CN111292375B - 一种基于位置约束的直升机桨叶标记点识别匹配方法 - Google Patents

一种基于位置约束的直升机桨叶标记点识别匹配方法 Download PDF

Info

Publication number
CN111292375B
CN111292375B CN202010087179.4A CN202010087179A CN111292375B CN 111292375 B CN111292375 B CN 111292375B CN 202010087179 A CN202010087179 A CN 202010087179A CN 111292375 B CN111292375 B CN 111292375B
Authority
CN
China
Prior art keywords
blade
circular
points
marking
point
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
CN202010087179.4A
Other languages
English (en)
Other versions
CN111292375A (zh
Inventor
左承林
王勋年
马军
张卫国
岳廷瑞
刘垒
史哲羽
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.)
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202010087179.4A priority Critical patent/CN111292375B/zh
Publication of CN111292375A publication Critical patent/CN111292375A/zh
Application granted granted Critical
Publication of CN111292375B publication Critical patent/CN111292375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于位置约束的直升机桨叶标记点识别匹配方法，属于双目视觉测量技术领域。包括以下步骤：在直升机桨毂和桨叶的特定位置粘贴圆形标记点；构建双目成像系统，采集直升机桨叶运动状态下的瞬态图像对；对图像对中的圆形标记点进行检测定位；基于位置约束条件对检测定位的桨叶圆形标记点进行识别标记；基于桨叶圆形标记点的标记值，对图像对中的桨叶圆形标记点进行准确匹配。本发明所提供的方法利用了直升机桨叶的结构特点和旋转运动特点，将圆形标记点粘贴在了直升机桨毂和桨叶的特定位置，通过位置约束条件，可实现桨叶圆形标记点的正确识别标记和准确匹配，可有效解决了圆形标记点的误匹配问题。

Description

一种基于位置约束的直升机桨叶标记点识别匹配方法
技术领域
本发明涉及双目视觉测量技术领域，具体指一种基于位置约束的直升机桨叶标记点识别匹配方法。
背景技术
直升机桨叶在高速旋转过程中会反复受到挥舞、摆振、扭转变距等载荷运动作用而发生位移和变形，精确测量桨叶的位移变形参数，可为直升机旋翼系统的结构设计和空气动力特性分析提供重要的参数依据。
随着视觉测量技术的快速发展，基于双目立体视觉的测量方法逐渐被用于直升机桨叶位移变形测量中，该方法能够对直升机桨叶进行非接触式三维测量，操作简单，易于维护，对环境要求也较低。测量时，通常采用人工标记的方式，将具有显著特征的人工标记点粘贴在直升机桨叶表面；然后，对运动状态下的直升机桨叶进行双目成像，通过识别匹配桨叶图像对中的同一标记点，计算其三维坐标；最后，基于直升机桨叶表面所有标记点的空间三维信息，计算得到直升机桨叶的位移变形参数。
圆形标记点是双目视觉测量直升机桨叶位移变形参数时较为常用的一种人工标记点，其仅由一个用于定位的目标圆构成，具有结构简单、受成像光照影响小、易于检测等优点。但是，圆形标记点本身没有标识信息，桨叶表面不同位置的圆形标记点之间的区分较为困难，在进行标记点匹配时往往会出现误匹配的情况，特别是当桨叶表面标记点布置较密时，更易出现误匹配，从而造成测量结果出现偏差。
发明内容
本发明提供了一种基于位置约束的直升机桨叶标记点识别匹配方法，旨在解决双目视觉测量直升机桨叶位移变形参数中的标记点误匹配问题。
为解决上述技术问题，本发明提出的技术方案是：
一种基于位置约束的直升机桨叶标记点识别匹配方法，其特征在于，包括以下步骤：
步骤1：在直升机桨毂中心粘贴1个圆形标记点，在直升机桨叶四分之一翼弦线和四分之三翼弦线上各粘贴n个圆形标记点，n的取值范围是1～1000；
步骤2：基于两台高速CCD相机，构建双目成像系统，采集直升机桨叶运动状态下的瞬态图像对；
步骤3：对图像对中的圆形标记点进行检测定位，具体步骤如下：
步骤3.1：使用canny算子进行边缘检测；
步骤3.2：计算所有边缘轮廓的周长L、面积A以及形状因子
Figure BDA0002382467680000021
其中，边缘轮廓的周长L指其所占像素点数量，面积A指其形成的连通域所包含的像素点数量；
步骤3.3：设置最小周长阈值Lmin、最大周长阈值Lmax、最小面积阈值Amin、最大面积阈值Amax、最小形状因子阈值Cmin、最大形状因子阈值Cmax，筛除不满足阈值条件的边缘轮廓，保留圆形标记点边缘轮廓，Lmin、Lmax、Amin、Amax、Cmin、Cmax的取值范围是0～10000；
步骤3.4：对圆形标记点边缘轮廓进行最小二乘椭圆拟合，得到拟合椭圆参数，其中，拟合椭圆中心坐标即为圆形标记点的图像坐标，具有最大长短轴半径的圆形标记点即为桨毂圆形标记点，其余则为桨叶圆形标记点；
步骤4：对检测定位的桨叶圆形标记点进行识别标记，具体步骤如下：
步骤4.1：计算所有桨叶圆形标记点的重心坐标(xc,yc)，如下：
Figure BDA0002382467680000022
式中，(xi,yi)为第i个桨叶圆形标记点的图像坐标，N为桨叶圆形标记点数量；
步骤4.2：计算重心坐标(xc,yc)和桨毂圆形标记点坐标(x0,y0)构成的二维向量
Figure BDA0002382467680000023
步骤4.3：计算桨叶圆形标记点坐标(xi,yi)和桨毂圆形标记点坐标(x0,y0)构成的二维向量
Figure BDA0002382467680000024
其中，i＝1,2,...,N，N为桨叶圆形标记点数量；
步骤4.4：计算向量叉积
Figure BDA0002382467680000025
若
Figure BDA0002382467680000026
则第i个桨叶圆形标记点处于桨叶四分之一翼弦线上，若
Figure BDA0002382467680000027
则第i个桨叶圆形标记点处于桨叶四分之三翼弦线上；
步骤4.5：计算桨叶圆形标记点与桨毂圆形标记点之间的距离，如下：
Figure BDA0002382467680000031
式中，(x0,y0)表示桨毂圆形标记点的图像坐标，(xi,yi)表示第i个桨叶圆形标记点的图像坐标，di表示第i个桨叶圆形标记点与桨毂圆形标记点之间的距离，i＝1,2,...,N，N为桨叶圆形标记点数量；
步骤4.6：基于桨叶圆形标记点与桨毂圆形标记点之间的距离，按从近到远的顺序对桨叶圆形标记点进行标记，其中，位于桨叶四分之一翼弦线上的圆形标记点进行奇数标记，分别标记为1,3,5,...,N-1，位于桨叶四分之三翼弦线上的圆形标记点进行偶数标记，分别标记为2,4,6,...,N，N为桨叶圆形标记点数量；
步骤5：基于桨叶圆形标记点的标记值，对图像对中的桨叶圆形标记点进行准确匹配。
本发明有益效果：
本发明所提供的方法利用了直升机桨叶的结构特点和旋转运动特点，将圆形标记点粘贴在了直升机桨毂和桨叶的特定位置，通过位置约束条件，可实现桨叶圆形标记点的正确识别标记和准确匹配，可有效解决了圆形标记点的误匹配问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的整体流程图；
图2是粘贴了圆形标记点的直升机旋翼试验台；
图3是双目成像系统采集的直升机桨叶瞬态图像对；
图4是边缘检测结果；
图5是边缘轮廓筛选结果；
图6是圆形标记点识别标记结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本实施例提供了一种基于位置约束的直升机桨叶标记点识别匹配方法。
步骤1：在直升机桨毂中心粘贴1个直径30毫米的黑色圆形标记点，在直升机桨叶四分之一翼弦线和四分之三翼弦线上各粘贴26个直径20毫米的白色圆形标记点，如图2所示。
步骤2：基于两台高速CCD相机，构建双目成像系统，采集直升机桨叶运动状态下的瞬态图像对，如图3所示，其中，图3(a)为左相机拍摄的瞬态图像，图3(b)为右相机拍摄的瞬态图像。
步骤3：对图像对中的圆形标记点进行检测定位，具体步骤如下：
步骤3.1：采用MATLAB中canny算子进行边缘检测，结果如图4所示，其中，图4(a)为左图像的边缘检测结果，图4(b)为右图像的边缘检测结果。
步骤3.2：计算所有边缘轮廓的周长L、面积A以及形状因子
Figure BDA0002382467680000041
其中，边缘轮廓的周长L指其所占像素点数量，面积A指其形成的连通域所包含的像素点数量。
步骤3.3：设置最小周长阈值Lmin＝50、最大周长阈值Lmax＝120、最小面积阈值Amin＝250、最大面积阈值Amax＝800、最小形状因子阈值Cmin＝0.8、最大形状因子阈值Cmax＝1.3，筛除不满足阈值条件的边缘轮廓，保留圆形标记点边缘轮廓，结果如图5所示，其中，图5(a)为左图像的边缘轮廓筛选结果，图5(b)为右图像的边缘轮廓筛选结果。
步骤3.4：对圆形标记点边缘轮廓进行最小二乘椭圆拟合，得到拟合椭圆参数，其中，拟合椭圆中心坐标即为圆形标记点的图像坐标，具有最大长短轴半径的圆形标记点即为桨毂圆形标记点，其余则为桨叶圆形标记点。
步骤4：对图像对中检测定位的桨叶圆形标记点进行识别标记，具体步骤如下：
步骤4.1：计算所有桨叶圆形标记点的重心坐标(xc,yc)，如下：
Figure BDA0002382467680000042
式中，(xi,yi)表示第i个桨叶圆形标记点的图像坐标，N＝52为桨叶圆形标记点数量。
步骤4.2：计算重心坐标(xc,yc)和桨毂圆形标记点坐标(x0,y0)构成的二维向量
Figure BDA0002382467680000051
步骤4.3：计算桨叶圆形标记点坐标(xi,yi)和桨毂圆形标记点坐标(x0,y0)构成的二维向量
Figure BDA0002382467680000052
其中，i＝1,2,...,52。
步骤4.4：计算向量叉积
Figure BDA0002382467680000053
若
Figure BDA0002382467680000054
则第i个桨叶圆形标记点处于桨叶四分之一翼弦线上，若
Figure BDA0002382467680000055
则处于桨叶四分之三翼弦线上。
步骤4.5：计算桨叶圆形标记点与桨毂圆形标记点之间的距离，如下：
Figure BDA0002382467680000056
式中，(x0,y0)表示桨毂圆形标记点的图像坐标，(xi,yi)表示第i个桨叶圆形标记点的图像坐标，di表示第i个桨叶圆形标记点与桨毂圆形标记点之间的距离，i＝1,2,...,52。
步骤4.6：基于桨叶圆形标记点与桨毂圆形标记点之间的距离，按从近到远的顺序对桨叶圆形标记点进行标记，其中，位于桨叶四分之一翼弦线上的圆形标记点进行奇数标记，分别标记为1,3,5,...,51，位于桨叶四分之三翼弦线上的圆形标记点进行偶数标记，分别标记为2,4,6,...,52，结果如图6所示，其中，图6(a)为左图像中桨叶圆形标记点识别标记结果，图6(b)为右图像中桨叶圆形标记点识别标记结果。
步骤5：基于左右图像中桨叶圆形标记点的标记值，对桨叶圆形标记点进行准确匹配。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (1)

1.一种基于位置约束的直升机桨叶标记点识别匹配方法，其特征在于，包括以下步骤：
步骤1：在直升机桨毂中心粘贴1个圆形标记点，在直升机桨叶四分之一翼弦线和四分之三翼弦线上各粘贴n个圆形标记点，n的取值范围是1～1000；
步骤2：基于两台高速CCD相机，构建双目成像系统，采集直升机桨叶运动状态下的瞬态图像对；
步骤3：对图像对中的圆形标记点进行检测定位；
步骤4：对检测定位的桨叶圆形标记点进行识别标记；
步骤5：基于桨叶圆形标记点的标记值，对图像对中的桨叶圆形标记点进行准确匹配；
步骤3对图像对中的圆形标记点进行检测定位，具体包括以下步骤：
步骤3.1：使用canny算子进行边缘检测；
步骤3.2：计算所有边缘轮廓的周长L、面积A以及形状因子
Figure FDA0004106429480000011
其中，边缘轮廓的周长L指其所占像素点数量，面积A指其形成的连通域所包含的像素点数量；
步骤3.3：设置最小周长阈值Lmin、最大周长阈值Lmax、最小面积阈值Amin、最大面积阈值Amax、最小形状因子阈值Cmin、最大形状因子阈值Cmax，筛除不满足阈值条件的边缘轮廓，保留圆形标记点边缘轮廓，Lmin、Lmax、Amin、Amax、Cmin、Cmax的取值范围是0～10000；
步骤3.4：对圆形标记点边缘轮廓进行最小二乘椭圆拟合，得到拟合椭圆参数，其中，拟合椭圆中心坐标即为圆形标记点的图像坐标，具有最大长短轴半径的圆形标记点即为桨毂圆形标记点，其余则为桨叶圆形标记点；
步骤4对图像对中检测定位的桨叶圆形标记点进行识别标记，具体包括以下步骤：
步骤4.1：计算所有桨叶圆形标记点的重心坐标(xc,yc)，如下：
Figure FDA0004106429480000012
式中，(xi,yi)为第i个桨叶圆形标记点的图像坐标，N为桨叶圆形标记点数量；
步骤4.2：计算重心坐标(xc,yc)和桨毂圆形标记点坐标(x0,y0)构成的二维向量
Figure FDA0004106429480000021
步骤4.3：计算桨叶圆形标记点坐标(xi,yi)和桨毂圆形标记点坐标(x0,y0)构成的二维向量
Figure FDA0004106429480000022
其中，i＝1,2,...,N，N为桨叶圆形标记点数量；
步骤4.4：计算向量叉积
Figure FDA0004106429480000023
若
Figure FDA0004106429480000024
则第i个桨叶圆形标记点处于桨叶四分之一翼弦线上，若
Figure FDA0004106429480000025
则第i个桨叶圆形标记点处于桨叶四分之三翼弦线上；
步骤4.5：计算桨叶圆形标记点与桨毂圆形标记点之间的距离，如下：
Figure FDA0004106429480000026
式中，(x0,y0)表示桨毂圆形标记点的图像坐标，(xi,yi)表示第i个桨叶圆形标记点的图像坐标，di表示第i个桨叶圆形标记点与桨毂圆形标记点之间的距离，i＝1,2,...,N，N为桨叶圆形标记点数量；
步骤4.6：基于桨叶圆形标记点与桨毂圆形标记点之间的距离，按从近到远的顺序对桨叶圆形标记点进行标记，其中，位于桨叶四分之一翼弦线上的圆形标记点进行奇数标记，分别标记为1,3,5,...,N-1，位于桨叶四分之三翼弦线上的圆形标记点进行偶数标记，分别标记为2,4,6,...,N，N为桨叶圆形标记点数量。
CN202010087179.4A 2020-02-11 2020-02-11 一种基于位置约束的直升机桨叶标记点识别匹配方法 Active CN111292375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010087179.4A CN111292375B (zh) 2020-02-11 2020-02-11 一种基于位置约束的直升机桨叶标记点识别匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010087179.4A CN111292375B (zh) 2020-02-11 2020-02-11 一种基于位置约束的直升机桨叶标记点识别匹配方法

Publications (2)

Publication Number Publication Date
CN111292375A CN111292375A (zh) 2020-06-16
CN111292375B true CN111292375B (zh) 2023-05-09

Family

ID=71030020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010087179.4A Active CN111292375B (zh) 2020-02-11 2020-02-11 一种基于位置约束的直升机桨叶标记点识别匹配方法

Country Status (1)

Country Link
CN (1) CN111292375B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534093B (zh) * 2021-08-13 2023-06-27 北京环境特性研究所 飞机目标的螺旋桨叶片数量反演方法及目标识别方法
CN114166141B (zh) * 2021-11-23 2023-05-26 中国直升机设计研究所 一种直升机高速旋转桨叶图像的多圆形标记检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2425525A1 (de) * 1973-06-01 1974-12-12 Agronomique Inst Nat Rech Spiegelreflexkamera mit mikrofotometrischer kontrolle
CN108844524A (zh) * 2018-07-05 2018-11-20 空气动力学国家重点实验室 一种基于振动修正的直升机旋翼桨叶运动参数测量方法
CN109191483A (zh) * 2018-09-19 2019-01-11 南昌航空大学 一种直升机桨叶图像中圆形标识的快速分水岭检测方法
CN110133600A (zh) * 2019-06-17 2019-08-16 电子科技大学 一种直升机旋翼物理参数提取方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103134477B (zh) * 2013-01-31 2015-06-10 南昌航空大学 一种基于双目立体视觉的直升机旋翼桨叶运动参数测量方法
CN103175485A (zh) * 2013-02-20 2013-06-26 天津工业大学 一种飞机涡轮发动机叶片修复机器人的视觉标定方法
CN103852012A (zh) * 2014-03-31 2014-06-11 河海大学常州校区 一种自适应双目视觉涡轮叶片的检测装置
CN106092057B (zh) * 2016-07-28 2018-05-29 南昌航空大学 一种基于四目立体视觉的直升机旋翼桨叶动态轨迹测量方法
CN107578051B (zh) * 2017-09-14 2020-09-29 西华大学 一种环状编码标记点的检测与识别方法
CN107588723B (zh) * 2017-09-22 2019-08-23 南昌航空大学 一种基于两步法的高速动目标上圆形标记漏点检测方法
CN108764004B (zh) * 2018-06-04 2021-04-09 空气动力学国家重点实验室 一种基于编码环采样的环状编码标记点解码识别方法
CN108680336B (zh) * 2018-07-05 2019-12-03 空气动力学国家重点实验室 一种低速风洞试验中直升机旋翼振动位移测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2425525A1 (de) * 1973-06-01 1974-12-12 Agronomique Inst Nat Rech Spiegelreflexkamera mit mikrofotometrischer kontrolle
CN108844524A (zh) * 2018-07-05 2018-11-20 空气动力学国家重点实验室 一种基于振动修正的直升机旋翼桨叶运动参数测量方法
CN109191483A (zh) * 2018-09-19 2019-01-11 南昌航空大学 一种直升机桨叶图像中圆形标识的快速分水岭检测方法
CN110133600A (zh) * 2019-06-17 2019-08-16 电子科技大学 一种直升机旋翼物理参数提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于双目视觉的直升机旋翼桨叶挥舞角测量;熊邦书;熊奎;李新民;余磊;;测控技术(第01期);全文 *
环状编码标记点的检测与识别;宋丽梅;陈昌曼;陈卓;覃名翠;李大鹏;;光学精密工程(第12期);全文 *
直升机桨叶共锥度测量中圆形标记点高精度定位方法;熊邦书;涂晓衍;李新民;余磊;;半导体光电(第04期);全文 *

Also Published As

Publication number Publication date
CN111292375A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN106340044B (zh) 摄像机外参自动标定方法及标定装置
CN109612390B (zh) 基于机器视觉的大尺寸工件自动测量系统
CN104331896B (zh) 一种基于深度信息的系统标定方法
CN105096317B (zh) 一种复杂背景中的高性能相机全自动标定方法
CN103345755B (zh) 一种基于Harris算子的棋盘格角点亚像素提取方法
CN110232389B (zh) 一种基于绿色作物特征提取不变性的立体视觉导航方法
CN108007388A (zh) 一种基于机器视觉的转盘角度高精度在线测量方法
CN110610505A (zh) 一种融合深度和色彩信息的图像分割方法
CN107392929B (zh) 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法
CN108734744A (zh) 一种基于全站仪的远距离大视场双目标定方法
CN111292375B (zh) 一种基于位置约束的直升机桨叶标记点识别匹配方法
CN107292869B (zh) 基于各向异性高斯核和梯度搜索的图像斑点检测方法
CN103727930A (zh) 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法
CN105335973A (zh) 运用于带钢加工生产线的视觉处理方法
CN104748683A (zh) 一种数控机床工件在线自动测量装置及测量方法
CN109064481B (zh) 一种机器视觉定位方法
CN113324478A (zh) 一种线结构光的中心提取方法及锻件三维测量方法
CN113344990B (zh) 孔位表征投影系统及自适应拟合的孔位对齐方法
CN110763204A (zh) 一种平面编码靶标及其位姿测量方法
CN114331879A (zh) 一种均衡化二阶梯度直方图描述子的可见光与红外图像配准方法
CN113049184A (zh) 一种质心测量方法、设备及存储介质
CN114170284B (zh) 基于主动标志点投射辅助的多视图点云配准方法
Han et al. Target positioning method in binocular vision manipulator control based on improved canny operator
CN109443319A (zh) 基于单目视觉的障碍物测距系统及其测距方法
CN108388854A (zh) 一种基于改进fast-surf算法的定位方法

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