CN112819882A - 一种基于双目视觉的实时土方量计算方法 - Google Patents
一种基于双目视觉的实时土方量计算方法 Download PDFInfo
- Publication number
- CN112819882A CN112819882A CN202110102869.7A CN202110102869A CN112819882A CN 112819882 A CN112819882 A CN 112819882A CN 202110102869 A CN202110102869 A CN 202110102869A CN 112819882 A CN112819882 A CN 112819882A
- Authority
- CN
- China
- Prior art keywords
- bucket
- excavator
- coordinate system
- calculating
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双目视觉的实时土方量计算方法,包括获取相机坐标系相对于世界坐标系的旋转矩阵R1和平移矩阵T1;基于挖掘机铲斗图片识别出挖掘机铲斗边框范围内区域;针对挖掘机铲斗边框范围内区域,建立铲斗坐标系;计算出铲斗坐标系相对于世界坐标系的旋转矩阵R2和平移矩阵T2;计算出挖掘机铲斗图片中像素点在世界坐标系下的三维坐标,获得铲斗内土方表面每一点的世界坐标,计算出每个点在铲斗坐标系下的三维坐标;建立深度图;基于深度图得到单次挖掘机铲斗内土方的总体积,进而得到挖掘机的实时工作量。本发明能够实时的对挖掘机铲斗内土方进行测量,然后计算出挖掘机工作量,减少了人力成本,也方便于工程费用结算和工程方案选优。
Description
技术领域
本发明属于挖掘机技术领域,具体涉及一种基于双目视觉的实时土方量计算方法。
背景技术
挖掘机是目前工程中广泛使用的一种机械。在工程作业中,需要对挖掘机工作量的多少进行测量和记录,关系到工程费用结算和工程方案选优。目前对于不规则土方的测量是比较困难的,而且大多土方测量需要人工测量,没有一种基于视觉的智能化方式对挖掘机工作量进行实时测量计算。
发明内容
针对上述问题,本发明提出一种基于双目视觉的实时土方量计算方法,能够实时的对挖掘机铲斗内土方进行测量,然后计算出挖掘机工作量,减少了人力成本,也方便于工程费用结算和工程方案选优。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于双目视觉的实时土方量计算方法,包括:
获取相机坐标系相对于世界坐标系的旋转矩阵R1和平移矩阵T1;
基于由双目相机拍摄的挖掘机铲斗图片,识别出挖掘机铲斗边框范围内区域;
针对所述挖掘机铲斗边框范围内区域,计算出挖掘机铲斗边缘的在世界坐标系下的三维坐标,将每条边上的点进行直线和平面拟合得到一个矩形平面,并建立铲斗坐标系;
计算出铲斗坐标系相对于世界坐标系的旋转矩阵R2和平移矩阵T2;
计算出挖掘机铲斗图片中像素点到相机坐标系下的三维坐标,进而利用坐标转换公式、旋转矩阵R1和平移矩阵T1,计算出该像素点在世界坐标系下的三维坐标,获得铲斗内土方表面每一点的世界坐标,再基于所述旋转矩阵R2和平移矩阵T2,计算出每个点在铲斗坐标系下的三维坐标;
利用每个点的三维坐标,建立深度图;
基于所述深度图,得到每次挖掘机铲斗内土方的总体积;
累计计算挖掘机铲斗每次挖掘的土方体积,得到挖掘机的实时工作量。
作为本发明的进一步改进,所述挖掘机铲斗边框范围内区域的识别方法为:
将由双目相机拍摄的挖掘机铲斗图片输入至预先训练好的YOLOV3检测模型;
所述YOLOV3检测模型输出挖掘机铲斗边框范围内区域。
作为本发明的进一步改进,所述YOLOV3检测模型通过以下步骤训练获得:
拍摄若干张挖掘机铲斗图片,并用labelme对图片中的铲斗做标注;
利用标注过的图片训练YOLOV3网络,获得YOLOV3检测模型。
作为本发明的进一步改进,所述像素点到相机坐标系下的三维坐标的计算方法为:
基于所述视差图和相机内参,计算出像素点到相机坐标系下的三维坐标。
作为本发明的进一步改进,每个点在铲斗坐标系下的三维坐标计算公式为:
x=Xw*R2+T2
y=Yw*R2+T2
z=Zw*R2+T2
其中,Xw,Yw,Zw为铲斗内土方表面每一点的世界坐标。
作为本发明的进一步改进,所述每次挖掘机铲斗内土方的总体积的计算方法包括:
设置一个m*m的滑动窗口,令该滑动窗口从铲斗坐标系的原点O开始依次遍历整个深度图;
在滑动窗口遍历深度图时,每个位置对应一个棱柱;
将滑动窗口四个顶点在铲斗坐标系下的Z坐标求平均值作为每个棱柱的高;
基于公式Vi=Si*z=m*m*zc,近似求出每个棱柱的体积Vi;
将所有棱柱进行积分得到体积V1;
在将V1加上铲斗的内体积V2得到每次挖掘机铲斗内土方的总体积Vi。
作为本发明的进一步改进,所述Z坐标求平均值的计算公式为:
其中,zci为第i个顶点的Z坐标,zc为铲斗坐标系下的Z坐标求平均值。
作为本发明的进一步改进,所述挖掘机的实时工作量的计算公式为:
V总=k*Vi
其中,V总为挖掘机的实时工作量,k为误差修正系数。
作为本发明的进一步改进,所述误差修正系数k通过多次进行误差测量获得。
与现有技术相比,本发明的有益效果:
本发明提供了一种基于双目视觉的实时土方量计算方法,能够实时的对挖掘机铲斗内土方进行测量,然后计算出挖掘机工作量,减少了人力成本,也方便于工程费用结算和工程方案选优。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的基于双目视觉的实时土方量计算方法的流程示意图;
图2为本发明一种实施例的铲斗坐标系的示意图;
图3为本发明一种实施例的铲斗的深度图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。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的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明提供了一种基于双目视觉的实时土方量计算方法,包括以下步骤:
(1)获取相机坐标系相对于世界坐标系的旋转矩阵R1和平移矩阵T1;
(2)基于由双目相机拍摄的挖掘机铲斗图片,识别出挖掘机铲斗边框范围内区域;
(3)针对所述挖掘机铲斗边框范围内区域,计算出挖掘机铲斗边缘的在世界坐标系下的三维坐标,将每条边上的点进行直线和平面拟合得到一个矩形平面,并建立铲斗坐标系;
(4)计算出铲斗坐标系相对于世界坐标系的旋转矩阵R2和平移矩阵T2;
(5)计算出挖掘机铲斗图片中像素点到相机坐标系下的三维坐标,进而利用坐标转换公式、旋转矩阵R1和平移矩阵T1,计算出该像素点在世界坐标系下的三维坐标,获得铲斗内土方表面每一点的世界坐标,再基于所述旋转矩阵R2和平移矩阵T2,计算出每个点在铲斗坐标系下的三维坐标;
(6)利用每个点的三维坐标,建立深度图;
(7)基于所述深度图,得到每次挖掘机铲斗内土方的总体积;
(8)累计计算挖掘机铲斗每次挖掘的土方体积,得到挖掘机的实时工作量。
在本发明的一种具体实施例中,所述挖掘机铲斗边框范围内区域的识别方法为:
将由双目相机拍摄的挖掘机铲斗图片输入至预先训练好的YOLOV3检测模型;
所述YOLOV3检测模型输出挖掘机铲斗边框范围内区域。
其中,所述YOLOV3检测模型通过以下步骤训练获得:
拍摄若干张挖掘机铲斗图片,并用labelme对图片中的铲斗做标注;
利用标注过的图片训练YOLOV3网络,获得YOLOV3检测模型。
在本发明的一种具体实施例中,所述像素点到相机坐标系下的三维坐标的计算方法为:
基于所述视差图和相机内参,计算出像素点到相机坐标系下的三维坐标,其中所述视差图是通过SGBM算法(现有公开技术)进行立体匹配获得的。
在本发明的一种具体实施例中,每个点在铲斗坐标系下的三维坐标计算公式为:
x=Xw*R2+T2
y=Yw*R2+T2
z=Zw*R2+T2
其中,Xw,Yw,Zw为铲斗内土方表面每一点的世界坐标。
在本发明的一种具体实施例中,所述每次挖掘机铲斗内土方的总体积的计算方法包括:
设置一个m*m的滑动窗口,令该滑动窗口从铲斗坐标系的原点O开始依次遍历整个深度图;
在滑动窗口遍历深度图时,每个位置对应一个棱柱;
将滑动窗口四个顶点在铲斗坐标系下的Z坐标求平均值作为每个棱柱的高;
基于公式Vi=Si*z=m*m*zc,近似求出每个棱柱的体积Vi;
将所有棱柱进行积分得到体积V1;
在将V1加上铲斗的内体积V2得到每次挖掘机铲斗内土方的总体积Vi。
作为本发明的进一步改进,所述Z坐标求平均值的计算公式为:
其中,zci为第i个顶点的Z坐标,zc为铲斗坐标系下的Z坐标求平均值。
在本发明的一种具体实施例中,所述挖掘机的实时工作量的计算公式为:
V总=k*Vi
其中,V总为挖掘机的实时工作量,k为误差修正系数,所述误差修正系数k通过多次进行误差测量获得。
在本发明的一种具体实施例中,所述挖掘机铲斗内土方量计算过程具体为:
(1)基准平面获取:
将世界坐标系原点设置在挖掘机铲斗的A点(如图2所示),在挖掘机铲斗边框范围内区域(包括边框),利用双目相机计算获取挖掘机铲斗边缘的三维坐标(世界坐标系下)。将每条边上的点进行直线和平面拟合,即可得到一个矩形平面SABCD。以A为坐标原点,AB为x轴,AD为y轴,建立铲斗坐标系(具体参见图2)。选取铲斗坐标系上的点求出铲斗坐标系和世界坐标的旋转矩阵R2和平移矩阵T2。
(2)土方的三维坐标获取:
抓取到的铲斗内土方表面每一点的世界坐标(Xw,Yw,Zw);再利用所述旋转矩阵R2和平移矩阵T2,通过坐标转换(x=Xw*R2+T2、y=Yw*R2+T2、z=Zw*R2+T2)可计算出每个点在铲斗坐标系下的三维坐标(x,y,z)。
(3)土方的体积计算:
利用(2)得到的每个点的坐标(x,y,z),可以建立一个深度图(如图3),设置一个m*m的滑动窗口,令该滑动窗口从铲斗坐标原点O开始,从左到右依次遍历整个深度图。将滑动窗口遍历深度图时,每个位置可以对应一个如图2所示的棱柱;将滑动窗口四个顶点坐标的Z坐标(铲斗坐标系)求平均值zc作为每个棱柱的高;用面积Si=m*m乘以高zc,即可近似求出每个棱柱的体积Vi;将所有棱柱进行积分得到体积V1(铲斗坐标系以上深度图对应的土方体积);在将V1加上铲斗的内体积V2,即可得到每次挖掘机铲斗内土方的总体积Vi。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种基于双目视觉的实时土方量计算方法,其特征在于,包括:
获取相机坐标系相对于世界坐标系的旋转矩阵R1和平移矩阵T1;
基于由双目相机拍摄的挖掘机铲斗图片,识别出挖掘机铲斗边框范围内区域;
针对所述挖掘机铲斗边框范围内区域,计算出挖掘机铲斗边缘的在世界坐标系下的三维坐标,将每条边上的点进行直线和平面拟合得到一个矩形平面,并建立铲斗坐标系;
计算出铲斗坐标系相对于世界坐标系的旋转矩阵R2和平移矩阵T2;
计算出挖掘机铲斗图片中像素点到相机坐标系下的三维坐标,进而利用坐标转换公式、R1和平移矩阵T1,计算出该像素点在世界坐标系下的三维坐标,获得铲斗内土方表面每一点的世界坐标,再基于所述旋转矩阵R2和平移矩阵T2,计算出每个点在铲斗坐标系下的三维坐标;
利用每个点的三维坐标,建立深度图;
基于所述深度图,得到每次挖掘机铲斗内土方的总体积;
累计计算挖掘机铲斗每次挖掘的土方体积,得到挖掘机的实时工作量。
2.根据权利要求1所述的一种基于双目视觉的实时土方量计算方法,其特征在于,所述挖掘机铲斗边框范围内区域的识别方法为:
将由双目相机拍摄的挖掘机铲斗图片输入至预先训练好的YOLOV3检测模型;
所述YOLOV3检测模型输出挖掘机铲斗边框范围内区域。
3.根据权利要求2所述的一种基于双目视觉的实时土方量计算方法,其特征在于,所述YOLOV3检测模型通过以下步骤训练获得:
拍摄若干张挖掘机铲斗图片,并用labelme对图片中的铲斗做标注;
利用标注过的图片训练YOLOV3网络,获得YOLOV3检测模型。
4.根据权利要求1所述的一种基于双目视觉的实时土方量计算方法,其特征在于:所述像素点到相机坐标系下的三维坐标的计算方法为:
基于所述视差图和相机内参,计算出像素点到相机坐标系下的三维坐标。
5.根据权利要求1所述的一种基于双目视觉的实时土方量计算方法,其特征在于:每个点在铲斗坐标系下的三维坐标计算公式为:
x=Xw*R2+T2
y=Yw*R2+T2
z=Zw*R2+T2
其中,Xw,Yw,Zw为铲斗内土方表面每一点的世界坐标。
6.根据权利要求1所述的一种基于双目视觉的实时土方量计算方法,其特征在于:所述每次挖掘机铲斗内土方的总体积的计算方法包括:
设置一个m*m的滑动窗口,令该滑动窗口从铲斗坐标系的原点O开始依次遍历整个深度图;
在滑动窗口遍历深度图时,每个位置对应一个棱柱;
将滑动窗口四个顶点在铲斗坐标系下的Z坐标求平均值作为每个棱柱的高;
基于公式Vi=Si*z=m*m*zc,近似求出每个棱柱的体积Vi;
将所有棱柱进行积分得到体积V1;
在将V1加上铲斗的内体积V2得到每次挖掘机铲斗内土方的总体积Vi。
8.根据权利要求6所述的一种基于双目视觉的实时土方量计算方法,其特征在于:所述挖掘机的实时工作量的计算公式为:
V总=k*Vi
其中,V总为挖掘机的实时工作量,k为误差修正系数。
9.根据权利要求8所述的一种基于双目视觉的实时土方量计算方法,其特征在于:所述误差修正系数k通过多次进行误差测量获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110102869.7A CN112819882B (zh) | 2021-01-26 | 2021-01-26 | 一种基于双目视觉的实时土方量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110102869.7A CN112819882B (zh) | 2021-01-26 | 2021-01-26 | 一种基于双目视觉的实时土方量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819882A true CN112819882A (zh) | 2021-05-18 |
CN112819882B CN112819882B (zh) | 2021-11-19 |
Family
ID=75859233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110102869.7A Active CN112819882B (zh) | 2021-01-26 | 2021-01-26 | 一种基于双目视觉的实时土方量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819882B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115307548A (zh) * | 2022-10-12 | 2022-11-08 | 北京鸿游科技有限公司 | 一种挖掘设备用动态监控装置及其存储介质 |
CN115482269A (zh) * | 2022-09-22 | 2022-12-16 | 佳都科技集团股份有限公司 | 一种土方量计算方法、装置、终端设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494611A (zh) * | 2011-12-05 | 2012-06-13 | 中国人民解放军国防科学技术大学 | 一种物体体积快速测量方法 |
US20170236261A1 (en) * | 2016-02-11 | 2017-08-17 | Caterpillar Inc. | Wear measurement system using computer vision |
CN108007345A (zh) * | 2017-12-01 | 2018-05-08 | 南京工业大学 | 一种基于单目相机的挖掘机工作装置测量方法 |
CN109903337A (zh) * | 2019-02-28 | 2019-06-18 | 北京百度网讯科技有限公司 | 用于确定挖掘机的铲斗的位姿的方法和装置 |
CN110887440A (zh) * | 2019-12-03 | 2020-03-17 | 西安科技大学 | 基于结构光的挖掘机挖斗土方体积实时测量方法及测量装置 |
CN111368664A (zh) * | 2020-02-25 | 2020-07-03 | 吉林大学 | 基于机器视觉和铲斗位置信息融合的装载机满斗率识别方法 |
US10733752B2 (en) * | 2017-07-24 | 2020-08-04 | Deere & Company | Estimating a volume of contents in a container of a work vehicle |
CN111945799A (zh) * | 2019-05-16 | 2020-11-17 | 斗山英维高株式会社 | 挖掘机的挖掘作业中的铲斗沙土量的测量方法 |
-
2021
- 2021-01-26 CN CN202110102869.7A patent/CN112819882B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494611A (zh) * | 2011-12-05 | 2012-06-13 | 中国人民解放军国防科学技术大学 | 一种物体体积快速测量方法 |
US20170236261A1 (en) * | 2016-02-11 | 2017-08-17 | Caterpillar Inc. | Wear measurement system using computer vision |
US10733752B2 (en) * | 2017-07-24 | 2020-08-04 | Deere & Company | Estimating a volume of contents in a container of a work vehicle |
CN108007345A (zh) * | 2017-12-01 | 2018-05-08 | 南京工业大学 | 一种基于单目相机的挖掘机工作装置测量方法 |
CN109903337A (zh) * | 2019-02-28 | 2019-06-18 | 北京百度网讯科技有限公司 | 用于确定挖掘机的铲斗的位姿的方法和装置 |
CN111945799A (zh) * | 2019-05-16 | 2020-11-17 | 斗山英维高株式会社 | 挖掘机的挖掘作业中的铲斗沙土量的测量方法 |
CN110887440A (zh) * | 2019-12-03 | 2020-03-17 | 西安科技大学 | 基于结构光的挖掘机挖斗土方体积实时测量方法及测量装置 |
CN111368664A (zh) * | 2020-02-25 | 2020-07-03 | 吉林大学 | 基于机器视觉和铲斗位置信息融合的装载机满斗率识别方法 |
Non-Patent Citations (2)
Title |
---|
NEELY, HALY L1 等: "Modeling Soil Crack Volume at the Pedon Scale using Available Soil Data.", 《SOIL SCIENCE SOCIETY OF AMERICA JOURNAL》 * |
王孝敏: "三维激光扫描技术在土石方计算中的应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115482269A (zh) * | 2022-09-22 | 2022-12-16 | 佳都科技集团股份有限公司 | 一种土方量计算方法、装置、终端设备以及存储介质 |
CN115307548A (zh) * | 2022-10-12 | 2022-11-08 | 北京鸿游科技有限公司 | 一种挖掘设备用动态监控装置及其存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112819882B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443836A (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN111784778B (zh) | 基于线性求解非线性优化的双目相机外参标定方法和*** | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN108197583B (zh) | 基于图割优化和影像结构特征的建筑物变化检测方法 | |
CN110807809B (zh) | 基于点线特征和深度滤波器的轻量级单目视觉定位方法 | |
CN102353340B (zh) | 缸盖毛坯加工尺寸识别方法及装置 | |
CN112819882B (zh) | 一种基于双目视觉的实时土方量计算方法 | |
CN110189400B (zh) | 一种三维重建方法、三维重建***、移动终端及存储装置 | |
CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
CN109255811A (zh) | 一种基于可信度图视差优化的立体匹配方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN109472802A (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
CN109215118B (zh) | 一种基于图像序列的增量式运动结构恢复优化方法 | |
CN111325828A (zh) | 一种基于三目相机的三维人脸采集方法及装置 | |
CN116188558B (zh) | 基于双目视觉的立体摄影测量方法 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
CN117115336A (zh) | 一种基于遥感立体影像的点云重建方法 | |
CN112767481B (zh) | 一种基于视觉边缘特征的高精度定位及建图方法 | |
CN113393413B (zh) | 基于单目与双目视觉协同的水域面积测量方法和*** | |
CN110807799B (zh) | 一种结合深度图推断的线特征视觉里程计方法 | |
Zhu et al. | Triangulation of well-defined points as a constraint for reliable image matching | |
CN110487254B (zh) | 一种用于rov的水下目标尺寸快速测量方法 | |
CN111986320A (zh) | 面向智慧城市应用的dem与倾斜摄影模型空间贴合优化算法 | |
CN114877826B (zh) | 一种双目立体匹配三维测量方法、***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 |