CN109118534B - 实时获取冰风洞内模型表面上结冰冰型详细信息的方法 - Google Patents
实时获取冰风洞内模型表面上结冰冰型详细信息的方法 Download PDFInfo
- Publication number
- CN109118534B CN109118534B CN201810770990.5A CN201810770990A CN109118534B CN 109118534 B CN109118534 B CN 109118534B CN 201810770990 A CN201810770990 A CN 201810770990A CN 109118534 B CN109118534 B CN 109118534B
- Authority
- CN
- China
- Prior art keywords
- icing
- image
- camera
- wind tunnel
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 19
- 230000003746 surface roughness Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明公开了基于机器视觉图像实时获取冰风洞内模型表面上结冰冰型详细信息的方法,包括如下步骤:步骤一、选择适合在风洞环境下使用的相机;步骤二、对相机进行标定,获取相机内外参数;步骤三、获取相机拍摄模型图像;步骤四、处理拍摄图像,进行特征点提取和匹配;步骤五、处理数据,获得结冰冰型的详细信息。该方法精度较高。
Description
技术领域
本发明应用于飞行器结冰、风力发电机结冰、电缆结冰等固体表面上结冰问题,具体是指机器视觉图像有助于人们掌握冰风洞内模型表面上结冰过程的详细信息,从而有利于对结冰机理进行研究及分析。
背景技术
飞机结冰是指飞机飞行过程中机体上某些部件上凝聚冰层的现象。虽然现今飞机的巡航高度都已经高于容易发生结冰现象的高度,但在起飞、爬升、盘旋和降落时,仍然可能遇到比较严重的结冰事故。飞机结冰被航空界认定为影响飞机飞行的六大气象因素之一。
结冰会从多方面威胁飞机的安全。机翼前缘结冰,会增加飞机的重量,改变飞机的空气动力外形,最重要的是由于空气动力外形的改变,引起飞机升力减小,阻力增大。结冰还会导致螺旋桨桨叶重量的不平衡,汽化器进气管的封闭,起落架的收放困难,无线电失去作用,还会断绝油料来源,冻结油门。驾驶舱窗外结冰会使驾驶员的视线受阻导致飞机失事。
为了有效地研究飞机结冰,科研人员需要在冰风洞内对不同模型在不同参数条件下开展结冰实验。然而,现有的实验技术无法实时采集冰风洞内模型表面上的结冰冰型的详细信息。目前,在其他领域已经普遍应用的机器视觉方法主要是依靠待测物体周围背景光,采用光学相机成像,应用图像处理方法分析图像信息,然后获取物体外形数据。如果直接应用该方法实时测量在冰风洞内模型上的结冰时会遇到极大的困难,由于目标物为冰,其表面光滑且透明,导致很难确定特征点。
发明内容
本发明的目的是提供一种基于机器视觉图像实时获取冰风洞内模型表面上结冰冰型的详细信息的方法(包括结冰的厚度,表面粗糙等),该方法的诊断精度较高。
本发明的上述目的通过如下技术方案来实现的:
基于机器视觉图像实时获取冰风洞内模型表面上结冰冰型的详细信息的方法,该方法包括如下步骤:
步骤一、选择适合在风洞环境下使用的相机并对光源位置进行合理布置,甄别图像质量用以减小冰面反射和折射造成的误差,从而提高精度,找准物体外形特征点。
具体过程如下:首先根据风洞实验段的尺寸、结构以及观察窗的位置确定相机个数以及摆放方式,然后根据摆放方式确定相机镜头的焦距,最后根据焦距选择便于安装且合适的相机。通过相机获得冰风洞内模型上的结冰图像,依据灰度值划分出结冰的内部区域、轮廓以及外部区域,分别计算内部与外部区域的灰度值的平均值,并求其之比。以获得结冰的内部与外部区域的灰度值比值的最高值来确定相机及光源的最佳位置,然后进行之后的步骤。
步骤二、对相机进行标定,获取相机内外参数;
步骤二的具体过程如下:首先按照预先设定的位置摆放相机;然后在风洞内摆放标定板,使标定板在各个相机成像完整清晰,记录图像;调整标定板位置获取多组图像;进一步,将原始图像经过灰度处理,由彩色图变为灰度图;输入若干预设参数,如大致的焦距、xy向相元宽度、图像中心、图像大小等;再通过程序识别同一组图像若干个相机的成像结果中的标定板特征,并计算;重复上一步骤,获取多个结果以减小误差;导出各相机的内参以及相机相互之间的旋转、平移矩阵。
步骤三、获取相机拍摄模型图像;
步骤三的具体过程如下:首先,在冰风洞内放置好模型,关闭冰风洞;然后开启冰风洞,开始结冰过程,同时由计算机远程控制相机进行同步拍照。设置相机拍照间隔以获取完整结冰过程不同时刻的图像。
步骤四、处理拍摄图像,进行特征点提取和匹配;
步骤四的具体过程如下:首先,采用加权平均法对彩色图像进行灰度化处理;利用中值滤波器对图像进行平滑滤波,滤去图像中的高频噪声;对图像对进行边缘检测并进行二值化处理,提取图像的边缘轮廓特征再对图像进行分割;进一步利用区域匹配视差图的致密性以及特征匹配视差图的鲁棒性,用该两种方法结合的方法获取视差图;结合原始图像和视差图进行后处理来进一步滤波,并使视差图和原始图像的边缘对齐,以便更好的三维重建;然后提取点云的3D坐标及深度信息;最后通过三维空间点的重建算法,利用视差图进行点云的三角化表面重建得到结冰冰型。
步骤五、处理数据,获得结冰冰型的详细信息;
步骤五的具体过程如下:通过重建结果,设定两个平行平面,可以获取任一点的结冰高度信息;取范围内多个点,可计算该范围内表面粗糙度。
综上所述,本发明提供了一种基于机器视觉图像获取冰风洞内模型表面结冰冰型的详细信息的方法:首先根据风洞尺寸选定相机。然后利用标定板对摆设好的相机进行标定以获取内外参数。进而拍摄结冰图像。进一步处理拍摄图像,进行轮廓分割,特征提取,视差图获取以及三维重建。最后通过三维重建结果获取结冰冰型的厚度以及表面粗糙度信息。
与现有技术相比,本发明针对冰风洞中模型结冰的情况进行三维重建及数据获取,具有更大的实际意义和应用价值。针对冰的透明和反射问题从技术手段上优化了相机、光源的选择以及成像质量的甄别,有效地降低了测量误差。针对特定要求摆放的相机优化了标定方法及流程。
附图说明
下面结合附图和具体实施方式对本发明做进一步的的详细说明。
图1是本发明方法的整体流程示意图;
图2是本发明方法的图像处理流程;
图3是非平行配置双目视觉成像原理图
具体实施方式
下面结合附图和实施例对本发明进行详细说明
本发明的目的是提供一种基于机器视觉图像实时获取冰风洞内模型表面上结冰冰型的详细信息的方法(包括结冰的厚度,表面粗糙等),该方法包括如下步骤。
步骤一、选择适合在风洞环境下使用的相机并对光源位置进行合理布置,甄别图像质量用以减小冰面反射和折射造成的误差,从而提高精度,找准物体外形特征点。
所述选择合适的相机,选择要求为:相机的分辨率需要大于8M,同时有热防护装置,确保其在零下40度低温环境下能正常工作。
所述光源布置,要求为:采用冷光源,个数为两个或者三个,会聚式摆放,光源位置距离冰风洞实验段外壁面0.5米以内,光源强度可调。
所述图像质量甄别,其算法过程是,通过灰度值将图片划分为三个区域:内部、轮廓和外部;再分别计算内部和外部的灰度值平均值,然后计算比值来确定这个轮廓设定的是否合理。
在本发明实施例中,选取了两个相机进行试验,采用会聚式摆放方式。相机镜头的焦距约为1000mm,分辨率满足要求,并可以由计算机远程控制达到定时拍照的要求。选取三个点光源,确定最佳的灰度值比值。
以上,当相机和光源的位置确定时,会得到一个结冰图像的灰度值比值。然后,调节相机和光源的相对位置,灰度值比值的最高值就是相机及光源的最佳位置,此最佳位置可以有效地降低冰面透明和反射所造成的误差,从而使得后续的步骤能够顺利开展。
步骤二、对相机进行标定,获取相机内外参数;
在本发明实施例中,首先按照预先设定的位置摆放相机,然后在风洞内摆放标定板,架设充足的光源,使标定板在各个相机成像完整清晰。
记录图像,并通过调整标定板位置和角度来获取20组图像。
进一步的,将原始图像转换成灰度图,再通过canny算子进行轮廓提取和形态学处理方法得到图像的二值图,进而检测到标定板上的特征图形。
输入若干预设参数,有大致的焦距、xy向相元宽度、图像中心、图像大小等。
运行程序识别同一组图像左右相机的成像结果中的标定板特征,并计算内外参数。
重复上一步骤,获取多个结果以减小误差;导出左右相机的内参以及相机相互之间的旋转、平移矩阵。
步骤三、获取相机拍摄模型图像;
在本发明实施例中,首先,在冰风洞内放置好模型,关闭冰风洞。
然后开启冰风洞,开始结冰过程,同时由计算机远程控制左右相机进行同步拍照。
设置相机每20秒拍摄一次来获取不同时刻的结冰冰型图像,并记录保存。
步骤四、处理拍摄图像,进行特征点提取和匹配;
在本发明实施例中,首先,采用加权平均法对彩色图像进行灰度化处理并利用中值滤波器对图像进行平滑滤波,滤去图像中的高频噪声。
然后对图像对进行canny算子边缘检测并进行二值化处理,提取结冰冰型的边缘轮廓特征再对图像进行分割,确定一个重建区域。
基于区域的匹配算法主要是利用局部窗口之间灰度信息的相关程度来进行匹配。该算法在视差连续且纹理丰富的区域内有较高的匹配精度,能得到稠密的视差图。
基于特征的匹配算法不是直接依赖灰度而是利用图像中的角点、线段或边缘为特征来进行匹配。该算法能可以处理视差不连续的问题与畸变问题,计算量小,便于软硬件实现。
在本发明实施例中综合使用了上述两种匹配方法。使用特征匹配算法提取角点、边缘进行匹配获取视差图,并使用基于区域的匹配算法,利用灰度值信息对视差图进行补充。
滤波处理原始图像和视差图,并使视差图和原始图像的边缘对齐,以便更好的三维重建。
如图3所示,提取点云的3D坐标及深度信息,具体公式如下:
上述式中xyz为点云坐标,r为旋转矩阵值(3x3矩阵,下标1-9是矩阵中9个量), t为平移向量值,f为焦距。
按照上述式可以计算出点云的3D坐标及深度信息。
在本发明实施例中对点云进行Delaunay三角剖分来生成三角网格曲面,恢复出原始物体表面的拓扑结构,得到结冰冰型。
步骤五、处理数据,获得结冰冰型的详细信息;
在本发明实施例中通过重建结果,设定两个平行平面,可以获取任一点的结冰高度信息;取范围内多个点,可计算该范围内表面粗糙度。
综上所述,本发明提供了一种基于机器视觉图像获取冰风洞内模型表面结冰冰型的详细信息的方法:首先根据风洞尺寸选定相机。然后利用标定板对摆设好的相机进行标定以获取内外参数。进而拍摄结冰图像。进一步处理拍摄图像,进行轮廓分割,特征提取,视差图获取以及三维重建。最后通过三维重建结果获取结冰冰型的厚度以及表面粗糙度信息。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制,以上实施例的说明只是用于帮助理解本发明的技术方案;对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上的改变之处,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于机器视觉图像实时获取冰风洞内模型表面上结冰冰型详细信息的方法,其特征在于,该方法包括如下步骤:
步骤一、选择适合在风洞环境下使用的相机并对光源位置进行合理布置,甄别图像质量用以减小冰面反射和折射造成的误差,从而提高精度,找准物体外形特征点;
步骤二、对相机进行标定,获取相机内外参数;
所述步骤二的具体过程如下:首先按照预先设定的位置摆放相机;然后在风洞内摆放标定板,使标定板在各个相机成像完整清晰,记录图像;调整标定板位置获取多组图像;进一步,将原始图像经过灰度处理,由彩色图变为灰度图;输入若干预设参数:焦距、xy向相元宽度、图像中心、图像大小;再通过程序识别同一组图像若干个相机的成像结果中的标定板特征,并计算;重复上一步骤,获取多个结果以减小误差;导出各相机的内参以及相机相互之间的旋转、平移矩阵;
步骤三、获取相机拍摄模型图像;
所述步骤三的具体过程如下:首先,在冰风洞内放置好模型,关闭冰风洞;然后开启冰风洞,开始结冰过程,同时由计算机远程控制相机进行同步拍照;设置相机拍照间隔以获取完整结冰过程不同时刻的图像;
步骤四、处理拍摄图像,进行特征点提取和匹配;
所述步骤四的具体过程如下:首先,采用加权平均法对彩色图像进行灰度化处理;利用中值滤波器对图像进行平滑滤波,滤去图像中的高频噪声;对图像对进行边缘检测并进行二值化处理,提取图像的边缘轮廓特征再对图像进行分割;采用区域匹配法获取视差图以及采用特征匹配法获取视差图,利用该两种方法结合分别获取视差图的致密性和鲁棒性;结合原始图像和视差图进行后处理来进一步滤波,并使视差图和原始图像的边缘对齐,以便更好的三维重建;然后提取点云的3D坐标及深度信息;最后通过三维空间点的重建算法,利用视差图进行点云的三角化表面重建得到结冰冰型;
步骤五、处理数据,获得结冰冰型的详细信息;
所述步骤五的具体过程如下:通过重建结果,设定两个平行平面,获取任一点的结冰高度信息;取范围内多个点,计算该范围内表面粗糙度。
2.根据权利要求1所述的基于机器视觉图像实时获取冰风洞内模型表面上结冰冰型详细信息的方法,其特征在于,所述步骤一具体过程如下:
首先根据风洞实验段的尺寸、结构以及观察窗的位置确定相机个数以及摆放方式,再根据摆放方式确定相机镜头的焦距,然后根据焦距选择便于安装且合适的相机,最后通过相机获得冰风洞内模型上的结冰图像,依据灰度值划分出结冰的内部区域、轮廓以及外部区域,分别计算内部与外部区域的灰度值的平均值,并求其之比,从而以获得结冰的内部与外部区域的灰度值比值的最高值来确定相机及光源的最佳位置,如此可进行之后的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770990.5A CN109118534B (zh) | 2018-07-13 | 2018-07-13 | 实时获取冰风洞内模型表面上结冰冰型详细信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770990.5A CN109118534B (zh) | 2018-07-13 | 2018-07-13 | 实时获取冰风洞内模型表面上结冰冰型详细信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109118534A CN109118534A (zh) | 2019-01-01 |
CN109118534B true CN109118534B (zh) | 2021-06-29 |
Family
ID=64862159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810770990.5A Active CN109118534B (zh) | 2018-07-13 | 2018-07-13 | 实时获取冰风洞内模型表面上结冰冰型详细信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109118534B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696289A (zh) * | 2019-02-18 | 2019-04-30 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风力机翼段结冰测试系统及方法 |
CN110031197A (zh) * | 2019-04-18 | 2019-07-19 | 哈尔滨工程大学 | 一种船用空气螺旋桨结冰过程观察试验装置 |
CN112836561B (zh) * | 2020-06-11 | 2022-09-13 | 同济大学 | 飞机机翼表面上结冰三维冰型的实时获取系统 |
CN112837291B (zh) * | 2021-02-03 | 2022-07-29 | 中国空气动力研究与发展中心高速空气动力研究所 | 基于温敏漆技术的层流机翼转捩位置测量图像处理方法 |
CN114549914B (zh) * | 2022-04-24 | 2022-07-12 | 中国民航大学 | 一种飞机大面积结冰检测方法及检测系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7224357B2 (en) * | 2000-05-03 | 2007-05-29 | University Of Southern California | Three-dimensional modeling based on photographic images |
CN103177451B (zh) * | 2013-04-17 | 2015-12-23 | 南京理工大学 | 基于图像边缘的自适应窗口和权重的立体匹配算法 |
CN103400379B (zh) * | 2013-07-25 | 2016-08-31 | 国家电网公司 | 一种基于图像的覆冰检测和厚度估计方法 |
CN107516317B (zh) * | 2017-08-18 | 2021-04-27 | 上海海洋大学 | 一种基于深度卷积神经网络的sar影像海冰分类方法 |
CN107833275B (zh) * | 2017-11-28 | 2020-12-08 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种动态结冰微观结构三维建模方法 |
-
2018
- 2018-07-13 CN CN201810770990.5A patent/CN109118534B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109118534A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118534B (zh) | 实时获取冰风洞内模型表面上结冰冰型详细信息的方法 | |
EP2917874B1 (en) | Cloud feature detection | |
CN111079556B (zh) | 一种多时相无人机视频图像变化区域检测及分类方法 | |
CN107194989B (zh) | 基于无人机飞机航拍的交通事故现场三维重建系统及方法 | |
CN104156536B (zh) | 一种盾构机刀具磨损的可视化定量标定及分析方法 | |
CN105716539B (zh) | 一种快速高精度的三维形面测量方法 | |
CN108805906A (zh) | 一种基于深度图的运动障碍物检测及定位方法 | |
CN108663026B (zh) | 一种振动测量方法 | |
CN104091369A (zh) | 一种无人机遥感影像建筑物三维损毁检测方法 | |
CN114627177A (zh) | 一种基于图像分割的飞机蒙皮间隙与阶差测量方法 | |
CN110245566B (zh) | 一种基于背景特征的红外目标远距离追踪方法 | |
WO2018120443A1 (zh) | 一种点斑状目标姿态估计方法及系统 | |
CN108225273B (zh) | 一种基于传感器先验知识的实时跑道检测方法 | |
Hu et al. | A method for measuring ice thickness of wind turbine blades based on edge detection | |
CN114812398A (zh) | 一种基于无人机的高精度实时裂缝检测平台 | |
CN113345084B (zh) | 三维建模系统及三维建模方法 | |
CN114332243A (zh) | 一种基于透视投影模型的火箭助推器分离姿态测量方法 | |
CN105139432B (zh) | 基于高斯模型的红外弱小目标图像仿真方法 | |
CN112836561B (zh) | 飞机机翼表面上结冰三维冰型的实时获取系统 | |
Wu et al. | Binocular vision monitoring method research of wing sweep angles for morphing aircraft in complex climate environments | |
Shahista et al. | Detection of the traffic light in challenging environmental conditions | |
CN113947724A (zh) | 一种基于双目视觉的线路覆冰厚度自动测量方法 | |
CN105631431A (zh) | 一种可见光目标轮廓模型指导的飞机感兴趣区测谱方法 | |
Huang et al. | Research on UAV's Autonomous Target Landing with Image and GPS under Complex Environment | |
CN106251319A (zh) | 一种基于Curvelet变换的彩色图像融合算法 |
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 |