CN110349199A - 一种物体圆度测量方法 - Google Patents
一种物体圆度测量方法 Download PDFInfo
- Publication number
- CN110349199A CN110349199A CN201910555477.9A CN201910555477A CN110349199A CN 110349199 A CN110349199 A CN 110349199A CN 201910555477 A CN201910555477 A CN 201910555477A CN 110349199 A CN110349199 A CN 110349199A
- Authority
- CN
- China
- Prior art keywords
- circle
- point
- edge
- center
- marginal point
- 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
- 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
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明属于机器视觉测量领域,涉及一种物体圆度测量方法,其特征在于:包括步骤如下:根据物体的边缘图像信息提取边缘点,所述边缘点围成所述目标的边缘轮廓;对所述边缘点进行聚类分割,获得目标边缘点;其中,所述聚类分割的判断条件为:根据搜索圆心和预设半径确定边缘线的梯度线交点,并以所述梯度线交点获取对应的所述目标边缘点;对所述目标边缘点进行圆拟合,得到目标圆方程。本发明能够排除圆检测中的偏离待检测圆的异常点,进行高精度圆拟合,也可扩展为一次检测多个圆,并提高搜索效率。
Description
技术领域
本发明专利属于机器视觉测量领域,涉及利用相机拍摄待测物体,利用图像处理算法获取所需测量信息的方法,尤其涉及一种主要应用在精密工件测量(如工件圆度、直径尺寸等)、复杂工业场景下的目标非接触测量的物体圆度测量方法。
背景技术
机器视觉测量技术是计算机学科的一个重要分支,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:获得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。
如想获得非失真的清晰目标图像,则与拍摄场景的打光方案、相机安装方式及相机镜头的选择有关。打光方案如采用背光的方式,能够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。
如想获取准确的结构尺寸特征,一般采用拍摄目标边缘轮廓信息的方式。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。
特征测量分析方法需要根据具体的待测量物体进行设计。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。
在圆测量方面,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圆方程(x-a)2+(x-b)2=R2,其中圆心坐标为(a,b),半径为R。记第i个边缘点为pi,pi到圆(x-a)2+(x-b)2=R2的距离为di,若边缘点总数最为N,则最小二乘法拟合圆的思想就是求解出恰当的参数a、b、R,使得最小。图1展示了一般的最小二乘法拟合圆。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圆上的点,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圆方程偏离真实的圆方程,引起测量误差,如图2所示,实心直线代表存在误差的拟合圆,虚线代表理论上应该拟合的正确圆。
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。该方法在最小二乘法拟合圆的基础上,根据边缘点到拟合圆距离的远近,对每个边缘点设定权重,重新进行拟合,距离小的边缘点在拟合过程中贡献的权重大,距离圆的边缘点在拟合过程中贡献的权重小。如此循环多次,设定最终的误差终止条件或迭代次数,完成圆拟合过程。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)产生的圆误差较大,并且可能在后续的迭代过程中无法获得纠正,如图3所示,实线为拟合后的圆,虚线为理想圆。综上,在现有技术下,不能有效的解决干扰的问题,没有有效的方法实现高精度的圆拟合。
发明内容
基于此,有必要针对在较多干扰点下的圆拟合问题,基于边缘点梯度线交点的聚类圆拟合方法,能够抑制干扰点的影响,实现高精度的物体圆度测量方法。
技术方案:一种物体圆度测量方法,其特征在于:包括步骤如下:
根据物体的边缘图像信息提取边缘点,所述边缘点围成所述目标的边缘轮廓;
对所述边缘点进行聚类分割,获得目标边缘点;其中,所述聚类分割的判断条件为:根据搜索圆心和预设半径确定边缘线的梯度线交点,并以所述梯度线交点获取对应的所述目标边缘点;
对所述目标边缘点进行圆拟合,得到目标圆方程。
步骤还包括:获取物体的边缘图像信息。
所述获取物体的边缘图像信息包括:通过边缘提取算法获取单像素的物体的边缘图像信息。
所述对所述边缘点进行聚类分割,获得目标边缘点,包括:
将所述边缘点进行圆拟合,得到初次初始圆方程;
获取所述初始圆方程的初始圆心,并将所述初始圆心设为搜索圆心,将所述边缘点设为搜索边缘点;
根据所述搜索边缘点和所述搜索圆心,获取所述搜索边缘点的梯度线和梯度线的交点,所述梯度线过所述搜索边缘点和所述搜索圆心;
根据所述搜索圆心和所述预设半径确定圆形删选区域,并根据所述圆形删选区域确定候选梯度线的交点;
根据所述候选梯度线的交点,获取所述候选梯度线的交点所围成区域的质心;
根据所述质心和所述搜索圆心的距离是否满足预设条件,判断所述候选梯度线对应的搜索边缘点是否为目标边缘点。
根据所述质心和所述搜索圆心的距离是否满足预设条件,判断所述候选梯度线对应的边缘点是否为目标边缘点包括:
如果所述质心和所述搜索圆心的距离小于或等于预设距离,则所述候选梯度线对应的边缘点为目标边缘点;
如果所述质心和所述搜索圆心的距离大于预设距离,则将所述候选梯度线对应的边缘点设为搜索边缘点,将所述质心设为搜索圆心,重复上述过程,直到获得目标边缘点。
优选的,所述预设距离为0.01。
所述圆拟合为通过最小二乘法进行圆拟合。
所述预设半径通过第一参数和第二参数确定,优选的,所述第一参数和所述第二参数的取值范围为(10,30)。
优选的,所述搜索圆心为多个。
所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
优点及效果
1、能够排除圆检测中的偏离待检测圆的异常点。本专利所提供的方法利用边缘点梯度线和聚类分割,筛选靠近出靠近待检测圆的边缘点,并且排除了远离待检圆的异常干扰点对圆拟合的不良影响。
2、高精度圆拟合。在本专利提供的方法中,在排除异常点的前提下,对候选点采用最小二乘法拟合,避免了异常点对拟合结果的干扰,有利于获得精确的圆拟合结果;不仅保留了最小二乘拟合圆的方法能高精度的优点,而且能够抵抗干扰点对拟合效果的影响。
3、可扩展为一次检测多个圆。设置多个初始搜索点,获得多个聚类分割区域,进而筛选出每条圆各自的候选点并各自进行圆拟合。
4、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圆的结果作为初始搜索点,有利于减少聚类搜索的次数,提高搜索效率。
附图说明
图1为最小二乘法拟合圆示例;
图2为出现异常点情况下的直线拟合;
图3为权重拟合法失效案例;
图4为圆测量方法总流程;
图5为过边缘点的梯度线;
图6为聚类分割流程图;
图7为聚类分割结果图;
图8为应用界面。
具体实施方式
一种物体圆度测量方法,如图4所示,包括步骤如下:
步骤1,根据物体的边缘图像信息提取边缘点,所述边缘点围成所述目标的边缘轮廓。
其中,边缘提取可采用sobel边缘提取方法或Canny边缘提取方法。
步骤2,对所述边缘点进行聚类分割,获得目标边缘点;其中,所述聚类分割的判断条件为:根据搜索圆心和预设半径确定边缘线的梯度线交点,并以所述梯度线交点获取对应的所述目标边缘点。
其中,所述梯度线过所述搜索边缘点和所述搜索圆心。所述搜索圆心为根据所述边缘点确定的一个圆心。步骤2中,通过获取删选预设范围内的梯度线交点,从而获得相应的梯度线,再获得梯度线对应的目标边缘点。
步骤3,对所述目标边缘点进行圆拟合,得到目标圆方程。
其中,所述圆拟合为通过最小二乘法进行圆拟合。
在其中一个实施例中,一种物体圆度测量方法,还包括:获取物体的边缘图像信息。
本实施例可通过工业相机采集物体的边缘图像信息。具体的,可正对物体拍摄物体的图像。
在其中一个实施例中,所述获取物体的边缘图像信息包括:通过边缘提取算法获取单像素的物体的边缘图像信息。其中,边缘提取算法包括sobel边缘提取方法和Canny边缘提取方法。
在其中一个实施例中,所述对所述边缘点进行聚类分割,获得目标边缘点,包括:将所述边缘点进行圆拟合,得到初次初始圆方程;获取所述初始圆方程的初始圆心,并将所述初始圆心设为搜索圆心,将所述边缘点设为搜索边缘点;
根据所述搜索边缘点和所述搜索圆心,获取所述搜索边缘点的梯度线和梯度线的交点,所述梯度线过所述搜索边缘点和所述搜索圆心;根据所述搜索圆心和所述预设半径确定圆形删选区域,并根据所述圆形删选区域确定候选梯度线的交点;根据所述候选梯度线的交点,获取所述候选梯度线的交点所围成区域的质心;根据所述质心和所述搜索圆心的距离是否满足预设条件,判断所述候选梯度线对应的搜索边缘点是否为目标边缘点。
具体的,关于初始圆心的获得,对所有边缘点进行最小二乘法拟合圆,记圆方程为(x-a0)2+(x-b0)2=R0 2;在直角坐标系oxy中,设初始圆心(a0,b0)为搜索圆心;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圆;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圆,在这种情况下用最小二乘法导致拟合圆偏离真实圆;图8中,虚线代表用最小二乘法初次拟合的圆。
计算图像中的梯度获取过边缘点的梯度线。过边缘点的梯度线采用sobel边缘提取方法和Canny边缘提取方法。采用sobel边缘提取方法计算图像中的梯度,并将梯度幅值归一化到0~255的范围。Canny边缘提取方法需要设置高阈值tH和低阈值tL,设置tH=2*tL,且0≤tL,tH≤255。
所述梯度线过所述搜索边缘点和所述搜索圆心,如图5所示,对所有过边缘点梯度线,两两求取交点求取梯度线交点。
本实施中,根据所述搜索圆心和所述预设半径确定圆形删选区域,并根据所述圆形删选区域确定候选梯度线的交点,具体为:对所有梯度线的交点进行划分,首先设定预设半径r,并且获得初始圆心(a0,b0),由初始圆心(a0,b0)和预设半径r确定圆,以圆的范围作为删选区域,删选圆范围内的交点,并根据交点获得对应的候选梯度线。
