CN109631766A - 一种基于图像的木材板尺寸测量方法 - Google Patents

一种基于图像的木材板尺寸测量方法 Download PDF

Info

Publication number
CN109631766A
CN109631766A CN201811513267.5A CN201811513267A CN109631766A CN 109631766 A CN109631766 A CN 109631766A CN 201811513267 A CN201811513267 A CN 201811513267A CN 109631766 A CN109631766 A CN 109631766A
Authority
CN
China
Prior art keywords
wood plank
image
pixel
timber
mask
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
Application number
CN201811513267.5A
Other languages
English (en)
Other versions
CN109631766B (zh
Inventor
张道
宋文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beisheng Guoji (Nanjing) optics Co.,Ltd.
Original Assignee
NANJING NO55 INSTITUTE TECHNOLOGY DEVELOPMENT Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NANJING NO55 INSTITUTE TECHNOLOGY DEVELOPMENT Co Ltd filed Critical NANJING NO55 INSTITUTE TECHNOLOGY DEVELOPMENT Co Ltd
Priority to CN201811513267.5A priority Critical patent/CN109631766B/zh
Publication of CN109631766A publication Critical patent/CN109631766A/zh
Application granted granted Critical
Publication of CN109631766B publication Critical patent/CN109631766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明具体涉及一种基于图像的木材板尺寸测量方法，包括：采集木材板图像I(x，y)；对I(x，y)进行目标识别处理获取表示木材板像素1bit的掩膜Mask(x，y)；利用木材板图像I(x，y)和木材板掩膜Mask(x，y)计算出木材板横截面的总面积；采用边缘检测算法计算图像I(x，y)中图像的边缘图Edge(x，y)；基于边缘图Edge(x，y)，分别计算得到I(x，y)中每一块木材板的边缘，得到每一块木材板的高度和宽度值Limage(h，l)；根据木材板堆到图像采集设备的距离D与图像采集设备的FOV值得到每一个像素对应的现实长度W；结合木材板的高度和长度Limage(h，l)和像素对应长度W，得到每一块木材板的实际尺寸Lreal(h，l)；将检测出的每一块木材板的高度和宽度值Limage(h，l)分别乘以像素对应长度W，得到每片木材在现实中的高度和长度。本方法能够节省了人工成本和时间成本，同时将误差控制在了统一标准下。

Description

一种基于图像的木材板尺寸测量方法
技术领域
本发明涉及数字图像处理领域，具体涉及一种基于图像的木材板尺寸测量方法。
背景技术
在木材加工业的各个流通环节中，都需要对木材板的长宽高进行精确的测量，以确保交付的木材数量和品质是符合要求的。中立，客观的木材板测量方法，即保证了双方的利益，也节约了成本。随着木材加工业信息化程度的不断提高，对木材加工过程的自动化提出了更高的要求。
目前，在木材的各个流通环节中，木材板长度的测量依然延续着落后的手工测量方法。由于木材流通量大，现有的木材测量手段存在着测量人员疲劳度高，测量速度慢、误差率高、成本高等问题，严重影响了木材加工业自动化程度的总体提高。
发明内容
1.所要解决的技术问题：
针对上述的技术问题，本发明提供一种基于图像的木材板尺寸测量方法，本方法先采用人工智能识别图片中的木材板组成的木材堆，利用边缘边缘检测算法识别出每个木材板的边缘并且识别出每块木材板的边缘对应的像素，最后利用图像采集设备与木材堆的距离以及图像采集设备的FOV值计算出每块木材板的尺寸。本方法算法简单错误率低并且可以辅以人工判断具有很强的实用性。
2.技术方案：
一种基于图像的木材板尺寸测量方法，包括以下步骤：
步骤一：利用图像采集设备拍摄木材堆的端头的图像即木材板图像I(x，y)；利用激光测距仪得到图像采集设备和木材板堆的距离D；所述木材堆为长度相同的长方体木材板同向堆积而成横截面为正方形的长方体；所述木材板图像I(x，y)为正方形。
步骤二：将采集到的木材板图像I(x，y)进行目标识别处理，从而获取表示木材板像素1bit的掩膜Mask(x，y)即木材板掩膜Mask(x，y)。
步骤三：利用木材板图像I(x，y)和木材板掩膜Mask(x，y)计算出木材板横截面的总面积；具体过程为：遍历木材板掩膜Mask(x，y)，对Mask(x，y)中像素值为1bit的像素进行计数，最后得到像素值为1bit的像素总数量为n，n即为木材板横截面的像素总面积。
步骤四：采用边缘检测算法计算木材板图像I(x，y)中单个木材之间的边缘信息，经过自适应阈值操作之后得到木材板图像的边缘图Edge(x，y)。
步骤五：基于木材板边缘图Edge(x，y)，分别计算得到木材板图像I(x，y)中每一块木材板的边缘，并对这些边缘进行长度计算，得到每一块木材板的高度和宽度值Limage(h，l)，其中高度h与宽度值l的单位为像素；具体过程为：首先对木材板边缘图Edge(x，y)进行Hough变换得到Hough变换矩阵Hough(x，y)，然后对矩阵Hough(x，y)进行条件约束，条件为角度θ∈(-5°，5°)或θ∈(85°，95°)，长度ρ＞100，将满足条件的点提取出组成直线图Line(i，j)，其中i为直线的起点坐标，j为终点坐标；然后对所得到的直线图Line(i，j)进行补全。
所述补全包括先找到最外层的4条直线组成外层四边型，之后将其他水平方向直线，即满足条件θ∈(-5°，5°)的直线延长直至触及外层四边形的边，接着将垂直方向直线，即满足条件θ∈(85°，95°)的直线延长直至触及其他直线，最后得到直线图Line(i，j)补全后的网格图W(x，y)。
然后对网格图W(x，y)进行标定，每一个网格即代表一块木材板，计算每一块网格的4条边的像素长度，得到每一块木材板的高度和宽度值Limage(h，l)，其中高度h与宽度值l的单位为像素。
步骤六：根据木材板堆到图像采集设备的距离D，结合图像采集设备的FOV值，得到木材板图像I(x，y)中每一个像素对应在木材板距离处的现实长度W；具体过程为：已知图像采集拍摄的图像I(x，y)的分辨率为m*n，图像采集设备的FOV值为h*v，木材板到图像采集设备的距离为D，则每个像素对应长度
步骤七：结合木材板的高度和长度Limage(h，l)和像素对应长度W，得到每一块木材板的实际尺寸Lreal(h，l)；具体过程为：将步骤五中检测出的每一块木材板的高度和宽度值Limage(h，l)分别乘以像素对应长度W，即得到每片木材在现实中的高度和长度。
