CN110751692B - 一种摄像机成像误差标定方法与矫正方法 - Google Patents
一种摄像机成像误差标定方法与矫正方法 Download PDFInfo
- Publication number
- CN110751692B CN110751692B CN201910842312.XA CN201910842312A CN110751692B CN 110751692 B CN110751692 B CN 110751692B CN 201910842312 A CN201910842312 A CN 201910842312A CN 110751692 B CN110751692 B CN 110751692B
- Authority
- CN
- China
- Prior art keywords
- coordinate
- coordinates
- calibration
- camera
- calibration plate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012937 correction Methods 0.000 title claims abstract description 50
- 238000003384 imaging method Methods 0.000 title claims abstract description 33
- 230000003287 optical effect Effects 0.000 claims description 39
- 238000005457 optimization Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 abstract description 5
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种摄像机成像误差标定与矫正方法,通过引入二次标定模型,解决了目前普遍使用的最小二乘法标定所造成的矫正精度不高,无法对相机安装误差进行矫正等问题,能够高精度地同时矫正畸变和透视变形,实现了标定板特征点的矫正坐标与理想坐标完全重合,并通过插值算法将特征点的校正参数引入到非特征点中,实现了整个图像的高精度矫正。并且,传统的标定方法需对多张标定板的图像进行处理,本发明只需对一张标定板的图像进行处理,简化了标定的过程,极大地降低了标定工作的时间与复杂度。
Description
技术领域
本发明涉及视觉矫正领域,尤其涉及一种摄像机成像误差标定与矫正方法。
背景技术
在计算机视觉领域,有一个重要的应用是要对空间中某平面上的形状准确地成像以便对其进行精密测量。由于摄像机透镜的制造精度以及组装工艺的偏差会导致畸变,而摄像机成像平面与物体平面不平行会导致透视变形,两者均会导致成像结果的失真。为了矫正失真,需要对成像系统的误差进行标定。目前常用的标定方法和对应的缺陷有以下三种:
1、传统的相机标定
最简单的相机标定为线性标定,即不考虑相机的畸变而只考虑空间坐标转换。
每个坐标点有X,Y两个变量,可列两个方程,相机内参有5个未知数,外参平移和旋转各3个,共有11个变量,因此至少需要6个特征点来求解。本方法的缺点是把相机当作理想成像,未考虑畸变,导致标定结果误差很大。
2、非线性标定
当镜头畸变明显时必须考虑畸变,这时线性模型转化为非线性模型,需要通过非线性标定方法求解。有最速下降法、遗传算法、高斯牛顿法和神经网络算法等。本方法的缺点是:求解不稳定,计算精度与模型准确度往往发生冲突,而且不能标定相机安装误差造成的透视变形。
3、张正友标定
张正友标定只考虑了径向畸变,没有考虑切向畸变,对内外参应用最小二乘方法估计实际存在的径向畸变的畸变系数(忽略切向畸变),最后通过极大似然法进行优化,得到精度较高的解。本方法的缺点是:由于参数求得的是最小二乘解,精度有限。同时未考虑镜头切向畸变与相机安装误差,对畸变的矫正效果不好,不能矫正透视变形。
由此可见,目前还未有一个较好的标定和矫正方法能够高精度地同时矫正畸变和透视变形。
因此,现有技术存在缺陷,需要改进。
发明内容
本发明的目的是克服现有技术的不足,提供一种摄像机成像误差标定与矫正方法。
本发明的技术方案如下:提供一种摄像机成像误差标定方法,包括以下步骤:
步骤1:将标定板放在待测平面上,用摄像机拍摄标定板,将拍摄的原始图像发送至成像处理设备;
步骤2:成像处理设备读取所述原始图像,判断是否存在标定板,寻找并记录标定板的特征点像素坐标Pg;
步骤3:设摄像机成像光心为P,其像素坐标为(Px,Py),光心P的初始值设为图像中心,用最靠近光心的4个特征点计算出摄像机每个像素的实际大小dx、dy以及标定板的旋转角度-θ;
步骤4:计算出dx、dy、-θ之后,根据光心坐标P以及标定板特征点的实际长度lx,ly,建立标定板特征点的理想坐标Pn,同时,根据多参数畸变模型联立理想坐标Pn-像素坐标Pg之间的N组方程,N指标定板特征点的个数,要求N大于畸变模型参数的个数,可求得相机畸变多参数模型的最小二乘解X;
步骤5:由于步骤4求得的最小二乘解是基于光心坐标求得,但光心坐标未知,通过优化算法求得光心坐标的准确值;
步骤6:通过优化算法求得光心坐标P的准确值之后,再根据步骤4求出标定板特征点的理想坐标Pn与畸变模型参数的最小二乘解X;
步骤7:通过步骤6求得的仍然是最小二乘解,意味着每个特征点的矫正坐标与理想坐标并不能完全重合,只是在求解空间里距离差最小的优化解,因此通过二次标定实现标定板特征点矫正坐标与理想坐标完全重合,算法流程如下:
7.1:将原始图像中的特征点实际像素坐标Pg代入步骤6中的多参数畸变模型中进行矫正,获得一次矫正坐标Pc;
7.2:建立2参数误差模型,联立理想坐标Pn与一次矫正坐标Pc解得 2参数误差模型的N组解析解;
7.3:通过插值算法计算得到特征点之间的普通点的二次矫正参数。
进一步地,所述步骤4中,建立标定板特征点的理想坐标Pn的方法如下:
以P(i,j-1)为基点:
以P(i-1,j)为基点:
以P(i-1,j-1)为基点:
得:
进一步地,在所述步骤5中,通过优化算法求得光心坐标的准确值的优化迭代流程如下:
将理想坐标Pn代入多参数畸变模型,求得该模型下理想坐标畸变后的坐标Pd;
用畸变坐标Pd与像素坐标Pg之间的距离的和作为损失函数利用优化算法进行优化求解,所述损失函数为:argmin(∑||PdPg||)。
进一步地,所述优化算法为遗传算法、梯度算法或牛顿法等。
进一步地,在所述步骤1中,用摄像机拍摄一张标定板的图像。
本发明还提供一种摄像机成像误差矫正方法,方法如下:
遍历矫正图像中的每一个像素的坐标Pn,将Pn代入其对应的二次矫正模型参数,获得一次矫正后的坐标Pc;
将一次矫正坐标Pc代入多参数畸变模型,求得原始图像坐标Pg;
如果求得的原始图像坐标Pg非整数,则通过差值法求得Pg的色彩值,并将所述色彩值填充到像素坐标Pn中。
进一步地,所述插值法为双线性插值法或双三次插值法。
采用上述方案,本发明通过引入二次标定模型,解决了目前普遍使用的最小二乘法标定所造成的矫正精度不高,无法对相机安装误差进行矫正等问题,能够高精度地同时矫正畸变和透视变形,实现了标定板特征点的矫正坐标与理想坐标完全重合,并通过插值算法将特征点的校正参数引入到非特征点中,实现了整个图像的高精度矫正。并且,传统的标定方法需对多张标定板的图像进行处理,本发明只需对一张标定板的图像进行处理,简化了标定的过程,极大地降低了标定工作的时间与复杂度。
附图说明
图1为本发明摄像机成像误差标定方法的流程图。
图2为本发明摄像机成像误差矫正方法的流程图
具体实施方式
以下结合附图和具体实施例,对本发明进行详细说明。
请参阅图1,本发明提供一种摄像机成像误差标定方法,包括以下步骤:
步骤1:将标定板放在待测平面上,用摄像机拍摄标定板,将拍摄的原始图像发送至成像处理设备。其中,标定板为精密标定板,将其放在强度高、变形小的基板上刻写规则图样,其图样刻写的精度决定了本发明所公布的方法能达到的精度上限。一般采用传统的标定方法,需要将标定板放在摄像机前从不同距离不同位置不同的角度拍摄多张图像,一般需要拍摄 20张以上数量的图像,然后对多张图像进行处理,在本发明中,只需用摄像机架好,拍摄一张标定板的图像即可,后续只需对一张图像进行处理。
步骤2:成像处理设备读取所述原始图像,判断是否存在标定板,寻找并记录标定板的特征点像素坐标Pg。
步骤3:设摄像机成像光心为P,其像素坐标为(Px,Py),光心P的初始值设为图像中心,我们可以认为光心附近的畸变很小,可忽略,因此可用最靠近光心的4个特征点计算出摄像机每个像素的实际大小dx、dy以及标定板的旋转角度-θ。
步骤4:计算出dx、dy、-θ之后,根据光心坐标P以及标定板特征点的实际长度lx,ly,建立标定板特征点的理想坐标Pn,标定板特征点的实际长度lx,ly指的是标定板每个棋盘格的长度与宽度,同时,从原始图像中读取到了特征点像素坐标Pg,我们可以根据多参数畸变模型联立“理想坐标Pn-像素坐标Pg”之间的N组方程,N指标定板特征点的个数,要求N大于畸变模型参数的个数,可求得相机畸变多参数模型的最小二乘解X,所述多参数畸变模型是针对相机镜头生产误差的建模,也就是一种相机镜头畸变的模型,此为现有的模型,在此不再过多描述。
建立标定板特征点的理想坐标Pn的方法如下:
以P(i,j-1)为基点:
以P(i-1,j)为基点:
以P(i-1,j-1)为基点:
得:
确定理想点之后,我们有有(row*col-1)组实际-理想点对(排除基点,因为太接近原点),可写出2*(row*col-1)组方程来确定7个未知数,因此我们求的是最小二乘解。
步骤5:由于步骤4求得的最小二乘解是基于光心坐标求得,但光心坐标未知,我们以图像中心坐标作为其初始值,通过优化算法求得光心坐标的准确值,通过优化算法求得光心坐标的准确值的优化迭代流程如下:
5.1:给定初始光心位置,根据步骤3与步骤4求得标定板特征点的理想坐标Pn与相机多参数畸变模型的最小二乘解X;
5.2:将理想坐标Pn代入多参数畸变模型,求得该模型下理想坐标畸变后的坐标Pd;
5.3:由于特征点的理想坐标Pn、畸变模型参数X、理想坐标畸变后坐标Pd都是基于光心坐标P计算得来的,我们可认为,如果光心坐标P准确,理想坐标畸变后坐标Pd与原始图像中特征点实际坐标Pg应该重合。因此我们可以使用畸变坐标Pd与像素坐标Pg之间的距离的和作为损失函数利用优化算法进行优化求解,所述损失函数为:argmin(∑||PdPg||)。所述优化算法可以为遗传算法、梯度算法或牛顿法等。
步骤6:通过优化算法求得光心坐标P的准确值之后,再根据步骤4求出标定板特征点的理想坐标Pn与畸变模型参数的最小二乘解X。
步骤7:通过步骤6求得的仍然是最小二乘解,意味着每个特征点的矫正坐标与理想坐标并不能完全重合,只是在求解空间里距离差最小的优化解。下面,我们引入二次标定,通过二次标定实现标定板特征点矫正坐标与理想坐标完全重合,算法流程如下:
7.1:将原始图像中的特征点实际像素坐标Pg代入步骤6求出的多参数畸变模型中进行矫正,获得一次矫正坐标Pc;
7.2:建立2参数误差模型,联立“理想坐标Pn与一次矫正坐标Pc”解得2参数误差模型的N组解析解,每个特征点都可以求出一组参数的解析解,则每个“理想坐标Pn-一次矫正坐标Pc”对都能求出2参数误差模型的解析解,可以求出N组2参数误差模型的解,每个特征点对应一组解;
7.3:通过插值算法计算得到特征点之间的普通点的二次矫正参数,插值法有线性插值法、双线性插值法、双三次插值法等,都是已经公开的算法,在此不做具体描述。
以上可求得所有矫正后像素的一次和二次矫正参数,因此标定已完成。
请参阅图2,本发明还提供一种摄像机成像误差矫正方法,包括:
根据上述的标定方法,获得了所有矫正后像素的矫正参数,我们要根据这些参数求得矫正图像中每一像素所对应的原始像素的坐标,方法如下:
遍历矫正图像中的每一个像素的坐标Pn,将Pn代入其对应的二次矫正模型参数,获得一次矫正后的坐标Pc;
将一次矫正坐标Pc代入多参数畸变模型,求得原始图像坐标Pg;
如果求得的原始图像坐标Pg不为整数,则需根据Pg周边的像素点的色彩值,通过差值法求得Pg的色彩值,并将所述色彩值填充到像素坐标Pn 中。所述插值法为双线性插值法或双三次插值法等。
综上所述,本发明通过引入二次标定模型,解决了目前普遍使用的最小二乘法标定所造成的矫正精度不高,无法对相机安装误差进行矫正等问题,能够高精度地同时矫正畸变和透视变形,实现了标定板特征点的矫正坐标与理想坐标完全重合,并通过插值算法将特征点的校正参数引入到非特征点中,实现了整个图像的高精度矫正。并且,传统的标定方法需对多张标定板的图像进行处理,本发明只需对一张标定板的图像进行处理,简化了标定的过程,极大地降低了标定工作的时间与复杂度。
以上仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种摄像机成像误差标定方法,其特征在于,包括以下步骤:
步骤1:将标定板放在待测平面上,用摄像机拍摄标定板,将拍摄的原始图像发送至成像处理设备;
步骤2:成像处理设备读取所述原始图像,判断是否存在标定板,寻找并记录标定板的特征点像素坐标Pg;
步骤3:设摄像机成像光心为P,其像素坐标为(Px,Py),光心P的初始值设为图像中心,用最靠近光心的4个特征点计算出摄像机每个像素的实际大小dx、dy以及标定板的旋转角度-θ;
步骤4:计算出dx、dy、-θ之后,根据光心坐标P以及标定板特征点的实际长度lx,ly,建立标定板特征点的理想坐标Pn,同时,根据多参数畸变模型联立理想坐标Pn-像素坐标Pg之间的N组方程,N指标定板特征点的个数,要求N大于畸变模型参数的个数,可求得相机畸变多参数模型的最小二乘解X;
步骤5:由于步骤4求得的最小二乘解是基于光心坐标求得,但光心坐标未知,通过优化算法求得光心坐标的准确值;
步骤6:通过优化算法求得光心坐标P的准确值之后,再根据步骤4求出标定板特征点的理想坐标Pn与畸变模型参数的最小二乘解X;
步骤7:通过步骤6求得的仍然是最小二乘解,意味着每个特征点的矫正坐标与理想坐标并不能完全重合,只是在求解空间里距离差最小的优化解,因此通过二次标定实现标定板特征点矫正坐标与理想坐标完全重合,算法流程如下:
7.1:将原始图像中的特征点实际像素坐标Pg代入步骤6中的多参数畸变模型中进行矫正,获得一次矫正坐标Pc;
7.2:建立2参数误差模型,联立理想坐标Pn与一次矫正坐标Pc解得2参数误差模型的N组解析解;
7.3:通过插值算法计算得到特征点之间的普通点的二次矫正参数。
3.根据权利要求1所述的摄像机成像误差标定方法,其特征在于,在所述步骤5中,通过优化算法求得光心坐标的准确值的优化迭代流程如下:
将理想坐标Pn代入多参数畸变模型,求得该模型下理想坐标畸变后的坐标Pd;
用畸变坐标Pd与像素坐标Pg之间的距离的和作为损失函数利用优化算法进行优化求解,所述损失函数为:argmin(∑||PdPg||)。
4.根据权利要求3所述的摄像机成像误差标定方法,其特征在于,所述优化算法为遗传算法、梯度算法或牛顿法。
5.根据权利要求1所述的摄像机成像误差标定方法,其特征在于,在所述步骤1中,用摄像机拍摄一张标定板的图像。
6.一种摄像机成像误差矫正方法,其特征在于,根据权利要求1所述的摄像机成像误差标定方法获得所有矫正后像素的矫正参数,根据获得的矫正参数求得矫正图像中每一像素所对应的原始像素的坐标,方法如下:
遍历矫正图像中的每一个像素的坐标Pn,将Pn代入其对应的二次矫正模型参数,获得一次矫正后的坐标Pc;
将一次矫正坐标Pc代入多参数畸变模型,求得原始图像坐标Pg;
如果求得的原始图像坐标Pg非整数,则通过插值法求得Pg的色彩值,并将所述色彩值填充到像素坐标Pn中。
7.根据权利要求6所述的摄像机成像误差矫正方法,其特征在于,所述插值法为双线性插值法或双三次插值法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910842312.XA CN110751692B (zh) | 2019-09-06 | 2019-09-06 | 一种摄像机成像误差标定方法与矫正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910842312.XA CN110751692B (zh) | 2019-09-06 | 2019-09-06 | 一种摄像机成像误差标定方法与矫正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751692A CN110751692A (zh) | 2020-02-04 |
CN110751692B true CN110751692B (zh) | 2022-02-18 |
Family
ID=69276110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910842312.XA Active CN110751692B (zh) | 2019-09-06 | 2019-09-06 | 一种摄像机成像误差标定方法与矫正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751692B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084363A (zh) * | 2020-08-31 | 2020-12-15 | 广东小天才科技有限公司 | 一种适用于图搜的图像处理方法、电子设备及存储介质 |
CN112261387B (zh) * | 2020-12-21 | 2021-03-23 | 展讯通信(上海)有限公司 | 用于多摄像头模组的图像融合方法及装置、存储介质、移动终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942796A (zh) * | 2014-04-23 | 2014-07-23 | 清华大学 | 一种高精度的投影仪-摄像机标定系统及标定方法 |
CN103996172A (zh) * | 2014-05-08 | 2014-08-20 | 东北大学 | 一种基于多步校正的鱼眼图像校正方法 |
CN106780388A (zh) * | 2016-12-22 | 2017-05-31 | 哈尔滨工业大学 | 一种线阵相机光学畸变矫正方法 |
CN106780628A (zh) * | 2016-12-24 | 2017-05-31 | 大连日佳电子有限公司 | 基于混合畸变模型的高精度摄像机标定方法 |
CN109600548A (zh) * | 2018-11-30 | 2019-04-09 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN109961484A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
-
2019
- 2019-09-06 CN CN201910842312.XA patent/CN110751692B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942796A (zh) * | 2014-04-23 | 2014-07-23 | 清华大学 | 一种高精度的投影仪-摄像机标定系统及标定方法 |
CN103996172A (zh) * | 2014-05-08 | 2014-08-20 | 东北大学 | 一种基于多步校正的鱼眼图像校正方法 |
CN106780388A (zh) * | 2016-12-22 | 2017-05-31 | 哈尔滨工业大学 | 一种线阵相机光学畸变矫正方法 |
CN106780628A (zh) * | 2016-12-24 | 2017-05-31 | 大连日佳电子有限公司 | 基于混合畸变模型的高精度摄像机标定方法 |
CN109961484A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 摄像头标定方法、装置和车辆 |
CN109600548A (zh) * | 2018-11-30 | 2019-04-09 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110751692A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780388B (zh) | 一种线阵相机光学畸变矫正方法 | |
CN112797915A (zh) | 一种线结构光测量系统的标定方法、标定装置、以及系统 | |
CN112669394B (zh) | 一种用于视觉检测系统的自动标定方法 | |
CN110443879B (zh) | 一种基于神经网络的透视误差补偿方法 | |
CN110751692B (zh) | 一种摄像机成像误差标定方法与矫正方法 | |
CN113920205B (zh) | 一种非同轴相机的标定方法 | |
CN110099267A (zh) | 梯形校正系统、方法以及投影仪 | |
CN115457147A (zh) | 相机标定方法、电子设备及存储介质 | |
CN114331924B (zh) | 大工件多相机视觉测量方法 | |
EP1484576A2 (en) | Apparatus and method for calibrating zoom lens | |
CN114022370B (zh) | 一种振镜激光加工畸变校正方法及系统 | |
CN112037284B (zh) | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 | |
CN113920206A (zh) | 透视移轴相机的标定方法 | |
JP5998532B2 (ja) | 補正式算出方法、補正方法、補正装置及び撮像装置 | |
CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及系统 | |
CN111376254B (zh) | 平面测距方法及系统和机械手调校平面的方法及系统 | |
CN112802123B (zh) | 一种基于条纹虚拟靶标的双目线阵相机静态标定方法 | |
CN111968182A (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN115100078B (zh) | 一种曲面屏图像中点阵坐标修正与填补的方法及相关装置 | |
CN113284196B (zh) | 一种摄像机畸变逐像素标定方法 | |
CN116297181A (zh) | 一种通过标定板快速精确校正激光扫描振镜的方法 | |
CN115239816A (zh) | 一种相机标定方法、系统、电子设备及存储介质 | |
CN110148186B (zh) | 一种rgb-d相机快速标定方法 | |
CN109493382B (zh) | 一种基于像元内响应的恒星高精度位置提取方法 | |
CN112927305B (zh) | 一种基于远心度补偿的几何尺寸精密测量方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231027 Address after: 510000 Room 501, Third Floor, Block 4, North Liyuan 8th Street, Fanhua Road, Panyu District, Guangzhou City, Guangdong Province Patentee after: Zhu Tao Address before: 518000 10p-r, block a, Fortune Plaza, No. 7002, Shennan Avenue, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong Patentee before: Shenzhen Weigong Intelligent Technology Co.,Ltd. |