CN103810676B - 一种钢管运行速度的监测方法 - Google Patents
一种钢管运行速度的监测方法 Download PDFInfo
- Publication number
- CN103810676B CN103810676B CN201410001544.XA CN201410001544A CN103810676B CN 103810676 B CN103810676 B CN 103810676B CN 201410001544 A CN201410001544 A CN 201410001544A CN 103810676 B CN103810676 B CN 103810676B
- Authority
- CN
- China
- Prior art keywords
- image
- steel pipe
- speed
- edge
- 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.)
- Active
Links
Abstract
本发明提供了一种钢管运行速度的监测方法,包括:通过CCD照相机每间隔预定时间对钢管拍摄一张照片,以获取时间间隔相同的图像序列;对所述图像序列中的图像进行中值滤波;对中值滤波后的图像进行Gamma变换处理以剔除背景;对图像进行标定;利用边缘搜索算法确定边缘;根据图像标定和边缘检测计算出钢管移动的实际距离,对距离数据运用最小二乘法曲线拟合,计算出直线的斜率即为钢管的移动速度。上述优于传统的接触式和非接触式测速方法,而且能够很好的适用于工业现场的恶劣环境,提高测量精度,节约大量人力物力。
Description
技术领域
本发明涉及工业技术领域,特别是指一种钢管运行速度的监测方法。
背景技术
3PE防腐可使埋地管道的寿命达到50年,目前在国际上被认为是最先进的管道外防腐技术,它已成为今后管道外防腐层的发展方向。在工业生产过程中,常常需要对运动目标的速度进行精确测量。在对钢管进行3PE防腐处理的过程中,钢管的移动速度直接影响到生产线的产量和效率;且精确测量钢管的运动速度也实现了传动系统真正意义上的闭环控制,从而保证3PE钢管防腐生产系统的高速、稳定运行。
随着科技的发展和市场需求的增加,传统的3PE防腐生产系统亟待改进,以提高产能,速度的准确测量成为一大难题,而且现场噪声比较大,粉尘严重,灯光效果差等,更是加大了测速的难度。现有的3PE涂敷作业线中,钢管是被胶轮以一定角度挤压着旋转前进的,现场工人根据多年经验采用手动的测速方法。该方法主要分为两步:一是根据经验设定胶轮转速,二是用在空间的同一个位置用标记笔对运动的钢管做标记,待钢管转过一圈观察标记的两条平行线的距离是否等于钢管的螺纹宽度。这样测速不仅效率低,而且测得的数据误差比较大,限制了钢管的速度。
目前工业界广泛应用的测速系统主要分为两类:接触式和非接触式测速:
接触辊式速度检测法是应用最广泛的一种接触式测速方法,把测量辊接触在行进的物体上,被测物体以一定速度行进并带动测量辊转动,由测量辊的转速和周长求得物体的速度。在3PE防腐生产的过程中,钢管是旋转前进的,采用接触辊法测量速度会产生扭矩,对测量辊和钢管造成损伤。
非接触式测速方法中使用比较多的是激光测速,该方法能通过激光对物体运行速度的测量,它的基本原理是对被测物体进行两次有特定时间间隔的激光测距,取得在该一时段内被测物体的移动距离,从而得到该被测物体的移动速度,同时它也是一种新型的测速测量技术。在3PE防腐生产的过程中,工业现场会产生电场、粉尘、高频噪声等影响激光测速的精度,而且在钢管体上有螺纹,严重影响激光测速。现有的测速方法已不适合防腐环境的测速,因此发明了一种基于工业CCD的3PE防腐过程钢管非接触式测速系统,该测速系统抗干扰性强,测量精度高,能够有效适用于环境恶劣的工业现场。
发明内容
本发明要解决的技术问题是提供一种钢管运行速度的监测方法,在3PE防腐处理时钢管同时发生转动和位移的情况下能够精确对钢管运行速度进行监测。
为了解决上述问题,本发明实施例提出了一种钢管运行速度的监测方法,包括:
步骤1、通过CCD照相机每间隔预定时间对钢管拍摄一张照片,以获取时间间隔相同的图像序列;
步骤2、对所述图像序列中的图像进行中值滤波;
步骤3、对中值滤波后的图像进行Gamma变换处理以剔除背景;
步骤4、对图像进行标定;
步骤5、利用边缘搜索算法确定边缘;
步骤6、根据图像标定和边缘检测计算出钢管移动的实际距离,对距离数据运用最小二乘法曲线拟合,计算出直线的斜率即为钢管的移动速度。
作为上述技术方案的优选,所述步骤1具体为:
步骤11、将CCD照相机固定在支架上,并使所述CCD照相机的拍摄方向垂直于所述钢管的轴向并对准所述钢管;
步骤12、每间隔预定时间对钢管拍摄一张照片,以获取时间间隔相同的图像序列。
作为上述技术方案的优选,所述步骤2具体为:
步骤21、将模板在图像中漫游,并将模板中心与图像中心的一个像素的位置重合;
步骤22、读取模板内的各对应像素的灰度值并进行排序,取排序的灰度值中的中间值作为所述模板中心的该一个像素的值;
步骤23、采用以下公式对图像进行中值滤波
g(x,y)=median{f(x-k,y-i)},(k,i∈w)
其中f(x,y)和g(x,y)分别为原始图像和处理后的图像,w为二维模板,k、i为二位模板中像素值的坐标。
作为上述技术方案的优选,所述步骤3具体为:
步骤31、增大图像的Gamma值以使图像整体变暗并使背景部分的灰度值降低;
步骤32、增大图像的对比度以使图像进一步变暗并使背景部分的灰度值为0;
步骤33、减小图像的Gamma值以使物体部分明显变亮并使背景部分灰度值依旧是0。
作为上述技术方案的优选,所述步骤4具体为:
步骤41、确定CCD相机的视场;
步骤42、在视场内设定一个圆点半径及圆点边距的像素值;
步骤43、根据CCD相机的像素值确定视场内的圆点的个数,根据视场的实际距离除以圆点个数计算出每一圆点的实际大小;
步骤44、生成标定板。
作为上述技术方案的优选,所述步骤5具体为:
步骤51、对经高斯函数平滑处理后的图像f(x)在x=σ处做Taylor级数展开:
其中,f(a)与f'(a)分别是信号f(x)在x=a处的一阶导数和二阶导数;
当f(a)=0时,信号f(x)在x=a处存在极值点,当f'(a)在x=a处改变符号时,则x=a为信号f(x)的拐点。对于一维信号,a代表边缘点的横坐标:
当f'(a)=0,f''(a)>0,边缘点为局部极小值点;
当f'(a)=0,f'(a)<0,边缘点为局部极大值点;
当f''(a-)f''(a+)<0,边缘点为拐点;
步骤52、采用Sobel算子进行边缘检测,其中Sobel算子的表达式:
其中:
Sx={f[x+1.y-1]+2f[x+1,y]+f[x+1,y+1]}-{f[x-1.y-1]+2f[x-1.y]+f[x-1,y+1]} (3)
Sy={f[x-1.y+1]+2f[x,y-1]+f[x+1,y+1]}-{f[x-1,y-1]+2f[x,y+1]+f[x+1,y-1]} (4)
其中公式(3)(4)中的偏导数用下式计算:
其中x、y为图像的纵横坐标,Sx代表经横向边缘检测的图像,Sy代表经纵向边缘检测的图像,ai代表f[x,y]的差分方程,常数c=2;
步骤53、用二次函数进行拟合:y=ax2+bx+c;并用三个点的坐标接触系数获取精确的边缘位置
作为上述技术方案的优选,所述步骤5还包括:当检测不到图像的边缘时,忽略该图像对应的时间和移动距离。
本发明的上述技术方案的有益效果如下:
本发明实施例把图像的像素值转换成钢管移动的实际距离,相机标定能够把图像坐标系与世界真实坐标系之间建立联系,同时能够修正相机姿态带来畸变以及光学镜头带来的径向畸变。本发明实施例优于传统的接触式和非接触式测速方法,而且能够很好的适用于工业现场的恶劣环境,提高测量精度,节约大量人力物力。
附图说明
图1为本发明实施例的流程示意图;
图2为标定板的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明实施例提出了一种钢管运行速度的监测方法,包括:
步骤1、通过CCD照相机每间隔预定时间对钢管拍摄一张照片,以获取时间间隔相同的图像序列;
步骤2、对所述图像序列中的图像进行中值滤波;
步骤3、对中值滤波后的图像进行Gamma变换处理以剔除背景;
步骤4、对图像进行标定;
步骤5、利用边缘搜索算法确定边缘;
步骤6、根据图像标定和边缘检测计算出钢管移动的实际距离,对距离数据运用最小二乘法曲线拟合,计算出直线的斜率即为钢管的移动速度。
其中,采用的硬件是包括一种基于工业CCD的3PE防腐过程钢管测速系统,在工业现场合适的位置架设已设计的测速支架,支架包括上位机、以太网工业CCD相机、如图2所示的标定板。该工业CCD相机固定在测速支架上,其拍摄方向垂直于运动轨迹,对准运动物体。
在工作时,针对现场固定轨迹的钢管间隔一定时间拍摄图像,获得间隔相同时间的图像序列,对采集到的图像进行中值滤波及Gamma变换处理,根据图像标定和边缘搜索方法检测到边缘,计算出钢管在时间序列上移动的距离,本测速装置通过标定把测的像素值转换成实际距离,采用最小二乘曲线拟合的方法对距离数据进行处理,计算出斜率即是速度大小。
上述方案是通过CCD照相机标定把图像的像素值转换成钢管移动的实际距离,相机标定能够把图像坐标系与世界真实坐标系之间建立联系,同时能够修正相机姿态带来畸变以及光学镜头带来的径向畸变。
其中,上述钢管运行速度的监测方法的核心可以分为四大部分:图像采集处理,图像标定,图像边缘检测,速度计算。
1)图像采集处理
设定好CCD相机的参数,就可以通过工业CCD相机采集图像,通过网线把图像传输到上位机。采集到的图像需要经过中值滤波和Gamma变换处理。中值滤波属于非线性滤波,具体步骤:
Step1、将模板在图像中漫游,并将模板中心与图像中心某个像素的位置重合;
Step2、读取模板下各对应像素的灰度值;
Step3、将这些灰度值从小到大排列成一列;
Step4、找出排在中间的一个值;
Step5、将这个中间值赋给对应模板中心位置的像素。中值滤波的输出像素是由领域图像的中间值决定的,因而中值滤波对极限像素值(与周围像素灰度值差别较大的像素)远不如平均值那么敏感,从而可以消除孤立的噪声点,又可以使图像产生较少的模糊。
二维情况下的中值滤波为:
g(x,y)=median{f(x-k,y-i)},(k,i∈w),其中f(x,y),g(x,y)分别为原始图像和处理后的图像,w为二维模板。
中值滤波的优势在于它能够保护图像的边缘信息,而且可以除去图像中含有的无用的图像噪声,通过计算可知,随着窗口尺寸的增加,比较次数将快速变大,因而二维中值滤波器的窗口形状和尺寸对滤波效果的影响很大,在不同的图像内容和不同的要求下,应采用不同的形状和尺寸,通常有线形、方形、十字形、圆环形等,而窗口的尺寸由小变大逐步增大点数,直到取得满意的滤波效果为止。现场实际应用中,采用3x3的小模板进行滤波,既可以有效滤除点状噪声,又不会出现大规模模糊原图的情况。
采用Gamma变换及对比度调节的方法对图像进一步处理,能完全剔除掉图像背景,主要分为以下三步:增大图像的Gamma值,图像整体变暗,使背景部分的灰度值已接近0;增大图像的对比度,图像进一步变暗,背景部分的灰度值完全为0;减小图像的Gamma值,物体部分明显变亮,而背景部分灰度值依旧是0。这样很好的滤除了背景,同时提高了测量物体的亮度,为边缘检测算法创造了很好的应用条件,提高了系统检测的稳定性。
2)图像标定
根据CCD相机获取的图像,计算物体实际的距离,标定是一个关键的环节。相机标定能够把图像坐标系与世界真实坐标系之间建立联系,同时能够修正相机姿态带来的透视畸变以及光学镜头带来的径向畸变。标定首先需要设计标定板,标定板的规划分为以下几个步骤:一是根据距离测定视场的大小;二是设定圆点半径及边距的像素值,根据相机的像素值计算圆点的个数;三是利用视场的实际距离除以圆点个数,计算出圆点的实际大小;四是利用Halcon软件生成所需要的标定板,打印出即可。该标定应用美国NI公司LabVIEW平台下的Vision Toolkit中提供的方法进行实际的标定,取得不错的效果,很好的校正了各种畸变对图像的影响,提高测量精度。在实际操作过程中,使用黑色小圆点阵列模板进行视场标定,模板上相邻两个圆点中心的距离都是相同的,且具有很高的精度,可以精确捕捉到每个黑色圆点的中心,用捕捉到的圆点坐标对视场进行标定。
3)边缘检测
用图像处理的方法计算速度,最重要的在于测量距离,而测量距离最重要的在于能精确的寻找到边缘。精确、高稳定性的边缘检测算法是是测量距离是否准的关键,边缘在图像中的定义是在临近的像素间灰度值变化显著的地方。本发明使用的边缘检测算法基于出现在图像中的一组轮廓构成的点集合。平滑后图像的边缘检测通常通过求导数来实现。以一维信号为例,说明边缘点的定义。
设f(x)为经高斯函数平滑后的信号,将f(x)在x=σ处做Taylor级数展开:
其中,f(a)与f'(a)分别是信号f(x)在x=a处的一阶导数和二阶导数,当f(a)=0时,信号f(x)在x=a处存在极值点,当f'(a)在x=a处改变符号时,则x=a为信号f(x)的拐点。对于一维信号:
(1)当f'(a)=0,f''(a)>0,边缘点定义为局部极小值点;
(2)当f'(a)=0,f'(a)<0,边缘点定义为局部极大值点;
(3)当f''(a-)f''(a+)<0,边缘点定义为拐点。
本发明采用Sobel算子进行边缘检测,它是一离散性差分算子,用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量。Sobel算子的表达式:
其中:
Sx={f[x+1.y-1]+2f[x+1,y]+f[x+1,y+1]}-{f[x-1.y-1]+2f[x-1.y]+f[x-1,y+1]} (3)
Sy={f[x-1.y+1]+2f[x,y-1]+f[x+1,y+1]}-{f[x-1,y-1]+2f[x,y+1]+f[x+1,y-1]} (4)
公式(3.12)中的偏导数用下式计算:
其中常数c=2。
Sobel算子很容易在空间上实现,Sobel边缘检测方法不但产生较好的边缘检测效果,同时,因为Sobel算子引入了局部平均,使其受噪声的影响也比较小。当使用大的邻域时,抗噪声特性会更好,但是这样做会增加计算量,并且得到的边缘也较粗。
Sobel算子利用像素点上下、左右相邻点的灰度加权算法,根据在边缘点处达到极值这一现象进行边缘检测。因此Sobel算子对噪声具有平滑作用,提供较为精确的边缘方向信息。运用多项式插值法能够在现有条件下提高边缘检测的精度,取一阶倒数值最大的点加上其两边的点,用二次函数进行拟合:y=ax2+bx+c
用三个点的坐标接触系数,精确的边缘位置即为
4)速度计算
在设定好相机参数和时间间隔后,就可以连续采集图像,得到时间序列上的一组图像,利用图像标定和边缘检测计算出钢管移动的实际距离,对距离数据运用最小二乘法曲线拟合,计算出直线的斜率即是速度的大小。
在3PE钢管防腐的过程中,经过测试发现,由于粉尘、噪声等现场环境因素影响,CCD相机在采集图像的过程中,每采集100张图片,就有一定几率出现丢失图片的现象。这样就造成了,时间序列紊乱,速度测量不精确。为此,在原有设计的基础上添加一个判断过程,当图像边缘检测不到边缘,也就是测量不到距离的时候,时间序列不输出数据,直接舍去时间和距离。这样再利用最小二乘的曲线拟合计算速度,丢图就不会对速度的计算造成影响。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种钢管运行速度的监测方法,其特征在于,包括:
步骤1、将CCD照相机固定在支架上,并使所述CCD照相机的拍摄方向垂直于所述钢管的轴向并对准所述钢管,通过CCD照相机每间隔预定时间对钢管拍摄一张照片,以获取时间间隔相同的图像序列;
步骤2、对所述图像序列中的图像进行中值滤波;
步骤3、对中值滤波后的图像进行Gamma变换处理以剔除背景;
具体为:步骤31、增大图像的Gamma值以使图像整体变暗并使背景部分的灰度值降低;步骤32、增大图像的对比度以使图像进一步变暗并使背景部分的灰度值为0;步骤33、减小图像的Gamma值以使物体部分明显变亮并使背景部分灰度值依旧是0;
步骤4、对图像进行标定;
具体为:步骤41、确定CCD相机的视场;步骤42、在视场内设定一个圆点半径及圆点边距的像素值;步骤43、根据CCD相机的像素值确定视场内的圆点的个数,根据视场的实际距离除以圆点个数计算出每一圆点的实际大小;步骤44、生成标定板;
步骤5、利用边缘搜索算法确定边缘;
步骤6、根据图像标定和边缘检测计算出钢管移动的实际距离,对距离数据运用最小二乘法曲线拟合,计算出直线的斜率即为钢管的移动速度;
通过采用Sobel算子进行边缘检测,计算图像亮度函数的梯度近似值,在图像任一点产生对应的梯度矢量或是其法矢量,利用像素上下、左右相邻的灰度加权算法,在边缘点处达到极值进行边缘检测;
在进行曲线拟合计算速度之前,对图像边缘检测进行判断,测量不到距离时,时间序列不输出数据,直接舍去时间和距离。
2.根据权利要求1所述的钢管运行速度的监测方法,其特征在于,所述步骤2具体为:
步骤21、将模板在图像中漫游,并将模板中心与图像中心的一个像素的位置重合;
步骤22、读取模板内的各对应像素的灰度值并进行排序,取排序的灰度值中的中间值作为所述模板中心的该一个像素的值;
步骤23、采用以下公式对图像进行中值滤波
g(x,y)=median{f(x-k,y-i)},(k,i∈w)
其中f(x,y)和g(x,y)分别为原始图像和处理后的图像,w为二维模板,k、i为二位模板中像素值的坐标。
3.根据权利要求1所述的钢管运行速度的监测方法,其特征在于,所述步骤5具体为:
步骤51、对经高斯函数平滑处理后的图像f(x)在x=σ处做Taylor级数展开:
其中,f′(a)与f′′(a)分别是信号f(x)在x=a处的一阶导数和二阶导数;
当f(a)=0时,信号f(x)在x=a处存在极值点,当f′(a)在x=a处改变符号时,则x=a为信号f(x)的拐点;对于一维信号,a代表边缘点的横坐标:
当f′(a)=0,f′′(a)>0,边缘点为局部极小值点;
当f′(a)=0,f′′(a)<0,边缘点为局部极大值点;
当f′′(a-)f′′(a+)<0,边缘点为拐点;
步骤52、采用Sobel算子进行边缘检测,其中Sobel算子的表达式:
其中:
Sx={f[x+1,y-1]+2f[x+1,y]+f[x+1,y+1]}-{f[x-1,y-1]+2f[x-1,y]+f[x-1,y+1]} (3)
Sy={f[x-1,y+1]+2f[x,y-1]+f[x+1,y+1]}-{f[x-1,y-1]+2f[x,y+1]+f[x+1,y-1]} (4)
其中公式(3)(4)中的偏导数用下式计算:
Sx=(a2+ca3+a4)-(a0+ca7+a6)
Sy=(a2+ca1+a2)-(a6+ca5+a4) (5)
其中x、y为图像的纵横坐标,Sx代表经横向边缘检测的图像,Sy代表经纵向边缘检测的图像,ai代表f[x,y]的差分方程,常数c=2;
步骤53、用二次函数进行拟合:y=hx2+bx+c;并用三个点的坐标接触系数获取精确的边缘位置
4.根据权利要求3所述的钢管运行速度的监测方法,其特征在于,所述步骤5还包括:当检测不到图像的边缘时,忽略该图像对应的时间和移动距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410001544.XA CN103810676B (zh) | 2014-01-02 | 2014-01-02 | 一种钢管运行速度的监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410001544.XA CN103810676B (zh) | 2014-01-02 | 2014-01-02 | 一种钢管运行速度的监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810676A CN103810676A (zh) | 2014-05-21 |
CN103810676B true CN103810676B (zh) | 2017-10-20 |
Family
ID=50707398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410001544.XA Active CN103810676B (zh) | 2014-01-02 | 2014-01-02 | 一种钢管运行速度的监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810676B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105490737B (zh) * | 2016-01-06 | 2018-06-26 | 广东工业大学 | 一种光通信芯片线路的检测系统的检测方法 |
CN111521838B (zh) * | 2020-04-24 | 2021-03-12 | 北京科技大学 | 一种线面阵相机相结合的热轧卷测速方法 |
CN112379121A (zh) * | 2020-11-14 | 2021-02-19 | 邓权塑业科技(湖南)有限公司 | 一种在线生产管道用测速计量方法及系统 |
CN113778082B (zh) * | 2021-08-23 | 2023-08-22 | 北京科技大学 | 一种基于自触发机制的无人车轨迹跟踪控制方法及系统 |
CN114756825B (zh) * | 2022-06-15 | 2022-09-02 | 合肥安迅精密技术有限公司 | 用于识别离散测量位置瞬时速度的方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459763B (zh) * | 2007-12-13 | 2010-09-01 | 安凯(广州)微电子技术有限公司 | 一种数字图像增强方法 |
CN101527038B (zh) * | 2009-04-02 | 2011-06-15 | 四川虹微技术有限公司 | 一种改进的基于直方图的图像对比度增强方法 |
CN101574709B (zh) * | 2009-06-12 | 2010-09-01 | 东北大学 | 一种中厚板自动转钢方法 |
CN101664853B (zh) * | 2009-10-12 | 2012-10-17 | 上海交通大学 | 基于图像处理的不锈钢薄板角焊焊接方法 |
CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
CN102855611A (zh) * | 2012-08-21 | 2013-01-02 | 长春迪瑞医疗科技股份有限公司 | 一种尿沉渣图像分段非线形增强的方法 |
CN102794763B (zh) * | 2012-08-31 | 2014-09-24 | 江南大学 | 基于线结构光视觉传感器引导的焊接机器人系统标定方法 |
-
2014
- 2014-01-02 CN CN201410001544.XA patent/CN103810676B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103810676A (zh) | 2014-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810676B (zh) | 一种钢管运行速度的监测方法 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN103471531B (zh) | 轴类零件直线度在线非接触测量方法 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
WO2018095213A1 (zh) | 一种基于变密度正弦条纹的转轴转速测量装置及方法 | |
CN102829735B (zh) | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 | |
CN102319743B (zh) | 带钢跑偏与漂浮量激光扫描检测方法及纠偏系统 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
Zhang et al. | Research on tool wear detection based on machine vision in end milling process | |
CN109060820B (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
CN101515331B (zh) | 一种邻域相关的亚像素定位方法 | |
CN108416787A (zh) | 应用于机器视觉检测的工件直线边缘定位方法 | |
CN106600592A (zh) | 一种基于连续帧图像拼接的轨道长弦测量方法 | |
CN107292926A (zh) | 基于多图像序列的巡检机器人运动轨迹直线度测量方法 | |
CN105205806A (zh) | 一种基于机器视觉的精度补偿方法 | |
CN110458785B (zh) | 一种基于图像传感的磁悬浮球悬浮间隙检测方法 | |
CN104050660A (zh) | 一种测量工件圆形边缘的方法 | |
CN109974618A (zh) | 多传感器视觉测量系统的全局标定方法 | |
CN106012778A (zh) | 用于高速公路路面应变测量的数字图像采集分析方法 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
JP2009188239A (ja) | パターン評価方法、プログラムおよび半導体装置の製造方法 | |
CN114565565A (zh) | 一种视觉测量目标中心亚像素定位方法 | |
CN107084677A (zh) | 一种基于机器视觉的热处理钢带变形检测方法及装置 | |
CN103337067A (zh) | 单针扫描式螺纹测量仪探针x轴旋转偏差的视觉检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20181214 Address after: Room C-138, First Floor C, Block C, D-12 Information Incubation Building, Information Industry Park, Qixing District, Guilin City, Guangxi Zhuang Autonomous Region, 541004 Patentee after: Guilin Honyuan Technology Co., Ltd. Address before: 100083 No. 30, Haidian District, Beijing, Xueyuan Road Patentee before: University of Science and Technology Beijing |