CN111257338B - 镜面、类镜面物体表面缺陷检测方法 - Google Patents
镜面、类镜面物体表面缺陷检测方法 Download PDFInfo
- Publication number
- CN111257338B CN111257338B CN202010093393.0A CN202010093393A CN111257338B CN 111257338 B CN111257338 B CN 111257338B CN 202010093393 A CN202010093393 A CN 202010093393A CN 111257338 B CN111257338 B CN 111257338B
- Authority
- CN
- China
- Prior art keywords
- point
- camera
- points
- defect
- defect area
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 69
- 238000001514 detection method Methods 0.000 title claims description 15
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 230000002950 deficient Effects 0.000 claims abstract 3
- 238000010587 phase diagram Methods 0.000 claims description 10
- 239000004973 liquid crystal related substance Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 239000000835 fiber Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 4
- 210000002268 wool Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N2021/9511—Optical elements other than lenses, e.g. mirrors
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种镜面、类镜面物体表面缺陷检测方法，包括以下步骤：对左、右相机及投影装置进行系统标定，标记出其中一部相机图像中的缺陷区域；框选缺陷区域，选取预选点集并任选一点记为标记点，记标记点对应在被测物表面上的点为s1；利用第一相机得到法向量n1；利用第二相机得到法向量n2；计算n1、n2的夹角；更新点s1的坐标位置，再次计算夹角β；重复上述过程，将β值最小的一次对应的点s1存储为候选空间点；遍历预选点集中各点，得出各点所对应的候选空间点；将各个候选空间点加和求取平均值，将计算结果记为缺陷区域中心所在的空间位置坐标，实现对缺陷区域的空间定位；本方法有效解决了因缺陷区域相位信息丢失而无法对缺陷区域进行空间定位的技术难点。
Description
技术领域
本发明涉及缺陷检测领域，具体涉及一种镜面、类镜面物体表面缺陷检测方法。
背景技术
镜面、类镜面物体广泛存在于现代制造业中，如汽车涂装车身、玻璃面板、光学镜片等，缺陷检测是保证镜面物体表面质量的必要环节。
目前物体表面缺陷检测大多是采用：人工目视的方法，此方法主要依靠工人主观判断，存在漏检率高的问题，且人工目视的方法检测效率低，对人眼伤害较大，人工成本高；另一种检测方法为：相位测量偏折术(Phase Measuring Deflectometry，PMD)，此方法向物体表面投射相位编码的条纹图像，通过解算反射图像相位实现缺陷检测区域识别；但是，由于缺陷区域存在相位信息丢失，因此相位测量偏折术检测方法无法直接实现对缺陷区域的空间定位。
发明内容
针对上述问题，本发明提出一种镜面、类镜面物体表面缺陷检测方法，本方法利用双目系统及投影装置(相位测量偏折术)，不仅可以获得镜面、类镜面物体表面相位信息，基于相位信息识别出缺陷区域；还能够利用标定信息解算出缺陷区域的三维信息，有效解决了：因缺陷区域相位信息丢失而无法对缺陷区域进行空间定位的技术难点。
一种镜面、类镜面物体表面缺陷检测方法，包括以下步骤：
1)对左、右相机及投影装置进行系统标定；投影装置向被测物表面投射光栅条纹，左、右相机采集投射在被测物表面的光栅条纹图像；
任选其中一部相机记为第一相机，另一相机记为第二相机，对第一相机采集到的图像进行处理，标记出缺陷区域；
2)利用最小外接图形框选所述缺陷区域，从所述最小外接图形的边缘中选取多个边缘点记为预选点集；
3)从所述预选点集中任选一点记为标记点，将其转换到世界坐标系下，得出三维坐标p1(xp1,yp1,zp1)；通过绝对相位相等，得出点p1对应在投影装置中的点为q1，将其转换到世界坐标系下，得出三维坐标q1(xq1,yq1,zq1)；
记所述标记点对应在被测物表面上的点为s1(xs1,ys1,zs1)，其中，zs1＝a×D，a为比例系数，D为第一相机的工作距；
4)计算矢量v1＝s1(xs1,ys1,zs1)-p1(xp1,yp1,zp1)和w1＝s1(xs1,ys1,zs1)-q1(xq1,yq1,zq1)；
