CN106446894B - 一种基于轮廓识别球型目标物位置的方法 - Google Patents

一种基于轮廓识别球型目标物位置的方法 Download PDF

Info

Publication number
CN106446894B
CN106446894B CN201610856719.4A CN201610856719A CN106446894B CN 106446894 B CN106446894 B CN 106446894B CN 201610856719 A CN201610856719 A CN 201610856719A CN 106446894 B CN106446894 B CN 106446894B
Authority
CN
China
Prior art keywords
circle
image
subregion
profile point
center
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
Application number
CN201610856719.4A
Other languages
English (en)
Other versions
CN106446894A (zh
Inventor
宋海鹰
岑健
谢敏
周卫
冯家辉
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.)
Guangdong Polytechnic Normal University
Original Assignee
Guangdong Polytechnic Normal University
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 Guangdong Polytechnic Normal University filed Critical Guangdong Polytechnic Normal University
Priority to CN201610856719.4A priority Critical patent/CN106446894B/zh
Publication of CN106446894A publication Critical patent/CN106446894A/zh
Application granted granted Critical
Publication of CN106446894B publication Critical patent/CN106446894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于轮廓识别球型目标物位置的方法，其方法为通过获取目标区域的原始图像，标记出目标图像区域，并结合目标图像区域的偏心度，然后对二值化处理后的图像进行腐蚀收缩，使得图像的边缘对称，减少了噪点，并且进一步采用Prewitt算子检测轮廓点，再基于轮廓点确定一个拟合圆，当与拟合圆圆心的距离在设定范围内的轮廓点的个数达到目标阈值，则拟合圆的圆心坐标为球型目标物的中心位置。本发明能够有效地减小噪点的产生，同时运算简单，轮廓识别的准确性高。

Description

一种基于轮廓识别球型目标物位置的方法
技术领域
本发明涉及视觉识别技术领域，特别涉及一种基于轮廓识别球型目标物位置的方法。
背景技术
当前目标识别的方法可以分为三类：基于表象特征的方法、基于形状特征的方法、基于表象和形状特征相结合的方法。基于形状特征的目标识别方法是当前研究的一个热点，近些年来取得了显著的进展。从传统的基于傅里叶变换或不变矩等方法，发展为当前大多属于基于轮廓和骨架两种形状描述子的形状匹配方法。相对于点集，轮廓具有更加丰富的信息，且轮廓不容易受到光照、物体颜色和纹理变化的影响，但是在实际运用过程中，存在大量的噪点，影响轮廓的识别准确性。
发明内容
本发明的目的在于：克服现有技术中在实际运用过程中，存在大量的噪点，影响轮廓的识别准确性的问题。
为了实现上述发明目的，本发明提供一种基于轮廓识别球型目标物位置的方法，其特征在于，包括以下步骤，
步骤一：获取目标区域的原始图像后，根据所述原始图像中背景的灰度值，标记目标图像区域；
步骤二：根据目标图像区域中各个像素点的坐标和灰度值，计算出相应的质心坐标，并根据质心坐标的计算结果，计算目标图像区域的偏心度；
步骤三：以背景的灰度值为二值化阈值，对当前帧图像进行二值化处理，经二值化处理后，背景为黑色，目标图像区域的像素点为白色；
步骤四：根据目标图像区域的偏心度，对经二值化处理的图像进行腐蚀收缩；
步骤五：采用Prewitt算子对二值化后的图像进行轮廓点的检测，检测完成后，记白色的像素点为轮廓点，并判断轮廓点的数量是否达到设定阈值，以确定目标图像区域是否存在目标物，若达到，继续下一步骤，否则，跳转至步骤一，开始处理下一帧图像；
步骤六：从检测到的轮廓点之中选取至少三个，用于确定一个圆心坐标为(a,b)，半径为r的拟合圆，若满足条件的轮廓点的个数达到目标阈值，则所述拟合圆为真实目标圆，所述拟合圆的圆心为球型目标物的位置，若达不到目标阈值，则将跳转至步骤一，开始处理下一帧图像；其中，r为所述拟合圆的半径，n为小于r且大于0的常数。
根据一种具体的实施方式，目标区域的图像采用YUV数据输出格式，并进行二值化处理时，提取图像数据的Y值。
根据一种具体的实施方式，采用以下公式计算公式 其中M,N分别表示图像的行数和列数，ρ(x,y)为(x,y)坐标处的灰度值，质心坐标为(U0,V0)。
根据一种具体的实施方式，根据质心坐标(U0,V0)，将原始图像划分为左上子区域、右上子区域、左下子区域和右下子区域四个子区域，并且面积分别用S1，S2，S3和S4表示；
先计算和若σ1>1，则偏上，σ1＝1，则上下不偏，σ1<1，则偏下，若σ2>1，则偏左，σ2＝1，则左右不偏，σ2<1，则偏右；
除σ1＝1且σ2＝1的情况外，再计算和若σ3>1，则偏左上，σ3<1，则偏右下，若σ4>1，则偏右上，σ4<1，则偏左下；
其中，σ1，σ2，σ3和σ4分别表示相应对比方向上的偏心度。
根据一种具体的实施方式，根据σ1，σ2，σ3和σ4，分别对相应方向上的子区域进行腐蚀收缩。
根据一种具体的实施方式，分别从左上子区域、右上子区域、左下子区域和右下子区域中选取至少一个轮廓点，并且所选取的轮廓点中的任意三个组合确定一个圆，将确定的圆的圆心坐标平均值作为拟合圆的圆心坐标，将确定的圆的半径的平均值作为拟合圆的半径。
与现有技术相比，本发明的有益效果：本发明基于轮廓识别球型目标物位置的方法，其方法为通过获取目标区域的原始图像，标记出目标图像区域，并结合目标图像区域的偏心度，然后对二值化处理后的图像进行腐蚀收缩，使得图像的边缘对称，减少了噪点，并且进一步采用Prewitt算子检测轮廓点，再基于轮廓点确定一个拟合圆，当与拟合圆圆心的距离在设定范围内的轮廓点的个数达到目标阈值，则拟合圆的圆心坐标为球型目标物的中心位置。本发明能够有效地减小噪点的产生，同时运算简单，轮廓识别的准确性高。
附图说明：
图1是本发明的流程示意图；
图2是本发明像素点的八邻域模板示意图；
图3是本发明获取拟合圆圆心的示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
如图1所示的本发明的流程示意图；其中，本发明基于轮廓识别球型目标物位置的方法包括六个步骤。
步骤一：获取目标区域的原始图像后，根据所述原始图像中背景的灰度值，标记目标图像区域。其中，设定在球型目标物所处的位置的一定范围内为目标区域，通过视觉传感器获取目标区域的原始图像。同时球型目标物置于目标区域中，能够与背景明显地区分，从而在获取的原始图像中，球型目标物所在区域的灰度值与背景的灰度值也具有明显的对比，因此，根据原始图像中背景的灰度值，进行灰度值区分，即可标记目标图像区域。
步骤二：根据目标图像区域中各个像素点的坐标和灰度值，计算出相应的质心坐标，并根据质心坐标的计算结果，计算目标图像区域的偏心度。
具体的，采用以下公式计算公式其中M,N分别表示图像的行数和列数，ρ(x,y)为(x,y)坐标处的灰度值，质心坐标为(U0,V0)。
步骤三：以背景的灰度值为二值化阈值，对当前帧图像进行二值化处理，经二值化处理后，背景为黑色，目标图像区域的像素点为白色。其中，当像素点的灰度值大于背景的灰度值，则将该像素点的灰度值值设置为255；当像素点的灰度值小于或等于背景的灰度值，则将该像素点的灰度值设置为0。即经二值化处理后，背景为黑色，目标图像区域的像素点为白色。
步骤四：根据目标图像区域的偏心度，对经二值化处理的图像进行腐蚀收缩。具体的，首先根据质心坐标(U0,V0)，将原始图像划分为左上子区域、右上子区域、左下子区域和右下子区域四个子区域，并且面积分别用S1，S2，S3和S4表示。然后先计算和若σ1>1，则偏上，σ1＝1，则上下不偏，σ1<1，则偏下，若σ2>1，则偏左，σ2＝1，则左右不偏，σ2<1，则偏右。
除σ1＝1且σ2＝1，即四个子区域无偏的情况外，再计算和若σ3>1，则偏左上，σ3<1，则偏右下，若σ4>1，则偏右上，σ4<1，则偏左下。其中，σ1，σ2，σ3和σ4分别表示相应对比方向上的偏心度。
在实施时，根据σ1，σ2，σ3和σ4，分别对相应方向上的子区域进行腐蚀收缩，例如则右上子区域与右下子区域构成的右半区域沿质心向内收缩12％面积。
步骤五：采用Prewitt算子对二值化后的图像进行轮廓点的检测，检测完成后，记白色的像素点为轮廓点，并判断轮廓点的数量是否达到设定阈值，以确定目标图像区域是否存在目标物，若达到，继续下一步骤，否则，跳转至步骤一，开始处理下一帧图像。其中，结合图2所示的像素点的八邻域模板示意图；运用Prewitt算子逐行逐列扫描原图像，当前检测的像素点为八邻域模板中Z5位置的像素点，通过下列公式：
Gx＝(Z7+Z8+Z9)-(Z1+Z2+Z3)；
Gy＝(Z3+Z6+Z9)-(Z1+Z4+Z7)；
Mi,j＝|Gx|-|Gy|；
其中，八邻域模板中Z1，Z2，Z3，Z4，Z5，Z6，Z7，Z8和Z9像素点的值为0或1，Mi,j为当前检测像素点的新的值。当所有像素点检测完后，统计白色像素点的数量，并判断其数量是否达到设定阈值。
步骤六：从检测到的轮廓点之中选取至少三个，用于确定一个圆心坐标为(a,b)，半径为r的拟合圆，若满足条件的轮廓点的个数达到目标阈值，则所述拟合圆为真实目标圆，所述拟合圆的圆心为球型目标物的位置，若达不到目标阈值，则将跳转至步骤一，开始处理下一帧图像；其中，r为所述拟合圆的半径，n为小于r且大于0的常数。
其中，结合图3所示的获取拟合圆圆心的示意图；在图像中建立平面直角坐标系，然后，先从检测到的轮廓点中获取第一点D1、第二点D2和第三点D3，并且第三点D3分别与第一点和第二点的连线的斜率不相等。即保证第一点D1、第二点D2和第三点D3不在同一条直线上。其中，D1、D2和D3的坐标分别为(x1，y1)、(x2，y2)和(x3，y3)。
以第三点D3和第二点D2间连线的中垂线L23与第三点D3和第一点D1间连线的中垂线L13的交点为拟合圆的圆心。
设L13的直线方程为：y＝k1*x+b1，L23的直线方程为：y＝k2*x+b2。其中，
那么，将D1与D3之间的中点坐标((x1+x3)/2,(y1+y3)/2)代入L13的直线方程，求得
最后，联立L13和L23的直线方程，从而确定拟合圆的圆心坐标(a,b)和圆的半径r。即
在实施时，本发明的目标区域的原始图像采用YUV数据输出格式，并且在进行二值化处理时，通过提取图像数据的Y值，获取相应像素点的灰度值。
本发明中，n可以是r的四分之一、十分之一等。n的数值可以采用球型目标物的尺寸偏差。
本发明通过标记目标图像区域，并结合目标图像区域的偏心度，然后对二值化处理后的图像进行腐蚀收缩，使得图像的边缘对称，从而减少噪点，而且由于采用Prewitt算子检测轮廓点，并基于轮廓点确定一个拟合圆，使满足条件的轮廓点的个数达到目标阈值，从而提高轮廓的识别准确性。
本发明还提供一种实施例，该实施例基于对步骤六的优化。具体的，通过分别从左上子区域、右上子区域、左下子区域和右下子区域中选取至少一个轮廓点，并且所选取的轮廓点中的任意三个组合确定一个圆，将确定的圆的圆心坐标平均值作为拟合圆的圆心坐标，将确定的圆的半径的平均值作为拟合圆的半径。本实施例中，通过在不同方向的子区域选取轮廓点，样本的质量更高，从而提高轮廓的识别准确性。
上面结合附图对本发明的具体实施方式进行了详细说明，但本发明并不限制于上述实施方式，在不脱离本申请的权利要求的精神和范围情况下，本领域的技术人员可以作出各种修改或改型。

Claims (6)

1.一种基于轮廓识别球型目标物位置的方法，其特征在于，包括以下步骤，
步骤一：获取目标区域的原始图像后，根据所述原始图像中背景的灰度值，标记目标图像区域；
步骤二：根据目标图像区域中各个像素点的坐标和灰度值，计算出相应的质心坐标，并根据质心坐标的计算结果，计算目标图像区域的偏心度；
步骤三：以背景的灰度值为二值化阈值，对当前帧图像进行二值化处理，经二值化处理后，背景为黑色，目标图像区域的像素点为白色；
步骤四：根据目标图像区域的偏心度，对经二值化处理的图像进行腐蚀收缩；
步骤五：采用Prewitt算子对二值化后的图像进行轮廓点的检测，检测完成后，记白色的像素点为轮廓点，并判断轮廓点的数量是否达到设定阈值，以确定目标图像区域是否存在目标物，若达到，继续下一步骤，否则，跳转至步骤一，开始处理下一帧图像；
步骤六：从检测到的轮廓点之中选取至少三个，用于确定一个圆心坐标为(a,b)，半径为r的拟合圆，若满足条件的轮廓点的个数达到目标阈值，则所述拟合圆为真实目标圆，所述拟合圆的圆心为球型目标物的位置，若达不到目标阈值，则将跳转至步骤一，开始处理下一帧图像；其中，r为所述拟合圆的半径，n为小于r且大于0的常数。
2.如权利要求1所述的基于轮廓识别球型目标物位置的方法，其特征在于，目标区域的图像采用YUV数据输出格式，并进行二值化处理时，提取图像数据的Y值。
3.如权利要求1所述的基于轮廓识别球型目标物位置的方法，其特征在于，采用以下公式计算公式其中M,N分别表示图像的行数和列数，ρ(x,y)为(x,y)坐标处的灰度值，质心坐标为(U0,V0)。
4.如权利要求3所述的基于轮廓识别球型目标物位置的方法，其特征在于，根据质心坐标(U0,V0)，将原始图像划分为左上子区域、右上子区域、左下子区域和右下子区域四个子区域，并且面积分别用S1，S2，S3和S4表示；
先计算和若σ1>1，则偏上，σ1＝1，则上下不偏，σ1<1，则偏下，若σ2>1，则偏左，σ2＝1，则左右不偏，σ2<1，则偏右；
除σ1＝1且σ2＝1的情况外，再计算和若σ3>1，则偏左上，σ3<1，则偏右下，若σ4>1，则偏右上，σ4<1，则偏左下；
其中，σ1，σ2，σ3和σ4分别表示相应对比方向上的偏心度。
5.如权利要求4所述的基于轮廓识别球型目标物位置的方法，其特征在于，根据σ1，σ2，σ3和σ4，分别对相应方向上的子区域进行腐蚀收缩。
6.如权利要求4或5所述的基于轮廓识别球型目标物位置的方法，其特征在于，分别从左上子区域、右上子区域、左下子区域和右下子区域中选取至少一个轮廓点，并且所选取的轮廓点中的任意三个组合确定一个圆，将确定的圆的圆心坐标平均值作为拟合圆的圆心坐标，将确定的圆的半径的平均值作为拟合圆的半径。
CN201610856719.4A 2016-09-27 2016-09-27 一种基于轮廓识别球型目标物位置的方法 Active CN106446894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610856719.4A CN106446894B (zh) 2016-09-27 2016-09-27 一种基于轮廓识别球型目标物位置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610856719.4A CN106446894B (zh) 2016-09-27 2016-09-27 一种基于轮廓识别球型目标物位置的方法

Publications (2)

Publication Number Publication Date
CN106446894A CN106446894A (zh) 2017-02-22
CN106446894B true CN106446894B (zh) 2019-04-12

Family

ID=58170527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610856719.4A Active CN106446894B (zh) 2016-09-27 2016-09-27 一种基于轮廓识别球型目标物位置的方法

Country Status (1)

Country Link
CN (1) CN106446894B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064440B (zh) * 2018-06-19 2022-02-22 广东工业大学 一种基于机器视觉的喇叭音圈焊线识别方法
CN108985274B (zh) * 2018-08-20 2023-07-14 上海磐导智能科技有限公司 水面异物识别方法
CN110858896B (zh) * 2018-08-24 2021-06-08 东方梦幻虚拟现实科技有限公司 一种vr图像处理方法
CN109685781B (zh) * 2018-12-17 2022-11-29 江苏蜂奥生物科技有限公司 一种应用于蜂胶软胶囊的基于一定规则的多目标快速识别方法
CN109872365A (zh) * 2019-02-20 2019-06-11 上海鼎盛汽车检测设备有限公司 3d四轮定位仪目标盘图像识别方法
CN110059702B (zh) * 2019-03-29 2021-10-22 北京奇艺世纪科技有限公司 一种物体轮廓识别方法及装置
CN110705576B (zh) * 2019-09-29 2020-09-22 慧影医疗科技（北京）有限公司 区域轮廓确定方法、装置及图像显示设备
CN110924046B (zh) * 2019-11-27 2022-08-02 无锡小天鹅电器有限公司 偏心检测方法、装置、衣物处理装置和存储介质
CN110942481B (zh) * 2019-12-13 2022-05-20 西南石油大学 一种基于图像处理的纵跳检测方法
CN111179236A (zh) * 2019-12-23 2020-05-19 湖南长天自控工程有限公司 一种用于造球机的生球粒度分析方法及装置
CN111259902A (zh) * 2020-01-13 2020-06-09 上海眼控科技股份有限公司 弧形车辆识别号码检测方法、装置、计算机设备和介质
CN112017232B (zh) * 2020-08-31 2024-03-15 浙江水晶光电科技股份有限公司 图像内圆形图案的定位方法、装置及设备
CN114923417B (zh) * 2022-07-22 2022-10-14 沈阳和研科技有限公司 用于划片机的多片圆形工件定位方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390591A (zh) * 2014-11-27 2015-03-04 上海江南长兴造船有限责任公司 大型曲面板测量中圆形标记物的精确定位方法
CN105469084A (zh) * 2015-11-20 2016-04-06 中国科学院苏州生物医学工程技术研究所 一种靶标中心点快速提取方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013049153A2 (en) * 2011-09-27 2013-04-04 Board Of Regents, University Of Texas System Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390591A (zh) * 2014-11-27 2015-03-04 上海江南长兴造船有限责任公司 大型曲面板测量中圆形标记物的精确定位方法
CN105469084A (zh) * 2015-11-20 2016-04-06 中国科学院苏州生物医学工程技术研究所 一种靶标中心点快速提取方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《图像中近圆形对象的一种识别方法》;游安清等;《强激光与粒子束》;20151231;第27卷(第12期);第1-6页
《圆形标志点的亚像素定位及其应用》;殷永凯等;《红外与激光工程》;20080430;第37卷(第S1期);第47-50页

Also Published As

Publication number Publication date
CN106446894A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106446894B (zh) 一种基于轮廓识别球型目标物位置的方法
CN107045629B (zh) 一种多车道线检测方法
CN105046252B (zh) 一种人民币冠字码识别方法
CN105335725B (zh) 一种基于特征融合的步态识别身份认证方法
CN108961235A (zh) 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法
CN108491788A (zh) 一种用于财务报表单元格的智能提取方法及装置
CN107578035A (zh) 基于超像素‑多色彩空间的人体轮廓提取方法
CN104778679B (zh) 一种基于高分一号卫星数据的控制点图元快速匹配方法
CN105678806B (zh) 一种基于Fisher判别的生猪行为轨迹自动跟踪方法
CN102629322B (zh) 一种基于边界点笔画形状的字符特征提取方法及应用
CN105224937B (zh) 基于人体部件位置约束的细粒度语义色彩行人重识别方法
CN104268505A (zh) 基于机器视觉的布匹疵点自动检测识别装置及方法
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
CN104167003A (zh) 一种遥感影像的快速配准方法
CN102054168A (zh) 一种有价票据圆形印鉴识别方法
CN109118528A (zh) 基于区域分块的奇异值分解图像匹配算法
CN109376740A (zh) 一种基于视频的水尺读数检测方法
CN112233116B (zh) 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法
CN104537342B (zh) 一种结合山脊边界检测及霍夫变换的快速车道线检测方法
CN112766184B (zh) 基于多层级特征选择卷积神经网络的遥感目标检测方法
CN109886935A (zh) 一种基于深度学习的道面异物检测方法
CN109389165A (zh) 基于巡检机器人的变压器油位计识别方法
CN106709952B (zh) 一种显示屏幕的自动标定方法
CN110298344A (zh) 一种基于机器视觉的仪表旋钮定位与检测方法
CN104123554A (zh) 基于mmtd的sift图像特征提取方法

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
CP01 Change in the name or title of a patent holder

Address after: 293 No. 510665 Guangdong city of Guangzhou province Tianhe District Zhongshan Shipai Road

Patentee after: Guangdong Normal University of Technology

Address before: 293 No. 510665 Guangdong city of Guangzhou province Tianhe District Zhongshan Shipai Road

Patentee before: Guangdong Technical Normal College

CP01 Change in the name or title of a patent holder