CN111311618A - 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 - Google Patents

一种基于高精度几何基元提取的圆弧工件匹配与定位方法 Download PDF

Info

Publication number
CN111311618A
CN111311618A CN201811507703.8A CN201811507703A CN111311618A CN 111311618 A CN111311618 A CN 111311618A CN 201811507703 A CN201811507703 A CN 201811507703A CN 111311618 A CN111311618 A CN 111311618A
Authority
CN
China
Prior art keywords
primitive
image
positioning
matching
arc
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
Application number
CN201811507703.8A
Other languages
English (en)
Inventor
刘克平
王越男
菅齐
刘富凯
李岩
杨宏韬
于微波
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.)
Changchun University of Technology
Original Assignee
Changchun University of Technology
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 Changchun University of Technology filed Critical Changchun University of Technology
Priority to CN201811507703.8A priority Critical patent/CN111311618A/zh
Publication of CN111311618A publication Critical patent/CN111311618A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Abstract

本发明公开了一种基于高精度几何基元提取的圆弧工件匹配与定位方法，属于机器视觉目标匹配与定位研究领域。本发明解决了在多目标、部分遮挡、平移、旋转等复杂条件下，对工件目标实现准确匹配和精确定位问题。在离线阶段，首先对图像进行边缘检测和轮廓跟踪，采用多边形逼近分割轮廓点，利用最小二乘法拟合初始几何基元参数，基于线扩散函数模型对轮廓点进行精确定位，从而获得高精度几何基元，计算模板的方向角度和基元间的距离参数；然后在在线阶段，根据获取的高精度几何基元参数，选取半径最长的圆弧基元实现工件的粗定位，再利用剩余几何基元的基元角度及基元间距离完成工件的准确匹配和精确定位。

Description

一种基于高精度几何基元提取的圆弧工件匹配与定位方法
技术领域
本发明属于机器视觉目标匹配与定位研究领域，特别涉及一种基于高精度几何基元提取的圆弧工件匹配与定位方法。
背景技术
近些年来，随着自动化、智能化技术的迅速发展以及德国“工业4.0”和“中国制造2025”的提出，对工业机器人智能化程度的提出了更高的要求。机器视觉是实现机器人智能化的核心技术，工业机器人上的视觉摄像头等同于人的眼睛，机器人通过摄像头捕捉目标的视觉信息，实现目标的识别、定位及检测等功能，以替代低效率、低准确率的人工劳动，从而达到提升工业生产自动化、智能化水平的目的。因此机器视觉被广泛应用到汽车零件的识别、电子元器件的检测、流水线工件的分拣等领域。
生产制造业是机器视觉应用最广的领域之一。随着科技的不断发展，人们对生产力的需求也在不断提升，现代工厂内的自动化生产线大多是流水作业，增加了机器视觉系统工作环境的不确定性，产生了许多不可预知的干扰因素。光照的变化使得视觉摄像机无法采集合格的图像，目标位置不固定导致图像发生平移、旋转及缩放等情况，多个目标存在时会产生遮挡，这些情况对机器视觉算法提出了更高的要求。目标匹配和定位是机器视觉的核心技术，在工件识别、产品缺陷检测和物品分拣等方面都要对目标进行匹配与定位。因此，寻找一种对光照、平移、旋转、缩放等干扰鲁棒性较好的目标匹配与定位算法是当前研究的热门课题，对推动机器视觉的发展具有重要作用，对工业自动化、智能化水平的提升具有重要的意义。
S. Y. Zheng等人将LDFM方法的思想应用到椭圆特征和直线特征提取上，提出了基于线扩散函数模型的高精度椭圆特征和直线特征提取算法，利用局部灰度值变化来精确识别边缘位置，从而达到精确提取椭圆特征和直线特征的目的。周晴等人提出了一种使用圆弧基元对工件进行匹配与定位的方法，实现含有圆弧基元工件的匹配与定位，该算法具有较好的实时性。但针对工业生产的实际需要，为了更好的满足高精度、高效率、高准确率的要求，迫切的需要一种精度更高的工件匹配与定位方法。本发明在这些研究的基础上，为了提升工件目标的匹配率和定位精度，提出了一种基于高精度几何基元提取的圆弧工件匹配与定位方法。本方法是以几何基元为特征的模板匹配方法，在离线阶段，首先对边缘轮廓进行跟踪获取轮廓点坐标信息，拟合初始几何基元，然后使用线扩散函数进行精确定位，从而提取高精度几何基元，获取几何基元参数，计算基元角度和基元间的距离，通过最大圆弧基元得到工件模板的位姿。在线匹配与定位阶段，采用最大圆弧基元参数进行粗定位，计算刚性变换角度，然后通过基元角度数据和两幅图像中对应基元间的距离数据实现目标准确匹配与定位。
发明内容
发明目的：为了解决存在部分遮挡、平移、旋转、多目标等复杂情况下目标的准确匹配与精确定位，本发明提供了一种基于线扩散函数模型的目标匹配与定位方法，从而实现对目标轮廓的精确定位。
本发明所采用的技术方案是：几何基元作为匹配特征，利用线扩散函数模型对几何基元进行精确定位，按照模板匹配规则完成目标匹配与定位。具体的实现步骤如下：离线建模过程：
（1）将目标模板放置在单一背景的平台上，使用工业CCD相机采集模板图像，在模板图像中选择目标的所在的区域，即ROI区域；
（2）对图像ROI区域进行预处理，采用Otsu算法分割图像，利用Canny算子检测图像的边缘，按照8邻域跟踪图像轮廓；
（3）获得图像轮廓，使用多边形逼近算法拟合图像轮廓，获取轮廓的分割点，得到轮廓的近似多边形表达；
（4）根据轮廓的近似多边形表达，对分割点之间的线段长度进行比较，判断线段的基元类型，然后采用最小二乘法进行拟合，得到直线基元和圆弧基元的几何参数；
（5）根据几何基元参数得到基元轮廓点，采用线扩散函数模型对轮廓点进行精确定位，使用最小二乘法进行基元拟合，得到精确的几何基元参数；
（6）得到精确的几何基元，使用长度阈值判定最长的圆弧基元，使用该基元所在圆的圆心坐标表示模板的位置，最长圆弧对应圆心和弦中点的连线方向表示模板的方向，计算该圆心和其它基元之间的距离数据。
在线识别阶段：
（1）通过CCD相机获取现场中待识别、定位的目标图像，对实测目标图像处理同离线建模阶段步骤（1）到（5），得到精确的几何基元参数；
（2）搜索符合条件的最大圆弧基元，完成模板图像的粗定位。根据最大圆弧基元的参数，确定对应弦的直线方程，计算过圆心且垂直于弦的直线方程，从而求得实测图像方向角，计算两幅图像的刚性变换角度，对实测图像中的基元进行角度变换；
（3）实测图像进行刚度变换后，比较两幅图像中基元的角度，得到符合角度阈值条件的基元。基元的符合角度阈值，计算实测图像中该基元与最大圆弧基元的距离，与模板图像中相对应基元的距离相比较，若符合距离阈值条件，则认为实测图像和模板图像中基元完成匹配；否则，该基元不匹配。重复上述判断，直到所有基元比较完毕。
本发明的有益效果是：本发明采用几何基元作为匹配与定位的特征，避免了使用点特征导致的计算量大、耗时长等问题；采用线扩散函数模型精确定位轮廓点，提取高精度几何基元参数，提升了目标匹配的准确性和定位的精度。
附图说明
图1是本发明的整体示意图。
图2是本发明的在线匹配和定位示意图。
具体实施方式
具体实施方式：结合图1~图2说明本具体实施方式。本实施方式提供了一种一种基于线扩散函数模型的目标匹配与定位方法的具体实施方案。所述的目标匹配与定位方法分为并行的两部分，包括：离线建模过程、在线匹配过程。具体步骤如下；
离线建模阶段。
步骤一:
（1.1）将目标模板放置在单一背景的平台上，使用背光照射，通过工业CCD相机采集模板图像，在模板图像中选择目标的所在的区域，即ROI区域。
步骤二:
（2.1）为了更好的保持边缘，使用自适应平滑滤波消除ROI区域的噪声；
（2.2）采用Otsu法对去噪后的图像进行分割，得到目标和背景；
（2.3）使用Canny算子检测图像的边缘，根据8邻域跟踪目标轮廓，记录轮廓点信息
Figure 255551DEST_PATH_IMAGE001
。
步骤三:
（3.1）通过8邻域跟踪得到目标的轮廓，使用多边形逼近算法对轮廓进行近似，得到轮廓的分段点；
（3.2）将轮廓起点
Figure 484014DEST_PATH_IMAGE002
和终点
Figure 776455DEST_PATH_IMAGE003
用直线连起来，可以将这条直线的两点式表示；
Figure 571236DEST_PATH_IMAGE004
如果轮廓是一条连续的闭合曲线，则选择轮廓序列中的任意一点（一般选择中点），分割成为两条线段；
（3.3）计算轮廓上任意一点
Figure 265522DEST_PATH_IMAGE005
到直线
Figure 854766DEST_PATH_IMAGE006
的距离
Figure 837766DEST_PATH_IMAGE007
；
Figure 232975DEST_PATH_IMAGE008
其中
Figure 719451DEST_PATH_IMAGE009
；
逐点进行查询，计算轮廓点与直线
Figure 742247DEST_PATH_IMAGE006
之间的距离，直至找到距离
Figure 9280DEST_PATH_IMAGE007
大于阈值
Figure 880284DEST_PATH_IMAGE010
（阈值设置
Figure 486846DEST_PATH_IMAGE010
为2个像素）的轮廓点，将该分段点存储到
Figure 745789DEST_PATH_IMAGE011
中；否则，进行下一个曲线段的计算；
（3.4）
Figure 172222DEST_PATH_IMAGE012
为符合距离阈值的分段点，使用点
Figure 112496DEST_PATH_IMAGE012
将
Figure 635881DEST_PATH_IMAGE013
和
Figure 737830DEST_PATH_IMAGE014
连接的轮廓分为两部分。重复步骤（3.3），直至所有轮廓段上的点均满足最大距离阈值条件，最终得到轮廓的多边形近似。
步骤四:
（4.1）通过设定一个基元长度阈值
Figure 917138DEST_PATH_IMAGE015
（此阈值和图像大小有关），如果基元长度大于阈值，其为直线基元，无需合并，用最小二乘法进行拟合。将拟合函数形式设定为
Figure 457841DEST_PATH_IMAGE016
，其中
Figure 773416DEST_PATH_IMAGE017
分别是直线斜率和y轴的截距。根据已知的轮廓点
Figure 308915DEST_PATH_IMAGE018
，将这些坐标值代入直线方程作差，误差可以描述为
Figure 709940DEST_PATH_IMAGE019
，考虑到整体误差最小，对该误差取平方和；
Figure 54334DEST_PATH_IMAGE020
通过矩阵运算得到参数
Figure 489994DEST_PATH_IMAGE021
的表达式；
Figure 933745DEST_PATH_IMAGE022
Figure 149963DEST_PATH_IMAGE023
（4.2）如果基元长度小于阈值，同时其相邻基元也为短基元，使用最小二乘法进行圆拟合。设圆方程为：
Figure 970151DEST_PATH_IMAGE024
其中坐标
Figure 260318DEST_PATH_IMAGE025
是圆心，
Figure 937287DEST_PATH_IMAGE026
是半径；
而圆的参数方程为：
Figure 312905DEST_PATH_IMAGE027
点
Figure 936785DEST_PATH_IMAGE028
到圆心的距离为
Figure 143775DEST_PATH_IMAGE029
；
Figure 191978DEST_PATH_IMAGE030
计算点
Figure 54892DEST_PATH_IMAGE028
到圆心距离的平方和圆形半径的平方的差，使其最小；
Figure 279200DEST_PATH_IMAGE031
计算得到圆的参数
Figure 543959DEST_PATH_IMAGE032
，得到圆的半径
Figure 765993DEST_PATH_IMAGE026
。然后将当前基元和相邻短基元合并为长基元，再进行圆弧拟合，得到圆弧基元的半径
Figure 912940DEST_PATH_IMAGE033
，若两个半径的差小于阈值
Figure 878622DEST_PATH_IMAGE034
（
Figure 997888DEST_PATH_IMAGE034
的大小和所处理图像的大小有关），则将这两个基元进行合并，取下一个基元重复上述判断，直至基元都处理完毕。
步骤五:
（5.1）通过最小二乘算法拟合已经得到了几何基元的方程，采集几何基元样点并计算每个采样点的法向；
（5.2）假设点
Figure 453140DEST_PATH_IMAGE005
为几何基元的起点，采用双线性插值方法，沿该点的法线的上下两个方向采集像素宽度为10个像素的一维灰度序列
Figure 228329DEST_PATH_IMAGE035
；
（5.3）将灰度序列
Figure 565131DEST_PATH_IMAGE035
代入
Figure 538903DEST_PATH_IMAGE036
中，建立误差方程，然后通过最小二乘模型迭代运算得到
Figure 165056DEST_PATH_IMAGE037
；
Figure 224279DEST_PATH_IMAGE038
（5.4）计算每个样点的精确坐标；
Figure 594081DEST_PATH_IMAGE039
（5.5）进入下一点的处理，直至处理完所有样点后，便得到一组精确的采样点。然后通过最小二乘法拟合这些精确的采样点，获取精确的几何基元参数。
步骤六:
（6.1）得到精确的几何基元参数，选取半径最大的圆弧基元，使用该基元所在圆的圆心坐标表示模板的位置；
（6.2）最大圆弧基元对应圆的圆心坐标为
Figure 687939DEST_PATH_IMAGE040
，通过最大圆弧基元的起点坐标
Figure 360360DEST_PATH_IMAGE041
和终点坐标
Figure 969195DEST_PATH_IMAGE042
可以确定弦对应的直线方程，计算过圆心
Figure 877109DEST_PATH_IMAGE040
且垂直于弦的直线，其中斜率为
Figure 825473DEST_PATH_IMAGE043
、交点为
Figure 731112DEST_PATH_IMAGE044
，由
Figure 827244DEST_PATH_IMAGE045
求取该直线和
Figure 473602DEST_PATH_IMAGE046
轴正方向的夹角
Figure 542052DEST_PATH_IMAGE047
，
Figure 680909DEST_PATH_IMAGE047
即表示模板的方向；
（6.3）计算基元和最大圆弧基元之间的距离，包括直线基元与最大圆弧基元圆心之间的距离、其它圆弧基元与最大圆弧基元圆心之间的距离。
Figure 936441DEST_PATH_IMAGE048
Figure 389419DEST_PATH_IMAGE049
在线匹配阶段
步骤一:
（1.1）将实测目标放置在单一背景的平台上，使用背光照射，通过CCD相机获取实测图像，在实测图像中选择目标的所在的区域，即ROI区域；
（1.2）对实测目标图像进行处理，得到精确的几何基元参数。方法同离线建模阶段步骤一到步骤五。
步骤二:
（2.1）搜索符合条件的最大圆弧基元，完成模板图像的粗定位。根据最大圆弧基元的参数，确定对应弦的直线方程，计算过圆心且垂直于弦的直线方程，得到直线斜率为
Figure 374693DEST_PATH_IMAGE050
，由
Figure 622134DEST_PATH_IMAGE051
求取实测图像方向角
Figure 364962DEST_PATH_IMAGE052
；
（2.2）得到了模板图像的方向角
Figure 418369DEST_PATH_IMAGE047
，则可以求得模板图像和实测图像之间变换角度
Figure 195832DEST_PATH_IMAGE053
为
Figure 614175DEST_PATH_IMAGE054
。
步骤三:
（3.1）通过刚性变换角度
Figure 172195DEST_PATH_IMAGE053
对实测图像进行刚性变换，目的是将实测图像中的直线基元方向和模板图像中直线基元方向对应一致，方便基元角度的比较。得到实测图像进行刚性变换后，其直线基元的角度
Figure 698467DEST_PATH_IMAGE055
为：
Figure 596016DEST_PATH_IMAGE056
。
步骤四:
（4.1）通过已知基元的几何参数，计算实测图像中基元的角度
Figure 247577DEST_PATH_IMAGE057
，然后将基元角度
Figure 964998DEST_PATH_IMAGE057
和刚性变换得来的角度
Figure 297890DEST_PATH_IMAGE058
进行作差比较，如果两者的角度差符合角度阈值条件
Figure 112262DEST_PATH_IMAGE059
，则计算实测图像中该基元和最大圆弧基元圆心间的距离
Figure 872408DEST_PATH_IMAGE060
，对于模板图像中对应基元和最大圆弧基元间的距离为
Figure 952490DEST_PATH_IMAGE061
，如果该基元符合距离阈值条件
Figure 151391DEST_PATH_IMAGE062
，则认为实测图像中基元和模板图像中基元完成匹配。否则，该基元不匹配，进入下一基元处理，直接所有的基元判别完毕
Figure 755023DEST_PATH_IMAGE063
Figure 748387DEST_PATH_IMAGE064

Claims (6)

1.一种基于高精度几何基元提取的圆弧工件匹配与定位方法，其特征在于：所述圆弧工件匹配与定位方法包含离线建模阶段和在线识别阶段，具体实施步骤如下：
离线建模阶段：
（1）将目标模板放置在单一背景的平台上，使用工业CCD相机采集模板图像，在模板图像中选择目标的所在的区域，即ROI区域；
（2）对图像ROI区域进行预处理，采用Otsu算法分割图像，利用Canny算子检测图像的边缘，按照8邻域跟踪图像轮廓；
（3）获得图像轮廓，使用多边形逼近算法拟合图像轮廓，获取轮廓的分割点，得到轮廓的近似多边形表达；
（4）根据轮廓的近似多边形表达，对分割点之间的线段长度进行比较，判断线段的基元类型，然后采用最小二乘法进行拟合，得到直线基元和圆弧基元的几何参数；
（5）根据几何基元参数得到基元轮廓点，采用线扩散函数模型对轮廓点进行精确定位，使用最小二乘法进行基元拟合，得到精确的几何基元参数；
（6）得到精确的几何基元参数，使用长度阈值判定最长的圆弧基元，使用该基元所在圆的圆心坐标表示模板的位置，最长圆弧对应圆心和弦中点的连线方向表示模板的方向，计算该圆心和其它基元之间的距离数据。
2.在线识别阶段：
（1）通过CCD相机获取现场中待识别、定位的目标图像，对实测目标图像处理同离线建模阶段步骤（1）到（5），得到精确的几何基元参数；
（2）搜索符合条件的最大圆弧基元，完成模板图像的粗定位；根据最大圆弧基元的参数，确定对应弦的直线方程，计算过圆心且垂直于弦的直线方程，从而求得实测图像方向角，计算两幅图像的刚性变换角度，对实测图像中的基元进行角度变换；
（3）实测图像进行刚度变换后，比较两幅图像中基元的角度，得到符合角度阈值条件的基元，基元的符合角度阈值，计算实测图像中该基元与最大圆弧基元的距离，与模板图像中相对应基元的距离相比较，若符合距离阈值条件，则认为实测图像和模板图像中基元完成匹配；否则，该基元不匹配；
（4）重复上述判断，直到所有基元比较完毕。
3.根据权利要求1所述一种基于高精度几何基元提取的圆弧工件匹配与定位方法，其特征在于：所述离线建模阶段第（2）步，包括以下子步骤：
改进的Canny算子检测目标边缘：
使用改进的Canny算子进行边缘检测，改进的Canny算子采用双边滤波处理图像，使用Otsu法确定高低门限值，相对于传统的Canny算子，改进的算法提取的边缘更加的清晰，而且能更好的消除目标图像中存在噪声和无关干扰对目标识别的影响，使得识别系统具有更好的抗噪性能。
4.根据权利要求1所述一种基于高精度几何基元提取的圆弧工件匹配与定位方法，其特征在于：所述离线建模阶段第（5）步，包括以下子步骤：
线扩散函数对轮廓点进行精确定位：
采集几何基元样点并计算每个采样点的法向，假设点
Figure DEST_PATH_IMAGE001
为几何基元的起点，采用双线性插值方法，沿该点的法线的上下两个方向采集像素宽度为10个像素的一维灰度序列
Figure DEST_PATH_IMAGE002
，代入中，建立误差方程，然后通过最小二乘模型迭代运算得到
Figure DEST_PATH_IMAGE003
，最小二乘模型：
Figure DEST_PATH_IMAGE004
计算每个样点的精确坐标：
Figure DEST_PATH_IMAGE005
进入下一点的处理，直至处理完所有样点后，便得到一组精确的采样点；
然后通过最小二乘法拟合这些精确的采样点，获取精确的几何基元参数。
5.根据权利要求1所述一种基于高精度几何基元提取的圆弧工件匹配与定位方法，其特征在于：所述离线建模阶段第（6）步，包括以下子步骤：
最长圆弧对应圆心和弦中点的连线方向表示模板的方向：
最大圆弧基元对应圆的圆心坐标为
Figure DEST_PATH_IMAGE006
，通过最大圆弧基元的起点坐标
Figure DEST_PATH_IMAGE007
和终点坐标
Figure DEST_PATH_IMAGE008
可以确定弦对应的直线方程，计算过圆心
Figure 567974DEST_PATH_IMAGE006
且垂直于弦的直线，其中斜率为
Figure DEST_PATH_IMAGE009
、交点为
Figure DEST_PATH_IMAGE010
，由
Figure DEST_PATH_IMAGE011
求取该直线和
Figure DEST_PATH_IMAGE012
轴正方向的夹角
Figure DEST_PATH_IMAGE013
，
Figure 295234DEST_PATH_IMAGE013
即表示模板的方向。
6.根据权利要求1所述一种基于高精度几何基元提取的圆弧工件匹配与定位方法，其特征在于：所述离线建模阶段第（6）步，包括以下子步骤：
计算基元和最大圆弧基元之间的距离：
计算基元和最大圆弧基元之间的距离，包括直线基元与最大圆弧基元圆心之间的距离、其它圆弧基元与最大圆弧基元圆心之间的距离。
Figure DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
。
CN201811507703.8A 2018-12-11 2018-12-11 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 Pending CN111311618A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811507703.8A CN111311618A (zh) 2018-12-11 2018-12-11 一种基于高精度几何基元提取的圆弧工件匹配与定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811507703.8A CN111311618A (zh) 2018-12-11 2018-12-11 一种基于高精度几何基元提取的圆弧工件匹配与定位方法

Publications (1)

Publication Number Publication Date
CN111311618A true CN111311618A (zh) 2020-06-19

Family

ID=71146517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811507703.8A Pending CN111311618A (zh) 2018-12-11 2018-12-11 一种基于高精度几何基元提取的圆弧工件匹配与定位方法

Country Status (1)

Country Link
CN (1) CN111311618A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270329A (zh) * 2020-10-30 2021-01-26 北京华维国创电子科技有限公司 一种基于多层次算法融合的精准mark点采集和识别算法
CN112577967A (zh) * 2021-01-06 2021-03-30 河南理工大学 医药安瓿瓶头部外观质量检测方法
CN112950627A (zh) * 2021-04-01 2021-06-11 上海柏楚电子科技股份有限公司 用于激光切割的检测及控制方法和系统
CN113432585A (zh) * 2021-06-29 2021-09-24 沈阳工学院 一种基于机器视觉技术的非接触式轮毂位置精确测定方法
CN113758439A (zh) * 2021-08-23 2021-12-07 武汉理工大学 热态环件轧制成形过程中几何参数在线测量方法及装置
WO2022099597A1 (zh) * 2020-11-13 2022-05-19 浙江大学 一种基于虚拟轮廓特征点的机械零件6d位姿测量方法
CN115147407A (zh) * 2022-08-29 2022-10-04 聊城市博源节能科技有限公司 基于计算机视觉的轴承质量检测方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270329A (zh) * 2020-10-30 2021-01-26 北京华维国创电子科技有限公司 一种基于多层次算法融合的精准mark点采集和识别算法
WO2022099597A1 (zh) * 2020-11-13 2022-05-19 浙江大学 一种基于虚拟轮廓特征点的机械零件6d位姿测量方法
CN112577967A (zh) * 2021-01-06 2021-03-30 河南理工大学 医药安瓿瓶头部外观质量检测方法
CN112577967B (zh) * 2021-01-06 2023-05-16 河南理工大学 医药安瓿瓶头部外观质量检测方法
CN112950627A (zh) * 2021-04-01 2021-06-11 上海柏楚电子科技股份有限公司 用于激光切割的检测及控制方法和系统
CN113432585A (zh) * 2021-06-29 2021-09-24 沈阳工学院 一种基于机器视觉技术的非接触式轮毂位置精确测定方法
CN113758439A (zh) * 2021-08-23 2021-12-07 武汉理工大学 热态环件轧制成形过程中几何参数在线测量方法及装置
CN115147407A (zh) * 2022-08-29 2022-10-04 聊城市博源节能科技有限公司 基于计算机视觉的轴承质量检测方法
CN115147407B (zh) * 2022-08-29 2022-11-18 聊城市博源节能科技有限公司 基于计算机视觉的轴承质量检测方法

Similar Documents

Publication Publication Date Title
CN111311618A (zh) 一种基于高精度几何基元提取的圆弧工件匹配与定位方法
CN110472674B (zh) 一种基于边缘和梯度特征的模板匹配算法
CN107341802B (zh) 一种基于曲率与灰度复合的角点亚像素定位方法
CN105930858B (zh) 一种带旋转、缩放的快速高精度几何模板匹配方法
CN107798326B (zh) 一种轮廓视觉检测方法
CN106404793B (zh) 基于视觉的轴承密封件缺陷检测方法
CN103425988B (zh) 一种具有圆弧几何基元的实时定位与匹配方法
CN113538486B (zh) 一种提高汽车钣金工件的识别与定位精度的方法
CN106251353A (zh) 弱纹理工件及其三维位姿的识别检测方法及系统
CN108171102A (zh) 一种基于视觉的零件快速识别方法
CN111402330B (zh) 一种基于平面靶标的激光线关键点提取方法
CN113781561B (zh) 基于自适应高斯权快速点特征直方图的目标位姿估计方法
CN111860501B (zh) 基于形状匹配的高铁高度调整杆脱出故障图像识别方法
CN106340010A (zh) 一种基于二阶轮廓差分的角点检测方法
CN112651259A (zh) 二维码的定位方法、基于二维码的移动机器人定位方法
CN114240845A (zh) 一种应用于切削工件的光切法表面粗糙度测量方法
CN108182704A (zh) 基于形状上下文特征的定位方法
CN108109154A (zh) 一种工件的新型定位及数据获取方法
CN116503462A (zh) 一种圆形斑点圆心快速提取方法及系统
CN109308707B (zh) 铝锭厚度非接触式在线测量方法
CN113705564B (zh) 一种指针式仪表识别读数方法
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
CN115112098B (zh) 一种单目视觉的一维二维测量方法
CN111539951A (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN110298799B (zh) 一种pcb图像定位校正方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200619