图像识别设备、方法和机器人设备

    公开(公告)号:CN1698067A

    公开(公告)日:2005-11-16

    申请号:CN200480000409.8

    申请日:2004-04-22

    CPC classification number: G06K9/6212 G06K9/4609 G06K9/6211 G06T7/73

    Abstract: 在图像识别设备(1)中,特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性,并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数,并输出由此仿射变换参数确定的模型姿态。

    图像识别设备、方法和机器人设备

    公开(公告)号:CN101159020A

    公开(公告)日:2008-04-09

    申请号:CN200710138345.3

    申请日:2004-04-22

    CPC classification number: G06K9/6212 G06K9/4609 G06K9/6211 G06T7/73

    Abstract: 本发明涉及一种图像识别设备、图像识别方法和机器人设备。在图像识别设备(1)中,特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性,并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数,并输出由此仿射变换参数确定的模型姿态。

    图像处理系统、学习设备及方法和程序

    公开(公告)号:CN101138007A

    公开(公告)日:2008-03-05

    申请号:CN200580049018.X

    申请日:2005-12-26

    CPC classification number: G06K9/00288 G06K9/6211 G06K9/623 G06T7/00

    Abstract: 提供了图像处理系统、学习设备和方法,以及能够简单提取在识别过程中所用的特性量的程序。从学习模型图像中提取特性点。根据特性点提取特性量。在学习模型字典注册单元(23)中注册特性量。相似地,从包含学习模型图像中所包含的模型对象的学习输入图像中提取特性点。根据该特性点提取特性量。将特性量与在学习模型注册单元(23)中注册的特性量进行比较。作为比较的结果,在模型字典注册单元(12)中注册已变成一对最频繁的特性量作为用于识别处理的特性量。本发明可应用于机器人。

    图像识别设备、方法和机器人设备

    公开(公告)号:CN100365662C

    公开(公告)日:2008-01-30

    申请号:CN200480000409.8

    申请日:2004-04-22

    CPC classification number: G06K9/6212 G06K9/4609 G06K9/6211 G06T7/73

    Abstract: 在图像识别设备(1)中,特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性,并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数,并输出由此仿射变换参数确定的模型姿态。

    图像处理系统、学习设备及方法

    公开(公告)号:CN101138007B

    公开(公告)日:2010-12-08

    申请号:CN200580049018.X

    申请日:2005-12-26

    CPC classification number: G06K9/00288 G06K9/6211 G06K9/623 G06T7/00

    Abstract: 提供了图像处理系统、学习设备和方法,以及能够简单提取在识别过程中所用的特性量的程序。从学习模型图像中提取特性点。根据特性点提取特性量。在学习模型字典注册单元(23)中注册特性量。相似地,从包含学习模型图像中所包含的模型对象的学习输入图像中提取特性点。根据该特性点提取特性量。将特性量与在学习模型注册单元(23)中注册的特性量进行比较。作为比较的结果,在模型字典注册单元(12)中注册已变成一对最频繁的特性量作为用于识别处理的特性量。本发明可应用于机器人。

    图像识别设备、方法和机器人设备

    公开(公告)号:CN100573558C

    公开(公告)日:2009-12-23

    申请号:CN200710138345.3

    申请日:2004-04-22

    CPC classification number: G06K9/6212 G06K9/4609 G06K9/6211 G06T7/73

    Abstract: 本发明涉及一种图像识别设备、图像识别方法和机器人设备。在图像识别设备(1)中,特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性,并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数,并输出由此仿射变换参数确定的模型姿态。

Patent Agency Ranking