CN112085771B - 图像配准方法、装置、终端设备及计算机可读存储介质 - Google Patents
图像配准方法、装置、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112085771B CN112085771B CN202010784953.7A CN202010784953A CN112085771B CN 112085771 B CN112085771 B CN 112085771B CN 202010784953 A CN202010784953 A CN 202010784953A CN 112085771 B CN112085771 B CN 112085771B
- Authority
- CN
- China
- Prior art keywords
- target
- shooting
- distance
- image
- thermal infrared
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 81
- 238000013507 mapping Methods 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims description 35
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000009529 body temperature measurement Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000712461 unidentified influenza virus Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 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
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于图像处理技术领域,提供了一种图像配准方法、图像配准装置、终端设备及计算机可读存储介质,包括:通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像;计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离;获取所述目标拍摄距离对应的映射矩阵;根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点。通过上述方法,能够节约图像配准的时间,并提高图像配准方法的鲁棒性,进而提高图像配准结果的准确性。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及图像配准方法、图像配准装置、终端设备及计算机可读存储介质。
背景技术
近年来受到流感病毒的侵扰,由于这类疾病容易交叉感染,特别是在人口密集和流动性大的公共场所,治病防控难度比较大。流感病毒的主要发病特征是体温的升高,因此在密集流动的人群中快速、准确地测量人体体温是防控的重要手段。目前,主要是通过非接触式测温装置对人群进行快速测温的,即通过非接触式测温装置获取人体的RGB图像和热红外图像,然后通过将RGB图像和热红外图像进行信息融合,获得人体的测量体温。
在对RGB图像和热红外图像进行信息融合时,常用的方法是对RGB图像和热红外图像进行图像配准。现有的图像配准方法通常是基于特征的配准算法,即在RGB图像和热红外图像中分别提取特征(如SIFT特征或ORB特征等),然后根据提取的特征计算两幅图像中的匹配点,最后通过匹配点计算两图像之间的映射矩阵。但是,现有的图像配准方法计算出的映射矩阵通常仅对应一个拍摄距离,当拍摄装置与拍摄目标之间的拍摄距离发生变化时,需要重新计算映射矩阵。因此,现有的图像配准方法耗时较长,鲁棒性较差。
发明内容
本申请实施例提供了一种图像配准方法、图像配准装置、终端设备及计算机可读存储介质,可以解决现有的图像配准方法耗时较长、鲁棒性较差的问题。
第一方面,本申请实施例提供了一种图像配准方法,包括:
通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像;
计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离;
获取所述目标拍摄距离对应的映射矩阵,其中,映射矩阵用于表示当所述第一拍摄目标与所述拍摄装置间隔所述目标拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点。
在第一方面的一种可能的实现方式中,所述根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离,包括:
获取比例系数,所述比例系数用于表示所述第一区域面积与所述目标拍摄距离之间的比例关系;
根据所述比例系数和所述第一区域面积计算所述目标拍摄距离。
在第一方面的一种可能的实现方式中,所述获取比例系数,包括:
当所述拍摄装置与第二拍摄目标间隔第一目标距离时,通过所述拍摄装置获取包括所述第二拍摄目标的第一样本RGB图像,其中,所述第一目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;
获取所述第一样本RGB图像中所述第二拍摄目标的检测框的第二区域面积,并根据所述第二区域面积和所述第一目标距离计算所述比例系数。
