CN110689540B - 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法 - Google Patents

一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法 Download PDF

Info

Publication number
CN110689540B
CN110689540B CN201911196537.9A CN201911196537A CN110689540B CN 110689540 B CN110689540 B CN 110689540B CN 201911196537 A CN201911196537 A CN 201911196537A CN 110689540 B CN110689540 B CN 110689540B
Authority
CN
China
Prior art keywords
ball screw
image
curvature
calculation
normal section
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.)
Active
Application number
CN201911196537.9A
Other languages
English (en)
Other versions
CN110689540A (zh
Inventor
李峰平
孙维方
马光
李小刚
张哲铵
闫国柱
吕永好
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaiwei Innovative Intelligent System (zhejiang) Co Ltd
Institute of Laser and Optoelectronics Intelligent Manufacturing of Wenzhou University
Original Assignee
Liaiwei Innovative Intelligent System (zhejiang) Co Ltd
Institute of Laser and Optoelectronics Intelligent Manufacturing of Wenzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liaiwei Innovative Intelligent System (zhejiang) Co Ltd, Institute of Laser and Optoelectronics Intelligent Manufacturing of Wenzhou University filed Critical Liaiwei Innovative Intelligent System (zhejiang) Co Ltd
Priority to CN201911196537.9A priority Critical patent/CN110689540B/zh
Publication of CN110689540A publication Critical patent/CN110689540A/zh
Application granted granted Critical
Publication of CN110689540B publication Critical patent/CN110689540B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20096—Interactive definition of curve of interest
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，包括以下步骤，获取含有原始参数数据的原始滚珠丝杠设计信息模板；通过图像采集设备获取滚珠丝杠法向截面图像；通过图像快速计算方法对采集到的滚珠丝杠法向截面图像进行图像曲率计算，获得其平均图像曲率；通过平均图像曲率获取滚珠丝杠法向截面图像的边缘轮廓信息数据；将原始滚珠丝杠设计信息模板内的原始参数数据与滚珠丝杠法向截面图像的边缘轮廓信息数据进行相关性计算，确定滚珠丝杠双圆弧的区域位置信息；通过最小二乘法进行双圆弧圆心及半径信息数据的拟合，计算得到滚珠丝杠参数。本发明具有测量效率好和使用方便的特点。

Description

一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法
技术领域
本发明涉及视觉测量技术领域，特别涉及一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法。
背景技术
滚珠丝杠关键参数的快速测量在工程应用有着重要的现实意义，接触式测量和光栅投影是目前广泛应用的方法。由于这些方法包含了复杂的附件，同时需要一定的测量时间，难以开发出适合于现场滚珠丝杠测量的便携式系统。电磁涡流也被证明是一种很有前景的几何测量方法；然而，其复杂轮廓的测量机制，尤其是被测件曲率影响、区域尺寸和传感器的耦合关系仍然是影响其在滚珠丝杠测量中应用的关键影响因素。
发明内容
本发明的目的在于，提供一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法。本发明具有测量效率好和使用方便的特点。
本发明的技术方案：一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，包括以下步骤：
S1：建立含有原始参数数据的原始滚珠丝杠设计信息模板；
S2：通过图像采集设备获取滚珠丝杠法向截面图像；
S3：通过图像快速计算方法对采集到的滚珠丝杠法向截面图像进行图像曲率计算，获得其平均图像曲率；
S4：通过平均图像曲率获取滚珠丝杠法向截面图像的边缘轮廓信息数据；
S5：将原始滚珠丝杠设计信息模板内的原始参数数据与滚珠丝杠法向截面图像边缘的轮廓信息数据进行相关性计算，确定滚珠丝杠双圆弧的区域位置信息；
S6：通过最小二乘法进行双圆弧圆心及半径信息数据的拟合，计算得到滚珠丝杠参数。
上述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法中，所述的步骤S3中,图像曲率快速计算方法的算法为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
为卷积运算操作，
Figure DEST_PATH_IMAGE006
为采集的滚珠丝杠法向截面图像。
前述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法中，所述的步骤4中，对滚珠丝杠法向截面图像的边缘轮廓信息数据进行获取的算法为：
Figure 100002_DEST_PATH_IMAGE007
，
Figure DEST_PATH_IMAGE008
，
Figure 100002_DEST_PATH_IMAGE009
，
其中，
Figure 100002_DEST_PATH_IMAGE011
为图像平均曲率矩阵，
Figure DEST_PATH_IMAGE012
，
Figure 100002_DEST_PATH_IMAGE013
为矩阵行数，
Figure DEST_PATH_IMAGE014
为矩阵列数，
Figure DEST_PATH_IMAGE016
为边缘曲率范围，
Figure 100002_DEST_PATH_IMAGE017
为平均曲率阈值，
Figure DEST_PATH_IMAGE018
为最大边缘宽度，则其边缘位置可表述为：
Figure DEST_PATH_IMAGE020
。
前述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法中，所述的步骤5中相关性计算算法为：
Figure DEST_PATH_IMAGE022
，
其中，
Figure DEST_PATH_IMAGE024
为像素点相关值，
Figure 458462DEST_PATH_IMAGE012
，
Figure 89164DEST_PATH_IMAGE013
为矩阵行列序号，
Figure DEST_PATH_IMAGE026
为归一化原始设计轮廓信息模板，
Figure DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE030
为模板行列序号，
Figure DEST_PATH_IMAGE032
为图像边缘信息，M，N为图像最大行列序号，计算完成后，相关值最大像素点即为测量区间的起始点位置。
前述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法中，所述的步骤6中双圆弧圆心及半径的信息数据拟合的算法为：
Figure DEST_PATH_IMAGE034
，
其中
Figure DEST_PATH_IMAGE036
为进行圆弧拟合的第i个像素点位置，N为拟合像素点数量，a, b,c为圆弧表达式的三个系数，圆弧拟合完毕后即可通过三个表达式系数进行圆心及半径信息的获取，其具体算法为：
Figure DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE040
，
Figure DEST_PATH_IMAGE042
，
其中，（x 0, y 0 ）为圆心的坐标，r为圆弧半径。
前述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法中，所述滚珠丝杠参数是滚道内的两个圆弧半径以及两个圆弧的圆心距离。
与现有技术相比，本发明具有以下有益效果：
本发明首先通过图像采集设备获取滚珠丝杠法向截面图像；随后使用图像曲率快速计算方法获取其平均曲率；随后通过平均曲率获得图像的边缘轮廓信息；进而通过原始设计轮廓信息与图像边缘轮廓进行相关性计算，找到滚珠丝杠双圆弧的区域位置信息，最终通过最小二乘法进行双圆弧圆心及半径信息的拟合并计算其关键参数；从而能够克服传统接触式测量方法测量效率低下，易对测量表面造成接触损伤等问题，具有成本低廉和方便使用的特点，采用机器视觉方法进行滚珠丝杠关键参数（指相邻两个滚道圆弧半径以及两个滚道圆弧的圆心距离）的获取，可进行滚珠丝杠关键参数的快速测量，适于进行滚珠丝杠关键参数的在位测量。本发明具备简易轮廓的测量机制，受外界因素较少，从而保证测量的快捷性和精确性。
附图说明
图1是本发明的流程图；
图2是本发明的实施例1中采集到的滚珠丝杠法向截面图像；
图3是本发明的实施例1中图像平均曲率三维图；
图4是本发明的实施例1中滚珠丝杠法向截面图像边缘轮廓特征图；
图5是本发明的实施例1中相关性计算得到的相关系数二维图；
图6是图5的局部放大图；
图7是本发明中实施例1感兴趣区域示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，如图1所示，包括以下步骤，
S1：建立含有原始参数数据的原始滚珠丝杠设计信息模板；
S2：通过图像采集设备获取滚珠丝杠法向截面图像；
S3：通过图像快速计算方法对采集到的滚珠丝杠法向截面图像进行图像曲率计算，获得其平均图像曲率；
S4：通过平均图像曲率对滚珠丝杠法向截面图像的边缘轮廓信息数据进行获取；
S5：将原始滚珠丝杠设计信息模板内的原始参数数据与滚珠丝杠法向截面图像的边缘轮廓信息数据进行相关性计算，确定滚珠丝杠双圆弧的区域位置信息；
S6：通过最小二乘法进行双圆弧圆心及半径信息数据的拟合，计算得到滚珠丝杠参数，所述滚珠丝杠参数是滚道内的两个圆弧半径以及两个圆弧的圆心距离。
所述的步骤S3中,图像曲率快速计算方法的算法为：
Figure DEST_PATH_IMAGE043
其中，
Figure 492332DEST_PATH_IMAGE004
为卷积运算操作，
Figure 217580DEST_PATH_IMAGE006
为采集的滚珠丝杠法向截面图像。
所述的步骤4中，对滚珠丝杠法向截面图像的边缘轮廓信息数据进行获取的算法为：
Figure 304485DEST_PATH_IMAGE007
，
Figure 840509DEST_PATH_IMAGE008
，
Figure 747285DEST_PATH_IMAGE009
，
其中，
Figure 512110DEST_PATH_IMAGE011
为图像平均曲率矩阵，
Figure 719100DEST_PATH_IMAGE012
，
Figure 301391DEST_PATH_IMAGE013
为矩阵行数，
Figure 820097DEST_PATH_IMAGE014
为矩阵列数，
Figure 778826DEST_PATH_IMAGE016
为边缘曲率范围，
Figure 683066DEST_PATH_IMAGE017
为平均曲率阈值，
Figure 436258DEST_PATH_IMAGE018
为最大边缘宽度，则其边缘位置可表述为：
Figure 583206DEST_PATH_IMAGE020
。
所述的步骤5中相关性计算算法为：
Figure 204680DEST_PATH_IMAGE022
，
其中，
Figure DEST_PATH_IMAGE044
为像素点相关值，
Figure 464891DEST_PATH_IMAGE012
，
Figure 123405DEST_PATH_IMAGE013
为矩阵行列序号，
Figure 616704DEST_PATH_IMAGE026
为归一化原始设计轮廓信息模板，
Figure 917235DEST_PATH_IMAGE028
，
Figure 687745DEST_PATH_IMAGE030
为模板行列序号，
Figure 156641DEST_PATH_IMAGE032
为图像边缘信息，M，N为图像最大行列序号，计算完成后，相关值最大像素点即为测量区间的起始点位置。
所述的步骤6中双圆弧圆心及半径的信息数据拟合的算法为：
Figure 12602DEST_PATH_IMAGE034
，
其中
Figure 975878DEST_PATH_IMAGE036
为进行圆弧拟合的第i个像素点位置，N为拟合像素点数量，a, b,c为圆弧表达式的三个系数，圆弧拟合完毕后即可通过三个表达式系数进行圆心及半径信息的获取，其具体算法为：
Figure 335316DEST_PATH_IMAGE038
，
Figure 866791DEST_PATH_IMAGE040
，
Figure 819835DEST_PATH_IMAGE042
，
其中，（x 0, y 0 ）为圆心的坐标，r为圆弧半径。
本发明能够克服传统接触式测量方法测量效率低下，易对测量表面造成接触损伤等问题，具有成本低廉和方便使用的特点，采用机器视觉方法进行滚珠丝杠关键参数（指相邻两个滚道圆弧半径以及两个滚道圆弧的圆心距离）的获取，可进行滚珠丝杠关键参数的快速测量，适于进行滚珠丝杠关键参数的在位测量。本发明具备简易轮廓的测量机制，受外界因素较少，从而保证测量的快捷性和精确性。
实施例1：一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，如图1所示，包括以下步骤，
使用远心镜头对滚珠丝杠法向截形进行连续20次拍摄，其图像如图2所示，经过校准后，每像素分辨力为0.005mm。而连续拍摄的图片肉眼难以看到差别，对其进行相减运算，在相同的成像条件下，传感过程中产生的噪声对图像也有重要的影响。事实上，由于摄像机分辨率的限制，任何微小的变化都会导致测量结果的波动。因此，本案例采用多次测量求平均的方法进行随机噪声的抑制。
对通过图像快速计算方法对采集到的滚珠丝杠法向截面图像进行图像曲率计算，获得其平均图像曲率。以图2为例进行本方法的具体实施，将图像曲率快速计算卷积运算应用于图像，其平均曲率如图3所示，图像边缘周围总是产生相应平均曲率的突变，这一定程度上验证了所提出方法的有效性。使用本方法提出的基于曲率的边缘检测方法，检测到的边缘特征如图4所示。
然后根据原始设计轮廓模板（883像素×291像素），将其与获取图像进行相关性计算，其对应的相关系数二维图如图5所示，其图5局部放大图如图6所示。相关系数最大相关系数出现在坐标点（439，436）处，则该点为测量区间的起始点位置。
因此，感兴趣区域ROI（Region of interest）是位于左上角点（439,436）、和右下角点（1432,727）之间的矩形区域。提取的感兴趣区域如图7所示。根据预先定义的模式，可以方便地将两个滚道圆弧（图7中的虚线矩形区域）从ROI中分离出来。采用最小二乘法即可计算出滚道圆弧和两个滚道圆弧的圆心距离分别为347.194像素、345.955像素和43.543像素。根据校准的像素点尺寸，其对应的物理尺寸分别为：1.7360 mm、1.7298 mm和0.2177mm。
本测量过程中，实验采用了平均多次测量的方法来抑制随机噪声。实验结果汇总在实验结果统计表内，下表为实验结果统计表。
实验序列 滚道圆弧1半径/mm 滚道圆弧2半径/mm 两圆心距离/mm
1 1.736 1.730 0.218
2 1.748 1.728 0.225
3 1.743 1.737 0.226
4 1.750 1.740 0.233
5 1.748 1.728 0.224
6 1.754 1.751 0.242
7 1.754 1.747 0.239
8 1.745 1.740 0.230
9 1.744 1.740 0.229
10 1.752 1.747 0.236
11 1.739 1.736 0.223
12 1.739 1.731 0.221
13 1.743 1.737 0.227
14 1.742 1.735 0.225
15 1.744 1.731 0.224
16 1.749 1.744 0.234
17 1.744 1.736 0.227
18 1.742 1.734 0.224
19 1.739 1.729 0.219
20 1.746 1.732 0.225
平均值 1.745 1.737 0.228
方差 2.50e-05 4.16e-5 3.88e-5
估计两个滚道圆弧半径的平均值和两个滚道圆弧的圆心距离分别为1.7451 mm、1.7367 mm和0.2276 mm。平均值的标准偏差分别为0.0050 mm、0.0064 mm和0.0062mm。

Claims (5)

1.一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，其特征在于，包括以下步骤：
S1：获取含有原始参数数据的原始滚珠丝杠设计信息模板；
S2：通过图像采集设备获取滚珠丝杠法向截面图像；
S3：通过图像快速计算方法对采集到的滚珠丝杠法向截面图像进行图像曲率计算，获得其平均图像曲率；
S4：通过平均图像曲率获取滚珠丝杠法向截面图像的边缘轮廓信息数据；
S5：将原始滚珠丝杠设计信息模板内的原始参数数据与滚珠丝杠法向截面图像的边缘轮廓信息数据进行相关性计算，确定滚珠丝杠双圆弧的区域位置信息；
相关性计算算法为：
Figure DEST_PATH_IMAGE001
，
其中，
Figure 282212DEST_PATH_IMAGE002
为像素点相关值，
Figure DEST_PATH_IMAGE003
，
Figure 992548DEST_PATH_IMAGE004
为矩阵行列序号，
Figure 891234DEST_PATH_IMAGE005
为归一化原始设计轮廓 信息模板，
Figure 867280DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
为模板行列序号，
Figure 830819DEST_PATH_IMAGE008
为图像边缘信息，M，N为图像最大行列序号，计 算完成后，相关值最大像素点即为测量区间的起始点位置；
S6：通过最小二乘法进行双圆弧圆心及半径信息数据的拟合，计算得到滚珠丝杠参数。
2.根据权利要求1所述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，其特征在于，所述的S3中,图像曲率快速计算方法的算法为：
Figure DEST_PATH_IMAGE009
其中，
Figure 411973DEST_PATH_IMAGE010
为卷积运算操作，
Figure DEST_PATH_IMAGE011
为采集的滚珠丝杠法向截面图像。
3.根据权利要求1所述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，其特征在于：所述的S4中，对滚珠丝杠法向截面图像的边缘轮廓信息数据进行获取的算法为：
Figure 934090DEST_PATH_IMAGE012
，
其中，
Figure DEST_PATH_IMAGE013
为图像平均曲率矩阵，
Figure 866274DEST_PATH_IMAGE003
，
Figure 413930DEST_PATH_IMAGE004
为矩阵行数，
Figure 131482DEST_PATH_IMAGE014
为矩阵列数，
Figure DEST_PATH_IMAGE015
为平均曲率阈值，
Figure 840812DEST_PATH_IMAGE016
为最大边缘宽度，则其边缘位置可表述为：
Figure DEST_PATH_IMAGE017
。
4.根据权利要求1所述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，其特征在于，所述的S6中双圆弧圆心及半径的信息数据拟合的算法为：
Figure 994712DEST_PATH_IMAGE018
，
其中
Figure DEST_PATH_IMAGE019
为进行圆弧拟合的第i个像素点位置，N为拟合像素点数量，a, b,c为圆 弧表达式的三个系数，圆弧拟合完毕后通过三个表达式系数进行圆心及半径信息的获取， 其具体算法为：
Figure 64168DEST_PATH_IMAGE020
，
Figure DEST_PATH_IMAGE021
，
Figure 354335DEST_PATH_IMAGE022
，
其中，（x 0, y 0 ）为圆心的坐标，r为圆弧半径。
5.根据权利要求1所述的基于图像曲率快速计算的滚珠丝杠参数视觉测量方法，其特征在于，所述滚珠丝杠参数是滚道内的两个圆弧半径以及两个圆弧的圆心距离。
CN201911196537.9A 2019-11-29 2019-11-29 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法 Active CN110689540B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911196537.9A CN110689540B (zh) 2019-11-29 2019-11-29 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911196537.9A CN110689540B (zh) 2019-11-29 2019-11-29 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法

Publications (2)

Publication Number Publication Date
CN110689540A CN110689540A (zh) 2020-01-14
CN110689540B true CN110689540B (zh) 2020-04-07

Family

ID=69117823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911196537.9A Active CN110689540B (zh) 2019-11-29 2019-11-29 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法

Country Status (1)

Country Link
CN (1) CN110689540B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046271A (zh) * 2015-06-25 2015-11-11 哈尔滨工业大学 基于模板匹配的melf元件定位与检测方法
CN106846330A (zh) * 2016-12-22 2017-06-13 浙江大学宁波理工学院 人体肝脏特征建模及血管模型空间归一方法
CN109164165A (zh) * 2018-10-09 2019-01-08 河南科技大学 基于图像融合的钢丝绳无损检测方法及其装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046271A (zh) * 2015-06-25 2015-11-11 哈尔滨工业大学 基于模板匹配的melf元件定位与检测方法
CN106846330A (zh) * 2016-12-22 2017-06-13 浙江大学宁波理工学院 人体肝脏特征建模及血管模型空间归一方法
CN109164165A (zh) * 2018-10-09 2019-01-08 河南科技大学 基于图像融合的钢丝绳无损检测方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
滚珠丝杠螺纹曲面参数非接触测量系统设计与分析;吴景春;《中国优秀硕士学位论文全文数据库》;20120331;第10-33页 *

Also Published As

Publication number Publication date
CN110689540A (zh) 2020-01-14

Similar Documents

Publication Publication Date Title
CN109190628A (zh) 一种基于机器视觉的板材镰刀弯检测方法
CN115861291B (zh) 基于机器视觉的贴片电路板生产缺陷检测方法
CN112116619A (zh) 一种基于结构约束的多线结构光系统条纹中心线提取方法
Liu et al. Fast dimensional measurement method and experiment of the forgings under high temperature
CN110298853B (zh) 面差视觉检测方法
CN104596439A (zh) 一种基于相位信息辅助的散斑匹配三维测量方法
CN107796826B (zh) 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法
CN113689415A (zh) 一种基于机器视觉的钢管壁厚在线检测方法
CN113436207B (zh) 一种对于规则表面的线结构光条纹中心快速精确提取方法
WO2011156441A1 (en) System and method for determining the position and orientation of a 3d feature
CN108564621B (zh) 用于车辙检测的结构光光条中心提取方法及装置
CN113284189B (zh) 畸变参数标定方法、装置、设备及存储介质
CN109272542A (zh) 一种三维物体体积的确定方法
JP7008409B2 (ja) ひび割れ検出方法
CN112629409A (zh) 一种线结构光条纹中心提取方法
CN109671084B (zh) 一种工件形状的测量方法
CN110689540B (zh) 一种基于图像曲率快速计算的滚珠丝杠参数视觉测量方法
CN108827197B (zh) 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法
CN113077429B (zh) 基于相邻子区相关系数的散斑质量评价方法
CN114494165A (zh) 一种基于聚类的光条提取方法及装置
CN111462216B (zh) 一种圆形阵列标定板中圆心像素坐标确定方法
CN113155057A (zh) 一种使用非特制靶标的线结构光平面标定方法
KR101733028B1 (ko) 영상대조에 따른 에지 변위량 예측 방법
CN117372498A (zh) 一种基于三维点云的多姿态螺栓尺寸测量方法
CN112634443B (zh) 一种用于三维人头测量的数字散斑相关快速实现方法

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