CN113029109A - 一种利用近红外波段影像进行空三加密的方法和系统 - Google Patents
一种利用近红外波段影像进行空三加密的方法和系统 Download PDFInfo
- Publication number
- CN113029109A CN113029109A CN202110596468.1A CN202110596468A CN113029109A CN 113029109 A CN113029109 A CN 113029109A CN 202110596468 A CN202110596468 A CN 202110596468A CN 113029109 A CN113029109 A CN 113029109A
- Authority
- CN
- China
- Prior art keywords
- image
- shadow
- images
- infrared band
- historical
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种利用近红外波段影像进行空三加密的方法和系统,解决了天气和大气环境等因素干扰对空三加密存在影响的问题,其包括:获取具有近红外波段的影像;消除具有近红外波段的影像中的阴影部分;采用影像匹配算法对近红外波段影像进行自动连接点匹配;将像片控制点转刺到影像上;根据匹配的连接点和转刺的像控点进行区域网平差计算;输出平差计算后的精确外方位元素。本申请在空三加密作业中采用近红外波段影像进行连接点匹配,能降低天气和大气环境等因素干扰对空三加密的影响程度。
Description
技术领域
本申请涉及空中三角测量领域,尤其是涉及一种利用近红外波段影像进行空三加密的方法和系统。
背景技术
空三具体来说就是空中三角测量,空中三角测量是立体摄影测量中,根据少量的野外控制点,在室内进行控制点加密,求得加密点的高程和平面位置的测量方法。
空三加密即解析空中三角测量,亦称电算加密或摄影测量加密,是以像片上量测的像点坐标为依据,采用严密的数学模型,按最小二乘法原理,用少量野外控制点(像控点)作为约束条件,在计算机上解求出所摄地区未知点的地面坐标。
影像匹配是数字摄影测量作业中一个非常重要的环节,其结果的好坏直接影响空三加密的结果。在当前的影像匹配算法中,匹配对象均为单波段灰度影像,在实际空三加密作业中,采用的是将可见光真彩色影像去色后形成单波段灰度影像再进行匹配的方法,可见光真彩色影像一般是从空中或太空对地面进行摄影成像。
针对上述中的相关技术,发明人认为存在有如下缺陷:可见光真彩色影像在拍摄获取的过程中,受天气和大气环境等因素干扰,或多或少会存在一些问题,比如受雾、霾、薄云等影响而导致影像产生灰度失真、细节丢失、地物模糊等现象。
发明内容
为了降低大气环境等干扰因素对空三加密的影响程度,本申请提供一种利用近红外波段影像进行空三加密的方法和系统。
第一方面,本申请提供一种利用近红外波段影像进行空三加密的方法,采用如下的技术方案:
一种利用近红外波段影像进行空三加密的方法,包括:
获取具有近红外波段的影像;
消除具有近红外波段的影像中的阴影部分;
采用影像匹配算法对近红外波段影像进行自动连接点匹配;
将像片控制点转刺到影像上;
根据匹配的连接点和转刺的像控点进行区域网平差计算;
输出平差计算后的精确外方位元素。
通过采用上述技术方案,采用近红外波段影像进行连接点匹配,能降低天气和大气环境等因素干扰对空三加密的影响程度,可以大大减少项目的人工投入,缩短项目生产周期,还可以节约航空摄影因补摄、重摄而增加的额外生产成本。
可选的,消除具有近红外波段的影像中的阴影部分的步骤如下:
基于近红外波段的影像,分析确认阴影部分所覆盖的区域位置;
基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像。
通过采用上述技术方案,可以有效分析确认近红外波段的影像中的阴影部分,并在存在阴影部分的情况下,能够结合历史所存近红外波段的影像有效恢复图像中的阴影部分,从而间接提高空三加密的准确性。
可选的,基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像的步骤如下:
从预设的存储有区域、相应区域近红外波段的影像、以及相应区域近红外波段的影像的获取时间的第一数据库中,以目标区域作为查询对象,于第一数据库中查找出目标区域所有近红外波段的影像;
从目标区域所有近红外波段的影像中,筛选出所有可以补充本次所获取影像中阴影部分的历史影像;
将所筛选出的历史影像填补本次所获取影像中阴影部分。
通过采用上述技术方案,可以有效结合目标区域的其它影像,对当前影像的阴影部分进行补充,从而进一步保障通过近红外波段所获取的影像不存在阴影,间接提高了空三加密的准确性。
可选的,将所筛选出的历史影像填补本次所获取影像中阴影部分的步骤如下:
将本次所获取影像中阴影部分作位置圈定;
基于每个圈定位置的阴影部分以及所筛选出的历史影像,分析确定补充每个圈定位置阴影部分的历史影像,若存在用于补充圈定位置阴影部分的历史影像为多个,则选择其中最临近当下的历史影像作为用于补充相应圈定位置阴影部分的历史影像。
通过采用上述技术方案,具体公开了如何将所筛选出的历史影像填补本次所获取影像中阴影部分,而且在补充阴影部分的过程中也会优先使用最临近当下的历史影像,从而进一步提高近红外影像在消除阴影部分时候的效果。
可选的,基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像的步骤还包括位于将所筛选出的历史影像填补本次所获取影像中阴影部分之后的步骤:
获取本次影像中剩余未消除的阴影;
通过积分的阴影去除算法去除本次影像中剩余未消除的阴影。
通过采用上述技术方案,进一步考虑到针对之前影像中未消除的阴影,能够通过相适配的算法来作消除,从而间接提高了近红外影像在消除阴影部分时候的效果。
可选的,积分的阴影去除算法具体如下:
将原始图像进行对数变换,并计算变换后的对数图像的梯度;
在该梯度图像中将阴影边缘所对应的梯度值进行特殊处理,以消除阴影边缘;
最后通过对梯度图像进行积分变换和指数运算重建无阴影图像。
通过采用上述技术方案,具体公开了适配的消除阴影的算法,进一步保障影像剩余部分的消除。
第二方面,本申请提供一种利用近红外波段影像进行空三加密的系统,采用如下的技术方案:
一种利用近红外波段影像进行空三加密的系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现一种利用近红外波段影像进行空三加密的方法。
通过采用上述技术方案,通过程序的调取,采用近红外波段影像进行连接点匹配,能降低天气和大气环境等因素干扰对空三加密的影响程度,可以大大减少项目的人工投入,缩短项目生产周期,还可以节约航空摄影因补摄、重摄而增加的额外生产成本。
综上所述,本申请的有益技术效果为:
1.采用近红外波段辅助空三加密的方式可以在一定程度上弥补由于外界环境等不利因素的影响,优化同名像点的提取数量,最终的空三加密精度也有一定程度的改善,能较好的满足大比例尺的航测需求;
2.能够有效削减拍摄时形成的阴影部分对空三加密的影响。
附图说明
图1是本申请实施例一种利用近红外波段影像进行空三加密的方法的具体步骤示意图。
图2是图1中步骤S200的具体步骤示意图。
图3是图2中步骤S220的具体步骤示意图。
图4是图3中步骤S223的具体步骤示意图。
图5是图2中步骤S220包括的位于将所筛选出的历史影像填补本次所获取影像中阴影部分之后的步骤示意图。
图6是图5中步骤SB00所提及的积分的阴影去除算法的步骤示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
参照图1,为本申请公开的一种利用近红外波段影像进行空三加密的方法,包括步骤S100至步骤S600。
在步骤S100中,获取具有近红外波段的影像。
具体来说,步骤S100所提及近红外波段影像的获取是通过可拍摄获取红外波段影像的装置来实现的,可拍摄获取红外波段影像的装置可以是近红外相机但不局限于近红外相机。
在步骤S200中,消除具有近红外波段的影像中的阴影部分。
参照图2,其中,步骤S200可划分为步骤S210至步骤S220。
在步骤S210中,基于近红外波段的影像,分析确认阴影部分所覆盖的区域位置。
其中,步骤S210所提及的阴影部分所覆盖的区域位置的确认可以通过全卷积网络对待检测图像作处理,从而获得待检测图像中的阴影区域的位置信息的检测结果。
其中,图像可以在RGB、HSV等颜色空间中表示,对于存在阴影的图像,阴影区域在HSV空间中的亮度分量通常比没有阴影的区域在HSV空间中的亮度分量低,因此,可以根据图像中各像素的亮度值确定阴影区域的范围,也就是说,“阴影区域”可以基于诸如像素亮度值的参数来进行划分和界定。
在步骤S220中,基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像。
参照图3,其中,步骤S220可划分为步骤S221至步骤S223。
在步骤S221中,从预设的存储有区域、相应区域近红外波段的影像、以及相应区域近红外波段的影像的获取时间的第一数据库中,以目标区域作为查询对象,于第一数据库中查找出目标区域所有近红外波段的影像。
在步骤S222中,从目标区域所有近红外波段的影像中,筛选出所有可以补充本次所获取影像中阴影部分的历史影像。
在步骤S223中,将所筛选出的历史影像填补本次所获取影像中阴影部分。
参照图4,其中,步骤S223可划分为步骤S223.1至步骤S223.2。
在步骤S223.1中,将本次所获取影像中阴影部分作位置圈定。
在步骤S223.2中,基于每个圈定位置的阴影部分以及所筛选出的历史影像,分析确定补充每个圈定位置阴影部分的历史影像,若存在用于补充圈定位置阴影部分的历史影像为多个,则选择其中最临近当下的历史影像作为用于补充相应圈定位置阴影部分的历史影像。
举例来说,假定存在两个影像可以用于补充当下阴影部分的影像,那么会选择其中最临近当下时段的影像作为用于补充相应圈定位置阴影部分的历史影像。
参照图5,进一步考虑到在经过步骤S223.2仍然存在阴影的情况,步骤S220还包括位于步骤Sb00之后的步骤,其步骤可划分为步骤SA00至步骤SB00。
在步骤SA00中,获取本次影像中剩余未消除的阴影。
在步骤SB00中,通过积分的阴影去除算法去除本次影像中剩余未消除的阴影。
参照图6,其中,步骤SB00中所提及的积分的阴影去除算法可划分为步骤SBA0至步骤SBC0。
在步骤SBA0中,将原始图像进行对数变换,并计算变换后的对数图像的梯度。
其中,步骤SBA0所提及的将原始图像进行对数变换具体如下:设原始图像为I(X,Y),将其转换到自然对数空间,转换公式如下:i(x,y)=ln(I(X,Y))。
在步骤SBB0中,在该梯度图像中将阴影边缘所对应的梯度值进行特殊处理,以消除阴影边缘。
在步骤SBC0中,最后通过对梯度图像进行积分变换和指数运算重建无阴影图像。
其中,步骤SBC0所提及的指数运算重建无阴影图像的步骤如下:
步骤2:对i%(x,y)取指数,获得无阴影的重建图像I%(x,y),其中,I%(x,y)=exp(i%(x,y))。
在步骤S300中,采用影像匹配算法对近红外波段影像进行自动连接点匹配。
其中,步骤S300的主要目的是使影像重叠区域能得到足够多的同名点,以达到区域网内像片稳定连接的目的。
步骤S300所提及的影像匹配算法为按照影像中需要进行匹配的像点的相对数目,影像匹配可分为稀疏匹配和稠密匹配两类。稀疏匹配产生稀疏的视差矩阵,主要用于确定视点与影像以及影像之间的相对位置关系。稠密匹配通常要求获得整个影像或者影像主要部分的深度图。按照匹配元素选择不同,影像匹配可以分为灰度区域匹配和特征匹配。灰度区域匹配按照像素灰度进行匹配,特征匹配使用边缘等影像特征进行匹配。实际上,像素灰度也是一种影像特征,特征也不一定是某些可以解释的几何特征。具有可分辨性、不变性和稳定性的属性都可以作为匹配特征。现有影像匹配算法主要可分为局部算法和全局算法两大类。
在步骤S400中,将像片控制点转刺到影像上。
其中,步骤S400所提及的将像片控制点转刺到影像上主要是利用地面的已知点来控制区域网的坐标。其步骤就是根据片控制点地面目标的位置找到所有具有该目标的像片,然后逐一在像片上标示出该目标,由计算机自动读取目标在像片上的坐标。
在步骤S500中,根据匹配的连接点和转刺的像控点进行区域网平差计算。
其中,步骤S500的具体步骤如下:1、给定每张像片的外方位元素的近似值,和所有加密点地面坐标的近似值;2、加密点列原始误差方程;3、控制点列原始误差方程式;4、在最小二乘条件下,法化,整体解答,确定出每张像片的外方位元素近似值的改正数和每个加密点的地面坐标近值的改正数;5、用这些改正数修正每张像片的外方位元素和加密点的地面坐标;6、重复2—5,迭代计算,最后求出各像片的外方位元素以及加密点的地面坐标。
在步骤S600中,输出平差计算后的精确外方位元素。
其中,步骤S600所提及的外方位元素就是指摄影瞬间像片的空间位置和姿态参数,包括三个线元素(空间坐标X、Y、Z)和三个角元素(俯仰角ω,侧滚角φ,航向角κ),输出精确外方位元素之后才能进行后续的成图处理。
本申请实施例还提供一种利用近红外波段影像进行空三加密的系统,包括存储器、处理器,存储器上存储有可在所述处理器上运行实现如图1至图6任一种方法的程序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施方式的实施例均为本发明的较佳实施例,并非依此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (5)
1.一种利用近红外波段影像进行空三加密的方法,其特征在于,包括:
获取具有近红外波段的影像;
消除具有近红外波段的影像中的阴影部分;
采用影像匹配算法对近红外波段影像进行自动连接点匹配;
将像片控制点转刺到影像上;
根据匹配的连接点和转刺的像控点进行区域网平差计算;
输出平差计算后的精确外方位元素;
消除具有近红外波段的影像中的阴影部分的步骤如下:
基于近红外波段的影像,分析确认阴影部分所覆盖的区域位置;
基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像;
基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像的步骤如下:
从预设的存储有区域、相应区域近红外波段的影像、以及相应区域近红外波段的影像的获取时间的第一数据库中,以目标区域作为查询对象,于第一数据库中查找出目标区域所有近红外波段的影像;
从目标区域所有近红外波段的影像中,筛选出所有可以补充本次所获取影像中阴影部分的历史影像;
将所筛选出的历史影像填补本次所获取影像中阴影部分。
2.根据权利要求1所述的一种利用近红外波段影像进行空三加密的方法,其特征在于,将所筛选出的历史影像填补本次所获取影像中阴影部分的步骤如下:
将本次所获取影像中阴影部分作位置圈定;
基于每个圈定位置的阴影部分以及所筛选出的历史影像,分析确定补充每个圈定位置阴影部分的历史影像,若存在用于补充圈定位置阴影部分的历史影像为多个,则选择其中最临近当下的历史影像作为用于补充相应圈定位置阴影部分的历史影像。
3.根据权利要求1所述的一种利用近红外波段影像进行空三加密的方法,其特征在于:基于历史所存近红外波段的影像,恢复阴影部分所覆盖的区域位置至初始图像的步骤还包括位于将所筛选出的历史影像填补本次所获取影像中阴影部分之后的步骤:
获取本次影像中剩余未消除的阴影;
通过积分的阴影去除算法去除本次影像中剩余未消除的阴影。
4.根据权利要求3所述的一种利用近红外波段影像进行空三加密的方法,其特征在于:积分的阴影去除算法具体如下:
将原始图像进行对数变换,并计算变换后的对数图像的梯度;
在该梯度图像中将阴影边缘所对应的梯度值进行特殊处理,以消除阴影边缘;
最后通过对梯度图像进行积分变换和指数运算重建无阴影图像。
5.一种利用近红外波段影像进行空三加密的系统,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如权利要求1至4中任一项所述的一种利用近红外波段影像进行空三加密的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110596468.1A CN113029109B (zh) | 2021-05-31 | 2021-05-31 | 一种利用近红外波段影像进行空三加密的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110596468.1A CN113029109B (zh) | 2021-05-31 | 2021-05-31 | 一种利用近红外波段影像进行空三加密的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113029109A true CN113029109A (zh) | 2021-06-25 |
CN113029109B CN113029109B (zh) | 2021-07-30 |
Family
ID=76456131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110596468.1A Active CN113029109B (zh) | 2021-05-31 | 2021-05-31 | 一种利用近红外波段影像进行空三加密的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029109B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126639A (zh) * | 2007-09-18 | 2008-02-20 | 武汉大学 | 快速进行低空遥感影像自动匹配与空中三角测量方法 |
CN103823981A (zh) * | 2014-02-28 | 2014-05-28 | 武汉大学 | 一种数字高程模型辅助的卫星影像区域网平差方法 |
CN107202982A (zh) * | 2017-05-22 | 2017-09-26 | 徐泽宇 | 一种基于无人机位姿计算的信标布置及图像处理方法 |
-
2021
- 2021-05-31 CN CN202110596468.1A patent/CN113029109B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126639A (zh) * | 2007-09-18 | 2008-02-20 | 武汉大学 | 快速进行低空遥感影像自动匹配与空中三角测量方法 |
CN103823981A (zh) * | 2014-02-28 | 2014-05-28 | 武汉大学 | 一种数字高程模型辅助的卫星影像区域网平差方法 |
CN107202982A (zh) * | 2017-05-22 | 2017-09-26 | 徐泽宇 | 一种基于无人机位姿计算的信标布置及图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113029109B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363858B (zh) | 一种三维人脸重建方法及系统 | |
WO2021077720A1 (zh) | 获取对象三维模型的方法、装置、电子设备及系统 | |
Niederheiser et al. | Deriving 3D point clouds from terrestrial photographs comparison of different sensors and software | |
Moussa et al. | An automatic procedure for combining digital images and laser scanner data | |
Serna et al. | Data fusion of objects using techniques such as laser scanning, structured light and photogrammetry for cultural heritage applications | |
US11270414B2 (en) | Method for generating a reduced-blur digital image | |
CN112257713A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
Ma et al. | An operational superresolution approach for multi-temporal and multi-angle remotely sensed imagery | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN115375842A (zh) | 一种植株三维重建方法、终端及存储介质 | |
CN117456114B (zh) | 基于多视图的三维图像重建方法及系统 | |
CN114792327B (zh) | 图像处理方法及系统 | |
CN116170569A (zh) | 一种高光谱影像正摄校正方法及装置、存储介质 | |
CN108629742A (zh) | 真正射影像阴影检测与补偿方法、装置及存储介质 | |
CN117671159A (zh) | 三维模型的生成方法及装置、设备、存储介质 | |
CN113012084A (zh) | 无人机影像实时拼接方法、装置及终端设备 | |
CN113029109B (zh) | 一种利用近红外波段影像进行空三加密的方法和系统 | |
CN110910457B (zh) | 基于角点特征的多光谱立体相机外参计算方法 | |
CN110969650B (zh) | 一种基于中心投影的强度图像与纹理序列间的配准方法 | |
CN114445583A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116704111B (zh) | 图像处理方法和设备 | |
CN117030620A (zh) | 一种基于多源光学遥感卫星影像区域网平差的方法及装置 | |
CN115035175B (zh) | 一种三维模型构建数据处理方法及系统 | |
CN115082812A (zh) | 一种农业景观非农生境绿地斑块提取方法及其相关设备 | |
CN115661258A (zh) | 标定方法及装置、畸变校正方法及装置、存储介质、终端 |
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 |