CN109883992A - 一种仿真流场图像rgb与折射率场分布的转化方法 - Google Patents
一种仿真流场图像rgb与折射率场分布的转化方法 Download PDFInfo
- Publication number
- CN109883992A CN109883992A CN201910000926.3A CN201910000926A CN109883992A CN 109883992 A CN109883992 A CN 109883992A CN 201910000926 A CN201910000926 A CN 201910000926A CN 109883992 A CN109883992 A CN 109883992A
- Authority
- CN
- China
- Prior art keywords
- density
- value
- rgb
- refractive index
- distribution
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明属于图像处理与物理方法相结合的技术领域,公开了一种仿真流场图像RGB与折射率场分布的转化方法;运用仿真软件模拟出高速飞行器在高空飞行的气体流场密度的分布云图;将密度分布的彩色云图截取出来,记录密度分布的上限与下限;运用编程技术将图像的RGB值提取并进行编号;将RGB值与密度值关联;将密度值转化为对应的折射率值,将密度转化为折射率的转化公式为G‑D公式,G‑D公式为n=1+KGD·ρ;将编号下的密度值进行计算转化,以此循环,可得到带有编号折射率单元构成的折射率场的分布。本发明避开了分层计算分层的局限,令计算更加精确,误差更小,为后续进一步进行几何光学的其它工作提供了较好的传输平台。
Description
技术领域
本发明属于图像处理与物理方法相结合的技术领域,尤其涉及一种仿真流场图像RGB与折射率场分布的转化方法。
背景技术
目前,业内常用的现有技术是这样的:随着航天航空事业的不断发展,人们对各类飞行器的飞行速度与飞行高度的要求也在不断提升,研究高速飞行器在高空飞行的情况具有极其重要的战略意义与军事意义。在高速飞行器飞行的过程中,在飞行器周围将形成绕流场,飞行器周围温度通常高至几千甚至上万开尔文,周围气体发生电离,形成等离子鞘套,诸如像航天飞机或是一些军事目标在平流层(离海平面约10km至50km)飞行时,电磁波将无法穿过鞘套层,出现通讯黑障问题。然而光波由于波长较小,具有较好的穿透性,故将探测波段由电磁波波段转向光波波段将有望解决电磁波穿过等离子鞘套层所遇到的通讯黑障问题。在光波传输的过程中,气体的折射率变化是引起光束偏折和光强削减的主要原因,所以得到高速飞行器周围的折射率场分布就成为研究光束在流场中传输的首要问题。
目前流场分布仿***要采用的是基于蒙特卡洛方法的软件模拟或DNS计算。采用软件模拟流场的方法,在处理二维流场仿真图时大多数采用的是分层的方法,即将流场分为数个折射率不同的介质层再进行后续的处理。然而分层的方法精确性取决于分的层数与其折射率变化的梯度,在一层内折射率实际上是不同的,若将其近似视作相同的折射率层使后续几何光学的处理光线偏折与光强变化离实际相差甚多,在一层内折射率实际上是不同的,若将其近似视作相同的折射率层使后续几何光学的处理光线偏折与光强变化离实际相差甚多,故此方法误差较大,分析问题较为粗糙,无法精确描述一个折射率场的分布情况。故此方法误差较大,分析问题较为粗糙,无法精确描述一个折射率场的分布情况。
综上所述,现有技术存在的问题是:目前流场分布仿真采用基于蒙特卡洛方法的软件模拟或DNS计算误差较大,分析问题较为粗糙,无法真正描述一个折射率场的分布情况。
解决上述技术问题的难度和意义:难度在于将场的密度分布将像素相关联,并转化为数量众多的折射率单元块;此方法的意义在于大大提高了折射率场分布的精度,令后续处理几何光学的问题创造了更良好的平台。
发明内容
针对现有技术存在的问题,本发明提供了一种仿真流场图像RGB与折射率场分布的转化方法。
本发明是这样实现的,一种仿真流场图像RGB与折射率场分布的转化方法,所述仿真流场图像RGB与折射率场分布的转化方法包括:
第一步,运用仿真软件模拟出高速飞行器在高空飞行的气体流场密度的分布云图;
第二步,将密度分布的彩色云图截取出来,记录密度分布的上限与下限;
第三步,运用编程技术将图像的RGB值提取并进行编号;
第四步,将RGB值与密度值关联;
(1)彩色云图的颜色变化由一种颜色渐变至另一种颜色,对应的密度逐渐减小,RGB值变化时每个R、G、B值略有浮动,但整体趋势不变。RGB的种类有n种,则有RGB值每变化1,对应的密度变化Δ=(密度上限-密度下限)/n;
(2)运用编程将每个RGB值与密度相关联,RGB值每变化1,则密度变化一个Δ,如RGB值由(255,0,0)变化至(255,5,0)则其密度变化了5个Δ,若为递减趋势,其对应的密度为ρ=密度上限-5×Δ,由此将每一种像素对应其密度值;
第五步,将密度值转化为对应的折射率值,将密度转化为折射率的转化公式为G-D公式,G-D公式为n=1+KGD·ρ;将编号下的密度值进行计算转化,以此循环,可得到带有编号折射率单元构成的折射率场的分布。
进一步,所述第二步中上限为ρmax,下限为ρmin,单位为g/cm3。
进一步,所述第三步中将每一个像素提取出来,图像上飞行器内部无密度场,同时其颜色为白色,并且飞行器边界是黑色,纯黑色与纯白色的RGB分别为为(255,255,255)与(0,0,0),数值上下略有浮动,将程序设置剔除RGB均大于(235,235,235)与均小于(20,20,20)可将黑色与白色的RGB值完全剔除,但为了方面后续几何光学的处理,将其密度设为0;若该图的像素为mpixel×npixel,令图片坐上角的点原点,横向为X轴,纵向为Y轴,建立坐标系,从左上角第一个像素开始记录第一个编号(0,0),依次循环,记录至第(m-1,n-1)个像素编号。
进一步,所述第四步具体包括:
(1)假设彩色云图的颜色变化为红色渐变至蓝色,所以其RGB值的变化为(255,0,0)→(255,255,0)→(0,255,0)→(0,255,255)→(0,0,255),对应的密度逐渐减小,RGB值变化时每个R、G、B值略有浮动,但是整体趋势不变。RGB的种类有256×4=1024种,则有RGB值每变化1,对应的密度变化Δ=(ρmax-ρmin)/1024;
(2)运用编程将每个RGB值与密度相关联,RGB值每变化1,则密度变化一个Δ,将编号内的RGB依次采用算法进行计算转化,在判断每一个像素点RGB值时需要注意其在哪一个区块,例如(0,255,20)属于(0,255,0)→(0,255,255)的区域,其密度为ρ=ρmax-(256+256+20)Δ,同时注意RGB的浮动值例如RGB值为(3,255,20)仍然属于(0,255,0)→(0,255,255)的区域,但R值有所浮动,在红至蓝渐变的过程中,R值越大,则密度越大,故其密度为ρ=ρmax-(256+256+20-3)Δ。若B值波动,如RGB值为(255,100,3)其仍属于(255,0,0)→(255,255,0)范围,但B值有所波动,由于在红至蓝变化中,B越大,密度越小,则其密度为ρ=ρmax-(100+3)Δ;若G值有所波动,如RGB为(100,252,0),其仍属于(255,255,0)→(0,255,0)的范围,G比较特殊,其在(0,255,255)之前越小则密度越大,但在(0,255,255)之后越小,密度越小,所以RGB为(100,252,0)的密度为ρ=ρmax-(256+155-3)Δ;按照此判断将所有像素的密度算出,得出密度场分布,并记录对应编号。
进一步,所述第五步具体包括:使用G-D公式将密度值转化为对应的折射率值,G-D公式为:n=1+KGD·ρ,其中其中λ的单位为μm,将编号下的密度值进行计算转化,在判断是否存在密度时只需要判断其密度值是否为0,若为0,则该处无折射率;若不为0,则计算其折射率;循环计算可得到带有编号折射率单元构成的折射率场的分布,并导入.txt文件。
本发明的另一目的在于提供一种应用所述仿真流场图像RGB与折射率场分布的转化方法的飞行器。
本发明的另一目的在于提供一种应用所述仿真流场图像RGB与折射率场分布的转化方法的图像处理平台。
综上所述,本发明的优点及积极效果为:将流场气体密度分布图像的每个像素的RGB值与其折射率分布相关联,将每个像素视为一个小的折射率区块,从而大大提高了相关计算的精度,也更精确地给出了折射率场的分布情况。本发明在计算折射率场时,得到了众多的折射率单元模块,避开了分层计算分层的局限,令计算更加精确,误差更小,为后续进一步进行几何光学的其它工作提供了较好的传输平台。不同的颜色变换需要不同的密度对应算法。图3为部分数据结果,密度和折射率在数值上符合理论计算,同时达到了较高的精度,得到了由456×209个的单元区块构成的折射率场,部分无折射率的部分在结果中都为0,折射率的精度也在10-15,折射率相当精确,后续进行几何光学处理时结果也非常理想。
附图说明
图1是本发明实施例提供的仿真流场图像RGB与折射率场分布的转化方法流程图。
图2是本发明实施例提供的仿真流场图像RGB与折射率场分布的转化方法实现流程图。
图3是本发明实施例提供的截取后的仿真流场图。
图4是本发明实施例提供的部分数据结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明将图像像素的RGB值与物理中空间二维的折射率场分布相关联,以得到折射率场分布。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的仿真流场图像RGB与折射率场分布的转化方法包括以下步骤:
S101:运用仿真软件模拟出高速飞行器在高空飞行的气体流场密度的分布云图;
S102:将密度分布的彩色云图截取出来,记录密度分布的上限与下限;
S103:运用编程技术将图像的RGB值提取并进行编号;
S104:将RGB值与密度值关联;
S105:将密度值转化为对应的折射率值,将密度转化为折射率的转化公式为G-D公式,将编号下的密度值进行计算转化,以此循环,得到带有编号折射率单元构成的折射率场的分布。
下面结合附图对本发明的应用原理作进一步的描述。
软件与软件之间可能有所不同,颜色的渐变也不局限于从红到蓝,需要对应不同的颜色变化进行不同的编程计算,下面给出其中一种的转化实例。
(1)在众多仿真软件中选取一个软件进行流体仿真,首先建立一个类钝头的模型,让其在高空、以高超声速的飞行条件下进行飞行,仿真出其外流场的密度特性。
(2)将彩色云图截取出来,记录其密度的上限以及下限,上限为ρmax,下限为ρmin,单位为g/cm3。
(3)运用编程,将每一个像素提取出来,图像上飞行器内部无密度场,同时其颜色为白色,并且飞行器边界是黑色,纯黑色与纯白色的RGB分别为为(255,255,255)与(0,0,0),数值上下略有浮动,将程序设置剔除RGB均大于(235,235,235)与均小于(20,20,20)可将黑色与白色的RGB值完全剔除,但为了方面后续几何光学的处理,将其密度设为0。若该图的像素为mpixel×npixel,令图片坐上角的点原点,横向为X轴,纵向为Y轴,建立坐标系,从左上角第一个像素开始记录第一个编号(0,0),依次循环,记录至第(m-1,n-1)个像素编号。
(4)将RGB值与密度值关联;
(4a)假设彩色云图的颜色变化为红色渐变至蓝色,所以其RGB值的变化为(255,0,0)→(255,255,0)→(0,255,0)→(0,255,255)→(0,0,255),对应的密度逐渐减小,RGB值变化时每个R、G、B值略有浮动,但是整体趋势不变。RGB的种类有256×4=1024种,则有RGB值每变化1,对应的密度变化Δ=(ρmax-ρmin)/1024。
(4b)运用编程将每个RGB值与密度相关联,RGB值每变化1,则密度变化一个Δ,将编号内的RGB依次采用算法进行计算转化,在判断每一个像素点RGB值时需要注意其在哪一个区块,例如(0,255,20)属于(0,255,0)→(0,255,255)的区域,其密度为ρ=ρmax-(256+256+20)Δ,同时注意RGB的浮动值例如RGB值为(3,255,20)仍然属于(0,255,0)→(0,255,255)的区域,但R值有所浮动,在红至蓝渐变的过程中,R值越大,则密度越大,故其密度为ρ=ρmax-(256+256+20-3)Δ。若B值波动,如RGB值为(255,100,3)其仍属于(255,0,0)→(255,255,0)范围,但B值有所波动,由于在红至蓝变化中,B越大,密度越小,则其密度为ρ=ρmax-(100+3)Δ。若G值有所波动,如RGB为(100,252,0),其仍属于(255,255,0)→(0,255,0)的范围,G比较特殊,其在(0,255,255)之前越小则密度越大,但在(0,255,255)之后越小,密度越小,所以RGB为(100,252,0)的密度为ρ=ρmax-(256+155-3)Δ。按照此判断将所有像素的密度算出,得出密度场分布,并记录对应编号。
(5)使用G-D公式将密度值转化为对应的折射率值。通用的G-D公式为:n=1+KGD·ρ,其中其中λ的单位为μm,将编号下的密度值进行计算转化,在判断是否存在密度时只需要判断其密度值是否为0,若为0,则该处无折射率;若不为0,则计算其折射率。循环计算可得到带有编号折射率单元构成的折射率场的分布,并导入.txt文件以便于后续几何光学的处理。
本发明在计算折射率场时,得到了众多的折射率单元模块,避开了分层计算分层的局限,令计算更加精确,误差更小,为后续进一步进行几何光学的其它工作提供了较好的传输平台。不同的颜色变换需要不同的密度对应算法,这里只例举了较为普遍的红至蓝变化的方法。
下面结合仿真对本发明的应用效果作详细的描述。
1、算例使用的仿真软件与基本参数
使用的仿真软件为Ansys下的Fluent软件,采用的是ICEM建模与网格的剖分。
模型飞行的基本参数为:
飞行高度:20km,飞行速度:8ma,周围空气压强:5.529×103Pa,周围空气温度:216.65K。
图片像素与其他参数:
将仿真的图像部分截取出来,如图2,得到的像素为456pixel×209pixel,即有456×209个单元。在G-D公式中,波长λ=1.06μm。得到仿真图的密度上限为0.802g/cm3,下限为0.00326g/cm3。
2、数据结果
图3为部分数据结果,密度和折射率在数值上符合理论计算,同时达到了较高的精度,得到了由456×209个的单元区块构成的折射率场,部分无折射率的部分在结果中都为0,折射率的精度也在10-15,折射率相当精确,后续进行几何光学处理时结果也非常理想。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种仿真流场图像RGB与折射率场分布的转化方法,其特征在于,所述仿真流场图像RGB与折射率场分布的转化方法包括:
第一步,运用仿真软件模拟出高速飞行器在高空飞行的气体流场密度的分布云图;
第二步,将密度分布的彩色云图截取出来,记录密度分布的上限与下限;
第三步,运用编程技术将图像的RGB值提取并进行编号;
第四步,将RGB值与密度值关联;
(1)彩色云图的颜色变化由一种颜色渐变至另一种颜色,对应的密度逐渐减小,RGB值变化时每个R、G、B值略有浮动,但整体趋势不变;RGB的种类有n种,则有RGB值每变化1,对应的密度变化Δ=(密度上限-密度下限)/n;
(2)运用编程将每个RGB值与密度相关联,RGB值每变化1,则密度变化一个Δ,如RGB值由(255,0,0)变化至(255,5,0)则其密度变化了5个Δ,若为递减趋势,其对应的密度为ρ=密度上限-5×Δ,由此将每一种像素对应其密度值;
第五步,将密度值转化为对应的折射率值,将密度转化为折射率的转化公式为G-D公式,G-D公式为n=1+KGD·ρ;将编号下的密度值进行计算转化,以此循环,得到带有编号折射率单元构成的折射率场的分布。
2.如权利要求1所述的仿真流场图像RGB与折射率场分布的转化方法,其特征在于,所述第二步中上限为ρmax,下限为ρmin,单位为g/cm3。
3.如权利要求1所述的仿真流场图像RGB与折射率场分布的转化方法,其特征在于,所述第三步中将每一个像素提取出来,图像上飞行器内部无密度场,同时其颜色为白色,并且飞行器边界是黑色,纯黑色与纯白色的RGB分别为为(255,255,255)与(0,0,0),数值上下略有浮动,将程序设置剔除RGB均大于(235,235,235)与均小于(20,20,20)可将黑色与白色的RGB值完全剔除,但为了方面后续几何光学的处理,将其密度设为0;若该图的像素为mpixel×npixel,令图片坐上角的点原点,横向为X轴,纵向为Y轴,建立坐标系,从左上角第一个像素开始记录第一个编号(0,0),依次循环,记录至第(m-1,n-1)个像素编号。
4.如权利要求1所述的仿真流场图像RGB与折射率场分布的转化方法,其特征在于,所述第四步具体包括:
(1)假设彩色云图的颜色变化为红色渐变至蓝色,所以其RGB值的变化为(255,0,0)→(255,255,0)→(0,255,0)→(0,255,255)→(0,0,255),对应的密度逐渐减小,RGB值变化时每个R、G、B值略有浮动,但是整体趋势不变;RGB的种类有256×4=1024种,则有RGB值每变化1,对应的密度变化Δ=(ρmax-ρmin)/1024;
(2)运用编程将每个RGB值与密度相关联,RGB值每变化1,则密度变化一个Δ,将编号内的RGB依次采用算法进行计算转化,在判断每一个像素点RGB值时需要注意其在哪一个区块,例如(0,255,20)属于(0,255,0)→(0,255,255)的区域,其密度为ρ=ρmax-(256+256+20)Δ,同时注意RGB的浮动值例如RGB值为(3,255,20)仍然属于(0,255,0)→(0,255,255)的区域,但R值有所浮动,在红至蓝渐变的过程中,R值越大,则密度越大,故其密度为ρ=ρmax-(256+256+20-3)Δ;若B值波动,如RGB值为(255,100,3)其仍属于(255,0,0)→(255,255,0)范围,但B值有所波动,由于在红至蓝变化中,B越大,密度越小,则其密度为ρ=ρmax-(100+3)Δ;若G值有所波动,如RGB为(100,252,0),其仍属于(255,255,0)→(0,255,0)的范围,G比较特殊,其在(0,255,255)之前越小则密度越大,但在(0,255,255)之后越小,密度越小,所以RGB为(100,252,0)的密度为ρ=ρmax-(256+155-3)Δ;按照此判断将所有像素的密度算出,得出密度场分布,并记录对应编号。
5.如权利要求1所述的仿真流场图像RGB与折射率场分布的转化方法,其特征在于,所述第五步具体包括:使用G-D公式将密度值转化为对应的折射率值,G-D公式为:n=1+KGD·ρ,其中其中λ的单位为μm,将编号下的密度值进行计算转化,在判断是否存在密度时只需要判断其密度值是否为0,若为0,则该处无折射率;若不为0,则计算其折射率;循环计算可得到带有编号折射率单元构成的折射率场的分布,并导入.txt文件。
6.一种应用权利要求1~5任意一项所述仿真流场图像RGB与折射率场分布的转化方法的飞行器。
7.一种应用权利要求1~5任意一项所述仿真流场图像RGB与折射率场分布的转化方法的图像处理平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000926.3A CN109883992B (zh) | 2019-01-02 | 2019-01-02 | 一种仿真流场图像rgb与折射率场分布的转化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000926.3A CN109883992B (zh) | 2019-01-02 | 2019-01-02 | 一种仿真流场图像rgb与折射率场分布的转化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109883992A true CN109883992A (zh) | 2019-06-14 |
CN109883992B CN109883992B (zh) | 2021-06-25 |
Family
ID=66925602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910000926.3A Active CN109883992B (zh) | 2019-01-02 | 2019-01-02 | 一种仿真流场图像rgb与折射率场分布的转化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109883992B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883574A (zh) * | 2021-02-18 | 2021-06-01 | 同济大学 | 利用水力压裂微地震b值来优化页岩气井重复压裂方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201277948Y (zh) * | 2008-06-04 | 2009-07-22 | 云南大学 | 一种精确测量微量液体折射率的仪器 |
CN105784640A (zh) * | 2016-05-11 | 2016-07-20 | 南京信息工程大学 | 一种测量混合气体流场组分浓度分布的光学方法 |
CN108169172A (zh) * | 2017-12-28 | 2018-06-15 | 清华大学 | 三维折射率显微成像***及方法 |
US20180275051A1 (en) * | 2017-03-24 | 2018-09-27 | Colorado School Of Mines | Optical system for measuring pressure and phase changes in fluids |
WO2018175124A1 (en) * | 2017-03-22 | 2018-09-27 | Exxonmobil Research And Engineering Company | Sensor and housing design for in-line fluid monitoring |
CN108693326A (zh) * | 2018-03-30 | 2018-10-23 | 南京科兴新材料科技有限公司 | 一种模拟堤防工程堆载预压法下土***移场和渗流场可视化的试验装置和试验方法 |
-
2019
- 2019-01-02 CN CN201910000926.3A patent/CN109883992B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201277948Y (zh) * | 2008-06-04 | 2009-07-22 | 云南大学 | 一种精确测量微量液体折射率的仪器 |
CN105784640A (zh) * | 2016-05-11 | 2016-07-20 | 南京信息工程大学 | 一种测量混合气体流场组分浓度分布的光学方法 |
WO2018175124A1 (en) * | 2017-03-22 | 2018-09-27 | Exxonmobil Research And Engineering Company | Sensor and housing design for in-line fluid monitoring |
US20180275051A1 (en) * | 2017-03-24 | 2018-09-27 | Colorado School Of Mines | Optical system for measuring pressure and phase changes in fluids |
CN108169172A (zh) * | 2017-12-28 | 2018-06-15 | 清华大学 | 三维折射率显微成像***及方法 |
CN108693326A (zh) * | 2018-03-30 | 2018-10-23 | 南京科兴新材料科技有限公司 | 一种模拟堤防工程堆载预压法下土***移场和渗流场可视化的试验装置和试验方法 |
Non-Patent Citations (2)
Title |
---|
F. SOURGEN ET AL.: "Reconstruction of the density field using the colored background oriented schlieren technique (CBOS)", 《OPTICS ANDLASERSINENGINEERING》 * |
范志刚 等: "气动光学头罩光传输数值仿真", 《应用光学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883574A (zh) * | 2021-02-18 | 2021-06-01 | 同济大学 | 利用水力压裂微地震b值来优化页岩气井重复压裂方法 |
CN112883574B (zh) * | 2021-02-18 | 2022-08-09 | 同济大学 | 利用水力压裂微地震b值来优化页岩气井重复压裂方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109883992B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741405B (zh) | 一种基于对偶结构光rgb-d相机的深度信息采集*** | |
US8606731B2 (en) | Coating color database creating method, search method using the database, their system, program, and recording medium | |
CN108198145A (zh) | 用于点云数据修复的方法和装置 | |
CN107844802A (zh) | 基于无人机低空遥感和面向对象分类的水土保持监测方法 | |
CN107993281B (zh) | 一种空间目标可见光光学特性仿真方法 | |
Euillades et al. | NETVOLC: an algorithm for automatic delimitation of volcano edifice boundaries using DEMs | |
CN101398933B (zh) | 一种从图像中恢复三维几何信息的方法 | |
CN104867179B (zh) | 一种全谱段光学成像仪遥感影像仿真方法 | |
CN105023287A (zh) | 一种用于动态三维场景的激光雷达成像与着色方法 | |
Ji et al. | 3D scene reconstruction of landslide topography based on data fusion between laser point cloud and UAV image | |
CN103871102A (zh) | 一种基于高程点和道路轮廓面的道路三维精细建模方法 | |
CN109766824B (zh) | 基于模糊证据理论的主被动遥感数据融合分类方法 | |
CN106127789A (zh) | 结合神经网络与虚拟靶标的立体视觉标定方法 | |
CN104268559A (zh) | 基于面向对象和中等分辨率遥感图像的水田与旱地区分方法 | |
CN107358640A (zh) | 一种晕渲目标区域的地形和地物的方法及装置 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN102521870A (zh) | 一种微多边形光线跟踪的着色重用方法 | |
CN109883992A (zh) | 一种仿真流场图像rgb与折射率场分布的转化方法 | |
CN101814197A (zh) | 空间实体视图模型及其处理方法 | |
CN109918858B (zh) | 一种cst仿真天线数据可视化方法 | |
CN104980733A (zh) | 一种裸眼3d显示器的串扰测试方法及其测试图像 | |
CN112700548A (zh) | 一种bim模型在可视化变电站中与视频信息的融合方法 | |
CN111260714B (zh) | 一种洪涝受灾评估方法、装置、设备及计算机存储介质 | |
CN111983618A (zh) | 一种基于人工智能的机场风廓线雷达高分辨率显示*** | |
CN106683165A (zh) | 文化遗产的四维可视化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |