CN103544700B - 运动植物点云数据一致性骨架提取方法及系统 - Google Patents

运动植物点云数据一致性骨架提取方法及系统 Download PDF

Info

Publication number
CN103544700B
CN103544700B CN201310474368.7A CN201310474368A CN103544700B CN 103544700 B CN103544700 B CN 103544700B CN 201310474368 A CN201310474368 A CN 201310474368A CN 103544700 B CN103544700 B CN 103544700B
Authority
CN
China
Prior art keywords
skeleton
plant
cloud data
point
concordance
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.)
Active
Application number
CN201310474368.7A
Other languages
English (en)
Other versions
CN103544700A (zh
Inventor
范晓晨
李扬彦
陈宝权
黄惠
丹尼尔·科恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201310474368.7A priority Critical patent/CN103544700B/zh
Publication of CN103544700A publication Critical patent/CN103544700A/zh
Application granted granted Critical
Publication of CN103544700B publication Critical patent/CN103544700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种运动植物点云数据一致性骨架提取方法，包括如下步骤：根据每一帧运动植物点云数据的特征值进行植物器官区分，构建每一帧运动植物点云数据对应的骨架，从而获取与整个植物运动过程相对应的序列骨架；基于上述获取的与整个植物运动过程相对应的序列骨架建立植物运动过程的一致性骨架；用户交互式修正上述植物运动过程的一致性骨架。本发明还涉及一种运动植物点云数据一致性骨架提取系统。本发明能够准确定位植物运动过程中的各种事件，对植物运动过程进行有效地分析和重建。

Description

运动植物点云数据一致性骨架提取方法及系统
技术领域
本发明涉及一种运动植物点云数据一致性骨架提取方法及系统。
背景技术
随着各种三维扫描设备的普及，真实物体点云数据的获取已经非常容易，如何通过点云数据快速重建真实世界三维模型仍然是计算机图形学的热点和难点研究问题。
植物作为自然界场景中最重要的组成部分之一，其三维模型的构建受到学术界和产业界的广泛关注，尤其是当植物在外力的作用下运动，通过高速扫描设备捕捉到运动植物的点云数据，能够反映植物运动过程的点云数据处理和建模更是一个全新的研究方向，有待世界范围内的研究人员共同努力。当获取到运动植物的点云数据之后，需要对点云数据进行处理，从而得到完整的运动植物的一致性模型。
然而，目前尚未有针对运动植物点云数据一致性骨架提取相关技术方案。
发明内容
有鉴于此，有必要提供一种运动植物点云数据一致性骨架提取方法及系统。
本发明提供一种运动植物点云数据一致性骨架提取方法，该方法包括如下步骤：a.根据每一帧运动植物点云数据的特征值进行植物器官区分，构建每一帧运动植物点云数据对应的骨架，从而获取与整个植物运动过程相对应的序列骨架；b.基于上述获取的与整个植物运动过程相对应的序列骨架建立植物运动过程的一致性骨架；c.用户交互式修正上述植物运动过程的一致性骨架。
其中，所述的步骤a采用主成分分析粗略区分运动植物点云数据中组成茎的点集和组成叶子的点集。
所述的步骤a包括：通过Delaunay将经主成分分析的运动植物点云数据D三角网格化，得到图G1；根据叶子轮廓、茎的颜色、剩下的叶子叶片的颜色的不同，去掉图G1中代表叶子轮廓和茎的点，得到图G2；从图G2中获得已经区分开的代表叶子叶片的点；根据图的连通性对已经区分开的代表叶子叶片的点及图G1进行扩展，得到代表叶子轮廓的完整叶子的点；图G1中剩余的点即代表茎。
所述一致性骨架指在序列骨架中前后骨架中的每一个结点之间是彼此对应的，同时对应于相同的真实植物的器官。
所述的步骤b包括：利用最小生成树从序列骨架中提取出具有稳定性的序列骨架，从所述稳定性的序列骨架中获取具有一致性的结点；利用植物器官的自然约束对一致性结点的种类进行判定；将判定信息转换到整个序列骨架上。
本发明提供一种运动植物点云数据一致性骨架提取系统，包括相互电性连接的植物器官区分模块、一致性骨架建立模块及交互模块，其中：所述植物器官区分模块用于根据每一帧运动植物点云数据的特征值进行植物器官区分，构建每一帧运动植物点云数据对应的骨架，从而获取与整个植物运动过程相对应的序列骨架；所述一致性骨架建立模块用于基于上述获取的与整个植物运动过程相对应的序列骨架建立植物运动过程的一致性骨架；所述交互模块用于使用户交互式修正上述植物运动过程的一致性骨架。
其中，所述植物器官区分模块用于采用主成分分析粗略区分运动植物点云数据中组成茎的点集和组成叶子的点集。
所述植物器官区分模块用于通过Delaunay将经主成分分析的运动植物点云数据D三角网格化，得到图G1；根据叶子轮廓、茎的颜色、剩下的叶子叶片的颜色的不同，去掉图G1中代表叶子轮廓和茎的点，得到图G2；从图G2中获得已经区分开的代表叶子叶片的点；根据图的连通性对已经区分开的代表叶子叶片的点及图G1进行扩展，得到代表叶子轮廓的完整叶子的点；图G1中剩余的点即代表茎。
所述一致性骨架指在序列骨架中前后骨架中的每一个结点之间是彼此对应的，同时对应于相同的真实植物的器官。
所述一致性骨架建立模块用于利用最小生成树从序列骨架中提取出具有稳定性的序列骨架，从所述稳定性的序列骨架中获取具有一致性的结点，利用植物器官的自然约束对一致性结点的种类进行判定，将判定信息转换到整个序列骨架上。
本发明所提供的运动植物点云数据一致性骨架提取方法及系统，能够对运动植物点云数据进行有效地分析：对所述运动植物点云数据进行分割，区别开植物的不同器官；根据器官分割的结果，在所述运动植物点云数据上进行跟踪检测，得到运动植物的一致性骨架；利用这个骨架能够准确定位植物运动过程中的各种事件，对植物运动过程进行有效地分析和重建。
附图说明
图1为本发明运动植物点云数据一致性骨架提取方法的流程图；
图2为本发明运动植物点云数据一致性骨架提取系统的硬件架构图。
具体实施方式
本发明主要解决如何获取运动植物点云数据的一致性骨架，通过提取精确的骨架，从而可以由此分析得到完整的运动植物的一致性模型。
下面结合附图及具体实施例对本发明作进一步详细的说明。
参阅图1所示，是本发明运动植物点云数据一致性骨架提取方法较佳实施例的作业流程图。
步骤S401，根据运动植物点云数据的特征值进行植物器官区分。具体过程如下：
本实施例利用植物的茎和叶子在几何性质上的明显不同区分植物器官。本实施例采用主成分分析（Principal Component Analysis，PCA），获取三个特征值，将所述特征值分别映射到上述运动植物点云数据的每个点对应的RGB值上，根据叶子和茎颜色的不同，粗略区分运动植物点云数据中组成茎的点集和组成叶子的点集。其中，所述PCA是一种分析和简化数据集的技术，数据由特征向量表示，每一维对应一个特征值，所述PCA可以找出对结果影响最大的特征值，从而减少数据集的维数，保持数据集中对自身方差贡献最大的特征，其方法主要是根据数据的特征向量建立协方差矩阵，然后进行特征分解，以得到数据的主成分（即特征向量）与其权值（即特征值）。
用所述PCA分析后的每一个点云数据都有三个特征值，映射到颜色上，叶子和茎有明显的区别，因此可以从整体上将叶子和茎区分开，但叶子轮廓的颜色和茎的颜色是相似的，所以区分不开，因此对经PCA分析过的运动植物点云数据进行处理：将经PCA分析过的运动植物点云数据设为D；通过Delaunay将点云数据D三角网格化，得到图G1；根据叶子轮廓、茎的颜色、剩下的叶子叶片的颜色的不同，去掉图G1中代表叶子轮廓和茎的点，得到图G2；从图G2中获得已经区分开的代表叶子叶片的点；根据图的连通性对已经区分开的代表叶子叶片的点及图G1进行扩展，得到代表叶子轮廓的完整叶子的点；图G1中剩余的点即代表茎。
经过上述处理可以有效地区分出运动植物点云数据中属于茎的点集和属于叶子的点集。根据茎和叶子区分后的运动植物点云数据，构建出一个反应植物形态的骨架。对每一帧运动植物点云数据进行茎和叶子的区分，并构建出对应的骨架，以获取与整个植物运动过程相对应的序列骨架。
步骤S402，基于上述获取的与整个植物运动过程相对应的序列骨架建立一致性骨架。所述一致性骨架是指在序列骨架中，前后骨架中的每一个结点之间是彼此对应的，同时对应于相同的真实植物的器官。具体过程如下：
由于上述获取的与整个植物运动过程相对应的序列骨架，每一帧对应的骨架是单独从对应的点云数据中提取出来的，所以从整体上不具有一致性。
根据上述获取的与整个植物运动过程相对应的序列骨架，利用最近邻搜索跟踪结点，获取稳定可靠的一致性结点。从序列骨架中，利用最小生成树提取出具有稳定性的序列骨架，从所述稳定性的序列骨架中获取具有一致性的结点。所述一致性结点只可能属于茎和叶子这两种器官，利用植物器官的自然约束判定哪些属于茎哪些属于叶子。例如，在骨架中度数为1的一致性结点必然属于叶子，而与之相连接的其他一致性结点很有可能也属于叶子，因此将几个结点合并成一个结点，这个结点则为叶子。在判定叶子结点之后，从最小生成树的根节点出发，向上遍历整个树，当遇到叶子结点之后，认为从根到这个叶子结点之间所经过的结点全部属于茎，此时可能遍历了不同的茎。通过遍历经过属于茎的结点的次数区开不同的茎：比如，直接与叶子相连的茎只会遍历一次，而中间的主干则会遍历多次。利用植物器官的自然约束对一致性结点的种类进行判定后，将判定信息转换到整个序列骨架上。经过信息转换之后，整体的序列骨架达到了一致性，也就能够从序列骨架中提取出植物运动过程的一致性骨架。
步骤S403，用户交互式修正上述植物运动过程的一致性骨架。具体而言，由于上述提取的植物运动过程的一致性骨架可能存在某些错误，需要通过少量的交互进行修正。通过用户的选择，去除某些多余的结点和相对应的边。本实施例中，以上述一致性骨架的基本结构如结点、边等作为基本几何构造，粗略地确定用户的交互操作对象，进而建立所述用户的交互操作对象与待构建的一致性骨架的对应关系。通过用户去除上述一致性骨架中多余的几何结构，最终得到精确的运动植物点云数据的一致性骨架。
参阅图2所示，是本发明运动植物点云数据一致性骨架提取系统的硬件架构图。该系统包括相互电性连接的植物器官区分模块、一致性骨架建立模块及交互模块。
所述植物器官区分模块用于根据运动植物点云数据的特征值进行植物器官区分。具体过程如下：
所述植物器官区分模块利用植物的茎和叶子在几何性质上的明显不同区分植物器官。本实施例采用主成分分析（Principal ComponentAnalysis，PCA），获取三个特征值，将所述特征值分别映射到上述运动植物点云数据的每个点对应的RGB值上，根据叶子和茎颜色的不同，粗略区分运动植物点云数据中组成茎的点集和组成叶子的点集。其中，所述PCA是一种分析和简化数据集的技术，数据由特征向量表示，每一维对应一个特征值，所述PCA可以找出对结果影响最大的特征值，从而减少数据集的维数，保持数据集中对自身方差贡献最大的特征，其方法主要是根据数据的特征向量建立协方差矩阵，然后进行特征分解，以得到数据的主成分（即特征向量）与其权值（即特征值）。
用所述PCA分析后的每一个点云数据都有三个特征值，映射到颜色上，叶子和茎有明显的区别，因此可以从整体上将叶子和茎区分开，但叶子轮廓的颜色和茎的颜色是相似的，所以区分不开，因此对经PCA分析过的运动植物点云数据进行处理：将经PCA分析过的运动植物点云数据设为D；通过Delaunay将点云数据D三角网格化，得到图G1；根据叶子轮廓、茎的颜色、剩下的叶子叶片的颜色的不同，去掉图G1中代表叶子轮廓和茎的点，得到图G2；从图G2中获得已经区分开的代表叶子叶片的点；根据图的连通性对已经区分开的代表叶子叶片的点及图G1进行扩展，得到代表叶子轮廓的完整叶子的点；图G1中剩余的点即代表茎。
经过上述处理可以有效地区分出运动植物点云数据中属于茎的点集和属于叶子的点集。根据茎和叶子区分后的运动植物点云数据，构建出一个反应植物形态的骨架。对每一帧运动植物点云数据进行茎和叶子的区分，并构建出对应的骨架，以获取与整个植物运动过程相对应的序列骨架。
所述一致性骨架建立模块用于基于上述获取的与整个植物运动过程相对应的序列骨架建立一致性骨架。所述一致性骨架是指在序列骨架中，前后骨架中的每一个结点之间是彼此对应的，同时对应于相同的真实植物的器官。具体过程如下：
由于上述获取的与整个植物运动过程相对应的序列骨架，每一帧对应的骨架是单独从对应的点云数据中提取出来的，所以从整体上不具有一致性。
所述一致性骨架建立模块根据上述获取的与整个植物运动过程相对应的序列骨架，利用最近邻搜索跟踪结点，获取稳定可靠的一致性结点。从序列骨架中，利用最小生成树提取出具有稳定性的序列骨架，从所述稳定性的序列骨架中获取具有一致性的结点。所述一致性结点只可能属于茎和叶子这两种器官，利用植物器官的自然约束判定哪些属于茎哪些属于叶子。例如，在骨架中度数为1的一致性结点必然属于叶子，而与之相连接的其他一致性结点很有可能也属于叶子，因此将几个结点合并成一个结点，这个结点则为叶子。在判定叶子结点之后，从最小生成树的根节点出发，向上遍历整个树，当遇到叶子结点之后，认为从根到这个叶子结点之间所经过的结点全部属于茎，此时可能遍历了不同的茎。通过遍历经过属于茎的结点的次数区开不同的茎：比如，直接与叶子相连的茎只会遍历一次，而中间的主干则会遍历多次。利用植物器官的自然约束对一致性结点的种类进行判定后，将判定信息转换到整个序列骨架上。经过信息转换之后，整体的序列骨架达到了一致性，也就能够从序列骨架中提取出植物运动过程的一致性骨架。
所述交互模块用于使用户能够交互式修正上述植物运动过程的一致性骨架。具体而言，由于上述提取的植物运动过程的一致性骨架可能存在某些错误，需要通过少量的交互进行修正。通过用户的选择，去除某些多余的结点和相对应的边。本实施例中，所述交互模块以上述一致性骨架的基本结构如结点、边等作为基本几何构造，粗略地确定用户的交互操作对象，进而建立所述用户的交互操作对象与待构建的一致性骨架的对应关系。通过用户去除上述一致性骨架中多余的几何结构，最终得到精确的运动植物点云数据的一致性骨架。
虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。

Claims (8)

1.一种运动植物点云数据一致性骨架提取方法，其特征在于，该方法包括如下步骤：
a.根据每一帧运动植物点云数据的特征值进行植物器官区分，构建每一帧运动植物点云数据对应的骨架，从而获取与整个植物运动过程相对应的序列骨架；
b.基于上述获取的与整个植物运动过程相对应的序列骨架建立植物运动过程的一致性骨架；
c.用户交互式修正上述植物运动过程的一致性骨架；
其中，所述的步骤a包括：通过Delaunay将经主成分分析的运动植物点云数据D三角网格化，得到图G1；根据叶子轮廓、茎的颜色、剩下的叶子叶片的颜色的不同，去掉图G1中代表叶子轮廓和茎的点，得到图G2；从图G2中获得已经区分开的代表叶子叶片的点；根据图的连通性对已经区分开的代表叶子叶片的点及图G1进行扩展，得到代表叶子轮廓的完整叶子的点；图G1中剩余的点即代表茎。
2.如权利要求1所述的方法，其特征在于，所述的步骤a采用主成分分析粗略区分运动植物点云数据中组成茎的点集和组成叶子的点集。
3.如权利要求1所述的方法，其特征在于，所述一致性骨架指在序列骨架中前后骨架中的每一个结点之间是彼此对应的，同时对应于相同的真实植物的器官。
4.如权利要求1所述的方法，其特征在于，所述的步骤b包括：利用最小生成树从序列骨架中提取出具有稳定性的序列骨架，从所述稳定性的序列骨架中获取具有一致性的结点；利用植物器官的自然约束对一致性结点的种类进行判定；将判定信息转换到整个序列骨架上。
5.一种运动植物点云数据一致性骨架提取系统，其特征在于，该系统包括相互电性连接的植物器官区分模块、一致性骨架建立模块及交互模块，其中：
所述植物器官区分模块用于根据每一帧运动植物点云数据的特征值进行植物器官区分，构建每一帧运动植物点云数据对应的骨架，从而获取与整个植物运动过程相对应的序列骨架；
所述一致性骨架建立模块用于基于上述获取的与整个植物运动过程相对应的序列骨架建立植物运动过程的一致性骨架；
所述交互模块用于使用户交互式修正上述植物运动过程的一致性骨架；
其中，所述植物器官区分模块用于通过Delaunay将经主成分分析的运动植物点云数据D三角网格化，得到图G1；根据叶子轮廓、茎的颜色、剩下的叶子叶片的颜色的不同，去掉图G1中代表叶子轮廓和茎的点，得到图G2；从图G2中获得已经区分开的代表叶子叶片的点；根据图的连通性对已经区分开的代表叶子叶片的点及图G1进行扩展，得到代表叶子轮廓的完整叶子的点；图G1中剩余的点即代表茎。
6.如权利要求5所述的系统，其特征在于，所述植物器官区分模块用于采用主成分分析粗略区分运动植物点云数据中组成茎的点集和组成叶子的点集。
7.如权利要求5所述的系统，其特征在于，所述一致性骨架指在序列骨架中前后骨架中的每一个结点之间是彼此对应的，同时对应于相同的真实植物的器官。
8.如权利要求5所述的系统，其特征在于，所述一致性骨架建立模块用于利用最小生成树从序列骨架中提取出具有稳定性的序列骨架，从所述稳定性的序列骨架中获取具有一致性的结点，利用植物器官的自然约束对一致性结点的种类进行判定，将判定信息转换到整个序列骨架上。
CN201310474368.7A 2013-10-11 2013-10-11 运动植物点云数据一致性骨架提取方法及系统 Active CN103544700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310474368.7A CN103544700B (zh) 2013-10-11 2013-10-11 运动植物点云数据一致性骨架提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310474368.7A CN103544700B (zh) 2013-10-11 2013-10-11 运动植物点云数据一致性骨架提取方法及系统

Publications (2)

Publication Number Publication Date
CN103544700A CN103544700A (zh) 2014-01-29
CN103544700B true CN103544700B (zh) 2016-08-17

Family

ID=49968120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310474368.7A Active CN103544700B (zh) 2013-10-11 2013-10-11 运动植物点云数据一致性骨架提取方法及系统

Country Status (1)

Country Link
CN (1) CN103544700B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765577B (zh) * 2018-04-09 2021-07-09 华南农业大学 一种实时点云数据驱动的四肢畜牧动物骨架增强现实跟踪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101783016A (zh) * 2009-12-16 2010-07-21 中国科学院自动化研究所 一种基于形状分析的树冠外形提取方法
US8004517B1 (en) * 2005-06-24 2011-08-23 Geomagic, Inc. Methods, apparatus and computer program products that model three-dimensional surface structures
CN102467753A (zh) * 2010-11-04 2012-05-23 中国科学院深圳先进技术研究院 基于骨架配准的时变点云重建方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8004517B1 (en) * 2005-06-24 2011-08-23 Geomagic, Inc. Methods, apparatus and computer program products that model three-dimensional surface structures
CN101783016A (zh) * 2009-12-16 2010-07-21 中国科学院自动化研究所 一种基于形状分析的树冠外形提取方法
CN102467753A (zh) * 2010-11-04 2012-05-23 中国科学院深圳先进技术研究院 基于骨架配准的时变点云重建方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于拉普拉斯算子的点云骨架提取;黄文伟;《万方数据 大连理工大学硕士学位论文》;20090921;30-33页 *
基于点云数据的主成分分析重构表面算法;张贺 等;《黑龙江工程学院学报（自然科学版）》;20100325;第24卷(第1期);39-42页 *

Also Published As

Publication number Publication date
CN103544700A (zh) 2014-01-29

Similar Documents

Publication Publication Date Title
CN103268495B (zh) 计算机系统中基于先验知识聚类的人体行为建模识别方法
CN108446716B (zh) 基于FCN与稀疏-低秩子空间表示融合的PolSAR图像分类方法
CN102521595B (zh) 一种基于眼动数据和底层特征的图像感兴趣区域提取方法
CN106803253B (zh) 一种三维岩石图像裂缝识别方法
CN104376326B (zh) 一种用于图像场景识别的特征提取方法
CN104715493B (zh) 一种运动人体姿态估计的方法
CN105160310A (zh) 基于3d卷积神经网络的人体行为识别方法
CN105046195B (zh) 基于非对称广义高斯模型的人体行为识别方法
CN106203356B (zh) 一种基于卷积网络特征提取的人脸识别方法
CN106845399A (zh) 一种使用分层聚类方式从LiDAR点云中提取单木信息的方法
CN107024352A (zh) 一种基于滑动熵‑ica算法的滚动轴承故障特征提取方法
CN105930770A (zh) 一种基于高斯过程隐变量模型的人体动作识别方法
CN101866429A (zh) 多运动目标动作行为识别的训练方法和识别方法
CN106228200A (zh) 一种不依赖于动作信息采集设备的动作识别方法
CN106203450A (zh) 基于深度学习框架对图像进行特征提取的目标检测方法
CN103268500A (zh) 一种对行走状态变化具有鲁棒性的步态识别方法
CN101561881B (zh) 人体非程式化运动的情感识别方法
CN103500342A (zh) 一种基于加速度计的人体行为识别方法
CN103984954B (zh) 基于多特征融合的图像合成方法
Zhang et al. Mapping freshwater marsh species in the wetlands of Lake Okeechobee using very high-resolution aerial photography and lidar data
Özdemir et al. Automatic extraction of trees by using multiple return properties of the lidar point cloud
CN109034227A (zh) 一种输电线路外力破坏智能识别的方法
Sun et al. Mapping tropical dry forest age using airborne waveform LiDAR and hyperspectral metrics
CN103544700B (zh) 运动植物点云数据一致性骨架提取方法及系统
CN103617417A (zh) 植物自动识别方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20140129

Assignee: Dongguan Taiyan Electronic Technology Co.,Ltd.

Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Contract record no.: X2023980037841

Denomination of invention: Method and System for Extracting Consistent Skeletons from Point Cloud Data of Sports Plants

Granted publication date: 20160817

License type: Common License

Record date: 20230711

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20140129

Assignee: Dongguan Leizhen Industrial Technology Co.,Ltd.

Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Contract record no.: X2023980045541

Denomination of invention: Method and System for Extracting Consistent Skeletons from Point Cloud Data of Sports Plants

Granted publication date: 20160817

License type: Common License

Record date: 20231102

Application publication date: 20140129

Assignee: Dongguan Shangjin Network Technology Co.,Ltd.

Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Contract record no.: X2023980045537

Denomination of invention: Method and System for Extracting Consistent Skeletons from Point Cloud Data of Sports Plants

Granted publication date: 20160817

License type: Common License

Record date: 20231102

Application publication date: 20140129

Assignee: Dongguan Shangzhirui Information Technology Co.,Ltd.

Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Contract record no.: X2023980045524

Denomination of invention: Method and System for Extracting Consistent Skeletons from Point Cloud Data of Sports Plants

Granted publication date: 20160817

License type: Common License

Record date: 20231102

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20140129

Assignee: Dongguan Ruina Power Technology Co.,Ltd.

Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Contract record no.: X2023980045535

Denomination of invention: Method and System for Extracting Consistent Skeletons from Point Cloud Data of Sports Plants

Granted publication date: 20160817

License type: Common License

Record date: 20231102