买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江工业大学申请的专利一种基于高光谱三维点云的近端植物冠层光谱补偿方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117671228B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311488456.2，技术领域涉及：G06V10/20；该发明授权一种基于高光谱三维点云的近端植物冠层光谱补偿方法是由朱逢乐;周壮飞;彭继宇;蒋建东;乔欣设计研发完成，并于2023-11-09向国家知识产权局提交的专利申请。

本一种基于高光谱三维点云的近端植物冠层光谱补偿方法在说明书摘要公布了：本发明公开了一种基于高光谱三维点云的近端植物冠层光谱补偿方法，包括以下步骤：S1：搭建实验平台，并完成设备的调试；S2：分别对实验样本以及棋盘格进行高光谱图像与深度图像的数据采集，并对采集到的图像数据进行预处理；S3：基于S2中所拍摄的棋盘格图像，对S2所述预处理后样本的高光谱图像与深度图像进行图像配准与融合，生成植物冠层的高光谱三维点云；S4：基于S3中高光谱三维点云中每个点的深度与角度信息实现植物冠层的光谱补偿，减小工作距离和叶片角度两个重要因素的影响；S5：对原始的和S4中补偿后的植物冠层高光谱图像分别进行k均值k‑means聚类分析以及平均光谱曲线比较，通过对比补偿前后的结果以评估光谱补偿的有效性。

本发明授权一种基于高光谱三维点云的近端植物冠层光谱补偿方法在权利要求书中公布了：1.一种基于高光谱三维点云的近端植物冠层光谱补偿方法，其特征在于，包括以下步骤：S1.实验平台搭建：搭建实验平台，并完成设备的调试；S2.图像数据采集与预处理：分别对实验样本以及棋盘格进行高光谱图像与深度图像的数据采集，并对采集到的图像数据进行预处理；S3.图像配准与融合：基于步骤S2中所拍摄的棋盘格图像，对步骤S2所述预处理后样本的高光谱图像与深度图像进行图像配准与融合，生成植物冠层的高光谱三维点云；S4.植物冠层光谱补偿：基于步骤S3中高光谱三维点云中每个点的深度与角度信息实现植物冠层的光谱补偿；S5.光谱补偿结果评估：对原始的和步骤S4中补偿后的植物冠层高光谱图像分别进行k-means聚类分析以及平均光谱曲线比较，通过对比补偿前后的结果以评估光谱补偿的有效性；所述步骤S3中高光谱图像与深度图像的图像配准包括两个步骤，分别为棋盘格的角点检测与单应性变换矩阵的求解；所述步骤S3中植物冠层高光谱三维点云的生成是将配准的高光谱图像与深度图像进行图像融合而得，所述图像融合包括两个步骤，分别为光场相机的内外参数获取与高光谱三维点云的构建；所述光场相机的内外参数获取是基于棋盘格图像对Raytrix光场相机进行标定，获取光场相机的内外参数矩阵m；所述高光谱三维点云的构建基于如下公式4： 其中s是缩放因子，u，v是深度图像的像素坐标，m是3*4的光场相机参数矩阵，x，y，z是点云中点的齐次坐标；S3所述图像配准包括两个步骤，分别为棋盘格的角点检测以确定棋盘格图像中的特征点，基于单应性变换矩阵的求解与应用实现样本深度图像与高光谱图像的配准；所述角点检测算法基于如下公式2： 其中Ci，Cj为棋盘格图像中相距较近的两个角点，表示点Cj的灰度梯度，Ci-Cj表示这两个点之间的方向向量，两者的点积始终为0；所述角点检测基于OpenCV工具包实现，编码平台为Python3.7，角点的搜索窗口大小为11×11；所述单应性变换矩阵的求解基于如下公式3： 其中Ph表示高光谱图像中的点，P′d表示深度图像中经过变换后的点，xi，yi表示图像坐标，e表示所容许的误差，最优的单应变换矩阵通过迭代计算求得。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。