CN110246176A - 一种基于机器视觉的蒸发器管板爬行器动态定位方法 - Google Patents
一种基于机器视觉的蒸发器管板爬行器动态定位方法 Download PDFInfo
- Publication number
- CN110246176A CN110246176A CN201910471736.XA CN201910471736A CN110246176A CN 110246176 A CN110246176 A CN 110246176A CN 201910471736 A CN201910471736 A CN 201910471736A CN 110246176 A CN110246176 A CN 110246176A
- Authority
- CN
- China
- Prior art keywords
- image
- crawl device
- pore
- camera
- dynamic positioning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011148 porous material Substances 0.000 claims abstract description 59
- 239000000523 sample Substances 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 20
- 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 14
- 238000003708 edge detection Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000001629 suppression Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003028 elevating effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G06T3/02—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明公开了一种基于机器视觉的蒸发器管板爬行器动态定位方法,其包括以下步骤:将帧率高、动态性能好的高性能工业相机固定于蒸发器管板爬行器的探头门上;相机垂直于管板平面,相机到管板的距离由视野范围来确定;将相机拍摄到的图像实时传送至爬行器动态定位软件,该软件会对获取的图像进行图像处理和管孔识别;依据识别出的管孔的坐标通过动态定位算法,计算出这些管孔的行列号,并将行列号与图像叠加,呈现在软件界面中;根据相机与探头门的相对位置,以及上述步骤中获取的坐标行列号信息,计算出探头门所对应管孔的行列号,并在软件界面中显示出来。自动动态识别蒸发器爬行器当前位置,减少人因失误,提高效率和可靠性。
Description
技术领域
本发明属于视觉无损检测设备领域,特别涉及一种基于机器视觉的蒸发器管板爬行器动态定位方法。
背景技术
核电站蒸汽发生器是一回路和二回路进行热量交换的设备,其传热管是一回路压力边界的重要组成部分。蒸汽发生器运行期间由于机械和化学机理导致传热管降质,必须使用涡流检测技术对其进行检测。对蒸发器传热管实施涡流检查时,利用管板爬行器在管板上运动,将爬行器上安装的探头门定位至待检测的传热管管口。因此,管板爬行器的定位准确度非常重要。为保证管板爬行器定位的准确度,目前采用的方式是在蒸发器水室底部放置广角摄像头,依据摄像头拍摄的画面通过人眼寻找管板特征点来确定爬行器的实际位置。水室底部广角摄像头拍摄的管板图像有一部分会被爬行器遮挡,影响定位判断;或因拍摄角度问题无法准确判断爬行器目前所处的实际位置。
发明内容
本发明的目的是提供一种基于机器视觉的蒸发器管板爬行器动态定位方法,解决了现有技术中人工定位效率低下、稳定性不高,以及蒸发器水室底部摄像头拍摄的图像受遮挡或者拍摄角度不当造成定位困难等问题。。
为解决上述技术问题,本发明采用如下技术方案:一种基于机器视觉的蒸发器管板爬行器动态定位方法,其包括以下步骤:
a.使工业相机与蒸发器管板爬行器上的探头门同步动作;
b.工业相机将拍摄到的图像实时传送至蒸发器管板爬行器的动态定位器,动态定位器将获取的图像进行图像处理以识别出管孔;
c.在工业相机拍摄N次后,人工确定爬行器的实际位置,动态定位器选定其中一张图像为初始图像,并根据爬行器的实际位置确定初始图像中所有管孔的图像圆心坐标,设定初始图像中所有的管孔的行列号,进而计算出初始图像中所有管孔与各自的行列号的仿射变换矩阵;
d.对初始图像之后获得的新一帧的图像进行图像处理和管孔识别,得到当前图像中的管孔坐标;
e.利用当前帧的管孔坐标和上一帧仿射变换矩阵,计算出以浮点数表示的行列号;由于两帧图像间爬行器只进行了微小的运动,对浮点数行列号取最接近整数,即为当前图像管孔的行列号;
f.根据管孔的坐标和行列号计算出当前图像的仿射变换矩阵;
g.循环步骤d~f,得出所有的管孔的行列号。
优化的,步骤b中图像处理包括图像滤波、边缘检测和霍夫圆变换。
进一步地,所述图像滤波采用中值滤波。
进一步地,所述边缘检测采用Canny边缘检测方法,具体步骤如下
首先用二维高斯函数的一阶导数,对图像进行平滑,二维高斯函数和图像卷积可表示为
其中:I为原始图像,σ是一个尺度参数,控制滤波器的平滑程度,然后用一阶偏导的有限差分来计算梯度的幅值和方向,点(x,y)处的两个方向的偏导数
此时点(x,y)处的梯度幅值M和梯度方向α分别为:
其中α为平滑梯度方向矢量,即正交边缘的方向,幅值M越大,其对应的图像梯度值也越大,为了确定边缘,只保留幅值局部变化较大的点,即非极大值抑制,最后运用双阈值算法,用高、低阈值对非极大值抑制的结果进行检测,得到高阈值和低阈值边缘图像,以高阈值图像为基础,用低阈值图像来补充连接图像边缘。
进一步地,所述霍夫圆变换包括对边缘图像中的每一个边缘点,计算其局部梯度。利用得到的梯度,由斜率指定的直线上的点作为圆心在累加器中累加。然后,将累加器中大于给定阀值并且大于其所有近邻的点选出来,作为候选圆心点。最后依据圆心距、最大最小半径等限定条件筛选出所有的圆心。
优化的,将相机采集的图像与计算出的行列号叠加,上,同时根据相机与探头门的相对位置,计算出探头门所在管孔的行列号,呈现在显示界面。
本发明的有益效果在于:1.自动动态识别蒸发器爬行器当前位置,减少人因失误,提高效率和可靠性;2.拍摄图像不会被遮挡、不会受拍摄角度影响,具有很高的准确性;3.在软件界面实时显示爬行器当前的位置信息,直观方便;4.支持正方形、三角形等多种排布方式的蒸发器管板。
附图说明
附图1为未绘制有管孔及圆心标示的管孔图像;
附图2为绘制有管孔及圆心标示的管孔图像(图中黑圈以及黑圈中心的白点分别表示管孔和圆心);
附图3为某一时刻管板坐标系Row-Col与图像坐标系x-y的大致相对关系;
附图4为附图3变换后的坐标关系;
附图5为附图4变换后的坐标关系。
具体实施方式
下面结合附图所示的实施例对本发明作以下详细描述:
基于机器视觉的蒸发器管板爬行器动态定位方法其具体包括以下步骤:
一、图像采集
1、相机
相机需要选择性能稳定可靠的工业相机,要求分辨率至少达到30万像素,帧率至少为20帧/秒,30帧/秒以上更佳,同时要求大景深、低畸变。
相机固定于蒸发器管板爬行器的探头门上,垂直于管板平面,相机可以随着爬行器的运动而同步运动,并实时采集探头门附近区域的管板图像。相机镜头至管板距离由视野范围决定,需保证运动过程中视野范围始终能够包含10至 15个传热管管孔。
2、光源
光源选择普通的点光源即可,固定于相机附近,为相机采集的图像提供足够的对比度。
二、图像处理
相机采集到的图像首先要进行图像处理,包括图像滤波、边缘检测和霍夫圆变换几个步骤。
1、图像滤波
在获取图像的过程中,图像常被噪声所污染,噪声是引起图像质量降低的一个重要原因。图像滤波主要是为了提高图像数据中的信噪比,进行噪声抑制,减轻后续图像处理的压力。对图像滤波方法的要求是:既能有效地减少噪声,又不致引起边缘轮廓的模糊,同时还要求运算速度快。
常见的滤波算法包括均值滤波、高斯滤波和中值滤波等。均值滤波是一种典型的线性滤波算法,基本原理是用整个邻域内像素的平均值代替该像素原来的值来实现图像的平滑和滤波。均值滤波能很好的滤除噪声,缺点是会因为平均而导致了图像的模糊现象。高斯滤波是根据高斯函数的形状来选择权值的一种线性滤波算法,它是通过对整幅图像进行加权平均实现的,对于消除高斯噪声具有很好的效果。中值滤波能够在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节的滤波方法。中值滤波的思想是用邻域中亮度的中值代替图像当前的点。邻域中亮度的中值不受个别噪声毛刺的影响,因此中值滤波相当好地消除了冲击噪声。更进一步,由于中值滤波并不明显地模糊边缘,因此可以迭代使用。本发明采用中值滤波算法。
2、边缘检测
边缘检测的主要目的是实现对目标图像的精确定位。Canny算子具有较好的信噪比、高边缘定位性能和在噪声环境下较好的检测效果,适用于不同环境下的边缘检测。Canny边缘检测方法属于先平滑后求导的高斯函数的一阶导数方法。经典的Canny算子首先用二维高斯函数的一阶导数,对图像进行平滑,二维高斯函数和图像卷积可表示为
其中:I为原始图像,σ是一个尺度参数,控制滤波器的平滑程度。然后用一阶偏导的有限差分来计算梯度的幅值和方向。点(x,y)处的两个方向的偏导数
此时点(x,y)处的梯度幅值M和梯度方向α分别为:
其中α为平滑梯度方向矢量,即正交边缘的方向。幅值M越大,其对应的图像梯度值也越大。为了确定边缘,只保留幅值局部变化较大的点,即非极大值抑制。最后运用双阈值算法,用高、低阈值对非极大值抑制的结果进行检测,得到高阈值和低阈值边缘图像,以高阈值图像为基础,用低阈值图像来补充连接图像边缘。传统的Canny边缘检测方法用高斯滤波可能会存在使图像过度平滑以及对椒盐噪声和脉冲噪声敏感等问题。因此在进行Canny边缘检测时,本发明选择用中值滤波代替高斯滤波。
3、霍夫圆变换
管板的管孔轮廓都是圆形,Hough圆变换是针对圆形目标的很有效的识别方法。Hough变换是一种用于区域边界形状描述的方法,其基本思想是将图像的空间域变换到参数空间,用大多数边界点满足某种参数形式来描述图像中的区域边界。通过设置累加器进行累加,求得峰值对应的点就是所需要的信息。利用 Hough变换检测圆时,需要在参数空间建立一个三维累加器:这三维中,一维是横坐标x,一维是纵坐标y,一维是圆的半径r。因此,通过传统Hough圆变换检测圆时需要大量内存,且计算速度很慢。目前的普遍做法是利用一个比较灵活Hough梯度法解决圆检测的问题。
Hough梯度法首先需要对图像进行边缘检测(Canny方法)。然后对边缘图像中的每一个边缘点,计算其局部梯度。利用得到的梯度,由斜率指定的直线上的点作为圆心在累加器中累加。然后,将累加器中大于给定阀值并且大于其所有近邻的点选出来,作为候选圆心点。最后依据圆心距、最大最小半径等限定条件筛选出所有的圆心。
经过上述的图像处理步骤,可以获取图像中所有管孔的圆心坐标,根据圆心坐标将所有的管孔重绘于图像中的效果如图1、2所示。
三、动态定位
蒸发器管板上有数千个管孔,而安装于爬行器上的相机只能拍摄到十几个管孔,随着爬行器在管板上运动,摄像机会拍摄到不同区域的管孔。每个管孔的图像特征基本一致,不能通过管孔间的差别判断爬行器的位置。针对上述情况,本发明的定位算法基本思路如下。利用机器视觉技术将视野中的管孔识别出来,提取管孔的圆心坐标,人工初始化管孔行列号,建立管板坐标系与图像坐标系的对应关系。爬行器运动过程中,将当前图像中识别出来的管子特征与前一帧的结果对比,分析得出当前图像中管子的行列号以及管板坐标系与图像坐标系的对应关系。
1、爬行器的基本运动模式
基于对摄像头拍摄图像的影响,爬行器主要有三种基本运动模式:
直线运动:安装了探头门和相机的运动轴在平行于管板的平面沿直线进行运动,此运动会使管板坐标系相对图像坐标系进行平移。
旋转运动:安装了探头门和相机的运动轴在平行于管板的平面进行旋转运动,此运动会使管板坐标系相对图像坐标系进行旋转和平移。
升降运动:安装了探头门和相机的运动轴在垂直于管板方向进行升降运动,此运动会改变管板坐标系相对图像坐标系的比例。
2、仿射变换计算
动态定位算法的关键之一就是求解图像坐标系到管板坐标系的仿射变换。根据爬行器的三种运动模式,需考虑缩放、旋转、平移三种仿射变换。在已知图像中两个管孔的圆心坐标和行列号的情况下,求解仿射变换矩阵的步骤如下:
以CPR1000堆型蒸汽发生器热端管板为例,如图3所示,图中标示出了某一时刻管板坐标系Row-Col与图像坐标系x-y的大致相对关系。首先对图像坐标系x-y进行缩放变换,使两坐标系的比例一致:
其中,S为图像上两行或两列管孔间距内包含像素个数的倒数(CPR1000堆型管板行间距与列间距相等)。变换后的坐标关系如图4所示。
接着进行旋转变换,使两坐标系角度一致:
其中,θ角为两已经管孔圆心连线在Row-Col坐标系和x′-y′坐标系中的角度之差。变换后的坐标关系如图5所示。
最后进行平移变换,使两坐标系完全重合:
其中,Tx和Ty分别为行列号为(0,0)的管孔在x″-y″坐标系中的横纵坐标与-1的乘积。
综上,可以计算出图像坐标系到管板行列号坐标系的仿射变换矩阵:
利用图像处理部分得到的所有管孔的圆心坐标和仿射变换矩阵M,即可计算出图像中所有管孔的行列号。利用探头门与相机的安装位置关系,可以换算出探头门对应的管孔在图像坐标系中的坐标,通过此坐标和矩阵M可以计算出探头门对应的行列号。
3、动态定位算法的步骤
(1)保证爬行器静止,定位软件获取当前图像,对其进行图像处理和管孔识别,得到当前图像中的管孔坐标;
(2)通过人工确定爬行器的实际位置,标注图像中的两个管孔的行列号来对定位软件进行初始化,通过两个管孔的行列号计算出行列号坐标系,进而计算出当前图像中所有管孔与其行列号的仿射变换矩阵;
(3)当定位软件获得新的一帧图像时,对其进行图像处理和管孔识别,得到当前图像中的管孔坐标;
(4)利用当前帧的管孔坐标和上一帧仿射变换矩阵,计算出以浮点数表示的行列号;由于两帧图像间爬行器只进行了微小的运动,对浮点数行列号取最接近整数,即为当前图像管孔的行列号;
(5)根据管孔的坐标和行列号计算出当前图像的仿射变换矩阵。
(6)重复(3)至(5)。
4、显示图像
将相机采集的图像与计算出的行列号叠加,呈现在软件界面上。同时根据相机与探头门的相对位置,计算出探头门所在管孔的行列号,显示在软件中,供数据采集人员参考。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于机器视觉的蒸发器管板爬行器动态定位方法,其特征在于:其包括以下步骤:
