CN111209842A - 视觉定位处理方法、装置及机器人 - Google Patents
视觉定位处理方法、装置及机器人 Download PDFInfo
- Publication number
- CN111209842A CN111209842A CN202010001167.5A CN202010001167A CN111209842A CN 111209842 A CN111209842 A CN 111209842A CN 202010001167 A CN202010001167 A CN 202010001167A CN 111209842 A CN111209842 A CN 111209842A
- Authority
- CN
- China
- Prior art keywords
- target
- area
- target positioning
- target object
- main direction
- 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.)
- Granted
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 26
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000003708 edge detection Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 42
- 238000009826 distribution Methods 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 24
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000004806 packaging method and process Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及视觉定位处理方法、装置及机器人，属于视觉定位处理技术领域。本申请包括：获取目标物的图像；根据目标物的图像，在目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域；计算各个待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到目标物上的目标定位区域。通过本申请，有助于提升机器人的柔性化程度。
Description
技术领域
本申请属于视觉定位处理技术领域，具体涉及视觉定位处理方法、装置及机器人。
背景技术
工业流水线生产中，在产品完成组装、测试后，需要将其放入包装盒中，对其进行打包。目前工业机器人广泛应用于实际生产中，其在降低人工成本、提高效率、减少资源消耗等方面具有重要意义。但当外部环境发生变化时，机器人的柔性适应能力十分有限。随着机器视觉技术被广泛应用到工业生产中，利用机器视觉进行目标定位，极大地提高了机器人柔性化的水平和生产效率。
目前，相关厂商(比如，基恩士、康耐视等)的视觉定位多采用模版匹配的方法，该方法在更换定位目标后都要进行模板创建和参数设置，且需要专业技术人员进行调试才可以完成定位设置，不利于柔性化生产。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供视觉定位处理方法、装置及机器人，有助于提升机器人的柔性化程度。
为实现以上目的，本申请采用如下技术方案：
第一方面，
本申请提供一种视觉定位处理方法，包括：
获取目标物的图像；
根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域；
计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
进一步地，所述根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域，包括：
对所述目标物的图像进行预处理，包括：灰度化处理和均值滤波处理；
根据所述预处理后的图像对所述目标物进行边缘提取；
根据所述边缘提取后的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得所述目标定位区域的所述待筛选封闭区域。
进一步地，所述灰度化处理，包括：
利用预设公式：Gray＝0.3*R+0.59*G+0.11*B，对所述目标物的图像进行灰度线性化变化处理，其中，Gray为变换后的灰度像素值，R、G、B分别为红、绿、蓝像素的分量。
进一步地，所述均值滤波处理包括：
采用3x3的核进行滤波去噪。
进一步地，所述根据所述预处理后的图像对所述目标物进行边缘提取，包括：
利用边缘提取算子，在所述预处理后的图像上提取出所述目标物。
进一步地，所述边缘提取算子采用Canny算子，其中，所述Canny算子选用3x3的内核，高低阈值的比例介于3:1到2:1之间。
进一步地，所述计算各个所述待筛选封闭区域的面积，包括：
计算各个所述待筛选封闭区域的零阶矩，得到各个所述待筛选封闭区域的面积。
进一步地，所述方法还包括：
利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度；
利用预设的主方向确定规则，确定所述目标物的主方向；
根据所述主方向和所述偏转角度确定旋转角度，以使机器人能根据各所述目标定位区域的中心和所述旋转角度将物品定位放置到所述目标物上对应的所述目标定位区域。
进一步地，所述利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度，包括：
