CN112097679A - 一种基于光信息三维空间测量方法 - Google Patents
一种基于光信息三维空间测量方法 Download PDFInfo
- Publication number
- CN112097679A CN112097679A CN202010948610.XA CN202010948610A CN112097679A CN 112097679 A CN112097679 A CN 112097679A CN 202010948610 A CN202010948610 A CN 202010948610A CN 112097679 A CN112097679 A CN 112097679A
- Authority
- CN
- China
- Prior art keywords
- information
- observed
- light information
- dimensional space
- message
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光信息三维空间测量方法,包括以下步骤:收集三维空间信息,所述三维空间信息包含待观测物之高度资讯、平面座标资讯及表面曲率资讯;收集参考基准光资讯讯息,所述参考基准光资讯讯息为收集待观测物存在之空间位置内,不同高度下放置参考板,并测量间隔不同高度下参考板之基准光资讯讯息,以作为一参考数值;收集待观测物光资讯讯息,所述待观测物光资讯讯息为实际测量待观测物之光资讯实测数值;运算三维空间信息校正光资讯讯息,将三维空间信息、参考基准光资讯讯息及待观测物光资讯讯息导入运算三维空间信息校正光资讯讯息。
Description
技术领域
本发明涉及光测量技术领域,具体涉及可应用于农渔养殖业的室内及室外的基于光信息三维空间测量方法。
背景技术
光资讯如高光谱影像(hyperspectral imaging)是收集及处理整个跨电磁波谱的资讯。不象是人类的眼睛,只能接触到可见光,而高光谱的接触机制,能够接触到红外线到紫外线的范围。例如虾蛄的眼睛,其高光谱能力能够分辨出不同的珊瑚、猎物或猎食者,而这些正是人类所缺少的。
高光谱传感器通过大量的不同波段的电磁频谱来探测物体。实际物体会在电磁频谱中留下具有唯一的「指纹」。这些「指纹」被称为光谱特性并可用来确认被识别物体的组成成分。比如说,石油的光谱特性便可以用来帮助矿质学家们找到油田,先前技术是利用高光谱回推预估三维纹理特征。目前一般的高光谱研究因植物高度及叶片曲面角度变异甚大,因此于高光谱仪器资料采集时,会因白平衡校正位置不同而使得不同三维空间上之光谱资料有所不正确,导致目前相关研究多仅得以离体处理,将叶片置于同一高度进行精准的测量。
三维扫描仪(3D scanner)是一种科学仪器,用来侦测并分析现实世界中物体或环境的形状(几何构造)与外观资料(如颜色、表面反照率等性质)。采集到的资料常被用来进行三维重建计算,在虚拟世界中建立实际物体的数位模型。这些模型具有相当广泛的用途,举凡工业设计、瑕疵检测、逆向工程、机器人导引、地貌测量、医学资讯、生物资讯、刑事鉴定、数位文物典藏、电影制片、游戏创作素材等等都可见其应用。三维扫描仪的制作并非依赖单一技术,各种不同的重建技术都有其优缺点,成本与售价也有高低之分。目前并无一体通用之重建技术,仪器与方法往往受限于物体的表面特性。例如光学技术不易处理闪亮(高反照率)、镜面或半透明的表面,而雷射技术不适用于脆弱或易变质的表面。
近年来,三维形式的影像资料越来越普遍,例如遥测领域的高光谱影像,医学的核磁共振影像和电脑断层扫描,地质学的震测资料等,提供进行三维纹理分析的可能性。纹理分析为特征提取和影像分析中最重要的方法之一,然而,传统的纹理分析方法,大部分都集中在二维的纹理特性,很少将其拓展至三维形式以处理三维实体资料。有人研究,拓展传统二维(Grey Level Co-occurrence Matrix,GLCM)至三维形式(Grey Level Co-occurrenceMatrix for Volumetric Data,GLCMVD),并将其应用至高光谱影像以提取有用的纹理特征。就传统二维GLCM而言,决定在计算时所需的最佳视窗大小一直是重要的研究课题。先前的研究指出,视窗大小对于分类成果占百分之九十以上的影响量。其原因在于,在计算时需要够大的视窗,才能包含足够的资讯描述资料特性,但在纹理分割时则需要较小的视窗,方可突显不同纹理区块之边界。因此,在GLCMVD计算中,如何决定适合的视窗大小亦是一迫切的问题。为了解决此一问题,本研究提出以半变异元分析于三维资料上之应用,计算在GLCMVD中所需要之最佳视窗大小。其结果显示,将半变异元分析应用至三维资料,确实可以找出最佳视窗大小进行GLCMVD运算。此外本研究之成果亦证实,由三维资料所提取之纹理特征较二维纹理在分类上有更佳的识别能力。近年来来,有人研发新的方法订定三维纹理计算之视窗(核)尺寸,以光谱分离度分析,求得最能区别各类别组的波长取样间距,做为光谱方向的视窗尺寸,并结合半变异元分析决定空间方向的视窗尺寸,增加三维纹理计算的分类精度。研究结果显示,以分离度分析配合半变异元分析决定的视窗尺寸,可产生较佳的三维为例计算成果。此外,灰阶共生张量场在多数的统计指标能有效地提升特征提取与地物分类的成果。该研究所指三维光谱之定义分为影像(二维度)与光谱资讯(一维度),共组成的三维度资讯,并未揭露立体空间中的三维空间的立体资讯。
发明内容
为解决上述问题,本发明提供了一种基于光信息三维空间测量方法。
本发明采用以下技术方案:
一种基于光信息三维空间测量方法,包括以下步骤:
S1、收集三维空间信息,所述三维空间信息包含待观测物之高度资讯、平面座标资讯及表面曲率资讯;
S2、收集参考基准光资讯讯息,所述参考基准光资讯讯息为收集待观测物存在之空间位置内,不同高度下放置参考板,并测量间隔不同高度下参考板之基准光资讯讯息,以作为一参考数值;
S3、收集待观测物光资讯讯息,所述待观测物光资讯讯息为实际测量待观测物之光资讯实测数值;
S4、运算三维空间信息校正光资讯讯息,将三维空间信息、参考基准光资讯讯息及待观测物光资讯讯息导入运算三维空间信息校正光资讯讯息,将三维空间信息结合待观测物光资讯讯息,并利用参考基准光资讯讯息运算出三维空间坐标上的实际测量待观测物的校正光资讯讯息。
优选地,所述三维空间信息是利用三维扫描仪收集其三维空间信息,该三维扫描仪为至少一接触式扫描仪、非接触式主动扫描仪与非接触式被动扫描仪。
优选地,所述参考基准光资讯讯息中,间隔不同高度下参考板之高光谱资讯,以数值分析方法绘制出间隔不同高度下参考板之高光谱资讯之趋势线,以该趋势线作为依据建构待观测物存在之空间位置中不同高度下参考基准光资讯讯息。
优选地,所述参考基准光资讯讯息中,该参考板为至少一白板、黑板和其他色板。
优选地,所述待观测物光资讯讯息中,该光资讯讯息包括至少一影像、波长范围、强度资讯及时间资讯。
优选地,所述待观测物光资讯讯息中,是使用光传感器测量待观测物,该光传感器以大量的不同波段的电磁频谱来测量待观测物。
优选地,步骤S1、S2、S3中待观测物与测量仪器的角度为垂直高度至水平高度之间的角度测量。
优选地,步骤S1、S2、S3中可置换顺序或同时执行,以缩短测量时间。
优选地,所述运算三维空间信息校正光资讯讯息包含至少一高度座标结合校正光资讯影像、高度座标结合校正光资讯波长范围和高度座标结合校正高光资讯强度资讯。
优选地,所述运算三维空间信息校正光资讯讯息包含至少一平面座标结合校正光资讯影像、平面座标结合校正光资讯波长范围和平面座标结合校正光资讯强度资讯。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发引入一致参考值,以校正高光谱资讯的影像、波长范围及强度信息,在资料比对上可清楚分辨出不同高度下测量之高光谱信息量。
附图说明
图1为本发明的***框架示意图。
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,以下结合附图及实施例,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。
实施例
参考图1所示,本发明公开了一种基于光信息三维空间测量方法,包括以下步骤:
S1、收集三维空间信息,所述三维空间信息包含待观测物之高度资讯、平面座标资讯及表面曲率资讯;
S2、收集参考基准光资讯讯息,所述参考基准光资讯讯息为收集待观测物存在之空间位置内,不同高度下放置参考板,并测量间隔不同高度下参考板之基准光资讯讯息,以作为一参考数值;
S3、收集待观测物光资讯讯息,所述待观测物光资讯讯息为实际测量待观测物之光资讯实测数值;
S4、运算三维空间信息校正光资讯讯息,将三维空间信息、参考基准光资讯讯息及待观测物光资讯讯息导入运算三维空间信息校正光资讯讯息,将三维空间信息结合待观测物光资讯讯息,并利用参考基准光资讯讯息运算出三维空间坐标上的实际测量待观测物的校正光资讯讯息。
其中,收集三维空间信息是利用三维扫描仪收集其三维空间信息,该三维扫描仪为至少一接触式扫描仪、非接触式主动扫描仪与非接触式被动扫描仪。集参考基准光信息讯息中,间隔不同高度下参考板之高光谱信息,以数值分析方法绘制出间隔不同高度下参考板之高光谱信息之趋势线,以该趋势线作为依据建构待观测物存在之空间位置中不同高度下参考基准光信息讯息。收集参考基准光信息讯息中,该参考板为至少一白板、黑板和其他色板。收集待观测物光信息讯息中,该光信息讯息包括至少一影像、波长范围、强度信息及时间信息。收集待观测物光信息讯息中,是使用光传感器测量待观测物,该使用之光传感器乃是以大量的不同波段的电磁频谱来测量待观测物。步骤S1至S3待观测物与测量仪器之角度,该角度为垂直高度至水平高度间之角度测量。步骤S1至S3可置换顺序或同时执行,以缩短测量时间。运算三维空间信息校正光信息讯息包含至少一高度坐标结合校正光信息影像、高度坐标结合校正光信息波长范围和高度坐标结合校正高光信息强度信息。运算三维空间信息校正光信息讯息包含至少一平面坐标结合校正光信息影像、平面坐标结合校正光信息波长范围和平面坐标结合校正光信息强度信息。
为便于更进一步了解本发明实际应用情境,举植物高度及叶片曲面角度之光信息应用领域为例进行说明。利用本发明的技术方案,将不同植物高度、不同曲度叶片于同一空间中进行一次性完整精准测量,将可大幅提高不同高度之影像光信息之撷取效率与准确率,并达到植物活体精准光信息影像测量之功能。更可利用高光谱、多光谱、叶绿素荧光等光信息所需之不同光源及相对之光传感器,进行本发明步骤S1至S4的实施。更进一步,因应用本技术时,无需将待测物置于同一平面即可准确测量,故本发明不需要将植物进行离体处理,可直接于植物活体状态下,将植物活体不同高度叶片之光信息讯息精准测量。光源除了高光谱收集及处理整个跨电磁波谱的信息外,本发明亦可采多光谱之不同特定波长下进行光信息收集及运算分析。如以叶绿素荧光为光源设备,则可以收集被观测物包含动物及植物之病理状态、生长状态及营养素含量之分析。
再举例,本发明应用于渔业及农业之实例,如箱网养殖及农业种植,箱网养殖及农业种植最大的问题是管理的区域广大,特别是海上箱网养殖,视养殖鱼种差异,若放养位置在距岸2至3公里的海域,养殖户不能时刻完整视察养殖场的每个角落,因此掌握养殖物生长状况的能力有限,若养殖现场有足够的数据协助决策,将可提高养殖物存活率,如网箱养殖长期在水中浸泡后吸附了大量的生物残渣及漂浮杂物,网上着生了大量的丝状藻类,若不适时去除将影响网箱内外水流的畅通与交换和网箱内水体的更新,进而造成网箱内的水质变差,含氧减少,不利鱼的正常生长或导致鱼类各种疾病的发生。另外,于大面积及山坡地之农业种植,同样均有管理之困难,本发明即可实时回报准确校正光信息讯息,以提供种植户参考下补救判断,以进行施药或铲除病原区域重新种植。
本发明所提供基于光信息的三维空间测量方法,应用于箱网养殖及农业种植的步骤:1.收集三维空间信息,其透过对箱网养殖及农业种植区域之高度信息、平面坐标信息及表面曲率信息三维空间信息之收集;2.收集参考基准光信息讯息,该收集参考基准光信息讯息为收集待观测物存在之水下空间或空气空间位置内,不同高度下放置参考板,并测量间隔不同高度下参考板之基准光信息讯息,以作为一参考数值;3.收集待观测物光信息讯息,该收集待观测物光信息讯息为实际测量箱网养殖及农业种植区域之光信息实测数值;及4.运算三维空间信息校正光信息讯息,其将收集三维空间信息、收集参考基准光信息讯息及收集待观测物光信息讯息导入运算三维空间信息校正光信息讯息,将收集三维空间信息结合收集箱网养殖及农业种植区域之光信息讯息,并利用收集参考基准光信息讯息运算出三维空间坐标上的实际测量箱网养殖及农业种植区域之校正光信息讯息。本发明能于箱网养殖比较水质之溶氧量、温度及箱网上藻类着生数量,在适当时间点移动养殖渔场或去除箱网上之藻类,以维持及提升养殖渔场环境之质量,提升水产产值。于农业种植方面,有效管理种植农作物,能实时回报准确三维空间之校正光信息讯息,以提供种植户实时比对光信息影像,快速判读并下补救判断措施,得以正确且快速进行施药或铲除病原区域重新种植之决策判断。
本发明涉及的基于光信息的三维空间测量方法,其结合高度信息、平面坐标及表面曲率信息的校正光信息特征,能够提高一致参考值,以校正高光谱资讯的影像、波长范围及强度信息,在资料比对上可清楚分辨出不同高度下测量之高光谱信息量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于光信息三维空间测量方法,其特征在于,包括以下步骤:
S1、收集三维空间信息,所述三维空间信息包含待观测物之高度资讯、平面座标资讯及表面曲率资讯;
S2、收集参考基准光资讯讯息,所述参考基准光资讯讯息为收集待观测物存在之空间位置内,不同高度下放置参考板,并测量间隔不同高度下参考板之基准光资讯讯息,以作为一参考数值;
S3、收集待观测物光资讯讯息,所述待观测物光资讯讯息为实际测量待观测物之光资讯实测数值;
S4、运算三维空间信息校正光资讯讯息,将三维空间信息、参考基准光资讯讯息及待观测物光资讯讯息导入运算三维空间信息校正光资讯讯息,将三维空间信息结合待观测物光资讯讯息,并利用参考基准光资讯讯息运算出三维空间坐标上的实际测量待观测物的校正光资讯讯息。
2.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述三维空间信息是利用三维扫描仪收集其三维空间信息,该三维扫描仪为至少一接触式扫描仪、非接触式主动扫描仪与非接触式被动扫描仪。
3.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述参考基准光资讯讯息中,间隔不同高度下参考板之高光谱资讯,以数值分析方法绘制出间隔不同高度下参考板之高光谱资讯之趋势线,以该趋势线作为依据建构待观测物存在之空间位置中不同高度下参考基准光资讯讯息。
4.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述参考基准光资讯讯息中,该参考板为至少一白板、黑板和其他色板。
5.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述待观测物光资讯讯息中,该光资讯讯息包括至少一影像、波长范围、强度资讯及时间资讯。
6.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述待观测物光资讯讯息中,是使用光传感器测量待观测物,该光传感器以大量的不同波段的电磁频谱来测量待观测物。
7.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,步骤S1、S2、S3中待观测物与测量仪器的角度为垂直高度至水平高度之间的角度测量。
8.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,步骤S1、S2、S3中可置换顺序或同时执行,以缩短测量时间。
9.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述运算三维空间信息校正光资讯讯息包含至少一高度座标结合校正光资讯影像、高度座标结合校正光资讯波长范围和高度座标结合校正高光资讯强度资讯。
10.如权利要求1所述的一种基于光信息的三维空间测量方法,其特征在于,所述运算三维空间信息校正光资讯讯息包含至少一平面座标结合校正光资讯影像、平面座标结合校正光资讯波长范围和平面座标结合校正光资讯强度资讯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010948610.XA CN112097679B (zh) | 2020-09-10 | 2020-09-10 | 一种基于光信息三维空间测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010948610.XA CN112097679B (zh) | 2020-09-10 | 2020-09-10 | 一种基于光信息三维空间测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112097679A true CN112097679A (zh) | 2020-12-18 |
CN112097679B CN112097679B (zh) | 2022-04-19 |
Family
ID=73750744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010948610.XA Active CN112097679B (zh) | 2020-09-10 | 2020-09-10 | 一种基于光信息三维空间测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112097679B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW452644B (en) * | 2000-12-16 | 2001-09-01 | Lin Sheng Fu | Measurement method of the spatial coordinates of objects |
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 |
TW201237359A (en) * | 2011-03-04 | 2012-09-16 | Univ Nat Formosa | Three dimensional surface profilometer and microscopy, and the method using the same |
TW201346833A (zh) * | 2012-05-14 | 2013-11-16 | Univ Nat Sun Yat Sen | 三維幾何測量方法 |
TW201441578A (zh) * | 2013-04-25 | 2014-11-01 | Voco Gmbh | 用於檢測物件的三維結構的設備 |
CN105675549A (zh) * | 2016-01-11 | 2016-06-15 | 武汉大学 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
TW201623055A (zh) * | 2014-12-25 | 2016-07-01 | 財團法人車輛研究測試中心 | 行人偵測系統 |
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. |
CN108009517A (zh) * | 2017-12-18 | 2018-05-08 | 河海大学 | 一种海洋高光谱遥感影像特征分析方法 |
CN108414454A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种植物三维结构及光谱信息的同步测量***及测量方法 |
CN108507677A (zh) * | 2017-02-27 | 2018-09-07 | 北京航空航天大学 | 一种可同步获取单点光谱和三维数据的探测*** |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN111105365A (zh) * | 2019-12-05 | 2020-05-05 | 深圳积木易搭科技技术有限公司 | 一种纹理影像的色彩校正方法、介质、终端和装置 |
CN111156926A (zh) * | 2019-12-30 | 2020-05-15 | 浙江大学 | 一种四维高光谱探测*** |
CN111272101A (zh) * | 2019-12-18 | 2020-06-12 | 浙江大学 | 一种四维高光谱深度成像*** |
-
2020
- 2020-09-10 CN CN202010948610.XA patent/CN112097679B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW452644B (en) * | 2000-12-16 | 2001-09-01 | Lin Sheng Fu | Measurement method of the spatial coordinates of objects |
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 |
TW201237359A (en) * | 2011-03-04 | 2012-09-16 | Univ Nat Formosa | Three dimensional surface profilometer and microscopy, and the method using the same |
TW201346833A (zh) * | 2012-05-14 | 2013-11-16 | Univ Nat Sun Yat Sen | 三維幾何測量方法 |
TW201441578A (zh) * | 2013-04-25 | 2014-11-01 | Voco Gmbh | 用於檢測物件的三維結構的設備 |
TW201623055A (zh) * | 2014-12-25 | 2016-07-01 | 財團法人車輛研究測試中心 | 行人偵測系統 |
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. |
CN105675549A (zh) * | 2016-01-11 | 2016-06-15 | 武汉大学 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
CN108507677A (zh) * | 2017-02-27 | 2018-09-07 | 北京航空航天大学 | 一种可同步获取单点光谱和三维数据的探测*** |
CN108009517A (zh) * | 2017-12-18 | 2018-05-08 | 河海大学 | 一种海洋高光谱遥感影像特征分析方法 |
CN108414454A (zh) * | 2018-01-25 | 2018-08-17 | 北京农业信息技术研究中心 | 一种植物三维结构及光谱信息的同步测量***及测量方法 |
CN109087341A (zh) * | 2018-06-07 | 2018-12-25 | 华南农业大学 | 一种近距离高光谱相机与测距传感器的融合方法 |
CN111105365A (zh) * | 2019-12-05 | 2020-05-05 | 深圳积木易搭科技技术有限公司 | 一种纹理影像的色彩校正方法、介质、终端和装置 |
CN111272101A (zh) * | 2019-12-18 | 2020-06-12 | 浙江大学 | 一种四维高光谱深度成像*** |
CN111156926A (zh) * | 2019-12-30 | 2020-05-15 | 浙江大学 | 一种四维高光谱探测*** |
Also Published As
Publication number | Publication date |
---|---|
CN112097679B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A review of computer vision technologies for plant phenotyping | |
Rahman et al. | Exploring the potential of high resolution worldview-3 Imagery for estimating yield of mango | |
Klingenberg | Analyzing fluctuating asymmetry with geometric morphometrics: concepts, methods, and applications | |
EP3032946B1 (en) | Method for automatic phenotype measurement and selection | |
Hobart et al. | Growth height determination of tree walls for precise monitoring in apple fruit production using UAV photogrammetry | |
Patrick et al. | High throughput phenotyping of blueberry bush morphological traits using unmanned aerial systems | |
Ma et al. | High-throughput phenotyping analysis of potted soybean plants using colorized depth images based on a proximal platform | |
Bhujel et al. | Detection of gray mold disease and its severity on strawberry using deep learning networks | |
Wang et al. | Non-destructive measurement of three-dimensional plants based on point cloud | |
Méndez et al. | In-field estimation of orange number and size by 3D laser scanning | |
Zermas et al. | Extracting phenotypic characteristics of corn crops through the use of reconstructed 3D models | |
Ohashi et al. | Monitoring the growth and yield of fruit vegetables in a greenhouse using a three-dimensional scanner | |
Yu et al. | Progress in the application of cnn-based image classification and recognition in whole crop growth cycles | |
Zhou et al. | Ground-based thermal imaging for assessing crop water status in grapevines over a growing season | |
Li et al. | Three-dimensional reconstruction and phenotype measurement of maize seedlings based on multi-view image sequences | |
Lati et al. | 3-D image-driven morphological crop analysis: a novel method for detection of sunflower broomrape initial subsoil parasitism | |
Iost Filho et al. | Assessment of injury by four major pests in soybean plants using hyperspectral proximal imaging | |
Wang et al. | 3DPhenoMVS: A low-cost 3D tomato phenotyping pipeline using 3D reconstruction point cloud based on multiview images | |
Lou et al. | Growth parameter acquisition and geometric point cloud completion of lettuce | |
Yin et al. | A novel method of situ measurement algorithm for oudemansiella raphanipies caps based on YOLO v4 and distance filtering | |
CN112097679B (zh) | 一种基于光信息三维空间测量方法 | |
Zaji et al. | Wheat spikes height estimation using stereo cameras | |
Su et al. | Development of a Three-Dimensional Plant Localization Technique for Automatic Differentiation of Soybean from Intra-Row Weeds | |
Yuan et al. | Real-Time Counting and Height Measurement of Nursery Seedlings Based on Ghostnet–YoloV4 Network and Binocular Vision Technology | |
Rossi et al. | A comparison of high-throughput imaging methods for quantifying plant growth traits and estimating above-ground biomass accumulation |
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 |