CN111145254B - 一种基于双目视觉的门阀毛坯定位方法 - Google Patents

一种基于双目视觉的门阀毛坯定位方法 Download PDF

Info

Publication number
CN111145254B
CN111145254B CN201911280627.6A CN201911280627A CN111145254B CN 111145254 B CN111145254 B CN 111145254B CN 201911280627 A CN201911280627 A CN 201911280627A CN 111145254 B CN111145254 B CN 111145254B
Authority
CN
China
Prior art keywords
camera
image
valve blank
matching
door valve
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
CN201911280627.6A
Other languages
English (en)
Other versions
CN111145254A (zh
Inventor
权稳稳
甘万正
郭志虎
程少杰
郭占磊
张震天
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.)
Shanghai Step Robotics Co ltd
Original Assignee
Shanghai Step Robotics Co ltd
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 Shanghai Step Robotics Co ltd filed Critical Shanghai Step Robotics Co ltd
Priority to CN201911280627.6A priority Critical patent/CN111145254B/zh
Publication of CN111145254A publication Critical patent/CN111145254A/zh
Application granted granted Critical
Publication of CN111145254B publication Critical patent/CN111145254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • 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
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Robotics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例涉及变频器技术领域，公开了一种基于双目视觉的门阀毛坯定位方法，通过双目相机采集待定位的门阀毛坯的图像；其中，所述双目相机设置于所述门阀毛坯的正上方，所述门阀毛坯位于所述双目相机的共同视野范围内；将所述图像与模板进行匹配，以识别所述图像中的门阀毛坯；将所述双目相机的左、右相机采集的图像中识别出的所述门阀毛坯的中心点进行匹配；计算所述中心点的视差；根据所述双目相机的内部参数、外部参数及所述视差，确定对应的所述门阀毛坯的位姿。本发明实施方式将双目视觉技术应用于门阀毛坯的识别定位，解放人力，实现门阀毛坯加工的机动化程度，同时具有降低设备成本，并适用于多层工件定位的应用场景。

Description

一种基于双目视觉的门阀毛坯定位方法
技术领域
本发明实施例涉及变频器技术领域，特别涉及一种基于双目视觉的门阀毛坯定位方法。
背景技术
针对工厂内的门阀毛坯(一种金属工件)的加工，传统方式是利用的人工拾取、通过单目视觉或者三维重建的方式辅助机械臂去定位工件以实现自动化工作。首先传统用人工去取放工件会有以下问题，即用人成本高，安全性低，效率低；通过单目视觉去定位的方法虽然替代人工操作，提高了工作效率，但存在一定局限性，只能应用于着场景单一，工件单一的场合，且只能用于平面定位，对多层工件的定位无法实现；通过三维重建的方法对工件定位，主要硬件涉及相机和投影仪，其定位精度高，但存在门阀毛坯对结构光条纹不敏感导致重建效果差，同时算法复杂度高，硬件成本高，对配置的硬件系统有较高要求。由此可见，设计一种既解放人力，又适用多层工件且成本降低的定位方法，尤为必要。
发明内容
本发明实施方式的目的在于提供一种基于双目视觉的门阀毛坯定位方法，将双目视觉技术应用于门阀毛坯的识别定位，解放人力，实现门阀毛坯加工的机动化程度，同时具有降低设备成本，并适用于多层工件定位的应用场景。
为解决上述技术问题，本发明的实施方式提供了一种基于双目视觉的门阀毛坯定位方法，通过双目相机采集待定位的门阀毛坯的图像；其中，所述双目相机设置于所述门阀毛坯的正上方，所述门阀毛坯位于所述双目相机的共同视野范围内；将所述图像与模板进行匹配，以识别所述图像中的门阀毛坯；将所述双目相机的左、右相机采集的图像中识别出的所述门阀毛坯的中心点进行匹配；计算所述中心点的视差；根据所述双目相机的内部参数、外部参数及所述视差，确定对应的所述门阀毛坯的位姿。
本发明实施方式相对于现有技术而言，基于双目视觉实现了对门阀毛坯的识别定位。其中，双目视觉利用计算机来实现仿人眼的功能，主要利用视差原理计算物体的深度信息，克服了单目视觉的不能获取深度信息的缺点。该方法可以全自动的完成对工件的定位解放人力，避免工人操作加工的安全隐患。只要双目识别定位系统安装完成，连接相机，抓拍视野内的工件，具有很好的可靠性和鲁棒性，代替人工去拾取加工，并配合机械臂完成对工件的抓取，同时具有降低设备成本，能够实现对多层门阀毛坯定位的自动化和智能化。
进一步地，在将所述图像与模板进行匹配，以识别所述图像中的门阀毛坯之后，还包括：获取识别出的所述门阀毛坯的中心点的位置信息与姿态信息。
进一步地，将所述双目相机的左、右相机采集的图像中识别出的所述门阀毛坯的中心点进行匹配，具体包括：判断所述左、右相机采集的图像中识别出的所述门阀毛坯的数量是否相等；若是，则将所述左、右相机采集的图像中的所述中心点按像素的行排序，确定匹配的中心点；若否，则根据所述中心点的位置信息与姿态信息，将所述左、右相机采集的图像中识别出的所述门阀毛坯的中心进行匹配。
进一步地，在将所述左、右相机采集的图像中的所述中心点按像素的行排序，确定匹配的中心点之后，还包括：计算所述中心点的视差，并判断所述视差是否超过预设阈值；若是，则将所述视差对应的所述中心点作为误匹配点；若否，则执行所述根据所述双目相机的内部参数、外部参数及所述视差，确定对应的所述门阀毛坯的位姿的步骤。
进一步地，在将所述视差对应的所述中心点为误匹配点之后，还包括:对所述误匹配点重新进行匹配。
进一步地，在将所述图像与模板进行匹配之前，还包括：对所述图像进行极线校正；对校正后的所述图像进行预处理；在将所述图像与模板进行匹配的步骤中，将预处理后的所述图像与所述模板进行匹配。
进一步地，对校正后的所述图像进行预处理，具体包括：从所述图像中绘制出目标ROI区域，并提取所述目标ROI区域；对提取出的所述目标ROI区域依次进行灰度、滤波处理。
进一步地，在将所述图像与模板进行匹配中，若轮廓遮掩度小于0.5，则认定匹配成功。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施方式提供的一种基于双目视觉的门阀毛坯定位方法的流程图；
图2是本发明实施方式提供的另一种基于双目视觉的门阀毛坯定位方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
本发明第一实施方式涉及一种基于双目视觉的门阀毛坯定位方法。该方法在执行之前，需要进行如下准备工作：
将双目相机安装于待定位的门阀毛坯的正上方，使其镜头正对该待定位的门阀毛坯，并采用日光灯进行照明。
通过调整双目相机或门阀毛坯，使待定位的门阀毛坯位于双目相机的共同视野范围内，并调整双目相机的焦距，使成像清晰。
将标定板置于先前确定出的双目相机的共同视野范围内，并利用双目相机采集预设数量的图片，以计算双目相机的内部参数与外部参数。为了保证计算出的参数的准确性，该预设数量可设置在17至20之间。双目相机的内部参数为用于表征相机内部结构的参数，其包括1/dx，1/dy，Cx，Cy，f。其中，dx和dy是相机单个感光单元芯片的长度和宽度，是一个物理尺寸；Cx和Cy分别代表相机感光芯片的中心点在x轴和y轴方向上可能存在的偏移，因为芯片在安装到相机模组上的时候，由于制造精度和组装工艺的影响，很难做到中心完全重合。f代表相机的焦距。外部参数包括相机的旋转矩阵R和平移向量t。
创建门阀毛坯的模板。可利用门阀毛坯的CAD模型创建模板，相对于直接在视图中利用BLOB分析创建的模板而言，利用CAD模型创建的模板更加精准。
在完成上述准备工作之后，就可执行本实施方式提供的基于双目视觉的门阀毛坯定位方法，具体流程如图1所示，包括：
步骤1：通过双目相机采集待定位的门阀毛坯的图像。
放置在双目相机的共同视野范围内的门阀毛坯可以是一个，也可以是多个。
步骤2：将图像与模板进行匹配，以识别图像中的门阀毛坯。
本步骤中，可将双目相机的左相机与右相机在步骤1中采集到的图像分别与之前创建的模板进行匹配，以识别出图像中的所有门阀毛坯。
具体地，将图像与模板进行匹配的步骤中，可在图像中搜索与模板的形状相匹配的图形。在搜索的过程中，综合考虑匹配速度与成功率，可将搜索贪婪度设置为0.8(该值超接近1匹配速度越高，但过高可能会搜索不到，该值越接近0匹配速度越慢，但搜索成功的可能性会提高)，金字塔层数设置5层，以提高搜索效率。匹配完成后，会得到识别出的门阀毛坯(与模板匹配的对象)的中心点的位置信息(如中心点坐标)、姿态信息以及匹配分数等信息。本实施方式中，在基于模板搜索匹配的过程中，当轮廓遮掩度小于0.5时，则认定匹配成功。
具体而言，本步骤中，先利用Canny的边缘检测方法寻找边缘，在寻找边缘时先在模板上使用soble算子，返回X(Gx)和Y(Gy)方向上的梯度，其中，Gx和Gy分别为梯度值，并利用下面的公式分别计算边缘大小和方向：
找到边缘方向后，下一步在图像中将跟踪的边缘方向相关联。使用模板在图像中查找对象，在匹配过程中使用相似性度量将模板与所有位置的搜索图像进行比较。相似性度量背后的想法是获取模板图像的梯度向量的所有归一化点积的总和，并在模型数据集中的所有点上搜索图像。这导致图像中的每个点处的分数的表达式如下：
其中，T是模板图像，S是搜索图像，(u，v)为搜索图像中的像素点的坐标。
如果模板模型和搜索图像之间存在完美匹配，则此函数将返回分数1。分数对应于搜索图像中可见的对象部分。如果搜索图像中不存在对象，则分数将为0。
步骤3：将左、右相机采集的图像中识别出的门阀毛坯的中心点进行匹配。
即，将左相机采集的图像中识别出的门阀毛坯与右相机采集的图像中识别出的门阀毛坯对应起来。具体而言，本步骤可通过以下子步骤实现，如图2所示，包括：
步骤31：判断左、右相机采集的图像中识别出的门阀毛坯的数量是否相等。若是，则进入步骤32；若不是，则直接进入步骤35。
步骤32：将左、右相机采集的图像中识别出的门阀毛坯的中心点按像素的行排序，确定匹配的中心点。
本步骤中，分别将左、右相机采集的图像中识别出的门阀毛坯的中心点按像素的行排序，然后根据排序关系，确定出左相机采集的图像中识别出的门阀毛坯的中心点，与右相机采集的图像中识别出的门阀毛坯的中心点之间的对应关系，将相对应的中心点作为匹配的中心点。
步骤33：计算中心点的视差，并判断该视差是否超过预设阈值。若是，则进入步骤34；若否，则说明当前计算出的视差符合规定，可直接进入步骤5。
在确定匹配的中心点后，就可计算匹配的中心点的视差，并判断计算出的视差是否超过预设阈值。
步骤34：将视差对应的中心点作为误匹配点，对误匹配点重新进行匹配。
视差对应两个中心点，分别为左、右相机采集的图像中识别出的中心点。当视差超过预设阈值时，其对应的两个中心点都为误匹配点。可在找出所有的误匹配点后，对误匹配点重新进行匹配，并进入步骤4。
步骤35：根据中心点的位置信息与姿态信息，将左、右相机采集的图像中识别出的门阀毛坯的中心点进行匹配。
即，根据中心点的位置信息与姿态信息，将左相机采集的图像中识别出的门阀毛坯与右相机采集的图像中识别出的门阀毛坯对应起来。之后可进入步骤4。
步骤4：计算中心点的视差。
步骤5：根据双目相机的内部参数与外部参数，以及视差，确定对应的门阀毛坯的位姿。
本发明实施方式相对于现在技术而言，基于双目视觉实现了对门阀毛坯的识别定位。其中，双目视觉利用计算机来实现仿人眼的功能，主要利用视差原理计算物体的深度信息，克服了单目视觉的不能获取深度信息的缺点。该方法可以全自动的完成对工件的定位解放人力，避免工人操作加工的安全隐患。只要双目识别定位系统安装完成，连接相机，抓拍视野内的工件，具有很好的可靠性和鲁棒性，代替人工去拾取加工，并配合机械臂完成对工件的抓取，同时具有降低设备成本，能够实现对多层门阀毛坯定位的自动化和智能化。
本发明第二实施方式涉及一种基于双目视觉的门阀毛坯定位方法。第二实施在第一实施方式的基础上作了进一步改进，主要改进之处在于：本实施方式在将图像与模板进行匹配之前，还对图像进行了优化处理。具体如下：
如图2所示，本实施方式在双目相机采集图像之后，在将图像与模板进行匹配之前，对图像执行了以下操作：
步骤A：对图像进行校线校正及预处理。
本步骤中，可先根据此前计算出的双目相机的内部参数与外部参数，对采集到的图像进行极线校正。然后再对校正后的图像进行预处理。
该预处理可包括：对极线校正后的图像绘制ROI，并提取该ROI区域；对提取出的区域进行灰度化，利用中值滤波过滤图像噪声，拉升对比度。从而为步骤2提供更好的待匹配图像，减少运算量和排除噪声干扰。
具体而言，在对图像校正后，进行感兴趣区域的提取，将目标区域从相机视场中分割出来，首先需要根据公式Gray＝0.2928R+0.5870G+0.1140B，将RGB图像转换成灰度图像；之后通过中值滤波去除图像随机噪声，同时通过公式g'＝g*Mult+Add，拉升对比度提高目标物体与背景的区分度，以便于提供更好的待匹配图像。
综上可知，首先，本发明实施方式利用双目视觉技术进行门阀工件的识别定位，能够实现待加工毛坯的自动上下料工序，替代人工；其次，本发明实施方式利用模板匹配的技术实现左右相机匹配点的提取，并通过对点集的分布和工件本身的位置关系分析，建立良好的立体匹配机制，实现工件中心点的立体匹配；最后，本发明实施试工利用建立的匹配机制能够建立精确的匹配点获取门阀毛坯工件的空间信息，可高效实现对类似工况下的工件的识别与定位。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (6)

1.一种基于双目视觉的门阀毛坯定位方法，其特征在于，包括：
通过双目相机采集待定位的门阀毛坯的图像；其中，所述双目相机设置于所述门阀毛坯的正上方，所述门阀毛坯位于所述双目相机的共同视野范围内；
将所述图像与模板进行匹配，以识别所述图像中的门阀毛坯；
获取识别出的所述门阀毛坯的中心点的位置信息与姿态信息；
将所述双目相机的左、右相机采集的图像中识别出的所述门阀毛坯的中心点进行匹配；
计算所述中心点的视差；
根据所述双目相机的内部参数、外部参数及所述视差，确定对应的所述门阀毛坯的位姿；
其中，将所述双目相机的左、右相机采集的图像中识别出的所述门阀毛坯的中心点进行匹配，具体包括：
判断所述左、右相机采集的图像中识别出的所述门阀毛坯的数量是否相等；
若是，则将所述左、右相机采集的图像中的所述中心点按像素的行排序，确定匹配的中心点；
若否，则根据所述中心点的位置信息与姿态信息，将所述左、右相机采集的图像中识别出的所述门阀毛坯的中心进行匹配。
2.根据权利要求1所述的方法，其特征在于，在将所述左、右相机采集的图像中的所述中心点按像素的行排序，确定匹配的中心点之后，还包括：
计算所述中心点的视差，并判断所述视差是否超过预设阈值；
若是，则将所述视差对应的所述中心点作为误匹配点；
若否，则执行所述根据所述双目相机的内部参数、外部参数及所述视差，确定对应的所述门阀毛坯的位姿的步骤。
3.根据权利要求2所述的方法，其特征在于，在将所述视差对应的所述中心点作为误匹配点之后，还包括:
对所述误匹配点重新进行匹配。
4.根据权利要求1所述的方法，其特征在于，在将所述图像与模板进行匹配之前，还包括：
对所述图像进行极线校正；
对校正后的所述图像进行预处理；
在将所述图像与模板进行匹配的步骤中，将预处理后的所述图像与所述模板进行匹配。
5.根据权利要求4所述的方法，其特征在于，对校正后的所述图像进行预处理，具体包括：
从所述图像中绘制出目标ROI区域，并提取所述目标ROI区域；
对提取出的所述目标ROI区域依次进行灰度、滤波处理。
6.根据权利要求1、4、5中任意一项权利要求所述的方法，其特征在于，在将所述图像与模板进行匹配中，
若轮廓遮掩度小于0.5，则认定匹配成功。
CN201911280627.6A 2019-12-13 2019-12-13 一种基于双目视觉的门阀毛坯定位方法 Active CN111145254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911280627.6A CN111145254B (zh) 2019-12-13 2019-12-13 一种基于双目视觉的门阀毛坯定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911280627.6A CN111145254B (zh) 2019-12-13 2019-12-13 一种基于双目视觉的门阀毛坯定位方法

Publications (2)

Publication Number Publication Date
CN111145254A CN111145254A (zh) 2020-05-12
CN111145254B true CN111145254B (zh) 2023-08-11

Family

ID=70518185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911280627.6A Active CN111145254B (zh) 2019-12-13 2019-12-13 一种基于双目视觉的门阀毛坯定位方法

Country Status (1)

Country Link
CN (1) CN111145254B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111951334B (zh) * 2020-08-04 2023-11-21 郑州轻工业大学 基于双目视觉技术叠放钢坯的识别与定位方法和吊运方法
CN112598744B (zh) * 2021-03-02 2021-07-30 聚时科技(江苏)有限公司 一种发动机气门抓取点定位方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104093013A (zh) * 2014-06-25 2014-10-08 中国科学院遥感与数字地球研究所 一种立体视觉三维可视化系统中自动调节图像视差的方法
CN105149794A (zh) * 2015-08-18 2015-12-16 河海大学常州校区 一种基于双目视觉的智能激光切边系统及其方法
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
CN106650701A (zh) * 2017-01-05 2017-05-10 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
CN107588721A (zh) * 2017-08-28 2018-01-16 武汉科技大学 一种基于双目视觉的零件多尺寸的测量方法及系统
CN108230392A (zh) * 2018-01-23 2018-06-29 北京易智能科技有限公司 一种基于imu的视觉障碍物检测虚警剔除方法
CN108381549A (zh) * 2018-01-26 2018-08-10 广东三三智能科技有限公司 一种双目视觉引导机器人快速抓取方法、装置及存储介质
CN108701430A (zh) * 2016-03-28 2018-10-23 Abb瑞士股份有限公司 确定用于焊缝点校准的搜索参数的方法、系统和装置
CN109035200A (zh) * 2018-06-21 2018-12-18 北京工业大学 一种基于单双目视觉协同的螺栓定位及位姿检测方法
CN109461181A (zh) * 2018-10-17 2019-03-12 北京华捷艾米科技有限公司 基于散斑结构光的深度图像获取方法及系统
CN109530935A (zh) * 2018-12-12 2019-03-29 上海新时达机器人有限公司 使用激光切割机械臂加工规则孔的方法
CN109631776A (zh) * 2018-12-27 2019-04-16 南京航空航天大学 一种高压输电线路导线结冰厚度自动测量方法
CN110378341A (zh) * 2019-07-24 2019-10-25 西南交通大学 一种双目视觉行人距离检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104093013A (zh) * 2014-06-25 2014-10-08 中国科学院遥感与数字地球研究所 一种立体视觉三维可视化系统中自动调节图像视差的方法
CN105149794A (zh) * 2015-08-18 2015-12-16 河海大学常州校区 一种基于双目视觉的智能激光切边系统及其方法
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
CN108701430A (zh) * 2016-03-28 2018-10-23 Abb瑞士股份有限公司 确定用于焊缝点校准的搜索参数的方法、系统和装置
CN106650701A (zh) * 2017-01-05 2017-05-10 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
CN107588721A (zh) * 2017-08-28 2018-01-16 武汉科技大学 一种基于双目视觉的零件多尺寸的测量方法及系统
CN108230392A (zh) * 2018-01-23 2018-06-29 北京易智能科技有限公司 一种基于imu的视觉障碍物检测虚警剔除方法
CN108381549A (zh) * 2018-01-26 2018-08-10 广东三三智能科技有限公司 一种双目视觉引导机器人快速抓取方法、装置及存储介质
CN109035200A (zh) * 2018-06-21 2018-12-18 北京工业大学 一种基于单双目视觉协同的螺栓定位及位姿检测方法
CN109461181A (zh) * 2018-10-17 2019-03-12 北京华捷艾米科技有限公司 基于散斑结构光的深度图像获取方法及系统
CN109530935A (zh) * 2018-12-12 2019-03-29 上海新时达机器人有限公司 使用激光切割机械臂加工规则孔的方法
CN109631776A (zh) * 2018-12-27 2019-04-16 南京航空航天大学 一种高压输电线路导线结冰厚度自动测量方法
CN110378341A (zh) * 2019-07-24 2019-10-25 西南交通大学 一种双目视觉行人距离检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡国勇，彭小波.基于双目视觉的焊接零件位姿误差检测.制造业自动化.2016,第38卷(第38期),77-81. *

Also Published As

Publication number Publication date
CN111145254A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
US8600192B2 (en) System and method for finding correspondence between cameras in a three-dimensional vision system
CN111721259B (zh) 基于双目视觉的水下机器人回收定位方法
US11488322B2 (en) System and method for training a model in a plurality of non-perspective cameras and determining 3D pose of an object at runtime with the same
CN106767399A (zh) 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法
CN114494045B (zh) 一种基于机器视觉的大型直齿轮几何参数测量系统及方法
JP5430138B2 (ja) 形状測定装置およびプログラム
CN110926330B (zh) 图像处理装置和图像处理方法
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
JP5297779B2 (ja) 形状測定装置およびプログラム
CN111145254B (zh) 一种基于双目视觉的门阀毛坯定位方法
CN111107337A (zh) 深度信息补全方法及其装置、监控系统和存储介质
CN115830018B (zh) 基于深度学习与双目视觉的碳素块检测方法及系统
KR20140087485A (ko) 광선추적법을 이용한 이동 로봇의 실내 위치 추정방법
CN111583342A (zh) 一种基于双目视觉的目标快速定位方法及装置
CN115108466A (zh) 一种集装箱吊具智能定位的方法
CN116883498A (zh) 基于灰度质心提取算法的视觉合作靶标特征点定位方法
Han et al. Target positioning method in binocular vision manipulator control based on improved canny operator
US9305235B1 (en) System and method for identifying and locating instances of a shape under large variations in linear degrees of freedom and/or stroke widths
CN109410272B (zh) 一种变压器螺母识别与定位装置及方法
US20220076428A1 (en) Product positioning method
CN115307865A (zh) 一种面向高温高超声速流场的模型变形测量方法
CN115063778A (zh) 一种基于双目相机的车前行人测距方法及终端
CN111536895B (zh) 外形识别装置、外形识别系统以及外形识别方法
KR101747350B1 (ko) 비주얼 서보잉을 위한 객체의 좌표 인식 방법
WO2012076979A1 (en) Model-based pose estimation using a non-perspective camera

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