CN103886597A - 一种基于边缘检测与拟合曲线聚类的圆检测方法 - Google Patents

一种基于边缘检测与拟合曲线聚类的圆检测方法 Download PDF

Info

Publication number
CN103886597A
CN103886597A CN201410111415.6A CN201410111415A CN103886597A CN 103886597 A CN103886597 A CN 103886597A CN 201410111415 A CN201410111415 A CN 201410111415A CN 103886597 A CN103886597 A CN 103886597A
Authority
CN
China
Prior art keywords
curve
candidate
circle
round
cluster
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
Application number
CN201410111415.6A
Other languages
English (en)
Other versions
CN103886597B (zh
Inventor
王祥敏
董逢武
汪国有
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WUHAN LICHENG WEIYE TECHNOLOGY Co Ltd
Original Assignee
WUHAN LICHENG WEIYE TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WUHAN LICHENG WEIYE TECHNOLOGY Co Ltd filed Critical WUHAN LICHENG WEIYE TECHNOLOGY Co Ltd
Priority to CN201410111415.6A priority Critical patent/CN103886597B/zh
Publication of CN103886597A publication Critical patent/CN103886597A/zh
Application granted granted Critical
Publication of CN103886597B publication Critical patent/CN103886597B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种基于边缘检测与拟合曲线聚类的圆检测方法，步骤如下：一、在灰度图上检测边缘，剔除像素点数小于像素点阈值的边缘曲线，得到曲线集合T；二、计算并记录曲线集合T中每个边缘点在灰度图中的梯度方向矢量；三、基于边缘梯度方向约束的候选曲线标记与参数拟合：1）计算估算圆心和估算半径；2）计算每条曲线的边缘点到对应估算圆心的方向矢量；3）基于梯度方向约束的候选点标记；4）确定候选曲线集合；5）候选曲线的圆参数校准；四、候选曲线的聚类与融合，得到融合后的圆心和半径；五、根据圆的完整度约束，输出检测结果。本发明具有适应性好、计算速度快、抗噪性好、资源消耗少等优点，可以广泛应用于圆曲线检测领域。

Description

一种基于边缘检测与拟合曲线聚类的圆检测方法
技术领域
本发明涉及工业生产中对具有圆形结构物体的圆曲线检测，特别是涉及一种基于边缘检测与拟合曲线聚类的圆检测方法。
背景技术
在工业生产中，机器视觉技术已广泛地应用于目标的检测和识别领域。相对于传统的检测手段，这种技术不仅速度快、精度高、可靠度好，而且大大提高了生产效率，有鉴于此，该技术已被越来越多的生产企业所采用。由于人造物体常具有圆形结构特征，因此圆的检测在工业应用中有着重要的研究意义，如基于机器视觉的点胶机，在识别摄像头模组等具有圆形结构的器件的点胶位置时，需要快速、准确地对圆形结构进行检测。
目前，现有的圆检测方法大致分为两类：基于Hough变换（HoughTransform，霍夫变换）的方法和基于曲线拟合的方法。
在各种检测圆的方法中，Hough变换方法因其具有可靠性高、对噪声和边缘的不连续具有更好的适应性等优点而被广泛采用。但是由于需要在三维参数空间进行累积计算，造成计算量大、占用资源过多，而且在处理有复杂背景干扰图像时，由于会引入大量的无用累积，使算法性能大大降低，甚至导致无法有效地提取圆。而曲线拟合的方法由于对野点（Outlier）比较敏感，所以在背景复杂和圆边缘模糊的情况下会产生较大的检测误差。此外，除了背景干扰因素，实际工业应用中还存在着光照条件的变化和不均匀等干扰因素，常会导致圆形边缘模糊或者不连续，影响圆检测方法的准确性和效率。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种基于梯度方向和边缘特征的圆检测方法，使其具有对变化的光照条件和圆边缘不连续的情况有较好的适应性，计算速度快、抗噪性好、资源消耗少等优点。
本发明提供的一种基于边缘检测与拟合曲线聚类的圆检测方法，包括如下步骤：步骤一，将输入图像转换为灰度图，在灰度图上检测边缘，并通过曲线跟踪得到初始的边缘曲线集合，剔除像素点数小于像素点阈值ε的边缘曲线，得到曲线集合T={T1,T2,…,TN}，其中N为曲线Ti数目；步骤二，计算曲线集合T中每个边缘点在灰度图中的水平方向梯度Gx和垂直方向梯度Gy，并记录每个边缘点的梯度方向矢量
Figure BDA0000481294150000021
步骤三，基于边缘梯度方向约束的候选曲线标记与参数拟合，具体过程如下：1）针对曲线集合T中每条曲线Ti通过最小二乘法进行圆拟合，得到每条曲线Ti对应的估算圆心cfi和估算半径rfi；2）计算曲线集合T中每条曲线Ti的边缘点到对应估算圆心cfi的方向矢量，曲线Ti的边缘点到相对应的估算圆心c0的方向矢量
Figure BDA0000481294150000022
为：
Figure BDA0000481294150000023
3）基于梯度方向约束的候选点标记：计算每条曲线Ti中每个边缘点的梯度方向矢量和到估算圆心c0的方向矢量
Figure BDA0000481294150000025
之间的夹角θ，由矢量内积公式可以得到：
Figure BDA0000481294150000026
其中，
Figure BDA0000481294150000027
为矢量的内积，
Figure BDA0000481294150000028
和
Figure BDA0000481294150000029
为矢量的模，如果|cosθ|>ξ，其中ξ为角度阈值，则所述边缘点标记为候选点；4）通过候选点投票的方式确定候选曲线集合：对曲线集合T中所有曲线Ti的候选点进行统计：计算每条曲线Ti中的候选点占所述曲线Ti中所有点数的比例
Figure BDA0000481294150000031
其中，ti和Ni分别为每条曲线Ti中候选点点数和所有点点数，i=1,2,…,N，如果pi大于百分比阈值η，则所述曲线Ti标记为候选曲线，从而得到候选曲线集合Tr={Tr1,Tr2,L,Trk}，其中k为候选曲线Tri数目；5）候选曲线Tri的圆参数校准：对候选曲线集合Tr中的每个候选曲线Tri去掉非候选点后，再次通过最小二乘法进行圆拟合，得到拟合的圆心cf和半径参数r，组成所述候选曲线Tri的三维特征矢量(a,b,r)，其中a和b为圆心cf的横纵轴坐标；步骤四，候选曲线的聚类与融合：对候选曲线Tri的三维特征矢量(a,b,r)进行聚类，将聚为一类的候选曲线Tri作为一个圆，得到圆集合C={C1,C2,…,Ck},其中k为圆Ci数目，对每个圆Ci对应的所有候选曲线Tri的候选点通过最小二乘法进行圆拟合，得到融合后的圆心cci和半径rci。
在上述技术方案中，还包括如下步骤：步骤五，计算圆集合C中每个圆Ci的完整度，并输出检测结果：圆Ci的完整度定义为其中trj为圆Ci对应的候选曲线Trj中候选点数；如果pci>pmin，其中pmin为完整度阈值，则对应的圆Ci作为检测结果，并输出所有满足条件的圆。
在上述技术方案中，在步骤五中，pci取值范围为[0,1]。
在上述技术方案中，在步骤五中，完整度阈值pmin为0.75。
在上述技术方案中，在步骤四中，采用K-means聚类算法对候选曲线Tri进行聚类，K是可以根据检测场景预先设定的参数。
在上述技术方案中，在步骤一中，将输入图像转换为灰度图后，利用Canny算子在灰度图上检测边缘。
在上述技术方案中，在步骤一中，所述输入图像为彩色图像。
在上述技术方案中，所述曲线为弧线段或轮廓。
本发明基于边缘检测与拟合曲线聚类的圆检测方法，具有以下有益效果：本发明提出的检测方法抓住了梯度方向检测方法对光照不敏感的特点，首先通过梯度方向约束确定候选边缘点，由候选边缘点投票选择候选曲线，去掉不具有圆形结构的边缘曲线，对剔除非候选点后的候选曲线拟合校准，减少了曲线中干扰点的影响，使得圆拟合结果更准确；然后通过拟合的圆参数，将候选曲线投影到三维特征矢量空间进行聚类，融合具有相同圆形结构的候选曲线，保证了在圆形边缘不完整的情况仍然能检测出圆，具有较好的抗噪性能；最后通过计算圆的完整度，选择可靠性高的圆作为检测结果。与现有技术相比，克服了传统的Hough变换方法对边缘像素点在参数空间累积而导致的变换计算量大、占用内存多的缺点，提高了检测效率；同时避免了传统的曲线拟合方法在背景复杂和圆边缘模糊的情况下检测误差较大的缺点，在进行多圆检测的同时，保证检测方法具有更高的准确性和可靠性，满足了实际应用要求。
附图说明
图1为本发明基于边缘检测与拟合曲线聚类的圆检测方法的流程示意图；
图2为图1中基于梯度方向约束的候选点和候选曲线标记的流程示意图。
具体实施方式
下面结合附图及实施例对本发明作进一步的详细描述，但该实施例不应理解为对本发明的限制。
参见图1至图2，本发明基于边缘检测与拟合曲线聚类的圆检测方法，用于具有圆形结构物体的圆曲线检测，具体步骤如下：
步骤一，将输入彩色图像转换为灰度图，利用Canny算子在灰度图上检测边缘，并通过曲线跟踪得到初始的边缘曲线集合，剔除像素点数小于像素点阈值ε的边缘曲线，得到曲线集合T={T1,T2,…,TN}，其中N为曲线Ti数目。
步骤二，计算曲线集合T中每个边缘点在灰度图中的水平方向梯度Gx和垂直方向梯度Gy，并记录每个边缘点的梯度方向矢量
步骤三，基于边缘梯度方向约束的候选曲线标记与参数拟合，具体过程如下：
1）针对曲线集合T中每条曲线Ti通过最小二乘法进行圆拟合，得到每条曲线Ti对应的估算圆心cfi和估算半径rfi；
2）计算曲线集合T中每条曲线Ti的边缘点到对应估算圆心cfi的方向矢量，曲线Ti的边缘点到相对应的估算圆心c0的方向矢量
Figure BDA0000481294150000052
为：
3）基于梯度方向约束的候选点标记：计算每条曲线Ti中每个边缘点的梯度方向矢量
Figure BDA0000481294150000054
和到估算圆心c0的方向矢量
Figure BDA0000481294150000055
之间的夹角θ，由矢量内积公式可以得到：
Figure BDA0000481294150000056
其中，
Figure BDA0000481294150000061
为矢量的内积，
Figure BDA0000481294150000062
和
Figure BDA0000481294150000063
为矢量的模，
如果|cosθ|>ξ，其中ξ为角度阈值，则所述边缘点标记为候选点；
4）通过候选点投票的方式确定候选曲线集合：
对曲线集合T中所有曲线Ti的候选点进行统计：计算每条曲线Ti中的候选点占所述曲线Ti中所有点数的比例
Figure BDA0000481294150000064
其中，ti和Ni分别为每条曲线Ti中候选点点数和所有点点数，i=1,2,…,N，如果pi大于百分比阈值η，则所述曲线Ti标记为候选曲线，从而得到候选曲线集合Tr={Tr1,Tr2,…,Trk}，其中k为候选曲线Tri数目；
5）候选曲线Tri的圆参数校准：对候选曲线集合Tr中的每个候选曲线Tri去掉非候选点后，再次通过最小二乘法进行圆拟合，得到拟合的圆心cf和半径参数r，组成所述候选曲线Tri的三维特征矢量(a,b,r)，其中a和b为圆心cf的横纵轴坐标。
步骤四，候选曲线的聚类与融合：采用K-means聚类算法对候选曲线Tri的三维特征矢量(a,b,r)进行聚类，其中K是可以根据检测场景预先设定的参数；将聚为一类的候选曲线Tri作为一个圆，得到圆集合C={C1,C2,…,Ck},其中k为圆Ci数目，对每个圆Ci对应的所有候选曲线Tri的候选点通过最小二乘法进行圆拟合，得到融合后的圆心cci和半径rci。
步骤五，计算圆集合C中每个圆Ci的完整度，并输出检测结果：圆Ci的完整度定义为
Figure BDA0000481294150000065
取值范围为[0,1]，其中trj为圆Ci对应的候选曲线Trj中候选点数；如果pci>pmin，其中pmin为完整度阈值（通常取0.75），则对应的圆Ci作为检测结果，并输出所有满足条件的圆。
本发明中的曲线为弧线段或轮廓。
本发明提出的检测方法抓住了梯度方向检测方法对光照不敏感的特点，首先通过梯度方向约束确定候选边缘点，由候选边缘点投票选择候选曲线，去掉不具有圆形结构的边缘曲线，对剔除非候选点后的候选曲线拟合校准，减少了曲线中干扰点的影响，使得圆拟合结果更准确；然后通过拟合的圆参数，将候选曲线投影到三维特征矢量空间进行聚类，融合具有相同圆形结构的候选曲线，保证了在圆形边缘不完整的情况仍然能检测出圆，具有较好的抗噪性能；最后通过计算圆的完整度，选择可靠性高的圆作为检测结果。与现有技术相比，克服了传统的Hough变换方法对边缘像素点在参数空间累积而导致的变换计算量大、占用内存多的缺点，提高了检测效率；同时避免了传统的曲线拟合方法在背景复杂和圆边缘模糊的情况下检测误差较大的缺点，在进行多圆检测的同时，保证检测方法具有更高的准确性和可靠性，满足了实际应用要求。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (9)

1.一种基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：包括如下步骤：
步骤一，将输入图像转换为灰度图，在灰度图上检测边缘，并通过曲线跟踪得到初始的边缘曲线集合，剔除像素点数小于像素点阈值ε的边缘曲线，得到曲线集合T={T1,T2,…,TN}，其中N为曲线Ti数目；
步骤二，计算曲线集合T中每个边缘点在灰度图中的水平方向梯度Gx和垂直方向梯度Gy，并记录每个边缘点的梯度方向矢量
Figure FDA0000481294140000011
步骤三，基于边缘梯度方向约束的候选曲线标记与参数拟合，具体过程如下：
1）针对曲线集合T中每条曲线Ti通过最小二乘法进行圆拟合，得到每条曲线Ti对应的估算圆心cfi和估算半径rfi；
2）计算曲线集合T中每条曲线Ti的边缘点到对应估算圆心cfi的方向矢量，曲线Ti的边缘点到相对应的估算圆心c0的方向矢量
Figure FDA0000481294140000012
为：
Figure FDA0000481294140000013
3）基于梯度方向约束的候选点标记：计算每条曲线Ti中每个边缘点的梯度方向矢量
Figure FDA0000481294140000014
和到估算圆心c0的方向矢量之间的夹角θ，由矢量内积公式可以得到：
Figure FDA0000481294140000016
其中，为矢量的内积，
Figure FDA0000481294140000018
和
Figure FDA0000481294140000019
为矢量的模，
如果|cosθ|>ξ，其中ξ为角度阈值，则所述边缘点标记为候选点；
4）通过候选点投票的方式确定候选曲线集合：
对曲线集合T中所有曲线Ti的候选点进行统计：计算每条曲线Ti中的候选点占所述曲线Ti中所有点数的比例
Figure FDA0000481294140000021
其中，ti和Ni分别为每条曲线Ti中候选点点数和所有点点数，i=1,2,…,N，如果pi大于百分比阈值η，则所述曲线Ti标记为候选曲线，从而得到候选曲线集合Tr={Tr1,Tr2,…,Trk}，其中k为候选曲线Tri数目；
5）候选曲线Tri的圆参数校准：对候选曲线集合Tr中的每个候选曲线Tri去掉非候选点后，再次通过最小二乘法进行圆拟合，得到拟合的圆心cf和半径参数r，组成所述候选曲线Tri的三维特征矢量(a,b,r)，其中a和b为圆心cf的横纵轴坐标；
步骤四，候选曲线的聚类与融合：对候选曲线Tri的三维特征矢量(a,b,r)进行聚类，将聚为一类的候选曲线Tri作为一个圆，得到圆集合C={C1,C2,L,Ck},其中k为圆Ci数目，对每个圆Ci对应的所有候选曲线Tri的候选点通过最小二乘法进行圆拟合，得到融合后的圆心cci和半径rci。
2.根据权利要求1所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：还包括如下步骤：
步骤五，计算圆集合C中每个圆Ci的完整度，并输出检测结果：圆Ci的完整度定义为
Figure FDA0000481294140000022
其中trj为圆Ci对应的候选曲线Trj中候选点数；如果pci>pmin，其中pmin为完整度阈值，则对应的圆Ci作为检测结果，并输出所有满足条件的圆。
3.根据权利要求2所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：在步骤五中，pci取值范围为[0,1]。
4.根据权利要求2所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：在步骤五中，完整度阈值pmin为0.75。
5.根据权利要求1至4中任一项所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：在步骤四中，采用K-means聚类算法对候选曲线Tri进行聚类，K是可以根据检测场景预先设定的参数。
6.根据权利要求1至4中任一项所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：在步骤一中，将输入图像转换为灰度图后，利用Canny算子在灰度图上检测边缘。
7.根据权利要求5所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：在步骤一中，将输入图像转换为灰度图后，利用Canny算子在灰度图上检测边缘。
8.根据权利要求1至4中任一项所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：在步骤一中，所述输入图像为彩色图像。
9.根据权利要求1至4中任一项所述的基于边缘检测与拟合曲线聚类的圆检测方法，其特征在于：所述曲线为弧线段或轮廓。
CN201410111415.6A 2014-03-24 2014-03-24 一种基于边缘检测与拟合曲线聚类的圆检测方法 Expired - Fee Related CN103886597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410111415.6A CN103886597B (zh) 2014-03-24 2014-03-24 一种基于边缘检测与拟合曲线聚类的圆检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410111415.6A CN103886597B (zh) 2014-03-24 2014-03-24 一种基于边缘检测与拟合曲线聚类的圆检测方法

Publications (2)

Publication Number Publication Date
CN103886597A true CN103886597A (zh) 2014-06-25
CN103886597B CN103886597B (zh) 2017-01-25

Family

ID=50955470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410111415.6A Expired - Fee Related CN103886597B (zh) 2014-03-24 2014-03-24 一种基于边缘检测与拟合曲线聚类的圆检测方法

Country Status (1)

Country Link
CN (1) CN103886597B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372642A (zh) * 2016-08-31 2017-02-01 北京航空航天大学 基于轮廓曲线分割弧合并与组合的椭圆快速检测方法
CN106778774A (zh) * 2016-11-25 2017-05-31 福建师范大学 一种高分辨率遥感影像人工地物轮廓检测方法
CN107067536A (zh) * 2017-04-27 2017-08-18 深圳怡化电脑股份有限公司 一种图像边界确定方法、装置、设备和存储介质
CN107931012A (zh) * 2017-10-25 2018-04-20 浙江华睿科技有限公司 一种提取点胶路径的方法及点胶系统
CN108230388A (zh) * 2018-02-06 2018-06-29 广西艾盛创制科技有限公司 一种白车身焊点图像的识别定位方法
CN108510513A (zh) * 2018-03-13 2018-09-07 中山大学 一种基于pca和分段rht的pcb图像圆检测方法
CN108537778A (zh) * 2018-03-27 2018-09-14 华南理工大学 一种用于柔性基板的改进随机圆孔检测方法
WO2018209941A1 (zh) * 2017-05-17 2018-11-22 华南理工大学 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法
CN110349199A (zh) * 2019-06-25 2019-10-18 杭州汇萃智能科技有限公司 一种物体圆度测量方法
CN110638523A (zh) * 2019-08-12 2020-01-03 杭州英库医疗科技有限公司 基于圆轨迹曲线轮廓自动切缘的方法
CN112381850A (zh) * 2020-12-04 2021-02-19 亿嘉和科技股份有限公司 柜体表面圆形目标自动分割方法、系统、装置及存储介质
CN112802018A (zh) * 2021-03-31 2021-05-14 深圳棱镜空间智能科技有限公司 分段圆形工件的完整性检测方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1049041A2 (en) * 1999-04-30 2000-11-02 Seiko Epson Corporation Image processing apparatus and methods for pattern recognition
CN101783014A (zh) * 2009-01-21 2010-07-21 汉王科技股份有限公司 一种圆形检测的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1049041A2 (en) * 1999-04-30 2000-11-02 Seiko Epson Corporation Image processing apparatus and methods for pattern recognition
CN101783014A (zh) * 2009-01-21 2010-07-21 汉王科技股份有限公司 一种圆形检测的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KUO-LIANG CHUNG等: "Speed up the computation of randomized algorithms for detecting lines, circles, and ellipses using novel tuning- and LUT-based voting platform", 《APPLIED MATHEMATICS AND COMPUTATION》, vol. 190, no. 1, 1 July 2007 (2007-07-01), pages 132 - 149, XP022105513, DOI: doi:10.1016/j.amc.2007.01.012 *
朱桂英等: "基于Hough变换的圆检测方法", 《计算机工程与设计》, vol. 29, no. 6, 31 March 2008 (2008-03-31), pages 1462 - 1464 *
王小华等: "一种新的基于梯度方向角的圆检测算法", 《机电工程》, vol. 25, no. 3, 31 March 2008 (2008-03-31), pages 30 - 32 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372642B (zh) * 2016-08-31 2023-11-03 北京航空航天大学 基于轮廓曲线分割弧合并与组合的椭圆快速检测方法
CN106372642A (zh) * 2016-08-31 2017-02-01 北京航空航天大学 基于轮廓曲线分割弧合并与组合的椭圆快速检测方法
CN106778774A (zh) * 2016-11-25 2017-05-31 福建师范大学 一种高分辨率遥感影像人工地物轮廓检测方法
CN106778774B (zh) * 2016-11-25 2020-04-03 福建师范大学 一种高分辨率遥感影像人工地物轮廓检测方法
CN107067536A (zh) * 2017-04-27 2017-08-18 深圳怡化电脑股份有限公司 一种图像边界确定方法、装置、设备和存储介质
CN107067536B (zh) * 2017-04-27 2019-07-26 深圳怡化电脑股份有限公司 一种图像边界确定方法、装置、设备和存储介质
WO2018209941A1 (zh) * 2017-05-17 2018-11-22 华南理工大学 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法
CN107931012B (zh) * 2017-10-25 2020-06-19 浙江华睿科技有限公司 一种提取点胶路径的方法及点胶系统
CN107931012A (zh) * 2017-10-25 2018-04-20 浙江华睿科技有限公司 一种提取点胶路径的方法及点胶系统
CN108230388A (zh) * 2018-02-06 2018-06-29 广西艾盛创制科技有限公司 一种白车身焊点图像的识别定位方法
CN108510513A (zh) * 2018-03-13 2018-09-07 中山大学 一种基于pca和分段rht的pcb图像圆检测方法
CN108537778A (zh) * 2018-03-27 2018-09-14 华南理工大学 一种用于柔性基板的改进随机圆孔检测方法
CN110349199A (zh) * 2019-06-25 2019-10-18 杭州汇萃智能科技有限公司 一种物体圆度测量方法
CN110349199B (zh) * 2019-06-25 2021-07-30 杭州汇萃智能科技有限公司 一种物体圆度测量方法
CN110638523A (zh) * 2019-08-12 2020-01-03 杭州英库医疗科技有限公司 基于圆轨迹曲线轮廓自动切缘的方法
CN112381850A (zh) * 2020-12-04 2021-02-19 亿嘉和科技股份有限公司 柜体表面圆形目标自动分割方法、系统、装置及存储介质
CN112802018A (zh) * 2021-03-31 2021-05-14 深圳棱镜空间智能科技有限公司 分段圆形工件的完整性检测方法、装置、设备及存储介质
CN112802018B (zh) * 2021-03-31 2021-08-06 深圳棱镜空间智能科技有限公司 分段圆形工件的完整性检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN103886597B (zh) 2017-01-25

Similar Documents

Publication Publication Date Title
CN103886597A (zh) 一种基于边缘检测与拟合曲线聚类的圆检测方法
CN108982508B (zh) 一种基于特征模板匹配和深度学习的塑封体ic芯片缺陷检测方法
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN105279756B (zh) 基于自适应区域分割的缺口圆弧零件尺寸视觉检测方法
CN104680519B (zh) 基于轮廓和颜色的七巧板识别方法
CN106251353A (zh) 弱纹理工件及其三维位姿的识别检测方法及系统
CN108491838B (zh) 基于sift和hough的指针型仪表示数读取方法
CN104268506A (zh) 基于深度图像的客流计数检测方法
Huang et al. Lane detection based on inverse perspective transformation and Kalman filter
CN110889398B (zh) 一种基于相似度网络的多模态图像能见度检测方法
CN103871079A (zh) 基于机器学习和光流的车辆跟踪方法
CN104021375A (zh) 一种基于机器学习的车型识别方法
CN108918526A (zh) 一种柔性ic封装基板线路的缺口缺陷检测方法
CN103903019A (zh) 一种多车道车辆轨迹时空图的自动生成方法
CN103106659A (zh) 基于双目视觉稀疏点匹配的空旷区域目标检测与跟踪方法
CN108022232B (zh) 一种飞行器表面铆钉检测方法
CN114972356B (zh) 塑料制品表面缺陷检测识别方法及系统
CN105403147A (zh) 一种基于嵌入式的瓶胚检测系统和检测方法
CN103886619A (zh) 一种融合多尺度超像素的目标跟踪方法
CN107895375A (zh) 基于视觉多特征的复杂道路线提取方法
CN103729631A (zh) 一种基于视觉的连接器表面特征自动识别方法
CN104182728A (zh) 一种基于模式识别的车标自动定位与识别方法
CN104851095A (zh) 基于改进型形状上下文的工件图像稀疏立体匹配方法
CN105809678B (zh) 一种短基线条件下两视图间线段特征全局匹配方法
CN109543498B (zh) 一种基于多任务网络的车道线检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
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: 20170125