CN110097540A - 多边形工件的视觉检测方法及装置 - Google Patents
多边形工件的视觉检测方法及装置 Download PDFInfo
- Publication number
- CN110097540A CN110097540A CN201910320805.7A CN201910320805A CN110097540A CN 110097540 A CN110097540 A CN 110097540A CN 201910320805 A CN201910320805 A CN 201910320805A CN 110097540 A CN110097540 A CN 110097540A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- carried out
- detection method
- algorithm
- image
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 239000004744 fabric Substances 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及视觉检测技术领域，尤其是指一种多边形工件的视觉检测方法及装置，包括如下步骤，使用背光源照射工件进行上表面的图像采集；对采集的工件上表面图像进行形状匹配算法，识别得到上表面图像中的工件上表面轮廓区域；对工件上表面轮廓区域进行检测直线算法，得到多条上表面轮廓边线；对该多条上表面轮廓边线进行点到线算法计算，得到该多条上表面轮廓边线相互间的像素尺寸的距离数据；将该像素尺寸距离数据转换为实际尺寸距离数据，然后输出。套硬件设施的相关参数在配合巧妙的布设，其间隔距离和角度布设均为根据多年积累的布设参数经验得到，配合优化后的算法，有效的达到了高质量的图像采集的同时保证了高准确性的数据参数检测识别。
Description
技术领域
本发明涉及视觉检测技术领域，尤其是指一种多边形工件的视觉检测方法及装置。
背景技术
机器视觉检测的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品，图像摄取装置分 CMOS 和CCD 两种，将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。
正如上述情况，视觉检测有着庞大的市场价值，在视觉检测体系中最核心的不是硬件设备而是算法步骤，而算法步骤会因检测结果要求、产品外形、作业环境情况以及设计人员或团体的技术能力等因素出现千差万别，若核心算法步骤设计欠缺，则影响着整套视觉检测设备的运行效率和运行质量，而市场上的多边形工件的视觉检测方案中其算法步骤和硬件设施均较为复杂昂贵，不利于一般厂家使用。
发明内容
本发明要解决的技术问题是提供一种从硬件布设进行优化，在配合针对性的优化后的算法，达到了高质量的图像采集从而保证了高准确性的数据检测输出的多边形工件的视觉检测方法及装置。
为了解决上述技术问题，本发明采用如下技术方案：一种多边形工件的视觉检测方法及装置，包括如下步骤，步骤A：使用背光源照射工件进行上表面的图像采集；
步骤B：对采集的工件上表面图像进行形状匹配算法，识别得到上表面图像中的工件上表面轮廓区域；
步骤C：对工件上表面轮廓区域进行检测直线算法，得到多条上表面轮廓边线；
步骤D：对该多条上表面轮廓边线进行点到线算法计算，得到该多条上表面轮廓边线相互间的像素尺寸的距离数据；
步骤E：将该像素尺寸距离数据转换为实际尺寸距离数据，然后输出。
优选的，所述步骤A中，工件直接放置于背光源的上侧面进行图像采集，该背光源的照射光为白色。
优选的，所述步骤A中的图像采集为使用300至600万像素工业相机搭配6至12毫米的定焦镜头进行拍摄，其中定焦镜头与工件之间的竖直间隔距离为380至440毫米。
优选的，所述步骤A中的图像采集为使用500万像素工业相机搭配8毫米的定焦镜头进行拍摄，其中定焦镜头与工件之间的竖直间隔距离为415毫米。
优选的，所述步骤B中形状匹配算法的运算参数如下：角度识别范围为-180至180度，搜索数量设置为1至3，最小分数值设置为52至78，梯度阈值设置为35至56。
优选的，所述步骤B中形状匹配算法的运算参数如下：角度识别范围为-180至180度，搜索数量设置为1，最小分数值设置为60，梯度阈值设置为40。
优选的，所述步骤E完成后进行如下步骤，
步骤F：使用同轴光源照射工件的侧面进行图像采集；
步骤G：对采集的工件侧面图像进行形状匹配算法，识别得到图像中的工件侧面轮廓区域；
步骤H：对工件侧面轮廓区域进行检测直线算法，得到多条侧面轮廓边线；
步骤I：对该多条侧面轮廓边线进行线到线算法，得到角度数据，然后输出。
优选的，所述步骤F中的同轴光源的照射光为白色，该同轴光源与工件之间的竖直间隔距离为50至80毫米。
本发明的有益效果在于：提供了一种多边形工件的视觉检测方法及装置，分别采集对应工件上表面和工件侧面进行两次图像采集，然后利用算法分析得到工件的相关数据参数以判断工件是否合格，其中两次图像采集使用的工业相机和定焦镜头的参数相同，但其距离布设和位置设计则通过特定设置才能高质量的配合光源完成图像采集，光源的布设及选择同一需要特定的布设才能达到高质量的图像采集效果，该套硬件设施的相关参数在配合巧妙的布设，即工业相机、定焦镜头、背光源和同轴光源相互间的配合，其间隔距离和角度布设均为根据多年积累的布设参数经验得到，配合优化后的形状匹配算法、检测直线算法和点到线算法，有效的达到了高质量的图像采集的同时保证了高准确性的数据参数检测识别。
附图说明
图1为本发明工件上表面的检测步骤原理框图。
图2为本发明工件侧面的检测步骤原理框图。
图3为本发明采集工件上表面图像时工业相机、定焦镜头、背光源和工件的位置关系示意图。
图4为本发明采集工件侧面图像时工业相机、定焦镜头、背光源和工件的位置关系示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
如图1至图4所示，一种多边形工件的视觉检测方法及装置，包括如下步骤，步骤A：使用背光源3照射工件5进行上表面的图像采集，工件5直接放置于背光源3的上侧面进行图像采集，该背光源3的照射光为白色，图像采集为使用500万像素工业相机1搭配8毫米的定焦镜头2进行拍摄，其中定焦镜头2与工件5之间的竖直间隔距离为415毫米；
步骤B：对采集的工件5上表面图像进行形状匹配算法，识别得到上表面图像中的工件5上表面轮廓区域，形状匹配算法的运算参数如下：角度识别范围为-180至180度，搜索数量设置为1，最小分数值设置为60，梯度阈值设置为40；
步骤C：对工件5上表面轮廓区域进行检测直线算法，得到多条上表面轮廓边线；
步骤D：对该多条上表面轮廓边线进行点到线算法计算，得到该多条上表面轮廓边线相互间的像素尺寸的距离数据；
步骤E：将该像素尺寸距离数据转换为实际尺寸距离数据，然后输出；
步骤F：使用同轴光源4照射工件5的侧面进行图像采集，同轴光源4的照射光为白色，该同轴光源4与工件5之间的竖直间隔距离为60毫米；
步骤G：对采集的工件5侧面图像进行形状匹配算法，识别得到图像中的工件5侧面轮廓区域；
步骤H：对工件5侧面轮廓区域进行检测直线算法，得到多条侧面轮廓边线；
步骤I：对该多条侧面轮廓边线进行线到线算法，得到角度数据，然后输出。
本实施例的多边形工件的视觉检测方法及装置，分别采集对应工件5上表面和工件5侧面进行两次图像采集，然后利用算法分析得到工件5的相关数据参数以判断工件5是否合格，其中两次图像采集使用的工业相机1和定焦镜头2的参数相同，但其距离布设和位置设计则通过特定设置才能高质量的配合光源完成图像采集，光源的布设及选择同一需要特定的布设才能达到高质量的图像采集效果，该套硬件设施的相关参数在配合巧妙的布设，即工业相机1、定焦镜头2、背光源3和同轴光源4相互间的配合，其间隔距离和角度布设均为根据多年积累的布设参数经验得到，配合优化后的形状匹配算法、检测直线算法和点到线算法，有效的达到了高质量的图像采集的同时保证了高准确性的数据参数检测识别。
采集工件5表面图像的硬件参数如下，相机选型：选用 500万像素的工业相机1，芯片尺寸为 2/3”；
镜头选型：选用焦距为8mm定焦镜头2，视野为290x220mm。此视觉系统的精度为：0.03mm/pixel；
光源选型：选用白色背光源3照射，可以使得工件5的轮廓特征与景对比度明 ：选用白色背光源3照射，可以使得工件5的轮廓特征与景对比度明，有利于软件的计算处理和分析。
采集工件5侧面图像的硬件参数如下，相机选型：选用 500万像素的工业相机1，芯片尺寸为 2/3”；
镜头选型：选用焦距为 8mm定焦镜头2，视野为 150x95mm。此视觉系统的精度为：0.058mm/pixel；
光源选型：选用白色同轴光对工件5进行照射，可以使表面均匀收成 选用白色同轴光对工件5进行照射，可以使表面均匀收成 选用白色同轴光对工件5进行照射，可以使表面均匀收成像清晰。
首先运用形状匹配对整个工件5框选进行模板学习。形状匹配算法主要是针对感兴趣的区域来建立模板，对整体图像也可以建立模板，对象在整个图像中占比例很大，往往匹配速度较慢。形状匹配算法主要解决大小，位置，旋转角度于匹配精度等不同的问题。首先确定出ROI的区域，对这个区域进行框选建立模板，在此建立模板之前，可以先对这个区域进行一些处理，比如二值化处理等。此方案运用了背光，图像对比度高，因此不需要对图像做任何处理即可以形状匹配。旋转角度设定为-180度到180度，可以使得工件5在360度范围内都能识别得到模板。搜索数量设置为1，最小分数值设定为60，梯度阈值为40，以确保可以稳定寻找匹配到模板；
运用多个检测直线算法对工件5的每条轮廓边进行检测，检测直线算法的具体做法是先选取极坐标系得原点O为图像的重点W/2,H/2。建立笛卡尔坐标系，就是直角坐标系和斜角坐标系的统称。 相交于原点的两条数轴，构成了平面放射坐标系。其中是图像坐标系。因此当已知一线短的两个端点，即可求解出对应的。把检测的所有直线线段利用极坐标表示，然后进行分类，同类的直线分配相同的标签，然后对相同标签的线段对应的极坐标进行加权平均，即为对应的直线；
检测出各边的线段后，在线段上取任意一点，然后再计算这个点到对边一条直线的垂直距离即可测量出工件5的尺寸。运用5mm的标准矩形标定板对视野内像素尺寸转换为实际的尺寸。最终将尺寸数据结果通过软件显示于界面内。
在本发明的描述中，需要说明的是，对于方位词，如有术语“中心”，“横向(X)”、“纵向(Y)”、“竖向(Z)”“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系，仅是为了便于叙述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作，不能理解为限制本发明的具体保护范围。
此外，如有术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明技术特征的数量。由此，限定有“第一”、“第二”特征可以明示或者隐含包括一个或者多个该特征，在本发明描述中，“数个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除另有明确规定和限定，如有术语“组装”、“相连”、“连接”术语应作广义去理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；也可以是机械连接；可以是直接相连，也可以是通过中间媒介相连，可以是两个元件内部相连通。对于本领域普通技术人员而言，可以根据具体情况理解上述的术语在本发明中的具体含义。
以上所述实施例仅表达了本发明的若干实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.多边形工件的视觉检测方法及装置，其特征在于：包括如下步骤，
步骤A：使用背光源（3）照射工件（5）进行上表面的图像采集；
步骤B：对采集的工件（5）上表面图像进行形状匹配算法，识别得到上表面图像中的工件（5）上表面轮廓区域；
步骤C：对工件（5）上表面轮廓区域进行检测直线算法，得到多条上表面轮廓边线；
步骤D：对该多条上表面轮廓边线进行点到线算法计算，得到该多条上表面轮廓边线相互间的像素尺寸的距离数据；
步骤E：将该像素尺寸距离数据转换为实际尺寸距离数据，然后输出。
2.根据权利要求1所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤A中，工件（5）直接放置于背光源（3）的上侧面进行图像采集，该背光源（3）的照射光为白色。
3.根据权利要求1所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤A中的图像采集为使用300至600万像素工业相机（1）搭配6至12毫米的定焦镜头（2）进行拍摄，其中定焦镜头（2）与工件（5）之间的竖直间隔距离为380至440毫米。
4.根据权利要求1所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤A中的图像采集为使用500万像素工业相机（1）搭配8毫米的定焦镜头（2）进行拍摄，其中定焦镜头（2）与工件（5）之间的竖直间隔距离为415毫米。
5.根据权利要求1所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤B中形状匹配算法的运算参数如下：角度识别范围为-180至180度，搜索数量设置为1至3，最小分数值设置为52至78，梯度阈值设置为35至56。
6.根据权利要求1所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤B中形状匹配算法的运算参数如下：角度识别范围为-180至180度，搜索数量设置为1，最小分数值设置为60，梯度阈值设置为40。
7.根据权利要求1所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤E完成后进行如下步骤，
步骤F：使用同轴光源（4）照射工件（5）的侧面进行图像采集；
步骤G：对采集的工件（5）侧面图像进行形状匹配算法，识别得到图像中的工件（5）侧面轮廓区域；
步骤H：对工件（5）侧面轮廓区域进行检测直线算法，得到多条侧面轮廓边线；
步骤I：对该多条侧面轮廓边线进行线到线算法，得到角度数据，然后输出。
8.根据权利要求7所述的多边形工件的视觉检测方法及装置，其特征在于：所述步骤F中的同轴光源（4）的照射光为白色，该同轴光源（4）与工件（5）之间的竖直间隔距离为50至80毫米。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910320805.7A CN110097540A (zh) | 2019-04-20 | 2019-04-20 | 多边形工件的视觉检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910320805.7A CN110097540A (zh) | 2019-04-20 | 2019-04-20 | 多边形工件的视觉检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110097540A true CN110097540A (zh) | 2019-08-06 |
Family
ID=67445418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910320805.7A Pending CN110097540A (zh) | 2019-04-20 | 2019-04-20 | 多边形工件的视觉检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110097540A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113552133A (zh) * | 2021-06-30 | 2021-10-26 | 广东利元亨智能装备股份有限公司 | 一种电芯裙边开裂检测方法及视觉检测装置 |
| CN113935966A (zh) * | 2021-10-13 | 2022-01-14 | 东风本田发动机有限公司 | 金属物料的渣点检测方法、装置、设备和存储介质 |
| CN116188761A (zh) * | 2023-02-02 | 2023-05-30 | 杭州图谱光电科技有限公司 | 一种可用于规则形状阵列图的自动识别定位方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100034484A1 (en) * | 2008-08-09 | 2010-02-11 | Keyence Corporation | Pattern Model Positioning Method In Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium |
| CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
| CN109596058A (zh) * | 2019-02-01 | 2019-04-09 | 东莞中科蓝海智能视觉科技有限公司 | 塑胶工件的尺寸检测识别方法 |
| CN109596054A (zh) * | 2019-02-01 | 2019-04-09 | 东莞中科蓝海智能视觉科技有限公司 | 长条形工件的尺寸检测识别方法 |
| CN109631763A (zh) * | 2019-02-01 | 2019-04-16 | 东莞中科蓝海智能视觉科技有限公司 | 不规则零件检测定位方法 |
| CN109658402A (zh) * | 2018-12-17 | 2019-04-19 | 中山大学 | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 |
-
2019
- 2019-04-20 CN CN201910320805.7A patent/CN110097540A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100034484A1 (en) * | 2008-08-09 | 2010-02-11 | Keyence Corporation | Pattern Model Positioning Method In Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium |
| CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
| CN109658402A (zh) * | 2018-12-17 | 2019-04-19 | 中山大学 | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 |
| CN109596058A (zh) * | 2019-02-01 | 2019-04-09 | 东莞中科蓝海智能视觉科技有限公司 | 塑胶工件的尺寸检测识别方法 |
| CN109596054A (zh) * | 2019-02-01 | 2019-04-09 | 东莞中科蓝海智能视觉科技有限公司 | 长条形工件的尺寸检测识别方法 |
| CN109631763A (zh) * | 2019-02-01 | 2019-04-16 | 东莞中科蓝海智能视觉科技有限公司 | 不规则零件检测定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 庞增拴等: "多边形薄片零件边长尺寸自动测量方法的研究", 《电子设计工程》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113552133A (zh) * | 2021-06-30 | 2021-10-26 | 广东利元亨智能装备股份有限公司 | 一种电芯裙边开裂检测方法及视觉检测装置 |
| CN113935966A (zh) * | 2021-10-13 | 2022-01-14 | 东风本田发动机有限公司 | 金属物料的渣点检测方法、装置、设备和存储介质 |
| CN116188761A (zh) * | 2023-02-02 | 2023-05-30 | 杭州图谱光电科技有限公司 | 一种可用于规则形状阵列图的自动识别定位方法及装置 |
| CN116188761B (zh) * | 2023-02-02 | 2024-02-02 | 杭州图谱光电科技有限公司 | 一种可用于规则形状阵列图的自动识别定位方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105538345B (zh) | 一种基于多镜头的智能机械手及定位装配方法 | |
| CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
| CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
| CN106091984B (zh) | 一种基于线激光的三维点云数据获取方法 | |
| CN106133750B (zh) | 用于确定视线方向的3d图像分析器 | |
| CN109297413B (zh) | 一种大型筒体结构视觉测量方法 | |
| CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
| WO2018208791A1 (en) | Systems and methods for inspection and defect detection using 3-d scanning | |
| CN106824806B (zh) | 基于机器视觉的小模数塑料齿轮的检测方法 | |
| CN107907048A (zh) | 一种基于线结构光扫描的双目立体视觉三维测量方法 | |
| CN103902953B (zh) | 一种屏幕检测系统及方法 | |
| CN107133983B (zh) | 成捆圆钢端面双目视觉系统与空间定位及计数方法 | |
| CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
| CN104933704B (zh) | 一种三维立体扫描方法及系统 | |
| CN107084671B (zh) | 一种基于三线结构光的凹球直径测量系统及测量方法 | |
| CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
| CN101858768A (zh) | 一种饮料灌装后液位检测装置及方法 | |
| CN106918306A (zh) | 基于光场单相机的工业产品三维形貌实时检测系统 | |
| CN109813725A (zh) | 一种大尺寸胶水缺陷检测方法 | |
| CN109596054A (zh) | 长条形工件的尺寸检测识别方法 | |
| CN114136975A (zh) | 一种微波裸芯片表面缺陷智能检测系统和方法 | |
| CN108182704A (zh) | 基于形状上下文特征的定位方法 | |
| CN110954555A (zh) | Wdt 3d视觉检测系统 | |
| CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
| CN110082356A (zh) | 线材表面缺陷的视觉检测方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |