CN110702035A - 一种基于面结构光的家电喷涂质量检测系统及方法 - Google Patents

一种基于面结构光的家电喷涂质量检测系统及方法 Download PDF

Info

Publication number
CN110702035A
CN110702035A CN201911026295.9A CN201911026295A CN110702035A CN 110702035 A CN110702035 A CN 110702035A CN 201911026295 A CN201911026295 A CN 201911026295A CN 110702035 A CN110702035 A CN 110702035A
Authority
CN
China
Prior art keywords
structured light
connecting rod
camera
gray
classifier
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
Application number
CN201911026295.9A
Other languages
English (en)
Inventor
任德均
胡云起
付磊
郜明
邱吕
吴华运
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.)
Qingdao Research Institute Of Sichuan University
Original Assignee
Qingdao Research Institute Of Sichuan 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 Qingdao Research Institute Of Sichuan University filed Critical Qingdao Research Institute Of Sichuan University
Priority to CN201911026295.9A priority Critical patent/CN110702035A/zh
Publication of CN110702035A publication Critical patent/CN110702035A/zh
Pending legal-status Critical Current

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
    • 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
    • G01B11/2545—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 with one projection direction and several detection directions, e.g. stereo
    • 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
    • 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
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T7/0004—Industrial 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
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • 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
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于面结构光的针对灰度差异不明显缺陷的喷涂表面质量检测系统及方法。系统包括：双目相机、结构光投影仪、支架和工控机四大部分，缺陷检测时，面结构光投影仪将编码过的面结构光图案序列投影到待检测喷涂表面，双目相机模块采集待检测喷涂表面图像，解码面结构光，根据三角测量原理，获得喷涂表面深度信息，提取图像灰度特征，用图像灰度特征和深度信息训练分类器，将测试样本输入训练好的分类器中，检测有缺陷的图像。由于训练过程中使用了深度信息，分类器对于灰度差差异不明显的凸起或凹陷缺陷也具有较好的区分能力，可以适应更多类型缺陷的检测任务，也提高了缺陷检测的精度。