在第一方面的一种可能的实现方式中,所述获取所述目标拍摄距离对应的映射矩阵,包括:
获取所述拍摄装置的仿射变换模型,其中,所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵,所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
在所述仿射变换模型中查找与所述目标拍摄距离对应的单应性矩阵,并将该单应性矩阵记为所述映射矩阵。
在第一方面的一种可能的实现方式中,所述获取所述拍摄装置的仿射变换模型,包括:
对于每个第二目标距离,当所述拍摄装置与第三拍摄目标间隔所述第二目标距离时,通过所述拍摄装置获取包括所述第三拍摄目标的第二样本RGB图像和样本热红外图像,其中,所述第二目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;
获取所述第二样本RGB图像中的第一目标点,并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点,其中,所述第一目标点为所述第二样本RGB图像中所述第三拍摄目标对应的图像区域内的任意一个像素点;
根据所述第一目标点与所述第二目标点计算所述第二目标距离对应的单应性矩阵。
在第一方面的一种可能的实现方式中,所述第一目标点的个数至少为3,相应的,所述第二目标点的个数与所述第一目标点的个数相同;
所述根据所述第一目标点与所述第二目标点计算所述第二目标距离对应的单应性矩阵,包括:
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点,通过公式计算所述第二目标距离对应的单应性矩阵;
其中,(uc,vc)为所述第一目标点的坐标,(ud,vd)为与所述第一目标点对应的所述第二目标点的坐标,H为所述第二目标距离对应的单应性矩阵。
第二方面,本申请实施例提供了一种图像配准装置,包括:
图像获取单元,用于通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像;
距离计算单元,用于计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离;
矩阵获取单元,用于获取所述目标拍摄距离对应的映射矩阵,其中,映射矩阵用于表示当所述第一拍摄目标与所述拍摄装置间隔所述目标拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
图像配准单元,用于根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的图像配准方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的图像配准方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的图像配准方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例通过拍摄装置获取第一拍摄目标的目标RGB图像和目标热红外图像;然后计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离;获取所述目标拍摄距离对应的映射矩阵,最后根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点。由于映射矩阵是预先建立好的,因此,只需要获取目标拍摄距离,即可根据目标拍摄距离对应的映射矩阵进行图像配准,大大节约了图像配准的时间;另外,通过上述方法,无论目标拍摄距离如何变化,都可以直接获取到对应的矩阵,提高了图像配准方法的鲁棒性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像配准方法的流程示意图;
图2是本申请实施例提供的检测框示意图;
图3是本申请实施例提供的匹配点示意图;
图4是本申请实施例提供的图像配准装置的结构框图;
图5是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
参见图1,是本申请实施例提供的图像配准方法的流程示意图,作为示例而非限定,所述方法可以包括以下步骤:
S101,通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像。
在本申请实施例中,拍摄装置可以是非接触式测温装置。在一个应用场景中,利用非接触式测温装置对人体表面进行测温的流程为:通过非接触式测温装置获取人体表面(如面部)的RGB图像和热红外图像,然后对RGB图像和热红外图像进行图像配准,之后获取RGB图像中的测温点(如眉心位置)、并将该测温点通过图像配准结果映射到热红外图像中,获得热红外图像中与该测温点对应的点(即眉心位置在热红外图像中对应的点),最后将热红外图像中的与测温点对应的点的温度值记为人体的温度值。
非接触式测温装置可以看成是一对由RGB相机和热红外相机组成的双目相机。两个相机采集的图像(即RGB图像和热红外图像)之间具有尺度、旋转和平移关系。本申请实施例提供的图像配准方法,实质上是对上述双目相机采集的两个图像进行配准。
图像配准是指,将不同时间、不同成像设备或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。通常,图像配准流程为:首先对两幅图像进行特征提取得到特征点,通过相似性度量找到匹配的特征点,然后通过匹配特征点得到图像空间坐标变换参数,最后由坐标变换参数进行图像配准。换言之,图像配准的实质是找到两个图像之间的坐标映射关系。但是由上述描述可知,现有的图像配准方法需要实时计算坐标映射关系,这导致图像配准的时间较长。
为了解决上述问题,在本申请实施例中,采用下述步骤进行图像配准。
S102,计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离。
第一拍摄目标的检测框是指,目标RGB图像中第一拍摄目标所占图像区域对应的标记框,如矩形框、圆形框等。参见图2,是本申请实施例提供的检测框示意图。如图2所示,目标RGB图像中包括人体图像,其中,第一拍摄目标为人脸部位,相应的,检测框201为第一拍摄目标的检测框。
根据相机的透视原理,近大远小。同一个物体在摄像机中所成像的大小与距离近似于一个比例关系。因此,可选的,计算目标拍摄距离的一种方式为:
获取比例系数,所述比例系数用于表示所述第一区域面积与所述目标拍摄距离之间的比例关系;根据所述比例系数和所述第一区域面积计算所述目标拍摄距离。
其中,比例系数需要预先进行标定。本申请实施例中,获取比例系数的方式包括:
当所述拍摄装置与第二拍摄目标间隔第一目标距离时,通过所述拍摄装置获取包括所述第二拍摄目标的第一样本RGB图像,其中,所述第一目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;获取所述第一样本RGB图像中所述第二拍摄目标的检测框的第二区域面积,并根据所述第二区域面积和所述第一目标距离计算所述比例系数。
示例性的,假设第一目标距离为3m,即当第二拍摄目标与拍摄装置距离3m时,通过拍摄装置获取第二拍摄目标的第一样本RGB图像。假设第二拍摄目标为人脸部位,那么首先利用现有的人脸检测方法对第一样本RGB图像中的人脸进行检测,得到人脸部位的检测框的第二区域面积,最后计算第二区域面积和第一目标距离3m的比值,该比值记为比例系数。
本申请实施例中,第一拍摄目标指在实际测温过程中的拍摄目标,而第二拍摄目标指在预先计算比例系数时所用的拍摄目标。不论拍摄目标是否相同,对于同一拍摄装置,比例系数是固定的。换言之,同一拍摄装置对不同拍摄目标进行拍摄时,均可以使用该拍摄装置的比例系数进行计算。
其中,拍摄目标可以是整体目标,如人体表面;也可以是局部目标,如人脸部位。样本RGB图像和样本热红外图像中只要包括拍摄目标即可,不一定仅包括拍摄目标。例如,假设拍摄目标为人脸部位,可以对人体的上半身进行拍摄,获得的样本RGB图像和样本热红外图像中不仅包括人脸部位,还包括人体上半身的其他部位。
S103,获取所述目标拍摄距离对应的映射矩阵。
其中,映射矩阵用于表示当所述第一拍摄目标与所述拍摄装置间隔所述目标拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系。
由于两个图像之间的坐标映射关系满足单应性关系,即一个拍摄距离对应一种坐标映射关系。因此,在获得目标拍摄距离后,为了能够直接、快速地获取目标拍摄距离对应的映射矩阵,需要预先标定不同拍摄距离各自对应的映射矩阵。
可选的,获取目标拍摄距离对应的映射矩阵的方式可以包括:
I、获取所述拍摄装置的仿射变换模型。
其中,所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵,所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系。
本申请实施例中的拍摄距离可以是具体的某个距离值,也可以是某个距离段。示例性的,假设拍摄装置的拍摄范围是3m-5m,可以以50cm为间隔划分距离段(例如3m-3.5m为一个距离段,3.5m-4m为一个距离段等),然后分别计算每个距离段各自对应的单应性矩阵。
II、在所述仿射变换模型中查找与所述目标拍摄距离对应的单应性矩阵,并将该单应性矩阵记为所述映射矩阵。
当仿射变换模型中每个单应性矩阵对应一个距离段时,可以先确定目标拍摄距离对应的距离段,然后将该距离段对应的单应性矩阵作为目标拍摄距离对应的映射矩阵。
当仿射变换模型中每个单应性矩阵对应一个具体的距离值时,若目标拍摄距离不等于仿射变换模型中的任意一个单应性矩阵对应的距离值,可以将与目标拍摄距离差值最小的距离值对应的单应性矩阵记为目标拍摄距离的映射矩阵。例如:假设仿射变换模型中包括拍摄距离为3m对应的单应性矩阵、和拍摄距离为5m对应的单应性矩阵。当目标拍摄距离为3.5m时,由于3.5m与3m的差值最小,因此,将拍摄距离3m对应的单应性矩阵记为目标拍摄距离3.5m的映射矩阵。
进一步的,获取仿射变换模型的方式可以包括:
1)对于每个第二目标距离,当所述拍摄装置与第三拍摄目标间隔所述第二目标距离时,通过所述拍摄装置获取包括所述第三拍摄目标的第二样本RGB图像和样本热红外图像;其中,所述第二目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离。
本申请实施例中,第三拍摄目标指在预先建立仿射变换模型的阶段用于标定的拍摄目标。不论拍摄目标是否相同,对于同一个拍摄装置,仿射变换模型是固定的。换言之,同一拍摄装置对不同拍摄目标进行拍摄时,均可以使用该拍摄装置的仿射变换模型进行图像配准。因此,在预先建立仿射变换模型的阶段,可以任意选取第三拍摄目标。
为了保证仿射变换模型更加精确,通常,在实际测温过程中对哪类对象进行拍摄,在建立仿射变换模型的过程中就对哪类对象进行拍摄。例如,实际测温过程中需要对人体表面进行测温,相应的建立仿射变换模型的过程中第三拍摄目标为人体表面;实际测温过程中需要对人脸部位进行测温,相应的建立仿射变换模型的过程中第三拍摄目标为人脸部位。
参见图3,是本申请实施例提供的匹配点示意图。图3中的(a)为第二样本RGB图像,图3中的(b)为样本热红外图像。
2)获取所述第二样本RGB图像中的第一目标点,并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点,其中,所述第一目标点为所述第二样本RGB图像中所述第三拍摄目标对应的图像区域内的任意一个像素点。
可以人为选取第一目标点,并人为查找第二目标点。然后对第一目标点和第二目标点进行人工标记。这里的获取第一目标点和第二目标点是指,获取第一目标点在第二样本RGB图像中的坐标、以及第二目标点在样本热红外图像中的坐标。
如图3中所示,用虚线线段连接起来的两个点即为一对匹配点。
3)根据所述第一目标点与所述第二目标点计算所述第二目标距离对应的单应性矩阵。
相应的,步骤3)中计算第二目标距离对应的单应性矩阵的方式为:
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点,通过公式计算所述第二目标距离对应的单应性矩阵;
其中,(uc,vc)为所述第一目标点的坐标,(ud,vd)为与所述第一目标点对应的所述第二目标点的坐标,H为所述第二目标距离对应的单应性矩阵。sx和sy表示第二样本RGB图像和样本热红外图像之间的尺度,θ表示第二样本RGB图像和样本热红外图像之间的旋转角度,tx和ty表示第二样本RGB图像和样本热红外图像之间的平移距离。
有上述H的表达式可知,H中有5个参数。由于一对匹配点可以提供两个方程,因此,至少需要三对匹配点求解上述方程。
进一步的,所述第一目标点的个数至少为3,相应的,所述第二目标点的个数与所述第一目标点的个数相同。
当匹配点的对数多于3时,可以使用最小二乘法和随机采样算法优化求解H。
在选取第一目标点的过程中,应尽量保证第一目标点均匀分布在第二拍摄目标对应的图像区域中。
在本申请实施例中,预先建立仿射变换模型,当需要进行图像配准时,直接根据预先建立的仿射变换模型进行图像配准即可,无需重新计算,大大节约了图像配准的时间。
S104,根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点。
实际应用中,第一像素点通常为目标RGB图像中的测温点(如步骤S101中的应用场景所述)。例如:通常选择人脸眉心位置的温度作为人体的测量温度。那么目标RGB图像中的第一像素点为人脸眉心位置对应的像素点。
通过上述方法,无论目标拍摄距离如何变化,都可以直接获取到对应的矩阵,提高了图像配准方法的鲁棒性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的图像配准方法,图4是本申请实施例提供的图像配准装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图4,该装置包括:
图像获取单元41,用于通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像。
距离计算单元42,用于计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离。
矩阵获取单元43,用于获取所述目标拍摄距离对应的映射矩阵,其中,映射矩阵用于表示当所述第一拍摄目标与所述拍摄装置间隔所述目标拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系。
图像配准单元44,用于根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点。
可选的,所述距离计算单元42包括:
系数获取模块,用于获取比例系数,所述比例系数用于表示所述第一区域面积与所述目标拍摄距离之间的比例关系。
距离计算模块,用于根据所述比例系数和所述第一区域面积计算所述目标拍摄距离。
可选的,系数获取模块还用于:
当所述拍摄装置与第二拍摄目标间隔第一目标距离时,通过所述拍摄装置获取包括所述第二拍摄目标的第一样本RGB图像,其中,所述第一目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;
获取所述第一样本RGB图像中所述第二拍摄目标的检测框的第二区域面积,并根据所述第二区域面积和所述第一目标距离计算所述比例系数。
可选的,矩阵获取单元43包括:
模型获取模块,用于获取所述拍摄装置的仿射变换模型,其中,所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵,所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系。
查找模块,用于在所述仿射变换模型中查找与所述目标拍摄距离对应的单应性矩阵,并将该单应性矩阵记为所述映射矩阵。
可选的,模型获取模块还用于:
对于每个第二目标距离,当所述拍摄装置与第三拍摄目标间隔所述第二目标距离时,通过所述拍摄装置获取包括所述第三拍摄目标的第二样本RGB图像和样本热红外图像,其中,所述第二目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;
获取所述第二样本RGB图像中的第一目标点,并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点,其中,所述第一目标点为所述第二样本RGB图像中所述第三拍摄目标对应的图像区域内的任意一个像素点;
根据所述第一目标点与所述第二目标点计算所述第二目标距离对应的单应性矩阵。
可选的,所述第一目标点的个数至少为3,相应的,所述第二目标点的个数与所述第一目标点的个数相同。
可选的,模型获取模块还用于:
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点,通过公式计算所述第二目标距离对应的单应性矩阵;其中,(uc,vc)为所述第一目标点的坐标,(ud,vd)为与所述第一目标点对应的所述第二目标点的坐标,H为所述第二目标距离对应的单应性矩阵。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
另外,图4所示的图像配准装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元,也可以作为独立的挂件集成到所述终端设备中,还可以作为独立的终端设备存在。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图5是本申请实施例提供的终端设备的结构示意图。如图5所示,该实施例的终端设备5包括:至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52,所述处理器50执行所述计算机程序52时实现上述任意各个图像配准方法实施例中的步骤。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图5仅仅是终端设备5的举例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作***、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述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介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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***,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种图像配准方法,其特征在于,包括:
通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像;
计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离;
获取所述目标拍摄距离对应的映射矩阵,其中,映射矩阵用于表示当所述第一拍摄目标与所述拍摄装置间隔所述目标拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点;
所述获取所述目标拍摄距离对应的映射矩阵,包括:
获取所述拍摄装置的仿射变换模型,其中,所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵,所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
在所述仿射变换模型中查找与所述目标拍摄距离对应的单应性矩阵,并将该单应性矩阵记为所述映射矩阵。
2.如权利要求1所述的图像配准方法,其特征在于,所述根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离,包括:
获取比例系数,所述比例系数用于表示所述第一区域面积与所述目标拍摄距离之间的比例关系;
根据所述比例系数和所述第一区域面积计算所述目标拍摄距离。
3.如权利要求2所述的图像配准方法,其特征在于,所述获取比例系数,包括:
当所述拍摄装置与第二拍摄目标间隔第一目标距离时,通过所述拍摄装置获取包括所述第二拍摄目标的第一样本RGB图像,其中,所述第一目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;
获取所述第一样本RGB图像中所述第二拍摄目标的检测框的第二区域面积,并根据所述第二区域面积和所述第一目标距离计算所述比例系数。
4.如权利要求1所述的图像配准方法,其特征在于,所述获取所述拍摄装置的仿射变换模型,包括:
对于每个第二目标距离,当所述拍摄装置与第三拍摄目标间隔所述第二目标距离时,通过所述拍摄装置获取包括所述第三拍摄目标的第二样本RGB图像和样本热红外图像,其中,所述第二目标距离为所述拍摄装置的拍摄范围内的任意一个拍摄距离;
获取所述第二样本RGB图像中的第一目标点,并获取所述样本热红外图像中与所述第一目标点匹配的第二目标点,其中,所述第一目标点为所述第二样本RGB图像中所述第三拍摄目标对应的图像区域内的任意一个像素点;
根据所述第一目标点与所述第二目标点计算所述第二目标距离对应的单应性矩阵。
5.如权利要求4所述的图像配准方法,其特征在于,所述第一目标点的个数至少为3,相应的,所述第二目标点的个数与所述第一目标点的个数相同;
所述根据所述第一目标点与所述第二目标点计算所述第二目标距离对应的单应性矩阵,包括:
对于每个所述第一目标点以及与所述第一目标点对应的第二目标点,通过公式计算所述第二目标距离对应的单应性矩阵;
其中,(uc,vc)为所述第一目标点的坐标,(ud,vd)为与所述第一目标点对应的所述第二目标点的坐标,H为所述第二目标距离对应的单应性矩阵。
6.一种图像配准装置,其特征在于,包括:
图像获取单元,用于通过拍摄装置获取包括第一拍摄目标的目标RGB图像和目标热红外图像;
距离计算单元,用于计算所述目标RGB图像中所述第一拍摄目标的检测框的第一区域面积,并根据所述第一区域面积计算所述第一拍摄目标与所述拍摄装置之间的目标拍摄距离;
矩阵获取单元,用于获取所述目标拍摄距离对应的映射矩阵,其中,映射矩阵用于表示当所述第一拍摄目标与所述拍摄装置间隔所述目标拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
图像配准单元,用于根据所述映射矩阵将所述目标RGB图像中的第一像素点映射到所述目标热红外图像中,获得所述目标热红外图像中与所述第一像素点对应的第二像素点;
所述矩阵获取单元包括:
模型获取模块,用于获取所述拍摄装置的仿射变换模型,其中,所述仿射变换模型中包括所述拍摄装置的拍摄范围内的多个拍摄距离各自对应的单应性矩阵,所述单应性矩阵用于表示当所述拍摄装置与所述第一拍摄目标间隔所述拍摄距离时、所述目标RGB图像与所述目标热红外图像之间的坐标映射关系;
查找模块,用于在所述仿射变换模型中查找与所述目标拍摄距离对应的单应性矩阵,并将该单应性矩阵记为所述映射矩阵。
7.如权利要求6所述的图像配准装置,其特征在于,所述距离计算单元包括:
系数获取模块,用于获取比例系数,所述比例系数用于表示所述第一区域面积与所述目标拍摄距离之间的比例关系;
距离计算模块,用于根据所述比例系数和所述第一区域面积计算所述目标拍摄距离。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784953.7A CN112085771B (zh) | 2020-08-06 | 2020-08-06 | 图像配准方法、装置、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010784953.7A CN112085771B (zh) | 2020-08-06 | 2020-08-06 | 图像配准方法、装置、终端设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112085771A CN112085771A (zh) | 2020-12-15 |
CN112085771B true CN112085771B (zh) | 2023-12-05 |
Family
ID=73736173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010784953.7A Active CN112085771B (zh) | 2020-08-06 | 2020-08-06 | 图像配准方法、装置、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085771B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113923317B (zh) * | 2021-08-30 | 2022-11-15 | 珠海视熙科技有限公司 | 一种相机帧同步测试方法、装置以及存储介质 |
CN114862923B (zh) * | 2022-07-06 | 2022-09-09 | 武汉市聚芯微电子有限责任公司 | 一种图像配准方法及装置、存储介质 |
CN115797426B (zh) * | 2023-02-13 | 2023-05-12 | 合肥的卢深视科技有限公司 | 图像对齐方法、电子设备及存储介质 |
CN116152051B (zh) * | 2023-02-27 | 2023-12-01 | 上海福柯斯智能科技有限公司 | 一种x射线图像的分块配准图像剪影方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930525A (zh) * | 2012-09-14 | 2013-02-13 | 武汉大学 | 基于仿射不变特征与单应矩阵的线匹配方法 |
CN104501779A (zh) * | 2015-01-09 | 2015-04-08 | 中国人民解放军63961部队 | 基于多站测量的无人机高精度目标定位方法 |
CN110110629A (zh) * | 2019-04-25 | 2019-08-09 | 北京工业大学 | 面向室内环境控制的人员信息检测方法与*** |
CN110163898A (zh) * | 2019-05-07 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种深度信息配准方法及装置 |
CN110529186A (zh) * | 2019-09-11 | 2019-12-03 | 上海同岩土木工程科技股份有限公司 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
CN110691193A (zh) * | 2019-09-03 | 2020-01-14 | RealMe重庆移动通信有限公司 | 摄像头切换方法、装置、存储介质及电子设备 |
CN111199198A (zh) * | 2019-12-27 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111242991A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种可见光与红外相机快速配准的方法 |
CN111383264A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种定位方法、装置、终端及计算机存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102149276B1 (ko) * | 2014-10-23 | 2020-08-28 | 한화테크윈 주식회사 | 영상 정합 방법 |
-
2020
- 2020-08-06 CN CN202010784953.7A patent/CN112085771B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930525A (zh) * | 2012-09-14 | 2013-02-13 | 武汉大学 | 基于仿射不变特征与单应矩阵的线匹配方法 |
CN104501779A (zh) * | 2015-01-09 | 2015-04-08 | 中国人民解放军63961部队 | 基于多站测量的无人机高精度目标定位方法 |
CN111383264A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种定位方法、装置、终端及计算机存储介质 |
CN110110629A (zh) * | 2019-04-25 | 2019-08-09 | 北京工业大学 | 面向室内环境控制的人员信息检测方法与*** |
CN110163898A (zh) * | 2019-05-07 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种深度信息配准方法及装置 |
CN110691193A (zh) * | 2019-09-03 | 2020-01-14 | RealMe重庆移动通信有限公司 | 摄像头切换方法、装置、存储介质及电子设备 |
CN110529186A (zh) * | 2019-09-11 | 2019-12-03 | 上海同岩土木工程科技股份有限公司 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
CN111199198A (zh) * | 2019-12-27 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111242991A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种可见光与红外相机快速配准的方法 |
Non-Patent Citations (1)
Title |
---|
可见光与红外图像自动配准算法的设计与实现;王俊影;李扬;袁浩期;简单;郝敏;;《机电工程技术》;第48卷(第11期);第134-137页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112085771A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085771B (zh) | 图像配准方法、装置、终端设备及计算机可读存储介质 | |
WO2021115071A1 (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
CN109559349B (zh) | 一种用于标定的方法和装置 | |
CN113409382B (zh) | 车辆损伤区域的测量方法和装置 | |
CN111080526B (zh) | 航拍图像的农田面积的测算方法、装置、设备及介质 | |
CN112348863B (zh) | 图像对齐方法、图像对齐装置及终端设备 | |
WO2021136386A1 (zh) | 数据处理方法、终端和服务器 | |
CN113609907B (zh) | 一种多光谱数据的获取方法、装置及设备 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN112102378B (zh) | 图像配准方法、装置、终端设备及计算机可读存储介质 | |
CN114862929A (zh) | 三维目标检测方法、装置、计算机可读存储介质及机器人 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
Zheng et al. | What does plate glass reveal about camera calibration? | |
Santana-Cedrés et al. | Estimation of the lens distortion model by minimizing a line reprojection error | |
CN112200002B (zh) | 一种体温测量方法、装置、终端设备及存储介质 | |
CN112200842B (zh) | 一种图像配准方法、装置、终端设备及存储介质 | |
CN107734324B (zh) | 一种闪光灯照度均匀性的测量方法、***及终端设备 | |
Zhang et al. | A combined approach to single-camera-based lane detection in driverless navigation | |
CN111062984B (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
CN114415129A (zh) | 基于多项式模型的视觉与毫米波雷达联合标定方法及装置 | |
CN110930455B (zh) | 定位方法、装置、终端设备及存储介质 | |
CN111223139B (zh) | 目标定位方法及终端设备 | |
CN113689397A (zh) | 工件圆孔特征检测方法和工件圆孔特征检测装置 | |
CN112711965B (zh) | 一种绘本识别方法、装置及设备 | |
CN113658101B (zh) | 图像中地标点检测方法、装置、终端设备及存储介质 |
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 |