CN110000812A - 一种用于机器人的物体碰撞检测方法及其*** - Google Patents
一种用于机器人的物体碰撞检测方法及其*** Download PDFInfo
- Publication number
- CN110000812A CN110000812A CN201910217013.7A CN201910217013A CN110000812A CN 110000812 A CN110000812 A CN 110000812A CN 201910217013 A CN201910217013 A CN 201910217013A CN 110000812 A CN110000812 A CN 110000812A
- Authority
- CN
- China
- Prior art keywords
- collision
- bounding box
- judgment
- mesh point
- preset
- 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 56
- 238000000926 separation method Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Manipulator (AREA)
Abstract
本发明公开一种用于机器人的物体碰撞检测方法及其***，方法包括步骤：预先在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。本发明解决了现有技术无法检测一个物体是否在另一个物体内部问题，并且本发明提供的方法具有简单、有效、准确率高的特点。
Description
技术领域
本发明涉及信息处理领域，尤其涉及一种用于机器人的物体碰撞检测方法及其***。
背景技术
目前使用的碰撞检测方法主要是根据包围盒(即以矩形包围物体)建立相应的碰撞模型，再根据sat算法(集合中有且仅有两个元素，且不能同时选取两个元素，集合间的元素存在一定的选择关系。)等算法进行检测；对于精度需求较高的物体则是使用多边形模拟包围盒，再根据sat等算法进行检测。上述算法在大部分应用场景都很有效，但无法判断一个物体是否在另一个的内部，也就是说，现有技术的检测方法只对于边缘检测有效，而不能检测一个物体是否在另一个物体内部。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供一种用于机器人的物体碰撞检测方法及其***，旨在解决现有技术无法检测一个物体是否在另一个物体内部问题。
本发明的技术方案如下：
一种用于机器人的物体碰撞检测方法，其包括步骤：
预先在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；
根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；
根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。
优选的，所述预先在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型的步骤具体包括：
在物体内部建立网格点，根据所述网格点为物体定义包围盒；
定义像素间隔，并根据所述像素间隔对包围盒进行逐行扫描，得到像素坐标集；
根据所述像素坐标集建立物体的碰撞模型。
优选的，所述根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果的步骤具体包括：
根据包围盒的碰撞判断方法判断物体之间是否相交；
如是，则通过四叉树算法对所述碰撞模型不断分层，直至满足预设的分层信息，得到分层结果；
如否，则判定物体之间未发生碰撞。
优选的，所述包围盒的碰撞判断方法为轴对齐包围盒的碰撞判断方法。
优选的，所述根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞的步骤具体包括：
根据预设的扫描区间判断分层结果是否还存在像素点；
如是，则判定物体之间发生内部碰撞；
如否，则判定物体之间未发生碰撞。
本发明还提供一种用于机器人的物体碰撞检测***，其包括：
建立与扫描模块，用于在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；
第一判断模块，用于根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；
第二判断模块，用于根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。
优选的，所述建立和扫描模块的具体执行步骤如下：
在物体内部建立网格点，根据所述网格点为物体定义包围盒；
定义像素间隔，并根据所述像素间隔对包围盒进行逐行扫描，得到像素坐标集；
根据所述像素坐标集建立物体的碰撞模型。
优选的，所述第一判断模块的具体执行步骤如下：
根据包围盒的碰撞判断方法判断物体之间是否相交；
如是，则通过四叉树算法对所述碰撞模型不断分层，直至满足预设的分层信息，得到分层结果；
如否，则判定物体之间未发生碰撞。
优选的，所述包围盒的碰撞判断方法为轴对齐包围盒的碰撞判断方法。
优选的，所述第二判断模块的具体执行步骤如下：
根据预设的扫描区间判断分层结果是否还存在像素点；
如是，则判定物体之间发生内部碰撞；
如否，则判定物体之间未发生碰撞。
有益效果：本发明通过在物体内部建立网格点，然后根据建立的网格点定义包围盒，从而建立相应的碰撞模型；再通过四叉树算法对碰撞模型进行分层，得到分层结果，进一步判断分层结果是否还存在像素点，如果存在，则判定物体之间发生内部碰撞。这一方法能够判断一个物体是否在另一个的内部，解决了现有技术无法检测一个物体是否在另一个物体内部问题，并且本发明提供的方法具有简单、有效、准确率高的特点。
附图说明
图1为本发明一种用于机器人的物体碰撞检测方法较佳实施例的流程图。
图2为本发明一种用于机器人的物体碰撞检测的***较佳实施例的结构框图。
具体实施方式
本发明提供一种用于机器人的物体碰撞检测方法及其***，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，一种用于机器人的物体碰撞检测方法，其包括步骤：
S1、预先在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；
S2、根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；
S3、根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。
本发明提供一种能够检测物体内部是否发生碰撞的方法。具体的，先在物体的内部建立网格点，再根据建立的网格点为物体定义相应的包围盒，从而实现对包围盒逐行扫描，然后根据扫描得到的像素坐标集建立相应的碰撞模型，再然后，利用四叉树算法对碰撞模型分层得到分层结果，进一步判断分层结果是否还存在像素点，从而判断物体之间是否发生内部碰撞。这样，便能确定物体是否发生内部碰撞，并且，本发明提供的方法可靠、效率高。
所述步骤S1中，预先在物体内部建立网格点，然后根据建立的网格点定义包围盒，再然后逐行扫描包围盒，从而得到像素坐标集，再根据像素坐标集建立相应的碰撞模型。
优选的，所述步骤S1具体包括：
S11、在物体内部建立网格点，根据所述网格点为物体定义包围盒；
S12、定义像素间隔，并根据所述像素间隔对包围盒进行逐行扫描，得到像素坐标集；
S13、根据所述像素坐标集建立物体的碰撞模型。
所述步骤S11中，预先在物体内部建立网格点，然后根据建立的网格点定义包围盒。所述包围盒是一种求解离散点集最优包围空间的算法，主要是用体积稍大且特性简单的几何体(包围盒)来近似地代替复杂的几何对象。常见的包围盒有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH，但本发明并不对包围盒进行限定。
所述步骤S12中，预先设定像素间隔，所述像素间隔可以根据实际需要定义。例如，定义每间隔5个像素取一个像素、每间隔8个像素取一个像素或每间隔10个像素取一个像素等等。然后，根据定义的像素间隔对包围盒逐行扫描，直至扫描至包围盒的边缘为止，这样，便能得到像素坐标集。
优选的，通过像素的alpha值来判断所述包围盒的边缘。所述alpha值用作不透明度参数。如果一个像素的alpha通道数值为0％，那它就是完全透明的，而数值为100％则意味着一个完全不透明的像素。由于二维图片是由rgba像素构成的，其中，r表示red(红色),g表示green(绿色)，b表示blue(蓝色)，a表示alpha。利用这一特性，便可以判断包围盒的边缘。具体的，对于任意一个像素，可以判断它的相邻像素的alpha值是否都等于0，若该像素的相邻像素存在大于1个且小于8个像素的alpha值等于0，则可以判断这个像素点是包围盒的边缘。
所述步骤S13中，根据步骤S12得到的像素坐标集建立相应的碰撞模型。
所述步骤S2中，判断物体的包围盒是否相交，从而判断物体之间是否相交。如果，物体没有发生相交，那么两者肯定不发生碰撞。也就是说，物体相交是物体发生碰撞的前提。如果物体发生相交，再根据四叉树算法对碰撞模型分层，得到分层结果。
优选的，所述步骤S2具体包括：
S21、根据包围盒的碰撞判断方法判断物体之间是否相交；
S22、如是，则通过四叉树算法对所述碰撞模型不断分层，直至满足预设的分层信息，得到分层结果；
S23、如否，则判定物体之间未发生碰撞。
所述步骤S21中，所述包围盒的碰撞判断方法多种多样，例如，轴对齐包围盒的碰撞判断方法、球包围盒的碰撞判断方法、方向包围盒的碰撞判断方法以及固定方向凸包的碰撞判断方法。本发明优选的是采用轴对齐包围盒的碰撞判断方法。轴对齐包围盒碰撞判断方法具有计算简单、方便的特点，从而节约了时间，提高了效率。
具体的，步骤S12对包围盒进行扫描时，可以获取一张二维图片的上方最远点、下方最远点、左边方最远点以及右方最远点四个位置，这四个位置能够构成一个碰撞模型的最小包围盒。然后通过坐标轴判断两个最小包围盒是否有相交的部分，若是，则转入步骤S22；若否，则转入步骤S23。这样便能初步判断物体是否发生碰撞。
所述步骤S22中，所述四叉树算法又称四元树算法，它是一种树状数据结构，在每一个节点上有四个子区块。通过所述四叉树算法对步骤S13建立的碰撞模型进行分层，直至满足预设的分层信息，得到分层结果。所述分层信息可以通过分层层数来表示，例如，分层层数为10层等。
具体的，将碰撞模型划分为若干个区域，例如，将碰撞模型划分为4个区域，再判断各个区域是否还存在像素点，不断细分，直到达到规定的分层层数(默认分层层数为10层)，从而得到分层结果。
所述步骤S3中，预先定义扫描区间，然后根据扫描区间对分层结果进行扫描，如果，分层结果在扫描区间内还存在像素点，那么物体之间发生内部碰撞。
优选的，所述步骤S3具体包括：
S31、根据预设的扫描区间判断分层结果是否还存在像素点；
S32、如是，则判定物体之间发生内部碰撞；
S33、如否，则判定物体之间未发生碰撞。
所述步骤S31中，所述扫描区间可以根据用户的需要进行定义。然后根据定义的扫描区间判断分层结果是否还存在像素点。
所述步骤S32中，如果分层结果在扫描区间内还存在像素点，那么判定物体之间发生内部碰撞，并输出相应的碰撞结果。
所述步骤S33中，如果分层结果在扫描区间内不存在像素点，那么判定物体之间未发生碰撞，并输出相应的碰撞结果。
传统方法是需要检测一个角色的每一个像素是否在另一个物理模型内部。具体的，设像素点的总数量为n，则，那么时间复杂度为n2。使用本发明提供的四叉树方法，则不需要检测每一个像素，只需要扫描每一层是否两个角色都有像素在扫描区域内部，从而大大缩短了时间，提高了效率。
与传统的方法相比，本发明提供的方法简单、可靠，解决了现有技术中无法判断物体之间是否发生内部碰撞的问题。
请参阅图2，本发明还一种用于机器人的物体碰撞检测***10，其包括：
建立与扫描模块110，用于在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；
第一判断模块120，用于根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；
第二判断模块130，用于根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。
优选的，所述建立和扫描模块110的具体执行步骤如下：
在物体内部建立网格点，根据所述网格点为物体定义包围盒；
定义像素间隔，并根据所述像素间隔对包围盒进行逐行扫描，得到像素坐标集；
根据所述像素坐标集建立物体的碰撞模型。
优选的，所述第一判断模块120的具体执行步骤如下：
根据包围盒的碰撞判断方法判断物体之间是否相交；
如是，则通过四叉树算法对所述碰撞模型不断分层，直至满足预设的分层信息，得到分层结果；
如否，则判定物体之间未发生碰撞。
优选的，所述包围盒的碰撞判断方法为轴对齐包围盒的碰撞判断方法。
优选的，所述第二判断模块130的具体执行步骤如下：
根据预设的扫描区间判断分层结果是否还存在像素点；
如是，则判定物体之间发生内部碰撞；
如否，则判定物体之间未发生碰撞。
关于上述建立与扫描模块110、第一判断模块120以及第二判断模块130的具体技术细节在上述步骤中已做详细描述，此处不做赘述。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种用于机器人的物体碰撞检测方法，其特征在于，包括步骤：
预先在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；
根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；
根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。
2.根据权利要求1所述用于机器人的物体碰撞检测方法，其特征在于，所述预先在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型的步骤具体包括：
在物体内部建立网格点，根据所述网格点为物体定义包围盒；
定义像素间隔，并根据所述像素间隔对包围盒进行逐行扫描，得到像素坐标集；
根据所述像素坐标集建立物体的碰撞模型。
3.根据权利要求1所述用于机器人的物体碰撞检测方法，其特征在于，所述根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果的步骤具体包括：
根据包围盒的碰撞判断方法判断物体之间是否相交；
如是，则通过四叉树算法对所述碰撞模型不断分层，直至满足预设的分层信息，得到分层结果；
如否，则判定物体之间未发生碰撞。
4.根据权利要求1或3所述用于机器人的物体碰撞检测方法，其特征在于，所述包围盒的碰撞判断方法为轴对齐包围盒的碰撞判断方法。
5.根据权利要求1所述用于机器人的物体碰撞检测方法，其特征在于，所述根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞的步骤具体包括：
根据预设的扫描区间判断分层结果是否还存在像素点；
如是，则判定物体之间发生内部碰撞；
如否，则判定物体之间未发生碰撞。
6.一种用于机器人的物体碰撞检测***，其特征在于，包括：
建立与扫描模块，用于在物体内部建立网格点，根据所述网格点为物体定义包围盒，并根据预设的像素间隔对包围盒逐行扫描，再根据扫描得到的像素坐标集建立物体的碰撞模型；
第一判断模块，用于根据包围盒的碰撞判断方法判断物体之间是否相交，如是，则通过四叉树算法对所述碰撞模型分层，得到分层结果；
第二判断模块，用于根据预设的扫描区间判断分层结果是否还存在像素点，如是，则判定物体之间发生内部碰撞。
7.根据权利要求6所述***，其特征在于，所述建立和扫描模块的具体执行步骤如下：
在物体内部建立网格点，根据所述网格点为物体定义包围盒；
定义像素间隔，并根据所述像素间隔对包围盒进行逐行扫描，得到像素坐标集；
根据所述像素坐标集建立物体的碰撞模型。
8.根据权利要求6所述***，其特征在于，所述第一判断模块的具体执行步骤如下：
根据包围盒的碰撞判断方法判断物体之间是否相交；
如是，则通过四叉树算法对所述碰撞模型不断分层，直至满足预设的分层信息，得到分层结果；
如否，则判定物体之间未发生碰撞。
9.根据权利要求6或8所述***，其特征在于，所述包围盒的碰撞判断方法为轴对齐包围盒的碰撞判断方法。
10.根据权利要求6所述***，其特征在于，所述第二判断模块的具体执行步骤如下：
根据预设的扫描区间判断分层结果是否还存在像素点；
如是，则判定物体之间发生内部碰撞；
如否，则判定物体之间未发生碰撞。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910217013.7A CN110000812A (zh) | 2019-03-21 | 2019-03-21 | 一种用于机器人的物体碰撞检测方法及其*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910217013.7A CN110000812A (zh) | 2019-03-21 | 2019-03-21 | 一种用于机器人的物体碰撞检测方法及其*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110000812A true CN110000812A (zh) | 2019-07-12 |
Family
ID=67167688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910217013.7A Pending CN110000812A (zh) | 2019-03-21 | 2019-03-21 | 一种用于机器人的物体碰撞检测方法及其*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110000812A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115205485A (zh) * | 2022-06-30 | 2022-10-18 | 广州极点三维信息科技有限公司 | 基于包围盒的三维空间探测扩充方法、***、装置及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10106023A1 (de) * | 2001-02-09 | 2002-08-29 | Fraunhofer Ges Forschung | Verfahren und Vorrichtung zur Kollisionserkennung von Objekten |
| CN101593367A (zh) * | 2009-06-25 | 2009-12-02 | 北京航空航天大学 | 一种基于四叉包围盒树的柔性织物自碰撞检测方法 |
| CN101887591A (zh) * | 2010-06-24 | 2010-11-17 | 西北工业大学 | 基于矩形包围盒的锥束ct快速重建方法 |
| CN104626208A (zh) * | 2015-01-07 | 2015-05-20 | 北京卫星环境工程研究所 | 航天器机械臂辅助装配安全工作空间建立及干涉预警方法 |
| CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及*** |
| CN106067269A (zh) * | 2016-05-13 | 2016-11-02 | 中国科学院自动化研究所 | 虚拟心血管介入手术培训***中反馈力的确定方法及*** |
| CN106197928A (zh) * | 2016-06-30 | 2016-12-07 | 哈尔滨理工大学 | 一种基于虚拟球的包围盒碰撞检测方法 |
-
2019
- 2019-03-21 CN CN201910217013.7A patent/CN110000812A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10106023A1 (de) * | 2001-02-09 | 2002-08-29 | Fraunhofer Ges Forschung | Verfahren und Vorrichtung zur Kollisionserkennung von Objekten |
| CN101593367A (zh) * | 2009-06-25 | 2009-12-02 | 北京航空航天大学 | 一种基于四叉包围盒树的柔性织物自碰撞检测方法 |
| CN101887591A (zh) * | 2010-06-24 | 2010-11-17 | 西北工业大学 | 基于矩形包围盒的锥束ct快速重建方法 |
| CN104626208A (zh) * | 2015-01-07 | 2015-05-20 | 北京卫星环境工程研究所 | 航天器机械臂辅助装配安全工作空间建立及干涉预警方法 |
| CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及*** |
| CN106067269A (zh) * | 2016-05-13 | 2016-11-02 | 中国科学院自动化研究所 | 虚拟心血管介入手术培训***中反馈力的确定方法及*** |
| CN106197928A (zh) * | 2016-06-30 | 2016-12-07 | 哈尔滨理工大学 | 一种基于虚拟球的包围盒碰撞检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 崔云飞等: ""基于八叉树精确划分型值点的碰撞检测算法"", 《微型机与应用》 * |
| 张传雷等: "《基于图像分析的植物及病虫害识别方法研究》", 31 October 2018 * |
| 王志喜等: "《计算机图形图像技术》", 31 January 2018 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115205485A (zh) * | 2022-06-30 | 2022-10-18 | 广州极点三维信息科技有限公司 | 基于包围盒的三维空间探测扩充方法、***、装置及介质 |
| CN115205485B (zh) * | 2022-06-30 | 2023-03-24 | 广州极点三维信息科技有限公司 | 基于包围盒的三维空间探测扩充方法、***、装置及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108648161B (zh) | 非对称核卷积神经网络的双目视觉障碍物检测***及方法 | |
| CN106485183B (zh) | 一种二维码定位方法及*** | |
| CN101512601B (zh) | 从图像中确定深度图的方法以及确定深度图的设备 | |
| CN108053449A (zh) | 双目视觉***的三维重建方法、装置及双目视觉*** | |
| CN101739720B (zh) | 三维动态验证码的生成方法及装置 | |
| CN104463138B (zh) | 基于视觉结构属性的文本定位方法及*** | |
| CN102507592A (zh) | 表面缺陷仿蝇视觉在线检测装置及检测方法 | |
| CN107392944A (zh) | 全景影像与点云的配准方法及装置 | |
| CN109493384A (zh) | 相机位姿估计方法、***、设备及存储介质 | |
| CN109635768A (zh) | 一种图像帧中停车位状态检测方法、***及相关设备 | |
| CN101510299A (zh) | 基于视觉显著性的图像自适应方法 | |
| WO2020181426A1 (zh) | 一种车道线检测方法、设备、移动平台及存储介质 | |
| CN111369539B (zh) | 一种基于多特征图融合的建筑立面窗户检测*** | |
| CN110298292A (zh) | 基于规则多边形物体角点检测的高精度实时抓取检测方法 | |
| US20220375170A1 (en) | System for generation of floor plans and three-dimensional models | |
| CN103984449A (zh) | 一种触摸屏触摸区域定位方法 | |
| CN107590444A (zh) | 静态障碍物的检测方法、装置及存储介质 | |
| CN110245600A (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
| CN112749741A (zh) | 一种基于深度学习的手闸紧固故障识别方法 | |
| CN114708566A (zh) | 一种基于改进YOLOv4的自动驾驶目标检测方法 | |
| CN110000812A (zh) | 一种用于机器人的物体碰撞检测方法及其*** | |
| CN102842035B (zh) | 一种针对***影像的矩形检测方法及装置 | |
| JP7432793B1 (ja) | 三次元点群に基づくマッピング方法、装置、チップ及びモジュール機器 | |
| Shibo et al. | A new approach to calibrate range image and color image from Kinect | |
| CN104236468A (zh) | 目标空间坐标计算方法、***及移动机器人 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |
|
| RJ01 | Rejection of invention patent application after publication |