CN110672007A - 一种基于机器视觉的工件表面质量检测方法及系统 - Google Patents
一种基于机器视觉的工件表面质量检测方法及系统 Download PDFInfo
- Publication number
- CN110672007A CN110672007A CN201910902996.8A CN201910902996A CN110672007A CN 110672007 A CN110672007 A CN 110672007A CN 201910902996 A CN201910902996 A CN 201910902996A CN 110672007 A CN110672007 A CN 110672007A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- image
- surface quality
- images
- machine vision
- 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
Images
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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及自动检测技术领域,具体涉及一种基于机器视觉的工件表面质量检测方法及系统,通过对双目摄像机进行标定,计算所述双目摄像机的标定参数;并获取双目摄像机实时拍摄的一对图像,检测所述一对图像各自包含的工件图像;进而根据所述标定参数和所述工件图像得出工件的三维点云信息;最后获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格,从而实现对工件表面进行实时在线的质量检测。
Description
技术领域
本发明涉及自动检测技术领域,具体涉及一种基于机器视觉的工件表面质量检测方法及系统。
背景技术
在工件的生产过程中,由于受机械生产、轧制工艺等因素的影响,往往会导致制成工件在尺寸参数上存在一定的误差,而且在生产的同时也会对工件表面造成凹坑、刮痕等缺陷,可见,工件表面质量检测对于工业高效率生产有着重要的意义。
现有的大多数检测工件质量的技术大多采用人工进行,这种测量方式存在很多问题,诸如:测量精确度低;实时性差,受个体因素影响大,质量难以把控。目前也有测量仪器可进行工件表面质量检测,但大多是非实时、离线的测量。
因此,如何对工件表面进行实时在线的质量检测成为值得研究的问题。
发明内容
为解决上述问题,本发明提供一种基于机器视觉的工件表面质量检测方法及系统,可以对工件进行准确的识别与定位。
为了实现上述目的,本发明提供以下技术方案:
根据本发明第一方面实施例的一种基于机器视觉的工件表面质量检测方法,包括:
对双目摄像机进行标定,计算所述双目摄像机的标定参数;
获取双目摄像机实时拍摄的一对图像,检测所述一对图像各自包含的工件图像;
根据所述标定参数和所述工件图像得出工件的三维点云信息;
获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格。
根据本发明的一些实施例,所述对双目摄像机进行标定,计算所述双目摄像机的标定参数,具体为:
以张氏棋盘标定法对双目摄像机进行标定,获取双目摄像机的内部参数和畸变参数,并通过极线约束对所述畸变参数进行校正,得到所述双目摄像机的标定参数。
根据本发明的一些实施例,所述检测所述一对图像各自包含的工件图像,包括:
对一对所述图像进行灰度处理和高斯滤波,生成一对二值化图像;
采用边缘检测算法分别检测所述二值化图像的边缘轮廓;
将所述边缘轮廓所包含的图像作为工件图像。
根据本发明的一些实施例,所述根据所述标定参数和所述工件图像得出工件的三维点云信息,包括:
采用罗德里格斯变换对所述一对图像进行立体校正,使得所述一对图像的对应点位于同一条水平极线上;
采用SGBM立体匹配算法获取所述一对图像中工件图像的所有对应点,计算所有所述对应点之间的位置偏差得到视差图,根据所述视差图将一对所述工件图像合成为一幅图像;
所述根据所述标定参数和所述一幅图像中各个角点的二维坐标得出所述一幅图像中各个角点的三维坐标,将所述一幅图像中各个角点的三维坐标作为工件的三维点云信息。
根据本发明的一些实施例,所述根据所述标定参数和所述一幅图像中各个角点的二维坐标得出所述一幅图像中各个角点的三维坐标,具体为:
获取相机的标定参数,所述标定参数包括:相机在x轴上的焦距fx,相机在y轴上的焦距fy,相机在x轴上的光圈中心cx,相机在y轴上的光圈中心cy,深度图的缩放因子s,深度图的深度值d;
通过以下公式计算目标工件中心点的三维坐标:
其中,所述一幅图像中角点的总数为n,1≤i≤n,(ui,vi)为所述一幅图像中第i个角点的二维坐标,(xi,yi,zi)为所述一幅图像中第i个角点的三维坐标。
根据本发明的一些实施例,所述获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格,具体为:
提取所述标准参数中所述工件各条轮廓的尺寸,根据所述三维点云信息计算相邻两个角点的距离值;
将所述距离值与所述工件中对应轮廓的尺寸进行比对,计算各条轮廓的偏差比值,将各条轮廓的偏差比值均小于设定阈值的工件作为工件表面质量检测合格的工件。
根据本发明第二方面实施例的一种基于机器视觉的工件表面质量检测系统,包括:控制器、红外传感器和双目摄像头,所述控制器分别与所述红外传感器和双目摄像头连接;
所述红外传感器朝向用于运输工件的传送带,用于当检测到工件到达指定位置时,触发感应信号;
所述控制器,用于响应所述感应信号,触发拍摄指令;
所述双目摄像头设置于传送带一侧,用于响应所述拍摄指令,实时采集指定位置的图像;
所述控制器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于机器视觉的工件表面质量检测程序,所述基于机器视觉的工件表面质量检测程序被所述处理器执行时实现上述任一项所述的基于机器视觉的工件表面质量检测方法。
根据本发明实施例的一种基于机器视觉的工件表面质量检测方法及系统,至少具有如下有益效果:通过对双目摄像机进行标定,计算所述双目摄像机的标定参数;并获取双目摄像机实时拍摄的一对图像,检测所述一对图像各自包含的工件图像;进而根据所述标定参数和所述工件图像得出工件的三维点云信息;最后获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格。从而实现对工件表面进行实时在线的质量检测。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明实施例一种基于机器视觉的工件表面质量检测方法的流程示意图;
图2是本发明实施例步骤S200中的流程示意图;
图3是本发明实施例步骤S300的流程示意图;
图4是本发明实施例一种基于机器视觉的工件表面质量检测系统的结构示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,如图1所示为一种基于机器视觉的工件表面质量检测方法,包括以下步骤:
步骤S100、对双目摄像机进行标定,计算所述双目摄像机的标定参数。
步骤S200、获取双目摄像机实时拍摄的一对图像,检测所述一对图像各自包含的工件图像。
步骤S300、根据所述标定参数和所述工件图像得出工件的三维点云信息。
步骤S400、获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格。
本实施例提供的基于机器视觉的工件表面质量检测方法,采用计算机对图像进行处理,实现对二维或三维场景的识别、检测。仅需捕捉工件的图像,对所述图像采集进行预处理,通过识别工件的三维点云信息,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格。通过图像识别的方式,可实现对工件表面进行实时在线的质量检测。
在一个优选的实施例中,所述步骤S100具体为:
以张氏棋盘标定法对双目摄像机进行标定,获取双目摄像机的内部参数和畸变参数,并通过极线约束对所述畸变参数进行校正,得到所述双目摄像机的标定参数。
在张氏棋盘标定法中,对于单个摄像头的标定,标定的主要目的是提取黑白方格棋盘角点,用平面单应性获得需要的参数,包含有相机结构、以及相机本身工艺和外部环境带来的畸变;通过双目立体校正对左右图像进行畸变消除、外极线共线处理,使左右图像的对应点位于同一条水平极线上,在进行立体匹配时只需沿着水平极线搜索匹配点,提高匹配效率;双目相机进行标定目的就是根据两个相机的内部参数,然后获取两个相机之间的相对位置,使空间物体点和图像平面建立关系与畸变校正。
参考图2,在一个优选的实施例中,所述步骤S200中,检测所述一对图像各自包含的工件图像,包括以下步骤:
步骤S210、对一对所述图像进行灰度处理和高斯滤波,生成一对二值化图像;
步骤S220、采用边缘检测算法分别检测所述二值化图像的边缘轮廓;
步骤S230、将所述边缘轮廓所包含的图像作为工件图像。
参考图3,在一个优选的实施例中,所述步骤S300包括:
步骤S310、采用罗德里格斯变换对所述一对图像进行立体校正,使得所述一对图像的对应点位于同一条水平极线上;
步骤S320、采用SGBM立体匹配算法获取所述一对图像中工件图像的所有对应点,计算所有所述对应点之间的位置偏差得到视差图,根据所述视差图将一对所述工件图像合成为一幅图像;
其中,所述视差图用来描述所述工件图像中的像素的立体深度。
所述SGBM立体匹配算法包括:
(1)预处理:利用水平Sobel算子对被测图像进行预处理;
(2)代价计算:一是对图像经过预处理的梯度信息,经过采样的基本理论获得了梯度代价,二是没经过预处理的原图像利用基本采样理论方法得到的SAD代价。
(3)动态规划:SGBM匹配算法的动态参数是一个固定值。
(4)后处理:包括唯一性检测、左右一致性检测、连通区域的检测。
步骤S330、根据所述标定参数和所述一幅图像中各个角点的二维坐标得出所述一幅图像中各个角点的三维坐标,将所述一幅图像中各个角点的三维坐标作为工件的三维点云信息。
在一个优选的实施例中,所述步骤S330中,根据所述标定参数和所述一幅图像中各个角点的二维坐标得出所述一幅图像中各个角点的三维坐标,具体为:
获取相机的标定参数,所述标定参数包括:相机在x轴上的焦距fx,相机在y轴上的焦距fy,相机在x轴上的光圈中心cx,相机在y轴上的光圈中心cy,深度图的缩放因子s,深度图的深度值d;
通过以下公式计算目标工件中心点的三维坐标:
其中,所述一幅图像中角点的总数为n,1≤i≤n,(ui,vi)为所述一幅图像中第i个角点的二维坐标,(xi,yi,zi)为所述一幅图像中第i个角点的三维坐标。
在一个优选的实施例中,所述步骤S400具体为:
提取所述标准参数中所述工件各条轮廓的尺寸,根据所述三维点云信息计算相邻两个角点的距离值;
将所述距离值与所述工件中对应轮廓的尺寸进行比对,计算各条轮廓的偏差比值,将所述偏差比值小于设定阈值的工件作为工件表面质量检测合格的工件。
在一个示例中,按照工件检测的误差标准,工件测量要求为:按照5%的设定阈值进行判断,将所述偏差比值小于5%的工件作为工件表面质量检测合格的工件。
参考图4,本发明实施例还提供一种基于机器视觉的工件表面质量检测系统,包括:控制器100、红外传感器200和双目摄像头300,所述控制器100分别与所述红外传感器200和双目摄像头300连接;
所述红外传感器200朝向用于运输工件的传送带,用于当检测到工件到达指定位置时,触发感应信号;
所述控制器100,用于响应所述感应信号,触发拍摄指令;
所述双目摄像头300设置于传送带一侧,用于响应所述拍摄指令,实时采集指定位置的图像;
所述控制器100包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于机器视觉的工件表面质量检测程序,所述基于机器视觉的工件表面质量检测程序被所述处理器执行时实现上述任一项所述的基于机器视觉的工件表面质量检测方法。
本实施例利用机器视觉对传送带上待检测的工件进行图像采集和处理,最后检测出轮廓尺寸是否符合生产标准。
在一个示例中,本实施例中的工件表面质量检测过程为:
将工件放置在传送带上,通过所述传送带朝向指定位置运行;当红外传感器200检测到工件到达指定位置时,触发感应信号;所述控制器100响应所述感应信号,触发拍摄指令;从而控制双目摄像头300进行实时抓拍,采集指定位置上包含工件的图像;进而将所述图像传输至控制器100,所述控制器100包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于机器视觉的工件表面质量检测程序,所述基于机器视觉的工件表面质量检测程序被所述处理器执行时实现上述任一项所述的基于机器视觉的工件表面质量检测方法,最终输出工件表面质量检测结果。
所称处理器可以是中央处理单元(Central-Processing-Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor,DSP)、专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、现成可编程门阵列(Field-Programmable-Gate-Arr ay,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于机器视觉的工件表面质量检测系统运行系统的控制中心,利用各种接口和线路连接整个一种基于机器视觉的工件表面质量检测系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于机器视觉的工件表面质量检测系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart-Media-Card,SMC),安全数字(Se cure-Digital,SD)卡,闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (7)
1.一种基于机器视觉的工件表面质量检测方法,其特征在于,包括:
对双目摄像机进行标定,计算所述双目摄像机的标定参数;
获取双目摄像机实时拍摄的一对图像,检测所述一对图像各自包含的工件图像;
根据所述标定参数和所述工件图像得出工件的三维点云信息;
获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格。
2.根据权利要求1所述的一种基于机器视觉的工件表面质量检测方法,其特征在于,所述对双目摄像机进行标定,计算所述双目摄像机的标定参数,具体为:
以张氏棋盘标定法对双目摄像机进行标定,获取双目摄像机的内部参数和畸变参数,并通过极线约束对所述畸变参数进行校正,得到所述双目摄像机的标定参数。
3.根据权利要求2所述的一种基于机器视觉的工件表面质量检测方法,其特征在于,所述检测所述一对图像各自包含的工件图像,包括:
对一对所述图像进行灰度处理和高斯滤波,生成一对二值化图像;
采用边缘检测算法分别检测所述二值化图像的边缘轮廓;
将所述边缘轮廓所包含的图像作为工件图像。
4.根据权利要求1所述的一种基于机器视觉的工件表面质量检测方法,其特征在于,所述根据所述标定参数和所述工件图像得出工件的三维点云信息,包括:
采用罗德里格斯变换对所述一对图像进行立体校正,使得所述一对图像的对应点位于同一条水平极线上;
采用SGBM立体匹配算法获取所述一对图像中工件图像的所有对应点,计算所有所述对应点之间的位置偏差得到视差图,根据所述视差图将一对所述工件图像合成为一幅图像;
所述根据所述标定参数和所述一幅图像中各个角点的二维坐标得出所述一幅图像中各个角点的三维坐标,将所述一幅图像中各个角点的三维坐标作为工件的三维点云信息。
5.根据权利要求4所述的一种基于机器视觉的工件表面质量检测方法,其特征在于,所述根据所述标定参数和所述一幅图像中各个角点的二维坐标得出所述一幅图像中各个角点的三维坐标,具体为:
获取相机的标定参数,所述标定参数包括:相机在x轴上的焦距fx,相机在y轴上的焦距fy,相机在x轴上的光圈中心cx,相机在y轴上的光圈中心cy,深度图的缩放因子s,深度图的深度值d;
通过以下公式计算目标工件中心点的三维坐标:
其中,所述一幅图像中角点的总数为n,1≤i≤n,(ui,vi)为所述一幅图像中第i个角点的二维坐标,(xi,yi,zi)为所述一幅图像中第i个角点的三维坐标。
6.根据权利要求1所述的一种基于机器视觉的工件表面质量检测方法,其特征在于,所述获取工件尺寸的标准参数,将所述三维点云信息与所述标准参数进行比对,根据比对的结果判断所述工件是否合格,具体为:
提取所述标准参数中所述工件各条轮廓的尺寸,根据所述三维点云信息计算相邻两个角点的距离值;
将所述距离值与所述工件中对应轮廓的尺寸进行比对,计算各条轮廓的偏差比值,将各条轮廓的偏差比值均小于设定阈值的工件作为工件表面质量检测合格的工件。
7.一种基于机器视觉的工件表面质量检测系统,其特征在于,包括:控制器、红外传感器和双目摄像头,所述控制器分别与所述红外传感器和双目摄像头连接;
所述红外传感器朝向用于运输工件的传送带,用于当检测到工件到达指定位置时,触发感应信号;
所述控制器,用于响应所述感应信号,触发拍摄指令;
所述双目摄像头设置于传送带一侧,用于响应所述拍摄指令,实时采集指定位置的图像;
所述控制器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于机器视觉的工件表面质量检测程序,所述基于机器视觉的工件表面质量检测程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于机器视觉的工件表面质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910902996.8A CN110672007A (zh) | 2019-09-24 | 2019-09-24 | 一种基于机器视觉的工件表面质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910902996.8A CN110672007A (zh) | 2019-09-24 | 2019-09-24 | 一种基于机器视觉的工件表面质量检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110672007A true CN110672007A (zh) | 2020-01-10 |
Family
ID=69078521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910902996.8A Pending CN110672007A (zh) | 2019-09-24 | 2019-09-24 | 一种基于机器视觉的工件表面质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672007A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415381A (zh) * | 2020-02-27 | 2020-07-14 | 刘杰 | 区块链式即时信号处理平台 |
CN111693089A (zh) * | 2020-06-09 | 2020-09-22 | 安徽江淮汽车集团股份有限公司 | 装配线的产品质量控制方法、装置、设备及存储介质 |
CN112326673A (zh) * | 2020-11-13 | 2021-02-05 | 南京航空航天大学 | 基于机器视觉的注塑件表面缺陷检测方法和装置 |
CN112489025A (zh) * | 2020-12-07 | 2021-03-12 | 南京钢铁股份有限公司 | 一种连铸坯表面凹坑缺陷识别方法 |
CN112802017A (zh) * | 2021-03-30 | 2021-05-14 | 佛山隆深机器人有限公司 | 一种基于工作台的产品外部合格性检测方法及装置 |
CN113390344A (zh) * | 2021-07-06 | 2021-09-14 | 桂林电子科技大学 | 一种阶梯轴的尺寸和几何公差快速检测方法 |
CN113532277A (zh) * | 2021-09-13 | 2021-10-22 | 江苏中车数字科技有限公司 | 板状不规则曲面工件的检测方法及系统 |
CN114266822A (zh) * | 2021-12-22 | 2022-04-01 | 河南淮海精诚工业科技有限公司 | 基于双目机器人的工件质检方法、装置、机器人及介质 |
CN114549412A (zh) * | 2022-01-17 | 2022-05-27 | 湖南视比特机器人有限公司 | 检测工件质量的方法、装置和系统 |
CN115731165A (zh) * | 2022-09-28 | 2023-03-03 | 广州市易鸿智能装备有限公司 | 一种锂电池在线尺寸点检的检测系统及方法 |
WO2023050395A1 (zh) * | 2021-09-30 | 2023-04-06 | 富鼎电子科技(嘉善)有限公司 | 金属产品整形方法及电子装置 |
CN116087217A (zh) * | 2023-04-10 | 2023-05-09 | 湖北工业大学 | 基于机器视觉的工业流水线动态质量检测模块及方法 |
CN117491355A (zh) * | 2023-11-06 | 2024-02-02 | 广州航海学院 | 一种耙齿类大构件立体曲面磨损量视觉检测方法 |
CN114266822B (zh) * | 2021-12-22 | 2024-06-07 | 河南淮海精诚工业科技有限公司 | 基于双目机器人的工件质检方法、装置、机器人及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0581409A (ja) * | 1991-09-19 | 1993-04-02 | Nec Corp | 両眼視方式 |
CN105844692A (zh) * | 2016-04-27 | 2016-08-10 | 北京博瑞空间科技发展有限公司 | 基于双目立体视觉的三维重建装置、方法、系统及无人机 |
CN105894499A (zh) * | 2016-03-25 | 2016-08-24 | 华南理工大学 | 一种基于双目视觉的空间物体三维信息快速检测方法 |
CN106384382A (zh) * | 2016-09-05 | 2017-02-08 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目立体视觉的三维重建系统及其方法 |
CN106969706A (zh) * | 2017-04-02 | 2017-07-21 | 聊城大学 | 基于双目立体视觉的工件检测与三维测量系统及检测方法 |
CN108335350A (zh) * | 2018-02-06 | 2018-07-27 | 聊城大学 | 双目立体视觉的三维重建方法 |
-
2019
- 2019-09-24 CN CN201910902996.8A patent/CN110672007A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0581409A (ja) * | 1991-09-19 | 1993-04-02 | Nec Corp | 両眼視方式 |
CN105894499A (zh) * | 2016-03-25 | 2016-08-24 | 华南理工大学 | 一种基于双目视觉的空间物体三维信息快速检测方法 |
CN105844692A (zh) * | 2016-04-27 | 2016-08-10 | 北京博瑞空间科技发展有限公司 | 基于双目立体视觉的三维重建装置、方法、系统及无人机 |
CN106384382A (zh) * | 2016-09-05 | 2017-02-08 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目立体视觉的三维重建系统及其方法 |
CN106969706A (zh) * | 2017-04-02 | 2017-07-21 | 聊城大学 | 基于双目立体视觉的工件检测与三维测量系统及检测方法 |
CN108335350A (zh) * | 2018-02-06 | 2018-07-27 | 聊城大学 | 双目立体视觉的三维重建方法 |
Non-Patent Citations (1)
Title |
---|
李彪: ""基于双目立体视觉三维重建技术研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415381A (zh) * | 2020-02-27 | 2020-07-14 | 刘杰 | 区块链式即时信号处理平台 |
CN111693089A (zh) * | 2020-06-09 | 2020-09-22 | 安徽江淮汽车集团股份有限公司 | 装配线的产品质量控制方法、装置、设备及存储介质 |
CN112326673B (zh) * | 2020-11-13 | 2022-06-07 | 南京航空航天大学 | 基于机器视觉的注塑件表面缺陷检测方法和装置 |
CN112326673A (zh) * | 2020-11-13 | 2021-02-05 | 南京航空航天大学 | 基于机器视觉的注塑件表面缺陷检测方法和装置 |
CN112489025A (zh) * | 2020-12-07 | 2021-03-12 | 南京钢铁股份有限公司 | 一种连铸坯表面凹坑缺陷识别方法 |
CN112802017A (zh) * | 2021-03-30 | 2021-05-14 | 佛山隆深机器人有限公司 | 一种基于工作台的产品外部合格性检测方法及装置 |
CN113390344A (zh) * | 2021-07-06 | 2021-09-14 | 桂林电子科技大学 | 一种阶梯轴的尺寸和几何公差快速检测方法 |
CN113532277A (zh) * | 2021-09-13 | 2021-10-22 | 江苏中车数字科技有限公司 | 板状不规则曲面工件的检测方法及系统 |
CN113532277B (zh) * | 2021-09-13 | 2021-12-07 | 江苏中车数字科技有限公司 | 板状不规则曲面工件的检测方法及系统 |
WO2023050395A1 (zh) * | 2021-09-30 | 2023-04-06 | 富鼎电子科技(嘉善)有限公司 | 金属产品整形方法及电子装置 |
CN114266822A (zh) * | 2021-12-22 | 2022-04-01 | 河南淮海精诚工业科技有限公司 | 基于双目机器人的工件质检方法、装置、机器人及介质 |
CN114266822B (zh) * | 2021-12-22 | 2024-06-07 | 河南淮海精诚工业科技有限公司 | 基于双目机器人的工件质检方法、装置、机器人及介质 |
CN114549412A (zh) * | 2022-01-17 | 2022-05-27 | 湖南视比特机器人有限公司 | 检测工件质量的方法、装置和系统 |
CN115731165A (zh) * | 2022-09-28 | 2023-03-03 | 广州市易鸿智能装备有限公司 | 一种锂电池在线尺寸点检的检测系统及方法 |
CN115731165B (zh) * | 2022-09-28 | 2023-10-20 | 广州市易鸿智能装备有限公司 | 一种锂电池在线尺寸点检的检测系统及方法 |
CN116087217A (zh) * | 2023-04-10 | 2023-05-09 | 湖北工业大学 | 基于机器视觉的工业流水线动态质量检测模块及方法 |
CN117491355A (zh) * | 2023-11-06 | 2024-02-02 | 广州航海学院 | 一种耙齿类大构件立体曲面磨损量视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672007A (zh) | 一种基于机器视觉的工件表面质量检测方法及系统 | |
CN108381549B (zh) | 一种双目视觉引导机器人快速抓取方法、装置及存储介质 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
US8121400B2 (en) | Method of comparing similarity of 3D visual objects | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN109479082B (zh) | 图象处理方法及装置 | |
EP2194725A1 (en) | Method and apparatus for correcting a depth image | |
JP5342413B2 (ja) | 画像処理方法 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN112184811B (zh) | 单目空间结构光系统结构校准方法及装置 | |
CN113251926B (zh) | 一种不规则物体的尺寸测量方法及测量装置 | |
CN114029946A (zh) | 一种基于3d光栅引导机器人定位抓取的方法、装置及设备 | |
CN114494462A (zh) | 一种基于Yolov5和改进跟踪算法的双目相机测距方法 | |
CN107895344B (zh) | 视频拼接装置及方法 | |
CN111681186A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 | |
CN114612410A (zh) | 一种新型服装检测装置 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN104677911A (zh) | 用于机器视觉检验的检验设备和方法 | |
CN113125434A (zh) | 图像分析系统和控制拍摄样本图像的方法 | |
CN116721156A (zh) | 工件位置定位方法、装置、计算机设备及存储介质 | |
CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
Wu et al. | Lens distortion correction based on one chessboard pattern image | |
CN115100153A (zh) | 基于双目匹配的管内检测方法、装置、电子设备及介质 |
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: 20200110 |
|
RJ01 | Rejection of invention patent application after publication |