CN107092908B - 一种基于列车转向架上的平面压印字符自动识别方法 - Google Patents
一种基于列车转向架上的平面压印字符自动识别方法 Download PDFInfo
- Publication number
- CN107092908B CN107092908B CN201710439795.XA CN201710439795A CN107092908B CN 107092908 B CN107092908 B CN 107092908B CN 201710439795 A CN201710439795 A CN 201710439795A CN 107092908 B CN107092908 B CN 107092908B
- Authority
- CN
- China
- Prior art keywords
- character image
- character
- rod
- plane
- module
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06V10/443—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 by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种基于列车转向架上的平面压印字符自动识别方法。本发明解决其技术问题所采用的技术方案是:2个相同的LED灯分别安装在2个相同的活塞杆的旋转支座上,当2个LED灯同时照射到列车转向架平面压印字符区域时,在字符背景区域产生的反射光线不能有效的进入CMOS工业摄像机,只有部分漫反射光线进入CMOS工业摄像机,同时,由于平面压印字符存在高度差,由字符高度产生的反射光线正好进入CMOS工业摄像机,从而在CMOS工业摄像机中提高了字符轮廓与字符背景轮廓的对比度,形成字符图像;CMOS工业摄像机采集到此字符图像信号后传输到工控机中处理,工控机处理完成后再将字符图像信号传输到LED显示屏中显示出来。
Description
技术领域
本发明涉及一种基于列车转向架上的平面压印字符自动识别方法。
背景技术
列车转向架上的字符是一种压印字符,长期以来,工作人员在对此类字符识别时都采用人工识别,即一边用人眼观察,一边用笔登记。这种人工识别方法不仅效率低,而且很容易识别出错误字符。
列车转向架上的压印字符是一种凹凸字符,它具有以下特点:字符是上凸或下凹的,是一种立体字符;压印字符材质与背景材质相同,没有色差;压印字符通过反光差成像;字符的尺寸普遍较小。显然目前已有的字符识别方法并不能对列车转向架上的压印字符进行有效地识别,有必要研发更为科学、精确并且快捷自动的识别方法,着重解决以下几个问题:
(1)自动性:能够对列车转向架上的平面压印字符进行自动识别,排除由于人工识别带来的误差。
(2)准确性:能够对列车转向架上的平面压印字符进行准确地识别。
(3)易用性:操作简单,字符显示界面直观。
发明内容
为了克服现有技术的不足,本发明提供了一种基于列车转向架上的平面压印字符自动识别方法,该识别方法能够精确的识别出列车转向架上的平面压印字符。
本发明解决其技术问题所采用的技术方案是:为了克服现有列车转向架平面压印字符人工识别带来的误差,本发明依据的原理是2个相同的LED灯分别安装在2个相同的活塞杆的旋转支座上,当2个LED灯同时照射到列车转向架平面压印字符区域时,在字符背景区域产生的反射光线不能有效的进入CMOS工业摄像机,只有部分漫反射光线进入CMOS工业摄像机,同时,由于平面压印字符存在高度差,由字符高度产生的反射光线正好进入CMOS工业摄像机,从而在CMOS工业摄像机中提高了字符轮廓与字符背景轮廓的对比度,形成字符图像;CMOS工业摄像机采集到此字符图像信号后传输到工控机中处理,工控机处理完成后再将字符图像信号传输到LED显示屏中显示出来。
与现有技术相比,本发明的有益效果是:
(1)可以现场实时的高效率连续对列车转向架上的平面压印字符进行有效的自动识别,排除由于人工识别引起的误差。
(2)本发明与现有技术的最大不同之处在于采用了2个LED灯产生低角度的照明方式,使得摄像机采集到的平面压印字符轮廓与字符背景轮廓对比度大,最终识别出的字符图像更加逼真。
(3)本发明识别原理简单、效率高,显示界面直观易于观察。
附图说明
本发明的结构示意图如图1,图2所示。
附图标记:CMOS工业摄像机[1]、壳体[2]、列车转向架上的平面压印字符[3]、LED灯[4]、旋转支座[5]、活塞杆[6]、杆件本体[7]、旋转按钮[8]、螺钉[9]、支撑杆[10]、手柄[11]、LED显示屏[12]、装有字符图像处理软件的工控机[13]、PCI插槽[14]、图像采集卡[15]。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明:
