CN110443875B - 一种基于建筑点云数据的轴线自动绘制系统 - Google Patents
一种基于建筑点云数据的轴线自动绘制系统 Download PDFInfo
- Publication number
- CN110443875B CN110443875B CN201910679891.0A CN201910679891A CN110443875B CN 110443875 B CN110443875 B CN 110443875B CN 201910679891 A CN201910679891 A CN 201910679891A CN 110443875 B CN110443875 B CN 110443875B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- original ordered
- normal
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Abstract
本发明公开了一种基于建筑点云数据的轴线自动绘制系统。所述系统包括:数据采集模块,用于采集原始有序点云数据;特征值计算模块,用于对所述原始有序点云数据进行法线计算,得到法线特征值;建筑要素特征提取模块,用于计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值;轴网绘制模块,用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。本发明能够自动修正轴线数据,实现自动绘制轴线。
Description
技术领域
本发明涉及点云数据处理技术领域,尤其涉及一种基于建筑点云数据的轴线自动绘制系统。
背景技术
在建筑设计领域,建筑图纸的绘制需要建筑轴线来辅助完成。建筑轴线是人为地在建筑图纸中为了标示构件的详细尺寸,按照一般的习惯或标准在图纸上虚设的一道线,习惯上标注在对称界面或截面构件的中心线上,如基础、梁、柱等结构上。对于不同建筑或奇特建筑的建筑图纸,建筑设计人员需要结合该建筑的具体结构,运用自身建筑学专业知识进一步确定其建筑轴线。
现今,通过激光雷达扫描技术可以快速获取各种建筑的点云数据,极大程度地简化了前期数据的采集过程。如何利用建筑点云数据实现自动绘制建筑轴线,成为当前的研究方向。
发明内容
本发明所要解决的技术问题在于,提供一种基于建筑点云数据的轴线自动绘制系统,能够自动修正轴线数据,实现自动绘制轴线网络。
为了解决上述技术问题,本发明提出了一种基于建筑点云数据的轴线自动绘制系统,包括:
数据采集模块,用于采集原始有序点云数据;
特征值计算模块,用于对所述原始有序点云数据进行法线计算,得到法线特征值;
建筑要素特征提取模块,用于计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值;
轴网绘制模块,用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。
进一步地,所述采集原始有序点云数据,包括:通过三维扫描仪采集原始有序点云数据。
进一步地,所述对所述原始有序点云数据进行法线计算,得到法线特征值,包括:
遍历所述原始有序点云数据提取第一目标点云数据;其中,所述第一目标点云数据为所述原始有序点云数据预设空间范围内的点云数据;
通过预设的线性方程计算所述第一目标点云数据的法线特征值。
进一步地,所述预设的线性方程,为AX=B;
A(1,1)+=Pi(x)^2,A(1,2)+=Pi(x)^Pi(y),A(1,3)+=Pi(x),A(2,1)+=Pi(x)*Pi(y),A(2,2)+=Pi(y)^2,A(2,3)+=Pi(y),A(3,1)+=Pi(x),A(3,2)+=Pi(y),A(3,3)+=1;
B(1,1)+=Pi(x)*Pi(z),B(1,2)+=Pi(z)*Pi(y),B(1,3)+=Pi(y);
其中,A、B表示矩阵,X表示所述法线特征值,Pi(x)、Pi(y)、Pi(y)分别表示第i个所述第一目标点云数据的x、y、z坐标。
进一步地,所述计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值,包括:
计算所述原始有序点云数据在二维图像上的图像亮度值;
根据所述图像亮度值从大到小的顺序,逐一计算全部或部分所述原始有序点云数据的垂直度得分;
提取所述垂直度得分最高的所述原始有序点云数据的轴网偏差特征值。
进一步地,所述计算所述原始有序点云数据在二维图像上的图像亮度值,包括:
将所述原始有序点云数据投影至二维平面,并将所述二维平面转换为所述二维图像;其中,所述二维图像为(r,θ)图像;
在所述二维图像中提取周期为2π的图像作为目标图像,并计算所述目标图像中所述原始有序点云数据的图像亮度值。
进一步地,所述轴网偏差特征值,为所述垂直度得分最高的所述原始有序点云数据的θ值。
进一步地,所述根据所述法线特征值和所述轴网偏差特征值绘制轴线网络,包括:
根据所述法线特征值计算所述原始有序点云数据的法线变化率;
当所述法线变化率大于预设的变化率阈值时,将所述原始有序点云数据标记为关键点云数据;
根据所述轴网偏差特征值修正二维平面,并根据所述关键点云数据在所述二维平面绘制轴线网络。
进一步地,所述根据所述法线特征值计算所述原始有序点云数据的法线变化率,包括:
遍历所述原始有序点云数据提取第二目标点云数据;其中,所述第二目标点云数据为所述原始有序点云数据预设角度范围内像素值小于预设的像素值阈值的点云数据;
根据所述原始有序点云数据和所述第二目标点云数据的法线特征值计算所述第二目标点云数据的法线变化率。
进一步地,所述法线变化率的计算公式,为:
S+=[Xk(1,1)-Xj(1,1)]^2+[Xk(2,1)-Xj(2,1)]^2+[Xk(3,1)-Xj(3,1)]^2;
其中,S表示法线变化率,Xj,Xk表示行矩阵,Xj,Xk分别表示第j个所述原始有序点云数据、第k个所述第二目标点云数据的法线特征值。实施本发明实施例具有如下有益效果:
本发明实施例根据原始有序点云数据的法线特征值,计算原始有序点云数据在垂直方向上的垂直度得分以获取垂直度得分最高的原始有序点云数据,从而提取轴网偏差特征值,使得可利用轴网偏差特征值自动修正轴线数据。同时,根据原始有序点云数据的法线特征值,计算原始有序点云数据的法线变化率以提取关键点云数据,使得可在已修正的二维平面上基于关键点云数据自动绘制轴线网络。
附图说明
图1为本发明实施例中的一种基于建筑点云数据的轴线自动绘制系统的结构示意图;
图2为本发明实施例中的特征值计算的流程示意图;
图3为本发明实施例中的建筑要素特征提取的流程示意图;
图4为本发明实施例中的轴网绘制的流程示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,在本发明实施例的描述中,字母、标号、术语“第一”和“第二”仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1-4。
如图1所示,本实施例提供的一种基于建筑点云数据的轴线自动绘制系统,包括:数据采集模块11,用于采集原始有序点云数据;特征值计算模块12,用于对所述原始有序点云数据进行法线计算,得到法线特征值;建筑要素特征提取模块13,用于计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值;轴网绘制模块14,用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。
在具体的实施例当中,所述采集原始有序点云数据,包括:通过三维扫描仪采集原始有序点云数据。
需要说明的是,所述三维扫描仪的具体型号为FARO S350。
在具体的实施例当中,所述对所述原始有序点云数据进行法线计算,得到法线特征值,包括:遍历所述原始有序点云数据提取第一目标点云数据;其中,所述第一目标点云数据为所述原始有序点云数据预设空间范围内的点云数据;通过预设的线性方程计算所述第一目标点云数据的法线特征值。
例如,对于原始有序点云数据Oj,通过遍历所有原始有序点云数据,提取原始有序点云数据Oj周围3个空间距离单位内的点云数据,即第一目标点云数据。
本实施例通过针对原始有序点云数据Oj,从所有原始有序点云数据中提取与原始有序点云数据Oj相近的部分点云数据,不仅保证了法线特征值的准确性,还减少了法线特征值的计算数据量,提高计算效率。
在具体的实施例当中,所述预设的线性方程,为AX=B;
A(1,1)+=Pi(x)^2,A(1,2)+=Pi(x)^Pi(y),A(1,3)+=Pi(x),A(2,1)+=Pi(x)*Pi(y),A(2,2)+=Pi(y)^2,A(2,3)+=Pi(y),A(3,1)+=Pi(x),A(3,2)+=Pi(y),A(3,3)+=1;
B(1,1)+=Pi(x)*Pi(z),B(1,2)+=Pi(z)*Pi(y),B(1,3)+=Pi(y);
其中,A、B表示矩阵,X表示所述法线特征值,Pi(x)、Pi(y)、Pi(y)分别表示第i个所述第一目标点云数据的x、y、z坐标。
需要说明的是,A(3,3)、B(3,1)为预先创建的矩阵。
可以理解的是,通过求解所述线性方程所得到的所述法线特征值,为行矩阵,即X=[X(1,1)X(2,1)X(3,1)]。例如,原始有序点云数据Oj的法线特征值为Xj=[Xj(1,1)Xj(2,1)Xj(3,1)]。
在具体的实施例当中,所述计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值,包括:计算所述原始有序点云数据在二维图像上的图像亮度值;根据所述图像亮度值从大到小的顺序,逐一计算全部或部分所述原始有序点云数据的垂直度得分;提取所述垂直度得分最高的所述原始有序点云数据的轴网偏差特征值。
在具体的实施例当中,所述计算所述原始有序点云数据在二维图像上的图像亮度值,包括:将所述原始有序点云数据投影至二维平面,并将所述二维平面转换为所述二维图像;其中,所述二维图像为(r,θ)图像;在所述二维图像中提取周期为2π的图像作为目标图像,并计算所述目标图像中所述原始有序点云数据的图像亮度值。
在一优选的实施例当中,所述二维平面为预先设置的Img图像,即设置图像大小为Img(width,height),并初始为全黑。
可以理解的是,若要计算所述原始有序点云数据在二维图像上的图像亮度值,则需要将所述原始有序点云数据投影至二维平面,并计算所述原始有序点云数据在所述二维平面上的像素坐标。
例如,原始有序点云数据Oj在二维平面上的像素坐标计算公式为:
x=width/2+Oj(x)/resolution;y=height/2+Oj(y)/resolution;
其中,Oj(x)、Oj(y)表示原始有序点云数据Oj的x、y坐标。
需要说明的是,在将所述原始有序点云数据投影至所述二维平面之前,应先根据所述原始有序点云数据的法线特征值,判断是否将所述原始有序点云数据投影至所述二维平面。
在一优选的实施例当中,通过霍夫变换将所述二维平面转换为所述二维图像,即(r,θ)图像。
本实施例通过在所述二维图像中提取周期为2π的图像作为目标图像,并计算所述目标图像中所述原始有序点云数据的图像亮度值,可有效减少图像亮度值的计算数据量,提高计算效率。
此外,本实施例根据所述图像亮度值从大到小的顺序,逐一计算部分所述原始有序点云数据的垂直度得分,比如只计算前50%的所述原始有序点云数据的垂直度得分,可有效减少垂直度得分的计算数据量,提高计算效率。
在一优选的实施例当中,所述垂直度得分的计算公式为:
G=R*[X(1,1)^2+X(2,1)^2]^0.5;
其中,R表示在θ轴上,所述原始点云数据预设角度范围内点云数据的像素值总和。
例如,对于原始有序点云数据Oj,R表示在θ轴上,所述原始点云数据Oj在(90±α)°的范围内所有点云数据的像素值总和。
在具体的实施例当中,所述轴网偏差特征值,为所述垂直度得分最高的所述原始有序点云数据的θ值。
在具体的实施例当中,所述根据所述法线特征值和所述轴网偏差特征值绘制轴线网络,包括:根据所述法线特征值计算所述原始有序点云数据的法线变化率;当所述法线变化率大于预设的变化率阈值时,将所述原始有序点云数据标记为关键点云数据;根据所述轴网偏差特征值修正二维平面,并根据所述关键点云数据在所述二维平面绘制轴线网络。
在具体的实施例当中,所述根据所述法线特征值计算所述原始有序点云数据的法线变化率,包括:遍历所述原始有序点云数据提取第二目标点云数据;其中,所述第二目标点云数据为所述原始有序点云数据预设角度范围内像素值小于预设的像素值阈值的点云数据;根据所述原始有序点云数据和所述第二目标点云数据的法线特征值计算所述第二目标点云数据的法线变化率。
需要说明的是,所述预设的像素值阈值为R。
例如,对于原始有序点云数据Oj,通过遍历所有原始有序点云数据,提取原始有序点云数据Oj预设角度范围内像素值小于R的点云数据,即第二目标点云数据。
可以理解的是,通过针对原始有序点云数据Oj,从所有原始有序点云数据中提取与原始有序点云数据Oj相关的部分点云数据,不仅保证了法线变化率的准确性,还减少了法线变化率的计算数据量,提高计算效率。
在具体的实施例当中,所述法线变化率的计算公式,为:
S+=[Xk(1,1)-Xj(1,1)]^2+[Xk(2,1)-Xj(2,1)]^2+[Xk(3,1)-Xj(3,1)]^2;
其中,S表示法线变化率,Xj,Xk表示行矩阵,Xj,Xk分别表示第j个所述原始有序点云数据、第k个所述第二目标点云数据的法线特征值。
可以理解的是,通过比较所述法线变化率和预设的变化率阈值,将所述法线变化率大于预设的变化率阈值的所述原始有序点云数据标记为关键点云数据,即根据原始有序点云数据的法线变化角度判断该原始有序点云数据是否是关键点云数据,比如垂足点等。
本实施例根据所述轴网偏差特征值修正二维平面,即修正轴线数据,并根据所述关键点云数据在已修正的二维平面绘制轴线网络,实现基于点云数据自动绘制轴线。
实施本发明实施例具有如下有益效果:
本发明实施例根据原始有序点云数据的法线特征值,计算原始有序点云数据在垂直方向上的垂直度得分以获取垂直度得分最高的原始有序点云数据,从而提取轴网偏差特征值,使得可利用轴网偏差特征值自动修正轴线数据。同时,根据原始有序点云数据的法线特征值,计算原始有序点云数据的法线变化率以提取关键点云数据,使得可在已修正的二维平面上基于关键点云数据自动绘制轴线网络。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
Claims (10)
1.一种基于建筑点云数据的轴线自动绘制系统,其特征在于,包括:
数据采集模块,用于采集原始有序点云数据;
特征值计算模块,用于对所述原始有序点云数据进行法线计算,得到法线特征值;
建筑要素特征提取模块,用于计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值;
轴网绘制模块,用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。
2.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述采集原始有序点云数据,包括:通过三维扫描仪采集原始有序点云数据。
3.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述对所述原始有序点云数据进行法线计算,得到法线特征值,包括:
遍历所述原始有序点云数据提取第一目标点云数据;其中,所述第一目标点云数据为所述原始有序点云数据预设空间范围内的点云数据;
通过预设的线性方程计算所述第一目标点云数据的法线特征值。
4.根据权利要求3所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述预设的线性方程,为AX=B;
A(1,1)+=Pi(x)^2,A(1,2)+=Pi(x)^Pi(y),A(1,3)+=Pi(x),A(2,1)+=Pi(x)*Pi(y),A(2,2)+=Pi(y)^2,A(2,3)+=Pi(y),A(3,1)+=Pi(x),A(3,2)+=Pi(y),A(3,3)+=1;
B(1,1)+=Pi(x)*Pi(z),B(1,2)+=Pi(z)*Pi(y),B(1,3)+=Pi(y);
其中,A、B表示矩阵,X表示所述法线特征值,Pi(x)、Pi(y)、Pi(y)分别表示第i个所述第一目标点云数据的x、y、z坐标。
5.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述计算所述原始有序点云数据的垂直度得分,并根据所述垂直度得分提取轴网偏差特征值,包括:
计算所述原始有序点云数据在二维图像上的图像亮度值;
根据所述图像亮度值从大到小的顺序,逐一计算全部或部分所述原始有序点云数据的垂直度得分;
提取所述垂直度得分最高的所述原始有序点云数据的轴网偏差特征值。
6.根据权利要求5所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述计算所述原始有序点云数据在二维图像上的图像亮度值,包括:
将所述原始有序点云数据投影至二维平面,并将所述二维平面转换为所述二维图像;其中,所述二维图像为(r,θ)图像;
在所述二维图像中提取周期为2π的图像作为目标图像,并计算所述目标图像中所述原始有序点云数据的图像亮度值。
7.根据权利要求6所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述轴网偏差特征值,为所述垂直度得分最高的所述原始有序点云数据的θ值。
8.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述根据所述法线特征值和所述轴网偏差特征值绘制轴线网络,包括:
根据所述法线特征值计算所述原始有序点云数据的法线变化率;
当所述法线变化率大于预设的变化率阈值时,将所述原始有序点云数据标记为关键点云数据;
根据所述轴网偏差特征值修正二维平面,并根据所述关键点云数据在所述二维平面绘制轴线网络。
9.根据权利要求8所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述根据所述法线特征值计算所述原始有序点云数据的法线变化率,包括:
遍历所述原始有序点云数据提取第二目标点云数据;其中,所述第二目标点云数据为所述原始有序点云数据预设角度范围内像素值小于预设的像素值阈值的点云数据;
根据所述原始有序点云数据和所述第二目标点云数据的法线特征值计算所述第二目标点云数据的法线变化率。
10.根据权利要求9所述的基于建筑点云数据的轴线自动绘制系统,其特征在于,所述法线变化率的计算公式,为:
S+=[Xk(1,1)-Xj(1,1)]^2+[Xk(2,1)-Xj(2,1)]^2+[Xk(3,1)-Xj(3,1)]^2;
其中,S表示法线变化率,Xj,Xk表示行矩阵,Xj,Xk分别表示第j个所述原始有序点云数据、第k个所述第二目标点云数据的法线特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910679891.0A CN110443875B (zh) | 2019-07-25 | 2019-07-25 | 一种基于建筑点云数据的轴线自动绘制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910679891.0A CN110443875B (zh) | 2019-07-25 | 2019-07-25 | 一种基于建筑点云数据的轴线自动绘制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443875A CN110443875A (zh) | 2019-11-12 |
CN110443875B true CN110443875B (zh) | 2022-11-29 |
Family
ID=68431553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910679891.0A Active CN110443875B (zh) | 2019-07-25 | 2019-07-25 | 一种基于建筑点云数据的轴线自动绘制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443875B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011070927A1 (ja) * | 2009-12-11 | 2011-06-16 | 株式会社トプコン | 点群データ処理装置、点群データ処理方法、および点群データ処理プログラム |
CN103279980B (zh) * | 2013-05-08 | 2016-02-24 | 西安理工大学 | 基于点云数据的树叶建模方法 |
CN106600617A (zh) * | 2016-12-29 | 2017-04-26 | 中科宇图科技股份有限公司 | 基于曲率从Lidar点云数据提取建筑物轮廓线的方法 |
-
2019
- 2019-07-25 CN CN201910679891.0A patent/CN110443875B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110443875A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784333B (zh) | 基于点云带权通道特征的三维目标检测方法及系统 | |
CN108228798B (zh) | 确定点云数据之间的匹配关系的方法和装置 | |
JP4738469B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
US11367195B2 (en) | Image segmentation method, image segmentation apparatus, image segmentation device | |
CN114782970B (zh) | 一种表格提取方法、系统及可读介质 | |
CN116255992A (zh) | 一种同时定位与建图的方法和装置 | |
JP2023533625A (ja) | 高精細地図の作成方法、装置、デバイス及びコンピュータプログラム | |
CN111553881A (zh) | 基于三维点云识别的检测铁塔形变的方法和系统 | |
CN113096181B (zh) | 设备位姿的确定方法、装置、存储介质及电子装置 | |
CN110443875B (zh) | 一种基于建筑点云数据的轴线自动绘制系统 | |
CN102324043B (zh) | 基于dct的特征描述算子及优化空间量化的图像匹配方法 | |
JP5500245B2 (ja) | トレーニング方法及び装置並びに画像における対象の姿勢視角を推定する方法及び装置 | |
CN113723389A (zh) | 一种支柱式绝缘子定位方法及装置 | |
CN111627059B (zh) | 一种棉花叶片中心点位置定位方法 | |
CN111179271B (zh) | 一种基于检索匹配的物体角度信息标注方法及电子设备 | |
CN111044988A (zh) | 一种激光雷达扫描户型图的精细化处理方法 | |
CN111898552A (zh) | 一种判别人员关注目标物的方法、装置及计算机设备 | |
CN116402904A (zh) | 一种基于激光雷达间和单目相机的联合标定方法 | |
CN110956664A (zh) | 一种手持式三维扫描系统的相机位置实时重定位方法 | |
US11699303B2 (en) | System and method of acquiring coordinates of pupil center point | |
CN114037822A (zh) | 一种行驶证检测方法和系统 | |
CN113658195A (zh) | 图像分割方法、装置及电子设备 | |
CN112884026A (zh) | 一种图像识别辅助的输电线路激光LiDAR点云分类方法 | |
CN109934837B (zh) | 一种3d植物叶片轮廓的提取方法、装置及系统 |
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 |