CN110308302B - 一种近壁面流速测量方法及装置 - Google Patents
一种近壁面流速测量方法及装置 Download PDFInfo
- Publication number
- CN110308302B CN110308302B CN201910585926.4A CN201910585926A CN110308302B CN 110308302 B CN110308302 B CN 110308302B CN 201910585926 A CN201910585926 A CN 201910585926A CN 110308302 B CN110308302 B CN 110308302B
- Authority
- CN
- China
- Prior art keywords
- particle image
- image
- particle
- transverse
- frame
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/18—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance
- G01P5/22—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance using auto-correlation or cross-correlation detection means
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
一种近壁面流速测量方法,包括:获取近壁面随流体运动的粒子图像时间序列;将粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得所述近壁面的速度分布。本申请提供的近壁面流速测量方法可以支持在测量近壁面流速时,减少速度剪切的影响,提高测量准确性。
Description
技术领域
本文涉及流体力学技术领域,尤指一种近壁面流速测量方法及装置。
背景技术
粒子图像测速技术(Particle Image Velocimetry,PIV)是基于识别跟随流体运动的粒子在图像上的位移来获得全流域流速分布(即速度场)的一种测量方法。而PIV算法即是指从粒子图像中识别出速度场的算法。
在近壁面(即固壁表面)存在一个流动薄层,即边界层流动,是流体力学研究的一个重点学科,也是与航空、航天、航海、石油等工程运用紧密相关的工程问题。因此,将PIV技术运用在边界层测量具有重要意义。然而,传统的PIV算法在处理近壁面图像时,由于近壁面流动存在巨大的速度剪切会产生极大的误差,导致运算结果不准确。
发明内容
本申请提供了一种近壁面流速测量方法及装置,可以支持在测量近壁面流速时,减少速度剪切的影响,提高测量准确性。
一方面,本申请提供了一种近壁面流速测量方法,包括:获取近壁面随流体运动的粒子图像时间序列;将所述粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得所述近壁面的速度分布。
另一方面,本申请提供一种近壁面流速测量装置,包括:获取模块,适于获取近壁面随流体运动的粒子图像时间序列;第一处理模块,适于将所述粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得所述近壁面的速度分布。
另一方面,本申请提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被执行时实现上述近壁面流速测量方法的步骤。
在本申请中,获取近壁面随流体运动的粒子图像时间序列;将粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得近壁面的速度分布。如此一来,本申请针对近壁面图像可以直接获得速度分布,而且可以基本消除近壁面存在的巨大的速度剪切对近壁面流速测量的影响。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书、权利要求书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例提供的近壁面流速测量方法的示意图;
图2为本申请实施例中的一帧粒子图像的示例图;
图3为本申请实施例中剪切模板的处理示意图;
图4为本申请实施例中剪切模板得到的图像相关值的一种示例图;
图5为本申请实施例中获得的近壁面的速度分布的一种示例图;
图6为本申请实施例的近壁面流速测量方法与传统算法的对比示意图;
图7为本申请实施例的近壁面流速测量方法的实验验证示意图;
图8为本申请实施例提供的一种近壁面流速测量装置的示意图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
PIV的基本原理和步骤是在短暂时间间隔dt内,连续对跟随流场运动的粒子成两次像。假设在第一张图像上选取某一小块粒子图像i1,通过图像识别的方法(及相关算法)识别出在第二张图像上最接近i1的图像i2,则可以认为在图像上粒子图像从i1跑到了i2,也就是这一点的速度可以通过i2和i1之间的距离除以dt得到。若将i1取遍第一张图像,则可以获得一个速度场分布。通过PIV算法,对于一般性的流场测量可以得到瞬态速度场,这是流体力学目前最普遍实验的速度场测量方法。
PIV算法是基于短暂时间间隔内的两张粒子图像上粒子的位移来判断速度分布的。一般将第一张图像分为若干个矩形区域,通过平移每一个矩形区域与第二张图像进行匹配来获得矩形区域的速度,其前提条件是在矩形区域内的速度分布是均匀的。然而,由于边界层流动存在巨大的速度剪切,即其速度空间分布不是均匀的,而是从边界层外层到流体与固体交界面上速度逐渐降为零。因此,对于存在速度剪切的边界层来说,采用传统的PIV算法会出现巨大的误差。
本申请实施例提供一种近壁面流速测量方法及装置,相较于传统的PIV算法,可以基本消除近壁面存在的巨大的速度剪切对近壁面流速测量的影响,从而提高近壁面流速测量的准确性。
图1所示为本申请实施例提供的近壁面流速测量方法的示意图。如图1所示,本实施例提供的近壁面流速测量方法,包括:
S101、获取近壁面随流体运动的粒子图像时间序列;
S102、将粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得近壁面的速度分布。
本实施例中,获取的粒子图像时间序列中可以包括连续的至少两帧粒子图像。图2为本实施例中的一帧粒子图像的示例图。其中,横轴标识粒子图像中的横向位置,纵轴标识粒子图像中的纵向位置。在图2中,底部的黑色部分为固体区域(比如,壁面),黑色部分上面的区域为粒子分布区域(即流体部分)。如图2所示,一帧粒子图像可以划分为若干个矩形区域。本实施例中,设矩形区域的尺寸为A*A,则A的取值可以小于或等于1像素(pixel)。
在本实施例中,S102可以通过一个剪切模板实现。图3为本申请实施例中的剪切模板的处理示意图。如图3所示,一帧粒子图像中的每一个矩形区域可以沿横向平移和横向剪切变形,来匹配下一帧粒子图像中的相应区域。在图3中示意了不同位置的矩形区域进行横向平移和横向剪切变形的示例。图3中,I表示矩形区域的横向次序,J表示矩形区域的纵向次序,U表示矩形区域的横向平移速度,表示矩形区域的横向剪切率。
在本实施例中,在S102中,可以根据以下式子计算两帧粒子图像在不同的横向平移速度和横向剪切率下的图像相关值:
其中,Is,n,U,ε=I(s-U-(n-n0)·ε,n);Is,n,U,ε表示第i帧粒子图像中的光强分布,I′s,n表示第i+1帧粒子图像中的光强分布,s表示粒子图像中矩形区域的中心横向位置,n表示粒子图像中矩形区域的纵向位置,n0表示粒子图像中矩形区域的中心纵向位置,U为第i帧粒子图像内的矩形区域的横向平移速度,ε为第i帧粒子图像内的矩形区域的横向剪切率;i为正整数。M可以表示粒子图像的横向长度,N可以表示粒子图像的纵向长度。
本实施例中,在不同的横向平移速度和横向剪切率下利用上式计算对应的图像相关值,在得到的一组图像相关值中可以确定出最大图像相关值,并得到最大图像相关值对应的横向平移速度;根据最大图像相关值对应的横向平移速度,得到近壁面的速度分布。
在本实施例中,在一帧粒子图像上划分出多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域,来与下一帧粒子图像进行匹配;从不同横向平移速度和横向剪切率下计算得到的图像相关值中筛选出最大图像相关值,根据最大图像相关值对应的横向平移速度,即可得到近壁面的速度分布。
图4为本申请实施例中剪切模块得到的图像相关值的一种示例图。在图4中,横轴方向为矩形区域的横向平移速度,纵轴方向为矩形区域的横向剪切率。在图4中,图像相关值以不同灰度的颜色标识。基于图4可以比较不同的横向平移速度和横向剪切率下的图像相关值,并从中确定出最大图像相关值,从而得到最大图像相关值对应的横向平移速度和横向剪切率。在图4中最大图像相关值的位置为灰度值最小的区域。
在本实施例中,在S102之后,本实施例的方法还可以包括:基于S102得到的速度分布,进行流动差异预测,得到全速度场信息。通过本步骤可以最终获得全速度场的准确信息。图5所示为本申请实施例最终获得的近壁面的速度分布的一种示例图。
本申请实施例在进行近壁面流速测量时同时考察速度信息和速度剪切信息,从而可以针对近壁面图像直接获得速度分布,并基本消除近壁面存在的速度剪切对流速测量的影响,进而支持PIV技术运用在边界层测量。
图6为本申请实施例的近壁面流速测量方法与传统算法的对比示意图。图6所示为仿真模拟不同粒子直径下,算法误差随增大的流动剪切的影响。图6(a)为粒子直径为2pixel的情况,图6(b)为粒子直径为3pixel的情况,图6(c)为粒子直径为4pixel的情况,图6(d)为粒子直径为5pixel的情况。在图6中,方形标示本实施例的流速测量方法,菱形标示WC(window correlation with image deformation)算法,三角标示WCSP(WC method withstatic particles added in the solid region)算法,圆形标示IG(Image Gradiometry,图像梯度)算法。
在图6中,横轴方向标示流动剪切率,纵轴方向标示总误差∑u,tot。基于图6可见,本实施例的近壁面流速测量方法基本消除了大流动剪切的影响,可以得到准确的测量结果。
图7为本申请实施例的近壁面流速测量方法的实验验证示意图。图7中,纵轴方向表示粒子图像中的纵向位置,U表示平均速度,U’表示速度脉动幅值,U’max表示速度脉动幅值的最大值。黑点为通过本实施例的流速测量方法得到的数据点,黑线为基于线性稳定性理论(linear stability theory)分析方法得到的结果。由图7可见,黑点和黑线之间具有较佳的一致性。
图8为本申请实施例提供的一种近壁面流速测量装置的示意图。如图8所示,本实施例提供的近壁面流速测量装置,包括:获取模块801,适于获取近壁面随流体运动的粒子图像时间序列;第一处理模块802,适于将粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得近壁面的速度分布。
其中,第一处理模块802可以适于根据以下式子计算两帧粒子图像在不同的横向平移速度和横向剪切率下的图像相关值:
其中,Is,n,U,ε=I(s-U-(n-n0)·ε,n);Is,n,U,ε表示第i帧粒子图像中的光强分布,I′s,n表示第i+1帧粒子图像中的光强分布,s表示粒子图像中矩形区域的中心横向位置,n表示粒子图像中矩形区域的纵向位置,n0表示粒子图像中矩形区域的中心纵向位置,U为第i帧粒子图像内的矩形区域的横向平移速度,ε为第i帧粒子图像内的矩形区域的横向剪切率;i为正整数;
第一处理模块802还适于从计算得到的图像相关值中确定出最大图像相关值,并得到最大图像相关值对应的横向平移速度;根据最大图像相关值对应的横向平移速度,得到近壁面的速度分布。
本实施例的装置还可以包括:第二处理模块,适于基于第一处理模块802得到的速度分布,进行流动差异预测,得到全速度场信息。
关于本实施例提供的近壁面流速测量装置相关说明可以参照上述方法实施例的描述,故于此不再赘述。
此外,本申请实施例还提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被执行时实现上述的近壁面流速测量方法的步骤。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (5)
1.一种近壁面流速测量方法,其特征在于,包括:
获取近壁面随流体运动的粒子图像时间序列;
将所述粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得所述近壁面的速度分布;
其中,所述通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得所述近壁面的速度分布,包括:
根据以下式子计算两帧粒子图像在不同的横向平移速度和横向剪切率下的图像相关值:
其中,Is,n,U,ε=I(s-U-(n-n0)·ε,n);Is,n,U,ε表示第i帧粒子图像中的光强分布,I′s,n表示第i+1帧粒子图像中的光强分布,s表示粒子图像中矩形区域的中心横向位置,n表示粒子图像中矩形区域的纵向位置,n0表示粒子图像中矩形区域的中心纵向位置,U为第i帧粒子图像内的矩形区域的横向平移速度,ε为第i帧粒子图像内的矩形区域的横向剪切率;i为正整数;
从计算得到的图像相关值中确定出最大图像相关值,并得到所述最大图像相关值对应的横向平移速度;
根据所述最大图像相关值对应的横向平移速度,得到所述近壁面的速度分布。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:基于得到的所述速度分布,进行流动差异预测,得到全速度场信息。
3.一种近壁面流速测量装置,其特征在于,包括:
获取模块,适于获取近壁面随流体运动的粒子图像时间序列;
第一处理模块,适于将所述粒子图像时间序列中的一帧粒子图像划分为多个矩形区域,通过横向平移和横向剪切变形每一个矩形区域与下一帧粒子图像进行匹配,获得所述近壁面的速度分布;
其中,所述第一处理模块,适于根据以下式子计算两帧粒子图像在不同的横向平移速度和横向剪切率下的图像相关值:
其中,Is,n,U,ε=I(s-U-(n-n0)·ε,n);Is,n,U,ε表示第i帧粒子图像中的光强分布,I′s,n表示第i+1帧粒子图像中的光强分布,s表示粒子图像中矩形区域的中心横向位置,n表示粒子图像中矩形区域的纵向位置,n0表示粒子图像中矩形区域的中心纵向位置,U为第i帧粒子图像内的矩形区域的横向平移速度,ε为第i帧粒子图像内的矩形区域的横向剪切率;i为正整数;
从计算得到的图像相关值中确定出最大图像相关值,并得到所述最大图像相关值对应的横向平移速度;
根据所述最大图像相关值对应的横向平移速度,得到所述近壁面的速度分布。
4.根据权利要求3所述的装置,其特征在于,所述装置还包括:第二处理模块,适于基于得到的所述速度分布,进行流动差异预测,得到全速度场信息。
5.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被执行时实现如权利要求1至2中任一项所述的近壁面流速测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910585926.4A CN110308302B (zh) | 2019-07-01 | 2019-07-01 | 一种近壁面流速测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910585926.4A CN110308302B (zh) | 2019-07-01 | 2019-07-01 | 一种近壁面流速测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110308302A CN110308302A (zh) | 2019-10-08 |
CN110308302B true CN110308302B (zh) | 2020-11-20 |
Family
ID=68078227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910585926.4A Active CN110308302B (zh) | 2019-07-01 | 2019-07-01 | 一种近壁面流速测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110308302B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067842B (zh) * | 2020-09-04 | 2022-08-30 | 天津大学 | 一种基于非均匀查询窗口粒子图像测速技术的湍流边界层处理方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0353644A3 (en) * | 1988-08-04 | 1991-05-15 | Schlumberger Technologies Inc | Configurable correlation windows for the direct measurement of differential field distortion |
JP2004333237A (ja) * | 2003-05-02 | 2004-11-25 | Univ Nihon | 混相流の流速・流量計測装置と流速・流量計測方法 |
US20060146910A1 (en) * | 2004-11-23 | 2006-07-06 | Manoochehr Koochesfahani | Method and apparatus for simultaneous velocity and temperature measurements in fluid flow |
CN101666733B (zh) * | 2009-09-28 | 2011-04-27 | 清华大学 | 一种测量材料热震行为的方法 |
US9068873B2 (en) * | 2012-02-14 | 2015-06-30 | King Fahd University Of Petroleum And Minerals | Multiphase flow measurement system and method |
CN103293333B (zh) * | 2013-05-10 | 2015-07-29 | 东南大学 | 一种隔行扫描ccd的流动二维速度场测量方法及装置 |
CN104166998B (zh) * | 2014-08-15 | 2016-11-02 | 中国人民解放军国防科学技术大学 | 粒子图像变形单元匹配测速方法 |
CN105004466B (zh) * | 2015-08-05 | 2017-08-04 | 北京航空航天大学 | 一种高精度非接触气动摩擦阻力测量方法及测量装置 |
CN106844829A (zh) * | 2016-12-07 | 2017-06-13 | 青岛科技大学 | 污水处理的平垂扰流(pvfl)流态数值模拟优化技术 |
CN109633199B (zh) * | 2018-12-11 | 2020-09-22 | 天津大学 | 一种基于相关匹配的粒子聚焦两点像测速方法 |
CN109459582A (zh) * | 2018-12-24 | 2019-03-12 | 北京理工大学 | 基于动边界自识别的激光粒子图像测速数据处理方法 |
-
2019
- 2019-07-01 CN CN201910585926.4A patent/CN110308302B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110308302A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11200684B2 (en) | Apparatus and method for measuring flow velocity of stream using optical flow image processing | |
US10762643B2 (en) | Method for evaluating image data of a vehicle camera | |
US11193896B2 (en) | Multi-sensor pipe inspection utilizing pipe templates to determine cross sectional profile deviations | |
JP4125786B2 (ja) | 疎配列画像の相関付け | |
CN111191566A (zh) | 基于像素分类的光学遥感图像多目标检测方法 | |
US10073908B2 (en) | Functional space-time trajectory clustering | |
CN110663060B (zh) | 一种用于表示环境元素的方法、装置、系统、以及车辆/机器人 | |
US9068873B2 (en) | Multiphase flow measurement system and method | |
CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
WO2020233436A1 (zh) | 车辆速度确定方法及车辆 | |
CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
CN104504387A (zh) | 文本图像的校正方法和装置 | |
CN110308302B (zh) | 一种近壁面流速测量方法及装置 | |
US10643338B2 (en) | Object detection device and object detection method | |
KR101873124B1 (ko) | 액체 저장 탱크의 수위 계측 방법 및 액체 저장 탱크의 수위 계측 시스템 | |
US20040213452A1 (en) | Method for estimation of fundamental matrix in implementing a stereo vision | |
CN112991287A (zh) | 一种基于全卷积神经网络的自动压痕测量方法 | |
CN113281718B (zh) | 一种基于激光雷达场景流估计的3d多目标跟踪系统及方法 | |
CN112446353B (zh) | 基于深度卷积神经网络的视频图像道线检测方法 | |
CN114022614A (zh) | 一种三维重建目标位置置信度的估计方法及系统 | |
CN114913500B (zh) | 位姿确定方法、装置、计算机设备和存储介质 | |
CN107316331B (zh) | 针对道路图像的灭点自动标定方法 | |
JP2020098455A (ja) | 物体識別システム、物体識別方法、並びに、画像識別プログラム | |
CN115830514A (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 | |
CN115035164A (zh) | 一种运动目标识别方法及装置 |
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 |