CN103512892B - 电磁线薄膜绕包的检测方法 - Google Patents
电磁线薄膜绕包的检测方法 Download PDFInfo
- Publication number
- CN103512892B CN103512892B CN201310433491.4A CN201310433491A CN103512892B CN 103512892 B CN103512892 B CN 103512892B CN 201310433491 A CN201310433491 A CN 201310433491A CN 103512892 B CN103512892 B CN 103512892B
- Authority
- CN
- China
- Prior art keywords
- image
- wrapped
- edge
- electromagnetic wire
- pixel
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
电磁线薄膜绕包的检测方法,利用两摄像机同时采集电磁线薄膜绕包图像,对采集的图像执行以下步骤:图像预处理,对图像平滑去噪;亚像素级边缘特征提取,对图像进行边缘特征提取,以得到边缘精确定位图像;图像立体匹配,通过基于边缘区域的Harris特征匹配算法,实现两图像的特征匹配;以及进行电磁线绕包间距与绕包率检测。该方法采用双目视觉获取两个图像,解决了单目视觉因绕包机高速旋转或震动而无法获取清晰图像从而无法完成检测的难题,实现了对绕包质量的非接触式、准确、自动化检测。
Description
技术领域
本发明涉及一种电磁线薄膜绕包的检测方法。
背景技术
电磁线是电机、高压大容量变压器等电器产品的关键材料,电磁线主要分绕包线和漆包线两种,绕包线是一种在导体上用天然纤维、无碱玻璃丝、云母带等各种绝缘薄膜绕包而成的绝缘导线。绕包方式有两种:平包和叠包;而平包又包括单层平包、双层平包、三层平包。绕包的方式、层间位置尺寸参数及均匀性则是影响电磁线的电气性能的重要因素。
由于电磁线的绕包是在绝缘薄膜高速旋转下完成的,因此绕包质量的动态检测是一项极具挑战性的技术难题,采用任何接触式的检测方法极难获得准确的测量数据,而且还容易造成断线。目前,电磁线的绕包质量主要依赖绕包机的性能及其工作的稳定性和可靠性。
传统的方法是在生产工作过程中,操作人员首先使绕包机工作在低速旋转的绕包预调状态,根据实时观测绕包的具体情况调整绕包机的参数,使绕包的位置尺寸和偏差稳定并符合产品质量要求;然后使绕包机工作在高速旋转的绕包生产状态,此后电磁线的绕包质量完全凭由机器的工作状态来决定,操作人员只能对产后的绕包情况进行观测后再判断决定是否需要进行干预。可见,凭借此种滞后的人工目测方法来检测质量难以及时发现问题,极容易造成不必要的浪费,而且人工目测的方法精度也难以保证。由此便产生了基于单目视觉的电磁线绕包质量在线检测系统,其基于获取到的清晰图像,进而进行检测。但由于绕包机的高速运转及其带来的震动会使得摄像机无法获取清晰图像,这成为了绕包质量自动检测的一大问题。
发明内容
本发明的目的在于解决现有技术中的上述问题,使得在绕包机高速运转和震动的情况下也能完成对电磁线绕包质量的准确、自动化的检测。
为了实现这一目的,本发明提供了一种电磁线薄膜绕包的检测方法,利用第一摄像机和第二摄像机同时采集电磁线薄膜绕包图像,并且对第一摄像机采集的第一图像和第二摄像机采集的第二图像执行以下步骤:图像预处理,对第一图像和第二图像平滑去噪;亚像素级边缘特征提取,对预处理后的第一图像和第二图像进行边缘特征提取,以得到第一图像和第二图像的边缘精确定位图像;图像立体匹配,通过基于边缘区域的Harris特征匹配算法,实现第一图像和第二图像的特征匹配;以及进行电磁线绕包间距与绕包率检测。