步骤八：数据输出。
进一步地，所述步骤一中图像采集设备拍摄木材板图像I(x，y)的具体步骤为：选择没有阳光干扰的木材测量现场，将统一长度的多个木材板组成的立方体木材堆单独放置，木材堆头部朝向图像采集设备，并在木材堆后端放置绿幕；由激光测距仪测量图像采集设备到木材堆头部的距离D，以3-4米为佳，由图像采集拍摄木材堆端头的图像I(x,y)。
进一步地，所述步骤二中进行目标识别处理的方法为人工智能图像处理平台识别，辅以人机交互；具体来说包括：首先，在后端搭建人工智能深度学习框架平台，即对步骤一中采集到的大量木材板图像I(x，y)进行训练，训练结果交由人工比对，将其中判断不准确的部分反馈给人工智能模型，重复进行这些步骤，直到人工智能系统能够识别出超过99％的木材；然后在实际使用中，如果人工智能系统对图片中某一部分是否属于木材不确定，将该部分标记出来并在屏幕中显示提示信息供人工判断，最终得到木材板像素的1bit掩膜Mask(x，y)。
进一步地，所述步骤四具体包括：分别对木材板掩膜Mask(x，y)和木材板图像I(x,y)进行梯度计算；从而分别得到木材板掩膜梯度图GMask(x，y)和木材板图像梯度图GI(x，y)。
对木材板掩膜梯度图GMask(x，y)取阈值为1从而得到木材板掩膜梯度图的边缘图EdgeMask(x，y)。
对木材板图像梯度图GI(x，y)，先计算木材板图像中每个像素梯度的角度，并且对于梯度角度在水平30度以内和垂直30度以内的像素的梯度值乘以1.5，得到新的木材板图像梯度图GI′(x，y)；然后从0开始提高GI′(x，y)的像素阈值T，其中T为大于等于1；保留GI′(x，y)中像素值大于T的像素，直到这些像素在边缘图EdgeMask(x，y)中的像素值也为1的部分达到50％，将此时GI′(x，y)中超过阈值T的像素位置记录，得到木材板图像的边缘图Edge(x,y)。
3.有益效果：
(1)本发明基于人工智能和图像处理技术，经过大量本训练和一定人工辅助的人工智能系统，可以准确的分别出图像中属于木材板的部分，并且能很好的区分出如缝隙、阴影、纹理等复杂的实际情况。
(2)本发明中通过激光测距仪得到的距离，结合相机参数，可以很准确的将像素数量换算成实际的面积值。再通过如边缘检测等图像处理算法，精确的检测出每一块木材板的边缘，做到单独测量和记录每一块木材板的高度和宽度。
(3)同时在本发明中采用的拍摄、识别、检测、数据记录等步骤都可以分步实施，非常适合采用网络技术进行工程化实施。
总之，本发明采用的测量方法相比较于人工测量，节省了人工成本和时间成本，同时将误差控制在了统一标准下，避免因为人工误差原因产生的重复测量。进一步，在本发明的基础上可以建立相应的木材数据库，从而对木材进行更精确的管理。
附图说明
图1为本方法的流程图。
具体实施方式
下面结合附图对本发明进行具体的说明。
如附1所示一种基于图像的木材板尺寸测量方法，包括以下步骤：
步骤一：利用图像采集设备拍摄木材堆的端头的图像即木材板图像I(x，y)；利用激光测距仪得到图像采集设备和木材板堆的距离D；所述木材堆为长度相同的长方体木材板同向堆积而成横截面为正方形的长方体；所述木材板图像I(x，y)为正方形。具体实施方式为：选择没有阳光干扰的木材测量现场，将统一长度的多个木材板组成的立方体木材堆单独放置，木材堆头部朝向图像采集设备，并在木材堆后端放置绿幕；由激光测距仪测量图像采集设备到木材堆头部的距离D，以3-4米为佳，由图像采集拍摄木材堆端头的图像I(x,y)。
步骤二：将采集到的木材板图像I(x，y)进行目标识别处理，从而获取表示木材板像素1bit的掩膜Mask(x，y)即木材板掩膜Mask(x，y)。具体实施方式为：进行目标识别处理的方法为人工智能图像处理平台识别，辅以人机交互。上述过程具体来说包括：首先，在后端搭建人工智能深度学习框架平台，即对步骤一中采集到的大量木材板图像I(x，y)进行训练，训练结果交由人工比对，将其中判断不准确的部分反馈给人工智能模型，重复进行这些步骤，直到人工智能系统能够识别出超过99％的木材；然后在实际使用中，如果人工智能系统对图片中某一部分是否属于木材不确定，将该部分标记出来并在屏幕中显示提示信息供人工判断，最终得到木材板像素的1bit掩膜Mask(x，y)。
步骤三：利用木材板图像I(x，y)和木材板掩膜Mask(x，y)计算出木材板横截面的总面积；具体过程为：遍历木材板掩膜Mask(x，y)，对Mask(x，y)中像素值为1bit的像素进行计数，最后得到像素值为1bit的像素总数量为n，n即为木材板横截面的像素总面积。
步骤四：采用边缘检测算法计算木材板图像I(x，y)中单个木材之间的边缘信息，经过自适应阈值操作之后得到木材板图像的边缘图Edge(x，y)。具体实施方式为：分别对木材板掩膜Mask(x，y)和木材板图像I(x,y)进行梯度计算；从而分别得到木材板掩膜梯度图GMask(x，y)和木材板图像梯度图GI(x，y)。
对木材板掩膜梯度图GMask(x，y)取阈值为1从而得到木材板掩膜梯度图的边缘图EdgeMask(x，y)。
对木材板图像梯度图GI(x，y)，先计算木材板图像中每个像素梯度的角度，并且对于梯度角度在水平30度以内和垂直30度以内的像素的梯度值乘以1.5，得到新的木材板图像梯度图GI′(x，y)；然后从0开始提高GI′(x，y)的像素阈值T，其中T为大于等于1；保留GI′(x，y)中像素值大于T的像素，直到这些像素在边缘图EdgeMask(x，y)中的像素值也为1的部分达到50％，将此时GI′(x，y)中超过阈值T的像素位置记录，得到木材板图像的边缘图Edge(x,y)。
步骤五：基于木材板边缘图Edge(x，y)，分别计算得到木材板图像I(x，y)中每一块木材板的边缘，并对这些边缘进行长度计算，得到每一块木材板的高度和宽度值Limage(h，l)，其中高度h与宽度值l的单位为像素；具体过程为：首先对木材板边缘图Edge(x，y)进行Hough变换得到Hough变换矩阵Hough(x，y)，然后对矩阵Hough(x，y)进行条件约束，条件为角度θ∈(-5°，5°)或θ∈(85°，95°)，长度ρ＞100，将满足条件的点提取出组成直线图Line(i，j)，其中i为直线的起点坐标，j为终点坐标；然后对所得到的直线图Line(i，j)进行补全。
所述补全包括先找到最外层的4条直线组成外层四边型，之后将其他水平方向直线，即满足条件θ∈(-5°，5°)的直线延长直至触及外层四边形的边，接着将垂直方向直线，即满足条件θ∈(85°，95°)的直线延长直至触及其他直线，最后得到直线图Line(i，j)补全后的网格图W(x，y)。
然后对网格图W(x，y)进行标定，每一个网格即代表一块木材板，计算每一块网格的4条边的像素长度，得到每一块木材板的高度和宽度值Limage(h，l)，其中高度h与宽度值l的单位为像素。
步骤六：根据木材板堆到图像采集设备的距离D，结合图像采集设备的FOV值，得到木材板图像I(x，y)中每一个像素对应在木材板距离处的现实长度W；具体过程为：已知图像采集拍摄的图像I(x，y)的分辨率为m*n，图像采集设备的FOV值为h*v，木材板到图像采集设备的距离为D，则每个像素对应长度
步骤七：结合木材板的高度和长度Limage(h，l)和像素对应长度W，得到每一块木材板的实际尺寸Lreal(h，l)；具体过程为：将步骤五中检测出的每一块木材板的高度和宽度值Limage(h，l)分别乘以像素对应长度W，即得到每片木材在现实中的高度和长度。
步骤八：数据输出。
虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明的，任何熟习此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。

Claims (4)

1.一种基于图像的木材板尺寸测量方法，包括以下步骤：
步骤一：利用图像采集设备拍摄木材堆的端头的图像即木材板图像I(x，y)；利用激光测距仪得到图像采集设备和木材板堆的距离D；所述木材堆为长度相同的长方体木材板同向堆积而成横截面为正方形的长方体；所述木材板图像I(x，y)为正方形；
步骤二：将采集到的木材板图像I(x，y)进行目标识别处理，从而获取表示木材板像素1bit的掩膜Mask(x，y)即木材板掩膜Mask(x，y)；
步骤三：利用木材板图像I(x，y)和木材板掩膜Mask(x，y)计算出木材板横截面的总面积；具体过程为：遍历木材板掩膜Mask(x，y)，对Mask(x，y)中像素值为1bit的像素进行计数，最后得到像素值为1bit的像素总数量为n，n即为木材板横截面的像素总面积；
步骤四：采用边缘检测算法计算木材板图像I(x，y)中单个木材之间的边缘信息，经过自适应阈值操作之后得到木材板图像的边缘图Edge(x，y)；
步骤五：基于木材板边缘图Edge(x，y)，分别计算得到木材板图像I(x，y)中每一块木材板的边缘，并对这些边缘进行长度计算，得到每一块木材板的高度和宽度值Limage(h，l)，其中高度h与宽度值ι的单位为像素；具体过程为：首先对木材板边缘图Edge(x，y)进行Hough变换得到Hough变换矩阵Hough(x，y)，然后对矩阵Hough(x，y)进行条件约束，条件为角度θ∈(-5°，5°)或θ∈(85°，95°)，长度ρ＞100，将满足条件的点提取出组成直线图Line(i，j)，其中i为直线的起点坐标，j为终点坐标；然后对所得到的直线图Line(i，j)进行补全；
所述补全包括先找到最外层的4条直线组成外层四边型，之后将其他水平方向直线，即满足条件θ∈(-5°，5°)的直线延长直至触及外层四边形的边，接着将垂直方向直线，即满足条件θ∈(85°，95°)的直线延长直至触及其他直线，最后得到直线图Line(i，j)补全后的网格图W(x，y)；
然后对网格图W(x，y)进行标定，每一个网格即代表一块木材板，计算每一块网格的4条边的像素长度，得到每一块木材板的高度和宽度值Limage(h，l)，其中高度h与宽度值ι的单位为像素；
步骤六：根据木材板堆到图像采集设备的距离D，结合图像采集设备的FOV值，得到木材板图像I(x，y)中每一个像素对应在木材板距离处的现实长度W；具体过程为：已知图像采集拍摄的图像I(x，y)的分辨率为m*n，图像采集设备的FOV值为h*v，木材板到图像采集设备的距离为D，则每个像素对应长度
步骤七：结合木材板的高度和长度Limage(h，l)和像素对应长度W，得到每一块木材板的实际尺寸Lreal(h，l)；具体过程为：将步骤五中检测出的每一块木材板的高度和宽度值Limage(h，l)分别乘以像素对应长度W，即得到每片木材在现实中的高度和长度。
步骤八：数据输出。
2.根据权利要求1所述的一种基于图像的木材板尺寸测量方法，其特征在于：所述步骤一中图像采集设备拍摄木材板图像I(x，y)的具体步骤为：选择没有阳光干扰的木材测量现场，将统一长度的多个木材板组成的立方体木材堆单独放置，木材堆头部朝向图像采集设备，并在木材堆后端放置绿幕；由激光测距仪测量图像采集设备到木材堆头部的距离D，以3-4米为佳，由图像采集拍摄木材堆端头的图像I(x,y)。
3.根据权利要求1所述的一种基于图像的木材板尺寸测量方法，其特征在于：所述步骤二中进行目标识别处理的方法为人工智能图像处理平台识别，辅以人机交互；具体来说包括：首先，在后端搭建人工智能深度学习框架平台，即对步骤一中采集到的大量木材板图像I(x，y)进行训练，训练结果交由人工比对，将其中判断不准确的部分反馈给人工智能模型，重复进行这些步骤，直到人工智能系统能够识别出超过99％的木材；然后在实际使用中，如果人工智能系统对图片中某一部分是否属于木材不确定，将该部分标记出来并在屏幕中显示提示信息供人工判断，最终得到木材板像素的1bit掩膜Mask(x，y)。
4.根据权利要求1所述的一种基于图像的木材板尺寸测量方法，其特征在于：所述步骤四具体包括：分别对木材板掩膜Mask(x，y)和木材板图像I(x,y)进行梯度计算；从而分别得到木材板掩膜梯度图GMask(x，y)和木材板图像梯度图GI(x，y)；
对木材板掩膜梯度图GMask(x，y)取阈值为1从而得到木材板掩膜梯度图的边缘图EdgeMask(x，y)；
对木材板图像梯度图GI(x，y)，先计算木材板图像中每个像素梯度的角度，并且对于梯度角度在水平30度以内和垂直30度以内的像素的梯度值乘以1.5，得到新的木材板图像梯度图GI’(x，y)；然后从0开始提高GI’(x，y)的像素阈值T，其中T为大于等于1；保留GI’(x，y)中像素值大于T的像素，直到这些像素在边缘图EdgeMask(x，y)中的像素值也为1的部分达到50％，将此时GI’(x，y)中超过阈值T的像素位置记录，得到木材板图像的边缘图Edge(x,y)。
CN201811513267.5A 2018-12-11 2018-12-11 一种基于图像的木材板尺寸测量方法 Active CN109631766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811513267.5A CN109631766B (zh) 2018-12-11 2018-12-11 一种基于图像的木材板尺寸测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811513267.5A CN109631766B (zh) 2018-12-11 2018-12-11 一种基于图像的木材板尺寸测量方法

Publications (2)

Publication Number Publication Date
CN109631766A true CN109631766A (zh) 2019-04-16
CN109631766B CN109631766B (zh) 2021-01-19

Family

ID=66072868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811513267.5A Active CN109631766B (zh) 2018-12-11 2018-12-11 一种基于图像的木材板尺寸测量方法

Country Status (1)

Country Link
CN (1) CN109631766B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111006583A (zh) * 2019-10-25 2020-04-14 盟立自动化(昆山)有限公司 一种用于货场箱体2d视觉获取深度的方法
CN111609801A (zh) * 2020-05-31 2020-09-01 南京工业大学 一种基于机器视觉的多尺寸工件厚度测量方法及系统
CN114092765A (zh) * 2021-11-24 2022-02-25 北京明略软件系统有限公司 一种木材质量检测方法、装置、电子设备及存储介质
CN114166121A (zh) * 2021-12-01 2022-03-11 福建工程学院 基于四边标尺的原木检尺方法
CN114202589A (zh) * 2021-12-14 2022-03-18 福建工程学院 一种基于ArUco码的整车木材检尺系统及其方法
CN114459312A (zh) * 2022-04-14 2022-05-10 徐州恒林木业有限公司 一种木材加工后尺寸检测装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002213921A (ja) * 2001-01-19 2002-07-31 Casio Comput Co Ltd 撮影補助装置
CN102506717A (zh) * 2011-10-26 2012-06-20 上海交通大学 热轧板带三线结构光机器视觉测宽方法
CN102870135A (zh) * 2010-06-29 2013-01-09 富士胶片株式会社 用于形状提取的方法和装置、尺寸测量装置和距离测量装置
CN103292701A (zh) * 2013-06-24 2013-09-11 哈尔滨工业大学 基于机器视觉的精密器件在线尺寸测量方法
CN107388962A (zh) * 2017-07-06 2017-11-24 南京林业大学 一种木质板材翘曲的在线检测装置和检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002213921A (ja) * 2001-01-19 2002-07-31 Casio Comput Co Ltd 撮影補助装置
CN102870135A (zh) * 2010-06-29 2013-01-09 富士胶片株式会社 用于形状提取的方法和装置、尺寸测量装置和距离测量装置
CN102506717A (zh) * 2011-10-26 2012-06-20 上海交通大学 热轧板带三线结构光机器视觉测宽方法
CN103292701A (zh) * 2013-06-24 2013-09-11 哈尔滨工业大学 基于机器视觉的精密器件在线尺寸测量方法
CN107388962A (zh) * 2017-07-06 2017-11-24 南京林业大学 一种木质板材翘曲的在线检测装置和检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111006583A (zh) * 2019-10-25 2020-04-14 盟立自动化(昆山)有限公司 一种用于货场箱体2d视觉获取深度的方法
CN111609801A (zh) * 2020-05-31 2020-09-01 南京工业大学 一种基于机器视觉的多尺寸工件厚度测量方法及系统
CN111609801B (zh) * 2020-05-31 2021-03-23 南京工业大学 一种基于机器视觉的多尺寸工件厚度测量方法及系统
CN114092765A (zh) * 2021-11-24 2022-02-25 北京明略软件系统有限公司 一种木材质量检测方法、装置、电子设备及存储介质
CN114166121A (zh) * 2021-12-01 2022-03-11 福建工程学院 基于四边标尺的原木检尺方法
CN114166121B (zh) * 2021-12-01 2023-05-12 福建工程学院 基于四边标尺的原木检尺方法
CN114202589A (zh) * 2021-12-14 2022-03-18 福建工程学院 一种基于ArUco码的整车木材检尺系统及其方法
CN114459312A (zh) * 2022-04-14 2022-05-10 徐州恒林木业有限公司 一种木材加工后尺寸检测装置

Also Published As

Publication number Publication date
CN109631766B (zh) 2021-01-19

Similar Documents

Publication Publication Date Title
CN109631766A (zh) 一种基于图像的木材板尺寸测量方法
CN104482860B (zh) 鱼类形态参数自动测量装置和方法
CN103033132B (zh) 基于单目视觉的平面测量方法及装置
CN105430376B (zh) 一种全景相机一致性的检测方法及装置
CN109084690A (zh) 基于无人机可见光遥感的作物株高计算方法
CN107091636B (zh) 一种无人机测量植被面积及长度的方法
CN109035292A (zh) 基于深度学习的运动目标检测方法及装置
JP5079547B2 (ja) カメラキャリブレーション装置およびカメラキャリブレーション方法
DE102013113490A1 (de) Verfahren und System zum Schätzen einer Lage einer Kamera
CN103281513B (zh) 一种无重叠域监控系统中行人识别方法
CN116678337B (zh) 基于图像识别的架桥机主梁前后支点处高差和主梁变形监测预警系统及方法
CN115019254A (zh) 一种输电区域异物入侵检测方法、装置、终端及存储介质
CN116993665A (zh) 一种基于计算机视觉的建筑工程作业面施工进度的智能检测方法
CN116753848B (zh) 一种建筑物位移监测方法及系统
CN110658844B (zh) 一种特高压直流线路通道无人机监控方法及其系统
CN104899854A (zh) 堆粮高度线的检测方法和装置
Hajjdiab et al. A vision-based approach for nondestructive leaf area estimation
CN105043275A (zh) 基于图像处理的输电导线覆冰厚度测量方法
CN115713720A (zh) 一种基于视频图像的智能分析方法
CN106683126B (zh) 一种定量评价点云配准中标靶分布质量的方法
CN113192042B (zh) 一种基于opencv的工程主体结构施工进度识别方法
CN110986891B (zh) 一种利用无人机准确快速测量树木冠幅的系统
CN107273893A (zh) 一种智能城市绿化遥感调查的数据校正控制系统
CN114581786B (zh) 一种根据地面图像估测建筑面积的方法和装置
TWI810863B (zh) 一種發電設備異常檢查系統、方法及其電腦可讀媒介

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
TR01 Transfer of patent right

Effective date of registration: 20210317

Address after: 210000 3rd floor, building 5, No. 524, Zhongshan East Road, Qinhuai District, Nanjing City, Jiangsu Province

Patentee after: Beisheng Guoji (Nanjing) optics Co.,Ltd.

Address before: No. 524, Zhongshan East Road, Qinhuai District, Nanjing City, Jiangsu Province, 210000

Patentee before: NANJING 55TH INSTITUTION TECHNOLOGY DEVELOPMENT Co.,Ltd.

TR01 Transfer of patent right