CN108765547A - 一种叶片形态空间校正的方法及其应用 - Google Patents
一种叶片形态空间校正的方法及其应用 Download PDFInfo
- Publication number
- CN108765547A CN108765547A CN201810367724.8A CN201810367724A CN108765547A CN 108765547 A CN108765547 A CN 108765547A CN 201810367724 A CN201810367724 A CN 201810367724A CN 108765547 A CN108765547 A CN 108765547A
- Authority
- CN
- China
- Prior art keywords
- blade
- space
- profile
- method described
- axis
- 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 35
- 238000012937 correction Methods 0.000 title claims abstract description 18
- 238000011161 development Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 19
- 241000208340 Araliaceae Species 0.000 claims description 10
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 10
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 10
- 235000008434 ginseng Nutrition 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000338 in vitro Methods 0.000 claims description 5
- 241000872198 Serjania polyphylla Species 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims 1
- 230000012010 growth Effects 0.000 abstract description 4
- 230000018109 developmental process Effects 0.000 description 11
- 241000219194 Arabidopsis Species 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000228740 Procrustes Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000005476 size effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000029052 metamorphosis Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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 Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种叶片形态空间校正的方法,本发明还公开了该方法在校正叶片形态空间中的应用。采用本发明所述的方法可以对植物的叶片进行空间重建,通过三维重建技术对叶片开展空间校准,可以校正叶片形态空间,或者使不同发育时间点的同一张叶片在形态上进行标准化的比较,以研究其生长规律。
Description
技术领域
本发明涉及一种叶片形态空间校正的方法及其应用。
背景技术
叶片是植物生长的重要器官,其形态呈现是植物“理想株型”的重要组成部分。植物随年龄或发育进程产生的异速化叶片扩张将使连续性叶形变化特征出现,导致“异形叶(heteroblasty)”现象。此外,环境对叶片表型可塑性的调控也都通过叶形异质化改变的方式实现。
叶片类型丰富,披针形、卵形、倒卵形、椭圆形是经典的几类叶形描述术语。长宽比、叶形指数等定性指标是典型的传统叶形描述方法。该方法对叶形只可粗略,但是对发育过程累积得到的连续型形态变化无法准确捕获。要想准确定量描述叶片形状,叶片图像必不可少。作为研究形态变异的最佳手段,图像极大促进了叶片二维轮廓的精确勾勒。利用轮廓信息,叶片中心可被定位,叶片边缘绕中心点在平面360度范围的距离可被计算,叶形变异最终可通过该方式得到量化。
摆放姿态是形状研究的重要影响因素,它包含位置、大小、角度等三方面细化因子。为克服姿态对形状精准解析带来的偏差效应,Gower与Dijksterhuis(2004)提出了正交化普鲁克分析(orthogonal procrustes analysis)的形状校准方法。在消除位置效应方面,该方法首先对不同图片的轮廓分别计算中心坐标,利用轮廓坐标与中心坐标相减的方式获得新轮廓坐标,新轮廓在几何中心处重合。在大小效应方面,各轮廓点坐标的欧式模可作为分母,实际坐标与欧式模相除后即可消除大小效应。针对角度效应,旋转角度θ与轮廓坐标(x,y)之间可通过(xcos(θ)+ysin(θ),-xsin(θ)+ycos(θ))的算法去除。可以看出,三层次的校正都基于所有物体轮廓在相同平面内获得的前提,即相机相对拍照平面必须保持不变,该方法因此对植物离体叶片的形状研究较为适用。然而,离体后叶片无法自主发育,离体的叶片拍照方法将对“异形叶”的形态追踪构成致命缺陷。
非离体叶片照相是不同发育进程中“异形叶”形态研究的重要手段,但是,各发育时间点的同一张叶片形态受相机内部参数和以相机空间姿态为代表的相机外部参数影响较大。正交化普鲁克分析方法只可校准特定二维平面的位置、大小、角度效应,对待非离体叶片图像,如何消除三维空间效应是本发明的重点解决问题。
发明内容
针对上述缺陷,本发明提供了一种叶片形态空间校正的方法,该方法包含以下步骤:
(1)获取叶片在该形态空间中的轮廓;
(2)设定叶片在三维空间上的限位框,其中该限位框在X轴、Y轴、Z轴上的区域范围分别为[-600,600]、[-900,900]、[1,1.2],单位为毫米;在该限位框的区域范围内,以0.1mm作为空间间隔产生体素点;
(3)将内参矩阵K与叶片的外参矩阵Ri,平移向量ti相乘,构建Mi矩阵,即Mi=K*[Riti],以Mi矩阵左乘体素点的实际三维坐标(x,y,z)T,获得包含计算结果(x1,y1,z1),以(x1/z1,y1/z1)的结果作为体素点在平面上的二维坐标点;
判断所述二维坐标点是否落入轮廓内,如果落入轮廓内,则设定体素点的投影得票数为1;
(4)筛选投影得票数为1的体素点,取其实际三维坐标中的前两维实际坐标(x,y),分别进行位置归一化,从而构成叶片形态空间校正的轮廓。
本发明还提供了上述方法在校正叶片形态空间中的应用。
采用本发明所述的方法可以对植物的叶片进行空间重建,通过三维重建技术对叶片开展空间校准,可以校正叶片形态空间,或者使不同发育时间点的同一张叶片在形态上进行标准化的比较,以研究其生长规律。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的卡片;
图2为本发明实施例的同一个发育时间点的同一张拟南芥叶片以4种不同的空间角度放置于卡片的空白处的示意图;
图3为本发明实施例的4种不同形态空间的叶片轮廓;
图4为本发明实施例的4种不同形态空间校正的叶片轮廓;
图5为本发明实施例4种不同形态空间校正的叶片轮廓的叠加比较示意图。
具体实施方式
以下本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实
施方式仅用于说明和解释本发明,并不用于限制本发明。
一方面,本发明提供了一种叶片形态空间校正的方法,该方法包含以下步骤:
(1)获取叶片在该形态空间中的轮廓;
(2)设定叶片在三维空间上的限位框,其中该限位框在X轴、Y轴、Z轴上的区域范围分别为[-600,600]、[-900,900]、[1,1.2],单位为毫米;在该限位框的区域范围内,以0.1mm作为空间间隔产生体素点;其中,限位框为三维空间中可完整包围叶片的空间立方块区域,能够有效指定了计算空间范围,可极大缩小计算机的计算量与计算时间;体素点代表立体像素点,限位框内的体素点可作为三维空间点的基本计算单位;优选情况下,该限位框在X轴、Y轴、Z轴上的区域范围分别为[0,60]、[-50,90]、[1,1.2];
(3)将内参矩阵K与叶片的外参矩阵Ri,平移向量ti相乘,构建Mi矩阵,即Mi=K*[Riti],以Mi矩阵左乘体素点的实际三维坐标(x,y,z)T,获得计算结果(x1,y1,z1),以(x1/z1,y1/z1)的结果作为体素点在平面上的二维坐标点;
判断二维坐标点是否落入该轮廓内,如果落入轮廓内,则设定体素点的投影得票数为1;统计投影得票数是为了后期筛选方便,以此可以作为筛选指标,从而去除一部分不代表叶片的体素点;
(4)筛选该投影得票数为1的体素点,取其实际三维坐标中的前两维实际坐标(x,y),分别进行位置归一化,获取所述叶片在所述形态空间中的轮廓。
其中,所述位置归一化包含两步骤:i.平移:计算所有投影二维坐标点的平均坐标作为叶片轮廓中心点,并将(x1/z1,y1/z1)减去中心点坐标;ii.去除大小效应:计算各轮廓点到中心点的距离,平移后坐标与此相除,就可得到归一化坐标。
根据本发明,叶片为非离体叶片。
根据本发明,叶片为不同发育时间点的同一张叶片。利用上述的方法,使不同发育时间点的同一张叶片在形态上进行标准化的比较,以研究其生长规律。
优选情况下,在步骤(1)前,还包括:
