CN111784725A - 光条中心提取方法 - Google Patents

光条中心提取方法 Download PDF

Info

Publication number
CN111784725A
CN111784725A CN202010609360.7A CN202010609360A CN111784725A CN 111784725 A CN111784725 A CN 111784725A CN 202010609360 A CN202010609360 A CN 202010609360A CN 111784725 A CN111784725 A CN 111784725A
Authority
CN
China
Prior art keywords
point
points
image
candidate
central
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
Application number
CN202010609360.7A
Other languages
English (en)
Other versions
CN111784725B (zh
Inventor
郭寅
尹仕斌
郭磊
周志杰
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.)
Yi Si Si Hangzhou Technology Co ltd
Original Assignee
Isvision Hangzhou Technology Co Ltd
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 Isvision Hangzhou Technology Co Ltd filed Critical Isvision Hangzhou Technology Co Ltd
Priority to CN202010609360.7A priority Critical patent/CN111784725B/zh
Publication of CN111784725A publication Critical patent/CN111784725A/zh
Application granted granted Critical
Publication of CN111784725B publication Critical patent/CN111784725B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/68—Analysis of geometric attributes of symmetry
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种光条中心提取方法，包括：对采集到的激光条图像进行连通域提取；采用Steger方法获取中心点的亚像素坐标，各中心点法向向量以及方向向量；分别获取连通域边缘点坐标；遍历各边缘点，筛选候选点；标记第一候选点集、第二候选点集；以第一候选点集内的任一点为起点、第二候选点集内的任一点为终点，根据带权图结构搜索路径；计算每条路径的总权值，分别遍历第一候选点集和第二候选点集中各点，得到不同起点、终点之间的多条路径及每条路径对应的总权重；将总权值最小的路径记为最优路径，最优路径中的候选点和中心点记为最终的光条中心点本方法有效解决了现有方法光条末端出现的分叉杂点的问题，提高了算法的准确性。

Description

光条中心提取方法
技术领域
本发明涉及结构光测量领域，具体涉及光条中心提取方法。
背景技术
在主动视觉测量领域中，结构光测量是常见的测量方式，其中应用最广泛的是线激光特征，其通过线激光器向被测物投射激光条，采用图像采集设备采集光条图像，通过图像分析得出被测物的三维信息，在图像分析过程中，光条中心提取是最为关键的一步；目前，常用的光条中心提取方法有极值法、灰度中心法、模板匹配法、steger法(海森矩阵法)等；极值法的主要优点在于计算速度快，但其很容易受噪声影响，所以该方法对图像质量要求较高；灰度重心法精度高、速度快，但是其中心点的准确性受激光光带能量分布集中性的影响，因此使用灰度重心法时光带宽度值更加不容易确定；模板匹配法精度与灰度中心法相近，但其计算量较大，同时在复杂光条背景下稳定性不高；steger法(海森矩阵法)的精度高，鲁棒性好，是目前较为主流的一种光条中心提取方法，但是该方法任然存在以下问题：
(1)需要对全图进行5次高斯偏导核的卷积运算，计算量大，实时性不高。
(2)在光条末端位置容易出现部分聚集的杂点，目前仅采用设定阈值的方式，剔除杂点，往往使得末端中心点提取错误，影响测量精度。
发明内容
为了解决上述问题，本发明提供了一种光条中心提取方法，其在Steger方法的基础上进行了改进，有效解决了现有方法光条末端出现的分叉杂点的问题，提高了算法的准确性。
技术方案如下：
一种光条中心提取方法，包括以下步骤：
步骤一、对采集到的激光条图像进行连通域提取，得到包含光条区域的连通域；
采用Steger方法获取连通域中的激光条中心点的亚像素坐标，各中心点法向向量以及方向向量，所述方向向量为：海森矩阵最小特征值对应的特征向量；
步骤二、将所述连通域的两个端部分别记为第一端部和第二端部，分别获取第一端部和第二端部上的连通域边缘点坐标；
在单个边缘点的N邻域内搜索所述中心点，若存在中心点，将该中心点标记为候选点；N的取值小于光条的宽度值，宽度单位为像素；
遍历各边缘点，得到所有的候选点；
将第一端部边缘点得出的候选点记为第一候选点集，将第二端部边缘点得出的候选点记为第二候选点集；
步骤三、以第一候选点集内的任一点为起点、第二候选点集内的任一点为终点，根据带权图结构搜索起点到终点的所有路径；
所述带权图结构通过以下方式获得：
①查找单个中心点的8邻域内是否存在其他中心点；
②若不存在，对下一中心点进行步骤①；
若存在，则先建立该中心点与其他中心点的带权图结构，再对下一中心点进行步骤①；
直到遍历激光条上所有中心点，建立各个中心点之间的带权图结构；
所述带权图结构中边的权值为：边的两端中心点方向向量之间的夹角值；
步骤四、计算每条路径的总权值，所述总权重为路径中各条边权值的加和；
步骤五、分别遍历第一候选点集和第二候选点集中各点，以当前遍历点更新起点、终点，重复步骤三、四；得到不同起点、终点之间的多条路径及每条路径对应的总权重；
步骤六、将总权值最小的路径记为最优路径，最优路径中的候选点和中心点记为最终的光条中心点。
为了提高计算速度，步骤一中采用Steger方法获取连通域中的激光条中心点的亚像素坐标过程中，将高斯核的各阶偏导核均匀划分为4块区域，各区域之间无重叠，任选其中一个区域记为第一区域，对所述第一区域内的像点进行卷积运算，得出各像点的权值，记为权值I；再利用各阶偏导核的对称性得出其他三个区域内像点的权值。
进一步，若当前区域的偏导核与第一区域的偏导核关于X方向对称，则当前区域像点的权值与权值I在X方向同号、在Y方向异号；反之，若当前区域的偏导核与第一区域的偏导核关于Y方向对称，则当前区域像点的权值与权值I在Y方向同号、在X方向异号。
进一步，在单个像点(x,y)处高斯核的各阶偏导核分别为：
Figure BDA0002560388720000031
Figure BDA0002560388720000041
Figure BDA0002560388720000042
Figure BDA0002560388720000043
Figure BDA0002560388720000044
其中，
Figure BDA0002560388720000045
W为光条的宽度，宽度单位为像素；则：gy为X方向对称，则当前区域像点的权值与权值I在X方向同号、在Y方向异号；gx关于Y方向对称，则当前区域像点的权值与权值I在Y方向同号、在X方向异号；gxx和gyy在X、Y向均对称，则当前区域像点的权值与权值I在X、Y方向均同号；gxy在在X、Y向均不对称，则当前区域像点的权值与权值I在X、Y方向均异号。
优选，N≤3σ。
进一步，N取值为8、16或32；遍历边缘点时，N的取值相同。
进一步，在对采集到的激光条图像进行连通域提取之前，先进行图像预处理，包括：图像去噪、形态学处理和二值化处理。
为了加快计算速度，在步骤三中，记录图结构中每条边的长度信息；
单对起点和终点，仅查找一条总长度最短的路径；
在步骤四中，存储该路径的总权值。
进一步，所述第一端部和第二端部根据经验值划分，或者，其取值为连通域最外侧端点坐标向内10～20像素的区域。
为了便于存储、计算，为每个中心点匹配索引号，存储时，采用数据链表的方式存储每组起点、终点对应的路径信息。
本发明方案具有以下优点：
本发明在Steger方法的基础上进行了改进，其相对于传统Steger方法主要具有以下优点：
(1)通过连通域提取和利用卷积核的对称性大大减少了计算量，提高了算发的实时性。
(2)通过路径规划、筛选的思想寻找亚像素点中方向角度变化最小的路径，有效解决了现有方法光条末端出现的分叉杂点的问题，提高了算法的准确性。
附图说明
图1为发明方法流程示意图；
图2为采用Steger方法获取中心点及中心点方向向量、法向向量的示意图；
图3为对所有中心点构建带权图结构的示意图；
图4为最优路径对应的中线点位置示意图；
图5为采用Steger传统阈值方法获取的最终光条中心点位置示意图；
图6为采用本发明方法获取的最终光条中心点位置示意图；
图7为采用Steger传统阈值方法获取的最终光条中心点位置示意图；
图8为高斯偏导核的对称性示意图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种光条中心提取方法，如图1所示，包括以下步骤：
步骤一、对采集到的激光条图像进行连通域提取，得到包含光条区域的连通域；
采用Steger方法获取连通域中的激光条中心点的亚像素坐标，各中心点法向向量以及方向向量(如图2所示)，方向向量为：海森矩阵最小特征值对应的特征向量；
步骤二、将连通域的两个端部分别记为第一端部和第二端部，分别获取第一端部和第二端部上的连通域边缘点坐标；
在单个边缘点的N邻域内搜索中心点，若存在中心点，将该中心点标记为候选点；N的取值小于光条的宽度值，宽度单位为像素；
遍历各边缘点，得到所有的候选点；
将第一端部边缘点得出的候选点记为第一候选点集，将第二端部边缘点得出的候选点记为第二候选点集；
步骤三、以第一候选点集内的任一点为起点、第二候选点集内的任一点为终点，根据带权图结构搜索起点到终点的所有路径；
其中，带权图结构通过以下方式获得：
①查找单个中心点的8邻域内是否存在其他中心点；
②若不存在，对下一中心点进行步骤①；
若存在，则先建立该中心点与其他中心点的带权图结构，再对下一中心点进行步骤①；
直到遍历激光条上所有中心点，建立各个中心点之间的带权图结构(如图3所示)；
带权图结构中边的权值为：边的两端中心点方向向量之间的夹角值；
步骤四、计算每条路径的总权值，总权重为路径中各条边权值的加和；
步骤五、分别遍历第一候选点集和第二候选点集中各点，以当前遍历点更新起点、终点，重复步骤三、四；得到不同起点、终点之间的多条路径及每条路径对应的总权重；
步骤六、将总权值最小的路径记为最优路径，最优路径中的候选点和中心点记为最终的光条中心点(如图4、图6中的圆点)。
为了提高计算速度，本实施例中，步骤一中采用Steger方法获取连通域中的激光条中心点的亚像素坐标过程中，将高斯核的各阶偏导核均匀划分为4块区域，各区域之间无重叠，任选其中一个区域记为第一区域，对第一区域内的像点进行卷积运算，得出各像点的权值，记为权值I；再利用各阶偏导核的对称性(如图8所示)得出其他三个区域内像点的权值。
其中，若当前区域的偏导核与第一区域的偏导核关于X方向对称，则当前区域像点的权值与权值I在X方向同号、在Y方向异号；反之，若当前区域的偏导核与第一区域的偏导核关于Y方向对称，则当前区域像点的权值与权值I在Y方向同号、在X方向异号。
具体的，在单个像点(x,y)处高斯核的各阶偏导核分别为：
Figure BDA0002560388720000071
Figure BDA0002560388720000072
Figure BDA0002560388720000073
Figure BDA0002560388720000074
Figure BDA0002560388720000075
其中，
Figure BDA0002560388720000081
W为光条的宽度，宽度单位为像素；如图8所示，则：gy为X方向对称，则当前区域像点的权值与权值I在X方向同号、在Y方向异号；gx关于Y方向对称，则当前区域像点的权值与权值I在Y方向同号、在X方向异号；gxx和gyy在X、Y向均对称，则当前区域像点的权值与权值I在X、Y方向均同号；gxy在在X、Y向均不对称，则当前区域像点的权值与权值I在X、Y方向均异号。
作为本发明的一种优选的实施方式，N≤3σ。
具体实施时，N取值为8、16或32；遍历边缘点时，N的取值相同。
本实施例中，N＝8；在对采集到的激光条图像进行连通域提取之前，先进行图像预处理，包括：图像去噪、形态学处理和二值化处理。
为了加快计算速度，在步骤三中，记录图结构中每条边的长度信息；
单对起点和终点，仅查找一条总长度最短的路径；
在步骤四中，存储该路径的总权值。
其中，第一端部和第二端部根据经验值划分，或者，其取值为连通域最外侧端点坐标向内10～20像素的区域。
本实施例采用后一种方式选取最外侧端点坐标向内15像素的区域分别记为第一端部和第二端部；为了便于存储、计算，为每个中心点匹配索引号，存储时，采用数据链表的方式存储每组起点、终点对应的路径信息。
如图4、图6分别为采用本发明方法处理直线型光条、弧线型光条的效果图；图5、图7为相同原始图像，采用传统Steger方法利用阈值方法处理光条末端的效果图；
如图可见本发明方法处理的效果图中，光条中心的提取更为准确，特别是对于光条末端的处理，传统方法光条末端的中心点提取杂乱、不准确；
其中，图4耗时12.34ms、图5耗时16.77ms、图6耗时21.03ms、图7耗时30.97ms；本方法耗时短，处理速度快。
为了方便解释和精确限定所附权利要求，术语“上”、“下”、“内”和“外”被用于参考附图中所显示的这些特征的位置来描述示例性实施方式的特征。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。

Claims (10)

1.一种光条中心提取方法，其特征在于，包括以下步骤：
步骤一、对采集到的激光条图像进行连通域提取，得到包含光条区域的连通域；
采用Steger方法获取连通域中的激光条中心点的亚像素坐标，各中心点法向向量以及方向向量，所述方向向量为：海森矩阵最小特征值对应的特征向量；
步骤二、将所述连通域的两个端部分别记为第一端部和第二端部，分别获取第一端部和第二端部上的连通域边缘点坐标；
在单个边缘点的N邻域内搜索所述中心点，若存在中心点，将该中心点标记为候选点；N的取值小于光条的宽度值，宽度单位为像素；
遍历各边缘点，得到所有的候选点；
将第一端部边缘点得出的候选点记为第一候选点集，将第二端部边缘点得出的候选点记为第二候选点集；
步骤三、以第一候选点集内的任一点为起点、第二候选点集内的任一点为终点，根据带权图结构搜索起点到终点的所有路径；
所述带权图结构通过以下方式获得：
①查找单个中心点的8邻域内是否存在其他中心点；
②若不存在，对下一中心点进行步骤①；
若存在，则先建立该中心点与其他中心点的带权图结构，再对下一中心点进行步骤①；
直到遍历激光条上所有中心点，建立各个中心点之间的带权图结构；
所述带权图结构中边的权值为：边的两端中心点方向向量之间的夹角值；
步骤四、计算每条路径的总权值，所述总权重为路径中各条边权值的加和；
步骤五、分别遍历第一候选点集和第二候选点集中各点，以当前遍历点更新起点、终点，重复步骤三、四；得到不同起点、终点之间的多条路径及每条路径对应的总权重；
步骤六、将总权值最小的路径记为最优路径，最优路径中的候选点和中心点记为最终的光条中心点。
2.如权利要求1所述光条中心提取方法，其特征在于，步骤一中采用Steger方法获取连通域中的激光条中心点的亚像素坐标过程中，将高斯核的各阶偏导核均匀划分为4块区域，各区域之间无重叠，任选其中一个区域记为第一区域，对所述第一区域内的像点进行卷积运算，得出各像点的权值，记为权值I；再利用各阶偏导核的对称性得出其他三个区域内像点的权值。
3.如权利要求2所述光条中心提取方法，其特征在于，若当前区域的偏导核与第一区域的偏导核关于X方向对称，则当前区域像点的权值与权值I在X方向同号、在Y方向异号；反之，若当前区域的偏导核与第一区域的偏导核关于Y方向对称，则当前区域像点的权值与权值I在Y方向同号、在X方向异号。
4.如权利要求3所述光条中心提取方法，其特征在于，在单个像点(x,y)处高斯核的各阶偏导核分别为：
Figure FDA0002560388710000021
Figure FDA0002560388710000022
Figure FDA0002560388710000023
Figure FDA0002560388710000024
Figure FDA0002560388710000031
其中，
Figure FDA0002560388710000032
W为光条的宽度，宽度单位为像素；则：gy为X方向对称，则当前区域像点的权值与权值I在X方向同号、在Y方向异号；gx关于Y方向对称，则当前区域像点的权值与权值I在Y方向同号、在X方向异号；gxx和gyy在X、Y向均对称，则当前区域像点的权值与权值I在X、Y方向均同号；gxy在在X、Y向均不对称，则当前区域像点的权值与权值I在X、Y方向均异号。
5.如权利要求4所述光条中心提取方法，其特征在于，N≤3σ。
6.如权利要求1所述光条中心提取方法，其特征在于，N取值为8、16或32；遍历边缘点时，N的取值相同。
7.如权利要求1所述光条中心提取方法，其特征在于，在对采集到的激光条图像进行连通域提取之前，先进行图像预处理，包括：图像去噪、形态学处理和二值化处理。
8.如权利要求1所述光条中心提取方法，其特征在于，在步骤三中，记录图结构中每条边的长度信息；
单对起点和终点，仅查找一条总长度最短的路径；
在步骤四中，存储该路径的总权值。
9.如权利要求1所述光条中心提取方法，其特征在于，所述第一端部和第二端部根据经验值划分，或者，其取值为连通域最外侧端点坐标向内10～20像素的区域。
10.如权利要求1所述光条中心提取方法，其特征在于，为每个中心点匹配索引号，存储时，采用数据链表的方式存储每组起点、终点对应的路径信息。
CN202010609360.7A 2020-06-29 2020-06-29 光条中心提取方法 Active CN111784725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010609360.7A CN111784725B (zh) 2020-06-29 2020-06-29 光条中心提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010609360.7A CN111784725B (zh) 2020-06-29 2020-06-29 光条中心提取方法

Publications (2)

Publication Number Publication Date
CN111784725A true CN111784725A (zh) 2020-10-16
CN111784725B CN111784725B (zh) 2023-06-20

Family

ID=72760068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010609360.7A Active CN111784725B (zh) 2020-06-29 2020-06-29 光条中心提取方法

Country Status (1)

Country Link
CN (1) CN111784725B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113418926A (zh) * 2021-06-02 2021-09-21 南京航空航天大学 基于激光条中心线定位提取算法的轮对踏面损伤检测方法
CN113701639A (zh) * 2021-10-21 2021-11-26 易思维（杭州）科技有限公司 一种激光器光平面的获取方法及应用
CN114383522A (zh) * 2021-12-29 2022-04-22 易思维（杭州）科技有限公司 一种测量反光差异工件表面间隙、面差的方法
CN114842033A (zh) * 2022-06-29 2022-08-02 江西财经大学 一种用于智能ar设备的图像处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090324100A1 (en) * 2008-06-27 2009-12-31 Palo Alto Research Center Incorporated Method and system for finding a document image in a document collection using localized two-dimensional visual fingerprints
CN105005981A (zh) * 2014-04-18 2015-10-28 北京航空航天大学 基于多尺度的光条中心提取方法及装置
US20160356920A1 (en) * 2014-12-30 2016-12-08 Huazhong University Of Science And Technology Method for detecting zonal underground target in mountain land based on ridge energy correction

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090324100A1 (en) * 2008-06-27 2009-12-31 Palo Alto Research Center Incorporated Method and system for finding a document image in a document collection using localized two-dimensional visual fingerprints
CN105005981A (zh) * 2014-04-18 2015-10-28 北京航空航天大学 基于多尺度的光条中心提取方法及装置
US20160356920A1 (en) * 2014-12-30 2016-12-08 Huazhong University Of Science And Technology Method for detecting zonal underground target in mountain land based on ridge energy correction

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾振元;樊超楠;刘巍;杨景豪;徐鹏涛;: "双目视觉测量中等匹配点的光条中心提取", 光学精密工程, no. 07 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113418926A (zh) * 2021-06-02 2021-09-21 南京航空航天大学 基于激光条中心线定位提取算法的轮对踏面损伤检测方法
CN113418926B (zh) * 2021-06-02 2022-02-18 南京航空航天大学 基于激光条中心线定位提取算法的轮对踏面损伤检测方法
CN113701639A (zh) * 2021-10-21 2021-11-26 易思维（杭州）科技有限公司 一种激光器光平面的获取方法及应用
CN113701639B (zh) * 2021-10-21 2022-01-25 易思维（杭州）科技有限公司 一种激光器光平面的获取方法及应用
CN114383522A (zh) * 2021-12-29 2022-04-22 易思维（杭州）科技有限公司 一种测量反光差异工件表面间隙、面差的方法
CN114383522B (zh) * 2021-12-29 2024-04-05 易思维(杭州)科技股份有限公司 一种测量反光差异工件表面间隙、面差的方法
CN114842033A (zh) * 2022-06-29 2022-08-02 江西财经大学 一种用于智能ar设备的图像处理方法
CN114842033B (zh) * 2022-06-29 2022-09-02 江西财经大学 一种用于智能ar设备的图像处理方法

Also Published As

Publication number Publication date
CN111784725B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
CN111784725A (zh) 光条中心提取方法
CN104657587B (zh) 一种激光条纹的中心线提取方法
CN109934826B (zh) 一种基于图卷积网络的图像特征分割方法
CN104299260B (zh) 一种基于sift和lbp的点云配准的接触网三维重建方法
CN103400151B (zh) 一体化的光学遥感影像与gis自动配准与水体提取方法
CN102968764B (zh) 一种基于笔画的汉字图像修复方法
CN106650697A (zh) 一种仪表刻度识别方法
CN113240623B (zh) 一种路面病害检测方法及装置
CN107045634A (zh) 一种基于最大稳定极值区域与笔画宽度的文本定位方法
CN106340016A (zh) 一种基于细胞显微镜图像的dna定量分析方法
CN107292936B (zh) 一种汉字字体矢量化方法
CN103646247A (zh) 一种乐谱识别方法
CN104647893B (zh) 一种基于十字线的印刷套印误差检测方法
CN115115627B (zh) 基于数据处理的土壤盐碱地监测方法
CN108664733A (zh) 棱边特征曲面拓扑逼近重建方法
CN111462214A (zh) 一种基于Hough变换的线结构光条纹中心线提取方法
CN103839274B (zh) 一种基于几何比例关系的扩展目标跟踪方法
CN113609984A (zh) 一种指针式仪表读数识别方法、装置及电子设备
Chopin et al. A hybrid approach for improving image segmentation: application to phenotyping of wheat leaves
CN110874835B (zh) 作物叶部病害抗性鉴定方法、系统、电子设备及存储介质
CN113633375B (zh) 一种非诊疗目的的虚拟支气管镜的构建方法
CN106504219A (zh) 有约束的路径形态学高分辨率遥感影像道路增强方法
CN111738310B (zh) 物料分类方法、装置、电子设备和存储介质
CN103236056A (zh) 基于模板匹配的图像分割方法
CN113223074A (zh) 一种水下激光条纹中心提取方法

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
CP01 Change in the name or title of a patent holder

Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051

Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd.

Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051

Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder