CN102254353B - 一种三维模型的特征描述方法 - Google Patents
一种三维模型的特征描述方法 Download PDFInfo
- Publication number
- CN102254353B CN102254353B CN201110156763.1A CN201110156763A CN102254353B CN 102254353 B CN102254353 B CN 102254353B CN 201110156763 A CN201110156763 A CN 201110156763A CN 102254353 B CN102254353 B CN 102254353B
- Authority
- CN
- China
- Prior art keywords
- grid
- sampling
- supporting zone
- sampled
- radius
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000008878 coupling Effects 0.000 description 9
- 238000010168 coupling process Methods 0.000 description 9
- 238000005859 coupling reaction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004040 coloring Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000011438 discrete method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维模型的特征描述方法,对通过曲率提取的特征点进行特征描述。该方法在三维网格顶点的切平面上均匀采样,借助于概率统计的思想,在采样平面内生成一系列反映采样点梯度分布的概率统计数据并用直方图表示,基于梯度直方图计算用于特征描述的特征描述符。所述的特征描述方法包括以下步骤:预处理、选取支撑区域、建立局部坐标系、圆盘采样、计算梯度直方图和生成特征描述符。该方法的输入是三维网格和一系列用坐标位置表示的特征点,输出则是用128维特征向量表示的特征描述符。
Description
技术领域
本发明涉及计算机三维图形的处理方法,特别是一种具有较强区分力的三维模型特征描述方法。
背景技术
随着三维扫描建模和多视点三维重建技术的不断发展,三维模型的特征描述和特征匹配已经成为计算机视觉领域研究的基本问题和热点问题并且有着广泛的应用,例如扫描配准、模型注册、动画跟踪、对称检测和模型检索等。
传统的特征描述方法通常是基于模型的几何或者颜色信息建立局部的特征描述符,从而使得特征描述具有平移、旋转和缩放的不变性。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种特征描述方法。
技术方案:本发明公开了一种三维模型的特征描述方法,包括以下步骤:
步骤1,预处理:在特征描述之前加入预处理环节的目的,一方面是为了避免重复计算从而提高处理的效率,另一方面是为后续步骤提供必要的数据支持。
步骤2,选取支撑区域:支撑区域即特征点周围的有效邻域,有效邻域内的顶点信息将直接参与特征描述符的生成过程,而有效邻域外的顶点信息将不会对特征描述符的生成产生影响。
步骤3,建立局部坐标系:为了保证特征描述具有平移和旋转不变性,通常的方法是以特征点为原点建立一个只依赖于局部的三维坐标系。
步骤4,圆盘采样:三维网格的采样频率和拓扑关系的变化在一定程度上会影响特征描述的准确性,这是由于任何离散的表示方法都是对连续变化量的近似逼近,而不同的离散表示之间存在着天然的误差。为了克服三维网格这种不同于二维图像的非规则性,这里考虑采用重采样的方法对特征点的支撑区域进行规则采样,以实现采样点的均匀分布以及固定的拓扑关系,从而提高特征描述的准确性。
步骤5,计算梯度直方图:基于圆盘采样所获得的采样点和采样值计算梯度直方图。
步骤6,生成特征描述符:联结8×16的梯度直方图生成128维的特征向量并对特征向量进行规范化,规范化后的特征向量即为特征描述符。
本发明中,所述步骤1具体包括以下步骤:
步骤11,计算三维网格顶点的邻域信息:邻域信息是指三维网格顶点的一环邻域,包括一环邻域的顶点信息和面信息,即与顶点直接相邻的顶点和面。
步骤12,计算三维网格顶点的法线信息:法线信息是指三维网格顶点的法线方向。
步骤13,计算三维网格的表面积:表面积为三维网格上所有面的面积和。
步骤14,计算三维网格的平均边长:平均边长为三维网格上所有边的长度和再求平均。
本发明中,所述步骤2具体包括以下步骤:
步骤21,确定支撑区域的半径:如果支撑区域是圆形拓扑并且支撑区域的面积为三维网格表面积的1%,即可利用表面积计算支撑区域的半径大小。
步骤22,以环为单位表示支撑区域的半径:以特征点为中心三维网格呈现环状发射分布,利用半径和平均边长的比值把支撑区域的的大小转换为环的数量。
本发明中,所述步骤3具体包括以下步骤:
步骤31,确定第一坐标轴:特征点的法线方向。
步骤32,确定第二坐标轴:特征点在切平面内的梯度方向。
步骤33,确定第三坐标轴:第一坐标轴与第二坐标轴的叉积方向。
本发明中,所述步骤4具体包括以下步骤:
步骤41,确定圆盘采样的半径:圆盘采样的半径等于支撑区域的半径大小。
步骤42,确定采样点的位置:采样点位于特征点的切平面上且均匀分布于圆盘的半径范围内,沿径向共8圈,每圈32个采样点。
步骤43,计算采样值:采样值为采样点到三维网格表面的垂直有符号距离。
本发明中,所述步骤5具体包括以下步骤:
步骤51,计算采样点的梯度:基于采样点的相邻采样值计算梯度的大小及方向。
步骤52,划分扇区:8×32的圆盘采样区域被人为的分成了内外两环,每环各8个扇区,每个扇区内包含4×4个采样点。
步骤53,计算梯度子直方图:对于每个扇区,计算一个8维的梯度子直方图,总共有16个梯度子直方图。
由于大多数特征描述算法是基于三维模型的顶点直接进行计算,因此三维模型的采样质量一直以来是困扰特征描述的一个关键问题。实验数据表明,对于同一物体的不同采样模型,在同一位置的特征描述符可能因为采样质量的差异而表现的各不相同,这就为接下来的特征匹配带来了一定的困难,甚至无法生成正确的对应关系。圆盘采样特征描述的提出就是为了解决这一难题,其核心思想是在特征点的支撑区域内进行圆盘拓扑的均匀采样并将采样值用于计算特征描述符。这样做虽然无法从根本上解决采样质量对特征描述的影响,但是在一定程度上降低了特征描述对于采样质量的依赖性。
有益效果:本发明的显著优点是特征描述能够满足欧式空间的仿射不变性和非均匀采样鲁棒性,并且不同特征点的特征描述符具有较强的区分力。具体而言,仿射不变性是指特征描述对于平移、旋转和缩放操作具有不变性,这一性质是通过建立局部三维坐标系来实现的。事实上,该特征描述方法对于平移、旋转和均匀缩放操作具有绝对的不变性,而对于非均匀的缩放操作则具有相对的不变性。非均匀采样鲁棒性是指特征描述对于不同采样频率的三维模型具有一定的稳定性,这一性质是通过圆盘采样来实现的。较强的区分力是指特征描述能够准确的反映不同特征点的不同特征,具有不同特征的特征点所对应的特征描述也应该迥然不同,而具有相似特征的特征点所对应的特征描述则是相似的,这一性质是通过计算梯度直方图来实现的。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明方法的基本流程图。
图2为一环邻域的顶点信息和面信息示意图。
图3为以特征点为中心呈现发射分布的环的示意图。
图4为三维局部坐标系的示意图。
图5为圆盘采样的示意图。
图6为梯度子直方图的示意图。
具体实施方式:
具体地说,如图1所示,本发明公开了一种特征描述方法,包括以下步骤:
步骤1,预处理:在特征描述之前加入预处理环节的目的,一方面是为了避免重复计算从而提高处理的效率,另一方面是为后续步骤提供必要的数据支持。
步骤2,选取支撑区域:支撑区域即特征点周围的有效邻域,有效邻域内的顶点信息将直接参与特征描述符的生成过程,而有效邻域外的顶点信息将不会对特征描述符的生成产生影响。
步骤3,建立局部坐标系:为了保证特征描述具有平移和旋转不变性,通常的方法是以特征点为原点建立一个只依赖于局部的三维坐标系。
步骤4,圆盘采样:三维网格的采样频率和拓扑关系的变化在一定程度上会影响特征描述的准确性,这是由于任何离散的表示方法都是对连续变化量的近似逼近,而不同的离散表示之间存在着天然的误差。为了克服三维网格这种不同于二维图像的非规则性,这里考虑采用重采样的方法对特征点的支撑区域进行规则采样,以实现采样点的均匀分布以及固定的拓扑关系,从而提高特征描述的准确性。
步骤5,计算梯度直方图:基于圆盘采样所获得的采样点和采样值计算梯度直方图。
步骤6,生成特征描述符:联结8×16的梯度直方图生成128维的特征向量并对特征向量进行规范化,规范化后的特征向量即为特征描述符。
所述步骤1具体包括以下步骤:
步骤11,计算三维网格顶点V的邻域信息:邻域信息是指三维网格顶点的一环邻域,包括一环邻域的顶点信息和面信息,即与顶点V直接相邻的顶点和面。如图2所示,V1~V7表示一环邻域的顶点,F1~F7表示一环邻域的面。
步骤12,计算三维网格顶点的法线信息:法线信息是指三维网格顶点的法线方向。
步骤13,计算三维网格的表面积:表面积为三维网格上所有面的面积和。
步骤14,计算三维网格的平均边长:平均边长为三维网格上所有边的长度和再求平均。
所述步骤2具体包括以下步骤:
步骤21,确定支撑区域的半径:如果支撑区域是圆形拓扑并且支撑区域的面积为三维网格表面积的1%,即可利用表面积计算支撑区域的半径大小。
步骤22,以环为单位表示支撑区域的半径:以特征点为中心三维网格呈现环状发射分布。如图3所示,R1~R6分别表示第1环到第6环。利用半径和平均边长的比值把支撑区域的的大小转换为环的数量。
所述步骤3具体包括以下步骤,如图4所示:
步骤31,确定第一坐标轴I:特征点的法线方向。
步骤32,确定第二坐标轴II:特征点在切平面内的梯度方向。
步骤33,确定第三坐标轴I×II:第一坐标轴与第二坐标轴的叉积方向。
所述步骤4具体包括以下步骤:
步骤41,确定圆盘采样的半径:圆盘采样的半径等于支撑区域的半径大小。
步骤42,确定采样点的位置:采样点位于特征点的切平面上且均匀分布于圆盘的半径范围内,沿径向共8圈,每圈32个采样点。如图5所示,以径向4圈,每圈32个采样点为例,直线表示特征点到采样点的径向方向。
步骤43,计算采样值:采样值为采样点到三维网格表面的垂直有符号距离。
所述步骤5具体包括以下步骤:
步骤51,计算采样点的梯度:基于采样点的相邻采样值计算梯度的大小及方向。
步骤52,划分扇区:8×32的圆盘采样区域被人为的分成了内外两环,每环各8个扇区,每个扇区内包含4×4个采样点。
步骤53,计算梯度子直方图:对于每个扇区,计算一个8维的梯度子直方图,总共有16个梯度子直方图。如图6所示,以内环8个8维的梯度子直方图为例,粗线表示划分扇区的起始位置。
实施例:
基于特征描述符间的欧氏距离,可以方便的度量特征点的相似性,从而建立特征点之间的对应关系。这一过程被称之为特征匹配,特征匹配是衡量特征描述结果有效性的重要方法之一。给定两个三维网格模型M1、M2,假设M1上检测出n1个特征点,对应的特征描述符为M2上检测出n2个特征点,对应的特征描述符为对于每个M1上的特征描述符基于欧氏距离即可在M2上寻找最佳匹配的特征描述符为了得到准确而稳定的特征匹配效果,本发明采用了次佳反馈和交叉验证的实现方法。所谓次佳反馈是指,在进行特征匹配时不是简单的寻找欧氏距离最小的特征描述符组合,而是同时考虑最小匹配和次小匹配两方面因素,目的是保证匹配的特征点的确是明显的匹配,即最小欧氏距离明显的小于次小欧氏距离。实际中我们以最小匹配和次小匹配之间的比值作为衡量标准,设定合适的阈值γ进行划分(γ=0.8),只将小于阈值γ的特征匹配认为是合法。所谓交叉验证是指,我们不仅确定与匹配的特征描述符是同时保证与匹配的特征描述符的确是这实际上是一个双向匹配的过程。表1和表2给出了运用本发明的方法进行特征匹配测试的结果,其中表1是针对异采样频率和拓扑关系的刚性特征匹配,而表2则是针对同采样频率和拓扑关系的非刚性特征匹配。用于测试的硬件环境是Intel Pentium(R)Dual2.2GHz处理器和2G内存,软件环境是Visual Studio2005和Window XP。本发明用C++语言实现了所提出的方法。测试模型来源于三维扫描建模和互联网上的公开免费模型。
表1:
表2:
模型1 | 模型2 | |
顶点 | 7061 | 7061 |
面 | 14118 | 14118 |
特征点 | 246 | 251 |
匹配特征点 | 83 |
正确匹配特征点 | 74 |
匹配率 | 33.4% |
正确率 | 89.1% |
本发明采用了基于局部几何信息的方法而不依赖于其它额外的颜色信息,因此该方法具有更强的通用性和一般性。同时,本发明还在一定程度上借鉴了基于统计直方图的尺度不变特征变换(SIFT)特征描述思想,并将其从二维图像上推广到三维网格。由于三维网格顶点一般不具有二维图像像素的规则分布,而基于梯度统计的方法往往过分依赖于三维网格的质量,甚至要求理想的均匀采样,所以此类方法通常具有一定的局限性。本发明创新性的采用了基于圆盘采样的方法,在继承了尺度不变特征变换(SIFT)仿射不变和强区分力优点的同时也提高了对三维模型非均匀采样的鲁棒性。
本发明提供了一种特征描述方法的思路及方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (3)
1.一种计算机三维模型检索中三维模型的特征描述方法,其特征在于,包括以下步骤:
步骤1,预处理;
步骤2,选取支撑区域:支撑区域即特征点周围的有效邻域;
步骤3,建立局部坐标系:以特征点为原点建立一个只依赖于局部的三维坐标系;
步骤4,圆盘采样:采用重采样的方法对特征点的支撑区域进行规则采样,以实现采样点的均匀分布和规则拓扑;
步骤5,计算梯度直方图:基于圆盘采样所获得的采样点和采样值计算梯度直方图;
步骤6,生成特征描述符:联结8×16的梯度直方图生成128维的特征向量并对特征向量进行规范化,规范化后的特征向量即为特征描述符;
所述步骤1预处理包括以下步骤:
步骤11,计算三维网格顶点的邻域信息:邻域信息是指三维网格顶点的一环邻域,包括一环邻域的顶点信息和面信息,即与顶点直接相邻的顶点和面;
步骤12,计算三维网格顶点的法线信息:法线信息是指三维网格顶点的法线方向;
步骤13,计算三维网格的表面积:表面积为三维网格上所有面的面积和;
步骤14,计算三维网格的平均边长:平均边长为三维网格上所有边的长度和再求平均;
所述步骤2包括以下步骤:
步骤21,确定支撑区域的半径:如果支撑区域是圆形拓扑并且支撑区域的面积为三维网格表面积的1%,则利用表面积计算支撑区域的半径大小;
步骤22,以环为单位表示支撑区域的半径:以特征点为中心三维网格呈现环状发射分布,利用半径和平均边长的比值把支撑区域的大小转换为环的数量;
所述步骤4包括以下步骤:
步骤41,确定圆盘采样的半径:圆盘采样的半径等于支撑区域的半径大小;
步骤42,确定采样点的位置:采样点位于特征点的切平面上且均匀分布于圆盘的半径范围内,沿径向共8圈,每圈32个采样点;
步骤43,计算采样值:采样值为采样点到三维网格表面的垂直有符号距离;
所述步骤5包括以下步骤:
步骤51,计算采样点的梯度:基于采样点的相邻采样值计算梯度的大小及方向;
步骤52,划分扇区:8×32的圆盘采样区域被人为的分成了内外两环,每环各8个扇区,每个扇区内包含4×4个采样点;
步骤53,计算梯度子直方图:对于每个扇区,计算一个8维的梯度子直方图,总共有16个梯度子直方图。
2.根据权利要求1所述的一种计算机三维模型检索中三维模型的特征描述方法,其特征在于,所述步骤3包括以下步骤:
步骤31,确定第一坐标轴为特征点的法线方向;
步骤32,确定第二坐标轴为特征点在切平面内的梯度方向;
步骤33,确定第三坐标轴为第一坐标轴与第二坐标轴的叉积方向。
3.根据权利要求1所述的一种计算机三维模型检索中三维模型的特征描述方法,其特征在于,使用梯度直方图对三维模型的特征点进行描述,得到三维模型所有特征点的特征描述符。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110156763.1A CN102254353B (zh) | 2011-06-10 | 2011-06-10 | 一种三维模型的特征描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110156763.1A CN102254353B (zh) | 2011-06-10 | 2011-06-10 | 一种三维模型的特征描述方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102254353A CN102254353A (zh) | 2011-11-23 |
CN102254353B true CN102254353B (zh) | 2013-07-31 |
Family
ID=44981594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110156763.1A Expired - Fee Related CN102254353B (zh) | 2011-06-10 | 2011-06-10 | 一种三维模型的特征描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102254353B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521874B (zh) * | 2011-11-24 | 2014-03-12 | 黑龙江科技学院 | 一种基于图像重建三维数据的法线重采样方法 |
US9141731B2 (en) * | 2012-06-21 | 2015-09-22 | Siemens Product Lifecycle Management Software Inc. | Symmetry of discovered geometric relationships in a three dimensional model |
CN103065353B (zh) * | 2012-12-22 | 2015-09-09 | 中国科学院深圳先进技术研究院 | 三维模型特征提取方法和系统、三维模型检索方法和系统 |
CN105894561B (zh) * | 2016-03-30 | 2018-07-10 | 中国科学院计算技术研究所 | 一种离散曲面上基于曲率分布的颜色映射方法及系统 |
CN108280485B (zh) * | 2018-02-01 | 2020-12-01 | 北京科技大学 | 一种基于谱图小波描述子的非刚性三维模型检索方法 |
CN111859488B (zh) * | 2020-07-27 | 2024-03-29 | 深圳市纵维立方科技有限公司 | 支撑结构生成方法、装置、电子设备以及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937453A (zh) * | 2010-08-27 | 2011-01-05 | 南京大学 | 一种基于加权拓扑约束比较的三维模型检索方法 |
CN102063719A (zh) * | 2010-12-23 | 2011-05-18 | 西北工业大学 | 一种三维模型局部匹配方法 |
-
2011
- 2011-06-10 CN CN201110156763.1A patent/CN102254353B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937453A (zh) * | 2010-08-27 | 2011-01-05 | 南京大学 | 一种基于加权拓扑约束比较的三维模型检索方法 |
CN102063719A (zh) * | 2010-12-23 | 2011-05-18 | 西北工业大学 | 一种三维模型局部匹配方法 |
Non-Patent Citations (4)
Title |
---|
Guo YanWen et al.Mesh-guided optimized retexturing for image and video.《IEEE Transactions on Visualization and Computer Graphics》.2008,第14卷(第2期),426-439. |
Mesh-guided optimized retexturing for image and video;Guo YanWen et al;《IEEE Transactions on Visualization and Computer Graphics》;20081231;第14卷(第2期);426-439 * |
三维曲面的特征描述和特征匹配;郭凯等;《微计算机信息》;20110815;第27卷(第8期);171-174 * |
郭凯等.三维曲面的特征描述和特征匹配.《微计算机信息》.2011,第27卷(第8期),171-174. |
Also Published As
Publication number | Publication date |
---|---|
CN102254353A (zh) | 2011-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102254353B (zh) | 一种三维模型的特征描述方法 | |
KR102125959B1 (ko) | 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치 | |
CN108389250B (zh) | 基于点云数据快速生成建筑物断面图的方法 | |
CN110111375B (zh) | 一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置 | |
CN101727452B (zh) | 图像处理方法和设备 | |
KR20210057907A (ko) | 딥러닝 기반 지능형 엔지니어링 도면 생성방법 및 장치 | |
US11760397B2 (en) | Method for extracting and analyzing spatial information of control and protection zone of rail transit with multiple threshold constraints | |
CN105654483A (zh) | 三维点云全自动配准方法 | |
Liao et al. | Point set registration for 3D range scans using fuzzy cluster-based metric and efficient global optimization | |
CN104680585A (zh) | 物料堆三维重建系统及方法 | |
CN114676522B (zh) | 融合gan和迁移学习的气动形状优化设计方法及系统及设备 | |
Cao et al. | Parallel K nearest neighbor matching for 3D reconstruction | |
CN103065321B (zh) | 一种图像特征点匹配模块的面向对象系统框架建立方法 | |
Jia et al. | Characteristic mapping for ellipse detection acceleration | |
CN109712174A (zh) | 一种复杂异形曲面机器人三维测量的点云误配准滤除方法及系统 | |
Cao et al. | Stable image matching for 3D reconstruction in outdoor | |
Gu et al. | Multi-scaled license plate detection based on the label-moveable maximal MSER clique | |
CN105373795A (zh) | 二进制图像特征提取方法及系统 | |
WO2023169496A1 (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
Ran et al. | Normal estimation algorithm for point cloud using KD-Tree | |
TWM641579U (zh) | 資料核對系統 | |
Wang et al. | Monocular 3d object detection based on pseudo-lidar point cloud for autonomous vehicles | |
CN114581013A (zh) | 基于非结构化区块链特征的物理可信溯源仓储管理装置 | |
CN117495932B (zh) | 一种电力设备异源点云配准方法及系统 | |
Guiming et al. | Internet of things control mechanism based on controlled object information perception and multimode image signal processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130731 Termination date: 20160610 |
|
CF01 | Termination of patent right due to non-payment of annual fee |