CN117808920A - 一种激光识别联动数字沙盘展示方法 - Google Patents
一种激光识别联动数字沙盘展示方法 Download PDFInfo
- Publication number
- CN117808920A CN117808920A CN202311855500.9A CN202311855500A CN117808920A CN 117808920 A CN117808920 A CN 117808920A CN 202311855500 A CN202311855500 A CN 202311855500A CN 117808920 A CN117808920 A CN 117808920A
- Authority
- CN
- China
- Prior art keywords
- sand table
- points
- coordinates
- laser marking
- image
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000010330 laser marking Methods 0.000 claims abstract description 60
- 239000007787 solid Substances 0.000 claims abstract description 52
- 230000001629 suppression Effects 0.000 claims abstract description 5
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011236 particulate material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种激光识别联动数字沙盘展示方法,包括以下步骤:采集实体沙盘的原始图像,并转换成第一灰度图;增强第一灰度图的图像对比度和边缘特征,并进行去噪处理;计算去噪后的图像梯度,并在梯度方向上执行非极大值抑制,得到第二灰度图;设置高阈值、低阈值,将所述边缘点划分为强边缘点或弱边缘点或非边缘点,进行边缘连接;得到激光标记点的像素坐标;将所述像素坐标转化为真实地理坐标;将所述激光标记点的真实地理坐标发送至数字沙盘,进行展示。本发明能够快速、准确地将实体沙盘上的激光标记位置转化为真实地理坐标,从而实现更加精准的实体沙盘和数字沙盘间的联动展示。
Description
技术领域
本发明涉及激光图像识别技术,具体涉及一种激光识别联动数字沙盘展示方法。
背景技术
实体沙盘通常由一个大型的平面或倾斜表面构成,表面覆盖着特制的沙或粒子材料。通过移动、排列或操纵沙盘表面,可以模拟出不同的地形,包括山脉、河流、湖泊、森林等。一些高级沙盘可能还包含可变化的地形模块,根据需求进行重新配置和修改。同时配备了灯光系统,这些灯光能够模拟白天、夜晚和不同氛围下的照明效果。它们可能被嵌入沙盘表面或周围的结构中,以提供整体的照明效果。沙盘可能还会有彩色的LED灯带,这些灯带可以放置在沙盘周围或内部,以模拟不同区域的气氛或环境。这些灯带通常能够调整颜色、亮度和闪烁效果。因此,实体沙盘具有直观、真实等优势,可以用于模拟场景,展示城市规划、建筑设计、景区规划等情景。但是,实体沙盘存在的制作周期长、制作成本高、维护成本高、更新不及时等问题,限制了其发展和应用。
数字沙盘则具有灵活、高效、交互性强等优势,可以实现更加精确、快速、实时的模拟,而且可以方便地进行数据的更新和修改。但是,数字沙盘也存在着软件版本更新快、硬件性能受限、缺乏直观感受等问题。
实体沙盘和数字沙盘之间的联动可以弥补它们各自的不足,实现更加全面、精准、直观的模拟。目前,传统的联动数字地图方式,主要是利用光敏传感器通过感知激光笔光源来触发传感器向数字沙盘发送自身定位信息,从而做到联动数字沙盘进行展示交互,但存在以下问题:
1、传统的联动数字地图方式,主要依赖于大量的光敏传感器作为关键坐标点。这种方式虽然在一定程度上实现了地图的联动,但却带来了高昂的成本。每一个光敏传感器的价格都不低,而为了实现精准的定位,需要大量的光敏传感器,因此总体成本难以控制。
2、沙盘中的关键坐标点数量决定了所需的光敏传感器的数量。这意味着,坐标点越多,所需的光敏传感器就越多。这无疑增加了实体沙盘设计的电路复杂性。原本简单的电路设计因为传感器的增加而变得复杂,这不仅提高了设计难度,也增加了出现故障的风险。
3、光敏传感器不仅需求数量大,而且质量也并不稳定。在长时间的使用过程中,会有一定比例的传感器失效,导致关键坐标点无法正常联动。这不仅影响了沙盘的正常运作,也增加了维护和更换传感器的成本。
发明内容
本发明的目的在于,针对上述现有技术的不足,提供一种激光识别联动数字沙盘展示方法,实现实体沙盘和数字沙盘间的联动展示,同时降低成本和复杂度。
为解决上述技术问题,本发明所采用的技术方案是:
一种激光识别联动数字沙盘展示方法,包括以下步骤:
S1、采集实体沙盘的原始图像;
S2、将所述原始图像转换成第一灰度图,获取激光标记点的像素坐标;
S3、将所述激光标记点的像素坐标转化为真实地理坐标;
S4、将所述激光标记点的真实地理坐标发送至数字沙盘,并定位移动到所述激光标记点的真实地理坐标对应的地理坐标点,进行展示。
进一步,步骤S1中,采用固定角度的摄像头拍摄实体沙盘的原始图像,所述摄像头垂直安装在所述实体沙盘中心的上方。
进一步,步骤S2中,获取激光标记点的像素坐标的具体实现过程包括:
S21、增强第一灰度图的图像对比度和边缘特征,并进行去噪处理;
S22、计算去噪后的图像梯度,并在梯度方向上执行非极大值抑制,得到只保留局部梯度最大像素点的第二灰度图;
S23、设置高阈值、低阈值,将梯度值大于或等于所述高阈值的像素点划分为强边缘点,梯度值小于所述高阈值且大于所述低阈值的像素点划分为弱边缘点,梯度值小于或等于所述低阈值的像素点划分为非边缘点,进行边缘连接,得到第三灰度图;
S24、根据所述第三灰度图,得到激光标记点的像素坐标。
进一步,步骤S3中,将所述激光标记点的像素坐标转化为真实地理坐标的具体实现过程包括:
S31、定义实体沙盘四角处的边缘点;
S32、获取所述边缘点的像素坐标、以及所述激光标记点的像素坐标;
S33、根据所述边缘点的像素坐标、所述激光标记点的像素坐标、所述实体沙盘的长宽,计算所述激光标记点在实体沙盘坐标系中的第一坐标;其中,所述实体沙盘坐标系以实体沙盘的平面为x-y平面;
S34、根据所述边缘点的经纬度坐标、实体沙盘的长宽,将所述激光标记点的第一坐标转化为真实地理坐标。
进一步,步骤S21中,采用直方图均衡化增强第一灰度图的图像对比度和边缘特征,并采用高斯滤波进行去噪处理。
进一步,步骤S22中,采用Sobel算子计算去噪后的图像梯度。
进一步,步骤S23中,采用双阈值算法确定高阈值、低阈值,并采用霍夫圆变换进行边缘连接;所述双阈值算法的输入为所述第二灰度图,输出为用于将图像分割成背景和前景的阈值;所述霍夫圆变换的输入为高、低阈值处理后的图像,输出为检测到的圆的参数集合,所述参数包括圆心坐标、半径。
进一步,步骤S23中,采用插值技术将所述弱边缘点进一步划分为强边缘点和非边缘点。
进一步,在步骤S32中,对所述边缘点的像素坐标、以及激光标记点的像素坐标进行畸变校正,具体实现过程包括:
对摄像头的内参和畸变参数进行标定,所述畸变参数包括径向畸变系数、切向畸变系数;
通过所述畸变参数,采用多项式逆畸变方法对所述像素坐标进行畸变校正,其中,所述多项式逆畸变方法的输入为摄像头的畸变参数、待校正的像素坐标,输出为校正后的像素坐标。
进一步,步骤S34中,所述激光标记点的第一坐标转化为真实地理坐标的实现过程包括:获取所述边缘点的经纬度坐标、实体沙盘的长宽;在实体沙盘左下角经纬度到右上角经纬度之间的坐标范围内,通过线性插值将实体沙盘上激光标记点的坐标映射到墨卡托投影坐标上,得到激光标记点的投影坐标;采用逆投影函数,将激光标记点的投影坐标转换为激光标记点的经纬度坐标,得到激光标记点的真实地理坐标;
所述逆投影函数的表达式为:
其中,(x,y)为激光标记点的投影坐标,Lon为激光标记点的经度,Lat为激光标记点的纬度,R为地球的半径。
与现有技术相比,本发明所具有的有益效果为:
(1)本发明充分考虑了相机的畸变问题,能够快速、准确地将实体沙盘上的激光标记位置转化为真实地理坐标,从而实现更加精准的实体沙盘和数字沙盘间的联动展示。
(2)与传统的大量光敏传感器方式相比,本发明无需多个传感器作为关键坐标点,避免了传感器数量过多导致的成本过高和电路过于复杂的问题。
(3)通过向数字沙盘发送定位信息,可以实现数字沙盘和实体沙盘的联动展示和交互,从而实现更加实时、直观、丰富的模拟效果。此外,由于数字沙盘的数据可以方便进行更新和修改,因此也可以及时更新模拟数据。
附图说明
图1为本发明实施例激光识别联动数字沙盘方法原理图;
图2为本发明实施例激光识别联动数字沙盘方法的实体沙盘图像示例图。
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。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
如图1所示,本发明提供了一种激光识别联动数字沙盘展示方法,包括以下步骤:
S1、采集实体沙盘的原始图像。
S2、将原始图像转换成第一灰度图,按照步骤S21~步骤S24获得激光标记点的像素坐标。
如图2所示,在固定好实体沙盘的位置后,本实施例采用固定角度的监控摄像头实时拍摄实体沙盘区域,该摄像头垂直安装在实体沙盘中心的上方,并将拍摄到的监控视频数据实时传送至控制系统。
具体地,越逼真的实体沙盘,其背景越复杂多变,当用户使用激光标记笔进行位置标记时,复杂的沙盘环境容易对激光标记笔的激光标记点的高精度识别造成影响。因此,本实施例按照步骤S21~步骤S24在实体沙盘上检测动态移动的激光标记点位置,获得激光标记点的像素坐标。
S21、增强第一灰度图的图像对比度和边缘特征,并采用高斯滤波进行去噪处理。
具体地,本实施例采用直方图均衡化增强图像的特征,增强后的图像可以更清晰地显示激光标记点。直方图均衡化是图像处理领域中一种利用图像直方图对对比度进行调整的方法,其通过对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同,从而使得亮度在直方图上更好地分布。这样就可以用于增强局部的对比度而不影响整体的对比度。
同时采用高斯滤波对图像进行处理,可以减少图像中的噪声,使图像更适合激光标记点边缘检测,具体实现过程包括:
I_smoothed=G*I;
其中,I_smoothed是经过高斯滤波后的图像,I是原始图像,G是高斯核函数。
S22、采用Sobel算子计算去噪后的图像梯度,并在梯度方向上执行非极大值抑制,得到只保留局部梯度最大像素点的第二灰度图。
Sobel算子是一种常用的离散型微分算子,用于计算图像的梯度,特别是在边缘检测中经常使用。
非极大值抑制用于从图像梯度方向上抑制非边缘像素,保留可能的激光标记点边缘位置。在本实施例中,该步操作保留梯度变化最大的像素点,减小非极大值像素点的影响,使提取到的边缘最大程度的连续,提高准确性。
S23、采用双阈值算法确定高阈值、低阈值,利用高、低阈值对第二灰度图进行边缘检测,即将梯度值大于或等于高阈值的像素点划分为强边缘点,梯度值小于高阈值且大于低阈值的像素点划分为弱边缘点,梯度值小于或等于低阈值的像素点划分为非边缘点,采用霍夫圆变换进行边缘连接,得到第三灰度图。
具体地,Otsu算法是一种基于阈值的图像分割方法,其通过分析图像的灰度直方图来确定一个最佳阈值,使得分割后的两个子区域之间的类内方差最小,而类间方差最大。Otsu算法也可以用于确定两个阈值,即双阈值算法。双阈值算法首先使用Otsu算法计算出一个主阈值,将图像分割成两个主要区域。然后,在分割出的前景区域内,再次使用Otsu算法计算出第二个阈值,将前景区域进一步分割成两个子区域。在分割出的图像中,高阈值用于分割出前景(激光标记点),低阈值用于分割出背景。
由于激光标记点具有明显不同的颜色或亮度特征,可以利用这些特征来确定高阈值和低阈值。如果标记点比周围地图更亮或更暗,选择适当的亮度阈值来区分它们。
本实施例中,双阈值算法的输入为第二灰度图,输出为用于将图像分割成背景和前景的阈值。
进一步,由于激光标记点有比较明显的点状形状,如果遇到背景有灯光带在激光标记点周边或者同颜色的背景,导致有明显模糊的区域,可以尝试使用插值技术来估计这些区域的形状特征,以便更好地区分激光标记点和周围地图。即采用插值技术将弱边缘点进一步划分为强边缘点和非边缘点。
霍夫圆变换是一种在数字图像处理中用于检测圆的基本特征提取技术。它的原理是将二维图像空间中的圆转换为该圆半径、圆心横纵坐标所确定的三维参数空间中的一个点。在圆周上任意三个点所确定的圆,经过霍夫变换后在三维参数空间应对应一点。这个过程类似于选举投票过程,圆周上任意三个点为一选举人,而这三个点所确定的圆则为一候选人。遍历圆周上所有点,任意三个点所确定的候选圆进行投票。遍历结束后,得票数最高点(理论上圆周上任意三点确定的圆在霍夫变换后均对应三维参数空间中的同一点)所确定的圆即为该圆周上,绝大多数点所确定的圆(以下称为当选圆),即绝大多数点均在该当选圆的圆周上,以此确定该圆。
本实施例中,霍夫圆变换的输入为高、低阈值处理后的图像,输出为检测到的圆的参数集合,参数包括圆心坐标、半径。
S24、根据第三灰度图,得到激光标记点的像素坐标。
S3、按照步骤S31~步骤S34,将步骤S2得到的激光标记点的像素坐标转化为真实地理坐标。
当检测到激光标记点在监控摄像头的画面具体位置后,只是相对于摄像头拍摄的位置,因此需要通过实体沙盘的尺寸、摄像头拍照尺寸和真实地理坐标范围的尺寸比例做转换,得到真实的地理坐标。
S31、定义实体沙盘四角处的边缘点。
S32、获取实体沙盘四角处边缘点的像素坐标、以及激光标记点的像素坐标。
需要说明的是,常见的摄像头价格满足市场要求,但是大多都存在畸变问题,专业无畸变摄像头往往价格较高,特别是对于需要高分辨率、高品质成像的摄像头而言,成本可能更加昂贵,并不适用于市场。针对这张情况,如果直接按照尺寸比例进行坐标转换,得到的结果会有明显偏差,影响计算结果的准确性。因此,当需要获取激光标记点真正的坐标相对位置时,首先需要解决摄像头的畸变问题,具体实现过程如下:
步骤1:采集一组已知世界坐标的标定板或标定点,并对这些点在图像中的对应位置进行检测,得到相机标定数据。
步骤2:基于收集到的标定数据,采用张正友标定法,对摄像头的内参和畸变参数进行标定,其中,畸变参数包括径向畸变系数、切向畸变系数。
步骤3:根据标定后的畸变参数,采用多项式逆畸变方法对拍摄图像中的每个像素点进行反向畸变变换,实现像素坐标畸变校正。
多项式逆畸变方法的具体实现过程包括:
多项式逆畸变方法是一种用于图像畸变校正的方法,其原理是利用多项式拟合图像中的畸变模型,然后通过求解逆变换来校正畸变。具体来说,该方法首先通过在图像中选取一些已知的、无畸变的点(例如棋盘格的角点),然后利用这些点拟合出一个多项式畸变模型。接着,通过求解该多项式的逆变换,可以得到校正后的图像。它主要针对径向畸变进行校正,而径向畸变是由于镜头非线性特性引起的一种常见镜头畸变。
在成像过程中,径向畸变会导致图像中心和边缘部分的变形。这种畸变在镜头的边缘部分更加显著,使得直线看起来呈弯曲或者物体失真。
(1)构建径向畸变模型:
典型的径向畸变模型使用多项式函数来建模,通常采用一个多项式函数来描述径向畸变的变形效应。这个多项式函数包括畸变参数。
(2)定义逆畸变公式:
多项式逆畸变方法的核心是一个逆畸变的数学公式。这个公式通过将畸变的像素点(xd,yd)转换为校正后的像素点(xc,yc)来实现畸变校正。
逆畸变公式为:
其中,(xd,yd)是畸变图像中的像素坐标,(xc,yc)是校正后的像素坐标,rd是像素点到图像中心的径向距离,k1,k2,k3是畸变参数。
(3)采用opencv(cv2)的undistortPoints()函数对像素坐标进行逆畸变处理,得到校正后的图像,具体实现包括:
(31)获取相机内部参数矩阵camera_matrix和畸变系数dist_coeffs、畸变的像素坐标(xd,yd)。
(32)使用cv2.undistortPoints()函数进行逆畸变,得到校正后的图像undistorted_point:
undistorted_point=cv2.undistortPoints(np.array([[[xd,yd]]]),camera,matrix,dist_coeffs)[0][0].
(33)获取校正后的像素坐标(xc,yc):
xc,yc=undistorted_point[0],undistorted_point[1];
(34)将畸变像素坐标(xd,yd)转换为校正后的像素坐标为(xc,yc)。
(4)对校正效果进行验证:完成逆畸变后,通常通过观察直线是否变直、物体是否呈现正常形状等方式来验证校正效果。
S33、根据边缘点的像素坐标、激光标记点的像素坐标、以及实体沙盘的长宽,计算激光标记点在实体沙盘坐标系中的第一坐标;其中,该实体沙盘坐标系以实体沙盘的平面为x-y平面,以左下角为原点。
S34、根据边缘点的经纬度坐标、实体沙盘的长宽,将激光标记点的第一坐标转化为真实地理坐标。
由于实体沙盘四个角落是有对应真实的地理坐标系的真实地理坐标位置,因此可以通过相对比例转换,得到激光标记点的真实地理坐标,具体实现过程包括:
A、从给定的实体沙盘左下角和右上角的经纬度坐标获取相关参数:
bottom_left:实体沙盘左下角点的经纬度坐标。
top_right:实体沙盘右上角点的经纬度坐标。
width和height:实体沙盘的宽度和长度。
B、通过线性插值(左下角经纬度到右上角经纬度之间的坐标范围)将实体沙盘上激光标记点的坐标映射到墨卡托投影坐标上,得到激光标记点的投影坐标(x,y)。
C、采用逆投影函数,将激光标记点的投影坐标(x,y)转换为激光标记点的经纬度坐标[Lon,Lat]。
需要说明的是,逆投影函数是将这个平面坐标转换回地球上的经纬度坐标。其投影公式可以描述为:
其中,Lon为激光标记点的经度,Lat为激光标记点的纬度,R为地球的半径。
S4、通过网络通信将真实地理坐标反馈给数字沙盘系统平台,并定位移动到该真实地理坐标对应的地理坐标点,进行聚焦动作,将结果呈现给用户,从而实现数字沙盘和实体沙盘的联动展示。
本实施例无需大量的光敏传感器作为关键坐标点,有效避免了传感器数量增多导致的成本过高和电路过于复杂的问题,极大地提高了数据交互的实时性。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是局限性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护范围之内。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种激光识别联动数字沙盘展示方法,其特征在于,包括以下步骤:
S1、采集实体沙盘的原始图像;
S2、将所述原始图像转换成第一灰度图,获取激光标记点的像素坐标;
S3、将所述激光标记点的像素坐标转化为真实地理坐标;
S4、将所述激光标记点的真实地理坐标发送至数字沙盘,并定位移动到所述激光标记点的真实地理坐标对应的地理坐标点,进行展示。
2.根据权利要求1所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S1中,采用固定角度的摄像头拍摄实体沙盘的原始图像,所述摄像头垂直安装在所述实体沙盘中心的上方。
3.根据权利要求1所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S2中,获取激光标记点的像素坐标的具体实现过程包括:
S21、增强第一灰度图的图像对比度和边缘特征,并进行去噪处理;
S22、计算去噪后的图像梯度,并在梯度方向上执行非极大值抑制,得到只保留局部梯度最大像素点的第二灰度图;
S23、设置高阈值、低阈值,将梯度值大于或等于所述高阈值的像素点划分为强边缘点,梯度值小于所述高阈值且大于所述低阈值的像素点划分为弱边缘点,梯度值小于或等于所述低阈值的像素点划分为非边缘点,进行边缘连接,得到第三灰度图;
S24、根据所述第三灰度图,得到激光标记点的像素坐标。
4.根据权利要求1所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S3中,将所述激光标记点的像素坐标转化为真实地理坐标的具体实现过程包括:
S31、定义实体沙盘四角处的边缘点;
S32、获取所述边缘点的像素坐标、以及所述激光标记点的像素坐标;
S33、根据所述边缘点的像素坐标、所述激光标记点的像素坐标、所述实体沙盘的长宽,计算所述激光标记点在实体沙盘坐标系中的第一坐标;其中,所述实体沙盘坐标系以实体沙盘的平面为x-y平面;
S34、根据所述边缘点的经纬度坐标、实体沙盘的长宽,将所述激光标记点的第一坐标转化为真实地理坐标。
5.根据权利要求3所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S21中,采用直方图均衡化增强第一灰度图的图像对比度和边缘特征,并采用高斯滤波进行去噪处理。
6.根据权利要求3所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S22中,采用Sobel算子计算去噪后的图像梯度。
7.根据权利要求3所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S23中,采用双阈值算法确定高阈值、低阈值,并采用霍夫圆变换进行边缘连接;所述双阈值算法的输入为所述第二灰度图,输出为用于将图像分割成背景和前景的阈值;所述霍夫圆变换的输入为高、低阈值处理后的图像,输出为检测到的圆的参数集合,所述参数包括圆心坐标、半径。
8.根据权利要求3所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S23中,采用插值技术将所述弱边缘点进一步划分为强边缘点和非边缘点。
9.根据权利要求4所述的激光识别联动数字沙盘展示方法,其特征在于:在步骤S32中,对所述边缘点的像素坐标、以及激光标记点的像素坐标进行畸变校正,具体实现过程包括:
对摄像头的内参和畸变参数进行标定,所述畸变参数包括径向畸变系数、切向畸变系数;
通过所述畸变参数,采用多项式逆畸变方法对所述像素坐标进行畸变校正,其中,所述多项式逆畸变方法的输入为摄像头的畸变参数、待校正的像素坐标,输出为校正后的像素坐标。
10.根据权利要求4所述的激光识别联动数字沙盘展示方法,其特征在于:步骤S34中,所述激光标记点的第一坐标转化为真实地理坐标的实现过程包括:获取所述边缘点的经纬度坐标、实体沙盘的长宽;在实体沙盘左下角经纬度到右上角经纬度之间的坐标范围内,通过线性插值将实体沙盘上激光标记点的坐标映射到墨卡托投影坐标上,得到激光标记点的投影坐标;采用逆投影函数,将激光标记点的投影坐标转换为激光标记点的经纬度坐标,得到激光标记点的真实地理坐标;
所述逆投影函数的表达式为:
其中,(x,y)为激光标记点的投影坐标,Lon为激光标记点的经度,Lat为激光标记点的纬度,R为地球的半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311855500.9A CN117808920A (zh) | 2023-12-29 | 2023-12-29 | 一种激光识别联动数字沙盘展示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311855500.9A CN117808920A (zh) | 2023-12-29 | 2023-12-29 | 一种激光识别联动数字沙盘展示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117808920A true CN117808920A (zh) | 2024-04-02 |
Family
ID=90423063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311855500.9A Pending CN117808920A (zh) | 2023-12-29 | 2023-12-29 | 一种激光识别联动数字沙盘展示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808920A (zh) |
-
2023
- 2023-12-29 CN CN202311855500.9A patent/CN117808920A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12094152B2 (en) | Method for fully automatically detecting chessboard corner points | |
CN107766855B (zh) | 基于机器视觉的棋子定位方法、系统、存储介质及机器人 | |
CN106157310B (zh) | 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法 | |
US9420276B2 (en) | Calibration of light-field camera geometry via robust fitting | |
US9519968B2 (en) | Calibrating visual sensors using homography operators | |
CN101819024B (zh) | 一种基于机器视觉的二维位移检测方法 | |
CN103503025A (zh) | 基于对对象的模型进行变换来确定模型参数 | |
CN111739031B (zh) | 一种基于深度信息的作物冠层分割方法 | |
CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
CN110458964B (zh) | 一种现实环境动态光照的实时计算方法 | |
CN108257187B (zh) | 一种相机-投影仪系统标定方法 | |
CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
CN112272292A (zh) | 投影校正方法、装置和存储介质 | |
CN111220235A (zh) | 水位监测方法及装置 | |
CN112560837A (zh) | 一种指针式仪表的读数方法、装置、设备和存储介质 | |
CN112200848A (zh) | 低光照弱对比复杂环境下的深度相机视觉增强方法及系统 | |
KR20150105190A (ko) | 컬러-코드화된 구조를 사용하는 카메라 캘리브레이션 방법 및 장치 | |
CN112381751A (zh) | 一种基于图像处理算法的在线智能检测系统及方法 | |
CN113963065A (zh) | 一种基于外参已知的镜头内参标定方法及装置、电子设备 | |
CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
CN101980299B (zh) | 基于棋盘标定的摄像机映射方法 | |
CN117808920A (zh) | 一种激光识别联动数字沙盘展示方法 | |
CN113723432B (zh) | 一种基于深度学习的智能识别、定位追踪的方法及系统 | |
US11205064B1 (en) | Measuring quality of depth images in real time | |
CN111598940B (zh) | 一种半球摄影中心点位置定位方法 |
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 |