CN110349174A - 一种滑轨多参数测量方法以及测量装置 - Google Patents
一种滑轨多参数测量方法以及测量装置 Download PDFInfo
- Publication number
- CN110349174A CN110349174A CN201910578191.2A CN201910578191A CN110349174A CN 110349174 A CN110349174 A CN 110349174A CN 201910578191 A CN201910578191 A CN 201910578191A CN 110349174 A CN110349174 A CN 110349174A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- tested
- testing
- images
- 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
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
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种滑轨多参数测量方法以及测量装置,测量方法包括驱动待测样品移动,采集待测样品移动过程中的多个样品图像;将样品图像中所存在的图像孤立点滤除;采用区域生长算法对样品图像进行图像分割操作,将待测图片中的样品区域提取出来,形成多个待测图像;采用拼接算法对待测图像执行图像拼接操作,获取待测样品的整体图像;基于点拼接处理,根据所述整体图像,计算待测样品的各项参数。本发明通过拼接算法实现多个待测图像的拼接操作,将多个待测图像拼接在一起形成一个包含有整个待测样品的整体图像,之后基于点拼接计算待测样品的各项参数,整个计算过程计算量低,参数检测精度高。
Description
技术领域
本发明涉及智能检测技术领域,更具体地说涉及一种滑轨工件的多参数测量方法以及测量装置。
背景技术
目前工业界对滑轨工件的检测大多数情况下都是通过人工检测实现滑轨工件的参数检测操作的,而人工检测方法是使用电子游标卡尺对抽检的滑轨工件逐一进行参数测量以及记录,从而确定出滑轨工件的尺寸误差,以便分拣出不合规定的产品。
传统的人工检测的方法虽然简单,但是当滑轨工件种类繁多,孔洞数量较多,对滑轨工件进行检测时存在着工作量大。此过程需要耗费大量的人力、物力且容易造成误测或漏测,受人为因素影响大。由于滑轨工件精度、产量要求,人工测量达不到对产品快速稳定准确的测量效果,已无法满足滑轨工件的要求。
申请号为CN201821001450.2的专利文献中公开的测量装置虽然能够快速测量工件的尺寸,但对于测量精度要求高、测量参数比较多的工件,通过恒定电压方式进行尺寸测量并不能实现对工件各种参数的快速测量。
为此本领域技术人员提出了基于图像处理技术的工件检测方法,但是本领域技术人员均清楚,滑轨工件是一种具有一定长度的机械构件,在进行图像采集的过程中,难以获取一个完成的滑轨工件图像,因此难以将图像处理手段应用在滑轨工件的参数检测中。
发明内容
本发明要解决的技术问题是:提供一种基于图像处理的滑轨多参数测量方法以及测量装置。
本发明解决其技术问题的解决方案是:
一种滑轨多参数测量方法,包括以下步骤:
步骤100,驱动待测样品移动,采集待测样品移动过程中的多个样品图像;
步骤200,将所采集的多个样品图像中所存在的图像孤立点滤除;
步骤300,采用区域生长算法对所采集的多个样品图像进行图像分割操作,将多个所述待测图片中的样品区域提取出来,形成多个待测图像;
步骤400,采用拼接算法对多个所述待测图像执行图像拼接操作,获取待测样品的整体图像;
步骤500,基于点拼接处理,根据所述整体图像,计算待测样品的各项参数。
作为上述技术方案的进一步改进,步骤200包括以下步骤:
步骤210,对多个所述样品图像进行二值化操作;
步骤220,对多个所述样品图像先后进行腐蚀运算以及膨胀运算。
作为上述技术方案的进一步改进,步骤400包括以下步骤:
步骤410,识别相邻的两个样品图像中的重叠区域;
步骤420,分别获取相邻的两个样品图像中重叠区域中的特征点;
步骤430,分别对相邻两个样品图像的特征点进行匹配,计算相邻两个样品图像之间的单应矩阵;
步骤440,根据相邻的两个样品图像中的重叠区域,完成相邻两个待测图像的拼接。
作为上述技术方案的进一步改进,步骤500包括以下步骤:
步骤510,分别识别并定位出各个待测图像中的孔洞区域;
步骤520,利用最小二乘法分别计算各个待测图像中孔洞区域的拟合圆的质心和半径;
步骤530,分别为各个待测图像建立像素坐标系,分别获取各个待测图像中孔洞区域的质心坐标;
步骤540,根据各个待测图像中各个孔洞区域的质心坐标以及相邻两个样品图像之间的单应矩阵,计算整体图像中各个孔洞区域的质心坐标。
作为上述技术方案的进一步改进,步骤100中,在待测样品移动过程中,在待测样品旁边放置一个参照物,令所述参照物与待测样品一同移动且保证参照物与待测样品的相对位置不发生任何变化,所述参照物上设有参照区域,所述参照区域作为步骤400中的特征点。
本发明同时还公开了一种滑轨多参数测量装置,包括:
移动机构,用于驱动待测样品移动;
图像采集机构,用于采集待测样品移动过程中的多个样品图像;
预处理模块,用于将所采集的多个样品图像中所存在的图像孤立点滤除;
图像分割模块,采用区域生长算法对所采集的多个样品图像进行图像分割操作,将多个所述待测图片中的样品区域提取出来,形成多个待测图像;
图像拼接模块,采用拼接算法对多个所述待测图像执行图像拼接操作,获取待测样品的整体图像;
参数计算模块,用于根据所述整体图像,计算待测样品的各项参数。
作为上述技术方案的进一步改进,所述预处理模块包括:
二值化单元,用于对多个所述样品图像进行二值化操作;
开运算单元,用于对多个所述样品图像先后进行腐蚀运算以及膨胀运算。
作为上述技术方案的进一步改进,所述图像拼接模块包括:
第一识别单元,用于识别相邻的两个样品图像中的重叠区域;
获取单元,用于获取相邻的两个样品图像中重叠区域中的特征点;
匹配单元,用于对相邻两个样品图像的特征点进行匹配,计算相邻两个样品图像之间的单应矩阵;
拼接单元,用于根据相邻的两个样品图像中的重叠区域,完成相邻两个待测图像的拼接。
作为上述技术方案的进一步改进,所述参数计算模块包括:
第二识别单元,用于识别并定位出各个待测图像中的孔洞区域;
计算单元,利用最小二乘法分别计算各个待测图像中孔洞区域的拟合圆的质心和半径;
坐标系建立单元,用于为各个待测图像建立像素坐标系;
第一坐标获取单元,用于获取各个待测图像中孔洞区域的质心坐标;
第二坐标获取单元,用于根据各个待测图像中各个孔洞区域的质心坐标以及相邻两个样品图像之间的单应矩阵,计算整体图像中各个孔洞区域的质心坐标。
本发明的有益效果是:本发明通过拼接算法实现多个待测图像的拼接操作,将多个待测图像拼接在一起形成一个包含有整个待测样品的整体图像,之后基于点拼接计算待测样品的各项参数,整个计算过程计算量低,参数检测精度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单说明。显然,所描述的附图只是本发明的一部分实施例,而不是全部实施例,本领域的技术人员在不付出创造性劳动的前提下,还可以根据这些附图获得其他设计方案和附图。
图1是本发明的测量方法流程示意图;
图2是本发明的点拼接示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、特征和效果。显然,所描述的实施例只是本申请的一部分实施例,而不是全部实施例,基于本申请的实施例,本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例,均属于本申请保护的范围。
参照图1,本申请公开了一种滑轨多参数测量方法,其第一实施例包括以下步骤:
步骤100,驱动待测样品移动,采集待测样品移动过程中的多个样品图像;
步骤200,将所采集的多个样品图像中所存在的图像孤立点滤除;
步骤300,采用区域生长算法对所采集的多个样品图像进行图像分割操作,将多个所述待测图片中的样品区域提取出来,形成多个待测图像;
步骤400,采用拼接算法对多个所述待测图像执行图像拼接操作,获取待测样品的整体图像;
步骤500,基于点拼接处理,根据所述整体图像,计算待测样品的各项参数。
具体地,本实施例中,通过拼接算法实现多个待测图像的拼接操作,将多个待测图像拼接在一起形成一个包含有整个待测样品的整体图像,之后基于点拼接计算待测样品的各项参数,整个计算过程计算量低,参数检测精度高。
进一步作为优选的实施方式,本实施例中,步骤200包括以下步骤:
步骤210,对多个所述样品图像进行二值化操作;
步骤220,对多个所述样品图像先后进行腐蚀运算以及膨胀运算。
其中二值化操作将使各个样品图像呈现出明显的黑白效果,使样品图像中数据量大为减少;而先后进行的腐蚀运算以及膨胀运算能够去除样品图像中孤立的小点和毛刺。
进一步作为优选的实施方式,本实施例中,步骤400包括以下步骤:
步骤410,识别相邻的两个样品图像中的重叠区域;
步骤420,分别获取相邻的两个样品图像中重叠区域中的特征点;