i.在对叶片拍照时,以卡片作为该叶片拍照的平面,其中该卡片的左侧粘贴黑白棋盘格,右侧留出空白,将叶片放置于所述卡片的空白处;黑白棋盘格方便计算机识别黑白格相交的角点,并用于建立拍照平面的坐标系,从而计算相机内参与外参矩阵;而所述卡片的空白处用于放置叶片,防止叶片占据棋盘格区域;
ii.叶片拍照时被黑白棋盘格完全覆盖;拍照时需使用同一个相机,且所述相机的焦距保持一致,不同相机会因相机的生产组装偏差而导致内参K不一致,焦距是构成内参K的重要因素,为保证K一致,就需要保持焦距一致。优选情况下,相机的焦距设置为最小值,为使焦距保持一致,每次拍照设为最小值可最大限度保证焦距参数一致。
根据本发明,获取叶片在形态空间中的轮廓包括对叶片选取四个像素点建立包围框,包围框以外区域设为黑色,对包围框的内部区域单独进行图像二值化处理,使叶片在原位置上白化显示,非叶片部分显示黑色。
根据本发明,内参矩阵K、叶片的外参矩阵Ri与平移向量ti由matlab软件的相机校正模块计算得到。相机参数包括内参和外参,内参包括:焦距、像素尺元大小、光心主点位置;外参包括:相机在空间X、Y、Z轴的三个角度,以及被拍照物体与相机中心的位移向量。
另一方面,本发明还提供了上述的方法在校正叶片形态空间中的应用。优选情况下,叶片为不同发育时间点的同一张叶片。利用上述的方法,使不同发育时间点的同一张叶片在形态上进行标准化的比较,以研究其生长规律。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例
以同一个发育时间点的同一张拟南芥叶片为例。如图1所示,在长度为7.0厘米、宽度为5.5厘米的卡片左侧粘贴黑白棋盘格,黑色格子与白色格子规格一致,长与宽均为1.0厘米,右侧留出空白,空白处尺寸为3.0厘米乘以6.0厘米。如图2所示,选定播种萌发后30天的同一张拟南芥叶片以4种不同的空间角度放置于卡片的空白处;利用iphone6手机对此拍好的相片,通过对拟南芥叶片选取四个像素点建立包围框,第1张图片的包围框像素坐标为:(1634,1363),(2050,1875),(2050,1363),(1634,1875);第2张图片的包围框像素坐标为:(1383,829),(1750,1133),(1750,829),(1383,1133);第3张图片的包围框像素坐标为:(1931,1202),(2219,1397),(2219,1202),(1931,1397);第4张图片的包围框像素坐标为:(1010,1487),(1528,1736),(1528,1487),(1010,1736)。包围框以外区域设为黑色,对包围框的内部区域单独进行图像二值化处理,使叶片在原位置上白化显示,非叶片部分显示黑色,获取叶片在4种不同形态空间的轮廓,结果如图3所示:在不同角度和空间方位拍摄的叶片在大小、形状上均存在很大差异。选择Matlab软件的相机校正模块cameraCalibrator对相机内参矩阵K、外参矩阵R1、R2、R3、R4、t1、t2、t3、t4进行估计,所得结果分别显示如下:
t1=(-39.4771 7.9421 121.6286)
t2=(-32.0201 0.2950 146.4492)
t3=(-18.3078 33.9384 189.8628)
t4=(-43.5587 -29.2043 108.7000)
将内参矩阵K与叶片的外参矩阵Ri,平移向量ti相乘,构建Mi矩阵,即Mi=K*[Riti]。M1、M2、M3、M4的计算结果分别如下:
以Mi矩阵左乘体素点的实际三维坐标(x,y,z)T,获得包含计算结果(x1,y1,z1),以(x1/z1,y1/z1)的结果作为体素点在平面上的二维坐标点;判断二维坐标点是否落入轮廓内,如果落入轮廓内,则设定体素点的投影得票数为1;筛选该投影得票数为1的体素点,取其实际三维坐标中的前两维实际坐标(x,y),分别进行位置归一化,即以(xi,yi)表示第i个点的前两维坐标,分别选取x和y坐标的最小值xmin,ymin与最大值xmax,ymax,计算xlim=xmax-xmin,ylim=ymax-ymin,归一化后各点坐标转化为(xi-xmin-xlim/2,yi-ymin-ylim/2),从而构成形态空间校正的叶片轮廓,见图4。
为了验证上述同一张拟南芥叶片在4种不同的形态空间获得的叶片轮廓在大小、形状方面能否重合。在同一坐标系平面内比较四张归一化叶片轮廓,现将四个叶片轮廓在相同坐标系内叠加显示,见图5,从上述四张叶形轮廓的逐一叠加过程可以看出,本发明的方法具有很好的空间校正功能,四张叶片在边缘曲线上,具有相同的弯曲与缺裂程度,四个轮廓可以很好地重合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种叶片形态空间校正的方法,其特征在于,该方法包含以下步骤:
(1)获取所述叶片在所述形态空间中的轮廓;
(2)设定所述叶片在三维空间上的限位框,其中所述限位框在X轴、Y轴、Z轴上的区域范围分别为[-600,600]、[-900,900]、[1,1.2],单位为毫米,在所述限位框的区域范围内,以0.1mm作为空间间隔产生体素点;
(3)将内参矩阵K与所述叶片的外参矩阵Ri,平移向量ti相乘,构建Mi矩阵,即Mi=K*[Riti],以Mi矩阵左乘所述体素点的实际三维坐标(x,y,z)T,获得计算结果(x1,y1,z1),以(x1/z1,y1/z1)的结果作为所述体素点在平面上的二维坐标点;
判断所述二维坐标点是否落入所述轮廓内,如果落入所述轮廓内,则设定所述体素点的投影得票数为1;
(4)筛选所述投影得票数为1的所述体素点,取其所述实际三维坐标中的前两维实际坐标(x,y),分别进行位置归一化,从而构成所述叶片形态空间校正的轮廓。
2.根据权利要求1所述的方法,其特征在于,所述叶片为非离体叶片。
3.根据权利要求1所述的方法,其特征在于,所述叶片为不同发育时间点的同一张叶片。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:在步骤(1)前,还包括:
i.在对所述叶片拍照时,以卡片作为所述叶片拍照的平面,其中所述卡片的左侧粘贴黑白棋盘格,右侧留出空白,将所述叶片放置于所述卡片的空白处;
ii.所述叶片拍照时,要求所述黑白棋盘格被拍照的照片完全覆盖;拍照时需使用同一个相机,且所述相机的焦距保持一致。
5.根据权利要求4所述的方法,其特征在于,步骤ii还包括所述相机的焦距设置为最小值。
6.根据权利要求1所述的方法,其特征在于,所述限位框在X轴、Y轴、Z轴上的区域范围分别为[0,60]、[-50,90]、[1,1.2]。
7.根据权利要求1所述的方法,其特征在于,所述获取所述叶片在所述形态空间中的轮廓包括对所述叶片选取四个像素点建立包围框,所述包围框以外区域设为黑色,对所述包围框的内部区域单独进行图像二值化处理,使所述叶片在原位置上白化显示,非叶片部分显示黑色。
8.根据权利要求1所述的方法,其特征在于,所述内参矩阵K、所述叶片的外参矩阵Ri与平移向量ti由matlab软件的相机校正模块计算得到。
9.权利要求1-8所述的方法在校正叶片形态空间中的应用。
10.根据权利要求9所述的应用,其特征在于,所述叶片为不同发育时间点的同一张叶片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810367724.8A CN108765547B (zh) | 2018-04-23 | 2018-04-23 | 一种叶片形态空间校正的方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810367724.8A CN108765547B (zh) | 2018-04-23 | 2018-04-23 | 一种叶片形态空间校正的方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765547A true CN108765547A (zh) | 2018-11-06 |
CN108765547B CN108765547B (zh) | 2021-11-30 |
Family
ID=64011663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810367724.8A Expired - Fee Related CN108765547B (zh) | 2018-04-23 | 2018-04-23 | 一种叶片形态空间校正的方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765547B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101849247A (zh) * | 2007-11-09 | 2010-09-29 | 皇家飞利浦电子股份有限公司 | 用于生成衰减图的设备和方法 |
CN102184563A (zh) * | 2011-03-23 | 2011-09-14 | 华中科技大学 | 植物器官形态的三维扫描方法及扫描系统和装置 |
CN102902945A (zh) * | 2012-09-28 | 2013-01-30 | 南京汇兴博业数字设备有限公司 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
CN103405852A (zh) * | 2013-08-29 | 2013-11-27 | 曲桂红 | 立体定向放射治疗剂量场分布的快速计算方法 |
CN103578076A (zh) * | 2012-07-31 | 2014-02-12 | 西门子公司 | 目标对象的修改过的图像数据的产生 |
CN103632367A (zh) * | 2013-11-27 | 2014-03-12 | 中国科学技术大学 | 一种基于多组织区域拟合的mri线圈灵敏度估计方法 |
US20140267268A1 (en) * | 2013-03-15 | 2014-09-18 | 3D Systems, Inc. | Apparatus and methods for detailing subdivision surfaces |
CN104392422A (zh) * | 2014-12-15 | 2015-03-04 | 中国科学技术大学 | 一种基于图像梯度拟合的mri非均匀场估计方法 |
CN105701448A (zh) * | 2015-12-31 | 2016-06-22 | 湖南拓视觉信息技术有限公司 | 三维人脸点云鼻尖检测方法及应用其的数据处理装置 |
CN105825547A (zh) * | 2016-03-11 | 2016-08-03 | 西安电子科技大学 | 一种基于体素和自适应光传输模型的光学三维成像方法 |
CN105953746A (zh) * | 2016-05-16 | 2016-09-21 | 西安工业大学 | 动态物体的三维轮廓实时测量方法 |
CN106123725A (zh) * | 2016-06-20 | 2016-11-16 | 上海交通大学 | 校正多维度加工误差的压气机叶片的反求实现方法 |
CN106971199A (zh) * | 2017-03-10 | 2017-07-21 | 东华大学 | 一种织物三维悬垂形态的自动分类方法 |
CN107071376A (zh) * | 2017-03-29 | 2017-08-18 | 海信集团有限公司 | 一种投影拼接显示校正方法及装置 |
CN107358607A (zh) * | 2017-08-13 | 2017-11-17 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗视觉监测与视觉伺服智能控制方法 |
CN107689057A (zh) * | 2017-07-10 | 2018-02-13 | 中国科学院高能物理研究所 | 自适应小动物脑功能磁共振成像数据分析方法 |
-
2018
- 2018-04-23 CN CN201810367724.8A patent/CN108765547B/zh not_active Expired - Fee Related
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101849247A (zh) * | 2007-11-09 | 2010-09-29 | 皇家飞利浦电子股份有限公司 | 用于生成衰减图的设备和方法 |
CN102184563A (zh) * | 2011-03-23 | 2011-09-14 | 华中科技大学 | 植物器官形态的三维扫描方法及扫描系统和装置 |
CN103578076A (zh) * | 2012-07-31 | 2014-02-12 | 西门子公司 | 目标对象的修改过的图像数据的产生 |
CN102902945A (zh) * | 2012-09-28 | 2013-01-30 | 南京汇兴博业数字设备有限公司 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
US20140267268A1 (en) * | 2013-03-15 | 2014-09-18 | 3D Systems, Inc. | Apparatus and methods for detailing subdivision surfaces |
CN103405852A (zh) * | 2013-08-29 | 2013-11-27 | 曲桂红 | 立体定向放射治疗剂量场分布的快速计算方法 |
CN103632367A (zh) * | 2013-11-27 | 2014-03-12 | 中国科学技术大学 | 一种基于多组织区域拟合的mri线圈灵敏度估计方法 |
CN104392422A (zh) * | 2014-12-15 | 2015-03-04 | 中国科学技术大学 | 一种基于图像梯度拟合的mri非均匀场估计方法 |
CN105701448A (zh) * | 2015-12-31 | 2016-06-22 | 湖南拓视觉信息技术有限公司 | 三维人脸点云鼻尖检测方法及应用其的数据处理装置 |
CN105825547A (zh) * | 2016-03-11 | 2016-08-03 | 西安电子科技大学 | 一种基于体素和自适应光传输模型的光学三维成像方法 |
CN105953746A (zh) * | 2016-05-16 | 2016-09-21 | 西安工业大学 | 动态物体的三维轮廓实时测量方法 |
CN106123725A (zh) * | 2016-06-20 | 2016-11-16 | 上海交通大学 | 校正多维度加工误差的压气机叶片的反求实现方法 |
CN106971199A (zh) * | 2017-03-10 | 2017-07-21 | 东华大学 | 一种织物三维悬垂形态的自动分类方法 |
CN107071376A (zh) * | 2017-03-29 | 2017-08-18 | 海信集团有限公司 | 一种投影拼接显示校正方法及装置 |
CN107689057A (zh) * | 2017-07-10 | 2018-02-13 | 中国科学院高能物理研究所 | 自适应小动物脑功能磁共振成像数据分析方法 |
CN107358607A (zh) * | 2017-08-13 | 2017-11-17 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗视觉监测与视觉伺服智能控制方法 |
Non-Patent Citations (2)
Title |
---|
刘晓鹏: "锥束工业CT图像校正技术研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》 * |
王阳萍: "重离子三维适形放疗中的图像处理关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108765547B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9886759B2 (en) | Method and system for three-dimensional data acquisition | |
CN106485753B (zh) | 用于无人驾驶汽车的摄像机标定的方法和装置 | |
CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
CN109118544B (zh) | 基于透视变换的合成孔径成像方法 | |
CN107660336A (zh) | 对于从摄像机获得的图像,具备自动补正功能的图像处理装置及其方法 | |
CN111750820A (zh) | 影像定位方法及其系统 | |
CN113192179B (zh) | 一种基于双目立体视觉的三维重建方法 | |
CN111815710B (zh) | 鱼眼相机自动标定方法 | |
CN109086727B (zh) | 一种确定人体头部的运动角度的方法、装置及电子设备 | |
CN112907675B (zh) | 图像采集设备的标定方法、装置、系统、设备及存储介质 | |
CN106444846A (zh) | 移动终端的定位和控制方法、装置及无人机 | |
US20230025058A1 (en) | Image rectification method and device, and electronic system | |
CN112470192A (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN110415363A (zh) | 一种基于三目视觉的散乱物识别定位方法 | |
CN113554709A (zh) | 一种基于偏振信息的相机-投影仪系统标定方法 | |
CN109961512B (zh) | 地形机载点云提取方法及装置 | |
CN100416466C (zh) | 单目视觉半实物仿真系统及方法 | |
CN113112545B (zh) | 基于计算机视觉的手持移动打印装置定位方法 | |
CN112446926A (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
CN110458951B (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
CN108765547A (zh) | 一种叶片形态空间校正的方法及其应用 | |
CN112950723B (zh) | 基于边缘尺度自适应散焦模糊估计的机器人相机标定方法 | |
CN112288824B (zh) | 一种基于现实场景的长焦相机标定装置及标定方法 | |
US20140063235A1 (en) | Distance information estimating apparatus | |
CN114663284A (zh) | 红外热成像全景图像处理方法、系统及存储介质 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Ye Meixia Inventor after: Wang Qian Inventor after: Jiang Libo Inventor after: Wu Rongling Inventor before: Ye Meixia Inventor before: Jiang Libo Inventor before: Wu Rongling |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211130 |