CN107895372A - 一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 - Google Patents
一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 Download PDFInfo
- Publication number
- CN107895372A CN107895372A CN201711118794.1A CN201711118794A CN107895372A CN 107895372 A CN107895372 A CN 107895372A CN 201711118794 A CN201711118794 A CN 201711118794A CN 107895372 A CN107895372 A CN 107895372A
- Authority
- CN
- China
- Prior art keywords
- msub
- csymbol
- adhesive tape
- skeleton line
- mrow
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0081—Programme-controlled manipulators with master teach-in means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Abstract
本发明公开了一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统,包括以下步骤:a.相机采集胶条图像,对图像进行预处理;b.经过相机标定获取胶枪头的图像坐标;c.设置面积阈值,遍历所有胶条区域,识别轮廓面积大于面积阈值的胶条区域,计算轮廓与胶枪头像素点之间的距离,寻找距离最短的轮廓区域,认定该区域即胶条所在区域,若该区域存在孔洞缺陷还需填补缺陷,形成完整的胶条连通域;d.利用骨架线细化算法,将胶条区域二值化的轮廓细化成骨架线;用于对机器人预定轨迹被涂胶条的骨架线进行提取,实现对被涂胶条的准确定位,示教信息能够重复用于之后的检测过程,简化检测步骤和计算过程,便捷省时。
Description
技术领域
本发明涉及一种机器人涂胶在线检测系统,具体而言,涉及一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统。
背景技术
随着科学技术的快速发展,涂胶工艺被广泛应用于工业生产的各个领域,广泛应用于汽车、电子、轻工、医药、食品等价格生产过程,涂胶技术也在不断革新,由于传统的手动涂胶机存在涂胶不均且效率低下的问题,机器人技术的兴起,使得机器人涂胶逐渐取代了传统的手动涂胶机,大大提高了生产效率,对涂胶质量的检测也逐步实现了自动化和智能化,利用机器视觉原理采用对胶条图像进行图像处理的方法,是一种行之有效的涂胶检测方法,现有的机器人涂胶视觉检测方法,存在步骤繁多、计算复杂的问题,特别是在对图像中胶条区域的定位上,现有方法采用人工标取,费事费力。
发明内容
为了解决上述问题,为了提高检测的效率,本发明提出了一种机器人涂胶的胶条骨架线自动示教方法,实现了对胶条的快速定位,由于机器人对同一型号的工件的涂胶轨迹具有高度重复性和相似性,所以示教方法只需要进行一次,对示教获取的胶条骨架线信息进行存储,能够直接应用于之后的检测过程,便捷省时,采取的技术方案是:
一种用于机器人涂胶检测的胶条骨架线自动示教方法,通过对被涂胶条图像进行处理,得到内部无孔洞且轮廓完整的胶条图像,配合胶枪头的位置信息,快速定位胶条轮廓,依据细化算法自动进行骨架点的生成,完成对机器人预定轨迹被涂胶条的全部骨架线获取,本方法具体包括以下步骤:
a.相机采集胶条图像,对图像进行预处理,具体而言,包括:图像二值化、开闭运算、反值运算,经过上述图像预处理算法,能够得到轮廓完整的胶条图像;
b.经过相机标定获取胶枪头的图像坐标,根据胶枪头图像坐标能够快速定位胶条所在位置;
c. 设置面积阈值,遍历所有胶条区域,识别轮廓面积大于面积阈值的胶条区域,计算轮廓与胶枪头像素点之间的距离,寻找到距离最短的轮廓区域,认定该区域即胶条所在区域,若该区域存在孔洞缺陷还需填补缺陷,形成完整的胶条连通域;
其中填补缺陷,将连通域轮廓填补成凸包,和孔洞填充算法,再利用轮廓凸包性,能够降低胶条反光带来的图像干扰;
d. 利用骨架线细化算法,将胶条区域二值化的轮廓细化成骨架线。
所述步骤d中的骨架线细化算法计算过程如下:
利用二值化轮廓进行细化,要求区域内的点值为1,区域外的背景点值为0,遍历区域内的所有点,寻找每个点九宫格连通域如下:
分别逐点判断以下两个条件:
条件1:
其中,是的非零相邻点的数目,即,
是以的次序轮转时,从0到1的变化次数
条件2:
遍历所有区域内的点,标记满足条件1的点,再次遍历,标记满足条件2的点,去除所有标记点,剩余点即为骨架线。
一种用于机器人涂胶检测的胶条骨架线自动示教系统,包括采集单元用于获取胶枪头与所涂胶条图像;
