CN102721364A - 一种工件的定位方法及其装置 - Google Patents
一种工件的定位方法及其装置 Download PDFInfo
- Publication number
- CN102721364A CN102721364A CN2011100782113A CN201110078211A CN102721364A CN 102721364 A CN102721364 A CN 102721364A CN 2011100782113 A CN2011100782113 A CN 2011100782113A CN 201110078211 A CN201110078211 A CN 201110078211A CN 102721364 A CN102721364 A CN 102721364A
- Authority
- CN
- China
- Prior art keywords
- edge
- target area
- workpiece
- coordinate sequence
- convex closure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000004807 localization Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Abstract
一种工件的定位方法，包括以下步骤：步骤一：将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；步骤二：根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；步骤三：根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；步骤四：根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标；还提供一种工件的定位装置。本发明提供的工件的定位方法及其装置，利用由粗定位到高精度定位，由工件图像目标区域边缘的坐标序列得到目标区域边缘点集的凸包，并进一步得到该凸包的最小外接多边形的中心坐标，从而确定了工件的精确坐标；减少检测时间的同时提高了精度和识别率。
Description
技术领域
本发明涉及工件的测量领域，具体涉及一种工件的定位方法及其装置。
背景技术
机器视觉就是用机器代替人眼来做判断、测量等，已经有20年的发展历史，普遍应用于半导体、电子行业及人工视觉难以满足要求的场合。视觉定位作为视觉系统工作的第一步和关键部分，它的定位精度和效率直接影响整个视觉系统的性能。人们对定位算法也已有了多年的研究，目前的定位算法主要有基于机器学习、基于模板匹配、基于形状特征和基于色彩分析等。基于机器学习的方法最复杂，包括以分类器设计为基础的AdaBoost算法、神经网络、SVM（support vector machine 支持向量机）支持向量机等，他们的共同点都是要有大量的样本进行数据的分析训练，形成针对特定目标的“特征数据库”，对于所有的输入都采集某些特征数据和样本特征数据进行相关性计算。此种方法粗定位效果较好，但前期工作太多，不适合外观频繁变换的工件定位。基于模板匹配的方法在实际中有一定的应用，该方法优点是理论简单易实现，外界环境理想的条件下准确率较高，缺点是算法本身不能解决旋转和尺度变化的问题，且计算量大，实际中应用的模板匹配都是在原理论基础上优化的版本。基于形状特征的方法是依据计算几何理论，在图像中查找圆、矩形、线段等基本图形，典型算法如Hough变换，此种方法不能解决不规则形状的工件定位问题。
发明内容
本发明为解决现有技术工件定位方法不能解决不规则形状工件定位的问题，从而提供了一种针对任意形状工件的定位方法及其装置。
为解决上述技术问题，本发明提供如下技术方案：
一种工件的定位方法，包括以下步骤：步骤一：将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；步骤二：根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；步骤三：根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；步骤四：根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标。
本发明还提供另外一种工件的定位装置，包括：粗定位模块，用于将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；高精度定位模块，包括：亚像素精度的边缘计算模块，用于根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；凸包计算模块，用于根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；凸包外接多边形计算模块，用于根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标。
与现有技术相比，本发明具有如下有益效果：本发明提供的一种工件的定位方法及其装置，利用由粗定位到高精度定位，由工件图像目标区域边缘的坐标序列得到目标区域边缘点集的凸包，并进一步得到该凸包的最小外接多边形的中心坐标，从而确定了工件的精确坐标；减少检测时间的同时提高了精度和识别率。
附图说明
图1是本发明实施例工件的定位方法的步骤流程图。
图2是本发明实施例凸包示意图。
图3是本发明实施例凸包外接矩形示意图。
图4是本发明实施例工件的定位装置的原理框图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，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。
图1是本发明实施例工件的定位方法的步骤流程图；该工件定位方法包括以下步骤：步骤一：将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；步骤二：根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；步骤三：根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；步骤四：根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标。利用由粗定位到高精度定位，由工件图像目标区域边缘的坐标序列得到目标区域边缘点集的凸包，并进一步得到该凸包的最小外接多边形的中心坐标，从而确定了工件的精确坐标；减少检测时间的同时提高了精度和识别率。
本实施例步骤一为粗定位，包括：步骤A1：将工件图像进行二值化；根据图像像素的黑白进行区分，可以设定0~255中的一个参考值作为划分临界点，可以认为小于该参考值的图像设定为黑，而高于该参考值的像素设定为白。步骤A2：根据二值化的图像进行blob分析得到该工件图像目标区域；blob分析是对图像中相同像素的连通域进行分析，该连通域称为Blob。Blob分析可为机器视觉应用提供图像中的斑点的数量、位置、形状和方向，还可以提供相关斑点间的拓扑结构；根据二值化的图像可以得到每一个连通区域的数据，包括中心坐标、区域长宽、周长、面积等，根据实际情况设定相应的参数，并根据相应参数和实际数据对连通域进行过滤，符合设定参数条件的即为目标区域。步骤A3：扫描图像目标区域边缘，得到图像目标区域边缘的坐标序列；扫描图像目标区域边缘并存入边缘序列，可以分别从上下左右向图像中心进行扫描，最终得到图像目标区域边缘的坐标序列。
本实施例步骤二采用Zernike矩阵和图像目标区域边缘的坐标序列依次做卷积运算，得到亚像素精度的边缘坐标序列；步骤一粗定位中已经获得了目标边缘的近似坐标，这些坐标是一系列的离散点，在源图像的灰度图像中，使用Zernike矩阵和以这些离散点为中心的区域做卷积，这样做不仅纠正了粗定位的误差，还得到了亚像素精度的目标边缘坐标序列。
本实施例步骤三采用Graham-Scan算法得到目标区域边缘点集的凸包。目标区域边缘点集的凸包是指一个最小凸多边形，图2是本发明实施例凸包示意图，如图2中P1P2P3P4P5所围成的凸包；满足凸包中的点或者在多边形边上或者在其内。具体的步骤三包括：步骤B1：根据亚像素精度的边缘坐标序列设定一极点；找出最左边、最下面（如果x坐标相等，则比较y）的那个点，并将该点移动到首位，当作极点（原点），这样其余的点都一定在极点的右边。步骤B2：根据所述极点计算亚像素精度的边缘坐标序列各点的正弦值，根据步骤B1中确定的极点，计算各点的正弦值。步骤B3：根据各点的正弦值进行排序得到极角序，由于各点极角正比于正弦值，故各点正弦值的排序正比于各点的极角序。
本实施例步骤四：根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标，为了计算方便，以该外接多边形为矩形作为例子。计算凸包之后，我们得到了一组点，刚好为图2中的P1P2P3P4P5，这些点围成一个不规则的凸多边形，为了获得定位信息，我们通过求凸多边形最小外接矩形来实现，当然根据实际需求，求外接圆等其他基本图像亦可。经证明，凸多边形的最小面积外接矩形的一条边和凸多边形的某一条边是共线的。
本实施例步骤四包括：步骤C1：以凸包边界相邻两点为外接矩形的一边，画出所述凸包的外接矩形并计算该矩形的面积。结合图3本发明实施例凸包外接矩形示意图，详细说明该步骤，包括以下步骤：
a、相邻边界上的两点P1P2确定一条直线L1， 斜率K1；
b、求其他边缘点到直线L1的距离，距离最远的一点记为Q，该图中Q点与P4点重合，经过 P点作平行于L1的直线L2；
c、从Q点向直线L1引垂线，得直线L3，其斜率K3 = -1/K1；
d、求直线L3两侧距离L3最远的两点Q3（与图中P5重合）、Q4（与图中P4重合），过Q3、Q4两点做与直线L3平行的两直线L4、L5；
e、L1、L2、L4、L5 四条直线所围成的矩形ABCD即是凸包点集的一个外接矩形，并计算该外接矩形的面积。
以凸包边界相邻两点均可以得到一外接矩形，由此可以得到多个外接矩形。步骤C2：根据得到的多个外接矩形面积得到最小外接矩形，这样便得到了目标趋于基于亚像素精度边缘坐标信息的最小外接矩形，并得到该最小外接矩形的中心坐标；矩形的中心坐标就是定位目标的中心，目标的偏移角度可通过矩形顶点坐标的三角函数求得；至此，实现了亚像素精度的目标定位。
本发明还提供另外一种工件的定位装置，图4是本发明实施例工件的定位装置的原理框图，该工件的定位装置包括：粗定位模块1，用于将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；高精度定位模块2，包括：亚像素精度的边缘计算模块21，用于根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；凸包计算模块22，用于根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；凸包外接多边形计算模块23，用于根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标。该定位装置利用由粗定位到高精度定位，由工件图像目标区域边缘的坐标序列得到目标区域边缘点集的凸包，并进一步得到该凸包的最小外接多边形的中心坐标，从而确定了工件的精确坐标；减少检测时间的同时提高了精度和识别率。计算凸包外接多边形时为了简化计算、减小计算量，可以将该多边形设定位简单的矩形；该工件的定位装置中各模块的计算方法与上述工件的定位方法类似，此处不再赘述。
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 (9)
1.一种工件的定位方法，其特征在于，包括以下步骤：
步骤一：将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；
步骤二：根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；
步骤三：根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；
步骤四：根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标。
2.根据权利要求1所述的工件的定位方法，其特征在于，所述步骤一包括：
步骤A1：将工件图像进行二值化；
步骤A2：根据二值化的图像进行blob分析得到该工件图像目标区域；
步骤A3：扫描图像目标区域边缘，得到图像目标区域边缘的坐标序列。
3.根据权利要求1所述的工件的定位方法，其特征在于，所述步骤二采用Zernike矩阵和图像目标区域边缘的坐标序列依次做卷积运算，得到亚像素精度的边缘坐标序列。
4.根据权利要求1所述的工件的定位方法，其特征在于，所述步骤三采用Graham-Scan算法得到目标区域边缘点集的凸包。
5.根据权利要求4所述的工件的定位方法，其特征在于，所述步骤三包括：
步骤B1：根据亚像素精度的边缘坐标序列设定一极点；
步骤B2：根据所述极点计算亚像素精度的边缘坐标序列各点的正弦值；
步骤B3：根据各点的正弦值进行排序得到极角序。
6.根据权利要求1所述的工件的定位方法，其特征在于，所述多边形为矩形。
7.根据权利要求6所述的工件的定位方法，其特征在于，所述步骤四包括：
步骤C1：以凸包边界相邻两点为外接矩形的一边，画出所述凸包的外接矩形并计算该矩形的面积；
步骤C2：根据得到的多个矩形面积得到最小外接矩形，并得到该最小外接矩形的中心坐标。
8.一种工件的定位装置，其特征在于，包括：
粗定位模块，用于将工件图像二值化并得到该工件图像目标区域边缘的坐标序列；
高精度定位模块，包括：亚像素精度的边缘计算模块，用于根据图像目标区域边缘坐标序列得到亚像素精度的边缘坐标序列；
凸包计算模块，用于根据亚像素精度的边缘坐标序列得到目标区域边缘点集的凸包；
凸包外接多边形计算模块，用于根据目标区域边缘点集的凸包得到该凸包的最小外接多边形的中心坐标。
9.根据权利要求8所述的工件的定位装置，其特征在于，所述多边形为矩形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110078211.3A CN102721364B (zh) | 2011-03-30 | 2011-03-30 | 一种工件的定位方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110078211.3A CN102721364B (zh) | 2011-03-30 | 2011-03-30 | 一种工件的定位方法及其装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102721364A true CN102721364A (zh) | 2012-10-10 |
| CN102721364B CN102721364B (zh) | 2015-12-02 |
Family
ID=46947190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110078211.3A Expired - Fee Related CN102721364B (zh) | 2011-03-30 | 2011-03-30 | 一种工件的定位方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102721364B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
| CN104422874A (zh) * | 2013-08-28 | 2015-03-18 | 深圳麦逊电子有限公司 | 一种pcb板测试的线转换成盘的方法 |
| CN104457577A (zh) * | 2014-12-19 | 2015-03-25 | 上海工业自动化仪表研究院 | 面向机器视觉的无接触式工件定位与测量方法 |
| CN105991913A (zh) * | 2015-02-03 | 2016-10-05 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位特征对象的方法 |
| CN106023201A (zh) * | 2016-05-19 | 2016-10-12 | 南京林业大学 | 一种针对矩形透明塑料袋的尺寸测量方法 |
| CN106504231A (zh) * | 2016-10-11 | 2017-03-15 | 广州视源电子科技股份有限公司 | 元件缺陷检测方法和系统 |
| WO2017067342A1 (zh) * | 2015-10-21 | 2017-04-27 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
| WO2017067321A1 (zh) * | 2015-10-19 | 2017-04-27 | 广州视源电子科技股份有限公司 | 一种基于外轮廓的pcb板卡匹配方法及装置 |
| CN106846404A (zh) * | 2017-01-16 | 2017-06-13 | 河海大学常州校区 | 一种基于工件内外轮廓几何特征的快速位姿检测方法 |
| CN103914827B (zh) * | 2013-09-06 | 2017-07-11 | 贵州大学 | 汽车密封条轮廓缺陷的视觉检测方法 |
| CN107883930A (zh) * | 2017-10-30 | 2018-04-06 | 北京致臻智造科技有限公司 | 一种显示屏的位姿计算方法及系统 |
| CN108073932A (zh) * | 2016-11-16 | 2018-05-25 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于Gabor滤波的工件图像特征提取与识别方法 |
| CN108460799A (zh) * | 2018-01-26 | 2018-08-28 | 中国地质大学（武汉） | 一种逐步逼近亚像素图像定位方法和系统 |
| CN108665439A (zh) * | 2017-08-22 | 2018-10-16 | 深圳安博电子有限公司 | 基板检测方法及终端设备 |
| CN108694716A (zh) * | 2018-05-15 | 2018-10-23 | 苏州大学 | 一种工件检测方法、模型训练方法及设备 |
| CN108961212A (zh) * | 2018-05-29 | 2018-12-07 | 歌尔股份有限公司 | 一种产品的定位检测方法、装置及电子设备 |
| CN109509165A (zh) * | 2017-09-11 | 2019-03-22 | 凌云光技术集团有限责任公司 | 图像定位区域选取方法及装置 |
| CN109544509A (zh) * | 2018-10-22 | 2019-03-29 | 中国地质大学（武汉） | 一种基于二次模板匹配的工件定位方法、设备及存储设备 |
| CN110599467A (zh) * | 2019-08-29 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 非限束器区域检测方法、装置、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001069350A (ja) * | 1999-08-30 | 2001-03-16 | Matsushita Electric Ind Co Ltd | 画像形成装置 |
| US20040122320A1 (en) * | 2002-12-20 | 2004-06-24 | Aloka Co., Ltd. | Ultrasonic diagnostic device |
| CN101327126A (zh) * | 2008-07-23 | 2008-12-24 | 天津大学 | 人体赤足迹形态学特征提取方法 |
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| CN101751572A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种图案检测方法、装置、设备及系统 |
-
2011
- 2011-03-30 CN CN201110078211.3A patent/CN102721364B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001069350A (ja) * | 1999-08-30 | 2001-03-16 | Matsushita Electric Ind Co Ltd | 画像形成装置 |
| US20040122320A1 (en) * | 2002-12-20 | 2004-06-24 | Aloka Co., Ltd. | Ultrasonic diagnostic device |
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| CN101327126A (zh) * | 2008-07-23 | 2008-12-24 | 天津大学 | 人体赤足迹形态学特征提取方法 |
| CN101751572A (zh) * | 2008-12-05 | 2010-06-23 | 比亚迪股份有限公司 | 一种图案检测方法、装置、设备及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 曾筝等: "《基于凸包算法的三维表面重建中边缘轮廓提取》", 《微机发展》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104422874A (zh) * | 2013-08-28 | 2015-03-18 | 深圳麦逊电子有限公司 | 一种pcb板测试的线转换成盘的方法 |
| CN104422874B (zh) * | 2013-08-28 | 2017-08-25 | 深圳麦逊电子有限公司 | 一种pcb板测试的线转换成盘的方法 |
| CN103914827B (zh) * | 2013-09-06 | 2017-07-11 | 贵州大学 | 汽车密封条轮廓缺陷的视觉检测方法 |
| CN103729632B (zh) * | 2014-01-22 | 2016-11-02 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
| CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
| CN104457577A (zh) * | 2014-12-19 | 2015-03-25 | 上海工业自动化仪表研究院 | 面向机器视觉的无接触式工件定位与测量方法 |
| CN105991913A (zh) * | 2015-02-03 | 2016-10-05 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位特征对象的方法 |
| CN105991913B (zh) * | 2015-02-03 | 2019-12-31 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位摄像模组的花瓣槽角度的方法 |
| WO2017067321A1 (zh) * | 2015-10-19 | 2017-04-27 | 广州视源电子科技股份有限公司 | 一种基于外轮廓的pcb板卡匹配方法及装置 |
| WO2017067342A1 (zh) * | 2015-10-21 | 2017-04-27 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
| CN106023201B (zh) * | 2016-05-19 | 2018-12-28 | 南京林业大学 | 一种针对矩形透明塑料袋的尺寸测量方法 |
| CN106023201A (zh) * | 2016-05-19 | 2016-10-12 | 南京林业大学 | 一种针对矩形透明塑料袋的尺寸测量方法 |
| CN106504231A (zh) * | 2016-10-11 | 2017-03-15 | 广州视源电子科技股份有限公司 | 元件缺陷检测方法和系统 |
| CN108073932A (zh) * | 2016-11-16 | 2018-05-25 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于Gabor滤波的工件图像特征提取与识别方法 |
| CN106846404A (zh) * | 2017-01-16 | 2017-06-13 | 河海大学常州校区 | 一种基于工件内外轮廓几何特征的快速位姿检测方法 |
| CN108665439A (zh) * | 2017-08-22 | 2018-10-16 | 深圳安博电子有限公司 | 基板检测方法及终端设备 |
| CN109509165A (zh) * | 2017-09-11 | 2019-03-22 | 凌云光技术集团有限责任公司 | 图像定位区域选取方法及装置 |
| CN107883930A (zh) * | 2017-10-30 | 2018-04-06 | 北京致臻智造科技有限公司 | 一种显示屏的位姿计算方法及系统 |
| CN107883930B (zh) * | 2017-10-30 | 2020-11-13 | 北京致臻智造科技有限公司 | 一种显示屏的位姿计算方法及系统 |
| CN108460799A (zh) * | 2018-01-26 | 2018-08-28 | 中国地质大学（武汉） | 一种逐步逼近亚像素图像定位方法和系统 |
| CN108694716A (zh) * | 2018-05-15 | 2018-10-23 | 苏州大学 | 一种工件检测方法、模型训练方法及设备 |
| CN108694716B (zh) * | 2018-05-15 | 2022-05-17 | 苏州大学 | 一种工件检测方法、模型训练方法及设备 |
| CN108961212A (zh) * | 2018-05-29 | 2018-12-07 | 歌尔股份有限公司 | 一种产品的定位检测方法、装置及电子设备 |
| CN108961212B (zh) * | 2018-05-29 | 2020-12-18 | 歌尔光学科技有限公司 | 一种产品的定位检测方法、装置及电子设备 |
| CN109544509A (zh) * | 2018-10-22 | 2019-03-29 | 中国地质大学（武汉） | 一种基于二次模板匹配的工件定位方法、设备及存储设备 |
| CN110599467A (zh) * | 2019-08-29 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 非限束器区域检测方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102721364B (zh) | 2015-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102721364A (zh) | 一种工件的定位方法及其装置 | |
| Romero-Ramirez et al. | Speeded up detection of squared fiducial markers | |
| Mishra et al. | Segmenting “simple” objects using RGB-D | |
| Yang et al. | Fast and accurate vanishing point detection and its application in inverse perspective mapping of structured road | |
| CN103942824B (zh) | 一种三维点云直线特征提取方法 | |
| CN108961235A (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
| CN107545207A (zh) | 基于图像处理的dm二维码识别方法及装置 | |
| CN104978012B (zh) | 一种指向交互方法、装置及系统 | |
| CN104197899A (zh) | 移动机器人定位方法及系统 | |
| CN103747667B (zh) | 一种用于笔记本电池自动装盒的视觉检测和控制系统 | |
| JP6899189B2 (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
| CN106056020A (zh) | 一种基于机器视觉系统的条码检测识别方法及系统 | |
| CN103530590A (zh) | Dpm二维码识别系统 | |
| CN105956619B (zh) | 一种集装箱锁孔粗定位和跟踪方法 | |
| CN110070557A (zh) | 一种基于边缘特征检测的目标识别与定位方法 | |
| CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
| CN105225225A (zh) | 一种基于机器视觉的皮革自动划线方法和装置 | |
| Li et al. | Rotation correction for license plate recognition | |
| CN112257721A (zh) | 一种基于Fast ICP的图像目标区域匹配方法 | |
| Tu et al. | An efficient crop row detection method for agriculture robots | |
| TWI543117B (zh) | 物件辨識與定位方法 | |
| Jiang et al. | Mobile robot gas source localization via top-down visual attention mechanism and shape analysis | |
| Kang et al. | An application of parameter extraction for AGV navigation based on computer vision | |
| US20230138821A1 (en) | Inspection method for inspecting an object and machine vision system | |
| CN114037822A (zh) | 一种行驶证检测方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191227 Address after: 518119 1 Yanan Road, Kwai Chung street, Dapeng New District, Shenzhen, Guangdong Patentee after: SHENZHEN BYD MICROELECTRONICS Co.,Ltd. Address before: BYD 518118 Shenzhen Road, Guangdong province Pingshan New District No. 3009 Patentee before: BYD Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province Patentee after: BYD Semiconductor Co.,Ltd. Address before: 518119 No.1 Yan'an Road, Kuiyong street, Dapeng New District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN BYD MICROELECTRONICS Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151202 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |