公开(公告)号：CN113536895A

公开(公告)日：2021-10-22

申请号：CN202110592226.5

申请日：2021-05-28

Applicant: 立得空间信息技术股份有限公司

Inventor： 郭晟 ,  蔡振东 ,  周华磊 ,  张文俊

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种圆盘指针表计识别方法。包括：步骤1、巡检机器人移动至预制点位，实时采集当前表计图像。步骤2、通过采集图像与模板中对应的图像进行特征匹配，计算出两幅图像的像素偏移差；根据在当前焦距下，像素差于调整角度之间的关系，计算出横向与纵向的调节角度，再反馈给机器人对云台进行相应的控制调节。步骤3、根据采集到表计图像与对应的模板之间的特征点进行匹配，然后通过对应的匹配点，在获取计算出变换矩阵，对采集图像进行变换后，将图像中的圆盘通过霍夫变换拟合成圆形。步骤4、将圆盘图像展开至长条矩形图像并输入指针识别模型，计算出指针数值。本发明能够适用于各种圆盘指针表计，具有普适性。

公开(公告)号：CN113095309B

公开(公告)日：2021-09-14

申请号：CN202110645435.1

申请日：2021-06-10

Applicant: 立得空间信息技术股份有限公司

Inventor： 郭晟 ,  王若曦 ,  蔡振东 ,  张文俊 ,  项俊平

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/44 ,  G06K9/46 ,  G06K9/62 ,  G06T7/73 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于点云的道路场景地面标识物的提取方法。首先将激光点云数据分段，分割出地面点云，接着按预设的分辨率将点云转换成图像，对图像进行目标检测与分类，得到地面标识物的位置和类别，然后利用卷积神经网络提取地面标识物的关键点，用标准的路面标识物关键点与提取出的关键点做尺度、方向和位置匹配，最后根据匹配结果将标准的路面标识物转换到地图坐标系。相比现有方法需要对提取结果进行进一步处理才能在高精度地图中使用，本发明在提取的过程中加入关键点提取和关键点匹配两步，使得最终的提取成果能直接输入高精度地图中，提高了生产效率；提取过程使用深度学习的方法，普适性好，可以处理不同激光设备的数据。

公开(公告)号：CN113095309A

公开(公告)日：2021-07-09

申请号：CN202110645435.1

申请日：2021-06-10

Applicant: 立得空间信息技术股份有限公司

Inventor： 郭晟 ,  王若曦 ,  蔡振东 ,  张文俊 ,  项俊平

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/44 ,  G06K9/46 ,  G06K9/62 ,  G06T7/73 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于点云的道路场景地面标识物的提取方法。首先将激光点云数据分段，分割出地面点云，接着按预设的分辨率将点云转换成图像，对图像进行目标检测与分类，得到地面标识物的位置和类别，然后利用卷积神经网络提取地面标识物的关键点，用标准的路面标识物关键点与提取出的关键点做尺度、方向和位置匹配，最后根据匹配结果将标准的路面标识物转换到地图坐标系。相比现有方法需要对提取结果进行进一步处理才能在高精度地图中使用，本发明在提取的过程中加入关键点提取和关键点匹配两步，使得最终的提取成果能直接输入高精度地图中，提高了生产效率；提取过程使用深度学习的方法，普适性好，可以处理不同激光设备的数据。