CN114529604B - 一种空间物体定向碰撞检测方法、系统装置及介质 - Google Patents
一种空间物体定向碰撞检测方法、系统装置及介质 Download PDFInfo
- Publication number
- CN114529604B CN114529604B CN202210086264.8A CN202210086264A CN114529604B CN 114529604 B CN114529604 B CN 114529604B CN 202210086264 A CN202210086264 A CN 202210086264A CN 114529604 B CN114529604 B CN 114529604B
- Authority
- CN
- China
- Prior art keywords
- target
- depth map
- determining
- distance
- image acquisition
- 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
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/21—Collision detection, intersection
Abstract
本发明提供的一种空间物体定向碰撞检测方法、系统、装置及介质,方法包括以下步骤:确定目标物,根据目标物位置构建轴对称包围盒;获取移动方向,根据移动方向以及轴对称包围盒确定图像采集位置;根据图像采集位置构建目标深度缓冲区;获取深度数据以及目标深度缓冲区构建得到目标深度图,并生成目标深度图的镜像深度图;根据目标深度图、镜像深度图以及图像采集位置确定障碍物距离,方案可缩短物体碰撞检测的时间和成本,实现即时响应,并提高定制设计过程中的用户体验,具有更高的稳定性和兼容性,可广泛应用于碰撞检测技术领域。
Description
技术领域
本发明涉及碰撞检测技术领域,尤其是一种空间物体定向碰撞检测方法、系统、装置及介质。
背景技术
在相关技术中,尤其是在定制家居设计过程中,设计的家居产品,需要对接实际生产,对板件精确的碰撞检测是硬需求。例如,在衣柜的设计中,就有需求需要检测两个物体对象是否发生碰撞,同时在不碰撞的情况下能测量出两个物体对象之间在指定方向上的最短距离。以便知道检测对象贴合目标对象最多能往前移动多少距离。
对于碰撞检测,相关技术提供了很多基于计算机中央处理器所实现的几何计算的方法,可以是采用BSP,OCTREE等加速结构对空间进行区域划分,再对局部空间的三角网格进行求交,或者射线与三角形进行求交来达到精确碰撞的检测跟测距的目的。
对于基于CPU几何计算的方法,在不计较时效性的情况下,可以做到最好。但即便是结合了空间划分加速结构,到局部进行射线与网格体和网格体间求交的计算依然是很耗时间。对于复杂的形体,计算量过大,不利于快速计算碰撞跟测距。
发明内容
有鉴于此,为至少部分解决上述技术问题之一,本发明实施例目的在于提供一种效率更高的空间物体定向碰撞检测方法,与此同时,本申请技术方案还提供能够对应实现该方法的系统、装置及计算机可读写的存储介质。
一方面,本申请技术方案提供了一种空间物体定向碰撞检测方法,方法包括以下步骤:
确定目标物,根据所述目标物位置构建轴对称包围盒;
获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置;
根据所述图像采集位置构建目标深度缓冲区;
获取深度数据以及所述目标深度缓冲区构建得到目标深度图,并生成所述目标深度图的镜像深度图;
根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离。
在本申请方案的一种可行的实施例中,所述获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置,包括:
获取所述对称包围盒的中心点以及对角线长度;
根据所述中心点的位置、所述对角线长度以及所述移动方向确定两个图像采集位置;
构建正交投影矩阵,根据所述正交投影矩阵以及所述图像采集位置设置采集相机;
所述两个图像采集位置关于所述中心点旋转对称。
在本申请方案的一种可行的实施例中,所述图像采集位置包括正向视角以及反向视角;所述目标深度缓冲区包括第一深度缓冲区和第二深度缓冲区,所述根据所述图像采集位置构建目标深度缓冲区这一步骤,包括:
根据所述正向视角,构建所述目标物三角网格集合的第一深度缓冲区;
根据所述反向视角,镜像读取所述深度数据构建所述目标物三角网格集合的第二深度缓冲区。
在本申请方案的一种可行的实施例中,所述根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离这一步骤,包括:
根据所述目标深度图以及所述目标物确定第一距离;
根据所述镜像深度图以及所述障碍物确定第二距离;
根据所述第一距离、第二距离以及所述图像采集位置计算得到所述障碍物距离。
在本申请方案的一种可行的实施例中,所述根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离这一步骤,还包括:
获取预设深度阈值;
当所述障碍物距离大于所述深度阈值,将所述障碍物距离标记为无效深度值;
剔除所述无效深度值。
