CN114494402A - 一种基于红外图像的点源入渗地表湿润面积自动测量方法 - Google Patents
一种基于红外图像的点源入渗地表湿润面积自动测量方法 Download PDFInfo
- Publication number
- CN114494402A CN114494402A CN202210097816.5A CN202210097816A CN114494402A CN 114494402 A CN114494402 A CN 114494402A CN 202210097816 A CN202210097816 A CN 202210097816A CN 114494402 A CN114494402 A CN 114494402A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- point source
- point
- wetting area
- 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.)
- Pending
Links
- 238000009736 wetting Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008595 infiltration Effects 0.000 title claims abstract description 23
- 238000001764 infiltration Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000003708 edge detection Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 14
- 238000000691 measurement method Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000004323 axial length Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000011426 transformation method Methods 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 abstract description 16
- 238000005259 measurement Methods 0.000 abstract description 13
- 241000196324 Embryophyta Species 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000003331 infrared imaging Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种点源入渗条件下地表湿润面积的自动测量方法。该方法可以精准测量点源入渗复杂环境条件下的地表湿润面积。本发明属于地表水文过程测量技术领域。本发明的目的在于提供一种基于红外图像的点源入渗地表湿润面积自动测量方法,可以精确测量复杂环境条件下点源土壤入渗过程的地表湿润面积,尤其是地表湿润区受杂草、落叶等覆盖物遮挡时也能获取精准湿润面积数据,可用于室内和野外测量。所述方法包括如下步骤:步骤1、图像采集;步骤2、定位校正;步骤3、图像预处理;步骤4、边缘检测;步骤5、角点获取:使用凸包算法处理步骤4所得轮廓,获取凸包上的各角点坐标并标记;步骤6、轮廓处理;步骤7、面积获取。
Description
技术领域
本发明涉及一种点源入渗条件下地表湿润面积的自动测量方法。该方法可以精准测量点源入渗复杂环境条件下的地表湿润面积。本发明属于地表水文过程测量技术领域。
背景技术
已有研究表明,点源恒定流量供水入渗情况下,湿润体在地表形成较为规则的椭圆或卵圆面且逐渐增大,土壤入渗性能的变化过程与湿润体在地表的湿润面积增大过程紧密相关。
目前,土壤入渗性能测量中,测量地表湿润面积的方法多采用可见光图像处理技术。该方法提取土壤入渗时可见光图像中的地表湿润区域的颜色特征,计算湿润区域面积。一般情况下,可见光图像识别技术可以较好地将地表湿润区域从背景中识别出;但在野外条件下,当地表土壤颜色较深或受杂草、枯落物等覆盖时,可见光图像技术测量土壤湿润面积变得相对困难,有些工况下不可行。
红外成像表征目标表面的温度分布,技术工作可靠,安装方便,非常适合在野外及恶劣的条件下工作。目前,商用级别的红外传感器已经可以满足地表湿润面积测量的精度要求。
红外成像技术测量地表湿润面积法是根据土壤湿润区与非湿润区的含水量不同,导致温度不同,从而出现的热辐射差异进行测量。这种方法能够解决采用可见光图像技术测量地表土壤湿润区面积时,湿润区与非湿润区的颜色差异较小,测量误差大的问题。
当使用红外成像技术测量有杂草等覆盖较浅的湿润区域时,根据热传递原理,在一定的时间下,与湿润区域接触的覆盖物温度逐渐至接近湿润区域温度,会被判定为湿润区;但当覆盖物较厚等原因与湿润区域温差较大时会被判定为非湿润区。这导致红外成像技术测量地表湿润面积精度降低,甚至不可行。
综上所述,目前已有地表土壤湿润面积测量方法中,采用可见光或红外成像技术测量土壤湿润区域的面积,测量精度受环境条件影响较大。所需测量的湿润区域受覆盖物遮挡时,无法准确获取湿润区域轮廓,湿润面积测量误差大,甚至无法测量。这导致土壤入渗性能测量对环境的要求较为苛刻,且测量工况及精度均受限较大。
发明内容
本发明的目的在于提供一种基于红外图像的点源入渗地表湿润面积自动测量方法,可以精确测量复杂环境条件下点源土壤入渗过程的地表湿润面积,尤其是地表湿润区受杂草、落叶等覆盖物遮挡时也能获取精准湿润面积数据,可用于室内和野外测量。
为了达到上述目的,本发明提供了如下技术方案:
一种基于红外图像的点源入渗地表湿润面积自动测量方法,其中,所述方法包括如下步骤:
步骤1、图像采集:在湿润区附近平放标靶,固定红外相机位置,先拍摄标靶图像,拍摄后将标靶移除;随后红外相机在原位置定时拍摄湿润区域获取红外图像;
步骤2、定位校正:通过透视变换方法,使红外相机拍摄标靶所得图像各像素点(1,2,3,4)坐标分别对应标靶实际标准图像各像素点(1’,2’,3’,4’)坐标,计算得出测量区不同空间点位与标准尺寸之间的修正矩阵M,以此矩阵M对红外相机拍摄湿润区域图像进行校正;
步骤3、图像预处理:对定位校正后的红外图像进行灰度化处理,获取灰度图像;对灰度图进行中值滤波处理,设置核大小为n×n的矩阵进行去噪,保证在去噪的同时可以兼顾到湿润边界信息的保留;对去噪后的图像进行阈值分割,获取最优阈值,并得到二值图像;
步骤4、边缘检测:使用边缘检测算法处理步骤3获得的二值图像,获取图像边缘;使用最大连通域算法处理边缘,提取湿润区边界轮廓,并标记该轮廓;
步骤5、角点获取:使用凸包算法处理步骤4所得轮廓,获取凸包上的各角点坐标并标记;
步骤6、轮廓处理:根据点源入渗时湿润体在地表形成椭圆面的基本原理,进行地表湿润区域的预测;设置角点个数最小阈值为m≥5,将各角点转化为矩阵形式,对各角点进行椭圆拟合,获得椭圆中心坐标、长短轴长以及倾斜角度;根据椭圆中心坐标、长短轴长以及倾斜角度绘制椭圆轮廓并填充;
步骤7、面积获取:使用轮廓面积计算函数获取步骤6所得的椭圆区域的面积,即为实际地表湿润区域面积。
其中,步骤3中,所述n=3。
其中,步骤6中,所述m=5。
与现有技术相比,本发明的有益效果在于:
本发明方法可以精确测量复杂环境条件下点源土壤入渗过程的地表湿润面积,尤其是地表湿润区受杂草、落叶等覆盖物遮挡时也能获取精准湿润面积数据,可用于室内和野外测量。
附图说明
图1为有遮挡的地表湿润区域的示意图;
图2-a为理论湿润区域图像的示意图;
图2-b为红外相机获取湿润区域图像的示意图;
图3为透视变换校正的示意图;
图4为二值分割图像;
图5为边缘检测轮廓图像;
图6为角点标记图像;
图7为椭圆轮廓拟合图像;
图8为椭圆填充图像。
其中的附图标记为:
A、可见湿润区域
B、覆盖物遮挡湿润情况不详区域
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
如图1所示,为一个受杂草、枯落物覆盖较严重的点源入渗地表湿润区。
其中,A为可见湿润区域,B为覆盖物遮挡湿润情况不详区域。
受地面可能存在坡度的影响,理论上点源入渗形成的地表土壤湿润区域是一个规则的椭圆面。图1所示的理论湿润区域应如图2-a所示。当地表湿润区域受到较严重覆盖物遮挡,由于热传导的延迟,红外相机获得的湿润区域被识别为不规则的图形,如图2-b所示。红外相机可以准确获得未遮挡湿润区域,但对于覆盖物遮挡区域却可能判断为非湿润区。
因此,针对目前点源入渗地表土壤湿润面积测量方法存在的问题;本发明根据土壤湿润区与非湿润区的温度差异,以及点源入渗时湿润体在地表形成椭圆面的基本原理,提出了一种基于红外图像的复杂环境下,点源入渗地表湿润面积自动测量方法。该方法采用红外相机定时获取点源入渗地表湿润区域红外图像;通过图像处理,校正失真图像,对未遮挡湿润边界轮廓进行处理,结合理论湿润区域形状,预测湿润区所有轮廓边界,获取实际地表湿润区域,计算各时刻湿润区域实际面积。
该方法主要解决如图1所示的地表受杂草、枯落物等覆盖时,红外成像技术无法准确识别土壤湿润区域,不能精确测量地表湿润面积的问题。
一种基于红外图像的点源入渗地表湿润面积自动测量方法,包括如下步骤:
步骤1、图像采集:在湿润区附近平放标靶,固定红外相机位置,先拍摄标靶图像,拍摄后将标靶移除;随后红外相机在原位置定时拍摄湿润区域获取红外图像。
步骤2、定位校正:如图3所示,通过透视变换方法,使红外相机拍摄标靶所得图像各像素点(1,2,3,4)坐标分别对应标靶实际标准图像各像素点(1’,2’,3’,4’)坐标,计算得出测量区不同空间点位与标准尺寸之间的修正矩阵M,以此矩阵M对红外相机拍摄湿润区域图像进行校正。
步骤3、图像预处理:对定位校正后的红外图像进行灰度化处理,获取灰度图像;对灰度图进行中值滤波处理,设置核大小为n×n的矩阵进行去噪,保证在去噪的同时可以兼顾到湿润边界信息的保留;对去噪后的图像进行阈值分割,获取最优阈值,并得到二值图像,结果如图4所示。
优选地,步骤3中,所述n=3。
步骤4、边缘检测:使用边缘检测算法处理步骤3获得的二值图像,获取图像边缘;使用最大连通域算法处理边缘,提取湿润区边界轮廓,并标记该轮廓,结果如图5所示。
步骤5、角点获取:对比图5与图2-a理论湿润区域轮廓可知,边缘检测后的轮廓凸起部位与理论湿润区域轮廓相符,凹陷部位与理论湿润区域轮廓不符合。基于上述特点,使用凸包算法处理步骤4所得轮廓,获取凸包上的各角点坐标并标记,角点标记结果如图6所示。由图6可知,凸包算法处理后获得的角点均位于轮廓凸起部位,轮廓凹陷位置没有角点出现,这就保证了获得的角点均位于理论湿润区域轮廓上。
步骤6、轮廓处理:根据点源入渗时湿润体在地表形成椭圆面的基本原理,进行地表湿润区域的预测。设置角点个数最小阈值为m≥5,将各角点转化为矩阵形式,对各角点进行椭圆拟合,获得椭圆中心坐标、长短轴长以及倾斜角度;根据椭圆中心坐标、长短轴长以及倾斜角度绘制椭圆轮廓并填充。椭圆绘制及填充结果分别如图7和图8所示。
优选地,步骤6中,所述m=5。
步骤7、面积获取:使用轮廓面积计算函数获取步骤6所得的如图8所示的椭圆区域的面积,即为实际地表湿润区域面积S。
下面结合实施例对上述一种基于红外图像的点源入渗地表湿润面积自动测量方法进行叙述。
步骤1、图像采集:在湿润区附近平放标靶,红外相机固定位置,先拍摄标靶图像,拍摄后将标靶移除;随后红外相机在原位置定时拍摄湿润区域获取红外图像。
步骤2、定位校正:如图3所示,通过透视变换方法,使红外相机拍摄标靶所得图像各像素点(1,2,3,4)坐标分别对应标靶实际标准图像各像素点(1’,2’,3’,4’)坐标,计算得出测量区不同空间点位与标准尺寸之间的修正矩阵M,以此矩阵M对红外相机拍摄湿润区域所得红外图像进行变形校正。
步骤3、图像预处理:对定位校正后的红外图像使用opencv的cvtColor()函数进行灰度化处理获取灰度图像;对灰度图使用opencv的medianBlur()函数进行中值滤波处理,设置核大小为3x3的矩阵进行去噪;对去噪后的图像使用Otsu阈值分割算法进行自适应阈值分割,获取最优阈值以及按阈值分割得到的二值图像,二值图像按阈值分割为湿润区域和非湿润区域,结果如图4所示,其中黑色区域为湿润区域,白色区域为非湿润区域。
步骤4、边缘检测:使用canny边缘检测算法处理步骤3获得的二值图像,获取图像边缘;使用最大连通域算法处理边缘,提取湿润区边界轮廓,并标记该轮廓,结果如图5所示。
步骤5、角点获取:对比图5与图2-a理论湿润区域轮廓可见,边缘检测后的轮廓凸起部位与理论湿润区域轮廓相符,凹陷部位与理论湿润区域轮廓不符合。基于上述特点,使用opencv中凸包算法的convexHull()函数处理步骤4所得轮廓,获取凸包上的各角点坐标并使用circle()函数标记出来,角点标记结果如图6所示。由图6可见通过凸包算法处理后获得的角点均位于轮廓凸起部位,轮廓凹陷位置没有角点出现,这样便保证了获得的角点均位于理论湿润区域轮廓上。
步骤6、轮廓处理:根据点源入渗时湿润体在地表形成椭圆面的基本原理进行地表湿润区域的预测。设置角点个数最小阈值为5,将各角点转化为矩阵形式,使用opencv的fitEllipse()函数对所有角点进行椭圆拟合,获得椭圆中心坐标、长短轴长以及倾斜角度;根据椭圆中心坐标、长短轴长以及倾斜角度使用opencv的ellipse()函数绘制椭圆轮廓并填充,椭圆绘制及填充结果分别如图7和图8所示。图7拟合椭圆即为实际地表湿润区域边界轮廓,图8椭圆区域即为实际地表湿润区域。
步骤7、面积获取:使用opencv的轮廓面积计算函数contourArea()获取步骤6所得的如图8所示的椭圆区域的面积,即为实际地表湿润区域面积S。
Claims (3)
1.一种基于红外图像的点源入渗地表湿润面积自动测量方法,其特征在于:所述方法包括如下步骤:
步骤1、图像采集:在湿润区附近平放标靶,固定红外相机位置,先拍摄标靶图像,拍摄后将标靶移除;随后红外相机在原位置定时拍摄湿润区域获取红外图像;
步骤2、定位校正:通过透视变换方法,使红外相机拍摄标靶所得图像各像素点(1,2,3,4)坐标分别对应标靶实际标准图像各像素点(1’,2’,3’,4’)坐标,计算得出测量区不同空间点位与标准尺寸之间的修正矩阵M,以此矩阵M对红外相机拍摄湿润区域图像进行校正;
步骤3、图像预处理:对定位校正后的红外图像进行灰度化处理,获取灰度图像;对灰度图进行中值滤波处理,设置核大小为n×n的矩阵进行去噪,保证在去噪的同时可以兼顾到湿润边界信息的保留;对去噪后的图像进行阈值分割,获取最优阈值,并得到二值图像;
步骤4、边缘检测:使用边缘检测算法处理步骤3获得的二值图像,获取图像边缘;使用最大连通域算法处理边缘,提取湿润区边界轮廓,并标记该轮廓;
步骤5、角点获取:使用凸包算法处理步骤4所得轮廓,获取凸包上的各角点坐标并标记;
步骤6、轮廓处理:根据点源入渗时湿润体在地表形成椭圆面的基本原理,进行地表湿润区域的预测;设置角点个数最小阈值为m≥5,将各角点转化为矩阵形式,对各角点进行椭圆拟合,获得椭圆中心坐标、长短轴长以及倾斜角度;根据椭圆中心坐标、长短轴长以及倾斜角度绘制椭圆轮廓并填充;
步骤7、面积获取:使用轮廓面积计算函数获取步骤6所得的椭圆区域的面积,即为实际地表湿润区域面积。
2.如权利要求1所述的基于红外图像的点源入渗地表湿润面积自动测量方法,其特征在于:步骤3中,所述n=3。
3.如权利要求1所述的基于红外图像的点源入渗地表湿润面积自动测量方法,其特征在于:步骤6中,所述m=5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210097816.5A CN114494402A (zh) | 2022-01-27 | 2022-01-27 | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210097816.5A CN114494402A (zh) | 2022-01-27 | 2022-01-27 | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494402A true CN114494402A (zh) | 2022-05-13 |
Family
ID=81476576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210097816.5A Pending CN114494402A (zh) | 2022-01-27 | 2022-01-27 | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494402A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117168344A (zh) * | 2023-11-03 | 2023-12-05 | 杭州鲁尔物联科技有限公司 | 单目全景环视形变监测方法、装置及计算机设备 |
-
2022
- 2022-01-27 CN CN202210097816.5A patent/CN114494402A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117168344A (zh) * | 2023-11-03 | 2023-12-05 | 杭州鲁尔物联科技有限公司 | 单目全景环视形变监测方法、装置及计算机设备 |
CN117168344B (zh) * | 2023-11-03 | 2024-01-26 | 杭州鲁尔物联科技有限公司 | 单目全景环视形变监测方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Multi-feature combined cloud and cloud shadow detection in GaoFen-1 wide field of view imagery | |
CN107563964B (zh) | 大面阵亚米级夜景遥感影像的快速拼接方法 | |
CN101853333B (zh) | 医疗机器人导航定位图像中的标记拾取方法 | |
WO2020108088A1 (zh) | 确定风力发电机组的塔架净空的方法和装置 | |
CN107481287A (zh) | 一种基于多标识的物体定位定姿方法及系统 | |
CN113138148B (zh) | 一种基于红外图像的土壤入渗性能自动测量方法及装置 | |
CN109345554A (zh) | 一种基于rgb-d相机的粘连蘑菇视觉原位测量方法 | |
CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN111220235B (zh) | 水位监测方法及装置 | |
CN112308916A (zh) | 一种基于图像靶标的目标位姿识别方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN114494402A (zh) | 一种基于红外图像的点源入渗地表湿润面积自动测量方法 | |
CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN111798509A (zh) | 一种基于半球图像法测量叶面积指数的方法 | |
CN111652844A (zh) | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 | |
CN114973010A (zh) | 基于无先验数据的遥感水深反演模型迁移方法 | |
CN113639643B (zh) | 基于rgb-d深度相机的作物苗期高度检测方法 | |
CN114565653B (zh) | 一种存在旋转变化和尺度差异的异源遥感图像匹配方法 | |
CN114882122A (zh) | 图像局部自动标定方法、装置及相关设备 | |
CN115767253A (zh) | 一种自适应调节相机曝光参数和标记物识别阈值的方法及装置 | |
CN108152824A (zh) | 一种基于激光雷达的网球定位系统及方法 | |
CN110942452B (zh) | 一种基于多时相热红外遥感影像的云检测方法 |
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 |