CN109859186A - 一种基于halcon的锂电池模组正负极检测方法 - Google Patents
一种基于halcon的锂电池模组正负极检测方法 Download PDFInfo
- Publication number
- CN109859186A CN109859186A CN201910097171.3A CN201910097171A CN109859186A CN 109859186 A CN109859186 A CN 109859186A CN 201910097171 A CN201910097171 A CN 201910097171A CN 109859186 A CN109859186 A CN 109859186A
- Authority
- CN
- China
- Prior art keywords
- edge
- circle
- halcon
- lithium battery
- xld
- 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
Abstract
本发明公开了一种基于halcon的锂电池模组正负极检测方法,包括如下步骤:1)用相机采集锂电池模组的初始图像;提取图像边缘,标记为Edges;2)分割图像的边缘为直线边缘和圆边缘;3)根据长度值和凸性值对直线边缘和圆边缘进行选择,将一定长度的圆弧进行拟合,生成多个圆型ROI区域;4)提取n个电池的圆心坐标、半径;5)在第i个圆心处生成2/3半径的圆形ROI区域,对ROI区域内图像进行阈值分割;6)获取提取区域的面积,当提取区域的面积大于设定值时为电池的正极,否则为电池的负极;依次类推,直至i=n。本发明采用边缘提取的方法可以对单颗锂电池做到精确定位,继而可以对锂电池正负极进行判断,方法简单、可靠性强。
Description
技术领域
本发明涉及一种基于halcon的锂电池模组正负极检测方法。
背景技术
目前机器视觉技术正逐步应用在各个制造行业中,18650型锂电池作为制造业中需求量极大的一种产品,将机器视觉检测技术应用于18650型锂电池模组正负极检测可极大地提高18650型锂电池模组正负极的检测效率。而对于单颗锂电池区域的提取是进行正负极判断的前提。
发明内容
本发明提供一种基于halcon的锂电池模组正负极检测方法。包括如下步骤:
1)用相机采集锂电池模组的初始图像;采用halcon算子提取图像边缘,标记为Edges;
2)采用halcon算子分割图像的边缘为直线边缘和圆边缘;
3)采用halcon算子分别根据长度值和凸性值对直线边缘和圆边缘进行选择,将一定长度的圆弧进行拟合,生成多个圆型ROI区域;
4)提取n个电池的圆心坐标、半径;
5)在第i个圆心处生成2/3半径的圆形ROI区域,对ROI区域内图像进行阈值分割;
6)获取提取区域的面积,当提取区域的面积大于设定值时为电池的正极,否则为电池的负极;
7)选择下一个电池的圆心生成2/3半径的圆形ROI区域,依次类推直至i=n。
有益效果:本发明的针对一部分可辨别区域小、单颗锂电池被覆盖面积大的锂电池模组,采用边缘提取的方法可以对单颗锂电池做到精确定位,继而可以对锂电池正负极进行判断,提高判断正确性。正确率高、运算简单的用于锂电池模组正负极检测方法。本发明的边缘分割算法能准确、有效地提取出单颗锂电池的中心坐标,且算法原理简单、可靠性强。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1为本发明的原理框图
图2为实施例的原始图像;
图3为实施例的锂电池边缘图像;
图4为实施例的锂电池圆形ROI区域;
图5为实施例的单颗锂电池正极图像;
图6为实施例的单颗锂电池负极图像;
图7为实施例的锂电池模组识别结果图像。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例
一种基于halcon的18650型锂电池模组正负极检测方法,其特征在于包括如下步骤:
(1)将相机采集到的18650型锂电池模组的初始图像记为Image,
(2)采用halcon算子edges_sub_pix(Image,Edges,'canny',1,20,40)提取图像边缘,得到的边缘记为Edges,其中'canny'表示滤波器类型,1表示光滑系数,20表示振幅小于20的不作为边缘,滞后阈值下界,40表示振幅大于40的作为边缘,滞后阈值上界;
(3)采用halcon算子segment_contours_xld(Edges,ContoursSplit,'lines_circles',3,4,2),分割已提取到的XLD边缘Edges为直线XLD边缘和圆XLD边缘,分割后的XLD边缘记为ContoursSplit,其中'lines_circles'表示分割轮廓的方式为“直线-圆”,3表示轮廓平滑的参数,4表示第一次用Ramer算法(即用直线段递进逼近轮廓)时的最大直线距离,2表示第二次逼近轮廓时的最大直线距离;
(4)采用halcon算子select_shape_xld(ContoursSplit,SelectedXLD,'contlength','and',150,500)和halcon算子select_shape_xld(SelectedXLD,SelectedCon,'convexity','and',0.95,1),根据XLD边缘ContoursSplit的长度选择XLD边缘,选择后的XLD边缘记为SelectedXLD,根据XLD边缘SelectedXLD的凸性值选择XLD边缘,选择后的XLD边缘记为SelectedCon,其中'contlength'表示选择关注的特征为边缘长度,'convexity'表示选择关注的特征为凸性值,'and'表示单个特征之间的链接逻辑类型,150,500和0.95,1表示所要求特征的最小值和最大值;
(5)采用halcon算子union_cocircular_contours_xld(SelectedCon,UnionContours,0.5,0.1,0.2,30,10,10,'true',1),合并XLD边缘SelectedCon中的同圆XLD边缘,合并后的XLD边缘记为UnionContours,其中0.5表示圆弧端点与各自圆心的连线构成的夹角阈值,0.1表示重叠轮廓弧度阈值,0.2表示两轮廓端点切线夹角阈值,30表示两轮廓端点连续长度阈值,10表示两轮廓半径差阈值,'true'表示小轮廓是否合并,1表示迭代次数;
(6)采用halcon算子fit_circle_contour_xld(UnionContours,'algebraic',-1,0,0,3,2,Row,Column,Radius,StartPhi,EndPhi,PointOrder)和halcon算子gen_circle(Circle,Row,Column,Radius),根据XLD边缘UnionContours拟合圆并获取圆参数,获取的圆参数有圆心行坐标Row、列坐标Column、圆半径Radius等,根据拟合圆参数生成多个圆型ROI区域,生成的圆型ROI区域记为Circle,其中'algebraic'表示拟合圆采用的算法;
(7)采用halcon算子erosion_circle(Circle,RegionErosion,115)、union1(RegionErosion,RegionUnion)、connection(RegionUnion,ConnectedRegions),腐蚀生成的圆形ROI区域Circle,去除粘连,腐蚀后的圆形ROI区域记为RegionErosion,其中115表示腐蚀结构元素半径;将圆形ROI区域RegionErosion合并到同一区域RegionUnion便于分割圆形ROI区域RegionUnion不连通区域ConnectedRegions;
(8)采用halcon算子select_shape(ConnectedRegions,SelectedRegions,'area','and',1000,10000000),选择不连通区域ConnectedRegions中像素面积大于1000的区域,选择后的圆形ROI区域记为SelectedRegions,此时的圆形ROI区域SelectedRegions即为锂电池所在区域;
(9)采用halcon算子area_center(SelectedRegions,Area,Row1,Column1)获得圆形ROI区域SelectedRegions的参数:行坐标Row1、列坐标Column1,行列坐标均为数组,一一对应后即为单颗锂电池中心的行列坐标;
(10)采用halcon算子count_obj(SelectedRegions,Number)计算锂电池个数,锂电池个数记为Number;
(11)依次采用halcon算子gen_circle(Circle1,Row1[i],Column1[i],Radius*2/3)在单颗锂电池中心生成以电池2/3半径为半径的圆形ROI区域Circle1,其中Row1[i],Column1[i]为一一对应的锂电池中心坐标,Radius*2/3为圆形ROI区域半径;
(12)采用halcon算子reduce_domain(Image,Circle1,ImageReduced)在初始图像Image中划分出圆形ROI区域Circle1所在位置的图像ImageReduced,此时图像ImageReduced即为锂电池极片区域的图像;
(13)采用halcon算子threshold(ImageReduced,Regions,0,90)通过阈值分割提取图像ImageReduced中深色区域,此时黑色区域Regions即为区分锂电池正负极的依据。因为锂电池正极有极片,会导致在正面光源的环境下在图像中产生黑色阴影区域,而负极不存在极片,在正面光源的环境下不会在图像中产生大面积的黑色阴影区域;
(14)采用halcon算子area_center(Regions,Area1,Row2,Column2)计算黑色区域Regions的面积Area1;
(15)通过if(Area1>2000)对单颗锂电池的正负极进行判断;
(16)选择下一单颗锂电池中心生成圆形ROI区域,依次类推。
图7可以看出本发明的方法准确地找出了18650型锂电池模组中的所有锂电池的位置并对该位置的锂电池作出正确判断,经过多次测试未产生误判的情况。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于halcon的锂电池模组正负极检测方法,其特征在于,包括如下步骤: 1)用相机采集锂电池模组的初始图像;采用halcon算子提取图像边缘,标记为Edges; 2)采用halcon算子分割图像的边缘为直线边缘和圆边缘; 3)采用halcon算子分别根据长度值和凸性值对直线边缘和圆边缘进行选择,将一定长度的圆弧进行拟合,生成多个圆型ROI区域; 4)提取n个电池的圆心坐标、半径; 5)在第i个圆心处生成2/3半径的圆形ROI区域,对ROI区域内图像进行阈值分割; 6)获取提取区域的面积,当提取区域的面积大于设定值时为电池的正极,否则为电池的负极; 7)选择下一个电池的圆心生成2/3半径的圆形ROI区域,依次类推直至i=n。
2.如权利要求1所述的基于halcon的锂电池模组正负极检测方法,其特征在于,所述步骤1)中采用采用halcon算子edges_sub_pix(Image,Edges,'canny',1,20,40)提取图像边缘,得到的图像边缘记为Edges,其中'canny'表示滤波器类型,1表示光滑系数,20表示振幅小于20的不作为边缘,滞后阈值下界,40表示振幅大于40的作为边缘,滞后阈值上界。
3.如权利要求1所述的基于halcon的锂电池模组正负极检测方法,其特征在于,所述步骤2)中采用halcon算子segment_contours_xld(Edges,ContoursSplit,'lines_circles',3,4,2)分割已提取到的边缘Edges为直线XLD边缘和圆XLD边缘,分割后的XLD边缘记为ContoursSplit,其中'lines_circles'表示分割轮廓的方式为“直线-圆”,3表示轮廓平滑的参数,4表示第一次用Ramer算法(即用直线段递进逼近轮廓)时的最大直线距离,2表示第二次逼近轮廓时的最大直线距离。
4.如权利要求1所述的基于halcon的锂电池模组正负极检测方法,其特征在于,所述步骤3)包括以下步骤:
S1:采用halcon算子select_shape_xld(ContoursSplit,SelectedXLD,'contlength','and',150,500)和halcon算子select_shape_xld(SelectedXLD,SelectedCon,'convexity','and',0.95,1),根据XLD边缘ContoursSplit的长度选择XLD边缘,选择后的XLD边缘记为SelectedXLD,根据XLD边缘SelectedXLD的凸性值选择XLD边缘,选择后的XLD边缘记为SelectedCon,其中'contlength'表示选择关注的特征为边缘长度,'convexity'表示选择关注的特征为凸性值,'and'表示单个特征之间的链接逻辑类型,150,500和0.95,1表示所要求特征的最小值和最大值;
S2:采用halcon算子union_cocircular_contours_xld(SelectedCon,UnionContours,0.5,0.1,0.2,30,10,10,'true',1),合并XLD边缘SelectedCon中的同圆XLD边缘,合并后的XLD边缘记为UnionContours,其中0.5表示圆弧端点与各自圆心的连线构成的夹角阈值,0.1表示重叠轮廓弧度阈值,0.2表示两轮廓端点切线夹角阈值,30表示两轮廓端点连续长度阈值,10表示两轮廓半径差阈值,'true'表示小轮廓是否合并,1表示迭代次数;
S3:采用halcon算子fit_circle_contour_xld(UnionContours,'algebraic',-1,0,0,3,2,Row,Column,Radius,StartPhi,EndPhi,PointOrder)和halcon算子gen_circle(Circle,Row,Column,Radius),根据XLD边缘UnionContours拟合圆并获取圆参数,获取的圆参数有圆心行坐标Row、列坐标Column、圆半径Radius等,根据拟合圆参数生成多个圆型ROI区域,生成的圆型ROI区域记为Circle,其中'algebraic'表示拟合圆采用的算法;
S4:采用halcon算子erosion_circle(Circle,RegionErosion,115)、union1(RegionErosion,RegionUnion)、connection(RegionUnion,ConnectedRegions),腐蚀生成的圆形ROI区域Circle,去除粘连,腐蚀后的圆形ROI区域记为RegionErosion,其中115表示腐蚀结构元素半径;将圆形ROI区域RegionErosion合并到同一区域RegionUnion便于分割圆形ROI区域RegionUnion不连通区域ConnectedRegions;
S5:采用halcon算子select_shape(ConnectedRegions,SelectedRegions,'area','and',1000,10000000),选择不连通区域ConnectedRegions中像素面积大于1000的区域,选择后的圆形ROI区域记为SelectedRegions,此时的圆形ROI区域SelectedRegions即为锂电池所在区域。
5.如权利要求1所述的基于halcon的锂电池模组正负极检测方法,其特征在于,所述步骤4)包括以下步骤:采用halcon算子area_center(SelectedRegions,Area,Row1,Column1)获得圆形ROI区域SelectedRegions的参数:行坐标Row1、列坐标Column1,行列坐标均为数组,一一对应后即为单颗锂电池中心的行列坐标;然后采用halcon算子count_obj(SelectedRegions,Number)计算锂电池个数,锂电池个数记为Number。
6.如权利要求1所述的基于halcon的锂电池模组正负极检测方法,其特征在于,所述步骤5)包括以下步骤:
S1:依次采用halcon算子gen_circle(Circle1,Row1[i],Column1[i],Radius*2/3)在单颗锂电池中心生成以电池2/3半径为半径的圆形ROI区域Circle1,其中Row1[i],Column1[i]为一一对应的锂电池中心坐标,Radius*2/3为圆形ROI区域半径;
S2:采用halcon算子reduce_domain(Image,Circle1,ImageReduced)在初始图像Image中划分出圆形ROI区域Circle1所在位置的图像ImageReduced,此时图像ImageReduced即为锂电池极片区域的图像;
S3:采用halcon算子threshold(ImageReduced,Regions,0,90)通过阈值分割提取图像ImageReduced中深色区域。
7.如权利要求1所述的基于halcon的锂电池模组正负极检测方法,其特征在于,所述步骤6)包括以下步骤:首先采用halcon算子area_center(Regions,Area1,Row2,Column2)计算黑色区域Regions的面积Area1;然后通过if(Area1>2000)对单颗锂电池的正负极进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097171.3A CN109859186B (zh) | 2019-01-31 | 2019-01-31 | 一种基于halcon的锂电池模组正负极检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097171.3A CN109859186B (zh) | 2019-01-31 | 2019-01-31 | 一种基于halcon的锂电池模组正负极检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859186A true CN109859186A (zh) | 2019-06-07 |
CN109859186B CN109859186B (zh) | 2020-12-29 |
Family
ID=66897180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910097171.3A Active CN109859186B (zh) | 2019-01-31 | 2019-01-31 | 一种基于halcon的锂电池模组正负极检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859186B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709937A (zh) * | 2020-06-18 | 2020-09-25 | 上海网钜信息科技有限公司 | 一种基于机器视觉的电路板pin针检测的方法 |
CN112184816A (zh) * | 2020-09-28 | 2021-01-05 | 珠海博明视觉科技有限公司 | 一种基于电池极耳的锂电池柔性定位方法 |
CN112200786A (zh) * | 2020-10-15 | 2021-01-08 | 福建工程学院 | 一种极柱焊接环形区域的提取方法 |
CN112465814A (zh) * | 2020-12-17 | 2021-03-09 | 无锡日联科技股份有限公司 | 基于深度学习的电池overhang的计算方法和装置 |
CN113838006A (zh) * | 2021-09-06 | 2021-12-24 | 苏州坤厚自动化科技有限公司 | 一种基于halcon的检测圆桩的设计方法 |
CN115797351A (zh) * | 2023-02-08 | 2023-03-14 | 山东第一医科大学(山东省医学科学院) | 一种光伏电池板的异常检测方法 |
CN117053687A (zh) * | 2023-08-17 | 2023-11-14 | 广州市西克传感器有限公司 | 一种基于激光线扫3d相机的电芯高度段差检测方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6357156B1 (en) * | 2000-07-26 | 2002-03-19 | Smith & Wesson Corp. | Authorization module for activating a firearm and method of using same |
US7899243B2 (en) * | 2000-11-06 | 2011-03-01 | Evryx Technologies, Inc. | Image capture and identification system and process |
CN103400134A (zh) * | 2013-06-28 | 2013-11-20 | 哈尔滨工程大学 | 非接触式手指静脉样本感兴趣区域提取方法 |
CN103675588A (zh) * | 2013-11-20 | 2014-03-26 | 中国矿业大学 | 印刷电路元件极性的机器视觉检测方法及设备 |
CN104463949A (zh) * | 2014-10-24 | 2015-03-25 | 郑州大学 | 一种基于光场数字重聚焦的快速三维重建方法及其系统 |
CN105488503A (zh) * | 2015-11-27 | 2016-04-13 | 东北大学 | 一种非编码圆环形标记点圆心图像坐标检测方法 |
CN106060407A (zh) * | 2016-07-29 | 2016-10-26 | 努比亚技术有限公司 | 一种对焦方法及终端 |
CN107103298A (zh) * | 2017-04-21 | 2017-08-29 | 桂林电子科技大学 | 基于图像处理的引体向上计数系统及计数方法 |
CN107516308A (zh) * | 2017-07-06 | 2017-12-26 | 佛山科学技术学院 | 一种电池盖帽正面视觉检测方法 |
CN108459558A (zh) * | 2018-03-21 | 2018-08-28 | 苏州大学 | 一种定位测量装置和定位测量方法 |
CN108596925A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置图像处理方法 |
CN108710876A (zh) * | 2018-04-20 | 2018-10-26 | 江苏理工学院 | 一种基于机器视觉的电池表面标识缺陷检测方法及系统 |
US20180314884A1 (en) * | 2017-04-27 | 2018-11-01 | Intuit Inc. | Detecting orientation of textual documents on a live camera feed |
CN108896577A (zh) * | 2018-05-30 | 2018-11-27 | 昆山睿力得软件技术有限公司 | 一种刹车片轮廓缺陷的自动检测方法 |
CN109064440A (zh) * | 2018-06-19 | 2018-12-21 | 广东工业大学 | 一种基于机器视觉的喇叭音圈焊线识别方法 |
-
2019
- 2019-01-31 CN CN201910097171.3A patent/CN109859186B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6357156B1 (en) * | 2000-07-26 | 2002-03-19 | Smith & Wesson Corp. | Authorization module for activating a firearm and method of using same |
US7899243B2 (en) * | 2000-11-06 | 2011-03-01 | Evryx Technologies, Inc. | Image capture and identification system and process |
CN103400134A (zh) * | 2013-06-28 | 2013-11-20 | 哈尔滨工程大学 | 非接触式手指静脉样本感兴趣区域提取方法 |
CN103675588A (zh) * | 2013-11-20 | 2014-03-26 | 中国矿业大学 | 印刷电路元件极性的机器视觉检测方法及设备 |
CN104463949A (zh) * | 2014-10-24 | 2015-03-25 | 郑州大学 | 一种基于光场数字重聚焦的快速三维重建方法及其系统 |
CN105488503A (zh) * | 2015-11-27 | 2016-04-13 | 东北大学 | 一种非编码圆环形标记点圆心图像坐标检测方法 |
CN106060407A (zh) * | 2016-07-29 | 2016-10-26 | 努比亚技术有限公司 | 一种对焦方法及终端 |
CN107103298A (zh) * | 2017-04-21 | 2017-08-29 | 桂林电子科技大学 | 基于图像处理的引体向上计数系统及计数方法 |
US20180314884A1 (en) * | 2017-04-27 | 2018-11-01 | Intuit Inc. | Detecting orientation of textual documents on a live camera feed |
CN107516308A (zh) * | 2017-07-06 | 2017-12-26 | 佛山科学技术学院 | 一种电池盖帽正面视觉检测方法 |
CN108596925A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置图像处理方法 |
CN108459558A (zh) * | 2018-03-21 | 2018-08-28 | 苏州大学 | 一种定位测量装置和定位测量方法 |
CN108710876A (zh) * | 2018-04-20 | 2018-10-26 | 江苏理工学院 | 一种基于机器视觉的电池表面标识缺陷检测方法及系统 |
CN108896577A (zh) * | 2018-05-30 | 2018-11-27 | 昆山睿力得软件技术有限公司 | 一种刹车片轮廓缺陷的自动检测方法 |
CN109064440A (zh) * | 2018-06-19 | 2018-12-21 | 广东工业大学 | 一种基于机器视觉的喇叭音圈焊线识别方法 |
Non-Patent Citations (6)
Title |
---|
何程涛等: "基于HALCON的电池盖帽检测", 《数据通信》 * |
周奇: "基于HALCON的太阳能电池片缺陷检测系统设计", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
张如如等: "基于HALCON的双目立体视觉工件尺寸测量", 《计算机测量与控制》 * |
王志陶 : "基于数字图像处理的太阳能电池缺陷检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
罗印升等: "基于机器视觉的零部件表面缺陷检测方法研究", 《现代电子技术》 * |
陈艺峰: "Halcon在工件二维尺寸检测上的应用", 《机电技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709937A (zh) * | 2020-06-18 | 2020-09-25 | 上海网钜信息科技有限公司 | 一种基于机器视觉的电路板pin针检测的方法 |
CN112184816A (zh) * | 2020-09-28 | 2021-01-05 | 珠海博明视觉科技有限公司 | 一种基于电池极耳的锂电池柔性定位方法 |
CN112184816B (zh) * | 2020-09-28 | 2024-03-22 | 珠海博明视觉科技有限公司 | 一种基于电池极耳的锂电池柔性定位方法 |
CN112200786A (zh) * | 2020-10-15 | 2021-01-08 | 福建工程学院 | 一种极柱焊接环形区域的提取方法 |
CN112200786B (zh) * | 2020-10-15 | 2023-09-22 | 福建工程学院 | 一种极柱焊接环形区域的提取方法 |
CN112465814A (zh) * | 2020-12-17 | 2021-03-09 | 无锡日联科技股份有限公司 | 基于深度学习的电池overhang的计算方法和装置 |
CN113838006A (zh) * | 2021-09-06 | 2021-12-24 | 苏州坤厚自动化科技有限公司 | 一种基于halcon的检测圆桩的设计方法 |
CN115797351A (zh) * | 2023-02-08 | 2023-03-14 | 山东第一医科大学(山东省医学科学院) | 一种光伏电池板的异常检测方法 |
CN117053687A (zh) * | 2023-08-17 | 2023-11-14 | 广州市西克传感器有限公司 | 一种基于激光线扫3d相机的电芯高度段差检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109859186B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859186A (zh) | 一种基于halcon的锂电池模组正负极检测方法 | |
CN103116896B (zh) | 一种基于视觉显著性模型的自动检测跟踪方法 | |
CN107185854B (zh) | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 | |
CN107704801B (zh) | 基于分段直线加分段贝塞尔曲线的曲线车道线检测方法 | |
CN101216895B (zh) | 一种复杂背景图像中椭圆图像特征的自动提取方法 | |
CN107895376A (zh) | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 | |
CN105469084A (zh) | 一种靶标中心点快速提取方法及系统 | |
CN108389250A (zh) | 基于点云数据快速生成建筑物断面图的方法 | |
CN104361314A (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
CN104408455A (zh) | 粘连字符分割方法 | |
CN109448045A (zh) | 基于slam的平面多边形物体测量方法及机器可读存储介质 | |
CN107220999A (zh) | 工件圆弧边缘特征点匹配方法的研究 | |
CN109886124A (zh) | 一种基于线束描述子图像匹配的无纹理金属零件抓取方法 | |
CN104537342A (zh) | 一种结合山脊边界检测及霍夫变换的快速车道线检测方法 | |
CN105913435A (zh) | 一种适用于大区域的多尺度遥感影像匹配方法及系统 | |
CN105242568A (zh) | 基于数字图像处理的烟叶精确剔除控制方法 | |
CN110390256A (zh) | 一种沥青路面裂缝提取方法 | |
CN107818563A (zh) | 一种输电线路分裂导线间距空间测量与定位方法 | |
CN104457691B (zh) | 一种建筑物主体高程信息获取方法 | |
CN109685773B (zh) | 一种免疫细胞图像中突触位置点的确定方法 | |
CN115690012A (zh) | 一种电能表接错线的检测方法 | |
CN106469454A (zh) | 一种复合材料细观结构的计算机图形识别技术和三维建模方法 | |
CN107123138A (zh) | 基于vanilla‑R点对剔除策略的点云配准算法 | |
CN116434208B (zh) | 一种用于仪表扇形区域的视觉识别方法 | |
CN112581368A (zh) | 一种基于最优图匹配的多机器人栅格地图拼接方法 |
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 |