分辨率的图像，其画幅中对应的实际视野区域范围为768mm×432mm。
例如，对于一张像素分辨率0.2mm/px，图像分辨率为5000×700的横向拼接图而言，其对应的实际视野区域范围为1000mm×140mm；标识码标定板中，棋盘格每个格子的实际尺寸为15mm×15mm。那么，为使标识码的匹配和图像变换矩阵更加精确，相邻图像的重叠区域至少应为两行以上的棋盘格，即30mm，这意味着，后一张图片相对于前一张图片，其纵向前进的长度应小于等于(140mm-30mm)＝110mm，设相机组的纵向前进速度为110mm/s，那么拍照的间隔即为1s一张。
将上述表达式抽象为公式，设横向拼接图的图像分辨率为W×H，像素分辨率为P(mm/px)，棋盘格格子的尺寸为D，重叠度以格子行数计为C行，相机组的纵向前进速度为V，那么拍照间隔时间T与上述变量的关系为：
步骤3：相机组沿着与排列方向相垂直的方向边行进边拍照，根据纵向图像拼接的重叠度需求，设置拍照间隔的步长，得到纵向序列拼接子图像；
其中纵向拼接的原理与横向拼接类似，将标定板竖置，相机组在沿纵向前进拍摄的过程中，同样可以拍摄获得一部分带有标识码标定板的图像，对相邻的图像运用前述的配准算法，即可获取相应的纵向配准参数，完成图像的纵向拼接。
步骤4：采用特征点匹配算法对纵向序列拼接子图像进行拼接。
其中在进行纵向拼接全景图时，根据图像的处理能力，设置一定的图像保存长度。即，图像纵向拼接到一定长度后，将拼接图输出存储，重新从最后一张子图开始进行新一轮的拼接，以释放内存确保正常工作。在不断进行纵向拼接的过程中，全景拼接图占用的计算内存将不断增加，因此，可以根据cpu的内存占用情况，设定一定的阈值(如占用超过60％)，当超过阈值时，暂停当前拼接，并保存全景拼接子图，并以子图的最后一张图作为新一轮的拼接起点，开始新的拼接流程。
步骤4中将根据步骤22中获取的图像局部角点坐标，换算为全局的坐标，实现局部图像在全景图中的定位。
在计算机中每张图像的默认初始坐标均在左上角，因此，在确认拼接图的全局坐标时，首先选取其中一张子图像或任意一处确定点，作为全局坐标系的原点(X0,Y0)，那么，其他子图像的局部坐标系，只需根据前述计算得到的配准参数(实质是图像的变换矩阵)，对其进行乘法运算即可换算至新的坐标系中。
本发明基于编码参数的局部图像配准算法计算效率大大提高；基于编码参数的局部图像配准算法不受环境因素(光照、表面纹理等)的影响，算法鲁棒性高。本发明解决了传统全景图像拼接算法在进行长序列大量图像的连续拼接时，对图像缓存、本地存储的考量不足，计算效率较低。本发明解决了传统全景图像拼接算法中，会丢失局部图像位置信息的缺陷，一旦丢失局部图像位置信息，将无法对图像中的病害信息进行定位，对于桥梁表观病害的检测是一大缺陷。本发明基于编码参数的局部图像配准算法，在计算配准参数的同时，也保留了图像的局部坐标信息，进而在进行全景图像拼接时，能够通过坐标转换得到子图像在全景图像中的全局坐标，从而能够实现对子图像中的病害信息的定位。全景图像生成方法基于点-线-面的思想，具有较强的模块化能力和可拓展性，根据桥梁表观的区域大小，可以灵活地调整相机编组的数量，且各编组的计算、存储模式均一致，提高了操作效率和标准化程度。
Claims (8)
1.一种基于局部和全局特征的桥梁表观全景图生成方法，具体步骤如下：
步骤1：对线阵排列的相机进行编号并分组组成若干个相机组；
步骤2：每个相机组通过校正与拼接算法得到相应的横向拼接子图；
步骤3：相机组沿着与排列方向相垂直的方向边行进边拍照，根据纵向图像拼接的重叠度需求，设置拍照间隔的步长，得到纵向序列拼接子图像；
步骤4：采用特征点匹配算法对纵向序列拼接子图像进行拼接。
2.根据权利要求1所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤2的具体步骤如下：
步骤21：用相机标定算法解算相机组中每个相机参数，得到各相机的待拼接正视图像；
步骤22：采用图像几何定位算法对待拼接正视图像进行几何定位，得到每张图像的拼接参数；
步骤23：根据每张图像的拼接参数，将所有正视序列图像进行拼接，得到相应组线阵排列相机的横向拼接子图像。
3.根据权利要求2所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤21中对相机进行标定时，使用棋盘格校正算法，拍摄多组棋盘格原始图像，首先判断原始图像是否为三通道图片，若是则复制并将原始图像转变为灰度图像进行棋盘格角点识别，并得到相机的内、外参数和畸变系数，根据参数对相机进行镜头的畸变矫正和正视校正，得到即可得到待拼接正视图像。
4.根据权利要求2所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤22的具体步骤如下：
步骤221：将带有标识码的标定板放置与相邻两个相机的视野重叠区域内，相机同步拍照，经过步骤21的校正算法，得到待拼接的原始正视图像；
步骤222：将待拼接的原始正视图像转变为灰度图像；
步骤223：对灰度图像进行标志码检测，得到所有可能的标志码及其坐标位置，以最外围的四组标识码坐标作为定位标记，裁剪标识码以外的区域，保存定位参数，即得到每张图像的拼接参数。
5.根据权利要求2所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤22还包括：提取图像的局部角点坐标。
6.根据权利要求2所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤23是通过依次对相邻两个相机采用步骤22中的图像几何定位算法的定位参数进行相同区域合并，即可得到一组线阵排列相机的完整横向拼接子图。
7.根据权利要求1所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤4中在进行纵向拼接全景图时，设置一定的图像保存长度。
8.根据权利要求5所述的一种基于局部和全局特征的桥梁表观全景图生成方法，其特征在于：步骤4中将根据步骤22中获取的图像局部角点坐标，换算为全局的坐标，实现局部图像在全景图中的定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110381677.4A CN113269671B (zh) | 2021-04-09 | 2021-04-09 | 一种基于局部和全局特征的桥梁表观全景图生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110381677.4A CN113269671B (zh) | 2021-04-09 | 2021-04-09 | 一种基于局部和全局特征的桥梁表观全景图生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113269671A true CN113269671A (zh) | 2021-08-17 |
| CN113269671B CN113269671B (zh) | 2024-02-23 |
Family
ID=77228641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110381677.4A Active CN113269671B (zh) | 2021-04-09 | 2021-04-09 | 一种基于局部和全局特征的桥梁表观全景图生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269671B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114289332A (zh) * | 2022-01-20 | 2022-04-08 | 湖南视比特机器人有限公司 | 工件分拣的视觉识别与定位方法、装置及分拣系统 |
| CN114998717A (zh) * | 2022-04-19 | 2022-09-02 | 湖南康桥智能科技有限公司 | 一种钢箱梁表观疲劳裂纹发展趋势视频监测方法 |
| CN115086569A (zh) * | 2022-06-10 | 2022-09-20 | 湖南康桥智能科技有限公司 | 一种基于组网摄像机的特大桥梁底图像采集方法 |
| CN115131211A (zh) * | 2022-07-04 | 2022-09-30 | 威海华菱光电股份有限公司 | 图像合成方法、装置、便携式扫描仪和非易失性存储介质 |
| WO2023231362A1 (en) * | 2022-05-30 | 2023-12-07 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for data processing |
| CN114998717B (zh) * | 2022-04-19 | 2024-05-31 | 湖南康桥智能科技有限公司 | 一种钢箱梁表观疲劳裂纹发展趋势视频监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109064404A (zh) * | 2018-08-10 | 2018-12-21 | 西安电子科技大学 | 一种基于多相机标定的全景拼接方法、全景拼接系统 |
| WO2019134516A1 (zh) * | 2018-01-05 | 2019-07-11 | Oppo广东移动通信有限公司 | 全景图像生成方法、装置、存储介质及电子设备 |
| CN110570354A (zh) * | 2019-09-10 | 2019-12-13 | 上海黑塞智能科技有限公司 | 一种基于长条形棋盘格标定板的近景图像拼接方法 |
-
2021
- 2021-04-09 CN CN202110381677.4A patent/CN113269671B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019134516A1 (zh) * | 2018-01-05 | 2019-07-11 | Oppo广东移动通信有限公司 | 全景图像生成方法、装置、存储介质及电子设备 |
| CN109064404A (zh) * | 2018-08-10 | 2018-12-21 | 西安电子科技大学 | 一种基于多相机标定的全景拼接方法、全景拼接系统 |
| CN110570354A (zh) * | 2019-09-10 | 2019-12-13 | 上海黑塞智能科技有限公司 | 一种基于长条形棋盘格标定板的近景图像拼接方法 |
Non-Patent Citations (1)
| Title |
|---|
| 马嘉琳;张锦明;孙卫新;: "基于相机标定的全景图拼接方法研究", 系统仿真学报, no. 05, pages 1 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114289332A (zh) * | 2022-01-20 | 2022-04-08 | 湖南视比特机器人有限公司 | 工件分拣的视觉识别与定位方法、装置及分拣系统 |
| CN114998717A (zh) * | 2022-04-19 | 2022-09-02 | 湖南康桥智能科技有限公司 | 一种钢箱梁表观疲劳裂纹发展趋势视频监测方法 |
| CN114998717B (zh) * | 2022-04-19 | 2024-05-31 | 湖南康桥智能科技有限公司 | 一种钢箱梁表观疲劳裂纹发展趋势视频监测方法 |
| WO2023231362A1 (en) * | 2022-05-30 | 2023-12-07 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for data processing |
| CN115086569A (zh) * | 2022-06-10 | 2022-09-20 | 湖南康桥智能科技有限公司 | 一种基于组网摄像机的特大桥梁底图像采集方法 |
| CN115086569B (zh) * | 2022-06-10 | 2024-04-19 | 湖南康桥智能科技有限公司 | 一种基于组网摄像机的特大桥梁底图像采集方法 |
| CN115131211A (zh) * | 2022-07-04 | 2022-09-30 | 威海华菱光电股份有限公司 | 图像合成方法、装置、便携式扫描仪和非易失性存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113269671B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113269671B (zh) | 一种基于局部和全局特征的桥梁表观全景图生成方法 | |
| CN109949399B (zh) | 一种基于无人机航拍图像的场景三维重建方法 | |
| CN107194991B (zh) | 一种基于骨架点局域动态更新的三维全局可视化监控系统构建方法 | |
| CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
| US9025862B2 (en) | Range image pixel matching method | |
| CN111369495B (zh) | 一种基于视频的全景图像的变化检测方法 | |
| CN110033407B (zh) | 一种盾构隧道表面图像标定方法、拼接方法及拼接系统 | |
| CN110044374B (zh) | 一种基于图像特征的单目视觉测量里程的方法及里程计 | |
| JP2004340840A (ja) | 距離測定装置、距離測定方法、及び距離測定プログラム | |
| CN109373912A (zh) | 一种基于双目视觉的非接触式六自由度位移测量方法 | |
| CN111210478A (zh) | 一种无共同视野多相机系统外参标定方法、介质及系统 | |
| CN111724446B (zh) | 一种用于建筑物三维重建的变焦距相机外参数标定方法 | |
| CN109146791B (zh) | 一种基于面阵ccd成像的隧道展布图生成方法 | |
| CN115345942A (zh) | 空间标定方法、装置、计算机设备和存储介质 | |
| CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
| WO2020133080A1 (zh) | 物体定位方法、装置、计算机设备及存储介质 | |
| CN112164119B (zh) | 一种适用于狭小空间的环绕放置多摄像机系统标定方法 | |
| CN112508885B (zh) | 一种弯管的三维中轴线检测方法及系统 | |
| CN114693782A (zh) | 用于确定三维场景模型坐标系和物理坐标系的转换关系的方法及装置 | |
| JP2006113832A (ja) | ステレオ画像処理装置およびプログラム | |
| JP2003078811A (ja) | マーカ座標対応付け方法とカメラパラメータ取得方法とカメラパラメータ取得システムとキャリブレーションパターン | |
| RU2384882C1 (ru) | Способ автоматической компоновки ландшафтных панорамных изображений | |
| CN115717865A (zh) | 环形结构全场变形测量方法 | |
| JP2019036804A (ja) | 天井地図作成方法、天井地図作成装置及び天井地図作成プログラム | |
| CN111260561A (zh) | 一种可用于掩模版缺陷检测的快速多图拼接方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |