CN115097415A - 一种波形点云数据的处理方法、系统及相关装置 - Google Patents
一种波形点云数据的处理方法、系统及相关装置 Download PDFInfo
- Publication number
- CN115097415A CN115097415A CN202210789272.9A CN202210789272A CN115097415A CN 115097415 A CN115097415 A CN 115097415A CN 202210789272 A CN202210789272 A CN 202210789272A CN 115097415 A CN115097415 A CN 115097415A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- cloud data
- waveform
- waveform point
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种波形点云数据的处理方法，包括：获取波形点云数据；确定波形点云数据执行数据补偿的基准维度；根据波形点云数据在基准维度上的投影确定基准维度的数据密度；创建多维数据空间，在多维数据空间中建立基准点云数据；在多维数据空间中，将波形点云数据赋值至最近的坐标点，得到测定数据；根据测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。本申请能够实现缺失数据的修补，从而解决波形点云数据作为雷达数据的信息缺失，提高对波形点云数据的信息识别精度。本申请还提供一种波形点云数据的处理系统、计算机可读存储介质和电子设备，具有上述有益效果。
Description
技术领域
本申请涉及点云数据领域，特别涉及一种波形点云数据的处理方法、系统及相关装置。
背景技术
如今市面上常用的激光雷达多以多线激光雷达为主，其中比较常见的为16线、32线、64线等。随着激光扫描线的增多，雷达识别信号的清晰度和敏感性就更强。但是无论是多少线的激光雷达，其表现出的特征都是正对雷达的方向可识别能力较强，而越靠近边缘的区域，雷达线就越稀疏。
而雷达信号越密集的区域，其对目标物的可识别能力就越强，反之，其识别能力就越弱。因此，当需要识别雷达边缘的目标物时，较为稀疏的雷达线就可能会对识别造成干扰，甚至遗漏。
因此，如何提高雷达信号的识别能力，是本领域技术人员亟需解决的技术问题。
发明内容
本申请的目的是提供一种波形点云数据的处理方法、处理系统、计算机可读存储介质和电子设备，能够有效修补波形点云数据中的缺失数据。
为解决上述技术问题，本申请提供一种波形点云数据的处理方法，具体技术方案如下：
获取所述波形点云数据；
确定所述波形点云数据执行数据补偿的基准维度；
根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；
创建多维数据空间，在所述多维数据空间中建立基准点云数据；
在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；
根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
可选的，获取所述波形点云数据包括：
确认目标被观测物体；
若所述目标被观测物体的轮廓可见，且所述目标被观测物体的缺失区域未超过整体区域的预设百分比，在预设坐标系中生成并获取所述目标被观测物体对应的点云数据。
可选的，若所述波形点云数据为三维点云数据，确定所述波形点云数据执行数据补偿的基准维度包括：
确定所述波形点云数据对应X方向和Y方向的数据定位维度，以便分别以X方向的定位矩阵和Y方向的为基准调整所述波形点云数据中Z轴坐标的值；
其中，所述X方向和所述Y方向对应的平面为执行数据补偿的基准维度。
可选的，根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度时，还包括：
确定所述波形点云数据的坐标确定最佳基准维度值；所述最佳基准维度值用于确定所述数据密度。
可选的，遍历并测算空白坐标上的测定值包括：
根据所述空白坐标的邻接值测算所述空白坐标的测定值。
本申请还提供一种波形点云数据的处理系统，包括：
获取模块，用于获取所述波形点云数据；
维度确定模块，用于确定所述波形点云数据执行数据补偿的基准维度；
密度确定模块，用于根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；
环境构建模块，用于创建多维数据空间，在所述多维数据空间中建立基准点云数据；
赋值模块，用于在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；
测定模块，用于根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
可选的，所述获取模块包括：
目标确定单元，用于确认目标被观测物体；
点云数据生成单元，用于若所述目标被观测物体的轮廓可见，且所述目标被观测物体的缺失区域未超过整体区域的预设百分比，在预设坐标系中生成并获取所述目标被观测物体对应的点云数据。
可选的，若所述波形点云数据为三维点云数据，维度确定模块为用于确定所述波形点云数据对应X方向和Y方向的数据定位维度，以便分别以X方向的定位矩阵和Y方向的为基准调整所述波形点云数据中Z轴坐标的值的模块；其中，所述X方向和所述Y方向对应的平面为执行数据补偿的基准维度。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本申请还提供一种电子设备，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如上所述的方法的步骤。
本申请提供一种波形点云数据的处理方法，包括：获取所述波形点云数据；确定所述波形点云数据执行数据补偿的基准维度；根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；创建多维数据空间，在所述多维数据空间中建立基准点云数据；在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
本申请针对于待修补的波形点云数据，将其转换为多维数据空间中的数据进行处理，通过投影将点云视角下呈环状状态的波形点云数据转换为密集的点阵状数据，在多维数据空间中对点阵状数据进行赋值测算，能够实现缺失数据的修补，从而解决波形点云数据作为雷达数据的信息缺失，提高对波形点云数据的信息识别精度。
本申请还提供一种波形点云数据的处理系统、计算机可读存储介质和电子设备，具有上述有益效果，此处不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种波形点云数据的处理方法的流程图；
图2为本申请实施例提供的波形点云数据处理示意图；
图3为本申请实施例所提供的一种波形点云数据的处理系统结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参考图1，图1为本申请实施例所提供的一种波形点云数据的处理方法的流程图，该方法包括：
S101：获取所述波形点云数据；
本步骤旨在获取波形点云数据，该波形点云数据可以直接从雷达获取。或者针对雷达输出的数据进行点云化处理，以得到波形点云数据。一种可行的实施方式中，若针对波形点云数据，可以直接从激光雷达获取波形点云数据。
此外，对于雷达所监测的目标被观测物体，其应当目标被观测物体的轮廓可见，且目标被观测物体的缺失区域未超过整体区域的预设百分比，在预设坐标系中生成并获取目标被观测物体对应的点云数据。在此对于预设百分比不作限定，通常可以设为40％或者50％。
S102：确定所述波形点云数据执行数据补偿的基准维度；
本步骤旨在确定进行数据补偿的基准维度，由于波形点云数据通常为二维或者三维数据，因此执行补偿的基准维度通常为一个维度或者两个维度。以普通的三维点云为例，需要确定两个维度进行数据定位，设其为x和y，然后根据x和y的定位矩阵为基准来调整z坐标的值，此时x和y所确定的平面就是该次测试的基准维度。
S103：根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；
本步骤需要根据波形点云数据在已确定的基准维度的投影测算基准维度的数据密度。举例而言，设点云在z轴上的投影密度为ρ，那么从圆心处的ρ0到最外缘的ρn，其的密度变化通常是在逐渐降低的。
那么此时基准密度的确立原则就是能尽可能的精确定位到更多的原始数据，假设原始数据在x上的坐标分别为0、1、1.5，那么基准维度的数据密度取0.5为最佳，取1或1.5为备选，但是相较于0.5的数据密度会丢失部分精度。
所谓数据密度，也即数据间的间隔距离，为了尽可能的精确定位原始数据，其数据密度应当适中，过大容易丢失数据精度，过小则容易提高计算量。
则本步骤的一种优选执行方式可以如下：
确定波形点云数据对应X方向和Y方向的数据定位维度，以便分别以X方向的定位矩阵和Y方向的为基准调整波形点云数据中Z轴坐标的值，X方向和Y方向对应的平面为执行数据补偿的基准维度。
S104：创建多维数据空间，在所述多维数据空间中建立基准点云数据；
本步骤旨在创建多维数据空间，并建立基准点云数据，多维数据空间用于利用其独有的空间数据进行指定维度上的数据测算，基准点云数据用于辅助执行数据测算。当然，建立基准点云数据时，应当参考上一步骤中确定的数据密度。
此外，本步骤还可以包含对于多维数据空间的初始化过程，例如指定多维数据空间的大小，配置目标被观测物体的相关特征，还可以设定在多维数据空间中的测算方法等等。通常多维数据空间的大小至少应包含目标被观测物体的全部大小。配置目标被观测物体的相关特征有助于快速进行测算，例如，若目标被观测物体为对称图形，则进行测算得到对称线一侧的数据后，可以直接进行坐标转换得到对称线另一侧的坐标数据。而多维数据空间中的测算方法可以按照点密度进行测算，当然也可以采用其他测算方法，在此不一一举例限定。
S105：在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；
本步骤旨在进行赋值，具体的，将波形点云数据包含的各数据赋值至多维数据空间中，拥有测定值的直接赋值，未包含测定值可以不赋值，或者设为空值或者0。
此外，对于不在基准数据上的波形点云数据，可以将其赋值至最近的坐标点。例如，若在前述步骤中设定数据密度为0.5，那么对于点(1.1,1.1)，显然无法确定其精确位置，此时，可以将其赋值至最近的坐标点，即(1,1)上。当然，也可以选择根据多维数据空间包含的测算规则，将其用于生成测算校正的备用参数，从而得到测定值后进行校正。
S106：根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
本步骤旨在进行基于测定数据对空白坐标进行测定，测定时，可以按照一定的测定顺序进行测定，在此对于测定顺序不作限定，可以由本领域技术人员自行设定。需要注意的是，该备用校正参数可由本领域技术人员根据历史测定数据测算，以便对填充的点云数据进行校正。当然，该备用校正参数也可以为空值或者零值。
在测算空白坐标上的测定值时，可以根据空白坐标的邻接值测算所述空白坐标的测定值，则若存在多个相邻的空白坐标，优先计算存在邻接值的空白坐标。
参见图2，图2为经由本申请所公开处理方法的处理的波形点云数据，可将如图2左侧处理前的待修补波形点云数据修补填充至如图2右侧的点阵状数据。
本申请实施例针对于待修补的波形点云数据，将其转换为多维数据空间中的数据进行处理，通过投影将点云视角下呈环状状态的波形点云数据转换为密集的点阵状数据，在多维数据空间中对点阵状数据进行赋值测算，能够实现缺失数据的修补，从而解决波形点云数据作为雷达数据的信息缺失，提高对波形点云数据的信息识别精度。
下面对本申请实施例提供的波形点云数据的处理系统进行介绍，下文描述的处理系统与上文描述的波形点云数据的处理方法可相互对应参照。
参见图3，图3为本申请实施例所提供的一种波形点云数据的处理系统结构示意图，本申请还提供一种波形点云数据的处理系统，包括：
获取模块，用于获取所述波形点云数据；
维度确定模块，用于确定所述波形点云数据执行数据补偿的基准维度；
密度确定模块，用于根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；
环境构建模块，用于创建多维数据空间，在所述多维数据空间中建立基准点云数据；
赋值模块，用于在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；
测定模块，用于根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
可选的，所述获取模块包括：
目标确定单元，用于确认目标被观测物体；
点云数据生成单元，用于若所述目标被观测物体的轮廓可见，且所述目标被观测物体的缺失区域未超过整体区域的预设百分比，在预设坐标系中生成并获取所述目标被观测物体对应的点云数据。
可选的，若所述波形点云数据为三维点云数据，维度确定模块为用于确定所述波形点云数据对应X方向和Y方向的数据定位维度，以便分别以X方向的定位矩阵和Y方向的为基准调整所述波形点云数据中Z轴坐标的值的模块；其中，所述X方向和所述Y方向对应的平面为执行数据补偿的基准维度。
本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种电子设备，可以包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然所述电子设备还可以包括各种网络接口，电源等组件。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的系统而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种波形点云数据的处理方法，其特征在于，包括：
获取所述波形点云数据；
确定所述波形点云数据执行数据补偿的基准维度；
根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；
创建多维数据空间，在所述多维数据空间中建立基准点云数据；
在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；
根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
2.根据权利要求1所述的处理方法，其特征在于，获取所述波形点云数据包括：
确认目标被观测物体；
若所述目标被观测物体的轮廓可见，且所述目标被观测物体的缺失区域未超过整体区域的预设百分比，在预设坐标系中生成并获取所述目标被观测物体对应的点云数据。
3.根据权利要求1所述的处理方法，其特征在于，若所述波形点云数据为三维点云数据，确定所述波形点云数据执行数据补偿的基准维度包括：
确定所述波形点云数据对应X方向和Y方向的数据定位维度，以便分别以X方向的定位矩阵和Y方向的为基准调整所述波形点云数据中Z轴坐标的值；
其中，所述X方向和所述Y方向对应的平面为执行数据补偿的基准维度。
4.根据权利要求3所述的处理方法，其特征在于，根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度时，还包括：
确定所述波形点云数据的坐标确定最佳基准维度值；所述最佳基准维度值用于确定所述数据密度。
5.根据权利要求1所述的处理方法，其特征在于，遍历并测算空白坐标上的测定值包括：
根据所述空白坐标的邻接值测算所述空白坐标的测定值。
6.一种波形点云数据的处理系统，其特征在于，包括：
获取模块，用于获取所述波形点云数据；
维度确定模块，用于确定所述波形点云数据执行数据补偿的基准维度；
密度确定模块，用于根据所述波形点云数据在所述基准维度上的投影确定所述基准维度的数据密度；
环境构建模块，用于创建多维数据空间，在所述多维数据空间中建立基准点云数据；
赋值模块，用于在所述多维数据空间中，根据所述基准点云数据将所述波形点云数据赋值至最近的坐标点，得到测定数据；
测定模块，用于根据所述测定数据和备用校正参数，遍历并测算空白坐标上的测定值，得到填充后的点云数据。
7.根据权利要求6所述的处理系统，其特征在于，所述获取模块包括：
目标确定单元，用于确认目标被观测物体；
点云数据生成单元，用于若所述目标被观测物体的轮廓可见，且所述目标被观测物体的缺失区域未超过整体区域的预设百分比，在预设坐标系中生成并获取所述目标被观测物体对应的点云数据。
8.根据权利要求6所述的处理系统，其特征在于，若所述波形点云数据为三维点云数据，维度确定模块为用于确定所述波形点云数据对应X方向和Y方向的数据定位维度，以便分别以X方向的定位矩阵和Y方向的为基准调整所述波形点云数据中Z轴坐标的值的模块；其中，所述X方向和所述Y方向对应的平面为执行数据补偿的基准维度。
9.一种计算机可读存储介质，其上存储有计算机程序，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1-5任一项所述的方法的步骤。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1-5任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210789272.9A CN115097415A (zh) | 2022-07-06 | 2022-07-06 | 一种波形点云数据的处理方法、系统及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210789272.9A CN115097415A (zh) | 2022-07-06 | 2022-07-06 | 一种波形点云数据的处理方法、系统及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115097415A true CN115097415A (zh) | 2022-09-23 |
Family
ID=83296781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210789272.9A Pending CN115097415A (zh) | 2022-07-06 | 2022-07-06 | 一种波形点云数据的处理方法、系统及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115097415A (zh) |
-
2022
- 2022-07-06 CN CN202210789272.9A patent/CN115097415A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108053441B (zh) | 一种激光三角法高精度测量方法 | |
| CN110480075A (zh) | 基于点云数据的工件曲面轮廓补偿系统及方法及介质 | |
| US7787696B2 (en) | Systems and methods for adaptive sampling and estimating a systematic relationship between a plurality of points | |
| CN112556625B (zh) | 轮毂安装面的角度测量方法、装置、设备及存储介质 | |
| US20230267593A1 (en) | Workpiece measurement method, workpiece measurement system, and program | |
| CN107966702B (zh) | 环境地图的构建方法及装置 | |
| CN108759668B (zh) | 一种震动环境中的跟踪式三维扫描方法及系统 | |
| CN110018491B (zh) | 激光扫描方法、装置及激光雷达 | |
| CN108875184B (zh) | 基于数字露头模型的页岩有机碳含量预测方法及装置 | |
| CN115097415A (zh) | 一种波形点云数据的处理方法、系统及相关装置 | |
| CN114863195B (zh) | 一种点云数据的处理方法、系统、存储介质和电子设备 | |
| CN109000560B (zh) | 基于三维相机检测包裹尺寸的方法、装置以及设备 | |
| KR101808958B1 (ko) | 구조물 형상 정보 구축 방법 및 구조물 변형 검출 방법 | |
| CN117036450A (zh) | 一种包装盒压痕深度和压痕宽度的测量方法、系统及终端 | |
| JP6280425B2 (ja) | 画像処理装置、画像処理システム、３次元計測器、画像処理方法及び画像処理プログラム | |
| CN116255930A (zh) | 一种基于点云切片的截面提取及测量方法及系统 | |
| CN115393381A (zh) | 一种直线度的检测方法、装置、计算机设备及存储介质 | |
| CN115930879A (zh) | 工件的轮廓检测装置、方法、服务器及存储介质 | |
| CN112990143B (zh) | 一种建筑图纸的模型匹配方法、系统及相关装置 | |
| CN112017290B (zh) | 一种圆锥面拟合方法、装置、计算机设备和存储介质 | |
| JP7156522B2 (ja) | 部材判別装置、部材判別方法及びプログラム | |
| CN111982115A (zh) | 基于惯性导航系统的特征点地图构建方法、装置以及介质 | |
| WO2021019616A1 (ja) | 検査装置、測定方法及びコンピュータ可読媒体 | |
| CN110750905A (zh) | 一种pcb元件封装方法、装置、设备及介质 | |
| CN114897907B (zh) | 一种烟支外观缺陷检测方法、装置及电子设备 |
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 |