CN103697833A - 农产品形状检测方法及装置 - Google Patents
农产品形状检测方法及装置 Download PDFInfo
- Publication number
- CN103697833A CN103697833A CN201310747003.7A CN201310747003A CN103697833A CN 103697833 A CN103697833 A CN 103697833A CN 201310747003 A CN201310747003 A CN 201310747003A CN 103697833 A CN103697833 A CN 103697833A
- Authority
- CN
- China
- Prior art keywords
- agricultural product
- reference field
- incident line
- incident
- line
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种农产品形状检测方法及装置,涉及农产品形状检测与分级技术领域。该方法通过线阵结构光光源和面阵成像装置先行采集农产品投射线上各像素点的坐标信息以及基准面投射线上各像素点的基准坐标信息,并计算像素偏离距离,得到成像投射点与其对应的基准面投射线上投射点的距离,再计算农产品投射线上各像素点的高度,绘制出农产品投射线相对于基准面的高度图,完成农产品投射线上的形状检测。本发明克服了以提取农产品边界轮廓代表农产品形状的传统机器视觉形状检测方法的片面性,同时也避免了双目相机三维立体检测匹配困难和检测精度不高的问题。本发明实现了农产品形状的全面检测,在农产品形状检测中具有较大的应用潜力。
Description
技术领域
本发明涉及农产品形状检测与分级技术领域,具体涉及一种农产品形状检测方法及装置。
背景技术
不同类别的农产品一般具有不同的形状,它们的形状往往复杂多变。畸形的农产品不仅影响其外观,而且在使用时会造成很大的浪费,因此农产品的形状是其外部品质的一个重要衡量依据,直接影响它们的价格和消费者的喜爱。基于图像处理的机器视觉技术是农产品品质检测和分选领域的研究热点,大量的成功应用案例已经充分证明,该技术在农产品质量检测、目标识别和智能视觉控制方面扮演着重要的角色。农产品的外部品质主要依据它们的颜色、纹理、尺寸、形状和缺陷进行评估。目前,基于图像处理的机器视觉技术已经广泛应用于农产品的外部品质检测中。在形状检测方面,主要通过图像处理技术提取农产品的外部轮廓进行形状检测,主要通过提取以下特征进行形状检测:基于尺寸相关的形状特征;基于边界编码的形状特征;基于不变矩的形状特征和基于傅立叶描述子的形状特征。
基于尺寸相关的形状特征检测方法主要是通过图像处理技术提取一个或多个与尺寸相关的参数进行形状的描述与检测。常见的基于尺寸相关的形状特征有紧凑度、凸起性、伸长度、圆形度、长度、宽度、长宽比等。基于边界编码的形状特征检测方法是通过按照一定的顺序对轮廓边界进行编码,然后利用编码解析其形状特征。基于不变矩的形状特征检测方法是通过计算轮廓边界的不变矩特征对形状进行描述和检测。基于傅立叶描述子的形状特征检测方法则是把轮廓边界进行傅立叶变换,然后利用前几个傅立叶系数(即傅立叶描述子)来描述形状。
上述农产品形状检测技术都是基于边界轮廓进行检测的,对于正对相机的表面情况,如凸凹起伏,传统形状检测方法都不够全面。另外,通过利用多相机采集不同方位的多幅图像,或通过平面镜增加图像检测信息等方式,在一定程度上可以提高检测精度,但这种方式也增大了图像处理时间消耗和形状检测的成本,同时以边界轮廓代替形状而忽略正对相机的表面情况的形状检测也是片面的。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种农产品形状检测方法及装置,能够对农产品表面形状进行检测。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种农产品形状检测方法,包括:
S1、保持线阵结构光光源A和面阵成像装置B相对位置不变,获取两者之间的距离D1;确定基准面,并检测线阵结构光光源A和基准面之间的垂直距离H1,并保持相对高度不变;
S2、使用面阵成像装置采集线阵结构光在基准面上的投射线图像,提取基准面投射线,并将所述基准面投射线进行细化,得到所述基准面投射线上各像素点的基准坐标信息;
S3、将被检测农产品置于基准面上,面阵成像装置采集线阵结构光在农产品上的投射线图像,提取农产品投射线,并将所述农产品投射线进行细化,得到所述农产品投射线上各像素点的坐标信息;
S4、将所述农产品投射线上各像素点的坐标信息与其对应的所述基准面投射线上各像素点的基准坐标信息作差,得到农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离D2;
依据所述像素偏离距离D2并通过标定公式计算出E点与其对应的J点的距离D3,和J点与线阵结构光光源在基准面上垂足O点之间的距离D4,并依据D4和H1计算出线阵结构光光源A与J点的距离H2;
S5、依据D1、D3和H2计算农产品投射线上各像素点的高度h;
S6、依据所述高度h,绘制出农产品表面的农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。
优选的,步骤S5后还包括步骤:
S7、在基准面上,使被检测农产品相对与线阵结构光和面阵成像装置运动;在农产品投射线与基准面投射线不重合时,重复执行步骤S2~S5,逐行采集并计算农产品表面各农产品投射线上各像素点的高度信息;在农产品投射线与基准面投射线重合时,停止采集;
S8、依据农产品表面上各像素点的高度信息,绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。
优选的,其特征在于,步骤S4中计算D3和D4的表达式为:
D3=K1D2+K2
D4=K3D2+K4
其中,D2为农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离,K1、K2、K3和K4为常数。
优选的,步骤S5中计算农产品投射线上各像素点的高度h表达式为:
式中,D1表示线阵结构光光源和面阵成像装置之间的距离;H2表示线阵结构光光源A与基准面投射线上投射点J点的距离;D3表示面阵成像装置中的成像投射点E与其对应的基准面投射线上投射点J的距离。
本发明还提供了一种农产品形状检测装置,包括:
获取模块,用于保持线阵结构光光源A和面阵成像装置B相对位置不变,获取两者之间的距离D1;确定基准面,并检测线阵结构光光源A和基准面之间的垂直距离H1,并保持相对高度不变;使用面阵成像装置采集线阵结构光在基准面上的投射线图像,提取基准面投射线,并将所述基准面投射线进行细化,得到所述基准面投射线上各像素点的基准坐标信息;将被检测农产品置于基准面上,面阵成像装置采集线阵结构光在农产品上的投射线图像,提取农产品投射线,并将所述农产品投射线进行细化,得到所述农产品投射线上各像素点的坐标信息;
第一计算模块,用于将所述农产品投射线上各像素点的坐标信息与其对应的所述基准面投射线上各像素点的基准坐标信息作差,得到农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离D2;
依据所述像素偏离距离D2并通过标定公式计算出E点与其对应的J点的距离D3,和J点与线阵结构光光源在基准面上垂足O点之间的距离D4,并依据D4和H1计算出线阵结构光光源A与J点的距离H2;
依据D1、D3和H2计算农产品投射线上各像素点的高度h;
第一绘制模块,用于依据所述高度h,绘制出农产品表面的农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。
优选的,该装置进一步包括:
第二计算模块,用于在基准面上,使被检测农产品相对与线阵结构光和面阵成像装置运动;在农产品投射线与基准面投射线不重合时,重复执行获取模块和第一计算模块,逐行采集并计算农产品表面各农产品投射线上各像素点的高度信息;在农产品投射线与基准面投射线重合时,停止采集;
第二绘制模块,用于依据农产品表面各农产品投射线上各像素点的高度,绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。
优选的,第一计算模块中计算D3和D4的表达式为:
D3=K1D2+K2
D4=K3D2+K4
其中,D2为农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离,K1、K2、K3和K4为常数。
优选的,第一计算模块中计算农产品投射线上各像素点的高度h表达式为:
式中,D1表示线阵结构光光源和面阵成像装置之间的距离;H2表示线阵结构光光源A与基准面投射线上投射点J点的距离;D3表示面阵成像装置中的成像投射点E与其对应的基准面投射线上投射点J的距离。
(三)有益效果
本发明提供了一种农产品形状检测方法及装置,通过线阵结构光光源和面阵成像装置先行采集农产品投射线上各像素点的坐标信息以及基准面投射线上各像素点的基准坐标信息,并将对应的坐标信息和基准坐标信息做差得到像素偏离距离,进而得到面阵成像装置中的成像投射点与其对应的基准面投射线上投射点的距离,再通过三角检测原理计算农产品投射线上各像素点的高度,绘制出农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。最后再通过绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。本发明克服了以提取农产品边界轮廓代表农产品形状的传统机器视觉形状检测方法的片面性,同时也避免了双目相机三维立体检测匹配困难和检测精度不高的问题。本发明实现了农产品形状的全面检测,在农产品形状检测中具有较大的应用潜力。
附图说明
为了更清楚地说明本发明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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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本发明实施例中农产品形状检测方法的流程示意图;
图2本发明实施例中农产品形状检测方法的流程示意图;
图3本发明实施例中农产品形状检测方法的原理示意图;
图4本发明实施例中农产品形状检测装置的模块示意图。
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作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。
实施例1:
如图1所示,本发明实施例提供了一种农产品形状检测方法,包括:
S1、保持线阵结构光光源A和面阵成像装置B相对位置不变,获取两者之间的距离D1;确定基准面,并检测线阵结构光光源A和基准面之间的垂直距离H1,并保持相对高度不变;
S2、使用面阵成像装置采集线阵结构光在基准面上的投射线图像,提取基准面投射线,并将所述基准面投射线进行细化,得到所述基准面投射线上各像素点的基准坐标信息;
S3、将被检测农产品置于基准面上,面阵成像装置采集线阵结构光在农产品上的投射线图像,提取农产品投射线,并将所述农产品投射线进行细化,得到所述农产品投射线上各像素点的坐标信息;
S4、将所述农产品投射线上各像素点的坐标信息与其对应的所述基准面投射线上各像素点的基准坐标信息作差,得到农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离D2;
依据所述像素偏离距离D2并通过标定公式计算出E点与其对应的J点的距离D3,和J点与线阵结构光光源在基准面上垂足O点之间的距离D4,并依据D4和H1计算出线阵结构光光源A与J点的距离H2;
S5、依据D1、D3和H2计算农产品投射线上各像素点的高度h;
S6、依据所述高度h,绘制出农产品表面的农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。
下面对本发明实施进行详细的说明:
如图2所示,作为一种优选的方案,步骤S5后还包括步骤:
S7、在基准面上,使被检测农产品相对与线阵结构光和面阵成像装置运动;在农产品投射线与基准面投射线不重合时,重复执行步骤S2~S5,逐行采集并计算农产品表面各农产品投射线上各像素点的高度信息;在农产品投射线与基准面投射线重合时,停止采集;
S8、依据农产品表面上各像素点的高度信息,绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。
本发明提供了一种农产品形状检测方法及装置,通过线阵结构光光源和面阵成像装置先行采集农产品投射线上各像素点的坐标信息以及基准面投射线上各像素点的基准坐标信息,并将垂直对应的坐标信息和基准坐标信息做差得到像素偏离距离,进而得到面阵成像装置中的成像投射点与其对应的基准面投射线上投射点的距离,再通过三角检测原理计算农产品投射线上各像素点的高度,绘制出农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。最后再通过绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。本发明克服了以提取农产品边界轮廓代表农产品形状的传统机器视觉形状检测方法的片面性,同时也避免了双目相机三维立体检测匹配困难和检测精度不高的问题。本发明实现了农产品形状的全面检测,在农产品形状检测中具有较大的应用潜力。
作为一种优选的方案,步骤S4中计算D3和D4的标定表达式为:
D3=K1D2+K2
D4=K3D2+K4
其中,D2为农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离,K1、K2、K3和K4为常数。
作为一种优选的方案,步骤S5中计算农产品投射线上各像素点的高度h表达式为:
式中,D1表示线阵结构光光源和面阵成像装置之间的距离;H2表示线阵结构光光源A与基准面投射线上投射点J点的距离;D3表示面阵成像装置中的成像投射点E与其对应的基准面投射线上投射点J的距离。
下面对发明实施例的原理进行说明:
因为农产品具有一定的高度,而面阵成像系统与线阵结构光具有一定的距离,且面阵成像系统与基准面具有一定的倾角,因此面阵成像系统采集到的线阵结构光投射到农产品上的投射线不再是一条直线,根据投射线与基准投射线之间的偏差便可以通过三角检测原理计算出农产品相应位置处的高度信息,通过逐行扫描农产品的每一行,便可以获取农产品表面的高度图,依据高度图可以全面分析农产品的边界轮廓信息和表面形状信息。
如图3所示,为本发明所使用的三角检测原理示意图。直线CD为没有农产品时的线阵结构光投射线,存在农产品的线阵结构光投射线为曲线CHGID。面阵成像系统与基准面之间有一定的夹角,因此对于投射线CHGID在面阵相机中的成像也为一条曲线。该曲线部分段(HGI)与没有农产品时候的基准投射线之间存在偏差,该偏差正是农产品具有一定的高度引起的。设A为线阵结构光光源所处位置,B为面阵成像系统的焦点位置,G为投射线上任意一点,E为G点在面阵成像系统中的投射点,J点为没有农产品存在时CD上的对应点,则由∠AGB=∠JGE,∠GAB=∠GJE,得
ΔGJEΔGAB
则由三角形相似关系得
设G点处农产品的高度为h,那么上式为
其中,JE可以通过图像处理和实际标定得出;AB为已知量;AJ则可以通过A点与基准面距离和垂足与投射点之间距离所在直角三角形利用勾股定理求得。
由以上关系就可以求得农产品表面G点的高度h。通过同样的方法可以获得整个透射线上所有点的高度信息,经过逐行扫描便可以获取农产品整个表面的高度信息。
实施例2:
如图4所示,本发明实施例还提供了一种农产品形状检测装置,其特征在于,包括:
获取模块,用于保持线阵结构光光源A和面阵成像装置B相对位置不变,获取两者之间的距离D1;确定基准面,并检测线阵结构光光源A和基准面之间的垂直距离H1,并保持相对高度不变;使用面阵成像装置采集线阵结构光在基准面上的投射线图像,提取基准面投射线,并将所述基准面投射线进行细化,得到所述基准面投射线上各像素点的基准坐标信息;将被检测农产品置于基准面上,面阵成像装置采集线阵结构光在农产品上的投射线图像,提取农产品投射线,并将所述农产品投射线进行细化,得到所述农产品投射线上各像素点的坐标信息;
第一计算模块,用于将所述农产品投射线上各像素点的坐标信息与其对应的所述基准面投射线上各像素点的基准坐标信息作差,得到农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离D2;
依据所述像素偏离距离D2并通过标定公式计算出E点与其对应的J点的距离D3,和J点与线阵结构光光源在基准面上垂足O点之间的距离D4,并依据D4和H1计算出线阵结构光光源A与J点的距离H2;
依据D1、D3和H2计算农产品投射线上各像素点的高度h;
第一绘制模块,用于依据所述高度h,绘制出农产品表面的农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。
作为一种优选的方案,该装置进一步包括:
第二计算模块,用于在基准面上,使被检测农产品相对与线阵结构光和面阵成像装置运动;在农产品投射线与基准面投射线不重合时,重复执行获取模块和第一计算模块,逐行采集并计算农产品表面各农产品投射线上各像素点的高度信息;在农产品投射线与基准面投射线重合时,停止采集;
第二绘制模块,用于依据农产品表面各农产品投射线上各像素点的高度,绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。
作为一种优选的方案,第一计算模块中计算D3和D4的表达式为:
D3=K1D2+K2
D4=K3D2+K4
其中,D2为农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离,K1、K2、K3和K4为常数
作为一种优选的方案,第一计算模块中计算农产品投射线上各像素点的高度h表达式为:
式中,D1表示线阵结构光光源和面阵成像装置之间的距离;H2表示线阵结构光光源A与基准面投射线上投射点J点的距离;D3表示面阵成像装置中的成像投射点E与其对应的基准面投射线上投射点J的距离。
综上,本发明克服了以提取农产品边界轮廓代表农产品形状的传统机器视觉形状检测方法的片面性,同时也避免了双目相机三维立体检测匹配困难和检测精度不高的问题。本发明实现了农产品形状的全面检测,在农产品形状检测中具有较大的应用潜力,
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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 (8)
1.一种农产品形状检测方法,其特征在于,包括:
S1、保持线阵结构光光源A和面阵成像装置B相对位置不变,获取两者之间的距离D1;确定基准面,并检测线阵结构光光源A和基准面之间的垂直距离H1,并保持相对高度不变;
S2、使用面阵成像装置采集线阵结构光在基准面上的投射线图像,提取基准面投射线,并将所述基准面投射线进行细化,得到所述基准面投射线上各像素点的基准坐标信息;
S3、将被检测农产品置于基准面上,面阵成像装置采集线阵结构光在农产品上的投射线图像,提取农产品投射线,并将所述农产品投射线进行细化,得到所述农产品投射线上各像素点的坐标信息;
S4、将所述农产品投射线上各像素点的坐标信息与其对应的所述基准面投射线上各像素点的基准坐标信息作差,得到农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离D2;
依据所述像素偏离距离D2并通过标定公式计算出E点与其对应的J点的距离D3,和J点与线阵结构光光源在基准面上垂足O点之间的距离D4,并依据D4和H1计算出线阵结构光光源A与J点的距离H2;
S5、依据D1、D3和H2计算农产品投射线上各像素点的高度h;
S6、依据所述高度h,绘制出农产品表面的农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。
2.如权利要求1所述的农产品形状检测方法,其特征在于,步骤S5后还包括步骤:
S7、在基准面上,使被检测农产品相对与线阵结构光和面阵成像装置运动;在农产品投射线与基准面投射线不重合时,重复执行步骤S2~S5,逐行采集并计算农产品表面各农产品投射线上各像素点的高度信息;在农产品投射线与基准面投射线重合时,停止采集;
S8、依据农产品表面上各像素点的高度信息,绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。
3.如权利要求1或2所述的农产品形状检测方法,其特征在于,步骤S4中计算D3和D4的表达式为:
D3=K1D2+K2
D4=K3D2+K4
其中,D2为农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离,K1、K2、K3和K4为常数。
4.如权利要求1或2所述的农产品形状检测方法,其特征在于,步骤S5中计算农产品投射线上各像素点的高度h表达式为:
式中,D1表示线阵结构光光源和面阵成像装置之间的距离;H2表示线阵结构光光源A与基准面投射线上投射点J点的距离;D3表示面阵成像装置中的成像投射点E与其对应的基准面投射线上投射点J的距离。
5.一种农产品形状检测装置,其特征在于,包括:
获取模块,用于保持线阵结构光光源A和面阵成像装置B相对位置不变,获取两者之间的距离D1;确定基准面,并检测线阵结构光光源A和基准面之间的垂直距离H1,并保持相对高度不变;使用面阵成像装置采集线阵结构光在基准面上的投射线图像,提取基准面投射线,并将所述基准面投射线进行细化,得到所述基准面投射线上各像素点的基准坐标信息;将被检测农产品置于基准面上,面阵成像装置采集线阵结构光在农产品上的投射线图像,提取农产品投射线,并将所述农产品投射线进行细化,得到所述农产品投射线上各像素点的坐标信息;
第一计算模块,用于将所述农产品投射线上各像素点的坐标信息与其对应的所述基准面投射线上各像素点的基准坐标信息作差,得到农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离D2;
依据所述像素偏离距离D2并通过标定公式计算出E点与其对应的J点的距离D3,和J点与线阵结构光光源在基准面上垂足O点之间的距离D4,并依据D4和H1计算出线阵结构光光源A与J点的距离H2;
依据D1、D3和H2计算农产品投射线上各像素点的高度h;
第一绘制模块,用于依据所述高度h,绘制出农产品表面的农产品投射线相对于基准面的高度图,进而完成农产品投射线上的形状检测。
6.如权利要求5所述的农产品形状检测装置,其特征在于,该装置进一步包括:
第二计算模块,用于在基准面上,使被检测农产品相对与线阵结构光和面阵成像装置运动;在农产品投射线与基准面投射线不重合时,重复执行获取模块和第一计算模块,逐行采集并计算农产品表面各农产品投射线上各像素点的高度信息;在农产品投射线与基准面投射线重合时,停止采集;
第二绘制模块,用于依据农产品表面各农产品投射线上各像素点的高度,绘制出农产品表面相对于基准面的高度图,进而完成农产品形状的全面检测。
7.如权利要求5所述的农产品形状检测装置,其特征在于,
第一计算模块中计算D3和D4的表达式为:
D3=K1D2+K2
D4=K3D2+K4
其中,D2为农产品投射线上投射点E与其对应的基准面投射线上投射点J的像素偏离距离,K1、K2、K3和K4为常数。
8.如权利要求7所述的农产品形状检测装置,其特征在于,
第一计算模块中计算农产品投射线上各像素点的高度h表达式为:
式中,D1表示线阵结构光光源和面阵成像装置之间的距离;H2表示线阵结构光光源A与基准面投射线上投射点J点的距离;D3表示面阵成像装置中的成像投射点E与其对应的基准面投射线上投射点J的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310747003.7A CN103697833B (zh) | 2013-12-30 | 2013-12-30 | 农产品形状检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310747003.7A CN103697833B (zh) | 2013-12-30 | 2013-12-30 | 农产品形状检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103697833A true CN103697833A (zh) | 2014-04-02 |
CN103697833B CN103697833B (zh) | 2016-03-09 |
Family
ID=50359445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310747003.7A Active CN103697833B (zh) | 2013-12-30 | 2013-12-30 | 农产品形状检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103697833B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104897671A (zh) * | 2015-05-07 | 2015-09-09 | 北京农业智能装备技术研究中心 | 一种水果果梗花萼的识别系统 |
CN107167073A (zh) * | 2017-05-18 | 2017-09-15 | 浙江四点灵机器人股份有限公司 | 一种线阵结构光三维快速测量装置及其测量方法 |
CN114066208A (zh) * | 2021-11-11 | 2022-02-18 | 深圳市乐福衡器有限公司 | 一种食物质量的评价方法、系统、智能终端和存储介质 |
WO2023065396A1 (zh) * | 2021-10-22 | 2023-04-27 | 江苏大学 | 面扫线扫光电特征相结合的小颗粒农产品色选方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1474159A (zh) * | 2003-07-02 | 2004-02-11 | 西安交通大学 | 线阵光电传感器层析扫描三维测量方法及其装置 |
CN101282687A (zh) * | 2005-10-14 | 2008-10-08 | 应用研究联盟新西兰有限公司 | 监测表面特征的方法和装置 |
US20090040532A1 (en) * | 2004-08-03 | 2009-02-12 | Techno Dream 21 Co., Ltd. | Three-dimensional shape measuring method and apparatus for the same |
CN102798349A (zh) * | 2011-05-24 | 2012-11-28 | 上海瑞伯德智能系统科技有限公司 | 一种基于等灰度线搜索的三维表面提取方法 |
CN102854192A (zh) * | 2012-08-22 | 2013-01-02 | 北京农业智能装备技术研究中心 | 一种苹果表面缺陷检测系统和方法 |
-
2013
- 2013-12-30 CN CN201310747003.7A patent/CN103697833B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1474159A (zh) * | 2003-07-02 | 2004-02-11 | 西安交通大学 | 线阵光电传感器层析扫描三维测量方法及其装置 |
US20090040532A1 (en) * | 2004-08-03 | 2009-02-12 | Techno Dream 21 Co., Ltd. | Three-dimensional shape measuring method and apparatus for the same |
CN101282687A (zh) * | 2005-10-14 | 2008-10-08 | 应用研究联盟新西兰有限公司 | 监测表面特征的方法和装置 |
CN102798349A (zh) * | 2011-05-24 | 2012-11-28 | 上海瑞伯德智能系统科技有限公司 | 一种基于等灰度线搜索的三维表面提取方法 |
CN102854192A (zh) * | 2012-08-22 | 2013-01-02 | 北京农业智能装备技术研究中心 | 一种苹果表面缺陷检测系统和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104897671A (zh) * | 2015-05-07 | 2015-09-09 | 北京农业智能装备技术研究中心 | 一种水果果梗花萼的识别系统 |
CN107167073A (zh) * | 2017-05-18 | 2017-09-15 | 浙江四点灵机器人股份有限公司 | 一种线阵结构光三维快速测量装置及其测量方法 |
WO2023065396A1 (zh) * | 2021-10-22 | 2023-04-27 | 江苏大学 | 面扫线扫光电特征相结合的小颗粒农产品色选方法 |
CN114066208A (zh) * | 2021-11-11 | 2022-02-18 | 深圳市乐福衡器有限公司 | 一种食物质量的评价方法、系统、智能终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103697833B (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
CN101697233B (zh) | 一种基于结构光的三维物体表面重建方法 | |
CN101408985B (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
CN101814185B (zh) | 用于微小尺寸测量的线结构光视觉传感器标定方法 | |
CN104899609B (zh) | 一种基于图像配准的机械式表计识别方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN105447512A (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN103345632B (zh) | 一种电池尾端表面划痕缺陷检测方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN103697833B (zh) | 农产品形状检测方法及装置 | |
CN103598870A (zh) | 一种基于深度图像手势识别的视力检测方法 | |
CN104021588A (zh) | 一种实时恢复车辆三维真实模型的系统及方法 | |
CN104268882A (zh) | 基于双线阵摄像头的高速运动物体检测与测速方法及系统 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
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 | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
CN102003945A (zh) | 一种虚拟光学引伸计及其测量方法 | |
Alemán-Flores et al. | Line detection in images showing significant lens distortion and application to distortion correction | |
CN106441163A (zh) | 一种非接触式柱状物垂直度检测方法及装置 | |
CN103438834A (zh) | 基于结构光投影的层级式快速三维测量装置及测量方法 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测系统及方法 | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN108564621A (zh) | 用于车辙检测的结构光光条中心提取方法及装置 | |
Tian et al. | Surface defects detection of stamping and grinding flat parts based on machine vision | |
CN103544492A (zh) | 基于深度图像三维曲面几何特征的目标识别方法和装置 |
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 |