CN107388991A - 一种端面多圆角轴类零件圆角半径测量方法 - Google Patents
一种端面多圆角轴类零件圆角半径测量方法 Download PDFInfo
- Publication number
- CN107388991A CN107388991A CN201710535366.2A CN201710535366A CN107388991A CN 107388991 A CN107388991 A CN 107388991A CN 201710535366 A CN201710535366 A CN 201710535366A CN 107388991 A CN107388991 A CN 107388991A
- Authority
- CN
- China
- Prior art keywords
- face
- fillet
- radius
- axial workpiece
- corner
- 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/255—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring radius of curvature
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种端面多圆角轴类零件圆角半径测量方法,步骤如下:(1)采集端面多圆角轴类零件的端面图像;(2)通过模板匹配建立待检测端面多圆角轴类零件的端面图像与模板图像的图像坐标映射关系;(3)通过形态学开运算消除端面多圆角轴类零件边缘毛刺干扰;(4)通过边缘检测算子和八邻域边界跟踪算法获取感兴趣区域内端面多圆角轴类零件的轮廓坐标;(5)经过离散点曲率计算获取各个圆角区域的分割点,通过最小二乘圆拟合获取各个圆角半径的像素值;(6)最后通过标定,可得到该轴类零件的圆角半径大小的实际值。该发明能够实现非接触测量,解决人工检测速度慢、效率低、精度差的问题,提高了端面多圆角轴类零件生产自动化程度和产品质量。
Description
技术领域
本发明涉及机器视觉领域,特别是涉及一种基于机器视觉的端面多圆角轴类零件圆角半径测量方法。
背景技术
在航空工业和汽车行业中,对端面多圆角轴类零件的精度要求是十分严格的,甚至对其圆角半径都有进一步严格的要求。轴类零件被加工成圆角的过程中,圆角半径或多或少存在一定的偏差,因此需要检测该圆角的圆角半径是否满足要求,但是,传统的测量方法一般是通过R规人工进行目测对比,该方法不仅效率低、精度差,无法适应现代化生产的需要,而且无法测量端面存在多圆角的零件。其中,R规是利用光隙法测量圆弧半径的工具,测量时必须使R规的测量面与工件的圆弧完全的紧密接触,当测量面与零部件的圆弧中间没有间隙时,零部件的圆角半径则为此时的R规上所表示的数字。
申请公布号为CN104101308A的发明专利申请公开了一种“测量圆角的系统和方法”,该系统包括准直光源、多组棱镜光学部、采集装置和处理装置。但该发明专利申请只能用于端面单圆角轴类零件的检测,并不能用于端面多圆角轴类零件的检测,而且该发明专利申请的检测结果只有合格或者不合格,其测量值大小无法表述,同时该发明专利申请检测结果的准确性受环境的影响较大。
发明内容
本发明为了克服上述现有技术中的不足,提出了一种端面多圆角轴类零件圆角半径测量方法,不仅实现了非接触测量,达到了良好的可靠性和测量精度,而且灵活地实现了多类型轴类零件圆角半径的测量。
本发明的目的是通过以下技术方案来实现的:一种端面多圆角轴类零件圆角半径测量方法,包括以下步骤;
步骤1:采集端面多圆角轴类零件的端面图像;
步骤2:通过模板匹配建立待检测端面多圆角轴类零件的端面图像与模板图像的图像坐标映射关系;
步骤3:通过形态学开运算消除端面多圆角轴类零件边缘毛刺干扰;
步骤4:由步骤2得到的图像坐标映射关系,通过边缘检测算子和八邻域边界跟踪算法获取感兴趣区域内端面多圆角轴类零件的轮廓坐标;
步骤5:经过离散点曲率计算获取各个圆角区域的分割点,通过最小二乘圆拟合获取各个圆角半径的像素值;
步骤6:通过标定得到该轴类零件的圆角半径的实际值。
进一步地,所述步骤1中,通过面光源背光照明,利用工业相机和镜头得到端面多圆角轴类零件端面灰度图像。
进一步地,所述步骤2中,首先将整幅图像由端面多圆角轴类零件端面部分充满,并且图像的上、下边缘与端面多圆角轴类零件端面部分上、下边缘平行的图像作为模板,接着将待检测的端面多圆角轴类零件的整个区域作为模板匹配区域,然后在整个模板匹配区域内搜索模板图像,在待检测的端面多圆角轴类零件图像中找到模板图像后,建立起模板图像坐标与待检测图像坐标的映射关系。
进一步地,在所述步骤3中,对待检测端面多圆角轴类零件图像进行数学形态学开运算处理;处理过程为,通过结构元素对待检测端面多圆角轴类零件图像先腐蚀后膨胀,从而去除待检测端面多圆角轴类零件边缘毛刺,平滑边缘。
进一步地,所述步骤4中,获取感兴趣区域内边缘轮廓的具体步骤为:
步骤4-1:首先将在端面多圆角轴类零件模板图像中预先设定的感兴趣区域通过步骤2中的坐标映射关系,转换成待检测端面多圆角轴类零件图像中相应的区域。
步骤4-2:采用Sobel算子对感兴趣区域内的待检测端面多圆角轴类零件图像进行边缘检测,从而得到感兴趣区域内的边缘图像。
步骤4-3:采用逆时针方向,对在感兴趣区域内的边缘图像进行八邻域边界跟踪,从而得到感兴趣区域内待检测端面多圆角轴类零件的轮廓坐标P,并将其坐标记录下来。
进一步地,所述步骤5中,基于曲率的圆角半径像素值的获取的具体步骤为:
步骤5-1:根据离散曲率的计算公式,得到感兴趣区域内的轮廓曲率曲线图:
式中,θ1为当前轮廓采样点到前一轮廓采样点的连线与x轴夹角,θ2为后一轮廓采样点到当前轮廓采样点的连线与x轴夹角,L1为当前轮廓采样点到前一轮廓采样点的欧式距离,L2为后一轮廓采样点到当前轮廓采样点的欧式距离;其中θ与L由下面的计算公式得到的:
式中,x2、y2为后采样点坐标;x1、y1为前采样点坐标;
步骤5-2:根据直线的曲率是0,不同半径大小圆角的曲率不同这些特点,找出各个不同半径大小的圆角区域的分割点。
步骤5-3:将属于各个不同半径大小的圆角区域的轮廓坐标代入最小二乘圆拟合算法中,得到相应的各个圆角半径的像素值。
进一步地,所述步骤6中,通过标定得到每个像素代表的实际物理量,即当量;将步骤5中得到的各个圆角半径像素值乘以像素当量,即可得到各个圆角半径的实际值。
本发明所述的一种端面多圆角轴类零件圆角半径测量方法,经过实验分析,该方法重复性精度高,测量精度能够达到微米级。
本发明与现有技术相比,其有益效果为:
1)能实现非接触测量,可以达到较好的可靠性和测量精度。
2)本发明能够实现端面多圆角轴类零件圆角半径大小的测量要求,不仅仅是端面单圆角轴类零件圆角半径大小的测量。
3)本发明的测量结果为数值型物理量,因此能获取其与标准值的差值大小,从而能指导生产过程,因此优于合格与否的测量结果。
附图说明
图1本发明的流程示意图;
图2端面三圆角轴类零件图像;
图3经形态学开运算后的图像;
图4经Sobel算子边缘检测后的图像;
图5经八邻域边界跟踪后的图像;
图6感兴趣区域内的端面三圆角轴类零件轮廓的曲率曲线图;
图7对端面三圆角轴类零件圆角进行拟合效果图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的详细说明。
本发明通过模板匹配建立待检测端面多圆角轴类零件的端面图像与模板图像的映射关系,接着通过形态学开运算消除了待检测端面多圆角轴类零件边缘毛刺干扰,然后通过边缘检测算子和八邻域边界跟踪算法获取感兴趣区域内端面多圆角轴类零件的轮廓坐标,经离散点曲率计算获取各个圆角区域的分割点,通过最小二乘圆拟合获取各个圆角半径的像素值,最后通过标定,得到该轴类零件的圆角半径的实际值。下面以端面三圆角轴类零件为实际测量对象进行测量。如图1所示,具体流程如下:
步骤1:采集端面多圆角轴类零件的端面图像;
步骤2:通过模板匹配建立待检测端面多圆角轴类零件的端面图像与模板图像的图像坐标映射关系;
步骤3:通过形态学开运算消除端面多圆角轴类零件边缘毛刺干扰;
步骤4:由步骤2得到的图像坐标映射关系,通过边缘检测算子和八邻域边界跟踪算法获取感兴趣区域内端面多圆角轴类零件的轮廓坐标;
步骤5:经过离散点曲率计算获取各个圆角区域的分割点,通过最小二乘圆拟合获取各个圆角半径的像素值;
步骤6:通过标定得到该轴类零件的圆角半径的实际值。
在基于机器视觉的端面三圆角轴类零件圆角半径测量方法的步骤1中,将端面三圆角轴类零件固定在载物台上,通过面光源背光照明,利用工业相机和镜头得到端面三圆角轴类零件端面灰度图像I(x,y),如图2所示。
在基于机器视觉的端面三圆角轴类零件圆角半径测量方法的步骤2中,首先将整幅图像由端面多圆角轴类零件端面部分充满,并且图像的上、下边缘与端面多圆角轴类零件端面部分上、下边缘平行的图像作为模板,记为Temp(x,y),接着将待检测的端面三圆角轴类零件的整个区域作为模板匹配区域,采用基于灰度值的模板匹配技术在整个模板匹配区域内搜索模板图像,在待检测的端面三圆角轴类零件图像中找到的模板图像以后,建立起模板图像坐标与待检测图像坐标的映射关系。其中模板匹配采用归一化互相关算法(NCC),并利用图像金字塔实现多级匹配,提高匹配精度和速度。NCC算法公式如下式所示:
式中,n是模板图像中像素点的数量,Temp(x,y)是模板图像,模板大小为WT×HT,MT是模板的平均灰度值,ST 2是模板所有像素灰度值的方差,MI(a,b)和SI 2(a,b)是平移到图像当前位置的模板中图像所有像素点的平均灰度值和方差,NCC(a,b)表示匹配相似度,取值范围是-1≤NCC(a,b)≤1,x,y表示图像中像素坐标,a,b是图像像素坐标平移量。
在基于机器视觉的端面三圆角轴类零件圆角半径测量方法的步骤3中,对待检测端面三圆角轴类零件图像进行数学形态学开运算处理;处理过程为,通过结构元素对待检测端面三圆角轴类零件图像先腐蚀后膨胀,从而去除待检测端面三圆角轴类零件边缘毛刺和平滑边缘,如图3所示,有:
式中,为开运算运算符,Θ为腐蚀运算符,为膨胀运算符,B为结构元素,大小为3,元素全为1,为圆盘结构。
在基于机器视觉的端面三圆角轴类零件圆角半径测量方法的步骤4中,感兴趣区域内边缘轮廓的具体步骤为:
步骤4-1:首先将在端面三圆角轴类零件模板图像中预先设定的感兴趣区域通过步骤2中的坐标映射关系,转换成待检测端面三圆角轴类零件图像中相应的区域。
步骤4-2:采用Sobel算子对感兴趣区域内的待检测端面三圆角轴类零件图像进行边缘检测,从而得到感兴趣区域内的边缘图像,如图4所示。
步骤4-3:采用逆时针方向,对在感兴趣区域内的边缘图像进行八邻域边界跟踪,从而得到感兴趣区域内待检测端面三圆角轴类零件的轮廓坐标P(x,y),并将其坐标记录下来,如图5所示,白色部分为感兴趣区域内的端面三圆角轴类零件轮廓。
在基于机器视觉的端面三圆角轴类零件圆角半径测量方法的步骤5中,基于曲率的圆角半径像素值的获取的具体步骤为:
步骤5-1:根据离散曲率的计算公式,得到感兴趣区域内的轮廓曲率曲线图:
式中,θ1为当前轮廓采样点到前一轮廓采样点的连线与x轴夹角,θ2为后一轮廓采样点到当前轮廓采样点的连线与x轴夹角,L1为当前轮廓采样点到前一轮廓采样点的欧式距离,L2为后一轮廓采样点到当前轮廓采样点的欧式距离,
其中θ与L由下面的计算公式得到的:
式中,x2、y2为后采样点坐标;x1、y1为前采样点坐标;
步骤5-2:根据直线的曲率是0,不同半径大小圆角的曲率是不同的这些特点,从而找出各个不同半径大小的圆角区域的分割点,如图6所示。
步骤5-3:将属于各个不同半径大小的圆角区域的轮廓坐标代入最小二乘圆拟合算法中,得到相应的各个圆角半径的像素值,如图7所示。
在端面多圆角轴类零件圆角半径测量方法的步骤6中,通过标定得到每个像素代表的实际物理量,即当量。将步骤5中得到的各个圆角半径的像素值乘以像素当量,即可得到各个圆角半径的实际值。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种端面多圆角轴类零件圆角半径测量方法,其特征在于,包括以下步骤;
步骤1:采集端面多圆角轴类零件的端面图像;
步骤2:通过模板匹配建立待检测端面多圆角轴类零件的端面图像与模板图像的图像坐标映射关系;
步骤3:通过形态学开运算消除端面多圆角轴类零件边缘毛刺干扰;
步骤4:由步骤2得到的图像坐标映射关系,通过边缘检测算子和八邻域边界跟踪算法获取感兴趣区域内端面多圆角轴类零件的轮廓坐标;
步骤5:经过离散点曲率计算获取各个圆角区域的分割点,通过最小二乘圆拟合获取各个圆角半径的像素值;
步骤6:通过标定得到该轴类零件的圆角半径的实际值。
2.根据权利要求1所述的端面多圆角轴类零件圆角半径测量方法,其特征在于,所述步骤1中,通过面光源背光照明,利用工业相机和镜头得到端面多圆角轴类零件端面灰度图像。
3.根据权利要求1所述的端面多圆角轴类零件圆角半径测量方法,其特征在于,所述步骤2中,首先将整幅图像由端面多圆角轴类零件端面部分充满,并且图像的上、下边缘与端面多圆角轴类零件端面部分上、下边缘平行的图像作为模板,接着将待检测的端面多圆角轴类零件的整个区域作为模板匹配区域,然后在整个模板匹配区域内搜索模板图像,在待检测的端面多圆角轴类零件图像中找到模板图像后,建立起模板图像坐标与待检测图像坐标的映射关系。
4.根据权利要求1所述的端面多圆角轴类零件圆角半径测量方法,其特征在于,在所述步骤3中,对待检测端面多圆角轴类零件图像进行数学形态学开运算处理;处理过程为,通过结构元素对待检测端面多圆角轴类零件图像先腐蚀后膨胀,从而去除待检测端面多圆角轴类零件边缘毛刺,平滑边缘。
5.根据权利要求1所述的端面多圆角轴类零件圆角半径测量方法,其特征在于,所述步骤4中,获取感兴趣区域内边缘轮廓的具体步骤为:
步骤4-1:首先将在端面多圆角轴类零件模板图像中预先设定的感兴趣区域通过步骤2中的坐标映射关系,转换成待检测端面多圆角轴类零件图像中相应的区域。
步骤4-2:采用Sobel算子对感兴趣区域内的待检测端面多圆角轴类零件图像进行边缘检测,从而得到感兴趣区域内的边缘图像。
步骤4-3:采用逆时针方向,对在感兴趣区域内的边缘图像进行八邻域边界跟踪,从而得到感兴趣区域内待检测端面多圆角轴类零件的轮廓坐标P,并将其坐标记录下来。
6.根据权利要求1所述的端面多圆角轴类零件圆角半径测量方法,其特征在于,所述步骤5中,基于曲率的圆角半径像素值的获取的具体步骤为:
步骤5-1:根据离散曲率的计算公式,得到感兴趣区域内的轮廓曲率曲线图:
<mrow>
<mi>C</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&theta;</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>L</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>L</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
</mrow>
式中,θ1为当前轮廓采样点到前一轮廓采样点的连线与x轴夹角,θ2为后一轮廓采样点到当前轮廓采样点的连线与x轴夹角,L1为当前轮廓采样点到前一轮廓采样点的欧式距离,L2为后一轮廓采样点到当前轮廓采样点的欧式距离;其中θ与L由下面的计算公式得到的:
<mrow>
<mi>L</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
式中,x2、y2为后采样点坐标;x1、y1为前采样点坐标;
步骤5-2:根据直线的曲率是0,不同半径大小圆角的曲率不同这些特点,找出各个不同半径大小的圆角区域的分割点。
步骤5-3:将属于各个不同半径大小的圆角区域的轮廓坐标代入最小二乘圆拟合算法中,得到相应的各个圆角半径的像素值。
7.根据权利要求1所述的端面多圆角轴类零件圆角半径测量方法,其特征在于,所述步骤6中,通过标定得到每个像素代表的实际物理量,即当量;将步骤5中得到的各个圆角半径像素值乘以像素当量,即可得到各个圆角半径的实际值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710535366.2A CN107388991B (zh) | 2017-07-03 | 2017-07-03 | 一种端面多圆角轴类零件圆角半径测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710535366.2A CN107388991B (zh) | 2017-07-03 | 2017-07-03 | 一种端面多圆角轴类零件圆角半径测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107388991A true CN107388991A (zh) | 2017-11-24 |
CN107388991B CN107388991B (zh) | 2019-12-03 |
Family
ID=60334897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710535366.2A Active CN107388991B (zh) | 2017-07-03 | 2017-07-03 | 一种端面多圆角轴类零件圆角半径测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107388991B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
CN111583327A (zh) * | 2020-04-27 | 2020-08-25 | 深圳市鑫三力自动化设备有限公司 | 一种适用于面板折弯曲应力评估的方法 |
CN113176223A (zh) * | 2021-03-23 | 2021-07-27 | 中山大学新华学院 | 一种红外分光光度检测仪 |
CN113758439A (zh) * | 2021-08-23 | 2021-12-07 | 武汉理工大学 | 热态环件轧制成形过程中几何参数在线测量方法及装置 |
CN115880305A (zh) * | 2023-03-08 | 2023-03-31 | 中国计量大学现代科技学院 | 轴类零件表面缺陷视觉检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282687A (zh) * | 2005-10-14 | 2008-10-08 | 应用研究联盟新西兰有限公司 | 监测表面特征的方法和装置 |
CN104259110A (zh) * | 2014-09-26 | 2015-01-07 | 浙江大学台州研究院 | 一种陶瓷阀芯的检测方法 |
WO2015124756A1 (en) * | 2014-02-24 | 2015-08-27 | Renishaw Plc | Method of inspecting an object with a vision probe |
CN105241389A (zh) * | 2015-10-12 | 2016-01-13 | 贵州大学 | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 |
CN105701800A (zh) * | 2015-12-31 | 2016-06-22 | 上海交通大学 | 多模图像匹配方法 |
CN106204540A (zh) * | 2016-06-29 | 2016-12-07 | 上海晨兴希姆通电子科技有限公司 | 视觉检测方法 |
-
2017
- 2017-07-03 CN CN201710535366.2A patent/CN107388991B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282687A (zh) * | 2005-10-14 | 2008-10-08 | 应用研究联盟新西兰有限公司 | 监测表面特征的方法和装置 |
WO2015124756A1 (en) * | 2014-02-24 | 2015-08-27 | Renishaw Plc | Method of inspecting an object with a vision probe |
CN104259110A (zh) * | 2014-09-26 | 2015-01-07 | 浙江大学台州研究院 | 一种陶瓷阀芯的检测方法 |
CN105241389A (zh) * | 2015-10-12 | 2016-01-13 | 贵州大学 | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 |
CN105701800A (zh) * | 2015-12-31 | 2016-06-22 | 上海交通大学 | 多模图像匹配方法 |
CN106204540A (zh) * | 2016-06-29 | 2016-12-07 | 上海晨兴希姆通电子科技有限公司 | 视觉检测方法 |
Non-Patent Citations (1)
Title |
---|
曾强等: "基于HALCON的刹车片轮廓缺陷检测方法研究", 《煤矿机械》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
CN109993800B (zh) * | 2019-03-18 | 2023-01-03 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
CN111583327A (zh) * | 2020-04-27 | 2020-08-25 | 深圳市鑫三力自动化设备有限公司 | 一种适用于面板折弯曲应力评估的方法 |
CN111583327B (zh) * | 2020-04-27 | 2023-04-11 | 深圳市鑫三力自动化设备有限公司 | 一种适用于面板折弯曲应力评估的方法 |
CN113176223A (zh) * | 2021-03-23 | 2021-07-27 | 中山大学新华学院 | 一种红外分光光度检测仪 |
CN113758439A (zh) * | 2021-08-23 | 2021-12-07 | 武汉理工大学 | 热态环件轧制成形过程中几何参数在线测量方法及装置 |
CN115880305A (zh) * | 2023-03-08 | 2023-03-31 | 中国计量大学现代科技学院 | 轴类零件表面缺陷视觉检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107388991B (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107388991A (zh) | 一种端面多圆角轴类零件圆角半径测量方法 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN103425988B (zh) | 一种具有圆弧几何基元的实时定位与匹配方法 | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
CN105157563B (zh) | 一种基于机器视觉的啤酒瓶口定位方法 | |
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 | |
CN105069790A (zh) | 一种齿轮外观缺陷快速影像检测方法 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN103499585A (zh) | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 | |
CN113706537B (zh) | 一种基于机器视觉的不规则工件检测方法 | |
CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
CN108844961A (zh) | 一种温控器壳体视觉检测系统及方法 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN115184380A (zh) | 基于机器视觉的印刷电路板焊点异常检测方法 | |
CN113237889A (zh) | 一种多尺度的陶瓷检测方法及系统 | |
Fu et al. | Medicine glass bottle defect detection based on machine vision | |
Wankhede et al. | A low cost surface strain measurement system using image processing for sheet metal forming applications | |
CN115546170A (zh) | 一种基于激光测距的风机叶片缺陷定位方法及系统 | |
CN114972204A (zh) | 一种钢制品表面裂纹检测方法及设备 | |
CN103177426B (zh) | 一种基于形态学的强干扰激光边缘图像修复方法 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
CN110322395B (zh) | 基于图像处理与仿射变换的零件轮廓形状检测方法及装置 |
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 |