CN107742119B - 一种基于背影成像的物体轮廓提取和匹配装置及方法 - Google Patents
一种基于背影成像的物体轮廓提取和匹配装置及方法 Download PDFInfo
- Publication number
- CN107742119B CN107742119B CN201711125152.4A CN201711125152A CN107742119B CN 107742119 B CN107742119 B CN 107742119B CN 201711125152 A CN201711125152 A CN 201711125152A CN 107742119 B CN107742119 B CN 107742119B
- Authority
- CN
- China
- Prior art keywords
- detected
- lens
- image
- contour
- curve
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003384 imaging method Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000010845 search algorithm Methods 0.000 claims 1
- 238000004806 packaging method and process Methods 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 abstract 1
- 238000011084 recovery Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 235000013361 beverage Nutrition 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000004064 recycling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于背影成像的物体轮廓提取和匹配装置及方法,所述装置包括平面光源、透镜、摄像头及微处理器;布置于透镜一侧的平面光源产生主方向与透镜焦平面垂直的近似平行光,被待测物体遮挡后,入射到透镜;透镜对入射光线进行筛选,将将一组平行入射到透镜的光线汇聚在透镜另一侧焦平面上的某一点,被布置在此处的摄像头捕获形成图像,该图像包含待测物体的阴影;微处理器对摄像头捕获的图像进行处理,得到待测物体的轮廓曲线,将其与轮廓样本曲线匹配,以识别待测物体。本发明特别适用于包装瓶等物体图像识别,传输定位,具有识别率高、结构简单,造价低廉的特点。
Description
技术领域
本发明属于物体图像识别技术领域及废弃物智能回收技术领域,特别涉及了一种包装瓶等小型基于背影成像的物体轮廓提取和匹配装置及方法。
背景技术
研制和推广废塑料瓶等垃圾的智能回收装置被认为是规范包装瓶的回收体系,减少“白色垃圾”污染的最有效的途经之一。在包装瓶的智能回收装置中,物体的识别技术是核心部件。高效、准备的识别可以有效地杜绝错误回收并防止回收欺诈行为,从而大大的提高机器的可靠性。
中国专利申请CN 202762657U、200620092237.8的识别方法是基于对包装瓶的条码扫描。由于条码容易被仿造,也易损毁。因此,基于条形码的识别方式阻碍了智能回收方式的推广。采用集成的物体识别手段是智能回收的发展趋势,其中物体的图像识别技术是最关键的技术之一。中国专利申请CN104408820A利用摄像头捕获不包含和包含物体的回收舱图像并作为底图和比较图,从而识别物体是否为可回收塑料瓶,但该技术的识别精度依赖于图像的质量。中国专利申请CN101727703A公开了一种罐体图像识别装置,通过CCD相机摄取图像并将其与数据库中图像进行对比,但未给出实现的技术细节。申请号为200620092237.8中国专利申请在饮料瓶两侧分别放置发光源和光敏元件,但是这样做只能判断出物体的直径,很难对投入的饮料瓶进行精确地检测和判断。另外,在塑料瓶的外形图像识别方面的研究还有其他的一些进展,如机器视觉方法、RGB法、图像对比方法等,上述技术复杂、成本高,并且还未真正应用到回收机产品中。
如上所述,为了解决上述问题,并加快智能回收机的推广,特别需要发明一种高精度、低成本,适用于包装瓶等小型物体的图像识别装置和方法。
发明内容
本发明所解决的技术问题是,针对现有技术的不足,提供一种基于背影成像的物体轮廓提取和匹配装置及方法,特别适用于包装瓶等废弃物智能回收过程中的物体图像识别,具有准确可靠、结构简单、造价低廉的特点,可作为国内外类似图像识别传感器的替代产品,未来有应用到更多识别领域的潜力。
本发明所解决的技术方案是:
一种基于背影成像的物体轮廓提取和匹配装置,包括平面光源、透镜、摄像头及微处理器;
所述平面光源布置于透镜一侧,平面光源表面与透镜焦平面平行;摄像头布置在透镜另一侧的焦平面上(焦点附近);
检测区域位于平面光源与透镜分别之间,用于放置待测物体;
布置于透镜一侧的平面光源产生主方向(主方向就是亮度最高的方向,平面光源出射的光本质上是漫射的光源,可以理解为有无穷多组平行光,其中垂直于平面光源表面的平行光亮度最高)与透镜焦平面垂直的近似平行光(平行于透镜主光轴,或略微存在偏差),被待测物体遮挡后,入射到透镜,透镜对入射光线进行筛选,将一组平行入射到透镜的光线汇聚在透镜另一侧焦平面上的某一点(第一焦点附近的某一点),被布置在此处的摄像头捕获形成图像,该图像包含待测物体的阴影;
微处理器对摄像头捕获的图像进行处理,得到待测物体的轮廓曲线,并将其与轮廓样本曲线匹配。
进一步地,所述透镜选用菲涅耳透镜。
进一步地,所述平面光源于待测物体之间布置有超微细百叶窗膜(调理膜),用于过滤从平面光源出射的非垂直于透镜焦平面方向(平行于透镜主光轴方向)的光线,从而减少斜入射的光线在待测物体边缘反射,避免某些反射光线恰巧以与透镜焦平面垂直的方向(透镜主光轴平行的方向)入射透镜,继而折射到摄像头,在图像轮廓边缘形成反射亮点,影响轮廓提取的情况。
进一步地,所述摄像头布置在透镜的焦平面上的焦点位置,捕获一组垂直于透镜焦平面方向(平行于透镜主光轴方向)入射到透镜的光线,以获取最佳的图像质量。
进一步地,所述透镜后端(像方空间)布置有反射镜,用于将汇聚光线反射至侧面,此时摄像头也布置在反射后的汇聚光线的汇聚点上。这种设计将减小装置横向尺寸。
进一步地,所述基于背影成像的物体轮廓提取和匹配装置,还包括待测物体传送机构,待测物体传送机构受控于微处理器;微处理器根据摄像头捕获的图像,确定检测区域的亮度信息,控制待测物体传送机构运行或停止。
一种基于背影成像的物体轮廓提取和匹配方法,上述的装置进行物体轮廓提取和匹配,包括以下步骤:
1)布置在待测物体一侧的平面光源产生主方向与透镜焦平面垂直的近似平行光;
2)近似平行光通过待测物体,被待测物体遮挡后,形成含有待测物体阴影信息的近似平行光,入射到透镜;
3)透镜对入射光线进行筛选,将一组平行入射到透镜的光线汇聚在透镜另一侧焦平面上的某一点;
4)安装在该点摄像头捕获汇聚的光线形成图像,该图像含有待测物体的阴影;图像中待测物体阴影区域外为均匀且明亮的背景,与待测物体阴影具有很强的反差;
5)微处理器对摄像头捕获的图像进行灰度化、二值化和轮廓提取处理,得到待测物体的轮廓曲线;
6)将该待测物体的轮廓曲线与轮廓样本曲线进行匹配,识别待测物体。
进一步地,在待测物体传送过程中,微处理器根据摄像头捕获的图像,获取图像上检测区域的亮度信息,从而快速判断待测物体是否到达检测区域或离开检测区域;当确定待测物体是否到达检测区域时,控制待测物体传送机构停止运行,使待测物体停留在检测区域,从而能够在静态条件下捕获包含待测物体阴影的图像,从而进行较精确的轮廓提取、匹配或其它检测;检测完成后,控制待测物体传送机构运行,将待测物体送离检测区域;微处理器根据摄像头捕获的图像确定待测物体离开检测区域时,执行后续操作(比如开始后一待测物体的检测,或当前待测物体的分拣、压缩等操作)。
进一步地,所述边界提取是根据二值化后的图像数据,使用图像边缘检测算子,提取边界数据。
进一步地,所述轮廓提取,以边界数据中与物体阴影外边界对应的某一点为起点,采用轮廓搜索算法,得到待测物体的外轮廓曲线。
进一步地,所述轮廓匹配是将物体的外轮廓曲线进行移位和镜像等变换,并计算每次移位或镜像等变换后的曲线与轮廓样本库中的轮廓样本曲线的累计偏差值;当累计偏差值小于某个阈值时,则认为该待测物体与轮廓样本吻合;其中累计偏差值的计算方法如下:
1)采用等间隔方法,在轮廓样本曲线和变换后的物体外轮廓曲线上分别选取N和M个点(N和M的数目可根据精度以及计算速度调整,更大的N和M对应更高的精度,但计算速度将降低);
2)对轮廓样本曲线上选取的N个点,依次计算其与变换后的物体外轮廓曲线中M个点的距离的最小值;
3)将轮廓样本曲线上N个点对应距离的最小值求和,得到累计偏差值。
上述计算方法中,可将轮廓样本曲线与变换后的物体外轮廓曲线对调。即:
1)采用等间隔方法,分别在变换后的物体外轮廓曲线和轮廓样本曲线上选取N和M个点;
2)对变换后的物体外轮廓曲线上选取的N个点,依次计算其与轮廓样本曲线中M个点的距离的最小值;
3)将变换后的物体外轮廓曲线N个点对应距离的最小值求和,得到累计偏差值。
有益效果:
(1)解决了当前市场上的包装瓶智能回收装置识别手段主要依赖于条码扫描的缺点;通过对物体的轮廓提取和匹配,可以准确、快速的对包装瓶进行识别。
(2)创新的利用基于背影成像的方法解决物体的轮廓提取和匹配的问题。识别装置结构简单、造价低廉、可完全取代国内外类似功能的图像识别传感器。
(3)利用平面光源取代常见的反光板,使得背景更为均匀和明亮,图像获取以及轮廓提取速度和准确率大大提高。
(4)直接根据获取到图像数据对待测物体的位置进行检测,从而免去了待测物体传送路径上布置限位传感器的需要。一旦待测物体到达检测区域,微处理器可控制待测物体传送机构停止运行,使待测物体停留在检测区域,从而进行较精确的轮廓提取、匹配和其它相关检测,或在待测物体离开检测区域置时驱动相关机构进行后续的分拣、压缩等操作。
(5)本发明还可以应用到包装瓶智能回收之外的其他领域,如产品分拣、垃圾分类等领域,应用范围广。
附图说明
图1是本发明装置基本原理示意图;
图2是本发明实施例1示意图;
图3是本发明实施例2示意图;
图4是本发明方法效果图;图4(a)和图4(b)分别为本发明实施例1和实施例2的效果图;
附图标记说明:图中,1为微处理器、2为摄像头、3为焦点、4为透镜、5为待测物体、6为平面光源、7为反射镜、8为超微细百叶窗膜。
具体实施方式
图1是本发明装置基本原理示意图。如图1所示,本发明公开了一种基于背影成像的物体轮廓提取和匹配装置,包括微处理器1、摄像头2、透镜4和平面光源6;
所述的用于背影成像的平面光源6与用于成像的透镜4分别布置在检测区域的两侧;检测区域用于放置待测物体5;
所述的透镜4可选用菲涅耳透镜,用于对入射光线进行筛选,其中垂直于透镜4平面入射的平行光将被汇聚在透镜另一侧的焦点3上(这些光线包含物体的阴影信息);
所述的摄像头2布置在透镜4的焦平面上的焦点3附近(越接近焦点3效果越好),用于捕获经平面光源6出射,并经待测物体5遮挡后,以特定角度入射到透镜4的平行光线,从而获得包含待测物体5阴影的图像。
所述的微处理器1用于将摄像头2输出的图像灰度化、二值化,并进行边界提取、轮廓提取、轮廓匹配等。
所述的边界提取是根据二值化后的图像数据,使用图像边缘检测算子,提取边界数据。
所述轮廓提取,以边界数据中与物体阴影外边界对应的某一点为起点,采用轮廓搜索算法,得到待测物体的外轮廓曲线。
所述轮廓匹配是将物体的外轮廓曲线进行移位和镜像变换,并计算每次移位或镜像变换后的曲线与轮廓样本库中的轮廓样本曲线的累计偏差值;当累计偏差值小于某个阈值时,则认为该待测物体与轮廓样本吻合;其中累计偏差值的计算方法如下:
1)采用等间隔方法,在轮廓样本曲线和变换后的物体外轮廓曲线上分别选取N和M个点(N和M的数目可根据精度以及计算速度调整,更大的N和M对应更高的精度,但计算速度将降低);
2)对轮廓样本曲线上选取的N个点,依次计算其与变换后的物体外轮廓曲线中M个点的距离的最小值;
3)将轮廓样本曲线上N个点对应距离的最小值求和,得到累计偏差值。
上述计算方法中,可将轮廓样本曲线与变换后的物体外轮廓曲线对调。
下面结合实施例对本发明作进一步的详细说明。
实施例1:
使用本发明的基于背影成像的物体轮廓提取、匹配和定位方法,在一个实施例中,选用反射镜7布置在透镜4后端,以饮料瓶为识别物体。具体按以下方法进行:
1)布置在待测物体5一侧的平面光源6射出的光线,形成近似平行光,近似平行光的主方向与透镜4平面垂直;
2)近似平行光通过待测物体5,形成含有待测物体5阴影的近似平行光,入射透镜4;
3)透镜4对入射光线进行筛选,其中垂直于透镜4平面入射的平行光将被汇聚在透镜另一侧焦平面上的某一点;
4)反射镜7改变光线汇聚点的位置,从而减小装置横向尺寸;
5)汇聚的光线被该处安装的摄像头2提取形成图像,提取的图像含有待测物体5的横截面轮廓阴影。图像中与待测物体5相对应的阴影区域外为均匀且明亮的背景,与待测物体阴影具有很强的反差;
6)通过对微处理器1对摄像头捕获的图像进行灰度化、二值化、边界提取、轮廓提取处理,得到待测物体的轮廓曲线;图4(a)为本实施例中的识别效果,从上至下依次是灰度化、二值化、边界提取、轮廓提取处理结果;
7)将该轮廓曲线与轮廓样本曲线进行轮廓匹配,识别待测物体。
在本实施例中,选用反射镜布置在透镜后端,用于将汇聚光线反射至侧面,同时,需根据反射镜角度将摄像头也布置在反射后的汇聚光线的汇聚点上,从而减小装置横向尺寸。该反射镜可选用前镀膜反射镜,以减少玻璃表面反射的重影。由图4(a)表明,本实施例中饮料瓶的外轮廓提取效果完全满足识别要求。
实施例2:
使用本发明的基于背影成像的物体轮廓提取和匹配方法,在一个实施例中,选用反射镜7布置在透镜4后端,同时选用超微细百叶窗膜8布置在平面光源于待测物体之间,以饮料瓶为识别物体。具体按以下方法进行:
1)布置在待测物体5一侧的平面光源6射出的光线,形成近似平行光,近似平行光的主方向与透镜4平面垂直;
2)将超微细百叶窗膜8布置在平面光源6于待测物体5之间,用于过滤从平面光源6出射的非垂直于透镜焦平面方向的光线,从而减少斜入射的光线在待测物体5边缘反射,避免某些反射光线恰巧以与透镜4焦平面垂直的方向入射透镜4,继而折射到摄像头2,在图像轮廓边缘形成反射亮点,影响轮廓提取的情况。
3)近似平行光通过待测物体5,形成含有待测物体5阴影的近似平行光,入射透镜4;
4)透镜4对入射光线进行筛选,其中垂直于透镜4焦平面入射的平行光将被汇聚在透镜另一侧的焦点上;
5)反射镜7改变光线汇聚点的位置,从而减小装置横向尺寸;
6)汇聚的光线被该处安装的摄像头2提取形成图像,提取的图像含有待测物体5的横截面轮廓阴影。图像中与待测物体5相对应的阴影区域外为均匀且明亮的背景,与待测物体阴影具有很强的反差;
7)通过对微处理器1对摄像头捕获的图像进行灰度化、二值化、边界提取、轮廓提取处理,得到待测物体的轮廓曲线;图4(b)为本实施例中的识别效果,从上至下依次是灰度化、二值化、边界提取、轮廓提取处理结果;
8)将该轮廓曲线与轮廓样本曲线进行轮廓匹配,识别待测物体。
在本实施例中,选用反射镜布置在透镜后端,用于将汇聚光线反射至侧面,减小装置横向尺寸。同时将超微细百叶窗膜布置在平面光源于待测物体之间,避免在图像轮廓边缘形成反射亮点,从而影响轮廓提取的情况。由图4(b)表明,本实施例中饮料瓶的外轮廓提取效果完全满足识别要求。
以上实施例仅是为了更加详细描述本发明的思想和工作原理,应理解的是,上述提到实施例不应限制本发明。凡是在本发明的精神和范围之内的所有改动和替换,均应在本发明的保护之列。
Claims (8)
1.一种基于背影成像的物体轮廓提取和匹配装置,其特征在于:包括平面光源、透镜、摄像头及微处理器;
所述平面光源布置于透镜一侧,平面光源表面与透镜焦平面平行;摄像头布置在透镜另一侧的焦平面上;
检测区域位于平面光源与透镜之间,用于放置待测物体;
布置于透镜一侧的平面光源产生主方向与透镜焦平面垂直的近似平行光,被待测物体遮挡后,入射到透镜,透镜对入射光线进行筛选,将一组平行入射到透镜的光线汇聚在透镜另一侧焦平面上的某一点,被布置在此处的摄像头捕获形成图像,该图像包含待测物体的阴影;
微处理器对摄像头捕获的图像进行处理,得到待测物体的轮廓曲线,并将其与轮廓样本库中的轮廓样本曲线匹配,以识别待测物体;
所述透镜后端布置有反射镜,用于将汇聚光线反射至侧面,此时将摄像头布置在反射后的汇聚光线的汇聚点上。
2.根据权利要求1所述的基于背影成像的物体轮廓提取和匹配装置,其特征在于:所述平面光源于待测物体之间布置有超微细百叶窗膜。
3.根据权利要求2所述的基于背影成像的物体轮廓提取和匹配装置,其特征在于:所述摄像头布置在透镜的焦平面上的焦点位置。
4.根据权利要求1所述的基于背影成像的物体轮廓提取和匹配装置,其特征在于:还包括待测物体传送机构,待测物体传送机构受控于微处理器;微处理器根据摄像头捕获的图像,确定检测区域的亮度信息,控制待测物体传送机构运行或停止。
5.一种基于背影成像的物体轮廓提取和匹配方法,其特征在于:采用权利要求1~4中任一项所述的装置进行物体轮廓提取和匹配,包括以下步骤:
1)布置在待测物体一侧的平面光源产生主方向与透镜焦平面垂直的近似平行光;
2)近似平行光通过待测物体,被待测物体遮挡后,形成含有待测物体阴影信息的近似平行光,入射到透镜;
3)透镜对入射光线进行筛选,将一组平行入射到透镜的光线汇聚在透镜另一侧焦平面上的某一点;
4)安装在该点摄像头捕获汇聚的光线形成图像,该图像含有待测物体的阴影;
5)微处理器对摄像头捕获的图像进行灰度化、二值化和轮廓提取处理,得到待测物体的轮廓曲线;
6)将该待测物体的轮廓曲线与轮廓样本曲线进行匹配,以识别待测物体。
6.根据权利要求5所述的基于背影成像的物体轮廓提取和匹配方法,其特征在于:在待测物体传送过程中,微处理器根据摄像头捕获的图像,获取图像上检测区域的亮度信息,从而快速判断待测物体是否到达检测区域或离开检测区域;当确定待测物体是否到达检测区域时,控制待测物体传送机构停止运行,使待测物体停留在检测区域,从而在静态条件下捕获包含待测物体阴影的图像,从而进行较精确的轮廓提取、匹配或其它检测;检测完成后,控制待测物体传送机构运行,将待测物体送离检测区域;微处理器根据摄像头捕获的图像确定待测物体离开检测区域时,执行后续操作。
7.根据权利要求5或6所述的基于背影成像的物体轮廓提取和匹配方法,其特征在于:所述轮廓提取是根据二值化后的图像数据,使用图像边缘检测算子,提取边界数据,再以边界数据中与物体阴影外边界对应的某一点为起点,采用轮廓搜索算法,得到待测物体的外轮廓曲线。
8.根据权利要求7所述的基于背影成像的物体轮廓提取和匹配方法,其特征在于:
所述轮廓匹配是将物体的外轮廓曲线进行移位和镜像变换,并计算每次移位或镜像变换后的曲线与轮廓样本库中的轮廓样本曲线的累计偏差值;当累计偏差值小于某个阈值时,则认为该待测物体与轮廓样本吻合;其中累计偏差值的计算方法如下:
1)采用等间隔方法,在轮廓样本曲线和变换后的物体外轮廓曲线上分别选取N和M个点,M>N;
2)对轮廓样本曲线上选取的N个点,依次计算其与变换后的物体外轮廓曲线中M个点的距离的最小值;
3)将轮廓样本曲线上N个点对应距离的最小值求和,得到累计偏差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711125152.4A CN107742119B (zh) | 2017-11-14 | 2017-11-14 | 一种基于背影成像的物体轮廓提取和匹配装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711125152.4A CN107742119B (zh) | 2017-11-14 | 2017-11-14 | 一种基于背影成像的物体轮廓提取和匹配装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107742119A CN107742119A (zh) | 2018-02-27 |
CN107742119B true CN107742119B (zh) | 2024-03-29 |
Family
ID=61234713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711125152.4A Active CN107742119B (zh) | 2017-11-14 | 2017-11-14 | 一种基于背影成像的物体轮廓提取和匹配装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742119B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108508844A (zh) * | 2018-04-17 | 2018-09-07 | 四川大学 | 基于平面辅助光源与机器视觉的产品转移系统及转移方法 |
CN109460766B (zh) * | 2018-09-29 | 2022-03-15 | 济南企财通软件有限公司 | 一种从票据纸张上提取票据图像的装置和方法 |
CN111327745B (zh) * | 2020-01-21 | 2021-08-10 | 上海万物新生环保科技集团有限公司 | 一种用于移动终端的消音按键测试的方法及设备 |
CN112270788A (zh) * | 2020-09-14 | 2021-01-26 | 陶朗环保技术(厦门)有限公司 | 一种饮料瓶回收防欺诈方法及饮料瓶回收机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4577099A (en) * | 1984-06-29 | 1986-03-18 | International Business Machines Corporation | Apparatus for proximity detection of an opaque pattern on a translucent substrate |
CN102135417A (zh) * | 2010-12-26 | 2011-07-27 | 北京航空航天大学 | 一种全自动三维特征提取方法 |
CN104215178A (zh) * | 2014-09-28 | 2014-12-17 | 福建师范大学 | 基于反射镜二次成像的物体体积非接触测量方法及装置 |
CN104697476A (zh) * | 2015-03-19 | 2015-06-10 | 北京时代之峰科技有限公司 | 粗糙度光切轮廓曲线的自动检测方法及装置 |
CN105320954A (zh) * | 2014-07-30 | 2016-02-10 | 北京三星通信技术研究有限公司 | 人脸认证装置和方法 |
CN106097431A (zh) * | 2016-05-09 | 2016-11-09 | 王红军 | 一种基于三维栅格地图的物体整体识别方法 |
CN107209290A (zh) * | 2015-02-23 | 2017-09-26 | Nlt科技股份有限公司 | 光束方向控制元件及显示装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE421077T1 (de) * | 2004-10-29 | 2009-01-15 | Degudent Gmbh | Verfahren und vorrichtung zur erfassung von konturdaten und/oder optischen eigenschaften eines dreidimensionalen semitransparenten objekts |
US9064166B2 (en) * | 2013-11-26 | 2015-06-23 | Symbol Technologies, Llc | Optimizing focus plane position of imaging scanner |
-
2017
- 2017-11-14 CN CN201711125152.4A patent/CN107742119B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4577099A (en) * | 1984-06-29 | 1986-03-18 | International Business Machines Corporation | Apparatus for proximity detection of an opaque pattern on a translucent substrate |
CN102135417A (zh) * | 2010-12-26 | 2011-07-27 | 北京航空航天大学 | 一种全自动三维特征提取方法 |
CN105320954A (zh) * | 2014-07-30 | 2016-02-10 | 北京三星通信技术研究有限公司 | 人脸认证装置和方法 |
CN104215178A (zh) * | 2014-09-28 | 2014-12-17 | 福建师范大学 | 基于反射镜二次成像的物体体积非接触测量方法及装置 |
CN107209290A (zh) * | 2015-02-23 | 2017-09-26 | Nlt科技股份有限公司 | 光束方向控制元件及显示装置 |
CN104697476A (zh) * | 2015-03-19 | 2015-06-10 | 北京时代之峰科技有限公司 | 粗糙度光切轮廓曲线的自动检测方法及装置 |
CN106097431A (zh) * | 2016-05-09 | 2016-11-09 | 王红军 | 一种基于三维栅格地图的物体整体识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107742119A (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742119B (zh) | 一种基于背影成像的物体轮廓提取和匹配装置及方法 | |
CN111650210B (zh) | 高速高精度锂离子电池极片的毛刺检测方法及检测系统 | |
De Charette et al. | Real time visual traffic lights recognition based on spot light detection and adaptive traffic lights templates | |
US20130128026A1 (en) | Image processing device for defect inspection and image processing method for defect inspection | |
Liu et al. | Automatic detection technology of surface defects on plastic products based on machine vision | |
RU2643493C1 (ru) | Способ распознавания банкнот на основе накопления пыли в сортировщике и сортировщик | |
CN110246122A (zh) | 基于机器视觉的小型轴承质量检测方法、装置及系统 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN108120353B (zh) | 一种基于智能相机的传火孔检测装置及其方法 | |
CN104034638A (zh) | 基于机器视觉的金刚线颗粒在线质检方法 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
US11710337B2 (en) | Fingerprint identification method and apparatus, storage medium and terminal | |
CN114280075B (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
CN103785622A (zh) | 基于机器视觉的零件分拣装置及方法 | |
CN103630544A (zh) | 一种视觉在线检测系统 | |
CN114636706A (zh) | 一种太阳能电池片在镀膜后的图像检测的综合方法及装置 | |
JP2023121722A (ja) | コードを付した物体の画像内のコード画像領域の発見 | |
CN207397296U (zh) | 一种基于背影成像的物体识别装置 | |
Yang et al. | Accurate localization of four extreme corners for barcode images captured by mobile phones | |
CN113793322A (zh) | 一种对磁性材料自动检测的方法、电子设备和存储介质 | |
CN101145194A (zh) | 一种条码识读设备的对焦方法 | |
CN207690117U (zh) | 一种物品轮廓获取及识别的装置 | |
CN109387525A (zh) | 一种膜上膜内缺陷的判定方法 | |
CN1739111A (zh) | 自动流量显微镜的粒子提取 |
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 |