CN108548654A - 基于机器视觉的摄像头缺陷检测方法 - Google Patents
基于机器视觉的摄像头缺陷检测方法 Download PDFInfo
- Publication number
- CN108548654A CN108548654A CN201810120287.XA CN201810120287A CN108548654A CN 108548654 A CN108548654 A CN 108548654A CN 201810120287 A CN201810120287 A CN 201810120287A CN 108548654 A CN108548654 A CN 108548654A
- Authority
- CN
- China
- Prior art keywords
- camera
- pixel
- adjustment
- image
- circle
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 22
- 230000000875 corresponding Effects 0.000 claims description 23
- 239000003292 glue Substances 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000196435 Prunus domestica subsp. insititia Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
Abstract
本发明公开了一种基于机器视觉的摄像头缺陷检测方法，根据摄像头的待测图像对模板图像进行放大缩放调整使两者的一致；将所述待测图像平移到调整后的模板图像上，通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷。本发明能高效提高检测摄像头缺陷的效率和准备率，从而大大节省人力成本。
Description
技术领域
本发明属于智能检测技术领域，具体涉及一种基于机器视觉的摄像头缺陷检测方法。
背景技术
目前已经进入了工业4.0时代,在这个时代，只有发展智能制造，才能满足于现代工业的需求。而工业4.0时代的核心技术便是机器视觉，机器视觉技术是20世纪人类最伟大的技术之一；人们基本是通过眼睛去感知外部的世界，外部的信息都是以一幅幅图像展示在我们面前，而图像包含的信息量是非常丰富的，需要我们使用现代技术去挖掘，让机器也同样能感知外部信息，从而帮助人类去完成更多事情，甚至去完成一些人类无法完成的事情。
目前摄像头的应用领域越来越广泛，需求也越来越多。然后在生产过程中，会有部分摄像头出现边缘溢胶，镜面溢胶，刮痕，磨损等缺陷，由于之前缺陷检测的工作都是人工完成，工作效率极其低下。
发明内容
有鉴于此，本发明的主要目的在于提供一种基于机器视觉的摄像头缺陷检测方法。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法，该方法为：根据摄像头的待测图像对模板图像进行放大缩放调整使两者的一致；将所述待测图像平移到调整后的模板图像上，通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷。
上述方案中，所述通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷，之后，该方法还包括：通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头是否存在缺陷。
上述方案中，所述通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷，之后，该方法还包括：通过所述待测图像的边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头是否存在缺陷。
上述方案中，所述根据摄像头的待测图像对模板图像进行放大缩放调整使两者的一致，具体为：根据所述待测图像确定镜头圆圈的圆心位置和圆圈半径，再通过所述镜头圆圈的圆心位置和圆圈半径确定待测图像的四个镜面边缘位置，最后根据所述待测图像的镜头圆圈的圆心位置和圆圈半径、以及四个镜面边缘位置对模板图像进行放大缩放调整使两者的一致。
上述方案中，所述通过所述镜头圆圈的圆心位置和圆圈半径确定待测图像的四个镜面边缘位置，具体为：以所述镜头圆圈的镜头圆心为O，半径为Rmin+(Rmax-Rmin)/2绘制一个圆，根据该圆设置一个掩码，所述掩码在圆心O到Rmin的距离范围内设置为0，大于Rmin+(Rmax-Rmin)/2距离范围设置为0，剩余部分为1；通过所述掩码和圆初步确定四个镜面边缘区域位置；再通过累加像素分别确定四个镜面边缘区域的重心，公式如下所示，最后根据所述四个镜面边缘区域的重心确定四个镜面的边缘位置；
其中，n表示该区域像素点数目，i第几个像素点下标，f(i)表示i下标对应的像素值。
上述方案中，所述通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷，具体为：如果所述待测图像和调整后的模板图像的镜头圆圈定位的一致，确定该摄像头合格；反之，如果所述待测图像和调整后的模板图像的镜头圆圈定位的不一致，确定该摄像头存在缺陷。
上述方案中，所述通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头是否存在缺陷，具体为：将所述待测图像的镜面像素与模板图像对应位置的第一像素阈值比较，如果两者的差值的绝对值总和在第一像素阈值之外，确定该摄像头存在缺陷的；反之，如果两者的差值的绝对值总和在第一像素阈值之内，确定该摄像头合格。
上述方案中，所述通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头存在缺陷，之后，该方法还包括：根据所述待测图像的镜面像素中在第一像素阈值之外的像素获得连通域，根据所述连通域确定该摄像头的具体缺陷类型。
上述方案中，所述通过所述待测图像的边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头是否存在缺陷，具体为：将所述待测图像的边缘位置上的像素与模板图像对应位置的第二像素阈值比较，如果两者的差值的绝对值总和在第二像素阈值之外，确定该摄像头存在缺陷的；反之，如果两者的差值的绝对值总和在第二像素阈值之内，确定该摄像头合格。
上述方案中，所述通过所述待测图像边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头存在缺陷，之后，该方法还包括：根据所述待测图像边缘位置上的像素中在第二像素阈值之外的像素获得连通域，根据所述连通域确定该摄像头是否为边缘溢胶。
与现有技术相比，本发明能高效提高检测摄像头缺陷的效率和准备率，从而大大节省人力成本。
附图说明
图1为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法的流程图；
图2为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法中确定镜头圆圈的镜头圆心的示意图；
图3为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法中为镜头圆心设计一个掩码的示意图；
图4为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法中通过所述掩码和圆初步确定四个镜面边缘区域位置的示意图；
图5为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法中检测确定为镜头溢胶的示意图；
图6为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法中检测确定为镜面刮痕的示意图；
图7为本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法中检测确定为边缘溢出胶的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明基于机器视觉的摄像头缺陷检测技术，使用基于灰度值亚像素的模板匹配定位，为了不受光照等因素影响，必须先对模板的灰度值进行归一化，将待测图像平移到模板ROI图像中，计算它们之间差值的绝对值的总和，当总和超出一定范围，则将其视为缺陷产品，再将这些具有明显差异的特征点求一个连通域确定摄像头的具体缺陷类型。
本发明实施例提供一种基于机器视觉的摄像头缺陷检测方法，如图1所示，该方法通过以下步骤实现：
步骤101：根据摄像头的待测图像对模板图像进行放大缩放调整使两者的一致；
具体地，首先，通过手动调整光源光圈，使得待检测摄像头完全处于拍摄区域，设置相应的曝光度数，使待检测摄像头的重要特征能够显现，从而获取清晰的待测图像。
然后，确定所述待测图像中的镜头圆心和半径。
在清晰的待测图像上手动绘制出镜头圆圈外切矩形，经过连通域求出绘制的矩形长度，从而确定镜头圆圈的圆心O和半径R。
接着，提取镜头圆圈模板。
通过镜头圆圈的圆心位置O和圆圈的半径R，从而确定镜头圆圈模板。
最后，通过所述镜头圆圈的圆心位置和圆圈半径确定待测图像的四个镜面边缘位置。
由摄像头设计规格可知，圆心到镜面边缘的最大距离为Rmax,最小距离为Rmin；如图2所示，以所述镜头圆圈的镜头圆心为O，半径为Rmin+(Rmax-Rmin)/2绘制一个圆，如图3所示，根据该圆设置一个掩码，所述掩码在圆心O到Rmin的距离范围内设置为0，大于Rmin+(Rmax-Rmin)/2距离范围设置为0，剩余部分为1，即掩码在[Rmin,Rmin+(Rmax-Rmin)/2]区间(该区间即为四个镜面边缘，共由四部分组成)为1，剩下部分全部为0,这样可以将镜面边缘和剩余部分通过掩码明显区分开；如图4所示，通过所述掩码和圆初步确定四个镜面边缘区域位置；再通过累加像素分别确定四个镜面边缘区域的重心，公式如下所示，最后根据所述四个镜面边缘区域的重心确定四个镜面的边缘位置；
其中，n表示该区域像素点数目，i第几个像素点下标，f(i)表示i下标对应的像素值。
确定镜头圆圈的圆心位置和圆圈半径、以及四个镜面边缘位置之后，根据所述待测图像的镜头圆圈的圆心位置和圆圈半径、以及四个镜面边缘位置对模板图像进行放大缩放调整使两者的一致。
步骤102：将所述待测图像平移到调整后的模板图像上，通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷。
具体地，如果所述待测图像和调整后的模板图像的镜头圆圈定位的一致，确定该摄像头合格；反之，如果所述待测图像和调整后的模板图像的镜头圆圈定位的不一致，确定该摄像头存在缺陷。
步骤103：通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头是否存在缺陷。
具体地，将所述待测图像的镜面像素与模板图像对应位置的第一像素阈值比较，如果两者的差值的绝对值总和在第一像素阈值之外，确定该摄像头存在缺陷的；反之，如果两者的差值的绝对值总和在第一像素阈值之内，确定该摄像头合格。
所述通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头存在缺陷，之后，再根据所述待测图像的镜面像素中在第一像素阈值之外的像素获得连通域，根据所述连通域的面积大小和缺陷阈值范围确定该摄像头的具体缺陷类型。
如图5所示，通过本发明检测确定为镜头溢胶。
步骤104：通过所述待测图像的边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头是否存在缺陷。
具体地，将所述待测图像的边缘位置上的像素与模板图像对应位置的第二像素阈值比较，如果两者的差值的绝对值总和在第二像素阈值之外，确定该摄像头存在缺陷的；反之，如果两者的差值的绝对值总和在第二像素阈值之内，确定该摄像头合格。
所述通过所述待测图像边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头存在缺陷，之后，再根据所述待测图像边缘位置上的像素中在第二像素阈值之外的像素获得连通域，根据所述连通域的面积大小和缺陷阈值范围确定该摄像头是否为边缘溢胶。
如图6所示，通过本发明检测确定为镜面刮痕。
如图7所示，通过本发明检测确定为边缘溢出胶。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (10)
1.一种基于机器视觉的摄像头缺陷检测方法，其特征在于，该方法为：根据摄像头的待测图像对模板图像进行放大缩放调整使两者的一致；将所述待测图像平移到调整后的模板图像上，通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷。
2.根据权利要求1所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷，之后，该方法还包括：通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头是否存在缺陷。
3.根据权利要求1或2所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷，之后，该方法还包括：通过所述待测图像的边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头是否存在缺陷。
4.根据权利要求3所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述根据摄像头的待测图像对模板图像进行放大缩放调整使两者的一致，具体为：根据所述待测图像确定镜头圆圈的圆心位置和圆圈半径，再通过所述镜头圆圈的圆心位置和圆圈半径确定待测图像的四个镜面边缘位置，最后根据所述待测图像的镜头圆圈的圆心位置和圆圈半径、以及四个镜面边缘位置对模板图像进行放大缩放调整使两者的一致。
5.根据权利要求4所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述镜头圆圈的圆心位置和圆圈半径确定待测图像的四个镜面边缘位置，具体为：以所述镜头圆圈的镜头圆心为O，半径为Rmin+(Rmax-Rmin)/2绘制一个圆，根据该圆设置一个掩码，所述掩码在圆心O到Rmin的距离范围内设置为0，大于Rmin+(Rmax-Rmin)/2距离范围设置为0，剩余部分为1；通过所述掩码和圆初步确定四个镜面边缘区域位置；再通过累加像素分别确定四个镜面边缘区域的重心，公式如下所示，最后根据所述四个镜面边缘区域的重心确定四个镜面的边缘位置；
其中，n表示该区域像素点数目，i第几个像素点下标，f(i)表示i下标对应的像素值。
6.根据权利要求5所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像和调整后的模板图像的镜头圆圈定位的一致性确定该摄像头是否存在缺陷，具体为：如果所述待测图像和调整后的模板图像的镜头圆圈定位的一致，确定该摄像头合格；反之，如果所述待测图像和调整后的模板图像的镜头圆圈定位的不一致，确定该摄像头存在缺陷。
7.根据权利要求6所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头是否存在缺陷，具体为：将所述待测图像的镜面像素与模板图像对应位置的第一像素阈值比较，如果两者的差值的绝对值总和在第一像素阈值之外，确定该摄像头存在缺陷的；反之，如果两者的差值的绝对值总和在第一像素阈值之内，确定该摄像头合格。
8.根据权利要求7所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像的镜面像素和调整后的模板图像对应位置的第一像素阈值的比较关系确定该摄像头存在缺陷，之后，该方法还包括：根据所述待测图像的镜面像素中在第一像素阈值之外的像素获得连通域，根据所述连通域确定该摄像头的具体缺陷类型。
9.根据权利要求8所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像的边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头是否存在缺陷，具体为：将所述待测图像的边缘位置上的像素与模板图像对应位置的第二像素阈值比较，如果两者的差值的绝对值总和在第二像素阈值之外，确定该摄像头存在缺陷的；反之，如果两者的差值的绝对值总和在第二像素阈值之内，确定该摄像头合格。
10.根据权利要求9所述的基于机器视觉的摄像头缺陷检测方法，其特征在于，所述通过所述待测图像边缘位置上的像素和调整后的模板图像对应位置的第二像素阈值的比较关系确定该摄像头存在缺陷，之后，该方法还包括：根据所述待测图像边缘位置上的像素中在第二像素阈值之外的像素获得连通域，根据所述连通域确定该摄像头是否为边缘溢胶。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810120287.XA CN108548654A (zh) | 2018-02-07 | 2018-02-07 | 基于机器视觉的摄像头缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810120287.XA CN108548654A (zh) | 2018-02-07 | 2018-02-07 | 基于机器视觉的摄像头缺陷检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108548654A true CN108548654A (zh) | 2018-09-18 |
Family
ID=63515806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810120287.XA Pending CN108548654A (zh) | 2018-02-07 | 2018-02-07 | 基于机器视觉的摄像头缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108548654A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109813725A (zh) * | 2019-04-02 | 2019-05-28 | 东莞博美特自动化科技有限公司 | 一种大尺寸胶水缺陷检测方法 |
| CN111861980A (zh) * | 2020-05-29 | 2020-10-30 | 合肥联宝信息技术有限公司 | 一种成像检测方法、电子设备及计算机可读存储介质 |
| CN112751997A (zh) * | 2019-10-31 | 2021-05-04 | 北京小米移动软件有限公司 | 摄像头模组及组装方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5978521A (en) * | 1997-09-25 | 1999-11-02 | Cognex Corporation | Machine vision methods using feedback to determine calibration locations of multiple cameras that image a common object |
| CN102135416A (zh) * | 2010-12-30 | 2011-07-27 | 天津普达软件技术有限公司 | 瓶盖在线影像检测系统和方法 |
| CN102156978A (zh) * | 2010-12-24 | 2011-08-17 | 辽宁科锐科技有限公司 | 基于机器视觉的工业器件快速定位方法 |
| CN103425988A (zh) * | 2013-07-03 | 2013-12-04 | 江南大学 | 一种具有圆弧几何基元的实时定位与匹配方法 |
| CN205138423U (zh) * | 2015-11-02 | 2016-04-06 | 广州市沃佳软件技术有限公司 | 基于机器视觉的产品外观尺寸一般性检测系统 |
| CN105991913A (zh) * | 2015-02-03 | 2016-10-05 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位特征对象的方法 |
-
2018
- 2018-02-07 CN CN201810120287.XA patent/CN108548654A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5978521A (en) * | 1997-09-25 | 1999-11-02 | Cognex Corporation | Machine vision methods using feedback to determine calibration locations of multiple cameras that image a common object |
| CN102156978A (zh) * | 2010-12-24 | 2011-08-17 | 辽宁科锐科技有限公司 | 基于机器视觉的工业器件快速定位方法 |
| CN102135416A (zh) * | 2010-12-30 | 2011-07-27 | 天津普达软件技术有限公司 | 瓶盖在线影像检测系统和方法 |
| CN103425988A (zh) * | 2013-07-03 | 2013-12-04 | 江南大学 | 一种具有圆弧几何基元的实时定位与匹配方法 |
| CN105991913A (zh) * | 2015-02-03 | 2016-10-05 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位特征对象的方法 |
| CN205138423U (zh) * | 2015-11-02 | 2016-04-06 | 广州市沃佳软件技术有限公司 | 基于机器视觉的产品外观尺寸一般性检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 官燕燕等: "基于统计阈值法的印品缺陷检测", 《西安理工大学学报》 * |
| 梁雄: "基于机器视觉的摄像头模组缺陷检测系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109813725A (zh) * | 2019-04-02 | 2019-05-28 | 东莞博美特自动化科技有限公司 | 一种大尺寸胶水缺陷检测方法 |
| CN112751997A (zh) * | 2019-10-31 | 2021-05-04 | 北京小米移动软件有限公司 | 摄像头模组及组装方法 |
| CN111861980A (zh) * | 2020-05-29 | 2020-10-30 | 合肥联宝信息技术有限公司 | 一种成像检测方法、电子设备及计算机可读存储介质 |
| CN111861980B (zh) * | 2020-05-29 | 2022-02-01 | 合肥联宝信息技术有限公司 | 一种成像检测方法、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108548654A (zh) | 基于机器视觉的摄像头缺陷检测方法 | |
| CN1045129C (zh) | 个人识别装置 | |
| US7035461B2 (en) | Method for detecting objects in digital images | |
| CN101916370B (zh) | 人脸检测中非特征区域图像处理的方法 | |
| CN100354875C (zh) | 基于人脸检测的红眼去除方法 | |
| CN104408462B (zh) | 面部特征点快速定位方法 | |
| CN104063700B (zh) | 自然光照正面人脸图像中的眼睛中心点定位的方法 | |
| CN1975759A (zh) | 一种基于结构主元分析的人脸识别方法 | |
| CN104318262A (zh) | 通过人脸照片更换皮肤的方法及系统 | |
| TW200414072A (en) | Iris extraction method | |
| CN107169405A (zh) | 基于双目摄像机活体识别的方法及装置 | |
| CN105741375B (zh) | 一种大视场双目视觉的红外图像考勤方法 | |
| CN104794693B (zh) | 一种人脸关键区域自动检测蒙版的人像优化方法 | |
| CN104463853A (zh) | 一种基于图像分割的阴影检测与去除算法 | |
| CN104597057A (zh) | 一种基于机器视觉的柱状二极管表面缺陷检测装置 | |
| CN106407951B (zh) | 一种基于单目视觉的夜间前方车辆检测方法 | |
| CN105844655A (zh) | 一种激光线条纹边缘提取方法 | |
| CN110321844A (zh) | 一种基于卷积神经网络的快速虹膜检测方法 | |
| CN108921881A (zh) | 一种基于单应性约束的跨摄像头目标跟踪方法 | |
| CN110175603A (zh) | 一种雕刻文字识别方法、系统及存储介质 | |
| CN109740586B (zh) | 一种防眩光证件自动阅读系统及方法 | |
| CN107766784A (zh) | 一种新型视频人数统计算法 | |
| CN109658391A (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
| CN106097323A (zh) | 一种基于机器视觉的发动机气缸体铸件的定位方法 | |
| CN107622475A (zh) | 图像拼接中的灰度校正方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |
|
| RJ01 | Rejection of invention patent application after publication |