-
公开(公告)号：CN109900205A
公开(公告)日：2019-06-18
申请号：CN201910129475.3
申请日：2019-02-21
Applicant: 武汉大学
Abstract: 本发明提出了一种高精度的单线激光器和光学相机的快速标定方法，首先安装激光器和相机，将相机和单线激光器固定在同一个测量装置上，然后在房间中布设摄影测量控制场，得到控制点的准确坐标值，之后将测量装置放置在摄影测量控制场中采集一组有效数据，包括相机影像数据和激光距离数据，接下来根据相机影像数据标定相机的位置和姿态，紧接着根据激光距离数据标定激光的位置和姿态，最后将控制场坐标系作为中介得到单线激光器和相机的外参值。与传统的标定方法相比，该方法不仅能简化标定流程，显著减少观测次数，而且能够取得足够高的精度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN105513127B
公开(公告)日：2018-01-26
申请号：CN201511000640.3
申请日：2015-12-25
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明涉及一种基于密度峰值聚类的杆状物规则化三维建模方法及系统，包括针对车载激光雷达所获取原始的点云数据，进行体素重采样，去除离群点，将场景点云进行格网化分割，对各网格分别通过高程直通滤波去除地面点和高层建筑点，然后向三维坐标系的三个坐标平面分别投影；对各网格采用基于密度峰值和距离属性的聚类方式分别在三个投影平面中进行聚类；用规则的空间立方体包围盒对对同一类的点云限定其空间范围，根据先验知识对空间立方体包围盒内的杆状物进行提取，得到杆状物特征参数；进行建模，还原杆状物。本发明可以对绝大部分环境下的杆状物做到快速、高效、准确的提取，并与数字城市集成，实现数字城市中的杆状物精细化和真实化建模。
-
公开(公告)号：CN107516077A
公开(公告)日：2017-12-26
申请号：CN201710708286.2
申请日：2017-08-17
Applicant: 武汉大学
CPC classification number: G06K9/00818 , G06K9/3241 , G06K9/342 , G06K9/6267 , G06T7/30 , G06T2207/10004 , G06T2207/10028
Abstract: 本发明涉及一种基于激光点云和相机影像数据融合的交通标牌信息提取方法，包括以下步骤：步骤1，对原始激光点云数据进行预处理，提取交通标牌区域的点云；步骤2，计算出步骤1中提取的每个点云平面的坐标中心点，再依据车载CCD相机拍摄时的所记录的GPS定位数据，获取中心点坐标范围内的所有CCD相片序列集；步骤3，对CCD相片与交通标牌区域点云进行配准；步骤4，对CCD相片进行分析，包括颜色分割、形状检测、特征选择、识别分类，从而实现交通标牌信息的精确提取。本发明充分利用移动测量车获取的点云数据和影像数据的优势，能够更加精确和快速的确定交通标牌的位置。
-
公开(公告)号：CN104331693B
公开(公告)日：2017-06-27
申请号：CN201410586819.0
申请日：2014-10-28
Applicant: 武汉大学
Abstract: 一种印刷品对称性检测方法及系统，包括实时图像预处理，确定影像中纸边位置，确定标识区域边际到纸边的距离以及标识区域的宽度，确定左上和右下标识特征整周期开始位置，然后对左右两侧感兴趣区域进行对称性分析，包括计算对称性测度和对称性缺陷判断。本发明提供套印产品的实时检测方案，特点之一是快速，能够达到实时处理的效果，另一特点是鲁棒性强。基于以上两个特点，在实际生产过程中，运用本发明可以进行实时检测，及时筛选出不合格品，提高检测效率和经济效益。
-
公开(公告)号：CN103455985B
公开(公告)日：2016-09-14
申请号：CN201310396120.3
申请日：2013-09-03
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种基于Hessian结构分析的道路裂缝增强方法，包括对路面图像进行预处理，得到待进行道路裂缝增强的原始图像；分析Hessian结构特征，包括得到原始图像上每一像素点的Hessian结构；对原始图像的不同结构目标进行特征分析，包括求出原始图像上每一像素点对应的Hessian结构的特征值和特征向量；裂缝增强，包括对原始图像增强裂缝目标的亮度，减弱背景目标和伪裂缝目标的亮度，得到增强图像；对增强图像进行形态学分析处理，消除裂缝边缘的毛刺和孤立的噪声点，输出最终的增强图像。
-
公开(公告)号：CN103440657B
公开(公告)日：2015-11-04
申请号：CN201310380168.5
申请日：2013-08-27
Applicant: 武汉大学
Abstract: 一种在线道路裂缝筛查方法，包括图像预处理，针对每一行数据对于不同尺度分别建立移动的目标窗口并计算灰度落差均值，取最大值为移动的目标窗口的当前像素灰度落差值，最大值对应的尺度为裂缝的最佳宽度；选取种子点，分别在纵向上以灰度落差值最大为准则进行增长，增长结束后，获取该种子点所在裂缝的最小外接矩形的长度L和宽度W；若各裂缝最小外接矩形中，存在某最小外接矩形的长度L大于预设阈值Lmin，且L/W的值大于预设阈值Bmin，则判断存在裂缝，结束流程，否则将图像旋转90度，重复进行检测，若仍不存在裂缝，则结束流程。本发明可以达到实时处理的效果，也可以进行并行计算，显著的提高速度，同时可靠性强。
-
-
-
-
-
Search Results
66
records
(took 0.032 seconds)