步骤430,分别对相邻两个样品图像的特征点进行匹配,计算相邻两个样品图像之间的单应矩阵;
步骤440,根据相邻的两个样品图像中的重叠区域,完成相邻两个待测图像的拼接。
本实施例中所述单应矩阵是通过SURF特征点匹配算法计算出来的,该算法是首先提取其中一个样品图像的特征点,之后在另一个与其相邻的样品图像中的重叠区域寻找相对应的特征点,最后根据相邻两个样品图像中的特征点得到单应矩阵。
进一步作为优选的实施方式,本实施例中,步骤500包括以下步骤:
步骤510,分别识别并定位出各个待测图像中的孔洞区域;
步骤520,利用最小二乘法分别计算各个待测图像中孔洞区域的拟合圆的质心和半径;
步骤530,分别为各个待测图像建立像素坐标系,分别获取各个待测图像中孔洞区域的质心坐标;
步骤540,根据各个待测图像中各个孔洞区域的质心坐标以及相邻两个样品图像之间的单应矩阵,计算整体图像中各个孔洞区域的质心坐标。
参照图2,本实施例中,假设采集有四个待测图像,分别记为待测图像1至待测图像4,在待测图像1至待测图像4中分别建立像素坐标系,各个待测图像的像素坐标系分别记为xo1y、xo2y、xo3y、xo4y,在待测图像1至待测图像4中分别有孔洞区域A、孔洞区域B、孔洞区域C、孔洞区域D,各个孔洞区域的质心坐标分别记为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4),待测图像1至待测图像4中斜线的区域表示相邻待测图像之间的重叠区域,步骤400中得出待测图像1与待测图像2的单应矩阵为H12,待测图像2与待测图像3的单应矩阵为H23,待测图像3与待测图像4的单应矩阵为H34。将待测图像2中的像素坐标系转换成待测图像1中的像素坐标系时,转换后孔洞区域B的质心坐标为其中(x5,y5)为转换成待测图像1的像素坐标系后孔洞区域B的质心坐标;将待测图像3中的像素坐标系转换成待测图像中的像素坐标系前,先要将其转换成待测图像2的像素坐标系,因此转换成待测图像1的像素坐标系后孔洞区域C的质心坐标为其中(x6,y6)为转换成待测图像1的像素坐标系后孔洞区域C的质心坐标;同理将待测图像4中的像素坐标系转换成待测图像1的像素坐标系后,孔洞区域D的质心坐标为其中(x7,y7)为转换成待测图像1的像素坐标系后孔洞区域D的质心坐标。经过以上过程得到整体图像中各个孔洞区域的质心坐标后,即可通过几何关系计算出各个孔洞区域之间的距离、边心距等滑轨工件的参数。
进一步作为优选的实施方式,本实施例步骤100中,在待测样品移动过程中,在待测样品旁边放置一个参照物,令所述参照物与待测样品一同移动且保证参照物与待测样品的相对位置不发生任何变化,所述参照物上设有参照区域,所述参照区域作为步骤400中的特征点。实际检测过程中,考虑到滑轨工件可能是一种表面较为普通的构件,即所采集的样品图像中滑轨工件上可能不会存在较为明显的特征点,导致定位相邻两个样品图像的重叠区域难度较大,因此本实施例中特意在待测样品旁边放置一个参照物,使其与待测样品一同移动且保证参照物与待测样品的相对位置不发生任何变化,该参照物上设有多个不同的参照区域,从而降低定位相邻两个样品图像的重叠区域的难度。另外需要说明的是,参照物上的参照区域的数量以及相邻间的距离可根据待测样品的移动速度以及图像采集频率进行设置。
本申请同时还公开了一种滑轨多参数测量装置,其第一实施例,包括:
移动机构,用于驱动待测样品移动;
图像采集机构,用于采集待测样品移动过程中的多个样品图像;
预处理模块,用于将所采集的多个样品图像中所存在的图像孤立点滤除;
图像分割模块,采用区域生长算法对所采集的多个样品图像进行图像分割操作,将多个所述待测图片中的样品区域提取出来,形成多个待测图像;
图像拼接模块,采用拼接算法对多个所述待测图像执行图像拼接操作,获取待测样品的整体图像;
参数计算模块,用于根据所述整体图像,计算待测样品的各项参数。
进一步作为优选的实施方式,本实施例中,所述预处理模块包括:
二值化单元,用于对多个所述样品图像进行二值化操作;
开运算单元,用于对多个所述样品图像先后进行腐蚀运算以及膨胀运算。
进一步作为优选的实施方式,本实施例中,所述图像拼接模块包括:
第一识别单元,用于识别相邻的两个样品图像中的重叠区域;
获取单元,用于获取相邻的两个样品图像中重叠区域中的特征点;
匹配单元,用于对相邻两个样品图像的特征点进行匹配,计算相邻两个样品图像之间的单应矩阵;
拼接单元,用于根据相邻的两个样品图像中的重叠区域,完成相邻两个待测图像的拼接。
进一步作为优选的实施方式,本实施例中,所述参数计算模块包括:
第二识别单元,用于识别并定位出各个待测图像中的孔洞区域;
计算单元,利用最小二乘法分别计算各个待测图像中孔洞区域的拟合圆的质心和半径;
坐标系建立单元,用于为各个待测图像建立像素坐标系;
第一坐标获取单元,用于获取各个待测图像中孔洞区域的质心坐标;
第二坐标获取单元,用于根据各个待测图像中各个孔洞区域的质心坐标以及相邻两个样品图像之间的单应矩阵,计算整体图像中各个孔洞区域的质心坐标。
以上对本申请的较佳实施方式进行了具体说明,但本申请并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种滑轨多参数测量方法,其特征在于,包括以下步骤:
步骤100,驱动待测样品移动,采集待测样品移动过程中的多个样品图像;
步骤200,将所采集的多个样品图像中所存在的图像孤立点滤除;
步骤300,采用区域生长算法对所采集的多个样品图像进行图像分割操作,将多个所述待测图片中的样品区域提取出来,形成多个待测图像;
步骤400,采用拼接算法对多个所述待测图像执行图像拼接操作,获取待测样品的整体图像;
步骤500,基于点拼接处理,根据所述整体图像,计算待测样品的各项参数。
2.根据权利要求1所述的一种滑轨多参数测量方法,其特征在于,步骤200包括以下步骤:
步骤210,对多个所述样品图像进行二值化操作;
步骤220,对多个所述样品图像先后进行腐蚀运算以及膨胀运算。
3.根据权利要求1所述的一种滑轨多参数测量方法,其特征在于,步骤400包括以下步骤:
步骤410,识别相邻的两个样品图像中的重叠区域;
步骤420,分别获取相邻的两个样品图像中重叠区域中的特征点;
步骤430,分别对相邻两个样品图像的特征点进行匹配,计算相邻两个样品图像之间的单应矩阵;
步骤440,根据相邻的两个样品图像中的重叠区域,完成相邻两个待测图像的拼接。
4.根据权利要求3所述的一种滑轨多参数测量方法,其特征在于,步骤500包括以下步骤:
步骤510,分别识别并定位出各个待测图像中的孔洞区域;
步骤520,利用最小二乘法分别计算各个待测图像中孔洞区域的拟合圆的质心和半径;
步骤530,分别为各个待测图像建立像素坐标系,分别获取各个待测图像中孔洞区域的质心坐标;
步骤540,根据各个待测图像中各个孔洞区域的质心坐标以及相邻两个样品图像之间的单应矩阵,计算整体图像中各个孔洞区域的质心坐标。
5.根据权利要求3所述的一种滑轨多参数测量方法,其特征在于,步骤100中,在待测样品移动过程中,在待测样品旁边放置一个参照物,令所述参照物与待测样品一同移动且保证参照物与待测样品的相对位置不发生任何变化,所述参照物上设有参照区域,所述参照区域作为步骤400中的特征点。
6.一种滑轨多参数测量装置,其特征在于,包括:
移动机构,用于驱动待测样品移动;
图像采集机构,用于采集待测样品移动过程中的多个样品图像;
预处理模块,用于将所采集的多个样品图像中所存在的图像孤立点滤除;
图像分割模块,采用区域生长算法对所采集的多个样品图像进行图像分割操作,将多个所述待测图片中的样品区域提取出来,形成多个待测图像;
图像拼接模块,采用拼接算法对多个所述待测图像执行图像拼接操作,获取待测样品的整体图像;
参数计算模块,用于根据所述整体图像,计算待测样品的各项参数。
7.根据权利要求6所述的一种滑轨多参数测量装置,其特征在于,所述预处理模块包括:
二值化单元,用于对多个所述样品图像进行二值化操作;
开运算单元,用于对多个所述样品图像先后进行腐蚀运算以及膨胀运算。
8.根据权利要求6所述的一种滑轨多参数测量装置,其特征在于,所述图像拼接模块包括:
第一识别单元,用于识别相邻的两个样品图像中的重叠区域;
获取单元,用于获取相邻的两个样品图像中重叠区域中的特征点;
匹配单元,用于对相邻两个样品图像的特征点进行匹配,计算相邻两个样品图像之间的单应矩阵;
拼接单元,用于根据相邻的两个样品图像中的重叠区域,完成相邻两个待测图像的拼接。
9.根据权利要求8所述的一种滑轨多参数测量装置,其特征在于,所述参数计算模块包括:
第二识别单元,用于识别并定位出各个待测图像中的孔洞区域;
计算单元,利用最小二乘法分别计算各个待测图像中孔洞区域的拟合圆的质心和半径;
坐标系建立单元,用于为各个待测图像建立像素坐标系;
第一坐标获取单元,用于获取各个待测图像中孔洞区域的质心坐标;
第二坐标获取单元,用于根据各个待测图像中各个孔洞区域的质心坐标以及相邻两个样品图像之间的单应矩阵,计算整体图像中各个孔洞区域的质心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910578191.2A CN110349174B (zh) | 2019-06-28 | 2019-06-28 | 一种滑轨多参数测量方法以及测量装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910578191.2A CN110349174B (zh) | 2019-06-28 | 2019-06-28 | 一种滑轨多参数测量方法以及测量装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110349174A true CN110349174A (zh) | 2019-10-18 |
CN110349174B CN110349174B (zh) | 2023-04-25 |
Family
ID=68177065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910578191.2A Active CN110349174B (zh) | 2019-06-28 | 2019-06-28 | 一种滑轨多参数测量方法以及测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349174B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853524A (zh) * | 2010-05-13 | 2010-10-06 | 北京农业信息技术研究中心 | 使用图像序列生成玉米果穗全景图的方法 |
CN102622732A (zh) * | 2012-03-14 | 2012-08-01 | 上海大学 | 一种前扫声纳图像拼接方法 |
CN103903237A (zh) * | 2014-03-21 | 2014-07-02 | 上海大学 | 一种前扫声纳图像序列拼接方法 |
WO2014127468A1 (en) * | 2013-02-25 | 2014-08-28 | Huron Technologies International Inc. | Microscopy slide scanner with variable magnification |
CN105654507A (zh) * | 2015-12-24 | 2016-06-08 | 北京航天测控技术有限公司 | 一种基于图像动态特征跟踪的车辆外廓尺寸测量方法 |
CN106530214A (zh) * | 2016-10-21 | 2017-03-22 | 微景天下(北京)科技有限公司 | 图像拼接系统和图像拼接方法 |
US20180053299A1 (en) * | 2016-08-19 | 2018-02-22 | Optrascan, Inc. | Method of Detecting Tissue Area of Interest in Digital Pathology Imaging by Executing Computer-Executable Instructions Stored on a Non-Transitory Computer-Readable Medium |
CN109211110A (zh) * | 2018-09-18 | 2019-01-15 | 佛山科学技术学院 | 一种基于机器视觉的平板类工件尺寸检测系统及方法 |
US20190042826A1 (en) * | 2017-08-04 | 2019-02-07 | Oregon Health & Science University | Automatic nuclei segmentation in histopathology images |
CN208720997U (zh) * | 2018-09-18 | 2019-04-09 | 佛山科学技术学院 | 一种基于机器视觉的平板类工件尺寸检测系统 |
CN109598674A (zh) * | 2017-09-30 | 2019-04-09 | 杭州海康威视数字技术股份有限公司 | 一种图像拼接方法及装置 |
-
2019
- 2019-06-28 CN CN201910578191.2A patent/CN110349174B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853524A (zh) * | 2010-05-13 | 2010-10-06 | 北京农业信息技术研究中心 | 使用图像序列生成玉米果穗全景图的方法 |
CN102622732A (zh) * | 2012-03-14 | 2012-08-01 | 上海大学 | 一种前扫声纳图像拼接方法 |
WO2014127468A1 (en) * | 2013-02-25 | 2014-08-28 | Huron Technologies International Inc. | Microscopy slide scanner with variable magnification |
CN103903237A (zh) * | 2014-03-21 | 2014-07-02 | 上海大学 | 一种前扫声纳图像序列拼接方法 |
CN105654507A (zh) * | 2015-12-24 | 2016-06-08 | 北京航天测控技术有限公司 | 一种基于图像动态特征跟踪的车辆外廓尺寸测量方法 |
US20180053299A1 (en) * | 2016-08-19 | 2018-02-22 | Optrascan, Inc. | Method of Detecting Tissue Area of Interest in Digital Pathology Imaging by Executing Computer-Executable Instructions Stored on a Non-Transitory Computer-Readable Medium |
CN106530214A (zh) * | 2016-10-21 | 2017-03-22 | 微景天下(北京)科技有限公司 | 图像拼接系统和图像拼接方法 |
US20190042826A1 (en) * | 2017-08-04 | 2019-02-07 | Oregon Health & Science University | Automatic nuclei segmentation in histopathology images |
CN109598674A (zh) * | 2017-09-30 | 2019-04-09 | 杭州海康威视数字技术股份有限公司 | 一种图像拼接方法及装置 |
CN109211110A (zh) * | 2018-09-18 | 2019-01-15 | 佛山科学技术学院 | 一种基于机器视觉的平板类工件尺寸检测系统及方法 |
CN208720997U (zh) * | 2018-09-18 | 2019-04-09 | 佛山科学技术学院 | 一种基于机器视觉的平板类工件尺寸检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110349174B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN102521560B (zh) | 高鲁棒仪表指针图像识别方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN106952257A (zh) | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN104990926A (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN105335973A (zh) | 运用于带钢加工生产线的视觉处理方法 | |
US11657644B2 (en) | Automatic ruler detection | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN107092905B (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
JP2011002919A (ja) | 物体検出方法、物体検出装置 | |
CN106815830B (zh) | 图像的缺陷检测方法 | |
CN108335310B (zh) | 一种便携式粒形粒度检测方法及系统 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN107388991A (zh) | 一种端面多圆角轴类零件圆角半径测量方法 | |
TW201915443A (zh) | 基於影像尺的定位量測系統 | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN104966283A (zh) | 图像分层配准方法 | |
JP5274173B2 (ja) | 車両検査装置 | |
CN112763496A (zh) | 一种手机电池表面缺陷检测装置及其检测方法 |
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 |