CN110675383B - 用于数字全息中存在干扰物的目标物快速识别聚焦方法 - Google Patents

用于数字全息中存在干扰物的目标物快速识别聚焦方法 Download PDF

Info

Publication number
CN110675383B
CN110675383B CN201910905723.9A CN201910905723A CN110675383B CN 110675383 B CN110675383 B CN 110675383B CN 201910905723 A CN201910905723 A CN 201910905723A CN 110675383 B CN110675383 B CN 110675383B
Authority
CN
China
Prior art keywords
focusing
peak
target object
correlation
max
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
Application number
CN201910905723.9A
Other languages
English (en)
Other versions
CN110675383A (zh
Inventor
张华俊
张宇
姚金任
任明源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201910905723.9A priority Critical patent/CN110675383B/zh
Publication of CN110675383A publication Critical patent/CN110675383A/zh
Application granted granted Critical
Publication of CN110675383B publication Critical patent/CN110675383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/0005—Adaptation of holography to specific applications
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04—Processes or apparatus for producing holograms
    • G03H1/0443—Digital holography, i.e. recording holograms with digital recording means
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/0005—Adaptation of holography to specific applications
    • G03H2001/0033—Adaptation of holography to specific applications in hologrammetry for measuring or analysing
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Abstract

用于数字全息中存在干扰物的目标物快速识别聚焦方法，涉及图像识别技术领域，为解决现有技术中对已知要测量的特定目标物在存在干扰物的条件下使用传统的操作方法得到的聚焦曲线不具有单峰最值的特性，无法准确得到待测目标物的精确聚焦距离的问题，本发明利用光学相关的方法对目标物进行识别聚焦可以获得更准确的聚焦位置，聚焦曲线具有单峰最值特性；利用光学相关识别的方法可以有效避免测量光束路径上不同位置处非目标物对聚焦距离判别的影响；利用二分法逐渐缩小计算的搜索区间，有效地减小了聚焦判别过程的计算时间，可以快速确定待测目标物的聚焦位置。

Description

用于数字全息中存在干扰物的目标物快速识别聚焦方法
技术领域
本发明涉及图像识别技术领域，具体为一种用于数字全息中存在干扰物的目标物快速识别聚焦方法。
背景技术
随着电子科技及数字技术的发展，传统全息术逐渐被数字全息所代替。目前数字全息测量技术作为光学测量的重要实现途径已得到广泛应用。通过接收器得到包含目标物信息的全息图后，利用计算机处理后即可获得目标物的相关信息，比如目标物的形状、大小和位置等，通过收集目标物的这些信息可判断目标的动态变化过程。计算机处理中利用数字全息再现算法来实现目标物重建，不同再现距离对应不用的重建像，因此获得准确的再现距离是重建目标物像的关键。
为了获得准确的聚焦距离，科研人员进行了大量研究，主要方法集中在根据图像的清晰度指标和预先收集不同位置的聚焦样本来判定。2016年专利文献CN105700321A公开了一种基于强度方差的数字全息重建像聚焦距离的判断方法，根据比较不同再现处的再现像强度方差和再现像强度均值的比值变化曲线来判断聚焦距离。2017年专利文献CN106502074A公开了一种像面数字全息显微测量的自动聚焦方法，利用位移平台移动被测物获得不同位置处的全息图，处理得到各个位置处的自相关算子，根据拟合的自相关算子曲线来判定聚焦距离。
上述方法中利用图像的整体清晰度来判别聚焦距离对单一目标物具有较好的处理结果，当测量路径上存在不同干扰物体时，不同距离处的物体再现时会发生相互串扰，不利于图像清晰度的判别，得到的判别曲线往往失去了单峰最值的特性。利用预先收集不同位置处的再现像处理得到的聚焦判据曲线来判定聚焦距离，这种方法需要大量采集全息图，实际操作具有一定难度。
实际环境中无可避免地会存在测量路径上不同物体的干扰问题，当已知要测量的特定目标物时，利用传统的操作方法得到的聚焦曲线不具有单峰最值的特性，无法准确得到待测目标物的精确聚焦距离。同时在设定的寻焦范围内为了获得更高精确度的聚焦距离需要减小每步计算的距离间隔，使得计算量大大增加，降低了数字全息测量中数据处理的效率。
发明内容
本发明的目的是：针对现有技术中对已知要测量的特定目标物在存在干扰物的条件下使用传统的操作方法得到的聚焦曲线不具有单峰最值的特性，无法准确得到待测目标物的精确聚焦距离的问题，提出一种用于数字全息中存在干扰物的目标物快速识别聚焦方法。
本发明为了解决上述技术问题采取的技术方案是：
用于数字全息中存在干扰物的目标物快速识别聚焦方法，其特征在于包括以下步骤：
步骤一：利用离轴数字全息方法采集含有干扰物体的目标物全息图；
步骤二：对全息图进行傅里叶变换后截取需要再现的物频谱G(u,v)；
步骤三：将参考目标物f(x,y)作傅里叶变换后取复共轭得到F*(u,v)；
步骤四：设定初始寻焦范围[dmin,dmax]、当前区间计算次数N和聚焦精度；
步骤五：利用角谱再现算法计算寻焦范围内的N个位置处的再现象
Figure GDA0002238654020000021
步骤六：利用光学相关的方法计算相关峰，得到N个位置处的相关峰峰值曲线；
步骤七：判断相关峰峰值曲线极值点对应聚焦距离是否满足设定精度，若不满足，则利用二分法得到新的寻焦区间，令[dmin,dmax]＝[d'min,d'max]并执行步骤五，若满足则执行步骤八，其中[d'min,d'max]新的寻焦区间；
步骤八：由每次循环的相关峰峰值曲线得到总的聚焦判据曲线，通过聚焦判据曲线获得再现距离。
进一步的，所述步骤六中相关峰的计算步骤为将重建再现像Rzi(x,y)与参考目标像f(x,y)做光学相关运算。
进一步的，所述光学相关运算表示为：
Figure GDA0002238654020000022
其中，
Figure GDA0002238654020000023
表示傅里叶逆变换，符号
Figure GDA0002238654020000026
表示相关运算，
Figure GDA0002238654020000024
为再现距离为zi处再现像的傅里叶变换，F*(u,v)为参考目标物图像傅里叶变换的复共轭，(ξ,η)为相关面坐标，其中Czi(ξ,η)表示在zi处的目标物再现像与参考目标物的相关峰，峰值越高表明此处与参考目标物相关度越高。
进一步的，所述新的搜索区间[d'min,d'max]表示为：
Figure GDA0002238654020000025
Figure GDA0002238654020000031
其中，doptimal为[dmin,dmax]搜索范围内的最优值，即为当前搜索区间内相关峰峰值曲线最大值所对应的的横坐标。
本发明的有益效果是：
1、利用光学相关的方法对目标物进行识别聚焦可以获得更准确的聚焦位置，聚焦曲线具有单峰最值特性；
2、光学相关识别的方法可以有效避免测量光束路径上不同位置处非目标物对聚焦距离判别的影响；
3、利用二分法逐渐缩小计算的搜索区间，有效地减小了聚焦判别过程的计算时间，可以快速确定待测目标物的聚焦位置；
4、本发明从消除非目标物对聚焦距离判别的影响和提高计算速度两个方面来实现识别聚焦过程，为复杂环境下数字全息快速识别聚焦提供了一种新的方法。
附图说明
图1为本发明的流程图。
图2为本发明中模拟存在干扰物的离轴全息图采集示意图。
图3为本发明传统聚焦判据方法和基于光学相关的方法得到的聚焦判据曲线图a。
图4为本发明传统聚焦判据方法和基于光学相关的方法得到的聚焦判据曲线图b。
图5为本发明利用光学相关和二分法得到的快速聚焦判据曲线图。
具体实施方式
具体实施方式一：参照图具体说明本实施方式，本实施方式所述的用于数字全息中存在干扰物的目标物快速识别聚焦方法，包括以下步骤：
步骤一：利用离轴数字全息方法采集含有干扰物体的目标物全息图；
步骤二：对全息图进行傅里叶变换后截取需要再现的物频谱G(u,v)；
步骤三：将参考目标物f(x,y)作傅里叶变换后取复共轭得到F*(u,v)；
步骤四：设定初始寻焦范围[dmin,dmax]、当前区间计算次数N和聚焦精度；
步骤五：利用角谱再现算法计算寻焦范围内的N个位置处的再现象
Figure GDA0002238654020000032
步骤六：利用光学相关的方法计算相关峰，得到N个位置处的相关峰峰值曲线；
步骤七：判断相关峰峰值曲线极值点对应聚焦距离是否满足设定精度，若不满足，则利用二分法得到新的寻焦区间，令[dmin,dmax]＝[d'min,d'max]并执行步骤五，若满足则执行步骤八，其中[d'min,d'max]新的寻焦区间；
步骤八：由每次循环的相关峰峰值曲线得到总的聚焦判据曲线，通过聚焦判据曲线获得再现距离。
本发明提出一种基于光学相关的数字全息识别聚焦的方法，其目的在于在实际测量环境中当存在干扰物体时如何快速识别目标物并得到目标物再现的聚焦距离，通过处理得到的聚焦曲线具有单峰最值特性，同时提高计算效率以减小不必要的计算过程，最终实现目标物的准确识别并快速判定其聚焦距离。
传统方法中同轴数字全息再现过程中由于自相关项和共轭项的影响得到的再现像质量不佳，因此考虑利用离轴数字全息的记录方法采集既包含待测目标物又存在其它干扰物体的全息图。假设CCD与待测物体的距离为d，离轴全息图再现过程中，当再现距离zi＝d时，通过截取全息图频谱中±1级频谱中的某一级进行再现即可得到清晰的再现像。在设定的范围[dmin,dmax]内，d∈[dmin,dmax]，将截取的物频谱通过角谱再现算法进行再现，其过程可表示为将截取的全息图频谱G(u,v)与角谱传递函数Hzi(u,v)的乘积作傅里叶逆变换
Figure GDA0002238654020000041
上式中
Figure GDA0002238654020000042
表示傅里叶逆变换，Rzi(x,y)为再现距离为zi处的再现像，当zi＝d时Rzi＝d(x,y)为聚焦的再现像，此时重建的目标像最清晰。
Figure GDA0002238654020000043
为目标物的待聚焦识别样本。
传统的聚焦判据函数对再现像的重建距离判别已可以实现很好的处理结果，由于物光场的测量路径上除了待测目标物以外还存在其它干扰物体，不同距离处的物体对目标物的聚焦识别会产生串扰，从而无法对待测目标物实现准确的重建距离识别。为了解决这一问题，需要对待测目标物进行识别并判别其重建距离。提出利用光学相关的方法对全息再现时所需要的重建距离进行判别，在设定的寻焦范围内，将重建再现像Rzi(x,y)与参考目标像f(x,y)做相关运算，相关峰峰值曲线的最大值所对应的再现像与参考目标图像的相关性最大，由此可得到最佳的重建距离。相关运算过程可表示为
Figure GDA0002238654020000044
上式
Figure GDA0002238654020000045
表示傅里叶逆变换，符号
Figure GDA0002238654020000046
表示相关运算，
Figure GDA0002238654020000047
为再现距离为zi处再现像的傅里叶变换，F*(u,v)为参考目标物图像傅里叶变换的复共轭，(ξ,η)为相关面坐标。Czi(ξ,η)的峰值表示待检测目标图像和参考目标图像的相关程度，当峰值越高表明与参考目标像越相似，反之亦然。
对于传统的聚焦判据函数和我们提出的聚焦判据方法，都需要在一定寻焦范围内进行依次判别，当给定的搜索区间较小时，提高了处理前对目标物所在区间进行评估的要求，当给定搜索区间较大时，判别的次数增加，影响了再现处理的效率。我们希望在较大的搜索区间内，既能获得较高的聚焦位置的分辨率又可以提高计算速度，因此本发明利用二分法搜索最优值的方法来实现快速聚焦，以提高处理效率。设定初始搜索范围为[dmin,dmax]，搜索区间内计算的次数设为N，即分成N个位置，由上述提出的基于光学相关的聚焦判据方法可以得到搜索范围内的最优值doptimal，即为当前搜索区间内相关峰峰值曲线最大值所对应的的横坐标。将搜索范围根据最优值doptimal进行二分后的新搜索范围为
Figure GDA0002238654020000051
Figure GDA0002238654020000052
在新的搜索区间[d'min,d'max]内再通过上述提出的基于光学相关的聚焦判据方法继续寻找最优值，根据二分法即可获得下一次循环的区间，通过不断缩小搜索区间，逐渐逼近真实的聚焦距离。在实际操作过程中根据需要的聚焦精度设置合理的循环次数既能获得所需要的目标物准确聚焦距离也能提高数字全息再现处理的效率。
本发明对于数字全息中利用二分法快速寻焦的方法不仅仅适用于存在干扰物体下的目标物快速聚焦，对于存在单峰最值特性的其他聚焦判据算法同样适用，都可以减小计算量以提高数据处理效率。
实施例：
下面结合图2至图4及具体实施方式进一步详细介绍本发明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此间未构成冲突就可以相互组合。
仿真中将水蚤设定为待检测目标物，距离CCD接收面为9.05cm，“星形”和“十字”作为干扰目标置于待测目标两侧，分别距离接收面为8.05cm和10.05cm，其示意图如图2所示。设定寻焦范围为5.00～13.00cm，为了作为对比使用基于高频分量的标准差对比度判据函数进行聚焦距离的查找，其结果如图3所示。从图中可以发现，在包含待测目标物和干扰物体的附近曲线都有一定波动，由于不同物体的相互串扰，无法准确得到待测目标物的聚焦距离。图4为本发明例提出的聚焦判据方法所得到的聚焦曲线，其具有很好的单峰最值特性，峰值处对应的聚焦距离为9.05cm，因此本发明提出的方法对于存在干扰物体下的聚焦距离判定是有效的。图5为相同仿真条件下，利用二分法快速寻焦算法得到的聚焦曲线，本发明例中设定二分的循环次数为六次，得到的待测目标物聚焦距离为9.04cm，对于本发明例的聚焦距离判定仍是有效的，同时减小了计算时间，提高了处理效率。
尽管特定参考实施例详细的描述了本发明，但在此描述的本发明实施例的意图不是详尽或者局限于所公开的具体形式。相反，所选用的用于说明问题的实施例是为了使本技术领域内的技术人员实施本发明而选择的。在不脱离本发明的权利要求所描述和限定的本发明的实质范围的情况下，存在变型例或修改例。

Claims (2)

1.用于数字全息中存在干扰物的目标物快速识别聚焦方法，其特征在于包括以下步骤：
步骤一：利用离轴数字全息方法采集含有干扰物体的目标物全息图；
步骤二：对全息图进行傅里叶变换后截取需要再现的物频谱G(u,v)；
步骤三：将参考目标物f(x,y)作傅里叶变换后取复共轭得到F*(u,v)；
步骤四：设定初始寻焦范围[dmin,dmax]、当前区间计算次数N和聚焦精度；
步骤五：利用角谱再现算法计算寻焦范围内的N个位置处的再现象
Figure FDA0003975432200000011
步骤六：利用光学相关的方法计算相关峰，得到N个位置处的相关峰峰值曲线；
步骤七：判断相关峰峰值曲线极值点对应聚焦距离是否满足设定精度，若不满足，则利用二分法得到新的寻焦区间，令[dmin,dmax]＝[d'min,d'max]并执行步骤五，若满足则执行步骤八，其中[d'min,d'max]为新的寻焦区间；
步骤八：由每次循环的相关峰峰值曲线得到总的聚焦判据曲线，通过聚焦判据曲线获得再现距离；
所述步骤六中相关峰的计算步骤为将重建再现像Rzi(x,y)与参考目标像f(x,y)做光学相关运算；
所述光学相关运算表示为：
Figure FDA0003975432200000012
其中，
Figure FDA0003975432200000013
表示傅里叶逆变换，符号
Figure FDA0003975432200000014
表示相关运算，
Figure FDA0003975432200000015
为再现距离为zi处再现像的傅里叶变换，F*(u,v)为参考目标物图像傅里叶变换的复共轭，(ξ,η)为相关面坐标，其中Czi(ξ,η)表示在zi处的目标物再现像与参考目标物的相关峰，峰值越高表明此处与参考目标物相关度越高。
2.根据权利要求1所述的用于数字全息中存在干扰物的目标物快速识别聚焦方法，其特征在于所述新的寻焦区间[d'min,d'max]表示为：
Figure FDA0003975432200000016
Figure FDA0003975432200000017
其中，doptimal为[dmin,dmax]搜索范围内的最优值，即为当前搜索区间内相关峰峰值曲线最大值所对应的横坐标。
CN201910905723.9A 2019-09-24 2019-09-24 用于数字全息中存在干扰物的目标物快速识别聚焦方法 Active CN110675383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910905723.9A CN110675383B (zh) 2019-09-24 2019-09-24 用于数字全息中存在干扰物的目标物快速识别聚焦方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910905723.9A CN110675383B (zh) 2019-09-24 2019-09-24 用于数字全息中存在干扰物的目标物快速识别聚焦方法

Publications (2)

Publication Number Publication Date
CN110675383A CN110675383A (zh) 2020-01-10
CN110675383B true CN110675383B (zh) 2023-04-14

Family

ID=69077459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910905723.9A Active CN110675383B (zh) 2019-09-24 2019-09-24 用于数字全息中存在干扰物的目标物快速识别聚焦方法

Country Status (1)

Country Link
CN (1) CN110675383B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7088480B1 (en) * 2005-10-28 2006-08-08 The University Of Connecticut Distortion-tolerant 3-D object recognition by using single exposure on-axis digital holography
CN104159094A (zh) * 2014-07-09 2014-11-19 四川大学 一种改善光学扫描全息层析成像效果的方法
CN107966111A (zh) * 2017-11-21 2018-04-27 北京理工大学 一种用于数字全息重构过程的自动对焦方法
CN109318235A (zh) * 2018-11-09 2019-02-12 哈尔滨工业大学 一种机器人视觉伺服系统的快速聚焦方法
CN109374580A (zh) * 2018-09-30 2019-02-22 北京工业大学 一种太赫兹叠层成像探针位置误差校正方法
CN109828444A (zh) * 2019-03-28 2019-05-31 哈尔滨工业大学 一种用于多目标物数字全息测量的自动聚焦方法
CN110221298A (zh) * 2019-06-20 2019-09-10 中国人民解放军国防科技大学 一种低频段星载sar电离层闪烁效应自聚焦方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10455137B2 (en) * 2014-07-28 2019-10-22 Orbotech Ltd. Auto-focus system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7088480B1 (en) * 2005-10-28 2006-08-08 The University Of Connecticut Distortion-tolerant 3-D object recognition by using single exposure on-axis digital holography
CN104159094A (zh) * 2014-07-09 2014-11-19 四川大学 一种改善光学扫描全息层析成像效果的方法
CN107966111A (zh) * 2017-11-21 2018-04-27 北京理工大学 一种用于数字全息重构过程的自动对焦方法
CN109374580A (zh) * 2018-09-30 2019-02-22 北京工业大学 一种太赫兹叠层成像探针位置误差校正方法
CN109318235A (zh) * 2018-11-09 2019-02-12 哈尔滨工业大学 一种机器人视觉伺服系统的快速聚焦方法
CN109828444A (zh) * 2019-03-28 2019-05-31 哈尔滨工业大学 一种用于多目标物数字全息测量的自动聚焦方法
CN110221298A (zh) * 2019-06-20 2019-09-10 中国人民解放军国防科技大学 一种低频段星载sar电离层闪烁效应自聚焦方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANN techniques for power consumption forecasting;Constantin Barbulescu等;《2013 IEEE Grenoble Conference》;20131104;全文 *
Research on selective passive focusing technology based on dummy iterative time-reversal mirror;Xueli Sheng等;《OCEANS 2010 MTS/IEEE SEATTLE》;20101210;全文 *
基于微分图像自相关的自动对焦法;黄艳等;《光学学报》;20101215(第12期);全文 *
基于微粒群区域搜索和小波评价的差分式自动聚焦;吕恒毅等;《中国光学》;20110615(第03期);全文 *
基于距离Keystone变换的改进的多普勒调频率估计方法;吴玉峰等;《电子与信息学报》;20130515(第05期);全文 *

Also Published As

Publication number Publication date
CN110675383A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN110441819B (zh) 一种基于均值偏移聚类分析的地震初至波自动拾取方法
Pasolli et al. Automatic detection and classification of buried objects in GPR images using genetic algorithms and support vector machines
CN115291210B (zh) 一种结合注意力机制的3d-cnn探地雷达三维图像管线识别方法
CN114564982A (zh) 雷达信号调制类型的自动识别方法
CN115390082A (zh) 一种基于虚拟描述符的全局定位方法及其系统
CN116434206A (zh) 一种基于机器视觉技术的棉花质量性状检测方法
CN110675383B (zh) 用于数字全息中存在干扰物的目标物快速识别聚焦方法
CN111757257B (zh) 一种克服设备差异的动态模糊匹配室内定位方法
Wen et al. PCDNet: Seed operation–based deep learning model for pavement crack detection on 3D asphalt surface
CN112130166A (zh) 基于反光板网络的agv定位方法及装置
CN117058534A (zh) 基于元知识适应迁移网络的少样本遥感图像目标检测方法
CN111595737A (zh) 一种基于三维分支网络的光学全息粒子场颗粒点检测方法
Li et al. Deep learning-based interference fringes detection using convolutional neural network
CN116400724A (zh) 一种输电线路无人机智能巡检方法
CN1458528A (zh) 一种新的工程结构与材料变形测量技术
CN110411380B (zh) 基于小波包纹理分析的非接触式表面粗糙度测量方法
CN111473944B (zh) 观测流场中存在复杂壁面的piv数据修正方法、装置
CN114782983A (zh) 基于改进特征金字塔和边界损失的道路场景行人检测方法
CN112927201A (zh) 一种曲线检测方法及装置
CN112037201A (zh) 一种基于线结构光图像的有向生长结构光中心提取方法
CN107844791A (zh) 基于图像处理技术的长导轨距离检测方法
CN117197224B (zh) 一种基于残差网络的拉曼光谱仪自适应聚焦装置和方法
CN115047523B (zh) 一种基于密度聚类算法的地震数据动校正方法
CN109143210B (zh) 一种声呐信号起始点实时跟踪方法、装置及声呐
CN115830340B (zh) 一种点云目标识别方法和装置、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
GR01 Patent grant
GR01 Patent grant