CN108053441B - 一种激光三角法高精度测量方法 - Google Patents
一种激光三角法高精度测量方法 Download PDFInfo
- Publication number
- CN108053441B CN108053441B CN201711241695.2A CN201711241695A CN108053441B CN 108053441 B CN108053441 B CN 108053441B CN 201711241695 A CN201711241695 A CN 201711241695A CN 108053441 B CN108053441 B CN 108053441B
- Authority
- CN
- China
- Prior art keywords
- value
- light
- threshold
- gray scale
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000000691 measurement method Methods 0.000 title claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 230000005484 gravity Effects 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims description 29
- 238000000280 densification Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
一种激光三角法高精度测量方法,该方法是一种激光三角法高精度测量方法中包含的变阈值亚像素灰度重心提取算法,其利用梯度阈值法和高斯拟合法准确去除光斑边缘噪声区域对灰度重心法的干扰,同时又用多项式拟合插值法增强了灰度重心法的数据密度,通过提高光斑中心的定位精度来增强激光三角法的测量准确性。由变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型两部分组成。变阈值亚像素灰度重心提取算法,通过梯度函数和高斯拟合算法设定阈值去除光斑边缘噪声区域对中心定位的影响,并用多项式拟合插值提高灰度重心法精度。建立的CCD倾角误差补偿模型可以通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
Description
技术领域
本发明涉及一种激光测量方法,特别涉及一种通过提高光斑定位精度和误差补偿方法实现的激光三角法高精度测量方法。
背景技术
激光光斑中心提取的准确度直接影响最终测量结果的精度。常用的光斑中心定位的方法有灰度重心法、高斯拟合法、Hessian矩阵法、圆拟合法等。灰度重心法算法简单对光斑对称性要求较低,但是精度不高且易受光斑边缘噪声的影响;Hessian矩阵法精度较高但是计算量大且易受到噪声影响;高斯拟合算法精度高连续性好,但要求光斑规则。
引起激光三角测量误差的因素有很多,几何角度误差、光斑定位误差、被测物表面颜色、表面粗糙度等。目前已有很多对影响激光位移传感器精度的因素进行的研究,但是都将激光位移传感器内CCD感光元件上的光斑看为准确反映光线位置的一个理想点,对测量环境中光线在CCD上倾斜照射引起的定位误差未进行深入分析。
发明内容
发明目的:
本发明提供一种激光三角法高精度测量方法,其目的是解决以往所存在的问题,该方法是一种通过提高光斑定位精度和误差补偿方法实现的激光三角法高精度测量方法。
技术方案:
一种激光三角法高精度测量方法,其特征在于:该方法是一种激光三角法高精度测量方法中包含的变阈值亚像素灰度重心提取算法,其利用梯度阈值法和高斯拟合法准确去除光斑边缘噪声区域对灰度重心法的干扰,同时又用多项式拟合插值法增强了灰度重心法的数据密度,通过提高光斑中心的定位精度来增强激光三角法的测量准确性。
由变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型两部分组成,CCD倾角误差补偿模型,通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差。
亚像素灰度重心提取算法,首先利用定义的梯度算子扫描整个图像,以每像素的R值进行梯度运算,找到图像中的最大R值梯度数值,并用最大梯度值的K1(K1<1)倍作为标识阈值,再次扫描图像,将R梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域S1,将S1内部图像保留并转化成灰度图,灰度函数为g(x,y)。在初步阈值区域S1内点拟合方程组,求解出拟合函数的极值点(xt,yt),并将该点的灰度值标记为I。设定I的K2倍作为阈值,灰度值大于灰度标记阈值的区域定义为最终阈值区域S2,并对S2内的灰度值进行高斯滤波并对滤波后的图像进行多项式拟合插值密化,并对密化后的亚像素点采用灰度重心法求出最终光心坐标。
CCD倾角误差补偿模型:当激光测量不在最佳距离时,由于反射光线与CCD感光元件不是垂直关系,检测到的光斑中心无法反应光线中心的实际位置。当被测物表面发生位移时,光束也会发生位移,但光束位移与检测到的光斑中心位移不相等,形成激光三角测量的原理误差。通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
变阈值亚像素灰度重心提取算法包括:
光斑的R值函数为f(x,y),在点(x,y)设计以下梯度算子:
扫描整个图像,以每个像素的R值进行梯度运算,找到图像中的最大R值梯度数值。用最大梯度值的K1(K1<1)倍作为标识阈值,再次扫描图像,将R梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域S1,将S1内部图像保留并转化成灰度图,灰度函数为g(x,y),以便在S1内进行最终阈值区域S2的确定。
对于多数激光光束,其光强分布可近似为高斯分布,取其高斯函数为
其中σ、σx、σy为待定参数
初步阈值区域S1内点的拟合方程组为
B=AK
由于,
A的第i行为
K为待定参数向量
其中,(xt,yt)为高斯函数的极值点坐标。用最小二乘法拟合,使残差向量E的范数达到最小
||E||2=||lng(x,y)-B||2
求解出拟合函数的极值点(xt,yt),并将该点的灰度值标记为I。然后设定标识灰度阈值K2I,灰度值大于灰度标记阈值的区域定义为最终阈值区域S2,并对S2内的灰度值进行高斯滤波并对滤波后的图像以0.1像素为间距进行多项式拟合插值密化,并按公式
对密化后的亚像素点求出最终光心坐标(x0,y0)。
CCD倾角误差补偿模型:
当激光测量的位置不是最佳距离时,光源H与接收面不是垂直关系,检测到的光斑中心E无法反应光线中心的实际位置C,光斑边缘为点B和D。光源与接收面的垂直交点为A,距离为h。当被测物表面发生位移时,光束也会发生位移,但光束位移与检测到的光斑中心位移不相等,形成激光三角测量的原理误差。
AC=h·cotβ
当光线与CCD感光元件夹角为β时,光束位移与检测到的光斑中心位移的定位误差为Δ1
当光线与CCD感光元件夹角为β+γ时,光束位移与检测到的光斑中心位移的定位误差为Δ2
以此为根据建立CCD倾角误差补偿模型,当光线与CCD倾角为β时,若待测表面位移引起的光线角度变化量为γ,此时引起的测距误差Δx为
其中,α为入射光线与反射光线夹角,L为物距,L'为像距
优点效果:
一种激光三角法高精度测量方法,由变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型两部分组成。其中变阈值亚像素灰度重心提取算法,通过梯度函数和高斯拟合算法设定阈值去除光斑边缘噪声区域对中心定位的影响,并用多项式拟合插值提高灰度重心法精度。建立的CCD倾角误差补偿模型可以通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
附图说明
图1为CCD倾角误差原理图
图中序号说明如下:A最佳距离测量时激光的投射位置、B光斑边缘、C光斑检测到的中心、D光斑边缘、E光斑实际中心、H激光发射点。
具体实施方式
使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图1和具体实施方式对本发明作进一步详细的说明。该方法是一种激光三角法高精度测量方法中包含的变阈值亚像素灰度重心提取算法,其利用梯度阈值法和高斯拟合法准确去除光斑边缘噪声区域对灰度重心法的干扰,同时又用多项式拟合插值法增强了灰度重心法的数据密度,通过提高光斑中心的定位精度来增强激光三角法的测量准确性。
本发明所采用的技术方案是:一种激光三角法高精度测量方法,其技术要点包括:变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型。
亚像素灰度重心提取算法,首先利用定义的梯度算子扫描整个图像,以每像素的R值进行梯度运算,找到图像中的最大R值梯度数值,并用最大梯度值的K1(K1<1)倍作为标识阈值,再次扫描图像,将R梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域S1,将S1内部图像保留并转化成灰度图,灰度函数为g(x,y)。在初步阈值区域S1内点拟合方程组,求解出拟合函数的极值点(xt,yt),并将该点的灰度值标记为I。设定I的K2倍作为阈值,灰度值大于灰度标记阈值的区域定义为最终阈值区域S2,并对S2内的灰度值进行高斯滤波并对滤波后的图像进行多项式拟合插值密化,并对密化后的亚像素点采用灰度重心法求出最终光心坐标。
CCD倾角误差补偿模型:当激光测量不在最佳距离时,由于反射光线与CCD感光元件不是垂直关系,检测到的光斑中心无法反应光线中心的实际位置。当被测物表面发生位移时,光束也会发生位移,但光束位移与检测到的光斑中心位移不相等,形成激光三角测量的原理误差。通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
变阈值亚像素灰度重心提取算法包括:
光斑的R值函数为f(x,y),在点(x,y)设计以下梯度算子:
扫描整个图像,以每个像素的R值进行梯度运算,找到图像中的最大R值梯度数值。用最大梯度值的K1(K1<1)倍作为标识阈值,再次扫描图像,将R梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域S1,将S1内部图像保留并转化成灰度图,灰度函数为g(x,y),以便在S1内进行最终阈值区域S2的确定。
对于多数激光光束,其光强分布可近似为高斯分布,取其高斯函数为
初步阈值区域S1内点的拟合方程组为
B=AK
由于,
A的第i行为
K为待定参数向量
其中,(xt,yt)为高斯函数的极值点坐标。用最小二乘法拟合,使残差向量E的范数达到最小
||E||2=||lng(x,y)-B||2
求解出拟合函数的极值点(xt,yt),并将该点的灰度值标记为I。然后设定标识灰度阈值K2I,灰度值大于灰度标记阈值的区域定义为最终阈值区域S2,并对S2内的灰度值进行高斯滤波并对滤波后的图像以0.1像素为间距进行多项式拟合插值密化,并按公式
对密化后的亚像素点求出最终光心坐标。
CCD倾角误差补偿模型:
当激光测量的位置不是最佳距离时,由于反射光线与CCD感光元件不是垂直关系(图1),检测到的光斑中心E无法反应光线中心的实际位置C。当被测物表面发生位移时,光束也会发生位移,但光束位移与检测到的光斑中心位移不相等,形成激光三角测量的原理误差。
AC=h·cotβ
当光线与CCD感光元件夹角为β时,光束位移与检测到的光斑中心位移的定位误差为Δ1
当光线与CCD感光元件夹角为β+γ时,光束位移与检测到的光斑中心位移的定位误差为Δ2
以此为根据建立CCD倾角误差补偿模型,当光线与CCD倾角为β时,若待测表面位移引起的光线角度变化量为γ,此时引起的测距误差Δx为
其中,α为入射光线与反射光线夹角,L为物距,L'为像距
Claims (3)
1.一种激光三角法高精度测量方法,其特征在于:该方法是一种激光三角法高精度测量方法中包含的变阈值亚像素灰度重心提取算法,其利用梯度阈值法和高斯拟合法准确去除光斑边缘噪声区域对灰度重心法的干扰,同时又用多项式拟合插值法增强了灰度重心法的数据密度,通过提高光斑中心的定位精度来增强激光三角法的测量准确性;
由变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型两部分组成,CCD倾角误差补偿模型,通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差;
CCD倾角误差补偿模型:
当激光测量的位置不是最佳距离时,光源H与接收面不是垂直关系,检测到的光斑中心E无法反应光线中心的实际位置C;光斑边缘为点B和D;光源与接收面的垂直交点为A,距离为h;当被测物表面发生位移时,光束也会发生位移,但光束位移与检测到的光斑中心位移不相等,形成激光三角测量的原理误差;
AC=h·cotβ
当光线与CCD感光元件夹角为β时,光束位移与检测到的光斑中心位移的定位误差为Δ1
当光线与CCD感光元件夹角为β+γ时,光束位移与检测到的光斑中心位移的定位误差为Δ2
以此为根据建立CCD倾角误差补偿模型,当光线与CCD倾角为β时,若待测表面位移引起的光线角度变化量为γ,此时引起的测距误差Δx为
其中,α为入射光线与反射光线夹角,L为物距,L'为像距
2.根据权利要求1所述的一种激光三角法高精度测量方法,其特征在于:变阈值亚像素灰度重心提取算法,首先利用定义的梯度算子扫描整个图像,以每像素的R值进行梯度运算,找到图像中的最大R值梯度数值,并用最大梯度值的K1倍作为标识阈值,K1<1,再次扫描图像,将R梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域S1,将S1内部图像保留并转化成灰度图,灰度函数为g(x,y);在初步阈值区域S1内点拟合方程组,求解出拟合函数的极值点(xt,yt),并将该点的灰度值标记为I;设定I的K2倍作为阈值,灰度值大于灰度标记阈值的区域定义为最终阈值区域S2,并对S2内的灰度值进行高斯滤波并对滤波后的图像进行多项式拟合插值密化,并对密化后的亚像素点采用灰度重心法求出最终光心坐标;
CCD倾角误差补偿模型:当激光测量不在最佳距离时,由于反射光线与CCD感光元件不是垂直关系,检测到的光斑中心无法反应光线中心的实际位置;当被测物表面发生位移时,光束也会发生位移,但光束位移与检测到的光斑中心位移不相等,形成激光三角测量的原理误差;通过分析激光三角法的光线路径,补偿在非最佳测量距离进行测量时产生的测量误差以提高精度。
3.根据权利要求2所述的一种激光三角法高精度测量方法,其特征在于:变阈值亚像素灰度重心提取算法包括:
光斑的R值函数为f(x,y),在点(x,y)设计以下梯度算子:
扫描整个图像,以每个像素的R值进行梯度运算,找到图像中的最大R值梯度数值;用最大梯度值的K1倍作为标识阈值,K1<1,再次扫描图像,将R梯度值等于标识阈值的像素点所围成的区域命名为初步阈值区域S1,将S1内部图像保留并转化成灰度图,灰度函数为g(x,y),以便在S1内进行最终阈值区域S2的确定;
对于多数激光光束,其光强分布可近似为高斯分布,取其高斯函数为
其中σ、σx、σy为待定参数
初步阈值区域S1内点的拟合方程组为
B=AK
由于,
A的第i行为
K为待定参数向量
其中,(xt,yt)为高斯函数的极值点坐标;用最小二乘法拟合,使残差向量E的范数达到最小
||E||2=||lng(x,y)-B||2
求解出拟合函数的极值点(xt,yt),并将该点的灰度值标记为I;然后设定标识灰度阈值K2I,灰度值大于灰度标记阈值的区域定义为最终阈值区域S2,并对S2内的灰度值进行高斯滤波并对滤波后的图像以0.1像素为间距进行多项式拟合插值密化,并按公式
对密化后的亚像素点求出最终光心坐标(x0,y0)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2017108413364 | 2017-09-18 | ||
CN201710841336 | 2017-09-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108053441A CN108053441A (zh) | 2018-05-18 |
CN108053441B true CN108053441B (zh) | 2021-09-24 |
Family
ID=62121935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711241695.2A Active CN108053441B (zh) | 2017-09-18 | 2017-11-30 | 一种激光三角法高精度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108053441B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109059897B (zh) * | 2018-05-30 | 2021-08-20 | 上海懒书智能科技有限公司 | 一种基于agv小车的实时运行姿态的获取方法 |
CN109489560B (zh) * | 2018-11-21 | 2020-06-19 | 中国联合网络通信集团有限公司 | 一种线性尺寸测量方法及装置、智能终端 |
CN109934819B (zh) * | 2019-03-22 | 2021-02-05 | 大连大学 | 一种激光拼焊待焊件图像中曲线边缘亚像素检测方法 |
CN110425998B (zh) * | 2019-06-05 | 2021-02-02 | 中北大学 | 灰度图像耦合特征点高度的构件三维测量方法 |
CN110443846A (zh) * | 2019-07-02 | 2019-11-12 | 苏州全视智能光电有限公司 | 一种基于方向模板高精度快速生成点云的方法 |
CN111539934B (zh) * | 2020-04-22 | 2023-05-16 | 苏州中科行智智能科技有限公司 | 一种线激光中心的提取方法 |
CN113421296B (zh) * | 2021-08-24 | 2021-11-26 | 之江实验室 | 一种基于灰度阈值的激光光斑质心提取方法 |
CN114419140A (zh) * | 2021-12-16 | 2022-04-29 | 上海市特种设备监督检验技术研究院 | 一种轨道激光测量装置光斑中心的定位算法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1632462A (zh) * | 2004-12-28 | 2005-06-29 | 天津大学 | 基于角度测量的三角法测距误差补偿方法 |
CN101178812A (zh) * | 2007-12-10 | 2008-05-14 | 北京航空航天大学 | 一种结构光光条中心线提取的混合图像处理方法 |
CN101986143A (zh) * | 2010-03-17 | 2011-03-16 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
US8428331B2 (en) * | 2006-08-07 | 2013-04-23 | Northeastern University | Phase subtraction cell counting method |
CN104331896A (zh) * | 2014-11-21 | 2015-02-04 | 天津工业大学 | 一种基于深度信息的系统标定方法 |
CN105354815A (zh) * | 2015-09-12 | 2016-02-24 | 沈阳理工大学 | 一种基于平板类微小型零件的精确识别定位方法 |
CN105894521A (zh) * | 2016-04-25 | 2016-08-24 | 中国电子科技集团公司第二十八研究所 | 基于高斯拟合的亚像素边缘检测方法 |
CN107092775A (zh) * | 2017-03-17 | 2017-08-25 | 沈阳工业大学 | 基于激光测量系统的锥螺纹数据处理算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI414748B (zh) * | 2009-01-23 | 2013-11-11 | Univ Nat Taipei Technology | 同步色相相移轉換方法以及其三維形貌量測系統 |
-
2017
- 2017-11-30 CN CN201711241695.2A patent/CN108053441B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1632462A (zh) * | 2004-12-28 | 2005-06-29 | 天津大学 | 基于角度测量的三角法测距误差补偿方法 |
US8428331B2 (en) * | 2006-08-07 | 2013-04-23 | Northeastern University | Phase subtraction cell counting method |
CN101178812A (zh) * | 2007-12-10 | 2008-05-14 | 北京航空航天大学 | 一种结构光光条中心线提取的混合图像处理方法 |
CN101986143A (zh) * | 2010-03-17 | 2011-03-16 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
CN104331896A (zh) * | 2014-11-21 | 2015-02-04 | 天津工业大学 | 一种基于深度信息的系统标定方法 |
CN105354815A (zh) * | 2015-09-12 | 2016-02-24 | 沈阳理工大学 | 一种基于平板类微小型零件的精确识别定位方法 |
CN105894521A (zh) * | 2016-04-25 | 2016-08-24 | 中国电子科技集团公司第二十八研究所 | 基于高斯拟合的亚像素边缘检测方法 |
CN107092775A (zh) * | 2017-03-17 | 2017-08-25 | 沈阳工业大学 | 基于激光测量系统的锥螺纹数据处理算法 |
Non-Patent Citations (5)
Title |
---|
"A vision measurement model of laser displacement sensor and its calibration method";Junhua Sun et al.;《Optics and Lasers in Engineering51》;20130703;全文 * |
"一种量化的激光位移传感器倾角误差补偿模型";孙彬;《仪器仪表学报》;20150530;第36卷(第5期);第996-1004页 * |
"便携式单镜头激光三角测厚仪研究";汪琛;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20140615;第39-42页 * |
"小尺寸光斑中心的高精度定位算法";赵婧鑫等;《红外与激光工程》;20140830;第43卷(第8期);全文 * |
汪琛."便携式单镜头激光三角测厚仪研究".《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2014,第C030-137页. * |
Also Published As
Publication number | Publication date |
---|---|
CN108053441A (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053441B (zh) | 一种激光三角法高精度测量方法 | |
CN112797915B (zh) | 一种线结构光测量系统的标定方法、标定装置、以及系统 | |
CN107340522B (zh) | 一种激光雷达定位的方法、装置及系统 | |
CN109658398B (zh) | 一种基于三维测量点云的零件表面缺陷识别与评估方法 | |
JP5132832B1 (ja) | 計測装置および情報処理装置 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
US7246034B2 (en) | Surveying apparatus and method of analyzing measuring data | |
Luo et al. | A simple calibration procedure for structured light system | |
Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
CN105783786B (zh) | 一种基于结构光视觉的零件倒角测量方法与装置 | |
Douxchamps et al. | High-accuracy and robust localization of large control markers for geometric camera calibration | |
WO2013061976A1 (ja) | 形状検査方法およびその装置 | |
CN108168541B (zh) | 一种改进的亚像元星点质心定位方法 | |
CN111640158A (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
CN107607064A (zh) | 基于点云信息的led荧光粉胶涂覆平整度检测系统及方法 | |
CN100376883C (zh) | 一种基于像素频率的星敏感器校准方法 | |
CN115187676A (zh) | 一种高精度线激光三维重建标定方法 | |
CN108917640A (zh) | 一种激光盲孔深度检测方法及其系统 | |
CN105423915A (zh) | 用于地面激光扫描数据配准的平面靶标的精确定位方法 | |
CN107289856A (zh) | 一种基于cmos图像传感器测量管道空间方位的方法 | |
CN109506629B (zh) | 一种水下核燃料组件检测装置旋转中心标定的方法 | |
CN109115127B (zh) | 一种基于贝塞尔曲线的亚像素峰值点提取算法 | |
WO2018131163A1 (ja) | 情報処理装置、データベース生成装置、方法、プログラム、及び記憶媒体 | |
CN113155023B (zh) | 液晶基板玻璃翘曲度测量方法及系统 |
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 |