利用第一相机，得到点s1的法向量
记点s1对应在第二相机像平面中的点为p2，将其转换到世界坐标系下，得出三维坐标p2(xp2,yp2,zp2)；；
通过绝对相位相等，得出点p2对应在投影装置中的点q2，将其转换到世界坐标系下，得出三维坐标q2(xq2,yq2,zq2)；
计算矢量v2＝s1(xs1,ys1,zs1)-p2(xp2,yp2,zp2)和w2＝s1(xs1,ys1,zs1)-q2(xq2,yq2,zq2)；
利用第二相机，得到点s1的法向量
计算法向量n1、n2的夹角：
5)令zs1增加步长Δt，更新点s1(xs1,ys1,zs1)的坐标位置，利用新的点s1坐标，重复步骤4)，再次计算夹角β；
6)重复步骤5)，直到zs1＞b×D时，停止迭代，并将得出β值最小的一次对应的点s1(xs1,ys1,zs1)存储为候选空间点；b为比例系数；
此过程，假设一系列的s1点坐标，设定合适的步长，重复，得到一系列的夹角，理论上，对于真实的s1点坐标，两相机确定的法向量n1、n2应该相等，即夹角为0，但是实际上存在噪声和检测误差，所以计算得到的夹角只可能无限接近与0，因此通过寻找β的最小值来确定s1点的真实位置；
7)从预选点集中剔除标记点，得到新的预选点集，重复步骤3)～6)，直到新的预选点集中无点，得出各点所对应的候选空间点；
将各个候选空间点加和求取平均值，此计算结果即为所述缺陷区域中心所在的空间位置坐标，实现对缺陷区域的空间定位。
优选，步骤2)中，所述最小外接图形为矩形或圆形；
为了得到较好的定位效果，从所述最小外接图形的边缘中选取至少3个边缘点记为预选点集，且选取的3个边缘点不共线；选取的边缘点位置应尽量分散。
进一步，比例系数a取值0.8～0.9，步长Δt取值0.05～0.3，比例系数b取值1.1～1.2。
进一步，s1(xs1,ys1,zs1)的坐标中xs1＝(u-u0)zs1/fx、ys1＝(v-v0)zs1/fy；
其中，(u0,v0)为相机主点，(fx,fy)为第一相机的焦距，(u,v)为标记点的图像像素坐标。
进一步，步骤1)，标记缺陷区域的方法为：
对第一相机采集到的图像进行相位解算，得出绝对相位图；根据绝对相位图中的相位分布，将相位异常的点标记为缺陷点，标记出缺陷区域。
进一步，利用高斯函数对绝对相位图中的各点进行增强处理，对增强后的图像进行卷积、滤波处理，最后进行图像阈值分割，得出初始缺陷区域，对初始缺陷区域进行连通域提取和形态学处理，得出最终的缺陷区域。
除上述方法，步骤1)，标记缺陷区域的方法也可以采用以下方式：
求取第一相机采集到的图像中各点的调制度、法向量和主曲率，基于调制度、法向量和主曲率进行特征识别，将法向量和主曲率异常的点标记为缺陷点，标记出缺陷区域。
优选，所述投影装置为液晶显示屏或LED阵列显示屏。
本方法利用双目系统及投影装置(相位测量偏折术)，不仅可以获得镜面、类镜面物体表面相位信息，基于相位信息识别出缺陷区域；还能够利用标定信息解算出缺陷区域的三维信息，有效解决了：因缺陷区域相位信息丢失而无法对缺陷区域进行空间定位的技术难点，本方法能够防止误检，仅依靠少量点(优选大于等于3个)即可对缺陷区域进行空间定位，缩短了检测时间，适用于对各类镜面、类镜面物体表面的质量检测。
附图说明
图1为实施例中被测涂装车身上的纤维毛缺陷示意图；
图2为实施例中得出纤维毛缺陷区域的二值化图；
图3为实施例中s1点法向量n1、n2的位置的示意图；
图4为实施例中纤维毛缺陷在折叠相位图中的显示示意图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种镜面、类镜面物体表面缺陷检测方法，本实施例中，投影装置为液晶显示屏，具体的，包括以下步骤：
1)利用一台液晶显示屏显示编码的光栅条纹图像，并将光栅条纹图像投射到镜面、类镜面物体表面，两台工业相机构成双目系统，采集经镜面物体反射的条纹图像；(液晶显示屏也可以使用LED阵列显示屏)；
左、右相机与液晶显示屏之间的位置关系固定，对左、右相机及投影装置进行系统标定；包括左、右相机内参标定、外参标定，以及液晶显示屏坐标系与左、右相机坐标系的参数标定；
将屏幕坐标系、左、右两个相机坐标系统一到世界坐标系下，本实施例中选择左相机记为第一相机，将其坐标系作为世界坐标系；
对第一相机采集到的图像进行处理，标记出缺陷区域；
其中，标记缺陷区域的方法可以采用以下两种：
方法一：对第一相机采集到的图像进行相位解算，得出绝对相位图；根据绝对相位图中的相位分布，将相位异常的点标记为缺陷点，标记出缺陷区域。
具体的，如图1中汽车涂装车身上纤维毛缺陷，首先利用高斯函数对绝对相位图中的各点进行增强处理，对增强后的图像进行卷积、滤波处理，最后进行图像阈值分割，得出二值化的初始缺陷区域，继续对初始缺陷区域进行连通域提取和形态学处理，本实施例中首先对初始缺陷区域进行闭运算，消除孔洞，再进行连通域提取，得出最终的纤维毛二值化缺陷区域(如图2所示)。
方法二：求取第一相机采集到的图像中各点的调制度、法向量和主曲率，基于调制度、法向量和主曲率进行特征识别，将法向量和主曲率异常的点标记为缺陷点，标记出缺陷区域。
2)利用最小外接图形框选缺陷区域，从最小外接图形的边缘中选取多个边缘点记为预选点集；
其中，最小外接图形为矩形或圆形；为了得到较好的定位效果，从最小外接图形的边缘中选取至少3个边缘点记为预选点集，且选取的3个边缘点不共线；选取的边缘点位置应尽量分散。
本实施例中，如图4，纤维毛缺陷在折叠相位中的显示，根据纤维毛特征，利用最小外接矩形框选纤维毛缺陷区域，将最小外接矩形的四个顶点坐标记为预选点集；
3)从预选点集中任选一点记为标记点，将其转换到世界坐标系下，得出三维坐标p1(xp1,yp1,zp1)；如图3所示，通过绝对相位相等，得出点p1对应在投影装置中的点为q1，将其转换到世界坐标系下，得出三维坐标q1(xq1,yq1,zq1)；
记标记点对应在被测物表面上的点为s1(xs1,ys1,zs1)，其中，zs1＝a×D，a为比例系数，D为第一相机的工作距；其中，a取值0.8～0.9；
计算xs1＝(u-u0)zs1/fx、ys1＝(v-v0)zs1/fy；
其中，(u0,v0)为相机主点，(fx,fy)为第一相机的焦距，(u,v)为标记点的图像像素坐标。
4)计算矢量v1＝s1(xs1,ys1,zs1)-p1(xp1,yp1,zp1)和w1＝s1(xs1,ys1,zs1)-q1(xq1,yq1,zq1)；
利用第一相机，得到点s1的法向量
记点s1对应在第二相机像平面中的点为p2，将其转换到世界坐标系下，得出三维坐标p2(xp2,yp2,zp2)；；
通过绝对相位相等，得出点p2对应在投影装置中的点q2，将其转换到世界坐标系下，得出三维坐标q2(xq2,yq2,zq2)；
计算矢量v2＝s1(xs1,ys1,zs1)-p2(xp2,yp2,zp2)和w2＝s1(xs1,ys1,zs1)-q2(xq2,yq2,zq2)；
利用第二相机，得到点s1的法向量
计算法向量n1、n2的夹角：
5)令zs1增加步长Δt，Δt取值0.05～0.3更新点s1(xs1,ys1,zs1)的坐标位置，利用新的点s1坐标，重复步骤4)，再次计算夹角β；
6)重复步骤5)，直到zs1＞b×D时，停止迭代，并将得出β值最小的一次对应的点s1(xs1,ys1,zs1)存储为候选空间点；b为比例系数，取值1.1～1.2；
7)从预选点集中剔除标记点，得到新的预选点集，重复步骤3)～6)，直到新的预选点集中无点，得出四个顶点所对应的候选空间点(S1、S2、S3、S4)；
本实施例中，对纤维毛缺陷区域的计算数据如下表所示：
将四个候选空间点的坐标，加和求取平均值，即为缺陷区域中心位置坐标，实现对缺陷区域的空间定位。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (3)
1.一种镜面、类镜面物体表面缺陷检测方法，其特征在于，包括以下步骤：
1)对左、右相机及投影装置进行系统标定；投影装置向被测物表面投射光栅条纹，左、右相机采集投射在被测物表面的光栅条纹图像；
任选其中一部相机记为第一相机，另一相机记为第二相机；
利用方法一或者方法二标记缺陷区域：
方法一：
对第一相机采集到的图像进行相位解算，得出绝对相位图；根据绝对相位图中的相位分布，将相位异常的点标记为缺陷点，标记出缺陷区域；
利用高斯函数对绝对相位图中的各点进行增强处理，对增强后的图像进行卷积、滤波处理，最后进行图像阈值分割，得出初始缺陷区域，对初始缺陷区域进行连通域提取和形态学处理，得出最终的缺陷区域；
方法二：
求取第一相机采集到的图像中各点的调制度、法向量和主曲率，基于调制度、法向量和主曲率进行特征识别，将法向量和主曲率异常的点标记为缺陷点，标记出缺陷区域；
2)利用最小外接图形框选所述缺陷区域，从所述最小外接图形的边缘中选取多个边缘点记为预选点集；
3)从所述预选点集中任选一点记为标记点，将其转换到世界坐标系下，得出三维坐标p1(xp1,yp1,zp1)；通过绝对相位相等，得出点p1对应在投影装置中的点为q1，将其转换到世界坐标系下，得出三维坐标q1(xq1,yq1,zq1)；
记所述标记点对应在被测物表面上的点为s1(xs1,ys1,zs1)，其中，zs1＝a×D，a为比例系数，D为第一相机的工作距；比例系数a取值0.8～0.9；
s1(xs1,ys1,zs1)的坐标中xs1＝(u-u0)zs1/fx、ys1＝(v-v0)zs1/fy；
其中，(u0,v0)为相机主点，(fx,fy)为第一相机的焦距，(u,v)为标记点的图像像素坐标；4)计算矢量v1＝s1(xs1,ys1,zs1)-p1(xp1,yp1,zp1)和w1＝s1(xs1,ys1,zs1)-q1(xq1,yq1,zq1)；
利用第一相机，得到点s1的法向量
记点s1对应在第二相机像平面中的点为p2，将其转换到世界坐标系下，得出三维坐标p2(xp2,yp2,zp2)；
通过绝对相位相等，得出点p2对应在投影装置中的点q2，将其转换到世界坐标系下，得出三维坐标q2(xq2,yq2,zq2)；
计算矢量v2＝s1(xs1,ys1,zs1)-p2(xp2,yp2,zp2)和w2＝s1(xs1,ys1,zs1)-q2(xq2,yq2,zq2)；
利用第二相机，得到点s1的法向量
计算法向量n1、n2的夹角：
5)令zs1增加步长Δt，更新点s1(xs1,ys1,zs1)的坐标位置，利用新的点s1坐标，重复步骤4)，再次计算夹角β；步长Δt取值0.05～0.3；
6)重复步骤5)，直到zs1＞b×D时停止迭代，并将得出β值最小的一次对应的点s1(xs1,ys1,zs1)存储为候选空间点；b为比例系数，其取值1.1～1.2；
7)从预选点集中剔除标记点，得到新的预选点集，重复步骤3)～6)，直到新的预选点集中无点，得出各点所对应的候选空间点；
将各个候选空间点加和求取平均值，此计算结果即为所述缺陷区域中心所在的空间位置坐标，实现对缺陷区域的空间定位。
2.如权利要求1所述镜面、类镜面物体表面缺陷检测方法，其特征在于：步骤2)中，所述最小外接图形为矩形或圆形；
从所述最小外接图形的边缘中选取至少3个边缘点记为预选点集，且选取的3个边缘点不共线。
3.如权利要求1所述镜面、类镜面物体表面缺陷检测方法，其特征在于：所述投影装置为液晶显示屏或LED阵列显示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010093393.0A CN111257338B (zh) | 2020-02-14 | 2020-02-14 | 镜面、类镜面物体表面缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010093393.0A CN111257338B (zh) | 2020-02-14 | 2020-02-14 | 镜面、类镜面物体表面缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111257338A CN111257338A (zh) | 2020-06-09 |
| CN111257338B true CN111257338B (zh) | 2022-09-02 |
Family
ID=70945587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010093393.0A Active CN111257338B (zh) | 2020-02-14 | 2020-02-14 | 镜面、类镜面物体表面缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111257338B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240636B (zh) * | 2021-05-08 | 2022-06-21 | 苏州天准科技股份有限公司 | 表面waviness智能检测方法、系统、存储介质和终端设备 |
| CN113375590B (zh) * | 2021-05-25 | 2023-03-10 | 霖鼎光学(上海)有限公司 | 一种基于立体偏折束的超精密加工原位测量装置和方法 |
| CN115753816B (zh) * | 2022-11-09 | 2023-05-23 | 南京云创大数据科技股份有限公司 | 一种隧道式类镜面工件表面缺陷检测方法及系统 |
| CN115619767B (zh) * | 2022-11-09 | 2023-04-18 | 南京云创大数据科技股份有限公司 | 基于多光照条件的类镜面工件表面缺陷检测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5307151A (en) * | 1991-09-11 | 1994-04-26 | Carl-Zeiss-Stiftung | Method and apparatus for three-dimensional optical measurement of object surfaces |
| CN101089547A (zh) * | 2007-07-11 | 2007-12-19 | 华中科技大学 | 一种基于彩色结构光的二维三频解相测量方法 |
| CN109916304A (zh) * | 2019-04-01 | 2019-06-21 | 易思维（杭州）科技有限公司 | 镜面/类镜面物体三维测量系统标定方法 |
| CN109932371A (zh) * | 2019-04-02 | 2019-06-25 | 易思维（杭州）科技有限公司 | 镜面/类镜面物体的缺陷检测装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203231736U (zh) * | 2013-04-18 | 2013-10-09 | 中国科学院沈阳自动化研究所 | 一种基于双目视觉的镜面物体测量装置 |
| CN104111036A (zh) * | 2013-04-18 | 2014-10-22 | 中国科学院沈阳自动化研究所 | 一种基于双目视觉的镜面物体测量装置及方法 |
| CN108572181A (zh) * | 2018-05-15 | 2018-09-25 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于条纹反射的手机曲面玻璃缺陷检测方法 |
| CN108665458B (zh) * | 2018-05-17 | 2022-02-01 | 杭州智谷精工有限公司 | 透明体表面缺陷提取及识别方法 |
| CN109357632B (zh) * | 2018-12-26 | 2020-09-15 | 河北工业大学 | 一种镜面物体三维形貌测量方法及装置 |
| CN110246131A (zh) * | 2019-06-21 | 2019-09-17 | 成都卡普数据服务有限责任公司 | 基于卷积神经网络的导线分股缺陷图像识别方法 |
-
2020
- 2020-02-14 CN CN202010093393.0A patent/CN111257338B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5307151A (en) * | 1991-09-11 | 1994-04-26 | Carl-Zeiss-Stiftung | Method and apparatus for three-dimensional optical measurement of object surfaces |
| CN101089547A (zh) * | 2007-07-11 | 2007-12-19 | 华中科技大学 | 一种基于彩色结构光的二维三频解相测量方法 |
| CN109916304A (zh) * | 2019-04-01 | 2019-06-21 | 易思维（杭州）科技有限公司 | 镜面/类镜面物体三维测量系统标定方法 |
| CN109932371A (zh) * | 2019-04-02 | 2019-06-25 | 易思维（杭州）科技有限公司 | 镜面/类镜面物体的缺陷检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111257338A (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111257338B (zh) | 镜面、类镜面物体表面缺陷检测方法 | |
| US8432395B2 (en) | Method and apparatus for surface contour mapping | |
| Mallon et al. | Which pattern? Biasing aspects of planar calibration patterns and detection methods | |
| Krüger et al. | Accurate chequerboard corner localisation for camera calibration | |
| 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 | |
| EP1980843A1 (en) | Method and apparatus for detecting defects in optical components. | |
| Dufour et al. | Integrated digital image correlation for the evaluation and correction of optical distortions | |
| CN108716890A (zh) | 一种基于机器视觉的高精度尺寸检测方法 | |
| Alemán-Flores et al. | Line detection in images showing significant lens distortion and application to distortion correction | |
| CN108572181A (zh) | 一种基于条纹反射的手机曲面玻璃缺陷检测方法 | |
| US20200258300A1 (en) | Method and apparatus for generating a 3d reconstruction of an object | |
| JP2012507067A (ja) | フィーチャー境界の結合 | |
| CN113744351A (zh) | 基于多介质折射成像的水下结构光测量标定方法及系统 | |
| TWI699525B (zh) | 三維相位移瑕疵檢測方法及系統 | |
| CN109507198B (zh) | 基于快速傅里叶变换和线性高斯的口罩检测系统及方法 | |
| CN108645871A (zh) | 一种基于条纹反射的3d曲面玻璃缺陷检测方法 | |
| CA2464033C (en) | Inspection system and method | |
| EP3903229A1 (en) | System and method for the recognition of geometric shapes | |
| CN112782179A (zh) | 一种产品反光表面缺陷检测方法及系统 | |
| CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
| 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 | |
| CN115861448A (zh) | 基于角点检测及特征点提取的系统标定方法及系统 | |
| Fetzer et al. | Stable intrinsic auto-calibration from fundamental matrices of devices with uncorrelated camera parameters | |
| CN115014248A (zh) | 一种激光投射线的识别与平面度判定方法 | |
| CN112179292B (zh) | 一种基于投影仪的线结构光视觉传感器标定方法 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd. Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |