CN110006374B - 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 - Google Patents
一种通过多维插值获取图像基准的cfrp粗糙度测量方法 Download PDFInfo
- Publication number
- CN110006374B CN110006374B CN201910347033.6A CN201910347033A CN110006374B CN 110006374 B CN110006374 B CN 110006374B CN 201910347033 A CN201910347033 A CN 201910347033A CN 110006374 B CN110006374 B CN 110006374B
- Authority
- CN
- China
- Prior art keywords
- matrix
- point
- resin
- image
- roughness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004439 roughness measurement Methods 0.000 title claims abstract description 9
- 239000004918 carbon fiber reinforced polymer Substances 0.000 title claims abstract 5
- 239000011159 matrix material Substances 0.000 claims abstract description 98
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000005520 cutting process Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims abstract description 11
- 239000011347 resin Substances 0.000 claims description 42
- 229920005989 resin Polymers 0.000 claims description 42
- 229920000049 Carbon (fiber) Polymers 0.000 claims description 8
- 239000004917 carbon fiber Substances 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical group C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 11
- 238000003754 machining Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 2
- 230000003746 surface roughness Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明一种通过多维插值获取图像基准的CFRP粗糙度测量方法，属于机械加工损伤测量领域，涉及一种通过多维插值获取图像基准的CFRP粗糙度测量方法。该方法首先用显微镜采集切削表面图像，并进行裁剪预处理。再通过MATLAB读取图像像素点数值，并进行滤波得到滤波曲面矩阵。然后，利用算法构造基准曲面矩阵，求解滤波曲面矩阵与基准曲面矩阵的各数值方差，求得方差带入算式中，得到粗糙度值Ra。最后绘制基准曲面与实际加工表面的三维图，直观反映出粗糙度情况。该方法解决了由于CFRP材料结构力学特性及内部组成性能差异造成的粗糙度测量不准确和效率低的问题。具有测量速度快，简单高效易操作，非接触，测量准确等特点。
Description
技术领域
本发明属于机械加工损伤测量领域，涉及一种通过多维插值获取图像基准的CFRP粗糙度测量方法。
背景技术
碳纤维增强树脂基复合材料(CFRP)因本身优异的物理性能，已成为航空航天领域中制备大型结构件的首选材料。然而，受到目前制造成型工艺的制约，CFRP不能一次成型为最终需要的形状和尺寸，需对其进行大量后续机械加工，如铣边、铣曲面、钻通孔等。而在切削加工过程中，由于CFRP材料内部由纤维增强相和树脂基体相两相构成，二者的力学性能差异大，极易在加工过程中发生撕裂、分层、毛刺等一系列损伤。这些损伤，都将直观地反应在切削表面上，造成切削表面的粗糙度值过大。表面粗糙度是评定工件表面质量的一个重要指标，对工件外观、摩擦磨损、接触刚度和强度等性能有重要影响。因此，对切削表面的粗糙度进行精确地测量，使之控制在合理的范围内，以避免非预期损伤拓展的发生，在工程中极为重要。
目前测量CFRP切削表面粗糙度的方法主要包括：探针划线测量、激光共聚焦测量、景深扫描测量等。其中，探针划线测量是利用探针在被测表面某一位置划出一道表面轮廓线，后对轮廓线进行计算分析获取粗糙度值的方法，因CFRP本身具有各向异性和其内部纤维增强相具备明显的方向性，探针划线的位置不同，其结果差异很大，因此该方法并不能准确反映CFRP切削表面粗糙度。激光共聚焦测量是利用激光共聚焦逐层扫描成像的方式，检测到高低不同的位置，通过软件合成得到被测表面的粗糙状态，继而通过软件计测可得粗糙度，该方法避免了二维测量的不确定性，获得的粗糙度值较为真实，然而采用激光多次扫描的方法速度慢，时间长，因此，该方法仅适用于实验研究，不适用于工程中的实际应用。景深扫描测量是利用扫描电镜对被测表面进行扫描拍摄获取具有位置高低亮度区别的图像，进而反映粗糙度值的方法，该方法有效提升了测量效率，且相比二维测量准确度有所提升，然而在光照下，CFRP内部树脂基体相呈现高亮的白色状态，在这种通过材料反光判断位置高低的景深测量方法中会呈现为高点误差，无法表达所选区域粗糙度的真值。
此外，南京航空航天大学的傅玉灿等人提出了“一种基于图像灰度信息测量工件表面粗糙度的方法”，专利号CN104463918A，该方法优点在于可测量存在孔隙的加工表面的粗糙度，然而在数值计算方面存在较大误差，且不能去除碳纤维复合材料中树脂的影响，所以难以得到真实粗糙度值；北京科技大学的徐科等人提出了“一种表面粗糙度测量方法与装置”，专利号CN108303045A，该方法利用光度立体视觉测量的方法，采用高分辨率显微相机对被测物进行表面三维重建，计算粗糙度轮廓的算术平均偏差作为表面粗糙度值。其优点在于检测效率高，测量精度高，然而此方法对设备性能及精度要求高，且设备不易搭建；太原科技大学的张鹏翀等人提出了“一种表面粗糙度在线测量装置”，专利号CN108955514A，该方法发明了一种可在线测量的机械装置，其优点在于可实现加工过程中在线实时测量其粗糙度，避免了工件的拆卸，测量精度高，然而该方法为接触式测量，易破坏被测表面粗糙度。
发明内容
本发明针对现有技术的缺陷，发明了一种通过多维插值获取图像基准的CFRP粗糙度测量方法。该方法首先用显微镜采集切削表面图像，并进行裁剪预处理。再通过MATLAB读取图像像素点数值，并进行滤波得到滤波曲面矩阵。然后，利用算法构造基准曲面矩阵，求解滤波曲面矩阵与基准曲面矩阵的各数值方差，求得方差带入算式中，得到粗糙度值Ra。最后绘制基准曲面与实际加工表面的三维图，直观反映出粗糙度情况。该方法利用被测实际表面各位置高度的不同，在各点像素值也不同，反映为像素值越大的点，其实际高度越高的原理，以解决传统测量方法中，由于CFRP材料内部各层纤维铺向的不同和非均质的特点，所造成的粗糙度测量不准确、速度慢的问题，满足了工程实际的需要。
本发明采用的设计方案是一种通过多维插值获取图像基准的CFRP粗糙度测量方法，该方法首先用显微镜采集切削表面图像，并进行裁剪预处理；再通过MATLAB读取图像像素点数值，并进行滤波得到滤波曲面矩阵；然后，利用算法构造基准曲面矩阵，求解滤波曲面矩阵与基准曲面矩阵的各数值方差，求得方差带入算式中，得到粗糙度值Ra；最后绘制基准曲面与实际加工表面的三维图，直观反映出粗糙度情况；方法的具体步骤如下：
1、显微镜在2000-3000K光照度条件下采集切削表面图像,使用Photoshop软件对图像区域分割，去除边缘干扰图像，仅保留切削表面图像；
2、通过MATLAB读取第1步处理后的图像各像素点数值，并存入原始矩阵W中，矩阵维数与图片尺寸有关；
3、对原始矩阵W进行滤波处理，滤波处理方式为：
首先利用MATLAB鼠标拾取图像像素点数据的功能，鼠标点击树脂附近处的像素点，将此点的像素数值作为参考值J，规定当像素点数值超过J的2倍时，则该点处为树脂材料，否则为碳纤维材料；然后，按照从左到右，从上到下的顺序对原始矩阵W各行进行搜寻滤波处理，处理规则有四条：
a)当第一列为树脂时，则直到下一个不为树脂的点S1，将S1左侧的所有树脂点对应的像素数值均减去S1与其左侧一格树脂点S2之间的差值C1；
b)当第一列不为树脂时，继续向右搜寻，直到寻找到一个树脂点，将其左侧的点记录为g1，继续至下一个不为树脂的点记录为g2，同时记录走过的像素点数I，利用上述三个参数构建一次插值函数，用代入像素点次序获得的计算值代替像素点原数据；
c)在前面规则b)的基础上，当向右搜索到最后一列仍为树脂时，则将点g1右侧所有的树脂像素点数值均减去g1与其右侧一格碳纤维像素点之间的差值；
d)若一行内未搜索到树脂点，则不对这一行做任何处理。
最后，对前两步处理后的原始矩阵W进行一次全局数值查询，若仍存在超过参考值J数值2倍的像素点，则强制将其数值规定为J的2倍。
4、经上述滤波方法处理，获得无树脂反光干扰图像，将其各像素点数值存入滤波矩阵A中；将滤波矩阵A的元素按照从左到右，从上到下，首尾相接的规则存入单列滤波矩阵B中；
5、分别使用函数y＝a1x+a2、y＝b1x2+b2x+b3、和
三种方法对单列滤波矩阵B进行最小二乘法的参数拟合，求得每种方法的R2，取R2最小的方法为拟合公式，后将单列滤波矩阵B的各元素的位置坐标x依次代入拟合公式，将求得的数据与单列矩阵B位置一一对应存入单列基准矩阵C中；
6、将单列基准矩阵C中各元素按照与第4步相反的顺序处理，存入基准矩阵D中；
7、计算滤波矩阵A与基准矩阵D各对应位置元素数值的方差m，将方差m代入算式Ra＝1.63×10-6m+0.258，求得粗糙度值Ra；
8、对滤波矩阵A和基准矩阵D进行网格划分，利用三次插值，分别获得切削表面矩阵和基准曲面矩阵，后通过MATLAB软件将两个三维曲面绘制在一张图内，直观反映切削表面粗糙度情况。
本发明的有益效果是首先对被测表面进行显微镜图像提取与处理，再通过MATLAB读取图像像素点数值，并进行滤波得到无树脂反光干扰图像。然后，构造基准曲面，计算实际表面与基准曲面的方差，进而得到粗糙度值。最后绘制基准曲面与实际加工表面三维图，直观反映加工表面的粗糙度情况。该方法解决了由于CFRP材料结构力学特性及内部组成性能差异造成的粗糙度测量不准确和效率低的问题。具有测量速度快，简单高效易操作，非接触，测量准确等特点。
附图说明
图1为本测量方法的整体流程图。
图2为Photoshop软件处理原始图像示意图。
图3为鼠标手动拾取参考点示意图。
图4为滤波处理后的无树脂反光干涉图。
图5为基准面与实际表面三维效果图。
具体实施方式：
下面结合附图和技术方案详细说明本发明的具体实施。
图1为方法整体流程图，根据流程图首先测量CFRP板材铣削后的表面粗糙度。该方法首先用显微镜在特定光照条件下采集拍摄待测切削表面图像，并对图像进行裁剪预处理。然后，用MATLAB读取预处理图像各像素点数值，并进行滤波处理，得到滤波曲面矩阵。利用一定算法构造基准曲面矩阵，后求解滤波曲面矩阵与基准曲面矩阵的各数值方差，求得方差带入算式求得粗糙度值Ra。最后，构造网格平面，给出三维等高线，根据三维等高线构造实际表面与基准面三维图，直观反映粗糙度情况。方法的具体步骤如下：
1、用显微镜在2000-3000K光照度条件下采集待测切削表面的图像。使用Photoshop对采集图像进行裁剪，去除图像边缘的边框以及文字的亮度干扰，仅保留切削表面图像，如图2所示；
2、MATLAB读取上步所得图像中各点的像素数值，将各点的像素数值存入原始矩阵W的对应元素位置中，则原始矩阵W为含有上步所得图像各点像素数值信息的原始矩阵。W为339×390型矩阵，W＝
3、对原始矩阵W进行滤波处理，滤波处理如下：
首先，利用MATLAB获得鼠标拾取图像像素点数据界面，如图3所示。鼠标点击树脂附近处的像素点，将此点的像素数值作为参考值36.2，规定当像素点数值超过36.2的2倍时，则该点处为树脂材料，否则为碳纤维材料；
然后，按照从左到右，从上到下的顺序对原始矩阵W各行进行搜寻滤波处理，处理规则有四条：
a)当第一列为树脂时，则直到下一个不为树脂的点S1，将S1左侧的所有树脂点对应的像素数值均减去S1与其左侧一格树脂点S2之间的差值C1；
b)当第一列不为树脂时，继续向右搜寻，直到寻找到一个树脂点，将其左侧的点记录为g1，继续至下一个不为树脂的点记录为g2，同时记录走过的像素点数I，利用上述三个参数构建一次插值函数，用代入像素点次序获得的计算值代替像素点原数据；
c)在上步的基础上，当向右搜索到最后一列仍为树脂时，则将点g1右侧所有的树脂像素点数值均减去g1与其右侧一格碳纤维像素点之间的差值；
d)若一行内未搜索到树脂点，则不对这一行做任何处理。
最后，对前两步处理后的原始矩阵W进行一次全局数值查询，若仍存在超过参考值36.2数值2倍的像素点，则强制将其数值规定为36.2的2倍。
4、经上述滤波方法处理，获得无树脂反光干扰图像，如图4所示，并将其各像素点数值存入滤波矩阵A中。滤波矩阵A亦为339×390型矩阵，
滤波矩阵A中所有元素数值均小于等于72.4；将滤波矩阵A的元素按照从左到右，从上到下，首尾相接的规则存入单列滤波矩阵B中。单列滤波矩阵B为132210×1型矩阵，
5、分别使用函数y＝a1x+a2、y＝b1x2+b2x+b3、和
三种方法对单列滤波矩阵B进行最小二乘法的参数拟合，求得每种方法的R2为R1 2、R2 2、R3 2，大小关系R1 2<R2 2<R3 2，则使用一次函数拟合误差较小，所以选用y＝a1x+a2为拟合曲面公式，经三种方法的对比，可得到误差最小的拟合方法，数值更可靠。将单列滤波矩阵B中各元素的位置坐标x依次代入拟合公式，将求得的数据与单列滤波矩阵B位置一一对应存入单列基准矩阵C中。单列基准矩阵C为132210×1型矩阵，
6、将单列基准矩阵C中各元素按照与第4步相反的顺序处理，存入基准矩阵D中。基准矩阵D是339×390型矩阵：D＝
第4、5、6步目的是求出基准平面，因在MATLAB中受内存限制，若直接对三维曲面进行平面插值，算法难以选取，且计算量大，过程繁琐，因此，将三维点集化作二维曲线，利用分段法将数据依次存入一个单列矩阵中，再将单列矩阵转为三维曲面矩阵；
7、计算滤波矩阵A与基准矩阵D各对应元素数值的方差m为4820245.398，将方差m带入算式Ra＝1.63×10-6m+0.258中，求得Ra8.115。此式是经大量图像处理后，获得的方差m与激光共聚焦采集的真实粗糙度值的拟合算式，此拟合算式精度高，可靠性强，求得的粗糙度值也更为精准；
8、将滤波矩阵A和基准矩阵D进行网格划分，并利用三次插值法，分别获得切削表面矩阵和基准曲面矩阵，后通过MATLAB软件将二者绘制在同一张图中，获得基准曲面与实际表面三维图，如图5所示，可更加直观的反映切削表面高低状态与粗糙度的情况。
Claims (1)
1.一种通过多维插值获取图像基准的CFRP粗糙度测量方法，其特征在于，该方法首先用显微镜采集切削表面图像，进行裁剪预处理；再通过MATLAB读取图像像素点数值，并进行滤波得到滤波曲面矩阵；然后，利用算法构造基准曲面矩阵，求解滤波曲面矩阵与基准曲面矩阵的各数值方差，求得方差带入算式中，得到粗糙度值Ra；最后绘制基准曲面与实际加工表面的三维图，直观反映出粗糙度情况；方法的具体步骤如下：
1、显微镜在2000-3000K光照度条件下采集切削表面图像,使用Photoshop软件对图像区域分割，去除边缘干扰图像，仅保留切削表面图像；
2、通过MATLAB读取第1步处理后的图像各像素点数值并存入原始矩阵W中，矩阵维数与图片尺寸有关；
3、对原始矩阵W进行滤波处理，滤波处理方式为：
首先利用MATLAB鼠标拾取图像像素点数据的功能，鼠标点击树脂附近处的像素点，将此点的像素数值作为参考值J，规定当像素点数值超过J的2倍时，则该点处为树脂材料，否则为碳纤维材料；
然后，按照从左到右，从上到下的顺序对原始矩阵W各行进行搜寻滤波处理，处理规则有四条：
a)当第一列为树脂时，则直到下一个不为树脂的点S1，将S1左侧的所有树脂点对应的像素数值均减去S1与其左侧一格树脂点S2之间的差值C1；
b)当第一列不为树脂时，继续向右搜寻，直到寻找到一个树脂点，将其左侧的点记录为g1，继续至下一个不为树脂的点记录为g2，同时记录走过的像素点数I，利用上述三个参数构建一次插值函数，用代入像素点次序获得的计算值代替像素点原数据；
c)在前面规则b)的基础上，当向右搜索到最后一列仍为树脂时，则将点g1右侧所有的树脂像素点数值均减去g1与其右侧一格碳纤维像素点之间的差值；
d)若一行内未搜索到树脂点，则不对这一行做任何处理；
最后，对前两步处理后的原始矩阵W进行一次全局数值查询，若仍存在超过参考值J数值2倍的像素点，则强制将其数值规定为J的2倍；
4、经上述滤波方法处理，获得无树脂反光干扰图像，将其各像素点数值存入滤波矩阵A中；将滤波矩阵A的元素按照从左到右，从上到下，首尾相接的规则存入单列滤波矩阵B中；
5、分别使用函数y＝a1x+a2、y＝b1x2+b2x+b3、和
三种方法对单列矩阵B进行最小二乘法的参数拟合，求得每种方法的R2，取R2最小的方法为拟合公式，后将单列滤波矩阵B的各元素的位置坐标x依次代入拟合公式，将求得的数据与单列滤波矩阵B位置一一对应存入单列基准矩阵C中；
6、将单列基准矩阵C中各元素按照与第4步相反的顺序处理，存入基准矩阵D中；
7、计算滤波矩阵A与基准矩阵D各对应位置元素数值的方差m，将方差m代入算式Ra＝1.63×10-6m+0.258，求得粗糙度值Ra；
8、对滤波矩阵A和基准矩阵D进行网格划分，利用三次插值，分别获得切削表面矩阵和基准曲面矩阵，后通过MATLAB软件将两个三维曲面绘制在一张图内，直观反映出切削表面粗糙度情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910347033.6A CN110006374B (zh) | 2019-04-28 | 2019-04-28 | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910347033.6A CN110006374B (zh) | 2019-04-28 | 2019-04-28 | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110006374A CN110006374A (zh) | 2019-07-12 |
| CN110006374B true CN110006374B (zh) | 2020-04-07 |
Family
ID=67174602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910347033.6A Active CN110006374B (zh) | 2019-04-28 | 2019-04-28 | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110006374B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110779960B (zh) * | 2019-11-13 | 2021-07-30 | 上海交通大学 | 基于电阻变化的cfrp损伤检测方法 |
| CN111664815A (zh) * | 2020-06-12 | 2020-09-15 | 云谷（固安）科技有限公司 | 半导体膜层上凸峰高度的测量方法及测量装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0076866B1 (de) * | 1981-10-09 | 1985-05-02 | Ibm Deutschland Gmbh | Interpolierendes Lichtschnitt-Verfahren |
| FR2976352B1 (fr) * | 2011-06-09 | 2015-04-10 | Univ Savoie | Procede et dispositif de caracterisation de surfaces. |
| CN103759676A (zh) * | 2014-01-06 | 2014-04-30 | 南京信息工程大学 | 一种工件表面粗糙度非接触式的检测方法 |
| CN104089601A (zh) * | 2014-07-16 | 2014-10-08 | 北京星航机电装备有限公司 | 一种纤维增强复合材料表面粗糙度评价方法 |
| CN104463918B (zh) * | 2014-11-14 | 2017-08-04 | 南京航空航天大学 | 一种基于图像灰度信息测量工件表面粗糙度的方法 |
| CN104880171B (zh) * | 2015-06-04 | 2017-11-10 | 深圳市商德先进陶瓷股份有限公司 | 多孔陶瓷表面粗糙度的检测系统、方法及装置 |
| CN105547200A (zh) * | 2015-12-02 | 2016-05-04 | 北京星航机电装备有限公司 | 一种基于图像灰度信息测量C/SiC复合材料加工表面粗糙度的方法 |
| CN106403853A (zh) * | 2016-11-15 | 2017-02-15 | 沈阳建筑大学 | 一种石材表面粗糙度的在线检测装置及方法 |
| CN107144210B (zh) * | 2017-04-25 | 2019-10-29 | 中国科学院微电子研究所 | 一种电子显微图像线条宽度和粗糙度的测量方法 |
-
2019
- 2019-04-28 CN CN201910347033.6A patent/CN110006374B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110006374A (zh) | 2019-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102592284B (zh) | 零件表面形貌三维高密度点云数据转化为灰度图像的方法 | |
| CN109658398B (zh) | 一种基于三维测量点云的零件表面缺陷识别与评估方法 | |
| CN102679883B (zh) | 一种基于图像处理的烟丝宽度测量方法 | |
| CN102032875B (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
| CN110006374B (zh) | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 | |
| CN108982513B (zh) | 一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法 | |
| CN112132886A (zh) | 一种航空零件圆孔圆心快速定位及圆度检测方法 | |
| CN113466066A (zh) | 一种基于dic技术的混凝土材料疲劳变形量及裂缝宽度的测量方法 | |
| CN110544233A (zh) | 基于人脸识别应用的深度图像质量评价方法 | |
| CN107392954A (zh) | 一种基于序列图像的粗大误差点剔除方法 | |
| CN108844469B (zh) | 一种基于激光测试工件台阶高度的方法及系统 | |
| CN107330886B (zh) | 一种表面微小损伤的高精度量化方法 | |
| Fox et al. | Complementary use of optical metrology and x-ray computed tomography for surface finish and defect detection in laser powder bed fusion additive manufacturing | |
| CN109859301A (zh) | 一种岩石结构面粗糙度系数精细化表征方法 | |
| CN110906887B (zh) | 一种服装缝纫平整度检测方法 | |
| CN114882083B (zh) | 复杂异形截面薄壁环型件型面轮廓点云预处理方法及装置 | |
| CN112414316B (zh) | 一种应变片敏感栅尺寸参数测量方法 | |
| Dong et al. | Research on 3D model reconstruction based on a sequence of cross-sectional images | |
| CN114049471A (zh) | 基于有序化分层精简散乱点云的孔洞填补方法 | |
| CN107358655B (zh) | 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法 | |
| CN114155228B (zh) | 一种建材试件外形合规性快速测量方法及其装置 | |
| CN110021027A (zh) | 一种基于双目视觉的切边点计算方法 | |
| CN117405686B (zh) | 结合激光干涉成像的缺陷检测方法及系统 | |
| Hang et al. | Three-dimension measurement of mechanical parts based on structure from motion (SfM) algorithm | |
| Jiang et al. | Research on Surface Curvature Detection of Cigarette Packaging Paper Based on 3D Laser Scanning Technology |
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 |