在本申请方案的一种可行的实施例中,所述根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离这一步骤,还包括:
根据所述目标物的形状和/或结构确定若干所述障碍物距离;
从若干所述障碍物距离中筛选得到最小距离,根据所述最小距离控制所述目标物的运动状态。
另一方面,本申请技术方案还提供了一种空间物体定向碰撞检测系统,包括:
目标标定模块,用于确定目标物,根据所述目标物位置构建轴对称包围盒;并且获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置;
图像处理模块,用于根据所述图像采集位置构建目标深度缓冲区;以及获取深度数据以及所述目标深度缓冲区构建得到目标深度图,并生成所述目标深度图的镜像深度图;
距离计算模块,用于根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离。
在本申请方案的一种可行的实施例中,所述检测系统还包括图像采集模块;所述图像采集位置包括正向视角以及反向视角;所述目标深度缓冲区包括第一深度缓冲区和第二深度缓冲区;所述图像采集模块包括正向采集模块和反向采集模块;
所述正向采集模块,用于通过正向视角,构建所述目标物三角网格集合的第一深度缓冲区;
所述反向采集模块,用于通过反向视角,镜像读取深度数据构建所述目标物三角网格集合的第二深度缓冲区。
另一方面,本发明的技术方案还提供一种空间物体定向碰撞检测装置,其包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当至少一个程序被至少一个处理器执行,使得至少一个处理器运行如前面所述的一种空间物体定向碰撞检测方法。
另一方面,本发明的技术方案还提供了一种存储介质,其中存储有处理器可执行的程序,处理器可执行的程序在由处理器执行时用于运行如前面所述的一种空间物体定向碰撞检测方法。
本发明的优点和有益效果将在下面的描述中部分给出,其他部分可以通过本发明的具体实施方式了解得到:
本申请的技术方案首先针对需要进行碰撞检测的目标物进行标定,确定其包围盒,并根据包围盒确定相互对称的图像采集位置,进一步根据对称的采集方式构建目标深度缓冲区,获取深度数据以及目标深度缓冲区构建得到镜像对称的两个目标深度图,通过镜像的深度图确定目标物与障碍物距离;本方案只需要生成缓冲区跟统计数据,时间消耗都是毫秒级,可实现实时计算,方案可缩短物体碰撞检测的时间和成本,实现即时响应,并提高定制设计过程中的用户体验,具有更高的稳定性和兼容性,无需要针对特定形体定制优化。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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为本申请技术方案提供的一种空间物体定向碰撞检测方法的步骤流程图;
图2为本申请技术方案中确定图像采集位置过程的示意图;
图3为本申请技术方案中确定障碍物距离过程的示意图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
针对前述背景技术中所指出的相关技术中所存在的不足和缺陷,包括但不限于耗费时间、对于复杂的形体计算量过大,不利于快速计算碰撞跟测距等技术问题,本申请技术方案提出一种基于深度缓冲的空间物体定向碰撞检测方法,目的是提升板件检测效率;同时能够在目标物不碰撞的情况下能测出待检测物体与目标物体的最短距离;一方面,如图1所示,本申请的实施例提供了一种空间物体定向碰撞检测方法,方法包括步骤S100-S500:
S100、确定目标物,根据目标物位置构建轴对称包围盒;
具体在实施例中,所确定的目标物可以包括需要进行定制的家具产品或者家居饰品等;实施例中,以针对居室设计的过程为例,在设计软件或者建模软件中,根据目标物在建模场景中的当前位置以及状态构建得到一个轴对称的包围盒。
S200、获取移动方向,根据移动方向以及轴对称包围盒确定图像采集位置;
具体在实施例中,所获取的移动方向,其可以是在设计软件或者建模软件中,设计人员在进行仿真建模的过程中拖拽目标的移动方向,或者是在实际场景中所确定的目标物需要进行移动的方向;此外,实施例中图像采集位置可是设置拍摄相机的位置,所设置的拍摄相机,应当位于包围盒上相对的两个顶点的对应位置处。示例性地,实施例中首先获取待检测物体的位置及轴对称包围盒;然后根据输入的移动方向,设置两个相对朝向的相机位置,其中正朝向相机可以采用正交视角拍摄目标物体,反向相机同样可以采用正交视角拍摄待检测物体,即可能的障碍物。
S300、根据图像采集位置构建目标深度缓冲区;
具体在实施例中,当计算机的三维图形卡渲染物体过程中,每一个所生成的像素的深度(即z坐标)就保存在一个缓冲区中,这个缓冲区即为z缓冲区或者深度缓冲区。示例性地,实施例中通过步骤S200所设置好的两个相对朝向的拍摄相机,通过相机实时拍摄所获取的换面进行深度缓冲区的构建。
S400、获取深度数据以及目标深度缓冲区构建得到目标深度图,并生成目标深度图的镜像深度图;
具体在实施例中,深度数据可以是由设置的拍摄像机采集得到的实时图像,并经由图形处理器根据实时图像中包含与场景对象的表面到视点的距离有关的信息,用于模拟的3D形状或重建,在对应的深度缓冲区中生成目标深度图,并且,实施例在生成目标深度图之后,通过镜像翻转,得到该目标深度图的镜像深度图。
S500、根据目标深度图、镜像深度图以及图像采集位置确定障碍物距离。
具体在实施例中,获取相应的深度缓冲区数据,其中一个深度缓冲区数据需要镜像。计算深度图对应每一像素的距离之和;最后,根据统计出来的每一像素的距离之和与两个相机距离,可计算出物体间的最短距离。
在一些可以选择的实施例中,方法在步骤S200获取移动方向,根据移动方向以及轴对称包围盒确定图像采集位置这一过程中,可以包括步骤S210-S230:
S210、获取对称包围盒的中心点以及对角线长度;
S220、根据中心点的位置、对角线长度以及移动方向确定两个图像采集位置;
S230、构建正交投影矩阵,根据正交投影矩阵以及图像采集位置设置采集相机;
其中,两个图像采集位置关于中心点旋转对称;具体在实施例中,由于图像采集位置关于包围盒的中心旋转对称,根据图像采集位置的对称关系,实施例中的拍摄相机设置为相互面对的朝向,即正朝向相机采用正交视角拍摄目标物体,反向相机同样采用正交视角拍摄待检测物体。
具体在实施例中,如图2所示,设置拍摄相机的过程中,首先获取待检测物体的轴对称包围盒,并计算确定该包围盒的中心点(位置坐标)Pcenter,以及包围盒对角线长度L。进一步根据输入的移动方向,可以确定正向拍摄相机的位置Pcamera为:
Pcamera=Pcenter-MoveDir×L×0.5
相对应地,反向拍摄相机或反射相机的位置PcameraN为:
PcameraN=Pcenter+MoveDir×L×0.5
其中,MoveDir为移动方向;进一步在进行软件仿真的过程中,首先输入移动方向,并在确定上方向之后构建观察坐标系ViewSpace以及相应的视图view矩阵;然后设置正交投影矩阵,并根据该正交投影矩阵创建得到两个相对的拍摄像机。
在一些可选择的实施例中,方法中的图像采集位置包括正向视角以及反向视角;目标深度缓冲区包括第一深度缓冲区和第二深度缓冲区;进而,方法步骤S300根据图像采集位置构建目标深度缓冲区这一过程,可以包括步骤S310-320:
S310、根据正向视角,构建目标物三角网格集合的第一深度缓冲区;
S320、根据反向视角,镜像读取深度数据构建目标物三角网格集合的第二深度缓冲区;
具体在实施例中,在放置相对位置的拍摄相机之后,在正向相机视角下,写入目标物体三角网格集合的深度缓冲区,并从GPU中读取对应的深度缓冲区的深度数据。同样,在反射相机视角下,写入待检测物体三角网格集合的深度缓冲区,并镜像读取深度缓冲区每个像素的深度数据。镜像是为了保证两幅图像对应的像素在同一直线上。
在一些可选择的实施例中,方法中步骤S500根据目标深度图、镜像深度图以及图像采集位置确定障碍物距离这这一过程中,可以包括步骤S510-S530:
S510、根据目标深度图以及目标物确定第一距离;
S520、根据镜像深度图以及障碍物确定第二距离;
S530、根据第一距离、第二距离以及图像采集位置计算得到障碍物距离;
具体在实施例中,如图3所示,在计算目标物与障碍物之间的距离时,根据目标物的某一部分,在仿真过程中具体至某一点的像素,其与障碍物之间的距离计算公式为:
Distance=depth1+depth2–CameraDist
其中depth1是指反向拍摄相机或反射相机距离障碍物的距离;depth2是指正向拍摄相机距离目标物的距离,CameraDist是指两个相机之间的直线距离。
在一些可选择的实施例中,方法中步骤S500根据目标深度图、镜像深度图以及图像采集位置确定障碍物距离这这一过程中,还可以步骤S540:
S540、获取预设深度阈值;当障碍物距离大于深度阈值,将障碍物距离标记为无效深度值;剔除无效深度值。
具体在实施例中,为了保证最终确定的障碍物距离更为准确,方法可以进行无效深度值的过滤处理;具体地,实施例可以设定阈值,只要有一个深度值超过该设定阈值,则视为无效深度值。
在一些可选择的实施例中,由于目标物形状、外形以及结构等原因,目标的各个部分与障碍物之间的距离可能存在一定的差异,因此,方法在步骤S500根据目标深度图、镜像深度图以及图像采集位置确定障碍物距离这这一过程中,还可以包括步骤S550-S560:
S550、根据目标物的形状和/或结构确定若干障碍物距离;
S560、从若干障碍物距离中筛选得到最小距离,根据最小距离控制目标物的运动状态;
具体在实施例中,在确定目标物与障碍物之间的最小距离过程中,首先通过距离计算公式计算出目标物每个部分,在仿真建模过程中具体至每一个像素点,计算得到所有像素点与障碍物之间的距离。需要说明的是,在现实场景中,在正向视角的拍摄像机所无法拍摄的部分,默认其在运动方向上,并不会与障碍进行直接接触,因此,实施例中仅选取正相视角中所有的像素计算其与障碍物之间的距离。实施例从所有的距离中统计分析得到最短的距离值。当最短距离值小于0时,则判定待碰撞物体与目标物体处于相交或偏离状态。当最小距离值不小于0时,则待碰撞物体与目标物体处于相离状态,且该最短距离值为待碰撞物体可往移动方向向前移动的最大位移量。
另一方面,本申请的技术方案还提供了一种空间物体定向碰撞检测系统,该系统包括:
目标标定模块,用于确定目标物,根据目标物位置构建轴对称包围盒;并且获取移动方向,根据移动方向以及轴对称包围盒确定图像采集位置;
图像处理模块,用于根据图像采集位置构建目标深度缓冲区;以及获取深度数据以及目标深度缓冲区构建得到目标深度图,并生成目标深度图的镜像深度图;
距离计算模块,用于根据目标深度图、镜像深度图以及图像采集位置确定障碍物距离。
在一些可以选择的实施例中,检测系统还包括图像采集模块;图像采集位置包括正向视角以及反向视角;目标深度缓冲区包括第一深度缓冲区和第二深度缓冲区;图像采集模块包括正向采集模块和反向采集模块;
正向采集模块,用于通过正向视角,构建目标物三角网格集合的第一深度缓冲区;
反向采集模块,用于根据反向视角,镜像读取深度数据构建目标物三角网格集合的第二深度缓冲区。
第三方面,本申请的技术方案还提供一种空间物体定向碰撞检测装置,其包括至少一个处理器;至少一个存储器,该存储器用于存储至少一个程序;当至少一个程序被至少一个处理器执行,使得至少一个处理器运行如第一方面中的一种空间物体定向碰撞检测方法。
本发明实施例还提供了一种存储介质内存储有程序,程序被处理器执行,实现上述一种空间物体定向碰撞检测方法。
从上述具体的实施过程,可以总结出,本发明所提供的技术方案相较于现有技术存在以下优点或优势:
1.本申请技术方案适用于任意复杂形体,高效稳定,且可计算物体间的最短距离。
2.本申请技术方案可自适应调整精度,深度缓冲大小越大精度越高。
3.本申请技术方案性能高,只需要生成缓冲区跟统计数据,时间消耗都是毫秒级,可实时计算。
综上所述,本申请技术方案可以缩短物体碰撞检测的时间和成本,即时响应提高软件设计的用户体验,提高软件的稳定性和兼容性,无需要针对特定形体定制优化。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种空间物体定向碰撞检测方法,其特征在于,包括以下步骤:
确定目标物,根据所述目标物的位置构建轴对称包围盒;
获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置;
根据所述图像采集位置构建目标深度缓冲区;
获取深度数据以及所述目标深度缓冲区构建得到目标深度图,并生成所述目标深度图的镜像深度图;
根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离;
其中,所述获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置这一步骤,包括:
获取所述对称包围盒的中心点以及对角线长度;
根据所述中心点的位置、所述对角线长度以及所述移动方向确定两个图像采集位置;
构建正交投影矩阵,根据所述正交投影矩阵以及所述图像采集位置设置采集相机;
所述两个图像采集位置关于所述中心点旋转对称;
其中,根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离这一步骤,包括:
根据所述目标深度图以及所述目标物确定第一距离;
根据所述镜像深度图以及所述障碍物确定第二距离;
根据所述第一距离、所述第二距离以及所述图像采集位置计算得到所述障碍物距离。
2.根据权利要求1所述的一种空间物体定向碰撞检测方法,其特征在于,所述图像采集位置包括正向视角以及反向视角;所述目标深度缓冲区包括第一深度缓冲区和第二深度缓冲区,所述根据所述图像采集位置构建目标深度缓冲区这一步骤,包括:
根据所述正向视角,构建所述目标物的三角网格集合的第一深度缓冲区;
根据所述反向视角,镜像读取所述深度数据生成所述目标物的三角网格集合的第二深度缓冲区。
3.根据权利要求1所述的一种空间物体定向碰撞检测方法,其特征在于,所述根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离这一步骤,还包括:
获取预设深度阈值;
当所述障碍物距离大于所述深度阈值,将所述障碍物距离标记为无效深度值;
剔除所述无效深度值。
4.根据权利要求1所述的一种空间物体定向碰撞检测方法,其特征在于,所述根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离这一步骤,还包括:
根据所述目标物的形状和/或结构确定若干所述障碍物距离;
从若干所述障碍物距离中筛选得到最小距离,根据所述最小距离控制所述目标物的运动状态。
5.一种空间物体定向碰撞检测系统,其特征在于,包括:
目标标定模块,用于确定目标物,根据所述目标物位置构建轴对称包围盒;并且获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置;
图像处理模块,用于根据所述图像采集位置构建目标深度缓冲区;以及获取深度数据以及所述目标深度缓冲区构建得到目标深度图,并生成所述目标深度图的镜像深度图;
距离计算模块,用于根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离。
6.根据权利要求5所述的一种空间物体定向碰撞检测系统,其特征在于,所述检测系统还包括图像采集模块;所述图像采集位置包括正向视角以及反向视角;所述目标深度缓冲区包括第一深度缓冲区和第二深度缓冲区;所述图像采集模块包括正向采集模块和反向采集模块;
所述正向采集模块,用于通过正向视角,构建所述目标物三角网格集合的第一深度缓冲区;
所述反向采集模块,用于根据所述反向视角,镜像读取深度数据构建所述目标物三角网格集合的第二深度缓冲区;
其中,所述获取移动方向,根据所述移动方向以及所述轴对称包围盒确定图像采集位置,包括:
获取所述对称包围盒的中心点以及对角线长度;
根据所述中心点的位置、所述对角线长度以及所述移动方向确定两个图像采集位置;
构建正交投影矩阵,根据所述正交投影矩阵以及所述图像采集位置设置采集相机;
所述两个图像采集位置关于所述中心点旋转对称;
其中,根据所述目标深度图、所述镜像深度图以及所述图像采集位置确定障碍物距离,包括:
根据所述目标深度图以及所述目标物确定第一距离;
根据所述镜像深度图以及所述障碍物确定第二距离;
根据所述第一距离、所述第二距离以及所述图像采集位置计算得到所述障碍物距离。
7.一种空间物体定向碰撞检测装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器运行如权利要求1-4任一项所述的一种空间物体定向碰撞检测方法。
8.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于运行如权利要求1-4中任一项所述的一种空间物体定向碰撞检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210086264.8A CN114529604B (zh) | 2022-01-25 | 2022-01-25 | 一种空间物体定向碰撞检测方法、系统装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210086264.8A CN114529604B (zh) | 2022-01-25 | 2022-01-25 | 一种空间物体定向碰撞检测方法、系统装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114529604A CN114529604A (zh) | 2022-05-24 |
CN114529604B true CN114529604B (zh) | 2022-12-13 |
Family
ID=81622973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210086264.8A Active CN114529604B (zh) | 2022-01-25 | 2022-01-25 | 一种空间物体定向碰撞检测方法、系统装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529604B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093586A (zh) * | 2007-07-12 | 2007-12-26 | 上海交通大学 | 面向复杂场景实时交互操作的并行碰撞检测方法 |
CN112417746A (zh) * | 2020-11-18 | 2021-02-26 | 中北大学 | 一种基于神经网络预测碰撞检测的方法 |
CN112657192A (zh) * | 2020-12-25 | 2021-04-16 | 珠海西山居移动游戏科技有限公司 | 一种碰撞检测方法及装置 |
CN112825199A (zh) * | 2019-11-20 | 2021-05-21 | 北京博超时代软件有限公司 | 碰撞检测方法、装置、设备及存储介质 |
CN113362382A (zh) * | 2020-03-04 | 2021-09-07 | 华为技术有限公司 | 三维重建方法和三维重建装置 |
CN113963028A (zh) * | 2021-10-29 | 2022-01-21 | 北京市商汤科技开发有限公司 | 一种碰撞检测方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111515503B (zh) * | 2020-04-30 | 2021-03-02 | 华东理工大学 | 一种弧焊机器人无碰撞路径规划方法 |
CN113962979A (zh) * | 2021-10-29 | 2022-01-21 | 温州大学 | 一种基于深度图像的布料碰撞仿真增强呈现方法及装置 |
-
2022
- 2022-01-25 CN CN202210086264.8A patent/CN114529604B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093586A (zh) * | 2007-07-12 | 2007-12-26 | 上海交通大学 | 面向复杂场景实时交互操作的并行碰撞检测方法 |
CN112825199A (zh) * | 2019-11-20 | 2021-05-21 | 北京博超时代软件有限公司 | 碰撞检测方法、装置、设备及存储介质 |
CN113362382A (zh) * | 2020-03-04 | 2021-09-07 | 华为技术有限公司 | 三维重建方法和三维重建装置 |
CN112417746A (zh) * | 2020-11-18 | 2021-02-26 | 中北大学 | 一种基于神经网络预测碰撞检测的方法 |
CN112657192A (zh) * | 2020-12-25 | 2021-04-16 | 珠海西山居移动游戏科技有限公司 | 一种碰撞检测方法及装置 |
CN113963028A (zh) * | 2021-10-29 | 2022-01-21 | 北京市商汤科技开发有限公司 | 一种碰撞检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
Collision Detection Using Axis Aligned Bounding Boxes;Panpan Cai 等;《Simulations, Serious Games and Their Applications》;20131108;全文 * |
基于优化模型的碰撞检测方法研究;李磊;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20130415(第4期);全文 * |
基于最近点碰撞检测算法的研究;梁成;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20170515;全文 * |
碰撞检测过程中的包围盒技术及应用研究;刘涛 等;《西安科技大学学报》;20060331;第26卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114529604A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6423435B2 (ja) | 物理的光景を表すための方法および装置 | |
Pulli et al. | Acquisition and visualization of colored 3D objects | |
CN102077242B (zh) | 3d纹理的超分辨率的图像生成设备和方法 | |
EP1959392A1 (en) | Method, medium, and system implementing 3D model generation based on 2D photographic images | |
US20200334824A1 (en) | 2d obstacle boundary detection | |
CN110956695B (zh) | 信息处理装置、信息处理方法和存储介质 | |
CN114529604B (zh) | 一种空间物体定向碰撞检测方法、系统装置及介质 | |
Wiemann et al. | Automatic Map Creation For Environment Modelling In Robotic Simulators. | |
Rau et al. | Lod generation for 3d polyhedral building model | |
Deepu et al. | 3D Reconstruction from Single 2D Image | |
WO2020121406A1 (ja) | 3次元計測装置、移動ロボット、手押し車型移動装置および3次元計測処理方法 | |
Wiemann et al. | An evaluation of open source surface reconstruction software for robotic applications | |
Munkelt¹ et al. | Incorporation of a-priori information in planning the next best view | |
GB2362793A (en) | Image processing apparatus | |
Hwang et al. | Image-based object reconstruction using run-length representation | |
US20110074777A1 (en) | Method For Displaying Intersections And Expansions of Three Dimensional Volumes | |
KR101673442B1 (ko) | 비주얼 헐 근사화에 대해 dbss로 재메쉬화하는 방법 및 장치 | |
KR102416216B1 (ko) | 영상인식을 이용한 3차원 실체 형상 데이터 생성 방법 및 장치 | |
JPH11328445A (ja) | 衝突判定装置および方法、および衝突判定方法を記録した媒体 | |
JP2003123057A (ja) | 3次元形状モデルの生成方法および装置 | |
JP6025615B2 (ja) | 画像描画装置 | |
KR102358950B1 (ko) | 모바일 스캔 객체 모델 스케일링을 통한 증강현실 구현 장치 및 방법 | |
Martins et al. | Camera calibration using reflections in planar mirrors and object reconstruction using volume carving method | |
JP7086761B2 (ja) | 画像処理装置、情報処理方法及びプログラム | |
JP6526605B2 (ja) | 仮想カメラ画像生成装置 |
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 |