CN114463357B - 一种在重介质选煤中实时确定介质堆动态信息的方法 - Google Patents
一种在重介质选煤中实时确定介质堆动态信息的方法 Download PDFInfo
- Publication number
- CN114463357B CN114463357B CN202210100360.3A CN202210100360A CN114463357B CN 114463357 B CN114463357 B CN 114463357B CN 202210100360 A CN202210100360 A CN 202210100360A CN 114463357 B CN114463357 B CN 114463357B
- Authority
- CN
- China
- Prior art keywords
- medium
- library
- real time
- coordinate system
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000003245 coal Substances 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000013519 translation Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000002360 preparation method Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 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
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种在重介质选煤中实时确定介质堆动态信息的方法，包括如下步骤：深度相机实时获取当前介质库的图片信息，用Canny算子对图片信息进行边缘检测；通过边缘检测的二值图像，得出该图像中的最大连通域区域，确定介质库几何边界。本发明通过一个深度相机对介质堆进行全景拍摄，利用三维重建技术获得介质堆的三维立体信息，解决了三维重建过程中计算复杂和耗时长的问题，同时使用Kmeans算法进行聚类来选择最优的取介位置，避免了孤立奇异点的误差。该发明能够实时确定介质库中当前最优的取介位置和剩余介质体积，简单快捷，大大降低了生产成本，而且操作实用性也很强。
Description
技术领域
本发明涉及煤炭技术领域，具体来说，涉及一种在重介质选煤中实时确定介质堆动态信息的方法。
背景技术
在选煤厂中，选煤工艺是选煤厂的灵魂，提高选煤工艺中的自动化水平可以大大提升选煤的效率，提高煤炭的洗选质量。选煤工艺经历了几代人长时间的探索，产生了许多工艺方法。其中重介质选煤技术是目前为止效率最好的选煤技术，它的原理是利用煤与矸石密度不相同，配置密度介于煤和矸石之间的悬浮液作为介质，利用重力不同将煤和矸石分离。然而在实际操作过程中，由于各种原因引起的介质消耗是重介质选煤工艺中不可避免的因素。介质的消耗将引起悬浮液介质密度改变，从而影响选煤的准确率。因此，在合适的时机补充合格介质，维持悬浮液介质密度稳定，是保证选煤准确的关键。传统的加介方法依靠人工经验，在使用电磁吸盘将介质吸附到浓介桶时，在介质库中随意选择区域取介，容易造成介质库高低不平，有的区域多次取介，有的区域未曾取到，进而影响取介效率。此外，介质库剩余多少介质也无法估计，只能依靠肉眼判断确定何时向介质库补充介质。人工加介法对操作员经验、操作环境要求极高，很多因素会造成加介密度不稳定、误差大，从而对生产造成严重影响。因此，设计一种简单快捷的实时确定介质堆动态信息的方法，包括介质堆最优取介位置、剩余介质体积等，从而自动控制行车行进位置并在合适时间给出介质库加介提醒，具有重要的意义和实用价值。
发明专利CN109718945A公开了重介质选煤厂智能加介系统和方法，系统包括：多个摄像装置、行车、抓斗、介质堆、介质桶、输送泵和与前述各部件连接的控制器，多个摄像装置间隔设置在介质堆的斜上方，抓斗与行车连接，介质桶位于介质堆的一侧，介质桶的出料口与输送泵连接，抓斗上设置有定位传感器和称量传感器；多个摄像装置将介质堆的影像信息传入控制器，控制器将同一时刻的多个影像信息进行信息合成并绘制介质堆的三维立体网格和坐标系，根据三维立体网格和坐标系确定这一时刻介质堆的最高点和介质总重量。通过自动加介质、自动配置介质液的方式解决了人工添加介质导致的耗费较大的人力和物力、操作稳定性差、不能满足生产需求和不利于高效分选的技术问题。但是该发明为了获取介质库的全景信息，需要使用四个高清的工业相机，并以均匀间隔的方式布置在介质库的四周，成本非常昂贵。同时该发明中在智能加介系统工作时，通过多个摄像装置对介质库进行全景拍摄和控制器的视觉识别算法对介质库的介质图像进行分析并构建三维立体成像，来绘制三维立体网格和坐标系确定这一时刻介质库的最高点和介质总质量。这种方法需要经过特征提取与匹配、多视图几何约束关系计算、估计结果优化、稠密场景描述等步骤才能从二维图像中恢复出三维立体场景。在三维重建过程中，需要对大量数据进行处理，导致处理时间增加，无法满足实时性要求。此外该过程涉及大量匹配运算，计算量较大，还很容易受到环境光照影响，在实际实施中可行性不高。针对现有技术的这些问题，目前还没有有效的解决办法。
发明内容
针对相关技术中的上述技术问题，本发明提出一种在重介质选煤中实时确定介质堆动态信息的方法，能够克服现有技术的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种在重介质选煤中实时确定介质堆动态信息的方法，包括如下步骤：
S1 深度相机实时获取当前介质库的图片信息，用Canny算子对图片信息进行边缘检测；
S2 通过边缘检测的二值图像，得出该图像中的最大连通域区域，确定介质库几何边界；
S3从深度相机的深度图通道得到点云图，用S2中的几何边界限制点云图的有效区域；
S4 用相机标定方法获得坐标系之间转换的内参矩阵，用标定板进行标定；
S5 利用S4中的内参矩阵，将图象的像素点映射到深度相机坐标系下的三维坐标系中；
S6 选取介质库底面的一个矩形建立坐标系，选取该坐标系下和相机坐标系下若干对应点的坐标建立方程组，用机器视觉手眼标定求解旋转矩阵和平移矩阵；
S7 根据S6得出的旋转矩阵和平移矩阵，得出介质库每个点实际的垂直高度；
S8 使用Kmeans聚类算法对前N个最高点按照距离进行聚类，选择高度大于某个阈值且距离小于某个阈值的聚类平均位置作为最优的取介点；
S9 将介质库内介质堆图像分成若干面积相等的小块，将小块内的介质高度用小块内所有介质高度均值代替，按照立方体体积公式计算小块内介质体积，再将所有小块体积求和得出整个介质堆体积；
S10按照质量计算公式，将介质密度和体积相乘得出介质库剩余介质质量。
进一步地，S1中所述深度相机位于介质库斜上方正中间的墙壁上，所述图片信息覆盖介质库区域。
进一步地，S4中所述相机标定方法采用的相机模型公式为，其中x、y为图像的像素坐标，X、Y、Z为目标在三维坐标系中的坐标，K为内参矩阵，[R|t]为外参矩阵，[R|t]中R为旋转矩阵，t为平移矩阵。
进一步地，S6中以所述矩形的的左上角顶点作为原点，向前为x轴方向，向右为y方向，向上为z方向来建立坐标系。
进一步地，S7中所述垂直高度是通过公式计算出的在介质库世界坐标系中的三维坐标的Z坐标，其中 A为目标在三维坐标系中的坐标，B为目标在世界坐标系中的三维坐标，R为旋转矩阵，t为平移矩阵。
本发明的有益效果：本发明通过一个深度相机对介质堆进行全景拍摄，利用三维重建技术获得介质堆的三维立体信息，解决了三维重建过程中计算复杂和耗时长的问题，同时使用Kmeans算法进行聚类来选择最优的取介位置，避免了孤立奇异点的误差。该发明能够实时确定介质库中当前最优的取介位置和剩余介质体积，简单快捷，大大降低了生产成本，而且操作实用性也很强。
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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的在重介质选煤中实时确定介质堆动态信息的方法的算法具体流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例所述的一种在重介质选煤中实时确定介质堆动态信息的方法，包括如下步骤：
S1 深度相机实时获取当前厂房内介质库的图片信息。由于深度相机布置在介质库斜上方正中间的墙壁上，为了使图像尽可能覆盖介质库区域，避免出现盲区，相机会拍摄到介质库以外的区域。因此，首先对彩色图像进行边缘检测，优先选用Canny算子进行检测。
S2 完成边缘检测的二值图像，求取该图像中的最大连通域区域，按照实际情况而言，该最大连通域即是介质库的几何边界。
S3 从深度相机的深度图通道得到点云图，用S2中的几何边界限制点云图的有效区域，减少计算量。
S4 相机模型如公式1所示，其中(x,y)为图像的像素坐标，(X,Y,Z)为目标在三维坐标系中的坐标。K为内参矩阵，[R|t]为外参矩阵，其中R为旋转矩阵，t为平移矩阵。相机标定方法获得坐标系之间转换的内参矩阵，用标定板进行标定。
(1)
S5 利用S4中求得的内参矩阵，从像素点反映射到相机坐标系下的三维坐标。
S6为了得到介质库内每一点介质相对于地面的垂直高度，我们将选取介质库底面（一个矩形）的左上角顶点作为原点，向前为x轴方向，向右为y方向，向上为z方向，建立坐标系。选取该坐标系下和相机坐标系下若干对应点的坐标建立方程组，用机器视觉手眼标定求解旋转矩阵R和平移矩阵t。
S7根据S6求得的旋转矩阵和平移矩阵，求得介质库每个点实际的垂直高度。按照公式2计算出每个点在介质库世界坐标系中的三维坐标，其中取Z坐标即为垂直高度。
(2)
S8为了确定最优的取介点，使用Kmeans聚类算法对前N个最高点按照距离进行聚类，避免孤立的奇异值作为最高点，选择高度大于某个阈值且距离小于某个阈值的聚类平均位置作为最优的取介点。
S9将介质库内介质堆图像分成若干大小面积相等的小块，将小块内的介质高度近似认为不变，用小块内所有介质高度均值代替，按照立方体体积公式计算小块内介质体积，再将所有小块体积求和得到整个介质堆体积。
S10按照质量计算公式，将介质密度和体积相乘得到介质库剩余介质质量。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，根据本发明所述的一种在重介质选煤中实时确定介质堆动态信息的方法，只需在介质库的上方四周的一面墙上安装一个深度相机，采集介质库每一点到相机的深度，通过三角化和手眼标定得到每个点的垂直高度，接着使用聚类算法确定最优的取介点。用介质库每个点的垂直高度直接估计介质库的体积，进而得到剩余介质质量。该方法有效利用了深度相机的深度信息，避免了计算复杂的三维重建，能快速地给出合适的取介点位置，并节约了成本，但仍能保证取介点选择的准确性。
综上所述，借助于本发明的上述技术方案，通过一个深度相机对介质堆进行全景拍摄，利用三维重建技术获得介质堆的三维立体信息，解决了三维重建过程中计算复杂和耗时长的问题，同时使用Kmeans算法进行聚类来选择最优的取介位置，避免了孤立奇异点的误差。该发明能够实时确定介质库中当前最优的取介位置和剩余介质体积，简单快捷，大大降低了生产成本，而且操作实用性也很强。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种在重介质选煤中实时确定介质堆动态信息的方法，其特征在于，包括如下步骤：
S1 深度相机实时获取当前介质库的图片信息，用Canny算子对图片信息进行边缘检测；
S2 通过边缘检测的二值图像，得出该图像中的最大连通域区域，确定介质库几何边界；
S3从深度相机的深度图通道得到点云图，用S2中的几何边界限制点云图的有效区域；
S4 用相机标定方法获得坐标系之间转换的内参矩阵，用标定板进行标定；
S5 利用S4中的内参矩阵，将图像的像素点映射到深度相机坐标系下的三维坐标系中；
S6 选取介质库底面的一个矩形建立坐标系，选取该坐标系下和相机坐标系下若干对应点的坐标建立方程组，用机器视觉手眼标定求解旋转矩阵和平移矩阵；
S7 根据S6得出的旋转矩阵和平移矩阵，得出介质库每个点实际的垂直高度；
S8 使用Kmeans聚类算法对前N个最高点按照距离进行聚类，选择高度大于某个阈值且距离小于某个阈值的聚类平均位置作为最优的取介点；
S9 将介质库内介质堆图像分成若干面积相等的小块，将小块内的介质高度用小块内所有介质高度均值代替，按照立方体体积公式计算小块内介质体积，再将所有小块体积求和得出整个介质堆体积；
S10按照质量计算公式，将介质密度和体积相乘得出介质库剩余介质质量。
2.根据权利要求1所述的重介质选煤中实时确定介质堆动态信息的方法，其特征在于，S1中所述深度相机位于介质库斜上方正中间的墙壁上，所述图片信息覆盖介质库区域。
3.根据权利要求1所述的重介质选煤中实时确定介质堆动态信息的方法，其特征在于，S4中所述相机标定方法采用的相机模型公式为 ，其中x、y为图像的像素坐标，X、Y、Z为目标在三维坐标系中的坐标，K为内参矩阵，[R|t]为外参矩阵，[R|t]中R为旋转矩阵，t为平移矩阵。
4.根据权利要求1所述的重介质选煤中实时确定介质堆动态信息的方法，其特征在于，S6中以所述矩形的的左上角顶点作为原点，向前为x轴方向，向右为y方向，向上为z方向来建立坐标系。
5.根据权利要求1所述的重介质选煤中实时确定介质堆动态信息的方法，其特征在于，S7中所述垂直高度是通过公式计算出的在介质库世界坐标系中的三维坐标的Z坐标，其中 A为目标在三维坐标系中的坐标，B为目标在世界坐标系中的三维坐标，R为旋转矩阵，t为平移矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210100360.3A CN114463357B (zh) | 2022-01-27 | 2022-01-27 | 一种在重介质选煤中实时确定介质堆动态信息的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210100360.3A CN114463357B (zh) | 2022-01-27 | 2022-01-27 | 一种在重介质选煤中实时确定介质堆动态信息的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114463357A CN114463357A (zh) | 2022-05-10 |
| CN114463357B true CN114463357B (zh) | 2024-05-24 |
Family
ID=81412549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210100360.3A Active CN114463357B (zh) | 2022-01-27 | 2022-01-27 | 一种在重介质选煤中实时确定介质堆动态信息的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114463357B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115081866B (zh) * | 2022-06-16 | 2023-04-14 | 安徽理工大学 | 一种回采煤层介质状态区划方法、系统、设备和存储介质 |
| CN117705197B (zh) * | 2024-02-02 | 2024-04-26 | 天津德通电气有限公司 | 一种用于选煤厂智能加介系统的实时监测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914874A (zh) * | 2014-04-08 | 2014-07-09 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
| CN107424143A (zh) * | 2017-04-13 | 2017-12-01 | 中国矿业大学 | 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法 |
| CN109718945A (zh) * | 2018-12-29 | 2019-05-07 | 中国神华能源股份有限公司 | 重介质选煤厂智能加介系统和方法 |
| KR20200125384A (ko) * | 2019-04-25 | 2020-11-04 | 울산대학교 산학협력단 | 실시간 튜브 누설 상태 인지 방법 및 시스템 |
| CN112001926A (zh) * | 2020-07-04 | 2020-11-27 | 西安电子科技大学 | 基于多维语义映射rgbd多相机标定方法、系统及应用 |
-
2022
- 2022-01-27 CN CN202210100360.3A patent/CN114463357B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914874A (zh) * | 2014-04-08 | 2014-07-09 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
| CN107424143A (zh) * | 2017-04-13 | 2017-12-01 | 中国矿业大学 | 一种基于双目立体视觉深度感知的矿用带式输送机煤量检测方法 |
| CN109718945A (zh) * | 2018-12-29 | 2019-05-07 | 中国神华能源股份有限公司 | 重介质选煤厂智能加介系统和方法 |
| KR20200125384A (ko) * | 2019-04-25 | 2020-11-04 | 울산대학교 산학협력단 | 실시간 튜브 누설 상태 인지 방법 및 시스템 |
| CN112001926A (zh) * | 2020-07-04 | 2020-11-27 | 西安电子科技大学 | 基于多维语义映射rgbd多相机标定方法、系统及应用 |
Non-Patent Citations (4)
| Title |
|---|
| 于海选 ; 廖祥国 ; 宋宝强 ; 郜二鹏.智能化新技术在选煤厂的应用.《煤炭加工与综合利用》.2021,第47-49页. * |
| 基于Canny算子和Harris角点提取的三维重建方法;高一宁;韩燮;;电子测试;20110206(02);全文 * |
| 基于双目视觉深度感知的带式输送机煤量检测方法;代伟;赵杰;杨春雨;马小平;;煤炭学报;20171215(S2);全文 * |
| 陈小霞 ; 徐伟同 ; 侯飞 ; 高奎 ; 刘兆雪 ; 温玺杰 ; 王兵 ; 王延勇 ; 王晓倩.基于图像处理的煤炭量AI识别系统的设计.《选煤技术》.2020,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114463357A (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114463357B (zh) | 一种在重介质选煤中实时确定介质堆动态信息的方法 | |
| CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
| CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
| CN110555878B (zh) | 物体空间位置形态的确定方法、装置、存储介质及机器人 | |
| CN109785379A (zh) | 一种对称物体尺寸及重量的测量方法及测量系统 | |
| CN105346706A (zh) | 飞行装置、飞行控制系统及方法 | |
| CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
| CN111260289A (zh) | 一种基于视觉导航的微型无人机仓库盘点系统及方法 | |
| CN112561983A (zh) | 一种测算表面弱纹理且不规则堆料体积的装置及方法 | |
| CN110827361B (zh) | 基于全局标定架的相机组标定方法及装置 | |
| CN111640158A (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
| CN113313116B (zh) | 一种基于视觉的水下人工目标准确检测与定位方法 | |
| CN113902812A (zh) | 一种基于多标定板的激光雷达与相机外参自动标定方法 | |
| CN113580149A (zh) | 基于关键点预测网络的无序混叠工件抓取方法和系统 | |
| CN104760812A (zh) | 基于单目视觉的传送带上产品实时定位系统和方法 | |
| CN111080685A (zh) | 一种基于多视角立体视觉的飞机钣金零件三维重建方法及系统 | |
| CN112734844A (zh) | 一种基于正八面体的单目6d位姿估计方法 | |
| CN116309882A (zh) | 一种面向无人叉车应用的托盘检测和定位方法及系统 | |
| CN115830018A (zh) | 基于深度学习与双目视觉的碳素块检测方法及系统 | |
| CN114863250A (zh) | 集装箱锁孔识别定位方法、系统及存储介质 | |
| CN114463411A (zh) | 基于三维相机的目标体积、质量与密度测量方法 | |
| CN209342062U (zh) | 3d视觉引导拆垛测量系统 | |
| CN109919852B (zh) | 一种光学遥感图像的屋顶视角校正方法 | |
| CN113610001B (zh) | 基于深度相机和imu组合的室内移动终端定位方法 | |
| CN113393413A (zh) | 基于单目与双目视觉协同的水域面积测量方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |