CN104809688B - 基于仿射变换配准算法的羊体体尺测量方法及系统 - Google Patents
基于仿射变换配准算法的羊体体尺测量方法及系统 Download PDFInfo
- Publication number
- CN104809688B CN104809688B CN201510232215.0A CN201510232215A CN104809688B CN 104809688 B CN104809688 B CN 104809688B CN 201510232215 A CN201510232215 A CN 201510232215A CN 104809688 B CN104809688 B CN 104809688B
- Authority
- CN
- China
- Prior art keywords
- sheep
- image
- registration
- measured
- standard
- 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
- 241001494479 Pecora Species 0.000 title claims abstract description 116
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 20
- 230000009466 transformation Effects 0.000 title claims abstract description 19
- 238000000691 measurement method Methods 0.000 title claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000007667 floating Methods 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 7
- 238000011524 similarity measure Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 27
- 244000144992 flock Species 0.000 abstract description 10
- 206010013082 Discomfort Diseases 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000008267 milk Substances 0.000 description 4
- 235000013336 milk Nutrition 0.000 description 4
- 210000004080 milk Anatomy 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 235000008744 Brassica perviridis Nutrition 0.000 description 1
- 241000712024 Brassica rapa var. perviridis Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241001166076 Diapheromera femorata Species 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种图像处理领域的基于仿射变换配准算法的羊体体尺测量方法及系统,以确定尺寸的标准羊的二值化图像作为模板,与待测羊的二值化图像进行配准,得到配准参数,根据配准参数和标准羊的尺寸计算得到待测羊的尺寸,即体长和体宽信息。本发明能完成对羊群无接触式体尺测量,避免了人工接触测量对羊群所带来的各种不适。并且可以对羊群进行实时的体尺测量,在采集图像时实时拍摄,及时调整从而提高了准确性。本发明对现实场景需求低,测量时对每一只羊都有一个反馈结果,能提高测量效率。
Description
技术领域
本发明涉及的是一种图像处理领域的技术,具体是一种基于仿射变换配准算法的羊体体尺测量方法及系统,适用于毛色纯正的纯色羊(或头部为黑的苏尼特羊群)。
背景技术
内蒙古地区是羊的主要生长地区,有着鲜嫩的青草和适合羊群生长的大草原;同时,随着社会的不断发展,人们的生活水平在不断提高,对羊肉的需求量大幅增长。因此,对羊生长状况的评价显得极为重要,羊体体尺是评价羊生长状况的一个主要参数,在选种、肉质评价和饲养管理方面也是一个重要的指标。
传统的羊体体尺测量主要是通过手杖、皮尺进行直接测量,这种测量方法工作量大,而且直接接触羊体,会使羊产生应激反应。而机器视觉技术的发展,为动物的测量提供了一种新型的工具。通过摄像头获取视频及图像数据,利用一系列的图像处理手段,可以实现目标物尺寸和面积等的研究。这种方法对羊体没有直接接触,避免了人工接触测量让羊产生应激反应身体蜷缩带来的测量误差,用摄像头测量可提高羊体侧量的准确性。
经过对现有技术的检索发现,中国专利文献号CN103919556A,公开日:2014.07.16,公开了一种基于三维测量奶牛体型性状指标的方法,该方法需在围栏两侧的多个预设位置分别安置两个拍摄设备;对拍摄设备进行标定,采集图像以作为背景图像;利用位于上部的拍摄设备采集地面图像,计算匹配特征点的三维坐标;采集图像以作为原始图像;获取待测奶牛的奶牛图像;根据得到的匹配特征点完成对待测奶牛的每个区域进行三维重构;将每个三维区域测量的坐标变换到统一的坐标系下以获得待测奶牛整体三维描述;计算待测奶牛对应的体型性状指标数据。但该技术对设备成本要求较高,需要在多角度设定多台设备进行数据采集。同时设备数量过多造成人工采集数据不便,从而降低了效率。
中国专利文献号CN203824521U,公开日:2014.09.10,公开了一种畜体体尺测量的装置。通过一种底部带通道的支架结构,在支架的通道两侧设置第一扫描器和第二扫描器,在畜体通过通道时,通过第一扫描器和第二扫描器获取畜体左右两侧的图像信息并将其传输给分析系统进行分析,得出畜体的体尺尺寸。该装置安装操作复杂,需要不断的通过人工调整来获取效果好的图像,从而使得操作复杂、效率低下。
由于羊的体色是较纯正的(纯黑、纯白、身体纯白的苏尼特黑头羊),而且羊是群养家畜,数量多手工测量效率太低,而且体积太大较难设计针对性的测量设备。现阶段急需一种能够通过简单拍照即能实现羊群尺寸测量的技术。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于仿射变换配准算法的羊体体尺测量方法及系统,能够实现准确、高效的完成对特定种类羊群的体尺测量,所需设备成本低,操作便捷,执行效率高,测量结果准确。
本发明是通过以下技术方案实现的:
本发明涉及一种基于仿射变换配准算法的羊体体尺测量方法,以确定尺寸的标准羊的二值化图像作为模板,与待测羊的二值化图像进行配准,得到配准参数,根据配准参数和标准羊的尺寸计算得到待测羊的尺寸,即体长和体宽信息。
本方法具体包括以下步骤:
步骤1、安装一个测量设备,该设备内部空间容许一只羊单独通过,能保证羊在设备内部转身困难,减小图像采集误差。该设备前方为透明有机玻璃挡板。在测量设备前方安置一个拍摄设备,该拍摄设备与电脑相连,可实时采集、获取图像。
步骤2、在羊群中选出作为模板的标准羊,将该标准羊引导进入测量设备,通过所述拍摄设备采集图像作为原始图像,对该原始图像进行分割处理以去除背景区域,获取所述标准羊的模板羊二值化图像。
步骤3、将待测羊陆续引入测量设备,通过所述拍摄设备在采集图像作为待测原始图像,对待测原始图像进行分割处理以去除背景区域,获取所述待测羊的待测羊二值化图像。
步骤4、将分割处理后的模板羊二值化图像作为参考图像,分割处理后的待测羊二值化图像作为浮动图像,对两张图像进行配准,并求出其配准参数;然后通过配准得出的变化参数以及人工测量获取的模板羊的体长和体宽信息计算得到待测羊的体长和体宽信息。
本发明涉及一种实现上述方法的系统,包括:图像采集装置、图像分割模块、图像配准模块和结果输出模块,其中:图像采集装置与计算机相连并传输模板羊彩色图像和采样羊彩色图像信息,图像分割模块与模板图像输出接口、采样图像输出接口相连并传输经二值化和大金法分割后输出的图像信息,图像配准模块与图像分割输出接口相连并传输用仿射变换配准算法将采样分割结果和模板分割结果配准的参数信息,最后输出模块计算配准参数与模板羊体长体宽的参数关系输出待测羊的尺寸,即体长、体宽信息。
技术效果
与现有技术相比,本发明能完成对羊群无接触式体尺测量,避免了人工接触测量对羊群所带来的各种不适。并且可以对羊群进行实时的体尺测量,在采集图像时实时拍摄,及时调整从而提高了准确性。本发明对现实场景需求低,测量时对每一只羊都有一个反馈结果,能提高测量效率,且该方法只适用于特定种群的羊体体尺测量。
附图说明
图1为本发明流程示意图。
图2为本发明分割窗口界面。
图3为本发明测量原理图。
图4为实施例测量现场示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示,本实施例包括以下步骤:
第一步、在测量场地中安装测量设备如图3所示,测量设备前方为透明有机玻璃,后方为深色背景。测量设备前方安装放置摄像头,计算机安置在距离测量设备一段距离的地方,计算机通过广角网络摄像头相连。
第二步、人工选出标准羊,对标准羊进行人工体长、体宽测量,对数据进行记录,把记录数据当做配准算法输出参数的数据转换初始值。
第三步、当标准羊进入测量设备后,控制摄像头对标准羊图像进行采集,采集到的标准羊彩色图像会作为二值灰度转换的分割目标,同时作为原始模板图像存储在内存中。
第四步、对原始图像进行分割处理去除背景区域,分割后的图像显示在软件的处理后模板窗口。该过程在图像采集之后自动运行,无需人为控制,节约了交互时间。
上述过程完成了对模板羊的数据采集与图像分割工作。
第五步、对待测羊进行图像采集工作,首先将待测羊引入测量设备,当待测羊进入测量设备,控制摄像头对待测羊图像进行采集,采集到的图像会在软件中的采样窗口显示,并会把采集到的图像存入计算机中。
第六步、待测羊图像采集后会对待测羊图像进行分割处理去除背景区域,分割后的图像显示在软件的处理后采样窗口。该过程同标准羊分割过程相似,无需人工交互。
上述过程完成了对待测羊的数据采集与图像分割工作。
本实施例采用大津(OTSU)算法进行分割:OTSU分割算法又称最大类间方差法,使用的是聚类的思想,把图像的灰度数按灰度级分为两部分,使得两个部分间的灰度值差异最大,每个部分间的灰度差异最小,通过方差的计算来寻找一个合适的灰度级别来划分。该算法基本思想是以某一灰度为阈值将图像分为两组并计算其方差,当该方差最大时,以该灰度为阈值分割图像,此时得到的图像分割结果的错分率为最小。
本实施例中采集的羊图片为f(x,y)(1≤x≤M,1≤y≤N),灰度级为L,图像大小为M×N,其邻域平滑图像为g(x,y),灰度级也为L。设fij表示图像f中像素点的灰度值为i、邻域平均灰度之为j的像素点出现相同空间位置上的个数,由此可以构建该图像点的二维直方图的二维联合密度为:其中:0≤i,j≤(L-1)。且
羊图像g的灰度等级其中:k表示像素点的正方形邻域的宽度,一般取奇数。
假设用(s,t)把采集到的羊图像分为背景类和目标类。s为灰度分割阈值,t为邻域灰度均值分割阈值,0≤s≤L-1,0≤t≤L-1,记ωo为目标部分在采集的羊图像中的比例,即羊的主体在图像中的比例。记ωb为背景部分在采集的羊图像中的比例。则背景和目标部分所占比例分别为:其中:μo(s,t)为目标区域的灰度均值即羊的主体区域灰度均值,μb(s,t)为背景区域的灰度均值为背景均值,其所对应的均值矢量分别为:
进而总体均值为:因此基于离散度矩阵的迹作为背景和目标类的距离测度函数为:
tr(σB)=ωb[(μb1-μ1)2+(μb2-μ1)2]+ωo[(μo1-μ1)2+(μo2-μ1)2]
其中:σB为离散度矩阵,σB=ωb[(μb-μ)(μb-μ)T]+ωo[(μo-μ)(μo-μ)T],当tr(σB)最大时所取得的分割阈值即为最优阈值(s*,t*),通过求解tr(σB)最大时的分割阈值完成对羊图像的最优分割,得到分割后的二值化图像。
第七步、对分割后的两幅二值化图像进行配准,求出配准参数。本实施例采用仿射变换配准算法来实现两幅图像间的配准和变换,仿射变换的定义如下:
当变换S:Rn→Rn,S(x)=T(x)+a,T是非奇异线性变换,a∈Rn,则变换S称为仿射变换。平移、旋转、缩放、反射和剪切等是二维仿射变换的特例。
一个坐标点经平移、旋转、缩放后的坐标可用仿射变换表示为:
仿射变换可计算剪切和纵横比等畸变,且能保持较好的数学性质。
设标准羊的二值化图像点位置坐标为(x,y),变换后标准羊的二值化图像中对应点坐标为(x',y'),其变换关系如下:其中:r代表尺度因子,θ表示旋转角度,用Δx和Δy分别表示X轴和Y轴方向的位移。
通过线性插值方法得到待测羊的二值化图像在区域Tt(X)的取值其中:Tt(Xi)为灰度值,ωi为各临近点的权值;
本实施例采用灰度平均差法(Mean Squares Metric)在相似度模板中计算标准羊f(X)和待测羊图像区域Tt(X)的取值m(Tt(X))的相似性测度,来判断配准是否成功,两幅图像配准的越好,该值越小,当两幅图像完全对齐时,对应点的灰度差为0,该值也相应的为0。这种测度计算简单、速度快,在图像配准领域单模态刚性配准精度高。
所述的相似性测度为:其中:Ri、Fi分别为标准羊和待测羊的二值化图像中对应像素点灰度值,N表示该区域的像素点数。除以N是为了让MS避免重叠区域大小的影响,这是常用到的归一化操作。
首先将标准模板羊和待测羊图像通过多分辨率策略分为两层,第一层为低分辨率图像,第二层为高分辨率图像;第二步,得到两幅低分辨率图像的灰度值,通过灰度平均差法计算低分辨率图像的相似性测度,通过迭代获得低分辨率图像的配准参数作为高分辨率图像配准的初始参数;第三步,利用第二步得到的配准参数,调整两幅高分辨率图像位置,通过灰度平均差法计算两幅高分辨率图像的相似性测度,通过迭代获得两幅高分辨率图像最终配准成功的配准参数以及浮动图像在最优变换下的插值图像。
上述迭代过程中的步长为1,最大迭代次数为300。
最终得到的最优配准参数包括:
Translation X为浮动图像在x轴方向上的平移量;
Translation Y为浮动图像在y轴方向上的平移量;
angle为浮动图像围绕中心点旋转的角度;
Scale 1,Scale 2为变换用到的仿射比例,即浮动图像与参考图像在横坐标和纵坐标方向上的缩放比例。
第八步、通过Translation X及Translation Y可得知浮动图像即标准羊图像的X轴和Y轴的平移量,然后通过Scale 1,Scale 2的仿射比例可得知原图像变换到结果图像的缩放比例,在本实施例中即标准羊原始图像变换得到待测羊图像所缩放的比例,结合测量所获得的标准羊的体尺信息,从而通过缩放比例系数完成对待测羊的体尺信息计算,完成对待测羊的体尺测量工作。
上述过程所需时间只需几秒,相比人工测量节约了大量时间,测量效率提高。
Claims (5)
1.一种基于仿射变换配准算法的羊体体尺测量方法,其特征在于,以确定尺寸的标准羊的二值化图像作为模板,与待测羊的二值化图像进行配准,得到配准参数,根据配准参数和标准羊的尺寸计算得到待测羊的尺寸,即体长和体宽信息;
所述的配准是指:采用仿射变换来实现两幅图像间的配准和变换,该仿射变换包括平移、旋转、缩放、反射和剪切;
所述的仿射变换是指:
其中:
标准羊的二值化图像点位置坐标为(x,y),变换后标准羊的二值化图像中对应点坐标为(x',y'),r代表尺度因子,θ表示旋转角度,用Δx和Δy分别表示X轴和Y轴方向的位移;
所述的配准,具体采用灰度平均差法在相似度模板中计算标准羊f(X)和待测羊的二值化图像在区域Tt(X)的取值m(Tt(X))的相似性测度,即通过线性插值方法得到待测羊的二值化图像在区域Tt(X)的取值其中:Tt(Xi)为灰度值,ωi为各临近点的权值;
相似性测度为:其中:Ri、Fi分别为标准羊和待测羊的二值化图像中对应像素点灰度值,N表示该区域的像素点数;
所述的灰度平均差法具体包括以下步骤:
1)将标准模板羊和待测羊图像通过多分辨率策略分为两层,第一层为低分辨率图像,第二层为高分辨率图像;
2)得到两幅低分辨率图像的灰度值,通过灰度平均差法计算两幅低分辨率图像的相似性测度,通过迭代获得两幅低分辨率图像的配准参数作为高分辨率图像配准的初始参数;
3)利用配准参数调整两幅高分辨率图像位置,通过灰度平均差法计算两幅高分辨率图像的相似性测度,通过迭代获得两幅高分辨率图像配准成功的最优配准参数以及浮动图像在最优变换下的插值图像。
2.根据权利要求1所述的方法,其特征是,所述的模板,通过以下方式得到:当标准羊进入测量设备后,控制摄像头对标准羊图像进行采集,采集到的标准羊彩色图像会作为二值灰度转换的分割目标,然后对该原始模板图像进行分割处理去除背景区域。
3.根据权利要求1所述的方法,其特征是,所述的迭代中,步长为1,最大迭代次数为300。
4.根据权利要求1所述的方法,其特征是,所述的最优配准参数包括:浮动图像在x和y轴方向上的平移量、浮动图像围绕中心点旋转的角度、浮动图像与参考图像在横坐标和纵坐标方向上的缩放比例。
5.一种实现上述任一权利要求所述方法的系统,其特征在于,包括:图像采集装置、图像分割模块、图像配准模块和结果输出模块,其中:图像采集装置与计算机相连并传输模板羊彩色图像和采样羊彩色图像信息,图像分割模块与模板图像输出接口、采样图像输出接口相连并传输经二值化和大金法分割后输出的图像信息,图像配准模块与图像分割输出接口相连并传输用仿射变换配准算法将采样分割结果和模板分割结果配准的参数信息,最后输出模块计算配准参数与模板羊体长体宽的参数关系输出待测羊的尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510232215.0A CN104809688B (zh) | 2015-05-08 | 2015-05-08 | 基于仿射变换配准算法的羊体体尺测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510232215.0A CN104809688B (zh) | 2015-05-08 | 2015-05-08 | 基于仿射变换配准算法的羊体体尺测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809688A CN104809688A (zh) | 2015-07-29 |
CN104809688B true CN104809688B (zh) | 2017-11-07 |
Family
ID=53694493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510232215.0A Expired - Fee Related CN104809688B (zh) | 2015-05-08 | 2015-05-08 | 基于仿射变换配准算法的羊体体尺测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809688B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481243B (zh) * | 2017-06-13 | 2020-06-02 | 内蒙古农业大学 | 基于羊只俯视图的羊只体尺检测方法 |
CN110310313B (zh) * | 2019-07-09 | 2021-10-01 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110322487B (zh) * | 2019-07-09 | 2021-08-31 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN114219767B (zh) * | 2021-11-24 | 2022-08-19 | 慧之安信息技术股份有限公司 | 一种基于物联网边缘盒子的羊群计数管理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103919556A (zh) * | 2013-12-09 | 2014-07-16 | 天津天视科技有限公司 | 一种基于三维测量的奶牛体型性状指标的数据采集方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7965887B2 (en) * | 2005-12-01 | 2011-06-21 | Cognex Technology And Investment Corp. | Method of pattern location using color image data |
-
2015
- 2015-05-08 CN CN201510232215.0A patent/CN104809688B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103919556A (zh) * | 2013-12-09 | 2014-07-16 | 天津天视科技有限公司 | 一种基于三维测量的奶牛体型性状指标的数据采集方法 |
Non-Patent Citations (4)
Title |
---|
基于三维重建的动物体尺获取原型系统;郭浩等;《农业机械学报》;20140530;第45卷(第5期);第227-232页 * |
基于机器视觉的羊体体尺测量;江杰等;《基于机器视觉的羊体体尺测量》;20140310;第34卷(第3期);第846-850页 * |
基于点云数据的猪体曲面三维重建与应用;刘同海等;《农业机械学报》;20140630;第45卷(第6期);第291-294页 * |
基于点云采集设备的奶牛体尺指标测量;郭浩等;《农业工程学报》;20140331;第30卷(第5期);第116-122页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104809688A (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569704B (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
CN104809688B (zh) | 基于仿射变换配准算法的羊体体尺测量方法及系统 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN107789001A (zh) | 一种用于成像扫描的摆位方法和系统 | |
CN106997605B (zh) | 一种通过智能手机采集脚型视频和传感器数据获取三维脚型的方法 | |
CN110232389A (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN111696139B (zh) | 基于rgb图像的白羽种鸡群体体重估测系统和方法 | |
CN108846860B (zh) | 一种破损圆柱形排水管道内壁三维重建方法 | |
CN116416250B (zh) | 一种速食罐装产品产线的成品检测系统 | |
CN113920138A (zh) | 一种基于rgb-d相机的奶牛体尺检测装置及其检测方法 | |
CN108805980A (zh) | 一种基于3d的马体尺测量系统及数据修正方法 | |
CN115375842A (zh) | 一种植株三维重建方法、终端及存储介质 | |
CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
CN115272582A (zh) | 身体建模的系统和方法 | |
CN113409450A (zh) | 一种包含rgbdt信息的鸡只三维重建方法 | |
CN106709432A (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
CN116824347A (zh) | 一种基于深度学习的道路裂纹检测方法 | |
CN113345084B (zh) | 三维建模系统及三维建模方法 | |
CN113706512A (zh) | 一种基于深度学习和深度相机的生猪体重测量方法 | |
CN113012041B (zh) | 一种ct/mri模拟超声的新方法、系统 | |
CN114677322A (zh) | 基于注意力引导点云特征学习的奶牛体况自动评分方法 | |
CN109389604A (zh) | 一种厨房油烟图像检测干扰排除方法 | |
CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
CN116182736A (zh) | 基于双视角深度相机的羊只三维体尺参数自动检测装置及检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |