CN107341802B - 一种基于曲率与灰度复合的角点亚像素定位方法 - Google Patents

一种基于曲率与灰度复合的角点亚像素定位方法 Download PDF

Info

Publication number
CN107341802B
CN107341802B CN201710591454.4A CN201710591454A CN107341802B CN 107341802 B CN107341802 B CN 107341802B CN 201710591454 A CN201710591454 A CN 201710591454A CN 107341802 B CN107341802 B CN 107341802B
Authority
CN
China
Prior art keywords
point
points
corner
curvature
angular
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
CN201710591454.4A
Other languages
English (en)
Other versions
CN107341802A (zh
Inventor
白瑞林
丁艳蓉
倪健
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.)
Wuxi Xinje Electric Co Ltd
Original Assignee
Wuxi Xinje Electric 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 Wuxi Xinje Electric Co Ltd filed Critical Wuxi Xinje Electric Co Ltd
Priority to CN201710591454.4A priority Critical patent/CN107341802B/zh
Publication of CN107341802A publication Critical patent/CN107341802A/zh
Application granted granted Critical
Publication of CN107341802B publication Critical patent/CN107341802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Abstract

本发明提供了一种基于曲率与灰度复合的亚像素角点定位方法，涉及机器视觉精密测量技术研究领域。首先对框选的感兴趣区域进行图像预处理，消除原始图像的毛刺和油污；通过基于曲率特性的角点检测方法提取候选角点；利用角点处曲率角的多尺度不变性和以角点为圆心的圆形窗口内灰度信息去除伪角点，并考虑轮廓端点；连接角点与轮廓端点得到两条直线，以此为基准，对原始图像的边缘点进行筛选，得到关于待检测角点的两条直线的点集，用最小二乘直线拟合得到两条直线，其交点，即为角点。该方法解决了轴类工件由于附着物干扰降低角点检测可靠性和精确度的问题，所得角点更接近真实角点，且精度达到亚像素级别。

Description

一种基于曲率与灰度复合的角点亚像素定位方法
技术领域
本发明涉及机器视觉精密测量技术研究领域，具体是指一种基于曲率与灰度复合的角点亚像素定位方法。
背景技术
轴类工件是工业中极为常见也是非常重要的旋转类工件，其综合形状误差精度不仅直接影响机械的运动性能、使用寿命，而且对减少能源消耗和环境污染等有重要影响。在工业应用中，轴类工件误差测量，通常采用人工测量，其测量精度不高；三坐标测量仪、影像测量仪、圆度测量仪等高精度测量仪器成本高，对操作环境要求严格，无法满足大规模在线测量要求。而基于机器视觉的测量方法具有非接触、快速、精确、易于实现自动化等优点。其中由线阵相机和平行背光以及运动平台组成的测试系统具有通用性，多参数测量，高效率等优点，在工业测量应用中，越来越受到关注。
角点是指图像中边界曲线具有曲率极大值的点，在该点附近的灰度值会发生剧烈的变化。角点提取的算法主要分为四类：基于灰度图像的角点检测算法、基于二值图像的角点检测算法、基于边缘特征的角点检测算法以及支持向量机角点检测算法，其中基于灰度图像和基于边缘特征的角点检测方法应用最为广泛。上述角点提取方法的定位精度仅能达到像素级，很难满足实际工业测量需要，所以不断提高提取精度，成为该领域的热点，而亚像素技术的应用，是实现高精度测量的一种重要方法。目前常用的亚像素边缘检测方法，主要包括：基于插值的亚像素边缘检测、基于拟合的亚像素边缘检测和基于矩的亚像素边缘检测。
在工业现场中存在着很多影响图像质量的因素，例如轴类工件加工过程中产生的毛刺和油污等附着物，以及环境因素产生的图像噪声。基于以上干扰，如果直接提取原始图像的角点会得到许多伪角点，从而影响角点提取的可靠性。
发明内容
本发明的目的是针对轮廓附着物对视觉测量中角点检测的干扰，设计一种能够可靠且精确提取感兴趣区域内的角点的方法，以此测量轴类工件的部分尺寸参数。
为达到此目的，本发明的技术方案如下：
一种基于曲率与灰度复合的角点亚像素定位方法，包括以下步骤：
a.对区域内图像进行预处理；
b.通过基于曲率特性的方法对所述图像进行候选角点的提取；
c.利用角点处曲率角的多尺度不变性和灰度信息对所述候选角点进行伪角点去除，得到待检测角点；
d.对所述待检测角点进行像素定位，得到角点。
进一步地，所述步骤b具体为：首先使用Canny算子检测边缘，获得一个二值边缘图，并填补边缘轮廓间隙；然后在一个固定的低尺度下，计算每个轮廓的曲率，以保留真实角点，并以局部极大值点作为候选角点Ai，曲率
Figure GDA0002749310040000029
如下：
Figure GDA0002749310040000021
其中
Figure GDA0002749310040000022
和
Figure GDA0002749310040000023
进一步地，所述步骤c包括如下步骤：
c 1.首先定义曲率角，轮廓集合为L，L＝{P1,P2,…,PN},其中Pi＝(xi,yi)是轮廓上各个点的像素坐标，在标轮廓上建立以轮廓点Pi为中心，前后分别距离中心点Pi为R的3个点所组成的集合，记作Si＝{Pi-R,Pi,Pi+R}，则可采用集合Si所确定的两条直线段Pi-RPi和PiPi+R来表示割线.这两条割线构成的向量方向角分别为：
Figure GDA0002749310040000024
则点Pi处的曲率角：Δθ(i)＝θR+(i)-θR-(i)，这里将R称为曲率角计算的尺度；
依次选择若干适宜的尺度R1,R2,…，计算候选角点Ai在不同尺度下的曲率角
Figure GDA0002749310040000025
设定当
Figure GDA00027493100400000210
时，将Ai标记为候选角点，可以依次得到尺度R1,R2,…所对应的候选角点集合Dj，则
Figure GDA0002749310040000026
当Dj(j＝1,2,…)中不同尺度下曲率角的偏差绝对值小于一定阈值的点标记为候选角点，存入集合D'中，
Figure GDA0002749310040000027
其中，阈值M的设定主要依据真实角点和伪角点的曲率角差异；
c 2.以第三步得到的角点坐标为圆心，分别以一个小半径r1和大半径r2作圆形窗口，通过计算圆内包含的轴类工件实体部分的面积与圆面积的比值来去除距离真实角点一定距离的伪角点，计算圆内包含的轴类工件实体部分的面积与圆面积的比值：
Figure GDA0002749310040000028
其中n表示图像的行数，m表示图像的列数，Ii,j表示像素点的灰度值；
当Δp＝|p1-p2|＞Δt>且t1＜p1＜t2，t1＜p2＜t2时，则为伪角点，这里的Δt的设定主要依据Δp的大小和经验，由于当圆形窗口的半径足够大的时候，圆内包含的轴类工件实体部分的面积与圆面积的比值接近于0.5，所以t1一般取0.4～0.5，t2一般取0.5～0.6，。
c 3.上述步骤之后，获得了最终的待检测角点，并考虑轮廓端点，如果轮廓端点不接近待检测角点，则标记为角点。
进一步地，所述步骤d包括如下步骤：
d 1.通过步骤c得到的待检测角点坐标分别与轮廓的两个端点相连得到两条直线l1和l2；
d 2.通过canny算子对原始图像进行边缘提取，以直线l1和l2为基准，分别计算边缘点到这两条直线的距离d1(i)和d2(i)，通过分别比较d1(i)和d2(i)与阈值t对边缘点进行筛选，剔除大于阈值t的边缘点，保留小于阈值t的边缘点至点集D1和D2，由此得到了包含待检测角点且排除了各种噪声干扰的两条直线的点集；
d 3.分别对点集D1和D2用最小二乘直线拟合得到两条直线L1和L2，最后得到两条直线的交点，即为角点。
本发明的有益效果：提供了一种精确、可靠地提取受附着物干扰的轴类工件检测图像中的角点的方法，并将其应用在轴类工件的尺寸测量上。对框选的图像感兴趣区域进行图像预处理，消除原始图像的孤立噪声点和毛刺，便于之后的候选角点提取；通过基于曲率特性的角点检测方法提取候选角点；利用角点处曲率角的多尺度不变性和以角点坐标为圆心的圆形窗口内工件实体部分的面积占比情况排除伪角点，最终得到待检测角点的像素级坐标，并考虑轮廓端点；连接角点与轮廓端点得到两条直线，以此为基准，对原始图像的边缘点进行筛选，得到关于待检测角点的两条直线的点集，用最小二乘直线拟合得到两条直线，最后得到两条直线的交点，即为角点。该角点检测方法解决了由于附着物干扰降低轴类工件角点检测的可靠性和精确度的问题，而且由于最终的角点定位是基于原始图像提取的边缘点，因此所得角点更接近真实角点，且精度达到亚像素级别。
附图说明
图1是本发明整体流程。
图2是曲率角的定义图
图3是灰度信息去除伪角点的流程。
图4是角点的亚像素定位的流程。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合具体实施例，并参照附图，对本发明作进一步详细说明。
本发明的目的是针对轮廓附着物对视觉测量中角点检测干扰的问题，设计一种能够可靠且精确提取感兴趣区域内角点的方法，流程分为四个部分：图像预处理、提取候选角点、去除伪角点、亚像素定位，如图1所示。
具体步骤为：
(1)对感兴趣图像区域进行预处理
(1.1)首先对图像进行形态学闭运算，消除工件加工过程中产生的毛刺边缘，并消除工件表面油污引起的部分伪边缘。
(1.2)然后用双边滤波有效地保边去噪，双边滤波输出为：
Figure GDA0002749310040000031
其中权重系数
Figure GDA0002749310040000041
(1.3)最后用高斯滤波器，对其边缘进行平滑，改善图像质量，高斯滤波输出为：
Figure GDA0002749310040000042
(2)提取候选角点
(2.1)首先使用Canny算子进行边缘检测，获得一个二值边缘图，并填补边缘轮廓间隙；
(2.2)然后在一个固定的低尺度下，计算每个轮廓的曲率，以保留真实角点，并以局部极大值点作为候选角点Ai，曲率
Figure GDA0002749310040000043
如下：
Figure GDA0002749310040000044
其中
Figure GDA0002749310040000045
和
Figure GDA0002749310040000046
(3)去除伪角点
(3.1)利用角点处曲率角的多尺度不变性排除真实角点附近的伪角点。首先定义曲率角，如图2，轮廓集合为L，L＝{P1,P2,…,PN},其中Pi＝(xi,yi)是轮廓上各个点的像素坐标，在目标轮廓上建立以轮廓点Pi为中心，前后分别距离中心点Pi为R的3个点所组成的集合，记作Si＝{Pi-R,Pi,Pi+R}，则可采用集合Si所确定的两条直线段Pi-RPi和PiPi+R来表示割线.这两条割线构成的向量方向角分别为：
Figure GDA0002749310040000047
则点Pi处的曲率角：Δθ(i)＝θR+(i)-θR-(i)，这里将R称为曲率角计算的尺度。
依次选择若干适宜的尺度R1,R2,…，计算候选角点Ai在不同尺度下的曲率角
Figure GDA0002749310040000048
设定当
Figure GDA00027493100400000411
时，将Ai标记为候选角点，可以依次得到尺度R1,R2,…所对应的候选角点集合Dj，则
Figure GDA0002749310040000049
当Dj(j＝1,2,…)中不同尺度下曲率角的偏差绝对值小于一定阈值的点标记为候选角点，存入集合D'中，
Figure GDA00027493100400000410
其中，阈值M的设定主要依据真实角点和伪角点的曲率角差异。
(3.2)利用以角点为圆心的圆形窗口内轴类工件实体的面积占比情况排除距离真实角点一定距离的伪角点。以上述得到的候选角点坐标为圆心，分别以一个小半径r1和大半径r2作圆形窗口，通过计算圆内包含的轴类工件实体部分的面积与圆面积的比值来去除距离真实角点一定距离的伪角点。计算圆内包含的轴类工件实体部分的面积与圆面积的比值：
Figure GDA0002749310040000051
其中n表示图像的行数，m表示图像的列数，Ii,j表示像素点的灰度值。当Δp＝|p1-p2|＞Δt且t1＜p1＜t2，t1＜p2＜t2时，则为伪角点，这里的Δt的设定主要依据Δp的大小和经验，由于当圆形窗口的半径足够大的时候，圆内包含的轴类工件实体部分的面积与圆面积的比值接近于0.5，所以t1一般取0.4～0.5，t2一般取0.5～0.6，如图3。
(3.3)在上述步骤之后，获得了最终的待检测角点，并考虑轮廓端点，如果轮廓端点不接近待检测角点，则标记为角点。
(4)亚像素定位
(4.1)利用上述步骤得到的待检测角点坐标分别与轮廓的两个端点相连得到两条直线l1和l2；
(4.2)通过canny算子对原始图像进行边缘提取，以直线l1和l2为基准，分别计算边缘点到这两条直线的距离d1(i)和d2(i)，通过分别比较d1(i)和d2(i)与阈值t对边缘点进行筛选，剔除大于阈值t的边缘点，保留小于阈值t的边缘点至点集D1和D2，由此得到了包含待检测角点且排除了各种噪声干扰的两条直线的点集；
(4.3)分别对点集D1和D2用最小二乘直线拟合得到两条直线L1和L2，最后得到两条直线的交点，即为角点，如图4。

Claims (3)

1.一种基于曲率与灰度复合的角点亚像素定位方法，其特征在于，包括以下步骤：
a.对区域内图像进行预处理；
b.通过基于曲率特性的方法对所述图像进行候选角点的提取；
c.利用角点处曲率角的多尺度不变性和灰度信息对所述候选角点进行伪角点去除，得到待检测角点；包括如下步骤：
c1.首先定义曲率角，轮廓集合为L，L＝{P1,P2,…,PN},其中Pi＝(xi,yi)是轮廓上各个点的像素坐标，在标轮廓上建立以轮廓点Pi为中心，前后分别距离中心点Pi为R的3个点所组成的集合，记作Si＝{Pi-R,Pi,Pi+R}，则可采用集合Si所确定的两条直线段Pi-RPi和PiPi+R来表示割线，这两条割线构成的向量方向角分别为：
Figure FDA0002795808610000011
则点Pi处的曲率角：Δθ(i)＝θR+(i)-θR-(i)，这里将R称为曲率角计算的尺度；
依次选择若干适宜的尺度R1,R2,…，计算候选角点Ai在不同尺度下的曲率角
Figure FDA0002795808610000012
设定当
Figure FDA0002795808610000013
时，将Ai标记为候选角点，可以依次得到尺度R1,R2,…所对应的候选角点集合Dj，则
Figure FDA0002795808610000014
当Dj(j＝1,2,…)中不同尺度下曲率角的偏差绝对值小于阈值的点标记为候选角点，存入集合D'中，
Figure FDA0002795808610000015
其中，阈值M的设定依据真实角点和伪角点的曲率角差异；
c2.以第三步得到的角点坐标为圆心，分别以一个小半径r1和大半径r2作圆形窗口，通过计算圆内包含的轴类工件实体部分的面积与圆面积的比值来去除距离真实角点一定距离的伪角点，计算圆内包含的轴类工件实体部分的面积与圆面积的比值：
Figure FDA0002795808610000016
其中n表示图像的行数，m表示图像的列数，Ii,j表示像素点的灰度值；
当Δp＝|p1-p2|>Δt>且t1<p1<t2，t1<p2<t2时，则为伪角点，这里的Δt的设定主要依据Δp的大小和经验，由于当圆形窗口的半径足够大的时候，圆内包含的轴类工件实体部分的面积与圆面积的比值接近于0.5，所以t1取0.4～0.5，t2取0.5～0.6；
c3.上述步骤之后，获得了最终的待检测角点，并考虑轮廓端点，如果轮廓端点不接近待检测角点，则标记为角点；
d.对所述待检测角点进行像素定位，得到角点。
2.根据权利要求1所述的一种基于曲率与灰度复合的角点亚像素定位方法，其特征是：所述步骤b具体为：首先使用Canny算子检测边缘，获得一个二值边缘图，并填补边缘轮廓间隙；然后在一个固定的低尺度下，计算每个轮廓的曲率，以保留真实角点，并以局部极大值点作为候选角点Ai，曲率
Figure FDA0002795808610000025
如下：
Figure FDA0002795808610000021
其中
Figure FDA0002795808610000022
和
Figure FDA0002795808610000023
Figure FDA0002795808610000024
为对应尺度Rj的点Pi-R,Pi,Pi+R的横坐标与纵坐标，Rj为所取的第j个尺度，N为轮廓点个数。
3.根据权利要求1所述的一种基于曲率与灰度复合的角点亚像素定位方法，其特征是：所述步骤d包括如下步骤：
d1.通过步骤c得到的待检测角点坐标分别与轮廓的两个端点相连得到两条直线l1和l2；
d2.通过canny算子对原始图像进行边缘提取，以直线l1和l2为基准，分别计算边缘点到这两条直线的距离d1(i)和d2(i)，通过分别比较d1(i)和d2(i)与阈值t对边缘点进行筛选，剔除大于阈值t的边缘点，保留小于阈值t的边缘点至点集D1和D2，由此得到了包含待检测角点且排除了各种噪声干扰的两条直线的点集；
d3.分别对点集D1和D2用最小二乘直线拟合得到两条直线L1和L2，最后得到两条直线的交点，即为角点。
CN201710591454.4A 2017-07-19 2017-07-19 一种基于曲率与灰度复合的角点亚像素定位方法 Active CN107341802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710591454.4A CN107341802B (zh) 2017-07-19 2017-07-19 一种基于曲率与灰度复合的角点亚像素定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710591454.4A CN107341802B (zh) 2017-07-19 2017-07-19 一种基于曲率与灰度复合的角点亚像素定位方法

Publications (2)

Publication Number Publication Date
CN107341802A CN107341802A (zh) 2017-11-10
CN107341802B true CN107341802B (zh) 2021-02-09

Family

ID=60215969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710591454.4A Active CN107341802B (zh) 2017-07-19 2017-07-19 一种基于曲率与灰度复合的角点亚像素定位方法

Country Status (1)

Country Link
CN (1) CN107341802B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830868B (zh) * 2018-04-19 2021-07-16 江南大学 一种基于Snake模型和迭代极性转换回归结合的圆弧拟合方法
CN108960252B (zh) * 2018-06-01 2022-04-01 广西大学 一种二维图像中任意曲线的圆弧表示及检测方法
CN109166098A (zh) * 2018-07-18 2019-01-08 上海理工大学 基于图像处理的工件毛刺检测方法
CN109785348A (zh) * 2018-12-14 2019-05-21 中国科学院长春光学精密机械与物理研究所 基于图像边界近似曲率变化的新型角点检测方法及系统
CN110569857B (zh) * 2019-07-28 2022-05-06 景德镇陶瓷大学 一种基于质心距离计算的图像轮廓角点检测方法
CN112308836B (zh) * 2020-11-02 2022-10-04 创新奇智(上海)科技有限公司 角点检测方法、装置、电子设备及可读存储介质
CN112561853B (zh) * 2020-11-04 2023-11-28 惠州学院 一种角点检测方法、装置、设备及计算机可读存储介质
CN113034591B (zh) * 2021-03-08 2024-01-26 南京航空航天大学 一种面向齿形结构装配的齿顶圆提取算法
CN113222986B (zh) * 2021-06-04 2022-08-09 中冶宝钢技术服务有限公司 连铸坯角点及边缘轮廓点集定位方法、系统、介质及装置
CN113592808B (zh) * 2021-07-28 2024-04-02 福建威而特旋压科技有限公司 一种皮带轮视觉检测方法
CN115830049A (zh) * 2022-07-18 2023-03-21 宁德时代新能源科技股份有限公司 角点检测的方法和装置
CN115063603B (zh) * 2022-07-27 2023-04-07 海门王巢家具制造有限公司 基于边缘信息的木材年轮线精确提取及复原方法
CN115511966B (zh) * 2022-10-08 2023-07-04 合肥安迅精密技术有限公司 基于角点检测的元件识别定位方法及系统、存储介质
CN115797332B (zh) * 2023-01-29 2023-05-30 高视科技(苏州)股份有限公司 基于实例分割的目标物抓取方法和设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246553A (zh) * 2008-03-07 2008-08-20 北京航空航天大学 一种基于三角剖分变换的车型识别方法
CN101251368A (zh) * 2008-03-26 2008-08-27 浙江大学 基于图像识别的轮毂安装孔形位参数的检测方法
CN101593277A (zh) * 2008-05-30 2009-12-02 电子科技大学 一种复杂彩色图像中文本区域自动定位方法及装置
CN101763632A (zh) * 2008-12-26 2010-06-30 华为技术有限公司 摄像机标定的方法和装置
CN101840507A (zh) * 2010-04-09 2010-09-22 江苏东大金智建筑智能化系统工程有限公司 基于角点特征不变量和图论聚类的目标跟踪方法
CN101887586A (zh) * 2010-07-30 2010-11-17 上海交通大学 基于图像轮廓尖锐度的自适应角点检测方法
CN102226919A (zh) * 2011-05-18 2011-10-26 山东大学 基于非线性复扩散及全局和局部特性的角点检测方法
CN103996292A (zh) * 2014-05-29 2014-08-20 南京新奕天科技有限公司 一种基于角点匹配的运动车辆跟踪方法
CN104915949A (zh) * 2015-04-08 2015-09-16 华中科技大学 一种结合点特征和线特征的图像匹配算法
CN106447669A (zh) * 2016-04-08 2017-02-22 潍坊学院 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9377941B2 (en) * 2010-11-09 2016-06-28 Sony Corporation Audio speaker selection for optimization of sound origin
KR101566619B1 (ko) * 2014-06-03 2015-11-09 중앙대학교 산학협력단 듀얼 오프 액시스 컬러 필터 조리개를 이용한 거리 추정 장치 및 방법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246553A (zh) * 2008-03-07 2008-08-20 北京航空航天大学 一种基于三角剖分变换的车型识别方法
CN101251368A (zh) * 2008-03-26 2008-08-27 浙江大学 基于图像识别的轮毂安装孔形位参数的检测方法
CN101593277A (zh) * 2008-05-30 2009-12-02 电子科技大学 一种复杂彩色图像中文本区域自动定位方法及装置
CN101763632A (zh) * 2008-12-26 2010-06-30 华为技术有限公司 摄像机标定的方法和装置
CN101840507A (zh) * 2010-04-09 2010-09-22 江苏东大金智建筑智能化系统工程有限公司 基于角点特征不变量和图论聚类的目标跟踪方法
CN101887586A (zh) * 2010-07-30 2010-11-17 上海交通大学 基于图像轮廓尖锐度的自适应角点检测方法
CN102226919A (zh) * 2011-05-18 2011-10-26 山东大学 基于非线性复扩散及全局和局部特性的角点检测方法
CN103996292A (zh) * 2014-05-29 2014-08-20 南京新奕天科技有限公司 一种基于角点匹配的运动车辆跟踪方法
CN104915949A (zh) * 2015-04-08 2015-09-16 华中科技大学 一种结合点特征和线特征的图像匹配算法
CN106447669A (zh) * 2016-04-08 2017-02-22 潍坊学院 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法

Also Published As

Publication number Publication date
CN107341802A (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
CN107341802B (zh) 一种基于曲率与灰度复合的角点亚像素定位方法
CN105930858B (zh) 一种带旋转、缩放的快速高精度几何模板匹配方法
CN102496161B (zh) 一种印刷电路板图像的轮廓提取方法
CN108830868B (zh) 一种基于Snake模型和迭代极性转换回归结合的圆弧拟合方法
CN111047588A (zh) 一种轴型小零件尺寸的图像化测量方法
CN111862037A (zh) 基于机器视觉的精密孔类零件几何特征检测方法及系统
CN112037203A (zh) 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统
CN113112496B (zh) 一种基于自适应阈值的亚像素轴类零件尺寸测量方法
He et al. A critical review for machining positioning based on computer vision
CN111311618A (zh) 一种基于高精度几何基元提取的圆弧工件匹配与定位方法
CN115937203B (zh) 一种基于模板匹配的视觉检测方法、装置、设备及介质
CN111723821A (zh) 一种电厂仪表图像的检测识别方法及装置
CN104715491A (zh) 一种基于一维灰度矩的亚像素边缘检测方法
CN107388991A (zh) 一种端面多圆角轴类零件圆角半径测量方法
CN105184792B (zh) 一种圆锯片磨损量在线测量方法
CN113222955A (zh) 一种基于机器视觉的齿轮尺寸参数自动测量方法
CN113705564B (zh) 一种指针式仪表识别读数方法
Wankhede et al. A low cost surface strain measurement system using image processing for sheet metal forming applications
CN113237889A (zh) 一种多尺度的陶瓷检测方法及系统
CN111539951B (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
Zhou et al. An adaptive clustering method detecting the surface defects on linear guide rails
CN115753791B (zh) 基于机器视觉的缺陷检测方法、装置以及系统
Sun et al. Precision work-piece detection and measurement combining top-down and bottom-up saliency
CN110969357A (zh) 一种铝合金机加工零件孔洞视觉检测方法
CN110021027B (zh) 一种基于双目视觉的切边点计算方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant