CN109978940B - 一种sab安全气囊尺寸视觉测量方法 - Google Patents
一种sab安全气囊尺寸视觉测量方法 Download PDFInfo
- Publication number
- CN109978940B CN109978940B CN201910243470.3A CN201910243470A CN109978940B CN 109978940 B CN109978940 B CN 109978940B CN 201910243470 A CN201910243470 A CN 201910243470A CN 109978940 B CN109978940 B CN 109978940B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- airbag
- sab
- follows
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 238000005286 illumination Methods 0.000 claims description 11
- 238000009958 sewing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T7/60—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种SAB安全气囊尺寸视觉测量方法:采集气囊样件的光学图像;对所述光学图像进行倾斜矫正;构造线性平滑滤波器进行滤波,除去高频成分和锐化细节;采用Canny边缘检测和形态学闭运算提取边缘;依据长宽比、面积等特征准确定位目标区域;采用最小二乘直线拟合的方法拟合外轮廓,依据点测距原理,进行视觉测量;预缝线间距测量采用灰度直方图与投影法相结合,进行精确测量;可以将测量方法应用于生产流水线中,与过往的技术相比,整个系统更具有移植性,自动化程度更高,可以大幅度提高检测效率。对比人工检测,误差的随机性小,而且误差也相对更小,可以长时间稳定测量、分析而不会产生疲劳,可以节省大量劳动力。
Description
技术领域
本发明涉及一种SAB安全气囊尺寸视觉测量方法。
背景技术
21世纪以来,汽车行业迅猛发展。SAB安全气囊作为继安全带之后的又一安全辅助工具在现代汽车中占有重要地位,它的出现大大降低死亡速率。因此,对于安全辅助装置的安全气囊,它的生产过程需要保证它的精确与安全,以达到预期的辅助安全设计功能。传统对零部件质量的检测主要是通过人工或者辅助某种机器进行完成的,轮廓仪、机电式千分表、万能工具显微镜以及卡尺等是常用的轮廓尺寸检测工具。但是人工检测的状况受限于操作人员的身体状况以及工作状态。在长时间,大化量的生产模式下,人工检测展现出了极大的弊端,由于劳动强度大,误检率高,极大地限制了生产效率的提高和产品质量的提升,导致不合格的产品流入后续的生产加工过程,酿成极大的事故,这些导致了传统检测方式已经无法适应现代化工业生产的需要,需要引进一种自动检测技术,既降低人力成本又能实现对产品质量的严格控制。
目前计算机视觉技术已相对成熟,具有非接触、速度快、精度高、抗干扰能力强等诸多优点,如果将计算机视觉技术引入SAB气囊尺寸检测中,将能够很好地满足其对可靠性和灵敏度的要求,而且维护方便。
发明内容
有鉴于此,本发明的目的在于提供一种SAB安全气囊尺寸视觉测量方法,提高了检测准确性与自动化程度,提升了检测效率。
为实现上述目的,本发明采用如下技术方案:一种SAB安全气囊尺寸视觉测量方法,其特征在于,包括以下步骤:
步骤S1:构建机器视觉系统,采集SAB安全气囊的光学图像;
步骤S2:对光学图像进行图像的倾斜矫正,同时提取目标图像;
步骤S3:对矫正后图像进行图像预处理,通过滤波与锐化,改善图像质量;
步骤S4:采用Canny边缘检测对增强图像进行图像分割,得到若干区域,结合图像形态学运算滤除背景及其他噪点干扰;
步骤S5:依据长宽比以及面积等几何特征,定位预缝线感兴趣区域;
步骤S6:采用投影法和灰度直方图相结合的方法,对预缝线的进行测距,得到预缝线间的像素距离D1;
步骤S7:采用最小二乘法对气囊外轮廓进行直线拟合,测量外轮廓尺寸,得到像素尺寸D2;
步骤S8:依据标定实验,得到比例因子s,换算得到真实尺寸D1'和D2',即为SAB安全气囊真实尺寸。
进一步的,所述步骤S1中,机器视觉系统包括工业相机与镜头,照明光源,以及传送带和控制器,所述控制器与工业相机及控制传送带运动的电机连接,用于接收工业相机采集到的光学图像;所述控制器与上位机连接,将光学图像传输给上位机并接收上位机的控制命令,用于控制传送带的运行。照明光源为条形光源,设置于检测台正上方,照明方式为垂直照明。
进一步的,所述步骤2中,图像的倾斜矫正以及目标图像提取的具体内容如下:
步骤S21:对光学图像图像进行灰度变换,以及二值化图像;
步骤S22:对二值化图像进行轮廓提取,同时获得每个轮廓的最小外接矩形;
步骤S23:依据最小外接矩形面积特征,帅选出面积最大矩形区域即为气囊目标区域。
步骤S24:依据最小外接矩形四个顶点坐标,获得其旋转中心以及旋转角度,求得单应性矩阵H;
步骤S25:依据单应性矩阵H,对源图像进行仿射变换;
步骤S26:对变换后的图像,重复步骤S21-S23操作,进行气囊目标区域提取。
进一步的,所述步骤S3中,图像预处理的具体内容如下:
步骤S31:对图像进行灰度变换,得到灰度图像;
步骤S32:构造线性平滑滤波器,对图像进行滤波,滤波采用局部均值运算。每个像素灰度值用其局部邻域内所有值的权值置换,计算公式为:
其中,M是邻域N内的像素点总数,h[i,j]是滤波后像素点[i,j]的灰度值,f[k,l]是滤波前像素点[k,l]的邻域像素点的灰度值。
步骤S33:采用基于空域的拉普拉斯锐化算子,增强图像边缘细节,构建模板为:
进一步的,所述步骤S4中,边缘检测的具体内容如下:
步骤S41:采用Canny算子,对样件进行边缘检测;
步骤S42:采用形态学闭运算处理,消除边缘毛刺及孤立斑点,填补孔洞。
进一步的,所述步骤S5中,基于几何特征定位ROI区域的具体内容如下:
步骤S51:对样件进行外轮廓提取,得到轮廓集C;
步骤S52:遍历轮廓集C,求取每个轮廓的外接矩形;
步骤S53:依据外接矩形长宽比以及面积,定位预缝线感兴趣区域R1和R2。
步骤S54:记录R1和R2的位置坐标,包含左上角顶点坐标(x1,y1)和(x2,y2)。
进一步的,所述步骤S6中,基于投影灰度直方图的方法的具体内容如下:
步骤S61:遍历ROI区域R1和R2,各自统计区域内每行非0像素个数Ni,以行数为横坐标,Ni为纵坐标,绘制直方图。
步骤S62:结合直方图最大值所在位置,计为第i1max和i2max行,以及ROI区域在位置坐标y1和y2,得到两预缝线所在位置y1'和y2'。
步骤S63:作差,得到两预缝线之间的像素距离D1=|y1'-y2'|。
进一步的,所述步骤S7中,基于最小二乘法的直线拟合测距方法的具体内容如下:
步骤S71:从上到下,遍历边缘轮廓点,得到直线上边缘像素点集合P1;
步骤S72:从上到下,遍历边缘轮廓点,得到直线下边缘像素点集合P2;
步骤S73:根据最小二乘法,拟合直线方程L1和L3,计算公式为:
步骤S74:计算上边缘中心点p(x0,y0),其中x0位于点集P1的横坐标均值位置,y0通过直线方程L3求得;
步骤S75:根据点到直线距离公式,求得两直线间距离D2
其中,A、B、C分别是直线的一般方程的系数参数,(x0,y0)是上边缘中心点坐标。
进一步的,所述步骤S8中,标定真实尺寸的具体内容如下:
步骤S81:将标准工件(已知真实尺寸di)放置于相机视野中;
步骤S82:用编写的检测软件测量工件相应指标的像素尺寸ds;
步骤S83:计算标定系数s=di/ds;
步骤S84:计算工件真实尺寸D1'和D2',计算公式为:
本发明与现有技术相比具有以下有益效果:本发明采用计算机视觉和组合光源垂直入射技术相结合的方式,实现了SAB气囊尺寸的测量,特别是解决了气囊外形轮廓因为波浪线弯曲造成的难以精确测量等问题,另外本发明能够实现多工位检测以及解决了常用算法计算量大、检测速度慢等问题,并能准确判断检测对象是否合格,且数据量小,检测效率高,具有很强的实用性和广阔的应用前景。
附图说明
图1是本发明的方法流程图;
图2是本发明的一个实施例图像倾斜矫正的流程图;
图3是本发明的一个实施例投影测距的流程图;
图4是本发明的一个实施例最小二乘直线拟合点测距的原理图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种SAB安全气囊尺寸视觉测量方法,具体包括以下步骤:
步骤S1:构建机器视觉系统,采集SAB安全气囊的光学图像;
于本实施例中,采集图像的机器视觉系统包括工业相机与镜头,照明光源,以及传送带和控制器。所述控制器与工业相机及控制传送带运动的电机连接,用于接收工业相机采集到的光学图像;所述控制器与上位机连接,将光学图像传输给上位机并接收上位机的控制命令,用于控制传送带的运行。
于本实施例中,所选光源为条形光源,设置于检测台正上方,照明方式为垂直照明。
于本实施例中,上位机为计算机,在计算机接收到控制器传输过来的光学图像后,根据下述步骤S2至步骤S8对气囊进行尺寸测量同时判定合格与否。若判断气囊合格,则机器继续正常运行,若判断不合格,发出信号,同时标记。
请参照图2,对图像的倾斜矫正,具体包括以下步骤:
步骤S2:对光学图像进行图像的倾斜矫正,同时提取目标图像;
步骤S21:对光学图像图像进行灰度变换,以及二值化图像;
步骤S22:对二值化图像进行轮廓提取,同时获得每个轮廓的最小外接矩形;
步骤S23:依据最小外接矩形面积特征,帅选出面积最大矩形区域即为气囊目标区域。
步骤S24:依据最小外接矩形四个顶点坐标,获得其旋转中心以及旋转角度,求得单应性矩阵H;
步骤S25:依据单应性矩阵H,对源图像进行仿射变换;
步骤S26:对变换后的图像,重复步骤S21-S23操作,进行气囊目标区域提取。
步骤S3:对矫正后图像进行图像预处理,通过滤波与锐化,改善图像质量;
步骤S31:对图像进行灰度变换,得到灰度图像;
步骤S32:构造线性平滑滤波器,对图像进行滤波,滤波采用局部均值运算。每个像素灰度值用其局部邻域内所有值的权值置换,计算公式为:
其中,M是邻域N内的像素点总数,h[i,j]是滤波后像素点[i,j]的灰度值,f[k,l]是滤波前像素点[k,l]的邻域像素点的灰度值。
步骤S33:采用基于空域的拉普拉斯锐化算子,增强图像边缘细节,构建模板为:
步骤S4:采用Canny边缘检测对增强图像进行图像分割,得到若干区域,结合图像形态学运算滤除背景及其他噪点干扰;
步骤S41:采用Canny算子,对样件进行边缘检测;
步骤S42:采用形态学闭运算处理,消除边缘毛刺及孤立斑点,填补孔洞。
请参照图3,投影测距算法,具体包括以下步骤:
步骤S5:依据长宽比以及面积等几何特征,定位预缝线感兴趣区域;
步骤S51:对样件进行外轮廓提取,得到轮廓集C;
步骤S52:遍历轮廓集C,求取每个轮廓的外接矩形;
步骤S53:依据外接矩形长宽比以及面积,定位预缝线感兴趣区域R1和R2。
步骤S54:记录R1和R2的位置坐标,包含左上角顶点坐标(x1,y1)和(x2,y2)。
步骤S6:采用投影法和灰度直方图相结合的方法,对预缝线的进行测距,得到预缝线间的像素距离D1;
步骤S61:遍历ROI区域R1和R2,各自统计区域内每行非0像素个数Ni,以行数为横坐标,Ni为纵坐标,绘制直方图。
步骤S62:结合直方图最大值所在位置,计为第i1max和i2max行,以及ROI区域在位置坐标y1和y2,得到两预缝线所在位置y1'和y2‘。
步骤S63:作差,得到两预缝线之间的像素距离D1=|y1'-y2'||。
请参照图4,基于最小二乘法的直线拟合测距方法,具体包括以下步骤:
步骤S7:采用最小二乘法对气囊外轮廓进行直线拟合,测量外轮廓尺寸,得到像素尺寸D2;
步骤S71:从上到下,遍历边缘轮廓点,得到直线上边缘像素点集合P1;
步骤S72:从上到下,遍历边缘轮廓点,得到直线下边缘像素点集合P2;
步骤S73:根据最小二乘法,拟合直线方程L1和L3,计算公式为:
步骤S74:计算上边缘中心点p(x0,y0),其中x0位于点集P1的横坐标均值位置,y0通过直线方程L3求得;
步骤S75:根据点到直线距离公式,求得两直线间距离D2
其中,A、B、C分别是直线的一般方程的系数参数,(x0,y0)是上边缘中心点坐标。
步骤S8:依据标定实验,得到比例因子s,换算得到真实尺寸D1'和D2'。
步骤S81:将标准工件(已知真实尺寸di)放置于相机视野中;
步骤S82:用编写的检测软件测量工件相应指标的像素尺寸ds;
步骤S83:计算标定系数s=di/ds;
步骤S84:计算工件真实尺寸D1'和D2',计算公式为:
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (5)
1.一种SAB安全气囊尺寸视觉测量方法,其特征在于,包括以下步骤:
步骤S1:构建机器视觉系统,采集SAB安全气囊的光学图像;
步骤S2:对光学图像进行图像的倾斜矫正,同时提取目标图像;
步骤S3:对矫正后图像进行图像预处理,通过滤波与锐化,改善图像质量;
步骤S4:采用Canny边缘检测对增强图像进行图像分割,得到若干区域,结合图像形态学运算滤除背景及其他噪点干扰;
步骤S5:依据长宽比以及面积等几何特征,定位预缝线感兴趣区域;
步骤S6:采用投影法和灰度直方图相结合的方法,对预缝线的进行测距,得到预缝线间的像素距离D1;
步骤S7:采用最小二乘法对气囊外轮廓进行直线拟合,测量外轮廓尺寸,得到像素尺寸D2;
步骤S8:依据标定实验,得到比例因子s,换算得到真实尺寸D1'和D2',即为SAB安全气囊真实尺寸;
所述步骤S3中,图像预处理的具体内容如下:
步骤S31:对图像进行灰度变换,得到灰度图像;
步骤S32:构造线性平滑滤波器,对图像进行滤波,滤波采用局部均值运算;每个像素灰度值用其局部邻域内所有值的权值置换,计算公式为:
其中,M是邻域N内的像素点总数,h[i,j]是滤波后像素点[i,j]的灰度值,f[k,l]是滤波前像素点[k,l]的邻域像素点的灰度值;
步骤S33:采用基于空域的拉普拉斯锐化算子,增强图像边缘细节,构建模板为:
所述步骤S6中,基于投影灰度直方图的方法的具体内容如下:
步骤S61:遍历ROI区域R1和R2,各自统计区域内每行非0像素个数Ni,以行数为横坐标,Ni为纵坐标,绘制直方图;
步骤S62:结合直方图最大值所在位置,计为第i1max和i2max行,以及ROI区域在位置坐标y1和y2,得到两预缝线所在位置y1'和y2'
步骤S63:作差,得到两预缝线之间的像素距离D1=|y1'-y2'|;
所述步骤S7中,基于最小二乘法的直线拟合测距方法的具体内容如下:
步骤S71:从上到下,遍历边缘轮廓点,得到直线上边缘像素点集合P1;
步骤S72:从上到下,遍历边缘轮廓点,得到直线下边缘像素点集合P2;
步骤S73:根据最小二乘法,拟合直线方程L1和L3,计算公式为:
步骤S74:计算上边缘中心点p(x0,y0),其中x0位于点集P1的横坐标均值位置,y0通过直线方程L3求得;
步骤S75:根据点到直线距离公式,求得两直线间距离D2
其中,A、B、C分别是直线的一般方程的系数参数,(x0,y0)是上边缘中心点坐标;
所述步骤S8中,标定真实尺寸的具体内容如下:
步骤S81:将标准工件,已知真实尺寸di,放置于相机视野中;
步骤S82:用编写的检测软件测量工件相应指标的像素尺寸ds;
步骤S83:计算标定系数s=di/ds;
步骤S84:计算工件真实尺寸D1'和D2',计算公式为:
2.根据权利要求1所述的一种SAB安全气囊尺寸视觉测量方法,其特征在于:所述步骤S1中,机器视觉系统包括工业相机与镜头,照明光源,以及传送带和控制器,所述控制器与工业相机及控制传送带运动的电机连接,用于接收工业相机采集到的光学图像;所述控制器与上位机连接,将光学图像传输给上位机并接收上位机的控制命令,用于控制传送带的运行;照明光源为条形光源,设置于检测台正上方,照明方式为垂直照明;。
3.根据权利要求1所述的一种SAB安全气囊尺寸视觉测量方法,其特征在于:所述步骤S2中,图像的倾斜矫正以及目标图像提取的具体内容如下:
步骤S21:对光学图像进行灰度变换,以及二值化图像;
步骤S22:对二值化图像进行轮廓提取,同时获得每个轮廓的最小外接矩形;
步骤S23:依据最小外接矩形面积特征,帅选出面积最大矩形区域即为气囊目标区域;
步骤S24:依据最小外接矩形四个顶点坐标,获得其旋转中心以及旋转角度,求得单应性矩阵H;
步骤S25:依据单应性矩阵H,对源图像进行仿射变换;
步骤S26:对变换后的图像,重复步骤S21-S23操作,进行气囊目标区域提取。
4.根据权利要求1所述的一种SAB安全气囊尺寸视觉测量方法,其特征在于:所述步骤S4中,边缘检测的具体内容如下:
步骤S41:采用Canny算子,对样件进行边缘检测;
步骤S42:采用形态学闭运算处理,消除边缘毛刺及孤立斑点,填补孔洞。
5.根据权利要求1所述的一种SAB安全气囊尺寸视觉测量方法,其特征在于:所述步骤S5中,基于几何特征定位ROI区域的具体内容如下:
步骤S51:对样件进行外轮廓提取,得到轮廓集C;
步骤S52:遍历轮廓集C,求取每个轮廓的外接矩形;
步骤S53:依据外接矩形长宽比以及面积,定位预缝线感兴趣区域R1和R2;
步骤S54:记录R1和R2的位置坐标,包含左上角顶点坐标(x1,y1)和(x2,y2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910243470.3A CN109978940B (zh) | 2019-03-28 | 2019-03-28 | 一种sab安全气囊尺寸视觉测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910243470.3A CN109978940B (zh) | 2019-03-28 | 2019-03-28 | 一种sab安全气囊尺寸视觉测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109978940A CN109978940A (zh) | 2019-07-05 |
CN109978940B true CN109978940B (zh) | 2023-04-07 |
Family
ID=67081291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910243470.3A Active CN109978940B (zh) | 2019-03-28 | 2019-03-28 | 一种sab安全气囊尺寸视觉测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978940B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766677B (zh) * | 2019-10-24 | 2022-03-18 | 吉林大学 | 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 |
CN111833317A (zh) * | 2020-06-30 | 2020-10-27 | 佛山科学技术学院 | 基于增强现实的工业产品规格检测方法及设备 |
CN111862050A (zh) * | 2020-07-22 | 2020-10-30 | 无锡先导智能装备股份有限公司 | 一种物料检测系统、方法及设备 |
CN112183665A (zh) * | 2020-10-28 | 2021-01-05 | 广西科技大学 | 一种基于卷积神经网络的co2焊接熔池图像识别方法 |
CN113160259B (zh) * | 2021-04-30 | 2024-01-30 | 重庆紫光华山智安科技有限公司 | 边缘检测方法、装置、计算机设备及存储介质 |
CN114878179B (zh) * | 2022-04-08 | 2023-05-23 | 中汽研汽车检验中心(广州)有限公司 | 一种安全气囊点爆测试方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488816A (zh) * | 2015-11-27 | 2016-04-13 | 中南大学 | 一种基于三维视觉信息的矿物浮选泡沫流速在线检测装置及方法 |
CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8107726B2 (en) * | 2008-06-18 | 2012-01-31 | Samsung Electronics Co., Ltd. | System and method for class-specific object segmentation of image data |
US20160027172A1 (en) * | 2012-04-04 | 2016-01-28 | James G. Spahn | Method of Monitoring the Status of a Wound |
-
2019
- 2019-03-28 CN CN201910243470.3A patent/CN109978940B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488816A (zh) * | 2015-11-27 | 2016-04-13 | 中南大学 | 一种基于三维视觉信息的矿物浮选泡沫流速在线检测装置及方法 |
CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
Non-Patent Citations (4)
Title |
---|
Anti-Impulse-Noise Edge Detection via Anisotropic Morphological Directional Derivatives;Peng-Lang Shui 等;《IEEE Transactions on Image Processing》;20171031;第26卷(第10期);4962-4977 * |
基于HALCON的双目立体视觉工件尺寸测量;张如如等;《计算机测量与控制》;20180125(第01期);64-68 * |
基于双目视觉的关键点的检测方法及定位研究;于乃功;《计算机测量与控制》;20110731;第19卷(第7期);1565-1568 * |
结构光测量中分区域相位误差补偿方法研究;刘超 等;《中国激光》;20180630;第45卷(第6期);(0604002-1)-(0604002-9) * |
Also Published As
Publication number | Publication date |
---|---|
CN109978940A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978940B (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN109612390B (zh) | 基于机器视觉的大尺寸工件自动测量系统 | |
CN109785317B (zh) | 自动码垛桁架机器人的视觉系统 | |
CN109489591B (zh) | 基于机器视觉的平面划痕长度非接触测量方法 | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN111062915A (zh) | 一种基于改进YOLOv3模型的实时钢管缺陷检测方法 | |
CN111062940B (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN111126174A (zh) | 一种用于机器人抓取零件的视觉检测方法 | |
CN102496161A (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN112529858A (zh) | 一种基于机器视觉的焊缝图像处理方法 | |
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
CN110260818B (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
CN109584215A (zh) | 一种电路板在线视觉检测系统 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
CN114494045A (zh) | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN110608685A (zh) | 一种基于树莓派的物体尺寸快速测量方法 | |
CN114331986A (zh) | 一种基于无人机视觉的坝体裂纹识别与测量方法 | |
CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN115861217A (zh) | 一种基于视觉的背光板电路板缺陷检测系统及方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN111578838A (zh) | 一种齿轮尺寸视觉测量装置及测量方法 |
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 |