CN104897174A - 基于置信度评价的图像光条噪声抑制方法 - Google Patents
基于置信度评价的图像光条噪声抑制方法 Download PDFInfo
- Publication number
- CN104897174A CN104897174A CN201510347026.8A CN201510347026A CN104897174A CN 104897174 A CN104897174 A CN 104897174A CN 201510347026 A CN201510347026 A CN 201510347026A CN 104897174 A CN104897174 A CN 104897174A
- Authority
- CN
- China
- Prior art keywords
- striation
- image
- model
- section
- optical losses
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明基于置信度评价的图像光条噪声抑制方法属于计算机视觉测量领域,涉及视觉测量中图像光条噪声抑制方法。该方法通过灰度重心法提取被测锻件表面光条的像素中心点,通过左、右摄像机成像特性、激光入射角以及摄像机拍摄角度的关系、被测锻件表面几何特征建立特征光条模型,根据光条中心的提取精度与理想特征光条模型的可靠性建立光条中心的信度评价模型,利用光条模型及信度评价模型对提取出的光条中心进行信度评价及粗大误差点的剔除。本发明通过置信度评价,剔除特征光条图像中存在的粗大误差,有效抑制了图像中特征信息的噪声干扰,使得匹配后重建的光条信息符合被测锻件的三维形貌,提高尺寸还原的精度。
Description
技术领域
本发明属于计算机视觉测量领域,涉及视觉测量中,在一种恶劣环境下图像光条噪声抑制方法。
背景技术
双目立体视觉的测量原理是根据双目摄像机同时拍摄的两张图片的二维图像信息得到物体的几何三维信息。为得到待测物体的特征尺寸,需要将光条投射至待测物体表面,利用摄像机拍摄其二维图片,提取二维图片中的特征光条中心点并将其进行匹配,从而还原待测物体表面的三维特征信息。由于图片中光条的特征信息直接反应了待测物体的特征尺寸信息,因而在提取光条中心的基础上,有效抑制图像噪声,准确剔除粗大误差点,对后续左右图像中特征光条中心的匹配乃至最终还原待测物体的特征尺寸具有至关重要的意义。
目前机器视觉领域常用的图像抑噪方式主要集中在光条提取前,如均值滤波、中值滤波及高斯滤波等,然而该类方法主要是针对图像整体进行平滑抑噪,并不能有效去除测量中的背景光条、随机误差和由局部过亮或过暗引起的噪声,因而难以达到剔除光条中心提取后仍存在的粗大误差点的目的,从而无法实现对图像特征光条中心的噪声抑制。
针对图像测量中常见的背景光条、随机误差和局部过亮或过暗引起的噪声对光条中心提取的影响,引入基于截面灰度能量分布的特征光条模型对图像中提取的特征光条中心进行信度评价,从而达到抑制图像噪声,并对图像中的粗大误差点予以剔除的目的。若选取的抑噪方法不当,容易导致抑噪处理后的光条偏离图像原始光条,导致抑噪效果不稳定,无法得到精确结果,影响图像光条后续的匹配,进而影响三维特征尺寸的还原。
发明内容
本发明主要解决的是利用双目立体视觉进行工件尺寸测量过程中图像光条噪声抑制的问题。针对双目立体视觉测量系统,利用图像上光条截面灰度能量与工件表面的空间几何特征关系,可建立符合待测工件表面特性的特征光条模型。然而由于现场拍摄条件、光条中心提取精度的限制以及模型建立过程中参数的约化与简化,实际特征光条与理想特征光条模型存在一定偏差,发明一种基于置信度评价的图像光条噪声抑制方法,利用特征光条模型对实际光条进行信度评价,保留可靠的光条中心点,剔除粗大误差与局部噪点,去除背景光条。综合考虑光条中心的提取精度与理想特征光条模型的可靠性,提高尺寸还原的精度。
本发明采用的技术方案是基于置信度评价的图像光条噪声抑制方法,该方法通过灰度重心法提取待测工件表面光条的像素中心点,通过摄像机的成像特性、激光入射角以及摄像机拍摄角度的关系、待测工件的表面几何特征建立特征光条模型,根据光条中心的提取精度与理想特征光条模型的可靠性建立光条中心的信度评价模型,利用光条模型及信度评价模型对提取出的光条中心进行信度评价及粗大误差点的剔除。方法具体步骤如下:
步骤1:灰度重心法提取光条中心
设光条某一截面点的坐标为(xi,yi),相应的灰度值为g(xi,yi),则该截面的中心点坐标(xc,yc)利用灰度重心法计算如下:
其中,n为截面内像素点的个数;把光条每个截面内的像素点的灰度分布质心作为截面的光条中心点,即可求得特征光条的中心;
步骤2:建立特征光条模型
针对双目立体视觉测量系统,利用图像上光条截面灰度能量与光强的关系以及激光器阵列所在位置与被测锻件表面的空间几何关系,建立带有表面几何特征信息的光条模型;
通过摄像机的光电转换特性得到图像能量与圆柱类被测锻件反射光光强的关系,利用被测锻件的表面几何特征推导得到反射光光强与激光入射角以及摄像机拍摄角度的关系;根据空间几何特性,建立空间距离入射角与截面位置之间的关系;通过摄像机的成像原理,将空间距离与图像上的像素距离进行转换,进而得到大视场测量中基于截面灰度能量分布的圆柱被测锻件表面光条模型:
其中,Er为截面的理论灰度能量和,Km,Kp,Kn,Kq,Kr分别为由摄像机参数、视场中的位置关系参数以及诸多物理常量构成的参数,需要通过拟合工具确定具体数值;
步骤3:建立光条评价模型
视觉测量过程中常常会受到很多干扰,需要对光条提取得到的中心点的可信程度进行评价来判断得到的中心点处是否存在噪声信号,从而区分图像中的光条信号与噪声;
在通过灰度重心法提取出光条中心后,提出特征信息评价公式:
其中,R为图像中光条的置信度,Eu为图像中光条截面像素点灰度值的和,Er为通过模型拟合曲线参数进而计算的该截面理论灰度能量和;
设光条某一截面点的坐标为(x,yi),相应的灰度值为g(x,yi),则该截面的像素点灰度值的和Eu可通过式(4)求得:
其中,n为该截面内像素点的个数;
理想情况下,计算实际图像中提取出的光条截面像素点灰度值与建立的模型中理论截面灰度能量之和应近似相等;因此,二者的比值可以用来表征实际提取出的光条中心与理想模型的偏离程度,进而用于评价提取出的光条中心点的精度,并判断是否存在噪点;
步骤4:进行置信度评价,抑制图像光条噪声
对于光条中心点的信度评价,是对光条提取得到的中心点位置是否在光条中心的可靠程度的评价;由于式(2)是根据待光电转换关系、被测锻件表面的几何特性、拍摄空间几何关系综合得出的光条模型,因而用于评价图像光条是否受到非随机噪声的影响,以及提取中是否存在光条误判可能性;
置信度R接近于1时,认为该特征信息带有被测锻件表面的形状信息较多,认为是有效的特征光条,其中心点的提取是有意义的;置信度R接近于0或者+∞时,认为该段特征光条不带有被测锻件表面形状信息,判断该特征光条为噪声,在下一环节之前去除该噪声;
综合考虑测量环境与被测锻件表面质量对图像中光条质量的影响,设定置信区间,当置信度R在置信区间内,对应的光条中心点予以保留,当置信度R在置信区间外,认为该段信息为噪声,将对应的光条中心点予以去除;保留的光条中心点,构成新的特征光条中心,用于还原被测锻件的三维特征信息。
本发明的有益效果是通过基于光条截面灰度能量的分布对提取出的光条中心进行信度评价及粗大误差点的剔除,其抑噪效果良好,有利于双目视觉测量后续的匹配重建。
附图说明
附图1为测量系统示意图,其中,1为图形工作站,2为激光器阵列,3a、3b分别为左、右摄像机,4为被测锻件;
附图2为基于置信度评价的图像光条噪声抑制方法流程图。
附图3为光条抑噪前重建图像,附图4为光条抑噪后重建图像。
其中;XYZ轴为欧式空间坐标系的坐标轴,单位为mm,1、2、3、4、5、6曲线分别为匹配后重建出的带有噪声的第一条、第二条、第三条、第四条、第五条、第六条光条图像,1’、2’、3’、4’、5’、6’曲线分别为匹配后重建出的经抑噪处理的第一条、第二条、第三条、第四条、第五条、第六条光条图像。
具体实施方式
以下结合技术方案和附图进一步详细说明本发明的具体实施方式。
附图1是测量系统示意图,表示出采用的视觉测量系统以及待测锻件4为圆柱形工件的视场测量系统。本发明采用的左右摄像机3a、3b型号为:SVCam-svs11002,拍摄圆柱形待测锻件4的直径为500mm。现场测量系统构成如下:两台SVCam-svs11002摄像机,分辨率为4008×2672;两个放置于摄像机镜头前方的短波通滤光片;激光器组成的激光器阵列2,以及一台图形工作站1。利用双目摄像机拍摄被测锻件表面激光光条,利用图形工作站对左右摄像机拍摄的图片进行处理,提取激光光条中心,并通过匹配重建,测量锻件直径。测量方法的具体步骤如附图2所示。具体步骤说明如下:
步骤1:灰度重心法提取光条中心
理想状态下光条呈基于中心的对称分布,然而在实际拍摄过程中,下光条分布具有呈现非对称性,在光条两侧的区域出现了光条灰度值与理想模型灰度值的偏离。因为光条两侧出现不对称部分,所以光条中心会向权重大的方向偏移,因此基于理想Gaussian模型的光条中心的提取存在原理性误差。为减小由于光条分布的不对称性引起的误差,提高光条中心点的提取精度,引入灰度重心法提取光条中心。
设光条某一截面点的坐标为(xi,yi),相应的灰度值为g(xi,yi),则该截面的中心点坐标(xc,yc)可利用灰度重心法计算如式(1):
其中,n为截面内像素点的个数。把光条每个截面内的像素点的灰度分布质心作为截面的光条中心点,即可求得特征光条的中心。
步骤2:建立特征光条模型
由于特征信息为激光光条在呈现一定形状的工件表面反射后由摄像机拍摄的,因此摄像机拍摄的激光光条的截面灰度能量附带锻件表面形状的信息,综合考虑拍摄实际空间位置及工件表面激光反射特性,分析图像上激光光条灰度能量所附带的锻件形状信息,针对双目立体视觉测量系统,利用图像上光条截面灰度能量与光强的关系以及激光器与工件表面的空间几何特征,可建立带有工件表面几何特征信息的光条模型。
本实施例采用圆柱形工件,通过摄像机的光电转换特性得到图像能量与圆柱形工件反射光光强的关系,利用待测件的表面几何特征推导得到反射光光强与激光入射角以及摄像机拍摄角度的关系。根据空间几何特性,可建立空间距离入射角与截面位置之间的关系。通过摄像机的成像原理,将空间距离与图像上的像素距离进行转换,进而得到大视场测量中基于截面灰度能量分布的圆柱表面光条模型如式(2):
其中,Er为截面的理论灰度能量和,Km,Kp,Kn,Kq,Kr分别为由摄像机参数、视场中的位置关系参数以及诸多物理常量构成的参数,通过拟合工具箱拟合,得到参数分别为:
Km=8404(-1.257e+09,1.257e+09),Kp=2.212e-08(-0.003305,0.003305),
Kn=370.4(-4882,5623),Kq=3.654e-07(-8.795e-05,8.868e-05),
Kr=-8118(-1.257e+09,1.257e+09)。
步骤3:建立光条评价模型
由于视觉测量过程中常常会受到很多干扰,比如待测工件颜色和材质粗糙程度不统一、CCD热噪声等,且将对光条图像的质量产生较大的影响,进而影响测量结果,因而需要对光条提取得到的中心点的可信程度进行评价来判断得到的中心点处是否存在噪声信号,从而区分图像中的光条信号与噪声。
在通过灰度重心法提取出光条中心后,提出特征信息评价公式如式(3):
其中,Eu为图像中光条截面像素点灰度值的和,Er为通过模型拟合曲线参数进而计算的该截面理论灰度能量和。
设光条某一截面点的坐标为(x,yi),相应的灰度值为g(x,yi),则该截面的像素点灰度值的和Eu可通过式(4)求得:
其中,n为该截面内像素点的个数。
理想情况下,计算实际图像中提取出的光条截面像素点灰度值与建立的模型中理论截面灰度能量之和应近似相等。因此,二者的比值可以用来表征实际提取出的光条中心与理想模型的偏离程度,进而用于评价提取出的光条中心点的精度,并判断是否存在噪点。
步骤4:进行置信度评价,抑制图像光条噪声
置信度被定义成一个用来衡量某种判断与实际观测结果之间匹配程度的函数,而且这个函数的值对于不同的实际观测结果具有可比性。对于光条中心点的信度评价,是对光条提取得到的中心点位置是否在光条中心的可靠程度的评价。由于式(2)是根据待光电转换关系、待测工件表面的几何特性、拍摄空间几何关系综合得出的光条模型,因而可以用于评价图像光条是否受到非随机噪声的影响,以及提取中是否存在光条误判可能性。
置信度R接近于1时,可认为该特征信息带有待测工件表面的形状信息较多,认为是有效的特征光条,其中心点的提取是有意义的;置信度R接近于0或者+∞时,可认为该段特征光条不带有待测工件表面形状信息,判断该特征光条为噪声,在下一环节之前去除该噪声。
综合考虑测量环境与工件表面质量对图像中光条质量的影响,可设定置信区间为[0.6,1.25],即当置信度R在置信区间内时,对应的光条中心点予以保留;当置信度R在置信区间外时,认为该段信息为噪声,将对应的光条中心点予以去除。对现场拍摄图片进行置信度评价,剔除置信度在置信区间外的光条,左图像中原始数据点1815个,保留的光条中心点为1646个,去除点约占原光条中心提取结果的9.2681%;右图像中原始数据点1781个,保留的光条中心点为1621个,去除点约占原光条中心提取结果的8.9551%,剔除了的噪声干扰,构成了新的特征光条中心。
附图3为光条抑噪前重建图像,1、2、3、4、5、6曲线分别为匹配后重建出的带有噪声的第一条、第二条、第三条、第四条、第五条、第六条光条图像,附图4为光条抑噪后重建图像,1’、2’、3’、4’、5’、6’曲线分别为匹配后重建出的经抑噪处理的第一条、第二条、第三条、第四条、第五条、第六条光条图像。通过对比重建的光条图像可见,光条噪声得到明显抑制,左右图像匹配后重建的点云更符合被测锻件的三维形貌,有利于还原特征尺寸。
本发明通过理想的光条模型对测量中拍摄的特征光条进行置信度评价,剔除特征光条图像中存在的粗大误差,有效抑制了图像中特征信息的噪声干扰,使得匹配后重建的光条信息符合被测锻件的三维形貌,提高尺寸还原的精度。
Claims (1)
1.一种基于置信度评价的图像光条噪声抑制方法,其特征是,该方法通过灰度重心法提取被测锻件(4)表面光条的像素中心点,通过左、右摄像机(3a、3b)成像特性、激光入射角以及摄像机拍摄角度的关系、被测锻件(4)的表面几何特征建立特征光条模型,根据光条中心的提取精度与理想特征光条模型的可靠性建立光条中心的信度评价模型,利用光条模型及信度评价模型对提取出的光条中心进行信度评价及粗大误差点的剔除;方法具体步骤如下:
步骤1:灰度重心法提取光条中心
设光条某一截面点的坐标为(xi,yi),相应的灰度值为g(xi,yi),则该截面的中心点坐标(xc,yc)利用灰度重心法计算如下:
其中,n为截面内像素点的个数;把光条每个截面内的像素点的灰度分布质心作为截面的光条中心点,即可求得特征光条的中心;
步骤2:建立特征光条模型
针对双目立体视觉测量系统,利用图像上光条截面灰度能量与光强的关系以及激光器阵列(2)所在位置与被测锻件表面的空间几何关系,建立带有表面几何特征信息的光条模型;
通过摄像机的光电转换特性得到图像能量与圆柱类被测锻件反射光光强的关系,利用被测锻件的表面几何特征推导得到反射光光强与激光入射角以及摄像机拍摄角度的关系;根据空间几何特性,建立空间距离入射角与截面位置之间的关系;通过摄像机的成像原理,将空间距离与图像上的像素距离进行转换,进而得到大视场测量中基于截面灰度能量分布的圆柱被测锻件表面光条模型:
其中,Er为截面的理论灰度能量和,Km,Kp,Kn,Kq,Kr分别为由摄像机参数、视场中的位置关系参数以及诸多物理常量构成的参数,需要通过拟合工具确定具体数值;
步骤3:建立光条评价模型
视觉测量过程中常常会受到很多干扰,需要对光条提取得到的中心点的可信程度进行评价来判断得到的中心点处是否存在噪声信号,从而区分图像中的光条信号与噪声;
在通过灰度重心法提取出光条中心后,提出特征信息评价公式:
其中,R为图像中光条的置信度,Eu为图像中光条截面像素点灰度值的和,Er为通过模型拟合曲线参数进而计算的该截面理论灰度能量和;
设光条某一截面点的坐标为(x,yi),相应的灰度值为g(x,yi),则该截面的像素点灰度值的和Eu可通过式(4)求得:
其中,n为该截面内像素点的个数;
理想情况下,计算实际图像中提取出的光条截面像素点灰度值与建立的模型中理论截面灰度能量之和应近似相等;因此,二者的比值可以用来表征实际提取出的光条中心与理想模型的偏离程度,进而用于评价提取出的光条中心点的精度,并判断是否存在噪点;
步骤4:进行置信度评价,抑制图像光条噪声
对于光条中心点的信度评价,是对光条提取得到的中心点位置是否在光条中心的可靠程度的评价;由于式(2)是根据待光电转换关系、被测锻件表面的几何特性、拍摄空间几何关系综合得出的光条模型,因而用于评价图像光条是否受到非随机噪声的影响,以及提取中是否存在光条误判可能性;
置信度R接近于1时,认为该特征信息带有被测锻件表面的形状信息较多,认为是有效的特征光条,其中心点的提取是有意义的;置信度R接近于0或者+∞时,认为该段特征光条不带有被测锻件表面形状信息,判断该特征光条为噪声,在下一环节之前去除该噪声;
综合考虑测量环境与被测锻件表面质量对图像中光条质量的影响,设定置信区间,当置信度R在置信区间内,对应的光条中心点予以保留,当置信度R在置信区间外,认为该段信息为噪声,将对应的光条中心点予以去除;保留的光条中心点,构成新的特征光条中心,用于还原被测锻件的三维特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510347026.8A CN104897174B (zh) | 2015-06-19 | 2015-06-19 | 基于置信度评价的图像光条噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510347026.8A CN104897174B (zh) | 2015-06-19 | 2015-06-19 | 基于置信度评价的图像光条噪声抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104897174A true CN104897174A (zh) | 2015-09-09 |
CN104897174B CN104897174B (zh) | 2018-07-10 |
Family
ID=54029986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510347026.8A Active CN104897174B (zh) | 2015-06-19 | 2015-06-19 | 基于置信度评价的图像光条噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104897174B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300316A (zh) * | 2015-09-22 | 2016-02-03 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
CN108550144A (zh) * | 2018-04-09 | 2018-09-18 | 大连理工大学 | 基于灰度信度的激光光条序列图像质量评价方法 |
CN110675440A (zh) * | 2019-09-27 | 2020-01-10 | 深圳市易尚展示股份有限公司 | 三维深度数据的置信度评估方法、装置和计算机设备 |
CN113324478A (zh) * | 2021-06-11 | 2021-08-31 | 重庆理工大学 | 一种线结构光的中心提取方法及锻件三维测量方法 |
CN116045852A (zh) * | 2023-03-31 | 2023-05-02 | 板石智能科技(深圳)有限公司 | 三维形貌模型确定方法、装置及三维形貌测量设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5513276A (en) * | 1994-06-02 | 1996-04-30 | The Board Of Regents Of The University Of Oklahoma | Apparatus and method for three-dimensional perspective imaging of objects |
CN101109617A (zh) * | 2007-07-10 | 2008-01-23 | 浙江大学 | 一种基于轴向立体视觉的逆向测量方法与装置 |
CN101667303A (zh) * | 2009-09-29 | 2010-03-10 | 浙江工业大学 | 一种基于编码结构光的三维重建方法 |
CN101986322A (zh) * | 2010-11-22 | 2011-03-16 | 南京大学 | 结构光光条中心点信度评价方法 |
CN103940369A (zh) * | 2014-04-09 | 2014-07-23 | 大连理工大学 | 多激光协同扫描形貌快速视觉测量方法 |
-
2015
- 2015-06-19 CN CN201510347026.8A patent/CN104897174B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5513276A (en) * | 1994-06-02 | 1996-04-30 | The Board Of Regents Of The University Of Oklahoma | Apparatus and method for three-dimensional perspective imaging of objects |
CN101109617A (zh) * | 2007-07-10 | 2008-01-23 | 浙江大学 | 一种基于轴向立体视觉的逆向测量方法与装置 |
CN101667303A (zh) * | 2009-09-29 | 2010-03-10 | 浙江工业大学 | 一种基于编码结构光的三维重建方法 |
CN101986322A (zh) * | 2010-11-22 | 2011-03-16 | 南京大学 | 结构光光条中心点信度评价方法 |
CN103940369A (zh) * | 2014-04-09 | 2014-07-23 | 大连理工大学 | 多激光协同扫描形貌快速视觉测量方法 |
Non-Patent Citations (2)
Title |
---|
徐静株: "结构光三维测量中光条中心提取方法及其评价的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
魏振忠等: "光栅式双目立体视觉传感器的立体匹配方法", 《红外与激光工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300316A (zh) * | 2015-09-22 | 2016-02-03 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
CN105300316B (zh) * | 2015-09-22 | 2017-10-13 | 大连理工大学 | 基于灰度重心法的光条中心快速提取方法 |
CN108550144A (zh) * | 2018-04-09 | 2018-09-18 | 大连理工大学 | 基于灰度信度的激光光条序列图像质量评价方法 |
CN108550144B (zh) * | 2018-04-09 | 2020-04-07 | 大连理工大学 | 基于灰度信度的激光光条序列图像质量评价方法 |
CN110675440A (zh) * | 2019-09-27 | 2020-01-10 | 深圳市易尚展示股份有限公司 | 三维深度数据的置信度评估方法、装置和计算机设备 |
CN110675440B (zh) * | 2019-09-27 | 2022-07-12 | 深圳市易尚展示股份有限公司 | 三维深度数据的置信度评估方法、装置和计算机设备 |
CN113324478A (zh) * | 2021-06-11 | 2021-08-31 | 重庆理工大学 | 一种线结构光的中心提取方法及锻件三维测量方法 |
CN116045852A (zh) * | 2023-03-31 | 2023-05-02 | 板石智能科技(深圳)有限公司 | 三维形貌模型确定方法、装置及三维形貌测量设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104897174B (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Real-time detection of surface deformation and strain in recycled aggregate concrete-filled steel tubular columns via four-ocular vision | |
CN105526882B (zh) | 基于结构光测量的道岔磨耗检测系统及其检测方法 | |
CN106959078B (zh) | 一种用于三维轮廓测量的轮廓测量方法 | |
CN104897174A (zh) | 基于置信度评价的图像光条噪声抑制方法 | |
CN105300316B (zh) | 基于灰度重心法的光条中心快速提取方法 | |
CN103900494B (zh) | 用于双目视觉三维测量的同源点快速匹配方法 | |
CN105066909B (zh) | 一种手持式多激光条纹快速三维测量方法 | |
CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
Xu et al. | Real-time 3D shape inspection system of automotive parts based on structured light pattern | |
CN101089548B (zh) | 路面车辙三维信息检测方法 | |
CN110766669B (zh) | 一种基于多目视觉的管线测量方法 | |
CN105716539B (zh) | 一种快速高精度的三维形面测量方法 | |
CN108509908B (zh) | 一种基于双目立体视觉的瞳孔直径实时测量方法 | |
CN108088390A (zh) | 一种焊接检测中基于双目线结构光的光条中心三维坐标获取方法 | |
CN104574393A (zh) | 一种三维路面裂缝图像生成系统和方法 | |
KR20160121509A (ko) | 2개의 카메라로부터의 곡선의 세트의 구조형 광 매칭 | |
CN106978774A (zh) | 一种路面坑槽自动检测方法 | |
CN104930985A (zh) | 基于时空约束的双目视觉三维形貌测量方法 | |
CN103499302A (zh) | 基于结构光视觉成像系统的凸轮轴直径尺寸在线测量方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
DE102010002258A1 (de) | Verfahren und Vorrichtung zum Bestimmen von Abständen an einem Fahrzeug | |
CN105335699B (zh) | 读写场景中读写元素三维坐标的智能认定方法及其应用 | |
CN102135413B (zh) | 一种基于相位涡旋的数字散斑相关测量方法 | |
CN106289099A (zh) | 一种单目视觉系统及基于该系统的三维尺寸快速测量方法 | |
CN103884294B (zh) | 一种宽视场的红外光三维形貌测量的方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |