基于TO F深度相机的物体体积测量
通过手机后置的TO F深度相机，得到当前场景的点云数据；
根据点云的几何信息（平面的法向量，深度的连续性，点均值和标准差以及均方误差），对点云进行分割，得到当前场景的地面和物体；
根据几何信息（点到点的距离、点于点之间的角度）提取物体的边缘，通过对物体边缘的拟合，得到物体的长和宽 根据物体表面到地面的距离求得物体的古「司广又“·
根据深度相机和c or相机的位姿估计，实现点云和RGB图像的对应，把得到的三维物体的bounding box在RGB图像上显示；
在目前所有的移动测量设备中，保持最高的精度以及多场景的适应性，目前的设备已经实现了数万台的销售。

基于深度学习的图纸识别
识别网络架构图上的各种图标以及图标对应的文字。
主要分为两部分：图标识另刂和文字识别
1 ·图标识另刂
通过手机拍摄一张网络架构图像
根据Select Search得到物体的候选区域；
使用一个二分类器对候选区域进行是否是物体的分类；
如果候选区域是物体，然后使用《nception一\/3对物体进行分类；根据分类器的结果得到图标的位置和类另刂；
2 ·文字识别
根据输入的图像，得到文字区域的轮廓；根据Tesseract-OCR识别区域的文字；输出每一个区域所对应的文字；
以上实现了对图纸上的图标以及文字的识别。

基于双目视觉的障碍物避免自由空间的计算

由双目相机输入数据：分别为左右相机（帧同步）的图像；
根据双目相机的标定信息进行图像的校正，便于后续的立体匹配的计算；
根据立体匹配算法（SG M），计算视差图像；
根据视差和相机的标定参数计算出当前场景的三维点云；
根据平面道路模型和U一V视差，计算出道路与物体的边界；
根据得到的边界信息，可以实现平面道路的拟合以及物体到车量的几何信息（方向和距离），根据车辆和前面障碍物的几何信息，从而实现碰撞的避免。

基于双目视觉的障碍物检测
障碍物检测
一台双目相机设备
对输入的图像进行校正，根据b丨0b和角点滤波提取当前图像的特征点，根据so b《e滤波计算提取特征点的描述符；对当前帧和上一帧提取的特征进行一致性检测，确保匹配的精确性，便于位姿估计的精确性；根据匹配的特征和视差，由标定参数计算出匹配特征的三维坐标；
由得到的匹配的特征点以及三维坐标，根据视觉里程算法估计出车辆的运动信息（速率） 根据车辆的运动信息可以扌巴特征点分类为静态和动态；根据静态的特征点估计出道路平面；
根据动态特征点信息，把具有相似运动信息的特征点描述为一个运动的物体；由Ka丨ma n滤实现对每一个运动物体的跟踪；
通过对运动物体的跟踪，可以估计出每一个运动物体的几何信息（速率，方向，运动轨迹）研究生论文发表情况
韩丽，徐建国，等· Laplacian多特征映射的三维模型形状分析卩] ·计算机辅助设计与图形学学报，201 5，27（1 1）：2142 一2148
算法描述：
1、 以几何特征（测地线距离、角距离、空间体积距离）为权值，以三角面片为结点，建立三维模型的邻接矩阵
2、 由高斯核函数建立模型的相似度矩阵 3、建立规范化拉普拉斯矩阵
4、 求矩阵的特征值以及对应的特征向量
5、 根据本征间隙确定聚类的数目
6、 根据K一mea n s实现三维模型的分割