CN103854278A - 基于连通区域质心形状上下文的印刷电路板图像配准方法 - Google Patents
基于连通区域质心形状上下文的印刷电路板图像配准方法 Download PDFInfo
- Publication number
- CN103854278A CN103854278A CN201210551662.9A CN201210551662A CN103854278A CN 103854278 A CN103854278 A CN 103854278A CN 201210551662 A CN201210551662 A CN 201210551662A CN 103854278 A CN103854278 A CN 103854278A
- Authority
- CN
- China
- Prior art keywords
- image
- connected region
- registration
- shape
- region
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明描述一种基于连通区域质心形状上下文的印刷电路板图像配准方法。该方法属于基于特征的图像配准方法,兴趣点为图像连通区域的质心坐标。质心坐标的特征包括两部分:一是以该质心坐标为中心,其所在的连通区域的形状上下文,该形状上下文描述了该连通区域的形状特征,因而称其为形状描述子;二是该质心坐标相对于该连通区域所在图像内其他连通区域质心坐标的形状上下文,该形状上下文描述了该质心坐标及其所在的连通区域在整幅图像中的相对位置,因而称其为相对位置描述子。利用连通区域质心坐标的形状描述子和相对位置描述子,实现参考图像和待配准图像连通区域的精确匹配,进而根据精确比配的连通区域的质心坐标估计出参考图像和待配准图像之间的变换参数,并最终将其精确配准。
Description
技术领域:本发明涉及一种印刷电路板图像的配准方法,属于数字图像处理领域,具体涉及基于连通区域质心形状上下文的印刷电路板图像配准方法。
背景技术:
印制电路板(PCB:Printed Circuit Boards)是电子设备中最基本的组成环节,是电子元器件的支撑体,其质量对于电子产品的性能起着举足轻重的作用,其质量的检测对PCB生产至关重要。传统基于人工目测PCB瑕疵检测方法无法满足PCB发展的需要。自动光学检测(AOI:Automated optical inspection)技术目前是国内外主流的PCB瑕疵检测技术。在所有AOI技术中,又以基于模板匹配的方法为主,而模板匹配的核心技术就是图像配准。本发明即是一种PCB图像的配准技术。
基于模板匹配的PCB瑕疵检测,首先需要将待检测PCB图像与完好的模板图像进行配准,然后通过分析配准好的待检测图像与模板图像的差分图像,检测出待配准PCB图像中是否包含瑕疵点。
图像配准算法大致可分为两类:基于区域的方法和基于特征的方法。
基于区域的方法也称为类相关法或模板匹配法。该方法一般不需要对图像进行复杂的预处理,只利用两幅图像的某种统计信息作为相似性判别标准,采用适当的搜索算法得到令相似性判别标准最大化的图像转换形式,以达到图像配准的目的。主要特点是实现比较简单,但应用范围较窄,不能直接用于校正图像的非线性形变,而且在最优变换的搜索过程中运算量较大。如文献1(S.Mashohor,J.R.Evans,T.Arslan.Image Registration of Printed Circuit Boardsusing Hybrid Genetic Algorithm.IEEE Congress on Evolutionary Computation,page(s):2685-2690,2006)提出一种混合爬山(hill-climbing)、精英(elitism)策略的遗传算法进行图像配准,该算法能处理图像配准中较简单的平移和旋转变换,但难以处理其他复杂的变换,而且很耗时,对初始化参数比较敏感。
基于特征的图像配准算法借助图像中具有的显著特征结构,将其作为标志位,分别在参考图像和待匹配图像中提取出它们,然后再找到两幅图像标志位之间的匹配关系,继而完成空间对位。基于特征的配准方法由于提取了图像的显著特征,大大压缩了图像信息的数据量,同时较好地保持了图像的位移、旋转、比例方面的特征,配准时计算量小,速度较快,应用也更为广泛。图像的显著特征有很多,如点特征(包括角点、高曲率点等)、直线段、边缘、轮廓、闭合区域特征等。
在基于特征的图像配准算法中,点特征是常用的特征,而其中,角点是最常用的特征点。然而,现有的角点检测方法一般依赖于图像的梯度的计算,因而易受噪声及光照变化的影响,而且梯度的计算实际是使用差分来近似,检测出的角点位置往往偏离真实的角点位置,精度不高,无法满足PCB检测这种对精度要求较高的场合。
