JP7448281B2 - 二次元マーカの認識装置、方法、プログラム及びシステム - Google Patents
二次元マーカの認識装置、方法、プログラム及びシステム Download PDFInfo
- Publication number
- JP7448281B2 JP7448281B2 JP2020057566A JP2020057566A JP7448281B2 JP 7448281 B2 JP7448281 B2 JP 7448281B2 JP 2020057566 A JP2020057566 A JP 2020057566A JP 2020057566 A JP2020057566 A JP 2020057566A JP 7448281 B2 JP7448281 B2 JP 7448281B2
- Authority
- JP
- Japan
- Prior art keywords
- dimensional marker
- dimensional
- image
- area
- marker
- 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
- 239000003550 marker Substances 0.000 title claims description 339
- 238000000034 method Methods 0.000 title claims description 43
- 238000012545 processing Methods 0.000 claims description 45
- 230000001629 suppression Effects 0.000 claims description 28
- 239000003795 chemical substances by application Substances 0.000 claims description 22
- 238000009434 installation Methods 0.000 claims description 14
- 230000002787 reinforcement Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 37
- 230000036544 posture Effects 0.000 description 26
- 239000013598 vector Substances 0.000 description 24
- 238000010586 diagram Methods 0.000 description 16
- 238000003384 imaging method Methods 0.000 description 14
- 238000012937 correction Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000012805 post-processing Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241000122205 Chamaeleonidae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Description
なお、このプログラムは、コンピュータが読み取り可能な記憶媒体に記録することができる。記憶媒体は、半導体メモリ、ハードディスク、磁気記録媒体、光記録媒体等の非トランジェント(non-transient)なものとすることができる。本発明は、コンピュータプログラム製品として具現することも可能である。
前記画像から、周囲単体色領域と特徴量表示領域から構成されており矩形である領域画像を、二次元マーカと認識する二次元マーカ認識部と、を有する二次元マーカ認識装置を有する二次元マーカ認識システムであり、
前記二次元マーカ認識装置の前記二次元マーカ認識部内に、前記領域画像が前記二次元マーカに対応するものであるかどうかについて、特定の判断部によって判定する、誤認識抑制部を有する。
(1)複数画像を用いた際の二次元マーカ100の認識率に基づき判定する、複数画像判定部411、
(2)撮像された二次元マーカ100の撮像画像の矩形画像における最短辺の長さに基づき判定する最短辺判定部412、
(3)撮像された二次元マーカ100の撮像画像から認識される単色領域の幅に基づき判定する領域周囲判定部413、
(4)事前に指定された特徴量リスト内に、二次元マーカ100の撮像画像から認識した特徴量が含まれているかどうかに基づき、判定する識別情報判定部414、
(5)事前に指定された基準三次元配向姿勢と、二次元マーカ100の撮像画像から認識される三次元配向姿勢との差、に基づき判定する姿勢判定部415、
(6)事前に指定された二次元マーカが存在しうる三次元位置領域内に、二次元マーカ100が存在しうるかどうか、に基づき判定する位置判定部416、
