CN111238370A - 一种kit板的智能检测方法及装置 - Google Patents
一种kit板的智能检测方法及装置 Download PDFInfo
- Publication number
- CN111238370A CN111238370A CN202010104458.7A CN202010104458A CN111238370A CN 111238370 A CN111238370 A CN 111238370A CN 202010104458 A CN202010104458 A CN 202010104458A CN 111238370 A CN111238370 A CN 111238370A
- Authority
- CN
- China
- Prior art keywords
- kit
- value
- template
- plate
- characteristic data
- 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
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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/026—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring distance between sensor and object
-
- 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
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- 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
-
- 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
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
Abstract
本发明公开了一种KIT板的智能检测方法及装置,针对人工装配过程中可能出现的遗漏和疏忽,导致部件尺寸规格和数量错误,给机车检修人员带来额外的检查部件的工作量等问题,采用扫描测距模块对标准KIT板进行扫描测距,将扫描的距离点云数据映射为二维彩色图像,采用OpenCV图像处理算法,提取部件轮廓信息,并计算部件轮廓区域内面积、灰度、高度等特征数据,再对待检测的KIT板进行扫描,将两组特征数据进行对比,实现KIT板部件空位、部件尺寸错误等的快速智能检测。可及时发现错误,进行部件补齐或更换错误部件,避免了人工检查存在的疏漏和使用错误规格部件进行检修给机车行驶安全带来的隐患,不仅节省了大量的人力,还可以提高KIT板检测的准确性及检测效率。
Description
技术领域
本发明属于智能检测的技术领域,尤其涉及一种KIT板的智能检测方法及装置。
背景技术
成套工艺装配板(以下简称KIT板)是一种专门设计在机车检修过程中用于放置存储机车各种型号零部件的装配框架。KIT板有多种型号,板上的部件规格尺寸大小不一。目前大部分情况是由人工进行装配,以便将指定规格的部件插入不同型号的KIT板。由于装配过程中可能出现的遗漏和疏忽,导致部件尺寸规格和数量错误,会给机车检修人员带来额外的检查部件的工作量,同时,也增加了使用错误规格部件进行检修的风险,给机车行驶安全带来隐患。
虽然,申请号为CN201811541923.2的专利申请文件公开了一种成套工艺装配板的智能检测方法,包括如下步骤:采集待检测装配板的图像信息,基于所述图像信息识别待检测装配板的类型以及装配板上工件的位置区域;基于上步中的识别信息对所述位置区域进行精密激光测距,并查找与待检测装配板匹配的装配板标准模型;基于所述精密激光测距数据通过点云成像算法进行待检测装配板的三维成像,获取待检测装配板的精确三维成像模型,并进行工件定位;调用所述装配板标准模型与所述精确三维成像模型进行匹配,检测待检测装配板上所有工件的尺寸、形状及位置。实现了对工艺装配板的智能实时检测。
但是,该专利申请文件提供的技术方案需建立三维成像模型,且采用的算法较为复杂,不易实现。最重要的是,该技术方案没有对待检测装配板上的空位进行检测,会出现缺少工件的情况。
发明内容
本发明的目的是提供一种KIT板的智能检测方法及装置,可实现快速检测,且建模流程简单,可提高检测的准确性和检测效率,可视化效果好。
为解决上述问题,本发明的技术方案为:
一种KIT板的智能检测方法,包括:
对标准KIT板进行扫描测距,获得标准KIT板上各个点与扫描测距模块之间的距离;
将测得的距离映射为二维彩色图像;
采用openCV图像处理算法,提取二维彩色图像中部件的轮廓,得到部件的基础模板文件;
根据基础模板文件中的轮廓,计算各部件的特征数据,保存为模板特征数据,得到扩展模板文件;所述特征数据包括灰度值、面积值及高度值;
重复上述步骤,建立包括与所有待测KIT板型号相对应的标准KIT板的模板特征数据库;
对待测KIT板进行检测,得到待测KIT板的特征数据,调用模板特征数据库中的模板特征数据,比较待测KIT板的特征数据与模板特征数据的大小,判断是否存在部件空位或部件尺寸错误。
根据本发明一实施例,对标准KIT板进行扫描测距,具体包括:
采用激光位移传感器对标准KIT板的上表面及下表面逐行进行扫描,获得标准KIT板上各个点到激光位移传感器的距离;
根据标准KIT板上的最小部件的水平尺寸,确定扫描精度;
扫描范围覆盖整个标准KIT板且超过标准KIT板的边缘。
根据本发明一实施例,将测得的距离映射为二维彩色图像,具体包括:
将测得的距离构成距离矩阵H,H表示为:
H=[hij]
其中,h表示扫描标准KIT板表面得到的距离值,M表示沿标准KIT板长边方向依次扫描的点数,N表示沿KIT板短边方向依次扫描的行数,i=0,1,2,…,M-1,j=0,1,2,…,N-1;
将距离矩阵H,根据每行扫描的点数M和扫描的行数N,映射为二维彩色图像,扫描的点数M映射为图像宽度,扫描的行数N映射为图像高度,映射关系用公式表示为:
H=[R,G,B]T·w
其中,hij=Rij·σr+Gij·σg+Bij·σb
其中,σr,σg,σb分别为颜色分量R,G,B的转化系数,w为整体转化比例系数。
根据本发明一实施例,建立部件的基础模板文件,具体包括:
采用OpenCV图像处理算法,通过灰度化、二值化、膨胀处理后,进行部件的轮廓提取;
取轮廓最大矩形区域作为部件框位置信息,建立部件框基础模板文件。
根据本发明一实施例,为便于进行轮廓提取,将标准KIT板上表面或下表面的平面部分设为零平面,将扫描仪到零平面的距离设为基准距离值,将基准距离值减去扫描的距离值,得到校准后的距离值,将校准后的距离矩阵映射为二维彩色图像。
根据本发明一实施例,建立扩展模板文件,具体包括:
根据部件框基础模板文件中的部件框位置信息,计算灰度图中部件框轮廓区域内的面积值、灰度平均值;
还原二维彩色图像中的距离值,距离值即为部件的高度值;
结合部件框基础模板文件,将特征数据保存为扩展模板文件;所述特征数据包括各部件的面积值、灰度平均值及高度值。
根据本发明一实施例,判断是否存在部件空位或部件尺寸错误,具体包括:
分别判断待测KIT板中各部件的面积值与所述待测KIT板型号相对应的模板中相应部件的面积值之间的差值是否超过空位报警门限,若是,则进行部件空位报警;
若否,则判断待测KIT板中各部件的高度值与所述待测KIT板型号相对应的模板中相应部件的高度值之间的差值是否超过纵向尺寸报警门限,若是,则进行部件尺寸错误报警;
若否,则判断待测KIT板中各部件的面积值与所述待测KIT板型号相对应的模板中相应部件的面积值之间的差值是否超过横向尺寸报警门限,若是,则进行部件尺寸错误报警。
一种KIT板的智能检测装置,包括:
扫描测距模块,对标准KIT板进行扫描测距,获得标准KIT板上各个点与扫描仪之间的距离;
图像映射模块,将测得的距离映射为二维彩色图像;
基础模板建立模块,采用openCV图像处理算法,提取二维彩色图像中部件的轮廓,得到部件的基础模板文件;
扩展模板建立模块,根据基础模板文件中的轮廓,计算各部件的特征数据,保存为模板特征数据,得到扩展模板文件;所述特征数据包括灰度值、面积值及高度值;
模板特征数据库建立模块,建立包括与所有待测KIT板型号相对应的标准KIT板的模板特征数据库;
检测报警模块,对待测KIT板进行检测,得到待测KIT板的特征数据,调用模板特征数据库中的模板特征数据,比较待测KIT板的特征数据与模板特征数据的大小,判断是否存在部件空位或部件尺寸错误。
本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和积极效果:
本发明一实施例中的KIT板的智能检测方法,针对人工装配过程中可能出现的遗漏和疏忽,导致部件尺寸规格和数量错误,给机车检修人员带来额外的检查部件的工作量等问题,采用扫描仪对标准KIT板进行扫描测距,将扫描的距离点云数据映射为二维彩色图像,采用OpenCV图像处理算法,提取部件轮廓信息,并计算部件轮廓区域内面积、灰度、高度等特征数据,再对待检测的KIT板进行扫描,将两组特征数据进行对比,实现KIT板部件空位、部件尺寸错误等的快速智能检测。可及时发现错误,进行改正,避免了后期的返工及维修工作。不仅节省了大量的人力,还可以提高KIT板检测的准确性及检测效率。
附图说明
图1为本发明一实施例中的KIT智能检测方法流程图;
图2为本发明一实施例中的模板特征数据库建模流图;
图3为本发明一实施例中的距离数据映射为二维图像的示意图;
图4为本发明一实施例中的部件轮廓提取示意图;
图5为本发明一实施例中的部件特征数据提取流程图;
图6为本发明一实施例中的检测KIT板流图;
图7为本发明一实施例中的错误检测流程图;
图8为本发明一实施例中的KIT板的智能检测装置的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施的限制。
实施例一
本实施例提供的KIT板的智能检测方法,参看图1,分为建模与检测两部分。对KIT板进行扫描测距,将扫描的距离点云数据映射为二维彩色图像,采用OpenCV图像处理算法,提取部件轮廓信息,并计算部件轮廓区域内面积、灰度、高度等特征数据,在建模时,该特征数据保存在模板特征数据库中;在检测时,该特征数据为待与模板特征数据对比的对象。
为了使本发明的方法更清楚明白,下面将对建模与检测分开进行描述。但在实际应用是,可将建模与检测合并在一起。如当扫描的是标准KIT板时,其特征数据为建模的数据;当扫描的是待测KIT板时,其特征数据为待对比对象。可在提取KIT板的特征数据后,加入是否为标准KIT板或是否为待测KIT板的判断。
参看图2,标准KIT板是指各个部件放置孔位、部件规格尺寸、部件个数均正确的KIT板。建立标准KIT板的模板特征数据库具体包括以下步骤:
S1:建立标准KIT板型号字符串列表,并根据字符串生成对应的二维码,贴在相应的标准KIT板上。其中,每种标准KIT板对应的型号字符串是唯一的。该型号字符串中可包含标准KIT板的特征,如“标”字。
S2:通过摄像头扫描标准KIT板上的二维码,获取标准KIT板型号字串信息。
S3:采用激光位移传感器对标准KIT板上、下表面进行逐行扫描测距;获得标准KIT板上、下表面各个点的距离数据。扫描的精度根据标准KIT板上的部件的最小水平尺寸大小决定。扫描的范围覆盖整个标准KIT板且超过标准KIT板的边缘。
S4:根据扫描的点数和行数将扫描所得的距离数据映射为二维彩色图像。其中,扫描点数为图像宽度,扫描行数为图像高度,扫描的距离数据经过归一化后映射为RGB数据,存储为BMP图片格式。其中,扫描所得的距离数据映射为BMP二维彩色图像的原理如下:
将标准KIT板表面扫描的距离值用h表示,沿标准KIT板长边方向依次扫描的点数用M表示,沿标准KIT板短边方向依次扫描的行数用N表示,则由距离值构成的数据矩阵H可表示为:
H=[hij]
其中,i=0,1,2,…,M-1,j=0,1,2,…,N-1。将距离矩阵H,根据每行扫描的点数M和扫描的行数N,映射为二维彩色图像,扫描的点数M映射为图像宽度,扫描的行数N映射为图像高度,映射关系用公式表示如下:
H=[R,G,B]T·w
其中,
hij=Rij·σr+Gij·σg+Bij·σb
其中,σr,σg,σb分别为颜色分量R,G,B的转化系数,w为整体转化比例系数。
映射后的BMP彩色图像转化为灰度图后,与标准KIT板距离数据的映射关系参看图3,距离数值越小,灰度值越大,像素点越接近白色;距离数值越大,灰度值越小,像素点越接近黑色。对于超出测距范围的位置,其灰度值映射为0,即黑色。
S5:参看图4,采用OpenCV图像处理算法,通过灰度化、二值化、膨胀处理后,进行轮廓提取,取轮廓最大矩形区域作为部件框位置信息,建立部件框基础模板文件。
为便于进行轮廓提取,将标准KIT板上表面或下表面的平面部分设为零平面,将扫描仪到零平面的距离设为基准距离值,将基准距离值减去扫描的距离值,得到校准后的距离值,将校准后的距离矩阵映射为二维彩色图像。
另外,在建模过程中,由于部件种类各异,通过算法自动识别的轮廓信息需要通过观察BMP图像,借助画图工具或自行设计的软件进行位置校正。
S6:建立扩展模板文件。根据基础模板文件中的部件框位置信息,计算各个部件的灰度、面积、高度等特征数据。提取特征数据的具体流程参看图5,首先对图像进行灰度化,然后进行二值化、膨胀处理,提取轮廓,最后根据二值化图像、灰度图、原始图像,计算灰度图中部件框轮廓区域内的面积值、灰度平均值,还原二维彩色图像中的距离数据,该距离值即为部件高度值;结合基础模板文件,将这些特征数据保存为预先识别的标准KIT板型号的扩展模板文件。其中面积的计算为轮廓内灰度值不为零的点的计数值,灰度平均值为灰度值累加后的归一化灰度值,高度值为过零点像素对应的高度值的平均值。
S7:根据标准KIT板型号字符串,将该型号的标准KIT板扩展模板文件存入模板特征数据库中。
S8:重复上述步骤S1~S7,扫描与所有需要检测的KIT板相对应的标准KIT板,建立标准KIT板模板特征数据库。
以上为建模过程,完成了建模,可为检测待测KIT板提供判断依据。
检测待测KIT板需要扫描待测的KIT板获得其特征数据,并与标准KIT板的特征数据进行比对,判断待测KIT板是否存在部件空位、部件尺寸错误等信息。参看图6,具体的检测过程如下所示:
A1:建立待测KIT板型号字符串列表,并根据字符串生成对应的二维码,贴在相应的待测KIT板上。
其中,每种待测KIT板对应的型号字符串是唯一的。这是对所有的待测KIT板进行区分而设的,在模板特征数据库中存在着与各待测KIT板型号对应的标准KIT板。该型号字符串中可包含待测KIT板的特征,如“测”字。
A2:通过摄像头扫描待测KIT板上的二维码,获取待测KIT板型号字符串信息。可根据该型号字符串从标准KIT板模板特征数据库中获取相应型号的扩展模板信息。
A3:采用激光位移传感器对待测KIT板的上、下表面进行逐行扫描测距,获得待测KIT板上、下表面各个点的距离数据。其扫描精度及扫描范围与步骤S3一致。
A4:根据待测KIT板的扫描的点数和行数,将扫描所得的距离数据映射为二维彩色图像。其映射原理与上述步骤S4相同,在此不再赘述。
A5:将二维彩色图像转化为灰度图,提取灰度图中各部件的轮廓,根据部件的轮廓位置信息,计算部件的特征数据。这些特征数据的定义及计算与上述步骤S5、S6一致。
A6:将这些特征数据与模板特征数据库中相应的特征数据进行比对,得到检测结果。根据比对的结果检测出该KIT板上部件的尺寸是否与模板匹配以及是否存在空位。
比对流程参看图7。分别判断待测KIT板中各部件的面积值与所述待测KIT板型号相对应的模板中相应部件的面积值之间的差值是否超过空位报警门限,若是,则检测不通过,进行部件空位报警;
若否,则判断待测KIT板中各部件的高度值与所述待测KIT板型号相对应的模板中相应部件的高度值之间的差值是否超过纵向尺寸报警门限,若是,则检测不通过,进行部件尺寸错误报警;
若否,则判断待测KIT板中各部件的面积值与所述待测KIT板型号相对应的模板中相应部件的面积值之间的差值是否超过横向尺寸报警门限,若是,则检测不通过,进行部件尺寸错误报警;若否,则检测通过。
本发明通过上述对标准KIT板的建模及对待测KIT板的检测判断,实现了对KIT板的快速智能检测,可及时发现KIT板上的空位错误或部件尺寸错误,并对出现的各种错误进行报警,提醒工作人员需要对KIT板上的部件进行补齐或更换错误部件。避免出现因未发现部件装配错误,导致在使用中的需要返工或由此引发机车运行故障的情况。不仅节省了大量的人力,还可以提高KIT板检测的准确性及检测效率。且,本发明的建模流程简单,方便实现。
实施例二
本实施例提供了实现上述实施例一中的KIT板智能检测方法的装置。参看图8,该装置具体包括:
扫描测距模块1,对标准KIT板进行扫描测距,获得标准KIT板上各个点与扫描仪之间的距离;
图像映射模块2,将测得的距离映射为二维彩色图像;
基础模板建立模块3,采用openCV图像处理算法,提取二维彩色图像中部件的轮廓,得到部件的基础模板文件;
扩展模板建立模块4,根据基础模板文件中的轮廓,计算各部件的特征数据,保存为模板特征数据,得到扩展模板文件;所述特征数据包括灰度值、面积值及高度值;
模板特征数据库建立模块5,建立包括与所有待测KIT板型号相对应的标准KIT板的模板特征数据库;
检测报警模块6,对待测KIT板进行检测,得到待测KIT板的特征数据,调用模板特征数据库中的模板特征数据,比较待测KIT板的特征数据与模板特征数据的大小,判断是否存在部件空位或部件尺寸错误。
上述扫描测距模块1、图像映射模块2、基础模板建立模块3、扩展模板建立模块4及模板特征数据库建立模块5,这些模块的实现方式及实现内容与上述实施例一中的步骤S1~S8一致;而检测报警模块6的实现方式及实现内容与上述实施例一中的步骤A1~A6一致,在此不再赘述。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式。即使对本发明作出各种变化,倘若这些变化属于本发明权利要求及其等同技术的范围之内,则仍落入在本发明的保护范围之中。
Claims (8)
1.一种KIT板的智能检测方法,其特征在于,包括:
对标准KIT板进行扫描测距,获得标准KIT板上各个点与扫描测距模块之间的距离;
将测得的距离映射为二维彩色图像;
采用openCV图像处理算法,提取二维彩色图像中部件的轮廓,得到部件的基础模板文件;
根据基础模板文件中的轮廓,计算各部件的特征数据,保存为模板特征数据,得到扩展模板文件;所述特征数据包括灰度值、面积值及高度值;
重复上述步骤,建立包括与所有待测KIT板型号相对应的标准KIT板的模板特征数据库;
对待测KIT板进行扫描,得到待测KIT板的特征数据,调用模板特征数据库中的模板特征数据,比较待测KIT板的特征数据与模板特征数据的大小,判断是否存在部件空位或部件尺寸错误。
2.如权利要求1所述的KIT板的智能检测方法,其特征在于,对标准KIT板进行扫描测距,具体包括:
采用激光位移传感器对标准KIT板的上表面及下表面逐行进行扫描,获得标准KIT板上各个点到激光位移传感器的距离;
根据标准KIT板上的最小部件的水平尺寸,确定扫描精度;
扫描范围覆盖整个标准KIT板且超过标准KIT板的边缘。
3.如权利要求1所述的KIT板的智能检测方法,其特征在于,将测得的距离映射为二维彩色图像,具体包括:
将测得的距离构成距离矩阵H,H表示为:
H=[hiu]
其中,h表示扫描标准KIT板表面得到的距离值,M表示沿标准KIT板长边方向依次扫描的点数,N表示沿KIT板短边方向依次扫描的行数,i=0,1,2,…,M-1,j=0,1,2,…,N-1;
将距离矩阵H,根据每行扫描的点数M和扫描的行数N,映射为二维彩色图像,扫描的点数M映射为图像宽度,扫描的行数N映射为图像高度,映射关系用公式表示为:
H=[R,G,B]T·w
其中,hiu=Riu·σr+Giu·σg+Biu·σb
其中,σr,σg,σb分别为颜色分量R,G,B的转化系数,w为整体转化比例系数。
4.如权利要求1所述的KIT板的智能检测方法,其特征在于,建立部件的基础模板文件,具体包括:
采用OpenCV图像处理算法,通过灰度化、二值化、膨胀处理后,进行部件的轮廓提取;
取轮廓最大矩形区域作为部件框位置信息,建立部件框基础模板文件。
5.如权利要求4所述的KIT板的智能检测方法,其特征在于,为便于进行轮廓提取,将标准KIT板上表面或下表面的平面部分设为零平面,将扫描测距模块到零平面的距离设为基准距离值,将基准距离值减去扫描的距离值,得到校准后的距离值,将校准后的距离矩阵映射为二维彩色图像。
6.如权利要求5所述的KIT板的智能检测方法,其特征在于,建立扩展模板文件,具体包括:
根据部件框基础模板文件中的部件框位置信息,计算灰度图中部件框轮廓区域内的面积值、灰度平均值;
还原二维彩色图像中的距离值,距离值即为部件的高度值;
结合部件框基础模板文件,将特征数据保存为扩展模板文件;所述特征数据包括各部件的面积值、灰度平均值及高度值。
7.如权利要求1所述的KIT板的智能检测方法,其特征在于,判断是否存在部件空位或部件尺寸错误,具体包括:
分别判断待测KIT板中各部件的面积值与所述待测KIT板型号相对应的模板中相应部件的面积值之间的差值是否超过空位报警门限,若是,则进行部件空位报警;
若否,则判断待测KIT板中各部件的高度值与所述待测KIT板型号相对应的模板中相应部件的高度值之间的差值是否超过纵向尺寸报警门限,若是,则进行部件尺寸错误报警;
若否,则判断待测KIT板中各部件的面积值与所述待测KIT板型号相对应的模板中相应部件的面积值之间的差值是否超过横向尺寸报警门限,若是,则进行部件尺寸错误报警。
8.一种KIT板的智能检测装置,其特征在于,包括:
扫描测距模块,对标准KIT板进行扫描测距,获得标准KIT板上各个点与扫描测距模块之间的距离;
图像映射模块,将测得的距离映射为二维彩色图像;
基础模板建立模块,采用openCV图像处理算法,提取二维彩色图像中部件的轮廓,得到部件的基础模板文件;
扩展模板建立模块,根据基础模板文件中的轮廓,计算各部件的特征数据,保存为模板特征数据,得到扩展模板文件;所述特征数据包括灰度值、面积值及高度值;
模板特征数据库建立模块,建立包括与所有待测KIT板型号相对应的标准KIT板的模板特征数据库;
检测报警模块,对待测KIT板进行检测,得到待测KIT板的特征数据,调用模板特征数据库中的模板特征数据,比较待测KIT板的特征数据与模板特征数据的大小,判断是否存在部件空位或部件尺寸错误。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010104458.7A CN111238370A (zh) | 2020-02-20 | 2020-02-20 | 一种kit板的智能检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010104458.7A CN111238370A (zh) | 2020-02-20 | 2020-02-20 | 一种kit板的智能检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111238370A true CN111238370A (zh) | 2020-06-05 |
Family
ID=70865252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010104458.7A Pending CN111238370A (zh) | 2020-02-20 | 2020-02-20 | 一种kit板的智能检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111238370A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0277542A1 (de) * | 1987-02-05 | 1988-08-10 | Firma Carl Zeiss | Optoelektronischer Abstandssensor |
CN1363483A (zh) * | 2001-01-04 | 2002-08-14 | 中国科学院长春光学精密机械与物理研究所 | 肇事汽车车灯计算机鉴别方法及装置 |
CN101907450A (zh) * | 2010-07-22 | 2010-12-08 | 西北师范大学 | 不同反射率材质组合表面的三维宏观形貌构建方法 |
CN103006228A (zh) * | 2012-11-09 | 2013-04-03 | 北京服装学院 | 一种人体形态特征的测量方法 |
CN103150330A (zh) * | 2013-01-16 | 2013-06-12 | 中南大学 | 一种基于局部对象和块匹配的扫描证书图像检索方法 |
CN103729883A (zh) * | 2013-12-30 | 2014-04-16 | 浙江大学 | 一种三维环境信息采集与重构系统及方法 |
CN105513054A (zh) * | 2015-11-26 | 2016-04-20 | 北京市计算中心 | 基于三维扫描的拓印方法 |
CN105737802A (zh) * | 2016-01-26 | 2016-07-06 | 中国科学院水利部成都山地灾害与环境研究所 | 基于体感摄影技术的堆积剖面空间结构信息分析方法 |
CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
CN109410264A (zh) * | 2018-09-29 | 2019-03-01 | 大连理工大学 | 一种基于激光点云与图像融合的前方车辆距离测量方法 |
CN109590952A (zh) * | 2018-12-17 | 2019-04-09 | 嘉兴运达智能设备有限公司 | 成套工艺装配板的智能检测方法和检测工作台 |
CN109614977A (zh) * | 2018-11-14 | 2019-04-12 | 华南理工大学 | 一种轮毂型号识别方法 |
CN110264416A (zh) * | 2019-05-28 | 2019-09-20 | 深圳大学 | 稀疏点云分割方法及装置 |
CN110286387A (zh) * | 2019-06-25 | 2019-09-27 | 深兰科技(上海)有限公司 | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 |
CN110599407A (zh) * | 2019-06-21 | 2019-12-20 | 杭州一隅千象科技有限公司 | 基于向下倾角方向的多台tof相机人体降噪方法及系统 |
-
2020
- 2020-02-20 CN CN202010104458.7A patent/CN111238370A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0277542A1 (de) * | 1987-02-05 | 1988-08-10 | Firma Carl Zeiss | Optoelektronischer Abstandssensor |
CN1363483A (zh) * | 2001-01-04 | 2002-08-14 | 中国科学院长春光学精密机械与物理研究所 | 肇事汽车车灯计算机鉴别方法及装置 |
CN101907450A (zh) * | 2010-07-22 | 2010-12-08 | 西北师范大学 | 不同反射率材质组合表面的三维宏观形貌构建方法 |
CN103006228A (zh) * | 2012-11-09 | 2013-04-03 | 北京服装学院 | 一种人体形态特征的测量方法 |
CN103150330A (zh) * | 2013-01-16 | 2013-06-12 | 中南大学 | 一种基于局部对象和块匹配的扫描证书图像检索方法 |
CN103729883A (zh) * | 2013-12-30 | 2014-04-16 | 浙江大学 | 一种三维环境信息采集与重构系统及方法 |
CN105513054A (zh) * | 2015-11-26 | 2016-04-20 | 北京市计算中心 | 基于三维扫描的拓印方法 |
CN105737802A (zh) * | 2016-01-26 | 2016-07-06 | 中国科学院水利部成都山地灾害与环境研究所 | 基于体感摄影技术的堆积剖面空间结构信息分析方法 |
CN109410264A (zh) * | 2018-09-29 | 2019-03-01 | 大连理工大学 | 一种基于激光点云与图像融合的前方车辆距离测量方法 |
CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
CN109614977A (zh) * | 2018-11-14 | 2019-04-12 | 华南理工大学 | 一种轮毂型号识别方法 |
CN109590952A (zh) * | 2018-12-17 | 2019-04-09 | 嘉兴运达智能设备有限公司 | 成套工艺装配板的智能检测方法和检测工作台 |
CN110264416A (zh) * | 2019-05-28 | 2019-09-20 | 深圳大学 | 稀疏点云分割方法及装置 |
CN110599407A (zh) * | 2019-06-21 | 2019-12-20 | 杭州一隅千象科技有限公司 | 基于向下倾角方向的多台tof相机人体降噪方法及系统 |
CN110286387A (zh) * | 2019-06-25 | 2019-09-27 | 深兰科技(上海)有限公司 | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN110675376A (zh) | 一种基于模板匹配的pcb缺陷检测方法 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN105303168A (zh) | 一种多视角的指针式仪表识别方法和装置 | |
CN111899296B (zh) | 一种基于计算机视觉的原木材积检测方法与装置 | |
CN110517265A (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN111485475A (zh) | 一种路面坑槽识别方法及其装置 | |
CN109752392A (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
JP2003216931A (ja) | 特定パターン認識方法、特定パターン認識プログラム、特定パターン認識プログラム記録媒体および特定パターン認識装置 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
JP5036637B2 (ja) | 凹凸文字抽出のための画像処理方法及び画像処理装置 | |
CN115375608A (zh) | 检测方法及装置、检测设备和存储介质 | |
CN111238370A (zh) | 一种kit板的智能检测方法及装置 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
CN112146593A (zh) | 一种基于机器视觉的外螺纹检测方法及实时检测系统 | |
CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
CN111189826B (zh) | 用于pH试纸测量待测溶液pH值的智能评分实验设备及方法 | |
CN114677331A (zh) | 基于灰度图像和深度数据融合的管材缺陷检测方法及装置 | |
CN114821589A (zh) | 一种车辆vin码检测方法及装置 | |
CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
CN114638792A (zh) | 一种用于插件电路板电解电容极性缺陷检测的方法 | |
CN113902894A (zh) | 一种基于图像处理的条式水平仪自动读数识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |