CN110533677A - 一种基于3d视觉的边缘提取方法及系统 - Google Patents
一种基于3d视觉的边缘提取方法及系统 Download PDFInfo
- Publication number
- CN110533677A CN110533677A CN201910816666.7A CN201910816666A CN110533677A CN 110533677 A CN110533677 A CN 110533677A CN 201910816666 A CN201910816666 A CN 201910816666A CN 110533677 A CN110533677 A CN 110533677A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- edge
- vision
- max
- 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
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
- G06T7/12—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请一种基于3D视觉的边缘提取方法及系统,对完成了初步安装的板材使用点云凹包提取算法进行轮廓提取,对选出的特定范围内的点一一遍历,得到轮廓提取点云;提取基准材料和待安装材料的待对准边缘的边界点云,使用最小二乘法进行直线拟合,解决了现阶段视觉检测方法因板材边缘存在缺陷而导致的精度不足、稳定性差的技术问题,相比较于传统的2D视觉提取方法可以有效消除板材边缘对比度低的影响;鉴于其他工序已逐步应用了3D视觉,本发明从3D视觉出发还可以与其他工序完成软硬件上的配合,弥补结构复杂和成本高的缺陷。
Description
技术领域
本发明属于建筑智能化领域,具体涉及一种基于3D视觉的边缘提取方法及系统。
背景技术
目前建筑行业已逐渐迈向智能化,不仅在安装这一环节使用了智能设备辅助,安装后续的一系列工序也逐步引入了例如机器人、机械臂、工业相机等智能辅助设备。例如,在对板材进行了初步安装后需要利用工业相机对板材的边缘进行提取以便于机器人或机械臂把板材进行拼接,即把邻近两块板材的边缘进行重合消除板材之间的缝隙,而现有技术中这种基于工业化视觉的方法往往存在着因板材边缘有缺陷导致的提取精度差和稳定性差的问题。
因此提供一种提取精度高、稳定性好的适用于建筑板材拼接的边缘提取方法对于建筑自动化和智能化尤为重要。
发明内容
基于此,本发明旨在提供一种利用3D视觉的适用于板材拼接的边缘提取方法及系统,通过对建筑材料例如板材等的三维点云使用凹包提取算法,依次遍历出所有的凹包点,输出凹包点集作为板材的边缘轮廓,以解决现有技术中对板材边缘提取精度差和稳定性差的技术问题。
本发明一种基于3D视觉的边缘提取方法及系统,其步骤包括:
S1.把三维点云平面投影得到投影点云,计算投影点云中y坐标最大的点A,将点A放入输出的凹包M中;
S2.在所述投影点云中计算与点A的距离小于R的点集D,把点集D中所有的点以点A为原点,(0,1)向量为基准进行逆时针排序,将点集D中序号为0的点B放入凹包M中;
S3.在投影点云中计算与点B的距离小于R的点集C,点集C中所有的点以点B为原点,为基准进行逆时针排序,依次索引点集C中的点Ci,其中i=0,1…n,n为点集C中的点数,求过点B和点Ci的半径为R的圆,当点集C中存在点在该圆内,则对点集C中的点继续迭代,否则将该点Ci放入输出的凹包M中;
S4.将步骤S3中Ci的坐标赋值于所述点B,重复步骤S3,直到无法找到新点或者找到的新点已经存在于凹包M中为止,输出凹包M为轮廓边缘点云;
S5.对轮廓边缘点云进行待对准边缘确定和直线拟合,利用得到的拟合方程的方程参数进行自由度计算,完成拼接。
优选地,为了提高运算效率和减少数据处理量,步骤S1之前还包括:
对三维点云进行滤波去噪和降采样。
优选地,为了区分出基准材料和待安装材料,步骤S1之前还包括:
对三维点云进行点云分割,以根据板材安装方向确定基准板材和待安装板材。
优选地,步骤S1中的平面投影为向z=0平面进行投影。
优选地,当三维点云的投影面为z=0时,步骤S5中的待对准边缘确定进一步包括如下步骤:
S51.计算步骤S4得到的轮廓边缘点云中y最大值ymax,最小值ymin,x最大值xmax,x最小值xmin,求取所述轮廓边缘点云的包围盒范围;
S52.提取y坐标在(ymin+(ymax-ymin)*2,ymin+(ymax-ymin)*0.8)之间的子点云,子点云包括左右两个直线边界,其中x大于(xmax+xmin)/2置入点云edgemax,小于(xmax+xmin)/2的点置入点云edgemin,根据安装方向确定基准材料和待安装材料的待对准的边缘。
优选地,当安装方向为从上至下时,所述步骤S52进一步为:
提取x坐标在(xmin+(xmax-xmin)*0.2,xmin+(xmax-xmin)*0.8)之间的子点云,子点云包括上下两个直线边界,其中y大于(ymax+ymin)/2的点置入点云edgemax,y小于(ymax+ymin)/2的点置入点云edgemin,根据材料的相对位置关系确定基准材料和待安装材料的待对准的边缘。
优选地,直线拟合使用最小二乘法。
优选地,步骤S5中的自由度计算进一步包括:
对基准材料和待安装材料之间的夹角和板材距离进行计算。
一种基于3D视觉的边缘提取系统,包括:
三维点云获取单元,图像处理单元、控制单元;
所述三维点云获取单元用于获取基准材料和待安装材料的三维点云;
图像处理单元用于对三维点云进行凹包提取算法,以得到轮廓边缘点云,对轮廓边缘点云进行待对准边缘确定和直线拟合,进而计算自由度;
控制端用于把图像处理单元的计算结果输出至拼接机构,拼接机构根据接收到的计算结果进行拼接作业。
优选地,图像处理单元被配置为可对三维点云进行滤波去噪、降采样和点云分割。
从以上技术方案可以看出,本发明具有以下优点:
本发明提供一种基于3D视觉的边缘提取方法及系统,对完成了初步安装的板材使用点云凹包提取算法进行轮廓提取,提取板材待对准边缘的边界点云,使用最小二乘法进行直线拟合,解决了现阶段视觉检测方法因板材边缘存在缺陷而导致的精度不足、稳定性差的技术问题;本发明为基于3D视觉的边缘提取方法,相比较于传统的2D视觉提取方法可以有效消除板材边缘对比度低的影响;鉴于其他工序已逐步应用了3D视觉,本发明从3D视觉出发还可以与其他工序完成软硬件上的配合,弥补结构复杂和成本高的缺陷;本发明不仅可以应用于在板材拼接时板材之间的边缘提取,还可以应用于其他工序中板材需要与固定建筑物例如横梁、支柱等进行对齐时的边缘提取,适用于不同的工序,有适应性较高的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1本发明一种实施例中基于3D视觉的边缘提取方法实施流程示意图
图2本发明一种实施例中基于3D视觉的边缘提取系统结构示意图
图3本发明一种实施例中待安装墙板轮廓边缘点云示意图
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1和图2,本实施例提供一种适用于墙板拼接的基于3D视觉的边缘提取方法及系统,系统结构包括:3D相机100、图像处理系统110、控制台120、拼接机器人130;
3D相机100用于获取墙板的三维点云并传输至图像处理系统110;
图像处理系统110安装在控制台120上,对三维点云处理的运算结果通过控制台120传输至拼接机器人130使其完成墙板的拼接;
控制台120与拼接机器人130通过总线通信连接,利用通信接口把图像处理系统110的运算结果传输至拼接机器人130指导其完成拼接。
请参考图2,本实施例中对墙板拼接时边缘提取方法步骤如下:
S101.把墙板的三维点云向平面z=0投影得到投影点云P',计算投影点云P'中y坐标最大的点A,将点A放入输出的凹包M中;
S102.在投影点云P'中计算与点A的距离小于R的点集D,把点集D中所有的点以点A为原点,(0,1)向量为基准进行逆时针排序,将点集D中序号为0的点B放入凹包M中;
S103.在投影点云P'中计算与点B的距离小于R的点集C,点集C中所有的点以点B为原点,为基准进行逆时针排序,依次索引点集C中的点Ci,其中i=0,1…n,n为点集C中的点数,求过点B和点Ci的半径为R的圆,当点集C中存在点在该圆内,则对点集C中的点继续迭代,否则将该点Ci放入输出的凹包M中;
S104.将步骤S103中Ci的坐标赋值于所述点B,重复步骤S103,直到无法找到新点或者找到的新点已经存在于所述凹包M中为止,输出所述凹包M为轮廓边缘点云;
S105.对轮廓边缘点云进行待对准边缘确定和直线拟合,利用得到的拟合方程的方程参数进行自由度计算,完成墙板拼接。
对于基准墙板和待安装墙板均进行如步骤S101至S104的操作,得到分别对应于基准墙板和待安装墙板的轮廓边缘点云ML和MR,请参考图3,图3表示待安装墙板的轮廓边缘点云。
其中,步骤S101之前还包括:
对三维点云进行滤波去噪和降采样。
步骤S101之前还包括:
对两个墙板的三维点云进行点云分割,本实施例中墙板安装方向为从左至右,则相对位置在左边的为基准墙板点云,相对位置在右的为待安装墙板点云。
步骤S105中的待对准边缘确定进一步包括如下步骤:
S1051.分别计算轮廓边缘点云ML和MR的y最大值ymax,最小值ymin,x最大值xmax,x最小值xmin,分别求取轮廓边缘点云ML和MR的包围盒范围;
S1052.提取y坐标在(ymin+(ymax-ymin)*2,ymin+(ymax-ymin)*0.8)之间的子点云,子点云包括左右两个直线边界,其中x大于(xmax+xmin)/2置入点云edgemax,小于(xmax+xmin)/2的点置入点云edgemin,对于待安装墙板,其对应的边缘为edgemax1和edgemin1,对于基准墙板,其对应的边缘为edgemax2和edgemin2。
由于本实施例中墙板安装方向为从左至右,可以容易理解得出基准墙板的待对准边缘为edgemax2,待安装墙板的待对准边缘为edgemin1。
使用最小二乘法对两条待对准边缘edgemax2和edgemin1进行直线拟合,得到待安装墙板边缘直线y=k1x+b1,基准墙板边缘直线y=k2x+b2,则两个墙板的夹角和距离的计算可如式(1)-(2)所示,
其中θ表示两个墙板的夹角,d表示两个墙板之间的距离,(x0,y0)表示待安装墙板的待对准边缘edgemin1的质心坐标。
控制台120利用通信接口把上述计算得到的两个墙板的夹角θ和距离d传输至拼接机器人130指导其完成拼接。
下面介绍本发明的另一个实施例,本实施例应用于在板材拼接时待安装的板材需要与已固定的横梁进行边缘对齐,则本实施例中的基准参照材料为已固定的横梁,具体实施步骤如下:
S201.把三维点云向平面z=0投影得到投影点云P',计算投影点云P'中y坐标最大的点A,将点A放入输出的凹包M中;
S202.在投影点云P'中计算与点A的距离小于R的点集D,把点集D中所有的点以点A为原点,(0,1)向量为基准进行逆时针排序,将点集D中序号为0的点B放入凹包M中;
S203.在投影点云P'中计算与点B的距离小于R的点集C,点集C中所有的点以点B为原点,为基准进行逆时针排序,依次索引点集C中的点Ci,其中i=0,1…n,n为点集C中的点数,求过点B和点Ci的半径为R的圆,当点集C中存在点在该圆内,则对点集C中的点继续迭代,否则将该点Ci放入输出的凹包M中;
S204.将步骤S203中Ci的坐标赋值于所述点B,重复步骤S203,直到无法找到新点或者找到的新点已经存在于所述凹包M中为止,输出所述凹包M为轮廓边缘点云;
S205.对轮廓边缘点云进行待对准边缘确定和直线拟合,利用得到的拟合方程的方程参数进行自由度计算,完成拼接。
对于横梁和待安装墙板均进行如步骤S201至S204的操作,得到分别对应于横梁和待安装墙板的轮廓边缘点云MH和MW。
其中,步骤S201之前还包括:
对三维点云进行滤波去噪和降采样。
步骤S201之前还包括:
对横梁和待安装墙板的三维点云进行点云分割,本实施例中横梁位于一固定高度,以该固定高度为分割点,该高度以上的为横梁点云,该高度以下的为待安装墙板点云。
步骤S205中的待对准边缘确定进一步包括如下步骤:
S2051.分别计算轮廓边缘点云MH和MW的y最大值ymax,最小值ymin,x最大值xmax,x最小值xmin,分别求取轮廓边缘点云MH和MW的包围盒范围;
S2052.提取x坐标在(xmin+(xmax-xmin)*0.2,xmin+(xmax-xmin)*0.8)之间的子点云,子点云包括上下两个直线边界,其中y大于(ymax+ymin)/2的点置入点云edgemax,y小于(ymax+ymin)/2的点置入点云edgemin;
对于待安装墙板,其对应的边缘为edgemax1和edgemin1,对于横梁,其对应的边缘为edgemax2和edgemin2。
可以容易理解得出横梁的待对准边缘为edgemin2,待安装墙板的待对准边缘为edgemax1。
使用最小二乘法对两条待对准边缘edgemin2和edgemax1进行直线拟合,得到待安装墙板边缘直线y=k1x+b1,横梁边缘直线y=k2x+b2,则两个墙板的夹角和距离的计算可如式(1)-(2)所示,
其中θ表示横梁与待安装墙板之间的夹角,d表示横梁与待安装墙板之间的距离,(x0,y0)表示待安装墙板的待对准边缘edgemax1的质心坐标,θ和d被传输至拼接机构指导其完成待安装墙板和横梁的边缘对齐。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种基于3D视觉的边缘提取方法,其特征在于,包括:
S1.把三维点云平面投影得到投影点云,计算所述投影点云中y坐标最大的点A,将点A放入输出的凹包M中;
S2.在所述投影点云中计算与所述点A的距离小于R的点集D,把所述点集D中所有的点以所述点A为原点,(0,1)向量为基准进行逆时针排序,将所述点集D中序号为0的点B放入所述凹包M中;
S3.在所述投影点云中计算与所述点B的距离小于R的点集C,把所述点集C中所有的点以所述点B为原点,为基准进行逆时针排序,依次索引所述点集C中的点Ci,其中i=0,1…n,n为点集C中的点数,求过所述点B和所述点Ci的半径为R的圆,当所述点集C中存在点在所述圆内,则对点集C中的点继续迭代,否则将所述点Ci放入输出的所述凹包M中;
S4.将步骤S3中Ci的坐标赋值于所述点B,重复步骤S3,直到无法找到新点或者找到的新点已经存在于所述凹包M中为止,输出所述凹包M为轮廓边缘点云;
S5.对所述轮廓边缘点云进行待对准边缘确定和直线拟合,利用得到的拟合方程的方程参数进行自由度计算,完成拼接。
2.根据权利要求1所述的基于3D视觉的边缘提取方法,其特征在于,
所述步骤S1之前还包括:
对所述三维点云进行滤波去噪和降采样。
3.根据权利要求1所述的基于3D视觉的边缘提取方法,其特征在于,
所述步骤S1之前还包括:
对所述三维点云进行点云分割。
4.根据权利要求1所述的基于3D视觉的边缘提取方法,其特征在于,
所述步骤S1中的平面投影为向z=0平面进行投影。
5.根据权利要求1或4所述的基于3D视觉的边缘提取方法,其特征在于,
所述待对准边缘确定进一步包括如下步骤:
S51.计算步骤S4得到的所述轮廓边缘点云中y最大值ymax,最小值ymin,x最大值xmax,x最小值xmin,求取所述轮廓边缘点云的包围盒范围;
S52.提取y坐标在(ymin+(ymax-ymin)*2,ymin+(ymax-ymin)*0.8)之间的子点云,所述子点云包括左右两个直线边界,其中x大于(xmax+xmin)/2置入点云edgemax,小于(xmax+xmin)/2的点置入点云edgemin,根据安装方向确定基准材料和待安装材料的待对准的边缘。
6.根据权利要求5所述的基于3D视觉的边缘提取方法,其特征在于,
当安装方向为从上至下时,所述步骤S52进一步为:
提取x坐标在(xmin+(xmax-xmin)*0.2,xmin+(xmax-xmin)*0.8)之间的子点云,所述子点云包括上下两个直线边界,其中y大于(ymax+ymin)/2的点置入点云edgemax,y小于(ymax+ymin)/2的点置入点云edgemin,根据材料的相对位置关系确定基准材料和待安装材料的待对准的边缘。
7.根据权利要求1所述的基于3D视觉的边缘提取方法,其特征在于,
所述直线拟合使用最小二乘法。
8.根据权利要求1所述的基于3D视觉的边缘提取方法,其特征在于,
所述自由度计算进一步包括:
对基准材料和待安装材料之间的夹角和距离进行计算。
9.一种基于3D视觉的边缘提取系统,包括:
三维点云获取单元,图像处理单元、控制单元;
所述三维点云获取单元用于获取基准材料和待安装材料的三维点云;
所述图像处理单元用于对三维点云进行凹包提取算法,以得到轮廓边缘点云,对所述轮廓边缘点云进行待对准边缘确定和直线拟合,进而计算自由度;
所述控制端用于把所述图像处理单元的计算结果输出至拼接机构,所述拼接机构根据接收到的计算结果进行拼接作业。
10.根据权利要求8所述的基于3D视觉的边缘提取系统,其特征在于,
所述图像处理单元被配置为可对三维点云进行滤波去噪、降采样和点云分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910816666.7A CN110533677A (zh) | 2019-08-30 | 2019-08-30 | 一种基于3d视觉的边缘提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910816666.7A CN110533677A (zh) | 2019-08-30 | 2019-08-30 | 一种基于3d视觉的边缘提取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533677A true CN110533677A (zh) | 2019-12-03 |
Family
ID=68665830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910816666.7A Pending CN110533677A (zh) | 2019-08-30 | 2019-08-30 | 一种基于3d视觉的边缘提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533677A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112000109A (zh) * | 2020-09-10 | 2020-11-27 | 广西亚像科技有限责任公司 | 电力巡检机器人的位置校正方法、电力巡检机器人及介质 |
CN114061501A (zh) * | 2020-08-06 | 2022-02-18 | 广东博智林机器人有限公司 | 一种架体立柱参数测量方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050474A (zh) * | 2014-06-10 | 2014-09-17 | 上海海洋大学 | 一种基于LiDAR数据的海岛岸线自动提取方法 |
CN107516098A (zh) * | 2017-07-30 | 2017-12-26 | 华南理工大学 | 一种基于边缘曲率角的目标轮廓三维信息提取方法 |
CN107687816A (zh) * | 2017-08-22 | 2018-02-13 | 大连理工大学 | 一种基于点云局部特征提取装配间隙的测量方法 |
CN108280852A (zh) * | 2018-01-16 | 2018-07-13 | 常景测量科技(武汉)有限公司 | 一种基于激光点云数据的门窗点云形状检测方法及系统 |
CN110097588A (zh) * | 2019-04-22 | 2019-08-06 | 西安交通大学 | 一种航发叶片陶瓷型芯点云模型的修型边缘提取方法 |
-
2019
- 2019-08-30 CN CN201910816666.7A patent/CN110533677A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050474A (zh) * | 2014-06-10 | 2014-09-17 | 上海海洋大学 | 一种基于LiDAR数据的海岛岸线自动提取方法 |
CN107516098A (zh) * | 2017-07-30 | 2017-12-26 | 华南理工大学 | 一种基于边缘曲率角的目标轮廓三维信息提取方法 |
CN107687816A (zh) * | 2017-08-22 | 2018-02-13 | 大连理工大学 | 一种基于点云局部特征提取装配间隙的测量方法 |
CN108280852A (zh) * | 2018-01-16 | 2018-07-13 | 常景测量科技(武汉)有限公司 | 一种基于激光点云数据的门窗点云形状检测方法及系统 |
CN110097588A (zh) * | 2019-04-22 | 2019-08-06 | 西安交通大学 | 一种航发叶片陶瓷型芯点云模型的修型边缘提取方法 |
Non-Patent Citations (5)
Title |
---|
FAUSTO BERNARDINI 等: "The ball-pivoting algorithm for surface reconstruction", 《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》 * |
YEWEI11: "从二维点集重建平面形状-浅议凹包算法 - Jumanco&Hide", 《HTTPS://WWW.ITDAAN.COM/BLOG/2015/11/01/CEB6971B0EB6.HTML》 * |
宋冬冬 等: "基于直线拟合的高温板材边缘检测方法", 《工具技术》 * |
杨春伟: "基于视觉导引的板材安装技术的研究", 《万方》 * |
潘荣江 等: "点云曲面边界的提取", 《第二届全国几何设计与计算学术会议》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114061501A (zh) * | 2020-08-06 | 2022-02-18 | 广东博智林机器人有限公司 | 一种架体立柱参数测量方法、装置、电子设备及存储介质 |
CN112000109A (zh) * | 2020-09-10 | 2020-11-27 | 广西亚像科技有限责任公司 | 电力巡检机器人的位置校正方法、电力巡检机器人及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111089569B (zh) | 一种基于单目视觉的大型箱体测量方法 | |
CN110017773B (zh) | 一种基于机器视觉的包裹体积测量方法 | |
CN110458898B (zh) | 相机标定板、标定数据采集方法、畸变校正方法及装置 | |
CN105835507B (zh) | 一种手机盖板玻璃和液晶屏的贴合方法 | |
CN110533677A (zh) | 一种基于3d视觉的边缘提取方法及系统 | |
WO2021093288A1 (zh) | 基于天花板式二维码的仿磁条定位方法及装置 | |
CN106886659A (zh) | 基于三维激光扫描和云平台的钢结构桥梁虚拟预拼和检测方法 | |
CN110910359B (zh) | 一种基于特征跟踪与骨架特征匹配的fpc线路检测方法 | |
CN105160668A (zh) | 图像分割方法、系统与细胞图像分割方法、系统 | |
CN106323286B (zh) | 一种机器人坐标系与三维测量坐标系的变换方法 | |
CN111127553B (zh) | 一种基于多相机的光伏电池串定位方法 | |
CN105563481A (zh) | 一种用于轴孔装配的机器人视觉引导方法 | |
CN103191958B (zh) | 一种板料成形回弹的光学检测方法 | |
Wang et al. | Error analysis and improved calibration algorithm for LED chip localization system based on visual feedback | |
CN107545247A (zh) | 基于双目识别的立体认知方法 | |
CN111340834A (zh) | 基于激光雷达和双目相机数据融合的衬板装配系统及方法 | |
CN102074011A (zh) | 数字图像中任意三角形的检测方法 | |
CN113723389A (zh) | 一种支柱式绝缘子定位方法及装置 | |
CN106447781B (zh) | 一种基于Minkowski和面向自动装配的碰撞检测方法 | |
CN117115390A (zh) | 一种变电站中变电设备的三维模型布局方法 | |
CN116958218A (zh) | 一种基于标定板角点对齐的点云与图像配准方法及设备 | |
CN103177416B (zh) | 一种基于最小二乘法的qr码图像定位方法 | |
CN116051771A (zh) | 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法 | |
CN110298838A (zh) | 一种确定样本图像的方法、装置、设备和存储介质 | |
CN115375762A (zh) | 一种基于三目视觉的电力线三维重构方法 |
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 |
Application publication date: 20191203 |
|
RJ01 | Rejection of invention patent application after publication |