CN114119434A - 一种基于图像分析的清扫工具自动转换方法、系统 - Google Patents
一种基于图像分析的清扫工具自动转换方法、系统 Download PDFInfo
- Publication number
- CN114119434A CN114119434A CN202111460031.1A CN202111460031A CN114119434A CN 114119434 A CN114119434 A CN 114119434A CN 202111460031 A CN202111460031 A CN 202111460031A CN 114119434 A CN114119434 A CN 114119434A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- target surface
- cleaning tool
- gray level
- 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
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010191 image analysis Methods 0.000 title claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 241001417527 Pempheridae Species 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
- E01H1/02—Brushing apparatus, e.g. with auxiliary instruments for mechanically loosening dirt
- E01H1/05—Brushing apparatus, e.g. with auxiliary instruments for mechanically loosening dirt with driven brushes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像分析的清扫工具自动转换方法及其系统。其利用图像处理功能,对路面进行拍照并进行图像处理,获取其相应的灰度直方图及推导得出的灰度均值或最优灰度均值作为判断参数,从而判断路面的平整度,进而对清扫工具进行选取、切换。本发明能够有效的提高清扫作业效率,并结合无人驾驶技术,能完全做到无人操作的自动清扫。
Description
技术领域
本发明涉及机械控制技术领域,特别涉及一种无人清扫车的刷头控制方法、装置及无人清扫车。
背景技术
一般的无人清扫车由于刷头结构比较简单,仅能对较为平整的表面进行清扫,无法清扫地形较为复杂或者不平整的地面。这样会导致路面清扫不干净的情形,尤其是对于路面平整度比较复杂的情况下,频繁手动更换清扫工具或者根据操作人员的判断来进行清扫工具的更换,都是十分繁琐的。
发明内容
本发明通过图像处理计算表面粗糙度对地面进行识别,从而准确的判断地面的平整度,进而通过自动控制系统替换对应的清扫工具进行清扫,省时省力。其具体技术方案如下所述。
作为第一方面,本发明提供了一种基于图像分析的清扫工具自动转换系统,其特征在于,所述系统包括图像采集模块、图像处理模块、控制模块,其中:
图像采集模块,用于采集目标表面的图像;
图像处理模块,用于对所述目标表面的图像进行图像处理,获取其灰度直方图,并计算出目标表面的粗糙度值;
所述控制模块包括清扫电机、控制器,安装于车辆车身上的延伸转轴与所述清扫电机进行连接,所述清扫电机两端均设有转轴,所述两端转轴分别安装有清扫工具一和清扫工具二,图像处理模块下发粗糙度值给控制模块,控制模块根据所述粗糙度值与预设的标准值进行比较的结果,根据控制器下发的控制指令,相应的清扫电机将旋转180度,对清扫工具进行选择。
作为第二方面,本发明提供了一种基于图像分析的清扫工具自动转换方法,所述方法包括:
S1,拍摄目标表面图像,逐帧获取图像信息;
S2,对每一帧的图像信息进行预处理,获取的所述图像的灰度直方图;
S3,提取所述灰度直方图,获取灰度均值,作为目标表面的粗糙度值;
S4,将粗糙度值与预设的标准值进行对比;
S5,若粗糙度值小于标准值,则判断目标表面为平整;若粗糙度值大于或等于标准值,则判断目标表面为粗糙;
S6,若判断目标表面为平整,则选取对应的清扫工具一;若判断目标表面的粗糙,则选取对应的清扫工具二。
结合第二方面,在其可能发生的任意一种情况下的第一种情况为,所述步骤S2中的预处理方法为:所述预处理包括图像灰度化以及图像孔隙灰度值修正,对修正后的灰度直方图进行提取;
所述步骤S3的方法为:提取修正后的灰度直方图,获取目标表面的图像灰度均值,作为目标表面的粗糙度值。
结合第二方面或上述第一种情况,在其可能发生的任意一种情况下的第二种情况为,所述方法包括:
S1,拍摄目标表面图像,逐帧获取图像并将图像分割为N个区域,获取每个区域的图像信息;
S2,对每个区域内的图像信息进行预处理,所述预处理包括图像灰度化以及图像孔隙灰度值修正,对修正后的灰度直方图进行提取,获取每个区域的图像的灰度直方图;
S3,提取修正后的每个区域的灰度直方图,获取每个区域的图像灰度均值,获取N个区域的图像灰度均值的平均值,计算每个区域的图像灰度均值与平均值的差值,将差值进行平方和计算,根据计算结果选取平方和值最小的平均值作为目标表面的最优图像灰度均值,所述最优图像灰度均值作为目标表面的粗糙度值;
S4,将粗糙度值与预设的标准值进行对比;
S5,若粗糙度值小于标准值,则判断目标表面为平整;若粗糙度值大于或等于标准值,则判断目标表面为粗糙;
S6,若判断目标表面为平整,则选取对应的清扫工具一;若判断目标表面为粗糙,则选取对应的清扫工具二。
结合第二方面或上述第二种情况,在其可能发生的任意一种情况下的第三种情况为,所述方法还包括:
在执行步骤S1前,执行步骤S0,所述步骤S0为:
检测拍摄环境的光照强度是否符合预设光照强度,若符合,则执行步骤S1;若不符合,则对拍摄环境进行光照补偿至预设光照强度后,执行步骤S1;
其中,步骤S0以预设时间T为周期循环运行。
结合第一方面,在其可能发生的任意一种情况下的第四种情况为,所述图像处理模块还可用于对所述目标表面的图像进行区域分割,获取每个区域的灰度直方图,计算出每个区域的图像灰度均值,获取所有个区域的图像灰度均值的平均值,计算图像灰度均值与平均值的差值,将差值进行平方和计算,根据计算结果选取平方和值最小的平均值作为目标表面的最优图像灰度均值,计算出目标表面的粗糙度值,根据所述粗糙度值与预设的标准值进行比较的结果,下发对应的控制指令给控制器。
结合第一方面或上述第四种情况,在其可能发生的任意一种情况下的第五种情况为,所述系统还包括光源模块,用于为图像采集模块提供补偿光源。
结合第一方面或上述第四种情况,在其可能发生的任意一种情况下的第六种情况为,所述图像采集模块为摄像头;所述图像处理模块为图像处理器。
作为第三方面,本发明提供了一种存储一个或多个程序的计算机可读存储介质,所述计算机可读存储介质存储有一个或多个程序指令,所述程序指令被处理器执行时,完成上述任意一项所述的方法。
作为第四方面,本发明提供了一种清扫车辆,所述车辆安装有上述任意一项所述的系统及存储了供所述系统运行的程序指令的上述的一种计算机可读存储介质。
本发明的有益效果是:
1.使用摄像头判断地面平整度,能提高地面平整度的判断精度及效率;
2.智能切换不同毛刷,可以高效的实现毛刷的切换,提高清扫效率;
3.结合无人驾驶技术,能实现完全无人化的自动清扫。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获取其它的附图。
图1为实施例1的控制流程图;
图2为实施例2的控制流程图
图3为本发明的系统结构示意图;
图4为本发明的刷头切换装置的结构示意图。
附图标记:1-清扫电机、2-控制器、3-清扫工具一、4-清扫工具二。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。显然,所描述的实施例仅仅是本发明的部分实施例。
实施例1
如图1所示,本实施例中目标路面为路面,清扫工具一3为软毛刷头、清扫工具二4为硬毛刷头。本发明提供了一种基于图像分析的清扫工具自动转换方法,所述方法包括:
S1,安装于车辆底部的摄像头拍摄路面图像,逐帧获取图像信息;
S2,车辆内部的图像处理器对每一帧的图像信息进行预处理,预处理方法为:所述预处理包括图像灰度化以及图像孔隙灰度值修正,对修正后的灰度直方图进行提取。获取的所述图像的灰度直方图;
S3,提取修正后的灰度直方图,获取目标表面的图像灰度均值,作为被拍摄路面表面的粗糙度值;
S4,将粗糙度值与预设的标准值进行对比;
S5,若粗糙度值小于标准值,则判断被拍摄路面为平整;若粗糙度值大于或等于标准值,则判断被拍摄路面为粗糙;
S6,若判断目标表面为平整,则选取对应的软毛刷头;若判断目标表面为粗糙,则选取对应的硬毛刷头。
本发明的利用的是通过图像处理,将路面图片进行灰化。根据灰化后的图像灰度均值作为路面粗糙值的参数值,通过与预设标准值的对比来区分路面的平整度,从而向自动控制装置发送更换指令,利用清扫电机1实现自动切换。从而解决人工判断路面平整度及人工更换清扫工具的繁琐,提高了清扫效率的同时,也避免了清扫工具用于不适配路面而造成的清扫工具的过渡损耗。
实施例2
在实施例1的基础上,本实施例提供了一种改进方案,以便提高路面平整度的判断精度。如图2所示,其具体方法步骤如下:
S0,摄像头装置检测拍摄环境的光照强度是否符合预设光照强度,若符合,则执行步骤S1;若不符合,则采用额外光源对拍摄环境进行光照补偿,保证其达到预设光照强度后,执行步骤S1;其中,步骤S0以预设时间T为周期循环运行;这样可以保证图像识别过程中能获取到较为优异的灰度直方图。
S1,拍摄被清扫路面的图像,逐帧获取图像并将图像分割为N个区域,获取每个区域的图像信息;
S2,对每个区域内的图像信息进行预处理,所述预处理包括图像灰度化以及图像孔隙灰度值修正,对修正后的灰度直方图进行提取,获取每个区域的图像的灰度直方图;
S3,提取修正后的每个区域的灰度直方图,获取每个区域的图像灰度均值,将所有区域的图像灰度均值求平均值,获取N个区域的图像灰度均值的平均值,计算每个区域的图像灰度均值与平均值的差值,将差值进行平方和计算,根据计算结果选取平方和值最小的平均值作为被拍摄路面的最优图像灰度均值,所述最优图像灰度均值作为目标表面的粗糙度值。
S4,将粗糙度值与预设的标准值进行对比;
S5,若粗糙度值小于标准值,则判断被拍摄路面为平整;若粗糙度值大于或等于标准值,则判断被拍摄路面为粗糙;
S6,若判断目标表面为平整,则选取对应的清扫工具一3;若判断目标表面为粗糙,则选取对应的清扫工具二4。
通过上述方法,能避免被拍摄路面因为某个局部的光洁度因特殊原因导致过于平整或粗糙,从而影响整个区域内的被拍摄路面的平整度判断。此方法能更进一步的提高其图像识别精度,使整个技术方案的有益效果得到提升。
实施例3
如图3所示,本发明提供了一种基于图像分析的清扫工具自动转换系统,
所述系统包括图像采集模块、图像处理模块、控制模块、光源模块,其中:
图像采集模块,采用高清摄像头,用于采集被清扫路面的图像;
控制模块,根据下发的控制指令,对相应的清扫工具进行控制;如图4所示,所述控制模块包括控制器2(选用51单片机)、清扫电机1,安装于车辆车身上的延伸转轴与所述清扫电机1进行连接,所述清扫电机1两端均设有转轴,所述两端转轴分别安装有清扫工具一3和清扫工具二4,清扫工具一3为软毛刷和清扫工具二4为硬毛刷。清扫电机1根据下发的控制指令进行正反180°旋转或单向180°旋转,进行刷体的切换。例如,如图3所示,在初始状态时,清扫电机1两pin角均接地,清扫电机1静止。(1)当控制器2接收的路面粗糙度值小于设置的粗糙度值,判定路面较光滑,使用软毛刷头,给出指令使继电器1持续通电,则清扫电机1pin角1由接地变为12v,即正极。驱动清扫电机1通电正转,使用软毛刷头;(2)当控制器2接收的路面粗糙度值大于等于设置的粗糙度值,判定路面较粗糙,使用硬毛刷头,给出指令使继电器2持续通电,则清扫电机1pin角2由接地变为12v,即正极。驱动清扫电机1通电反转180度,使用硬毛刷头。
图像处理模块,采用图像处理器,所述图像处理模块还可用于对所述被清扫路面的图像进行区域分割,获取每个区域的灰度直方图,计算出每个区域的图像灰度均值,获取所有个区域的图像灰度均值的平均值,计算图像灰度均值与平均值的差值,将差值进行平方和计算,根据计算结果选取平方和值最小的平均值作为被清扫路面的最优图像灰度均值,作为被清扫路面的粗糙度值,根据所述粗糙度值与预设的标准值进行比较的结果,下发对应的控制指令至控制器2。
光源模块,采用LED照明灯,用于为图像采集模块提供补偿光源,保证图像拍摄效果。
应理解,上述实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解为在阅读本发明的内容后,本领域技术人员可以对本发明作各种改动和修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (10)
1.一种基于图像分析的清扫工具自动转换系统,其特征在于,所述系统包括图像采集模块、图像处理模块、控制模块,其中:
图像采集模块,用于采集目标表面的图像;
图像处理模块,用于对所述目标表面的图像进行图像处理,获取其灰度直方图,并计算出目标表面的粗糙度值;
所述控制模块包括清扫电机(1)、控制器(2),安装于车辆车身上的延伸转轴与所述清扫电机(1)进行连接,所述清扫电机(1)两端均设有转轴,所述两端转轴分别安装有清扫工具一(3)和清扫工具二(4),图像处理模块下发粗糙度值给控制模块,控制模块根据所述粗糙度值与预设的标准值进行比较的结果,根据控制器(2)下发的控制指令,相应的清扫电机(1)将旋转180度,对清扫工具进行选择。
2.一种基于图像分析的清扫工具自动转换方法,应用于权利要求1所述一种基于图像分析的清扫工具自动转换系统,其特征在于,所述方法包括:
S1,拍摄目标表面图像,逐帧获取图像信息;
S2,对图像信息进行预处理,获取的所述图像的灰度直方图;
S3,提取所述灰度直方图,获取灰度均值,作为目标表面的粗糙度值;
S4,将粗糙度值与预设的标准值进行对比;
S5,若粗糙度值小于标准值,则判断目标表面为平整;若粗糙度值大于或等于标准值,则判断目标表面为粗糙;
S6,若判断目标表面为平整,则选取对应的清扫工具一(3);若判断目标表面为粗糙,则选取对应的清扫工具二(4)。
3.根据权利要求2所述的一种基于图像分析的清扫工具自动转换方法,其特征在于,所述步骤S2中的预处理方法为:所述预处理包括图像灰度化以及图像孔隙灰度值修正,对修正后的灰度直方图进行提取;
所述步骤S3的方法为:提取修正后的灰度直方图,获取目标表面的图像灰度均值,作为目标表面的粗糙度值。
4.根据权利要求2或3所述的一种基于图像分析的清扫工具自动转换方法,其特征在于,所述方法为:
S1,拍摄目标表面图像,逐帧获取图像并将图像分割为N个区域,获取每个区域的图像信息;
S2,对每个区域内的图像信息进行预处理,所述预处理包括图像灰度化以及图像孔隙灰度值修正,对修正后的灰度直方图进行提取,获取每个区域的图像的灰度直方图;
S3,提取修正后的每个区域的灰度直方图,获取每个区域的图像灰度均值,获取N个区域的图像灰度均值的平均值,计算每个区域的图像灰度均值与平均值的差值,将差值进行平方和计算,根据计算结果选取平方和值最小的平均值作为目标表面的最优图像灰度均值,将所述最优图像灰度均值作为目标表面的粗糙度值;
S4,将粗糙度值与预设的标准值进行对比;
S5,若粗糙度值小于标准值,则判断目标表面为平整;若粗糙度值大于或等于标准值,则判断目标表面为粗糙;
S6,若判断目标表面为平整,则选取对应的清扫工具一(3);若判断目标表面为粗糙,则选取对应的清扫工具二(4)。
5.根据权利要求2或3所述的一种基于图像分析的清扫工具自动转换方法,其特征在于,在执行步骤S1前,执行步骤S0,所述步骤S0为:
检测拍摄环境的光照强度是否符合预设光照强度,若符合,则执行步骤S1;若不符合,则对拍摄环境进行光照补偿至预设光照强度后,执行步骤S1;
其中,步骤S0以预设时间T为周期循环运行。
6.根据权利要求1所述的一种基于图像分析的清扫工具自动转换系统,其特征在于,所述图像处理模块还可用于对所述目标表面的图像进行区域分割,获取每个区域的灰度直方图,计算出每个区域的图像灰度均值,获取所有个区域的图像灰度均值的平均值,计算图像灰度均值与平均值的差值,将差值进行平方和计算,根据计算结果选取平方和值最小的平均值作为目标表面的最优图像灰度均值,作为目标表面的粗糙度值,根据所述粗糙度值与预设的标准值进行比较的结果,下发对应的控制指令给控制器(2)。
7.根据权利要求1或6所述的一种基于图像分析的清扫工具自动转换系统,其特征在于,所述系统还包括光源模块,用于为图像采集模块提供补偿光源。
8.根据权利要求1或6所述的一种基于图像分析的清扫工具自动转换系统,其特征在于,所述图像采集模块为摄像头;所述图像处理模块为图像处理器。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或多个程序指令,所述程序指令被处理器执行时,完成权利要求2至5其中任意一项所述的方法。
10.一种清扫车辆,其特征在于,所述车辆安装有权利要求1、6至8其中任意一项所述的系统及存储了供所述系统运行的程序指令的权利要求8所述的一种计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460031.1A CN114119434A (zh) | 2021-12-02 | 2021-12-02 | 一种基于图像分析的清扫工具自动转换方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460031.1A CN114119434A (zh) | 2021-12-02 | 2021-12-02 | 一种基于图像分析的清扫工具自动转换方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114119434A true CN114119434A (zh) | 2022-03-01 |
Family
ID=80366302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111460031.1A Pending CN114119434A (zh) | 2021-12-02 | 2021-12-02 | 一种基于图像分析的清扫工具自动转换方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119434A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115719325A (zh) * | 2022-12-07 | 2023-02-28 | 钧捷科技(北京)有限公司 | 基于无人驾驶的路况图像处理系统 |
-
2021
- 2021-12-02 CN CN202111460031.1A patent/CN114119434A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115719325A (zh) * | 2022-12-07 | 2023-02-28 | 钧捷科技(北京)有限公司 | 基于无人驾驶的路况图像处理系统 |
CN115719325B (zh) * | 2022-12-07 | 2023-11-17 | 钧捷科技(北京)有限公司 | 基于无人驾驶的路况图像处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN111784655B (zh) | 一种水下机器人回收定位方法 | |
CN101051385A (zh) | 特定被摄体跟踪方法和装置以及特征部跟踪方法和装置 | |
CN115170669B (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
CN1584729A (zh) | 图像投影方法和设备 | |
CN111721259A (zh) | 基于双目视觉的水下机器人回收定位方法 | |
CN111582117A (zh) | 一种无人机违章建筑物巡检方法、设备及存储介质 | |
CN109159137B (zh) | 一种可视频评估洗地效果的洗地机器人 | |
CN114119434A (zh) | 一种基于图像分析的清扫工具自动转换方法、系统 | |
CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
CN103093229B (zh) | 车标定位方法及装置 | |
Lin et al. | Construction of fisheye lens inverse perspective mapping model and its applications of obstacle detection | |
CN110738644A (zh) | 一种基于深度学习的汽车涂装表面缺陷检测方法及系统 | |
CN110648301A (zh) | 一种消除成像反光的装置及方法 | |
CN112734720A (zh) | 基于视觉识别的船壳激光清洗在位检测方法及系统 | |
CN111860501A (zh) | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 | |
CN111046809B (zh) | 一种障碍物检测方法、装置、设备及计算机可读存储介质 | |
CN112288682A (zh) | 基于图像配准的电力设备缺陷定位方法 | |
CN117011477A (zh) | 一种基于bim的钢结构形变监测处理方法及系统 | |
KR102658268B1 (ko) | Avm용 주행 자동 공차 보정 장치 및 방법 | |
CN110264434B (zh) | 一种基于低秩矩阵补全的单幅图像去雨方法 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN111178296A (zh) | 多工件视觉定位和识别方法 | |
CN111383247A (zh) | 增强金字塔lk光流算法图像跟踪稳定性的方法 | |
CN115268012A (zh) | 一种基于边缘追踪的相机实时自动调焦方法 |
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 |