JPH05314244A - ３次元情報抽出方法 - Google Patents
３次元情報抽出方法Info
- Publication number
- JPH05314244A JPH05314244A JP4120410A JP12041092A JPH05314244A JP H05314244 A JPH05314244 A JP H05314244A JP 4120410 A JP4120410 A JP 4120410A JP 12041092 A JP12041092 A JP 12041092A JP H05314244 A JPH05314244 A JP H05314244A
- Authority
- JP
- Japan
- Prior art keywords
- image
- voting
- pyramid
- resolution
- images
- 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.)
- Granted
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 本発明は、シーン空間をＶｏｘｅｌに分割
し、Ｖｏｘｅｌに対してカメラの視線でＶｏｔｉｎｇす
ることで特徴点の距離を抽出する方法において無駄なＶ
ｏｔｉｎｇを減少させる事で高速に物体の３次元情報を
抽出することを目的とする。 【構成】本発明の３次元情報抽出方法は、まず入力画像
の解像度を階層的に落とすことで画像をピラミッド化
し、このピラミッド化された画像を粗い画像から順次分
割またはＶｏｔｉｎｇを行う。この時物体が存在してい
ると判断される部分だけを必要に応じた空間解像度まで
空間分割とＶｏｔｉｎｇを行うことで不要なＶｏｔｉｎ
ｇを削減することを可能とする。
し、Ｖｏｘｅｌに対してカメラの視線でＶｏｔｉｎｇす
ることで特徴点の距離を抽出する方法において無駄なＶ
ｏｔｉｎｇを減少させる事で高速に物体の３次元情報を
抽出することを目的とする。 【構成】本発明の３次元情報抽出方法は、まず入力画像
の解像度を階層的に落とすことで画像をピラミッド化
し、このピラミッド化された画像を粗い画像から順次分
割またはＶｏｔｉｎｇを行う。この時物体が存在してい
ると判断される部分だけを必要に応じた空間解像度まで
空間分割とＶｏｔｉｎｇを行うことで不要なＶｏｔｉｎ
ｇを削減することを可能とする。
Description
【０００１】
【産業上の利用分野】本発明は、自然物体、人工物体な
どの３次元物体の位置、形状を物体の存在する空間から
抽出する方法に関するものである。
どの３次元物体の位置、形状を物体の存在する空間から
抽出する方法に関するものである。
【０００２】
【従来の技術】従来、自然物体、人工物体などの３次元
物体の位置、形状を求める方法としては以下の方法があ
る。なお、以下の説明ではより具体的に表現するため、
本発明の分野での慣用語であるＶｏｘｅｌ（’３次元画
素’の意）、Ｖｏｔｉｎｇ（’物体の画像の存在する前
記３次元画素についてある値を加算する’の意）、シー
ン空間（’物体の存在する空間’の意）を用いる。
物体の位置、形状を求める方法としては以下の方法があ
る。なお、以下の説明ではより具体的に表現するため、
本発明の分野での慣用語であるＶｏｘｅｌ（’３次元画
素’の意）、Ｖｏｔｉｎｇ（’物体の画像の存在する前
記３次元画素についてある値を加算する’の意）、シー
ン空間（’物体の存在する空間’の意）を用いる。
【０００３】１．カメラを直線並進運動させながら撮影
した画像を時間方向に蓄積することで時空間画像（Ｓｐ
ａｔｉｏ−ｔｅｍｐｏｒａｌ ｉｍａｇｅ）を作成す
る。これによって特徴点の画像上の軌跡（エピ極線）が
一つの平面（エピポーラ平面）に出現するようになる。
その特徴点軌跡を抽出することで特徴点の奥行きを求め
るという方法である。
した画像を時間方向に蓄積することで時空間画像（Ｓｐ
ａｔｉｏ−ｔｅｍｐｏｒａｌ ｉｍａｇｅ）を作成す
る。これによって特徴点の画像上の軌跡（エピ極線）が
一つの平面（エピポーラ平面）に出現するようになる。
その特徴点軌跡を抽出することで特徴点の奥行きを求め
るという方法である。
【０００４】２．基本的には上記１．の方法と同様にエ
ピポーラ平面の解析で３次元情報を抽出しようとする方
法であるが、入力した画像をカメラのレンズ中心を中心
とする球の球面に投影することによってカメラ光軸の回
転が許される方法である。 ３．第１図に示すようにシーン空間をＶｏｘｅｌに分割
し、カメラの視線を用いて各Ｖｏｘｅｌに対してＶｏｔ
ｉｎｇを行なう方法である。集積値の高いＶｏｘｅｌは
視線が多く交差しているわけである。
ピポーラ平面の解析で３次元情報を抽出しようとする方
法であるが、入力した画像をカメラのレンズ中心を中心
とする球の球面に投影することによってカメラ光軸の回
転が許される方法である。 ３．第１図に示すようにシーン空間をＶｏｘｅｌに分割
し、カメラの視線を用いて各Ｖｏｘｅｌに対してＶｏｔ
ｉｎｇを行なう方法である。集積値の高いＶｏｘｅｌは
視線が多く交差しているわけである。
【０００５】
【発明が解決しようとする課題】１．と２．の方法では
エピ極線をエピポーラ平面に拘束するため、カメラは直
線並進運動に限定されている。またオクルージョンが発
生する場合はエピポーラ平面上の特徴点の軌跡が分断さ
れるので、信頼性の高い軌跡の抽出は極めて困難であ
る。３．の方法ではエピポーラ平面拘束が不要であるた
め、カメラの運動軌跡が既知であれば、カメラの任意運
動が許される。また特徴点軌跡の抽出が不要であるの
で、極めて高い信頼性を実現している。しかし、実際の
空間では、物体が存在しない領域の割合が高い場合があ
る。このような空間に３．の方法を適用すると、無駄な
Ｖｏｔｉｎｇが多く発生し、膨大な処理時間が必要とな
る。
エピ極線をエピポーラ平面に拘束するため、カメラは直
線並進運動に限定されている。またオクルージョンが発
生する場合はエピポーラ平面上の特徴点の軌跡が分断さ
れるので、信頼性の高い軌跡の抽出は極めて困難であ
る。３．の方法ではエピポーラ平面拘束が不要であるた
め、カメラの運動軌跡が既知であれば、カメラの任意運
動が許される。また特徴点軌跡の抽出が不要であるの
で、極めて高い信頼性を実現している。しかし、実際の
空間では、物体が存在しない領域の割合が高い場合があ
る。このような空間に３．の方法を適用すると、無駄な
Ｖｏｔｉｎｇが多く発生し、膨大な処理時間が必要とな
る。
【０００６】以上より、１．と２．の方法はロバスト性
に欠け、複雑な環境には対応が難しい。３．の方法は広
範囲環境の３次元情報を検出するにはリアルタイムで実
現が極めて難しいことになる。本発明は３．の方法に対
し、無駄なＶｏｔｉｎｇを減少させることで高速に環境
中の物体の３次元位置を検出することと、目的に応じた
精度の３次元形状を復元することを目的としている。
に欠け、複雑な環境には対応が難しい。３．の方法は広
範囲環境の３次元情報を検出するにはリアルタイムで実
現が極めて難しいことになる。本発明は３．の方法に対
し、無駄なＶｏｔｉｎｇを減少させることで高速に環境
中の物体の３次元位置を検出することと、目的に応じた
精度の３次元形状を復元することを目的としている。
【０００７】
【課題を解決するための手段】前記の目的を達成するた
めに、本発明による３次元情報入力方法では、物体に対
してカメラが動きながら複数枚の画像を入力する工程
と、前記画像入力時におけるカメラの位置・姿勢情報を
入力する工程と、前記画像入力工程により入力された画
像の解像度を階層的に落としピラミッド化する工程と、
前記工程によりピラミッド化された画像に対応してシー
ン空間を分割する工程と、入力されたカメラの運動・姿
勢情報を用いてシーン空間に対してＶｏｔｉｎｇし、特
徴点の存在するＶｏｘｅｌを抽出する工程と、ピラミッ
ド化された画像を粗い画像から密な画像へ順次空間分割
とＶｏｔｉｎｇを行ない、前記Ｖｏｔｉｎｇ工程によっ
て物体があると判断されるＶｏｘｅｌだけを必要に応じ
た空間解像度まで続けることを特徴とする。
めに、本発明による３次元情報入力方法では、物体に対
してカメラが動きながら複数枚の画像を入力する工程
と、前記画像入力時におけるカメラの位置・姿勢情報を
入力する工程と、前記画像入力工程により入力された画
像の解像度を階層的に落としピラミッド化する工程と、
前記工程によりピラミッド化された画像に対応してシー
ン空間を分割する工程と、入力されたカメラの運動・姿
勢情報を用いてシーン空間に対してＶｏｔｉｎｇし、特
徴点の存在するＶｏｘｅｌを抽出する工程と、ピラミッ
ド化された画像を粗い画像から密な画像へ順次空間分割
とＶｏｔｉｎｇを行ない、前記Ｖｏｔｉｎｇ工程によっ
て物体があると判断されるＶｏｘｅｌだけを必要に応じ
た空間解像度まで続けることを特徴とする。
【０００８】
【作用】入力画像の解像度を階層的に落とすことでピラ
ミッド化し、ピラミッド化した画像を粗い画像から密な
画像へ順次シーン空間を分割またはＶｏｔｉｎｇを行な
う。この時において物体が存在していると判断される部
分だけを必要に応じた空間解像度まで続けて空間分割と
Ｖｏｔｉｎｇを行なうことで不要なＶｏｔｉｎｇを削減
する。
ミッド化し、ピラミッド化した画像を粗い画像から密な
画像へ順次シーン空間を分割またはＶｏｔｉｎｇを行な
う。この時において物体が存在していると判断される部
分だけを必要に応じた空間解像度まで続けて空間分割と
Ｖｏｔｉｎｇを行なうことで不要なＶｏｔｉｎｇを削減
する。
【０００９】
【実施例】以下、本発明を図面を参照しながら説明す
る。第２図は本発明の一実施例の構成ブロック図であ
る。この第２図においては２１はカメラが動きながら複
数枚の画像を入力する画像入力部である。２２は該画像
入力部２１の画像入力時におけるカメラの位置・姿勢情
報を入力する運動情報入力部である。２３は前記画像入
力部２１により入力された複数枚画像の各画像の解像度
を階層的に落としピラミッド化するピラミッド画像部で
ある。２４は前記ピラミッド画像部２３によるピラミッ
ド化された画像に対応してシーン空間を分割する空間分
割部である。２５は前記ピラミッド画像部２３によりピ
ラミッド化された画像と、前記運動情報入力部２２によ
り入力されたカメラの運動・姿勢情報を用いてシーン空
間に対してＶｏｔｉｎｇをするＶｏｔｉｎｇ部である。
２６は前記ピラミッド画像部２３よりピラミッド化され
た画像の粗い画像から順次に用いて前記空間分割部２４
と、かつ前記Ｖｏｔｉｎｇ部２５を用いてシーン空間を
前記画像の解像度に対応して分割とＶｏｔｉｎｇを行
い、物体が存在すると判断されるＶｏｘｅｌだけを必要
に応じた空間解像度まで分割とＶｏｔｉｎｇを行なうこ
とを続けることを制御する制御部である。第３図は本方
式による実施例の処理を示すフロー図である。また第５
図は画像解像度と空間解像度の関係を示すものである。
第２図、第３図、第５図を用いて本実施例の動作を説明
する。
る。第２図は本発明の一実施例の構成ブロック図であ
る。この第２図においては２１はカメラが動きながら複
数枚の画像を入力する画像入力部である。２２は該画像
入力部２１の画像入力時におけるカメラの位置・姿勢情
報を入力する運動情報入力部である。２３は前記画像入
力部２１により入力された複数枚画像の各画像の解像度
を階層的に落としピラミッド化するピラミッド画像部で
ある。２４は前記ピラミッド画像部２３によるピラミッ
ド化された画像に対応してシーン空間を分割する空間分
割部である。２５は前記ピラミッド画像部２３によりピ
ラミッド化された画像と、前記運動情報入力部２２によ
り入力されたカメラの運動・姿勢情報を用いてシーン空
間に対してＶｏｔｉｎｇをするＶｏｔｉｎｇ部である。
２６は前記ピラミッド画像部２３よりピラミッド化され
た画像の粗い画像から順次に用いて前記空間分割部２４
と、かつ前記Ｖｏｔｉｎｇ部２５を用いてシーン空間を
前記画像の解像度に対応して分割とＶｏｔｉｎｇを行
い、物体が存在すると判断されるＶｏｘｅｌだけを必要
に応じた空間解像度まで分割とＶｏｔｉｎｇを行なうこ
とを続けることを制御する制御部である。第３図は本方
式による実施例の処理を示すフロー図である。また第５
図は画像解像度と空間解像度の関係を示すものである。
第２図、第３図、第５図を用いて本実施例の動作を説明
する。
【００１０】まず画像入力部２１より画像が入力され、
２値化される（ステップ３１、ステップ３３）。次にピ
ラミッド画像部２３より
２値化される（ステップ３１、ステップ３３）。次にピ
ラミッド画像部２３より
【数１】 に示した演算を繰り返すことにより第５図に示したよう
なピラミッド解像度画像を得ることができる（ステップ
３４）。第５図５３は画像入力部２１より入力された原
画像であり、前記演算を繰り返して・・５２・・５１、
５０の画像を順次作成していく。
なピラミッド解像度画像を得ることができる（ステップ
３４）。第５図５３は画像入力部２１より入力された原
画像であり、前記演算を繰り返して・・５２・・５１、
５０の画像を順次作成していく。
【００１１】ただし、Ｐは画素値で、
【数２】 のように表される。ステップ３４でピラミッド化された
画像中解像度の一番粗い画像（第５図５０参照）を用い
て
画像中解像度の一番粗い画像（第５図５０参照）を用い
て
【数３】 に従って空間分割部２４よりシーン空間が分割される
（ステップ３５）。第４図は画像解像度と空間解像度の
関係を説明するための図である。第６図は制御部によ
り、順次に画像解像度と空間解像度をあげてＶｏｔｉｎ
ｇを行うことを説明する図である。これらの図を用いて
具体的な処理を以下に説明する。第４図の座標系の中、
結像面４０にＸとＹ軸を設定し、カメラの光軸をＺ軸と
設定し、光軸と結像面が交わっているところを座標系の
原点（０，０，０）とすると、画像面に画素４１を写像
した特徴点の座標は、次の
（ステップ３５）。第４図は画像解像度と空間解像度の
関係を説明するための図である。第６図は制御部によ
り、順次に画像解像度と空間解像度をあげてＶｏｔｉｎ
ｇを行うことを説明する図である。これらの図を用いて
具体的な処理を以下に説明する。第４図の座標系の中、
結像面４０にＸとＹ軸を設定し、カメラの光軸をＺ軸と
設定し、光軸と結像面が交わっているところを座標系の
原点（０，０，０）とすると、画像面に画素４１を写像
した特徴点の座標は、次の
【数４】 により得られる。ただし、ｕ、ｖは画素４１の写像面座
標系における座標、ｆはカメラの焦点距離を示す。一定
解像度の画像の隣画素間の距離をΔｕ、Δυとすると、
隣Ｖｏｘｅｌ間の距離が、上記式３であれば、分解能が
十分である。カメラの運動軌跡よりカメラとＶｏｔｉｎ
ｇ空間の最短距離を決め、それを上記式３に代入するこ
とによりステップ３４でピラミッド化された画像中解像
度の一番粗い画像と前記運動情報入力部２２により入力
されたカメラの運動・姿勢情報によりカメラの視線が求
められる（ステップ３６、第４図４５、４６参照）。ス
テップ３６で求めた視線を用いてステップ３５で分割さ
れたシーン空間に対してＶｏｔｉｎｇ部２５によりＶｏ
ｔｉｎｇを行う。即ちステップ３１により入力された全
画像がステップ３４よりピラミッド化された画像中同解
像度の全ての画像に対して、ステップ３６により求めた
カメラ視線を用いてＶｏｔｉｎｇを行い、集積値の高い
Ｖｏｘｅｌをピックアップする（ステップ３７）。次に
前記制御部２６により空間解像度が十分かどうか、上記
式３を用いてチェックし、Ｎｏであればステップ３４で
ピラミッド化された画像中、解像度のより高い画像を用
いてステップ３５に戻る（第６図６２・・・参照）。Ｙ
ｅｓであれば処理が終了する。第７図は本実施例により
得られる結果の一例である。第７図の２は一番粗い画像
を用いて空間分割とＶｏｔｉｎｇを行った結果を示して
いる。第７図の６２は２に示した結果に対してより高い
解像度の画像を用いて空間分割とＶｏｔｉｎｇを行った
結果を示している。第７図の６３は６２に示した結果に
対してより高い解像度の画像を用いて空間分割とＶｏｔ
ｉｎｇを行った結果を示している。このように順次に画
像解像度と空間解像度をあげながらＶｏｔｉｎｇしてい
くことによって効率的にシーン空間中の物体の３次元情
報を抽出することができる。
標系における座標、ｆはカメラの焦点距離を示す。一定
解像度の画像の隣画素間の距離をΔｕ、Δυとすると、
隣Ｖｏｘｅｌ間の距離が、上記式３であれば、分解能が
十分である。カメラの運動軌跡よりカメラとＶｏｔｉｎ
ｇ空間の最短距離を決め、それを上記式３に代入するこ
とによりステップ３４でピラミッド化された画像中解像
度の一番粗い画像と前記運動情報入力部２２により入力
されたカメラの運動・姿勢情報によりカメラの視線が求
められる（ステップ３６、第４図４５、４６参照）。ス
テップ３６で求めた視線を用いてステップ３５で分割さ
れたシーン空間に対してＶｏｔｉｎｇ部２５によりＶｏ
ｔｉｎｇを行う。即ちステップ３１により入力された全
画像がステップ３４よりピラミッド化された画像中同解
像度の全ての画像に対して、ステップ３６により求めた
カメラ視線を用いてＶｏｔｉｎｇを行い、集積値の高い
Ｖｏｘｅｌをピックアップする（ステップ３７）。次に
前記制御部２６により空間解像度が十分かどうか、上記
式３を用いてチェックし、Ｎｏであればステップ３４で
ピラミッド化された画像中、解像度のより高い画像を用
いてステップ３５に戻る（第６図６２・・・参照）。Ｙ
ｅｓであれば処理が終了する。第７図は本実施例により
得られる結果の一例である。第７図の２は一番粗い画像
を用いて空間分割とＶｏｔｉｎｇを行った結果を示して
いる。第７図の６２は２に示した結果に対してより高い
解像度の画像を用いて空間分割とＶｏｔｉｎｇを行った
結果を示している。第７図の６３は６２に示した結果に
対してより高い解像度の画像を用いて空間分割とＶｏｔ
ｉｎｇを行った結果を示している。このように順次に画
像解像度と空間解像度をあげながらＶｏｔｉｎｇしてい
くことによって効率的にシーン空間中の物体の３次元情
報を抽出することができる。
【００１２】
【発明の効果】本発明によれば、最初に粗い画像を用い
て粗い空間に対して少ないＶｏｔｉｎｇで環境中の物体
が存在する部分空間を確定し、それから順次に画像と空
間の解像度をあげてＶｏｔｉｎｇすることで、無駄なＶ
ｏｔｉｎｇを削減することができる。この方法によって
迅速に必要に応じた空間解像度の３次元情報を抽出する
ことができる。また本発明は広い空間での物体の３次元
位置を確定するには特に有効であるため、航空写真によ
る地形解析や自動車の自動運転やロボットの視覚制御な
どに応用することができるなどの利点がある。
て粗い空間に対して少ないＶｏｔｉｎｇで環境中の物体
が存在する部分空間を確定し、それから順次に画像と空
間の解像度をあげてＶｏｔｉｎｇすることで、無駄なＶ
ｏｔｉｎｇを削減することができる。この方法によって
迅速に必要に応じた空間解像度の３次元情報を抽出する
ことができる。また本発明は広い空間での物体の３次元
位置を確定するには特に有効であるため、航空写真によ
る地形解析や自動車の自動運転やロボットの視覚制御な
どに応用することができるなどの利点がある。
【図面の簡単な説明】
【図１】第１図は視線によるシーン空間へのＶｏｔｉｎ
ｇによる特徴点の３次元位置を確定する原理を示す図で
ある。
ｇによる特徴点の３次元位置を確定する原理を示す図で
ある。
【図２】第２図は本発明の一実施例の構成ブロック図で
ある。
ある。
【図３】第３図は本発明の実施例の処理を説明するため
のフロー図である。
のフロー図である。
【図４】第４図は画像解像度と空間解像度の関係を説明
するための図である。
するための図である。
【図５】第５図は画像入力部による入力された画像の解
像度を階層的に落としピラミッド化することを説明する
図である。
像度を階層的に落としピラミッド化することを説明する
図である。
【図６】第６図は制御部により、順次に画像解像度と空
間解像度をあげてＶｏｔｉｎｇを行うことを説明する図
である。
間解像度をあげてＶｏｔｉｎｇを行うことを説明する図
である。
【図７】第７図は本実施例により得られる結果を示す図
である。
である。
１ シーン空間 ２ Ｖｏｘｅｌ ３ 視線 ４ Ｐｉｘｅｌ ５ 画像 ２１ 画像入力部 ２２ 運動情報入力部 ２３ ピラミッド画像部 ２４ 空間分割部 ２５ Ｖｏｔｉｎｇ部 ２６ 制御部 ４０ 結像面 ４１〜４２ 画素 ４３〜４４ Ｖｏｘｅｌ ４５〜４６ 視線 ４７ 焦点距離 ５０〜５３ 順に解像度を落とした画像 ５４ 入力画像 ６２ Ｓｕｂ−Ｖｏｘｅｌ ６３ Ｓｕｂ−Ｓｕｂ−Ｖｏｘｅｌ
Claims (1)
- 【請求項１】物体に対してカメラが動きながら複数枚の
画像を入力する工程と、前記工程による画像の入力時に
おけるカメラの位置・姿勢情報を入力する工程と、前記
入力された画像の解像度を階層的に落としピラミッド化
する工程と、ピラミッド化された画像に対応して前記物
体の存在する空間を分割して３次元画素とする工程と、
入力された前記カメラの位置・姿勢情報を用いて前記物
体の画像の存在する前記３次元画素についてある値を加
算して加算結果が一定値以上になるものを特徴点の存在
する３次元画素として抽出する工程と、ピラミッド化さ
れた粗い画像から細かな画像までに対応して、前記空間
を分割する工程と前記３次元画素として抽出する工程と
を繰り返すことを特徴とする３次元情報抽出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12041092A JP3170345B2 (ja) | 1992-05-13 | 1992-05-13 | ３次元情報抽出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12041092A JP3170345B2 (ja) | 1992-05-13 | 1992-05-13 | ３次元情報抽出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05314244A true JPH05314244A (ja) | 1993-11-26 |
| JP3170345B2 JP3170345B2 (ja) | 2001-05-28 |
Family
ID=14785536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP12041092A Expired - Fee Related JP3170345B2 (ja) | 1992-05-13 | 1992-05-13 | ３次元情報抽出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3170345B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100381099B1 (ja) * | 1998-12-18 | 2003-07-16 | ||
| CN108507476A (zh) * | 2018-04-27 | 2018-09-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
| CN108871197A (zh) * | 2018-04-27 | 2018-11-23 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4650751B2 (ja) | 2005-12-16 | 2011-03-16 | 株式会社Ｉｈｉ | 三次元形状データの位置合わせ方法と装置 |
| CN101331380B (zh) | 2005-12-16 | 2011-08-03 | 株式会社Ihi | 三维形状数据的存储/显示方法和装置以及三维形状的计测方法和装置 |
| CN101331379B (zh) | 2005-12-16 | 2012-04-11 | 株式会社Ihi | 自身位置辨认方法和装置以及三维形状的计测方法和装置 |
| JP4727689B2 (ja) * | 2008-04-28 | 2011-07-20 | 三菱重工業株式会社 | ワーク計測装置、衝突防止装置および工作機械 |
| US8805570B2 (en) | 2009-11-10 | 2014-08-12 | Mitsubishi Heavy Industries, Ltd. | Workpiece measuring device, collision preventing device, and machine tool |
-
1992
- 1992-05-13 JP JP12041092A patent/JP3170345B2/ja not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100381099B1 (ja) * | 1998-12-18 | 2003-07-16 | ||
| CN108507476A (zh) * | 2018-04-27 | 2018-09-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
| CN108871197A (zh) * | 2018-04-27 | 2018-11-23 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
| CN108871197B (zh) * | 2018-04-27 | 2020-07-28 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
| CN108507476B (zh) * | 2018-04-27 | 2020-08-07 | 中国石油大学(北京) | 用于材料表面的位移场测量方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3170345B2 (ja) | 2001-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110853075B (zh) | 一种基于稠密点云与合成视图的视觉跟踪定位方法 | |
| CN108898676B (zh) | 一种虚实物体之间碰撞及遮挡检测方法及系统 | |
| CN111899301A (zh) | 一种基于深度学习的工件6d位姿估计方法 | |
| CN110298884B (zh) | 一种适于动态环境中单目视觉相机的位姿估计方法 | |
| JPH0676062A (ja) | 画像処理装置 | |
| CN112070770A (zh) | 一种高精度三维地图与二维栅格地图同步构建方法 | |
| CN111337011A (zh) | 一种基于激光和二维码融合的室内定位方法 | |
| CN109543634B (zh) | 定位过程中的数据处理方法、装置、电子设备和存储介质 | |
| KR100574227B1 (ko) | 카메라 움직임을 보상한 객체 움직임 추출 장치 및 그 방법 | |
| JPH05314244A (ja) | ３次元情報抽出方法 | |
| CN111198563B (zh) | 一种用于足式机器人动态运动的地形识别方法及系统 | |
| CN110717910B (zh) | 基于卷积神经网络的ct图像目标检测方法及ct扫描仪 | |
| JPH0814860A (ja) | モデル作成装置 | |
| CN110717471B (zh) | 基于支持向量机模型b超图像目标检测方法及b超扫描仪 | |
| Xu et al. | A robust close-range photogrammetric system for industrial metrology | |
| JP3512919B2 (ja) | 物体形状・カメラ視点移動の復元装置及び復元方法 | |
| JPH05141930A (ja) | ３次元形状計測装置 | |
| CN114766039A (zh) | 对象检测方法、对象检测设备、终端设备、以及介质 | |
| Sanfourche et al. | Height estimation using aerial side looking image sequences | |
| Elgazzar et al. | Active range sensing for indoor environment modeling | |
| Smith et al. | A scene segmenter; visual tracking of moving vehicles | |
| CN116740477B (zh) | 基于稀疏光流的动态像素点分布识别方法、系统及设备 | |
| Niemann et al. | Integrated motion and geometry-based obstacle detection in image sequences of traffic scenes | |
| McDonald et al. | A new approach to active illumination | |
| Chu et al. | Removing past data of dynamic objects using static Velodyne LiDAR sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |