-
公开(公告)号：CN115147463A
公开(公告)日：2022-10-04
申请号：CN202210350267.8
申请日：2022-04-04
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于旋转台的多视角点云自主配准方法及应用，包括以下步骤，采集模块采集目标图像；生成3D点云；确定旋转盘上带有不同颜色的标签数量，以及所述标签与所述旋转盘直径的比例；进行所述旋转盘的点云标定，得出所述旋转盘连续旋转前后点云片的刚性变换矩阵集R；将目标对象放置于所述旋转盘上，在相同条件下，将所述旋转盘有序旋转360°，所述目标对象与转盘点云片具有相同的变换矩阵集R，依次有序输入后完成目标点云自主配准。本发明的有益效果：仅需一次旋转盘标定，即可实现多个目标物的点云自主配准，大大提高了点云数据处理效率；二是基于特制旋转台实现点云配准方法不需经过多个坐标系的转换和角度计算，减少了累计误差。
-
Patent Agency Ranking
公开(公告)号：CN109345539B
公开(公告)日：2022-03-01
申请号：CN201811169347.3
申请日：2018-10-08
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于图像抽象的自适应Mean‑Shift立木图像分割方法，包括如下步骤：步骤一,对采集的立木图像进行多角度图像抽象,采用双边滤波法进行平滑处理，采用图像金字塔方法作进一步平滑模糊；步骤二,将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽hs、颜色特征采用插入规则法获得值域带宽hr，结合高斯核函数自适应Mean‑Shift聚类，得到立木聚类图像；采用FloodFill方法填充，并过滤噪声提取感兴趣区且进行数学形态学处理，得到立木分割图像。本发明的分割方法，能够减少立木图像背景信息和冠层间隙对聚类的影响，使立木图像聚类更为完整、平滑，大大提高了立木图像分割精度。
-
公开(公告)号：CN110517228A
公开(公告)日：2019-11-29
申请号：CN201910694942.7
申请日：2019-07-30
Applicant: 浙江农林大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于卷积神经网络与迁移学习的树干图像快速检测方法。解决现有树干检测方法存在不稳定性、耗时费力的问题。通过在采集图像数据构建训练样本，采用迁移学习和卷积神经网络对训练样本进行训练，获得树干检测模型，对测试图像进行检测，获取检测结果。本发明采用基于卷积神经网络与迁移学习的树干检测模型对图像进行检测，获取树干图像，相比传统树干检测方法稳定性更好，耗时更短。
-
公开(公告)号：CN115147463B
公开(公告)日：2024-10-29
申请号：CN202210350267.8
申请日：2022-04-04
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于旋转台的多视角点云自主配准方法及应用，包括以下步骤，采集模块采集目标图像；生成3D点云；确定旋转盘上带有不同颜色的标签数量，以及所述标签与所述旋转盘直径的比例；进行所述旋转盘的点云标定，得出所述旋转盘连续旋转前后点云片的刚性变换矩阵集R；将目标对象放置于所述旋转盘上，在相同条件下，将所述旋转盘有序旋转360°，所述目标对象与转盘点云片具有相同的变换矩阵集R，依次有序输入后完成目标点云自主配准。本发明的有益效果：仅需一次旋转盘标定，即可实现多个目标物的点云自主配准，大大提高了点云数据处理效率；二是基于特制旋转台实现点云配准方法不需经过多个坐标系的转换和角度计算，减少了累计误差。
-
公开(公告)号：CN109345539A
公开(公告)日：2019-02-15
申请号：CN201811169347.3
申请日：2018-10-08
Applicant: 浙江农林大学
Abstract: 本发明公开了一种基于图像抽象的自适应Mean-Shift立木图像分割方法，包括如下步骤：步骤一,对采集的立木图像进行多角度图像抽象,采用双边滤波法进行平滑处理，采用图像金字塔方法作进一步平滑模糊；步骤二,将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽hs、颜色特征采用插入规则法获得值域带宽hr，结合高斯核函数自适应Mean-Shift聚类，得到立木聚类图像；采用FloodFill方法填充，并过滤噪声提取感兴趣区且进行数学形态学处理，得到立木分割图像。本发明的分割方法，能够减少立木图像背景信息和冠层间隙对聚类的影响，使立木图像聚类更为完整、平滑，大大提高了立木图像分割精度。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
