CN108021878A - 一种等高线负向地貌智能识别方法 - Google Patents
一种等高线负向地貌智能识别方法 Download PDFInfo
- Publication number
- CN108021878A CN108021878A CN201711240723.9A CN201711240723A CN108021878A CN 108021878 A CN108021878 A CN 108021878A CN 201711240723 A CN201711240723 A CN 201711240723A CN 108021878 A CN108021878 A CN 108021878A
- Authority
- CN
- China
- Prior art keywords
- contour
- landforms
- negative sense
- types
- positive
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种等高线负向地貌智能识别方法。它包括如下步骤:进行等高线封闭处理;顺序查找封闭等高线,设为La;基于线缓冲区获取La相邻等高线Lb;根据等高线La和Lb的高程值,相互包含关系,以及Lb的闭合性判断La和Lb的类型(正向地貌,负向地貌和存疑待定),判断完后进行循环处理,直至全图等高线判断完;对标记存疑的等高线再进行如上判断;实现等高线负向地貌的智能识别。本发明克服了利用现有技术将国标地形图数据转换为军标数据进行地图出版时,不能自动识别等高线负向地貌、添加洼地示坡线的缺点;具有计算和判断方法快,识别率高,降低人工参与程度,满足国标地形数据转换为军标数据进行地图生产的应用需求的优点。
Description
技术领域
本发明涉及一种等高线负向地貌智能识别方法,更具体说它是一种用于国标地形图数据转换为军标数据进行地图出版时的等高线负向地貌(洼地)全自动判断方法。
背景技术
采用国标地形图数据转换为军标数据进行地图出版时,需要对等高线负向地貌进行判断,并添加洼地示坡线。由于(1)国标数据中等高线没有负向属性项,人工进行判断工作量大且容易遗漏;(2)目前现有等高线判断和识别方法识别率不高,且人工参与比重较大;(3)现有生产软件中尚没有等高线负向地貌全自动判断的功能。
因此,为了在军用地形图生产中充分利用现有的国标地形图上数据,提高军标地形图出版的正确性和效率,进行等高线负向地貌自动判断十分必要。
发明内容
本发明的目的是提供一种等高线负向地貌智能识别方法,计算和判断方法较快,识别率较高,大大降低了等高线负向地貌识别过程中人工参与的程度,满足国标地形数据转换为军标数据进行地图生产的应用。
为了实现上述目的,本发明的技术方案为:一种等高线负向地貌智能识别方法,其特征在于:包括如下步骤:
步骤1:进行等高线封闭处理;
步骤2:顺序查找封闭等高线,设为La;
步骤3:基于线缓冲区获取La相邻等高线Lb;
步骤4:根据等高线La和Lb的高程值,相互包含关系,以及Lb的闭合性判断La和Lb的类型;判断完后对下一条封闭等高线进行循环处理(循环步骤2至步骤4);
步骤5:对存疑标记的等高线再进行如上判断(循环步骤2至步骤4),仍不能确定存疑标记的等高线类型时进行人工判定,直至全图所有等高线判断完毕;实现等高线负向地貌的智能识别。
在上述技术方案中,步骤1中,当同高的等高线之间距离小于设定值(设定值一般设定为0.5mm)时,将同高的等高线进行连接或闭合;
当同高的等高线之间距离大于设定值,不进行处理,标记此等高线为不封闭。
在上述技术方案中,步骤2中,对所有等高线按照数据存储顺序进行标号,顺序查找等高线,若封闭,将此封闭的等高线设为La。
在上述技术方案中,步骤3包括如下内容:
(1)设置线缓冲区大小,构建La的线缓冲区;
(2)判断线缓冲区与其它等高线的相交关系,若线缓冲区内没有相交等高线,增大线缓冲区大小,继续进行判断;若线缓冲区内有多条相交等高线,减小线缓冲区大小,继续进行判断;直至线缓冲区内有且仅有一条相交等高线,将此相交等高线设为Lb。
在上述技术方案中,步骤4中,等高线类型包括正向地貌,负向地貌和存疑待定。
在上述技术方案中,步骤4中,判断La和Lb的类型包括如下内容:
(1)高程值La<Lb
如果La不包含Lb,则为负向地貌,La类型中输入负向;
如果La包含Lb,则为正向地貌,La类型中输入正向,Lb类型中输入正向;
(2)高程值La>Lb
如果La不包含Lb,则为正向地貌,La类型中输入正向;
如果La包含Lb,则为负向地貌,La类型中输入负向,Lb类型中输入负向;
(3)高程值La=Lb,继续判断
(ⅰ)Lb为封闭等高线:
当Lb包含La时,
若Lb为正向地貌则La类型中输入负向;
若Lb为负向地貌则La类型中输入正向;
当Lb不包含La时,
若Lb为正向地貌则La类型中输入正向;
若Lb为负向地貌则La类型中输入负向;
Lb为封闭等高线时,若Lb的类型属性不明时,继续查找另一等高线,即跳转到步骤2,获取下一条等高线,设为Lc,进行如下判断:
①当Lc与La相邻,令Lb=Lc,循环进行步骤3,当循环次数达到5次时,La类型中输入正向,并做存疑标记;循环结束;
②当Lc与La不相邻时,
若Lc闭合,
当La的高程低于Lc的高程,La类型中输入正向;
当La的高程高于Lc的高程,La类型中输入负向;
当La的高程等于Lc的高程,Lc为正向时,La类型中输入负向;Lc为负向时,La类型中输入正向;
Lc的类型未知时,跳转到步骤2,查找下一条等高线,循环所述步骤①、步骤②;
若Lc不闭合,
当La的高程低于Lc的高程,La类型中输入正向;
当La的高程高于Lc的高程,La类型中输入负向;
当La的高程等于Lc的高程,跳转到步骤2,查找下一条等高线,循环所述步骤①、步骤②;
(ⅱ)Lb为不封闭等高线:跳转到步骤2,查找下一条等高线,循环步骤3,当判断Lb为不封闭等高线的次数累计达到3次时,将La类型中输入正向,并做存疑标记;循环结束。
在上述技术方案中,步骤5中,当全图等高线处理完后,再对存在疑问的闭合等高线进行步骤2至步骤4的循环判断,仍不能确定时作出标记,人工判定;其中,图边等高线读入邻图等高线接边后进行判断。
本发明具有如下优点:
(1)计算和判断方法简单,充分利用了缓冲区分析技术,且速度快,通用性强;
(2)大大降低了等高线负向地貌识别过程中人工参与的程度,值得应用推广;
(3)满足了国标地形数据转换为军标数据进行地图生产的应用需求;本发明是一种用于国标地形图数据转换为军标数据进行地图出版时的等高线负向地貌全自动判断方法;克服了现有技术国标地形图数据转换为军标数据进行地图出版时,不能自动识别等高线负向地貌,并添加洼地示坡线的缺点。
附图说明
图1为本发明总体设计流程图。
图2为基于线缓冲区的相邻等高线查找示意图。
具体实施方式
下面结合附图详细说明本发明的实施情况,但它们并不构成对本发明的限定,仅作举例而已。同时通过说明使本发明的优点更加清楚和容易理解。
参阅附图可知:一种等高线负向地貌智能识别方法,其特征在于:包括如下步骤:
步骤1:进行等高线封闭处理;
步骤2:顺序查找封闭等高线,设为La;
步骤3:基于线缓冲区获取La相邻等高线Lb;
步骤4:根据等高线La和Lb的高程值,相互包含关系,以及Lb的闭合性判断La和Lb的类型;判断完后对下一条封闭等高线进行循环处理(循环步骤2至步骤4);;
步骤5:对存疑标记的等高线再进行如上判断(循环步骤2至至步骤4),仍不能确定存疑标记的等高线的类型时进行人工判定,直至全图所有等高线判断完毕;实现等高线负向地貌的智能识别。
步骤1中,当同高的等高线之间距离小于设定值时(设定值一般设定为0.5mm),将同高的等高线进行连接或闭合;
当同高的等高线之间距离大于设定值,不进行处理,标记此等高线为不封闭,在后续等高线类型判断中需要根据等高线的闭合性进行分别判断。
步骤2中,对所有等高线按照数据存储顺序进行标号,顺序查找等高线,若封闭,将此封闭的等高线设为La。
步骤3包括如下内容:
(1)设置线缓冲区大小,构建La的线缓冲区;
(2)判断线缓冲区与其它等高线的相交关系,若线缓冲区内没有相交等高线,增大线缓冲区大小,继续进行判断;若线缓冲区内有多条相交等高线,减小线缓冲区大小,继续进行判断;直至线缓冲区内有且仅有一条相交等高线,将此相交等高线设为Lb;由于等高线是由许多顶点连接构成的折线段,若利用常用的计算折线段之间的最近距离获取相邻线的方式需要遍历折线段上的所有点,耗时较长,无法满足实用性的要求;而利用等高线La的线缓冲区,通过判断与线缓冲区相交的等高线条数最终确定La的相邻等高线的方式,操作对象是线和面,判断效率要优于传统的距离计算方式,能够满足实际应用的需求。
步骤4中,等高线类型包括正向地貌,负向地貌和存疑待定。
步骤4中,判断La和Lb的类型包括如下内容:
(1)高程值La<Lb
如果La不包含Lb,则为负向地貌,La类型中输入负向;
如果La包含Lb,则为正向地貌,La类型中输入正向,Lb类型中输入正向;
(2)高程值La>Lb
如果La不包含Lb,则为正向地貌,La类型中输入正向;
如果La包含Lb,则为负向地貌,La类型中输入负向,Lb类型中输入负向;
(3)高程值La=Lb,继续判断
(ⅰ)Lb为封闭等高线:
当Lb包含La时,
若Lb为正向地貌则La类型中输入负向;
若Lb为负向地貌则La类型中输入正向;
当Lb不包含La时,
若Lb为正向地貌则La类型中输入正向;
若Lb为负向地貌则La类型中输入负向;
Lb为封闭等高线时,若Lb的类型属性不明时,继续查找另一等高线,即跳转到步骤2,获取下一条等高线,设为Lc,进行如下判断:
①当Lc与La相邻,令Lb=Lc,循环进行步骤3,当循环次数达到5次时,La类型中输入正向,并做存疑标记;循环结束;
②当Lc与La不相邻时,
若Lc闭合,
当La的高程低于Lc的高程,La类型中输入正向;
当La的高程高于Lc的高程,La类型中输入负向;
当La的高程等于Lc的高程,Lc为正向时,La类型中输入负向;Lc为负向时,La类型中输入正向;
Lc的类型未知时,跳转到步骤2,查找下一条等高线,循环所述步骤①、步骤②;
若Lc不闭合,
当La的高程低于Lc的高程,La类型中输入正向;
当La的高程高于Lc的高程,La类型中输入负向;
当La的高程等于Lc的高程,跳转到步骤2,查找下一条等高线,循环所述步骤①、步骤②;
(ⅱ)Lb为不封闭等高线:跳转到步骤2,查找下一条等高线,循环步骤3,当判断Lb为不封闭等高线的次数累计达到3次时,将La类型中输入正向,并做存疑标记;循环结束。通常情况下,当循环判断相邻等高线为不封闭等高线的次数达到3次时,需要进行人工辅助判定,且将La的类型输入正向的目的是为了不影响后续等高线类型的判断。
步骤5中,当全图等高线处理完后,再对存在疑问的闭合等高线进行步骤2至步骤4的循环判断处理,仍不能确定时作出标记,人工判定;其中,图边等高线读入邻图等高线接边后进行判断。
其它未说明的部分均属于现有技术。
Claims (7)
1.一种等高线负向地貌智能识别方法,其特征在于:包括如下步骤:
步骤1:进行等高线封闭处理;
步骤2:顺序查找封闭等高线,设为La;
步骤3:基于线缓冲区获取La相邻等高线Lb;
步骤4:根据等高线La和Lb的高程值,相互包含关系,以及Lb的闭合性判断La和Lb的类型;判断完后对下一条封闭等高线进行循环处理,循环步骤2至步骤4;
步骤5:对标记存疑的等高线再进行循环处理的判断,循环步骤2至步骤4,仍不能确定存疑标记的等高线类型时进行人工判定,直至全图所有等高线判断完毕;实现等高线负向地貌的智能识别。
2.根据权利要求1所述的一种等高线负向地貌智能识别方法,其特征在于:步骤1中,当同高的等高线之间距离小于设定值时,将同高的等高线进行连接或闭合;
当同高的等高线之间距离大于设定值,不进行处理,标记此等高线为不封闭。
3.根据权利要求2所述的一种等高线负向地貌智能识别方法,其特征在于:步骤2中,对所有等高线按照数据存储顺序进行标号,顺序查找等高线,若封闭,将此封闭的等高线设为La。
4.根据权利要求3所述的一种等高线负向地貌智能识别方法,其特征在于:步骤3包括如下内容:
(1)设置线缓冲区大小,构建La的线缓冲区;
(2)判断线缓冲区与其它等高线的相交关系,若线缓冲区内没有相交等高线,增大线缓冲区大小,继续进行判断;若线缓冲区内有多条相交等高线,减小线缓冲区大小,继续进行判断;直至线缓冲区内有且仅有一条相交等高线,将此相交等高线设为Lb。
5.根据权利要求4所述的一种等高线负向地貌智能识别方法,其特征在于:步骤4中,等高线类型包括正向地貌,负向地貌和存疑待定。
6.根据权利要求5所述的一种等高线负向地貌智能识别方法,其特征在于:步骤4中,判断La和Lb的类型包括如下内容:
(1)高程值La<Lb
如果La不包含Lb,则为负向地貌,La类型中输入负向;
如果La包含Lb,则为正向地貌,La类型中输入正向,Lb类型中输入正向;
(2)高程值La>Lb
如果La不包含Lb,则为正向地貌,La类型中输入正向;
如果La包含Lb,则为负向地貌,La类型中输入负向,Lb类型中输入负向;
(3)高程值La=Lb,继续判断
(ⅰ)Lb为封闭等高线:
当Lb包含La时,
若Lb为正向地貌则La类型中输入负向;
若Lb为负向地貌则La类型中输入正向;
当Lb不包含La时,
若Lb为正向地貌则La类型中输入正向;
若Lb为负向地貌则La类型中输入负向;
Lb为封闭等高线时,若Lb的类型属性不明时,继续查找另一等高线,即跳转到步骤2,获取下一条等高线,设为Lc,进行如下判断:
①当Lc与La相邻,令Lb=Lc,循环进行步骤3,当循环次数达到5次时,La类型中输入正向,并做存疑标记;循环结束;
②当Lc与La不相邻时,
若Lc闭合,
当La的高程低于Lc的高程,La类型中输入正向;
当La的高程高于Lc的高程,La类型中输入负向;
当La的高程等于Lc的高程,Lc为正向时,La类型中输入负向;Lc为负向时,La类型中输入正向;
Lc的类型未知时,跳转到步骤2,查找下一条等高线,循环所述步骤①、步骤②;
若Lc不闭合,
当La的高程低于Lc的高程,La类型中输入正向;
当La的高程高于Lc的高程,La类型中输入负向;
当La的高程等于Lc的高程,跳转到步骤2,查找下一条等高线,循环所述步骤①、步骤②;
(ⅱ)Lb为不封闭等高线:跳转到步骤2,查找下一条等高线,循环步骤3,当判断Lb为不封闭等高线的次数累计达到3次时,将La类型中输入正向,并做存疑标记;循环结束。
7.根据权利要求6所述的一种等高线负向地貌智能识别方法,其特征在于:步骤5中,当全图等高线处理完后,再对存在疑问的闭合等高线进行步骤2至步骤4的循环判断,仍不能确定时作出标记,人工判定;其中,图边等高线读入邻图等高线接边后进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240723.9A CN108021878B (zh) | 2017-11-30 | 2017-11-30 | 一种等高线负向地貌智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240723.9A CN108021878B (zh) | 2017-11-30 | 2017-11-30 | 一种等高线负向地貌智能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108021878A true CN108021878A (zh) | 2018-05-11 |
CN108021878B CN108021878B (zh) | 2021-05-25 |
Family
ID=62077585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711240723.9A Active CN108021878B (zh) | 2017-11-30 | 2017-11-30 | 一种等高线负向地貌智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108021878B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543583A (zh) * | 2018-11-15 | 2019-03-29 | 南京泛在地理信息产业研究院有限公司 | 一种峡谷地貌实体的自动化识别方法 |
CN110955742A (zh) * | 2019-11-28 | 2020-04-03 | 中国电建集团成都勘测设计研究院有限公司 | 基于dem的升压站场坪雨水口设置区域分析方法 |
CN111159327A (zh) * | 2020-04-03 | 2020-05-15 | 速度时空信息科技股份有限公司 | 一种国标模型到军标模型的矢量空间数据模型转换方法 |
CN111259093A (zh) * | 2019-11-29 | 2020-06-09 | 长江空间信息技术工程有限公司(武汉) | Efdc模型计算结果可视化方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568011A (zh) * | 2011-09-02 | 2012-07-11 | 广西远长公路桥梁工程有限公司 | 根据等高线图自动生成数字航道图的方法 |
CN103416278A (zh) * | 2013-08-28 | 2013-12-04 | 攀枝花市西佛寺景区投资开发有限公司 | 一种喀斯特地貌栽培植被的方法 |
CN103745191A (zh) * | 2013-11-15 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 一种基于地形分析的黄土地区塬梁峁自动识别方法 |
CN104331928A (zh) * | 2014-10-28 | 2015-02-04 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于三角网的等高线高程自动赋值方法 |
CN105005580A (zh) * | 2015-06-05 | 2015-10-28 | 北京世纪安图数码科技发展有限责任公司 | 一种用于显示水库地形的方法及其装置 |
CN106033611A (zh) * | 2016-05-23 | 2016-10-19 | 西安建筑科技大学 | 一种dem数据中的山顶点提取方法 |
CN106777117A (zh) * | 2016-12-15 | 2017-05-31 | 南京师范大学 | 一种水平岩层构造地貌的自动识别方法 |
CN107067446A (zh) * | 2017-01-19 | 2017-08-18 | 中国测绘科学研究院 | 一种等高线邻近关系判断及方向自动调整方法 |
CN107180450A (zh) * | 2017-06-06 | 2017-09-19 | 广西师范学院 | 一种基于dem的河谷横断面形态的算法 |
-
2017
- 2017-11-30 CN CN201711240723.9A patent/CN108021878B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568011A (zh) * | 2011-09-02 | 2012-07-11 | 广西远长公路桥梁工程有限公司 | 根据等高线图自动生成数字航道图的方法 |
CN103416278A (zh) * | 2013-08-28 | 2013-12-04 | 攀枝花市西佛寺景区投资开发有限公司 | 一种喀斯特地貌栽培植被的方法 |
CN103745191A (zh) * | 2013-11-15 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 一种基于地形分析的黄土地区塬梁峁自动识别方法 |
CN104331928A (zh) * | 2014-10-28 | 2015-02-04 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于三角网的等高线高程自动赋值方法 |
CN105005580A (zh) * | 2015-06-05 | 2015-10-28 | 北京世纪安图数码科技发展有限责任公司 | 一种用于显示水库地形的方法及其装置 |
CN106033611A (zh) * | 2016-05-23 | 2016-10-19 | 西安建筑科技大学 | 一种dem数据中的山顶点提取方法 |
CN106777117A (zh) * | 2016-12-15 | 2017-05-31 | 南京师范大学 | 一种水平岩层构造地貌的自动识别方法 |
CN107067446A (zh) * | 2017-01-19 | 2017-08-18 | 中国测绘科学研究院 | 一种等高线邻近关系判断及方向自动调整方法 |
CN107180450A (zh) * | 2017-06-06 | 2017-09-19 | 广西师范学院 | 一种基于dem的河谷横断面形态的算法 |
Non-Patent Citations (4)
Title |
---|
A.L. GALLANT等: "Automated mapping of Hammond"s landforms", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS 》 * |
李华蓉: "基于图段的彩色地图线要素智能识别", 《中国博士学位论文全文数据库 信息科技辑》 * |
邹宝裕等: "数字高程模型提取山顶点及空间格局差异", 《遥感信息》 * |
郭沛沛等: "基于相邻关系的等高线树建立算法研究", 《中国工程科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543583A (zh) * | 2018-11-15 | 2019-03-29 | 南京泛在地理信息产业研究院有限公司 | 一种峡谷地貌实体的自动化识别方法 |
CN109543583B (zh) * | 2018-11-15 | 2021-04-27 | 南京泛在地理信息产业研究院有限公司 | 一种峡谷地貌实体的自动化识别方法 |
CN110955742A (zh) * | 2019-11-28 | 2020-04-03 | 中国电建集团成都勘测设计研究院有限公司 | 基于dem的升压站场坪雨水口设置区域分析方法 |
CN110955742B (zh) * | 2019-11-28 | 2023-07-25 | 中国电建集团成都勘测设计研究院有限公司 | 基于dem的升压站场坪雨水口设置区域分析方法 |
CN111259093A (zh) * | 2019-11-29 | 2020-06-09 | 长江空间信息技术工程有限公司(武汉) | Efdc模型计算结果可视化方法和系统 |
CN111259093B (zh) * | 2019-11-29 | 2022-02-22 | 长江空间信息技术工程有限公司(武汉) | Efdc水质模型计算结果可视化方法和系统 |
CN111159327A (zh) * | 2020-04-03 | 2020-05-15 | 速度时空信息科技股份有限公司 | 一种国标模型到军标模型的矢量空间数据模型转换方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108021878B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108021878A (zh) | 一种等高线负向地貌智能识别方法 | |
Han et al. | Real-time object detection based on YOLO-v2 for tiny vehicle object | |
WO2020220182A1 (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN103985119B (zh) | 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法 | |
Li et al. | DefectNet: Toward fast and effective defect detection | |
CN103226835B (zh) | 基于在线初始化梯度增强回归树的目标跟踪方法及系统 | |
CN112528845B (zh) | 一种基于深度学习的物理电路图识别方法及其应用 | |
CN111105422B (zh) | 一种网织红细胞分类计数模型构建方法及应用 | |
CN105931267B (zh) | 一种基于改进ViBe算法的运动物体检测跟踪方法 | |
CN104851095A (zh) | 基于改进型形状上下文的工件图像稀疏立体匹配方法 | |
CN109753949A (zh) | 一种基于深度学习的多视窗交通标志检测方法 | |
CN102270308A (zh) | 一种基于五官相关aam模型的面部特征定位方法 | |
CN103198477A (zh) | 一种苹果套袋机器人视觉定位方法 | |
CN110502971B (zh) | 基于单目视觉的道路车辆识别方法及系统 | |
CN110852330A (zh) | 一种基于单阶段的行为识别方法 | |
CN105389471A (zh) | 一种机器学习训练集缩减方法 | |
Zhou et al. | Autonomous detection of crop rows based on adaptive multi-ROI in maize fields | |
CN110659680B (zh) | 一种基于多尺度卷积的图像patch匹配方法 | |
CN104850620B (zh) | 一种基于空间关系的空间场景数据检索方法 | |
CN106600965A (zh) | 基于尖锐度的交通流早晚高峰时段自动识别方法 | |
CN104197932B (zh) | 基于人类行为学的位置跟踪方法 | |
CN104680493A (zh) | 一种基于尺度优化的数字图像修复方法 | |
He et al. | Variable scale learning for visual object tracking | |
CN1333365C (zh) | 指纹识别方法 | |
CN105975480A (zh) | 一种指令识别方法及系统 |
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 |