Description

一种基于面结构光的家电喷涂质量检测系统及方法
技术领域
本发明涉及喷涂质量视觉检测技术和结构光双目测量技术领域，具体涉及一种基于面结构光的喷涂表面质量检测系统及方法。
背景技术
目前众多家电产品外壳需要经过喷漆处理，喷涂质量受温度、湿度、喷枪到喷涂表面的距离和角度、所喷涂材料的物化性质等多种因素影响。喷涂质量不仅影响产品外型美观，还可能影响产品寿命和使用过程中的安全性。喷涂产品进行喷涂表面质量检测可以有效的控制产品质量，避免次品流向市场，发现产品喷涂缺陷并及时修复损伤，避免造成更大的经济损失。因此一种适应性强可靠性高的喷涂表面质量检测方法非常重要。
传统喷涂表面质量检测采用人工肉眼检测的方法，由工人在照明工具的辅助下用肉眼观察喷涂表面是否存在缺陷，这种检测方式不仅要耗费大量的人力成本，质检工人也容易疲劳，检测标准容易受个人主观感觉影响，因此检测结果具有随机性。
机器视觉技术的引入，很大程度地将人从简单重复的检测工作中解放了出来，一定程度上提高了检测速度，降低了检测成本。目前现有的机器视觉检测通常采用机器学习分类器或深度学习网络处理相机二维图片的方式，是对图像的灰度信息进行分析处理，不包含物体的深度信息，因此对于在图像上具有明显灰度差异的缺陷具有较好的检测效果，但部分喷涂缺陷，如橘皮和挂流，这类缺陷会在喷涂表面形成凹凸，但在图片上没有明显的灰度差异。本专利采用面结构光双目技术，获取了待检测物体表面的灰度信息和深度信息，可以适应更多类型缺陷的检测任务，也提高了缺陷检测的精度。相对于被动视觉的双目技术，结构光双目技术属于主动视觉技术，通过结构光投影模块生成编码结构光，投影到待检测喷涂表面，它解决了待检测表面缺乏纹理时产生的特征点匹配不准确的缺陷，针对大面积纯色表面的检测有较好的表现。
发明内容：
本发明针对以上问题，提出了一种基于格雷编码结构光的喷涂表面质量检测系统，通过将采集到的喷涂表面深度信息和灰度信息输入给机器学习分类器的方法，弥补了二维图片缺少深度信息导致误判的不足。
检测流程如下：
步骤1，利用标定板对双目相机进行标定，获得双目相机内部参数和外部参数；
步骤2，结构光投影仪向待检测喷涂表面投影格雷编码结构光条纹图案；
步骤3，双目相机采集图像，解码结构光，根据双目相机内部参数和外部参数由三角测量原理计算表面各点深度信息，生成深度图；
步骤4，提取训练集图像的深度特征和灰度特征训练分类器，得到一个训练好的专用分类器后，将待检测喷涂表面的深度特征和灰度特征输入训练好的分类器，得到分类结果。
所述家电喷涂质量检测方法，其特征在于，步骤2包括：根据喷涂表面检测精度选取投影的格雷编码结构光条纹图案个数，投影图案越多，分辨率越高，检测精度越高。
所述家电喷涂质量检测方法，其特征在于，步骤3包括：利用标定获得的双目相机内部参数与外部参数，将相机校正为标准外机几何模型；生成的深度图每个像素值与物体到相机的距离成正比。
所述家电喷涂质量检测方法，其特征在于，步骤4包括：分类器训练和测试过程中，其输入既包含灰度特征也包含深度特征。
为实现以上目标，本发明采用了一种基于格雷编码结构光的喷涂表面质量检测系统，由双目相机、结构光投影仪、支架和工控机四大部分组成。
所述支架包含调节相机、投影仪相对位置的横纵连杆，负责支撑的三脚架，将相机、投影仪固定在连杆上的托架；所述双目相机包含左右两个相机与相应的镜头，与工控机相连，受程序控制采集图像；所述结构光投影与工控机相连，编码结构光的产生受程序控制，编码方式采用格雷编码，投影图像序列数量可根据精度要求设定；所述工控机上安装了相机控制程序，编码机构光生成程序，双目结构光算法，机器学习分类器和图形操作界面。
如图2所示，本发明提出的一种基于格雷编码结构光的喷涂表面质量检测系统，由支架、双目相机、结构光投影仪和工控机四大部分组成。所述支架包含三脚架1，高度调节连杆2，左右调节连杆3，光轴夹紧块一4，光轴夹紧块二5，左相机托架8，右相机托架9，结构光光源托架12，前后调节连杆13。三脚架1与高度调节连杆2之间通过螺纹连接固连在一起，高度调节连杆2通过光轴夹紧块一4与左右调节连杆3连接，左右调节连杆3通过光轴夹紧块二5与前后调节连杆13连接，左相机6和右相机7上均装有对应的工业镜头，左相机6、右相机7分别用螺纹连接固连在左相机托架8、右相机托架9上，左相机托架8、右相机托架9可在左右调节连杆3上滑动，调节两相机之间的距离，结构光光源10通过结构光光源托架12与前后调节连杆13相连，结构光光源托架12可在前后调节连杆13上滑动，调节结构光光源10与左相机6和右相机7之间的距离，结构光光源10、左相机6和右相机7均通过数据线与工控机11连接。所述工控机11中装有编码结构光生成程序控制结构光光源10投影格雷编码结构光图案序列，相机控制程序控制左相机6和右相机7采集图像，双目结构光算法解算图片深度信息生成深度图，机器学习分类器用于根据输入的深度图和灰度图判别喷涂表面是否存在缺陷，图像操作界面给用户提供操作接口和可视化的检测结果。
与现有的技术方案相比，本发明的有益效果是：引入了结构光双目系统，可以获得待检测表面的三维信息，而不仅仅是二维灰度信息，对缺陷的描述由二维上升到三维，信息更加丰富，使部分缺陷在灰度特征与合格图像的灰度特征差异不大的情况下，可以通过深度信息加以区分，因此提高了检测精度也拓展了可检测缺陷的种类。
附图说明
图1为本发明喷涂质量检测方法流程图；
图2为本发明喷涂质量检测系统示意图，图中标记为：1-三脚架，2-高度调节连杆，3-左右调节连杆，4-光轴夹紧块一，5-光轴夹紧块二，6-左相机，7-右相机，8-左相机托架，9-右相机托架，10-结构光光源，11-工控机，12-结构光光源托架，13-前后调节连杆；
图3为格雷编码图案示意图；
图4为双目结构光模型成像原理图。
具体实施方式
下面参考附图对本发明的具体实施方式进行详细说明。
实施时，检测流程包含以下步骤：
步骤1，利用标定板对左相机6和右相机7进行标定，分别获得左相机6和右相机7的内部参数和外部参数。
步骤2，根据待检测喷涂表面大小调节结构光光源10、左相机6和右相机7的相对位置，根据检测精度，用户在图像操作界面设定格雷编码结构光序列图案个数。参考图3所示格雷编码图案示意图，当设定投影n个水平格雷编码条纹图案和m个竖直格雷编码条纹图案，水平方向有2n个不同的码值，竖直方向有2m个不同的码值，可生成的深度图的分辨率为2n*2m。
步骤3，结构光光源10受编码结构光生成程序控制，依次将对应的格雷编码结构光条纹图案投影至待检测喷涂表面。
步骤4，左相机6和右相机7受相机控制程序控制采集待检测喷涂表面在每一个格雷编码结构光条纹图案投影下的图片，并将图片序列传输给工控机11。
步骤5，参考图3，在格雷编码结构光模式下，每一张图片下的一条亮条纹或暗条纹代表待检测喷涂表面某点的一位码值，如步骤2所述，投影n+m个格雷编码条纹图案，则图片被n+m位格雷码编码，具有2n+m个不同的码值，结构光解码可获得左相机6和右相机7所采集图片的码值。
步骤6，参考图4，P为待检测喷涂表面一点，左右两个平行四边形分别为左相机6和右相机7成像平面，Ol和Or分别为左相机6和右相机7光心，点Pl(xl,yl)和点Pr(xr,yr)为点P在左相机6和右相机7成像平面上的投影。如步骤5所述，点Pl(xl,yl)和点Pr(xr,yr)具有相同的码值，可以计算点P在左相机6和右相机7的视差，即Pl(xl,yl)和Pr(xr,yr)坐标的差值。
步骤7，实际两相机的成像平面一般不共面，光心不在同一水平高度，需要根据步骤2所得左相机6和右相机7的内部参数和外部参数，将两相机矫正为图4所示的标准模型。Cl(cl x,cl y)、Cr(cr x,cr y)分别为左相机6和右相机7的主点,点P到相机投影中心平面的距离为Z，基线T长度为B，bl、br分别为基线的左半段和右半段。根据几何关系可得：
Figure 425839DEST_PATH_IMAGE001
Figure 342979DEST_PATH_IMAGE002
由上式可得：
根据步骤5计算的视差d=xl-xr，可得：
Figure 49084DEST_PATH_IMAGE004
即可得到点P的深度值。
步骤8，重复步骤5、步骤6即可获得待检测表面所有点的深度值，生成待检测表面深度图。
步骤9，用上述方法提取训练集图像的深度特征和灰度特征，作为分类器的输入，对分类器进行训练，得到一个训练好的专用分类器。
步骤10，对待检测表面重复步骤3至步骤8，将待检测表面的深度特征和灰度特征输入训练好的分类器，分类器输出结果显示在图形操作界面。
以上结合附图对本发明的具体实施方式作了说明，但这些说明不能被理解为限制了本发明的范围，本发明的保护范围由随附的权利要 求书限定，任何在本发明权利要求基础上的改动都是本发明的保护范围。

Claims (7)

1.一种基于面结构光的家电喷涂质量检测方法，其特征在于，包括：
步骤1，利用标定板对双目相机进行标定，获得双目相机内部参数和外部参数；
步骤2，结构光投影仪向待检测喷涂表面投影格雷编码结构光条纹图案；
步骤3，双目相机采集图像，解码结构光，根据双目相机内部参数和外部参数由三角测量原理计算表面各点深度信息，生成深度图；
步骤4，提取训练集图像的深度特征和灰度特征训练分类器，得到一个训练好的专用分类器后，将待检测喷涂表面的深度特征和灰度特征输入训练好的分类器，得到分类结果。
2.如权利要求1所述的一种基于面结构光的家电喷涂质量检测方法，其特征在于，步骤2包括：根据喷涂表面检测精度选取投影的格雷编码结构光条纹图案个数，投影图案越多，分辨率越高，检测精度越高。
3.如权利要求1所述的一种基于面结构光的家电喷涂质量检测方法，其特征在于，步骤3包括：利用标定获得的双目相机内部参数与外部参数，将相机校正为标准外机几何模型；生成的深度图每个像素值与物体到相机的距离成正比。
4.如权利要求1所述的一种基于面结构光的家电喷涂质量检测方法，其特征在于，步骤4包括：分类器训练和测试过程中，其输入既包含灰度特征也包含深度特征。
5.一种基于面结构光的家电喷涂质量检测系统，其特征在于，包括支架、双目相机、结构光投影仪和工控机四大部分。
6.如权利要求5所述的一种基于面结构光的家电喷涂质量检测系统，其特征在于，支架包括：高度调节连杆，左右调节连杆，前后调节连杆，光轴夹紧块，左相机托架，右相机托架，结构光光源托架，三脚架与高度调节连杆之间通过螺纹连接固连在一起，高度调节连杆通过光轴夹紧块与左右调节连杆连接，左右调节连杆通过光轴夹紧块与前后调节连杆连接，左相机托架、右相机托架可在左右调节连杆上滑动，调节两相机之间的距离，结构光光源托架与前后调节连杆相连，结构光光源托架可在前后调节连杆上滑动，调节结构光光源与左相机和右相机之间的距离。
7.如权利要求5所述的一种基于面结构光的家电喷涂质量检测系统，其特征在于，工控机与结构光光源和双目相机通过数据线连接，工控机装有编码结构光生成程序控制结构光光源投影格雷编码结构光图案序列，相机控制程序控制双目相机采集图像，双目结构光算法解算图片深度信息生成深度图，机器学习分类器用于根据输入的深度图和灰度图判别喷涂表面是否存在缺陷，图像操作界面给用户提供操作接口和可视化的检测结果。
CN201911026295.9A 2019-10-25 2019-10-25 一种基于面结构光的家电喷涂质量检测系统及方法 Pending CN110702035A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911026295.9A CN110702035A (zh) 2019-10-25 2019-10-25 一种基于面结构光的家电喷涂质量检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911026295.9A CN110702035A (zh) 2019-10-25 2019-10-25 一种基于面结构光的家电喷涂质量检测系统及方法

Publications (1)

Publication Number Publication Date
CN110702035A true CN110702035A (zh) 2020-01-17

Family

ID=69203530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911026295.9A Pending CN110702035A (zh) 2019-10-25 2019-10-25 一种基于面结构光的家电喷涂质量检测系统及方法

Country Status (1)

Country Link
CN (1) CN110702035A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611425A (zh) * 2020-04-13 2020-09-01 四川深瑞视科技有限公司 基于深度信息的原料处理方法、装置、电子设备及系统
CN111709940A (zh) * 2020-06-19 2020-09-25 湖南恒岳重钢钢结构工程有限公司 一种基于机器视觉的电容缺陷检测方法
CN111982901A (zh) * 2020-08-07 2020-11-24 湖南中环机械涂装有限公司 一种机械设备喷涂效果的智能检测方法
CN112258482A (zh) * 2020-10-23 2021-01-22 广东博智林机器人有限公司 建筑外墙砂浆流坠检测方法及装置
CN112484664A (zh) * 2020-11-26 2021-03-12 江苏国和智能科技有限公司 一种基于激光三维扫描的缺陷识别装置及方法
CN112508894A (zh) * 2020-11-27 2021-03-16 江苏徐工工程机械研究院有限公司 喷涂焰流在线检测方法、装置和系统、工控机和存储介质
CN113763346A (zh) * 2021-08-31 2021-12-07 哈尔滨工业大学（威海） 基于双目视觉的立面作业效果与表面缺陷检测方法
CN114011608A (zh) * 2021-11-26 2022-02-08 航天科工深圳（集团）有限公司 基于数字孪生的喷涂工艺优化系统及其喷涂优化方法
CN114264664A (zh) * 2021-12-22 2022-04-01 上海理工大学 一种基于明暗场和结构光检测的缺陷检测系统
CN117517325A (zh) * 2024-01-04 2024-02-06 江苏海德曼新材料股份有限公司 一种基于机器视觉的铝单板喷涂质量检测分析系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011208941A (ja) * 2010-03-26 2011-10-20 Fujitsu Ltd 欠陥検査装置およびその方法
CN103028816A (zh) * 2012-12-24 2013-04-10 上海电机学院 基于结构光双目视觉传感的焊接装置及方法
CN104778441A (zh) * 2015-01-07 2015-07-15 深圳市唯特视科技有限公司 融合灰度信息和深度信息的多模态人脸识别装置及方法
CN205228505U (zh) * 2015-12-10 2016-05-11 黑龙江八一农垦大学 一种可精确调节的双目视觉实验系统
CN106338521A (zh) * 2016-09-22 2017-01-18 华中科技大学 增材制造表面及内部缺陷与形貌复合检测方法及装置
CN106897675A (zh) * 2017-01-24 2017-06-27 上海交通大学 双目视觉深度特征与表观特征相结合的人脸活体检测方法
CN107917318A (zh) * 2017-12-15 2018-04-17 浙江工业大学 一种双目相机调节位姿的支架
WO2018098551A1 (pt) * 2016-12-01 2018-06-07 Autaza Tecnologia Ltda - Epp Método e sistema para a inspeção automática de qualidade de materiais
CN109030498A (zh) * 2018-07-13 2018-12-18 华中科技大学 一种叶片刀纹及表面缺陷的视觉检测装置及方法
CN109461149A (zh) * 2018-10-31 2019-03-12 泰州市创新电子有限公司 喷漆表面缺陷的智能检测系统及方法
CN109668021A (zh) * 2018-12-14 2019-04-23 河北工程大学 一种双目视觉精密调整支架
CN208795188U (zh) * 2018-09-05 2019-04-26 无锡维胜威信息科技有限公司 一种结构光双目视觉检测系统
CN109829883A (zh) * 2018-12-19 2019-05-31 歌尔股份有限公司 产品质量检测方法及装置
CN109967292A (zh) * 2019-04-18 2019-07-05 中联西北工程设计研究院有限公司 一种基于工件轮廓信息三维重构的自动喷涂系统及其方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011208941A (ja) * 2010-03-26 2011-10-20 Fujitsu Ltd 欠陥検査装置およびその方法
CN103028816A (zh) * 2012-12-24 2013-04-10 上海电机学院 基于结构光双目视觉传感的焊接装置及方法
CN104778441A (zh) * 2015-01-07 2015-07-15 深圳市唯特视科技有限公司 融合灰度信息和深度信息的多模态人脸识别装置及方法
CN205228505U (zh) * 2015-12-10 2016-05-11 黑龙江八一农垦大学 一种可精确调节的双目视觉实验系统
CN106338521A (zh) * 2016-09-22 2017-01-18 华中科技大学 增材制造表面及内部缺陷与形貌复合检测方法及装置
WO2018098551A1 (pt) * 2016-12-01 2018-06-07 Autaza Tecnologia Ltda - Epp Método e sistema para a inspeção automática de qualidade de materiais
CN106897675A (zh) * 2017-01-24 2017-06-27 上海交通大学 双目视觉深度特征与表观特征相结合的人脸活体检测方法
CN107917318A (zh) * 2017-12-15 2018-04-17 浙江工业大学 一种双目相机调节位姿的支架
CN109030498A (zh) * 2018-07-13 2018-12-18 华中科技大学 一种叶片刀纹及表面缺陷的视觉检测装置及方法
CN208795188U (zh) * 2018-09-05 2019-04-26 无锡维胜威信息科技有限公司 一种结构光双目视觉检测系统
CN109461149A (zh) * 2018-10-31 2019-03-12 泰州市创新电子有限公司 喷漆表面缺陷的智能检测系统及方法
CN109668021A (zh) * 2018-12-14 2019-04-23 河北工程大学 一种双目视觉精密调整支架
CN109829883A (zh) * 2018-12-19 2019-05-31 歌尔股份有限公司 产品质量检测方法及装置
CN109967292A (zh) * 2019-04-18 2019-07-05 中联西北工程设计研究院有限公司 一种基于工件轮廓信息三维重构的自动喷涂系统及其方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
肖汝宁等: "改进格雷码结构光双目视觉工件３Ｄ测量", 《计算机测量与控制》 *
胡继文: "铝型材表面喷涂质量的图像检测与研究", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 *
迟剑宁等: "融合深度网络和浅层纹理特征的甲状腺结节癌变超声图像诊断", 《中国图象图形学报》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611425A (zh) * 2020-04-13 2020-09-01 四川深瑞视科技有限公司 基于深度信息的原料处理方法、装置、电子设备及系统
CN111709940B (zh) * 2020-06-19 2023-06-27 湖南恒岳重钢钢结构工程有限公司 一种基于机器视觉的电容缺陷检测方法
CN111709940A (zh) * 2020-06-19 2020-09-25 湖南恒岳重钢钢结构工程有限公司 一种基于机器视觉的电容缺陷检测方法
CN111982901A (zh) * 2020-08-07 2020-11-24 湖南中环机械涂装有限公司 一种机械设备喷涂效果的智能检测方法
CN112258482A (zh) * 2020-10-23 2021-01-22 广东博智林机器人有限公司 建筑外墙砂浆流坠检测方法及装置
CN112484664A (zh) * 2020-11-26 2021-03-12 江苏国和智能科技有限公司 一种基于激光三维扫描的缺陷识别装置及方法
CN112508894A (zh) * 2020-11-27 2021-03-16 江苏徐工工程机械研究院有限公司 喷涂焰流在线检测方法、装置和系统、工控机和存储介质
CN112508894B (zh) * 2020-11-27 2023-10-03 江苏徐工工程机械研究院有限公司 喷涂焰流在线检测方法、装置和系统、工控机和存储介质
CN113763346A (zh) * 2021-08-31 2021-12-07 哈尔滨工业大学（威海） 基于双目视觉的立面作业效果与表面缺陷检测方法
CN113763346B (zh) * 2021-08-31 2023-12-01 哈尔滨工业大学（威海） 基于双目视觉的立面作业效果与表面缺陷检测方法
CN114011608A (zh) * 2021-11-26 2022-02-08 航天科工深圳（集团）有限公司 基于数字孪生的喷涂工艺优化系统及其喷涂优化方法
CN114264664A (zh) * 2021-12-22 2022-04-01 上海理工大学 一种基于明暗场和结构光检测的缺陷检测系统
CN117517325A (zh) * 2024-01-04 2024-02-06 江苏海德曼新材料股份有限公司 一种基于机器视觉的铝单板喷涂质量检测分析系统
CN117517325B (zh) * 2024-01-04 2024-04-02 江苏海德曼新材料股份有限公司 一种基于机器视觉的铝单板喷涂质量检测分析系统

Similar Documents

Publication Publication Date Title
CN110702035A (zh) 一种基于面结构光的家电喷涂质量检测系统及方法
US11115633B2 (en) Method and system for projector calibration
US20160275720A1 (en) Method for producing photorealistic 3d models of glasses lens
CN108592788B (zh) 一种面向喷涂生产线的3d智能相机系统与工件在线测量方法
CN105682310B (zh) 基于图像质量控制的组合照明装置及方法
CN110455815B (zh) 一种电子元器件外观缺陷检测的方法及系统
CN101697233A (zh) 一种基于结构光的三维物体表面重建方法
CN110308153A (zh) 基于单目立体视觉的金属工件缺陷检测方法、系统、存储介质、以及装置
CN106918306A (zh) 基于光场单相机的工业产品三维形貌实时检测系统
CN103644852A (zh) 一种镜片膜厚度自动检测系统
CN110261069B (zh) 一种用于光学镜头的检测方法
CN110119258B (zh) 一种显示屏与光学系统位置测试与调整方法和系统
CN107255903A (zh) 一种基于牛顿环测量镜头焦距的方法
Gorevoy et al. Optimal calibration of a prism-based videoendoscopic system for precise 3D measurements
CN108124152A (zh) 头戴式显示设备的畸变测量方法及系统
CN114280075A (zh) 一种管类零件表面缺陷在线视觉检测系统及检测方法
CN104766310B (zh) 光源检测系统和检测方法
CN109373904A (zh) 三维视觉检测装置及三维视觉检测方法
CN108198226B (zh) 一种陶瓷颜色识别方法、电子设备、存储介质及装置
CN111738971A (zh) 一种基于线激光双目立体视觉的电路板立体扫描检测方法
CN111263137B (zh) 单图像的畸变检测处理方法
CN110842930A (zh) 基于dlp和相机标定的用于机器人的视觉装置及测量方法
CN106846302B (zh) 一种工具正确取件的检测方法及基于此方法的考核台
CN110632735A (zh) 一种激光直接成像系统中最佳焦面的查找方法
CN110514662B (zh) 一种多光源融合的视觉检测系统

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: 20200117