CN112355710A - 一种基于ccd的cnc工件加工方法及系统 - Google Patents

一种基于ccd的cnc工件加工方法及系统 Download PDF

Info

Publication number
CN112355710A
CN112355710A CN202011125083.9A CN202011125083A CN112355710A CN 112355710 A CN112355710 A CN 112355710A CN 202011125083 A CN202011125083 A CN 202011125083A CN 112355710 A CN112355710 A CN 112355710A
Authority
CN
China
Prior art keywords
ccd
mark
mark point
cnc
points
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.)
Pending
Application number
CN202011125083.9A
Other languages
English (en)
Inventor
朱飞
周俊华
金东�
杨帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Haozhi Industrial Control Technology Co ltd
Original Assignee
Suzhou Haozhi Industrial Control Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Haozhi Industrial Control Technology Co ltd filed Critical Suzhou Haozhi Industrial Control Technology Co ltd
Priority to CN202011125083.9A priority Critical patent/CN112355710A/zh
Publication of CN112355710A publication Critical patent/CN112355710A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q5/00—Driving or feeding mechanisms; Control arrangements therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请公开了一种提供一种基于CCD的CNC工件加工方法，包括以下步骤：识别CCD硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点；获取Mark点信息；对同一个Mark点进行视觉训练；判断是否训练成功；若是则将所有训练目标进行存储；若否，则返回上一步；根据用户选择实际的工艺要求计算出工件偏移和旋转角度，并将数据传输至CNC进行加工。由此，极大方便终端用户生产加工，降低用工成本，提高的生产的良品率和生产效率。

Description

一种基于CCD的CNC工件加工方法及系统
技术领域
本申请涉及工业控制技术领域，尤其涉及一种基于CCD的CNC工件加工方法及系统。
背景技术
CCD在CNC加工行业应用的实现困难,没有统一的打包方案:一套方案仅对应了一种硬件配置。工艺条件变化后相同的方案不一定能够满足工艺需求，需要重新设计方案。这都是由于CCD产品具有差异性,CNC系统需要针对不同的CCD进行适配，即从软件层面修改对应的接口并修改对应的HMI，并且对不同的硬件配置做出对应修改或者兼容:如CCD相机品牌,光源类型等等。实际加工需要根据不同的工艺需求来选取合适的硬件并设计对应的程序。本行业通常派遣专业技术人员配合CNC厂家定制相关功能，但是大部分CNC系统均为封闭式，无法良好的匹配不同的CCD方案。
发明内容
为了解决以上问题的一个或多个，本申请提供一种基于CCD的CNC工件加工方法及系统。
根据本申请的一个方面，提供一种基于CCD的CNC工件加工方法，包括以下步骤：识别CCD硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点；获取Mark点信息；对同一个Mark点进行视觉训练；判断是否训练成功；若是则将所有训练目标进行存储；若否，则返回上一步；根据用户选择实际的工艺要求计算出工件偏移和旋转角度，并将数据传输至CNC进行加工。
在某些实施方式中，在识别硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点前还包括以下步骤：记录Mark点的特征点；记录Mark点的机床坐标值并标记序列号。
在某些实施方式中，识别CCD硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点还包括以下步骤：
CCD按照所述序列号依次运行到对应样本Mark点所在的机床位置进行对焦抓捕Mark点。
在某些实施方式中，Mark点特征点包括外形、对比度。
在某些实施方式中，Mark点通过成像质量调节参数调节成像质量。
在某些实施方式中，成像质量调节参数包括CCD增益、CCD曝光时间、环形光光强、同轴光光强。
在某些实施方式中，抓捕Mark点采用模板匹配，对Mark点外型,对比度,机床坐标进行匹配。
在某些实施方式中，对同一个Mark点进行视觉训练包括以下步骤：记录样本Mark点的外形、对比度以及机床坐标。
根据本申请的另一个方面，提供一种实现前述任一项所述方法的CCD应用系统，包括，CCD识别模块，用于识别硬件配置并抓捕Mark点；采集模块，用于采集Mark点信息；编辑模块，用于编辑和设定成像质量调节参数；存储模块，用于存储训练目标；计算处理模块，用于进行对Mark点进行训练和计算工件偏移和旋转角度。
根据本申请的另一个方面，提供一种实现权利要求1-8任一项所述方法的CNC机床控制装置，包括，
至少一个设备包括处理器和存储器，所述存储器中存储有至少一条指适用于CNC机床的控制装置令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序或指令集由所述处理器加载并执行以实现前述的加工方法。
本申请相对于现有技术的有益效果是：通过自动识别CCD硬件配置，能够省去人工对不同CCD相机、光源、CNC系统匹配的过程，极大的方便终端用户生产加工,降低用工成本，降低了工艺人员的要求并提高了生产效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的基于CCD的CNC工件加工方法流程图；
图2是本申请一实施例提供的Mark点特征点的示意图；
图3是本申请一实施例提供的Mark点训练完后的Mark点抓捕的示意图；
图4是本申请一实施例提供的工件示意图；
图5是本申请一实施例提供的工件示意图；
图6是本申请一实施例提供的工件示意图；
图7是本申请一实施例提供的工件示意图；
图8是本申请一实施例提供的工件的实际抓捕效果图；
图9是本申请一实施例提供的CCD应用系统示意图；
图10是本申请一实施例提供的CNC机床控制装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说什么的是，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
实施例1
参照图1可知，提供一种基于CCD的CNC工件加工方法，
根据本申请的一个方面，提供一种基于CCD的CNC工件加工方法，包括以下步骤：
S11：识别CCD硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点。
具体是：系统开启时会对外部设备做一次适配,适配的原理就遍历。由于不同CCD硬件和软件的接口是有不同的,系统发送指令给外部CCD硬件,如果CCD硬件在指定时间内回复指定的命令,那么就代表CCD硬件适配成功,反之不成功。只有识别到CCD硬件配置后方能进行下面的执行步骤。
Mark点抓捕方式其实就是不同特征的Mark点,一般特征是十字的,还有抓取边缘的,抓取尖角的等等。
在抓捕Mark点前，先记录Mark点的特征点以及记录Mark点的机床坐标值并标记序列号。那么,抓捕Mark点时,CCD会按照序列号依次运行到对应样本Mark点所在的机床位置进行对焦抓捕Mark点。其中，Mark点特征点包括外形、对比度。
如图2所示，以其中的(a)为例,目标Mark点为十字型(蓝色矩形框选中的区域),但是对于CCD来说却如图(b)展示一样。
其中，外型为(c)中蓝色矩形框选中的区域红色线段，对比度为图(b)中蓝色矩形框选中的区域中黑白色颜色比对。图2的(b)、(c)的显示可以通过增益、曝光时间、光强进行调节CCD成像质量。具体的图像质量需要根据实际现场环境调节,目的是为了获取高对比度的成像。当然，图2的(b)显示即为理想成像,实际现场是有油雾水汽等干扰条件影响了成像质量。本申请方法能够根据各种加工场合调节不同的成像质量调节参数，成像质量调节参数包括CCD增益、CCD曝光时间、环形光光强、同轴光光强，由此，进而使CCD应用场合更广泛。
S12：获取Mark点信息。
具体是：Mark点信息包括:点的机床坐标,点的特征(一般为尖角、十字或边缘等等)以及模板的像素点分布(像素点分布即CCD识别的实际图形或者图片)。
S13：对同一个Mark点进行视觉训练。
具体是：Mark点训练其实就是记录样本Mark点的外型,对比度,机床坐标。而Mark点的抓捕本质则是模板匹配,模板刺激物就是外型,对比度,机床坐标；每次的Mark点抓捕就对这三项进行匹配。
以8位灰度图像为例，模板T(m,n)叠放在被搜索图S(W,H)上平移，模板覆盖被搜索图的那块区域叫子图Sij，i,j为子图左下角在被搜索图S上的坐标，搜索范围是：1≤i≤W-n，1≤j≤H-m。可以用下式衡量T和Sij的相似性：
Figure BDA0002733344810000041
将其归一化，得模板匹配的相关系数：
Figure BDA0002733344810000051
当模板和子图一样时，相关系数R(i,j)＝1，在被搜索图S中完成全部搜索后，找出R的最大值Rm0z(im，jm)，其对应的子图
Figure BDA00027333448100000511
即为匹配目标。
如图3所示，探点完成训练后，即A1-A4训练完Mark点后，CCD在今后的Mark点抓捕过程中就会按照A1-A4坐标依次进行Mark点抓捕。抓捕的最终目的是为了获取Mark点的机床坐标，为下面计算工件旋转和工件偏移提供必要参数。至少需要抓捕2个Mark点。
S14：判断是否训练成功。具体如前所述，当模板和子图一样时，相关系数R(i,j)＝1，在被搜索图S中完成全部搜索后，找出R的最大值Rm0z(im，jm)，其对应的子图
Figure BDA00027333448100000512
即为匹配目标。
若是则进入S15：将所有训练目标放在工艺库中进行存储；
若否，则返回上一步S13。
S16：根据用户选择实际的工艺要求计算出工件偏移和旋转角度，并将数据传输至CNC进行加工。
具体地，计算出工件偏移和旋转角度时可以参照图4和图5，其中图4中的两个小矩形框为工件任意两点位置，
模板坐标为A(X1,Y1)、B(X2,Y2)；
实际坐标为:A'(X1',Y1')、B'(X2',Y2')。
计算偏转角度，如图5所示，图5中的o点为机床原点，图5中的(a)为模板位置，O(0,0)、A(X1,Y1)、B(X2,Y2)；
Figure BDA0002733344810000052
Figure BDA0002733344810000053
Figure BDA0002733344810000054
参考图5的(b)，其为实际位置,其中O(0,0)、A'(X1',Y1')、B'(X2',Y2')；
Figure BDA0002733344810000055
Figure BDA0002733344810000056
Figure BDA0002733344810000057
由向量
Figure BDA0002733344810000058
根据以下公式,即可获取工件偏移角度
Figure BDA0002733344810000059
Figure BDA00027333448100000510
平移量为:
△X＝(X2-X1)-(X2'-X1')
△Y＝(Y2-Y1)-(Y2'-Y1')。
由此，本申请通过自动识别CCD系统的硬件配置，省去对不同CCD相机、光源、CNC系统匹配的过程，CCD系统硬件直连本申请系统后即可根据硬件的连接方式进行自动匹配。系统开启时会对外部设备做一次适配,适配的原理就遍历。由于不同CCD硬件和软件的接口是有不同的,系统发送指令给外部CCD硬件,如果CCD硬件在指定时间内回复指定的命令,那么就代表CCD硬件适配成功,反之不成功。只有识别到CCD硬件配置后方能进行下面的执行步骤。
Mark点即为特征点，CCD需要根据不同的特征点布局，以及不同特征点的不同布局执行不同的路径进行特征点抓捕。例如，可以参考图6，图6的(a)(b)中的Mark点即为四个十字，箭头线段为抓捕路径，而(c)中Mark点较为特殊，即为矩形尖角，实际抓捕效果为图7所示。
若实际工件无Mark点，那么就需要用户自定义Mark点,如下图8所示，矩形尖角以及矩形边缘都可以定义为Mark点，只要图像具有高对比度即可。
现场应用中，工件丝印Mark点和工件特征点(尖角圆角等等)千千万万。CCD每次抓捕学习后软件都会将抓捕对象的各种数据存放于工艺库中。根据不同工艺(不同类型的探测点不同的光源等)选择对应的Mark点后软件内部根据这些数据计算出工件对应的偏移旋转角度和工件自身丝印误差，一并传输给CNC进行加工不需要使用专门的CAM软件，省去了繁琐的转换过程。
因此，本申请集成了CCD在CNC加工领域的工艺，极大的方便终端用户生产加工,降低用工成本，降低了工艺人员的要求并提高了生产效率。
实施例2
如图9所示，本申请提供一种实现前述任一项所述方法的CCD应用系统100，包括，CCD识别模110，用于识别硬件配置并抓捕Mark点。采集模块120，用于采集Mark点信息；编辑模块130，用于编辑和设定成像质量调节参数；存储模块140，用于存储训练目标；计算处理模块150，用于进行对Mark点进行训练和计算工件偏移和旋转角度。
本申请集成了CCD在CNC加工领域的工艺，极大的方便终端用户生产加工,降低用工成本，降低了工艺人员的要求并提高了生产效率。
实施例3，如图10所示，提供一种实现权利要求1-8任一项所述方法的CNC机床控制装置，包括，
至少一个设备包括处理器和存储器320，所述存储器320中存储有至少一条指适用于CNC机床的控制装置令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序或指令集由所述处理器310加载并执行以实现前述的加工方法。
本申请相对于现有技术的有益效果是：通过自动识别CCD硬件配置，能够省去人工对不同CCD相机、光源、CNC系统匹配的过程，极大的方便终端用户生产加工,降低用工成本，降低了工艺人员的要求并提高了生产效率。
另外还可以包括：输入装置330和输出装置340。
存储器320作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的加工方法对应的程序指令/模块。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的加工方法。
存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据PDO数据读取装置的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器320可选包括相对于处理器310远程设置的存储器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可接收输入的数字或字符信息。输出装置340可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器320中，当被所述一个或者多个处理器310执行时，执行上述任意方法实施例中的方法。
实施例4
还提供一种计算机可读存储介质，存储有至少一条指令、至少一端程序、代码集或指令集，所述至少一条指令、所述至少一端程序、所述代码集或指令集由处理器加载并执行以实现前面任一实施例所述的加工方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于CCD的CNC工件加工方法，其特征在于，包括以下步骤：
识别CCD硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点；
获取Mark点信息；
对同一个Mark点进行视觉训练；
判断是否训练成功；若是则将所有训练目标存储到工艺库中；若否，则返回上一步；
根据用户选择实际的工艺要求计算出工件偏移和旋转角度，并将数据传输至CNC进行加工。
2.根据权利要求1所述的一种基于CCD的CNC工件加工方法，其特征在于，
在所述识别硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点前还包括以下步骤：
记录Mark点的特征点；
记录Mark点的机床坐标值并标记序列号。
3.根据权利要求2所述的一种基于CCD的CNC工件加工方法，其特征在于，所述识别CCD硬件配置并按照指定Mark点抓捕方式逐一抓捕Mark点还包括以下步骤：
CCD按照所述序列号依次运行到对应样本Mark点所在的机床位置进行对焦抓捕Mark点。
4.根据权利要求2所述的一种基于CCD的CNC工件加工方法，其特征在于，所述Mark点特征点包括外形、对比度。
5.根据权利要求2所述的一种基于CCD的CNC工件加工方法，其特征在于，所述Mark点通过成像质量调节参数调节成像质量。
6.根据权利要求5所述的一种基于CCD的CNC工件加工方法，其特征在于，所述成像质量调节参数包括CCD增益、CCD曝光时间、环形光光强、同轴光光强。
7.根据权利要求1所述的一种基于CCD的CNC工件加工方法，其特征在于，所述抓捕Mark点采用模板匹配，对Mark点外型,对比度,机床坐标进行匹配。
8.根据权利要求1所述的一种基于CCD的CNC工件加工方法，其特征在于，所述对同一个Mark点进行视觉训练包括以下步骤：
记录样本Mark点的外形、对比度以及机床坐标。
9.一种实现权利要求1-8任一项所述方法的CCD应用系统，包括，
CCD识别模块，用于识别硬件配置并抓捕Mark点；
采集模块，用于采集Mark点信息；
编辑模块，用于编辑和设定成像质量调节参数；
存储模块，用于存储训练目标；
计算处理模块，用于进行对Mark点进行训练和计算工件偏移和旋转角度。
10.一种实现权利要求1-8任一项所述方法的CNC机床控制装置，包括，
至少一个设备包括处理器和存储器，所述存储器中存储有至少一条指适用于CNC机床的控制装置令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序或指令集由所述处理器加载并执行以实现权利要求1-8任一所述的加工方法。
CN202011125083.9A 2020-10-20 2020-10-20 一种基于ccd的cnc工件加工方法及系统 Pending CN112355710A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011125083.9A CN112355710A (zh) 2020-10-20 2020-10-20 一种基于ccd的cnc工件加工方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011125083.9A CN112355710A (zh) 2020-10-20 2020-10-20 一种基于ccd的cnc工件加工方法及系统

Publications (1)

Publication Number Publication Date
CN112355710A true CN112355710A (zh) 2021-02-12

Family

ID=74507395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011125083.9A Pending CN112355710A (zh) 2020-10-20 2020-10-20 一种基于ccd的cnc工件加工方法及系统

Country Status (1)

Country Link
CN (1) CN112355710A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067151A (zh) * 2008-04-18 2011-05-18 T-移动美国有限公司 自动机装置测试器
CN103905611A (zh) * 2012-12-24 2014-07-02 联想(北京)有限公司 图像采集单元兼容匹配方法及电子设备
US20140277656A1 (en) * 2013-03-14 2014-09-18 Fisher-Rosemount Systems, Inc. Collecting and delivering data to a big data machine in a process control system
CN106055044A (zh) * 2016-05-30 2016-10-26 维沃移动通信有限公司 一种兼容识别不同型号传感器的方法和终端
CN103134427B (zh) * 2013-03-07 2016-12-07 苏州吉视电子科技有限公司 圆环零件识别方法
CN107578431A (zh) * 2017-07-31 2018-01-12 深圳市海思科自动化技术有限公司 一种Mark点视觉识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067151A (zh) * 2008-04-18 2011-05-18 T-移动美国有限公司 自动机装置测试器
CN103905611A (zh) * 2012-12-24 2014-07-02 联想(北京)有限公司 图像采集单元兼容匹配方法及电子设备
CN103134427B (zh) * 2013-03-07 2016-12-07 苏州吉视电子科技有限公司 圆环零件识别方法
US20140277656A1 (en) * 2013-03-14 2014-09-18 Fisher-Rosemount Systems, Inc. Collecting and delivering data to a big data machine in a process control system
CN106055044A (zh) * 2016-05-30 2016-10-26 维沃移动通信有限公司 一种兼容识别不同型号传感器的方法和终端
CN107578431A (zh) * 2017-07-31 2018-01-12 深圳市海思科自动化技术有限公司 一种Mark点视觉识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
万晶晶等: "《人工智能前沿技术丛书 模式识别》", 30 September 2019, 西安电子科技大学出版社 *
王天雷等: "基于线阵 CCD 的激光 FPC 加工定位方法研究", 《激光杂志》 *
邓秀娟等: "基于图像轮廓提取的模板匹配方法在机器人视觉中的应用", 《机器人技术与应用》 *

Similar Documents

Publication Publication Date Title
EP3740897B1 (en) License plate reader using optical character recognition on plural detected regions
CN109087315B (zh) 一种基于卷积神经网络的图像识别定位方法
US20190166344A1 (en) Method and device for image white balance, storage medium and electronic equipment
CN106709492A (zh) 试卷图像处理方法、设备和计算机可读存储介质
CN110266946B (zh) 一种拍照效果自动优化方法、装置、存储介质及终端设备
CN110070083A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
US11580665B2 (en) Image positioning system and image positioning method based on upsampling
US10990778B2 (en) Apparatus and method for recognizing barcode based on image detection
CN114425776A (zh) 基于计算机视觉的自动贴标定位与纠偏方法
CN111401326A (zh) 基于图片识别的目标身份识别方法、服务器及存储介质
CN115661161A (zh) 零件的缺陷检测方法、装置、存储介质、设备及程序产品
CN113129383A (zh) 手眼标定方法、装置、通信设备及存储介质
WO2020014913A1 (zh) 物体体积测量方法、相关装置及计算机可读存储介质
KR101673558B1 (ko) 스마트기기를 이용한 식물정보 제공 시스템 및 방법
CN112355710A (zh) 一种基于ccd的cnc工件加工方法及系统
CN113920520A (zh) 图像文本识别方法、系统、存储介质及电子设备
CN110570439B (zh) 使用视觉系统在图像中查找和分类线的系统和方法
CN111275756A (zh) 线轴定位方法及装置
KR102144474B1 (ko) 영상에서의 해충 검출 방법
JP2007080136A (ja) 画像内に表現された被写体の特定
CN115479891A (zh) 基于图像识别的电路板载元器件自动检测系统和方法
CN114820707A (zh) 一种用于摄像头目标自动追踪的计算方法
WO2017219562A1 (zh) 一种二维码生成方法及装置
CN112529928A (zh) 零件组装检测方法、计算机设备及存储介质
KR101836768B1 (ko) 물체 인식 기반의 자동 영상 컬러 밸런스 시스템 및 방법과 이에 관한 기록매체

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210212