在其中一个实施例中,所述根据所述质心和所述搜索圆心的距离是否满足预设条件,判断所述候选梯度线对应的边缘点是否为目标边缘点包括:如果所述质心和所述搜索圆心的距离小于或等于预设距离,则所述候选梯度线对应的边缘点为目标边缘点;如果所述质心和所述搜索圆心的距离大于预设距离,则将所述候选梯度线对应的边缘点设为搜索边缘点,将所述质心设为搜索圆心,重复上述过程,直到获得目标边缘点。
具体的,如图6所示,对所有梯度线的交点进行划分,首先设定预设半径r和迭代误差下限ε,迭代误差下限ε作为预设距离,设置初始圆心(a0,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,在以搜索圆心(ai-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(ai,bi),并将该质心记为新的搜索圆心(ai,bi),其中,预设半径r和迭代误差d的计算公式如下:
其中,迭代误差d为所述质心和所述搜索圆心的距离,当迭代误差d小于迭代误差下限时ε,终止迭代过程,并以当前搜索点(ai,bi)所对应的圆形区域作为最终的候选区域;
获取过候选区域内的交点的直线为候选梯度线,其中,候选梯度线到点(ai,bi)的距离不大于预设半径r;在直角坐标系oxy中,如图7所示,以点(ai,bi)为圆心,半径为r的区域为圆心区域,确定候选梯度线的交点,再获得与所述候选梯度线对应的边缘点为候选边缘点;由于每一条候选梯度线对应一个边缘点,称该边缘点为候选边缘点;认为在直角坐标系oxy中,交点在圆心区域内的所有梯度线对应的候选边缘点在同一个圆上,且该圆的圆心在圆心区域内。当质心和所述搜索圆心的距离小于或等于预设距离,则所述候选梯度线对应的候选边缘点为目标边缘点。
在其中一个实施例中,所述预设距离即迭代误差下限ε为0.01。所述预设半径通过第一参数Δa和第二参数Δb确定,第一参数Δa和第二参数Δb的范围:Δa∈(10,30),Δb∈(10,30)。通过上述参数便可筛选出该误差容许范围内处在同一圆上的所有点,即候选边缘点,并且远离该圆上的候选边缘点(干扰点)可被排除,不记为候选边缘点;为了精确的求解出圆方程,对所有候选边缘点进行最小二乘拟合圆。
在本发明一个具体的实施例中,搜索初始点的设置,是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圆,记圆方程为(x-a0)2+(x-b0)2=R0 2;在直角坐标系oxy中,设(a0,b0)为搜索初始点;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圆;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圆,在这种情况下用最小二乘法导致拟合圆偏离真实圆;图8中,虚线代表用最小二乘法初次拟合的圆。当勾选“圆调整”后,采用本发明所提供的方法排除偏离真实圆的异常点,并以最小二乘法初次拟合圆的圆心(a0,b0)来设置聚类搜索过程中的初始搜索点。最后选取靠近真实圆的一系列候选点进行再次最小二乘法圆拟合,获取调整后的精确圆方程。
进一步的,若待检测物体边缘同时存在n个圆,且圆心范围可以确定,同时设置n个初始圆心点进行聚类分割,获得n个区域,筛选出各个圆的候选边缘点并拟合出各自圆方程。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据物体的边缘图像信息提取边缘点,所述边缘点围成所述目标的边缘轮廓;
对所述边缘点进行聚类分割,获得目标边缘点;其中,所述聚类分割的判断条件为:根据搜索圆心和预设半径确定边缘线的梯度线交点,并以所述梯度线交点获取对应的所述目标边缘点;
对所述目标边缘点进行圆拟合,得到目标圆方程。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取物体的边缘图像信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,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。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种物体圆度测量方法,其特征在于:包括步骤如下:
根据物体的边缘图像信息提取边缘点,所述边缘点围成所述目标的边缘轮廓;对所述边缘点进行聚类分割,获得目标边缘点;其中,所述聚类分割的判断条件为:根据搜索圆心和预设半径确定边缘线的梯度线交点,并以所述梯度线交点获取对应的所述目标边缘点;
对所述目标边缘点进行圆拟合,得到目标圆方程。
2.根据权利要求1所述方法,其特征在于,还包括:获取物体的边缘图像信息。
3.根据权利要求2所述方法,其特征在于,所述获取物体的边缘图像信息包括:通过边缘提取算法获取单像素的物体的边缘图像信息。
4.根据权利要求1所述方法,其特征在于,所述对所述边缘点进行聚类分割,获得目标边缘点,包括:
将所述边缘点进行圆拟合,得到初次初始圆方程;
获取所述初始圆方程的初始圆心,并将所述初始圆心设为搜索圆心,将所述边缘点设为搜索边缘点;
根据所述搜索边缘点和所述搜索圆心,获取所述搜索边缘点的梯度线和梯度线的交点,所述梯度线过所述搜索边缘点和所述搜索圆心;
根据所述搜索圆心和所述预设半径确定圆形删选区域,并根据所述圆形删选区域确定候选梯度线的交点;
根据所述候选梯度线的交点,获取所述候选梯度线的交点所围成区域的质心;根据所述质心和所述搜索圆心的距离是否满足预设条件,判断所述候选梯度线对应的搜索边缘点是否为目标边缘点。
5.根据权利要求4所述方法,其特征在于,所述根据所述质心和所述搜索圆心的距离是否满足预设条件,判断所述候选梯度线对应的边缘点是否为目标边缘点包括:
如果所述质心和所述搜索圆心的距离小于或等于预设距离,则所述候选梯度线对应的边缘点为目标边缘点;
如果所述质心和所述搜索圆心的距离大于预设距离,则将所述候选梯度线对应的边缘点设为搜索边缘点,将所述质心设为搜索圆心,重复上述过程,直到获得目标边缘点。
6.根据权利要求5所述方法,其特征在于,所述预设距离为0.01。
7.根据权利要求1所述方法,其特征在于,所述圆拟合为通过最小二乘法进行圆拟合。
8.根据权利要求1所述方法,其特征在于,所述预设半径通过第一参数和第二参数确定,所述第一参数和所述第二参数的取值范围为(10,30)。
9.根据权利要求1所述方法,其特征在于,所述搜索圆心为多个。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910555477.9A CN110349199B (zh) | 2019-06-25 | 2019-06-25 | 一种物体圆度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910555477.9A CN110349199B (zh) | 2019-06-25 | 2019-06-25 | 一种物体圆度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110349199A true CN110349199A (zh) | 2019-10-18 |
CN110349199B CN110349199B (zh) | 2021-07-30 |
Family
ID=68182982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910555477.9A Active CN110349199B (zh) | 2019-06-25 | 2019-06-25 | 一种物体圆度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349199B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724366A (zh) * | 2020-06-16 | 2020-09-29 | 武汉工程大学 | 一种激光腔识别方法及装置 |
CN113034485A (zh) * | 2021-04-09 | 2021-06-25 | 浙江欧视电科技有限公司 | 融合Hough变换和卡尺聚类的圆检测方法 |
CN113406093A (zh) * | 2021-08-19 | 2021-09-17 | 苏州维嘉科技股份有限公司 | 光学检测设备及其物件属性的测量方法和装置 |
CN113566721A (zh) * | 2021-07-27 | 2021-10-29 | 凌云光技术股份有限公司 | 一种螺钉孔径测量方法和装置 |
CN113628232A (zh) * | 2021-05-11 | 2021-11-09 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
CN117739809A (zh) * | 2023-11-03 | 2024-03-22 | 泸州老窖股份有限公司 | 一种瓶口尺寸测量方法、计算机设备及介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6859555B1 (en) * | 2000-09-19 | 2005-02-22 | Siemens Corporate Research, Inc. | Fast dominant circle detection through horizontal and vertical scanning |
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN101359365A (zh) * | 2008-08-07 | 2009-02-04 | 电子科技大学中山学院 | 一种基于最大类间方差和灰度信息的虹膜定位方法 |
CN101699217A (zh) * | 2009-11-03 | 2010-04-28 | 武汉大学 | 一种用于工业零件的同心圆检测方法 |
WO2012076036A1 (en) * | 2010-12-11 | 2012-06-14 | Valeo Schalter Und Sensoren Gmbh | Method of circle detection in images for round traffic sign identification and vehicle driving assistance device |
CN103235939A (zh) * | 2013-05-08 | 2013-08-07 | 哈尔滨工业大学 | 基于机器视觉的基准点定位方法 |
WO2014009291A1 (en) * | 2012-07-12 | 2014-01-16 | Osram Gmbh | Vision based occupancy detection system and method |
CN103886597A (zh) * | 2014-03-24 | 2014-06-25 | 武汉力成伟业科技有限公司 | 一种基于边缘检测与拟合曲线聚类的圆检测方法 |
CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
CN104408722A (zh) * | 2014-11-26 | 2015-03-11 | 南京工业大学 | 一种用于pcb视觉定位的检测方法 |
CN105180806A (zh) * | 2015-08-25 | 2015-12-23 | 大连理工大学 | 基于显微视觉的跨尺度几何参数测量方法 |
CN106157298A (zh) * | 2016-05-27 | 2016-11-23 | 深圳市寒武纪智能科技有限公司 | 一种基于直线段的圆检测方法 |
US10290090B2 (en) * | 2015-02-18 | 2019-05-14 | Siemens Healthcare Diagnostics Inc. | Image-based tube slot circle detection for a vision system |
-
2019
- 2019-06-25 CN CN201910555477.9A patent/CN110349199B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6859555B1 (en) * | 2000-09-19 | 2005-02-22 | Siemens Corporate Research, Inc. | Fast dominant circle detection through horizontal and vertical scanning |
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN101359365A (zh) * | 2008-08-07 | 2009-02-04 | 电子科技大学中山学院 | 一种基于最大类间方差和灰度信息的虹膜定位方法 |
CN101699217A (zh) * | 2009-11-03 | 2010-04-28 | 武汉大学 | 一种用于工业零件的同心圆检测方法 |
WO2012076036A1 (en) * | 2010-12-11 | 2012-06-14 | Valeo Schalter Und Sensoren Gmbh | Method of circle detection in images for round traffic sign identification and vehicle driving assistance device |
WO2014009291A1 (en) * | 2012-07-12 | 2014-01-16 | Osram Gmbh | Vision based occupancy detection system and method |
CN103235939A (zh) * | 2013-05-08 | 2013-08-07 | 哈尔滨工业大学 | 基于机器视觉的基准点定位方法 |
CN103886597A (zh) * | 2014-03-24 | 2014-06-25 | 武汉力成伟业科技有限公司 | 一种基于边缘检测与拟合曲线聚类的圆检测方法 |
CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
CN104408722A (zh) * | 2014-11-26 | 2015-03-11 | 南京工业大学 | 一种用于pcb视觉定位的检测方法 |
US10290090B2 (en) * | 2015-02-18 | 2019-05-14 | Siemens Healthcare Diagnostics Inc. | Image-based tube slot circle detection for a vision system |
CN105180806A (zh) * | 2015-08-25 | 2015-12-23 | 大连理工大学 | 基于显微视觉的跨尺度几何参数测量方法 |
CN106157298A (zh) * | 2016-05-27 | 2016-11-23 | 深圳市寒武纪智能科技有限公司 | 一种基于直线段的圆检测方法 |
Non-Patent Citations (6)
Title |
---|
JIANPING WU ET AL: "Fast and accurate circle detection using gradient-direction-based segmentation", 《JOURNAL OF THE OPTICAL SOCIETY OF AMERICA A》 * |
MEIJUN WU ET AL: "A new method of rast circle detection in a complex background image", 《PATTERN RECONGNITION AND COMPUTER VISION》 * |
RUDOLF SCITOVSKI ET AL: "Multiple circle detection based on center based clustering", 《PATTERN RECOGNITION LETTERS》 * |
吕文杰: "基于机器视觉的PCB缺陷自动检测系统", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
张宏屏: "基于数字图像处理的水表读数识别系统应用研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
贾明等: "基于梯度方向和概率估计的随机圆检测算法", 《半导体光电》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724366A (zh) * | 2020-06-16 | 2020-09-29 | 武汉工程大学 | 一种激光腔识别方法及装置 |
CN111724366B (zh) * | 2020-06-16 | 2023-08-25 | 武汉工程大学 | 一种激光腔识别方法及装置 |
CN113034485A (zh) * | 2021-04-09 | 2021-06-25 | 浙江欧视电科技有限公司 | 融合Hough变换和卡尺聚类的圆检测方法 |
CN113628232A (zh) * | 2021-05-11 | 2021-11-09 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
CN113628232B (zh) * | 2021-05-11 | 2024-02-27 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
CN113566721A (zh) * | 2021-07-27 | 2021-10-29 | 凌云光技术股份有限公司 | 一种螺钉孔径测量方法和装置 |
CN113566721B (zh) * | 2021-07-27 | 2024-01-23 | 凌云光技术股份有限公司 | 一种螺钉孔径测量方法和装置 |
CN113406093A (zh) * | 2021-08-19 | 2021-09-17 | 苏州维嘉科技股份有限公司 | 光学检测设备及其物件属性的测量方法和装置 |
CN113406093B (zh) * | 2021-08-19 | 2021-11-30 | 苏州维嘉科技股份有限公司 | 光学检测设备及其物件属性的测量方法和装置 |
CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
CN114219806B (zh) * | 2022-02-22 | 2022-04-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
CN117739809A (zh) * | 2023-11-03 | 2024-03-22 | 泸州老窖股份有限公司 | 一种瓶口尺寸测量方法、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110349199B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349199A (zh) | 一种物体圆度测量方法 | |
US10922794B2 (en) | Image correction method and device | |
CN103994786B (zh) | 圆弧标尺线指针式仪表刻度的图像检测方法 | |
KR101761586B1 (ko) | 홍채와 공막의 경계선 검출 방법 | |
CN109961399B (zh) | 基于图像距离变换的最佳缝合线搜寻方法 | |
CN104867137B (zh) | 一种基于改进ransac算法的图像配准方法 | |
CN103632137B (zh) | 一种人眼虹膜图像分割方法 | |
CN110207592A (zh) | 建筑裂缝测量方法、装置、计算机设备和存储介质 | |
CN113326787B (zh) | 指针仪表读数的自动识别方法、系统及设备 | |
CN108898148A (zh) | 一种数字图像角点检测方法、系统及计算机可读存储介质 | |
CN109446935B (zh) | 一种用于远距离行进中虹膜识别的虹膜定位方法 | |
CN113221805B (zh) | 一种电力设备图像位置获取方法及装置 | |
CN116481434B (zh) | 一种视觉检测用自定位控制方法、装置以及自定位系统 | |
CN116625239B (zh) | 一种基于图像处理的台阶孔检测方法、装置及系统 | |
CN107860398B (zh) | 一种星点质心坐标的确定方法 | |
CN116228776B (zh) | 一种机电设备焊接缺陷识别方法及系统 | |
CN102339464A (zh) | 线搜索式角点检测方法 | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN114677365B (zh) | 一种高精度的树木年轮分析方法及系统 | |
KR20180072517A (ko) | 홍채와 공막의 경계선 검출 방법 | |
CN110349169A (zh) | 一种直线测量方法 | |
CN114882539A (zh) | 一种静脉图像roi提取方法及装置 | |
CN113011417A (zh) | 基于交并比覆盖率损失与重定位策略的目标匹配方法 | |
CN112967303B (zh) | 一种图像边缘检测及其边缘精度验证方法 | |
CN112862804B (zh) | 一种眼底视网膜血管图像处理系统及方法 |
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 |