如图1,图2所示,本发明包括CMOS工业摄像机[1]、壳体[2]、2个LED灯[4]、2个杆件结构、支撑杆[10]、LED显示屏[12]、装有字符图像处理软件的工控机[13]、图像采集卡[15]。
实施例1、一种基于列车转向架上的平面压印字符自动识别方法,该识别方法由字符识别仪实现,该字符识别仪由CMOS工业摄像机[1]、壳体[2]、2个LED灯[4]、2个杆件结构、支撑杆[10]、LED显示屏[12]、装有字符图像处理软件的工控机[13]、图像采集卡[15]组成;其中,2个LED灯分别安装在2个相同的杆件结构上,2个杆件结构关于壳体中心对称分布;杆件结构与壳体通过螺钉[9]连接,支撑杆的一端固定在壳体上,另一端用于与杆件本体[7]连接,用于支撑杆件结构;壳体上设有2个对称的手柄[11],壳体内部安装CMOS工业摄像机,壳体端部与LED显示屏连接。
实施例2、一种基于列车转向架上的平面压印字符自动识别方法,其中:杆件结构包括旋转支座[5]、活塞杆[6]、杆件本体[7]、旋转按钮[8],杆件本体内设有液压结构,通过控制旋转按钮的旋转,可以控制杆件本体内液压结构的变化,进而控制活塞杆的伸出和缩进;旋转支座用于安装LED灯,可以实现LED灯在活塞杆中心所在平面内的旋转,旋转角度在0°到180°之间,使LED灯与字符背景平面间夹角是可变倾斜角,该倾斜角度在20°至45°之间;2个杆件结构设置的目的是使2个LED灯能够在列车转向架上的平面压印字符处产生低角度的照明方式,这种照明方式产生的入射光与字符背景区域之间的入射角度较小,使得字符背景区域产生的反射光不能有效的进入CMOS工业摄像机[1]成像,只有部分漫反射光进入CMOS工业摄像机,而由于列车转向架上的平面压印字符与字符背景区域存在高度差,当LED灯发出的低角度光线照射到字符上时,由高度差产生的反射光进入CMOS工业摄像机的光线会更多,由此,在CMOS工业摄像机中成像时将会提高字符区域与字符背景区域的对比度,最终能够获取到更加逼真的列车转向架上的压印平面字符图像。
实施例3、一种基于列车转向架上的平面压印字符自动识别方法,其中:2个LED灯内部均含有可充电电池,当电池的电量耗尽时,LED灯的亮度将变暗,此时可以将LED灯从L型活塞杆的旋转支座上拆卸,并进行充电。
实施例4、一种基于列车转向架上的平面压印字符自动识别方法,其中:CMOS工业摄像机[1]内部设有无线发射模块,该CMOS工业摄像机设置的目的是拍摄列车转向架平面压印字符图像,再通过无线发射模块将CMOS工业摄像机采集到的字符图像信号传输到无线接收模块中。
实施例5、一种基于列车转向架上的平面压印字符自动识别方法,其中:工控机[13]内部设有无线接收模块,其作用是接收无线发射模块发出的字符图像信号。图像采集卡[15]安装在工控机的PCI插槽[14]中,其功能是采集到由无线接收模块接收到的列车转向架平面压印字符图像信息,并且以数字图像的形式输入到工控机中进行字符图像的处理。
实施例6、一种基于列车转向架上的平面压印字符自动识别方法,其中:工控机包括七大字符图像处理模块,分别是字符图像增强模块、字符图像分割模块、字符图像倾斜校正模块、字符图像切分模块、字符图像归一化模块、字符图像特征提取模块、字符图像识别模块。工控机接收到图像采集卡[15]输出的字符图像信号后,将字符图像信号依次输入到这些模块中进行处理。
字符图像增强模块采用灰度变换增强的方法使字符图像的对比度扩展,图像更加清晰。将输入字符图像中的每一个像素(x,y)的灰度值f(x,y)通过映射函数T,转变成灰度值为g(x,y)输出,即:
g(x,y)=T[f(x,y)]
假定f(x,y)的灰度值范围大部分在区间[a,b],而希望g(x,y)的灰度值扩展到[c,d],M为原始图像中的最大灰度值,则可采用以下公式来实现:
字符图像分割模块是先采用Canny算子边缘提取再进行二值化的方法。
由于字符边缘部分集中了字符图像的大部分信息,所以有必要采用基于Canny算子边缘提取的方法对字符图像进行处理。Canny算子边缘提取的基本原理是:
梯度方向θ[i,j]=arctan(Py[i,j]/Px[i,j])
其中Px[i,j]=(I[i,j+1]-I[i,j]+I[i+1,j+1]-I[i+1,j])/2
Py[i,j]=(I[i,j]-I[i+1,j]+I[i,j+1]-I[i+1,j+1])/2。
步骤3:对梯度幅值进行非极大值抑制,即细化梯度幅值图。
步骤4:通过对梯度幅值进行非极大值抑制后,采用梯度直方图分类的子图像采用高、低2个阈值,凡是大于高阈值的一定是字符边缘,凡是小于低阈值的一定不是字符边缘。如果检测到结果在这两个阈值之间,则要看这个像素的邻像素有没有超过高阈值的边缘像素,若有,则它就是边缘,否则不是。