示教单元用于对图像进行处理分析及骨架线提取;
存储单元用于保存示教完成的胶条骨架线信息,由于机器人对同一型号的工件的涂胶轨迹具有高度重复性和相似性,所以示教方法只需要进行一次,对示教获取的胶条骨架线信息进行存储,能够直接应用于之后的检测过程,便捷省时;显示单元用于显示胶条及示教结果,便于观察。
综上所述,本发明与现有技术中相比,具有的优点和积极效果是:
在机器人涂胶过程中,本示教过程只需要进行一次,对示教获取的胶条骨架线信息进行存储,能够直接应用于之后的检测过程,简化检测步骤和计算过程,便捷省时。
附图说明
图1是本发明方法流程图;
图2是本发明方法详细步骤流程图;
图3是本发明骨架线细化算法流程图;
图4是本实施例中胶条区域存在孔洞缺陷图;
图5是胶条骨架线提取示意图。
具体实施方式
本发明提出了一种机器人涂胶的胶条骨架线自动示教方法,实现了对胶条的快速定位,由于机器人对同一型号的工件的涂胶轨迹具有高度重复性和相似性,所以示教方法只需要进行一次,对示教获取的胶条骨架线信息进行存储,能够直接应用于之后的检测过程,便捷省时,本发明公开的技术方案是:
一种用于机器人涂胶检测的胶条骨架线自动示教方法,其特征在于通过对被涂胶条图像进行处理,得到内部无孔洞且轮廓完整的胶条图像,配合胶枪头的位置信息,快速定位胶条轮廓,依据细化算法自动进行骨架点的生成,完成对机器人预定轨迹被涂胶条的全部骨架线获取,如图1-2所示,本方法具体包括以下步骤:
a.相机采集胶条图像,对图像进行预处理,具体而言,包括:图像二值化、开闭运算、反值运算,经过上述图像预处理算法,能够得到轮廓完整的胶条图像;
b.经过相机标定获取胶枪头的图像坐标,根据胶枪头图像坐标能够快速定位胶条所在位置;
c. 设置面积阈值,遍历所有胶条区域,识别轮廓面积大于面积阈值的胶条区域,计算轮廓与胶枪头像素点之间的距离,寻找到距离最短的轮廓区域,认定该区域即胶条所在区域,若该区域存在孔洞缺陷还需填补缺陷,形成完整的胶条连通域;
其中填补缺陷,将连通域轮廓填补成凸包,和孔洞填充算法,再利用轮廓凸包性,能够降低胶条反光带来的图像干扰;
d.利用骨架线细化算法,将胶条区域二值化的轮廓细化成骨架线。
如图3所示,上述步骤d中的骨架线细化算法计算过程如下:
利用二值化轮廓进行细化,要求区域内的点值为1,区域外的背景点值为0,遍历区域内的所有点,寻找每个点九宫格连通域如下:
分别逐点判断以下两个条件:
条件1:
其中,是的非零相邻点的数目,即,
是以的次序轮转时,从0到1的变化次数
条件2:
遍历所有区域内的点,标记满足条件1的点,再次遍历,标记满足条件2的点,去除所有标记点,剩余点即为骨架线。
同时,本发明公开一种用于机器人涂胶检测的胶条骨架线自动示教系统,包括采集单元:用于获取胶枪头与胶条的图像;
示教单元用于对图像进行处理分析及骨架线提取;
存储单元用于保存示教完成的胶条骨架线信息,由于机器人对同一型号的工件的涂胶轨迹具有高度重复性和相似性,所以示教方法只需要进行一次,对示教获取的胶条骨架线信息进行存储,能够直接应用于之后的检测过程,便捷省时;
显示单元用于显示胶条及示教结果,便于观察。
具体而言,本发明具体流程可以描述为:经过相机标定过程,获取胶枪头图像坐标,通过采集单元获取被涂胶条图像;
示教单元对采集到的图像进行图像二值化、开闭运算、反值运算的一系列图像预处理过程,得到轮廓鲜明的二值化图像;搜索图像中的连通域,计算连通域面积,选取轮廓面积大于设定的面积阈值的连通区域,计算连通区域与胶枪头像素点之间的距离,寻找距离最短的连通区域,认定该区域为胶条所在区域;检测胶条区域的凸包缺陷,若存在缺陷,如图4所示,使用直线连接起点和终点,使有缺陷轮廓封闭,利用孔洞填充算法将连具有缺陷的通域填补成凸包,再利用轮廓凸包性,降低胶条反光带来的图像干扰;此时,得到了内部无孔洞且轮廓完整的胶条轮廓图像,利用骨架线细化算法对该图像进行计算,得到胶条轮廓的骨架线,如图5所示;
显示单元能够实时显现示教骨架线图像,同时存储单元保存示教结果,由于机器人对同一型号的工件的涂胶轨迹具有高度重复性和相似性,上述示教过程只需要进行一次,存储的示教信息能够直接应用于之后的机器人涂胶检测过程,从而实现对胶条位置的准确定位及快速查找,便捷省时。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种用于机器人涂胶检测的胶条骨架线自动示教方法,其特征在于,首先对被涂胶条图像进行处理,得到内部无孔洞且轮廓完整的胶条图像,配合胶枪头的位置信息,快速定位胶条轮廓,依据细化算法自动进行骨架点的生成,完成对机器人预定轨迹被涂胶条的骨架线获取,本方法具体包括以下步骤:
a.相机采集胶条图像,对图像进行预处理;
b.经过相机标定获取胶枪头的图像坐标;
c. 设置面积阈值,遍历所有胶条区域,识别轮廓面积大于面积阈值的胶条区域,计算轮廓与胶枪头像素点之间的距离,寻找距离最短的轮廓区域,认定该区域即胶条所在区域,若该区域存在孔洞缺陷还需填补缺陷,形成完整的胶条连通域;
d. 利用骨架线细化算法,将胶条区域二值化的轮廓细化成骨架线。
2.根据权利要求1所述的一种用于机器人涂胶检测的胶条骨架线自动示教方法,其特征在于,所述步骤a中图像预处理过程包括:图像二值化、开闭运算、反值运算。
3.根据权利要求1所述的一种用于机器人涂胶检测的胶条骨架线自动示教方法,其特征在于,所述步骤c中填补缺陷采用孔洞填充算法。
4.根据权利要求1所述的一种用于机器人涂胶检测的胶条骨架线自动示教方法,其特征在于,所述步骤d中的骨架线细化算法计算过程如下:
利用二值化轮廓进行细化,要求区域内的点值为1,区域外的背景点值为0,遍历区域内的所有点,寻找每个点九宫格连通域如下:
分别逐点判断以下两个条件:
条件1:<math display = 'block'>
<piecewise>
<cn>2</cn>
<csymbol>
<mo>&le;</mo>
</csymbol>
<ci>N</ci>
<ci>(</ci>
<csymbol> <msub>
<ci>P</ci>
<cn>1</cn>
</msub>
</csymbol>
<ci>)</ci>
<csymbol>
<mo>&le;</mo>
</csymbol>
<cn>6</cn>
<ci>T</ci>
<ci>(</ci>
<csymbol> <msub>
<ci>P</ci>
<cn>1</cn>
</msub>
</csymbol>
<ci>)</ci>
<cn>1</cn>
<csymbol> <msub>
<ci>P</ci>
<cn>2</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>4</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>6</cn>
</msub>
</csymbol>
<cn>0</cn>
<csymbol> <msub>
<ci>P</ci>
<cn>4</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>6</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>8</cn>
</msub>
</csymbol>
<cn>0</cn>
</piecewise>
</math>
其中,<math display = 'block'>
<mrow>
<mi>N</mi>
<mo stretchy='false'>(</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo stretchy='false'>)</mo>
</mrow>
</math>是<math display = 'block'>
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
</mrow>
</math>的非零相邻点的数目,即<math display = 'block'>
<mrow>
<mi>N</mi>
<mo stretchy='false'>(</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo stretchy='false'>)</mo>
<mo>=</mo>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<msub>
<mrow>
<mo>+</mo>
<mi>P</mi>
</mrow>
<mn>3</mn>
</msub>
<msub>
<mrow>
<mo>+</mo>
<mo lspace='0px' rspace='0px'>....</mo>
<mo>+</mo>
<mi>P</mi>
</mrow>
<mn>8</mn>
</msub>
<mo>+</mo>
<msub>
<mi>P</mi>
<mn>9</mn>
</msub>
</mrow>
</math>,
<math display = 'block'>
<mrow>
<mi>T</mi>
<mo stretchy='false'>(</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo stretchy='false'>)</mo>
</mrow>
</math>是以<math display = 'block'>
<mrow>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<msub>
<mrow>
<mo>,</mo>
<mi>P</mi>
</mrow>
<mn>3</mn>
</msub>
<msub>
<mrow>
<mo lspace='0px' rspace='0px'>,....,</mo>
<mi>P</mi>
</mrow>
<mn>8</mn>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>9</mn>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
</mrow>
</math>的次序轮转时,从0到1的变化次数
条件2:<math display = 'block'>
<piecewise>
<cn>2</cn>
<ci>N</ci>
<ci>(</ci>
<csymbol> <msub>
<ci>P</ci>
<cn>1</cn>
</msub>
</csymbol>
<ci>)</ci>
<cn>6</cn>
<ci>T</ci>
<ci>(</ci>
<csymbol> <msub>
<ci>P</ci>
<cn>1</cn>
</msub>
</csymbol>
<ci>)</ci>
<cn>1</cn>
<csymbol> <msub>
<ci>P</ci>
<cn>2</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>4</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>8</cn>
</msub>
</csymbol>
<cn>0</cn>
<csymbol> <msub>
<ci>P</ci>
<cn>2</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>6</cn>
</msub>
</csymbol>
<csymbol>
<mo>&lowast;</mo>
</csymbol>
<csymbol> <msub>
<ci>P</ci>
<cn>8</cn>
</msub>
</csymbol>
<cn>0</cn>
</piecewise>
</math>
遍历所有区域内的点,标记满足条件1的点,再次遍历,标记满足条件2的点,去除所有标记点,剩余点即为骨架线。
5.一种用于机器人涂胶检测的胶条骨架线自动示教系统,其特征在于,包括采集单元、示教单元、存储单元、显示单元。
6.根据权利要求5所述的一种用于机器人涂胶检测的胶条骨架线自动示教系统,其特征在于,所述采集单元用于获取胶枪头与所涂胶条的图像。
7.根据权利要求5所述的一种用于机器人涂胶检测的胶条骨架线自动示教系统,其特征在于,所述示教单元用于对所述采集单元传输的图像进行预处理及骨架线提取。
8.根据权利要求5所述的一种用于机器人涂胶检测的胶条骨架线自动示教系统,其特征在于,所述存储单元用于保存示教完成的胶条骨架线信息。
9.根据权利要求5所述的一种用于机器人涂胶检测的胶条骨架线自动示教系统,其特征在于,所述显示单元用于显示胶条及示教结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711118794.1A CN107895372B (zh) | 2017-11-14 | 2017-11-14 | 一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711118794.1A CN107895372B (zh) | 2017-11-14 | 2017-11-14 | 一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107895372A true CN107895372A (zh) | 2018-04-10 |
CN107895372B CN107895372B (zh) | 2018-09-21 |
Family
ID=61805298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711118794.1A Active CN107895372B (zh) | 2017-11-14 | 2017-11-14 | 一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895372B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921808A (zh) * | 2018-06-27 | 2018-11-30 | 清华大学 | 一种平面工件喷涂轨迹生成方法、系统及计算机存储介质 |
CN110068274A (zh) * | 2019-05-29 | 2019-07-30 | 易思维(杭州)科技有限公司 | 涂胶传感器胶条检测示教方法 |
CN110189316A (zh) * | 2019-05-29 | 2019-08-30 | 易思维(杭州)科技有限公司 | 一种胶条检测自动示教方法 |
CN110646431A (zh) * | 2019-10-30 | 2020-01-03 | 易思维(杭州)科技有限公司 | 涂胶传感器的自动示教方法 |
CN111539939A (zh) * | 2020-04-27 | 2020-08-14 | 扬州哈工科创机器人研究院有限公司 | 一种基于机器视觉的缺陷检测方法及装置 |
CN112215891A (zh) * | 2020-07-13 | 2021-01-12 | 浙江大学山东工业技术研究院 | 一种铝型材门窗注胶孔及销钉孔的视觉定位方法和系统 |
CN112975907A (zh) * | 2021-02-08 | 2021-06-18 | 易思维(杭州)科技有限公司 | 一种对弧状焊缝、胶条的视觉检测方法 |
CN115841581A (zh) * | 2023-02-20 | 2023-03-24 | 宜科(天津)电子有限公司 | 一种门板骨架的特征点提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806586A (zh) * | 2010-04-21 | 2010-08-18 | 上海交通大学 | 基于图像匹配的汽车密封条截面轮廓测量装置及测量方法 |
CN102742977A (zh) * | 2012-07-02 | 2012-10-24 | 东莞职业技术学院 | 基于图像处理的涂胶路径控制方法 |
US20130196829A1 (en) * | 2010-07-02 | 2013-08-01 | Apos - Medical And Sports Technologies Ltd. | Device and Methods for Tuning a Skeletal Muscle |
WO2016139312A1 (en) * | 2015-03-03 | 2016-09-09 | Cytoo | High content and functional screening method in a physiologically relevant duchenne or becker muscular dystrophy model |
-
2017
- 2017-11-14 CN CN201711118794.1A patent/CN107895372B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806586A (zh) * | 2010-04-21 | 2010-08-18 | 上海交通大学 | 基于图像匹配的汽车密封条截面轮廓测量装置及测量方法 |
US20130196829A1 (en) * | 2010-07-02 | 2013-08-01 | Apos - Medical And Sports Technologies Ltd. | Device and Methods for Tuning a Skeletal Muscle |
CN102742977A (zh) * | 2012-07-02 | 2012-10-24 | 东莞职业技术学院 | 基于图像处理的涂胶路径控制方法 |
WO2016139312A1 (en) * | 2015-03-03 | 2016-09-09 | Cytoo | High content and functional screening method in a physiologically relevant duchenne or becker muscular dystrophy model |
Non-Patent Citations (4)
Title |
---|
WEI-WEI XIAO等: "Wrinkle analysis of a space planar film reflect-array", 《JOURNAL OF ZHEJIANG UNIVERSITY-SCIENCE A (APPLIED PHYSICS & ENGINEERING)》 * |
王亚运: "基于机器视觉的机器人涂胶质量在线检测技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
舒雨锋等: "中后帮鞋机全自动涂胶控制系统", 《机电工程》 * |
陆姜江等: "基于图像处理的轮胎胶条宽度控制的应用研究", 《电子科技》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921808A (zh) * | 2018-06-27 | 2018-11-30 | 清华大学 | 一种平面工件喷涂轨迹生成方法、系统及计算机存储介质 |
CN108921808B (zh) * | 2018-06-27 | 2020-12-22 | 清华大学 | 一种平面工件喷涂轨迹生成方法、系统及计算机存储介质 |
CN110068274A (zh) * | 2019-05-29 | 2019-07-30 | 易思维(杭州)科技有限公司 | 涂胶传感器胶条检测示教方法 |
CN110189316A (zh) * | 2019-05-29 | 2019-08-30 | 易思维(杭州)科技有限公司 | 一种胶条检测自动示教方法 |
CN110068274B (zh) * | 2019-05-29 | 2020-08-07 | 易思维(杭州)科技有限公司 | 涂胶传感器胶条检测示教方法 |
CN110646431A (zh) * | 2019-10-30 | 2020-01-03 | 易思维(杭州)科技有限公司 | 涂胶传感器的自动示教方法 |
CN111539939A (zh) * | 2020-04-27 | 2020-08-14 | 扬州哈工科创机器人研究院有限公司 | 一种基于机器视觉的缺陷检测方法及装置 |
CN112215891A (zh) * | 2020-07-13 | 2021-01-12 | 浙江大学山东工业技术研究院 | 一种铝型材门窗注胶孔及销钉孔的视觉定位方法和系统 |
CN112975907A (zh) * | 2021-02-08 | 2021-06-18 | 易思维(杭州)科技有限公司 | 一种对弧状焊缝、胶条的视觉检测方法 |
CN112975907B (zh) * | 2021-02-08 | 2022-04-01 | 易思维(杭州)科技有限公司 | 一种对弧状焊缝、胶条的视觉检测方法 |
CN115841581A (zh) * | 2023-02-20 | 2023-03-24 | 宜科(天津)电子有限公司 | 一种门板骨架的特征点提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107895372B (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895372A (zh) | 一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 | |
CN104990926B (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与系统 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN105157563B (zh) | 一种基于机器视觉的啤酒瓶口定位方法 | |
CN109900706A (zh) | 一种基于深度学习的焊缝及焊缝缺陷检测方法 | |
CN108090423A (zh) | 一种基于热力图和关键点回归的深度车牌检测方法 | |
CN113537301B (zh) | 基于模板自适应匹配瓶体标签的缺陷检测方法 | |
CN107671896A (zh) | 基于scara机器人的快速视觉定位方法及系统 | |
CN110503638B (zh) | 螺旋胶质量在线检测方法 | |
CN106340044A (zh) | 摄像机外参自动标定方法及标定装置 | |
CN104400265A (zh) | 一种激光视觉引导的焊接机器人角接焊缝特征的提取方法 | |
CN109101932B (zh) | 基于目标检测的多任务及临近信息融合的深度学习方法 | |
CN107862690A (zh) | 一种基于特征点匹配的电路板元器件定位方法和定位装置 | |
CN103927748B (zh) | 一种基于多矩形图像距离转换模型的坐标标定方法 | |
CN111723863B (zh) | 果树花朵的识别及位置获取方法、装置、计算机设备及存储介质 | |
CN104613869A (zh) | 一种基于最大内切圆的椭圆孔组检测方法和系统 | |
CN111461036A (zh) | 一种利用背景建模增强数据的实时行人检测方法 | |
CN104457691B (zh) | 一种建筑物主体高程信息获取方法 | |
CN114324398A (zh) | 一种药食品包装标签智能视觉检测系统及检测方法 | |
CN107564015B (zh) | 一种基于多色级图像连通域的分割和标记方法及装置 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
CN115984360B (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
CN109002745A (zh) | 一种基于深度学习和跟踪技术的车道线实时检测方法 | |
CN115239002A (zh) | 一种新能源分布式光伏电站监测预警系统及方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Haiqing Inventor after: Guo Lei Inventor after: Zou Jian Inventor after: Lv Meng Inventor before: Liu Haiqing Inventor before: Yin Shibin Inventor before: Guo Lei Inventor before: Zou Jian Inventor before: Zhuang Xuan Inventor before: Lv Meng |
|
GR01 | Patent grant | ||
GR01 | Patent grant |