CN110084243A - 一种基于二维码和单目相机的档案识别与定位方法 - Google Patents

一种基于二维码和单目相机的档案识别与定位方法 Download PDF

Info

Publication number
CN110084243A
CN110084243A CN201910190541.8A CN201910190541A CN110084243A CN 110084243 A CN110084243 A CN 110084243A CN 201910190541 A CN201910190541 A CN 201910190541A CN 110084243 A CN110084243 A CN 110084243A
Authority
CN
China
Prior art keywords
camera
dimensional code
archives
image
plane
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
Application number
CN201910190541.8A
Other languages
English (en)
Other versions
CN110084243B (zh
Inventor
何俊杰
郭进
邹卫军
王超尘
杨毅
白云耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201910190541.8A priority Critical patent/CN110084243B/zh
Publication of CN110084243A publication Critical patent/CN110084243A/zh
Application granted granted Critical
Publication of CN110084243B publication Critical patent/CN110084243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于二维码和单目相机的档案识别与定位方法，所解决的是在大量档案存储的场景中，无人存储机器人难以识别和定位特定档案以及双目相机成本高昂、定位算法复杂的问题，首先对整幅图像做中值滤波处理；将图像放入分类器，判断是否有二维码；对图像提取边缘；根据边缘的拓扑结构提取所有的二维码区域；然后对二维码解码并通过解码编号确定需要的档案；计算二维码在像素平面的面积；通过相似三角形得到档案平面距离相机平面的距离；最后通过相机内参矩阵和距离，得到档案盒在相机坐标系的三维坐标。本发明仅需单目相机即可使用，成本低廉，易于实现且实时性高，有效地解决了档案存储机器人在档案存取过程中的视觉引导问题。

Description

一种基于二维码和单目相机的档案识别与定位方法
技术领域
本发明属于机器视觉领域，特别涉及一种基于二维码和单目相机的档案识别与定位方法。
背景技术
随着信息技术的迅速发展和广泛应用，信息产业的高速发展极大地影响和改变着人们的生产、生活、工作、学习、思维和交往方式，同时也给传统的档案管理带来了巨大变化。电子档案作为传统档案与现代信息技术的结合体，极大的推动了现代档案工作的发展，给档案的调度、查阅及科学化存储都提供了极大的便利。但由于纸质档案在原始记录性、保密性等方面都有着电子档案无法比拟的优势，它的存在仍是十分必要的。
然而如何科学有效的对数量庞大的纸质档案进行管理仍是一个难题。使用人工对档案进行查找、调度等工作，不仅效率较低容易出错，而且增加了档案与无关人员的接触时间，增加了泄密的风险。尤其在保密性要求高的单位，如何减少不必要的人与档案的接触时间，对保密工作有着重要意义。
货物存取机器人主要由AGV车体、机械臂以及机器视觉部分组成，已经在许多智能仓储场景中得到应用。极大的提高了物流配送环节的拣选和存取效率，减少劳动力的投入并提高了仓库的有效利用率。使用货物存取机器人在纸质档案大规模存储的环境中，如档案室、档案馆，对档案进行无人且科学的管理，是不二之选。
然而如何将传统的货物存取机器人运用在档案大规模存储的环境中仍存在问题，主要体现在机器视觉部分难以对外观统一的档案盒进行识别，以及使用双目定位的设备和运算成本都较高上。
目前，图像识别主要使用图像特征提取与图像匹配的方法。图像特征是区分图像的依据，如图像中的角点、直线、边缘、轮廓、区域及颜色等都可作为图像特征。对于图像匹配，是通过对图像中相关目标的特征、结构、纹理等进行分析，根据对应关系或相似性等寻求相应图像，如根据图像特征相似性，采用相应的图像搜索算法搜寻到对应的最佳图像特征完成图像匹配。然而档案存放在外观统一的档案盒中难以对档案进行区分。并且档案存放成排且互相紧靠，难以使用模板对档案盒匹配。
而目标定位，主流方法仍是使用双目立体视觉技术。双目立体视觉是仿照人类利用双目视觉线感知距离的方法，实现对三维信息的感知，在实现上采用基于三角测量的方法，利用两个或多个摄像机对同一景物从不同位置成像，从而从视差中恢复距离信息。一个完整的机器人立体视觉***包括:图像获取、摄像机标定、特征提取、立体匹配、三维信息恢复及后处理5个部分。但特征匹配以及立体匹配算法较为复杂，实现困难且运算量大，极大的增加了硬件的负担，并降低了整个***的实时性。同时双目视觉***的硬件成本也远高于单目视觉***的成本。
因而，若要将货物存取机器人运用在档案存储的环境中，急需一种档案识别与定位方法，能够快速的对档案柜中的大量档案进行识别，并定位需要的档案。
发明内容
为了解决现有技术的缺陷，本发明提供了一种基于二维码和单目相机的档案识别与定位方法，以在多个档案存储的场景中识别和定位特定的档案，档案装在档案盒内，档案盒侧边均贴有二维码，每个二维码包含对应档案盒内的档案编号信息，包括如下步骤：
步骤1：获取单目相机拍摄的图像；
步骤2：对图像整幅进行中值滤波处理，减少干扰点的影响；
步骤3：检测图像，以判断其中是否存在二维码，是则进入步骤4；否则返回步骤1；
步骤4：对整幅图像进行自适应二值化处理，使用canny算子对图像进行边缘提取；
步骤5：基于图像轮廓的拓扑结构，提取所有二维码的外轮廓，确定图像中所有二维码所在区域；
步骤6：将所有的二维码区域逐个进行解码得到档案编号；
步骤7：在解码出的档案编号中查找是否有需要的档案编号，是则进入步骤8；否则返回步骤1；
步骤8：保留需要的档案编号对应的二维码区域；
步骤9：计算出保留的二维码区域所占像素个数，即二维码在相机拍摄的图像中的面积大小；
步骤10：通过相机的内部参数、二维码实际面积以及二维码在相机拍摄的图像中的面积，基于相机的线性模型，计算出二维码对应的档案盒平面与相机平面的距离，此距离即档案盒与相机的距离；
步骤11：通过档案盒与相机的距离以及相机的内部参数矩阵，得到档案盒在相机坐标系下的坐标；
步骤12：输出上述坐标。
作为一种优化方案：步骤3中检测图像，以判断其中是否存在二维码的具体步骤为：使用机器学习分类器SVM算法，针对二维码特征进行训练，训练完成的SVM分类器可以快速检测单目相机采集到的图片中是否含有二维码。
作为进一步优化方案：步骤5中提取所有二维码外轮廓的具体步骤为：确定二维码的三个定位点，三个定位点包括一个外层空心正方形和两个内部实心正方形，经轮廓提取，首先保留第一轮廓，第一轮廓包含一层父轮廓和三层子轮廓，对第一轮廓再次进行筛选，留下第二轮廓，第二轮廓为正方形轮廓，第二轮廓即为二维码的内轮廓。
作为进一步优化方案：步骤10中二维码对应的档案盒平面与相机平面的距离具体计算步骤为：基于单目相机的线性模型，可通过相似三角形得到距离d的计算公式:
式中S为二维码实际面积，Sp为二维码在相机拍摄的图像中的面积，fx和fy为相机的内部参数，分别代表焦距在像素平面x方向占的像素个数，和焦距在像素平面y方向占的像素个数，可事先通过张正友标定法对单目相机进行标定得到。
作为进一步优化方案：步骤11中计算档案盒在相机坐标系下的坐标具体计算步骤为：实际空间中的点透过透镜从相机坐标系投影到成像平面坐标系，其映射关系如下：
式中(x，y)为成像平面坐标系坐标，(Xc，Yc，Zc)为相机坐标系坐标，f为焦距，相机将成像平面上的图像转换为数字图像通过像素平面坐标系(u，v)来进行存储，其对应关系如下：
其中(u0，v0)为光心在像素平面坐标系中的平面坐标，由此可得相机坐标系坐标和像素平面坐标系坐标的转换公式为：
其中fx＝1/dx，fy＝1/dy，当相机平面与被测平面平行时，Zc即为被测平面与相机平面的距离d，式中Zc，u，v为测量出得量，fx，fy，u0，v0为事先通过相机标定得到的内部参数，通过矩阵变化可求出被测点在相机坐标系中的坐标(Xc，Yc，Zc)。
有益效果：本发明可对在档案柜中成排存放的档案盒进行快速识别定位，所使用的单目相机成本低廉，本发明算法简单有效，实时性高，可以运用在各种嵌入式平台上，适宜推广。
附图说明
图1为本发明一种基于二维码和单目相机的档案识别与定位方法的使用场景及二维码相对位置示意图；
图2为本发明一种基于二维码和单目相机的档案识别与定位方法的步骤流程示意图；
图3为二维码拓扑结构示意图；
图4为本发明一种基于二维码和单目相机的档案识别与定位方法的档案测距原理示意图；
图5为相机坐标系，成像平面坐标系和像素平面坐标系的转换示意图；
附图标记：1-档案柜，2-档案盒，3-二维码，31-父轮廓，32-子轮廓。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
图1是本发明一种基于二维码和单目相机的档案识别与定位方法的使用场景及二维码相对位置示意图，如图1所示，档案存于规格统一的档案盒2中，然后成排存放于档案柜1。每个档案盒2侧边都贴有含有唯一编号标识的二维码3，且二维码3的边长和面积已知。
图2为本发明一种基于二维码和单目相机的档案识别与定位方法的步骤流程示意图，如图2所示，一种基于二维码3和单目相机的档案识别与定位方法包括如下步骤：
步骤1：获取单目相机拍摄的图像；
步骤2：对图像整幅进行中值滤波处理，减少干扰点的影响；
步骤3：检测图像，以判断其中是否存在二维码3，是则进入步骤4；否则返回步骤1；
步骤4：对整幅图像进行自适应二值化处理，使用canny算子对图像进行边缘提取；
步骤5：基于图像轮廓的拓扑结构，提取所有二维码3的外轮廓，确定图像中所有二维码3所在区域。
图3为二维码3拓扑结构示意图，对于图中所示当前二维码3轮廓，他有一层父轮廓31以及三层子轮廓32，基于二维码3这种显著的拓扑结构，本方法对数字二值化并边缘提取后的图像进行拓扑分析，采用编码的思想，给不同的边界赋予不同的整数值，从而确定它是什么边界以及层次关系，输入的二值图像即为0和1的图像，用f(i,j)表示图像的像素值，每次行扫描遇到以下两种情况终止：
(1)f(i，j-1)＝0，f(i，j)＝1；(2)f(i，j)＞＝1，f(i，j+1)＝0；
第(1)种情况对应(i,j)是外边界的起始点；第(2)种情况对应的(i,j)是孔边界的起始点，然后从起始点开始，标记边界上的像素。在这里分配一个唯一的标识符给新发现的边界，叫做NBD，初始时，NBD＝1，每次发现一个新边界加1，在这个过程中，遇到f(p,q)＝1,f(p,q+1)＝0时，将f(p,q)置位-NBD，此时(p,q)即右边边界的终止点，通过这样边界编码的方法，可以对整幅图像的拓扑结构进行分析，筛选出上述的需要的边缘，即为二维码3区域。
步骤6，将多个二维码3区域逐个进行解码得到档案编号，
步骤7，舍弃编号不匹配的二维码3区域，若遍历所有二维码3未找到匹配编号，则结束操作，若匹配到需要的档案编号，进入下一步，
步骤8，并保留对应的二维码3区域，
步骤9，计算出保留的二维码3区域所占像素个数，即二维码3在相机画面中的面积大小。
步骤10，在已知相机内参、二维码3在真实世界中的面积、二维码3在相机画面中的面积的情况下，基于相机的线性模型，计算出二维码3所在的档案盒2平面距离相机平面的距离，此距离即档案盒2与相机的距离。
图4为本发明一种基于二维码和单目相机的档案识别与定位方法的档案测距原理示意图。如图4所示，高度为H的物体，在相机成像平面映射高度为h，相机平面与成像平面的距离为焦距f，实际物体与相机平面的距离为d。由相机的线性模型，可以通过相似三角形，得到如下关系：
设该物体在像素平面的高度为hp，可得像素平面中高度hp与成像平面h的关系为：
h＝hpdy
其中dy为竖直方向每个像素点代表的实际长度。
综合两式可得：
其中fy＝f/dy，同理可得物体实际宽度W，像素平面物体宽度wp与距离d的关系为：
其中fy＝f/dx，最终结合两个d的表达式，可得：
式中S为二维码3的实际面积大小，Sp为像素平面的面积大小。fx和fy为相机的内部参数，分别代表焦距在像素平面x方向占的像素个数，和焦距在像素平面y方向占的像素个数，都可事先通过张正友标定法对单目相机进行标定得到。
步骤11，通过档案盒2与相机的距离以及相机的内参矩阵，得到档案盒2在在相机坐标系下的坐标。
图5所示为相机坐标系，成像平面坐标系和像素平面坐标系的转换示意图，空间中的点透过透镜从摄像机坐标系投影到成像平面坐标系，其映射关系如下：
式中(x，y)为成像平面坐标系坐标，(Xc，Yc，Zc)为相机坐标系坐标，f为焦距。摄像机将成像平面上的图像转换为数字图像通过像素坐标系(u，v)来进行存储，其对应关系如下：
其中(u0，v0)为光心在像素平面的坐标，由此可得相机坐标系坐标和像素坐标系坐标的转换公式为：
其中fx＝1/dx，fy＝1/dy。当相机平面与被测平面平行时，Zc即为被测平面与相机平面的距离d。式中Zc，u，v为测量出得量，fx，fy，u0，v0为事先通过相机标定得到的内参，通过矩阵变化可求出被测点在相机坐标系下的坐标(Xc，Yc，Zc)。
步骤12，输出上述坐标。
本发明可对在档案柜中成排存放的档案盒进行快速识别，识别出需要的档案；对需要的档案进行快速定位，获取档案在相机坐标系下的三维坐标；定位的单目相机成本低廉，市场上工业单目相机较多，选择余地较大，可以根据使用场景选择不同的单目相机；本发明算法简单有效，可快速编程实现，且实时性高，可以运用在各种嵌入式平台上。

Claims (5)

1.一种基于二维码和单目相机的档案识别与定位方法，以在多个档案存储的场景中识别和定位特定的档案，所述档案装在档案盒(2)内，所述档案盒(2)侧边均贴有二维码(3)，每个所述二维码(3)包含对应档案盒(2)内的档案编号信息，其特征在于，包括如下步骤：
步骤1：获取单目相机拍摄的图像；
步骤2：对图像整幅进行中值滤波处理，减少干扰点的影响；
步骤3：检测图像，以判断其中是否存在二维码(3)，是则进入步骤4；否则返回步骤1；
步骤4：对整幅图像进行自适应二值化处理，使用canny算子对图像进行边缘提取；
步骤5：基于图像轮廓的拓扑结构，提取所有二维码(3)的外轮廓，确定图像中所有二维码(3)所在区域；
步骤6：将所有的二维码(3)区域逐个进行解码得到档案编号；
步骤7：在解码出的档案编号中查找是否有需要的档案编号，是则进入步骤8；否则返回步骤1；
步骤8：保留需要的档案编号对应的二维码(3)区域；
步骤9：计算出保留的二维码(3)区域所占像素个数，即二维码(3)在相机拍摄的图像中的面积大小；
步骤10：通过相机的内部参数、二维码(3)实际面积以及二维码(3)在相机拍摄的图像中的面积，基于相机的线性模型，计算出二维码(3)对应的档案盒(2)平面与相机平面的距离，此距离即档案盒(2)与相机的距离；
步骤11：通过档案盒(2)与相机的距离以及相机的内部参数矩阵，得到档案盒(2)在相机坐标系下的坐标；
步骤12：输出上述坐标。
2.根据权利要求1所述的一种基于二维码和单目相机的档案识别与定位方法，其特征在于：所述步骤3中检测图像，以判断其中是否存在二维码(3)的具体步骤为：使用机器学习分类器SVM算法，针对二维码(3)特征进行训练，训练完成的SVM分类器可以快速检测单目相机采集到的图片中是否含有二维码(3)。
3.根据权利要求1所述的一种基于二维码和单目相机的档案识别与定位方法，其特征在于：所述步骤5中提取所有二维码(3)外轮廓的具体步骤为：确定二维码(3)的三个定位点，所述三个定位点包括一个外层空心正方形和两个内部实心正方形，经轮廓提取，首先保留第一轮廓，所述第一轮廓包含一层父轮廓(31)和三层子轮廓(32)，对第一轮廓再次进行筛选，留下第二轮廓，所述第二轮廓为正方形轮廓，所述第二轮廓即为二维码(3)的内轮廓。
4.根据权利要求1所述的一种基于二维码和单目相机的档案识别与定位方法，其特征在于：所述步骤10中二维码(3)对应的档案盒(2)平面与相机平面的距离具体计算步骤为：基于单目相机的线性模型，可通过相似三角形得到距离d的计算公式：
式中S为二维码(3)实际面积，Sp为二维码(3)在相机拍摄的图像中的面积，fx和fy为相机的内部参数，分别代表焦距在像素平面x方向占的像素个数，和焦距在像素平面y方向占的像素个数，可事先通过张正友标定法对单目相机进行标定得到。
5.根据权利要求1所述的一种基于二维码和单目相机的档案识别与定位方法，其特征在于：所述步骤11中计算档案盒(2)在相机坐标系下的坐标具体计算步骤为：实际空间中的点透过透镜从相机坐标系投影到成像平面坐标系，其映射关系如下：
式中(x，y)为成像平面坐标系坐标，(Xc，Yc，Zc)为相机坐标系坐标，f为焦距，相机将成像平面上的图像转换为数字图像通过像素平面坐标系(u，v)来进行存储，其对应关系如下：
其中(u0，v0)为光心在像素平面坐标系中的平面坐标，由此可得相机坐标系坐标和像素平面坐标系坐标的转换公式为：
其中fx＝1/dx，fy＝1/dy，当相机平面与被测平面平行时，Zc即为被测平面与相机平面的距离d，式中Zc，u，v为测量出得量，fx，fy，u0，v0为事先通过相机标定得到的内部参数，通过矩阵变化可求出被测点在相机坐标系中的坐标(Xc，Yc，Zc)。
CN201910190541.8A 2019-03-13 2019-03-13 一种基于二维码和单目相机的档案识别与定位方法 Active CN110084243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910190541.8A CN110084243B (zh) 2019-03-13 2019-03-13 一种基于二维码和单目相机的档案识别与定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910190541.8A CN110084243B (zh) 2019-03-13 2019-03-13 一种基于二维码和单目相机的档案识别与定位方法

Publications (2)

Publication Number Publication Date
CN110084243A true CN110084243A (zh) 2019-08-02
CN110084243B CN110084243B (zh) 2022-12-06

Family

ID=67412515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910190541.8A Active CN110084243B (zh) 2019-03-13 2019-03-13 一种基于二维码和单目相机的档案识别与定位方法

Country Status (1)

Country Link
CN (1) CN110084243B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148175A (zh) * 2019-05-29 2019-08-20 山东大学 基于二维标签的发酵窖池自动定位与边界检测***及方法
CN110738676A (zh) * 2019-09-17 2020-01-31 湖南大学 一种结合RGBD数据的GrabCut自动分割算法
CN111724445A (zh) * 2020-05-08 2020-09-29 华中科技大学 一种大视野小尺寸识别码的识别方法及***
CN112378333A (zh) * 2020-10-30 2021-02-19 支付宝(杭州)信息技术有限公司 仓储货物测量方法和装置
CN112766008A (zh) * 2021-01-07 2021-05-07 南京邮电大学 一种基于二维码的物体空间位姿获取方法
CN113091607A (zh) * 2021-03-19 2021-07-09 华南农业大学 一种单台智能手机免标定的空间点坐标测量方法
CN113822942A (zh) * 2021-09-09 2021-12-21 南京中科逆熵科技有限公司 一种基于二维码的单目摄像头测量物体尺寸的方法
CN114972509A (zh) * 2022-05-26 2022-08-30 北京利君成数字科技有限公司 一种快速识别餐具位置的方法
WO2024012463A1 (zh) * 2022-07-11 2024-01-18 杭州海康机器人股份有限公司 一种定位方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398907A (zh) * 2007-09-26 2009-04-01 中国科学院自动化研究所 一种用于移动机器人的二维码结构及解码方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101398907A (zh) * 2007-09-26 2009-04-01 中国科学院自动化研究所 一种用于移动机器人的二维码结构及解码方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐秋宇等: "精密角度基准下的多相机定位***高精度标定", 《光学学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148175B (zh) * 2019-05-29 2021-06-29 山东大学 基于二维标签的发酵窖池自动定位与边界检测***及方法
CN110148175A (zh) * 2019-05-29 2019-08-20 山东大学 基于二维标签的发酵窖池自动定位与边界检测***及方法
CN110738676A (zh) * 2019-09-17 2020-01-31 湖南大学 一种结合RGBD数据的GrabCut自动分割算法
CN111724445A (zh) * 2020-05-08 2020-09-29 华中科技大学 一种大视野小尺寸识别码的识别方法及***
CN112378333A (zh) * 2020-10-30 2021-02-19 支付宝(杭州)信息技术有限公司 仓储货物测量方法和装置
CN112766008B (zh) * 2021-01-07 2022-09-06 南京邮电大学 一种基于二维码的物体空间位姿获取方法
CN112766008A (zh) * 2021-01-07 2021-05-07 南京邮电大学 一种基于二维码的物体空间位姿获取方法
CN113091607A (zh) * 2021-03-19 2021-07-09 华南农业大学 一种单台智能手机免标定的空间点坐标测量方法
CN113822942A (zh) * 2021-09-09 2021-12-21 南京中科逆熵科技有限公司 一种基于二维码的单目摄像头测量物体尺寸的方法
CN113822942B (zh) * 2021-09-09 2023-11-17 南京中科逆熵科技有限公司 一种基于二维码的单目摄像头测量物体尺寸的方法
CN114972509A (zh) * 2022-05-26 2022-08-30 北京利君成数字科技有限公司 一种快速识别餐具位置的方法
CN114972509B (zh) * 2022-05-26 2023-09-29 北京利君成数字科技有限公司 一种快速识别餐具位置的方法
WO2024012463A1 (zh) * 2022-07-11 2024-01-18 杭州海康机器人股份有限公司 一种定位方法及装置

Also Published As

Publication number Publication date
CN110084243B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN110084243A (zh) 一种基于二维码和单目相机的档案识别与定位方法
CN107392964B (zh) 基于室内特征点和结构线结合的室内slam方法
CN106651942B (zh) 基于特征点的三维旋转运动检测与旋转轴定位方法
CN103093191B (zh) 一种三维点云数据结合数字影像数据的物体识别方法
CN104077804B (zh) 一种基于多帧视频图像构建三维人脸模型的方法
CN110415342A (zh) 一种基于多融合传感器的三维点云重建装置与方法
CN110009732B (zh) 基于gms特征匹配的面向复杂大尺度场景三维重建方法
CN108053476B (zh) 一种基于分段三维重建的人体参数测量***及方法
CN102243765A (zh) 基于多相机的多目标定位跟踪方法及***
CN106155299B (zh) 一种对智能设备进行手势控制的方法及装置
CN106952299B (zh) 一种适用于智能移动设备的三维光场技术实现方法
CN103853794B (zh) 一种基于部件关联的行人检索方法
CN102930251B (zh) 两维收藏品数据收录与甄别的装置和方法
CN104408772A (zh) 一种基于网格投影的自由曲面三维重建方法
CN109341668A (zh) 基于折射投影模型和光束追踪法的多相机测量方法
CN102446356A (zh) 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法
Özdemir et al. A multi-purpose benchmark for photogrammetric urban 3D reconstruction in a controlled environment
Yang et al. Recognition and localization system of the robot for harvesting Hangzhou White Chrysanthemums
CN114689038A (zh) 基于机器视觉的果实检测定位与果园地图构建方法
CN111325828A (zh) 一种基于三目相机的三维人脸采集方法及装置
Liu et al. The applications and summary of three dimensional reconstruction based on stereo vision
CN117456114A (zh) 基于多视图的三维图像重建方法及***
Zhang et al. Dense 3d mapping for indoor environment based on feature-point slam method
CN108090930A (zh) 基于双目立体相机的障碍物视觉检测***及方法
CN113421286B (zh) 一种动作捕捉***及方法

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
GR01 Patent grant
GR01 Patent grant