a.使工业相机与蒸发器管板爬行器上的探头门同步动作;
b.工业相机将拍摄到的图像实时传送至蒸发器管板爬行器的动态定位器,动态定位器将获取的图像进行图像处理以识别出管孔;
c.在工业相机拍摄N次后,人工确定爬行器的实际位置,动态定位器选定其中一张图像为初始图像,并根据爬行器的实际位置确定初始图像中所有管孔的图像圆心坐标,设定初始图像中所有的管孔的行列号,进而计算出初始图像中所有管孔与各自的行列号的仿射变换矩阵;
d.对初始图像之后获得的新一帧的图像进行图像处理和管孔识别,得到当前图像中的管孔坐标;
e.利用当前帧的管孔坐标和上一帧仿射变换矩阵,计算出以浮点数表示的行列号;由于两帧图像间爬行器只进行了微小的运动,对浮点数行列号取最接近整数,即为当前图像管孔的行列号;
f.根据管孔的坐标和行列号计算出当前图像的仿射变换矩阵;
g.循环步骤d~f,得出所有的管孔的行列号。
2.根据权利要求1所述的基于机器视觉的蒸发器管板爬行器动态定位方法,其特征在于:步骤b中图像处理包括图像滤波、边缘检测和霍夫圆变换。
3.根据权利要求2所述的基于机器视觉的蒸发器管板爬行器动态定位方法,其特征在于:所述图像滤波采用中值滤波。
4.根据权利要求2所述的基于机器视觉的蒸发器管板爬行器动态定位方法,其特征在于:所述边缘检测采用Canny边缘检测方法,具体步骤如下
首先用二维高斯函数的一阶导数,对图像进行平滑,二维高斯函数和图像卷积可表示为
其中:I为原始图像,σ是一个尺度参数,控制滤波器的平滑程度,然后用一阶偏导的有限差分来计算梯度的幅值和方向,点(x,y)处的两个方向的偏导数
此时点(x,y)处的梯度幅值M和梯度方向α分别为:
其中α为平滑梯度方向矢量,即正交边缘的方向,幅值M越大,其对应的图像梯度值也越大,为了确定边缘,只保留幅值局部变化较大的点,即非极大值抑制,最后运用双阈值算法,用高、低阈值对非极大值抑制的结果进行检测,得到高阈值和低阈值边缘图像,以高阈值图像为基础,用低阈值图像来补充连接图像边缘。
5.根据权利要求2所述的基于机器视觉的蒸发器管板爬行器动态定位方法,其特征在于:所述霍夫圆变换包括对边缘图像中的每一个边缘点,计算其局部梯度。利用得到的梯度,由斜率指定的直线上的点作为圆心在累加器中累加。然后,将累加器中大于给定阀值并且大于其所有近邻的点选出来,作为候选圆心点。最后依据圆心距、最大最小半径等限定条件筛选出所有的圆心。
6.根据权利要求1所述的基于机器视觉的蒸发器管板爬行器动态定位方法,其特征在于:将相机采集的图像与计算出的行列号叠加,上,同时根据相机与探头门的相对位置,计算出探头门所在管孔的行列号,呈现在显示界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910471736.XA CN110246176A (zh) | 2019-05-31 | 2019-05-31 | 一种基于机器视觉的蒸发器管板爬行器动态定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910471736.XA CN110246176A (zh) | 2019-05-31 | 2019-05-31 | 一种基于机器视觉的蒸发器管板爬行器动态定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110246176A true CN110246176A (zh) | 2019-09-17 |
Family
ID=67885719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910471736.XA Pending CN110246176A (zh) | 2019-05-31 | 2019-05-31 | 一种基于机器视觉的蒸发器管板爬行器动态定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110246176A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105049803A (zh) * | 2015-07-14 | 2015-11-11 | 武汉中仪物联技术股份有限公司 | 便携式管道检测控制器 |
CN105715903A (zh) * | 2016-04-15 | 2016-06-29 | 中科天工(武汉)智能技术有限公司 | 一种管道机器人及采用其进行管道检测的方法 |
CN109159114A (zh) * | 2018-08-16 | 2019-01-08 | 郑州大学 | Scara机械手固定相机视觉系统手眼标定的高精度方法 |
CN109257570A (zh) * | 2018-10-26 | 2019-01-22 | 浙江管迈环境科技有限公司 | 一种管道检测设备的控制方法 |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及系统 |
CN109816674A (zh) * | 2018-12-27 | 2019-05-28 | 北京航天福道高技术股份有限公司 | 基于Canny算子的配准图边缘提取方法 |
-
2019
- 2019-05-31 CN CN201910471736.XA patent/CN110246176A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105049803A (zh) * | 2015-07-14 | 2015-11-11 | 武汉中仪物联技术股份有限公司 | 便携式管道检测控制器 |
CN105715903A (zh) * | 2016-04-15 | 2016-06-29 | 中科天工(武汉)智能技术有限公司 | 一种管道机器人及采用其进行管道检测的方法 |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及系统 |
CN109159114A (zh) * | 2018-08-16 | 2019-01-08 | 郑州大学 | Scara机械手固定相机视觉系统手眼标定的高精度方法 |
CN109257570A (zh) * | 2018-10-26 | 2019-01-22 | 浙江管迈环境科技有限公司 | 一种管道检测设备的控制方法 |
CN109816674A (zh) * | 2018-12-27 | 2019-05-28 | 北京航天福道高技术股份有限公司 | 基于Canny算子的配准图边缘提取方法 |
Non-Patent Citations (2)
Title |
---|
刘振宇等: "机器视觉技术在工件分拣中的应用", 《计算机应用与软件》 * |
唐博等: "机器视觉在核电站蒸发器涡流检测中的应用", 《远东无损检测新技术论坛论文精选》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260731B (zh) | 一种棋盘格亚像素级角点自适应检测的方法 | |
CN106651942B (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN108765328B (zh) | 一种高精度多特征平面模板及其畸变优化和标定方法 | |
CN105894499B (zh) | 一种基于双目视觉的空间物体三维信息快速检测方法 | |
CN105096317B (zh) | 一种复杂背景中的高性能相机全自动标定方法 | |
CN105069743B (zh) | 探测器拼接实时图像配准的方法 | |
CN104408725B (zh) | 一种基于tld优化算法的目标重捕获系统及方法 | |
CN103414861B (zh) | 一种投影仪画面自适应几何矫正的方法 | |
CN110379013B (zh) | 一种基于多角度激光线扫描的三维重构系统 | |
CN104008542B (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
CN108898634A (zh) | 基于双目相机视差对绣花机目标针眼进行精确定位的方法 | |
CN102622732A (zh) | 一种前扫声纳图像拼接方法 | |
CN111640157A (zh) | 一种基于神经网络的棋盘格角点检测方法及其应用 | |
CN104091324A (zh) | 一种基于连通域分割的棋盘格图像快速特征匹配算法 | |
CN113240747B (zh) | 一种基于计算机视觉的户外结构振动位移自动化监测方法 | |
CN107995424A (zh) | 基于深度图的光场全聚焦图像生成方法 | |
CN106600647A (zh) | 一种双目视觉多线投影结构光标定方法 | |
CN106204528A (zh) | 一种零件几何质量的尺寸检测方法 | |
CN104766309A (zh) | 一种平面特征点导航定位方法与装置 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN109858527A (zh) | 一种图像融合方法 | |
CN110322403A (zh) | 一种基于生成对抗网络的多监督图像超分辨重建方法 | |
CN112254656A (zh) | 一种基于结构表面点特征的立体视觉三维位移测量方法 | |
CN107742306A (zh) | 一种智能视觉中运动目标跟踪算法 | |
CN103824275A (zh) | 在图像中搜寻鞍点状结构并测定其信息的系统和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |