CN110108209A - 小型多孔零件的测量方法及系统 - Google Patents
小型多孔零件的测量方法及系统 Download PDFInfo
- Publication number
- CN110108209A CN110108209A CN201910511254.2A CN201910511254A CN110108209A CN 110108209 A CN110108209 A CN 110108209A CN 201910511254 A CN201910511254 A CN 201910511254A CN 110108209 A CN110108209 A CN 110108209A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- camera
- monocular
- measurement
- 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
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
-
- 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
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种小型多孔零件的测量方法,包括如下步骤:通过单目摄像机获取目标零件的第一图像;对第一图像进行预处理,生成第二图像和第一目标区域;根据第二图像和第一目标区域确定目标零件的测量参数。本发明还公开了一种小型多孔零件的测量系统,根据本发明公开的方法和系统,可以实现工业生产线上小型多孔零件相关尺寸和多种参数的在线测量,为工业生产的加工质量提供数据依据和保障。
Description
技术领域
本发明涉及零件测量技术领域,特别是一种小型多孔零件的测量方法及系统。
背景技术
随着计算机技术和光电技术的发展,视觉测量技术以机器视觉为理论基础,通过计算机对图像或视频进行处理,实现二维或三维场景的识别、检测和感知等功能。与其他测量方式相比,视觉测量系统有非接触、检测精度高、自动化程度高、可靠性高等显著优点。
伴随着工业生产自动化程度和制造加工水平的不断提高,传统的零件尺寸测量方法与设备已经无法满足产品高效实时检测的要求,零件尺寸的在线测量变得越来越迫切和重要。目前对传统零件的检测尤其是小零件,因小零件尺寸各异,仍以人工检测为主,其常用工具有卡尺、量规、万能工具显微镜等,而卡尺量规检测精度不高,万能工具显微镜、轮廓仪等有较高精度,但成本较高,对大批量零件检测来说效率较低。对于零件尺寸参数较多的测量,检测人员的熟练程度及疲劳作业等人为因素造成的测量误差对产品质量和可靠性有严重影响。
相比于以上对零件的常规测量方法,视觉测量技术具有非接触、高效、可靠、易于实现自动化等优点,可以实现对物体的轮廓尺寸、面积、形状、缺陷等参数和特征的综合测量和检测。因而,在大批量、连续自动化生产流水线上,利用视觉对产品进行辨识、外形尺寸测量已成为一种迫切的需求。
然而,目前国内外基于视觉测量的产品大多为多目三维测量传感器或激光视觉传感器。多目三维测量传感器应用于三维测量领域,计算复杂,运算量大,且设备相对独立,不大适用于小零件的在线测量场合;激光视觉传感器一次成像只能获取被测物的局部特征信息,无法对零件的不规则轮廓进行测量,结合伺服机构可以获得局部特征之间的位置关系,但需要测量目标信息较多时,需要多次移动工作台或侧头,不适用工业生产线上的大批量快速测量。
发明内容
根据本发明的一个目的,提供了一种以机器视觉技术为基础、以小型多孔零件产品为检测对象的标定及快速识别测量小型零件圆孔特征的方法,由此可以实现工业生产线上小型多孔零件相关尺寸和多种参数的在线测量,为工业生产的加工质量提供数据依据和保障。
根据本发明的一个方面,提供了一种小型多孔零件的测量方法,包括如下步骤:通过单目摄像机获取目标零件的第一图像;对第一图像进行预处理,生成第二图像和第一目标区域;根据第二图像和第一目标区域确定目标零件的测量参数。通过获取的第一图像和之后处理的第二图像和第一目标区域可以确定有效的目标零件圆孔范围,从而可以快速识别测量小型零件圆孔特征得到相关的测量参数。
在一些实施方式中,在通过单目摄像机获取目标零件的第一图像之前,还包括如下步骤:对单目摄像机进行畸变参数标定;以及通过比例换算和畸变参数确定摄像机空间至图像的换算系数。在应用视觉测量对小零件进行测量时,实际镜头成像并不是理想的透视成像,特别是对于圆孔形状的测量,镜头畸变带来的误差会对测量结果有较大影响,因此首先对单目摄像机进行畸变参数标定,以提高测量准确性。之后再通过标定后的畸变参数和比例换算的方法得到换算系数,实现简单且快速。
在一些实施方式中,通过比例换算和畸变参数确定摄像机空间至图像的换算系数包括如下步骤:将单目摄像机固定为仅能在纵轴方向有位移;采用十字刻线平面靶标获取十字刻线靶标图像;通过畸变参数对十字刻线靶标图像进行畸变矫正处理;对畸变矫正处理后的十字刻线靶标图像提取十字刻度线端点处的标志点及中心点;基于提取的标志点及中心点计算确定换算系数。由于目前大多数视觉测量方法通常根据透视投影关系求解出摄像机坐标系到图像坐标系的转换矩阵,即求解出空间三维点和图像点的转换关系,进而可以通过图像信息求解出实际测量值,但是转换矩阵计算量较大,优化较为复杂,在工业生产应用中,计算速度较慢,且摄像机若因环境或人为因素产生偏移,则需要重新进行标定和计算转换矩阵,过程较为繁琐。由此,根据将单目摄像机固定的方法,提取标志点而确定换算系数的方法可以达到简单快速的效果。
在一些实施方式中,对第一图像进行预处理,生成第二图像和第一目标区域包括:根据畸变参数对第一图像做畸变矫正处理;采用适当的高斯核对图像进行高斯平滑处理;获取自适应阈值,根据自适应阈值进行二值化处理生成第二图像;对第二图像进行感兴趣区域提取处理,确定出第一目标区域。由此,可以实现图像所需测量部位的定位及无关图案的剔除,以用于后续的零件尺寸检测。并且,经过预处理的图像已基本能有效区分出零件上的孔洞且剔除无关图案影响部分,可提高下一步零件尺寸的测量速度。
在一些实施方式中,根据第二图像和第一目标区域确定目标零件的测量参数包括:根据第二图像和第一目标区域识别出第二目标区域和目标点集;根据目标点集计算生成测量参数。由此,可以通过预处理后的图像确定出符合目标零件的有效区域的目标区域。
在一些实施方式中,第二图像和第一目标区域识别出第二目标区域和目标点集实现为:对第二图像采用canny算子进行边缘检测处理,生成第一目标点集;将第一目标点集与第一目标区域进行匹配,确定第二目标区域和生成目标点集。根据应用canny算子检测图像中的边缘点,并把边缘点信息与感兴趣连通域匹配,快速识别出小型多孔零件的圆孔,进而可以方便后续的求解圆心距、毛刺度等测量参数。
根据本发明的另一个方面,还提供了一种小型多孔零件的测量系统,包括:用于获取目标零件的第一图像的单目摄像机;用于安装单目摄像机的测量工作台,其中单目摄像机垂直安装在测量工作台的上方;和用于基于单目摄像机获取的第一图像确定目标零件的测量参数输出的测量平台,其中,测量平台通过对第一图像进行处理生成测量参数。由此,可以实现工业生产线上小型多孔零件相关尺寸和多种参数的在线测量,为工业生产的加工质量提供数据依据和保障。
在一些实施方式中,测量平台包括:图像获取模块,与单目摄像机连接,用于接收单目摄像机采集的图像,图像包括靶标图像和目标零部件的第一图像;标定模块,用于根据单目摄像机采集的靶标图像,对单目摄像机的畸变参数进行标定;换算系数获取模块用于通过比例换算和畸变参数生成摄像机空间至图像的换算系数;和测量系数获取模块,用于对单目摄像机采集的第一图像进行处理生成测量参数。由此,可以根据将单目摄像机固定的方法,以及提取标志点而确定换算系数的方法可以达到简单快速的效果。
在一些实施方式中,测量系数获取模块包括预处理单元,用于对获取的第一图像进行预处理,生成第二图像和识别出第一目标区域;参数计算单元,用于根据第二图像和第一目标区域计算出目标零件的测量参数。由此可以快速识别出小型多孔零件的圆孔,进而可以方便后续的求解圆心距、毛刺度等测量参数。
在一些实施方式中,上述的测量系统还包括服务器端,服务器端用于获取所述单目摄像机采集的第一图像进行存储并输出显示。由此,可以将目标零件的图像进行实时显示,有利于调整小零件的位置。
附图说明
图1为本发明一实施方式的小型多孔零件的测量方法流程图;
图2为本发明一实施方式的小型多孔零件的测量系统图;
图3为本发明一实施方式的小型多孔零件的测量系统结构图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
图1示意性地显示了根据本发明的一种实施方式的小型多孔零件的测量方法流程图,如图1所示,本实施例包括如下步骤:
步骤S101:通过单目摄像机获取目标零件的第一图像。由于在视觉测量中,实际镜头成像并不是理想的透视成像,特别是对于圆孔形状的测量,镜头畸变带来的误差会对测量结果有较大影响,因此在获取第一图像前,先对单目摄像机进行畸变参数标定,以此提高测量准确性。对单目摄像机进行畸变参数标定。张振友标定方法因快速便捷得到了广泛应用,所以本实施例采用张氏方法进行畸变参数的标定,对于张氏方法,其首先采用高精度棋盘格靶标对单目摄像机进行标定,即把已知棋盘格尺寸的靶标在摄像机前方适当位置处摆放十次,并获取其图像。之后提取图像中的特征角点,依据摄像机透视投影原理计算得到摄像机的内部参数和畸变参数。具体实现方法如下:
首先建立单目摄像机模型,设OwXwYwZw为世界坐标系,Oxyz为摄像机坐标系,Ouv为图像坐标系,则棋盘格靶标特征点P的齐次坐标为P=[x,y,z,1]T,对应的图像坐标p的齐次坐标为p=[u,v,1]T。基于摄像机成像模型,空间点P与图像点p之间关系如下式ρp=KMP。式中
为摄像机内部参数;u0,v0为主点坐标;fx,fy分别为u轴和v轴的尺度因子;γ为u轴和v轴不垂直因子。
在实际测量中,摄像机镜头带有不同程度的畸变,使得空间点所成的像偏移实际像平面坐标。设pd=(ud,vd,1)T为有畸变图像齐次坐标,p=(u,v,1)T为无畸变图像齐次坐标,pn=(xn,yn,1)T为归一化图像齐次坐标。镜头畸变模型可以用下式表示
ud=u+(u-u0)(k1r2+k2r4);
其中,k1和k2为镜头畸变系数。
进一步地,发明人又考虑到目前,大多数视觉测量方法通常根据透视投影关系求解出摄像机坐标系到图像坐标系的转换矩阵,即求解出空间三维点和图像点的转换关系,进而可以通过图像信息求解出实际测量值,而转换矩阵计算量较大,优化较为复杂,在工业生产应用中,计算速度较慢,且摄像机若因环境或人为因素产生偏移,则需要重新进行标定和计算转换矩阵,过程较为繁琐。因为,在进行摄像机标定后还通过比例换算和畸变参数确定摄像机空间至图像的换算系数。具体实现为:将单目摄像机固定为仅能在纵轴方向有位移,采用十字刻线平面靶标获取十字刻线靶标图像;通过畸变参数对十字刻线靶标图像进行畸变矫正处理;对畸变矫正处理后的十字刻线靶标图像提取十字刻度线端点处的标志点及中心点;基于提取的标志点及中心点计算确定换算系数。其中,采用带有刻度的十字刻线平面靶标标定换算系数K具体实现方法如下:
先将摄像机安装在垂直方向的固定测量位置,把十字刻线靶标平放至测量台(可以为透明物架台)上,拍摄一幅十字刻线靶标图像。之后,应用上述计算得到的畸变参数k1和k2,通过ud=u+(u-u0)(k1r2+k2r4)对拍摄的图像做畸变矫正。提取十字刻度线端点处4个标志点及(us,vs)中心点,并计算图像中所有刻度线两两之间的像素距离再计算换算系数K。设十字刻度点上两两之间像素距离Sij对应的实际距离值为sij,则有下式通过非线性方法(Levenberg-Marquardt算法)优化,可得到换算系数的最优值。
做完上述的处理后,就可以通过标定后的单目摄像机获取目标零件的第一图像,即经过畸变校正后的零件图像。
步骤S102:对第一图像进行预处理,生成第二图像和第一目标区域。由此可以实现图像所需测量部位的定位及无关图案的剔除,以用于后续的零件尺寸检测。具体实现为:根据畸变参数对图像进行高斯平滑处理,图像高斯平滑处理可以去除图像中大量的噪声干扰。应用计算得到的畸变参数k1和k2,根据公式ud=u+(u-u0)(k1r2+k2r4)对获取的零件图像进行畸变矫正,对图像采用高斯卷积模板做平滑处理。表达式为:式中f(x,y)为原始输入图像,h(x,y)为高斯滤波模板,h(x,y)为高斯平滑处理后的图像。之后对平滑处理后的图像做自适应阈值二值化处理,记为第二图像。对灰度图像的直方图进行混合高斯分布逼近,即两个高斯分布之和,计算两个高斯分布相交处作为自适应阈值,用计算出的阈值对图像进行二值化处理生成二值化图像(即第二图像)。再对二值化图像由自上而下、从左到右的顺序逐行处理每一个像素,标记出所有灰度值为255的连通区域。对所有连通域中像素个数过小、像素个数过大以及长宽比大于1.3的区域块用0填充,实现感兴趣连通区域(即第一目标区域)的保留,并对保留区域记为区域A1,A2,…,An。
步骤S103:根据第二图像和第一目标区域确定目标零件的测量参数。其中,测量参数为小型多孔零件的圆孔个数、圆径、圆心坐标、圆心距以及零件毛刺度等。即对第二图像采用canny算子进行边缘检测处理,生成第一目标点集,将第一目标点集与第一目标区域进行匹配,确定第二目标区域和生成目标点集。具体实现为:
首先对经过预处理的图像(第二图像)采用canny边缘算子检测图像中的边缘点,并把边缘点信息存储在点集合D{(x1,y1),(x2,y2),…,(xn,yn)}(第一目标点集)中。对集合中(xi,yi)的点,若该点在预处理中标记的区域A1,A2,…,An(第一目标区域)中,则把该点放入圆集合Di中,若第k个区域中没有点或点集数量小于10,则该区域不为目标圆区域,通过排除形成更精确的第二目标区域。遍历集合D中所有的点,最终可以得到m个圆集合点D1,D2,…,Dm(目标点集),即小型多孔零件有m个圆孔。之后根据目标点集就可以计算圆径、圆心坐标以及圆心距。
具体地,对每个圆集合点Di,设其表达式为(x-ai)2+(y-bi)2=ri 2;其中(x,y)为圆集合点Di坐标,(ai,bi)为圆心坐标,ri为圆半径;
以下式为目标函数通过非线性方法优化计算圆心(ai,bi)和圆半径ri。在优化计算过程中,若(xi,yi)点计算得出的(xi-ai)2+(yi-bi)2≤(0.9ri)2或(xi-ai)2+(yi-bi)2≥(1.1ri)2,则认为该点为异常点,在圆集合中剔除并再次计算,得到圆心(ai,bi)和圆半径ri的最优值。
同理可求解出m个圆集合点Dm所对应的圆心坐标(a1,b1),(a2,b2),…,(am,bm)和圆半径r1,r1,…,rm。对所有圆心坐标(a1,b1),(a2,b2),…,(am,bm)按图像中由左至右、由上至下的顺序排序,得到排序后的圆心坐标序列,记为(a1,b1),(a2,b2),…,(aM,bM)。圆心距可由下式计算得出
此外,在具体应用中还可以根据圆心坐标(a1,b1),(a2,b2),…,(am,bm)和圆半径r1,r1,…,rm计算出其他的测量参数如毛刺度等参数。
由此,根据本实施例提供的方法以机器视觉技术为基础、以小型多孔零件产品为检测对象的标定及快速识别测量小型零件圆孔特征的方法,由此可以实现工业生产线上小型多孔零件相关尺寸和多种参数的在线测量,为工业生产的加工质量提供数据依据和保障。
图2示意性的显示了根据本发明一实施方式的小型多孔零件的测量系统图,如图2所示,
本实施例的测量系统包括:用于获取目标零件的第一图像的单目摄像机1;用于安装单目摄像机的测量工作台2(可以实现为透明物架台,在具体实现时,可以采用将背光源安装放置于透明物架台下方,以保证在单目视觉系统的视野范围内有均匀明亮的光照),其中单目摄像机垂直安装在测量工作台的上方。和用于基于单目摄像机获取的第一图像确定目标零件的测量参数输出的测量平台8,测量平台8通过对第一图像进行处理生成测量参数,具体的实现方式可以参照上述的方法部分。其中,测量平台8包括:图像获取模块4、标定模块5、换算系数获取模块6和测量系数获取模块7。图像获取模块4与单目摄像机连接,用于接收单目摄像机采集的图像,图像包括靶标图像和目标零部件的第一图像。标定模块5用于根据单目摄像机采集的靶标图像,对单目摄像机的畸变参数进行标定。换算系数获取模块6用于通过比例换算和畸变参数生成摄像机空间至图像的换算系数。测量系数获取模块7用于对单目摄像机采集的第一图像进行处理生成测量参数。
其中,测量系数获取模块7包括预处理单元701和参数计算单元702,预处理单元701用于对获取的第一图像进行预处理,生成第二图像和识别出第一目标区域。参数计算单元702用于根据第二图像和第一目标区域计算出目标零件的测量参数。
在优选实施方式中,测量系统还包括服务器端,服务器端用于获取单目摄像机采集的第一图像进行存储并输出显示。
根据本实施例提供的测量系统可以实现工业生产线上小型多孔零件相关尺寸和多种参数的在线测量,为工业生产的加工质量提供数据依据和保障。
图3示意性地显示了根据本发明一实施方式的小型多孔零件的测量系统结构图,如图3所示:
本系统包括有单目摄像机1、用于安装单目摄像机1的测量工作台2,在本实施例中实现为透明物架台,并将背光光源8安装放置于透明物架台2下方,以保证在单目视觉系统的视野范围内有均匀明亮的光照,其中单目摄像机1通过单目视觉测量系统支撑架3垂直安装在测量工作台2的上方,并且该支架上还设置有可移动轨道4,在对单目摄像机2进行畸变标定时,可以通过该轨道4使得摄像机固定为仅能在纵轴方向有位移。在使用时,将目标零件7放置于测量工作台2上即可。测量平台3中标定模块是把靶标在测量工作台2上进行标定分作,图像获取模块、换算系数获取模块、测量系数获取模块都是软件实现,其装置在服务器6中,通过服务器6获取单目摄像机采集的目标零件的图像进行存储和处理,并输出采集的目标零件的图像至显示器5进行显示。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,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。
Claims (10)
1.小型多孔零件的测量方法,其特征在于,包括如下步骤:
通过单目摄像机获取目标零件的第一图像;
对所述第一图像进行预处理,生成第二图像和第一目标区域;
根据所述第二图像和第一目标区域确定目标零件的测量参数。
2.根据权利要求1所述的测量方法,其特征在于,在通过单目摄像机获取目标零件的第一图像之前,还包括如下步骤:
对所述单目摄像机进行畸变参数标定;以及
通过比例换算和所述畸变参数确定摄像机空间至图像的换算系数。
3.根据权利要求2所述的测量方法,其特征在于,所述通过比例换算和所述畸变参数确定摄像机空间至图像的换算系数包括如下步骤:
将所述单目摄像机固定为仅能在纵轴方向有位移;
采用十字刻线平面靶标获取十字刻线靶标图像;
通过畸变参数对所述十字刻线靶标图像进行畸变矫正处理;
对畸变矫正处理后的十字刻线靶标图像提取十字刻度线端点处的标志点及中心点;
基于提取的标志点及中心点计算确定换算系数。
4.根据权利要求3所述的测量方法,其特征在于,对所述第一图像进行预处理,生成第二图像和第一目标区域包括:
根据所述畸变参数对所述图像进行畸变矫正处理;
获取自适应阈值,根据所述自适应阈值进行二值化处理生成第二图像;
对所述第二图像进行感兴趣区域提取,确定出第一目标区域。
5.根据权利要求1至4任一项所述的测量方法,其特征在于,根据所述第二图像和第一目标区域确定目标零件的测量参数包括:
根据所述第二图像和第一目标区域识别出第二目标区域和目标点集;
根据所述目标点集计算生成测量参数。
6.根据权利要求5所述的测量方法,其中,根据所述第二图像和第一目标区域识别出第二目标区域和目标点集实现为:
对所述第二图像采用canny算子进行边缘检测处理,生成第一目标点集;
将所述第一目标点集与所述第一目标区域进行匹配,确定第二目标区域和生成目标点集。
7.一种小型多孔零件的测量系统,其特征在于,包括:
用于获取目标零件的第一图像的单目摄像机;
用于安装所述单目摄像机的测量工作台,其中所述单目摄像机垂直安装在所述测量工作台的上方;和
用于基于所述单目摄像机获取的第一图像确定目标零件的测量参数输出的测量平台,其中,所述测量平台通过对所述第一图像进行处理生成测量参数。
8.根据权利要求7所述的测量系统,其特征在于,所述测量平台包括:
图像获取模块,与所述单目摄像机连接,用于接收所述单目摄像机采集的图像,所述图像包括靶标图像和目标零部件的第一图像;
标定模块,用于根据所述单目摄像机采集的靶标图像,对所述单目摄像机的畸变参数进行标定;
换算系数获取模块,用于通过比例换算和所述畸变参数生成摄像机空间至图像的换算系数;和
测量系数获取模块,用于对所述单目摄像机采集的第一图像进行处理生成测量参数。
9.根据权利要求8所述的测量系统,其特征在于,所述测量系数获取模块包括
预处理单元,用于对获取的第一图像进行预处理,生成第二图像和识别出第一目标区域;
参数计算单元,用于根据所述第二图像和第一目标区域计算出目标零件的测量参数。
10.根据权利要求7-9任意一项所述的测量系统,其特征在于,还包括服务器端,所述服务器端用于获取所述单目摄像机采集的第一图像进行存储并输出显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910511254.2A CN110108209A (zh) | 2019-06-13 | 2019-06-13 | 小型多孔零件的测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910511254.2A CN110108209A (zh) | 2019-06-13 | 2019-06-13 | 小型多孔零件的测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110108209A true CN110108209A (zh) | 2019-08-09 |
Family
ID=67494911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910511254.2A Pending CN110108209A (zh) | 2019-06-13 | 2019-06-13 | 小型多孔零件的测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110108209A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113176182A (zh) * | 2021-04-29 | 2021-07-27 | 上海易清智觉自动化科技有限公司 | 一种骨料生产线检测系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2972320B2 (ja) * | 1990-11-02 | 1999-11-08 | キヤノン株式会社 | 複数部材の離間距離測定方法及びその方法を用いて製造される記録ヘッド |
CN1604125A (zh) * | 2004-11-11 | 2005-04-06 | 上海交通大学 | 目标图像自动识别与快速跟踪的方法 |
KR20060012937A (ko) * | 2004-08-05 | 2006-02-09 | 학교법인 울산공업학원 | 씨씨디카메라를 이용한 접촉식 홀변위 자동 측정장치 및그 측정방법 |
CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
CN101776437A (zh) * | 2009-09-30 | 2010-07-14 | 江南大学 | 带有光路调整的嵌入式机器视觉亚像素标定技术 |
CN103438818A (zh) * | 2013-08-27 | 2013-12-11 | 西南交通大学 | 一种土体试样微形变的成像检测装置及方法 |
CN104359404A (zh) * | 2014-11-24 | 2015-02-18 | 南京航空航天大学 | 飞机零件上大量小尺寸导孔的快速视觉检测方法 |
CN104897062A (zh) * | 2015-06-26 | 2015-09-09 | 北方工业大学 | 一种零件异面平行孔形位偏差的视觉测量方法及装置 |
CN106991686A (zh) * | 2017-03-13 | 2017-07-28 | 电子科技大学 | 一种基于超像素光流场的水平集轮廓跟踪方法 |
-
2019
- 2019-06-13 CN CN201910511254.2A patent/CN110108209A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2972320B2 (ja) * | 1990-11-02 | 1999-11-08 | キヤノン株式会社 | 複数部材の離間距離測定方法及びその方法を用いて製造される記録ヘッド |
KR20060012937A (ko) * | 2004-08-05 | 2006-02-09 | 학교법인 울산공업학원 | 씨씨디카메라를 이용한 접촉식 홀변위 자동 측정장치 및그 측정방법 |
CN1604125A (zh) * | 2004-11-11 | 2005-04-06 | 上海交通大学 | 目标图像自动识别与快速跟踪的方法 |
CN101131365A (zh) * | 2006-08-23 | 2008-02-27 | 宝山钢铁股份有限公司 | 烧结矿主要矿物相自动识别方法 |
CN101776437A (zh) * | 2009-09-30 | 2010-07-14 | 江南大学 | 带有光路调整的嵌入式机器视觉亚像素标定技术 |
CN103438818A (zh) * | 2013-08-27 | 2013-12-11 | 西南交通大学 | 一种土体试样微形变的成像检测装置及方法 |
CN104359404A (zh) * | 2014-11-24 | 2015-02-18 | 南京航空航天大学 | 飞机零件上大量小尺寸导孔的快速视觉检测方法 |
CN104897062A (zh) * | 2015-06-26 | 2015-09-09 | 北方工业大学 | 一种零件异面平行孔形位偏差的视觉测量方法及装置 |
CN106991686A (zh) * | 2017-03-13 | 2017-07-28 | 电子科技大学 | 一种基于超像素光流场的水平集轮廓跟踪方法 |
Non-Patent Citations (6)
Title |
---|
单宝华等: "张正友标定法在DIC位移测量中的应用", 《实验室研究与探索》 * |
姜代红: "《复杂环境下监控图像拼接与识别》", 28 February 2017 * |
杨力铭著: "《时空域脉搏信号检测方法研》", 31 December 2017, 西南交通大学出版社 * |
林旭南: "基于机器视觉的薄型零件尺寸在线测量算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
秦瑞康等: "《基于全参数自适应变异粒子群算法的单目相机标定》", 《东南大学学报(自然科学版)》 * |
高宏伟: "《电子封装工艺与装备技术基础教程》", 31 July 2017, 西安电子科技大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113176182A (zh) * | 2021-04-29 | 2021-07-27 | 上海易清智觉自动化科技有限公司 | 一种骨料生产线检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
CN107167169B (zh) | 基于机器视觉系统的指针式仪表读数识别测量方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN105091922B (zh) | 一种基于虚拟表盘的指针表读数识别方法 | |
CN104315978B (zh) | 一种管路端面中心点的测量方法及装置 | |
CN107121093A (zh) | 一种基于主动视觉的齿轮测量装置及测量方法 | |
CN106969706A (zh) | 基于双目立体视觉的工件检测与三维测量系统及检测方法 | |
CN109520436B (zh) | 一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统及其测量方法 | |
CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
CN107133983B (zh) | 成捆圆钢端面双目视觉系统与空间定位及计数方法 | |
CN102063718A (zh) | 一种点激光测量系统的现场标定和精密测量方法 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN104112269A (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及系统 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN103617611A (zh) | 一种自动阈值分割光斑中心及尺寸检测方法 | |
CN113134683A (zh) | 基于机器学习的激光标刻方法及装置 | |
Duan et al. | High precision edge detection algorithm for mechanical parts | |
CN111179335A (zh) | 一种基于双目视觉的立木测定方法 | |
CN108507484B (zh) | 成捆圆钢多目视觉识别系统及计数方法 | |
CN110954555A (zh) | Wdt 3d视觉检测系统 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN110108209A (zh) | 小型多孔零件的测量方法及系统 | |
CN111369533B (zh) | 基于偏振图像融合的钢轨廓形检测方法及装置 |
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: 20190809 |