在基于特征的图像配准算法中,边缘或轮廓也是常用特征。文献2(Y.C.Chiou,Y.K.Zhang.An Edge-Based Registration Method for Locating Defects on PCB Films.IPCV CSREA Press(2006),p.209-215.)提出利用边缘的二阶矩及相对角进行图像配准;文献3(胡涛,郭宝平,郭轩,杨欧.基于轮廓特征的图像配准.光电工程,2009,36(11):118-122.)首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算来快速估计出两幅图像所存在的旋转角度。文献4(C.S.Chen,C.W.Yeh,P.Y.Yin.A novel Fourier descriptor based image alignment algorithm for automatic opticalinspection.Journal of Visual Communication and Image Representation,2009,Vol.20,pp.178-189.)提出根据组件边缘的傅里叶描述子的幅值和相位相似测度实现图像配准。然而,在离散化的数字图像中,边缘或轮廓点的精确定位并非易事。通过一般的边缘检测算子检测出的目 标边缘往往并不闭合,存在许多的断点,经常需要后续边缘连接处理。通过轮廓跟踪算法得到的目标轮廓往往有很多的锯齿状部分。边缘片段和锯齿轮廓的出现影响图像配准的精度。
形状上下文(shape context)由文献5(S.Belongie,J.Malik,J.Puzicha.Shape Matching andObject Recognition Using Shape Context.IEEE Trans.Pattern Analysis and Machine Intelligence,2002,24(4):509-522.)引入,它描述了特征点与其周围点的相对空间分布(距离和方向),它满足平移不变性,对旋转变换和尺度变换均具有较好的鲁棒性。具体参见文献6(Haibin Ling,David W.Jacobs.Shape Classification Using the Inner-Distance.IEEE Transactions On PatternAnalysis And Machine Intelligence,2007,29(2):286-299.)和文献7(杨小军,杨兴炜,曾峦 等.基于轮廓关键点集的形状分类.南京大学学报(自然科学),2010,46(1):47-55.)。
给定形状上的n个样本点p1,p2,...pn,点pi的形状上下文定义为点pi与其余n-1个点的相对坐标直方图hi:
hi(k)=#{pj:j≠i,pj-pi∈bin(k)},k=1..K
其中bins均匀地划分以点pi为中心的对数-极坐标空间,K为空间划分的总数。两个形状上下文hi(k)和hj(k)的距离Cij定义为如下χ2统计量:
为克服现有算法的不足,本发明描述一种基于连通区域质心形状上下文的PCB图像配准方法。该方法属于基于特征的图像配准方法,兴趣点为图像连通区域的质心坐标。质心坐标的特征包括两部分:一是以该质心坐标为中心,其所在的连通区域的形状上下文,该形状上下文描述了该联通区域的形状特征,因而称其为形状描述子;二是该质心坐标相对于其他所有连通区域质心坐标的形状上下文,该形状上下文描述了该质心坐标及其所在的连通区域在整幅图像中的相对位置,因而称其为相对位置描述子。利用连通区域质心坐标的形状描述子和相对位置描述子,实现参考图像和待配准图像连通区域的精确匹配,进而根据精确比配的连通区域的质心坐标估计出参考图像和待配准图像之间的变换参数,并最终将其精确配准。
发明内容:
本发明所要解决的技术问题是提供一种快速鲁棒精确的PCB图像配准方法。
技术方案:本发明公开一种基于连通区域质心形状上下文的印刷电路板图像配准方法,其特征在于,包括以下步骤:
步骤1:提取参考图像和待配准图像中的连通区域,并计算参考图像和待配准图像中各连通区域的质心坐标;
步骤2:以各连通区域质心为中心,计算参考图像和待配准图像各连通区域的形状描述子和相对位置描述子;
步骤3:根据参考图像和待配准图像各连通区域的形状描述子和相对位置描述子,计算参考图像各连通区域与待配准图像各连通区域的之间的相似度测度;
步骤4:根据参考图像和待配准图像各连通区域之间的相似度测度,确定参考图像与待配准图像之间合适的连通区域对;
步骤5:根据步骤4确定的参考图像与待配准图像之间合适的连通区域对的质心坐标,估计参考图像与待配准图像之间的变换参数;
步骤6:根据步骤4估计得到的参考图像与待配准图像之间的变换参数,将待配准图像与参考图像进行配准。
所述步骤1中,图像的连通区域既包括从连通标记后的二值图像中获得的连通分量,也包括经由其他方法从图像中提取出的构件或对象所在的图像区域。
所述步骤2中,连通区域的形状描述子定义为该连通区域的质心在该连通区域内的形状上下文(Shape Context),连通区域的相对位置描述子定义为该连通区域的质心相对于该连通区域所在图像内其他连通区域质心的形状上下文(Shape Context)。
有益效果:
本发明所述的基于连通区域质心形状上下文的印刷电路板图像配准方法的有益效果是:
1)本发明所描述的印刷电路板图像配准方法属于基于特征的图像配准方法,兴趣点为图像连通区域的质心坐标。选择图像连通区域的质心坐标作为兴趣点而非其他兴趣点(如角点),是因为连通区域的质心坐标是区域坐标的平均量,本身更能抵抗噪声干扰,对光照变化不敏感,其定位精度较其他兴趣点(如角点)更高,往往能达到亚像素精度。
2)参考图像和待配准图像中的连通区域一般是稳定的一致的,这种连通区域的稳定性和一致性决定了其质心的稳定性和一致性,其他兴趣点如角点一般不具备这种稳定性和一致性,在参考图像中检测出的角点,在待配准图像中往往无法稳定地一致地检测出对应的角点。
3)其他基于兴趣点特征的图像配准算法,其特征向量以局部特征为主,参考图像和待配准图像中特征点的点对应关系较难确定。而连通区域的形状描述子和相对位置描述子不仅刻画了其所在连通区域的形状特征,而且描述了该连通区域在整幅图像中的相对位置,两幅图像中的连通区域质心的对应关系相对较容易确定。
4)综合以上3点,本发明所描述的图像配准算法具有效率高、精度高、鲁棒性强的优点。
附图说明:
图1为基于连通区域质心形状上下文的印刷电路板图像配准方法流程;
图2(a)和图2(b)分别为某一连通区域形状描述子和相对位置描述子的极坐标区域划分图;
图3(a)为二值化参考图像;图3(b)为二值化待配准图像;图3(c)为与待配准图像配准好的参考图像;图3(d)为图3(b)与图3(c)的差分图像;图3(e)为对图3(d)进行形态学处理后的结果,亮点对应为图3(b)中的瑕疵点。
具体实施方式:
下面将结合附图对本发明作进一步的详细描述。
图1是本发明基于连通区域质心形状上下文的印刷电路板图像配准方法的流程图。如图1所示,本发明包括以下步骤:
步骤1:用P和T分别表示参考图像和待配准图像,从图像P和T中提取出面积大于某一阈值的连通区域(设定面积阈值是为了剔除一些由噪声或污点产生的连通区域);令Rri(i=1...Nr)和Rij(j=1...Nt)分别表示图像P和T的第i个和第j个连通区域,Nt和Nr分别是图像P和图像T的连通区域个数;记Rri的质心坐标为cri,Rtj的质心坐标为ctj。
步骤2:计算Rri(i=1...Nr)和Rtj(j=1...Nt)的形状描述子和相对位置描述子。
设Rri的形状描述子和相对位置描述子分别用Sri和Lri表示,Rtj的形状描述子和相对位置描述子分别用Stj和Lij表示,则
Sri(k)=#{p∈Rri:p-cri∈bin(k)},k=1..K
Lri(k)=#{crl:l≠i,crl-cri∈bin(k)},k=1..K
Stj(k)=#{p∈Rtj:p-cij∈bin(k)},k=1..K
Ltj(k)=#{ctl:l≠j,ctl-ctj∈bin(k)},k=1..K
当距离方向等分数为Nd,角方向等分数为Na时,K=NdNa。根据本发明所述的基于连通区域质心形状上下文的印刷电路板图像配准方法的一个优选方案,对Sri(或Stj)而言,bin(1)、bin(2)...bin(K)均匀地分割以cri(或ctj)为中心,(或)为半径的圆形极坐标区域;对Lri(或Ltj)而言,bin(1)、bin(2)...bin(K)均匀地分割以cri(或ctj)为中心,(或)为半径的圆形极坐标区域;针对PCB瑕疵检测时,参考图像与待配准图像之间的旋转角度一般较小(20度以内),在计算形状描述子和相对位置描述子时,直接取图像的x坐标为极坐标系的极轴。图2(a)和图2(b)分别给出了用于计算一连通区域形状描述子和相对位置描述子的bin划分图,其中Nd=5,Na=12,K=NdNa=60。
步骤3:计算Rtj(j=1...Nt)和Rri(i=1...Nr)的形状描述子与相对位置描述子之间的相似测度。
连通区域Rtj与连通区域Rri之间的距离定义为
其中α和β为非负加权系数,满足α+β=1。根据本发明所述的基于连通区域质心形状上下文的印刷电路板图像配准方法的一个优选方案,设置加权系数α=0.6,β=0.4。
步骤4:确定待配准图像与参考图像之间的合适的连通区域对。
步骤5:根据步骤4确定的全部合适的连通区域对的质心坐标,利用最小二乘法,估计待配准图像与参考图像之间的变换参数。
步骤6:根据步骤5计算得到的变换参数,将待配准图像与参考图像进行配准。
实施例:采用本发明的方法对两幅PCB胶片图像进行配准,图3(a)和图3(b)分别表示二值化后的参考图像和待配准图像,已知图3(a)和图3(b)之间存在旋转和平移变换,且图3(a)和图3(b)之间的精确的旋转角度为9.5度,利用本发明的方法估计得出的旋转角度数为9.4999度,说明采用本发明方法估计的变换参数精度非常高。图3(c)为与待配准图像配准好的参考图像;图3(d)为图3(b)与图3(c)的差分图像;图3(e)为图3(d)的形态学开运算处理结果,所采用的形态学结构元素为2x2的矩形结构元素。从图3可以看出,采用本发明对参考图像和待配准图像进行配准后,利用差分法即可精确检测出待配准图像中的瑕疵点。
本发明提供了一种PCB图像配准方法,以上所述仅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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (4)
1.一种基于连通区域质心形状上下文的印刷电路板图像配准方法,其特征在于,包括以下步骤:
步骤1:提取参考图像和待配准图像中的连通区域,并计算参考图像和待配准图像中各连通区域的质心坐标;
步骤2:以各连通区域质心为中心,计算参考图像和待配准图像各连通区域的形状描述子和相对位置描述子;
步骤3:根据参考图像和待配准图像各连通区域的形状描述子和相对位置描述子,计算参考图像各连通区域与待配准图像各连通区域的之间的相似度测度;
步骤4:根据参考图像和待配准图像各连通区域之间的相似度测度,确定参考图像与待配准图像之间合适的连通区域对;
步骤5:根据步骤4确定的参考图像与待配准图像之间合适的连通区域对的质心坐标,估计参考图像与待配准图像之间的变换参数;
步骤6:根据步骤5估计得到的参考图像与待配准图像之间的变换参数,将待配准图像与参考图像进行配准。
2.根据权利要求1所述的方法,其特征在于,图像的连通区域既包括从连通标记后的二值图像中获得的连通分量,也包括经由其他方法从图像中提取出的构件或对象所在的图像区域。
3.根据权利要求1所述的方法,其特征在于,连通区域的形状描述子定义为该连通区域的质心在该连通区域内的形状上下文(Shape Context)。
4.根据权利要求1所述的方法,其特征在于,连通区域的相对位置描述子定义为该连通区域的质心相对于该连通区域所在图像内其他连通区域质心的形状上下文(Shape Context)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210551662.9A CN103854278A (zh) | 2012-12-06 | 2012-12-06 | 基于连通区域质心形状上下文的印刷电路板图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210551662.9A CN103854278A (zh) | 2012-12-06 | 2012-12-06 | 基于连通区域质心形状上下文的印刷电路板图像配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103854278A true CN103854278A (zh) | 2014-06-11 |
Family
ID=50861892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210551662.9A Pending CN103854278A (zh) | 2012-12-06 | 2012-12-06 | 基于连通区域质心形状上下文的印刷电路板图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103854278A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023182A (zh) * | 2016-05-13 | 2016-10-12 | 广州视源电子科技股份有限公司 | 印制电路板图像匹配方法和系统 |
CN106780572A (zh) * | 2016-12-12 | 2017-05-31 | 首都医科大学附属北京安贞医院 | 基于迭代最近点的自动电解剖图与ct图像配准方法和装置 |
CN107958454A (zh) * | 2017-12-04 | 2018-04-24 | 江苏维普光电科技有限公司 | 基于精密平台进行掩膜版图像的快速匹配方法及系统 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN109741310A (zh) * | 2018-12-27 | 2019-05-10 | 深圳市鹰眼在线电子科技有限公司 | Pcb板的图像处理方法、系统及存储介质 |
CN110288516A (zh) * | 2019-06-27 | 2019-09-27 | 北京迈格威科技有限公司 | 图像处理的方法、装置、设备及计算机可读存储介质 |
CN112883974A (zh) * | 2021-05-06 | 2021-06-01 | 江西省江咨金发数据科技发展有限公司 | 基于图像校验的电子保函识别系统 |
CN112991290A (zh) * | 2021-03-10 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像稳像方法、装置、路侧设备、云控平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070127754A1 (en) * | 2005-12-07 | 2007-06-07 | Siemens Corporate Research Inc | Method and Apparatus for the Classification of Surface Features of an Ear Impression |
US20100215271A1 (en) * | 2009-02-25 | 2010-08-26 | Honda Motor Co., Ltd. | Body feature detection and human pose estimation using inner distance shape contexts |
CN101847258A (zh) * | 2009-03-26 | 2010-09-29 | 陈贤巧 | 一种光学遥感图像配准方法 |
TW201225002A (en) * | 2010-12-08 | 2012-06-16 | Hon Hai Prec Ind Co Ltd | Image analysis system and method |
CN102799653A (zh) * | 2012-06-29 | 2012-11-28 | 中国科学院自动化研究所 | 一种基于空间连通域预定位的商标检测方法 |
-
2012
- 2012-12-06 CN CN201210551662.9A patent/CN103854278A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070127754A1 (en) * | 2005-12-07 | 2007-06-07 | Siemens Corporate Research Inc | Method and Apparatus for the Classification of Surface Features of an Ear Impression |
US20100215271A1 (en) * | 2009-02-25 | 2010-08-26 | Honda Motor Co., Ltd. | Body feature detection and human pose estimation using inner distance shape contexts |
CN101847258A (zh) * | 2009-03-26 | 2010-09-29 | 陈贤巧 | 一种光学遥感图像配准方法 |
TW201225002A (en) * | 2010-12-08 | 2012-06-16 | Hon Hai Prec Ind Co Ltd | Image analysis system and method |
CN102799653A (zh) * | 2012-06-29 | 2012-11-28 | 中国科学院自动化研究所 | 一种基于空间连通域预定位的商标检测方法 |
Non-Patent Citations (2)
Title |
---|
冯晓伟 等: "基于形状内容描述子的点特征匹配", 《光电工程》 * |
舒小华 等: "一种基于轮廓配准的包装缺陷检测方法", 《包装工程》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023182A (zh) * | 2016-05-13 | 2016-10-12 | 广州视源电子科技股份有限公司 | 印制电路板图像匹配方法和系统 |