字符的二值化方法是先用Canny边缘检测算子检测获得图像的边缘特征,然后根据边缘像素点的空间位置关系,实现不同像素点的二值化处理。如果图像点是边界像素点,则采用局部阈值法来确定阈值,如果图像点是非边界像素点,则用迭代法确定出最佳全局阈值法来进行二值化处理。
字符图像倾斜校正模块首先采用Radon变换进行水平倾斜校正,主要步骤包括:(1)使用Canny算子对图像进行边缘检测,运用Radon变换对边缘检测以后的图像在0°到180°上投影,计算得到投影后的非零值相加达到最大值时的角度θ;(2)依据Radon变换原理,用90°减去θ得到水平倾斜角,以θ为旋转角,以图像中心点为原点对图像进行水平旋转。再使用快速Radon变换法对字符图像进行垂直倾斜角检测,得到θ1和θ2。若|θ1-θ2|<T,则并用θ对字符进行垂直校正;若|θ1-θ2|>T,则采用旋转投影法进行垂直倾斜角检测并对字符图像进行垂直校正,并最后得到校正后的图像。
字符图像切分模块采用基于最大方差的单字符切分方法,由于受到字符笔画起伏的影响,字符区域梯度值的变化要比背景区域明显大好多,利用图像的梯度特征对压印字符区域先进行切分,再进行列切分。行切分的步骤是先采用梯度算子G=[1 0 1]求图像在水平方向的梯度图像,计算梯度图每行的方差,并对方差进行阈值化处理,通过阈值化结果得到各行的边界,从而实现了行切分;列切分是采用竖直梯度算子G=[1 0 1]T求图像在竖值方向上的梯度图像,再计算梯度图每一列的方差,并对方差进行阈值化处理,通过阀值化结果得到各列的边界,从而实现了列切分。
字符图像归一化模块采用基于双线性插值的方法进行压印字符归一化处理,双线性插值中g(x0,y0)的灰度值采用(m,n)邻近的四个网络点(i+1,j+1)、(i,j+1)、(i+1,j)、(i,j)的灰度值按照下面的公式决定:g(x0,y0)=f(i,j)(1-a)(1-b)+f(i,j+1)b(1-a)+f(i+1,j)a(1-b)+f(i+1,j+1)ab式中,i,j是非负整数,a=m-i,b=n-j。
字符图像特征提取模块是利用Gabor滤波器基于灰度图像对压印字符进行特征提取方法,首先Gabor滤波器提取字符的局部笔画特征,其目的是为了建立一种不变Gabor特征。若i(x,y)表示字符的初始图像,I(x,y)表示经过Gabor滤波器处理后输出的图像,则
字符图像识别模块采用三层BP神经网络方法进行识别,它包括输入层、隐层和输出层;输入向量为X=(x1,x2,x3,,…xr)T,隐层输出向量为O=(o1,o2…oc)T,对于输出层,有ok=f(netk),netk=∑wjkoj,其中,k=1,2,3,,…c;j=1,2,3,,…,c;对于隐层,有ok=f(netj),netj=∑vijxi,其中,k=1,2,3,,…c;i=1,2,3,…,j=1,2,3,,…,s;变换函数或是且f(x)具有连续、可导的特点。
实施例7、一种基于列车转向架上的平面压印字符自动识别方法,其中:工控机设有无线发射模块2,该模块能将经过处理后的字符图像信号传输到无线接收模块2中。
实施例8、一种基于列车转向架上的平面压印字符自动识别方法,其中:所述LED显示屏[12]设有无线接收模块2,能够接收无线发射模块2发射出的字符图像信号,并且在LED显示屏上显示出来。
本发明的工作方法如下:
在对列车转向架上的平面压印字符识别前,要做好准备工作,操作人员首先将CMOS工业摄像机的前端对准列车转向架上的平面压印字符[3],并保持适当距离(30~50cm),然后向下旋转旋转按钮,使杆件本体内液压变大,活塞杆向外伸出,再调节旋转支座,使LED灯与字符背景平面成低角度,一般为20°至45°之间。打开2个LED灯,CMOS工业摄机获取到金属零件平面压印字符产生的反射光线后,先通过内部光电转化系统转化为电子图像,再通过A/D转化器转换成数字图像信号,CMOS工业摄机内部设有无线发射模块,数字图像信号由无线发射模块发射到无线接收模块中。无线接收模块设置在工控机中,图像采集卡安装在工控机的PCI插槽中,当无线接收模块接收到字符图像信号后,图像采集卡将采集字符图像信息,并输入到工控机中进行字符图像处理。处理完成后由工控机内部无线发射模块2将经过处理后的字符图像信号传输到无线接收模块2中,无线接收模块2设置在LED显示屏中,最终通过LED显示屏将字符图像信息显示出来。
本发明通用性广,对列车转向架上的平面压印字符能够自动、快速识别。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改造,或未经改进直接应用于其它场合的,均在本发明的保护范围之内。
Claims (2)
1.一种基于列车转向架上的平面压印字符自动识别方法,该识别方法由字符识别仪实现,该字符识别仪由CMOS工业摄像机[1]、壳体[2]、2个LED灯[4]、2个杆件结构、支撑杆[10]、LED显示屏[12]、装有字符图像处理软件的工控机[13]、图像采集卡[15]组成;其中,2个LED灯分别安装在2个相同的杆件结构上,2个杆件结构关于壳体中心对称分布;杆件结构与壳体通过螺钉[9]连接,支撑杆的一端固定在壳体上,另一端用于与杆件本体[7]连接,用于支撑杆件结构;壳体上设有2个对称的手柄[11],壳体内部安装CMOS工业摄像机,壳体端部与LED显示屏连接;
CMOS工业摄像机[1]内部设有无线发射模块,该CMOS工业摄像机拍摄列车转向架平面压印字符图像,再通过无线发射模块将CMOS工业摄像机采集到的字符图像信号输入到工控机[13]中,工控机[13]包括七大字符图像处理模块,分别是字符图像增强模块、字符图像分割模块、字符图像倾斜校正模块、字符图像切分模块、字符图像归一化模块、字符图像特征提取模块、字符图像识别模块,工控机接收到图像采集卡[15]输出的字符图像信号后,将字符图像信号依次输入到这些模块中进行处理,处理完成后传输到LED显示屏[12]中显示出来。
2.根据权利要求1所述的一种基于列车转向架上的平面压印字符自动识别方法,其特征在于:杆件结构包括旋转支座[5]、活塞杆[6]、杆件本体[7]、旋转按钮[8],杆件本体内设有液压结构,通过控制旋转按钮的旋转,可以控制杆件本体内液压结构的变化,进而控制活塞杆的伸出和缩进;旋转支座用于安装LED灯,可以实现LED灯在活塞杆中心所在平面内的旋转,使LED灯与字符背景平面间夹角是可变倾斜角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710439795.XA CN107092908B (zh) | 2017-06-12 | 2017-06-12 | 一种基于列车转向架上的平面压印字符自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710439795.XA CN107092908B (zh) | 2017-06-12 | 2017-06-12 | 一种基于列车转向架上的平面压印字符自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107092908A CN107092908A (zh) | 2017-08-25 |
| CN107092908B true CN107092908B (zh) | 2020-01-07 |
Family
ID=59640658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710439795.XA Expired - Fee Related CN107092908B (zh) | 2017-06-12 | 2017-06-12 | 一种基于列车转向架上的平面压印字符自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107092908B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070678B (zh) * | 2020-08-10 | 2023-04-11 | 华东交通大学 | 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统 |
| CN117523543B (zh) * | 2024-01-08 | 2024-03-19 | 成都大学 | 一种基于深度学习的金属压印字符识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663386A (zh) * | 2012-03-27 | 2012-09-12 | 江南大学 | 机械轴承环形分布压印字符的在线检测方法 |
| CN203760430U (zh) * | 2013-11-22 | 2014-08-06 | 中航(重庆)微电子有限公司 | 晶圆刻号自动识别系统 |
| CN204256752U (zh) * | 2014-11-28 | 2015-04-08 | 北京中远通科技有限公司 | 一种立体标识字符自动识别装置 |
| CN207051928U (zh) * | 2017-06-12 | 2018-02-27 | 华东交通大学 | 一种基于列车转向架上的平面压印字符自动识别装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8942420B2 (en) * | 2012-10-18 | 2015-01-27 | Qualcomm Incorporated | Detecting embossed characters on form factor |
-
2017
- 2017-06-12 CN CN201710439795.XA patent/CN107092908B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663386A (zh) * | 2012-03-27 | 2012-09-12 | 江南大学 | 机械轴承环形分布压印字符的在线检测方法 |
| CN203760430U (zh) * | 2013-11-22 | 2014-08-06 | 中航(重庆)微电子有限公司 | 晶圆刻号自动识别系统 |
| CN204256752U (zh) * | 2014-11-28 | 2015-04-08 | 北京中远通科技有限公司 | 一种立体标识字符自动识别装置 |
| CN207051928U (zh) * | 2017-06-12 | 2018-02-27 | 华东交通大学 | 一种基于列车转向架上的平面压印字符自动识别装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107092908A (zh) | 2017-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6125188B2 (ja) | 映像処理方法及び装置 | |
| CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
| CN110991266B (zh) | 一种双目人脸活体检测方法及装置 | |
| US20200225030A1 (en) | Handheld large-scale three-dimensional measurement scanner system simultaneously having photogrammetric and three-dimensional scanning functions | |
| CN102971768B (zh) | 姿势状态估计装置及姿势状态估计方法 | |
| WO2022121039A1 (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
| WO2019120011A1 (zh) | 一种目标检测方法及装置 | |
| CN103514437B (zh) | 一种三维手势识别装置及三维手势识别方法 | |
| CN112232109A (zh) | 一种活体人脸检测方法及系统 | |
| CN106650665A (zh) | 人脸跟踪方法及装置 | |
| CN102855626B (zh) | 光源方向标定及人体信息三维采集方法与装置 | |
| CN104715238A (zh) | 一种基于多特征融合的行人检测方法 | |
| CN111127384A (zh) | 基于偏振成像的强反射工件视觉测量方法 | |
| CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
| CN102842034A (zh) | 一种激光扫描与自动识别雕刻字符的装置及识别方法 | |
| CN108197521A (zh) | 一种多相位二维码获取识别装置及方法 | |
| CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| CN206905709U (zh) | 手持式大尺度三维测量扫描仪 | |
| CN101661623B (zh) | 基于线性规划的变形体三维跟踪方法 | |
| CN109461206A (zh) | 一种多目立体视觉的人脸三维重建装置及方法 | |
| CN117522803A (zh) | 基于双目视觉和目标检测的桥梁部件精确定位方法 | |
| CN107092908B (zh) | 一种基于列车转向架上的平面压印字符自动识别方法 | |
| CN110141208A (zh) | 一种动态静态图像相结合的血流成像系统和方法 | |
| CN106934349B (zh) | 双摄像头成像及虹膜采集识别一体化设备 | |
| CN207051928U (zh) | 一种基于列车转向架上的平面压印字符自动识别装置 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200107 Termination date: 20200612 |