CN117541921A - 一种建筑工程三线式阴阳角图像识别方法及系统 - Google Patents
一种建筑工程三线式阴阳角图像识别方法及系统 Download PDFInfo
- Publication number
- CN117541921A CN117541921A CN202311474036.9A CN202311474036A CN117541921A CN 117541921 A CN117541921 A CN 117541921A CN 202311474036 A CN202311474036 A CN 202311474036A CN 117541921 A CN117541921 A CN 117541921A
- Authority
- CN
- China
- Prior art keywords
- pixel
- building engineering
- image recognition
- picture
- yin
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000010276 construction Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种建筑工程三线式阴阳角图像识别方法及系统,涉及建筑工程技术领域。在该方法中,接收图像识别单元发送的当前建筑工程图片;判断当前建筑工程图片中是否具有三条直线轨迹;将三条直线轨迹中的像素点分别归集,得到三个像素集合;判断是否有预设第一数量阈值的像素点同时存在三个像素集合中;判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值;将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线;判断三条直线之间的夹角是否均大于90°;得到三线式阴阳角。该方法为建筑机器人识别阴阳角提供了一种有效、可靠的方法。
Description
技术领域
本申请涉及建筑工程技术领域,尤其涉及一种建筑工程三线式阴阳角图像识别方法及系统。
背景技术
阴阳角是建筑构造之一,阴角指凹进去的墙角,如顶面与四周墙壁的夹角;阳角指凸出来的墙角,如走道转弯处两堵墙形成的夹角。
在现代化的建筑工程中,建筑机器人已经成为一个重要的工具,这些机器人通常配备有高级的传感器和图像处理系统,能够自动执行各种建筑任务。
但在目前的情况下,在识别阴阳角时,目前机器人还无法做到,因此,亟需一种阴阳角识别方法。
发明内容
本申请提供了一种建筑工程三线式阴阳角图像识别方法及系统,用于识别阴阳角。
第一方面,本申请提供了一种建筑工程三线式阴阳角图像识别方法,包括:
接收图像识别单元发送的当前建筑工程图片;
判断当前建筑工程图片中是否具有三条直线轨迹;
若具有三条直线,则将三条直线轨迹中的像素点分别归集,得到三个像素集合;
判断是否有预设第一数量阈值的像素点同时存在三个像素集合中;
若有预设第一数量阈值的像素点同时存在三个像素集合中,则判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值;
若小于预设第二数量阈值,则将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线,圆心像素点为同时存在三个像素集合中的任一像素点,边缘像素点为离圆心像素点最远的像素点;
判断三条直线之间的夹角是否均大于90°;
若均大于90°,则得到三线式阴阳角。
在上述实施例中,通过判断图片中是否存在三条直线轨迹并进行像素点的归集,然后通过预设的数量阈值以及比较像素集合之间的像素数量差值,通过将像素集合中的边缘像素点与圆心像素点连接,并判断三条直线之间的夹角,这一系列判断条件,来准确、快速地识别出建筑工程图片中的阴阳角,为建筑机器人识别阴阳角提供了一种有效、可靠的方法。
结合第一方面的一些实施例,在一些实施例中,接收图像识别单元发送的当前建筑工程图片的步骤之后,方法还包括:
对当前建筑工程图片进行二维化处理得到二维化处理后的当前建筑工程图片;
判断当前建筑工程图片中是否具有三条直线轨迹,具体包括:
判断二维化处理后的当前建筑工程图片中是否具有三条直线轨迹。
在上述实施例中,通过对复杂的三维建筑工程图片进行处理,使其转化为更易于识别和处理的二维图片。提高了阴阳角识别的精度,还显著提升了处理速度和效率。
结合第一方面的一些实施例,在一些实施例中,判断当前建筑工程图片中是否具有三条直线轨迹的步骤之后,方法还包括:
若不具有三条直线,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在上述实施例中,引入了动态拍摄点调整机制,当建筑工程图片中检测不到三条直线轨迹,可以确定不存在阴阳角,此时,会指导图像识别单元更改拍摄点,重新拍摄新的建筑工程图片。使得建筑机器人在进行阴阳角识别和处理时具有更高的灵活性和适应性。
结合第一方面的一些实施例,在一些实施例中,判断是否有预设第一数量阈值的像素点同时存在三个像素集合的步骤之后,方法还包括:
若没有预设第一数量阈值的像素点同时存在三个像素集合中,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在上述实施例中,当没有达到预设第一数量阈值的像素点同时存在于三个像素集合中,可以确定这三条直线轨迹没有相交,即不存在阴阳角。此时,会指导图像识别单元更改拍摄点,重新拍摄新的建筑工程图片,使得建筑机器人在进行阴阳角识别和处理时具有更高的灵活性和适应性。
结合第一方面的一些实施例,在一些实施例中,判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值的步骤之后,方法还包括:
若不小于预设第二数量阈值,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在上述实施例中,通过确定图像中像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值不小于预设第二数量阈值,则表明三条直线的交点并未位于建筑工程图片的圆心,此时会向图像识别单元发送指令更改拍摄点,并重新拍摄新的建筑工程图片。这一机制实现了对拍摄点的动态调整,以确保三条直线长度一致,并找到准确的交点,将三线交点置于图像中心,便于后续的判断。
结合第一方面的一些实施例,在一些实施例中,判断三条直线之间的夹角是否均大于90°的步骤之后,方法还包括:
若不均大于90°,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在上述实施例中,通过判断三条直线之间的夹角不均大于90°,有效地确定了不为阴阳角或者是存在拍摄角度的问题。当三条直线之间的夹角不均大于90°时,此刻会向图像识别单元发送指令,使其更改拍摄点,并重新拍摄新的建筑工程图片,使得建筑机器人在进行阴阳角识别和处理时具有更高的灵活性和适应性。
结合第一方面的一些实施例,在一些实施例中,则向图像识别单元发送指令,使图像识别单元更改拍摄点的步骤,具体包括:
根据像素个数最少的像素集合对应的直线轨迹确定第一移动方向,根据像素个数居中的像素集合对应的直线轨迹确定第二移动方向;
根据像素个数最少的像素集合与像素个数最多的像素集合之间的像素个数差值确定第一权重,根据像素个数居中的像素集合与像素个数最多的像素集合之间的像素个数差值确定第二权重;
根据第一移动方向、第二移动方向、第一权重和第二权重确定综合移动方向;
向图像识别单元发送指令,使图像识别单元根据综合移动方向以预设步长更改拍摄点。
在上述实施例中,通过根据像素个数最少和居中的像素集合对应的直线轨迹,确定第一和第二移动方向,并根据像素个数差值确定第一和第二权重,进而确定综合移动方向。这种机制可以根据图像的特征,动态地、精确地调整拍摄点的位置,从而更好地捕获到阴阳角的图像。
第二方面,本申请实施例提供了一种建筑工程三线式阴阳角图像识别系统,包括:
接收模块,用于接收图像识别单元发送的当前建筑工程图片;
第一判断模块,用于判断当前建筑工程图片中是否具有三条直线轨迹;
归集模块,用于若具有三条直线,则将三条直线轨迹中的像素点分别归集,得到三个像素集合;
第二判断模块,用于判断是否有预设第一数量阈值的像素点同时存在三个像素集合中;
第三判断模块,用于若有预设第一数量阈值的像素点同时存在三个像素集合中,则判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值;
连接模块,用于若小于预设第二数量阈值,则将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线,圆心像素点为同时存在三个像素集合中的任一像素点,边缘像素点为离圆心像素点最远的像素点;
第四判断模块,用于判断三条直线之间的夹角是否均大于90°;
三线式阴阳角模块,用于若均大于90°,则得到三线式阴阳角。
结合第二方面的一些实施例,在一些实施例中,系统还包括:
二维化模块,用于对当前建筑工程图片进行二维化处理得到二维化处理后的当前建筑工程图片;
第一判断模块,还用于判断二维化处理后的当前建筑工程图片中是否具有三条直线轨迹。
结合第二方面的一些实施例,在一些实施例中,系统还包括:
第一重新拍摄模块,用于若不具有三条直线,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第一执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
结合第二方面的一些实施例,在一些实施例中,系统还包括:
第二重新拍摄模块,用于若没有预设第一数量阈值的像素点同时存在三个像素集合中,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第二执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
结合第二方面的一些实施例,在一些实施例中,系统还包括:
第三重新拍摄模块,用于不小于预设第二数量阈值,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第三执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
结合第二方面的一些实施例,在一些实施例中,系统还包括:
第四重新拍摄模块,用于不均大于90°,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第四执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
结合第二方面的一些实施例,在一些实施例中,第三重新拍摄模块具体包括:
第一确定子模块,用于根据像素个数最少的像素集合对应的直线轨迹确定第一移动方向,根据像素个数居中的像素集合对应的直线轨迹确定第二移动方向;
第二确定子模块,用于根据像素个数最少的像素集合与像素个数最多的像素集合之间的像素个数差值确定第一权重,根据像素个数居中的像素集合与像素个数最多的像素集合之间的像素个数差值确定第二权重;
第三确定子模块,用于根据第一移动方向、第二移动方向、第一权重和第二权重确定综合移动方向;
发送子模块,用于向图像识别单元发送指令,使图像识别单元根据综合移动方向以预设步长更改拍摄点。
第三方面,本申请实施例提供了一种建筑工程三线式阴阳角图像识别系统,该系统包括:一个或多个处理器和存储器;
该存储器与该一个或多个处理器耦合,该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令,该一个或多个处理器调用该计算机指令以使得该建筑工程三线式阴阳角图像识别系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第四方面,本申请实施例提供一种包含指令的计算机程序产品,当上述计算机程序产品在服务器上运行时,使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第五方面,本申请实施例提供一种计算机可读存储介质,包括指令,当上述指令在建筑工程三线式阴阳角图像识别系统上运行时,使得上述建筑工程三线式阴阳角图像识别系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
可以理解地,上述第二方面提供的建筑工程三线式阴阳角图像识别系统、第三方面提供的建筑工程三线式阴阳角图像识别系统、第四方面提供的计算机程序产品和第五方面提供的计算机存储介质均用于执行本申请实施例所提供的建筑工程三线式阴阳角图像识别方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、本申请提供的建筑工程三线式阴阳角图像识别方法,通过判断图片中是否存在三条直线轨迹并进行像素点的归集,然后通过预设的数量阈值以及比较像素集合之间的像素数量差值,通过将像素集合中的边缘像素点与圆心像素点连接,并判断三条直线之间的夹角,这一系列判断条件,来准确、快速地识别出建筑工程图片中的阴阳角,为建筑机器人识别阴阳角提供了一种有效、可靠的方法。
2、本申请提供的建筑工程三线式阴阳角图像识别方法,通过根据像素个数最少和居中的像素集合对应的直线轨迹,确定第一和第二移动方向,并根据像素个数差值确定第一和第二权重,进而确定综合移动方向。这种机制可以根据图像的特征,动态地、精确地调整拍摄点的位置,从而更好地捕获到阴阳角的图像。
附图说明
图1为本申请提供的建筑工程三线式阴阳角图像识别方法的一个流程示意图。
图2为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个流程示意图。
图3为本申请提供的建筑工程三线式阴阳角图像识别方法的证明图;
图4为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个证明图;
图5为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个证明图;
图6为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个证明图;
图7为本申请提供的建筑工程三线式阴阳角图像识别系统的模块化虚拟装置的示意图。
图8为本申请提供的建筑工程三线式阴阳角图像识别系统的实体装置的示意图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。还应当理解,本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面对本实施例中建筑工程三线式阴阳角图像识别方法进行描述:
如图1所示,图1为本申请提供的建筑工程三线式阴阳角图像识别方法的一个流程示意图。
S101、接收图像识别单元发送的当前建筑工程图片。
建筑工程图片可能包含了建筑工程中的各种元素,如墙体、柱子、阴阳角等,此处不做限定。
需要说明的是,本方法的执行主体为建筑机器人,它包含一个图像识别单元,图像识别单元可以为摄像机等,此处不做限定。
S102、判断当前建筑工程图片中是否具有三条直线轨迹。
若具有三条直线轨迹,则执行步骤S103。
若不具有三条直线轨迹,则执行步骤S109。
一个具体的实施例中,采用了霍夫变换。霍夫变换是一种在图像处理中常用的检测几何形状的方法,尤其适用于直线和圆的检测。此算法的主要思想是把直角坐标系下的形状转化为霍夫空间(ρ,θ)的表达。
霍夫变换后,(ρ,θ)就是一对霍夫空间的变量表示。在直角坐标系中,一个点(x0,y0)可以代表360°的直线的其中一个点,把这个点旋转360°的直线都用极坐标(ρ,θ)表达出来,就会得到在霍夫空间(ρ,θ)的一条正弦曲线。同样,直线上的其他点(Xn,Yn)也会构成一组关于ρ,θ的正弦曲线。这样,必然存在至少一个点(r,θ),在这一点上所有的正弦曲线相交。
因此,一条直线可以被检测出来,如果在霍夫空间中存在一个点,该点处有许多曲线相交。曲线交于一点的数量越多,就意味着这个交点表示的直线由更多的点组成。可以通过设定阈值来定义在多少条曲线交于一点时,才认为检测到了一条直线。
在另一个实施例中,采用了LSD(Line Segment Detector)直线检测算法。LSD算法是一种在图像处理中常用的方法,用于检测和识别图像中的直线。
LSD直线检测算法的工作原理如下:首先,它计算每个像素点附近的level-line(等高线)的角度,根据这些角度生成一个level-line区域。这个区域可以被看作是一个单位向量域,其中的所有向量都与通过该像素点的level-line相切。在这个过程中,level-line区域被划分为若干个连通的部分,这些部分在一定的容忍度τ内具有相同的level-line角度。
将这些连通的部分称为line support region。每个line support region都是一个可能的直线分割的备选区域。为了进一步确定这些区域,需要为每一个line supportregion对应一个矩形。这个矩形的主方向由line support region的主轴决定,而矩形的尺寸则被设计为能够覆盖整个line support region。
通过这种方式,LSD算法能够有效地检测图像中的直线,并提供直线的精确位置和方向。
S103、将三条直线轨迹中的像素点分别归集,得到三个像素集合。
一个具体的实施例中,通过在S102步骤中,已经确定了当前建筑工程图片中的三条直线轨迹。
接下来,将这三条直线上的像素点进行分析,首先通过图像处理技术,能精确地识别出直线轨迹上的每一个像素点。
然后,将这些像素点根据它们所位于的直线进行分类。即,归属于第一条直线的像素点被分配到第一个像素点集合,归属于第二条直线的像素点被分配到第二个像素点集合,归属于第三条直线的像素点被分配到第三个像素点集合。
在这个过程中,确保每一个像素点在其所属的集合中都有一个唯一的编号。这个编号可以用来表示像素点在直线上的位置,也可以用来在后续的处理中跟踪像素点。就得到了三个像素点集合,每个集合中的像素点都对应一个直线轨迹。这些集合将为后续的分析和处理提供基础。
S104、判断是否有预设第一数量阈值的像素点同时存在三个像素集合中。
需要判断这三条直线轨迹是否有交汇的可能。将同时存在于三个像素集合中的像素点进行统计。如果这个数量达到了预设的第一数量阈值,那么就可以认为这三条直线在一定范围内有交汇的可能。在这个过程中,可以通过改变预设的第一数量阈值来调整的判断标准。阈值越大,判断直线交汇的标准就越严格;阈值越小,的判断标准就越宽松。可以确定三条直线轨迹是否形成了阴阳角的前置条件,也就是它们在一定范围内是否可能交汇。
若同时存在三个像素集合中,则执行步骤S105。
若不同时存在三个像素集合中,则执行步骤S110。
S105、判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值。
若小于预设第二数量阈值,则执行步骤S106。
若不小于预设第二数量阈值,则执行步骤S110。
需要预设一个第二数量阈值。这个阈值代表了可以接受的像素个数差值的最大值。如果实际的像素个数差值小于这个阈值,那么就可以认为这三个直线轨迹的长度大致相等。
第二数量阈值可以根据实际情况决定,此处不做限定。
S106、将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线,圆心像素点为同时存在三个像素集合中的任一像素点,边缘像素点为离圆心像素点最远的像素点。
S107、判断三条直线之间的夹角是否均大于90°。
若均大于90°,则执行步骤S108;
若不均大于90°,则执行步骤S112;
S108、若均大于90°,则得到三线式阴阳角。
证明如下:
把三维物体的信息转化为二维图片的过程可以被视为一个投影过程。
在三维空间中,一个直角三角形只有在其垂直于投影方向时,其投影形成的角才为90°。随着三角形的旋转,其投影角会从90°增大,直到180°,此时投影将形成一条直线。
在建筑工程中,阴阳角的三个面都可以看作是直角三角形。当选定任意方向进行二维化(拍照)时,只要二维化后的图片中仍然有三条明显的线,那么这三条线的交点就符合上述投影角的变化规律。
推论:如图3、4所示,图3为本申请提供的建筑工程三线式阴阳角图像识别方法的证明图;图4为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个证明图;
平面与线段的关系分析:设ABCD为一个长方体的截断部分,ABC为其投影平面,D点的投影点为D'。已知:平面ABC与水平平面S夹角为θ,三角形A'BC在平面S上,且∠BAC为直角,D点为A点在平面S上的投影,A'B边长为a,A'C边长为b。经过推导,可以得出以下结论:
如图5、6所示,图5为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个证明图;图6为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个证明图;
AB=a,DB=AB·Cosθ=aCosθ,因为|Cosθ|<1(Cosθ≠1),所以AB>DB。同理,AC>DC,由此可得DB<A'B,DC<A'C。
由于D点一定落在A'BC的平面域内,且∠BA'C是直角,所以可以得出∠BDC>90°。这就是说,D点为角的顶点时,会形成阴角和阳角的情况。
线段AD的投影为CD,而CD=AD·Cosθ,这样就可以利用直线/平面与平面的夹角,将空间曲面信息转化为平面要素。
S109、向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片。
触发条件是建筑工程图片中检测不到三条直线轨迹。这可能是由于当前拍摄点的视角无法捕捉到足够的信息,或者环境中存在干扰;
图像识别单元可能需要改变其物理位置,以便从一个新的视角捕获图片。这可以通过移动到一个更高或更低的位置,或者绕着建筑工程移动到一个新的角度来实现。
需要说明的是,图像识别单元可以包括一个云台,也可以采用其他装置,如移动平台等,来辅助图像识别单元进行转动和移动。在某些情况下,甚至可以通过直接移动建筑机器人本身来调整拍摄的角度和位置,此处不做限定。
可见,引入了动态拍摄点调整机制,当建筑工程图片中检测不到三条直线轨迹,可以确定不存在阴阳角,此时,会指导图像识别单元更改拍摄点,重新拍摄新的建筑工程图片。使得建筑机器人在进行阴阳角识别和处理时具有更高的灵活性和适应性。
S110、向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片。
触发条件是没有达到预设第一数量阈值的像素点同时存在于三个像素集合中。这三条直线轨迹没有相交,即不存在阴阳角。这可能是由于当前的拍摄点或者视角稍微偏离了最佳位置。
图像识别单元可能需要微调其拍摄角度。这可能是由于当前的视角稍微偏离了最佳位置,导致三条直线轨迹没有相交。微调角度可以帮助找到正确的交点,从而准确的识别阴阳角。
可见,当没有达到预设第一数量阈值的像素点同时存在于三个像素集合中,可以确定这三条直线轨迹没有相交,即不存在阴阳角。此时,会指导图像识别单元更改拍摄点,重新拍摄新的建筑工程图片,使得建筑机器人在进行阴阳角识别和处理时具有更高的灵活性和适应性。
S111、向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片。
触发条件是图像中像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值不小于预设第二数量阈值。这表明三条直线的交点并未位于建筑工程图片的圆心。
那么可能需要调整图像识别单元的位置和/或角度,使得三条直线的交点能够位于新图片的圆心。这可能需要图像识别单元向交点方向移动一段距离或者调整拍摄角度。
可见,通过确定图像中像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值不小于预设第二数量阈值,则表明三条直线的交点并未位于建筑工程图片的圆心,此时会向图像识别单元发送指令更改拍摄点,并重新拍摄新的建筑工程图片。这一机制实现了对拍摄点的动态调整,以确保三条直线长度一致,并找到准确的交点,将三线交点置于图像中心,便于后续的判断。
S112、向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片。
可见,通过判断三条直线之间的夹角不均大于90°,有效地确定了不为阴阳角或者是存在拍摄角度的问题。当三条直线之间的夹角不均大于90°时,此刻会向图像识别单元发送指令,使其更改拍摄点,并重新拍摄新的建筑工程图片,使得建筑机器人在进行阴阳角识别和处理时具有更高的灵活性和适应性。
触发条件是三条直线之间的夹角不均大于90°。这可能是由于阴阳角不存在,或者存在拍摄角度的问题。
图像识别单元可能需要改变其位置或角度,以便从一个新的视角拍摄图片。
可见,通过判断图片中是否存在三条直线轨迹并进行像素点的归集,然后通过预设的数量阈值以及比较像素集合之间的像素数量差值,通过将像素集合中的边缘像素点与圆心像素点连接,并判断三条直线之间的夹角,这一系列判断条件,来准确、快速地识别出建筑工程图片中的阴阳角,为建筑机器人识别阴阳角提供了一种有效、可靠的方法。
在另一个实施例中,步骤S101、接收图像识别单元发送的当前建筑工程图片的步骤之后,方法还包括:
对当前建筑工程图片进行二维化处理得到二维化处理后的当前建筑工程图片;
二维化处理可以采取各种已知的二维化算法,包括但不限于投影变换、深度估计等,此处不做限定。二维化处理可以简化图像信息,将复杂的三维空间信息转化为二维平面信息,从而大大减小了处理的复杂性。
步骤S102、判断当前建筑工程图片中是否具有三条直线轨迹,具体包括:
判断二维化处理后的当前建筑工程图片中是否具有三条直线轨迹。
可见,通过对复杂的三维建筑工程图片进行处理,使其转化为更易于识别和处理的二维图片。提高了阴阳角识别的精度,还显著提升了处理速度和效率。
上面实施例中,为建筑机器人识别阴阳角提供了一种有效、可靠的方法,在实际应用中,如何使图像识别单元的移动更加高效,因此结合图2所示的该建筑工程三线式阴阳角图像识别方法的另一个流程示意图,对本申请实施例中建筑工程三线式阴阳角图像识别方法进行具体描述:
如图2所示,图2为本申请提供的建筑工程三线式阴阳角图像识别方法的另一个流程示意图。
S201、根据像素个数最少的像素集合对应的直线轨迹确定第一移动方向,根据像素个数居中的像素集合对应的直线轨迹确定第二移动方向。
首先需要确定各个像素集合对应的直线轨迹。这可以通过应用各种已知的直线检测算法来完成,例如霍夫变换、拉德矩阵变换等。然后,根据像素个数最少的像素集合对应的直线轨迹确定第一移动方向。图像识别单元将首先向这个方向移动。同样,根据像素个数居中的像素集合对应的直线轨迹确定第二移动方向。
S202、根据像素个数最少的像素集合与像素个数最多的像素集合之间的像素个数差值确定第一权重,根据像素个数居中的像素集合与像素个数最多的像素集合之间的像素个数差值确定第二权重。
通过计算像素个数最少的像素集合与像素个数最多的像素集合之间的像素个数差值,来确定第一权重。这个权重可以被用来调整第一移动方向的影响力。同样,也通过计算像素个数居中的像素集合与像素个数最多的像素集合之间的像素个数差值,来确定第二权重。这个权重可以被用来调整第二移动方向的影响力。这些权重具体取决于像素个数差值的大小。一般来说,像素个数差值越大,对应的权重也越大,相应的移动方向的影响力也越大。
S203、根据第一移动方向、第二移动方向、第一权重和第二权重确定综合移动方向。
需要将第一移动方向和第二移动方向进行合成,以确定综合移动方向。这可以通过各种已知的方向合成算法来完成,例如向量加法、权重平均等。在合成过程中,第一权重和第二权重将被用来调整各自移动方向的影响力。一般来说,权重越大,对应的移动方向的影响力也越大。这样,就可以根据各个像素集合的特性,以及它们对应的直线轨迹的方向,来确定一个最合适的综合移动方向。
S204、向图像识别单元发送指令,使图像识别单元根据综合移动方向以预设步长更改拍摄点。
可见,通过根据像素个数最少和居中的像素集合对应的直线轨迹,确定第一和第二移动方向,并根据像素个数差值确定第一和第二权重,进而确定综合移动方向。这种机制可以根据图像的特征,动态地、精确地调整拍摄点的位置,从而更好地捕获到阴阳角的图像。
预设步长可以是固定的,也可以是动态变化的,具体取决于实际的拍摄环境和需求,此处不做限定。
下述为本申请的装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
参考图7,本申请实施例提供了一种建筑工程三线式阴阳角图像识别系统,建筑工程三线式阴阳角图像识别系统包括:
接收模块701,用于接收图像识别单元发送的当前建筑工程图片;
第一判断模块702,用于判断当前建筑工程图片中是否具有三条直线轨迹;
归集模块703,用于若具有三条直线,则将三条直线轨迹中的像素点分别归集,得到三个像素集合;
第二判断模块704,用于判断是否有预设第一数量阈值的像素点同时存在三个像素集合中;
第三判断模块705,用于若有预设第一数量阈值的像素点同时存在三个像素集合中,则判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值;
连接模块706,用于若小于预设第二数量阈值,则将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线,圆心像素点为同时存在三个像素集合中的任一像素点,边缘像素点为离圆心像素点最远的像素点;
第四判断模块707,用于判断三条直线之间的夹角是否均大于90°;
三线式阴阳角模块708,用于若均大于90°,则得到三线式阴阳角。
在一些实施例中,系统还包括:
二维化模块,用于对当前建筑工程图片进行二维化处理得到二维化处理后的当前建筑工程图片;
第一判断模块,还用于判断二维化处理后的当前建筑工程图片中是否具有三条直线轨迹。
在一些实施例中,系统还包括:
第一重新拍摄模块,用于若不具有三条直线,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第一执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在一些实施例中,系统还包括:
第二重新拍摄模块,用于若没有预设第一数量阈值的像素点同时存在三个像素集合中,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第二执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在一些实施例中,系统还包括:
第三重新拍摄模块,用于不小于预设第二数量阈值,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第三执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在一些实施例中,系统还包括:
第四重新拍摄模块,用于不均大于90°,则向图像识别单元发送指令,使图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
第四执行模块,用于将新建筑工程图片作为当前建筑工程图片,执行接收图像识别单元发送的当前建筑工程图片的步骤。
在一些实施例中,第三重新拍摄模块具体包括:
第一确定子模块,用于根据像素个数最少的像素集合对应的直线轨迹确定第一移动方向,根据像素个数居中的像素集合对应的直线轨迹确定第二移动方向;
第二确定子模块,用于根据像素个数最少的像素集合与像素个数最多的像素集合之间的像素个数差值确定第一权重,根据像素个数居中的像素集合与像素个数最多的像素集合之间的像素个数差值确定第二权重;
第三确定子模块,用于根据第一移动方向、第二移动方向、第一权重和第二权重确定综合移动方向;
发送子模块,用于向图像识别单元发送指令,使图像识别单元根据综合移动方向以预设步长更改拍摄点。
本申请还公开一种建筑工程三线式阴阳角图像识别系统。参照图8,为本申请提供的建筑工程三线式阴阳角图像识别系统的实体装置的示意图。该计算机800可以包括:至少一个处理器801,至少一个网络接口804,用户接口803,存储器805,至少一个通信总线802。
其中,通信总线802用于实现这些组件之间的连接通信。
其中,用户接口803可以包括显示屏(Display)、摄像头(Camera),可选用户接口803还可以包括标准的有线接口、无线接口。
其中,网络接口804可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器801可以包括一个或者多个处理核心。处理器801利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器805内的指令、程序、代码集或指令集,以及调用存储在存储器805内的数据,执行服务器的各种功能和处理数据。可选的,处理器801可以采用数字信号处理(DigitalSignalProcessing,DSP)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、可编程逻辑阵列(ProgrammableLogicArray,PLA)中的至少一种硬件形式来实现。处理器801可集成中央处理器(CentralProcessingUnit,CPU)、图像处理器(GraphicsProcessingUnit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器801中,单独通过一块芯片进行实现。
其中,存储器805可以包括随机存储器(RandomAccessMemory,RAM),也可以包括只读存储器(Read-OnlyMemory)。可选的,该存储器805包括非瞬时性计算机可读介质(non-transitorycomputer-readablestoragemedium)。存储器805可用于存储指令、程序、代码、代码集或指令集。存储器805可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器805可选的还可以是至少一个位于远离前述处理器801的存储装置。参照图8,作为一种计算机存储介质的存储器805中可以包括操作系统、网络通信模块、用户接口模块以及建筑工程三线式阴阳角图像识别的应用程序。
在图8所示的计算机800中,用户接口803主要用于为用户提供输入的接口,获取用户输入的数据;而处理器801可以用于调用存储器805中存储的建筑工程三线式阴阳角图像识别的应用程序,当由一个或多个处理器801执行时,使得计算机800执行如上述实施例中一个或多个所述的方法。需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
Claims (10)
1.一种建筑工程三线式阴阳角图像识别方法,其特征在于,包括:
接收图像识别单元发送的当前建筑工程图片;
判断所述当前建筑工程图片中是否具有三条直线轨迹;
若具有三条直线,则将三条直线轨迹中的像素点分别归集,得到三个像素集合;
判断是否有预设第一数量阈值的像素点同时存在三个像素集合中;
若有预设第一数量阈值的像素点同时存在三个像素集合中,则判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值;
若小于预设第二数量阈值,则将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线,所述圆心像素点为同时存在三个像素集合中的任一像素点,所述边缘像素点为离所述圆心像素点最远的像素点;
判断三条直线之间的夹角是否均大于90°;
若均大于90°,则得到三线式阴阳角。
2.根据权利要求1所述的建筑工程三线式阴阳角图像识别方法,其特征在于,所述接收图像识别单元发送的当前建筑工程图片的步骤之后,所述方法还包括:
对当前建筑工程图片进行二维化处理得到二维化处理后的当前建筑工程图片;
所述判断所述当前建筑工程图片中是否具有三条直线轨迹,具体包括:
判断所述二维化处理后的当前建筑工程图片中是否具有三条直线轨迹。
3.根据权利要求1所述的建筑工程三线式阴阳角图像识别方法,其特征在于,所述判断所述当前建筑工程图片中是否具有三条直线轨迹的步骤之后,所述方法还包括:
若不具有三条直线,则向所述图像识别单元发送指令,使所述图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将所述新建筑工程图片作为当前建筑工程图片,执行所述接收图像识别单元发送的当前建筑工程图片的步骤。
4.根据权利要求1所述的建筑工程三线式阴阳角图像识别方法,其特征在于,所述判断是否有预设第一数量阈值的像素点同时存在三个像素集合的步骤之后,所述方法还包括:
若没有预设第一数量阈值的像素点同时存在三个像素集合中,则向所述图像识别单元发送指令,使所述图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将所述新建筑工程图片作为当前建筑工程图片,执行所述接收图像识别单元发送的当前建筑工程图片的步骤。
5.根据权利要求1所述的建筑工程三线式阴阳角图像识别方法,其特征在于,所述判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值的步骤之后,所述方法还包括:
若不小于预设第二数量阈值,则向所述图像识别单元发送指令,使所述图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将所述新建筑工程图片作为当前建筑工程图片,执行所述接收图像识别单元发送的当前建筑工程图片的步骤。
6.根据权利要求1所述的建筑工程三线式阴阳角图像识别方法,其特征在于,所述判断三条直线之间的夹角是否均大于90°的步骤之后,所述方法还包括:
若不均大于90°,则向所述图像识别单元发送指令,使所述图像识别单元更改拍摄点;并重新拍摄得到新建筑工程图片;
将所述新建筑工程图片作为当前建筑工程图片,执行所述接收图像识别单元发送的当前建筑工程图片的步骤。
7.根据权利要求5所述的建筑工程三线式阴阳角图像识别方法,其特征在于,所述则向所述图像识别单元发送指令,使所述图像识别单元更改拍摄点的步骤,具体包括:
根据像素个数最少的像素集合对应的直线轨迹确定第一移动方向,根据像素个数居中的像素集合对应的直线轨迹确定第二移动方向;
根据像素个数最少的像素集合与像素个数最多的像素集合之间的像素个数差值确定第一权重,根据像素个数居中的像素集合与像素个数最多的像素集合之间的像素个数差值确定第二权重;
根据所述第一移动方向、所述第二移动方向、所述第一权重和所述第二权重确定综合移动方向;
向所述图像识别单元发送指令,使所述图像识别单元根据所述综合移动方向以预设步长更改拍摄点。
8.一种建筑工程三线式阴阳角图像识别系统,其特征在于,包括:
接收模块,用于接收图像识别单元发送的当前建筑工程图片;
第一判断模块,用于判断所述当前建筑工程图片中是否具有三条直线轨迹;
归集模块,用于若具有三条直线,则将三条直线轨迹中的像素点分别归集,得到三个像素集合;
第二判断模块,用于判断是否有预设第一数量阈值的像素点同时存在三个像素集合中;
第三判断模块,用于若有预设第一数量阈值的像素点同时存在三个像素集合中,则判断像素个数最大的像素集合与像素个数最少的像素集合之间的像素个数差值是否小于预设第二数量阈值;
连接模块,用于若小于预设第二数量阈值,则将三个像素集合中的边缘像素点与圆心像素点连接得到三条直线,所述圆心像素点为同时存在三个像素集合中的任一像素点,所述边缘像素点为离所述圆心像素点最远的像素点;
第四判断模块,用于判断三条直线之间的夹角是否均大于90°;
三线式阴阳角模块,用于若均大于90°,则得到三线式阴阳角。
9.一种建筑工程三线式阴阳角图像识别系统,其特征在于,包括:一个或多个处理器和存储器;
所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述建筑工程三线式阴阳角图像识别系统执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在建筑工程三线式阴阳角图像识别系统上运行时,使得所述建筑工程三线式阴阳角图像识别系统执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311474036.9A CN117541921A (zh) | 2023-11-07 | 2023-11-07 | 一种建筑工程三线式阴阳角图像识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311474036.9A CN117541921A (zh) | 2023-11-07 | 2023-11-07 | 一种建筑工程三线式阴阳角图像识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117541921A true CN117541921A (zh) | 2024-02-09 |
Family
ID=89787280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311474036.9A Pending CN117541921A (zh) | 2023-11-07 | 2023-11-07 | 一种建筑工程三线式阴阳角图像识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541921A (zh) |
-
2023
- 2023-11-07 CN CN202311474036.9A patent/CN117541921A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109074084B (zh) | 机器人的控制方法、装置、系统及所适用的机器人 | |
CN110111388B (zh) | 三维物体位姿参数估计方法及视觉设备 | |
US8155387B2 (en) | Method and system for position determination using image deformation | |
EP3114647A2 (en) | Method and system for 3d capture based on structure from motion with simplified pose detection | |
JP2011175477A (ja) | 3次元計測装置、処理方法及びプログラム | |
CN111630342B (zh) | 视觉焊接系统的缝隙检测方法以及系统 | |
Guan et al. | DeepMix: mobility-aware, lightweight, and hybrid 3D object detection for headsets | |
US10600202B2 (en) | Information processing device and method, and program | |
JP2017201276A (ja) | 情報処理装置、情報処理方法、プログラム、システム、および物品製造方法 | |
JP2008309595A (ja) | オブジェクト認識装置及びそれに用いられるプログラム | |
CN113763478A (zh) | 无人车相机标定方法、装置、设备、存储介质及系统 | |
WO2020137160A1 (ja) | 人検出装置および人検出方法 | |
US11816857B2 (en) | Methods and apparatus for generating point cloud histograms | |
JP2014053018A (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
WO2023160301A1 (zh) | 物体信息确定方法、移动机器人系统及电子设备 | |
CN117541921A (zh) | 一种建筑工程三线式阴阳角图像识别方法及系统 | |
CN115031635A (zh) | 测量方法及装置、电子设备及存储介质 | |
CN115346020A (zh) | 点云处理方法、避障方法、装置、机器人和存储介质 | |
CN113246145B (zh) | 核工业抓取设备的位姿补偿方法、系统和电子装置 | |
CN114973075A (zh) | 运动状态确定方法、装置、设备及存储介质 | |
CN112328150B (zh) | 自动截图方法、装置以及设备、存储介质 | |
CN111918742B (zh) | 视觉焊接系统的缝隙检测方法以及系统 | |
CN112150527A (zh) | 测量方法及装置、电子设备及存储介质 | |
CN112033379B (zh) | 一种对象检测方法、装置以及计算机可读存储介质 | |
WO2021145304A1 (ja) | 画像処理システム |
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 |