计算各个所述目标定位区域的零阶矩M00，一阶矩M10、M01和二阶矩M20、M02、M11；
各个所述目标定位区域的中心通过如下公式得到：xc＝M10/M00，yc＝M01/M00，其中，xc为横坐标，yc为纵坐标；
所述偏转角度通过如下公式得到：θ＝0.5arctan(2b/a-c)，其中，a＝M20/M00-xc 2；b＝M11/M00-xcyc；c＝M02/M00-yc 2。
进一步地，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为一个时，则以所述目标定位区域的中心为起点，并以所述目标定位区域边缘上的一个点为终点，将起点至终点方向确定为主方向。
进一步地，所述以所述目标定位区域边缘上的一个点为终点，包括：
以所述目标定位区域最长边缘的中点作为终点。
进一步地，在所述目标物上的所述目标定位区域为一个，且所述目标定位区域为对称结构时，以所述目标定位区域的中心为起点，所述目标定位区域的对称线在所述目标定位区域边缘轮廓上的一个交点作为终点，将起点至终点方向确定为所述主方向。
进一步地，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为两个时，则以其中一个所述目标定位区域的中心为起点，以其中另一个所述目标定位区域的中心为终点，将起点至终点方向确定为所述主方向。
进一步地，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体呈对称分布时，
在所述整体呈对称分布中，如果仅有一个所述目标定位区域以自身体现出对称分布，则将该仅有的一个以自身体现出对称分布的所述目标定位区域的中心作为起点，以及选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果多于一个所述目标定位区域以自身体现出对称分布，则在多于一个的以自身体现出对称分布的所述目标定位区域中，选取两个所述目标定位区域，以其中一者的中心作为起点，以其中另一者的中心作为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果所述目标物上的所述目标定位区域均是一者相对于另一者体现出对称分布，则选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为起点，以及选取一者相对于另一者体现出对称分布的另一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
进一步地，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体不对称分布时，以其中一个所述目标定位区域的中心为起点，以其中另外两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
进一步地，所述根据所述主方向和所述偏转角度确定旋转角度，包括：
如果所述主方向所在坐标象限是第一象限或者第二象限，则将所述偏转角度确定为所述旋转角度；而如果所述主方向所在坐标象限是第三象限或者第四象限，则将所述偏转角度加上预设的180度，以此得到所述旋转角度。
第二方面，
本申请提供一种视觉定位处理装置，包括：
获取模块，用于获取目标物的图像；
检测模块，用于根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域；
筛选模块，用于计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
第三方面，
本申请提供一种机器人，包括：
存储器，其上存储有可执行程序；
处理器，用于执行所述存储器中的所述可执行程序，以实现上述中任一项所述方法的步骤。
本申请采用以上技术方案，至少具备以下有益效果：
本申请通过对目标物上的封闭区域边缘进行检测识别，并通过预设的面积阈值条件进行筛选，以此得到目标物上的目标定位区域。通过本申请有助于减少相关人员的参数配置调试，进而提升机器人的柔性化程度、提升生产效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种视觉定位处理方法实施例一的流程图；
图2是根据一示例性实施例示出的一种视觉定位处理方法实施例二的流程图；
图3是根据一示例性实施例示出的一种视觉定位处理装置的框图结构示意图；
图4是根据一示例性实施例示出的一种机器人的框图结构示意图；
图5是根据一示例性实施例示出的一种目标物的实施例一的框图示意图；
图6是根据一示例性实施例示出的一种目标物的实施例二的框图示意图；
图7是根据一示例性实施例示出的一种目标物的实施例三的框图示意图；
图8是根据一示例性实施例示出的一种目标物的实施例四的框图示意图；
图9是根据一示例性实施例示出的一种目标物的实施例五的框图示意图；
图10是根据一示例性实施例示出的一种目标物的实施例六的框图示意图；
图11是根据一示例性实施例示出的目标物偏转的实施例一的框图示意图；
图12是根据一示例性实施例示出的目标物偏转的实施例二的框图示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
图1是根据一示例性实施例示出的一种视觉定位处理方法实施例一的流程图，如图1所示，该视觉定位处理方法包括如下步骤：
步骤S101、获取目标物的图像；
步骤S102、根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测识别，并得到用以获得目标定位区域的待筛选封闭区域；
步骤S103、计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
本实施例中，以工业机器人为例，在具体应用中，包装盒可以作为目标物，工业机器人可以将产品放置到工业机器人中。
工业机器人可以通过自身配置的摄像头，采集得到包装盒这一目标物的图像。然后基于包装盒的图像，在包装盒上进行封闭区域边缘检测，得到用以获得目标定位区域的待筛选封闭区域，在实际应用中，通常来说，包装盒上各种面积大小的封闭区域具有多个，并通过预设的面积阈值条件进行筛选，筛选得到目标物上的目标定位区域，其中，该预设的面积阈值条件可以是各个目标定位区域面积的上下波动范围条件，比如，目标定位区域A的面积为A1，目标定位区域A对应的面积阈值条件可以是A1±2％。
进而在实际应用中，该实施例通过面积来筛选目标物上的目标定位区域，可以克服视觉定位相关技术中多采用模版匹配的方法的如下不足之处——在更换定位目标后都要进行模板创建和参数设置，且需要专业技术人员进行调试才可以完成定位设置，不利于柔性化生产。进而通过该实施例可以实现减少相关人员的参数配置调试，提升机器人的柔性化程度、提升生产效率。
在一个实施例中，上述步骤S102、所述根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域，具体包括如下步骤：
步骤S1001、对所述目标物的图像进行预处理，包括：灰度化处理和均值滤波处理；
其中，所述灰度化处理，可以包括：
利用预设公式：Gray＝0.3*R+0.59*G+0.11*B，对所述目标物的图像进行灰度线性化变化处理，其中，Gray为变换后的灰度像素值，R、G、B分别为红、绿、蓝像素的分量。
进一步地，所述均值滤波处理可以包括：
采用3x3的核进行滤波去噪。
步骤S1002、根据所述预处理后的图像对所述目标物进行边缘提取；
可以通过如下方式实现：利用边缘提取算子，在所述预处理后的图像上提取出所述目标物。
在实际应用中，所述边缘提取算子可以采用Canny算子，其中，所述Canny算子可以选用3x3的内核，高低阈值的比例介于3:1到2:1之间。
步骤S1003、根据所述边缘提取后的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得所述目标定位区域的所述待筛选封闭区域。
具体的，包装盒上每个放置产品的区域在图像上对应一个封闭区域，同时，包装盒上还可能有一些其他用途的区域，在图像上也单独形成封闭区域。包装盒上也还可能在放置产品的区域中进一步形成一个或者多于一个定位区域，用于对产品上对应部位进行定位，在放置产品的区域中进一步形成一个或者多于一个定位区域，在图像中也以封闭区域体现出来。上述各种封闭区域，通过在图像中的目标物上进行封闭区域边缘检测得到，作为待筛选封闭区域，以待作为下一步的筛选利用。
在一个实施例中，上述步骤S103中，所述计算各个所述待筛选封闭区域的面积，包括：
计算各个所述待筛选封闭区域的零阶矩，得到各个所述待筛选封闭区域的面积。
对于零阶矩通过如下方式得到：M00＝ΣΣV(i,j)，V(i,j)表示图像在(i,j)点的灰度值。
图2是根据一示例性实施例示出的一种视觉定位处理方法实施例二的流程图，如图2所示，该视觉定位处理方法包括如下步骤：
步骤S201、获取目标物的图像。
步骤S202、根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测识别，并得到用以获得目标定位区域的待筛选封闭区域；
步骤S203、计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
步骤S204、利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度；
步骤S205、利用预设的主方向确定规则，确定所述目标物的主方向；
步骤S206、根据所述主方向和所述偏转角度确定旋转角度，以使机器人能根据各所述目标定位区域的中心和所述旋转角度将物品定位放置到所述目标物上对应的所述目标定位区域。
通过该实施例，通过面积来筛选得到目标物上的目标定位区域后，进一步计算得到目标物上各目标定位区域的中心及偏转角度，并确定出目标物的主方向，根据目标物的主方向判断偏转角度是否可以直接作为旋转角度使用，并在为否的时候，根据主方向和偏转角度进行修正，得到旋转角度。从而在具体定位放置应用时，使机器人能根据各目标定位区域的中心和旋转角度将物品定位放置到目标物上对应的目标定位区域中。
对于步骤S201至步骤S203，其是用于得到目标物上的目标定位区域，在上述相关实施例中已进行了对应说明，在此不做赘述。下述围绕步骤S204至步骤S206进行说明。
在一个实施例中，上述步骤S204中，所述利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度，包括：
计算各个所述目标定位区域的零阶矩M00，一阶矩M10、M01和二阶矩M20、M02、M11，具体的，
零阶矩：M00＝ΣΣV(i,j)；
一阶矩：M10＝ΣΣi*V(i,j)，M01＝ΣΣj*V(i,j)；
二阶矩：M20＝ΣΣi2*V(i,j)，M02＝ΣΣj2*V(i,j)，M11＝ΣΣi*j*V(i,j)；
各个所述目标定位区域的中心通过如下公式得到：xc＝M10/M00，yc＝M01/M00，其中，xc为横坐标，yc为纵坐标；
所述偏转角度通过如下公式得到：θ＝0.5arctan(2b/a-c)，其中，a＝M20/M00-xc 2；b＝M11/M00-xcyc；c＝M02/M00-yc 2。在实际应用中，利用上述公式计算得到的θ，其是弧度制取值，可以对其进行形式转换，转换成角度制取值。
对上述步骤S205，在实际应用中，本申请根据目标物上的目标定位区域实际数量的不同，具体给出如下一些实施例：
对上述步骤S205，在一实施例中，具体包括如下方法：在所述目标物上的所述目标定位区域为一个时，则以所述目标定位区域的中心为起点，并以所述目标定位区域边缘上的一个点为终点，将起点至终点方向确定为主方向。
进一步地，所述以所述目标定位区域边缘上的一个点为终点，包括：
以所述目标定位区域最长边缘的中点作为终点。
进一步地，在所述目标物上的所述目标定位区域为一个，且所述目标定位区域为对称结构时，以所述目标定位区域的中心为起点，所述目标定位区域的对称线在所述目标定位区域边缘轮廓上的一个交点作为终点，将起点至终点方向确定为所述主方向。
下述结合图5对上述目标物上的目标定位区域为一个的情况进行说明，请参照图5,图5是根据一示例性实施例示出的一种目标物的实施例一的框图示意图，目标物1仅有一个目标定位区域A，图5中以腰圆示出其轮廓，腰圆中的箭头示意主方向，箭头起点为腰圆的中心，终点落到腰圆的一条长边上，且位于长边的中心点位置。
对上述步骤S205，在一实施例中，具体包括如下方法：在所述目标物上的所述目标定位区域为两个时，则以其中一个所述目标定位区域的中心为起点，以其中另一个所述目标定位区域的中心为终点，将起点至终点方向确定为所述主方向。
下述结合图6对上述目标物上的目标定位区域为两个的情况进行说明，请参照图6,图6是根据一示例性实施例示出的一种目标物的实施例二的框图示意图，目标物1上有目标定位区域A和目标定位区域B，选取目标定位区域B的中心作为起点，目标定位区域A的中心作为终点，得到如箭头线所示的主方向。
在一实施例中，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体呈对称分布时，
在所述整体呈对称分布中，如果仅有一个所述目标定位区域以自身体现出对称分布，则将该仅有的一个以自身体现出对称分布的所述目标定位区域的中心作为起点，以及选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果多于一个所述目标定位区域以自身体现出对称分布，则在多于一个的以自身体现出对称分布的所述目标定位区域中，选取两个所述目标定位区域，以其中一者的中心作为起点，以其中另一者的中心作为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果所述目标物上的所述目标定位区域均是一者相对于另一者体现出对称分布，则选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为起点，以及选取一者相对于另一者体现出对称分布的另一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
下述结合图7-9对上述目标物上的目标定位区域为三个或多于三个的情况进行说明。
请参照图7,图7是根据一示例性实施例示出的一种目标物的实施例三的框图示意图，目标物1上有目标定位区域A、目标定位区域B和目标定位区域C，目标定位区域A、目标定位区域B和目标定位区域C整体呈对称分布，在整体呈对称分布中，其中，目标定位区域C以自身体现出对称分布，目标定位区域A和目标定位区域B两者中，一者相对于另一者体现出对称分布。以目标定位区域C的中心为起点，以目标定位区域A和目标定位区域B两者中心连线的中点为终点，得到如图7所示的主方向。
请参照图8,图8是根据一示例性实施例示出的一种目标物的实施例四的框图示意图，目标物1上有目标定位区域A、目标定位区域B、目标定位区域C和目标定位区域D，目标定位区域A、目标定位区域B、目标定位区域C和目标定位区域D整体呈对称分布，在整体呈对称分布中，其中，目标定位区域C和目标定位区域D以自身体现出对称分布，目标定位区域A和目标定位区域B两者中，一者相对于另一者体现出对称分布。主方向确定上可以以目标定位区域C的中心为起点，以目标定位区域D的中心为终点，以此得到如图8所示的主方向。
请参照图9,图9是根据一示例性实施例示出的一种目标物的实施例五的框图示意图，目标物1上有目标定位区域A、目标定位区域B、目标定位区域C和目标定位区域D，目标定位区域A、目标定位区域B、目标定位区域C和目标定位区域D整体呈对称分布，在整体呈对称分布中，其中，目标定位区域A和目标定位区域B两者中，一者相对于另一者体现出对称分布；目标定位区域C和目标定位区域D两者中，一者相对于另一者体现出对称分布。主方向确定上可以以目标定位区域C和目标定位区域D两者中心连线的中点为起点，以目标定位区域A和目标定位区域B两者中心连线的中点为终点，以此得到如图9所示的主方向。
在一实施例中，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体不对称分布时，以其中一个所述目标定位区域的中心为起点，以其中另外两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
请参照图10,图10是根据一示例性实施例示出的一种目标物的实施例六的框图示意图，目标物1上有目标定位区域A、目标定位区域B和目标定位区域C，目标定位区域A、目标定位区域B和目标定位区域C整体不对称分布，该情形下，可以以目标定位区域C的中心为起点，以目标定位区域A和目标定位区域B两者中心连线的中点为终点，得到如图10所示的主方向。
在一个实施例中，上述步骤S204中，所述根据所述主方向和所述偏转角度确定旋转角度，包括：
如果所述主方向所在坐标象限是第一象限或者第二象限，则将所述偏转角度确定为所述旋转角度；而如果所述主方向所在坐标象限是第三象限或者第四象限，则将所述偏转角度加上预设的180度，以此得到所述旋转角度。
请参照图11和图12,图11是根据一示例性实施例示出的目标物偏转的实施例一的框图示意图，图12是根据一示例性实施例示出的目标物偏转的实施例二的框图示意图，具体的，根据主方向的x轴分量和y轴分量方向,即可确定得到目标物的主方向所在的坐标象限。
以偏转角度通过如下公式得到：θ＝0.5arctan(2b/a-c)为例，利用该公式计算得到的θ其范围是-π/2至+π/2，转换成角度制即是0至180度。以参照x轴偏转为例，在目标物的主方向所在坐标象限是第一象限或者第二象限时，比如图11示出目标物的主方向所在坐标象限是第一象限，偏转角度与主方向所在的坐标系能够形成对应，该情形下，即可将偏转角度直接确定为旋转角度；而在目标物的主方向所在坐标象限是第三象限或者第四象限时，比如图12示出目标物的主方向所在坐标象限是第三象限，偏转角度仍是属于0至180度区间，不能与主方向所在的坐标系形成对应，该情形下，将偏转角度加上预设的180度后，以此得到旋转角度。
上述视觉定位处理方法应用于机器人打包的定位中，可以增加机器人的柔性化程度，提高了生产效率。另外该方法也可用于定位二维平面中具有封闭轮廓的物体。
图3是根据一示例性实施例示出的一种视觉定位处理装置的框图结构示意图，如图3所示，该视觉定位处理装置3包括：
获取模块301，用于获取目标物的图像；
检测模块302，用于根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域；
筛选模块303，用于计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
进一步地，检测模块302具体用于：
对所述目标物的图像进行预处理，包括：灰度化处理和均值滤波处理；
根据所述预处理后的图像对所述目标物进行边缘提取；
根据所述边缘提取后的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得所述目标定位区域的所述待筛选封闭区域。
进一步地，所述灰度化处理，包括：
利用预设公式：Gray＝0.3*R+0.59*G+0.11*B，对所述目标物的图像进行灰度线性化变化处理，其中，Gray为变换后的灰度像素值，R、G、B分别为红、绿、蓝像素的分量。
进一步地，所述均值滤波处理包括：
采用3x3的核进行滤波去噪。
进一步地，所述根据所述预处理后的图像对所述目标物进行边缘提取，包括：
利用边缘提取算子，在所述预处理后的图像上提取出所述目标物。
进一步地，所述边缘提取算子采用Canny算子，其中，所述Canny算子选用3x3的内核，高低阈值的比例介于3:1到2:1之间。
进一步地，所述计算各个所述待筛选封闭区域的面积，包括：
计算各个所述待筛选封闭区域的零阶矩，得到各个所述待筛选封闭区域的面积。
进一步地，该视觉定位处理装置3还包括：
计算模块304，用于利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度；
主方向模块305，用于利用预设的主方向确定规则，确定所述目标物的主方向；
旋转角度模块306，用于根据所述主方向和所述偏转角度确定旋转角度，以使机器人能根据各所述目标定位区域的中心和所述旋转角度将物品定位放置到所述目标物上对应的所述目标定位区域。
进一步地，计算模块304具体用于：
计算各个所述目标定位区域的零阶矩M00，一阶矩M10、M01和二阶矩M20、M02、M11；
各个所述目标定位区域的中心通过如下公式得到：xc＝M10/M00，yc＝M01/M00，其中，xc为横坐标，yc为纵坐标；
所述偏转角度通过如下公式得到：θ＝0.5arctan(2b/a-c)，其中，a＝M20/M00-xc 2；b＝M11/M00-xcyc；c＝M02/M00-yc 2。
进一步地，主方向模块305具体用于：
在所述目标物上的所述目标定位区域为一个时，则以所述目标定位区域的中心为起点，并以所述目标定位区域边缘上的一个点为终点，将起点至终点方向确定为主方向。
进一步地，所述以所述目标定位区域边缘上的一个点为终点，包括：
以所述目标定位区域最长边缘的中点作为终点。
进一步地，在所述目标物上的所述目标定位区域为一个，且所述目标定位区域为对称结构时，以所述目标定位区域的中心为起点，所述目标定位区域的对称线在所述目标定位区域边缘轮廓上的一个交点作为终点，将起点至终点方向确定为所述主方向。
进一步地，主方向模块305具体用于：
在所述目标物上的所述目标定位区域为两个时，则以其中一个所述目标定位区域的中心为起点，以其中另一个所述目标定位区域的中心为终点，将起点至终点方向确定为所述主方向。
进一步地，主方向模块305具体用于：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体呈对称分布时，
在所述整体呈对称分布中，如果仅有一个所述目标定位区域以自身体现出对称分布，则将该仅有的一个以自身体现出对称分布的所述目标定位区域的中心作为起点，以及选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果多于一个所述目标定位区域以自身体现出对称分布，则在多于一个的以自身体现出对称分布的所述目标定位区域中，选取两个所述目标定位区域，以其中一者的中心作为起点，以其中另一者的中心作为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果所述目标物上的所述目标定位区域均是一者相对于另一者体现出对称分布，则选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为起点，以及选取一者相对于另一者体现出对称分布的另一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
进一步地，主方向模块305具体用于：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体不对称分布时，以其中一个所述目标定位区域的中心为起点，以其中另外两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
进一步地，旋转角度模块306具体用于：
如果所述主方向所在坐标象限是第一象限或者第二象限，则将所述偏转角度确定为所述旋转角度；而如果所述主方向所在坐标象限是第三象限或者第四象限，则将所述偏转角度加上预设的180度，以此得到所述旋转角度。
关于上述相关实施例中的定位处理装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种机器人的框图结构示意图，如图4所示，该机器人4包括：
存储器401，其上存储有可执行程序；
处理器402，用于执行所述存储器401中的所述可执行程序，以实现上述中任一项所述方法的步骤。
关于上述实施例中的机器人4，其处理器402执行存储器401中的程序的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”、“多”的含义是指至少两个。
应该理解，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能同时存在居中元件；当一个元件被称为“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件,此外，这里使用的“连接”可以包括无线连接；使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为：表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种视觉定位处理方法，其特征在于，包括：
获取目标物的图像；
根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域；
计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域，包括：
对所述目标物的图像进行预处理，包括：灰度化处理和均值滤波处理；
根据所述预处理后的图像对所述目标物进行边缘提取；
根据所述边缘提取后的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得所述目标定位区域的所述待筛选封闭区域。
3.根据权利要求2所述的方法，其特征在于，所述灰度化处理，包括：
利用预设公式：Gray＝0.3*R+0.59*G+0.11*B，对所述目标物的图像进行灰度线性化变化处理，其中，Gray为变换后的灰度像素值，R、G、B分别为红、绿、蓝像素的分量。
4.根据权利要求2所述的方法，其特征在于，所述均值滤波处理包括：
采用3x3的核进行滤波去噪。
5.根据权利要求2所述的方法，其特征在于，所述根据所述预处理后的图像对所述目标物进行边缘提取，包括：
利用边缘提取算子，在所述预处理后的图像上提取出所述目标物。
6.根据权利要求5所述的方法，其特征在于，所述边缘提取算子采用Canny算子，其中，所述Canny算子选用3x3的内核，高低阈值的比例介于3:1到2:1之间。
7.根据权利要求1所述的方法，其特征在于，所述计算各个所述待筛选封闭区域的面积，包括：
计算各个所述待筛选封闭区域的零阶矩，得到各个所述待筛选封闭区域的面积。
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述方法还包括：
利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度；
利用预设的主方向确定规则，确定所述目标物的主方向；
根据所述主方向和所述偏转角度确定旋转角度，以使机器人能根据各所述目标定位区域的中心和所述旋转角度将物品定位放置到所述目标物上对应的所述目标定位区域。
9.根据权利要求8所述的方法，其特征在于，所述利用图像的矩，计算得到所述目标物上各所述目标定位区域的中心及偏转角度，包括：
计算各个所述目标定位区域的零阶矩M00，一阶矩M10、M01和二阶矩M20、M02、M11；
各个所述目标定位区域的中心通过如下公式得到：xc＝M10/M00，yc＝M01/M00，其中，xc为横坐标，yc为纵坐标；
所述偏转角度通过如下公式得到：θ＝0.5arctan(2b/a-c)，其中，a＝M20/M00-xc 2；b＝M11/M00-xcyc；c＝M02/M00-yc 2。
10.根据权利要求8所述的方法，其特征在于，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为一个时，则以所述目标定位区域的中心为起点，并以所述目标定位区域边缘上的一个点为终点，将起点至终点方向确定为主方向。
11.根据权利要求10所述的方法，其特征在于，所述以所述目标定位区域边缘上的一个点为终点，包括：
以所述目标定位区域最长边缘的中点作为终点。
12.根据权利要求10或11所述的方法，其特征在于，在所述目标物上的所述目标定位区域为一个，且所述目标定位区域为对称结构时，以所述目标定位区域的中心为起点，所述目标定位区域的对称线在所述目标定位区域边缘轮廓上的一个交点作为终点，将起点至终点方向确定为所述主方向。
13.根据权利要求8所述的方法，其特征在于，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为两个时，则以其中一个所述目标定位区域的中心为起点，以其中另一个所述目标定位区域的中心为终点，将起点至终点方向确定为所述主方向。
14.根据权利要求8所述的方法，其特征在于，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体呈对称分布时，
在所述整体呈对称分布中，如果仅有一个所述目标定位区域以自身体现出对称分布，则将该仅有的一个以自身体现出对称分布的所述目标定位区域的中心作为起点，以及选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果多于一个所述目标定位区域以自身体现出对称分布，则在多于一个的以自身体现出对称分布的所述目标定位区域中，选取两个所述目标定位区域，以其中一者的中心作为起点，以其中另一者的中心作为终点，将起点至终点方向确定为所述主方向；
或者，
在所述整体呈对称分布中，如果所述目标物上的所述目标定位区域均是一者相对于另一者体现出对称分布，则选取一者相对于另一者体现出对称分布的一组两个所述目标定位区域的中心连线的中点为起点，以及选取一者相对于另一者体现出对称分布的另一组两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
15.根据权利要求8所述的方法，其特征在于，所述利用预设的主方向确定规则，确定所述目标物的主方向，包括：
在所述目标物上的所述目标定位区域为三个或多于三个，且所述目标物上的所述目标定位区域整体不对称分布时，以其中一个所述目标定位区域的中心为起点，以其中另外两个所述目标定位区域的中心连线的中点为终点，将起点至终点方向确定为所述主方向。
16.根据权利要求8所述的方法，其特征在于，所述根据所述主方向和所述偏转角度确定旋转角度，包括：
如果所述主方向所在坐标象限是第一象限或者第二象限，则将所述偏转角度确定为所述旋转角度；而如果所述主方向所在坐标象限是第三象限或者第四象限，则将所述偏转角度加上预设的180度，以此得到所述旋转角度。
17.一种视觉定位处理装置，其特征在于，包括：
获取模块，用于获取目标物的图像；
检测模块，用于根据所述目标物的图像，在所述目标物上进行封闭区域边缘检测，并得到用以获得目标定位区域的待筛选封闭区域；
筛选模块，用于计算各个所述待筛选封闭区域的面积，并通过预设的面积阈值条件进行筛选，得到所述目标物上的所述目标定位区域。
18.一种机器人，其特征在于，包括：
存储器，其上存储有可执行程序；
处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-16中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010001167.5A CN111209842B (zh) | 2020-01-02 | 2020-01-02 | 视觉定位处理方法、装置及机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010001167.5A CN111209842B (zh) | 2020-01-02 | 2020-01-02 | 视觉定位处理方法、装置及机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111209842A true CN111209842A (zh) | 2020-05-29 |
| CN111209842B CN111209842B (zh) | 2023-06-30 |
Family
ID=70787142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010001167.5A Active CN111209842B (zh) | 2020-01-02 | 2020-01-02 | 视觉定位处理方法、装置及机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111209842B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106570887A (zh) * | 2016-11-04 | 2017-04-19 | 天津大学 | 结合LBP特征自适应Mean Shift目标跟踪方法 |
| CN106934813A (zh) * | 2015-12-31 | 2017-07-07 | 沈阳高精数控智能技术股份有限公司 | 一种基于视觉定位的工业机器人工件抓取实现方法 |
| CN107833199A (zh) * | 2016-09-12 | 2018-03-23 | 南京大学 | 一种用于临摹卡通图像质量分析的方法 |
| CN107895376A (zh) * | 2017-12-11 | 2018-04-10 | 福州大学 | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 |
| CN109614900A (zh) * | 2018-11-29 | 2019-04-12 | 深圳和而泰数据资源与云技术有限公司 | 图像检测方法及装置 |
| CN109785317A (zh) * | 2019-01-23 | 2019-05-21 | 辽宁工业大学 | 自动码垛桁架机器人的视觉系统 |
| CN109993099A (zh) * | 2019-03-27 | 2019-07-09 | 西安航空职业技术学院 | 一种基于机器视觉的车道线提取识别方法 |
| CN110009651A (zh) * | 2018-12-27 | 2019-07-12 | 浙江大学台州研究院 | 用于复杂环境下对于仪表视觉读数在线监测系统的抗干扰算法 |
| CN110315525A (zh) * | 2018-03-29 | 2019-10-11 | 天津工业大学 | 一种基于视觉引导的机器人工件抓取方法 |
| CN110378218A (zh) * | 2019-06-13 | 2019-10-25 | 大亚湾核电运营管理有限责任公司 | 一种图像处理方法、装置及终端设备 |
-
2020
- 2020-01-02 CN CN202010001167.5A patent/CN111209842B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106934813A (zh) * | 2015-12-31 | 2017-07-07 | 沈阳高精数控智能技术股份有限公司 | 一种基于视觉定位的工业机器人工件抓取实现方法 |
| CN107833199A (zh) * | 2016-09-12 | 2018-03-23 | 南京大学 | 一种用于临摹卡通图像质量分析的方法 |
| CN106570887A (zh) * | 2016-11-04 | 2017-04-19 | 天津大学 | 结合LBP特征自适应Mean Shift目标跟踪方法 |
| CN107895376A (zh) * | 2017-12-11 | 2018-04-10 | 福州大学 | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 |
| CN110315525A (zh) * | 2018-03-29 | 2019-10-11 | 天津工业大学 | 一种基于视觉引导的机器人工件抓取方法 |
| CN109614900A (zh) * | 2018-11-29 | 2019-04-12 | 深圳和而泰数据资源与云技术有限公司 | 图像检测方法及装置 |
| CN110009651A (zh) * | 2018-12-27 | 2019-07-12 | 浙江大学台州研究院 | 用于复杂环境下对于仪表视觉读数在线监测系统的抗干扰算法 |
| CN109785317A (zh) * | 2019-01-23 | 2019-05-21 | 辽宁工业大学 | 自动码垛桁架机器人的视觉系统 |
| CN109993099A (zh) * | 2019-03-27 | 2019-07-09 | 西安航空职业技术学院 | 一种基于机器视觉的车道线提取识别方法 |
| CN110378218A (zh) * | 2019-06-13 | 2019-10-25 | 大亚湾核电运营管理有限责任公司 | 一种图像处理方法、装置及终端设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111209842B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8249304B2 (en) | System and method for measuring gaps between object parts | |
| US9621793B2 (en) | Information processing apparatus, method therefor, and measurement apparatus | |
| JP4001162B2 (ja) | 画像処理方法、画像処理用のプログラムならびにその記憶媒体、および画像処理装置 | |
| CN114897864B (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
| JP7133283B2 (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
| EP3173975A1 (en) | Method for identification of candidate points as possible characteristic points of a calibration pattern within an image of the calibration pattern | |
| CN103761534A (zh) | 一种用于qfp元件视觉定位的检测方法 | |
| CN105865329A (zh) | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 | |
| CN110490864B (zh) | 图像的自适应缺陷检测方法 | |
| CN105069453A (zh) | 一种图像校正方法及装置 | |
| CN113344990B (zh) | 孔位表征投影系统及自适应拟合的孔位对齐方法 | |
| CN108292440A (zh) | 在校准图案的图像中的一组候选点内标识该校准图案的特征点的方法 | |
| CN112861870B (zh) | 指针式仪表图像矫正方法、系统及存储介质 | |
| CN112085708B (zh) | 产品外轮廓中的直线边缘的缺陷检测方法及设备 | |
| CN112085709A (zh) | 一种图像对比方法及设备 | |
| CN107749071A (zh) | 大畸变棋盘格图像角点检测方法及装置 | |
| US8594416B2 (en) | Image processing apparatus, image processing method, and computer program | |
| JP2016133949A (ja) | 判定装置及び制御プログラム並びに判定方法 | |
| CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及系统 | |
| CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
| CN111209842A (zh) | 视觉定位处理方法、装置及机器人 | |
| CN113160301A (zh) | 一种测量弯管弯曲半径的方法及系统 | |
| US8588507B2 (en) | Computing device and method for analyzing profile tolerances of products | |
| CN113313638A (zh) | 一种外观缺陷检测方法 | |
| CN115205288B (zh) | 工业缺陷检测方法和装置 |
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 |