CN117745739A - 一种基于多分辨率的工业ct图像点云获取方法 - Google Patents
一种基于多分辨率的工业ct图像点云获取方法 Download PDFInfo
- Publication number
- CN117745739A CN117745739A CN202311642911.XA CN202311642911A CN117745739A CN 117745739 A CN117745739 A CN 117745739A CN 202311642911 A CN202311642911 A CN 202311642911A CN 117745739 A CN117745739 A CN 117745739A
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- industrial
- dimensional
- segmentation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000011218 segmentation Effects 0.000 claims abstract description 82
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000003321 amplification Effects 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000002591 computed tomography Methods 0.000 description 43
- 238000005070 sampling Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明请求保护一种基于多分辨率的工业CT图像点云获取方法,首先对工业CT切片图像进行堆叠得到三维图像,将得到的三维图像通过27连通模型进行预处理,对预处理后的每层图像使用双线性插值进行多分辨率放大,将放大后的图像采用PHANSALKAR阈值分割算法进行三维分割,采用盘型膨胀结构对分割结果进行膨胀得到膨胀图像,对原图像和膨胀图像的交集部分采用PHANSALKAR阈值分割算法进行三维分割以此得到下一层的分割结果,最后对分割结果实施点云数据获取。此算法能够降低图像中噪声、伪影和低对比度的影响,同时能够获取连续性更好、精度更高的点云数据。
Description
技术领域
本发明属于图像处理领域,涉及一种基于多分辨率的工业CT图像点云获取方法。
背景技术
工业CT(计算机断层扫描)成像技术在制造业、航空航天、汽车、医疗和其他领域中广泛应用。它提供了一种非破坏性的测试和检测方法,能够获取物体内部的三维结构和密度信息。工业CT图像是由X射线或其他射线源穿透被测物体并被接收器捕获的一系列二维切片图像组成。在许多工业应用中,将工业CT图像转换为三维点云数据是重要的任务。点云是一组三维坐标点的集合,每个点表示物体表面的一个样本点。点云数据具有丰富的几何和拓扑信息,可用于质量检查、逆向工程、虚拟样机、尺寸测量、缺陷分析和模拟等应用。
然而,从工业CT图像中生成高质量的点云数据仍然面临一些挑战。首先,工业CT图像通常受到噪声、伪影和散射等因素的影响,这可能导致点云中的不确定性和不准确性。其次,工业CT图像的数据量庞大,处理和分析这些大规模数据需要高效的算法和计算资源。此外,工业应用通常需要对不同细节级别的几何形状进行精确表示,以满足各种应用需求。
现有的点云获取方法存在一些局限性。基于体素化的方法可以通过将CT图像转换为体素网格来提取点云,但其在处理复杂几何形状时可能导致数据冗余和计算复杂度增加。其他方法可能使用基于特征提取或表面重建的技术,但在处理大规模数据时可能存在计算效率和准确性方面的挑战。
针对零件表面点云获取,刘永治,郭忠超,周玲在《计算机时代》(2021(03):46-48)的文章“一种零件表面点云数据的获取方法”中提出提出一种基于线激光扫描的零件表面点云数据获取方法。首先对相机进行标定,可用于对相机采集到的图像进行矫正,同时得到相机的内外参数,用于后续图像处理的坐标转换;再利用图像采集系统采集图像,对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换,得到零件表面的三维点云数据,但线激光扫描对于不可见或遮挡的表面区域无法获取数据。针对曲面点云获取方法,王鑫,詹总谦,索一凡在《测绘地理信息》(2016,41(02):36-39)的文章“一种基于黑白光栅条纹的曲面点云获取方法研究”提出改进一种基于黑白光栅条纹的立体匹配方法,设计带有特征的光栅条纹,并利用该条纹进行光栅解码得到黑白条纹的编号;计算影像所有核线与所有编码条纹的交点,得到同名立体匹配点,但引入特征设计和解码算法会增加方法的复杂性,特征设计和解码算法可能增加误匹配的风险。这些方法都能实现点云获取,但以上方法实用性不够强,因此,需要一种创新的方法,能够高效准确地从工业CT图像中生成点云数据。这样的方法将克服现有方法的局限性,提供高质量、可扩展和灵活的点云获取解决方案,以满足工业应用中对精确几何信息的需求。
CN113516662A,一种基于多分辨率融合的点云分割方法和装置,涉及计算机视觉与机器学习技术领域,其中,方法包括:获取待分割图像,通过预测器对待分割图像进行点云分割,获取原始点云分割结果;对待分割图像进行降采样,获取低分辨率图像特征;通过预测器对低分辨率图像特征进行点云分割,获取低分辨率点云分割结果;对低分辨率点云分割结果进行上采样的优化更新处理,获取与原始点云分割结果相同分辨率的目标点云分割结果,并将原始点云分割结果和目标点云分割结果进行融合处理,并输出点云分割结果。由此,解决现有点云分割框架中,对低分辨率信息利用不充分的问题,将低分辨率点云分割结果直接用于分割结果的预测,提高点云分割准确性。
专利中先降采样再上采样的点云分割会导致一些细节信息的丢失,在降采样-上采样结构的点云分割框架,分割速度较慢。本发明通过先上采样后降采样进行多分辨率点云分割,可以保留更多的信息,提高了分割精度,能够降低图像中噪声、伪影和低对比度的影响,同时能够获取连续性更好、没有断边现象的分割结果。在点云分割框架中,同时使用了加速分割算法,提高了分割速度。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于多分辨率的工业CT图像点云获取方法。本发明的技术方案如下:
一种基于多分辨率的工业CT图像点云获取方法,其包括以下步骤:
步骤1:将工业CT切片图像O按垂直于扫描方向堆叠为三维图像T,根据27连通模型对工业CT三维图像进行预处理得到预处理三维图像P;
步骤2:对预处理后的工业CT三维图像P进行加速三维分割得到分割结果S;
步骤3:对分割结果S实施点云数据获取。
进一步的,所述步骤1中的将工业CT切片图像O按垂直于扫描方向堆叠为三维图像T,具体包括:
1)定义垂直于扫描方向为Z轴,并以远离CT机旋转台方向为Z轴正方向,按Z轴正方向依次对CT切片图像进行编号;
2)依次读入编号后CT切片图像并按Z轴增加次序进行叠加获得其三维图像T。
进一步的,所述步骤1根据27连通模型对工业CT三维图像进行预处理得到预处理三维图像P,具体包括:
1)新建一个与三维图像T尺寸相同的空图像P,对三维图像T中每一个像素,取其27领域像素集;27领域指的是以该像素为中心,包括该像素在内的周围共27个像素的集合;
2)计算27领域内像素灰度均值,令空图像P中相应像素值等于此灰度均值,遍历所有像素后,空图像即为预处理后三维图像P。
进一步的,所述27连通模型表示为:
式中V(x,y,z)表示像素点(x,y,z)的27连通值,f(x,y,z)表示像素点(x,y,z)的灰度值,m表示像素点的位置。
进一步的,所述步骤2对预处理后的工业CT三维图像P进行加速三维分割得到分割结果S,具体包括:
1)对其中每层图像进行基于双线性插值的多分辨率放大,令K=1;
2)对放大后的第K层图像,采用PHANSALKAR阈值分割算法进行三维分割;
3)采用对盘形膨胀结构对第K层叶片CT切片图像分割结果进行膨胀得到膨胀图像;
4)对第K+1层图像,取原图像与第K层膨胀图像的交集部分,对此部分采用PHANSALKAR阈值分割算法进行三维分割,得到第K+1层图像的分割结果;
5)若是最后一层图像,结束,否则K=K+1,转到步骤2)。
进一步的,所述PHANSALKAR阈值分割算法具体包括以下步骤:
方式a:令i=1,j=1;
方式b:将图像P中第i行、第j列像素设为当前局部窗口中心,局部窗口尺寸为S×S×3;
方式c:计算在窗口尺寸内三维图像所有像素的灰度均值μlocal;
方式d:计算在窗口尺寸内三维图像所有像素的灰度方差σlocal;
方式e:计算阈值T=μlocal×(1+p×e-q×μ)+k×((σlocal/r)-1));
方式f:若Pij灰度大于T,将分割结果中对应像素Rij的灰度置为L-1,否则置为0;结束判断;若i=H且j=W则结束;若j<W则j=j+1,转到方式b);若i<H且j=W则i=i+1,j=1,转到方式b);
其中H,W为图像P的长和宽,灰度级为L,i表示行,j表示列,局部边长为S,(q,p,k,r)为PHANSALKAR算法参数。
进一步的,所述对第K层叶片CT切片图像分割结果进行膨胀得到膨胀图像;具体步骤为:
方式a:定义结构元素用于指定膨胀操作的形状和大小;
方式b:将定义的结构元素与原始图像进行匹配,将结构元素的每个元素与原始图像中相应位置的像素进行比较;
方式c:如果结构元素的元素与原始图像中相应位置的像素匹配,则将结构元素覆盖到输出图像的相应位置,如果结构元素的元素与原始图像中相应位置的像素不匹配则跳过;
方式d:若遍历完整个原始图像,结束,否则转到方式b。
一种电子设备,其包括存储器、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计算机程序,其特征在于,所述处理器执行所述程序时实现如任一项所述基于多分辨率的工业CT图像点云获取方法。
一种非暂态计算机可读存储介质,其上存储有计算机程序,其所述计算机程序被处理器执行时实现如任一项所述基于多分辨率的工业CT图像点云获取方法。
一种计算机程序产品,包括计算机程序,其所述计算机程序被处理器执行时实现如任一项所述基于多分辨率的工业CT图像点云获取方法。
本发明的优点及有益效果如下:
本发明针对从工业CT图像结构拐点、局部对比度低等原因出现断点,导致亚像素级分割结果中相邻两点的距离可能大于一个像素,出现了断边现象,此问题大大降低了亚像素的精度,且阻碍了后续高精度点云生成,本发明提供一种基于多分辨率的工业CT图像点云获取方法。首先将工业CT切片图像堆叠为三维图像并进行预处理,再采用双线性插值进行多分辨率放大并用PHANSALKAR阈值分割算法进行加速的三维分割,最后对分割结果实施点云数据获取。
本发明通过对工业CT切片图像进行堆叠得到三维图像,将三维图像进行预处理来提升图像质量,将预处理后的图像进行加速的三维分割,最后将分割结果实施点云数据获取。该方法能够获取得到高精度点云数据且没有断点问题。
本发明通过先上采样后降采样进行多分辨率点云分割,可以保留更多的信息,提高了分割精度,能够降低图像中噪声、伪影和低对比度的影响,同时能够获取连续性更好、没有断边现象的分割结果。在点云分割框架中,同时使用了加速分割算法,提高了分割速度。
附图说明
图1是本发明提供优选实施例一种基于多分辨率的工业CT图像点云获取方法流程图。
具体实施方式
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
如图1所示,一种基于多分辨率的工业CT图像点云获取方法流程图,对大小为1024x1024的工业CT切片图像,执行以下步骤:
⑴将工业CT切片图像O按垂直于扫描方向堆叠为三维图像T,根据27连通模型对工业CT三维图像进行预处理得到预处理三维图像P。
⑵对预处理后的工业CT三维图像P进行加速的三维分割得到分割结果S。
⑶对分割结果S实施点云数据获取。
在上述步骤(1)中的三维图像堆叠步骤包括:
1)定义垂直于扫描方向为Z轴,并以远离CT机旋转台方向为Z轴正方向,按Z轴正方向依次对CT切片图像进行编号;
2)依次读入编号后CT切片图像并按Z轴增加次序进行叠加获得其三维图像T。
在上述步骤(1)中的三维图像预处理步骤包括:
1)新建一个与三维图像T尺寸相同的空图像P,对三维图像T中每一个像素,取其27领域像素集;
2)计算27领域内像素灰度均值,令空图像P中相应像素值等于此灰度均值,遍历所有像素后,空图像即为预处理后三维图像P。
上述27连通模型可以表示为:
式中V(x,y,z)表示像素点(x,y,z)的27连通值,f(x,y,z)表示像素点(x,y,z)的灰度值。
上述步骤(2)中对P图像加速分割步骤包括:
1)对其中每层图像进行基于双线性插值的多分辨率放大5倍,令K=1;
2)对放大后的第K层图像,采用PHANSALKAR阈值分割算法进行三维分割;
3)用对盘形膨胀结构对第K层叶片CT切片图像分割结果进行膨胀得到膨胀图像;
4)对第K+1层图像,取原图像与第K层膨胀图像的交集部分,对此部分采用PHANSALKAR阈值分割算法进行三维分割,得到第K+1层图像的分割结果;
5)若是最后一层图像,结束,否则K=K+1,转到步骤2)。
在上述步骤2)中,采用PHANSALKAR阈值分割算法进行三维分割具体步骤为:
方式a:令i=1,j=1;
方式b:将图像P中第i行、第j列像素设为当前局部窗口中心,局部窗口尺寸为S×S×3;
方式c:计算在窗口尺寸内三维图像所有像素的灰度均值μlocal;
方式d:计算在窗口尺寸内三维图像所有像素的灰度方差σlocal;
方式e:计算阈值T=μlocal×(1+p×e-q×μ)+k×((σlocal/r)-1));
方式f:若Pij灰度大于T,将分割结果中对应像素Rij的灰度置为L-1,否则置为0;结束判断;若i=H且j=W则结束;若j<W则j=j+1,转到方式b);若i<H且j=W则i=i+1,j=1,转到方式b)。
其中H,W为图像P的长和宽,灰度级为L,i表示行,j表示列,局部边长为S,(q,p,k,r)为PHANSALKAR算法参数。
在上述步骤3)中,膨胀具体步骤为:
方式a:定义结构元素用于指定膨胀操作的形状和大小;
方式b:将定义的结构元素与原始图像进行匹配,将结构元素的每个元素与原始图像中相应位置的像素进行比较;
方式c:如果结构元素的元素与原始图像中相应位置的像素匹配,则将结构元素覆盖到输出图像的相应位置,如果结构元素的元素与原始图像中相应位置的像素不匹配则跳过;
方式d:若遍历完整个原始图像,结束,否则转到方式b。
与现有的其他方法相比,基于多分辨率的工业CT点云获取方法能够降低图像中噪声、伪影和低对比度的影响,同时能够获取连续性更好、精度更高的点云数据,表明了本发明方法的可行性和有效性。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读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。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于多分辨率的工业CT图像点云获取方法,其特征在于,包括以下步骤:
步骤1:将工业CT切片图像O按垂直于扫描方向堆叠为三维图像T,根据27连通模型对工业CT三维图像进行预处理得到预处理三维图像P;
步骤2:对预处理后的工业CT三维图像P进行加速三维分割得到分割结果S;
步骤3:对分割结果S实施点云数据获取。
2.根据权利要求1所述的一种基于多分辨率的工业CT图像点云获取方法,其特征在于,所述步骤1中的将工业CT切片图像O按垂直于扫描方向堆叠为三维图像T,具体包括:
1)定义垂直于扫描方向为Z轴,并以远离CT机旋转台方向为Z轴正方向,按Z轴正方向依次对CT切片图像进行编号;
2)依次读入编号后CT切片图像并按Z轴增加次序进行叠加获得其三维图像T。
3.根据权利要求1所述的一种基于多分辨率的工业CT图像点云获取方法,其特征在于,所述步骤1根据27连通模型对工业CT三维图像进行预处理得到预处理三维图像P,具体包括:
1)新建一个与三维图像T尺寸相同的空图像P,对三维图像T中每一个像素,取其27领域像素集;27领域指的是以该像素为中心,包括该像素在内的周围共27个像素的集合;
2)计算27领域内像素灰度均值,令空图像P中相应像素值等于此灰度均值,遍历所有像素后,空图像即为预处理后三维图像P。
4.根据权利要求3所述的一种基于多分辨率的工业CT图像点云获取方法,其特征在于,所述27连通模型表示为:
式中V(x,y,z)表示像素点(x,y,z)的27连通值,f(x,y,z)表示像素点(x,y,z)的灰度值,m表示像素点的位置。
5.根据权利要求1所述的一种基于多分辨率的工业CT图像点云获取方法,其特征在于,所述步骤2对预处理后的工业CT三维图像P进行加速三维分割得到分割结果S,具体包括:
1)对其中每层图像进行基于双线性插值的多分辨率放大,令K=1;
2)对放大后的第K层图像,采用PHANSALKAR阈值分割算法进行三维分割;
3)采用对盘形膨胀结构对第K层叶片CT切片图像分割结果进行膨胀得到膨胀图像;
4)对第K+1层图像,取原图像与第K层膨胀图像的交集部分,对此部分采用PHANSALKAR阈值分割算法进行三维分割,得到第K+1层图像的分割结果;
5)若是最后一层图像,结束,否则K=K+1,转到步骤2)。
6.根据权利要求5所述的一种基于多分辨率的工业CT图像点云获取方法,其特征在于,所述PHANSALKAR阈值分割算法具体包括以下步骤:
方式a:令i=1,j=1;
方式b:将图像P中第i行、第j列像素设为当前局部窗口中心,局部窗口尺寸为S×S×3;
方式c:计算在窗口尺寸内三维图像所有像素的灰度均值μlocal;
方式d:计算在窗口尺寸内三维图像所有像素的灰度方差σlocal;
方式e:计算阈值T=μlocal×(1+p×e-q×μ)+k×((σlocal/r)-1));
方式f:若Pij灰度大于T,将分割结果中对应像素Rij的灰度置为L-1,否则置为0;结束判断;若i=H且j=W则结束;若j<W则j=j+1,转到方式b);若i<H且j=W则i=i+1,j=1,转到方式b);
其中H,W为图像P的长和宽,灰度级为L,i表示行,j表示列,局部边长为S,(q,p,k,r)为PHANSALKAR算法参数。
7.根据权利要求5所述的一种基于多分辨率的工业CT图像点云获取方法,其特征在于,所述对第K层叶片CT切片图像分割结果进行膨胀得到膨胀图像;具体步骤为:
方式a:定义结构元素用于指定膨胀操作的形状和大小;
方式b:将定义的结构元素与原始图像进行匹配,将结构元素的每个元素与原始图像中相应位置的像素进行比较;
方式c:如果结构元素的元素与原始图像中相应位置的像素匹配,则将结构元素覆盖到输出图像的相应位置,如果结构元素的元素与原始图像中相应位置的像素不匹配则跳过;
方式d:若遍历完整个原始图像,结束,否则转到方式b。
8.一种电子设备,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计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于多分辨率的工业CT图像点云获取方法。
9.一种非暂态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至7任一项所述基于多分辨率的工业CT图像点云获取方法。
10.一种计算机程序产品,包括计算机程序,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任一项所述基于多分辨率的工业CT图像点云获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311642911.XA CN117745739A (zh) | 2023-12-01 | 2023-12-01 | 一种基于多分辨率的工业ct图像点云获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311642911.XA CN117745739A (zh) | 2023-12-01 | 2023-12-01 | 一种基于多分辨率的工业ct图像点云获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745739A true CN117745739A (zh) | 2024-03-22 |
Family
ID=90257082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311642911.XA Pending CN117745739A (zh) | 2023-12-01 | 2023-12-01 | 一种基于多分辨率的工业ct图像点云获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745739A (zh) |
-
2023
- 2023-12-01 CN CN202311642911.XA patent/CN117745739A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553858B (zh) | 基于生成对抗网络的图像修复方法、系统及其应用 | |
Ali et al. | Guided image filtering in shape-from-focus: A comparative analysis | |
CN112800964A (zh) | 基于多模块融合的遥感影像目标检测方法及系统 | |
CN111797744B (zh) | 一种基于共现滤波算法的多模态遥感图像匹配方法 | |
CN112396640A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN106981090B (zh) | 一种管内步进单向光束扫描断层图像的三维重建方法 | |
CN115187676A (zh) | 一种高精度线激光三维重建标定方法 | |
CN111602177A (zh) | 用于生成物体的3d重建的方法和设备 | |
CN112154448A (zh) | 目标检测方法、设备及可移动平台 | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN113989343A (zh) | 基于注意力机制的传感器融合深度重建数据驱动方法 | |
CN110268441A (zh) | 获得物体的多个部件的3d模型数据的方法 | |
CN108615221B (zh) | 基于剪切二维极线平面图的光场角度超分辨率方法及装置 | |
CN114549669A (zh) | 一种基于图像融合技术的彩色三维点云获取方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN110211091A (zh) | 一种高分辨图像重构方法、装置及隐裂无损检测系统 | |
CN115131225A (zh) | 隧道限界确定方法、装置电子设备及存储介质 | |
CN110363863B (zh) | 一种神经网络的输入数据生成方法和系统 | |
CN117745739A (zh) | 一种基于多分辨率的工业ct图像点云获取方法 | |
CN114782300B (zh) | 产品图像重构方法、产品重构模型训练方法、装置 | |
CN110751732A (zh) | 一种2d图像转3d图像的方法 | |
CN116246119A (zh) | 3d目标检测方法、电子设备及存储介质 | |
CN115035404A (zh) | 基于三维激光雷达构建语义地图的方法及系统 | |
CN115601423A (zh) | 一种双目视觉场景下基于边缘增强的圆孔位姿测量方法 | |
CN114359891A (zh) | 一种三维车辆检测方法、系统、装置及介质 |
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 |