CN109064440A - 一种基于机器视觉的喇叭音圈焊线识别方法 - Google Patents
一种基于机器视觉的喇叭音圈焊线识别方法 Download PDFInfo
- Publication number
- CN109064440A CN109064440A CN201810629711.3A CN201810629711A CN109064440A CN 109064440 A CN109064440 A CN 109064440A CN 201810629711 A CN201810629711 A CN 201810629711A CN 109064440 A CN109064440 A CN 109064440A
- Authority
- CN
- China
- Prior art keywords
- image
- circle
- radius
- product
- bonding wire
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30152—Solder
Abstract
一种基于机器视觉的喇叭音圈焊线识别方法，其中，包括如下步骤：S1.图像采集：生产线启动时，利用相机采集图像；S2.阈值判断：对采集图像进行平均像素值计算，判断图像上是否有产品；S3.图像预处理：对有产品的图像进行降噪，边缘检测，轮廓面积筛选，运用霍夫圆检测函数得到产品拟合圆的圆心坐标和半径，分别记为K1，R；S4.面积计算：对预处理后的图像进行腐蚀，产品轮廓面积计算，设定面积阈值，筛选得到对应产品中两个焊点的中心坐标K2，K3；S5.图像分割：计算出两个焊点中心坐标的中点坐标K4，以直线K1K4对步骤S3得到的图像进行分割；S6.得到焊线坐标：基于圆心坐标K1和半径R，生成半径以固定步长增加的圆与分割图像相交，得到焊线上所有的坐标。
Description
技术领域
本发明涉及图像处理与识别技术领域，更具体地，涉及一种基于机器视觉的喇叭音圈焊线识别方法。
背景技术
在经济不断发展市场需求不断扩展中，手机、汽车及其周边产品成为主流的快消品，其中音响喇叭也是不可或缺配件之一，在汽车或者手机喇叭的制造工艺过程中，给音圈线点胶是其中重要工艺环节之一。现有的喇叭生产商，包括全球最大的喇叭生产商丰达，以及国内的漫步者在这一重要环节都是人工手持胶枪控制点胶，而点胶的胶水气味难闻，对工人身体有害。另一方面，工人每天重复着高强度的工作，难免会对产品的生产质量造成影响。同时，人工点胶效率低，需要占用大量的人力和时间。因此，基于机器视觉的全自动点胶机成为市场的发展趋势，而全自动点胶机的难点在于图像处理，识别部分。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于机器视觉的喇叭音圈焊线识别方法。本发明可以准确识别出喇叭音圈焊线坐标，以便实现全自动点胶。
为解决上述技术问题，本发明采用的技术方案是：一种基于机器视觉的喇叭音圈焊线识别方法，其中，包括如下步骤：
S1. 图像采集：采用定时器实时检测产品生产线的启动信号，检测到启动信号时，打开相机和光源对产品生产线上的工位进行拍照，采集图像。工厂生产线绝大部分都是PLC控制，产品在生产线开始移动到下一个工位之前，PLC会给出一个启动信号。因此，运用定时器可以实时检测到启动信号的状态，当读取到启动信号时，即打开相机和光源，开始拍照。
S2. 阈值判断：对采集图像进行平均像素值计算，判断图像上是否有产品；由于喇叭产品是放在产线治具上，因此有可能出现产品漏放的情况，因此需要通过阈值判断来确定图像上是否有产品，才能进行后续操作。
S3. 图像预处理：对有产品的图像进行降噪，产品边缘检测，产品轮廓面积筛选，运用霍夫圆检测函数得到产品拟合圆的圆心坐标和半径，分别记为K1，R。
S4. 面积计算：对预处理后的图像进行腐蚀，产品轮廓面积计算，设定面积阈值，筛选得到对应产品中两个焊点的中心坐标K2，K3。
S5. 图像分割：计算出两个焊点中心坐标的中点坐标K4，由于两点确定一条直线，得到直线K1K4 ，以直线K1K4对步骤S3得到的图像进行分割。
S6. 得到焊线坐标：基于圆心坐标K1和半径R，生成圆心坐标K1不变，半径以2个像素为步长增加的圆，生成后的圆分别与分割后的图像相交，得出基点半径，以基点半径为基础，形成半径以2个像素为步长在固定区间内增加和减少且圆心坐标K1不变的圆，分别与对应的分割后的图像相交，对交点进行判断是否为焊线上点的坐标，分别得到分割后的图像上焊线上的所有坐标。
进一步的，所述步骤S1中，采用的光源为红色环形光源，采用的相机为黑白相机。由于喇叭产品和治具的属性，通过红色光源照射，采集到的治具图像绝大部分显示为白色，与喇叭产品图像反差较大。因此，在步骤S2中，通过计算采集图像像素的平均值，设定图像像素阈值范围即可判断治具上是否有喇叭产品。
进一步的，所述步骤S3包括如下步骤：
S31. 降噪：使用均值滤波函数让图像变得光滑，滤除图像中的噪声；
S32. 边缘检测：降噪后的图像进行产品边缘检测，使用Canny算子进行产品边缘检测；
S33. 面积筛选：产品边缘检测后的图像会有一些边缘噪点，通过计算图像中所有轮廓面积，设定轮廓面积的阈值进行剔除边缘噪点；
S34. 圆拟合：运用霍夫圆变换函数HoughCircles对预处理后的图像进行检测拟合，得到拟合圆的圆心坐标K1和半径R。
进一步的，所述步骤S4包括如下步骤：
S41. 在步骤S3预处理后的图像基础上，生成一个圆心坐标K1不变半径为1.15倍R的圆，将该圆内像素全部置为0，二值图像像素0表示黑，像素1表示白，因此步骤S3预处理后的图像中的圆就被去除掉了；
S42. 对步骤S41得到的图像进行腐蚀操作，将图中线条部分去除掉，只剩下焊点和噪点，计算焊点和噪点的轮廓面积，设定轮廓面积阈值，剔除噪点轮廓，得到只剩下焊点的轮廓图像；
S43. 利用boundingRect函数对焊点轮廓进行检测，得到焊点用矩形框包围的轮廓参数，再由矩形框包围的轮廓参数求得焊点的中心坐标K2，K3。
进一步的，所述步骤S5中，以直线K1K4对步骤S3得到的图像进行分割时，将直线K1K4以上部分的像素值全部置为0，直线K1K4以下部分的产品轮廓内部的像素值全部置为1，得到分割后直线K1K4以下部分的图像；将直线K1K4以上部分的产品轮廓内部的像素值全部置为1，直线K1K4以下部分的像素值全部置为0，得到分割后直线K1K4以上部分的图像。针对分割后直线K1K4以下部分的图像和分割后直线K1K4以上部分的图像，分别进行步骤S6即可分别得到分割后的图像上的焊线上的所有坐标。
进一步的，所述步骤S6包括如下步骤：
S61.计算得到基点半径大小：基于圆心坐标K1和半径R，形成圆心坐标K1不变且半径以2个像素为步长增加的圆，形成的圆半径大小大于原始半径R且小于属于该焊线的焊点到圆心的距离，生成后的圆与分割后的图像相交，求得每个生成后的圆与图像相交的交点个数，统计交点个数为1的最长区间，取该区间中点到圆心坐标K1的距离为基点半径；
S62. 得到焊线坐标圆心坐标K1不变，以基点半径为基础，分别形成以半径为2个像素为步长增加和减少的圆，形成的圆半径大小要大于原始半径R且小于属于该焊线的焊点到圆心的距离，与分割后图像相交。交点个数为1时，该点即为焊线上的坐标，交点个数不为1时，计算得到的所有交点到上一个交点个数为1的距离，距离最短的即为焊线上的点，从而得到焊线上的所有坐标。自动点胶机根据得到的焊线上的所有坐标，就可以实现准确的全自动点胶。
与现有技术相比，本发明的有益效果：
本发明的方法能够准确识别出喇叭音圈产品焊线上的所有坐标，为全自动点胶机实现准确的全自动点胶提供基础。
本发明的方法通过计算图像的平均像素值，设定像素阈值，能够稳定判断采集的图像上是否有产品，提高了识别的稳定性与识别效率；通过图像处理，计算轮廓面积，设定面积阈值，从而能够稳定的找到对应喇叭音圈产品中两个焊点的中心坐标；基于两点确定一条直线的数学思想对图像进行稳定的分割，为后续图像识别算法提升效率。
附图说明
图1是本发明的原理流程图。
图2是本发明步骤S1中相机采集的产品原图像。
图3是本发明步骤S3预处理后的图像。
图4是本发明步骤S4处理后的图像。
图5是本发明步骤S5中得到的分割后直线K1K4以下部分的图像。
图6是本发明步骤S6中识别的焊线坐标示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
如图1所示，一种基于机器视觉的喇叭音圈焊线识别方法，其中，包括如下步骤：
S1. 图像采集：采用定时器实时检测产品生产线的启动信号，检测到启动信号时，打开相机和光源对产品生产线上的工位进行拍照，采集图像。工厂生产线绝大部分都是PLC控制，产品在生产线开始移动到下一个工位之前，PLC会给出一个启动信号。因此，运用定时器可以实时检测到启动信号的状态，当读取到启动信号时，即打开相机和光源，开始拍照。采用的光源为红色环形光源，采用的相机为黑白相机。
S2. 阈值判断：对采集图像进行平均像素值计算，判断图像上是否有产品；由于喇叭产品是放在产线治具上，因此有可能出现产品漏放的情况，因此需要通过阈值判断来确定图像上是否有产品，才能进行后续操作。由于喇叭产品和治具的属性，通过红色光源照射，采集到的治具图像绝大部分显示为白色，与喇叭产品图像反差较大。因此，通过计算采集图像像素的平均值，设定图像像素阈值范围即可判断治具上是否有喇叭产品。图2为相机采集到的喇叭产品原图。
S3. 图像预处理：对有产品的图像进行降噪，产品边缘检测，产品轮廓面积筛选，运用霍夫圆检测函数得到产品拟合圆的圆心坐标和半径，分别记为K1，R。具体包括如下步骤：
S31. 降噪：使用均值滤波函数让图像变得光滑，滤除图像中的噪声；
S32. 边缘检测：降噪后的图像进行产品边缘检测，使用Canny算子进行产品边缘检测；
S33. 面积筛选：产品边缘检测后的图像会有一些边缘噪点，通过计算图像中所有轮廓面积，设定轮廓面积的阈值进行剔除边缘噪点；
S34. 圆拟合：运用霍夫圆变换函数HoughCircles对预处理后的图像进行检测拟合，得到拟合圆的圆心坐标K1和半径R，如图3所示。
S4. 面积计算：对预处理后的图像进行腐蚀，产品轮廓面积计算，设定面积阈值，筛选得到对应产品中两个焊点的中心坐标K2，K3。具体包括如下步骤：
S41. 在步骤S3预处理后的图像基础上，生成一个圆心坐标K1不变半径为1.15倍R的圆，将该圆内像素全部置为0，二值图像像素0表示黑，像素1表示白，因此步骤S3预处理后的图像中的圆就被去除掉了；
S42. 对步骤S41得到的图像进行腐蚀操作，将图中线条部分去除掉，只剩下焊点和噪点，计算焊点和噪点的轮廓面积，设定轮廓面积阈值，剔除噪点轮廓，得到只剩下焊点的轮廓图像；
S43. 利用boundingRect函数对焊点轮廓进行检测，得到焊点用矩形框包围的轮廓参数，再由矩形框包围的轮廓参数求得焊点的中心坐标K2，K3，如图4所示
S5. 图像分割：计算出两个焊点中心坐标的中点坐标K4，由于两点确定一条直线，得到直线K1K4 ，以直线K1K4对步骤S3得到的图像进行分割。将直线K1K4以上部分的像素值全部置为0，直线K1K4以下部分的产品轮廓内部的像素值全部置为1，即得到分割后的直线K1K4以下部分的图像，如图5所示。
S6. 得到焊线坐标：基于圆心坐标K1和半径R，生成圆心坐标K1不变，半径以2个像素点为步长增加的圆，生成后的圆与分割后的图像相交，得出基点半径，以基点半径为基础，形成半径以2个像素点为步长在固定区间内增加和减少且圆心坐标K1不变的圆，与分割后的图像相交，对交点进行计算判断是否为焊线上点的坐标，分别得到焊线上的所有坐标。
具体包括如下步骤：
S61.计算得到基点半径大小：基于圆心坐标K1和半径R，形成圆心坐标K1不变且半径以2个像素点为步长增加的圆，形成的圆半径大小大于原始半径R且小于属于该焊线的焊点到圆心的距离，生成后的圆与分割后的图像相交，求得每个生成后的圆与图像相交的交点个数，统计交点个数为1的最长区间，取该区间中点到圆心坐标K1的距离为基点半径；
S62. 得到焊线坐标：以基点半径为基础，分别形成以半径为2个像素点为步长增加和减少的圆，形成的圆半径大小要大于原始半径R且小于属于该焊线的焊点到圆心的距离，与分割后图像相交。交点个数为1时，该点即为焊线上的坐标，交点个数不为1时，计算得到的所有交点到上一个交点个数为1的距离，距离最短的即为焊线上的点，从而得到焊线上的所有坐标。如图6所示。
重复步骤S5，以直线K1K4对步骤S3得到的图像进行分割时，将直线K1K4以上部分的产品轮廓内部的像素值全部置为1，直线K1K4以下部分的像素值全部置为0，即得到分割后直线K1K4以上部分的图像，然后重复步骤S6，即可得到直线K1K4以上部分的图像中焊线上的所有坐标。这样就得到了完整图像上的焊线的所有坐标，自动点胶机根据得到的完整图像上焊线的所有坐标，就可以实现准确的全自动点胶。
显然，本发明的上述实施例仅仅是为了清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种基于机器视觉的喇叭音圈焊线识别方法，其特征在于，包括如下步骤：
S1. 图像采集：采用定时器实时检测产品生产线的启动信号，检测到启动信号时，打开相机和光源对产品生产线上的工位进行拍照，采集图像；
S2. 阈值判断：对采集图像进行平均像素值计算，判断图像上是否有产品；
S3. 图像预处理：对有产品的图像进行降噪，产品边缘检测，产品轮廓面积筛选，运用霍夫圆检测函数得到产品拟合圆的圆心坐标和半径，分别记为K1，R；
S4. 面积计算：对预处理后的图像进行腐蚀，产品轮廓面积计算，设定面积阈值，筛选得到对应产品中两个焊点的中心坐标K2，K3；
S5. 图像分割：计算出两个焊点中心坐标的中点坐标K4，由于两点确定一条直线，得到直线K1K4 ，以直线K1K4对步骤S3得到的图像进行分割；
S6. 得到焊线坐标：基于圆心坐标K1和半径R，生成圆心坐标K1不变，半径以2个像素为步长增加的圆，生成后的圆分别与分割后的图像相交，得出基点半径，以基点半径为基础，形成半径以2个像素为步长在固定区间内增加或减少且圆心坐标K1不变的圆，分别与对应的分割后的图像相交，对交点进行计算判断是否为焊线坐标，分别得到分割后的图像上焊线上点的所有坐标。
2.根据权利要求1所述的一种基于机器视觉的喇叭音圈焊线识别方法，其特征在于，所述步骤S1中，采用的光源为红色环形光源，采用的相机为黑白相机。
3.根据权利要求1所述的一种基于机器视觉的喇叭音圈焊线识别方法，其特征在于，所述步骤S3包括如下步骤：
S31. 降噪：使用均值滤波函数让图像变得光滑，滤除图像中的噪声；
S32. 边缘检测：降噪后的图像进行产品边缘检测，使用Canny算子进行产品边缘检测；
S33. 面积筛选：产品边缘检测后的图像会有一些边缘噪点，通过计算图像中所有轮廓面积，设定轮廓面积的阈值进行剔除边缘噪点；
S34. 圆拟合：运用霍夫圆变换函数HoughCircles对预处理后的图像进行检测拟合，得到拟合圆的圆心坐标K1和半径R。
4.根据权利要求1所述的一种基于机器视觉的喇叭音圈焊线识别方法，其特征在于，所述步骤S4包括如下步骤：
S41. 在步骤S3预处理后的图像基础上，生成一个圆心坐标K1不变半径为1.15倍R的圆，将该圆内像素全部置为0，二值图像像素0表示黑，像素1表示白，因此步骤S3预处理后的图像中的圆就被去除掉了；
S42. 对步骤S41得到的图像进行腐蚀操作，将图中线条部分去除掉，只剩下焊点和噪点，计算焊点和噪点的轮廓面积，设定轮廓面积阈值，剔除噪点轮廓，得到只剩下焊点的轮廓图像；
S43. 利用boundingRect函数对焊点轮廓进行检测，得到焊点用矩形框包围的轮廓参数，再由矩形框包围的轮廓参数求得焊点的中心坐标K2，K3。
5.根据权利要求1所述的一种基于机器视觉的喇叭音圈焊线识别方法，其特征在于，所述步骤S5中，以直线K1K4对步骤S3得到的图像进行分割时，将直线K1K4以上部分的像素值全部置为0，直线K1K4以下部分的产品轮廓内部的像素值全部置为1，得到分割后K1K4以下部分的图像；将直线K1K4以上部分的产品轮廓内部的像素值全部置为1，直线K1K4以下部分的像素值全部置为0，得到分割后直线K1K4以上部分的图像。
6.根据权利要求1所述的一种基于机器视觉的喇叭音圈焊线识别方法，其特征在于，所述步骤S6包括如下步骤：
S61.计算得到基点半径大小：基于圆心坐标K1和半径R，形成圆心坐标K1不变且半径以2个像素为步长增加的圆，形成的圆半径大小大于原始半径R且小于属于该焊线的焊点到圆心的距离，生成后的圆与分割后的图像相交，求得每个生成后的圆与图像相交的交点个数，统计交点个数为1的最长区间，取该区间中点到圆心坐标K1的距离为基点半径；
S62. 得到焊线坐标：圆心坐标K1不变，以基点半径为基础，分别形成以半径为2个像素为步长增加和减少的圆，形成的圆半径大小要大于原始半径R且小于属于该焊线的焊点到圆心的距离，与分割后图像相交；交点个数为1时，该点即为焊线上的坐标，交点个数不为1时，计算得到的所有交点到上一个交点个数为1的距离，距离最短的即为焊线上的点，从而得到焊线上的所有坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810629711.3A CN109064440B (zh) | 2018-06-19 | 2018-06-19 | 一种基于机器视觉的喇叭音圈焊线识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810629711.3A CN109064440B (zh) | 2018-06-19 | 2018-06-19 | 一种基于机器视觉的喇叭音圈焊线识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109064440A true CN109064440A (zh) | 2018-12-21 |
| CN109064440B CN109064440B (zh) | 2022-02-22 |
Family
ID=64820512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810629711.3A Active CN109064440B (zh) | 2018-06-19 | 2018-06-19 | 一种基于机器视觉的喇叭音圈焊线识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109064440B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109821763A (zh) * | 2019-02-25 | 2019-05-31 | 山东大学 | 一种基于机器视觉的水果分拣系统及其图像识别方法 |
| CN109859186A (zh) * | 2019-01-31 | 2019-06-07 | 江苏理工学院 | 一种基于halcon的锂电池模组正负极检测方法 |
| CN111242894A (zh) * | 2019-12-30 | 2020-06-05 | 芜湖哈特机器人产业技术研究院有限公司 | 一种水泵叶轮叶片视觉识别方法 |
| CN111311573A (zh) * | 2020-02-12 | 2020-06-19 | 贵州理工学院 | 枝条确定方法、装置及电子设备 |
| CN111640151A (zh) * | 2020-05-18 | 2020-09-08 | 苏州佐竹冷热控制技术有限公司 | 油位检测方法及检测系统 |
| CN112419440A (zh) * | 2020-11-10 | 2021-02-26 | 深圳市益欣网络科技有限公司 | 一种2d水滴张力模拟粘合方法 |
| CN113218970A (zh) * | 2021-03-17 | 2021-08-06 | 上海师范大学 | 一种基于x射线的bga封装质量自动检测方法 |
| CN114061480A (zh) * | 2020-08-03 | 2022-02-18 | 上海飞机制造有限公司 | 一种用于检测工件外形的方法 |
| CN114723758A (zh) * | 2022-06-10 | 2022-07-08 | 惠州威尔高电子有限公司 | 一种MiniLED薄板全自动连线的生产质量检测方法 |
| CN114842335A (zh) * | 2022-04-15 | 2022-08-02 | 山东大学 | 用于建筑机器人的开槽目标识别方法及系统 |
| CN114842335B (zh) * | 2022-04-15 | 2024-05-03 | 山东大学 | 用于建筑机器人的开槽目标识别方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101358836A (zh) * | 2008-09-28 | 2009-02-04 | 西安理工大学 | 基于计算机视觉识别焊点中心位置的方法 |
| CN102385750A (zh) * | 2011-06-22 | 2012-03-21 | 清华大学 | 基于几何关系的直线匹配方法及系统 |
| CN104809727A (zh) * | 2015-04-24 | 2015-07-29 | 西安工程大学 | 一种输电导线覆冰形状的自动识别方法 |
| CN104867144A (zh) * | 2015-05-15 | 2015-08-26 | 广东工业大学 | 基于混合高斯模型的ic元件焊点缺陷检测方法 |
| CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
| US20160260261A1 (en) * | 2015-03-06 | 2016-09-08 | Illinois Tool Works Inc. | Sensor assisted head mounted displays for welding |
| CN106295491A (zh) * | 2016-03-09 | 2017-01-04 | 北京智芯原动科技有限公司 | 车道直线检测方法及装置 |
| CN106446894A (zh) * | 2016-09-27 | 2017-02-22 | 广东技术师范学院 | 一种基于轮廓识别球型目标物位置的方法 |
| CN106447669A (zh) * | 2016-04-08 | 2017-02-22 | 潍坊学院 | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 |
| CN106525393A (zh) * | 2017-01-17 | 2017-03-22 | 福建师范大学 | 一种工业相机镜头光学投影检测分辨率板 |
-
2018
- 2018-06-19 CN CN201810629711.3A patent/CN109064440B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101358836A (zh) * | 2008-09-28 | 2009-02-04 | 西安理工大学 | 基于计算机视觉识别焊点中心位置的方法 |
| CN102385750A (zh) * | 2011-06-22 | 2012-03-21 | 清华大学 | 基于几何关系的直线匹配方法及系统 |
| US20160260261A1 (en) * | 2015-03-06 | 2016-09-08 | Illinois Tool Works Inc. | Sensor assisted head mounted displays for welding |
| CN104809727A (zh) * | 2015-04-24 | 2015-07-29 | 西安工程大学 | 一种输电导线覆冰形状的自动识别方法 |
| CN104867144A (zh) * | 2015-05-15 | 2015-08-26 | 广东工业大学 | 基于混合高斯模型的ic元件焊点缺陷检测方法 |
| CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
| CN106295491A (zh) * | 2016-03-09 | 2017-01-04 | 北京智芯原动科技有限公司 | 车道直线检测方法及装置 |
| CN106447669A (zh) * | 2016-04-08 | 2017-02-22 | 潍坊学院 | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 |
| CN106446894A (zh) * | 2016-09-27 | 2017-02-22 | 广东技术师范学院 | 一种基于轮廓识别球型目标物位置的方法 |
| CN106525393A (zh) * | 2017-01-17 | 2017-03-22 | 福建师范大学 | 一种工业相机镜头光学投影检测分辨率板 |
Non-Patent Citations (2)
| Title |
|---|
| 王文华: "点胶机视觉伺服系统关键技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 郑德杰: "特征提取在图像搜索和近似重复图像去冗的应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859186A (zh) * | 2019-01-31 | 2019-06-07 | 江苏理工学院 | 一种基于halcon的锂电池模组正负极检测方法 |
| CN109821763B (zh) * | 2019-02-25 | 2020-05-22 | 山东大学 | 一种基于机器视觉的水果分拣系统及其图像识别方法 |
| CN109821763A (zh) * | 2019-02-25 | 2019-05-31 | 山东大学 | 一种基于机器视觉的水果分拣系统及其图像识别方法 |
| CN111242894B (zh) * | 2019-12-30 | 2022-12-16 | 芜湖哈特机器人产业技术研究院有限公司 | 一种水泵叶轮叶片视觉识别方法 |
| CN111242894A (zh) * | 2019-12-30 | 2020-06-05 | 芜湖哈特机器人产业技术研究院有限公司 | 一种水泵叶轮叶片视觉识别方法 |
| CN111311573A (zh) * | 2020-02-12 | 2020-06-19 | 贵州理工学院 | 枝条确定方法、装置及电子设备 |
| CN111311573B (zh) * | 2020-02-12 | 2024-01-30 | 贵州理工学院 | 枝条确定方法、装置及电子设备 |
| CN111640151A (zh) * | 2020-05-18 | 2020-09-08 | 苏州佐竹冷热控制技术有限公司 | 油位检测方法及检测系统 |
| CN114061480B (zh) * | 2020-08-03 | 2024-04-05 | 上海飞机制造有限公司 | 一种用于检测工件外形的方法 |
| CN114061480A (zh) * | 2020-08-03 | 2022-02-18 | 上海飞机制造有限公司 | 一种用于检测工件外形的方法 |
| CN112419440A (zh) * | 2020-11-10 | 2021-02-26 | 深圳市益欣网络科技有限公司 | 一种2d水滴张力模拟粘合方法 |
| CN113218970A (zh) * | 2021-03-17 | 2021-08-06 | 上海师范大学 | 一种基于x射线的bga封装质量自动检测方法 |
| CN114842335A (zh) * | 2022-04-15 | 2022-08-02 | 山东大学 | 用于建筑机器人的开槽目标识别方法及系统 |
| CN114842335B (zh) * | 2022-04-15 | 2024-05-03 | 山东大学 | 用于建筑机器人的开槽目标识别方法及系统 |
| CN114723758A (zh) * | 2022-06-10 | 2022-07-08 | 惠州威尔高电子有限公司 | 一种MiniLED薄板全自动连线的生产质量检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109064440B (zh) | 2022-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064440A (zh) | 一种基于机器视觉的喇叭音圈焊线识别方法 | |
| CN100507938C (zh) | 一种焊接图像的识别方法 | |
| CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
| CN103366157B (zh) | 一种人眼视线距离的判断方法 | |
| CN102455171B (zh) | 一种激光拼焊焊缝背面几何形貌检测方法 | |
| CN106572304A (zh) | 基于眨眼检测的智能手机拍照系统和方法 | |
| CN102831606B (zh) | 在医学影像中获取发音器官轮廓的方法 | |
| CN104021382A (zh) | 一种眼部图像采集方法及其系统 | |
| CN105868694A (zh) | 基于面部表情和眼球动作的双模态情感识别方法及系统 | |
| CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
| CN109822216A (zh) | 焊道轨迹及姿态实时跟踪检测方法、电子设备及介质 | |
| CN109934452A (zh) | 基于多源数据的道路舒适度评价方法 | |
| CN107657606A (zh) | 一种显示装置的亮度缺陷检测方法与装置 | |
| CN107340302A (zh) | 一种基于激光清洗装置的清洗质量监测装置及方法 | |
| CN106218409A (zh) | 一种可人眼跟踪的裸眼3d汽车仪表显示方法及装置 | |
| CN109146866A (zh) | 机器人对焊缝处理的方法及装置 | |
| CN109949362A (zh) | 一种物料视觉检测方法 | |
| CN110033437A (zh) | 一种基于卷积神经网络的中厚板压痕智能识别方法 | |
| CN114473309A (zh) | 用于自动焊接系统的焊接位置识别方法及自动焊接系统 | |
| CN108898571A (zh) | 一种基于结构光视觉与深度学习的v型焊缝检测系统 | |
| CN101750693B (zh) | 镜片组装定位方法 | |
| CN106846348B (zh) | 人脸图像中自动去除眼镜的方法 | |
| CN112461846A (zh) | 工件缺陷检测方法及装置 | |
| CN111412871B (zh) | 手机中板螺母形状与位置高效一体化检测方法及装置 | |
| CN105447450A (zh) | 虹膜识别中判断左右虹膜的方法和装置 |
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 |