CN103970901B - 一种地理信息图形数据整合方法 - Google Patents
一种地理信息图形数据整合方法 Download PDFInfo
- Publication number
- CN103970901B CN103970901B CN201410228007.9A CN201410228007A CN103970901B CN 103970901 B CN103970901 B CN 103970901B CN 201410228007 A CN201410228007 A CN 201410228007A CN 103970901 B CN103970901 B CN 103970901B
- Authority
- CN
- China
- Prior art keywords
- graph data
- data
- image capture
- graph
- capture device
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/217—Database tuning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种地理信息图形数据整合方法,它通过对分布式服务器大量图形数据的转换宏模块的调用简化了格式转换过程;对图形数据的格式转换简化了图形分析处理工作,减少了图形识别的复杂性,降低了运算出错率,节省了运行时间。同时还通过对分布式服务器大量图形数据的识别,分割,组装整合,减少了服务器中图形数据冗余量,优化了数据结构,完善了空间信息,使最终电脑端的客户能迅速准确得到满足特定需求的基于地理信息的各种空间图形数据,提高了决策效率。
Description
技术领域
本发明涉及信息技术领域,特别是一种用于地理信息系统的图形数据处理方法。
背景技术
在地理信息系统中,分布在异地的分布式服务器分别连接有若干个数字照相机和数字摄像机,它们采集该地的图形数据信息传送给分布式服务器,但这些设备往往由不同的软件厂商提供,所以图形数据往往是不同的格式。同时,由于同一空间可能有多个数字照相机或数字摄像机,这些设备提供的图形数据可能会有重叠部分,这将导致系统冗余量增加。另外,当用户请求获得某空间图形数据信息时,由于一个数字照相机或数字摄像机无法拍摄完整空间图片,可能会导致用户所描述的空间图形数据无法完整表达该空间的信息。最后,由于空间数据的不完整、不简洁、存储格式不统一等特点,它们在最终结果输出中无法描述完整,在存储过程中存在大量冗余,在分布式服务器中很难实现共享。总体而言,分布式服务器中的大量图形数据具有以下问题:
1、数据格式不统一;
2、系统存储不简洁;
3、空间描述不完整。
发明内容
本发明的目的就是提供一种地理信息图形数据整合方法,它在不改变图形数据所含信息的基础上,对来自异地的多源图形数据进行转换、分割和整合,解决了大量图形数据格式不统一,系统存储不简洁,空间描述不完整的问题,显著提高了地理信息系统的反应速度,优化了数据结构,提升了工作正确率。
本发明的目的是通过这样的技术方案实现的,所述地理信息系统包括有主计算机,主计算机通过Internet与一个以上的分布式服务器数据交互,每个分布式服务器均连接有两个以上,并位于同一空间的图像采集设备,其特征在于,同一空间的图像采集设备分布方式为:在相同高度下平行分布,或在相同高度下旋转分布;图形数据整合具体步骤如下:
1)分布式服务器接收图像采集设备采集到的原始数据包;
2)分布式服务器为每个原始数据包编写标注信息,标注信息包括有该原始数据包所属的空间名称和图像采集设备的编号;
3)分布式服务器将原始数据包以及标注信息通过Internet发送至主计算机,主计算机根据标注信息内的设备编号,比对数据库内存储的清单,判断该原始数据包的图形数据格式;
4)主计算机根据图形数据格式,调用格式转换宏模块,对该原始数据包的图形数据进行格式转换,转换为标准格式;
5)主计算机对相同高度下旋转分布的图像采集设备所得到的图形数据进行直接保存;
对相同高度下平行分布的图像采集设备所得到的图形数据进行图像分析处理,首先将不存在重复的图形数据直接保存,将存在重复的图形数据进行分割,把一张图形数据中的重合部分与唯一部分分开,形成多块图形数据后保存;
6)根据用户输入的检索空间名,搜索该空间所有图像采集设备的图形数据,提取并保存图形数据;
步骤5)中对相同高度下平行分布的图像采集设备所得到的图形数据进行图像分析处理的具体步骤如下:
5-1)同一空间中有n个相同高度下平行分布的图像采集设备,则采集到的图形数据有A1、A2、…、Ai、…、An,每次按排列组合提取两组待分割图形数据,共提取次;
5-2)分别计算两个待分割图形数据的各列色调,将两个图形数据文件中的各列色调单元形成集合Am{am1,am2,…,ami,…,amk}和Al{al1,al2,…,ali,…,alk};
5-3)依次比较Am集合中任意一个单元体ali与Al集合中每一个单元体ali的色调,若相似度高于预设的阈值,且单元体ami-amk与单元体al1-al(k-i+1)中对应的色调相似度高于阈值,则提取ami单元体这一列为第一分割线,al(k-i)单元体这一列为第二分割线;
利用第一分割线将图形文件Am分为两块图形数据Am和Aml,第二分割线将图形文件Al分为两块图形数据Aml和Al;
分别将空间名称和图形数据采集设备编号写入Am,Aml和Al三个图形数据块中,并保存;
5-4)若Am集合中任意一个单元体与Al集合中所有单元体色调相似度都低于预设的阈值,则分别将空间名称和图形数据采集设备编号写入Am和Al后直接保存。
进一步,步骤6)中若搜索的空间有两个以上图像采集设备,并且图像采集设备在相同高度下平行分布,则进行以下处理:
提取标注有该空间名称的图形数据,若识别是否存在数据Aml(1≤m≤n,1≤l≤n);若存在,则提取:Am,…,Ami,…,Al进行拼接,保存拼接后的完整图形;若不存在,则直接提取图形数据Am,…,Ai…,Al进行拼接,保存拼接后的完整图形。
进一步,步骤6)中若搜索的空间有两个以上图像采集设备,并且在相同高度下旋转分布,则进行以下处理:
提取标注有该空间名称的图形数据块,对它们进行预处理,用去噪、处理直方图和提取边缘的方式对图像进行数字处理,然后重新创建模板进行图像匹配,也可以对图像进行小波变换算法或傅里叶变换算法的操作;
配准图像,根据指定的准则对两幅以上的图形数据进行图像配准,首先选择需要进行图像拼接的模板,再确定参考图像内对应的那些特征点的位置,最后得到两幅图像的转变关系和配准;
建立变换模型,通过图形数据的特征或模板内的对应情况得到数学模型里参数值,通过此计算得出关于两幅图像进行数学变换的模型;
变换统一坐标,把需要拼接的图像变换到参考图像的坐标系中,实现坐标的统一转换;
重构整合,把重合的区域放入到拼接重构的图像中,完成所需全景图像最终的无痕整合;
保存重构整合后得到的无痕全景图像。
由于采用了上述技术方案,本发明具有如下的优点:
本发明通过对分布式服务器大量图形数据的转换宏模块的调用简化了格式转换过程;对图形数据的格式转换简化了图形分析处理工作,减少了图形识别的复杂性,降低了运算出错率,节省了运行时间。
本发明还通过对分布式服务器大量图形数据的识别,分割,组装整合,减少了服务器中图形数据冗余量,优化了数据结构,完善了空间信息,使最终电脑端的客户能迅速准确得到满足特定需求的基于地理信息的各种空间图形数据,提高了决策效率,达到了图形数据采集,分析处理,存储,组装整合的高效性、快速性;最后,将此大量图形数据的整合方法应用于地理信息服务系统中,将有效提高服务的工作效率,优化服务的工作效果。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下。
图1为地理信息系统架构图;
图2为图像采集设备分布示意图;
图3为本发明的流程示意图;
图4为格式转换流程图;
图5为相同高度下平行分布的图形数据分割流程图;
图6为相同高度下图像采集设备旋转分布时的图形数据重构整合流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
一种地理信息图形数据整合方法,在每一个地域中存在若干个空间,每个空间中存在若干个相同高度下平行分布,或相同高度下旋转分布的电子照相机或者电子摄像机,一个分布式服务器下的图像采集设备将采集大量图形数据发送给该区域的分布式服务器,再由分布式服务器通过internet传输给主计算机。本发明将大量不同特点、不同格式的异源图形数据传送至主计算机,经过格式转换后再对其做一系列分析处理工作,具体步骤如下:
1)在异地建立分布式服务器,用于接收图像采集设备发送的原始数据;
2)在分布式服务器中对同一地域的每一个图形数据文件写入格式标注程序,该标注程序用于说明该图形数据所属的空间名称和电子照相机或电子摄像机的编号;
3)将图形数据文件发送到Internet中,再由Internet发送到主计算机,主计算机读取格式标注程序判别出该图形数据的格式;
4)图形数据格式辨别完成后直接调用格式转换宏模块转换成所需标准化格式,而不需要逐条适配再进行格式转换;
5)对相同高度下旋转分布的图像采集设备所得图形数据直接保存;对相同高度下平行分布的图像采集设备所得图形数据进行图像分析处理,首先,将不重复的图形数据直接保存;将重复的图形数据进行分割,把重合部分与唯一部分分开,形成多块图形数据后保存,以达到减小内存冗余量的效果,具体步骤如下:
空间中有若干个相同高度下平行分布的图像采集设备,则图形数据有A1,A2,…,Ai,…,An,每次按排列组合提取两组待分割图形数据,共提取次;
分别计算两个待分割图像各列的色调,其中这两个图形数据文件中各列的色调单元体形成集合Am{am1,am2,…,ami,…,amk}和Al{al1,al2,…,ali,…,alk};
依次比较Am集合中任意一个单元体ali与Al集合中每一个单元体ali的色调,若相似度高于预设的阈值,且单元体ami-amk与单元体al1-al(k-i+1)中对应的色调相似度高于阈值,则提取ami单元体这一列为第一分割线,al(k-i)单元体这一列为第二分割线;
利用第一分割线将图形文件Am分为两块图形数据Am和Aml,第二分割线将图形文件Al分为两块图形数据Aml和Al;
最后,分别将空间名称和图形数据采集设备编号写入Am,Aml和Al三个图形数据块中,并保存;
若Am集合中任意一个单元体与Al集合中所有单元体色调相似度都低于预设的阈值,则分别将空间名称和图形数据采集设备编号写入Am和Al后直接保存。
6)按用户所提出的空间名称搜索该空间所有电子照相机或电子摄像机的图形数据,如果该空间只有一个单独的照相机或者摄像机,则直接提取该设备的图形数据;如果该空间有多个照相机或者摄像机,且它们在相同高度下平行分布,则进行如下步骤:
提取标注有该空间名称的图形数据块,识别是否存在Aml(1≤m≤n,1≤l≤n)这种命名形式,若存在,则提取:Am,…,Ami,…,Al进行拼接,保存拼接后的完整图形。
若不存在,则直接提取图形数据块Am,…,Ai…,Al进行拼接,保存拼接后的完整图形。
如果该空间有多个照相机或者摄像机,且旋转分布,则进行如下步骤:提取标注有该空间名称的图形数据块,对它们进行预处理,主要操作是通过去噪、处理直方图和提取边缘等方式进行图像数字处理的过程、重新创建进行图像匹配的模板或者通过小波变换算法或者傅里叶变换算法来对图像进行操作。
提取标注有该空间名称的图形数据块,对它们进行预处理,用去噪、处理直方图和提取边缘的方式对图像进行数字处理,然后重新创建模板进行图像匹配,也可以对图像进行小波变换算法或傅里叶变换算法的操作;
配准图像,根据指定的准则对两幅以上的图形数据进行图像配准,首先选择需要进行图像拼接的模板,再确定参考图像内对应的那些特征点的位置,最后得到两幅图像的转变关系和配准;
建立变换模型,通过图形数据的特征或模板内的对应情况得到数学模型里参数值,通过此计算得出关于两幅图像进行数学变换的模型;
变换统一坐标,把需要拼接的图像变换到参考图像的坐标系中,实现坐标的统一转换;
重构整合,把重合的区域放入到拼接重构的图像中,完成所需全景图像最终的无痕整合;
保存重构整合后得到的无痕全景图像。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种地理信息图形数据整合方法,所述地理信息系统包括有主计算机,主计算机通过Internet与一个以上的分布式服务器数据交互,每个分布式服务器均连接有两个以上,并位于同一空间的图像采集设备,其特征在于,同一空间的图像采集设备分布方式为:在相同高度下平行分布,或在相同高度下旋转分布;图形数据整合具体步骤如下:
1)分布式服务器接收图像采集设备采集到的原始数据包;
2)分布式服务器为每个原始数据包编写标注信息,标注信息包括有该原始数据包所属的空间名称和图像采集设备的编号;
3)分布式服务器将原始数据包以及标注信息通过Internet发送至主计算机,主计算机根据标注信息内的设备编号,比对数据库内存储的清单,判断该原始数据包的图形数据格式;
4)主计算机根据图形数据格式,调用格式转换宏模块,对该原始数据包的图形数据进行格式转换,转换为标准格式;
5)主计算机对相同高度下旋转分布的图像采集设备所得到的图形数据进行直接保存;
对相同高度下平行分布的图像采集设备所得到的图形数据进行图像分析处理,首先将不存在重复的图形数据直接保存,将存在重复的图形数据进行分割,把一张图形数据中的重合部分与唯一部分分开,形成多块图形数据后保存;
6)根据用户输入的检索空间名,搜索该空间所有图像采集设备的图形数据,提取并保存图形数据;
步骤5)中对相同高度下平行分布的图像采集设备所得到的图形数据进行图像分析处理的具体步骤如下:
5-1)同一空间中有n个相同高度下平行分布的图像采集设备,则采集到的图形数据有A1、A2、…、Ai、…、An,每次按排列组合提取两组待分割图形数据,共提取次;
5-2)分别计算两个待分割图形数据的各列色调,将两个图形数据文件中的各列色调单元形成集合Am{am1,am2,…,ami,…,amk}和Al{al1,al2,…,ali,…,alk};
5-3)依次比较Am集合中任意一个单元体ali与Al集合中每一个单元体ali的色调,若相似度高于预设的阈值,且单元体ami-amk与单元体al1-al(k-i+1)中对应的色调相似度高于阈值,则提取ami单元体这一列为第一分割线,al(k-i)单元体这一列为第二分割线;
利用第一分割线将图形文件Am分为两块图形数据Am和Aml,第二分割线将图形文件Al分为两块图形数据Aml和Al;
分别将空间名称和图形数据采集设备编号写入Am,Aml和Al三个图形数据块中,并保存;
5-4)若Am集合中任意一个单元体与Al集合中所有单元体色调相似度都低于预设的阈值,则分别将空间名称和图形数据采集设备编号写入Am和Al后直接保存。
2.如权利要求1所述的一种地理信息图形数据整合方法,其特征在于,步骤6)中若搜索的空间有两个以上图像采集设备,并且图像采集设备在相同高度下平行分布,则进行以下处理:
提取标注有该空间名称的图形数据,若识别是否存在数据Aml(1≤m≤n,1≤l≤n);若存在,则提取:Am,…,Ami,…,Al进行拼接,保存拼接后的完整图形;若不存在,则直接提取图形数据Am,…,Ai…,Al进行拼接,保存拼接后的完整图形。
3.如权利要求1所述的一种地理信息图形数据整合方法,其特征在于,步骤6)中若搜索的空间有两个以上图像采集设备,并且在相同高度下旋转分布,则进行以下处理:
提取标注有该空间名称的图形数据块,对它们进行预处理,用去噪、处理直方图和提取边缘的方式对图像进行数字处理,然后重新创建模板进行图像匹配,也可以对图像进行小波变换算法或傅里叶变换算法的操作;
配准图像,根据指定的准则对两幅以上的图形数据进行图像配准,首先选择需要进行图像拼接的模板,再确定参考图像内对应的那些特征点的位置,最后得到两幅图像的转变关系和配准;
建立变换模型,通过图形数据的特征或模板内的对应情况得到数学模型里参数值,通过此计算得出关于两幅图像进行数学变换的模型;
变换统一坐标,把需要拼接的图像变换到参考图像的坐标系中,实现坐标的统一转换;
重构整合,把重合的区域放入到拼接重构的图像中,完成所需全景图像最终的无痕整合;
保存重构整合后得到的无痕全景图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410228007.9A CN103970901B (zh) | 2014-05-27 | 2014-05-27 | 一种地理信息图形数据整合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410228007.9A CN103970901B (zh) | 2014-05-27 | 2014-05-27 | 一种地理信息图形数据整合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103970901A CN103970901A (zh) | 2014-08-06 |
CN103970901B true CN103970901B (zh) | 2017-10-03 |
Family
ID=51240399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410228007.9A Active CN103970901B (zh) | 2014-05-27 | 2014-05-27 | 一种地理信息图形数据整合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103970901B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160086513A1 (en) * | 2014-09-19 | 2016-03-24 | Casio Computer Co., Ltd. | Server apparatus, data integration method and electronic device |
CN107221184A (zh) * | 2017-06-23 | 2017-09-29 | 重庆多道电子技术有限公司 | 一种基于车辆位置数据的判断方法 |
CN107894600A (zh) * | 2017-11-13 | 2018-04-10 | 重庆首亨软件有限公司 | 基于计算机平台的卫星导航软件 |
CN111598036B (zh) * | 2020-05-22 | 2021-01-01 | 广州地理研究所 | 分布式架构的城市群地理环境知识库构建方法及系统 |
CN112762841A (zh) * | 2020-12-30 | 2021-05-07 | 天津大学 | 一种基于多分辨率深度特征的桥梁动位移监测系统及方法 |
CN113759223B (zh) * | 2021-09-08 | 2023-08-29 | 广东电网有限责任公司 | 一种振荡波局放数据转换方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1552682A2 (en) * | 2002-10-18 | 2005-07-13 | Sarnoff Corporation | Method and system to allow panoramic visualization using multiple cameras |
CN102480600A (zh) * | 2010-11-22 | 2012-05-30 | 上海银晨智能识别科技有限公司 | 双路监控视频信息融合方法及系统 |
CN101951487B (zh) * | 2010-08-19 | 2012-06-27 | 深圳大学 | 一种全景图像融合方法、系统及图像处理设备 |
CN103517041A (zh) * | 2013-09-29 | 2014-01-15 | 北京理工大学 | 基于多相机旋转扫描的实时全景监控方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4424031B2 (ja) * | 2004-03-30 | 2010-03-03 | 株式会社日立製作所 | 画像生成装置、システムまたは画像合成方法。 |
CN101290228B (zh) * | 2007-04-17 | 2010-12-08 | 北京协进科技发展有限公司 | 一种基于移动终端的地图数据处理方法、系统及移动终端 |
CN101720022A (zh) * | 2009-12-04 | 2010-06-02 | 冉权江 | 公共视讯管理系统及其实现方法 |
CN102509255B (zh) * | 2011-10-26 | 2014-03-26 | 苏州百滨电子科技有限公司 | 高速图像采集和处理方法和装置 |
-
2014
- 2014-05-27 CN CN201410228007.9A patent/CN103970901B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1552682A2 (en) * | 2002-10-18 | 2005-07-13 | Sarnoff Corporation | Method and system to allow panoramic visualization using multiple cameras |
CN101951487B (zh) * | 2010-08-19 | 2012-06-27 | 深圳大学 | 一种全景图像融合方法、系统及图像处理设备 |
CN102480600A (zh) * | 2010-11-22 | 2012-05-30 | 上海银晨智能识别科技有限公司 | 双路监控视频信息融合方法及系统 |
CN103517041A (zh) * | 2013-09-29 | 2014-01-15 | 北京理工大学 | 基于多相机旋转扫描的实时全景监控方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103970901A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103970901B (zh) | 一种地理信息图形数据整合方法 | |
US20190171879A1 (en) | Method of extracting warehouse in port from hierarchically screened remote sensing image | |
Wang et al. | Bottle detection in the wild using low-altitude unmanned aerial vehicles | |
CN103927387A (zh) | 图像检索系统及其相关方法和装置 | |
CN111460967A (zh) | 一种违法建筑识别方法、装置、设备及存储介质 | |
CN111667005B (zh) | 一种采用rgbd视觉传感的人体交互系统 | |
CN113223068A (zh) | 一种基于深度全局特征的多模态图像配准方法及系统 | |
CN103559476A (zh) | 一种指纹匹配方法和装置 | |
CN103353941B (zh) | 基于视角分类的自然标志物注册方法 | |
CN112257711B (zh) | 一种铁路货车地板破损故障检测方法 | |
Cheng et al. | Crowd-sourced pictures geo-localization method based on street view images and 3D reconstruction | |
CN111723814A (zh) | 基于跨图像关联的弱监督图像语义分割方法、系统、装置 | |
CN105488541A (zh) | 增强现实系统中基于机器学习的自然特征点识别方法 | |
Mueller et al. | Image-to-image translation for enhanced feature matching, image retrieval and visual localization | |
CN113850136A (zh) | 基于yolov5与BCNN的车辆朝向识别方法及系统 | |
CN104637066A (zh) | 基于序贯细化的二值图像快速骨架提取方法 | |
CN113989744A (zh) | 一种基于超大尺寸高分辨图像的行人目标检测方法及系统 | |
CN114155556B (zh) | 一种基于加入通道混洗模块的堆叠沙漏网络的人体姿态估计方法及系统 | |
CN113592015B (zh) | 定位以及训练特征匹配网络的方法和装置 | |
Rui et al. | Geometry-constrained car recognition using a 3D perspective network | |
Zhang et al. | Efficient large-scale oblique image matching based on cascade hashing and match data scheduling | |
CN117765039A (zh) | 点云粗配准方法、装置及设备 | |
KR102416714B1 (ko) | 3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템 및 방법 | |
Kang et al. | Weak constraint leaf image recognition based on convolutional neural network | |
CN115690488A (zh) | 基于卷积神经网络模型的图像识别方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |