CN112288856B - 一种三维碎片拼接重构方法、系统、设备及存储介质 - Google Patents
一种三维碎片拼接重构方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112288856B CN112288856B CN202011183151.7A CN202011183151A CN112288856B CN 112288856 B CN112288856 B CN 112288856B CN 202011183151 A CN202011183151 A CN 202011183151A CN 112288856 B CN112288856 B CN 112288856B
- Authority
- CN
- China
- Prior art keywords
- fragment
- splicing
- dimensional
- characteristic
- stage
- 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
- 239000012634 fragment Substances 0.000 title claims abstract description 227
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 239000013598 vector Substances 0.000 claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 210000000349 chromosome Anatomy 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000010030 laminating Methods 0.000 claims description 2
- 238000010187 selection method Methods 0.000 claims description 2
- 238000000844 transformation Methods 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 230000004927 fusion Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/602—Rotation of whole images or parts thereof by block rotation, e.g. by recursive reversal or rotation
-
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维碎片拼接重构方法、系统、设备及存储介质，属于图像处理技术领域。实现过程为：预处理阶段、特征提取阶段、匹配段寻找阶段、碎片组拼接阶段、拼接度量阶段以及全局最优解寻找阶段，最终实现三维碎片的拼接重构，还原原始器型；特征提取阶段基于曲率半径向量，提取出断裂边缘轮廓的几何结构以及变化趋势，并进行特征融合，通过等距采样得到其一维特征串的形式实现边缘轮廓的量化表示；全局最优解寻找阶段通过进化计算以“优胜劣汰”的方式基于全局寻找适应度最高的匹配方案，消除由于错误回溯导致的高计算量。本发明具有重构成功率高、正确率高以及精准度高的优点，可适用于各种器型以及材质的三维碎片重构。
Description
技术领域
本发明属于图像处理技术领域，涉及一种三维碎片拼接重构方法、系统、设备及存储介质。
背景技术
由于时代变迁，数以亿计承载着灿烂文明的珍贵文物都被深埋于地下，并且由于风化侵蚀等原因，出土的文物大都以碎片的形式所呈现。面对海量的文物碎片，仅凭借人工手动进行修复，显得尤为困难，不仅耗时耗力，且在文物碎片已经存在破损的基础上，容易造成二次破坏。
对于大规模发掘出土的海量文物碎片进行拼接修复，采用计算机进行辅助拼接可以很大程度的提高文物碎片拼接的准确性以及高效性。但目前基于计算机辅助进行拼接的方法大至分为两类：第一类，基于旋转母线的旋转体拼接；第二类：基于断裂面特征点的非薄壁碎片拼接。即针对非旋转体以及薄壁类型的拼接方法较少，现有的修复拼接方法特征提取单一，无法全面表征碎片的个性化差异，且在最终拼接阶段一般选择逐次融合当前最优结果，容易受局部最优解的影响，而放弃全局最优解获取的可能。
发明内容
本发明的目的在于克服上述现有技术中，利用计算机进行文物碎片修复时因方法特征提取单一导致难以获得全局最优解的缺点，提供一种三维碎片拼接重构方法、系统、设备及存储介质。
为了达到上述目的，本发明采用以下技术方案予以实现：
一种基于边缘量化与进化计算的三维碎片拼接重构方法，包括如下步骤：
步骤一，预处理阶段，对于三维扫描仪所获取到的碎片点云模型，将其转化为STL格式，通过基于STL格式的孔洞搜寻算法得到孔洞顶点，按照拓扑结构进行搜索，得到三维碎片断裂边缘轮廓；
步骤二，特征提取阶段，基于曲率半径向量，对步骤一得到的三维碎片断裂边缘轮廓进行多特征提取，之后进行等距采样和特征赋值，得到一维特征串形式；
步骤三，匹配段寻找阶段，任意选取一个碎片组并进行编号，基于步骤二得到的一维特征串形式，通过遍历采样点对齐算法，以动态比较匹配的方式计算某一时刻对应采样点间的特征差值，同时计算特征差值的极值作为特征阈值参数，进行最佳匹配段的寻找，得到以特征差值平均值作为匹配段的特征差值函数；
步骤四，碎片组拼接阶段，基于步骤三得到的碎片组的最佳匹配段，得到待拼合目标间的几何关系，通过粗旋转和校准旋转进行几何变换，使整体碎片模型依据匹配段的贴合而拼接对齐，拼接完成后记录碎片对之间的豪斯多夫距离；
步骤五，拼接度量阶段，针对两个拼接对齐后的碎片，通过球体空间点共存检测算法确定来自两个碎片上的三维碎片断裂边缘顶点集合之间的小区域共存个数，得到度量碎片组拼接优劣的拼接贴合度；
步骤六，信息整合阶段，建立碎片组拼接数据库，碎片组拼接数据库中包含内容：碎片组编号、特征阈值参数、特征差值函数、豪斯多夫距离和拼接贴合度；
步骤七，全局最优解寻找阶段，根据步骤六的碎片组拼接数据库，通过进化计算建立种群，以“优胜劣汰”的方式基于全局寻找适应度最高的全局最优匹配方案；
步骤八，最终拼接阶段，根据步骤七的全局最优匹配方案，从步骤六的碎片组拼接数据库中选择出对应的碎片组依次进行拼接，完成三维碎片的拼接重构。
优选地，步骤一的具体操作为：利用STL格式的共顶点原则，通过基于STL格式的孔洞搜寻算法得到孔洞顶点，并按照拓扑结构逐一向下搜索，得到连续且封闭的三维碎片断裂边缘顶点集合，该三维碎片断裂边缘顶点集合为三维碎片断裂边缘轮廓。
优选地，步骤二的具体操作包括：
(2.1)对于步骤一得到的三维碎片断裂边缘轮廓，从第一个顶点逐一向下遍历；
(2.2)对当前位置顶点，同时按拓扑顺序提取出其前后两个顶点，共组成一个3×3的矩阵，矩阵中每一行代表一个顶点在三维空间中的位置坐标；
(2.3)对于三个顶点所形成的三角形，借助顶点位置信息，通过联立解方程组的方法建立三角形外接圆，从当前位置顶点指向该外接圆圆心的向量即为曲率半径向量；
(2.4)对于遍历到的每一个顶点重复步骤(2.2)和(2.3)，提取出每一个定点对应的曲率半径向量，得到该断裂边缘所对应的一组曲率半径向量集合
(2.5)基于曲率半径向量集合计算模长，得到能够反映断裂边缘几何结构的初级特征，r＝{r1,r2,…,ri,…,rn}；
(2.6)基于曲率半径向量集合，从第一个向量开始，逐一计算其下一个相邻向量与当前向量之间的变化，并通过模值对该变化进行具象表征，得到能够反映断裂边缘轮廓变化趋势的深度特征，rΔ＝{rΔ1,rΔ2,…,rΔi,…,rΔn}；
(2.7)根据初级特征与深度特征在表征边缘曲线个性化中所占的比重，按照权值系数对两组特征进行融合，得到断裂边缘轮廓的总特征值f＝{f1,f2,…,fi,…,fn}；
(2.8)对三维碎片断裂边缘轮廓进行等距采样，同时使用当前位置所在断裂边缘子片段所对应的总特征值为采样点进行赋值，得到断裂边缘轮廓的一维特征串形式，Cf＝{f1,…,f1,f2,…,f2,…,fi,…,fi,…,fn,…,fn}。
优选地，步骤三的具体操作为：将两个待拼接碎片设定为一组碎片组，提取碎片组的两个断裂边缘轮廓的一维特征串形式，通过遍历采样点对齐算法，以动态比较匹配的方式计算当前时刻对应采样点间的特征差值；
计算两匹配段间特征差值的极值，取极值的二分之一记为特征阈值参数，若某一时刻的特征差值连续小于阈值的长度最大，则标记该时刻为最佳匹配时刻，同时获取最佳匹配段的坐标信息；若所得的最佳匹配段的长度小于四个采样点，则标记该碎片组之间不存在可匹配片段，删除该碎片组；对于得到的最佳匹配段，计算两组集合间的特征差值，得到特征差值平均值，该特征差值平均值为最佳匹配段的特征差值函数。
优选地，步骤四的具体操作为：对于一个碎片组，根据步骤三得到的最佳匹配段，调用其首尾两点及之间的第k个点，其中，k＝2,3,……,p-1，p为匹配段包含边缘顶点的个数，按照拼合后豪斯多夫距离最小进行k值的选取；联合三个点形成平面，利用罗德里格旋转公式得到待拼合目标间的几何关系；通过粗旋转及校准旋转的两次几何变换，使整体碎片模型依据匹配段的贴合进行拼接对齐，拼接完成后记录碎片组之间的豪斯多夫距离。
优选地，步骤五的具体操作为：
(5.1)选取两个拼接对齐后的碎片，提取小序号碎片上的三维碎片断裂边缘顶点集合，从第一个顶点依次向下遍历；
(5.2)以小序号碎片上当前所遍历到的顶点为球心，建立球体；
(5.3)对于大序号碎片上的断裂边缘顶点，检测是否存在包含在步骤(5.2)建立的球体内的顶点，若存在则进行标记，不存在则不标记；
(5.4)完成小序号三维碎片断裂边缘顶点的遍历后，统计被标记的顶点个数，该顶点个数为碎片组的拼接贴合度。
优选地，步骤七的具体操作为：
(7.1)提取碎片组拼接数据库中的数据，设定参数，参数包括种群大小、交叉概率、变异概率、迭代次数及染色体长度；
(7.2)按照步骤(7.1)的设定参数随机生成种群；
(7.3)计算步骤(7.2)得到的种群中每一个个体的适应度；通过权衡碎片拼接评价参数，在碎片拼接优劣中所占比重，设置相应的权值系数，从而结合得到适应度函数；碎片拼接评价参数包括特征差值函数、豪斯多夫距离及拼接组贴合度；
(7.4)基于步骤(7.2)得到的种群，进行遗传算子的操作，完成一次迭代；其中，选择算子采用轮盘赌选择法；交叉算子采用一点交叉；变异算子采用基因位变异；
(7.5)重复步骤(7.4)，当达到设定的迭代次数时，输出当前的最优个体，该最优个体为全局最优匹配方案。
一种三维碎片拼接重构系统，包括：
预处理模块，获取碎片模型的STL格式，通过基于STL格式的孔洞搜寻算法得到孔洞顶点，获取三维碎片断裂边缘轮廓并将数据传输至特征提取模块；
特征提取模块，基于曲率半径向量，对接收的三维碎片断裂边缘轮廓数据进行多特征提取，获取一维特征串形式并将数据传输至匹配段寻找模块；
匹配段寻找模块，基于遍历采样点对齐算法，对接收的一维特征串形式进行动态比较匹配并计算特征差值，获取特征差值函数；
碎片拼接模块，利用罗德里格旋转公式对碎片组进行拼接对齐，并获取碎片对之间的豪斯多夫距离和拼接贴合度数据；
信息整合计算模块，将预处理模块、特征提取模块、匹配段寻找模块和碎片拼接模块获取的数据进行整合，得到碎片组拼接数据库；以“优胜劣汰”的方式计算获取全局最优匹配方案，并将全局最优匹配方案的数据传输至最终拼接模块；
最终拼接模块，依据接收的全局最优匹配方案，选取碎片组依次拼接，得到三维碎片的拼接重构。
一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种基于边缘量化与进化计算的三维碎片拼接重构方法，实现过程为：预处理阶段、特征提取阶段、匹配段寻找阶段、碎片组拼接阶段、拼接度量阶段以及全局最优解寻找阶段，最终实现三维碎片的拼接重构，还原原始器型；通过提取与融合基于曲率半径的初级特征与深度特征，将抽象的碎片断裂边缘轮廓表示为一维特征串的形式；通过寻找碎片组匹配段进行拼接测试，并对拼接完成后的碎片组进行拼接优劣评价，建立碎片组拼接数据库；所建立的碎片组匹配数据库包含拼接重建的所有可能以及拼接评价，通过进化计算对拼接组数据库进行迭代寻优，以全局的视角统筹各类信息，基于全局寻找到最优拼合方案进行最终拼接，完成碎片的拼接重构。解决了现有技术对非薄壁类以及非旋转体类器型碎片的拼接困难，使三维碎片拼接重构的成功率及准确率都有显著的提高，即本发明方法具有高精准度以及高效率，同时适用范围广，不受器型厚度以及对称性的限制，可以应用于多类器型结构，辅助进行文物修复。
进一步地，特征提取阶段基于曲率半径向量，提取出断裂边缘轮廓的几何结构以及变化趋势，并进行特征融合，通过等距采样得到其一维特征串的形式实现边缘轮廓的量化表示。
进一步地，全局最优解寻找阶段通过进化计算以“优胜劣汰”的方式基于全局寻找适应度最高的匹配方案，消除由于错误回溯导致的高计算量。
进一步地，为了克服碎片组断裂边缘间由于STL数据获取时所存在的误差，实现高精度的拼接，第k个点的选取遵循拼合后豪斯多夫距离最小的原则。
本发明还公开了一种三维碎片拼接重构系统，是基于上述方法进行的，包括预处理模块、特征提取模块、匹配段寻找模块、碎片拼接模块、信息整合计算模块和最终拼接模块。本发明系统能够很好地完成碎片拼接重构，还原原始器型，具有重构成功率高、正确率高以及精准度高的优点，可适用于各种器型以及材质的三维碎片重构。
附图说明
图1是本发明的总流程图；
图2是本发明中多特征提取过程的示意图；
图3是本发明中特征赋值的示意图；
图4是本发明中正确拼合与非正确拼合的贴合度对比图；(a)正确拼合碎片完整图，(b)正确拼合碎片局部放大图，(c)非正确拼合碎片完整图，(d)非正确拼合碎片局部放大图；
图5是本发明中进化计算过程的流程图；
图6是用本发明进行拼接重构测试的碎片数据图；(a)1号碎片；(b)2号碎片；(c)3号碎片；(d)4号碎片；(e)5号碎片；
图7是部分碎片组拼接数据库；
图8是使用本发明完成拼接重构的原始器型结构图；(a)原始器型俯视图，(b)原始器型侧视图；
图9是本发明与其它方法结果比对图，(a)本发明结果；(b)方法1结果；(c)方法2结果；(d)方法3结果。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述：
参照图1，本发明的具体实施步骤如下：
步骤一，待拼接碎片预处理阶段。
(1.1)使用三维扫描仪获取碎片模型的STL格式；
(1.2)通过滤波算法对碎片进行简化；
(1.3)计算碎片上每一个顶点的平均曲率，并设置阈值进行筛选，得到高平均曲率点，连接到曲线网络中；
(1.4)根据网络建立最小生成树，设置边缘权重为顶点对应的平均曲率；
(1.5)按照树的整体深度对各叶子进行排序，通过遍历完整的树，确定出最长路径；
(1.6)反复修剪树以去除短枝，得到断裂边缘轮廓曲线；
步骤二，断裂边缘轮廓的特征提取。
(2.1)对于断裂边缘轮廓的顶点集合，从第一个点开始逐一向下进行遍历；
(2.2)当遍历到第i个顶点时，同时按照拓扑顺序提取出第i-1以及第i+1两个顶点，共组成一个3×3的矩阵，矩阵中每一行即代表一个顶点在三维空间中的位置坐标，i＝1,2,…,n，n为该碎片断裂边缘顶点个数；
(2.3)将三个顶点按顺序连接组成三角形，借助顶点位置信息，通过联立解方程组的方法建立三角形的外接圆，从当前位置顶点指向该外接圆圆心的向量即曲率半径向量如图2所示；
(2.4)完成碎片上全部顶点的遍历后，得到该碎片的曲率半径向量特征集合其中n为该碎片的断裂边缘顶点的个数；
(2.5)对所得到的曲率半径向量依次计算其模长，得到曲率半径向量模长集合r＝{r1,r2,…,ri,…,rn}，作为初级特征；
(2.6)对所得到的曲率半径向量特征集合按照如图2所示的方法，计算相邻特征向量之间的变化/>得到曲率半径向量变化集合/>再对曲率半径向量变化/>依次计算模长，得到曲率半径向量变化模长rΔ＝{rΔ1,rΔ2,…,rΔi,…,rΔn}，作为高级特征；
(2.7)对初级特征集合以及高级特征集合进行融合，其融合时所使用的权值系数coe为[1:1.5]，融合后得到断裂边缘轮廓的总特征值f＝{f1,f2,…,fi,…,fn}；
(2.8)对断裂边缘轮廓各顶点依次进行连接，得到封闭的边缘曲线；
(2.9)对边缘曲线进行采样间隔interval＝0.01的等距采样，采样的同时调用总特征值fi为第i个边缘曲线子线段上的采样点进行赋值，如图3所示；采样完毕后得到碎片断裂边缘轮廓的一维特征串表示形式Cf＝{f1,…,f1,f2,…,f2,…,fi,…,fi,…,fn,…,fn}；
步骤三，碎片组之间匹配段的寻找阶段。
(3.1)对于全部待拼接碎片，以排列组合的形式得到任意两个碎片为一组的所有可能，从第一个碎片组开始逐一向下进行遍历；
(3.2)当遍历到第j个碎片组时，提取两个碎片的一维特征串，j＝1,2,…,m，m为碎片组的总个数；
(3.3)固定其中长度较短的特征串，对长度较长的特征串每次移动一个采样点长度与其对齐，同时对当前移动位置二者的特征进行相减，得到该时刻的特征差值；
(3.4)将每一个特征差值与阈值进行比较，若某一时刻特征差值连续小于阈值的长度最大，则认为此段为最佳匹配段，记录其位置信息，同时计算最佳匹配段之间的特征差值，以特征差值平均值作为匹配段的特征差值函数；
(3.5)若未寻找到匹配段或所得到匹配段的采样点个数＜4，则认为该碎片组不存在匹配段，删除该碎片组；
步骤四，基于匹配段的碎片组拼接阶段：
(4.1)分别提取两个碎片各自匹配段的第一个点、第k个点、第p个点，k＝2,3,…,p-1，p为匹配段包含边缘顶点个数；
(4.2)联合各自碎片所提取的三个点组成两个平面；
(4.3)计算两个平面间的罗德里格旋转公式得到面间几何关系，对碎片整体模型进行粗旋转，使两个平面贴合；
(4.4)联合两个碎片各自匹配段的第一个点与第p个点，组成两条线段；
(4.5)计算两条线段间的罗德里格旋转公式得到面间几何关系，对碎片整体进行校准旋转，使两条线段贴合，完成拼接；
(4.6)计算拼接后两个碎片间的豪斯多夫距离；
(4.7)若以第k个点为基准点进行拼接时豪斯多夫距离最小，则选取该拼接结果为此碎片组的最优拼接。
步骤五，碎片组拼接度量阶段；
(5.1)提取碎片组中小序号碎片上第i个断裂边缘顶点；
(5.2)以该顶点为位置为球心，建立半径r＝0.02的球体，半径值可根据数据精度自行设置；
(5.3)检测大序号碎片上的断裂边缘顶点是否存在包含在所建立球体范围内的顶点，若有则标记小序号碎片上的第i个顶点为1，若无则标记为0；
(5.4)统计小序号碎片标记为1的顶点个数，则为该碎片组的贴合度；
(5.5)贴合度可以准确反映出碎片组正确且精准拼接的程度，正确拼合碎片与非正确拼合碎片的贴合度对比图，如图4所示。其中图4(a)为正确拼合碎片，图4(b)为图4(a)的局部放大图，图4(c)为非正确拼合碎片，图4(d)为图4(c)的局部放大图，从图中可得，对于两个完成拼接的碎片，正确拼合碎片组的重合程度较好，其计算所得的贴合度为36，而非正确拼合碎片组的重合度较差，其计算所得的贴合度为3，二者之间具有明显的差距；
步骤6，整合所获取信息，建立碎片拼接数据库，其中碎片拼接数据库包含内容有：碎片组编号、特征阈值参数、特征差值函数、豪斯多夫距离、碎片组贴合度。
步骤7，基于进化计算的全局最优拼合方案获取阶段；
(7.1)如图5所示，提取碎片组拼接数据库中的数据，设定种群大小popsize＝50、交叉概率pc＝0.8、变异概率pm＝0.1、迭代次数interation＝100、染色体长度chromlength＝q，q为碎片组拼接数据库大小；
(7.2)编码方式设定为二进制编码，随机使用二值符号集{0,1}对染色体上的每一个基因位进行赋值，则种群中第l个染色体上基因序列的表示为其中/>
(7.3)按照设定参数生成初始化种群；
(7.4)按照适应度公式计算种群中个体的适应度，公式如下：
其中，judge1即特征差值函数；judge2即豪斯多夫距离；judge3即碎片组贴合度；λ、μ、ν即三个评价参数所对应的权值系数；
(7.5)通过轮盘赌选择法筛选种群，其中适应度高的个体具有更大的概率遗传至下一代；
(7.6)生成随机数，若随机数小于交叉概率，则将染色体从中间位置进行一点交叉；
(7.7)生成随机数，若随机数小于变异概率，再生成区间为[1:q]的随机数，将染色体在该位置的基因取反；
(7.8)判断是否满足迭代次数，若满足，则输出当前最优个体为全局最优拼合方案，否则跳转至(7.4)；
步骤8，根据全局最优拼合方案从碎片组数据库中选择相应的碎片组进行拼接，完成三维碎片的拼接重构。
本发明的效果可以通过以下仿真进一步说明。
1、仿真条件：本发明的仿真在windows 10，CPU Intel(R)Core(TM)i5-8265U，基本频率1.60GHz，软件平台为Matlab R2016b上运行，仿真选用的是三维莲花碗器型碎片STL格式，碎片数为5片。对于断裂边缘轮廓等距采样，使用采样间隔interval＝0.01；对于球体空间点共存检测算法，使用球体半径r＝0.02；对于基于进化计算的最优拼合方案选取，使用种群大小popsize＝50，交叉概率pc＝0.8，变异概率pm＝0.1，迭代次数interation＝100，染色体长度chromlength＝21。
2、仿真内容与结果：
使用本发明对三维碎片进行拼接重构测试，待还原的碎片模型如图6所示，在碎片组拼接阶段所得到的碎片组拼接数据库中的部分内容，如图7所示，其中展示了部分正确匹配对与部分非正确匹配对的拼接结果以及相关参数；图7中，碎片组拼接数据库中部分正确匹配对参见图7(a)、7(b)和7(c)，图7(a)中，Hausdorff距离为0.0274；特征差值为0.2797；拼接贴合度为36；图7(b)中，Hausdorff距离为0.0344，特征差值为0.1632，拼接贴合度为15；图7(c)中，Hausdorff距离为0.1651，特征差值为0.1345，拼接贴合度为16。碎片组拼接数据库中部分非正确匹配对参见图7(d)、7(e)和7(f)，图7(d)中，Hausdorff距离为0.0287，特征差值为8.1377，拼接贴合度为3；图7(e)中，Hausdorff距离为0.1259，特征差值为0.4943，拼接贴合度为7；图7(f)中，Hausdorff距离为0.0552，特征差值为1.1933，拼接贴合度为5。由该结果可知，对于正确匹配对，其通常具有较低的Hausdorff距离、特征差值，以及较高的拼接贴合度，可通过此三个参数对碎片组的拼合优劣进行区分。
通过预处理阶段、特征提取阶段、碎片组拼接阶段以及最优拼合方案拼接阶段得到拼接重建后的原始器型，如图8所示，其中图8(a)为原始器型的俯视图，图8(b)为原始器型的侧视图；从结果图可看出本发明可以正确且精准的完成碎片的拼接重建，还原出原始器型；
本发明所使用的多特征融合与其它方法的结果比对图，如图9所示，其中图9(a)为本发明结果；其中图9(b)所使用的方法1，在特征提取阶段对碎片断裂边缘轮廓采取曲率半径特征提取，该方法仅提取单一的曲率特征，难以全面的表示出断裂边缘的个性化特征，故在影响后期正确匹配段的寻找，最终未能实现正确的拼接重构结果；其中图9(c)所使用的方法2，在特征提取阶段对碎片断裂边缘轮廓采取曲率特征与挠率特征相结合的方式，该方法的拼接精准度略差于本发明所使用方法；其中图9(d)所使用的方法3，在最终拼接部分通过遍历的方式寻找局部最优解直接进行拼接，再将二者融合更新为一个整体进行下一次的寻找，该方法未考虑全局准确率，难以实现高正确率的拼接。
本发明方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
在示例性实施例中，还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。处理器可能是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
综上，本发明通过对断裂边缘轮廓进行基于曲率向量的多特征提取与融合，将不同轮廓特有的几何特征以及变化趋势更加全面的进行表示，所建立的碎片组匹配数据库包含拼接重建的所有可能以及拼接评价，并且通过进化计算以全局的视角统筹各类信息，得到最优拼接方案，使三维碎片拼接重构的成功率以及准确率有显著性提高。即本发明通过提取碎片的曲率半径特征进行边缘量化表示并结合进化计算寻找到全局最优拼合方案，更加高效和准确的完成碎片的拼接重构，还原出原始器型。与现有的其他拼接重构方法相比，本发明提高了拼接重构的成功率与准确率。本发明方法可以有效地实现三维碎片的拼接重构，还原出原始器型结构，可适用于各种器型及材质的三维碎片重构。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种基于边缘量化与进化计算的三维碎片拼接重构方法，其特征在于，包括如下步骤：
步骤一，预处理阶段，对于三维扫描仪所获取到的碎片点云模型，将其转化为STL格式，通过基于STL格式的孔洞搜寻算法得到孔洞顶点，按照拓扑结构进行搜索，得到三维碎片断裂边缘轮廓；
步骤二，特征提取阶段，基于曲率半径向量，对步骤一得到的三维碎片断裂边缘轮廓进行多特征提取，之后进行等距采样和特征赋值，得到一维特征串形式；
步骤三，匹配段寻找阶段，任意选取一个碎片组并进行编号，基于步骤二得到的一维特征串形式，通过遍历采样点对齐算法，以动态比较匹配的方式计算某一时刻对应采样点间的特征差值，同时计算特征差值的极值作为特征阈值参数，进行最佳匹配段的寻找，得到以特征差值平均值作为匹配段的特征差值函数；
步骤四，碎片组拼接阶段，基于步骤三得到的碎片组的最佳匹配段，得到待拼合目标间的几何关系，通过粗旋转和校准旋转进行几何变换，使整体碎片模型依据匹配段的贴合而拼接对齐，拼接完成后记录碎片对之间的豪斯多夫距离；
步骤五，拼接度量阶段，针对两个拼接对齐后的碎片，通过球体空间点共存检测算法确定来自两个碎片上的三维碎片断裂边缘顶点集合之间的小区域共存个数，得到度量碎片组拼接优劣的拼接贴合度；
步骤六，信息整合阶段，建立碎片组拼接数据库，碎片组拼接数据库中包含内容：碎片组编号、特征阈值参数、特征差值函数、豪斯多夫距离和拼接贴合度；
步骤七，全局最优解寻找阶段，根据步骤六的碎片组拼接数据库，通过进化计算建立种群，以“优胜劣汰”的方式基于全局寻找适应度最高的全局最优匹配方案；
步骤八，最终拼接阶段，根据步骤七的全局最优匹配方案，从步骤六的碎片组拼接数据库中选择出对应的碎片组依次进行拼接，完成三维碎片的拼接重构。
2.根据权利要求1所述的三维碎片拼接重构方法，其特征在于，步骤一的具体操作为：利用STL格式的共顶点原则，通过基于STL格式的孔洞搜寻算法得到孔洞顶点，并按照拓扑结构逐一向下搜索，得到连续且封闭的三维碎片断裂边缘顶点集合，该三维碎片断裂边缘顶点集合为三维碎片断裂边缘轮廓。
3.根据权利要求1所述的三维碎片拼接重构方法，其特征在于，步骤二的具体操作包括：
(2.1)对于步骤一得到的三维碎片断裂边缘轮廓，从第一个顶点逐一向下遍历；
(2.2)对当前位置顶点，同时按拓扑顺序提取出其前后两个顶点，共组成一个3×3的矩阵，矩阵中每一行代表一个顶点在三维空间中的位置坐标；
(2.3)对于三个顶点所形成的三角形，借助顶点位置信息，通过联立解方程组的方法建立三角形外接圆，从当前位置顶点指向该外接圆圆心的向量即为曲率半径向量；
(2.4)对于遍历到的每一个顶点重复步骤(2.2)和(2.3)，提取出每一个定点对应的曲率半径向量，得到该断裂边缘所对应的一组曲率半径向量集合
(2.5)基于曲率半径向量集合计算模长，得到能够反映断裂边缘几何结构的初级特征，r＝{r1,r2,…,ri,…,rn}；
(2.6)基于曲率半径向量集合，从第一个向量开始，逐一计算其下一个相邻向量与当前向量之间的变化，并通过模值对该变化进行具象表征，得到能够反映断裂边缘轮廓变化趋势的深度特征，rΔ＝{rΔ1,rΔ2,…,rΔi,…,rΔn}；
(2.7)根据初级特征与深度特征在表征边缘曲线个性化中所占的比重，按照权值系数对两组特征进行融合，得到断裂边缘轮廓的总特征值f＝{f1,f2,…,fi,…,fn}；
(2.8)对三维碎片断裂边缘轮廓进行等距采样，同时使用当前位置所在断裂边缘子片段所对应的总特征值为采样点进行赋值，得到断裂边缘轮廓的一维特征串形式，Cf＝{f1,…,f1,f2,…,f2,…,fi,…,fi,…,fn,…,fn}。
4.根据权利要求1所述的三维碎片拼接重构方法，其特征在于，步骤三的具体操作为：将两个待拼接碎片设定为一组碎片组，提取碎片组的两个断裂边缘轮廓的一维特征串形式，通过遍历采样点对齐算法，以动态比较匹配的方式计算当前时刻对应采样点间的特征差值；
计算两匹配段间特征差值的极值，取极值的二分之一记为特征阈值参数，若某一时刻的特征差值连续小于阈值的长度最大，则标记该时刻为最佳匹配时刻，同时获取最佳匹配段的坐标信息；若所得的最佳匹配段的长度小于四个采样点，则标记该碎片组之间不存在可匹配片段，删除该碎片组；对于得到的最佳匹配段，计算两组集合间的特征差值，得到特征差值平均值，该特征差值平均值为最佳匹配段的特征差值函数。
5.根据权利要求1所述的三维碎片拼接重构方法，其特征在于，步骤四的具体操作为：对于一个碎片组，根据步骤三得到的最佳匹配段，调用其首尾两点及之间的第k个点，其中，k＝2,3,……,p-1；p为匹配段包含边缘顶点的个数，按照拼合后豪斯多夫距离最小进行k值的选取；联合三个点形成平面，利用罗德里格旋转公式得到待拼合目标间的几何关系；通过粗旋转及校准旋转的两次几何变换，使整体碎片模型依据匹配段的贴合进行拼接对齐，拼接完成后记录碎片组之间的豪斯多夫距离。
6.根据权利要求1所述的三维碎片拼接重构方法，其特征在于，步骤五的具体操作为：
(5.1)选取两个拼接对齐后的碎片，提取小序号碎片上的三维碎片断裂边缘顶点集合，从第一个顶点依次向下遍历；
(5.2)以小序号碎片上当前所遍历到的顶点为球心，建立球体；
(5.3)对于大序号碎片上的断裂边缘顶点，检测是否存在包含在步骤(5.2)建立的球体内的顶点，若存在则进行标记，不存在则不标记；
(5.4)完成小序号三维碎片断裂边缘顶点的遍历后，统计被标记的顶点个数，该顶点个数为碎片组的拼接贴合度。
7.根据权利要求1所述的三维碎片拼接重构方法，其特征在于，步骤七的具体操作为：
(7.1)提取碎片组拼接数据库中的数据，设定参数，参数包括种群大小、交叉概率、变异概率、迭代次数及染色体长度；
(7.2)按照步骤(7.1)的设定参数随机生成种群；
(7.3)计算步骤(7.2)得到的种群中每一个个体的适应度；通过权衡碎片拼接评价参数，在碎片拼接优劣中所占比重，设置相应的权值系数，从而结合得到适应度函数；碎片拼接评价参数包括特征差值函数、豪斯多夫距离及拼接组贴合度；
(7.4)基于步骤(7.2)得到的种群，进行遗传算子的操作，完成一次迭代；其中，选择算子采用轮盘赌选择法；交叉算子采用一点交叉；变异算子采用基因位变异；
(7.5)重复步骤(7.4)，当达到设定的迭代次数时，输出当前的最优个体，该最优个体为全局最优匹配方案。
8.一种三维碎片拼接重构系统，其特征在于，包括：
预处理模块，对于三维扫描仪所获取到的碎片点云模型，将其转化为STL格式，通过基于STL格式的孔洞搜寻算法得到孔洞顶点，按照拓扑结构进行搜索，得到三维碎片断裂边缘轮廓并将数据传输至特征提取模块；
特征提取模块，基于曲率半径向量，对得到的三维碎片断裂边缘轮廓进行多特征提取，之后进行等距采样和特征赋值，得到一维特征串形式并将数据传输至匹配段寻找模块；
匹配段寻找模块，任意选取一个碎片组并进行编号，基于得到的一维特征串形式，通过遍历采样点对齐算法，以动态比较匹配的方式计算某一时刻对应采样点间的特征差值，同时计算特征差值的极值作为特征阈值参数，进行最佳匹配段的寻找，得到以特征差值平均值作为匹配段的特征差值函数；
碎片拼接模块，基于得到的碎片组的最佳匹配段，得到待拼合目标间的几何关系，通过粗旋转和校准旋转进行几何变换，使整体碎片模型依据匹配段的贴合而拼接对齐，拼接完成后记录碎片对之间的豪斯多夫距离；
拼接度量模块，针对两个拼接对齐后的碎片，通过球体空间点共存检测算法确定来自两个碎片上的三维碎片断裂边缘顶点集合之间的小区域共存个数，得到度量碎片组拼接优劣的拼接贴合度；
信息整合模块，建立碎片组拼接数据库，碎片组拼接数据库中包含内容：碎片组编号、特征阈值参数、特征差值函数、豪斯多夫距离和拼接贴合度；
全局最优解寻找模块，根据碎片组拼接数据库，通过进化计算建立种群，以“优胜劣汰”的方式基于全局寻找适应度最高的全局最优匹配方案；
最终拼接模块，根据全局最优匹配方案，从碎片组拼接数据库中选择出对应的碎片组依次进行拼接，完成三维碎片的拼接重构。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011183151.7A CN112288856B (zh) | 2020-10-29 | 2020-10-29 | 一种三维碎片拼接重构方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011183151.7A CN112288856B (zh) | 2020-10-29 | 2020-10-29 | 一种三维碎片拼接重构方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112288856A CN112288856A (zh) | 2021-01-29 |
| CN112288856B true CN112288856B (zh) | 2024-02-27 |
Family
ID=74353368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011183151.7A Active CN112288856B (zh) | 2020-10-29 | 2020-10-29 | 一种三维碎片拼接重构方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288856B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112884653B (zh) * | 2021-03-01 | 2024-06-21 | 西北大学 | 一种基于断裂面信息的兵马俑碎块拼接方法及系统 |
| CN114494668B (zh) * | 2022-04-13 | 2022-07-15 | 腾讯科技（深圳）有限公司 | 三维模型的展开方法、装置、设备及存储介质 |
| CN115375505B (zh) * | 2022-07-29 | 2024-02-06 | 国网北京市电力公司 | 一种基于区块链的电碳数据可信证明生成方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6968299B1 (en) * | 2000-04-14 | 2005-11-22 | International Business Machines Corporation | Method and apparatus for reconstructing a surface using a ball-pivoting algorithm |
| CN104835116A (zh) * | 2015-04-10 | 2015-08-12 | 山东师范大学 | 一种基于轮廓的二维碎片拼接方法 |
| CN108961391A (zh) * | 2018-06-12 | 2018-12-07 | 温州大学激光与光电智能制造研究院 | 一种基于曲率滤波的表面重构方法 |
| CN109636912A (zh) * | 2018-11-27 | 2019-04-16 | 中国地质大学（武汉） | 应用于三维声呐图像重构的四面体剖分有限元插值方法 |
| WO2019157924A1 (zh) * | 2018-02-13 | 2019-08-22 | 视辰信息科技(上海)有限公司 | 三维物体的实时检测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7289662B2 (en) * | 2002-12-07 | 2007-10-30 | Hrl Laboratories, Llc | Method and apparatus for apparatus for generating three-dimensional models from uncalibrated views |
-
2020
- 2020-10-29 CN CN202011183151.7A patent/CN112288856B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6968299B1 (en) * | 2000-04-14 | 2005-11-22 | International Business Machines Corporation | Method and apparatus for reconstructing a surface using a ball-pivoting algorithm |
| CN104835116A (zh) * | 2015-04-10 | 2015-08-12 | 山东师范大学 | 一种基于轮廓的二维碎片拼接方法 |
| WO2019157924A1 (zh) * | 2018-02-13 | 2019-08-22 | 视辰信息科技(上海)有限公司 | 三维物体的实时检测方法及系统 |
| CN108961391A (zh) * | 2018-06-12 | 2018-12-07 | 温州大学激光与光电智能制造研究院 | 一种基于曲率滤波的表面重构方法 |
| CN109636912A (zh) * | 2018-11-27 | 2019-04-16 | 中国地质大学（武汉） | 应用于三维声呐图像重构的四面体剖分有限元插值方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112288856A (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112288856B (zh) | 一种三维碎片拼接重构方法、系统、设备及存储介质 | |
| CN108460760B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像判别修复方法 | |
| CN104299260B (zh) | 一种基于sift和lbp的点云配准的接触网三维重建方法 | |
| CN108492281B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像障碍物检测与去除的方法 | |
| CN112241997A (zh) | 基于多尺度点云上采样的三维模型建立、修复方法及系统 | |
| CN107832849B (zh) | 一种基于知识库的电力线廊道三维信息提取方法及装置 | |
| CN103868510A (zh) | 一种快速全天星图自主恒星识别方法 | |
| CN111027140B (zh) | 基于多视角点云数据的飞机标准件模型快速重构方法 | |
| CN109948522A (zh) | 一种基于深度神经网络的x光片手骨成熟度判读方法 | |
| CN108681689B (zh) | 基于生成对抗网络的帧率增强步态识别方法及装置 | |
| CN113610070A (zh) | 一种基于多源数据融合的滑坡灾害识别方法 | |
| CN113643268A (zh) | 基于深度学习的工业制品缺陷质检方法、装置及存储介质 | |
| CN107251048A (zh) | 可靠指尖和手掌检测 | |
| CN107292039B (zh) | 一种基于小波聚类的uuv巡岸轮廓构建方法 | |
| CN115439694A (zh) | 一种基于深度学习的高精度点云补全方法及装置 | |
| CN112036249A (zh) | 端对端行人检测及属性识别的方法、系统、介质及终端 | |
| CN104809471A (zh) | 一种基于空间光谱信息的高光谱图像残差融合分类方法 | |
| CN117079132A (zh) | 基于高斯距离损失的遥感图像目标检测方法 | |
| CN114881998A (zh) | 一种基于深度学习的工件表面缺陷检测方法及系统 | |
| CN116977750B (zh) | 土地覆盖场景分类模型构建方法及分类方法 | |
| CN112115817B (zh) | 基于深度学习的遥感影像道路轨迹正确性核查方法及装置 | |
| CN116757713B (zh) | 基于图像识别的作品估值方法、装置、设备及存储介质 | |
| CN112132798B (zh) | 基于Mini ARU-Net网络的复杂背景PCB标记点图像检测方法 | |
| Fakhri et al. | Road crack detection using gaussian/prewitt filter | |
| CN115082416A (zh) | 镜片瑕疵检测方法、装置、设备及存储介质 |
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 |