CN113696939B - 一种基于标识物的轨道车定位方法、系统及设备 - Google Patents
一种基于标识物的轨道车定位方法、系统及设备 Download PDFInfo
- Publication number
- CN113696939B CN113696939B CN202110982542.3A CN202110982542A CN113696939B CN 113696939 B CN113696939 B CN 113696939B CN 202110982542 A CN202110982542 A CN 202110982542A CN 113696939 B CN113696939 B CN 113696939B
- Authority
- CN
- China
- Prior art keywords
- color
- frame image
- order value
- marker
- positioning
- 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.)
- Active
Links
- 239000003550 marker Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000006073 displacement reaction Methods 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 4
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000531116 Blitum bonus-henricus Species 0.000 description 1
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000012745 brilliant blue FCF Nutrition 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T30/00—Transportation of goods or passengers via railways, e.g. energy recovery or reducing air resistance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请公开了一种基于标识物的轨道车定位方法、系统及设备。该方法首先获取轨道旁标识物的连续帧图像，轨道旁标识物包括一条具有不同颜色色段的色带；然后，根据连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，当前帧图像为获取到的连续帧图像中最后一帧图像；最后，根据高位值和低位值得到轨道车当前位移，还包括将得到的当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。可以看出，本申请通过摄像头采集到的图像中的色段来统计计算车体的位置，对电机驱动系统和传动器件的精密度依赖很低，可以保证最终制动在靶位范围内，提高轨道车定位准确性。
Description
技术领域
本发明涉及智能轨道交通技术领域，特别涉及一种基于标识物的轨道车定位方法、系统及设备。
背景技术
随着轨道交通的发展，轨道车或是轨道机器越来越多的应用在生活中，轨道车的制动变得尤为关键。
现有计算机依赖向步进电机所发出的按主动轴的驱动脉冲累积量定位模式，即按主动轴的主动脉冲积数作为三维空间的xy轴驱动依据，但有时会受到负载较大，或启动时静止惯性的影响，并不能保证每一个输出脉动都能成功地转换成了轴的旋转角度，因为可能会存在轴转与实转不一致的问题从而导致定位错误。
发明内容
基于此，本申请实施例提供了一种基于标识物的轨道车定位方法、系统及设备，可以保证最终制动在靶位范围内，提高轨道车定位准确性。
第一方面，提供了一种基于标识物的轨道车定位方法，该方法包括：
获取轨道旁标识物的连续帧图像，所述轨道旁标识物包括一条具有不同颜色色段的色带；
根据所述连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，所述当前帧图像为获取到的连续帧图像中最后一帧图像；
根据所述高位值和所述低位值得到轨道车当前位移。
可选地，所述方法还包括：将得到的所述当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
可选地，所述将得到的所述当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准，包括：
将得到的所述当前位移与预设的轨道靶位值相减，根据其差值确定轨道车的电机要执行输出的方向与大小，使得所述轨道车通过定位校准到达预设的轨道位置。
可选地，所述将得到的所述当前位移与预设的轨道靶位值进行比较之前，所述方法包括：
确定所述轨道靶位值的高位值和低位值。
可选地，所述轨道旁标识物包括一条具有不同颜色色段的色带，具体包括：
所述轨道旁标识物为一条红、绿、蓝三种颜色色段循环排列的色带，其中，每种颜色色段的长度大小均相同。
可选地，所述根据所述连续帧图像中色段颜色变化的次数得到高位值，包括：
对所述连续帧图像中预设位置进行扫描，根据色型识别算法对所述预设位置的像素进行色型识别，根据所有图像色型变化的次数得到高位值。
可选地，根据当前帧图像中的段边界偏值得到低位值，包括：
对所述当前帧图像中预设位置进行扫描，确定所述预设位置所在色段的段边界，根据所述预设位置到所述段边界的距离差得到低位值。
第二方面，提供了基于标识物的轨道车定位系统，该系统包括轨道车、轨道旁标识物，其中所述轨道车包括定位装置，所述定位装置包括：
获取模块，用于获取轨道旁标识物的连续帧图像，所述轨道旁标识物包括一条具有不同颜色色段的色带；
处理模块，用于根据所述连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，所述当前帧图像为获取到的连续帧图像中最后一帧图像；
定位模块，用于根据所述高位值和所述低位值得到轨道车当前位移。
可选地，所述定位装置还包括：
校准模块，用于将得到的所述当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
第三方面，提供了一种设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面任一所述的基于标识物的轨道车定位方法。
本申请实施例提供的技术方案首先获取轨道旁标识物的连续帧图像，轨道旁标识物包括一条具有不同颜色色段的色带；然后，根据连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，当前帧图像为获取到的连续帧图像中最后一帧图像；最后，根据高位值和低位值得到轨道车当前位移，还包括将得到的当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
可以看出，本申请的有益效果在于：
1.不依赖价格昂贵的伺服电机或步进电机成本。
2.避免了传统的电子器件累计值过程中，由于传动摩擦系数的不稳定而造成的定位位置与期望位置的误差，避免下位做业事故。
附图说明
图1为本申请实施例提供的一种基于标识物的轨道车定位方法的流程图；
图2为本申请实施例提供的标识物扫描示意图；
图3为本申请实施例提供的一种定位装置的框图；
图4为本申请实施例提供的一种设备的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)旨在区别指代的对象。对于具有时序流程的方案，这种术语表述方式不必理解为描述特定的顺序或先后次序，对于装置结构的方案，这种术语表述方式也不存在对重要程度、位置关系的区分等。
此外，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包括了一系列步骤或单元的过程、方法、系统、产品或设备不必限于已明确列出的那些步骤或单元，而是还可包含虽然并未明确列出的但对于这些过程、方法、产品或设备固有的其它步骤或单元，或者基于本发明构思进一步的优化方案所增加的步骤或单元。
请参考图1，其示出了本申请实施例提供的一种基于标识物的轨道车定位方法的流程图，该基于标识物的轨道车定位方法可以包括以下步骤：
步骤101，获取轨道旁标识物的连续帧图像。
其中，轨道旁标识物包括一条具有不同颜色色段的色带。
在本申请实施例中，轨道旁标识物为一条红、绿、蓝三种颜色色段循环排列的色带，其中，每种颜色色段的长度大小均相同，轨道车上包括有固定在车体的摄像头，摄像头可以拍摄轨道旁标识物，镜头每秒能为分析程序提供20帧左右的画面，可供分析应用。如图2，镜头顺轨运动全程的每一帧画面上，都能见红、绿、蓝色带顺序循环排列的画面。
步骤102，根据连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值。
其中，当前帧图像为获取到的连续帧图像中最后一帧图像，高位值代表当前色段相对于第一色段的累积数，低位值代表扫描位置相对于当前段边界的像素数。
在本申请实施例中，轨道机器顺轨道运动时，镜头扫描线中发现的第一个色带色型会有变化。其中镜头扫描线表示图像识别过程中在屏幕中的扫描起点坐标位置到终点扫描位置之间的连续坐标点，所连成的直线此直线的长距跨越多个色段的线，镜头扫描线上可能显示红绿蓝多个色型段，取第一个色型段的色型，与上一帧采集到的此色型比较颜色变化的类型。
对连续帧图像中预设位置(其中预设位置可以是预设的图像扫描坐标点xy，即镜头扫描线)进行扫描，根据色型识别算法对预设位置的像素进行色型识别，根据所有图像色型变化的次数得到高位值，其原理是镜头顺着色带方向右移动时，镜头扫描线起点坐标在当前所指的色段中会向左移动，并在某一时刻，此固定坐标上的像素会由红变成绿色，对应的识别出来的位置值的高位值+1，即在运动中按扫描得到的第一段变色类型做当前位置加减。由红变绿+1，绿变蓝+1，蓝变红+1。(反之,绿变红-1，蓝变绿-1，红变蓝-1)
其中，摄像头采集的图像直接按回调返回给主调代码程序，由识别代码在运行时在其中扫描发现色段类型及色段边界在图像内的坐标位置。色型识别算法是指将一个像素由R(红)G(绿)B(蓝)三个值表示，红色纸在值关系上体现为R>G&&R>B；绿色纸体现为G>B&&G>R；蓝色纸体现为B>R&&B>G，为增加稳定性，可增加一个最小差量值n，如：B-n>R&&B-n>G。
在本申请实施例中，对当前帧图像中预设位置进行扫描，确定预设位置所在色段的段边界，根据预设位置到段边界的距离差得到低位值。
即计算当前帧图像中镜头扫描线的终点到该点所在色段的段边界的距离得到低位值。其中，低位值可以用像素值来表示。
步骤103，根据高位值和低位值得到轨道车当前位移。
例如在本申请中，若轨道车通过扫描发现移动过3个色块以及当前镜头到段边界有60像素则在本系统中位移会描述为3段+60像素。
在本申请的另一个实施例中，将得到的当前位移与预设的轨道靶位值进行比较之前，需要确定轨道靶位值的高位值和低位值。即在首次设置扫描位置时需要装机后要做撞限位刷零位置的初始化撞零，具体是指机器开机后，先完成向左和向上撞限位器后停止，并将xy两个轴道的累积值刷写为0，此过程简称为初始化撞零。在保证开始后有撞零操作之后，手动屏幕按钮将机器移动到机器手指对准某个货道的位置，此时采集到的轨道xy值，存储给这个编号的货道，作为货道靶位，当顾客想要取某货道上的货物时，机器会将货道转换成此靶位对应的xy值，以驱动xy轴电机赴位取货。
步骤104，将得到的当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
将得到的当前位移与预设的轨道靶位值相减，根据其差值确定轨道车的电机要执行输出的方向与大小，使得轨道车通过定位校准到达预设的轨道位置。
根据预设的轨道位置只要位置量未达目标，就会继续向电机输出扭矩，直到本方法确定已经达到了目标位置才会停下来，所以，避免了轴转与实转不一致可能产生的定位错误及下位手夹作业事故风险。
以下给出本申请在轨道电机在实际取货作业场景下的一个实施例：
首先进行货物初始化定位：将轨道车xy轴撞零贴边刷当前位置为0，遥控完成每个货道货物对应的xy高低位置值的采集，循环以上动作完成全部货道货物对应的靶位的采集并存入数据库。
取货作业过程：首先顾客选定商品，从数据库中取现商品所在货道的靶位，然后驱动及制动程序驱动电机将电机上的夹手移到货道位置(靶位)，伸出手臂，夹紧双指，拉回手臂，赴出货仓口位置(靶位)，伸出手臂，松开双指，收回手臂，打开仓门。
可以看出，本申请通过摄像头采集到的图像中的色段来统计计算车体的位置，对电机驱动系统和传动器件的精密度依赖很低，只要贴于轨道边上的色段能成功被摄像头录入，就能正确驱动xy轴的驱动与制动。即轨道车对轴与轨的摩擦产生的运动误差不敏感不依赖，即使发生了打滑现象，驱动程序也会通过继续运动，以保证最终制动在靶位范围内，而不会发生提前误制动到错位的位置上。
请参考图3，其示出了本申请实施例提供的一种基于标识物的轨道车定位系统，系统包括轨道车、轨道旁标识物，轨道车上的摄像头可以对轨道旁标识物进行摄像拍照，其中轨道车包括定位装置300，定位装置包括：
获取模块301，用于获取轨道旁标识物的连续帧图像，轨道旁标识物包括一条具有不同颜色色段的色带；
处理模块302，用于根据连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，当前帧图像为获取到的连续帧图像中最后一帧图像；
定位模块303，用于根据高位值和低位值得到轨道车当前位移。
在本申请一个实施例中，定位装置还包括：
校准模块304，用于将得到的当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
关于定位装置的具体限定可以参见上文中对于基于标识物的轨道车定位方法的限定，在此不再赘述。上述定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种设备，该设备可以是定位设备，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于轨道车定位数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信，显示器用于显示轨道车定位结果。该计算机程序被处理器执行时以实现一种基于标识物的轨道车定位方法。
本领域技术人员可以理解，如图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于标识物的轨道车定位方法的步骤。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以M种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(SyMchliMk)DRAM(SLDRAM)、存储器总线(RaMbus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于标识物的轨道车定位方法，其特征在于，所述方法包括：
获取轨道旁标识物的连续帧图像，所述轨道旁标识物包括一条具有不同颜色色段的色带；
根据所述连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，所述当前帧图像为获取到的连续帧图像中最后一帧图像；
根据所述高位值和所述低位值得到轨道车当前位移；
其中，根据当前帧图像中的段边界偏值得到低位值，包括：
对所述当前帧图像中预设位置进行扫描，确定所述预设位置所在色段的段边界，根据所述预设位置到所述段边界的距离差得到低位值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将得到的所述当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
3.根据权利要求2所述的方法，其特征在于，所述将得到的所述当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准，包括：
将得到的所述当前位移与预设的轨道靶位值相减，根据其差值确定轨道车的电机要执行输出的方向与大小，使得所述轨道车通过定位校准到达预设的轨道位置。
4.根据权利要求2所述的方法，其特征在于，所述将得到的所述当前位移与预设的轨道靶位值进行比较之前，所述方法包括：
确定所述轨道靶位值的高位值和低位值。
5.根据权利要求1所述的方法，其特征在于，所述轨道旁标识物包括一条具有不同颜色色段的色带，具体包括：
所述轨道旁标识物为一条红、绿、蓝三种颜色色段循环排列的色带，其中，每种颜色色段的长度大小均相同。
6.根据权利要求1所述的方法，其特征在于，所述根据所述连续帧图像中色段颜色变化的次数得到高位值，包括：
对所述连续帧图像中预设位置进行扫描，根据色型识别算法对所述预设位置的像素进行色型识别，根据所有图像色型变化的次数得到高位值。
7.一种基于标识物的轨道车定位系统，其特征在于，所述系统包括轨道车、轨道旁标识物，其中所述轨道车包括定位装置，所述定位装置包括：
获取模块，用于获取轨道旁标识物的连续帧图像，所述轨道旁标识物包括一条具有不同颜色色段的色带；
处理模块，用于根据所述连续帧图像中色段颜色变化的次数得到高位值，根据当前帧图像中的段边界偏值得到低位值，其中，所述当前帧图像为获取到的连续帧图像中最后一帧图像；
定位模块，用于根据所述高位值和所述低位值得到轨道车当前位移；
其中，根据当前帧图像中的段边界偏值得到低位值，包括：
对所述当前帧图像中预设位置进行扫描，确定所述预设位置所在色段的段边界，根据所述预设位置到所述段边界的距离差得到低位值。
8.根据权利要求7所述的系统，其特征在于，所述定位装置还包括：
校准模块，用于将得到的所述当前位移与预设的轨道靶位值进行比较，根据比较结果进行定位校准。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一所述的基于标识物的轨道车定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110982542.3A CN113696939B (zh) | 2021-08-25 | 2021-08-25 | 一种基于标识物的轨道车定位方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110982542.3A CN113696939B (zh) | 2021-08-25 | 2021-08-25 | 一种基于标识物的轨道车定位方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113696939A CN113696939A (zh) | 2021-11-26 |
| CN113696939B true CN113696939B (zh) | 2023-08-01 |
Family
ID=78654688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110982542.3A Active CN113696939B (zh) | 2021-08-25 | 2021-08-25 | 一种基于标识物的轨道车定位方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113696939B (zh) |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5185673A (en) * | 1991-06-12 | 1993-02-09 | Hewlett-Packard Company | Automated image calibration |
| JPH08315117A (ja) * | 1995-05-18 | 1996-11-29 | Hitachi Ltd | 画像処理装置 |
| CN102113321B (zh) * | 2008-08-05 | 2013-09-11 | 爱信精机株式会社 | 目标对象物位置确定装置 |
| CN101667303B (zh) * | 2009-09-29 | 2013-01-16 | 浙江工业大学 | 一种基于编码结构光的三维重建方法 |
| CN104729427B (zh) * | 2014-12-17 | 2017-06-06 | 西安交通大学 | 一种自适应多频时空彩色编码的光学三维轮廓测量方法 |
| CN105261025B (zh) * | 2015-10-26 | 2018-01-23 | 长安大学 | 一种高铁检测系统的线阵相机快速高精度标定装置 |
| CN105868774A (zh) * | 2016-03-24 | 2016-08-17 | 西安电子科技大学 | 基于选择性搜索和卷积神经网络的车标识别方法 |
| CN107392849B (zh) * | 2017-06-27 | 2021-02-05 | 中国航空工业集团公司北京长城航空测控技术研究所 | 基于图像细分的靶标识别与定位方法 |
| CN110178167B (zh) * | 2018-06-27 | 2022-06-21 | 潍坊学院 | 基于摄像机协同接力的路口违章视频识别方法 |
| CN110488833A (zh) * | 2019-08-27 | 2019-11-22 | 国以贤智能科技（上海）有限公司 | 一种智能搬运车及其导航的方法、装置、设备和存储介质 |
| CN211916838U (zh) * | 2020-03-11 | 2020-11-13 | 北京博研盛科科技有限公司 | 一种基于视觉识别驱动机械臂药柜 |
| CN113255643A (zh) * | 2021-05-08 | 2021-08-13 | 上海砼测检测技术有限公司 | 一种应用于位移监测的机器视觉识别算法 |
-
2021
- 2021-08-25 CN CN202110982542.3A patent/CN113696939B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113696939A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1287652C (zh) | 与元件放置机的操作有关的元件检验方法和系统 | |
| EP3023939A2 (en) | Method and apparatus for tracking the motion of image content in a video frames sequence using sub-pixel resolution motion estimation | |
| US20190163991A1 (en) | Method and apparatus for detecting road lane | |
| CN113269163B (zh) | 基于鱼眼图像的立体泊车位检测方法及装置 | |
| US7936357B2 (en) | Image display device, method of generating correction value of image display device, program for generating correction value of image display device, and recording medium recording program thereon | |
| CN111091115A (zh) | 车辆监控方法、装置、计算机设备及存储介质 | |
| CN113696939B (zh) | 一种基于标识物的轨道车定位方法、系统及设备 | |
| CN108627178B (zh) | 机器人手眼标定方法和系统 | |
| CN1741037A (zh) | 一种全自动汽车清洗中车辆模式识别的方法 | |
| CN108259742B (zh) | 一种图像采集方法和装置 | |
| US20070064284A1 (en) | Method for determining restored scanning position | |
| KR20210055260A (ko) | 다양한 시점에서 연속적으로 획득된 영상을 활용한 카메라 자세 및 깊이 추정 장치 및 방법 | |
| CN111488762A (zh) | 一种车道级定位方法、装置及定位设备 | |
| CN114677574B (zh) | 用于自动驾驶的诊断图像故障的方法和系统 | |
| CN112949423A (zh) | 物体识别方法、物体识别装置及机器人 | |
| CN112150826A (zh) | 车速确定方法、装置及计算机可读存储介质 | |
| US7894529B2 (en) | Method and device for determining motion vectors | |
| US4825387A (en) | Frame positioning method | |
| DE102019111262A1 (de) | Verfahren und system zum bestimmen einer objektposition unter verwendung von karteninformationen | |
| EP4174770A1 (en) | Monocular-vision-based detection of moving objects | |
| CN114926803A (zh) | 车道线检测模型建立方法、车道线检测方法、装置和设备 | |
| CN112150553B (zh) | 一种车载相机的标定方法和装置 | |
| JP2019185615A (ja) | 動線管理装置、動線管理方法及び動線管理プログラム | |
| CN110163921B (zh) | 基于叠片机视觉系统的自动标定方法 | |
| CN111951303A (zh) | 一种机器人运动姿态视觉估计方法 |
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 |