CN111238405A - 一种工件曲率检测系统及方法 - Google Patents
一种工件曲率检测系统及方法 Download PDFInfo
- Publication number
- CN111238405A CN111238405A CN202010339354.4A CN202010339354A CN111238405A CN 111238405 A CN111238405 A CN 111238405A CN 202010339354 A CN202010339354 A CN 202010339354A CN 111238405 A CN111238405 A CN 111238405A
- Authority
- CN
- China
- Prior art keywords
- curvature
- parameter
- discrete points
- circle
- workpiece
- 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
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
- G01B11/255—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring radius of curvature
Abstract
本发明公开了一种工件曲率检测系统及方法。该系统包括:传感器和数据处理模块,所述数据处理模块包括分割模块、曲率粗测模块和曲率精测模块;所述传感器用于采集所述平面和所述曲面上的多个离散点的数据,多个所述离散点在所述平面上的投影在一条直线上;所述分割模块用于将多个所述离散点分割为直线上离散点集合与弧线上离散点集合;所述曲率粗测模块用于结合几何方法和最小二乘圆拟合方法计算弧线圆参数范围,作为霍夫变换方法的参数空间搜索范围;所述曲率精测模块用于采用霍夫变换方法获得所述弧线的实际曲率参数空间,并用概率模型计算弧线的曲率精确值。本发明具有受噪声影响小、鲁棒性强、测量更精确的优点。
Description
技术领域
本发明属于精密测量技术领域,更具体地,涉及一种工件曲率检测系统及方法。
背景技术
当前智能手机已经成为生活的必需品,其设计越来越美观,3D玻璃因为其美观且强度大,已经成为手机盖板的主流材料。现在手机制造越来越精密,对各零部件之间结合的紧密度要求也提出了更高的要求,特别是盖板这样大的结构性部件,其表面各部位与主体结构结合的好坏,对手机的美观、手感、防水、耐用性等各方面均有很大的影响。特别是玻璃盖板的曲边,是影响盖板与主机结合精密度的关键部位,所定制盖板边缘曲率必须达到设计要求,这就需要高精度曲率计算方法及其应用系统装备。
当前国内手机玻璃盖板主流使用的是2.5D玻璃盖板,对其边缘倒角曲率的在线检测,目前还没有很好的办法,主要还是采用离线检测与生产设备调整相结合进行质量控制,在这种方式下,质量控制信息反馈周期长,处理调整速度慢。目前有限的检测方法中,主流是应用激光三角测量方法采集表面点,根据距离信息计算各参数值。这些设备一般每次只能采集一个点,也有少数能够同时采集多点的设备,但一般不能同时采集超过200个点。对于精密测量,采集区域太小,通过机械扫描不仅增加了设备的复杂性,而且在较大区域测量时,速度慢,精度也受限。
在采集到离散数据后,需要快速、精确的数据分析处理方法,来计算全部待测参数,与设计参数比较,然后根据其精度做产品分级,既可以直接提高产品效益,也有利于产品品牌建设。对于曲率计算,目前主要应用的方法是最小二乘拟合法、霍夫变化法,其中最小二乘拟合圆方法受噪声影响较大,霍夫变换方法则对参数空间搜索范围的确定需要预先人工确定,选取范围太大,则计算时间长,搜索效率低,设置太小,则有可能遗漏最优值。而且,仅仅选取投票最大值对应的参数值作为检测结果,在采样点比较少时,噪声对测量结果的影响会较大。为提高数据分析计算精度和稳定性,需要研究新的方法。
发明内容
针对现有技术的至少一个缺陷或改进需求,本发明提供了一种工件曲率检测系统及方法,具有受噪声影响小、鲁棒性强、测量更精确的优点。
为实现上述目的,按照本发明的第一方面,提供了一种工件曲率检测系统,应用于包含平面和与所述平面连接的曲面的工件的曲率检测,包括传感器和数据处理模块,所述数据处理模块包括分割模块、曲率粗测模块和曲率精测模块;
所述传感器用于采集所述平面和所述曲面上的多个离散点的数据,多个所述离散点在所述平面上的投影在一条直线上;
所述分割模块用于将多个所述离散点分割为直线上离散点集合与弧线上离散点集合;
所述曲率粗测模块用于采用几何方法计算获得所述弧线的第一圆参数范围,采用最小二乘圆拟合方法计算获得所述弧线的第二圆参数范围,根据所述第一圆参数范围和所述第二圆参数范围获得第三圆参数范围;
所述曲率精测模块用于采用霍夫变换方法获得所述弧线的实际曲率参数,其中,将所述第三圆参数范围作为所述霍夫变换方法的参数空间搜索范围。
优选地,所述数据处理模块还包括优化模块,用于采用概率分析方法对霍夫变换的结果进行优化处理。
优选地,所述数据处理模块还包括滤波模块,用于采用高斯滤波器对多个所述离散点的数据进行滤波处理,将滤波处理后的多个所述离散点的数据发送给所述分割模块进行数据分割。
优选地,所述分割模块用于采用迭代最小二乘直线拟合方法将多个所述离散点分割为直线上离散点集合与弧线上离散点集合。
优选地,所述采用霍夫变换方法获得所述弧线的实际曲率参数具体是:
按照预设的参数分辨率,将所述第三圆参数范围进行网格划分,获得多个参数组,所述参数分辨率表示对所述第三圆参数范围进行细分的程度;
采用霍夫变换方法将所述曲线部分的所述离散点的数据从数据空间变换到参数空间;
在参数空间,映射到各个点数据点的个数应该服从正态分布,求正态分布参数,根据该正态分布模型获取各个参数组的概率值;
按预设概率计算参数阈值,获取有效参数组。
优选地,所述采用概率分析方法对霍夫变换的结果进行优化处理具体是:
对所有所述有效参数组,以该参数组的概率为权重,计算参数的加权平均值,获得优化后的实际曲率参数。
优选地,所述传感器为光谱共焦传感器。
按照本发明的第二方面,提供了一种工件曲率检测方法,应用于包含平面和与所述平面连接的曲面的工件的曲率检测,包括:
采集所述平面和所述曲面上的多个离散点的数据,多个所述离散点在所述平面上的投影在一条直线上;
将多个所述离散点分割为直线部分和弧线部分;
采用几何方法计算获得所述弧线的第一圆参数范围,采用最小二乘圆拟合方法计算获得所述弧线的第二圆参数范围,根据所述第一圆参数范围和所述第二圆参数范围获得第三圆参数范围;
采用霍夫变换方法获得所述弧线的实际曲率参数,其中,将所述第三圆参数范围作为所述霍夫变换方法的参数空间搜索范围。
总体而言,本发明与现有技术相比,具有有益效果:
(1)相较于拟合方法或者是霍夫变换方法,本发明采用几何方法和最小二乘圆拟合法进行粗测,确定计算参数的大致范围,作为霍夫变换方法的参数空间搜索空间,使得本发明受噪声影响小,鲁棒性强,且测量更精确。
(2)运用几何模型计算每个采集到的弧线点所在理想圆的参数和最小二乘法拟合圆的参数相结合的方法,计算实际圆弧参数的范围,因而本发明不必指定霍夫变换的参数范围阈值,而是根据采集数据在粗测阶段计算获取,具有更广泛的适应性。
(3)计算实际圆弧参数的范围作为霍夫变化方法的参数空间搜索范围,使得参数搜索更为有效,参数搜索空间小,从而提高霍夫变换算法的效率。
(4)引入概率分析方法在参数域内对霍夫变换的结果进行优化处理,用概率加权方法处理检测结果,数据更为精确。
(5)采用的光谱共焦传感器可以同时采集一条线上2048个点,采样区域大,不必进行机械扫描即可完成一条线的数据采集,速度快,满足在线检测要求。
附图说明
图1是本发明实施例的一种工件曲率检测系统示意图;
图2是本发明实施例的一种工件曲率检测方法流程图;
图3是本发明实施例的数据采集示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的一种工件曲率检测系统及方法,应用于特定结构的工件的曲率检测,输出的实际曲率参数可以和预先设定的曲率设计参数进行比较,来辅助检测工件是否合格。该待检测的工件包含平面和曲面,平面和曲面边缘连接。其中最为代表性的工件即为手机盖板使用的2.5D玻璃,但并不限定于此,可以是其他任何包含平面和与平面连接的曲面的工件。
本发明的一种工件曲率检测系统及方法,采用几何方法和最小二乘圆拟合法进行粗测,确定计算参数的大致范围,作为霍夫变换方法的参数搜索空间。另外,本发明还提出应用概率分析方法代替最大值选取法,对霍夫变换结果进行优化处理,提高了在采样点数量较少的情况下参数计算的精确度。另外,本发明还提出基于光谱共焦传感器来进行数据采集,采样区域大,采样速度快,满足在线检测要求。
本发明实施例的一种工件曲率检测系统,包括传感器和数据处理模块。如图1所示,数据处理模块可以是工控机。传感器通过网口与工控机连接,工控机与传感器之间通过网络通信协议实现数据和指令信息的交换。优选地,工件曲率检测系统还可以包括显示器,显示器与工控机之间为标准的显示接口,显示器用来接收并显示工控机输出的检测结果。
传感器用于采集工件的平面和曲面上的多个离散点的数据,并且多个采集的离散点在所述平面上的投影在一条直线上。采集后的离散数据如图3所示。数据采集是采集待测区域表面点数据,是后续测量计算的基础。
在数据采集过程中,并不要求被测工件处于绝对水平状态,对曲面弧线边缘的完整性也没有特定要求。
优选地,传感器为光谱共焦传感器。采用光谱共焦传感器的优点包括:(1)光谱共焦传感器是非接触式光学传感器,不受环境温度、电磁、噪声等工业环境影响;(2)光谱共焦传感器的测量精度在深度方向可以达到微米以下,精度高;(3)光谱共焦传感器与一般的传感器不同,该传感器可以一次采集可以获取一条线的点数据,信息量大且速度快,在本发明实施例中,单次可以获取2014个点,采样频率科大1000K以上,因此对边缘曲线的数据采集无需机械扫描,大大降低测量系统的复杂性,同时大大提高了系统的稳定性和测量精度,完全满足在线测量的要求。
工控机来实现控制和数据处理。在工控机上安装曲率测量应用软件,该软件控制传感器实现数据采集,并完成数据处理。
工控机的数据处理部分包括分割模块、曲率粗测模块和曲率精测模块。
分割模块用于将传感器采集的多个离散点分割为直线上离散点集合与弧线上离散点集合。直线部分是工件平面上的点,弧线部分是工件曲面上的点。数据分割是进一步的分析基础。优选地,所述分割模块用于采用迭代最小二乘直线拟合方法来进行数据分割。
优选地,数据处理部分还包括滤波模块,用于在进行数据分割前,对采集的离散点的数据进行滤波处理。优选地,采用高斯滤波器,滤波器系数按计算,为标准差,波器长度可以根据ISO标准规定的方法进行滤波处理。在实际测量时,边缘弧线一定是在所采集线性点数据的一端,因为在既定长度下,超过边缘的部分没有有效数据,不是一般性,假定在线的末端,也保存在存储空间数组的末端。本发明方法中,采用迭代最小二乘直线拟合检测方法,检测采集点集中所有直线上的点数据,完成数据分割。
曲率粗测模块用于采用几何方法根据弧线上离散点集合计算获得弧线的第一圆参数范围,采用最小二乘圆拟合方法根据弧线上离散点集合计算获得弧线的第二圆参数范围,根据第一圆参数范围和第二圆参数范围获得第三圆参数范围。第一圆参数范围、第二圆参数范围和第三圆参数范围用于区分不同方法获得的圆参数范围。在精密测量中,信噪比相对来说要低一些,直接应用最小二乘拟合或者是霍夫变换法进行弧线检测,受噪声影响,其检测结果变化很大,不稳定。本发明通过利用结合对噪声更敏感的几何方法与最小二乘拟合方法,检测在噪声影响下各项参数的变化范围,作为实际参数范围的估计。
曲率精测模块用于采用霍夫变换方法获得弧线的实际曲率参数,并且将上述第三圆参数范围作为霍夫变换方法的参数空间搜索范围。曲率精测模块的目的是在包含实际参数的区域内,精确计算待测参数的值。霍夫变换将数据空间映射到参数空间,在同一组参数所确定的几何图像上的所有点,映射到参数空间的同一点,某点上映射采样点的个数越多,则该样本为该参数决定的几何图形的可能性就越大。参数空间各点处所映射数据点的数量分布与噪声模型一致,为高斯分布。
优选地,曲率精测模块还包括优化模块,用于采用概率分析方法对霍夫变换的结果进行优化处理,对每个点的概率值,通过概率加权平均获取精确的曲率值。
数据处理模块中每个模块的数据处理具体步骤和下述工件曲率检测方法原理相同,此处不再赘述。
下面来具体说明本发明实施例的一种工件曲率检测方法的流程,具体如图2所示:
S1,采集工件平面和曲面上的多个离散点的数据,采集的多个离散点投影在一条直线上。优选地,采用光谱共焦传感器来实现上述采集。
S2,将采集的多个离散点分割为直线上离散点集合与弧线上离散点集合。优选地,数据分割前对采集的离散点的数据进行滤波处理。优选地,采用高斯滤波器,滤波器系数按计算,为标准差,滤波器长度可以根据ISO标准规定的方法进行滤波处理,对滤波处理后的数据进行数据分割。
S3,采用几何方法根据弧线上离散点集合获得弧线的第一圆参数范围,采用最小二乘圆拟合方法根据弧线上离散点集合计算获得弧线的第二圆参数范围,根据第一圆参数范围和第二圆参数范围获得第三圆参数范围。第一圆参数范围、第二圆参数范围和第三圆参数范围用于区分不同方法获得的圆参数范围。
S4,采用霍夫变换方法获得弧线的实际曲率参数,其中,将步骤S3获得第三圆参数范围作为霍夫变换方法的参数空间搜索范围。优选地,采用概率分析方法对霍夫变换的结果进行优化处理。
具体地,步骤S2中,采用迭代最小二乘直线拟合方法来实现上述分割。具体地,包括以下步骤:
S21,根据预设的索引值,读取部分线性数据。索引值是预先假设的直线和弧线的分割点,假设索引值为1/3,假设起始端是直线,弧线在末端,截取数据中从起始开始的部分数据,长度为总长度的1/3。
S22,采用迭代最小二乘直线拟合方法计算该部分数据的最小二乘直线L。
S23,计算所截取数据中所有的点到直线L的距离,求取最大值T。
S24,计算除截取数据之外所有的点到最小二乘直线的距离。
S25,以T为阈值,求取到直线L距离小于等于T的点的最大索引值。
S26,重新截取从起始到步骤S24所求取最大索引值的数据;
S27,重复步骤S22至步骤S25,至截取数据不变为止。此时,截取的数据即为直线上离散点集合,剩余部分数据即为与弧线上离散点集合,直线数据与弧线数据接点即为切点(xp,yp)。
具体地,步骤S3具体包括以下步骤。
S31,计算直线数据最小二乘拟合直线L和垂直直线LO。
S32,计算弧线上的点到直线L和L0的距离,分别即为a, b。
S33,设圆半径为r,依以下方程计算r值。
(r-a)*(r-a)+b*b=r*r
S34,计算所有r值,并求最小值rmin和最大值rmax,即为第一圆参数范围。
S35,求弧线的最小二乘圆的半径rm和圆心(xm,ym),即为第二圆参数范围。
S36,根据步骤S34和S35计算的圆参数范围,计算粗测半径r的取值范围下限值rl和上限值rh、以及粗测圆心横纵坐标取值的下限(xl,yl)和上限(xh,yh),即为第三圆参数范围。
rl=rm-(rmax-rmin)/2
rh=rm+(rmax-rmin)/2)
xl=xm-(rmax-rmin)/2
xh= xm+(rmax-rmin)/2
yl=ym-(rmax-rmin)/2
yh=ym+(rmax-rmin)/2;
具体地,步骤S4具体包括以下步骤。
S41,按照预设的参数分辨率,将所述第三圆参数范围进行网格划分,获得多个离散的参数组。参数分辨率表示对第三圆参数范围进行细分的程度。
S42,采用霍夫变换方法将所述曲线部分的所述离散点的数据从数据空间变换到参数空间。
S43,对变换后的参数空间的参数分布进行正态分布建模,获得正态分布参数。在参数空间,参数分布模型符合噪声分布模型,即正态分布模型。对参数分布按照正态分布建模,并求取模型参数。指定点的模型值,即为取该参数的概率值。
S44,根据预设概率阈值获取有效参数组。将有效参数组作为检测输出的实际曲率参数。
优选地,采用概率分析方法对霍夫变换的结果进行优化处理具体是:对步骤S44获得的所有效参数组,以该参数组的概率为权重,计算参数的加权平均值,获得优化后的实际曲率参数。
x=(x1*p1+x2*p2+…+xn*pn)/(p1+p2+…+pn)
其中,xi(1≤i≤n)为第i个可能取值,pi为其对应的概率。将优化后的参数作为检测输出的实际曲率参数。
必须说明的是,上述任一实施例中,方法并不必然按照序号顺序依次执行,只要从执行逻辑中不能推定必然按某一顺序执行,则意味着可以以其他任何可能的顺序执行。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (10)
1.一种工件曲率检测系统,应用于包含平面和与所述平面连接的曲面的工件的曲率检测,其特征在于,包括传感器和数据处理模块,所述数据处理模块包括分割模块、曲率粗测模块和曲率精测模块;
所述传感器用于采集所述平面和所述曲面上的多个离散点的数据,多个所述离散点在所述平面上的投影在一条直线上;
所述分割模块用于将多个所述离散点分割为直线上离散点集合与弧线上离散点集合;
所述曲率粗测模块用于采用几何方法根据弧线上离散点集合计算获得该弧线的第一圆参数范围,采用最小二乘圆拟合方法根据弧线上离散点集合计算获得该弧线的第二圆参数范围,根据所述第一圆参数范围和所述第二圆参数范围获得第三圆参数范围;
所述曲率精测模块用于采用霍夫变换方法获得该弧线的实际曲率参数,其中,将所述第三圆参数范围作为所述霍夫变换方法的参数空间搜索范围。
2.如权利要求1所述的一种工件曲率检测系统,其特征在于,所述曲率精测模块还包括优化模块,用于采用概率分析方法对霍夫变换的结果进行优化处理。
3.如权利要求1或2所述的一种工件曲率检测系统,其特征在于,所述数据处理模块还包括滤波模块,用于对多个所述离散点的数据进行滤波处理,将滤波处理后的多个所述离散点的数据发送给所述分割模块进行数据分割。
4.如权利要求1或2所述的一种工件曲率检测系统,其特征在于,所述分割模块用于采用迭代最小二乘直线拟合方法将多个所述离散点分割为直线上离散点集合与弧线上离散点集合。
5.如权利要求2所述的一种工件曲率检测系统,其特征在于,所述采用霍夫变换方法获得所述弧线的实际曲率参数具体是:
按照预设的参数分辨率,将所述第三圆参数范围进行网格划分,获得多个参数组,所述参数分辨率表示对所述第三圆参数范围内的参数进行细分的程度;
采用霍夫变换方法将弧线上离散点集合从数据空间变换到参数空间;
对变换后的参数空间的参数分布进行正态分布建模,获得正态分布参数,根据正态分布模型获取所述参数组的概率值;
根据预设概率阈值获取有效参数组。
6.如权利要求5所述的一种工件曲率检测系统,其特征在于,所述采用概率分析方法对霍夫变换的结果进行优化处理具体是:
对所有所述有效参数组,以该参数组的概率为权重,计算参数的加权平均值,获得优化后的实际曲率参数。
7.如权利要求1或2所述的一种工件曲率检测系统,其特征在于,所述传感器为光谱共焦传感器。
8.一种工件曲率检测方法,应用于包含平面和与所述平面连接的曲面的工件的曲率检测,其特征在于,包括:
采集所述平面和所述曲面上的多个离散点的数据,多个所述离散点在所述平面上的投影在一条直线上;
将多个所述离散点分割为直线上离散点集合与弧线上离散点集合;
采用几何方法根据弧线上离散点集合计算获得该弧线的第一圆参数范围,采用最小二乘圆拟合方法根据弧线上离散点集合计算获得该弧线的第二圆参数范围,根据所述第一圆参数范围和所述第二圆参数范围获得第三圆参数范围;
采用霍夫变换方法获得该弧线的实际曲率参数,其中,将所述第三圆参数范围作为所述霍夫变换方法的参数空间搜索范围。
9.如权利要求8所述的一种工件曲率检测方法,其特征在于,采用概率分析方法对霍夫变换的结果进行优化处理。
10.如权利要求8或9所述的一种工件曲率检测方法,其特征在于,采用光谱共焦传感器来采集所述平面和所述曲面上的多个离散点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339354.4A CN111238405B (zh) | 2020-04-26 | 2020-04-26 | 一种工件曲率检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339354.4A CN111238405B (zh) | 2020-04-26 | 2020-04-26 | 一种工件曲率检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111238405A true CN111238405A (zh) | 2020-06-05 |
CN111238405B CN111238405B (zh) | 2020-08-04 |
Family
ID=70875589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010339354.4A Active CN111238405B (zh) | 2020-04-26 | 2020-04-26 | 一种工件曲率检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111238405B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066913A (zh) * | 2020-08-28 | 2020-12-11 | 四川大学 | 一种测量球面曲率半径的方法 |
CN112103201A (zh) * | 2020-09-24 | 2020-12-18 | 无锡卓海科技有限公司 | 一种自动校准补偿的透明晶圆表面曲率半径测量方法 |
CN115600309A (zh) * | 2022-09-02 | 2023-01-13 | 南京天洑软件有限公司(Cn) | 一种基于曲面重构的汽车挡风玻璃模具型面设计方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003065729A (ja) * | 2001-08-29 | 2003-03-05 | Seiko Instruments Inc | フェルール孔等の内径測定方法および装置 |
CN104390591A (zh) * | 2014-11-27 | 2015-03-04 | 上海江南长兴造船有限责任公司 | 大型曲面板测量中圆形标记物的精确定位方法 |
CN105157592A (zh) * | 2015-08-26 | 2015-12-16 | 北京航空航天大学 | 基于双目视觉的柔性后缘可变形机翼的变形形状和速率的测量方法 |
CN109084734A (zh) * | 2018-08-17 | 2018-12-25 | 中国科学院自动化研究所 | 基于单目显微视觉的微球姿态测量装置及测量方法 |
CN109978901A (zh) * | 2019-03-07 | 2019-07-05 | 江苏亿通高科技股份有限公司 | 一种快速、精确的圆形检测和圆心定位方法 |
CN111062940A (zh) * | 2019-12-31 | 2020-04-24 | 西南交通大学 | 一种基于机器视觉的螺钉定位与识别方法 |
-
2020
- 2020-04-26 CN CN202010339354.4A patent/CN111238405B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003065729A (ja) * | 2001-08-29 | 2003-03-05 | Seiko Instruments Inc | フェルール孔等の内径測定方法および装置 |
CN104390591A (zh) * | 2014-11-27 | 2015-03-04 | 上海江南长兴造船有限责任公司 | 大型曲面板测量中圆形标记物的精确定位方法 |
CN105157592A (zh) * | 2015-08-26 | 2015-12-16 | 北京航空航天大学 | 基于双目视觉的柔性后缘可变形机翼的变形形状和速率的测量方法 |
CN109084734A (zh) * | 2018-08-17 | 2018-12-25 | 中国科学院自动化研究所 | 基于单目显微视觉的微球姿态测量装置及测量方法 |
CN109978901A (zh) * | 2019-03-07 | 2019-07-05 | 江苏亿通高科技股份有限公司 | 一种快速、精确的圆形检测和圆心定位方法 |
CN111062940A (zh) * | 2019-12-31 | 2020-04-24 | 西南交通大学 | 一种基于机器视觉的螺钉定位与识别方法 |
Non-Patent Citations (1)
Title |
---|
周红明 等: "Hough 变换曲线拟合的轮毂轴承沟道测量方法", 《机械科学与技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066913A (zh) * | 2020-08-28 | 2020-12-11 | 四川大学 | 一种测量球面曲率半径的方法 |
CN112103201A (zh) * | 2020-09-24 | 2020-12-18 | 无锡卓海科技有限公司 | 一种自动校准补偿的透明晶圆表面曲率半径测量方法 |
CN112103201B (zh) * | 2020-09-24 | 2021-03-16 | 无锡卓海科技有限公司 | 一种自动校准补偿的透明晶圆表面曲率半径测量方法 |
CN115600309A (zh) * | 2022-09-02 | 2023-01-13 | 南京天洑软件有限公司(Cn) | 一种基于曲面重构的汽车挡风玻璃模具型面设计方法及装置 |
CN115600309B (zh) * | 2022-09-02 | 2023-11-07 | 南京天洑软件有限公司 | 一种基于曲面重构的汽车挡风玻璃模具型面设计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111238405B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111238405B (zh) | 一种工件曲率检测系统及方法 | |
CN107038717B (zh) | 一种基于立体栅格自动分析3d点云配准误差的方法 | |
CN110335234B (zh) | 一种基于古文物LiDAR点云的三维变化检测方法 | |
CN103292701B (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN105066915B (zh) | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 | |
CN102589435B (zh) | 噪声环境下激光束中心高效精确检测方法 | |
CN102032875B (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
CN108986048A (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN108444413B (zh) | 陶瓷墙地砖平整度检测装置及方法 | |
CN113297723B (zh) | 基于均值漂移-灰色关联分析的电主轴温度测点优化方法 | |
CN105701455A (zh) | 基于asm算法的人脸特征点采集及三维人脸建模方法 | |
CN103106632A (zh) | 一种基于均值漂移的不同精度三维点云数据的融合方法 | |
CN110047133A (zh) | 一种面向点云数据的列车边界提取方法 | |
CN112116553B (zh) | 一种基于k-d树的无源三维点云模型缺陷识别方法 | |
CN112085675A (zh) | 深度图像去噪方法、前景分割方法及人体运动监测方法 | |
CN109241822A (zh) | 一种基于mtcnn的多方位人脸检测方法及系统 | |
CN110007764B (zh) | 一种手势骨架识别方法、装置、系统及存储介质 | |
CN108921170A (zh) | 一种有效的图像噪声检测和去噪方法及系统 | |
CN113393524B (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
CN110310322A (zh) | 一种10微米级高精度器件装配表面检测方法 | |
Li et al. | Adaptive window iteration algorithm for enhancing 3D shape recovery from image focus | |
CN113689394A (zh) | 一种基于三维点云的隧道初支平整度检测方法 | |
CN109803234B (zh) | 基于权值重要度约束的无监督融合定位方法 | |
CN110335209A (zh) | 一种相位式三维激光点云噪声滤除方法 | |
CN110084814A (zh) | 表面涂层测量方法、装置、计算机设备和存储介质 |
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 |