TWI740224B - 光資訊三維空間量測方法 - Google Patents
光資訊三維空間量測方法 Download PDFInfo
- Publication number
- TWI740224B TWI740224B TW108135610A TW108135610A TWI740224B TW I740224 B TWI740224 B TW I740224B TW 108135610 A TW108135610 A TW 108135610A TW 108135610 A TW108135610 A TW 108135610A TW I740224 B TWI740224 B TW I740224B
- Authority
- TW
- Taiwan
- Prior art keywords
- information
- observed
- dimensional space
- light
- collect
- Prior art date
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本發明乃是一種光資訊三維空間量測方法，該方法之步驟：1.收集三維空間資訊，該收集三維空間資訊包含待觀測物之高度資訊、平面座標資訊及表面曲率資訊；2.收集參考基準光資訊訊息，該收集參考基準光資訊訊息為收集待觀測物存在之空間位置內，不同高度下放置參考板，並量測間隔不同高度下參考板之基準光資訊訊息，以作為一參考數值；3.收集待觀測物光資訊訊息，該收集待觀測物光資訊訊息為實際量測待觀測物之光資訊實測數值；及4.運算三維空間資訊校正光資訊訊息，其將收集三維空間資訊、收集參考基準光資訊訊息及收集待觀測物光資訊訊息導入運算三維空間資訊校正光資訊訊息，乃是將收集三維空間資訊結合收集待觀測物光資訊訊息，並利用收集參考基準光資訊訊息運算出三維空間座標上的實際量測待觀測物之校正光資訊訊息。
Description
本發明涉及用於結合三維空間資訊之光資訊量測方法，可應用於農漁養殖業之室內及室外光資訊分析與紀錄方法。
光資訊如高光譜影像(hyperspectral imaging)是收集及處理整個跨電磁波譜的資訊。不像是人類的眼睛，只能接觸到可見光。而高光譜的接觸機制、比如蝦蛄的眼睛它的光譜能夠接觸到紅外線延伸到紫外線的範圍。高光譜的能力能夠使蝦蛄分辨出不同的珊瑚、獵物，或者獵食者，而這些正是人類所缺少的。工程師們已經製造出可用於農業、礦業、物理以及監控領域的傳感器及處理系統。高光譜傳感器通過大量的不同波段的電磁頻譜來探測物體。實際物體會在電磁頻譜中留下具有唯一的「指紋」。這些「指紋」被稱為光譜特性並可用來確認被識別物體的組成成分。比如說，石油的光譜特性便可以用來幫助礦質學家們找到油田，先前技術是利用高光譜回推預估三維紋理特徵。目前一般的高光譜研究因植物高度及葉片曲面角度變異甚大，因此於高光譜儀器資料採集時，會因白平衡校正位置不同而使得不同三維空間上之光譜資料有所不正確，導致目前相關研究多僅得以離體處理，將葉片置於同一高度進行精準的量測。
先前技術針對一種基於三維預測的高光譜圖像無損壓縮方法研究，如中國專利號CN1632479A所揭露，涉及圖像處理領域本發明的特徵在於具有以下處理步驟：(1)計算機從存儲設備讀入高光譜圖像；(2)計算各個波段間的相關係數矩陣；(3)計算相關係數矩陣的最大生成樹，得到預測順序表；(4)根據預測順序表對圖像進行自適應預測編碼(5)將壓縮後的數據輸出到緩存器，可以直接在本地進行存儲或通過網絡進行遠程傳輸等操作(6)關閉預測順序表文件及原始高光譜圖像文件。本發明所提供的方法能夠有效的去處高光譜圖像的空間/譜間相關性，實現高效的無損壓縮，與目前無損/近無損壓縮標準JPEG-LS相比，本發明獲得的平均比特率能降低0.3bpp(bit/pixel)左右。
三維掃描儀(3D scanner)是一種科學儀器，用來偵測並分析現實世界中物體或環境的形狀(幾何構造)與外觀資料(如顏色、表面反照率等性質)。蒐集到的資料常被用來進行三維重建計算，在虛擬世界中建立實際物體的數位模型。這些模型具有相當廣泛的用途，舉凡工業設計、瑕疵檢測、逆向工程、機器人導引、地貌測量、醫學資訊、生物資訊、刑事鑑定、數位文物典藏、電影製片、遊戲創作素材等等都可見其應用。三維掃描儀的製作並非仰賴單一技術，各種不同的重建技術都有其優缺點，成本與售價也有高低之分。目前並無一體通用之重建技術，儀器與方法往往受限於物體的表面特性。例如光學技術不易處理閃亮(高反照率)、鏡面或半透明的表面，而雷射技術不適用於脆弱或易變質的表面。
國立中央大學，土木工程研究所，張鈞凱，2007年，論文名稱：高光譜影像立方體紋理特徵之三維計算，揭露近年來，三維形式的影像資料越來越普遍，例如遙測領域的高光譜影像，醫學的核磁共振影像和電腦斷層掃描，地質學的震測資料等，提供進行三維紋理分析的可能性。紋理分析為特徵萃取和影
像分析中最重要的方法之一，然而，傳統的紋理分析方法，大部分都集中在二維的紋理特性，鮮少將其拓展至三維形式以處理三維實體資料。該研究即拓展傳統二維Grey Level Co-occurrence Matrix(GLCM)至三維形式(Grey Level Co-occurrence Matrix for Volumetric Data,GLCMVD)，並將其應用至高光譜影像以萃取有用的紋理特徵。就傳統二維GLCM而言，決定在計算時所需的最佳視窗大小一直是重要的研究課題。先前的研究指出，視窗大小對於分類成果佔百分之九十以上的影響量。其原因在於，在計算時需要夠大的視窗，才能包含足夠的資訊描述資料特性，但在紋理分割時則需要較小的視窗，方可突顯不同紋理區塊之邊界。因此，在GLCMVD計算中，如何決定適合的視窗大小亦是一迫切的問題。為了解決此一問題，本研究提出以半變異元分析於三維資料上之應用，計算在GLCMVD中所需要之最佳視窗大小。其結果顯示，將半變異元分析應用至三維資料，確實可以找出最佳視窗大小進行GLCMVD運算。此外本研究之成果亦證實，由三維資料所萃取之紋理特徵較二維紋理在分類上有更佳的識別能力。賴哲環、蔡富安，航測及遙測學刊；第14卷4期2009年12月1日，第303-316頁，文獻名稱：高光譜影像立方體於特徵空間之三維紋理計算，提出灰階共生張量場概念，單次記錄高光譜影像立方體中三個像元的灰階出現頻率，並進行三階統計指標運算，以期產生更佳的三維特徵萃取。再者，本文研發新的演算法訂定三維紋理計算之視窗(核)尺寸，以光譜分離度分析，求得最能區別各類別組的波長取樣間距，做為光譜方向的視窗尺寸，並結合半變異元分析決定空間方向的視窗尺寸，增加三維紋理計算的分類精度。研究結果顯示，以分離度分析配合半變異元分析決定的視窗尺寸，可產生較佳的三維紋理計算成果。此外，灰階共生張量場在多數的統計指標能有效地提升特徵萃取與地物分類的成果。該研究所指三維光譜之定義分為影像(二維度)與光譜資訊(一維度)，共組成的三維度資訊；未揭露立體空間中的三維空間之立體資訊，先前技術所
定義之三維與本發明欲開發之技術所指之三維定義有所不同。
本發明之發明人從事光資訊量測儀器產業工作多年，深知先前技術多以高光譜為創作基準，缺乏其他光資訊之應用。本發明可應用於高光譜資訊，亦可應用於多光譜、葉綠素螢光等光學資訊中，以擷取更多光資訊的應用範疇；且光資訊訊息比對基準不一致，以致於光資訊訊息比對時有不對等之問題，其仍有不足之處須解，本發明人乃致力於發展光資訊三維空間資訊量測方法之開發。本發明乃是一種光資訊三維空間量測方法，該方法之步驟：1.收集三維空間資訊，該收集三維空間資訊包含待觀測物之高度資訊、平面座標資訊及表面曲率資訊；2.收集參考基準光資訊訊息，該收集參考基準光資訊訊息為收集待觀測物存在之空間位置內，不同高度下放置參考板，並量測間隔不同高度下參考板之基準光資訊訊息，以作為一參考數值；3.收集待觀測物光資訊訊息，該收集待觀測物光資訊訊息為實際量測待觀測物之光資訊實測數值；及4.運算三維空間資訊校正光資訊訊息，其將收集三維空間資訊、收集參考基準光資訊訊息及收集待觀測物光資訊訊息導入運算三維空間資訊校正光資訊訊息，乃是將收集三維空間資訊結合收集待觀測物光資訊訊息，並利用收集參考基準光資訊訊息運算出三維空間座標上的實際量測待觀測物之校正光資訊訊息。其中，收集三維空間資訊是利用三維掃描儀收集其三維空間資訊，該三維掃描儀為至少一接觸式掃描儀、非接觸式主動掃描儀與非接觸式被動掃描儀。收集參考基準光資訊訊息中，間隔不同高度下參考板之高光譜資訊，以數值分析方法繪製出間隔不同高度下參考板之高光譜資訊之趨勢線，以該趨勢線作為依據建構待觀測物存在之空間位置中不同高度下參考基準光資訊訊息。收集參考基準光資訊訊息中，該參考板為至少一白板、黑板和其他色板。收集待觀測物光資訊訊息中，該光
資訊訊息包括至少一影像、波長範圍、強度資訊及時間資訊。收集待觀測物光資訊訊息中，是使用光傳感器量測待觀測物，該使用之光傳感器乃是以大量的不同波段的電磁頻譜來量測待觀測物。步驟1至3待觀測物與量測儀器之角度，該角度為垂直高度至水平高度間之角度量測。步驟1至3可置換順序或同時執行，以縮短量測時間。運算三維空間資訊校正光資訊訊息包含至少一高度座標結合校正光資訊影像、高度座標結合校正光資訊波長範圍和高度座標結合校正高光資訊強度資訊。運算三維空間資訊校正光資訊訊息包含至少一平面座標結合校正光資訊影像、平面座標結合校正光資訊波長範圍和平面座標結合校正光資訊強度資訊。本發明具一致參考值導入以校正高光譜資訊之影像、波長範圍及強度資訊，於資料比對上可清楚分辨出不同高度下量測之高光譜資訊量。本量測方法與步驟有別於過去習知技藝具差異化，其新穎、進步及實用效益無誤。有關本創作所採用之技術、手段及其功效，茲舉一較佳實施例並配合圖式詳細說明於後，相信本創作上述之目的、構造及特徵，當可由之得一深入而具體的瞭解。
101:收集三維空間資訊
201:收集參考基準光資訊訊息
301:收集待觀測物光資訊訊息
401:運算三維空間資訊校正光資訊訊息
第1圖係顯示本創作光資訊三維空間量測方法流程圖。
以下係藉由特定的具體實施例說明本創作之實施方式，熟習此技藝之人
士可由本說明書所揭示之內容輕易地了解本創作之其他優點與功效。本創作亦可藉由其他不同的具體實施例加以施行或應用，本說明書中的各項細節亦可基於不同觀點與應用，在不悖離本創作之精神下進行各種修飾與變更。
首先敬請閱第1圖係顯示本創作光資訊三維空間量測方法流程圖，說明本發明乃是一種光資訊三維空間量測方法，該方法之步驟：1.收集三維空間資訊101，該收集三維空間資訊101包含待觀測物之高度資訊、平面座標資訊及表面曲率資訊；2.收集參考基準光資訊訊息201，該收集參考基準光資訊訊息201為收集待觀測物存在之空間位置內，不同高度下放置參考板，並量測間隔不同高度下參考板之基準光資訊訊息，以作為一參考數值；3.收集待觀測物光資訊訊息301，該收集待觀測物光資訊訊息301為實際量測待觀測物之光資訊實測數值；及4.運算三維空間資訊校正光資訊訊息401，其將收集三維空間資訊101、收集參考基準光資訊訊息201及收集待觀測物光資訊訊息301導入運算三維空間資訊校正光資訊訊息401，乃是將收集三維空間資訊101結合收集待觀測物光資訊訊息301，並利用收集參考基準光資訊訊息201運算出三維空間座標上的實際量測待觀測物之校正光資訊訊息。其中，收集三維空間資訊101是利用三維掃描儀收集其三維空間資訊，該三維掃描儀為至少一接觸式掃描儀、非接觸式主動掃描儀與非接觸式被動掃描儀。收集參考基準光資訊訊息201中，間隔不同高度下參考板之高光譜資訊，以數值分析方法繪製出間隔不同高度下參考板之高光譜資訊之趨勢線，以該趨勢線作為依據建構待觀測物存在之空間位置中不同高度下參考基準光資訊訊息。收集參考基準光資訊訊息201中，該參考板為至少一白板、黑板和其他色板。收集待觀測物光資訊訊息301中，該光資訊訊息包括至少一影像、波長範圍、強度資訊及時間資訊。收集待觀測物光資訊訊息301中，是使用光傳感器量測待觀測物，該使用之光傳感器乃是以大量的不同波段的電磁頻
譜來量測待觀測物。步驟1至3待觀測物與量測儀器之角度，該角度為垂直高度至水平高度間之角度量測。步驟1至3可置換順序或同時執行，以縮短量測時間。運算三維空間資訊校正光資訊訊息401包含至少一高度座標結合校正光資訊影像、高度座標結合校正光資訊波長範圍和高度座標結合校正高光資訊強度資訊。運算三維空間資訊校正光資訊訊息401包含至少一平面座標結合校正光資訊影像、平面座標結合校正光資訊波長範圍和平面座標結合校正光資訊強度資訊。
為使審查委員更進一步了解本發明實際應用情境，舉例植物高度及葉片曲面角度之光資訊應用領域。本發明方法之實施得以將不同植物高度、不同曲度葉片於同一空間中進行一次性完整精準量測，將可大幅提高不同高度之影像光資訊之擷取效率與準確率，並達到植物活體精準光資訊影像量測之功能。更可利用高光譜、多光譜、葉綠素螢光等光資訊所需之不同光源及相對之光傳感器，進行本發明步驟1至4之實施。更進一步，因應用本方法時，無需將待測物置於同一平面即可準確量測，故本發明不需要將植物進行離體處理，可直接於植物活體狀態下，將植物活體不同高度葉片之光資訊訊息精準量測。光源除了高光譜收集及處理整個跨電磁波譜的資訊外，本發明亦可採多光譜之不同特定波長下進行光資訊收集及運算分析。如以葉綠素螢光為光源設備，則可以收集被觀測物包含動物及植物之病理狀態、生長狀態及營養素含量之分析。
再舉例本發明步驟1至4應用於漁業及農業之實施例，如箱網養殖及農業種植，箱網養殖及農業種植最大的問題是管理的區域廣大，特別是海上箱網養殖，視養殖魚種差異，若放養位置在距岸2至3公里的海域，養殖戶不能時刻完整視察養殖場的每個角落，因此掌握養殖物生長狀況的能力有限，若養殖現場有足夠的數據協助決策，將可提高養殖物存活率，如網箱養殖長期在水中浸泡
後吸附了大量的生物殘渣及漂浮雜物，網上著生了大量的絲狀藻類，若不適時去除將影響網箱內外水流的暢通與交換和網箱內水體的更新，進而造成網箱內的水質變差，含氧減少，不利魚的正常生長或導致魚類各種疾病的發生。另外，於大面積及山坡地之農業種植，同樣均有管理之困難，本發明即可即時回報準確校正光資訊訊息，以提供種植戶參考下補救判斷，以進行施藥或剷除病原區域重新種植。
本發明即提供光資訊三維空間量測方法，應用於箱網養殖及農業種植下之步驟：1.收集三維空間資訊101，其透過對箱網養殖及農業種植區域之高度資訊、平面座標資訊及表面曲率資訊三維空間資訊之收集；2.收集參考基準光資訊訊息201，該收集參考基準光資訊訊息201為收集待觀測物存在之水下空間或空氣空間位置內，不同高度下放置參考板，並量測間隔不同高度下參考板之基準光資訊訊息，以作為一參考數值；3.收集待觀測物光資訊訊息301，該收集待觀測物光資訊訊息301為實際量測箱網養殖及農業種植區域之光資訊實測數值；及4.運算三維空間資訊校正光資訊訊息401，其將收集三維空間資訊101、收集參考基準光資訊訊息201及收集待觀測物光資訊訊息301導入運算三維空間資訊校正光資訊訊息401，乃是將收集三維空間資訊101結合收集箱網養殖及農業種植區域之光資訊訊息，並利用收集參考基準光資訊訊息201運算出三維空間座標上的實際量測箱網養殖及農業種植區域之校正光資訊訊息。本發明能於箱網養殖比較水質之溶氧量、溫度及箱網上藻類著生數量，在適當時間點移動養殖漁場或去除箱網上之藻類，以維持及提升養殖漁場環境之品質，提升水產產值。於農業種植方面，有效管理種植農作物，能即時回報準確三維空間之校正光資訊訊息，以提供種植戶即時比對光資訊影像，快速判讀並下補救判斷措施，得以正確且快速進行施藥或剷除病原區域重新種植之決策判斷。
本發明乃是一種光資訊三維空間量測方法，其具有結合高度資訊、平面座標及表面曲率資訊之校正光資訊特徵，有別於過去習知技藝具差異化，其新穎、進步及實用效益無誤。故可有效改進習知缺失，使用上有相當大之實用性。
綜觀上述，本創作實施例所揭露之具體構造，確實能提供一致參考數值運算出校正光資訊之影像、波長範圍及強度資訊，於光資料比對上可清楚分辨出不同高度下量測之光資訊量之比對應用，以其整體方法及技術而言，既未曾見諸於同類產品中，申請前亦未見公開，誠已符合專利法之法定要件，爰依法提出發明專利申請。
惟以上所述者，僅為本創作之一較佳實施例而已，當不能以此限定本創作實施之範圍，即大凡依本創作申請專利範圍及創作說明書內容所作之等效變化與修飾，皆應仍屬本創作專利涵蓋之範圍內。
101:收集三維空間資訊
201:收集參考基準光資訊訊息
301:收集待觀測物光資訊訊息
401:運算三維空間資訊校正光資訊訊息
Claims (10)
- 一種光資訊三維空間量測方法，該方法之步驟：1.收集三維空間資訊，該收集三維空間資訊包含待觀測物之高度資訊、平面座標資訊及表面曲率資訊；2.收集參考基準光資訊訊息，該收集參考基準光資訊訊息為收集待觀測物存在之空間位置內，不同高度下放置參考板，並量測間隔不同高度下參考板之基準光資訊訊息，以作為一參考數值；3.收集待觀測物光資訊訊息，該收集待觀測物光資訊訊息為實際量測待觀測物之光資訊實測數值；及4.運算三維空間資訊校正光資訊訊息，其將收集三維空間資訊、收集參考基準光資訊訊息及收集待觀測物光資訊訊息導入運算三維空間資訊校正光資訊訊息，乃是將收集三維空間資訊結合收集待觀測物光資訊訊息，並利用收集參考基準光資訊訊息運算出三維空間座標上的實際量測待觀測物之校正光資訊訊息。
- 如請求項1所述之光資訊三維空間量測方法，其中，收集三維空間資訊是利用三維掃描儀收集其三維空間資訊，該三維掃描儀為至少一接觸式掃描儀、非接觸式主動掃描儀與非接觸式被動掃描儀。
- 如請求項1所述之光資訊三維空間量測方法，其中，收集參考基準光資訊訊息中，間隔不同高度下參考板之高光譜資訊，以數值分析方法繪製出間隔不同高度下參考板之高光譜資訊之趨勢線，以該趨勢線作為依據建構待觀測物存在之空間位置中不同高度下參考基準光資訊訊息。
- 如請求項1所述之光資訊三維空間量測方法，其中，收集參考基準光資訊訊息中，該參考板為至少一白板、黑板和其他色板。
- 如請求項1所述之光資訊三維空間量測方法，其中，收集待觀測物光資訊訊息中，該光資訊訊息包括至少一影像、波長範圍、強度資訊及時間資訊。
- 如請求項1所述之光資訊三維空間量測方法，其中，收集待觀測物光資訊訊息中，是使用光傳感器量測待觀測物，該使用之光傳感器乃是以大量的不同波段的電磁頻譜來量測待觀測物。
- 如請求項1所述之光資訊三維空間量測方法，其中，步驟1至3待觀測物與量測儀器之角度，該角度為垂直高度至水平高度間之角度量測。
- 如請求項1所述之光資訊三維空間量測方法，其中，步驟1至3可置換順序或同時執行，以縮短量測時間。
- 如請求項1所述之光資訊三維空間量測方法，其中，運算三維空間資訊校正光資訊訊息包含至少一高度座標結合校正光資訊影像、高度座標結合校正光資訊波長範圍和高度座標結合校正高光資訊強度資訊。
- 如請求項1所述之光資訊三維空間量測方法，其中，運算三維空間資訊校正光資訊訊息包含至少一平面座標結合校正光資訊影像、平面座標結合校正光資訊波長範圍和平面座標結合校正光資訊強度資訊。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108135610A TWI740224B (zh) | 2019-10-01 | 2019-10-01 | 光資訊三維空間量測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108135610A TWI740224B (zh) | 2019-10-01 | 2019-10-01 | 光資訊三維空間量測方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202115361A TW202115361A (zh) | 2021-04-16 |
| TWI740224B true TWI740224B (zh) | 2021-09-21 |
Family
ID=76604130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108135610A TWI740224B (zh) | 2019-10-01 | 2019-10-01 | 光資訊三維空間量測方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI740224B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090295910A1 (en) * | 2005-03-24 | 2009-12-03 | Jose Mir | Hyperspectral Imaging System and Methods Thereof |
| US20100198775A1 (en) * | 2009-12-17 | 2010-08-05 | Adam Robert Rousselle | Method and system for estimating vegetation growth relative to an object of interest |
| TWI436029B (zh) * | 2011-03-04 | 2014-05-01 | Univ Nat Formosa | 光學式強度型三維表面形貌與顯微量測裝置及方法 |
| CN105203464A (zh) * | 2015-08-28 | 2015-12-30 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中油酸含量分布的方法 |
| WO2017105177A1 (es) * | 2015-12-14 | 2017-06-22 | Reyes Rodriguez Edwin Bismark | Sistema de procesamiento de imágenes para análisis multiespectral e hiperespectral en agricultura de precisión. |
| TWI618915B (zh) * | 2013-04-25 | 2018-03-21 | 沃柯公司 | 用於檢測物件的三維結構的設備 |
-
2019
- 2019-10-01 TW TW108135610A patent/TWI740224B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090295910A1 (en) * | 2005-03-24 | 2009-12-03 | Jose Mir | Hyperspectral Imaging System and Methods Thereof |
| US20100198775A1 (en) * | 2009-12-17 | 2010-08-05 | Adam Robert Rousselle | Method and system for estimating vegetation growth relative to an object of interest |
| TWI436029B (zh) * | 2011-03-04 | 2014-05-01 | Univ Nat Formosa | 光學式強度型三維表面形貌與顯微量測裝置及方法 |
| TWI618915B (zh) * | 2013-04-25 | 2018-03-21 | 沃柯公司 | 用於檢測物件的三維結構的設備 |
| CN105203464A (zh) * | 2015-08-28 | 2015-12-30 | 中国农业科学院农产品加工研究所 | 基于高光谱成像技术检测花生中油酸含量分布的方法 |
| WO2017105177A1 (es) * | 2015-12-14 | 2017-06-22 | Reyes Rodriguez Edwin Bismark | Sistema de procesamiento de imágenes para análisis multiespectral e hiperespectral en agricultura de precisión. |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202115361A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11744189B2 (en) | Plant treatment based on morphological and physiological measurements | |
| Sun et al. | Three-dimensional photogrammetric mapping of cotton bolls in situ based on point cloud segmentation and clustering | |
| Andujar et al. | Using depth cameras to extract structural parameters to assess the growth state and yield of cauliflower crops | |
| Rahman et al. | Exploring the potential of high resolution worldview-3 Imagery for estimating yield of mango | |
| Font et al. | Vineyard yield estimation based on the analysis of high resolution images obtained with artificial illumination at night | |
| Rosell et al. | A review of methods and applications of the geometric characterization of tree crops in agricultural activities | |
| Méndez et al. | In-field estimation of orange number and size by 3D laser scanning | |
| Bhujel et al. | Detection of gray mold disease and its severity on strawberry using deep learning networks | |
| Fang et al. | 3D quantification of plant root architecture in situ | |
| Ohashi et al. | Monitoring the growth and yield of fruit vegetables in a greenhouse using a three-dimensional scanner | |
| Zhang et al. | High-throughput phenotyping of plant leaf morphological, physiological, and biochemical traits on multiple scales using optical sensing | |
| Zhou et al. | Ground-based thermal imaging for assessing crop water status in grapevines over a growing season | |
| Ma et al. | A method of calculating phenotypic traits for soybean canopies based on three-dimensional point cloud | |
| TWI740224B (zh) | 光資訊三維空間量測方法 | |
| Yuan et al. | UAV Photogrammetry-Based Apple Orchard Blossom Density Estimation and Mapping | |
| Ibaraki et al. | Image analysis for plants: basic procedures and techniques | |
| CN112097679B (zh) | 一种基于光信息三维空间测量方法 | |
| Galal et al. | Using RGB imaging, optimized three-band spectral indices, and a decision tree model to assess Orange fruit quality | |
| Yang et al. | Characterizing genotype-specific rice architectural traits using smart mobile app and data modeling | |
| Tian et al. | Three-Dimensional Quantification and Visualization of Leaf Chlorophyll Content in Poplar Saplings under Drought Using SFM-MVS | |
| Sun et al. | In-field high throughput phenotyping and phenotype data analysis for cotton plant growth using LiDAR | |
| Xhimitiku et al. | Anomaly detection in plant growth in a controlled environment using 3D scanning techniques and deep learning | |
| Poleshchenko et al. | Development of a System for Automated Control of Planting Density, Leaf Area Index and Crop Development Phases by UAV Photos | |
| Cao | A Low-Cost Depth Imaging Mobile Platform for Canola Phenotyping | |
| Vaishnavi et al. | Survey on detection and prediction of leaf diseases using CNN |