(7)複数画像を用いた二次元マーカの姿勢・位置をクラスタリング統計処理した際に、クラスタ中心位置からの距離、に基づき判定するクラスタリング判定部417
本発明による二次元マーカ認識装置1000のハードウェア構成について、図3を参照して説明する。二次元マーカ認識装置1000には、画像取得部200に対応する、二次元マーカ(群)100を撮像する一以上のカメラ装置(1101、1102、1103、以下代表して1100と記す)と、記憶部300に対応し二次元マーカ画像を格納する補助記憶装置1200と、必要に応じて補助記憶装置1200から引き渡される認識対象とする二次元マーカ100であると推定される画像領域と二次元マーカ認識部400を実現するプログラムを格納するメモリ1400と、二次元マーカ認識部400を実現するプログラムを実行するCPU(Central Processing Unit)1300と、認識結果の出力や、判定部やカメラの設定値を入力する入出力装置1500を含んで構成される。ここで、一以上のカメラ装置1100は3つに限定する意図ではないことは明らかであり、一以上の任意の数であってよい。図3によれば、補助記憶装置1200、CPU1300、メモリ1400、入出力装置1500は内部バス1600によって接続される。カメラ装置1100は内部バス1600との間で、外部接続インタフェース1110を用いて接続される。ここで、外部接続インタフェース1110には、USB(Universal Serial Bus)、有線ネットワーク、無線ネットワークなどを含む。カメラ装置1100が一台の場合、カメラ装置1100は内部バス1600と直接接続されていてもよい。補助記憶装置1200はROM(Read Only Memory)やハードディスクによって実現されていてもよく、メモリ1400はRAM(Random Access Memory)を実現するメモリ素子によって実現されていてもよい。
次に本発明の第1の実施形態例を詳しく説明する。
図4は、複数画像判定部411の処理事例を示す。ステップS-101において撮像機器(カメラ装置1100)の情報(カメラ角度、位置、倍率等)を設定する。この情報は、二次元マーカ100の位置や姿勢を判定するために必要となる。すなわち、カメラ角度、位置、倍率は二次元マーカ100と認識される矩形領域の絶対座標系における三次元配向方向と三次元位置を推定するための補正情報となる。特に三次元位置の推定においては、二次元マーカ100の実空間でのサイズが既知である本実施形態例によれば、カメラ倍率情報は、カメラ装置1100から二次元マーカ100までの距離を推定する算定基準数値として用いられる。
次に、図5を用いて最短辺判定部412による処理例を説明する。ステップS-201の処理は、図4のステップS-101によるものと同様であるため、説明を省略する。ステップS-202においては、「領域最短辺閾値」を設定する。
次に、図6を用いて領域周囲判定部413による処理例を説明する。ステップS-301の処理は、図4のステップS-101によるものと同様であるため、説明を省略する。ステップS-302においては、「単色領域幅閾値」を設定する。
次に、図7を用いて識別情報判定部414による処理例を説明する。ステップS-401の処理は、図4のステップS-101(および図5のステップS-201)によるものと同様であるため、説明を省略する。ステップS-402においては、認識候補となる特徴量のリストを設定する。例えば、認識候補を「[1]食品A、[2]食品B、[3]食品C」の3要素を有するリストとすることに相当する。
次に、図8を用いて姿勢判定部415による処理を説明する。あらかじめ述べると、(6)(7)を含めた3つの判定部の基準は、(2)(3)(4)判定部で説明した(1)判定部による前処理とは異なり、(2)(3)(4)判定部の後処理として位置づけられる。
B=(0.0、0.1、0.9)
C=(-0.2、-0.1、0.7)
D=(0.3、0.3、0.4)
と計算されたものとする。ただし、方向ベクトルは長さ(ベクトル要素二乗和)が1.0とすることもできるが、本説明では簡単のため要素絶対値和を1.0としている。このときのAとBの間の三次元配向角度θbは、次の式
A・B=|A||B|cos(θb)
を利用してなす角となる。左辺はAベクトルとBベクトルの内積であり、右辺の|A|などは、ベクトルAの長さである。この関係からθbは、0.11ラジアンと計算される。同様に、ベクトルAとCの間の三次元配向角度θcは0.31ラジアン、ベクトルAとDの間の三次元配向角度θdは0.81ラジアンと計算される。
次に、図9を用いて位置判定部416による処理を説明する。本判定部は、(5:姿勢判定部415)と同様に、(2)(3)(4)判定部の後処理として位置づけられる。
https://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html (2020年2月20日インターネット検索結果)
クラスタリング判定部417の動作については、図を用いずに説明する。
MacQueen, J. B. (1967). “Some Methods for classification and Analysis of Multivariate Observations”.1. Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. University of California Press. pp. 281-297
次に本発明の第2の実施形態例を、図17を用いて説明する。本実施形態例は、第1の実施形態例では、(1)から(6)までの判断基準によって個別に記載したものを、全体として運用することを示すものである。ここで、一実施形態として示した判断基準(1)から(6)までを、図中では対応するローマ数字(IからVI)として使用して、全体的なフローチャート内に示している。
本実施形態例により、(1)から(6)までの判定部の基準を適用した場合について説明した。本実施形態例の変形例2-1として、さらに(7)判定部の基準を適用する場合について説明する。
これまでの実施形態例の説明において、ステップS-1002で設定する値はユーザ選択によるものとしている。本変形例では、この設定値についての傾向について述べ、その設定方針について記載する。
上記の実施形態例の一部または全部は、以下のようにも記載され得るが、以下には限られない。
<モード1>
上述の第1の視点に係る二次元マーカ認識装置のとおりである。
<モード2>
好ましくはモード1に記載の二次元マーカ認識装置であって、ここで前記誤認識抑制部における、特定の前記判断部とは:
前記二次元マーカを写した複数の前記領域画像のうち、同一の前記二次元マーカであると認識される前記領域画像の割合が、第一の閾値を超えるかどうかを判断基準とする、複数画像判定部、
前記二次元マーカを写した前記領域画像から、前記二次元マーカの矩形画像から認識される四辺のうち最小の長さ、又はこれに対応するマーカ寸法の長さが、第二の閾値より小さいかどうか判断基準とする、最短辺判定部、
前記二次元マーカを写した前記領域画像において、前記二次元マーカの周囲単色領域として認識される幅が、第三の閾値より大きいかどうかを判断基準とする、領域周囲判定部、
前記二次元マーカを写した前記領域画像において、前記特徴量表示領域から認識される特徴量が、事前に指定された一以上の特徴量リストに含まれているかどうかを判断基準とする、識別情報判定部、
前記二次元マーカを写した画像から、前記二次元マーカの三次元配向方向を認識し、事前に指定された前記三次元配向方向との差分が第四の閾値より小さいかどうかを判断基準とする、姿勢判定部、または、
前記二次元マーカを写した画像から、前記二次元マーカの三次元位置を認識し、事前に指定された位置範囲に含まれているかどうかを判断基準とする、位置判定部、
のいずれかであることを特徴とする、二次元マーカ認識装置。
<モード3>
好ましくはモード1に記載の二次元マーカ認識装置であって、前記誤認識抑制部における、特定の前記判断部には:
前記二次元マーカを写した複数の前記領域画像のうち、同一の前記二次元マーカであると認識される前記領域画像の割合が、第一の閾値を超えるかどうかを判断基準とする、複数画像判定部、
前記二次元マーカを写した前記領域画像から、前記二次元マーカの矩形画像から認識される四辺のうち最小の長さが、第二の閾値より小さいかどうか判断基準とする、最短辺判定部、
前記二次元マーカを写した前記領域画像において、前記二次元マーカの周囲単色領域として認識される幅が、第三の閾値より大きいかどうかを判断基準とする、領域周囲判定部、
前記二次元マーカを写した前記領域画像において、前記特徴量表示領域から認識される特徴量が、事前に指定された一以上の特徴量リストに含まれているかどうかを判断基準とする、識別情報判定部、
前記二次元マーカを写した画像から、前記二次元マーカの三次元配向方向を認識し、事前に指定された前記三次元配向方向との差分が第四の閾値より小さいかどうかを判断基準とする、姿勢判定部、および、
前記二次元マーカを写した画像から、前記二次元マーカの三次元位置を認識し、事前に指定された位置範囲に含まれているかどうかを判断基準とする、位置判定部と、
を含む、ことを特徴とする、二次元マーカ認識装置。
<モード4>
好ましくはモード2または3に記載の二次元マーカ認識装置であって、前記誤認識抑制部における、特定の前記判断部には、
前記二次元マーカを写した複数の前記領域画像から、前記二次元マーカの前記三次元配向方向または前記三次元位置を認識し、前記三次元配向方向または前記三次元位置を要素としてクラスタリング統計処理を実施し、計算されたクラスタ中央値からの距離が第五の閾値より小さいかどうかを判断基準とする、クラスタリング判定部をさらに含む、
ことを特徴とする、二次元マーカ認識装置。
<モード5>
好ましくはモード2または3に記載の二次元マーカ認識装置であって、前記誤認識抑制部における、前記複数画像判定部において、
複数の前記領域画像を、設置位置または設置方向の異なる複数の前記カメラ装置から取得し、複数の前記カメラ装置の前記設置位置と前記設置方向から計算される、絶対座標系における、前記二次元マーカの三次元配向姿勢、および三次元位置が同一であることから、前記二次元マーカに対応する複数の前記領域画像が同一の前記二次元マーカに対応するものであると判定する、
ことを特徴とする、二次元マーカ認識装置。
<モード6>
好ましくはモード4に記載の二次元マーカ認識装置であって、前記誤認識抑制部における、前記複数画像判定部における複数の前記領域画像として、一つの前記領域画像に対してガウシアンノイズを加えるか、またはローパスフィルタをかけて別画像を生成し、画像判定のための複数の前記領域画像に加える、ことを特徴とする、二次元マーカ認識装置。
<モード7>
好ましくはモード4に記載の二次元マーカ認識装置であって、前記誤認識抑制部における前記姿勢判定部および、前記位置判定部において、
前記二次元マーカの前記三次元配向方向および前記三次元位置を、前記カメラ装置からの相対的な量として、Perspective-N-Point法を用いて推定する、
ことを特徴とする、二次元マーカ認識装置。
<モード8>
好ましくはモード4に記載の二次元マーカ認識装置であって、前記誤認識抑制部における、第一の閾値、第二の閾値、第三の閾値、第四の閾値、および第五の閾値、および前記カメラ装置のカメラ方向、配向姿勢、倍率、照度を含む設定値を、内部値として有する学習エージェントを含み、
前記誤認識抑制部において、前記判定によって誤認識とされた数と、実際には前記二次元マーカであって認識されなかった数との差または比率を、学習における報酬値とするものであり、
前記学習エージェントは、強化学習として、前記内部値の組み合わせに対して、前記報酬値を大きくすることを条件とする学習を行う二次元マーカ認識装置学習環境において一定期間の学習を行い、
前記一定期間の学習後、学習されたエージェントを学習済エージェントとし、前記学習済エージェントは前記内部値を有して、二次元マーカ認識装置の運用環境として動作させる、
ことを特徴とする、二次元マーカ認識装置。
<モード9>
上述の第2の視点に係る二次元マーカ認識方法のとおりである。
<モード10>
上述の第3の視点に係る二次元マーカ認識プログラムのとおりである。
<モード11>
カメラ装置から画像を取得する画像取得部と、前記画像から、周囲単体色領域と特徴量表示領域から構成されており矩形である領域画像を、二次元マーカと認識する二次元マーカ認識部と、を有する二次元マーカ認識装置を有する二次元マーカ認識システムであり、前記二次元マーカ認識装置の前記二次元マーカ認識部内に、前記領域画像が前記二次元マーカに対応するものであるかどうかについて、特定の判断部によって判定する、誤認識抑制部を有する、ことを特徴とする、二次元マーカ認識システム。
なお、モード9乃至11は、モード1と同様に、モード2~モード8のように展開することが可能である。
200: 画像取得部
300: 記憶部
400: 二次元マーカ認識部
410: 誤認識抑制部
420: 特徴量抽出部
430: 位置、姿勢推定部
411: 複数画像判定部
412: 最短辺判定部
413: 領域周囲判定部
414: 識別情報判定部
415: 姿勢判定部
416: 位置判定部
417: クラスタリング判定部
1000: 二次元マーカ認識装置
1100、1101、1102、1103: カメラ装置
1110: 外部接続インタフェース
1200: 補助記憶装置
1300: CPU
1400: メモリ
1500: 入出力装置
1600: 内部バス
2000: 倉庫内壁
2100: 倉庫物品管理部
2200: 存在可能領域
2301、2302、2303: 認定されない二次元マーカ
3000: 学習中エージェント
3001: 学習済エージェント
4000: 二次元マーカ認識装置の学習環境
4001: 二次元マーカ認識装置の実運用環境
Claims (10)
- カメラ装置から画像を取得する画像取得部と、
前記画像から、周囲単体色領域と特徴量表示領域から構成されており矩形である領域画像を、二次元マーカである可能性があると認識する二次元マーカ認識部と、を有する二次元マーカ認識装置であって、
前記二次元マーカではない前記領域画像を、前記二次元マーカである可能性があると認識する誤認識を、特定の判定部によって抑制する、誤認識抑制部を有する、
ことを特徴とする、二次元マーカ認識装置。 - 前記誤認識抑制部における、特定の前記判定部とは:
前記二次元マーカを写した複数の前記領域画像のうち、同一の前記二次元マーカであると認識される前記領域画像の割合が、第一の閾値を超えるかどうかを判断基準とする、複数画像判定部、
前記二次元マーカを写した前記領域画像から、前記二次元マーカの矩形画像から認識される四辺のうち最小の長さ、又はこれに対応するマーカ寸法の長さが、第二の閾値より小さいかどうかを判断基準とする、最短辺判定部、
前記二次元マーカを写した前記領域画像において、前記二次元マーカの周囲単体色領域として認識される幅が、第三の閾値より大きいかどうかを判断基準とする、領域周囲判定部、
前記二次元マーカを写した前記領域画像において、前記特徴量表示領域から認識される特徴量が、事前に指定された一以上の特徴量リストに含まれているかどうかを判断基準とする、識別情報判定部、
前記二次元マーカを写した画像から、前記二次元マーカの三次元配向方向を認識し、事前に指定された前記三次元配向方向との差分が第四の閾値より小さいかどうかを判断基準とする、姿勢判定部、
前記二次元マーカを写した画像から、前記二次元マーカの三次元位置を認識し、事前に指定された位置範囲に含まれているかどうかを判断基準とする、位置判定部、
のいずれか1つ以上を含むことを特徴とする、請求項1に記載の二次元マーカ認識装置。 - 前記誤認識抑制部における、特定の前記判定部には、
前記二次元マーカを写した複数の前記領域画像から、前記二次元マーカの前記三次元配向方向または前記三次元位置を認識し、前記三次元配向方向または前記三次元位置を要素としてクラスタリング統計処理を実施し、計算されたクラスタ中央値からの距離が第五の閾値より小さいかどうかを判断基準とする、クラスタリング判定部をさらに含む、
ことを特徴とする、請求項2に記載の二次元マーカ認識装置。 - 前記誤認識抑制部における、前記複数画像判定部において、
複数の前記領域画像を、設置位置または設置方向の異なる複数の前記カメラ装置から取得し、複数の前記カメラ装置の前記設置位置と前記設置方向から計算される、絶対座標系における、前記二次元マーカの三次元配向姿勢、および前記三次元位置が同一であることから、前記二次元マーカに対応する複数の前記領域画像が同一の前記二次元マーカに対応するものであると判定する、
ことを特徴とする、請求項3に記載の二次元マーカ認識装置。 - 前記誤認識抑制部における、前記複数画像判定部における複数の前記領域画像として、
一つの前記領域画像に対してガウシアンノイズを加える、ローパスフィルタをかける方法を含む任意の画像生成方法によって別画像を生成し、画像判定のための複数の前記領域画像に加える、
ことを特徴とする、請求項4に記載の二次元マーカ認識装置。 - 前記誤認識抑制部における前記姿勢判定部および、前記位置判定部において、
前記二次元マーカの前記三次元配向方向および前記三次元位置を、前記カメラ装置からの相対的な量として、Perspective-N-Point法を含む任意の位置推定方法によって推定する、
ことを特徴とする、請求項4に記載の二次元マーカ認識装置。 - 前記誤認識抑制部における、前記第一の閾値、前記第二の閾値、前記第三の閾値、前記第四の閾値、および前記第五の閾値、および前記カメラ装置のカメラ方向、配向姿勢、倍率、照度を含む設定値を、内部値として有する学習エージェントを含み、
前記誤認識抑制部において、前記判定部によって誤認識とされた前記領域画像の数と、実際には前記二次元マーカであって、前記二次元マーカ認識部によって前記二次元マーカと認識されなかった前記領域画像の数との差または比率を、学習における報酬値とするものであり、
前記学習エージェントは、強化学習として、前記内部値の組み合わせに対して、前記報酬値を大きくすることを条件とする学習を行う二次元マーカ認識装置学習環境において一定期間の学習を行い、
前記一定期間の学習後、学習されたエージェントを学習済エージェントとし、前記学習済エージェントは前記内部値を有して、前記二次元マーカ認識装置の運用環境として動作させる、
ことを特徴とする、請求項4に記載の二次元マーカ認識装置。 - カメラ装置から画像を取得する画像取得部と、
前記画像から、周囲単体色領域と特徴量表示領域から構成されており矩形である領域画像を、二次元マーカである可能性があると認識する二次元マーカ認識部と、を有する二次元マーカ認識装置における二次元マーカ認識方法であって、
前記二次元マーカ認識部において、前記二次元マーカではない前記領域画像を、前記二次元マーカである可能性があると認識する誤認識を、特定の判定部によって抑制する、
ことを特徴とする、二次元マーカ認識方法。 - カメラ装置から画像を取得する画像取得部と、
前記画像から、周囲単体色領域と特徴量表示領域から構成されており矩形である領域画像を、二次元マーカである可能性があると認識する二次元マーカ認識部と、を有する二次元マーカ認識装置にインストールされるコンピュータプログラムであって、
前記二次元マーカ認識部内に、前記二次元マーカではない前記領域画像を、前記領域画像が前記二次元マーカである可能性があると認識する誤認識を、特定の判定部によって抑制する手段を含む、
ことを特徴とする、二次元マーカ認識プログラム。 - カメラ装置から画像を取得する画像取得部と、
前記画像から、周囲単体色領域と特徴量表示領域から構成されており矩形である領域画像を、二次元マーカである可能性があると認識する二次元マーカ認識部と、を有する二次元マーカ認識装置を有する二次元マーカ認識システムであり、
前記二次元マーカ認識装置の前記二次元マーカ認識部内に、前記二次元マーカではない前記領域画像を、前記領域画像が前記二次元マーカである可能性があると認識する誤認識を、特定の判定部によって抑制する、誤認識抑制部を有する、
ことを特徴とする、二次元マーカ認識システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020057566A JP7448281B2 (ja) | 2020-03-27 | 2020-03-27 | 二次元マーカの認識装置、方法、プログラム及びシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020057566A JP7448281B2 (ja) | 2020-03-27 | 2020-03-27 | 二次元マーカの認識装置、方法、プログラム及びシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021157537A JP2021157537A (ja) | 2021-10-07 |
JP7448281B2 true JP7448281B2 (ja) | 2024-03-12 |
Family
ID=77918527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020057566A Active JP7448281B2 (ja) | 2020-03-27 | 2020-03-27 | 二次元マーカの認識装置、方法、プログラム及びシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7448281B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7443938B2 (ja) | 2020-06-01 | 2024-03-06 | コニカミノルタ株式会社 | 物品の認識方法、プログラム、および情報処理装置 |
CN114861695B (zh) * | 2022-05-17 | 2023-03-28 | 南京听说科技有限公司 | 一种基于ArUco的智答码识别方法、智慧教室*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000306036A (ja) | 1999-04-19 | 2000-11-02 | Keyence Corp | 光学読み取り装置、及び光学読み取り方法、並びに光学読み取りシステム |
JP2007310675A (ja) | 2006-05-18 | 2007-11-29 | Sharp Corp | Qrコード認識装置、qrコード認識装置の制御方法、qrコード認識装置制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP2015225014A (ja) | 2014-05-29 | 2015-12-14 | 日本電信電話株式会社 | 位置推定装置、位置推定方法、およびプログラム |
JP2019185121A (ja) | 2018-04-02 | 2019-10-24 | キヤノン株式会社 | 学習装置、学習方法及びプログラム |
US20190347458A1 (en) | 2016-08-24 | 2019-11-14 | Nec Corporation | Information processing apparatus, control method, and program |
-
2020
- 2020-03-27 JP JP2020057566A patent/JP7448281B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000306036A (ja) | 1999-04-19 | 2000-11-02 | Keyence Corp | 光学読み取り装置、及び光学読み取り方法、並びに光学読み取りシステム |
JP2007310675A (ja) | 2006-05-18 | 2007-11-29 | Sharp Corp | Qrコード認識装置、qrコード認識装置の制御方法、qrコード認識装置制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP2015225014A (ja) | 2014-05-29 | 2015-12-14 | 日本電信電話株式会社 | 位置推定装置、位置推定方法、およびプログラム |
US20190347458A1 (en) | 2016-08-24 | 2019-11-14 | Nec Corporation | Information processing apparatus, control method, and program |
JP2019185121A (ja) | 2018-04-02 | 2019-10-24 | キヤノン株式会社 | 学習装置、学習方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021157537A (ja) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11818303B2 (en) | Content-based object detection, 3D reconstruction, and data extraction from digital images | |
Xiong et al. | A critical review of image registration methods | |
JP7448281B2 (ja) | 二次元マーカの認識装置、方法、プログラム及びシステム | |
JP2017516204A (ja) | 美的要素を備える機械読み取り可能な光学式コードの生成および復号化 | |
CN108038826B (zh) | 透视变形的搁架图像的校正方法和装置 | |
CA3149576A1 (en) | Image analysis | |
Bagherinia et al. | Robust real-time detection of multi-color markers on a cell phone | |
US9256792B2 (en) | Image processing apparatus, image processing method, and program | |
CN111160169A (zh) | 人脸检测方法、装置、设备及计算机可读存储介质 | |
CN110991201B (zh) | 条码检测方法及相关装置 | |
Jung et al. | Object Detection and Tracking‐Based Camera Calibration for Normalized Human Height Estimation | |
Zhang et al. | Fine localization and distortion resistant detection of multi-class barcode in complex environments | |
US9858481B2 (en) | Identifying consumer products in images | |
Klimek et al. | QR code detection using parallel lines | |
JP2020507831A (ja) | 長距離高密度視覚マーカの検出および認識方法 | |
CN115619791A (zh) | 一种物品陈列检测方法、装置、设备及可读存储介质 | |
CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 | |
Lopez-Rincon et al. | Binary Large Object‐Based Approach for QR Code Detection in Uncontrolled Environments | |
CN117195928B (zh) | 一种基于深度学习的条码定位检测方法 | |
Zhang et al. | Fine detection and classification of multi-class barcode in complex environments | |
WO2014020820A1 (ja) | 符号読取装置および符号読取方法 | |
Kang et al. | An automatic airborne image mosaicing method based on the SIFT feature matching | |
US11501511B2 (en) | Method for optical recognition of markers | |
Volkov et al. | Objects description and extraction by the use of straight line segments in digital images | |
KR102248885B1 (ko) | 복수의 2차원 코드 인식 및 정보 표시 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230202 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240222 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7448281 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |