CN107133976A - 一种获取三维高光谱信息的方法和装置 - Google Patents
一种获取三维高光谱信息的方法和装置 Download PDFInfo
- Publication number
- CN107133976A CN107133976A CN201710272138.0A CN201710272138A CN107133976A CN 107133976 A CN107133976 A CN 107133976A CN 201710272138 A CN201710272138 A CN 201710272138A CN 107133976 A CN107133976 A CN 107133976A
- Authority
- CN
- China
- Prior art keywords
- mtd
- image
- camera
- dimensional
- obtaining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 241000196324 Embryophyta Species 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 241000208340 Araliaceae Species 0.000 claims description 9
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 9
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 9
- 235000008434 ginseng Nutrition 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 101710097688 Probable sphingosine-1-phosphate lyase Proteins 0.000 description 1
- 101710105985 Sphingosine-1-phosphate lyase Proteins 0.000 description 1
- 101710122496 Sphingosine-1-phosphate lyase 1 Proteins 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000037039 plant physiology Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000263 scanning probe lithography Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种获取三维高光谱信息的方法,包括以下步骤:(1)对高光谱相机与RGB相机进行标定;(2)对高光谱相机与RGB相机采集的包含待测物体的图像进行特征点提取、匹配,排除近似符合匹配条件的特征点;(3)建立三维模型;(4)获取特征点在两种相机拍摄下的深度值,根据深度值检索对高光谱图像与RGB图像进行匹配;(5)选择所需波段的高光谱图像,根据步骤(4)实现高光谱图像数据的匹配,并根据选定波段的高光谱图像的各点灰度信息在得到的三维模型中呈现;本发明还公开了一种获取三维高光谱信息的装置;本发明具有较高的分辨率与精度,并且克服了直接应用高光谱图像进行三维重建时不同波段三维模型融合的问题。
Description
技术领域
本发明涉及高光谱成像技术与三维重建技术领域,特别涉及一种获取三维高光谱信息的方法和装置。
背景技术
随着科学技术的发展与人们对事物认知的不断深入,现代化农业发展研究越来越需要大量的信息。然而,由于植物的多态性与复杂性,通过传统方式拍摄的植物二维图像已经不能满足研究的需求。通过高光谱成像技术动态的获取植物大量光谱信息以及通过三维重建技术直观呈现植物三维模型越来越成为研究的热点。
其中,高光谱成像技术目前在农业遥感识别、地理地质研究以及军用研究等领域应用。由高光谱成像系统获取的植物图像具有3个维度的信息,其中x,y包含的是空间信息,λ包含的是波段信息。通过几十个甚至几百个波段的光谱信息,准确的获取植物生长信息,研究植物长势、受胁迫情况等,具有很高的应用价值。
另外,三维重建技术已经广泛应用于逆向工程、工业设计与文物保护等领域。在农业领域,该技术也不断得到应用,主要用与研究植物生理生态变化等信息。目前,已出现多种三维重建方法。基于图像的三维重建方法仪器具有快速、无损、信息量大等优点,并且通过后期处理,具有较高的重建精度,能较好满足用户的需求。但是对于植物等生物体,无法反应生理病理信息。
数字化农业与信息化农业发展对精确有效的植物三维模型提出了要求。对三维模型添加高光谱信息能够直观的呈现植物生理病理信息,节约了对大量高光谱对于进一步作物生理病理研究、农业生产作业指导等提供帮助。
但是现有技术中的高光谱三维模型技术的成像的分辨率和精度还有待进一步提高。
发明内容
本发明提供了一种获取三维高光谱信息的方法,提高高光谱三维重建的分辨率与精度。
一种获取三维高光谱信息的方法,包括以下步骤:
(1)采用张正友基于黑白棋盘格标定板的标定方法,对高光谱相机与RGB相机进行标定,分别获取相机的内参矩阵和外参矩阵;
(2)对高光谱相机与RGB相机采集的包含待测物体的图像进行特征点提取、匹配,排除近似符合匹配条件的特征点以减少匹配误差;
(3)根据步骤(2)中获取的RGB图像的特征点进行空间内插值处理,建立三维模型;
(4)根据高光谱相机的内外参数与特征点在高光谱图像中的二维坐标,根据RGB相机的内外参数与特征点在RGB图像中的二维坐标,得到特征点在两种相机拍摄下的深度值,对于待测物体上任一点在同一角度拍摄的两种图像中,应具有相同深度值,根据深度值检索对高光谱图像与RGB图像进行匹配;
(5)选择所需波段的高光谱图像,根据步骤(4)实现高光谱图像数据的匹配,并根据选定波段的高光谱图像的各点灰度信息在步骤(4)得到的三维模型中呈现,反应待测物的信息。
优选的,步骤(4)中,步骤(4)中,根据深度值检索对高光谱图像与RGB图像进行匹配的检索范围为:
|xRGB-(xHyp+xrel)|≤δx,
|yRGB-(yHyp+yrel)|≤δy,
zmin=|ZRGB-zHyp|≤δz,
其中:
xRGB、xHyp、yRGB、yHyp、ZRGB、ZHyp分别表示对象点在两种相机拍摄中的坐标及深度;
xrel、yrel则表示高光谱相机与RGB相机的相对偏移量;
δx、δy、δz则表示检索范围,zmin为最小深度差。
通过灰度值或者数值形式呈现在三维模型中,相比下通过伪彩色形式更加直观明显优选的,步骤(5)中,根据选定波段的高光谱图像的各点灰度信息以伪彩色形式在步骤(4)得到的三维模型中呈现。
为提高采集图像的质量,需要对图像进行预处理,优选的,在步骤(2)中,先对采集的RGB图像进行图像灰度化并滤波降噪,对高光谱图像进行滤波降噪。
通过互对应约束,几何相似性约束等等进行图像特征点筛选,其中,通过极线约束可以降低匹配维度,控制搜索区间,提高运算速度和精度。优选的,步骤(2)中,采用极线约束规则排除近似符合匹配条件的特征点。
通过ORB、SURF等算法实现特征点提取,其中,SIFT算法在尺度变化和旋转变化以及放射变化下效果较好,优选的,步骤(2)中,采用SIFT特征提取匹配算法提取特征点并进行匹配。
优选的,步骤(2)中,采用SIFT特征提取匹配算法提取特征点并进行匹配的具体步骤如下:
2-1为生成特征点描述子,先检查序列图像尺度空间极值,确定特征点在尺度空间的位置;
2-2在二维二次函数拟合过程中剔除误差点,降低错误;
2-3根据梯度方向,确定拟合后保留的特征点的128维方向参数,生成特征点描述子;
2-4根据SIFT进行匹配。
优选的,步骤(3)中,建立三维模型过程为:应用曲线曲面方法连接特征点建立多边形模型,再利用三角网格化方法提取纹理。
优选的,步骤(1)中,内参矩阵K和外参矩阵M表达式如下:
其中,dx,dy分别表示相机采集图像的像素点在水平方向(x轴)和垂直方向(y轴)上的物理尺寸,υ0和v0则分别表示相机光轴与成像面交点相对成像中心在x轴和y轴方向的偏移。外参r则表示相机相对标定板参照点的旋转矩阵,t则表示相机的平移矩阵。
为消除相机拍摄图像的畸变情况,应用极大似然法估算非线性系畸变系数,并通过畸变系数矫正图像。
优选的,待测物为植物。由于不同物种以及不同生产期植株尺寸存在较大的差异,本发明能有效的适应多种植株,具有更为广泛的适用性。
本发明还提供了一种获取三维高光谱信息的装置,其特征在于,包括机械运动系统和图像采集处理系统:
所述的机械运动系统包括:
移动平台,用于放置并固定待测物,设有旋转轴和电机,旋转轴通过角度传感器检测旋转角度,通过控制电机工作实现移动平台的旋转;
升降单元,安装有所述移动平台,通过工控机控制电机工作,实现升降,根据图像采集需求和待测物大小可实现多级升降;
平动单元,安装有所述移动平台,通过工控机控制电机工作,通过装有对射式红外测距传感器检测距离,实现控制调整移动平台与摄像机的距离,以满足实验需求;
图像采集处理系统包括:
光源发生器:主要为卤钨灯,发射多波段光谱;
高光谱相机与RGB相机:实现采集检测待测物的图像并传送至工控机;
工控机,实时获取图像信息,并根据权利要求1~9任一权利要求的获取三维高光谱信息的方法对待测物的三维模型重构。
高光谱相机与RGB相机组合固定,调整移动平台与相机的距离,以适应不同尺寸的植株,保证植株在图像中有完整的信息与较高的分辨率和;通过控制机械底盘的上升下降以及旋转,配合高光谱相机以及RGB相机获取多角度序列图像。作为优选,光源发生器对称分布于装置的4个方位。作为优选,高光谱相机与RGB相机上下组合,固定于机架上。
与现有技术相比,本发明的有益效果为:
本发明的获取三维高光谱信息的方法,相对应用高光谱图像进行三维重建具有较高的分辨率与精度,并且克服了直接应用高光谱图像进行三维重建时不同波段三维模型融合的问题。
附图说明
图1为本发明的获取三维高光谱信息装置的结构示意图。
图2为本发明的获取三维高光谱信息装置的工作流程示意图。
图3为本发明的获取三维高光谱信息方法的线框流程示意图。
其中,1、RGB工业相机;2、高光谱相机;3、光谱仪;4、装置架;5、显示器;6、工控机主机;7、对射式红外测距传感器;8、光源(卤钨灯);9、角度传感器;10、移动平台(含旋转轴);11、升降单元(z轴);12、平动单元(x轴)。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述。
如图1所示,本实施例以植物作为待测物为例进行说明,本实施例的获取植物三维高光谱信息装置包括机械运动系统和图像采集系统。
机械运动系统包括:移动平台10、升降装置(z轴)11、平动装置(x轴)12、对射式红外测距传感器7以及角度传感器9。
图像采集系统包括:RGB工业相机1、高光谱相机2、光谱仪、装置架4与由显示器5与工控机主机6组成的计算机系统。
根据植株大小,通过工控机6控制电机驱动平动装置(x轴)12移动,距离信息通过对射式红外测距传感器7反馈给工控机,直至调节至适合距离;移动平台10安装有角度传感器,底部设有电机驱动模块,根据工控机6发送的信号旋转一定角度,角度信息通过角度传感器9反馈回工控机。当移动平台10停止运动后,工控机发送信号给RGB相机1、高光谱相机2与光谱仪3,进行该角度图像采集。采集完毕后,工控机1接受反馈信号并对图像进行处理,同时发出信号控制移动平台10旋转轴电机工作,旋转至下一角度。当工控机1接收到角度传感器9反馈的角度信息为360°时,发出信号控制升降装置(z轴)11电机工作,实现植株的升降拍摄下一个范围多角度图像。
本实施例的获取植物三维高光谱信息方法的工作流程如图2所示。
本实施例的获取植物三维高光谱信息方法包括以下步骤:
(1)采用张正友基于黑白棋盘格标定板的标定方法,对高光谱相机与RGB相机进行标定,分别获取相机的内参矩阵K和外参矩阵M,表达式如下:
其中,dx,dy分别表示相机采集图像的像素点在水平方向(x轴)和垂直方向(y轴)上的物理尺寸,υ0和v0则分别表示相机光轴与成像面交点相对成像中心在x轴和y轴方向的偏移。外参r则表示相机相对标定板参照点的旋转矩阵,t则表示相机的平移矩阵。
为消除相机拍摄图像的畸变情况,应用极大似然法估算非线性系畸变系数,并通过畸变系数矫正图像。
(2)为提高采集图像的质量,需要对图像进行预处理,针对RGB图像,进行图像灰度化并滤波降噪,图像灰度化采用加权平均法,降噪滤波选择高斯滤波,高斯核大小为3×3;针对高光谱图像主要进行滤波降噪。
(3)对处理后的图像进行特征点提取、匹配,并采用极线约束规则排除近似符合匹配条件的特征点以减少匹配误差。本实施例中,采用SIFT特征提取匹配算法提取特征点并进行匹配。为生成特征点描述子,先检查序列图像尺度空间极值,确定特征点在尺度空间的位置。然后在二维二次函数拟合过程中剔除误差点,降低错误。根据梯度方向,确定拟合后保留的特征点的128维方向参数,生成特征点描述子。最后根据SIFT进行匹配。
(4)根据RGB特征点进行空间内插处理,建立精确三维模型,应用CB样条曲线连接特征点建立多边形模型,再利用Delaunay三角网格化方法提取纹理。
(5)根据相机的内外参以及特征点分别在高光谱相机与RGB相机采集图像中的对应坐标可以得到特征点在两种相机拍摄下的深度值。对于植株体上某一点在同一角度拍摄的两种图像中,应具有相同深度值,根据深度值检索可将高光谱数据图像与RGB数据图像进行匹配。检索范围为:
|xRGB-(xHyp+xrel)|≤δx,
|yRGB-(yHyp+yrel)|≤δy,
Zmin=|ZRGB-ZHyp|≤δz,
其中,xRGB、xHyp、yRGB、yHyp、ZRGB、ZHyp分别表示对象点在两种相机拍摄中的图像坐标及深度,xrel、yrel则表示高光谱相机与RGB相机的相对偏移量,δx、δy、δz则表示检索范围,zmin为最小深度差。
(6)选择所需波段高光谱图像,根据步骤(5)实现高光谱数据图像数据的匹配,并根据图像各点灰度信息以伪彩色形式反应在三维模型,反应植株生理病理信息。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的具体实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种获取三维高光谱信息的方法,其特征在于,包括以下步骤:
(1)对高光谱相机与RGB相机进行标定,分别获取相机的内参矩阵和外参矩阵;
(2)对高光谱相机与RGB相机采集的包含待测物体的图像进行特征点提取、匹配,排除近似符合匹配条件的特征点;
(3)根据步骤(2)中获取的RGB图像的特征点进行空间内插值处理,建立三维模型;
(4)根据高光谱相机的内外参数与特征点在高光谱图像中的二维坐标,根据RGB相机的内外参数与特征点在RGB图像中的二维坐标,得到特征点在两种相机拍摄下的深度值,根据深度值检索对高光谱图像与RGB图像进行匹配;
(5)选择所需波段的高光谱图像,根据步骤(4)实现高光谱图像数据的匹配,并根据选定波段的高光谱图像的各点灰度信息在步骤(4)得到的三维模型中呈现,反应待测物的信息。
2.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,步骤(5)中,根据选定波段的高光谱图像的各点灰度信息以伪彩色形式在步骤(4)得到的三维模型中呈现。
3.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,在步骤(2)中,先对采集的RGB图像进行图像灰度化并滤波降噪,对高光谱图像进行滤波降噪。
4.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,步骤(2)中,采用极线约束规则排除近似符合匹配条件的特征点。
5.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,步骤(2)中,采用SIFT特征提取匹配算法提取特征点并进行匹配。
6.如权利要求5所述的获取三维高光谱信息的方法,其特征在于,步骤(2)中,采用SIFT特征提取匹配算法提取特征点并进行匹配的具体步骤如下:
2-1为生成特征点描述子,先检查序列图像尺度空间极值,确定特征点在尺度空间的位置;
2-2在二维二次函数拟合过程中剔除误差点;
2-3根据梯度方向,确定拟合后保留的特征点的128维方向参数,生成特征点描述子;
2-4根据SIFT进行匹配。
7.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,步骤(3)中,建立三维模型过程为:应用曲线曲面方法连接特征点建立多边形模型,再利用三角网格化方法提取纹理。
8.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,步骤(1)中,内参矩阵K和外参矩阵M表达式如下:
<mrow>
<mi>K</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
</mfrac>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>&upsi;</mi>
<mn>0</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<mi>d</mi>
<mi>y</mi>
</mrow>
</mfrac>
</mtd>
<mtd>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<mi>M</mi>
<mo>=</mo>
<mi>r</mi>
<mi>t</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>r</mi>
</mtd>
<mtd>
<mi>t</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msup>
<mn>0</mn>
<mi>T</mi>
</msup>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,dx,dy分别表示相机采集图像的像素点在水平方向(x轴)和垂直方向(y轴)上的物理尺寸;
υ0和v0则分别表示相机光轴与成像面交点相对成像中心在x轴和y轴方向的偏移;
外参r则表示相机相对标定板参照点的旋转矩阵;
t则表示相机的平移矩阵。
9.如权利要求1所述的获取三维高光谱信息的方法,其特征在于,待测物为植物。
10.一种获取三维高光谱信息的装置,其特征在于,包括机械运动系统和图像采集处理系统:
所述的机械运动系统包括:
移动平台,用于放置并固定待测物,设有旋转轴和电机,旋转轴通过角度传感器检测旋转角度,通过控制电机工作实现移动平台的旋转;
升降单元,安装有所述移动平台;
平动单元,安装有所述移动平台;
图像采集处理系统包括:
光源发生器;
高光谱相机与RGB相机:实现采集检测待测物的图像并传送至工控机;
工控机,实时获取图像信息,并根据权利要求1~9任一权利要求的获取三维高光谱信息的方法对待测物的三维模型重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710272138.0A CN107133976B (zh) | 2017-04-24 | 2017-04-24 | 一种获取三维高光谱信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710272138.0A CN107133976B (zh) | 2017-04-24 | 2017-04-24 | 一种获取三维高光谱信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107133976A true CN107133976A (zh) | 2017-09-05 |
CN107133976B CN107133976B (zh) | 2020-04-14 |
Family
ID=59716021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710272138.0A Active CN107133976B (zh) | 2017-04-24 | 2017-04-24 | 一种获取三维高光谱信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133976B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108254074A (zh) * | 2017-12-07 | 2018-07-06 | 毕研盟 | 一种高光谱遥感仪器在轨光谱定标方法 |
CN108318432A (zh) * | 2017-12-29 | 2018-07-24 | 北京农业智能装备技术研究中心 | 一种三维高光谱杂草成像装置及方法 |
CN108414454A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种植物三维结构及光谱信息的同步测量系统及测量方法 |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN109218667A (zh) * | 2018-09-08 | 2019-01-15 | 合刃科技(武汉)有限公司 | 一种用公共场所安全预警系统和方法 |
CN109978931A (zh) * | 2019-04-04 | 2019-07-05 | 北京悉见科技有限公司 | 三维场景重建方法及设备、存储介质 |
CN110490937A (zh) * | 2019-07-15 | 2019-11-22 | 南京大学 | 一种加速高光谱视频重建的方法及其装置 |
CN110728282A (zh) * | 2019-10-11 | 2020-01-24 | 哈尔滨理工大学 | 基于动态测量的自适应标定方法 |
CN110749555A (zh) * | 2019-10-30 | 2020-02-04 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN111344103A (zh) * | 2018-10-24 | 2020-06-26 | 合刃科技(深圳)有限公司 | 基于高光谱光学传感器的涂层区域定位方法和装置、及除胶系统 |
CN111579511A (zh) * | 2020-06-15 | 2020-08-25 | 南京农业大学 | 基于结构高光谱的种子质量检测方法及装置 |
CN112561883A (zh) * | 2020-12-17 | 2021-03-26 | 成都亚讯星科科技股份有限公司 | 农作物rgb图像重建高光谱图像的方法 |
CN112964202A (zh) * | 2019-06-14 | 2021-06-15 | 南京林业大学 | 一种植物表型信息采集系统及提取方法 |
CN113643388A (zh) * | 2021-10-14 | 2021-11-12 | 深圳市海谱纳米光学科技有限公司 | 一种用于高光谱图像的黑帧标定、矫正方法和系统 |
CN113989364A (zh) * | 2021-10-21 | 2022-01-28 | 北京航天创智科技有限公司 | 一种全自动多光谱文物信息采集建模系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908211A (zh) * | 2010-08-04 | 2010-12-08 | 北京航空航天大学 | 一种基于变分方法的高光谱图像融合方法 |
CN102800097A (zh) * | 2012-07-19 | 2012-11-28 | 中国科学院自动化研究所 | 多特征多级别的可见光与红外图像高精度配准方法 |
CN102800099A (zh) * | 2012-07-19 | 2012-11-28 | 北京市遥感信息研究所 | 多特征多级别的可见光与高光谱图像高精度配准方法 |
CN103868500A (zh) * | 2014-03-21 | 2014-06-18 | 无锡市星迪仪器有限公司 | 光谱三维成像系统及成像方法 |
-
2017
- 2017-04-24 CN CN201710272138.0A patent/CN107133976B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908211A (zh) * | 2010-08-04 | 2010-12-08 | 北京航空航天大学 | 一种基于变分方法的高光谱图像融合方法 |
CN102800097A (zh) * | 2012-07-19 | 2012-11-28 | 中国科学院自动化研究所 | 多特征多级别的可见光与红外图像高精度配准方法 |
CN102800099A (zh) * | 2012-07-19 | 2012-11-28 | 北京市遥感信息研究所 | 多特征多级别的可见光与高光谱图像高精度配准方法 |
CN103868500A (zh) * | 2014-03-21 | 2014-06-18 | 无锡市星迪仪器有限公司 | 光谱三维成像系统及成像方法 |
Non-Patent Citations (5)
Title |
---|
张艳超 等: "基于小波分解的油菜多光谱图像与深度图像数据融合方法", 《农业工程学报》 * |
张艳超 等: "基于运动恢复结构算法的油菜NDVI三维分布", 《农业工程学报》 * |
杨洁: "融合深度信息的多光谱光度立体三维重建及其在水下的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵翔宇: "基于多源光学数据的单株阔叶树三维建模技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
马峰: "基于二维图像的三维建模技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108254074A (zh) * | 2017-12-07 | 2018-07-06 | 毕研盟 | 一种高光谱遥感仪器在轨光谱定标方法 |
CN108318432A (zh) * | 2017-12-29 | 2018-07-24 | 北京农业智能装备技术研究中心 | 一种三维高光谱杂草成像装置及方法 |
CN108414454A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种植物三维结构及光谱信息的同步测量系统及测量方法 |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN109218667A (zh) * | 2018-09-08 | 2019-01-15 | 合刃科技(武汉)有限公司 | 一种用公共场所安全预警系统和方法 |
CN111344103A (zh) * | 2018-10-24 | 2020-06-26 | 合刃科技(深圳)有限公司 | 基于高光谱光学传感器的涂层区域定位方法和装置、及除胶系统 |
CN111344103B (zh) * | 2018-10-24 | 2022-03-25 | 合刃科技(深圳)有限公司 | 基于高光谱光学传感器的涂层区域定位方法和装置、及除胶系统 |
CN109978931A (zh) * | 2019-04-04 | 2019-07-05 | 北京悉见科技有限公司 | 三维场景重建方法及设备、存储介质 |
CN112964202A (zh) * | 2019-06-14 | 2021-06-15 | 南京林业大学 | 一种植物表型信息采集系统及提取方法 |
CN110490937A (zh) * | 2019-07-15 | 2019-11-22 | 南京大学 | 一种加速高光谱视频重建的方法及其装置 |
CN110490937B (zh) * | 2019-07-15 | 2022-05-17 | 南京大学 | 一种加速高光谱视频重建的方法及其装置 |
CN110728282A (zh) * | 2019-10-11 | 2020-01-24 | 哈尔滨理工大学 | 基于动态测量的自适应标定方法 |
CN110749555A (zh) * | 2019-10-30 | 2020-02-04 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN110749555B (zh) * | 2019-10-30 | 2022-05-31 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN111579511A (zh) * | 2020-06-15 | 2020-08-25 | 南京农业大学 | 基于结构高光谱的种子质量检测方法及装置 |
CN112561883A (zh) * | 2020-12-17 | 2021-03-26 | 成都亚讯星科科技股份有限公司 | 农作物rgb图像重建高光谱图像的方法 |
CN112561883B (zh) * | 2020-12-17 | 2024-06-21 | 成都亚讯星科科技股份有限公司 | 农作物rgb图像重建高光谱图像的方法 |
CN113643388B (zh) * | 2021-10-14 | 2022-02-22 | 深圳市海谱纳米光学科技有限公司 | 一种用于高光谱图像的黑帧标定、矫正方法和系统 |
CN113643388A (zh) * | 2021-10-14 | 2021-11-12 | 深圳市海谱纳米光学科技有限公司 | 一种用于高光谱图像的黑帧标定、矫正方法和系统 |
CN113989364A (zh) * | 2021-10-21 | 2022-01-28 | 北京航天创智科技有限公司 | 一种全自动多光谱文物信息采集建模系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107133976B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133976A (zh) | 一种获取三维高光谱信息的方法和装置 | |
CN107239748A (zh) | 基于棋盘格标定技术的机器人目标识别与定位方法 | |
CN107590786A (zh) | 一种基于对抗学习网络的图像增强方法 | |
EP3167432B1 (en) | Method and system for photogrammetric processing of images | |
CN109903299A (zh) | 一种条件式生成对抗网络的异源遥感图像配准方法及装置 | |
WO2020214793A1 (en) | Systems and methods for rating vegetation health and biomass from remotely sensed morphological and radiometric data | |
CN108414454A (zh) | 一种植物三维结构及光谱信息的同步测量系统及测量方法 | |
CN109146961A (zh) | 一种基于虚拟矩阵的3d测量及获取装置 | |
CN108074265A (zh) | 一种基于视觉辨识的网球定位系统、方法及装置 | |
CN116385894A (zh) | 基于遥感图像的海岸线识别方法、装置以及设备 | |
CN102096920A (zh) | 基于标靶图像的亚像素配准方法 | |
Parvatikar et al. | Comparative study of different image fusion techniques | |
CN114972625A (zh) | 一种基于rgb光谱超分辨技术的高光谱点云生成方法 | |
CN109087341B (zh) | 一种近距离高光谱相机与测距传感器的融合方法 | |
CN113888572A (zh) | 一种视觉的平面孔测量方法 | |
CN104111080B (zh) | 一种凝视卫星面阵ccd相机的mtf在轨检测方法 | |
CN117218192A (zh) | 一种基于深度学习与合成数据的弱纹理物体位姿估计方法 | |
CN116029954A (zh) | 一种图像融合方法及装置 | |
CN112037132B (zh) | 一种多孔径紧凑型多光谱成像系统及深度学习图像超分辨率重建方法 | |
CN111968075B (zh) | 一种基于高光谱的种植物成熟度检测系统及方法 | |
CN114972864A (zh) | 一种基于混洗特征增强的高光谱和激光雷达融合分类方法 | |
CN114219870A (zh) | 用于无人机高光谱图像超分辨率重建的辅助图像生成方法与系统 | |
CN108007569A (zh) | 一种多光谱影像辐射定标方法 | |
CN103996044B (zh) | 利用遥感图像提取目标的方法和装置 | |
CN114494039A (zh) | 一种水下高光谱推扫图像几何校正的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |