CN108364311A - 一种金属部件自动定位方法及终端设备 - Google Patents
一种金属部件自动定位方法及终端设备 Download PDFInfo
- Publication number
- CN108364311A CN108364311A CN201810083370.4A CN201810083370A CN108364311A CN 108364311 A CN108364311 A CN 108364311A CN 201810083370 A CN201810083370 A CN 201810083370A CN 108364311 A CN108364311 A CN 108364311A
- Authority
- CN
- China
- Prior art keywords
- point
- polygon
- image
- metal parts
- edge
- 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
- 239000002184 metal Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000013459 approach Methods 0.000 claims abstract description 15
- 230000005484 gravity Effects 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000003754 machining Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
-
- 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
- G06T7/187—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于视觉定位技术领域，提供了一种金属部件自动定位方法及终端设备，所述的自动定位方法包括：采集金属部件图像，并进行二值化处理得到二值化图像；将所述二值化图像进行边缘提取，获取边缘图像；对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标；根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。通过本发明可以避免对一些加工精度较高、做工精细的工件被定位装置划伤的风险，实现加工工件精确无损的定位。
Description
技术领域
本发明属于视觉定位技术领域，尤其涉及一种金属部件自动定位方法及终端设备。
背景技术
随着电子科学技术的日异月新，自动化生产成为电子制造业的大趋势。目前，在自动化生产加工过程中，金属部件的定位依赖于机械定位。
机械定位方法主要基于六点定位原理，采用六个支撑点来限制工件的六个自由度，确定了工件所需要被限制的自由度后，将通过一定的装置产生加紧力把工件固定，使工件保持在准确的加工位置上；这种把工件压紧夹牢实现定位的方法，通常是由夹具的加紧装置来完成的，对于一些加工精度较高、做工精细的工件存在容易损伤划伤产品的风险，从而影响工件的加工贴合度的精度以及生产效率。
发明内容
有鉴于此，本发明实施例提供了一种金属部件自动定位方法及终端设备，以解决现有技术中由夹具的加紧装置压紧夹牢导致工件被划伤从而影响加工贴合度的精度的问题。
本发明实施例的第一方面提供了一种金属部件自动定位方法，包括：
采集金属部件图像，并进行二值化处理得到二值化图像；
将所述二值化图像进行边缘提取，获取边缘图像；
对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标；
根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。
本发明实施例的第二方面提供了一种金属部件自动定位装置，包括：
第一处理单元，用于采集金属部件图像，并进行二值化处理得到二值化图像；
第二处理单元，用于将所述二值化图像进行边缘提取，获取边缘图像；
第一计算单元，用于对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标；
第二计算单元，用于根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。
本发明实施例的第三方面提供了一种自动定位终端设备，包括：三维运动平台、运动控制卡、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述金属部件自动定位方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述金属部件自动定位方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明可以通过采集部件图像，并对图像进行二值化处理，以及边缘提取，获取边缘图像，对边缘图像进行多边形拟合，并获取多边形的重心坐标，进一步根据重心坐标获取所有多边形重心的中心坐标以及多边形重心坐标拟合直线的斜率，可以实现金属部件的高精度无损定位，改善了金属部件加工贴合的精度，提高了生产率，具有较强的易用性和实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的金属部件自动定位方法的实现流程示意图；
图2是本发明实施例提供的多边形拟合结果的效果示意图；
图3是本发明实施例提供的标准位置检测结果标记的示例图；
图4是本发明实施例提供的平移偏差值检测结果标记的示例图；
图5是本发明实施例提供的旋转角度偏差检测结果标记的示例图；
图6是本发明实施例提供的金属部件自动定位装置的示意图；
图7是本发明实施例提供的自动定位终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，是本发明实施例提供的金属部件自动定位方法的实现流程示意图，所述方法可结合具有三维运动平台的自动定位终端设备实现金属部件的精准无损的定位。如图所示该方法可以包括以下步骤：
步骤S101，采集金属部件图像，并进行二值化处理得到二值化图像。
在本发明实施例中，运用基于图像处理方法的计算机视觉技术，实现对金属部件坐标的快速准确定位。采用近红外背光源进行照明，通过图像采集设备(例如面阵相机)采集金属部件的图像信息；其中，为了优化计算效率，可以通过人机交互界面对采集到的图像信息进行手动的框选操作，得到金属部件区域的裁剪矩形，进一步根据裁剪矩形将图像裁剪获取裁剪后的图像。
需要说明的是，对裁剪后的图像可以做灰度直方图进行统计，从而根据灰度直方图计算灰度二值化阈值；还可以通过大津法对其进行二值化操作获取二值化图像；所述的大津法是根据阈值将原图像分成前景和背景两个图像，所述的二值化处理就是将原图像上的像素点的灰度值设置为0或255，将整个图像呈现出明显的黑白效果，从而凸显出金属部件的轮廓。
步骤S102，将所述二值化图像进行边缘提取，获取边缘图像。
在本发明实施例中，所述的边缘图像是对二值化图像进行边缘提取后得到的图像；边缘也是图像最基本的特征，是图像中特性(如像素灰度、纹理等)分布的不连续处，图像的边缘也包含着丰富的信息，是图像信息最集中的地方。
另外，所述的边缘提取可以先通过微分算子法，根据图像边缘处的一阶导数有极值或二阶导数过零点的原理对图像边缘进行检测，所述的算子包括但不仅限于Roberts算子、Sobel算子、Prewitt算子、Kriseh算子等；还可以通过基于曲面的拟合或基于Canny算子进行图像边缘的提取。
优选的，在将所述二值化图像进行边缘提取，获取边缘图像包括：
步骤S1021，将所述二值化图像中的白色连通区域进行标记，得到标记图像。
在本发明实施例中，可以根据二值化阈值将图像分成两部分，大于阈值的像素群和小于阈值的像素群，例如可以将大于阈值的像素群设定为白色(或者黑色)，将小于阈值的像素群设定为黑色(或者白色)；在本实施例中，可设定所述二值化图像中的白色区域代表金属部件的图像区域；将白色连通区域进行标记，将每个单独的连通区域形成一个被标识的块，从而得到被标记的图像。
另外，对于白色连通区域，可以通过遍历图像，记下每一行(或列)中连续的团和标记的等价对，然后通过等价对对原来的图像进行重新标记的方法实现对连通区域的标记；还可以通过定位连通区域的内外轮廓来标记整个图像的白色连通区域。
进一步的，通过标记算法，统计出各个连通区域的位置，实现对金属部件进一步的精确定位。
步骤S1022，选取所述标记图像中符合预设条件的连通区域图像。
在本发明实施例中，计算每个连通区域的面积值，设定最小面积阈值和最大面积阈值，并对标记图像进行处理，过滤小于最小面积阈值以及大于最大面积阈值的连通区域，从而保留符合条件的区域。
进一步的，对保留区域统计出整个白色像素区域的坐标，并计算出整个白色像素区域的最小外接矩形，根据最小外接矩形对图像进行裁剪，并根据白色像素区域坐标获取最小外接矩形的重心坐标，进一步复制保留区域图像，获取位置更精确的图像信息。
步骤S1023，对所述连通区域图像去噪以及提取所述连通区域图像的边缘，获取所述边缘图像。
在本发明实施例中，一副图像包括目标物体、背景还有噪声，因此需要进一步对得到的连通区域图像进行去噪处理，所述的去噪可以通过高斯低通滤波实现，还可以通过双边滤波去噪或非局部均值去噪等去噪方法。
对于图像边缘的提取，具体已经在步骤S102中介绍，在此不再赘述。
步骤S103，对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标。
在本发明实施例中，获取到边缘图像后，对图像进行多边形的拟合；所述的多边形拟合，以直代曲，以多边形来拟合目标图像不规则的边界曲线，减少数据量，进一步获取目标图像的特征值，例如多边形的长度、宽度、边长、面积等；进一步获取多边形的重心坐标特征值。
优选的，如图2所示的本发明实施例提供的多边形拟合结果的效果示意图，所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标包括：
步骤S1031，选取所述边缘图像中边缘点中纵坐标最小的点，记为P0。
在二维坐标系中，将边缘图像中的所有图像的边缘点坐标中，纵坐标最小的点，记为P0点。
步骤S1032，以P0为原点，计算其它边缘点相对于P0点的夹角，并排序确定多边形凸包上的第一点P0和第二点P1。
整体平移边缘点坐标，将P0点作为原点，计算边缘上各个点相对于P0点在二维坐标系中的夹角，按照角度的从小到大的顺序对边缘上各个点进行排序，一次放入边缘点数据栈中，当角度相同时，选择距离P0点比较近的点排在靠近栈顶的位置；以此可以初步确定出第一点P0点和第二点P1点，放入多边形凸包顶点数据栈中。
步骤S1033，选定P1点后一点为当前点P2，连接P0点与P1点构成直线L。
在得到的边缘点数据栈中，选定P1点后一点为当前点记为P2点，并连接多边形凸包顶点数据栈中的P0点与P1点，构成直线L，以便查找多边形凸包顶点数据中的第三个点。
步骤S1034，判断所述当前点P2是否在所述直线L的右侧；若所述当前点P2在所述直线L的右侧，则所述第二点P1不是多边形凸包上的点，剔除所述第二点P1；若所述当前点P2不在所述直线L的右侧，则所述当前点P2是多边形凸包上的点，获取所述当前点P2，并记为第三点。
在本发明实施例中，根据之前获取的当前点P2与直线L的位置关系，判断下一个多边形凸包上的数据点；若当前点P2在直线L的右侧，说明初步确定的第二点P1点不是多边形凸包上的点，则将初步确定的第二点P1移出多边形凸包顶点数据栈；若当前点P2在直线L上或者在直线L的左边，则说明当前点P2是多边形凸包上的点，初步确定的第二点P1也是多边形凸包上点，将当前点P2作为第三个多边形凸包上的点放入多边形凸包顶点数据栈中。
需要说明的是，可以应用上述方法循环查找确定多边形凸包上的其它点的位置，并不仅限于三个点的查找与确定，还可以继续查找后续的P3点、P4点至P12点等，直至查找到拟合多边形的所有凸包顶点的数据为止。
步骤S1035，获取所述第一点P0、所述第二点P1和所述第三点P2的坐标，并根据三个点的坐标计算多边形的重心坐标。
在本发明实施例中，可以根据确定的多边形凸包顶点的数据坐标，计算得到所述多边形的重心的坐标，所述的多边形凸包顶点数据也不仅限于第一点P0、第二点P1和第三点P2三个点，根据拟合多边形具体的顶点数据来计算确定多边形的重心坐标。
需要说明的是，上述多边形拟合方法对于边缘图像中的所有轮廓图像进行多边形拟合，可以得到对应的多个拟合多边形，同时可以计算得到多个拟合多边形的重心坐标。
优选的，所述边缘图像进行多边形拟合，并计算所有多边形的重心坐标还包括：
步骤S1131，检测所述当前点P2是否为获取的最后一个元素点。
在本发明实施例中，确定并获取到第三个点P2后，还可以判断当前第三个点P2是否为多边形凸包顶点数据中的最后一个元素点，以便进一步确定多边形凸包上的顶点数据。
步骤S1132，若是最后一个元素点，则获取的多边形凸包上的点为多边形的顶点，依次连接顶点得到多边形区域；若不是，则继续判断所述当前点P2后一点与下一直线L1的位置关系，查找下一个元素点，其中下一直线L1为P0点与P2点的连线。
在本发明实施例中，若判断当前第三点P2点为多边形凸包顶点数据中的最后一个元素点，则根据多边形凸包顶点数据栈中的所有元素点为拟合多边形的顶点数据，一次连接顶点数据，拟合得到多边形区域；若当前第三点P2不是多边形凸包顶点数据中的最后一个元素点，则继续查找下一个元素点，进一步判断当前第三点P2的后一点与下一直线L1的位置关系，其中下一直线L1可以是P0点与P2点的连线，以此类推，循环上述多边形凸包顶点元素查找方法，拟合得到所有多边形的全部顶点元素，构成拟合多边形，根据在二维坐标系中的具体顶点坐标信息，获取所有多边形的重心坐标。
步骤S104，根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。
在本发明实施例中，对获取的所有多边形重心统计处理，可以根据所有多边形的重心坐标进一步计算得到所有重心坐标的中心坐标，还可以通过将所有重心坐标拟合获取拟合直线以及计算得到拟合直线的斜率。
优选的，所述根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率包括：
步骤S1041，根据所述中心坐标，判断金属部件的平移偏差值。
步骤S1042，根据所述重心坐标拟合直线斜率，判断金属部件的旋转角度偏差值。
在本发明实施例中，所述的中心坐标可以代表金属部件的核心具体位置坐标，根据中心坐标与规定的坐标的偏差，可以判断出金属部件在二维平面内的偏移量，可以是X轴方向的偏移量，可以是Y轴方向的偏移量，还可以是XY同时发生的偏移量，根据中心坐标的可以准确的定位到金属部件的位置偏差；根据重心坐标拟合得到直线的斜率，可以采用反三角函数对直线斜率进行处理，得到对应的角度，根据角度值判断金属部件存在的旋转角度的偏差。
进一步的，如图3所示的本发明实施例提供的标准位置检测结果标记的示例图，在XY轴方向以及在旋转R方向上均没有偏差，如图4所示的本发明实施例提供的平移偏差值检测结果标记示例图，在XY轴方向上存在一定的偏差，根据具体的坐标信息可以计算得到具体的偏差量；如图5所示的本发明实施例提供的旋转角度偏差检测结果标记的示例图，根据拟合的直线斜率可以计算得到具体的发生的角度偏差量。
另外，根据计算得到的中心坐标偏差量以及旋转角度偏差量，可以将数据传输至三维运动平台，利用运动控制卡以及伺服驱动控制系统，根据具体的偏差数据实现对金属部件位置的自动校正以及进行自动化贴合。
通过本发明实施例，运用基于图像处理方法的计算机视觉技术，实现了对金属部件坐标的快速准确的定位；采用近红外背光源采集图像，使成像边缘更清晰易辨，具有环保节能、寿命长等优点；通过阈值分割和多边形拟合算法，分别实现对金属部件的粗定位和精确定位；通过形状匹配和直线拟合获得旋转角度的粗定位和精确定位，具有速度快、准确率高、处理稳定等特点；从而可以达到简便、高效、准确的自动定位出金属部件精确位置的目的。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图6是本发明一实施例提供的金属部件自动定位装置的示意图，为了便于说明，仅示出与本发明实施例相关的部分。
该金属部件自动定位装置可以为三维运动平台内部或拍摄装置内的软件单元、硬件单元或者软硬结合的单元，也可以作为独立的挂件集成到所述自动定位终端设备中。
所述金属部件自动定位装置包括：
第一处理单元61，用于采集金属部件图像，并进行二值化处理得到二值化图像；
第二处理单元62，用于将所述二值化图像进行边缘提取，获取边缘图像；
第一计算单元63，用于对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标；
第二计算单元64，用于根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。
可选的，所述第二处理单元62，具体包括：
标记模块，用于将所述二值化图像中的白色连通区域进行标记，得到标记图像；
筛选模块，用于选取所述标记图像中符合预设条件的连通区域图像；
边缘提取模块，用于对所述连通区域图像去燥以及提取所述连通区域图像的边缘，获取所述边缘图像。
可选的第二计算单元64，具体包括：
边缘点提取模块，用于获取所述第一点P0、所述第二点P1和所述第三点P2的坐标，并根据三个点的坐标计算多边形的重心坐标；
边缘点检测模块，用于检测所述当前点P2是否为获取的最后一个元素点；若是最后一个元素点，则获取的多边形凸包上的点为多边形的顶点，依次连接顶点得到多边形区域；若不是，则继续判断所述当前点P2后一点与直线L的位置关系，查找下一个元素点；
偏差值计算模块，用于根据所述中心坐标，判断金属部件的平移偏差值；根据所述重心坐标拟合直线的斜率，判断金属部件的旋转角度偏差值。
本发明实施例应用视觉定位技术，对检测区域做多边形拟合操作，得到待检测区域的特征点位置，获取精确的XYR坐标，基于XYR三维运动平台，利用运动控制卡及伺服驱动控制系统对金属部件自动位置校正以及自动化贴合，实现了简便、高效、准确的自动定位出金属部件精确位置的目的。
图7是本发明一实施例提供的自动定位终端设备的示意图。如图7所示，该实施例的自动定位终端设备7包括：三维运动平台、运动控制卡、处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如多边形拟合程序。所述处理器70执行所述计算机程序72时实现上述各个金属部件自动定位方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块61至64的功能。
示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述自动定位终端设备7中的执行过程。例如，所述计算机程序72可以被分割成第一处理单元、第二处理单元、第一计算单元、第二计算单元。
所述自动定位终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是自动定位终端设备7的示例，并不构成对自动定位终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述自动定位终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述自动定位终端设备7的内部存储单元，例如自动定位终端设备7的硬盘或内存。所述存储器71也可以是所述自动定位终端设备7的外部存储设备，例如所述自动定位终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述自动定位终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述自动定位终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种金属部件自动定位方法，其特征在于，包括：
采集金属部件图像，并进行二值化处理得到二值化图像；
将所述二值化图像进行边缘提取，获取边缘图像；
对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标；
根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。
2.如权利要求1所述的金属部件自动定位方法，其特征在于，所述将所述二值化图像进行边缘提取，获取边缘图像包括：
将所述二值化图像中的白色连通区域进行标记，得到标记图像；
选取所述标记图像中符合预设条件的连通区域图像；
对所述连通区域图像去噪以及提取所述连通区域图像的边缘，获取所述边缘图像。
3.如权利要求1所述的金属部件自动定位方法，其特征在于，对所述边缘图像进行多边形拟合，并根绝拟合的多边形获取所述多边形的重心坐标包括：
选取所述边缘图像中边缘点中纵坐标最小的点，记为P0；
以P0为原点，计算其它边缘点相对于P0点的夹角，并排序确定多边形凸包上的第一点P0和第二点P1；
选定P1点后一点为当前点P2，连接P0点与P1点构成直线L；
判断所述当前点P2是否在所述直线L的右侧；
若所述当前点P2在所述直线L的右侧，则所述第二点P1不是多边形凸包上的点，剔除所述第二点P1；
若所述当前点P2不在所述直线L的右侧，则所述当前点P2是多边形凸包上的点，获取所述当前点P2，并记为第三点；
获取所述第一点P0、所述第二点P1和所述第三点P2的坐标，并根据三个点的坐标计算多边形的重心坐标。
4.如权利要求3所述的金属部件自动定位方法，其特征在于，对所述边缘图像进行多边形拟合，并计算所有多边形的重心坐标还包括：
检测所述当前点P2是否为获取的最后一个元素点；
若是最后一个元素点，则获取的多边形凸包上的点为多边形的顶点，依次连接顶点得到多边形区域；
若不是，则继续判断所述当前点P2后一点与下一直线L1的位置关系，查找下一个元素点，其中下一直线L1为P0点与P2点的连线。
5.如权利要求3所述的金属部件自动定位方法，其特征在于，所述根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率包括：
根据所述中心坐标，判断金属部件的平移偏差值；
根据所述所有多边形重心坐标拟合直线的斜率，判断金属部件的旋转角度偏差值。
6.一种金属部件自动定位装置，其特征在于，包括：
第一处理单元，用于采集金属部件图像，并进行二值化处理得到二值化图像；
第二处理单元，用于将所述二值化图像进行边缘提取，获取边缘图像；
第一计算单元，用于对所述边缘图像进行多边形拟合，并根据拟合的多边形获取所述多边形的重心坐标；
第二计算单元，用于根据所述重心坐标计算得到所有多边形重心的中心坐标，以及所有多边形重心坐标拟合直线的斜率。
7.如权利要求6所述的金属部件自动定位装置，其特征在于，所述第二处理单元包括：
标记模块，用于将所述二值化图像中的白色连通区域进行标记，得到标记图像；
筛选模块，用于选取所述标记图像中符合预设条件的连通区域图像；
边缘提取模块，用于对所述连通区域图像去燥以及提取所述连通区域图像的边缘，获取所述边缘图像。
8.如权利要求6所述的金属部件自动定位装置，所述第二计算单元包括：
边缘点提取模块，用于获取所述第一点P0、所述第二点P1和所述第三点P2的坐标，并根据三个点的坐标计算多边形的重心坐标；
边缘点检测模块，用于检测所述当前点P2是否为获取的最后一个元素点；若是最后一个元素点，则获取的多边形凸包上的点为多边形的顶点，依次连接顶点得到多边形区域；若不是，则继续判断所述当前点P2后一点与直线L的位置关系，查找下一个元素点；
偏差值计算模块，用于根据所述中心坐标，判断金属部件的平移偏差值；根据所述所有多边形重心坐标拟合直线的斜率，判断金属部件的旋转角度偏差值。
9.一种自动定位终端设备，包括三维运动平台、运动控制卡、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810083370.4A CN108364311B (zh) | 2018-01-29 | 2018-01-29 | 一种金属部件自动定位方法及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810083370.4A CN108364311B (zh) | 2018-01-29 | 2018-01-29 | 一种金属部件自动定位方法及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108364311A true CN108364311A (zh) | 2018-08-03 |
| CN108364311B CN108364311B (zh) | 2020-08-25 |
Family
ID=63007408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810083370.4A Active CN108364311B (zh) | 2018-01-29 | 2018-01-29 | 一种金属部件自动定位方法及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108364311B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109632007A (zh) * | 2019-01-17 | 2019-04-16 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
| CN109685764A (zh) * | 2018-11-19 | 2019-04-26 | 深圳市维图视技术有限公司 | 产品定位方法、装置及终端设备 |
| CN109934800A (zh) * | 2019-01-30 | 2019-06-25 | 红云红河烟草(集团)有限责任公司 | 一种烟包卡纸的定位方法及系统 |
| CN110060270A (zh) * | 2019-04-25 | 2019-07-26 | 宁锐慧创信息科技南京有限公司 | 一种适用于低成像质量多边形管状物体的边缘检测方法 |
| CN110378922A (zh) * | 2019-06-10 | 2019-10-25 | 五邑大学 | 基于自适应阈值分割算法的平滑图像生成方法和装置 |
| CN110490886A (zh) * | 2019-07-31 | 2019-11-22 | 武汉大学 | 一种针对倾斜视角下证件图像的自动纠正方法及系统 |
| CN111079772A (zh) * | 2019-12-18 | 2020-04-28 | 深圳科瑞技术股份有限公司 | 图像边缘提取处理方法、装置及存储介质 |
| CN111524134A (zh) * | 2020-05-09 | 2020-08-11 | 中南大学 | 生产线上蜂窝产品规整度的检测方法及检测装置 |
| CN111627058A (zh) * | 2020-04-17 | 2020-09-04 | 联想(北京)有限公司 | 一种定位视觉中心点的方法、设备及存储介质 |
| TWI715184B (zh) * | 2019-09-04 | 2021-01-01 | 新煒科技有限公司 | 圖像中目標物體定位方法、裝置、電腦裝置及存儲介質 |
| CN112381081A (zh) * | 2020-11-16 | 2021-02-19 | 深圳壹账通智能科技有限公司 | 公章文字自动识别方法、装置、计算机设备及存储介质 |
| CN112446918A (zh) * | 2019-09-04 | 2021-03-05 | 三赢科技（深圳）有限公司 | 图像中目标物体定位方法、装置、计算机装置及存储介质 |
| CN113112490A (zh) * | 2021-04-23 | 2021-07-13 | 上海卓昕医疗科技有限公司 | 一种三维医学影像标记点提取方法及系统 |
| CN113393534A (zh) * | 2021-06-23 | 2021-09-14 | 广东利元亨智能装备股份有限公司 | 产品贴合方法、装置、设备及系统 |
| CN113866183A (zh) * | 2021-09-15 | 2021-12-31 | 北京首钢股份有限公司 | 一种带钢表面检测仪的故障检测方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2096602A1 (en) * | 2008-02-27 | 2009-09-02 | Honeywell International Inc. | Methods and apparatus for runway segmentation using sensor analysis |
| CN102968926A (zh) * | 2012-05-25 | 2013-03-13 | 中国科学院地理科学与资源研究所 | 分区统计地图符号配置系统及其方法 |
| CN104063893A (zh) * | 2014-04-14 | 2014-09-24 | 北京师范大学 | 基于格式塔心理学准则和多标签图割最小化的城市建筑可视化的方法 |
| CN106934813A (zh) * | 2015-12-31 | 2017-07-07 | 沈阳高精数控智能技术股份有限公司 | 一种基于视觉定位的工业机器人工件抓取实现方法 |
| CN106981060A (zh) * | 2017-02-27 | 2017-07-25 | 湖南大学 | 一种智能空瓶检测机器人瓶底定位方法 |
| US20170278493A1 (en) * | 2016-03-22 | 2017-09-28 | Yamaha Corporation | Musical instrument |
| CN107516095A (zh) * | 2016-06-16 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 一种图像识别方法及装置 |
-
2018
- 2018-01-29 CN CN201810083370.4A patent/CN108364311B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2096602A1 (en) * | 2008-02-27 | 2009-09-02 | Honeywell International Inc. | Methods and apparatus for runway segmentation using sensor analysis |
| CN102968926A (zh) * | 2012-05-25 | 2013-03-13 | 中国科学院地理科学与资源研究所 | 分区统计地图符号配置系统及其方法 |
| CN104063893A (zh) * | 2014-04-14 | 2014-09-24 | 北京师范大学 | 基于格式塔心理学准则和多标签图割最小化的城市建筑可视化的方法 |
| CN106934813A (zh) * | 2015-12-31 | 2017-07-07 | 沈阳高精数控智能技术股份有限公司 | 一种基于视觉定位的工业机器人工件抓取实现方法 |
| US20170278493A1 (en) * | 2016-03-22 | 2017-09-28 | Yamaha Corporation | Musical instrument |
| CN107516095A (zh) * | 2016-06-16 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 一种图像识别方法及装置 |
| CN106981060A (zh) * | 2017-02-27 | 2017-07-25 | 湖南大学 | 一种智能空瓶检测机器人瓶底定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈华政: "身份证底卡扫描图像自动纠偏方法", 《科学技术与工程》 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020103220A1 (zh) * | 2018-11-19 | 2020-05-28 | 深圳市维图视技术有限公司 | 产品定位方法、装置及终端设备 |
| CN109685764A (zh) * | 2018-11-19 | 2019-04-26 | 深圳市维图视技术有限公司 | 产品定位方法、装置及终端设备 |
| CN109632007A (zh) * | 2019-01-17 | 2019-04-16 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
| CN109632007B (zh) * | 2019-01-17 | 2020-12-04 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
| CN109934800A (zh) * | 2019-01-30 | 2019-06-25 | 红云红河烟草(集团)有限责任公司 | 一种烟包卡纸的定位方法及系统 |
| CN110060270A (zh) * | 2019-04-25 | 2019-07-26 | 宁锐慧创信息科技南京有限公司 | 一种适用于低成像质量多边形管状物体的边缘检测方法 |
| CN110060270B (zh) * | 2019-04-25 | 2021-05-04 | 宁锐慧创信息科技南京有限公司 | 一种适用于低成像质量多边形管状物体的边缘检测方法 |
| CN110378922A (zh) * | 2019-06-10 | 2019-10-25 | 五邑大学 | 基于自适应阈值分割算法的平滑图像生成方法和装置 |
| CN110378922B (zh) * | 2019-06-10 | 2022-11-08 | 五邑大学 | 基于自适应阈值分割算法的平滑图像生成方法和装置 |
| CN110490886A (zh) * | 2019-07-31 | 2019-11-22 | 武汉大学 | 一种针对倾斜视角下证件图像的自动纠正方法及系统 |
| CN110490886B (zh) * | 2019-07-31 | 2022-04-01 | 武汉大学 | 一种针对倾斜视角下证件图像的自动纠正方法及系统 |
| TWI715184B (zh) * | 2019-09-04 | 2021-01-01 | 新煒科技有限公司 | 圖像中目標物體定位方法、裝置、電腦裝置及存儲介質 |
| CN112446918A (zh) * | 2019-09-04 | 2021-03-05 | 三赢科技（深圳）有限公司 | 图像中目标物体定位方法、装置、计算机装置及存储介质 |
| CN111079772A (zh) * | 2019-12-18 | 2020-04-28 | 深圳科瑞技术股份有限公司 | 图像边缘提取处理方法、装置及存储介质 |
| CN111627058A (zh) * | 2020-04-17 | 2020-09-04 | 联想(北京)有限公司 | 一种定位视觉中心点的方法、设备及存储介质 |
| CN111627058B (zh) * | 2020-04-17 | 2024-07-23 | 联想(北京)有限公司 | 一种定位视觉中心点的方法、设备及存储介质 |
| CN111524134A (zh) * | 2020-05-09 | 2020-08-11 | 中南大学 | 生产线上蜂窝产品规整度的检测方法及检测装置 |
| CN111524134B (zh) * | 2020-05-09 | 2021-07-20 | 中南大学 | 生产线上蜂窝产品规整度的检测方法及检测装置 |
| CN112381081A (zh) * | 2020-11-16 | 2021-02-19 | 深圳壹账通智能科技有限公司 | 公章文字自动识别方法、装置、计算机设备及存储介质 |
| CN113112490B (zh) * | 2021-04-23 | 2022-09-30 | 上海卓昕医疗科技有限公司 | 一种三维医学影像标记点提取方法及系统 |
| CN113112490A (zh) * | 2021-04-23 | 2021-07-13 | 上海卓昕医疗科技有限公司 | 一种三维医学影像标记点提取方法及系统 |
| CN113393534B (zh) * | 2021-06-23 | 2022-06-17 | 广东利元亨智能装备股份有限公司 | 产品贴合方法、装置、设备及系统 |
| CN113393534A (zh) * | 2021-06-23 | 2021-09-14 | 广东利元亨智能装备股份有限公司 | 产品贴合方法、装置、设备及系统 |
| CN113866183A (zh) * | 2021-09-15 | 2021-12-31 | 北京首钢股份有限公司 | 一种带钢表面检测仪的故障检测方法及装置 |
| CN113866183B (zh) * | 2021-09-15 | 2023-11-14 | 北京首钢股份有限公司 | 一种带钢表面检测仪的故障检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108364311B (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108364311A (zh) | 一种金属部件自动定位方法及终端设备 | |
| CN111178250B (zh) | 物体识别定位方法、装置及终端设备 | |
| Rennie et al. | A dataset for improved rgbd-based object detection and pose estimation for warehouse pick-and-place | |
| CN107610176A (zh) | 一种基于Kinect的栈板动态识别与定位方法、系统及介质 | |
| US9483707B2 (en) | Method and device for recognizing a known object in a field of view of a three-dimensional machine vision system | |
| CN115781673B (zh) | 一种零件抓取方法、装置、设备及介质 | |
| CN104050709B (zh) | 一种三维图像处理方法及电子设备 | |
| Wang et al. | Edge extraction by merging 3D point cloud and 2D image data | |
| CN107545247B (zh) | 基于双目识别的立体认知方法 | |
| CN109903323B (zh) | 用于透明物体识别的训练方法、装置、存储介质及终端 | |
| CN113269723A (zh) | 三维视觉定位与机械手协同工作的零部件无序抓取系统 | |
| CN109767428A (zh) | 一种摄像模组脏污检测方法 | |
| CN108133477A (zh) | 一种物体检测方法及智能机械臂 | |
| Sansoni et al. | Optoranger: A 3D pattern matching method for bin picking applications | |
| CN111340834A (zh) | 基于激光雷达和双目相机数据融合的衬板装配系统及方法 | |
| CN114976338A (zh) | 一种锂电池自动拆解方法、系统及可读存储介质 | |
| CN108805838A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| CN114897974B (zh) | 一种目标物空间定位方法、系统、存储介质及计算机设备 | |
| CN109205327B (zh) | 一种基于多尺度轮廓直角检测的拆垛方法 | |
| Kaur et al. | 2-D geometric shape recognition using canny edge detection technique | |
| CN117011377A (zh) | 一种点云数据的数据处理方法和位姿估算方法 | |
| CN108145712B (zh) | 一种机器人分拣物品的方法、装置及机器人 | |
| CN114049380B (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
| Shi et al. | Corridor line detection for vision based indoor robot navigation | |
| JP6041710B2 (ja) | 画像認識方法 |
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 |