CN110398215A - 图像处理装置和方法,系统,物品制造方法,存储介质 - Google Patents
图像处理装置和方法,系统,物品制造方法,存储介质 Download PDFInfo
- Publication number
- CN110398215A CN110398215A CN201910331286.4A CN201910331286A CN110398215A CN 110398215 A CN110398215 A CN 110398215A CN 201910331286 A CN201910331286 A CN 201910331286A CN 110398215 A CN110398215 A CN 110398215A
- Authority
- CN
- China
- Prior art keywords
- line
- image
- pixel
- differential
- unit
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 238000005259 measurement Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 16
- 238000009826 distribution Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100480479 Rattus norvegicus Taar7e gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
-
- 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
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
-
- 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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20212—Image combination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及图像处理装置和方法,系统,物品制造方法,存储介质。对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的线的倾斜,所述图像获得单元被配置为获得包括所述线的图案已经投影于其上物体的图像。基于对于每个像素获得的倾斜来检测图像中的线。
Description
技术领域
本发明涉及图像处理装置、系统、制造物品的方法、图像处理方法和非暂态计算机可读存储介质,尤其涉及用于从图像检测线的技术。
背景技术
作为用于测量物体的表面形状的技术,存在称为光学有源立体法的方法。在这种方法中,通过使投影仪将预定的投影图案投影到物体上、从不同于投影方向的方向执行图像捕获、并基于三角测量原理计算每个像素位置的距离信息来测量待检查物体的三维信息。
存在与有源立体法中使用的图案相关的各种方法。作为这样的方法之一,已知一种投影图案的方法,其中断开的点(斑点(dot))以线图案排列(下文中称为斑点线图案方法),如日本专利No.2517062中所公开的。在这种方法中,由于基于在线上检测到的每个斑点的坐标信息提供指示哪条检测到的线与投影图案上的哪条线对应的索引,因此可以通过执行一次图像捕获操作获得整个物体的三维距离信息。
此外,日本专利特许公开No.2016-200503公开了一种通过在通过斑点线图案方法执行线检测时检测线峰值和线边缘来提高待测量的距离点的密度的技术。日本专利特许公开No.2016-200503还公开了一种从测量点移除斑点附近的线边缘位置和线的负峰值的技术,因为它们的存在会使得检测精度劣化。
在通过斑点线图案方法进行的测量中,需要检测足够数量的斑点,以用于检测到的斑点与图案信息中的斑点的各条坐标信息之间的点坐标信息关联。因此,优选的是在图案中设置高密度的斑点,使得即使物体的尺寸小,仍将足够数量的斑点投影到物体上。
在这种情况下,如果以日本专利特许公开No.2016-200503中公开的技术的方式移除斑点附近的测量点,那么将减小距离测量点密度。此外,由于不仅是线的负峰值和线边缘,而且当测量线从像素阵列倾斜时(后面将要描述)峰值检测精度都将大大劣化,因此检测精度的提高比移除测量点更是期望的。
发明内容
本发明提供了一种以高精度从包括线的图案已经投影于其上的待检查物体的图像检测所述线的技术。
根据本发明的第一方面,提供了一种图像处理装置,包括:获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的所述线的倾斜,所述图像获得单元被配置为获得包括所述线的图案已经投影于其上的物体的图像;以及检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的所述线。
根据本发明的第二方面,提供了一种系统,包括:图像处理装置,包括:获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的所述线的倾斜,所述图像获得单元被配置为获得包括所述线的图案已经投影于其上的物体的图像;以及检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的所述线;以及自动机械(robot),被配置为基于由图像处理装置获得的测量结果来保持和移动物体。
根据本发明的第三方面,提供了一种制造物品的方法,该方法包括:通过使用图像处理装置测量物体,所述图像处理装置包括:获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的所述线的倾斜,所述图像获得单元被配置为获得包括所述线的图案已经投影于其上的物体的图像;以及检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的所述线;以及通过基于测量结果处理物体来制造物品。
根据本发明的第四方面,提供了一种由图像处理装置执行的图像处理方法,该方法包括:对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的所述线的倾斜,所述图像获得单元被配置为获得包括所述线的图案已经投影于其上的物体的图像;以及基于对于每个像素获得的倾斜来检测所述图像中的所述线。
根据本发明的第五方面,提供了一种存储计算机程序的非暂态计算机可读存储介质,该计算机程序用于使计算机用作:获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的所述线的倾斜,所述图像获得单元被配置为获得包括所述线的图案已经投影于其上的物体的图像;以及检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的所述线。
从示例性实施例的以下描述(参考附图),本发明的其它特征将变得清楚。
附图说明
图1A是示出三维坐标测量装置100的布置的示例的视图,并且图1B和1C是各自示出待检查物体5的示例的视图;
图2A至2C是示出斑点线图案和捕获图像的示例的视图;
图3是由算术处理单元4执行的处理的流程图;
图4A和4B是示出Sobel滤波器的示例的视图,并且图4C是示出旋转微分滤波器的示例的视图;
图5A至5C是示出线坐标点的示例的视图;
图6A至6D是用于解释线坐标检测误差是如何由斑点部分引起的视图;
图7A和7B是示出映射(map)的布置的示例的视图;
图8是由算术处理单元4执行的处理的流程图;以及
图9是示出控制系统的布置的示例的视图。
具体实施方式
现在将参考附图描述本发明的实施例。要注意的是,下面要描述的实施例是本发明的详细实现的示例或所附权利要求中描述的布置的详细示例。
[第一实施例]
这个实施例将描述一种测量系统,该测量系统将包括线(测量线)的图案(线图案)投影到物体(待检查物体)上,执行已在其上投影线图案的物体的图像捕获,并基于通过图像捕获获得的图像测量物体的三维形状。图1A示出了这种测量系统适用的、根据这个实施例的三维坐标测量装置100的布置的示例。
如图1A中所示,三维坐标测量装置100包括用作投影设备的示例的投影仪1、用作图像捕获设备的示例的图像捕获单元3,以及用作计算机设备的示例的算术处理单元图4。投影仪1和图像捕获单元3连接到算术处理单元4。
首先将描述投影仪1。从LED 6发射的光束由照射光学系统8会聚并照射空间调制元件7。空间调制元件7调制来自照射光学系统8的入射光束并发射“包括多条线的图案(线图案)”(将线图案添加到来自LED 6的光束)。从空间调制元件7发射的线图案经由投影光学系统10投影到待检查物体5上。要注意的是,投影设备不限于图1A中所示的投影仪1,只要投影设备是能够将上述线图案投影到物体5的设备即可。
接下来将描述图像捕获单元3。来自外部的光经由图像捕获光学系统11进入图像传感器13。像素在图像传感器13上二维排列(像素在u轴方向和v轴方向上排列,如图1A中所示),基于每个像素的接收光量生成捕获图像,并且将捕获图像输出到算术处理单元4。要注意的是,u轴和v轴彼此垂直。因此,在图1A的情况下,图像捕获单元3通过生成投影仪1已将线图案投影到其上的物体5的捕获图像而将捕获图像(线图案图像)输出到算术处理单元4。要注意的是,图像捕获设备不限于图1A的图像捕获单元3,只要是能够生成线图案已经投影于其上的物体5的捕获图像并且将生成的捕获图像输出到算术处理单元4的设备即可。
这里,投影仪1和图像捕获单元3被布置成通过基线2彼此隔开一定距离,基线2是这两个单元的主要点之间的线。假设包括在线图案中的多条线的纵向方向是垂直于基线2的X轴方向,并且图像传感器13的u轴方向被布置成几乎等于X轴方向并且几乎垂直于极线(epipolar line)。
接下来将描述算术处理单元4。算术处理单元4是可以执行作为要由算术处理单元4执行的处理操作的稍后将描述的处理操作的计算机设备,并且包括例如以下硬件布置。
CPU 151通过使用存储在RAM 152和ROM 153中的计算机程序和数据来执行各种处理。这允许CPU 151控制算术处理单元4的整体操作,以及执行或控制作为要由算术处理单元4执行的处理操作的稍后将描述的每个处理操作。
RAM 152包括用于存储从ROM 153和外部存储设备156加载的计算机程序和数据的区域,经由I/F(接口)157从外部接收的数据(例如,从图像捕获单元3接收的捕获图像),等等。此外,RAM 152包括由CPU 151用于执行各种处理的工作区域。这样,RAM 152可以适当地提供各种区域。ROM 153存储不需要重写的信息,诸如算术处理单元4的设置数据、激活程序等。
操作单元154是诸如键盘和鼠标之类的用户接口,并且用户可以操作该操作单元以向CPU 151输入各种指令。显示单元155由液晶屏幕、触摸面板等形成,并且可以通过使用图像、字符等显示由CPU 151获得的处理结果。此外,如果显示单元155是触摸面板,那么CPU151将被通知由用户对于触摸面板的操作输入。
外部存储设备156是由硬盘驱动设备表示的大容量信息存储设备。外部存储设备156存储OS(操作系统)以及用于CPU 151执行或控制要由算术处理单元4执行的处理操作(稍后描述)的计算机程序和数据。存储在外部存储设备156中的数据包括在下面的描述中作为已知信息被处置的数据、由投影仪1投影的线图案的数据等。存储在外部存储设备156中的计算机程序和数据在CPU 151的控制下被加载到RAM 152中,并成为CPU 151的处理目标。
I/F 157用作与外部装置执行数据通信的接口,并且投影仪1和图像捕获单元3以图1A中所示的布置连接到I/F 157。CPU 151、RAM 152、ROM 153、操作单元154、显示单元155、外部存储设备156和I/F 157连接到总线158。
具有如上所述的布置的算术处理单元4检测从图像捕获单元3获得的捕获图像中包括的每条线的坐标点(线坐标)。通过根据从捕获图像获得的接收光量的峰值检测捕获图像上的每个坐标点来执行线坐标检测。在使用多个线图案的图案投影方法中,需要执行捕获的线图案的关联。线图案关联是被执行的如下处理过程:将从图像检测到的每条线与指示它是在由空间调制元件7添加的线图案中包括的线中的哪条线的信息相关联。虽然已知多种方法用于从多个线图案图像执行上述关联,但是作为要由投影仪1投影的线图案,这个实施例将使用“指示已经通过随机布置的斑点(断开的点)编码的图2A所示的图案的一部分的斑点线图案”,这允许从单个线图案图像执行关联,如日本专利No.2517062和日本专利特许公开No.2016-200503中所公开的。
作为在从捕获图像检测到的线坐标点上执行上述关联的结果,算术处理单元4基于已经预先校准的图像捕获单元3和投影仪1的光学特点以及相对位置关系获得物体5的三维形状(物体5的表面上的位置的三维坐标点)。
将参考图3描述由算术处理单元4执行的用于从图像捕获单元3的捕获图像中检测每条线的处理,图3示出了处理的流程图。在步骤S301中,CPU 151经由I/F 157将从图像捕获单元3发送的捕获图像加载到RAM 152中。在步骤S302中,CPU 151通过将在v轴方向上具有微分方向的Sobel滤波器Sv应用于在步骤S301中加载到RAM 152中的捕获图像f的每个像素来生成微分图像gv。图4A中示出了Sobel滤波器Sv的布置的示例。将Sobel滤波器Sv应用于捕获图像f的每个像素通过例如捕获图像f和Sobel滤波器Svby的卷积运算来执行,如下:
其中f(u,v)表示捕获图像f中的像素位置(u,v)处的像素值,并且Sv(m,n)表示当中心位置设置为(0,0)时相对于Sobel滤波器Sv的中心位置的相对位置(m,n)处的元素值。此外,gv(u,v)表示微分图像gv中的像素位置(u,v)处的像素值(辉度值)。在下文中,假设u轴方向和v轴方向分别是每个图像(捕获图像、微分图像等)中的水平方向和垂直方向。
在步骤S303中,对于在步骤S302中生成的微分图像gv的每条垂直线(对于每个u坐标的v轴方向线),CPU 151检测在垂直线的辉度分布中微分值从正变为负处的坐标点(峰值位置)作为线坐标点。例如,在要从感兴趣的垂直线检测线坐标点的情况下,CPU将检测在如下辉度分布(通过内插等获得像素之间的每个辉度值)中微分值从正变为负处的坐标点(峰值位置)作为线坐标点,该辉度分布是由形成该感兴趣的垂直线的各像素的辉度值形成的。在这种情况下,由于辉度分布是垂直线方向上的连续函数,因此线坐标点的u坐标值是整数值(从其检测到线坐标点的垂直线的u坐标值),并且线坐标点的v坐标值是实数(峰值位置)。
此外,由于甚至需要在线连续的状态下检测线断开处的斑点部分,因此用于平滑化要在捕获图像上观察的线和斑点的辉度值的滤波器可以在应用Sobel滤波器之前应用于捕获图像。当光学系统引起足够的模糊(对比度劣化)并且即使在斑点部分中也可以在连续状态下检测线时,不需要执行这种平滑处理。
接下来,在步骤S304中,CPU 151在步骤S303中获得的线坐标点上执行线标记(line labeling)。在线标记中,将在u轴方向上与感兴趣的线坐标点相邻(也可以相隔预定数量的像素)的线坐标点设置为与感兴趣的线坐标点在同一条线上的点的坐标点,并且与感兴趣的线坐标点相同的标签被分配给该线坐标点。
随后,在由具有相同标签分配的线坐标点形成的线中,CPU 151指定其长度(例如,u轴方向或v轴方向上的像素数)等于或大于预定值的线,并且形成指定线的每个线坐标点被设置为第一线坐标点。要注意的是,CPU 151将长度小于预定值的线确定为噪声,并且将形成这条线的线坐标点设置为非线坐标点。
图2B示出了当如图1B中所示物体5的表面51面对图像捕获单元3(即,表面51几乎垂直于图像捕获单元3)时由图像捕获单元3获得的捕获图像的示例。由于图2B中所示的捕获图像是通过捕获投影到直接面对图像捕获单元3的表面51上的线图案而获得的,因此在图像中捕获到几乎完全平行于u轴的线。图5A示出了当在步骤S301中获得图2B所示的捕获图像时可以通过对捕获图像执行上述步骤S302至S304的处理而获得的线坐标点(第一线坐标点)。斑点(黑色)已被写在与图5A中的线坐标点对应的位置上。由于几乎平行于u轴的线在图2B所示的捕获图像中被捕获,因此线坐标点形成几乎平行于u轴的线,如图5A中所示。
图2C示出了当如图1C中所示物体5的表面51和表面52(这两个表面相对于图像捕获单元3关于Y轴倾斜)被包括(表面51和表面52的边界部分被包括)在图像捕获单元3的图像捕获范围中时由图像捕获单元3获得的捕获图像的示例。在图2C所示的捕获图像中,投影到表面51和52中每一个上的线图案作为相对于u轴倾斜的线图案被捕获。图5B示出了当在步骤S301中获得图2C中所示的捕获图像时可以通过对捕获图像执行上述步骤S302至S304的处理而获得的线坐标点(第一线坐标点)。斑点(黑色)已写在与图5B中的线坐标点对应的位置上。由于在图2C所示的捕获图像中捕获了相对于u轴倾斜的线图案,因此线坐标点形成相对于u轴倾斜的线,如图5B中所示。这里假设,如图5B中所示,由于斑点部分,在线坐标点中已经出现了检测误差。即,虽然当表面51和表面52是平坦表面时在对于每个表面的检测结果中获得直线,但是在与斑点部分对应的部分中生成波。
将参考图6A至6D描述当在捕获图像中捕获倾斜的线图案时由斑点部分引起的线坐标点检测误差的原因。图6A是示出从通过在v轴方向上对捕获图像进行微分而获得的微分图像中检测到的线坐标点的视图,在该捕获图像中已经捕获了几乎平行于u轴的线。在图6A中,标号L1表示线的中心线,并且标号L11和L21表示已经被斑点断开的线的亮部分(bright portion)。但是,如上所述,在实际光量分布中,亮部分L1和L21已被平滑化到允许它们在连续状态下被检测为同一条线的程度,并且亮部分L11和L21中的邻近斑点的拐角部分(corner portion)在光量分布中被模糊化。标号D1表示针对每条垂直线的相对于捕获图像的微分方向(v轴方向),并且几乎垂直于该线。黑色圆圈是针对每条垂直线检测的线坐标点。在如图6A中所示线几乎平行于u轴的情况下,线的中心线L1和线坐标点将几乎匹配,并且线坐标检测可以没有误差地被执行。
图6B是示出从通过在v轴方向上对捕获图像进行微分而获得的微分图像检测到的线坐标点的视图,在该捕获图像中已经捕获了相对于u轴倾斜的线。在图6B中,标号L2表示线的中心线,标号L12和L22表示以与图6A中相同的方式被斑点断开的线的亮部分。类似于上述亮部分L11和L21,在亮部L12和L22中的邻近斑点的拐角部分中光量分布被模糊化。标号D2表示针对每条垂直线的相对于捕获图像的微分方向(v轴方向),并且线相对于微分方向倾斜。黑色圆圈是针对每条垂直线检测到的线坐标点。在通过在v轴方向上对如图6B中所示其中线相对于u轴倾斜的捕获图像进行微分而获得的微分图像中,将出现如下情况:其中偏离线的中心线L2的位置被检测为线坐标点。将参考图6C描述这种偏离的原因,图6C示出了图6B中所示的亮部分L22的周边的放大视图。
当图6C中所示的亮部分L22的轮廓线被视为光量的轮廓线时,在亮部分L22(的轮廓线)与用于搜索辉度分布中的峰值位置的搜索线D21的两个交点C1和C2之间的中点(偏离线的中心线L2的位置P1)将被检测为线坐标点。这样,当在通过在v轴方向上对其中线相对于u轴倾斜的捕获图像执行微分而获得的微分图像上在v轴方向上执行峰值位置搜索时,在斑点部分附近的线坐标检测中出现误差,这是因为斑点部分将像噪声一样对线起作用。通过从通过在与如图6D中所示的线的倾斜对应的微分方向D3上对捕获图像执行微分而获得的微分图像执行线坐标检测,可以有效地减少这种误差。在通过在与线的倾斜对应的微分方向D3上对捕获图像进行微分而获得的微分图像中,峰值位置(黑色圆圈)出现在线的中心线L2上,如图6D中所示。因此,即使在对于这种微分图像在v轴方向上搜索峰值位置时,也有可能在线的中心线L2上检测到线坐标点,并且可以以良好的精度执行线检测,同时降低斑点的影响。
在步骤S305及其后续步骤中,获得通过直到步骤S304执行的处理所获得的第一线坐标点的线的倾斜,并且从通过根据所述倾斜对捕获图像执行微分而获得的微分图像执行线检测。
在步骤S305中,针对具有相同标签分配的第一坐标线点的每个集合(即,对于形成同一条线的第一线的每个集合),CPU 151获得包括在该集合中的每个第一线坐标点的线倾斜角α。例如,在感兴趣集合中包括的每个第一线坐标点中,假设v(n)是其u坐标值为n(n是整数)的第一线坐标点P(n)的v坐标值。此时,可以通过计算α=arctan((v(n-1)-v(n+1))/2)来获得P(n)的线倾斜角。要注意的是,在该感兴趣集合中,具有最小u坐标值的第一线坐标点(=umin)的线倾斜角α可以采用与第一线坐标点P(umin+1)的线倾斜角α相同的角度。此外,在该感兴趣集合中,具有最大u坐标值的第一线坐标点(umax)的线倾斜角α可以采用与第一线坐标点P(umax-1)的线倾斜角α相同的角度。这样,在步骤S305中针对每个第一线坐标点获得线倾斜角α。
在步骤S306中,CPU 151生成其中与捕获图像的每个像素对应的倾斜角被登记(register)的映射(map)。图7A示出了映射的布置的示例。假设u轴和v轴分别表示映射的水平方向和垂直方向。与捕获图像中的像素位置(u,v)对应的倾斜角将被登记在映射上的位置(u,v)处的元素(单元格)中。在这个实施例中,为了生成这种映射,对于第一线坐标点(u,y)获得的倾斜角将被登记在映射上的位置(u,Z(y))处。在这里,Z(y)是返回y的整数部分的函数。Z(y)是如下这样的函数:例如,如果y的小数部分等于或大于0.5,那么y的整数部分加一并且y的小数部分向下舍入,而如果y的小数部分小于0.5,那么y的小数部分向下舍入并且y的整数部分不改变。
在图7A所示的示例中,在以这种方式生成的映射中,倾斜角Ta1被登记在例如位置(u,v)=(1,4)处的元素(单元格)中。要注意的是,在图7A中,与已经被分配了标签“a”的各个第一线坐标点对应的倾斜角被表示为Ta1,Ta2,...,Ta14,并且与已经被分配了标签“b”的各个第一线坐标点对应的倾斜角被表示为Tb3,Tb4,...,Tb14。Txy表示已经被分配了标签“x”的第一坐标线点中的u坐标值为“2”的每个第一线坐标点的倾斜角。
接下来,如图7A中所示,CPU 151将具有倾斜角登记的元素的倾斜角复制到该元素上方的两个元素和该元素下方的两个元素,并且将在无倾斜角的登记的元素中登记0。例如,如图7A和7B中所示,倾斜角Ta1被登记到位于登记了倾斜角Ta1的元素(位置(1,4)处的元素)上方的两个元素(位置(1,2)和(1,3)处的元素)和下方的两个元素(位置(1,5)和(1,6)处的元素),并且零被登记到未登记倾斜角的元素。
要注意的是,虽然在这个实施例中,具有倾斜角登记的元素的倾斜角被复制到该元素上方的两个元素和下方的两个元素,但是可以设置成使得具有倾斜角登记的元素的倾斜角将被复制到该元素上方的NN(NN是等于1或更大的整数)个元素和该元素下方的NN个元素。此时,可以通过使用微分滤波器的尺寸或要在捕获图像上观察的线间距作为基准来确定NN。
接下来,在步骤S307中,CPU 151选择形成捕获图像的像素中的未选择像素作为一个被选像素。然后,CPU 151将获得在上述映射上被选像素的像素位置中登记的元素值θ(倾斜角或值“0”)。例如,如果(2,4)是被选像素的像素位置,那么CPU 151将获得在映射上在位置(2,4)中登记的元素值。
在步骤S308中,CPU 151根据在步骤S307中从映射获得的元素值θ通过组合具有在v轴方向上的微分方向的Sobel滤波器Sv和具有在u轴方向上的微分方向的Sobel滤波器Su来生成旋转微分滤波器Srot。图4B示出了Sobel滤波器Su的布置的示例。例如,CPU 151通过使用Sobel滤波器Sv、Sobel滤波器Su和在步骤S307中从映射获得的元素值θ来生成旋转微分滤波器Srot(θ),以计算
Srot(θ)=Sv×cosθ+Su×sinθ
旋转微分滤波器是微分滤波器,其具有通过使Sobel滤波器Sv和Sobel滤波器Su的微分方向旋转θ而获得的微分方向。图4C示出了旋转微分滤波器Srot(θ)的布置的示例。
在步骤S309中,CPU 151将旋转微分滤波器Srot(θ)应用于被选像素。旋转微分滤波器Srot(θ)应用于被选像素如下进行
其中f(u,v)表示捕获图像f中被选像素的位置(u,v)处的像素值。当(0,0)是通过根据与被选像素的位置(u,v)对应的元素值θ(u,v)组合Sobel滤波器Sv和Su而获得的微分滤波器的中心位置时,Srot(m,n,θ(u,v))表示距中心位置的相对位置(m,n)的元素值。此外,grot(u,v)是捕获图像f的微分图像grot中的像素位置(u,v)处的像素值(辉度值),并且像素值是通过将旋转微分滤波器Srot应用于捕获图像f的被选像素而获得的像素值。
在步骤S310中,CPU 151确定捕获图像的每个像素是否已被选择为被选像素。作为这个确定的结果,如果已经选择了捕获图像中的每个像素,那么处理前进到步骤S311,而如果在捕获图像中仍存在未被选择为被选像素的像素,那么处理返回到步骤S307。通过对捕获图像中的每个像素执行步骤S307至步骤S310的处理,完成捕获图像f的微分图像grot。
在步骤S311中,对于微分图像grot的每条垂直线(对于每个u坐标点的v轴方向线),CPU 151以与步骤S303相同的方式获得垂直线上辉度分布中微分值从正变为负处的坐标点(峰值位置)作为线坐标点。
在步骤S312中,CPU 151对在步骤S311中获得的每个线坐标点执行与上述步骤S304中的处理相同的处理。即,CPU 151将对在步骤S311中获得的线坐标点执行线标记。并且,形成由已被分配了相同标签的线坐标点形成的线中的其长度等于或大于预定值的线的每个线坐标点将被设置为第二线坐标点。
图5C示出了在步骤S301中获得如图2C所示的捕获图像的情况下通过执行根据图3的流程图的处理而获得的第二线坐标点。显然,相比于根据直到步骤S304所执行的处理获得的线坐标点(图5B),检测精度已得到提高。由于以这种方式使用旋转微分滤波器Srot(θ)将使得即使当线倾斜角对于图像中的每个位置改变时仍可获得与线倾斜角对应的微分图像,因此可以高精度地执行线检测。
在完成了根据图3的流程图的处理之后,CPU 151可以将由被分配有相同标签的第二线坐标点形成的每条线用于物体5的三维形状测量,以便以更高的精度执行物体5的三维形状测量。要注意的是,物体5的三维形状测量结果可以用于各种用途。
<变型1>
虽然步骤S311中的线坐标点的搜索方向可以以与微分方向相同的方式根据倾斜角旋转,但是,由于通过旋转微分方向降低了微分响应的斑点诱发噪声,因此在不改变u轴方向的情况下,检测精度得以提高。
<变型2>
虽然在第一实施例中为每个像素获得旋转微分滤波器,但是可以通过以具有接近的倾斜角的组(其中倾斜角之差等于或小于预定值的倾斜角的组)为单位划分为像素获得的倾斜角,对于每一组获得旋转微分滤波器。在这种情况下,通过使用包括在组中的倾斜角的代表性倾斜角(包括在该组中的倾斜角的平均值或代表值)作为上述元素值θ来获得与该组对应的旋转微分滤波器。在步骤S307开始之前,生成每组的旋转微分滤波器。当指定与被选像素对应的倾斜角时,与倾斜角所属的组对应的旋转微分滤波器被应用于被选像素。
此外,例如,预先针对每个预定倾斜角范围获得旋转微分滤波器,并且当指定与被选像素对应的倾斜角时,与包括该倾斜角的倾斜范围(预定倾斜角范围)对应的旋转微分滤波器可以应用于被选像素。通过将360°划分为多个范围(例如,0°至9°、10°至19°,......和340°至359°)并且将每个划分的范围设为预定倾斜角范围,可以获得预定倾斜角范围。可替代地,得到可以将针对每个像素获得的倾斜角的最大值和最小值分别设置为上限和下限的范围,并且通过将这个范围等分为多个范围而获得的每个范围可以被设为预定倾斜角范围。通过使用感兴趣的预定倾斜角范围的代表性倾斜角(感兴趣的预定倾斜角范围的中值)作为元素值θ,可以获得与感兴趣的预定倾斜角范围对应的旋转微分滤波器。在步骤S307开始之前生成用于每个预定倾斜角范围的微分滤波器。
这样,用于获得旋转微分滤波器的单位不限于具体单位。而且,代替倾斜角,有可能采用任何种类的信息,只要它是表示第一线坐标点的线的倾斜的信息即可,诸如与上述cosθ和sinθ对应的信息等。
<变型3>
虽然在第一实施例中图像捕获单元3和投影仪1被布置为分开的设备,但是图像捕获单元3的功能和投影仪1的功能可以集成到单个设备中。
[第二实施例]
下面将描述与第一实施例的不同之处。假设下面没有特别提到的部分与第一实施例中的那些部分相同。在这个实施例中,通过根据每个像素的线倾斜来组合微分方向彼此垂直的两个微分图像来生成微分图像,并且从所生成的微分图像执行线检测。因此,变得能够获得与第一实施例的线检测精度提高效果同等的结果。
将参考图8中所示的处理的流程图来描述由算术处理单元4执行的用于检测由图像捕获单元3获得的捕获图像中的每条线的处理。在图8中,相同的标号表示与图3中所示的处理步骤相同的处理步骤,并且将省略其描述。
在步骤S800中,CPU 151通过对在步骤S301中加载到RAM 152中的捕获图像f的每个像素应用在u轴方向上具有微分方向的Sobel滤波器Su来生成微分图像gu。通过如下地执行捕获图像f和Sobel滤波器Svby的卷积运算来执行Sobel滤波器Su对捕获图像f的每个像素的应用
其中Su(m,n)表示当中心位置被设置为(0,0)时相对于Sobel滤波器Su的中心位置的相对位置(m,n)处的元素值。此外,gu(u,v)表示微分图像gu中的像素位置(u,v)处的像素值(辉度值)。要注意的是,微分图像gu的生成处理仅需要在步骤S805的开始之前执行,并且不限于图8中所示的处理次序。由于在图8中步骤S800的处理与步骤S801和S802的处理并行执行,因此这个并行操作可以有助于减少计算时间。
在步骤S801中,CPU 151针对已经分配了相同标签的第一线坐标点的每个集合(即,形成同一条线的第一线的集合)获得该集合中包括的每个第一线坐标点的线倾斜β。例如,假设v(n)是在感兴趣集合中包括的第一线坐标点中的u坐标值是n(n是整数)的第一线坐标点P(n)的v坐标值。在这种情况下,可以通过计算β=(v(n-1)-v(n+1))/2来获得第一线坐标点P(n)的线倾斜β。要注意的是,在感兴趣集合中具有最小u坐标值的第一线坐标点(=umin)的线倾斜β可以采用与第一线坐标点P(umin+1)的线倾斜β相同的角度。此外,感兴趣集合中具有最大u坐标值的第一线坐标点(umax)的线倾斜β可以采用与第一线坐标点P(umax-1)的线倾斜β相同的角度。以这种方式,在步骤S801中针对每个第一线坐标点获得倾斜。
步骤S802的处理与步骤S306的处理的不同之处仅在于CPU 151将在上述步骤S306中执行的映射生成处理中使用“与捕获图像的每个像素对应的线倾斜”而不是“与捕获图像中的每个像素对应的倾斜角”。
在步骤S803中,CPU 151从形成捕获图像的像素中选择未选择的像素。然后,CPU151获得在步骤S802中生成的映射中的被选像素的像素位置中登记的元素值(倾斜或值“0”)。
在步骤S804中,CPU 151获得与微分图像grot中的被选像素对应的像素值,该微分图像grot是通过根据在步骤S803中获得的元素值组合在步骤S302中生成的微分图像gv和在步骤S800中生成的微分图像gu而获得的。更具体而言,CPU 151可以通过下式计算与微分图像grot中的被选像素对应的像素值
grot(u,v)=gv(u,v)+gu(u,v)tanθ(u,v)...(4)
其中tanθ(u,v)对应于步骤S802中生成的映射中的位置(u,v)中登记的元素值。即,在这个实施例中,由于在生成微分图像grot之前不会在该处理中执行使用三角函数的计算,因此与通过使用三角函数生成微分图像grot的第一实施例相比,可以以更低的计算成本来获得与第一实施例同等的线检测结果。
将更详细地描述这一点。通过使用在第一实施例中生成的映射组合微分图像gv和微分图像gu而获得的微分图像grot可以通过下式计算:
grot(u,v)=gv(u,v)cosθ(u,v)+gu(u,v)sinθ(u,v)...(5)
根据式(5)生成的微分图像grot将是与第一实施例中生成的微分图像grot同等的微分图像。而且,在第一实施例中生成的映射是计算式(5)所需要的,因此需要如上所述的使用三角函数的运算。但是,因为式(5)的右侧可以被修改为式(4)的右手侧,那么式(5)的运算可以由不需要三角函数的运算的式(4)的运算代替。因此,通过式(4)的运算可以在不使用三角函数的情况下获得与第一实施例同等的微分图像grot。要注意的是,在这个实施例中,需要通过仅将微分图像gu添加到第一实施例来执行操作,并且与第一实施例相比减小了总计算量。
在步骤S805中,CPU 151确定是否已经选择捕获图像的每个像素作为被选像素。作为此确定的结果,如果已经选择了捕获图像中的每个像素,那么处理前进到步骤S311,并且如果在捕获图像中仍留有未被选择为被选像素的像素,那么处理返回到步骤S803。通过对捕获图像中的每个像素执行步骤S803和S804的处理,完成捕获图像的微分图像grot。要执行的后续处理与第一实施例的处理相同。
[第三实施例]
在第一实施例和第二实施例中,执行根据图3的流程图的处理和根据图8的流程图的处理,而不管捕获图像中的线的方向。但是,如上所述,由于在每条线几乎平行于u轴方向时从通过在v轴方向上执行微分而获得的微分图像中能够有利地检测线,因此步骤S305和后续步骤的处理以及步骤S800(S801)和后续步骤的处理可以省略。因此,例如,如果捕获图像中的线几乎平行于u轴方向,如图2B中所示,那么当用户确认捕获图像中的线时,用户可以使用操作单元154来指示执行步骤S301至S304的处理(第一处理)。另一方面,假设作为用户确认捕获图像中的线的结果,捕获图像中的线相对于u轴方向倾斜,如图2C中所示。在这种情况下,用户可以使用操作单元154来指示执行第一处理以及步骤S305和后续步骤的处理或步骤S800(S801)和后续步骤的处理(第二处理)。CPU 151将根据来自操作单元154的执行指令执行第一处理或第一处理和第二处理。要注意的是,确定捕获图像中的线是否几乎平行u轴方向或相对于u轴方向倾斜的方法不限于用户的视觉确认。可以通过使用算术处理单元4执行图像处理来进行确定。
此外,可以布置成使得第一处理将由除算术处理单元4之外的设备执行,并且在这种情况下,算术处理单元4将获得由其它设备执行的第一处理的结果。
要注意的是,可以适当地组合上述实施例和变型中的一些或全部。此外,可以选择性地使用上述实施例和变型中的一些或全部。
[第四实施例]
如上所述的三维坐标测量装置100可以在由给定支持构件支持的状态下使用。作为示例,此实施例将描述要被包括在自动机械臂(保持装置)300中并在其中使用的控制系统,如图9中所示。三维坐标测量装置100通过将图案光投影到放置在支持基座350上的待检查物体210并捕获物体的图像来获得图像。随后,通过三维坐标测量装置100的控制单元或从三维坐标测量装置100的控制单元获得图像数据的控制单元310获得物体210的位置和姿势,并且控制单元310获得所获得的位置和姿势的信息。控制单元310通过基于位置和姿势的信息向自动机械臂300发送驱动指令来控制自动机械臂300。自动机械臂300通过布置在其前端的自动机械手(保持单元)等来保持物体210并通过例如平移或旋转物体来移动物体。此外,自动机械臂300可以通过将物体210附接到另一个附件以组装物品来制造诸如电子电路板或机器之类的由多个部件形成的物品。还可以通过处理移动的物体210来制造物品。控制单元310包括诸如CPU之类的运算设备和诸如存储器之类的存储设备。要注意的是,用于控制自动机械的控制单元也可以设置在控制单元310的外部。还要注意的是,由三维坐标测量装置100获得的测量数据和图像可以显示在诸如显示器之类的显示单元320上。
其它实施方式
本发明的(一个或多个)实施例还可以通过读出并执行记录在存储介质(其也可以被更完整地称为“非暂态计算机可读存储介质”)上的计算机可执行指令(例如,一个或多个程序)以执行上述(一个或多个)实施例中的一个或多个实施例的功能的和/或包括用于执行上述(一个或多个)实施例中的一个或多个实施例的功能一个或多个电路(例如,专用集成电路(ASIC))的系统或装置的计算机来实现,以及由该系统或装置的计算机通过例如从存储介质读出并执行计算机可执行指令以执行上述(一个或多个)实施例中的一个或多个实施例的功能和/或控制一个或多个电路执行上述(一个或多个)实施例中的一个或多个实施例的功能而执行的方法来实现。计算机可以包括一个或多个处理器(例如,中央处理单元(CPU)、微处理单元(MPU)),并且可以包括分立的计算机或分立的处理器的网络,以读出并执行计算机可执行指令。计算机可执行指令可以例如从网络或存储介质被提供给计算机。存储介质可以包括例如硬盘、随机存取存储器(RAM)、只读存储器(ROM)、分布式计算系统的存储装置、光盘(诸如紧凑盘(CD)、数字多功能盘(DVD)或蓝光盘(BD)TM)、闪存设备、存储卡等。
其它实施例
本发明的实施例还可以通过如下的方法来实现,即,通过网络或者各种存储介质将执行上述实施例的功能的软件(程序)提供给系统或装置,该系统或装置的计算机或是中央处理单元(CPU)、微处理单元(MPU)读出并执行程序的方法。
虽然已经参考示例性实施例描述了本发明,但是应当理解的是,本发明不限于所公开的示例性实施例。以下权利要求的范围将被赋予最广泛的解释,以便涵盖所有此类修改以及等效的结构和功能。
Claims (11)
1.一种图像处理装置,其特征在于,包括:
获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与该像素对应的线的倾斜,所述图像获得单元被配置为获得包括线的图案已经投影于其上的物体的图像;以及
检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的线。
2.如权利要求1所述的装置,其中获得单元基于在所述图像的微分图像中辉度处于峰值的多个坐标点获得所述多个坐标点中的每一个坐标点的倾斜,并且将对于该坐标点获得的倾斜设置为与所述图像中的对应于该坐标点的像素对应的线的倾斜。
3.如权利要求1所述的装置,其中获得单元生成用于将对于所述图像的微分图像中辉度处于峰值的坐标点获得的线的倾斜登记为与图像中的对应于所述坐标点的像素对应的线的倾斜的映射。
4.如权利要求1所述的装置,其中检测单元通过基于由获得单元对于像素获得的倾斜组合具有水平方向上的微分方向的微分滤波器和具有垂直方向上的微分方向的微分滤波器来生成旋转微分滤波器,通过将旋转微分滤波器应用于像素来生成所述图像的微分图像,并从微分图像中检测线。
5.如权利要求1所述的装置,其中检测单元通过基于包括由获得单元对于像素获得的倾斜的倾斜范围的代表性倾斜组合具有水平方向上的微分方向的微分滤波器和具有垂直方向上的微分方向的微分滤波器来生成旋转微分滤波器,通过将旋转微分滤波器应用于像素来生成所述图像的微分图像,并从微分图像中检测线。
6.如权利要求1所述的装置,其中检测单元从微分图像中检测线,所述微分图像是通过基于由获得单元对于像素获得的倾斜组合通过在水平方向上对所述图像执行微分而获得的微分图像和通过在垂直方向上对图像执行微分而获得的微分图像获得的。
7.如权利要求1所述的装置,还包括被配置为基于通过检测单元检测到的线来测量物体的三维形状的单元。
8.一种系统,其特征在于,包括:
图像处理装置,包括:
获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与像素对应的线的倾斜,所述图像获得单元被配置为获得包括线的图案已经投影于其上的物体的图像,以及
检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的线;以及
自动机械,被配置为基于由图像处理装置获得的测量结果来保持和移动物体。
9.一种制造物品的方法,其特征在于,该方法包括:
通过使用图像处理装置测量物体,所述图像处理装置包括:
获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与像素对应的线的倾斜,所述图像获得单元被配置为获得包括线的图案已经投影于其上的物体的图像,以及
检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的线;以及
通过基于测量结果处理物体来制造物品。
10.一种由图像处理装置执行的图像处理方法,其特征在于,该方法包括:
对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与像素对应的线的倾斜,所述图像获得单元被配置为获得包括线的图案已经投影于其上的物体的图像;以及
基于对于每个像素获得的倾斜来检测所述图像中的线。
11.一种存储计算机程序的非暂态计算机可读存储介质,其特征在于,该计算机程序用于使计算机用作:
获得单元,被配置为对于与从已经由图像获得单元获得的物体的图像检测到的线对应的每个像素,获得与像素对应的线的倾斜,所述图像获得单元被配置为获得包括线的图案已经投影于其上的物体的图像;以及
检测单元,被配置为基于由所述获得单元对于每个像素获得的倾斜来检测所述图像中的线。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-083368 | 2018-04-24 | ||
JP2018083368A JP2019190969A (ja) | 2018-04-24 | 2018-04-24 | 画像処理装置、画像処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110398215A true CN110398215A (zh) | 2019-11-01 |
Family
ID=68237054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910331286.4A Pending CN110398215A (zh) | 2018-04-24 | 2019-04-24 | 图像处理装置和方法,系统,物品制造方法,存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190325593A1 (zh) |
JP (1) | JP2019190969A (zh) |
CN (1) | CN110398215A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111664791A (zh) * | 2020-04-30 | 2020-09-15 | 广东博智林机器人有限公司 | 测量仪和造楼系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020153718A (ja) * | 2019-03-18 | 2020-09-24 | 株式会社リコー | 測定装置及び造形装置 |
GB2584439B (en) * | 2019-06-03 | 2023-02-22 | Inspecvision Ltd | Projector assembly system and method |
US20230147645A1 (en) | 2019-10-18 | 2023-05-11 | Namics Corporation | Polymerizable composition and curable resin composition using same |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008241569A (ja) * | 2007-03-28 | 2008-10-09 | Fuji Electric Holdings Co Ltd | 画像処理装置、画像処理方法および画像処理プログラム |
US20150130906A1 (en) * | 2010-01-20 | 2015-05-14 | Faro Technologies, Inc. | Articulated arm coordinate measurement machine having a 2d camera and method of obtaining 3d representations |
CN105157626A (zh) * | 2015-09-29 | 2015-12-16 | 中国民用航空总局第二研究所 | 一种使用结构光的固定式道面检测装置及方法 |
US20160300356A1 (en) * | 2015-04-10 | 2016-10-13 | Canon Kabushiki Kaisha | Measurement device that measures shape of object to be measured, measurement method, system, and article production method |
US9632036B2 (en) * | 2014-06-09 | 2017-04-25 | Keyence Corporation | Image inspection apparatus, image inspection method, image inspection program, computer-readable recording medium and recording device |
CN108351202A (zh) * | 2016-07-19 | 2018-07-31 | 新日铁住金株式会社 | 形状测定装置和形状测定方法 |
-
2018
- 2018-04-24 JP JP2018083368A patent/JP2019190969A/ja active Pending
-
2019
- 2019-04-15 US US16/383,960 patent/US20190325593A1/en not_active Abandoned
- 2019-04-24 CN CN201910331286.4A patent/CN110398215A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008241569A (ja) * | 2007-03-28 | 2008-10-09 | Fuji Electric Holdings Co Ltd | 画像処理装置、画像処理方法および画像処理プログラム |
US20150130906A1 (en) * | 2010-01-20 | 2015-05-14 | Faro Technologies, Inc. | Articulated arm coordinate measurement machine having a 2d camera and method of obtaining 3d representations |
US9632036B2 (en) * | 2014-06-09 | 2017-04-25 | Keyence Corporation | Image inspection apparatus, image inspection method, image inspection program, computer-readable recording medium and recording device |
US20160300356A1 (en) * | 2015-04-10 | 2016-10-13 | Canon Kabushiki Kaisha | Measurement device that measures shape of object to be measured, measurement method, system, and article production method |
CN105157626A (zh) * | 2015-09-29 | 2015-12-16 | 中国民用航空总局第二研究所 | 一种使用结构光的固定式道面检测装置及方法 |
CN108351202A (zh) * | 2016-07-19 | 2018-07-31 | 新日铁住金株式会社 | 形状测定装置和形状测定方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111664791A (zh) * | 2020-04-30 | 2020-09-15 | 广东博智林机器人有限公司 | 测量仪和造楼系统 |
CN111664791B (zh) * | 2020-04-30 | 2022-02-15 | 广东博智林机器人有限公司 | 测量仪和造楼系统 |
Also Published As
Publication number | Publication date |
---|---|
US20190325593A1 (en) | 2019-10-24 |
JP2019190969A (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Romero-Ramirez et al. | Speeded up detection of squared fiducial markers | |
CN110398215A (zh) | 图像处理装置和方法,系统,物品制造方法,存储介质 | |
US9519968B2 (en) | Calibrating visual sensors using homography operators | |
Wöhler | 3D computer vision: efficient methods and applications | |
US9607406B2 (en) | Size measurement device and size measurement method | |
Herráez et al. | 3D modeling by means of videogrammetry and laser scanners for reverse engineering | |
CN106052591B (zh) | 测量设备、测量方法、系统和物品生产方法 | |
CN110140347A (zh) | 深度图像供应装置和方法 | |
JP2007536652A (ja) | タッチ面に対応するポインタを検出するための装置及び方法 | |
JP2016167229A (ja) | 座標変換パラメータ決定装置、座標変換パラメータ決定方法及び座標変換パラメータ決定用コンピュータプログラム | |
CN108074267A (zh) | 交点检测装置及方法、摄像头校正系统及方法、程序及记录介质 | |
CN208887565U (zh) | 一种非接触式高精度的三维测量系统 | |
CN104567758B (zh) | 立体成像系统及其方法 | |
CN107076669A (zh) | 用于产生物体的三维图像的装置及方法 | |
CN102881040A (zh) | 一种数码相机移动拍摄三维重建方法 | |
JP6425406B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
JP2020512536A (ja) | モデルベースのピーク選択を使用した3dプロファイル決定のためのシステム及び方法 | |
CN109859313B (zh) | 3d点云数据获取方法、装置、3d数据生成方法及系统 | |
Ha et al. | A multi-view structured-light system for highly accurate 3D modeling | |
JP4423347B2 (ja) | 複眼測距装置の検査方法及び検査装置並びにそれに用いるチャート | |
JP6906177B2 (ja) | 交点検出装置、カメラ校正システム、交点検出方法、カメラ校正方法、プログラムおよび記録媒体 | |
JPH076777B2 (ja) | パターンの輪郭検出方法及びこの方法を用いた測長装置 | |
JP2011059009A (ja) | 位置計測対象物、位置計測システム、位置計測用演算装置およびプログラム | |
JP3446020B2 (ja) | 形状計測方法 | |
JP2019168251A (ja) | 形状測定装置、形状測定方法及びプログラム |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191101 |