CN106780572A (zh) * | 2016-12-12 | 2017-05-31 | 首都医科大学附属北京安贞医院 | 基于迭代最近点的自动电解剖图与ct图像配准方法和装置 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN107967679B (zh) * | 2017-11-21 | 2020-07-03 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN107958454A (zh) * | 2017-12-04 | 2018-04-24 | 江苏维普光电科技有限公司 | 基于精密平台进行掩膜版图像的快速匹配方法及系统 |
CN109741310A (zh) * | 2018-12-27 | 2019-05-10 | 深圳市鹰眼在线电子科技有限公司 | Pcb板的图像处理方法、系统及存储介质 |
CN110288516A (zh) * | 2019-06-27 | 2019-09-27 | 北京迈格威科技有限公司 | 图像处理的方法、装置、设备及计算机可读存储介质 |
CN112991290A (zh) * | 2021-03-10 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像稳像方法、装置、路侧设备、云控平台 |
CN112991290B (zh) * | 2021-03-10 | 2023-12-05 | 阿波罗智联(北京)科技有限公司 | 图像稳像方法、装置、路侧设备、云控平台 |
CN112883974A (zh) * | 2021-05-06 | 2021-06-01 | 江西省江咨金发数据科技发展有限公司 | 基于图像校验的电子保函识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103854278A (zh) | 基于连通区域质心形状上下文的印刷电路板图像配准方法 | |
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN109801267B (zh) | 基于特征点检测与svm分类器的巡检目标缺陷检测方法 | |
CN111160337B (zh) | 一种指针式仪表读数的自动识别方法、系统、介质及设备 | |
CN101576956B (zh) | 基于机器视觉的在线字符检测方法和系统 | |
CN108918526B (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN108710909B (zh) | 一种可变形旋转不变装箱物体清点方法 | |
CN107993224B (zh) | 一种基于圆形标志物的物体检测定位方法 | |
CN105069466A (zh) | 基于数字图像处理的行人服饰颜色识别方法 | |
CN107862690A (zh) | 一种基于特征点匹配的电路板元器件定位方法和定位装置 | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
CN108491838A (zh) | 基于sift和hough的指针型仪表示数读取方法 | |
US20140301608A1 (en) | Chemical structure recognition tool | |
CN104680550A (zh) | 一种通过图像特征点的轴承表面瑕疵检测的方法 | |
CN110222661B (zh) | 一种用于运动目标识别及跟踪的特征提取方法 | |
CN109447062A (zh) | 基于巡检机器人的指针型仪表识别方法 | |
CN104123554A (zh) | 基于mmtd的sift图像特征提取方法 | |
CN108182705A (zh) | 一种基于机器视觉的三维坐标定位方法 | |
CN107180422A (zh) | 一种基于词袋特征的标贴破损检测方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN111242050A (zh) | 一种面向大尺度复杂场景下遥感影像的自动变化检测方法 | |
CN112419260A (zh) | 一种pcb文字区域缺陷检测方法 | |
CN110188694B (zh) | 一种基于压力特征的穿鞋足迹序列识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140611 |
|
WD01 | Invention patent application deemed withdrawn after publication |