一种基于图像卷积的无人机图像拼接方法

    公开(公告)号:CN114066733A

    公开(公告)日:2022-02-18

    申请号:CN202111386540.4

    申请日:2021-11-22

    Abstract: 一种基于图像卷积的无人机图像拼接方法,包括:采用图像卷积算法将无人机采集到的每张原始图像的像素值进行调整,获得对应的特征增强图像;将所有特征增强图像按照采集时间戳排序,构建图像拼接网络,并选取每2张时间相邻的特征增强图像输入图像拼接网络,处理流程如下:检测输入2张图像的重叠区域,从重叠区域中提取特征点,并确定匹配点,然后根据匹配点的图像坐标,计算获得2张图像之间的投影矩阵,并据此拼接成1张图;从图像拼接网络输出的所有拼接图中按顺序逐一选取每2张拼接图,并继续输入网络中,直至所有图像最终合成1张图。本发明属于信息技术领域,能有效解决无人机采集图像拼接过程中由于图像特征稀少而无法拼接的技术问题。

    一种AI智能检测中的平面标定和三维重建方法

    公开(公告)号:CN112634375A

    公开(公告)日:2021-04-09

    申请号:CN202011514288.6

    申请日:2020-12-21

    Abstract: 一种AI智能检测中的平面标定和三维重建方法,包括:采用平板标定法标定相机内参和畸变系数;将标定板放置于测量平台上若干位置,从标定板上选取多个特征点,并计算每个特征点外参,然后采用图优化方法,根据每个位置的标定板上的所有特征点的三维坐标、二维坐标、特征点外参,计算每个标定板的外参,最后继续采用图优化方法,根据所有标定板上的所有特征点的三维坐标、二维坐标、特征点所在位置的标定板的外参,计算相机外参;将待重建三维坐标的物体放置于测量平台上,获取物体上特征点的二维坐标,然后根据相机内参、相机外参,计算特征点的三维坐标。本发明属于信息技术领域,能基于现有AI智能检测中的单目相机来计算物体的三维坐标信息。

    一种基于3D视觉的AI智能物体识别方法

    公开(公告)号:CN113850195A

    公开(公告)日:2021-12-28

    申请号:CN202111135049.4

    申请日:2021-09-27

    Abstract: 一种基于3D视觉的AI智能物体识别方法,包括:建立虚拟三维坐标系,以三维坐标系原点为中心、对称放置3个鱼眼相机,每个鱼眼相机前设置一个棋盘格标定板;从每个棋盘格标定板上选取若干角点作为特征点,获取特征点的三维坐标,并通过角点检测算法获得二维坐标,然后采用PNP算法,计算每个鱼眼相机从三维到二维空间的转换关系:旋转矩阵和平移矩阵;通过鱼眼相机的内参、旋转矩阵和平移矩阵,获得每个相机图像和三维空间的对应关系,然后将3个鱼眼相机采集图像拼接成3D视觉图像;构建并训练一个3D视觉图像识别网络,输入3D视觉图像,并将识别出的物体显示在图像上。本发明属于信息技术领域,能获得360度视场范围的场景图像,并准确识别场景中物体。

    一种自动测量基站天线参数的方法和系统

    公开(公告)号:CN111551150A

    公开(公告)日:2020-08-18

    申请号:CN202010296882.6

    申请日:2020-04-15

    Abstract: 一种自动测量基站天线参数的方法和系统,包括:飞行采集装置以基站抱杆为圆点飞行一周,并将采集的视频流传给天线参数测量装置;天线参数测量装置将视频流输入目标跟踪分析模型,输出跟踪到的所有天线目标信息;继续将每个天线目标的天线目标信息输入目标截图筛选模型,输出由每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成的一个目标截图序列;再将每个天线目标的目标截图序列中的每张目标截图输入至目标轮廓拟合模型,并输出每张目标截图中天线目标的轮廓信息;根据每个天线目标的目标截图序列中的所有目标截图及轮廓信息,计算每个天线目标的参数。本发明属于信息技术领域,能有效提高自动测量精度,并避免外部干扰。

    一种图像中圆的检测方法

    公开(公告)号:CN111445511A

    公开(公告)日:2020-07-24

    申请号:CN202010212037.6

    申请日:2020-03-24

    Abstract: 一种图像中圆的检测方法,包括:将图像转为灰度图;提取灰度图的边缘点,生成第一边缘轮廓图;对第一边缘轮廓图进行形态学闭运算和腐蚀运算,获得第二边缘轮廓图;提取第二边缘轮廓图中的边缘点,生成第三边缘轮廓图;计算第三边缘轮廓图中的每条边缘轮廓的最小外接矩形的宽高比和轮廓程度值,当值均在阈值范围内时,将其写入边缘轮廓组;将边缘轮廓组中的所有边缘轮廓拟合成圆,并计算拟合圆心坐标和半径;构建边缘点组,计算灰度图中的每个边缘点和拟合圆心距离,当距离和拟合圆半径误差在n个像素内时,将其写入边缘点组;将边缘点组中的边缘点拟合成最终的圆。本发明属于图像处理领域,能有效提高对复杂纹理环境下圆的检测准确度。

    一种基于线阵相机的印刷品图案走位缺陷检测方法

    公开(公告)号:CN115631134A

    公开(公告)日:2023-01-20

    申请号:CN202211144124.8

    申请日:2022-09-20

    Abstract: 一种基于线阵相机的印刷品图案走位缺陷检测方法,包括:标定工业线阵相机;将标准模板样品放置于运动平台上,采集模板图像,选取2个检测区域,计算检测区域的顶点和中心点的三维坐标,并计算2个检测区域的空间距离;将待检测样品放置于运动平台上,采集待检图像,然后在待检图像上找到与模板图像的2个检测区域分别对应的待检区域,计算待检区域的顶点和中心点的三维坐标,并计算2个待检区域的空间距离;判断待检图像2个待检区域的空间距离与模板图像2个检测区域的空间距离的差值是否小于阈值,如果是,则待检测样品是良品;如果否,则待检测样品是不良品。本发明涉及机器视觉领域,能基于现有二维检测硬件实现印刷品图案走位缺陷检测。

    一种图像中圆的检测方法

    公开(公告)号:CN111445511B

    公开(公告)日:2022-08-05

    申请号:CN202010212037.6

    申请日:2020-03-24

    Abstract: 一种图像中圆的检测方法,包括:将图像转为灰度图;提取灰度图的边缘点,生成第一边缘轮廓图;对第一边缘轮廓图进行形态学闭运算和腐蚀运算,获得第二边缘轮廓图;提取第二边缘轮廓图中的边缘点,生成第三边缘轮廓图;计算第三边缘轮廓图中的每条边缘轮廓的最小外接矩形的宽高比和轮廓程度值,当值均在阈值范围内时,将其写入边缘轮廓组;将边缘轮廓组中的所有边缘轮廓拟合成圆,并计算拟合圆心坐标和半径;构建边缘点组,计算灰度图中的每个边缘点和拟合圆心距离,当距离和拟合圆半径误差在n个像素内时,将其写入边缘点组;将边缘点组中的边缘点拟合成最终的圆。本发明属于图像处理领域,能有效提高对复杂纹理环境下圆的检测准确度。

    一种自动测量基站天线参数的方法和系统

    公开(公告)号:CN111551150B

    公开(公告)日:2022-04-15

    申请号:CN202010296882.6

    申请日:2020-04-15

    Abstract: 一种自动测量基站天线参数的方法和系统,包括:飞行采集装置以基站抱杆为圆点飞行一周,并将采集的视频流传给天线参数测量装置;天线参数测量装置将视频流输入目标跟踪分析模型,输出跟踪到的所有天线目标信息;继续将每个天线目标的天线目标信息输入目标截图筛选模型,输出由每个天线目标在正侧面‑>正面‑>正侧面这一过程的所有目标截图所构成的一个目标截图序列;再将每个天线目标的目标截图序列中的每张目标截图输入至目标轮廓拟合模型,并输出每张目标截图中天线目标的轮廓信息;根据每个天线目标的目标截图序列中的所有目标截图及轮廓信息,计算每个天线目标的参数。本发明属于信息技术领域,能有效提高自动测量精度,并避免外部干扰。

    一种AI智能检测中的平面标定和三维重建方法

    公开(公告)号:CN112634375B

    公开(公告)日:2022-08-05

    申请号:CN202011514288.6

    申请日:2020-12-21

    Abstract: 一种AI智能检测中的平面标定和三维重建方法,包括:采用平板标定法标定相机内参和畸变系数;将标定板放置于测量平台上若干位置,从标定板上选取多个特征点,并计算每个特征点外参,然后采用图优化方法,根据每个位置的标定板上的所有特征点的三维坐标、二维坐标、特征点外参,计算每个标定板的外参,最后继续采用图优化方法,根据所有标定板上的所有特征点的三维坐标、二维坐标、特征点所在位置的标定板的外参,计算相机外参;将待重建三维坐标的物体放置于测量平台上,获取物体上特征点的二维坐标,然后根据相机内参、相机外参,计算特征点的三维坐标。本发明属于信息技术领域,能基于现有AI智能检测中的单目相机来计算物体的三维坐标信息。

    一种图像中直线的检测方法

    公开(公告)号:CN111445510A

    公开(公告)日:2020-07-24

    申请号:CN202010211840.8

    申请日:2020-03-24

    Abstract: 一种图像中直线的检测方法,包括:将图像ROI子图转为灰度图;计算ROI子图中每个像素点在x、y方向的梯度值,构成梯度矩阵dx、dy;计算梯度方向角矩阵da;提取ROI子图中的所有边缘点;从梯度方向角矩阵da中提取所有边缘点的梯度方向角,构成梯度方向数组arrAngs;将角度区间[0,360]以n为间隔平均分割成若干子区间,然后将arrAngs中每个边缘点的梯度方向角划分至对应子区间内,统计每个子区间的边缘点的梯度方向角数量,最后读取数量最大的子区间的所有边缘点;将读取的所有边缘点拟合成一条直线。本发明属于图像处理领域,能在具有复杂纹理背景的图像ROI区域里,高效准确的检测出长度最长的目标直线。

Patent Agency Ranking