根据本发明的一优选实施例中,图像立体匹配的步骤包括:对提取边缘特征后的第一图像和第二图像按窗口依次计算视差梯度δd,将所有满足1.2<|δd|<2的窗口区域判定为边缘区域,这里δd=,其中及分别是实际场景中两点p1(x1,y1,z1)和p2(x2,y2,z2)对应的在第一图像和第二图像中的投影;利用Harris算子提取第一图像和第二图像的边缘区域的一定数量的特征角点,生成两特征向量;以及通过判断第一图像与第二图像中相应特征角点之间的欧氏距离D来实现相应特征角点之间的匹配,其中若Dmin/Dcmin<0.5,则相应的两个特征角点相匹配,这里 其中,(x1,x2,…,xn)和(x1′,x2′,…xn′)为Harris提取角点后得到的特征向量,Dmin为欧氏距离D的最小值,Dcmin为欧氏距离D的次小值,n为正整数。
根据本发明的一优选实施例中,图像预处理可采用模板为3×3的标准差σ=0.5的高斯平滑滤波去噪。
根据本发明的一优选实施例中,亚像素级边缘特征提取可包括:像素级边缘检测,得到第一图像和第二图像的边缘粗定位图像;以及亚像素级边缘检测,得到第一图像和第二图像的边缘精确定位图像。
根据本发明的一优选实施例中,可采用Canny算子来进行像素级边缘检测。
根据本发明的一优选实施例中,亚像素级边缘检测可采用基于Zernike矩的改进亚像素边缘检测算法,包括:
计算7×7模板{M00,M11,M20,M31,M40},从而得到Re[M11],Im[M11]和M20,其中Mpq表示p阶q次Zernike矩模板,M11表示一阶一次Zernike矩模板,M20表示二阶零次Zernike矩模板,Re[M11]表示M11模板实部,Im[M11]表示M11模板虚部;
采用模板{M00,M11,M20,M31,M40}和第一图像及第二图像的每一个像素点进行卷积运算得到{A00,A10,A20,A31,A40},从而得到与Re[M11]、Im[M11]对应的Re[A11]、Im[A11],其中p阶q次Zernike矩模板Mpq和每一个像素点进行卷积运算后得到p阶q次Zernike矩Apq;
根据公式 计算边缘模型参数φ、l、k、h,其中φ表示边缘中心和对应像素中心的连线与水平方向的夹角,l表示边缘中心到像素中心距离,k表示边缘相对于背景的灰度阶跃值,h表示背景灰度值,Apq′为Apq旋转φ角后的Zernike矩;以及
如果像素点的参数满足条件k≥kt∩|l2-l1|≤lt,则该像素点为边缘点,利用公式 求出亚像素边缘点坐标(xs,ys),其中lt为边缘中心到像素中心距离的阈值,kt是边缘相对于背景的灰度阶跃值的阈值,N指的是Zernike模板大小,这里为7,(x,y)为中心像素坐标。
根据本发明的一优选实施例中,利用Harris算子提取第一图像和第二图像的一定数量的特征角点可具体包括:
计算第一图像和第二图像水平方向和与水平方向垂直的垂直方向的梯度Ix,Iy,以及两者的乘积,得到式 的4个元素值;
将上面的式M与高斯模板做卷积,得到新的M;
利用新的M计算第一图像和第二图像上对应的每个像素点的兴趣值,即R, 其中k是选自0.04至0.06之间的常数;
选取局部极值点;以及
根据需要设置合适的阈值,去除低于阈值的极值点,并选取一定数量的角点。
根据本发明的一优选实施例中,对电磁线绕包间距与绕包率的检测可包括:采用Hough变换与最小二乘法相结合的方法获得像面直线,运用Hough变换求出电磁线绕包边缘与间隔像面直线参数空间的极径(ρ)与极角(θ)后,采用最小二乘法拟合像面直线,使得目标函数最小,其中拟合像面直线的方程为y=ax+b,参与边缘拟合直线的像面点数为n,像面点坐标为(xi,yi),i=1,2,…,n;根据得出的边缘直线和间隔直线,测出像素间距,结合已知的摄像机设定参数能够得到电磁线绕包间距,从而实现对绕包间距及绕包率进行自动检测。
根据本发明的一优选实施例中,利用s1M1Xw=0和s2M2Xw=0求出空间直线L,其中M1和M2为第一摄像机和第二摄像机的投影矩阵,第一摄像机光心为Oc1,第二摄像机光心为Oc2,Xw为物点在世界坐标系中的齐次坐标,s1和s2表示第一图像和第二图像上直线l1和l2的参数向量,空间直线L为由Oc1和l1构成的平面Q1与由Oc2和l2构成的平面Q2的交线;根据得出的边缘直线和间隔直线,测出像素间距,结合已知的摄像机设定参数能够得到电磁线绕包间距,从而实现对绕包间距及绕包率进行自动检测。
根据本发明的方法,采用由两台摄像机组成的双目视觉来同时获取两幅图像,解决了单目视觉在工业生产中因绕包机高速旋转或震动而无法获取清晰图像从而无法完成检测的难题,实现了对电磁线绕包间距和绕包率的非接触式、准确的、自动化的检测,从而能确定电磁线绕包的位置尺寸及其偏差,实现了电磁线薄膜绕包的可靠的质量检测。
另外,根据本发明的方法中,边缘特征提取精确到亚像素级,能够精确定位电磁线薄膜绕包图像边缘,并且采用改进的Zernike矩边缘检测算法可自适应选取阈值,运行时间更短。
而且,采用基于边缘区域的Harris特征匹配算法进行图像立体匹配具有较强的抗干扰性,计算量小,运行时间短。
附图说明
图1是待检测的采用双层平包绕包方式的电磁线薄膜绕包的示意图;
图2示出了根据本发明一优选实施例的电磁线薄膜绕包的检测方法的流程图;以及
图3示出了根据本发明一优选实施例的电磁线薄膜绕包图像立体匹配流程图。
具体实施方式
下面结合附图详细描述本发明优选实施例的电磁线薄膜绕包的检测方法。本领域技术人员应当理解,下面描述的实施例仅是对本发明的示例性说明,而非用于对其作出任何限制。
图1示意性示出了待检测的采用双层平包绕包方式的电磁线薄膜绕包,其中标记1表示绝缘薄膜,标记2表示作为基准的水平中心截线。第一层绕包时,绝缘薄膜1为简单的平行拼接方式;第二层绕包时,平行拼接的绝缘薄膜1覆盖在第一层上,但理想状况下要求绝缘薄膜宽度的中心与第一层的拼接线重合。
d表示第二层绕包拼接线与第一层绕包拼接线的间距,D为第一层绕包拼接线之间的间距,也即绝缘薄膜的宽度。生产工艺与检测的技术指标要求为:检测绕包率d/D,当绕包率的偏差在一定范围内时,绕包质量为合格,超过一定值时绕包质量不合格。例如,要求绕包质量合格的绕包率d/D为50%,偏差不超过5%。
本领域普通技术人员熟知的是,对绕包率的测量可转化为对绕包边缘间距的测量,在图像上这个间距以像素为单位进行度量。
下面,结合图2和图3具体描述根据本发明一优选实施例的电磁线薄膜绕包的检测方法。
利用第一摄像机和第二摄像机同时采集电磁线薄膜绕包图像,并对第一摄像机采集的第一图像和第二摄像机采集的第二图像执行以下步骤S1至S4:
S1,图像预处理,将两摄像机同时采集到的第一图像和第二图像例如采用模板为3×3的标准差σ=0.5的高斯平滑滤波去噪。
S2,亚像素级边缘特征提取;优选地,可以首先采用Canny算子进行像素级边缘检测,得到电磁线绕包边缘粗定位图像;然后采用基于Zernike矩的改进亚像素边缘检测算法进行亚像素级边缘检测,得到电磁线绕包边缘精确定位图像,其中基于Zernike矩的改进亚像素边缘检测算法具体按如下步骤来进行:
计算7×7模板{M00,M11,M20,M31,M40},从而得到Re[M11],Im[M11]和M20,其中Mpq表示p阶q次Zernike矩模板,M11表示一阶一次Zernike矩模板,M20表示二阶零次Zernike矩模板,Re[M11]表示M11模板实部,Im[M11]表示M11模板虚部;
采用模板{M00,M11,M20,M31,M40}和图像的每一个像素点进行卷积运算得到{A00,A10,A20,A31,A40},从而可得到模板Re[M11]、Im[M11]对应的Re[A11}、Im[A11],其中p阶q次Zernike矩模板Mpq和图像的每一个像素点进行卷积运算后得到p阶q次Zernike矩Apq;
根据公式 计算边缘模型参数φ、l、k、h,其中φ表示边缘中心与对应像素中心的连线和水平方向的夹角,l表示边缘中心到像素中心距离,k表示边缘相对于背景的灰度阶跃值,h表示背景灰度值,Apq′为Apq旋转φ角后的Zernike矩;
如果像素点的参数满足条件k≥kt∩|l2-l1|≤lt,则该像素点为边缘点,利用公式 求出亚像素边缘点坐标(xs,ys),其中lt为边缘中心到像素中心距离的阈值,通常为小于1的正数,kt是边缘相对于背景的灰度阶跃值的阈值,N指的是Zernike模板大小,这里为7,(x,y)为中心像素坐标。
S3,图像立体匹配,通过基于边缘区域的Harris特征匹配算法,实现上述处理后电磁线绕包第一图像和第二图像的特征匹配,可按以下步骤进行:
首先,对提取边缘特征后的第一图像和第二图像按窗口依次计算视差梯度δd,将所有满足1.2<|δd|<2的窗口区域判定为边缘区域,对于平行双目系统而言,其中是实际场景中两点p1(x1,y1,z1)和p2(x2,y2,z2)对应地在第一图像中的投影,是实际场景中两点p1(x1,y1,z1)和p2(x2,y2,z2)对应地在第二图像中的投影。
这里,需指出的是,例如可以对第一图像和第二图像采用从左至右,从上而下滑动窗口,分别计算视差梯度δd,如图3所示,从左上角开始计算视差梯度δd,若满足1.2<|δd|<2,则将该窗口区域判定为边缘区域,否则滑动窗口继续计算视差梯度并进行相应的判断,直至窗口滑过图像的右下角。
接着,利用Harris算子提取第一图像和第二图像的边缘区域的一定数量的特征角点,生成两特征向量。这里,通过Harris算子提取电磁线绕包图像的一定数量的特征角点可优选按以下步骤来执行:
计算电磁线绕包图像水平方向和垂直方向的梯度Ix,Iy,以及两者的乘积,得到式 的4个元素值;
对电磁线绕包图像采用高斯滤波器进行处理,也就是将上面的式M与高斯模板做卷积,得到新的M;
利用新的M计算电磁线绕包图像上对应的每个像素点的兴趣值,即R,其中k是选自0.04至0.06之间的常数;
选取局部极值点;
根据不同的需要设置合适的阈值,去除低于阈值的极值点,并选取一定数量的特征角点。
最后,通过判断第一图像与第二图像中相应特征角点之间的欧氏距离D来实现相应特征角点之间的匹配,其中若Dmin/Dcmin<0.5,则相应的两个特征角点相匹配,这里 其中,(x1,x2,…,xn)和(x1′,x2′,…xn′)为Harris提取角点后得到的特征向量,Dmin为欧氏距离D的最小值,Dcmin为欧氏距离D的次小值,n为正整数。
具体而言,从基准图例如第一图像中选择某一特征点Pl作为候选点,然后确定待匹配图如第二图像中的搜索范围内的n点候选点Pri(r,i=1,2,…,n),对每一个候选特征点根据欧式距离函数计算与此基准角点Pl的欧式距离D;计算得到欧式距离相距最近的待匹配图中的两个候选角点,如果计算得到的距离的最小值Dmin除以次小值Dcmin的结果小于阈值0.5,则对应最小距离的待匹配图像中的候选角点Pr与基准图中的角点Pl匹配。
更具体地,如图3所示,可以将第一图像作为基准图,将第二图像作为待匹配图,首先选取第一图像的第一点,即l=1,相应地确定第二图像中第一组n个候选点,即r=1,i=1,2,…,n,分别计算Pl与Pr1、Pr2、…、Prn之间的欧氏距离,若满足Dmin/Dcmin<0.5,则判定为匹配,即得到匹配点,否则指向下一基准点和下一组待匹配点,即l+1,r+1,继续如上所述地计算欧氏距离并判断是否能得到匹配点。直至得到预定数量的匹配点,即完成了匹配工作。这里,需指出的是,图3中示出的具体步骤仅仅是示例性的,也可以将第二图像上的候选点作为基准点,相应地将第一图像上的候选点作为待匹配点。
S4,进行电磁线绕包间距与绕包率检测。
尤其是在第一图像和第二图像上没有都出现白色的伪直线或上下边缘和间隔直线不完整的情况下,即当第一图像和第二图像中至少有一幅电磁线绕包图像上下边缘与间隔直线清晰完整时,可采用Hough变换与最小二乘法相结合的方法获得像面直线,运用Hough变换求出电磁线绕包边缘与间隔像面直线参数空间的极径(ρ)与极角(θ)后,采用最小二乘法拟合像面直线,使得目标函数最小,其中拟合像面直线的方程为y=ax+b,参与边缘拟合直线的像面点数为n,像面点坐标为(xi,yi),i=1,2,…,n;根据得出的边缘直线和间隔直线,测出像素间距,结合已知的摄像机设定参数能够得到电磁线绕包间距,从而实现对绕包间距及绕包率进行自动检测。
尤其是在第一图像和第二图像上都出现白色的伪直线或上下边缘和间隔直线不完整的情况下,可利用s1M1Xw=0和s2M2Xw=0求出空间直线L,其中M1和M2为两摄像头的投影矩阵,Xw为物点在世界坐标系中的齐次坐标,s1和s2表示两图像上直线的参数向量,基于提取出的电磁线绕包的边缘和间隔直线从而得到像素间距,结合电磁线绕包测量系统中设定的摄像机投影关系可得到摄像机标定参数,例如,电磁线绕包间距=像素间距×摄像机标定参数,进而可求得绕包率d/D,从而判断绕包质量。
下表中示出了利用根据本发明的方法对一组合格产品(绕包率在45%-55%之间)进行验证检测的一组实验数据,其是根据本发明的检测方法结合电磁线绕包测量系统中的摄像机投影矩阵计算出的绕包率,实验证明根据本发明的方法并未出现误检,具有很好的准确性和可靠性。
实验序号 | 绕包率(%) | 实验序号 | 绕包率(%) |
1 | 49.15% | 6 | 47.76% |
2 | 50.42% | 7 | 48.12% |
3 | 49.12% | 8 | 49.24% |
4 | 47.95% | 9 | 48.68% |
5 | 47.80% | 10 | 47.72% |
根据本发明的方法,采用基于两台摄像机的双目视觉同时获取两幅图像,并对这两幅图像进行相应处理,解决了单目视觉在工业生产中因绕包机高速旋转或因震动而无法获取清晰图像从而无法完成检测的难题,实现了对电磁线薄膜绕包的间距及绕包率的非接触的、准确的、自动化的检测,从而可确定电磁线绕包的位置尺寸及其偏差,实现了电磁线薄膜绕包的质量检测。
本发明优选实施例的说明和图示仅为了清楚地说明和理解本发明,本领域技术人员可根据上述描述做出各种可能的等同替换或改变,所有这些替换或改变均落入本发明的范围内。
Claims (7)
1.一种电磁线薄膜绕包的检测方法,其特征在于,利用第一摄像机和第二摄像机同时采集电磁线薄膜绕包图像,并且对所述第一摄像机采集的第一图像和所述第二摄像机采集的第二图像执行以下步骤:
图像预处理(S1),对所述第一图像和所述第二图像平滑去噪;
亚像素级边缘特征提取(S2),对预处理后的所述第一图像和所述第二图像进行边缘特征提取,以得到所述第一图像和所述第二图像的边缘精确定位图像;
图像立体匹配(S3),通过基于边缘区域的Harris特征匹配算法,实现所述第一图像和所述第二图像的特征匹配;以及
进行电磁线绕包间距与绕包率检测(S4);
其中所述亚像素级边缘特征提取(S2)的步骤包括:
像素级边缘检测,得到所述第一图像和所述第二图像的边缘粗定位图像;以及
亚像素级边缘检测,得到所述第一图像和所述第二图像的边缘精确定位图像;
其中所述亚像素级边缘检测采用基于Zernike矩的改进亚像素边缘检测算法,包括:
计算7×7模板{M00,M11,M20,M31,M40},从而得到Re[M11],Im[M11]和M20,其中M00表示零阶零次Zernike矩模板,M11表示一阶一次Zernike矩模板,M20表示二阶零次Zernike矩模板,M31表示三阶一次Zernike矩模板,M40表示四阶零次Zernike矩模板,Re[M11]表示M11模板实部,Im[M11]表示M11模板虚部;
采用模板{M00,M11,M20,M31,M40}和所述第一图像及所述第二图像的每一个像素点进行卷积运算得到{A00,A10,A20,A31,A40},从而得到与Re[M11]、Im[M11]对应的Re[A11]、Im[A11];
根据公式 计算边缘模型参数φ、l、k、h其中φ表示边缘中心和对应像素中心的连线与水平方向的夹角,l表示边缘中心到像素中心距离,k表示边缘相对于背景的灰度阶跃值,h表示背景灰度值,A1'1为A11旋转φ角后的Zernike矩;
如果像素点的参数满足条件k≥kt∩|l2-l1|≤lt,则该像素点为边缘点,利用公式 求出亚像素边缘点坐标(xs,ys),其中lt为边缘中心到像素中心距离的阈值,kt是边缘相对于背景的灰度阶跃值的阈值,N为7,(χ,y)为中心像素坐标。
2.根据权利要求1所述的电磁线薄膜绕包的检测方法,其中,所述图像立体匹配(S3)的步骤包括:
对提取边缘特征后的所述第一图像和所述第二图像按窗口依次计算视差梯度δd,将所有满足1.2<|δd|<2的窗口区域判定为边缘区域,对于平行双目系统而言, 其中及分别是实际场景中两点p1(x1,y1,z1)和p2(x2,y2,z2)对应的在第一图像和第二图像中的投影;
利用Harris算子提取所述第一图像和所述第二图像的边缘区域的一定数量的特征角点,生成两特征向量;及
通过判断所述第一图像与所述第二图像中相应特征角点之间的欧氏距离D来实现相应特征角点之间的匹配,其中若Dmin/Dcmin<0.5,则相应的两个特征角点相匹配,这里 其中,(x1,x2,…,xn)和(x′1,x′2,…x′n)为Harris提取角点后得到的特征向量,Dmin为欧氏距离D的最小值,Dcmin为欧氏距离D的次小值,n为正整数。
3.根据权利要求1所述的电磁线薄膜绕包的检测方法,其中所述图像预处理(S1)的步骤采用模板为3×3的标准差σ=0.5的高斯平滑滤波去噪。
4.根据权利要求1所述的电磁线薄膜绕包的检测方法,其中所述像素级边缘检测是采用Canny算子进行的像素级边缘检测。
5.根据权利要求2所述的电磁线薄膜绕包的检测方法,其中利用Harris算子提取所述第一图像和所述第二图像的一定数量的特征角点具体包括:
计算所述第一图像和所述第二图像水平方向和与水平方向垂直的垂直方向的梯度Ix,Iy,以及两者的乘积,得到式 的4个元素值;
将上面的式M与高斯模板做卷积,得到新的M;
利用新的M计算所述第一图像和所述第二图像上对应的每个像素点的兴趣值,即R, 其中k是选自0.04至0.06之间的常数;
选取局部极值点;
根据需要设置合适的阈值,去除低于阈值的极值点,并选取一定数量的特征角点。
6.根据权利要求1所述的电磁线薄膜绕包的检测方法,其中进行电磁线绕包间距与绕包率检测(S4)的步骤包括:
采用Hough变换与最小二乘法相结合的方法获得像面直线,运用Hough变换求出电磁线绕包边缘与间隔像面直线参数空间ρ和θ,这里ρ是极径,θ是极角,之后采用最小二乘法拟合像面直线,使得目标函数最小,其中拟合像面直线的方程为y=ax+b,参与边缘拟合直线的像面点数为n,像面点坐标为(xi,yi),i=1,2,…,n;
根据得出的边缘直线和间隔直线,测出像素间距,结合已知的摄像机设定参数能够得到电磁线绕包间距,从而实现对绕包间距及绕包率进行自动检测。
7.根据权利要求1所述的电磁线薄膜绕包的检测方法,其中进行电磁线绕包间距与绕包率检测(S4)的步骤包括:
利用s1M1Xw=0和s2M2Xw=0求出空间直线L,其中M1和M2为所述第一摄像机和所述第二摄像机的投影矩阵,第一摄像机光心为Oc1,第二摄像机光心为Oc2,Xw为物点在世界坐标系中的齐次坐标,s1和s2表示所述第一图像和所述第二图像上直线l1和l2的参数向量,空间直线L为由Oc1和l1构成的平面Q1与由Oc2和l2构成的平面Q2的交线;
根据得出的边缘直线和间隔直线,测出像素间距,结合已知的摄像机设定参数能够得到电磁线绕包间距,从而实现对绕包间距及绕包率进行自动检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310433491.4A CN103512892B (zh) | 2013-09-22 | 2013-09-22 | 电磁线薄膜绕包的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310433491.4A CN103512892B (zh) | 2013-09-22 | 2013-09-22 | 电磁线薄膜绕包的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103512892A CN103512892A (zh) | 2014-01-15 |
CN103512892B true CN103512892B (zh) | 2016-02-10 |
Family
ID=49895954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310433491.4A Expired - Fee Related CN103512892B (zh) | 2013-09-22 | 2013-09-22 | 电磁线薄膜绕包的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103512892B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403823A (zh) * | 2016-08-25 | 2017-02-15 | 凌云光技术集团有限责任公司 | 一种珠体宽度缺陷检测方法及装置 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104819690B (zh) * | 2015-04-21 | 2017-05-31 | 上海瑞伯德智能系统股份有限公司 | 一种表面贴装元件的双相机机器视觉定位方法 |
CN105335963B (zh) * | 2015-09-24 | 2018-07-03 | 凌云光技术集团有限责任公司 | 一种边缘缺陷检测方法及装置 |
CN108596975B (zh) * | 2018-04-25 | 2022-03-29 | 华南理工大学 | 一种针对弱纹理区域的立体匹配算法 |
CN108735396B (zh) * | 2018-06-05 | 2020-12-11 | 浙江正泰电缆有限公司 | 一种双带材绕制工艺 |
CN113592811B (zh) * | 2021-07-29 | 2023-08-22 | 常州大学 | 一种基于图像处理的熔喷布厚度一致性检测方法 |
CN113470056B (zh) * | 2021-09-06 | 2021-11-16 | 成都新西旺自动化科技有限公司 | 一种基于高斯模型卷积的亚像素边缘点检测方法 |
CN114022378A (zh) * | 2021-11-04 | 2022-02-08 | 中天智能装备有限公司 | 一种基于视觉的铜带屏蔽层搭盖率检测方法 |
CN116958514B (zh) * | 2023-09-20 | 2023-12-05 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种光学图像激波位置的亚像素定位方法 |
CN117237441B (zh) * | 2023-11-10 | 2024-01-30 | 湖南科天健光电技术有限公司 | 亚像素定位方法、系统、电子设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718530A (zh) * | 2009-11-18 | 2010-06-02 | 上海理工大学 | 电磁线绕包质量在线检测系统 |
CN102313536A (zh) * | 2011-07-21 | 2012-01-11 | 清华大学 | 基于机载双目视觉的障碍物感知方法 |
CN103035342A (zh) * | 2012-06-12 | 2013-04-10 | 上海申茂电磁线有限公司 | 一种用以检测和调整云母带绕包电磁线叠包率的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100424287B1 (ko) * | 2001-09-10 | 2004-03-24 | 주식회사 제이앤에이치테크놀러지 | 비평행 광축 실시간 입체 영상 처리 시스템 및 방법 |
-
2013
- 2013-09-22 CN CN201310433491.4A patent/CN103512892B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718530A (zh) * | 2009-11-18 | 2010-06-02 | 上海理工大学 | 电磁线绕包质量在线检测系统 |
CN102313536A (zh) * | 2011-07-21 | 2012-01-11 | 清华大学 | 基于机载双目视觉的障碍物感知方法 |
CN103035342A (zh) * | 2012-06-12 | 2013-04-10 | 上海申茂电磁线有限公司 | 一种用以检测和调整云母带绕包电磁线叠包率的方法和装置 |
Non-Patent Citations (3)
Title |
---|
基于LP的电磁线绕包边缘检测;张彩艳 等;《计算机工程》;20111231;第37卷;第226-228页 * |
基于双目视觉的运动目标定位研究;时洪光;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110315(第3期);第1、7-10、29-33页 * |
基于视差梯度的快速区域匹配方法;郭龙源 等;《计算机科学》;20071231;第34卷(第4期);第239-240页 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403823A (zh) * | 2016-08-25 | 2017-02-15 | 凌云光技术集团有限责任公司 | 一种珠体宽度缺陷检测方法及装置 |
CN106403823B (zh) * | 2016-08-25 | 2018-11-27 | 凌云光技术集团有限责任公司 | 一种珠体宽度缺陷检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103512892A (zh) | 2014-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103512892B (zh) | 电磁线薄膜绕包的检测方法 | |
CN103411553B (zh) | 多线结构光视觉传感器的快速标定方法 | |
CN106340009B (zh) | 一种基于平行双目的电力线检测方法及系统 | |
CN104200086B (zh) | 宽基线可见光相机位姿估计方法 | |
CN105528785B (zh) | 一种双目视觉图像立体匹配方法 | |
CN102353340B (zh) | 缸盖毛坯加工尺寸识别方法及装置 | |
CN110415300B (zh) | 一种基于三靶标建面的立体视觉结构动态位移测量方法 | |
CN112686938B (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN109615654B (zh) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 | |
CN107274483A (zh) | 一种物体三维模型构建方法 | |
CN109358064A (zh) | 极片制片卷绕缺陷全功能检测方法、设备、介质及系统 | |
CN102313536A (zh) | 基于机载双目视觉的障碍物感知方法 | |
Zou et al. | A method of stereo vision matching based on OpenCV | |
CN108596975A (zh) | 一种针对弱纹理区域的立体匹配算法 | |
CN111174697A (zh) | 基于无人机的立体视觉影像精确测量方法 | |
CN103090807A (zh) | 一种检测输电线路安全运行的方法和系统 | |
CN104677330A (zh) | 一种小型双目立体视觉测距系统 | |
CN106295512A (zh) | 基于标识的多纠正线室内视觉数据库构建方法以及室内定位方法 | |
CN103115613A (zh) | 一种空间三维定位方法 | |
CN107885224A (zh) | 基于三目立体视觉的无人机避障方法 | |
CN108279677B (zh) | 基于双目视觉传感器的轨道机器人检测方法 | |
CN106183995A (zh) | 一种基于立体视觉的可视倒车方法 | |
CN108492282A (zh) | 基于线结构光与多任务级联卷积神经网络的三维涂胶检测 | |
CN203083532U (zh) | 一种检测输电线路安全运行的系统 | |
CN107504917A (zh) | 一种三维尺寸测量方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160210 Termination date: 20180922 |