CN110349169A - 一种直线测量方法 - Google Patents
一种直线测量方法 Download PDFInfo
- Publication number
- CN110349169A CN110349169A CN201910548914.4A CN201910548914A CN110349169A CN 110349169 A CN110349169 A CN 110349169A CN 201910548914 A CN201910548914 A CN 201910548914A CN 110349169 A CN110349169 A CN 110349169A
- Authority
- CN
- China
- Prior art keywords
- point
- candidate
- straight line
- line
- marginal
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012804 iterative process Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- -1 oxy Chemical group 0.000 claims description 2
- MQKNLRFUHOJEGN-UHFFFAOYSA-N 3-[14-hydroxy-3-[4-hydroxy-5-[5-[3-hydroxy-5-(5-hydroxy-4-methoxy-6-methyloxan-2-yl)oxy-4-methoxy-6-methyloxan-2-yl]oxy-4-methoxy-6-methyloxan-2-yl]oxy-6-methyloxan-2-yl]oxy-10,13-dimethyl-1,2,3,4,5,6,7,8,9,11,12,15,16,17-tetradecahydrocyclopenta[a]phenan Chemical group O1C(C)C(O)C(OC)CC1OC1C(OC)C(O)C(OC2C(CC(OC2C)OC2C(OC(OC3CC4C(C5C(C6(CCC(C6(C)CC5)C=5COC(=O)C=5)O)CC4)(C)CC3)CC2O)C)OC)OC1C MQKNLRFUHOJEGN-UHFFFAOYSA-N 0.000 claims 2
- 238000005259 measurement Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种直线测量方法，其特征是，其主要流程包括：边缘点提取、霍夫空间变换、在霍夫空间中求取直线交点、聚类分割、筛选出候选边缘点、对候选边缘点进行直线拟合。该方法提供了一种基于霍夫空间的聚类直线拟合方法，能够抑制干扰点的影响，实现高精度的直线拟合，解决在较多干扰点下的直线拟合问题。
Description
技术领域
本发明专利属于机器视觉测量领域，主要利用相机拍摄待测物体，利用图像处理算法获取所需的测量信息。目前主要应用在精密工件测量(如工件直线度、尺寸等)、复杂工业场景下的目标非接触测量(距离测量、倾斜角测量)等领域。
背景技术
机器视觉测量是指利用相机获取待测物体图像，并结合图像处理算法进行待测目标几何信息的测量方式。该方式具有非接触式、精度高的特点。为了获得理想的测量结果，业界主要通过3方面进行保证，分别是：非失真的清晰目标图像、获取准确的结构尺寸特征以及准确的特征测量分析方法。
获得非失真的清晰目标图像与拍摄场景的打光方案和相机安装及相机镜头有关。打光方案如采用背光获取清晰的待测目标边缘信息，为了解决相机倾斜安装以及镜头畸变导致的拍摄图像失真问题，通常采用图像畸变矫正的方案。
关于结构尺寸特征，一般采用拍摄目标的边缘轮廓信息。边缘轮廓由一系列边缘点组成，边缘点的提取一般采用sobel边缘提取方法或canny边缘提取方法。
测量分析方法需要根据具体的待测量进行设计。对于最常见的直线检测和圆检测，通常在提取了特征点(如上面所说的边缘点)后，利用最小二乘拟合、Turkey权重拟合的方法获取相应的直线或圆信息。
在直线测量方面，业界普遍采用的方法是提取待测目标的边缘信息，即边缘点，然后对这些边缘点采用最小二乘法拟合出直线方程A*x+B*y+C＝0。记第i个边缘点为pi，pi到直线A*x+B*y+C＝0的距离为di，若边缘点总数最为N，则最小二乘法拟合直线的思想就是求解出恰当的参数A、B、C，使得最小。图1展示了一般的最小二乘法拟合直线示意。然而，在实际应用场合，可能由于待测目标出现毛刺或者其干扰物的影响，提取出的边缘点不一定都是待拟合直线上的点，但由于最小二乘法考虑了所有的边缘点，因此在这种情况下极易导致拟合后的直线偏离真实的直线，引起测量误差，如图2所示，实心直线代表存在误差的拟合直线，虚线代表理论上应该拟合的正确直线。
为了解决该问题，有人提出基于权重的直线拟合方法，如Turkey权重拟合方法。该方法基于最小二乘法拟合直线的基础上，根据边缘点到拟合直线距离的远近，对每个边缘点设定权重，重新进行拟合。如此循环多次，设定最终的误差终止条件或迭代次数，完成直线拟合过程。虽然该方法能够避免少量干扰点的影响，但当干扰点较多时，初次拟合(基于最小二乘法)产生的直线误差较大，并且可能在后续的迭代过程中无法获得纠正，如图3所示，实线为拟合直线，虚线为理想直线。
发明内容
为解决上述技术问题，本发明设计了一种直线测量方法，该方法提供了一种基于霍夫空间的聚类直线拟合方法，能够抑制干扰点的影响，实现高精度的直线拟合，解决在较多干扰点下的直线拟合问题。
本发明采用如下技术方案：
一种直线测量方法，其特征是，其主要流程包括：边缘点提取、霍夫空间变换、在霍夫空间中求取直线交点、聚类分割、筛选出候选边缘点、对候选边缘点进行直线拟合；
边缘点提取：选用Canny边缘提取的方法获得单像素的待测目标边缘，采用Sobel算子计算图像中的梯度，并将梯度幅值归一化到0～255的范围，Canny边缘提取方法是一种双阈值的提取方法，设置高阈值tH和低阈值tL，设置tH＝2*tL，且0≤tL，tH≤255，提取目标边缘的边缘点；
霍夫空间变换：对提取后的边缘点，进行霍夫直线变换；
在霍夫空间中求取直线交点：在直角坐标系oxy中，任意点(xj，yj)转换到霍夫空间对应一条直线b＝-xj·k+yj；反之，霍夫空间中的一个点对应直角坐标系oxy中的一条线，对霍夫空间中的所有直线，两两求取交点；
聚类分割：聚类分割在霍夫空间中进行，首先设定误差半径r和迭代误差下限ε，设置搜索初始点(k0，b0)，并建立迭代计数器，用以记录迭代搜索次数i，迭代次数i至少为1；对于第i次迭代搜索，在以(ki-1，bi-1)为中心，r为半径的圆形区域内，求取在该区域内的所有点的质心，并将该质心记为新的搜索点(ki，bi)；其中，误差半径r和迭代误差d的计算公式如下：
当迭代误差d小于迭代误差下限时ε，可终止迭代过程，并以当前搜索点(ki，bi)所对应的圆形区域作为最终的霍夫空间候选区域；
筛选出候选边缘点：过候选区域内的点的直线称为霍夫空间候选直线；霍夫空间中的所有候选直线对应直角坐标系中点称为候选边缘点；在霍夫空间中，所有候选直线到点(ki，bi)的距离不大于误差半径r，相应的，可认为在直角坐标系oxy中，所有候选边缘点在直线区域y＝(ki±Δk)x+(bi±Δb)；合理控制Δk和Δb的范围，便可筛选出该误差容许范围内处在同一直线上的所有点，即候选边缘点，并且远离该直线上的干扰点可被排除，不记为候选边缘点；
对候选边缘点进行直线拟合：为了精确的求解出直线方程，对所有候选边缘点进行最小二乘拟合直线。
作为优选，所述搜索初始点的设置，可在不选取候选点的前提下，对所有边缘点进行最小二乘法拟合直线，记直线方程为y＝k0x+b0；在霍夫空间，设(k0，b0)为搜索初始点。
作为优选，所述Δk∈(0.1，3)，Δb∈(0，5)，ε＝0.01。
作为优选，所述直角坐标系oxy中，当待检测的直线与x轴正方向的夹角α较大时，根据直线斜率k＝tan(α)，当α产生较小变化时，k的数值将产生较大变化，不利于在霍夫空间中进行聚类划分，因此，在75°≤α≤105°，对霍夫空间转化进行修改，直角坐标系oxy中的点(xj，yj)对应霍夫直线空间中的直线b＝-yj·k+xj，此时有k＝cot(α)。
作为优选，若待检测目标同时存在n条直线，可在霍夫空间中若设置n个初始搜索点进行聚类划分，获得n个区域，筛选出各个直线的候选点并拟合出各自直线方程。
本发明的有益效果是：(1)、本方法利用霍夫直线变换和聚类分割算法，在霍夫空间中进行聚类划分，筛选靠近出待检测直线的边缘点，并且排除了远离待检直线的异常点，解决直线拟合应用中异常干扰点对直线拟合的不良影响；(2)、相比于利用霍夫变换检测直线的方法，本方法不仅保留了其能够抵抗干扰点的优势，而且也具有最小二乘法拟合的高精度的优点；(3)、关于聚类迭代搜索初始点的设置，本方法采用初次最小二乘拟合直线的结果作为霍夫直线空间的初始搜索点，有利于减少聚类搜索的次数，提高搜索效率。
附图说明
图1是一般的最小二乘法拟合直线示意图；
图2是出现异常点情况下的直线拟合示意图；
图3是权重的直线拟合失效案例示意图；
图4是本发明直线测量方法的总流程示意图；
图5是本发明霍夫直线变换的示意图；
图6是本发明聚类划分流程示意图；
图7是本发明霍夫直线空间中的聚类划分示意图；
图8是本发明直线拟合直线调整应用界面；
图9是本发明修改的霍夫直线变换的示意图；
具体实施方式
下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体描述：
实施例：一种直线测量方法，如图4所示，该方法的主要流程包括：边缘点提取、霍夫空间变换、在霍夫空间中求取直线交点、聚类分割、筛选出候选边缘点、对候选边缘点进行直线拟合。
在本方法中，选用Canny边缘提取的方法获得单像素的待测目标边缘。其中，采用Sobel算子计算图像中的梯度，并将梯度幅值归一化到0～255的范围。Canny边缘提取方法是一种双阈值的提取方法，需设置高阈值tH和低阈值tL。在本专利中，设置tH＝2*tL，且0≤tL，tH≤255。
对提取后的边缘点，进行霍夫直线变换。如图5，在直角坐标系oxy中，任意点(xj，yj)转换到霍夫空间对应一条直线b＝-xj·k+yj；反之，霍夫空间中的一个点对应直角坐标系oxy中的一条线。对霍夫空间中的所有直线，两两求取交点。对所有的交点进行聚类划分。
聚类划分在霍夫空间中进行，其流程如图6所示。首先设定误差半径r和迭代误差下限ε，设置搜索初始点(k0，b0)，并建立迭代计数器，用以记录迭代搜索次数i，迭代次数i至少为1。对于第i次迭代搜索，在以(ki-1，bi-1)为中心，r为半径的圆形区域内，求取在该区域内的所有点的质心，并将该质心记为新的搜索点(ki，bi)。其中，误差半径r和迭代误差d的计算公式如下：
当迭代误差d小于迭代误差下限时ε，可终止迭代过程，并以当前搜索点(ki，bi)所对应的圆形区域作为最终的霍夫空间候选区域。过候选区域内的点的直线称为霍夫空间候选直线。霍夫空间中的所有候选直线对应直角坐标系中点称为候选点。在霍夫空间中，所有候选直线到点(ki，bi)的距离不大于误差半径r，如图7所示，相应的，可认为在直角坐标系oxy中，所有候选点在直线区域y＝(ki±Δk)x+(bi±Δb)。合理控制Δk和Δb的范围，便可筛选出该误差容许范围内处在同一直线上的所有点，即候选点，并且远离该直线上的干扰点可被排除，不记为候选点。为了精确的求解出直线方程，对所有候选点进行最小二乘拟合直线。本专利推荐Δk∈(0.1，3)，Δb∈(0，5)，ε＝0.01。
关于搜索初始点的设置，可在不选取候选点的前提下，对所有边缘点进行最小二乘法拟合直线，记直线方程为y＝k0x+b0。在霍夫空间，设(k0，b0)为搜索初始点。在实际应用中，如图8所示，首先提取待检测目标的边缘点，并对这些边缘点进行最小二乘拟合。当待检测目标出现毛刺或异常凸起，部分边缘点远离实际待检的直线，在这种情况下用最小二乘法导致拟合直线偏离真实直线。图8中，虚线代表用最小二乘法初次拟合的直线。当勾选“直线调整”后，采用本专利所提供的方法排除偏离真实直线的异常点，并以最小二乘法初次拟合直线的斜率k0和截距b0来设置聚类搜索过程中的初始搜索点。最后选取靠近真实直线的一系列候选点进行再次最小二乘法直线拟合，获取调整后的精确直线方程。图8中的实线代表调整后的直线，即最接近真实直线方程。
需要也别指出，在直角坐标系oxy中，当待检测的直线与x轴正方向的夹角α较大时，根据直线斜率k＝tan(α)，当α产生较小变化时，k的数值将产生较大变化，不利于在霍夫空间中进行聚类划分。因此，本专利在75°≤α≤105°，对霍夫空间转化进行了修改，如图9所示。直角坐标系oxy中的点(xj，yj)对应霍夫直线空间中的直线b＝-yj·k+xj，此时有k＝cot(α)。
进一步地，若待检测目标同时存在n条直线，可在霍夫空间中若设置n个初始搜索点进行聚类划分，获得n个区域，筛选出各个直线的候选点并拟合出各自直线方程。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (5)
1.一种直线测量方法，其特征是，其主要流程包括：边缘点提取、霍夫空间变换、在霍夫空间中求取直线交点、聚类分割、筛选出候选边缘点、对候选边缘点进行直线拟合；
边缘点提取：选用Canny边缘提取的方法获得单像素的待测目标边缘，采用Sobel算子计算图像中的梯度，并将梯度幅值归一化到0～255的范围，Canny边缘提取方法是一种双阈值的提取方法，设置高阈值tH和低阈值tL，设置tH＝2*tL，且0≤tL，tH≤255，提取目标边缘的边缘点；
霍夫空间变换：对提取后的边缘点，进行霍夫直线变换；
在霍夫空间中求取直线交点：在直角坐标系oxy中，任意点(xj，yj)转换到霍夫空间对应一条直线b＝-xj·k+yj；反之，霍夫空间中的一个点对应直角坐标系oxy中的一条线，对霍夫空间中的所有直线，两两求取交点；
聚类分割：聚类分割在霍夫空间中进行，首先设定误差半径r和迭代误差下限ε，设置搜索初始点(k0，b0)，并建立迭代计数器，用以记录迭代搜索次数i，迭代次数i至少为1；对于第i次迭代搜索，在以(ki-1，bi-1)为中心，r为半径的圆形区域内，求取在该区域内的所有点的质心，并将该质心记为新的搜索点(ki，bi)；其中，误差半径r和迭代误差d的计算公式如下：
当迭代误差d小于迭代误差下限时ε，可终止迭代过程，并以当前搜索点(ki，bi)所对应的圆形区域作为最终的霍夫空间候选区域；
筛选出候选边缘点：过候选区域内的点的直线称为霍夫空间候选直线；霍夫空间中的所有候选直线对应直角坐标系中点称为候选边缘点；在霍夫空间中，所有候选直线到点(ki，bi)的距离不大于误差半径r，相应的，可认为在直角坐标系oxy中，所有候选边缘点在直线区域y＝(ki±Δk)x+(bi±Δb)；合理控制Δk和Δb的范围，便可筛选出该误差容许范围内处在同一直线上的所有点，即候选边缘点，并且远离该直线上的干扰点可被排除，不记为候选边缘点；
对候选边缘点进行直线拟合：为了精确的求解出直线方程，对所有候选边缘点进行最小二乘拟合直线。
2.根据权利要求1所述的一种直线测量方法，其特征是，所述搜索初始点的设置，可在不选取候选点的前提下，对所有边缘点进行最小二乘法拟合直线，记直线方程为y＝k0x+b0；在霍夫空间，设(k0，b0)为搜索初始点。
3.根据权利要求1所述的一种直线测量方法，其特征是，所述Δk∈(0.1，3)，Δb∈(0，5)，ε＝0.01。
4.根据权利要求1所述的一种直线测量方法，其特征是，所述直角坐标系oxy中，当待检测的直线与x轴正方向的夹角α较大时，根据直线斜率k＝tan(α)，当α产生较小变化时，k的数值将产生较大变化，不利于在霍夫空间中进行聚类划分，因此，在75°≤α≤105°，对霍夫空间转化进行修改，直角坐标系oxy中的点(xj，yj)对应霍夫直线空间中的直线b＝-yj·k+xj，此时有k＝cot(α)。
5.根据权利要求1所述的一种直线测量方法，其特征是，若待检测目标同时存在n条直线，可在霍夫空间中若设置n个初始搜索点进行聚类划分，获得n个区域，筛选出各个直线的候选点并拟合出各自直线方程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910548914.4A CN110349169B (zh) | 2019-06-24 | 2019-06-24 | 一种直线测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910548914.4A CN110349169B (zh) | 2019-06-24 | 2019-06-24 | 一种直线测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110349169A true CN110349169A (zh) | 2019-10-18 |
| CN110349169B CN110349169B (zh) | 2024-08-16 |
Family
ID=68182889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910548914.4A Active CN110349169B (zh) | 2019-06-24 | 2019-06-24 | 一种直线测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110349169B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634235A (zh) * | 2020-12-24 | 2021-04-09 | 深圳艾灵网络有限公司 | 产品图像的边界检测方法和电子设备 |
| CN118351284A (zh) * | 2024-04-29 | 2024-07-16 | 常州机电职业技术学院 | 工业异源视觉识别系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013109657A (ja) * | 2011-11-22 | 2013-06-06 | Tottori Univ | 直線検出装置、直線検出方法、直線検出プログラム及び撮影システム |
| EP2741233A2 (en) * | 2012-12-04 | 2014-06-11 | Ricoh Company, Ltd. | Method and apparatus for detecting road |
| CN105678760A (zh) * | 2016-01-04 | 2016-06-15 | 国家电网公司 | 一种基于Canny边缘检测算法的绝缘子图像识别方法 |
| CN106204572A (zh) * | 2016-07-06 | 2016-12-07 | 合肥工业大学 | 基于场景深度映射的道路目标深度估计方法 |
| CN107230212A (zh) * | 2017-05-08 | 2017-10-03 | 武汉科技大学 | 一种基于视觉的手机尺寸的测量方法及系统 |
| CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
| CN108662977A (zh) * | 2018-03-14 | 2018-10-16 | 浙江大学山东工业技术研究院 | 一种耐火砖几何尺寸测量方法 |
-
2019
- 2019-06-24 CN CN201910548914.4A patent/CN110349169B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013109657A (ja) * | 2011-11-22 | 2013-06-06 | Tottori Univ | 直線検出装置、直線検出方法、直線検出プログラム及び撮影システム |
| EP2741233A2 (en) * | 2012-12-04 | 2014-06-11 | Ricoh Company, Ltd. | Method and apparatus for detecting road |
| CN105678760A (zh) * | 2016-01-04 | 2016-06-15 | 国家电网公司 | 一种基于Canny边缘检测算法的绝缘子图像识别方法 |
| CN106204572A (zh) * | 2016-07-06 | 2016-12-07 | 合肥工业大学 | 基于场景深度映射的道路目标深度估计方法 |
| CN107230212A (zh) * | 2017-05-08 | 2017-10-03 | 武汉科技大学 | 一种基于视觉的手机尺寸的测量方法及系统 |
| CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
| CN108662977A (zh) * | 2018-03-14 | 2018-10-16 | 浙江大学山东工业技术研究院 | 一种耐火砖几何尺寸测量方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634235A (zh) * | 2020-12-24 | 2021-04-09 | 深圳艾灵网络有限公司 | 产品图像的边界检测方法和电子设备 |
| CN118351284A (zh) * | 2024-04-29 | 2024-07-16 | 常州机电职业技术学院 | 工业异源视觉识别系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110349169B (zh) | 2024-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
| CN106780628A (zh) | 基于混合畸变模型的高精度摄像机标定方法 | |
| CN104732207B (zh) | 高精度与高抗干扰性定位PCB板Mark点的方法及装置 | |
| CN102236784A (zh) | 屏幕区域检测方法及系统 | |
| CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量系统和方法 | |
| CN106846411A (zh) | 基于混合畸变模型的高精度摄像机标定装置 | |
| CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN108088381B (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
| CN105205806B (zh) | 一种基于机器视觉的精度补偿方法 | |
| CN109727239A (zh) | 基于surf特征对巡检图与基准图的配准方法 | |
| CN110349199A (zh) | 一种物体圆度测量方法 | |
| CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
| CN103279956A (zh) | 一种检测贴片机元器件定位精度的方法 | |
| CN109448059B (zh) | 一种快速x角点亚像素检测方法 | |
| CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
| CN110349169A (zh) | 一种直线测量方法 | |
| CN106022337B (zh) | 一种基于连续边缘特征的平面目标检测方法 | |
| CN114565565B (zh) | 一种视觉测量目标中心亚像素定位方法 | |
| Zhang et al. | A new algorithm for accurate and automatic chessboard corner detection | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN111256607A (zh) | 一种基于三通道标志点的变形测量方法 | |
| CN112489141B (zh) | 车载摄像头单板单图带中继镜的产线标定方法及装置 | |
| CN112258585B (zh) | 一种面向图像畸变分区求解的标定场设计和图像处理方法 | |
| CN112484680A (zh) | 一种基于圆检测的蓝宝石晶片定位跟踪方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |