CN110118530A - 一种大工件高精度光学视觉测量方法 - Google Patents
一种大工件高精度光学视觉测量方法 Download PDFInfo
- Publication number
- CN110118530A CN110118530A CN201910324514.5A CN201910324514A CN110118530A CN 110118530 A CN110118530 A CN 110118530A CN 201910324514 A CN201910324514 A CN 201910324514A CN 110118530 A CN110118530 A CN 110118530A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- pixel
- edge
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000003287 optical effect Effects 0.000 title claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 78
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 4
- 239000011541 reaction mixture Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06T7/10—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
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种大工件高精度光学视觉测量方法，该方法包含：(1)图像采集：采用远心镜头的相机拍照；(2)视觉定位：按照测量顺序进行模板图像和测量图像的匹配定位；(3)亚像素提取：基于sobel算子对被测工件图像进行亚像素级边缘提取，采用二次曲线拟合工件的像素边缘，并通过所述二次曲线的法线方程对边缘点进行探测，以确定该边缘点为要提取的亚像素边缘点；(4)特征提取；(5)CNC程序控制：通过CNC程序控制相机在测量平台上有序运动；(6)重复步骤(1)～(5)，输出测量结果。本发明的方法避免了图像拼接技术引入的测量误差和耗时的计算量，提高了测量效率。
Description
技术领域
本发明涉及一种工件测量方法，具体涉及一种大工件高精度光学视觉测量方法。
背景技术
在汽车制造、航空航天装备制造等领域，有将近30％的工件是尺寸超过150mm的大型工件，对这些大工件的精确测量对于提高我国装备制造业水平具有重要意义。但是，目前我国对大型工件的测量精度只能达到0.01mm的精度，远远不能满足5测量精度的要求。
对于大工件测量方法有人工测量、经纬仪测量和机器视觉测量。人工测量和经纬仪测量由于测量精度低、误检率高，不适用于大工件的测量。大工件尺寸视觉测量通常采用分段测量，即先对工件分段采集图像，然后进行图像拼接，由于图像拼接存在0.5个像素的拼接误差，因此图像的拼接精度是影响测量系统整体精度的关键因素之一。但是，图像拼接和图像特征提取不可避免的要进行重复工作，使得测量效率低。另外，在传统的视觉测量中，测量用的工业镜头在工件尺寸大于100mm时，往往会在图像边缘部分发生严重的畸变，导致测量精度的降低。
发明内容
本发明的目的是提供一种大工件高精度光学视觉测量方法，该方法解决了现有方法采用图像拼接精度低的问题，能够避免图像拼接技术引入的测量误差和耗时的计算量，提高了测量效率。
为了达到上述目的，本发明提供了一种大工件高精度光学视觉测量方法，该方法包含：
(1)图像采集：使采用远心镜头的相机的视场覆盖工件被测部位进行拍照，获取测量图像；
(2)视觉定位：按照测量顺序进行模板图像和测量图像的匹配定位，采用滤波器快速求取测量图像与模板图像的子图像的像素值的和，找到测量图像与模板图像中所有像素值的和最接近的子图像；
(3)亚像素提取：基于sobel算子对被测工件图像进行亚像素级边缘提取，采用二次曲线拟合工件的像素边缘，获得提取的边缘像素的边缘点与回归值的偏离程度，使全部边缘点检测值与回归值的偏离程度最小，并通过所述二次曲线的法线方程对边缘点进行探测，以确定该边缘点为要提取的亚像素边缘点；
(4)特征提取：在所述亚像素提取后，根据测量模板确定的测量点位，在测量图像中提取测量点位的特征；
(5)CNC程序控制：通过CNC程序控制相机在测量平台上有序运动；
(6)重复步骤(1)～(5)，输出测量结果。
优选地，在步骤(2)中，所述视觉定位，设在测量图像中有一个以(i，j)为中心的子块图像Ω(i，j)，其大小为(2m+1)×(2m+1)，在模板图像中遍历所有的子块图像其大小为(2m+1)×(2m+1)，其中0＜k≤M，0＜l≤N，找到与其所有像素值的和最接近的子块图像。
优选地，所述视觉定位，利用boxfilter滤波器快速求取子图像的像素值的和，在模板图像中找到与测量图像中的子块图像Ω(i，j)最匹配的子图像Ω(i，j)和满足：
优选地，在步骤(3)中，所述亚像素提取，基于sobel算子对被测工件图像进行亚像素级边缘提取，设提取的边缘像素的坐标为(x1y1)、(x2，y2)、…、(xn，yn)，采用二次曲线拟合工件的像素边缘，拟合二次曲线的方程为：
式(1)中，a1、a2、a3是二次曲线方程的系数；
由式(1)得到回归值与实际检测值yi之差σi，为：
式(2)中，i＝1，2，…，n；
由式(2)得到全部边缘检测值与回归值的偏离程度S，为：
根据极值条件和求得：
式(4)中，
在式(5)中令：
则式(5)变为：
DA＝C (5)；
运用最小二乘法，则可以求出A为：
A＝(DTD)-1C (6)。
优选地，所述亚像素提取，利用式(1)进行像素级边缘拟合时，进行重叠分段拟合。
优选地，采用20个点进行分段重叠拟合。
优选地，所述亚像素提取，设(xi，yi)是图像边缘拟合二次曲线上的一个点，求过点(xi，yi)二次曲线的法线方程y＝f(x)：
对式(1)求导得：
yi′＝a2+a3xi (8)；
则，过点(xi，yi)二次曲线的法线方程为：
y-yi＝(a2+a3xi)(x-xi) (9)；
沿着法线方程，由(xi，yi)沿着法线对边缘点进行探测，当探测到(xj，yj)时，若满足式(10)：
|I(xj，yj)-I(xj+1，yj+1)|＞k(|I(xj，yj)-I(xj-1，yj-1)|+1) (10)。
则，点(xj，yj)为要提取的亚像素边缘点。
优选地，式(10)中，k＝623。
本发明的大工件高精度光学视觉测量方法，解决了现有方法采用图像拼接精度低的问题，具有以下优点：
(1)本发明的方法采用的方式是工件固定，通过视觉系统的运动来完成工件尺寸的测量，而传统方法采用的方式是视觉系统固定，工件运动，通过图像拼接分段测量方式来完成大工件尺寸测量，因此本发明的方法避免了图像拼接技术引入的测量误差和耗时的计算量，提高了测量效率；
(2)本发明的方法运用CNC(Computer numerical control，计算机数字控制)控制技术，根据预先建立的模板图像和装订的测量路径，控制视觉系统沿着固定测量位置和路径运动，完成图像采集、图像定位和特征提取，根据测量任务完成工件尺寸的测量；
(3)本发明的方法采用远心镜头代替传统的工业镜头，纠正了传统工业镜头的视差，可以在一定的物距范围内，使得到的图像放大倍率不会随物距的变化而变化，这对被测物不在同一物面上的情况是非常重要的应用。因此，本发明的远心镜头具有高影像分辨率、近乎零失真度、无透视误差等优点，可以实现微米级的高精度测量。
附图说明
图1为本发明的大工件视觉测量流程图。
图2为大工件高精度光学视觉测量系统结构示意图。
图3为本发明的远心镜头和工业相机的拍摄质量效果对比图。
图4为本发明提取亚像素边缘的示意图。
图5为本发明用于多工件图像分割和亚像素边缘提取的效果图。
图6为本发明的方法对大工件测量的验证效果图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种大工件高精度光学视觉测量方法，该方法在测量时，先建立工件的测量模板和测量流程，如图1所示，为本发明的大工件视觉测量流程图，如图2所示，为大工件高精度光学视觉测量系统结构示意图，CNC闭环控制系统根据测量流程控制光学系统(相机)在测量平台上有序运动，完成对大工件的测量任务，其包含：
(1)测量准备
给测量系统加电，将待测工件放置在测量平台上，接通测量平台上平行光源的电源，整个测量平台面板呈现出蓝色高亮背景，启动的测量软件，在测量软件中加载好的测量模板。测量软件的主要功能是完成图像的采集、图像的定位、特征点提取和图像测量任务。测量模板是事先根据测量要求，采集标准工件图像，在测量软件中标记好精确测量点位，制作成标准工件的参数测量图。图2给出了大工件高精度光学视觉测量系统结构示意图。
(2)图像采集
用相机正对着测量台的面板，使得相机视场能够覆盖工件被测部位，调整好焦距进行拍照，图像要求清晰、没有出现抖动模糊。该相机采用远心镜头，以纠正传统工业镜头的视差，可以在一定的物距范围内，使得到的图像放大倍率不会随物距的变化而变化。
如图3所示，为本发明的远心镜头和工业相机的拍摄质量效果对比图，由图3可以看出工业相机拍摄的过渡带会出现虚边和相畸变比较大，而本发明的远心镜头拍摄的过渡带非常清晰和相畸变非常小，有利于高精度边缘的提取。
(3)视觉定位
按照测量顺序进行测量模板图像和测量图像的匹配定位，通过图像快速定位快速找到原图像(即测量图像)与模板图像最佳匹配的子图像。这里的测量图像是指采集的待测工件的图像。
设在原图像中有一个以(i,j)为中心的子块图像Ω(i,j)，其大小为(2m+1)×(2m+1)，在模板图像中遍历所有的子块图像其大小为(2m+1)×(2m+1)，其中0＜k≤M，0＜l≤N，找到与其最匹配的子块图像。本发明中的最匹配是指两个子块图像的所有像素值的和最接近。
为了快速进行图像定位，利用boxfilter滤波器快速求取子图像的像素值的和，然后找到与Ω(i,j)最匹配的子图像即满足：
(4)亚像素提取
首先，运用sobel算子对被测工件图像进行像素级边缘提取，设提取的边缘像素的坐标为(x1,y1)、(x2,y2)、…、(xn,yn)，由于工件边缘绝大多数情况下是曲线，所以本发明采用二次曲线来拟合工件的像素边缘，设拟合二次曲线的方程为：
式(1)中，a1、a2、a3是二次曲线方程的系数，当x的取值为x1、x2、…、xn时，相应的二次曲线方程为：
若回归值与实际检测值yi之差用σi表示，为：
式(2)中，i＝1,2,…,n，式(2)表示边缘点(xi,yi)与回归值的偏离程度。
设S为全部边缘检测值与回归值的偏离程度，则有：
要使全部边缘检测值与回归值最接近，也即要求两者的偏离程度最小，根据极值条件和可以求得：
其中，
在式(4)中令：
则式(4)变为：
DA＝C (5)。
运用最小二乘，则可以求出A为：
A＝(DTD)-1C (6)。
经验证，利用式(1)进行像素级边缘拟合时，进行重叠分段拟合时效果更好，本发明采用20个点进行分段重叠拟合。
设(xi,yi)是图像边缘拟合二次曲线上的一个点，现求过点(xi,yi)二次曲线的法线方程y＝f(x)，具体如下：
对式(1)求导得：
yi′＝a2+a3xi (8)；
于是，过点(xi,yi)二次曲线的法线方程为：
y-yi＝(a2+a3xi)(x-xi) (9)。
沿着法线方程，由(xi,yi)开始顺着法线的方向对边缘点进行探测，当探测到(xj,yj)时，满足式(10)：
|I(xj,yj)-I(xj+1,yj+1)|＞k(|I(xj,yj)-I(xj-1,yj-1)|+1) (10)。
经多次实验，选取k＝6.23。此时，(xj,yj)就认为是要求的亚像素边缘点。
传统的边缘检测方法的检测精度最高只能达到一个像素级，随着科学技术的飞速发展，工业视觉测量等应用对精确度的要求不断提高，传统的像素级边缘检测方法已经不能满足实际测量的需求。如图4所示，为本发明提取亚像素边缘的示意图，由图4可以看出，传统提取图像边缘是按照整像素进行提取，本发明提取图像边缘是沿着真正像素边缘进行提取，提高了边缘的提取精度，如图5所示，为本发明用于多工件图像分割和亚像素边缘提取的效果图。
(5)特征提取
亚像素边缘提取后，根据测量模板中确定的准确测量点位，测量软件完成测量图像中测量点位的定给，然后提取测量点位的特征。
(6)CNC精确程序控制
CNC精确程序控制系统，根据预先建立的模板图像和装订的测量规划路径，控制视觉系统沿着固定测量位置和路径运动。
(7)重复上述步骤(2)～(6)，直到完成所有测量任务，输出测量结果，如图6所示，为本发明的方法对大工件测量的验证效果图，能够准确测量工件的长度、角度。
综上所述，本发明通过控制光学系统的运动，来达成对大工件的测量，避免了图像拼接引入的测量误差，提高了测量精度。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (8)
1.一种大工件高精度光学视觉测量方法，其特征在于，该方法包含：
(1)图像采集：使采用远心镜头的相机的视场覆盖工件被测部位进行拍照，获取测量图像；
(2)视觉定位：按照测量顺序进行模板图像和测量图像的匹配定位，采用滤波器快速求取测量图像与模板图像的子图像的像素值的和，找到测量图像与模板图像中所有像素值的和最接近的子图像；
(3)亚像素提取：基于sobel算子对被测工件图像进行亚像素级边缘提取，采用二次曲线拟合工件的像素边缘，获得提取的边缘像素的边缘点与回归值的偏离程度，使全部边缘点检测值与回归值的偏离程度最小，并通过所述二次曲线的法线方程对边缘点进行探测，以确定该边缘点为要提取的亚像素边缘点；
(4)特征提取：在所述亚像素提取后，根据测量模板确定的测量点位，在测量图像中提取测量点位的特征；
(5)CNC程序控制：通过CNC程序控制相机在测量平台上有序运动；
(6)重复步骤(1)～(5)，输出测量结果。
2.根据权利要求1所述的大工件高精度光学视觉测量方法，其特征在于，在步骤(2)中，所述视觉定位，设在测量图像中有一个以(i，j)为中心的子块图像Ω(i，j)，其大小为(2m+1)×(2m+1)，在模板图像中遍历所有的子块图像其大小为(2m+1)×(2m+1)，其中0＜k≤M，0＜l≤N，找到与其所有像素值的和最接近的子块图像。
3.根据权利要求2所述的大工件高精度光学视觉测量方法，其特征在于，所述视觉定位，利用boxfilter滤波器快速求取子图像的像素值的和，在模板图像中找到与测量图像中的子块图像Ω(i，j)最匹配的子图像Ω(i，j)和满足：
4.根据权利要求1所述的大工件高精度光学视觉测量方法，其特征在于，在步骤(3)中，所述亚像素提取，基于sobel算子对被测工件图像进行亚像素级边缘提取，设提取的边缘像素的坐标为(x1，y1)、(x2，y2)、…、(xn，yn)，采用二次曲线拟合工件的像素边缘，拟合二次曲线的方程为：
式(1)中，a1、a2、a3是二次曲线方程的系数；
由式(1)得到回归值与实际检测值yi之差σi，为：
式(2)中，i＝1，2，…，n；
由式(2)得到全部边缘检测值与回归值的偏离程度S，为：
根据极值条件和求得：
式(4)中，
在式(5)中令：
则式(5)变为：
DA＝C (5)；
运用最小二乘法，则可以求出A为：
A＝(DTD)-1C (6)。
5.根据权利要求4所述的大工件高精度光学视觉测量方法，其特征在于，所述亚像素提取，利用式(1)进行像素级边缘拟合时，进行重叠分段拟合。
6.根据权利要求5所述的大工件高精度光学视觉测量方法，其特征在于，采用20个点进行分段重叠拟合。
7.根据权利要求4所述的大工件高精度光学视觉测量方法，其特征在于，所述亚像素提取，设(xi，yi)是图像边缘拟合二次曲线上的一个点，求过点(xi，yi)二次曲线的法线方程y＝f(x)：
对式(1)求导得：
yi′＝a2+a3xi (8)；
则，过点(xi，yi)二次曲线的法线方程为：
y-yi＝(a2+a3xi)(x-xi) (9)；
沿着法线方程，由(xi，yi)沿着法线对边缘点进行探测，当探测到(xj，yj)时，若满足式(10)：
|I(xj，yj)-I(xj+1，yj+1)|＞k(|I(xj，yj)-I(xj-1，yj-1)|+1) (10)。
则，点(xj，yj)为要提取的亚像素边缘点。
8.根据权利要求7所述的大工件高精度光学视觉测量方法，其特征在于，式(10)中，k＝6.23。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910324514.5A CN110118530B (zh) | 2019-04-22 | 2019-04-22 | 一种大工件高精度光学视觉测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910324514.5A CN110118530B (zh) | 2019-04-22 | 2019-04-22 | 一种大工件高精度光学视觉测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110118530A true CN110118530A (zh) | 2019-08-13 |
| CN110118530B CN110118530B (zh) | 2021-06-18 |
Family
ID=67521330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910324514.5A Active CN110118530B (zh) | 2019-04-22 | 2019-04-22 | 一种大工件高精度光学视觉测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110118530B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115375681A (zh) * | 2022-10-24 | 2022-11-22 | 常州铭赛机器人科技股份有限公司 | 一种基于图像拼接的大尺寸目标测量方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10260016A (ja) * | 1997-03-18 | 1998-09-29 | Fujitsu Ltd | 画像認識装置 |
| US6381016B1 (en) * | 2000-07-14 | 2002-04-30 | Advanced Micro Devices, Inc. | Lead width inspection system and methods |
| CN1688949A (zh) * | 2002-10-11 | 2005-10-26 | 弗迪亚有限公司 | 用于测量、补偿和测试数控机床头和/或工作台的系统和方法 |
| CN101576961A (zh) * | 2009-06-16 | 2009-11-11 | 天津大学 | 高速的图像匹配方法及装置 |
| CN101673412A (zh) * | 2009-09-29 | 2010-03-17 | 浙江工业大学 | 结构光三维视觉系统的光模板匹配方法 |
| CN201555559U (zh) * | 2009-12-15 | 2010-08-18 | 方向阳 | 汽车线束机器视觉检测设备 |
| CN102749036A (zh) * | 2012-07-11 | 2012-10-24 | 西安交通大学 | 一种用于大型自由锻件的直径在线测量装置 |
| CN102997864A (zh) * | 2012-12-17 | 2013-03-27 | 北京理工大学 | 一种大口径光学非球面镜检测系统 |
| CN104457577A (zh) * | 2014-12-19 | 2015-03-25 | 上海工业自动化仪表研究院 | 面向机器视觉的无接触式工件定位与测量方法 |
| CN105608667A (zh) * | 2014-11-20 | 2016-05-25 | 深圳英飞拓科技股份有限公司 | 一种全景拼接的方法及装置 |
| CN106485658A (zh) * | 2016-09-21 | 2017-03-08 | 湖南子午天地科技文化发展有限公司 | 一种用于图像拼接的最优缝合线搜索方法 |
| CN206316806U (zh) * | 2016-12-20 | 2017-07-11 | 中山市胜航机电科技有限公司 | 一种cnc控制的多头夹具装置 |
| CN108765433A (zh) * | 2018-05-31 | 2018-11-06 | 西京学院 | 一种用于提高精度的多叶面积测量方法 |
-
2019
- 2019-04-22 CN CN201910324514.5A patent/CN110118530B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10260016A (ja) * | 1997-03-18 | 1998-09-29 | Fujitsu Ltd | 画像認識装置 |
| US6381016B1 (en) * | 2000-07-14 | 2002-04-30 | Advanced Micro Devices, Inc. | Lead width inspection system and methods |
| CN1688949A (zh) * | 2002-10-11 | 2005-10-26 | 弗迪亚有限公司 | 用于测量、补偿和测试数控机床头和/或工作台的系统和方法 |
| CN101576961A (zh) * | 2009-06-16 | 2009-11-11 | 天津大学 | 高速的图像匹配方法及装置 |
| CN101673412A (zh) * | 2009-09-29 | 2010-03-17 | 浙江工业大学 | 结构光三维视觉系统的光模板匹配方法 |
| CN201555559U (zh) * | 2009-12-15 | 2010-08-18 | 方向阳 | 汽车线束机器视觉检测设备 |
| CN102749036A (zh) * | 2012-07-11 | 2012-10-24 | 西安交通大学 | 一种用于大型自由锻件的直径在线测量装置 |
| CN102997864A (zh) * | 2012-12-17 | 2013-03-27 | 北京理工大学 | 一种大口径光学非球面镜检测系统 |
| CN105608667A (zh) * | 2014-11-20 | 2016-05-25 | 深圳英飞拓科技股份有限公司 | 一种全景拼接的方法及装置 |
| CN104457577A (zh) * | 2014-12-19 | 2015-03-25 | 上海工业自动化仪表研究院 | 面向机器视觉的无接触式工件定位与测量方法 |
| CN106485658A (zh) * | 2016-09-21 | 2017-03-08 | 湖南子午天地科技文化发展有限公司 | 一种用于图像拼接的最优缝合线搜索方法 |
| CN206316806U (zh) * | 2016-12-20 | 2017-07-11 | 中山市胜航机电科技有限公司 | 一种cnc控制的多头夹具装置 |
| CN108765433A (zh) * | 2018-05-31 | 2018-11-06 | 西京学院 | 一种用于提高精度的多叶面积测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李林娜: "基于机器视觉的在线高精度零件测量关键技术的方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115375681A (zh) * | 2022-10-24 | 2022-11-22 | 常州铭赛机器人科技股份有限公司 | 一种基于图像拼接的大尺寸目标测量方法 |
| CN115375681B (zh) * | 2022-10-24 | 2023-02-03 | 常州铭赛机器人科技股份有限公司 | 一种基于图像拼接的大尺寸目标测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110118530B (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103257085B (zh) | 图像处理装置和图像处理方法 | |
| CN105345254B (zh) | 旁轴式视觉系统与激光振镜加工系统位置关系的标定方法 | |
| CN103759638B (zh) | 一种零件检测方法 | |
| CN109029299B (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
| CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
| CN109360246B (zh) | 基于同步子区搜索的立体视觉三维位移测量方法 | |
| CN106157246B (zh) | 一种全自动的快速柱面全景图像拼接方法 | |
| CN110858899B (zh) | 一种摄像机机芯光轴中心和视场角的测量方法及系统 | |
| CN106125994B (zh) | 坐标匹配方法及使用该坐标匹配方法的操控方法和终端 | |
| CN104457577A (zh) | 面向机器视觉的无接触式工件定位与测量方法 | |
| CN114220757B (zh) | 晶圆检测对位方法、装置和系统及计算机介质 | |
| CN109191527B (zh) | 一种基于最小化距离偏差的对位方法及装置 | |
| CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
| CN106705860B (zh) | 一种激光测距方法 | |
| CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
| CN111025701A (zh) | 一种曲面液晶屏幕检测方法 | |
| CN112085708B (zh) | 产品外轮廓中的直线边缘的缺陷检测方法及设备 | |
| CN115014248B (zh) | 一种激光投射线的识别与平面度判定方法 | |
| Ren et al. | Accurate three-dimensional shape and deformation measurement at microscale using digital image correlation | |
| CN110118530B (zh) | 一种大工件高精度光学视觉测量方法 | |
| Yang et al. | Eccentricity error compensation for geometric camera calibration based on circular features | |
| WO2020113978A1 (zh) | 位于平面上的孔的中心位置的计算方法 | |
| CN105303556B (zh) | 基于直线特征的摄像机非线性畸变参数求解方法 | |
| CN108907897A (zh) | 化铣胶膜刻形的在机视觉检测方法 | |
| JPH10318732A (ja) | 形状測定装置及び形状測定用画像形成装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |