CN111462214A - 一种基于Hough变换的线结构光条纹中心线提取方法 - Google Patents
一种基于Hough变换的线结构光条纹中心线提取方法 Download PDFInfo
- Publication number
- CN111462214A CN111462214A CN202010193888.0A CN202010193888A CN111462214A CN 111462214 A CN111462214 A CN 111462214A CN 202010193888 A CN202010193888 A CN 202010193888A CN 111462214 A CN111462214 A CN 111462214A
- Authority
- CN
- China
- Prior art keywords
- stripe
- light
- line
- width
- light stripe
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Hough变换的线结构光条纹中心线提取方法。该方法步骤如下:首先对光条图像进行自适应阈值分割,得到只含有光条信息的二值图像;其次对所得分割后的光条图像进行Hough变换直线检测得到光条边缘线,通过两条边缘线计算得到条纹宽度;根据条纹宽度调整高斯均方差,使用Steger算法进行光条纹中心线提取;对提取得到的光条纹中心线进行单像素宽度检测,以判断所提取的中心线是否为单像素宽度,若不是则重新进行光条纹中心线提取。本发明保证了单像素中心线提取的稳定性,有效地提高了线结构光条纹中心线的提取精度。
Description
技术领域
本发明属于线结构光三维视觉测量技术领域,特别是一种基于Hough变换的线结构光条纹中心线提取方法。
背景技术
在结构光测量技术中,线结构光视觉测量方法由于实现简单、测量速度快、精度高、实时性好、环境适应能力强以及光条图像处理相对简便等特点,被广泛应用于三维测量领域,线结构光视觉测量是目前研究较为热门的三维测量方法。由于线结构激光器投射到物体表面的激光条纹宽度在1~2mm不等,由相机采集图像之后,激光条纹在相机所拍摄的图片中有一定的宽度,其宽度在几个至十几个像素不等。所以需要使用一系列的特征点来代表光条纹信息,通常将光条纹中心点作为这些特征点。因此,在将线结构光条纹在二维图像中的信息转换为空间三维信息之前,必须先提取出激光条纹的单像素宽度中心线。
常用的线结构光条纹中心提取方法有:(1)阈值法:以灰度大于某一阈值的左右两像素作为起始点和结束点的骨架抽取方法,可以得到光条纹的大致骨架,运算速度快但精度较差;(2)灰度重心法:将光条纹的灰度重心作为光条纹中心,该方法适用于光条弯曲程度小的光条纹,可以很好地降低因光条分布不对称而产生的误差,运算速度快且精度较高,但易受环境噪声干扰,鲁棒性较差。
发明内容
本发明的目的在于提供一种提取精度高、适用性强的基于Hough变换的线结构光条纹中心线提取方法。
实现本发明目的的技术解决方案是:一种基于Hough变换的线结构光条纹中心线提取方法,包括以下步骤:
步骤1、对光条图像进行自适应阈值分割,得到只含有光条信息的二值图像;
步骤2、对步骤1所得分割后的光条图像进行Hough变换直线检测得到光条边缘线,通过两条边缘线计算得到条纹宽度;
步骤3、根据条纹宽度调整高斯均方差σ,使用Steger算法进行光条纹中心线提取;
步骤4、对步骤3提取得到的光条纹中心线进行单像素宽度检测,以判断所提取的中心线是否为单像素宽度,若不是则转到步骤2,重新进行光条纹中心线提取。
进一步地,步骤1所述对光条图像进行自适应阈值分割,具体包括:
步骤1.1、对图像每行像素进行Otsu方法处理,得到每行的最佳分割阈值;
步骤1.2、使用步骤1.1得到的最佳分割阈值进行阈值分割,得到只含有光条信息的二值图像。
进一步地,步骤2所述对步骤1所得分割后的光条图像进行Hough变换直线检测得到光条边缘线,通过两条边缘线计算得到条纹宽度,具体包括:
步骤2.1、通过Hough变换得到光条纹的边缘线,建立一个二维数组A,数组A用于存储像素点位置和对应的条纹宽度;
步骤2.2、令采样间隔为h个像素,10≤h≤20,取外侧边缘线像素点a,沿该像素点处边缘法线方向作直线,直线与另一侧边缘线交于一点b,则像素点a、b之间的距离即为此处光条纹宽度w,将a点行坐标与此处宽度w记录在数组A中。
步骤3.1、求解图像Hessian矩阵特征向量:通过计算Hessian矩阵的特征值和特征向量来确定光条纹的法线方向;
步骤3.2、泰勒级数展开:设步骤3.1所求法线方向的单位向量为(nx,ny),起始点为(x0,y0),对光条纹截面的灰度分布函数进行二阶泰勒展开,则光条纹截面上的点(x0+tnx,y0+tny)的灰度z(x0+tnx,y0+tny)如下:
z(x0+tnx,y0+tny)=Z(x0,y0)+N(rx,ry)T+NH(x,y)NT/2 (1)
其中,Z(x0,y0)为起始点(x0,y0)的灰度,N=(tnx,tny)为灰度分布函数极值点,H(x,y)为泰勒展开项,(rx,ry)由图像像素点z(x,y)分别与高斯核卷积得到,即:
其中g(x,y)为二维高斯函数,z(x,y)为图像点灰度;
则光条纹中心点坐标为(x0+tnx,y0+tny),其中,rxx、rxy、ryy为图像点Z(x,y)与二维高斯微分核卷积。
进一步地,步骤4所述对步骤3提取得到的光条纹中心线进行单像素宽度检测,具体包括:
步骤4.1、遍历提取得到的光条纹中心线图像每一行像素;
步骤4.2、遍历提取得到的光条纹中心线图像每一列像素;
步骤4.3、若每行像素均仅有一个像素点灰度值为1,其余均为0,或每列像素均仅有一个像素点灰度值为1,其余均为0,则所提取光条纹中心线宽度为单像素宽;否则所提取光条纹中心线宽度至少含有两个像素,转到步骤2,重新进行光条纹中心线提取。
本发明与现有技术相比,其显著优点为:(1)根据光条纹宽度自适应地设置σ值,可自适应地提取激光条纹中心线;(2)引入了光条纹中心线单像素宽度检测,若提取中心线不满足单像素宽度则重新进行提取,保证了单像素中心线提取的稳定性;(3)提高了中心线提取的精度,可以有效地提取出光条纹单像素中心线。
附图说明
图1是本发明基于Hough变换的线结构光条纹中心线提取方法的流程图。
图2是本发明中线结构光条纹原图。
图3是本发明中阈值分割后的光条纹二值图。
图4是本发明中极坐标系Hough变换图。
图5是本发明中参数空间记录图。
图6是本发明中光条纹边缘直线检测结果图。
图7是本发明中光条边缘法线方向宽度示意图。
图8是本发明中提取的光条中心线图。
图9是本发明中提取的光条中心线放大效果图,其中(a)为提取的光条中心线局部放大图;(b)为所提取中心线与未提取条纹对比图。
图10是本发明中传统Steger算法与基于Hough变换的线结构光条纹中心线提取方法提取效果对比图,其中(a)为传统Steger算法提取效果图;(b)为基于Hough变换的线结构光条纹中心线提取方法提取效果图。
具体实施方式
本发明基于Hough变换的线结构光条纹中心线提取方法。首先对采集的车体截面光条图像进行自适应阈值分割,得到只含有光条信息的图像;其次通过Hough变换直线检测得到光条纹的两条边缘线,根据两条边缘线计算出光条纹宽度,再根据光条纹宽度设置高斯均方差σ;然后使用Steger算法进行光条纹中心线提取,并进行中心线单像素宽度检测,保证了单像素中心线提取的稳定性。
结合图1,本发明基于Hough变换的线结构光条纹中心线提取方法,包括以下步骤:
步骤1、对光条图像进行自适应阈值分割,得到只含有光条信息的二值图像。结合图2、图3,步骤1进一步包括如下步骤:
步骤1.1、对图2每行像素进行Otsu方法处理,得到每行的最佳分割阈值;
步骤1.2、使用步骤1.1得到的最佳分割阈值进行阈值分割,得到只含有光条信息的二值图像,如图3所示。
步骤2、对步骤1所得分割后的光条图像进行Hough变换直线检测得到光条边缘线,通过两条边缘线计算得到条纹宽度。结合图4、图5、图6、图7,步骤2进一步包括如下步骤:
步骤2.1、通过Hough变换得到光条纹的边缘线,如图6所示,建立一个二维数组A,数组A用于存储像素点位置(列坐标)和对应的条纹宽度;其中,结合图4、图5、步骤2.1进一步包括如下步骤:
步骤2.1.1、初始化(ρ,θ)空间,令N(ρ,θ)=0(N(ρ,θ)=0表示这组参数所代表的直线上像素点的个数);
步骤2.1.2、遍历图像光条纹边缘线上的像素点,对于每一个像素点(x,y),根据式ρ=xcosθ+ysinθ求得满足条件的(ρ,θ)对,并令N(ρ,θ)自增1;
步骤2.1.3、设置阈值χ,统计所有N(ρ,θ)的大小,使用峰值检测函数取出所有满足N(ρ,θ)>χ的(ρ,θ)参数对,进而得到所求直线参数,确定与该组参数相关的直线线段及其起始点和终止点,并将直线描绘在原图中,如图6所示。
步骤2.2、令采样间隔为h个像素,10≤h≤20,如图7所示,取外侧边缘线像素点a,沿该像素点处边缘法线方向作直线,直线与另一侧边缘线交于一点b,则像素点a、b之间的距离即为此处光条纹宽度w,将a点行坐标与此处宽度w记录在数组A中。
步骤3.1、求解图像Hessian矩阵特征向量:通过计算Hessian矩阵的特征值和特征向量来确定光条纹的法线方向;
步骤3.2、泰勒级数展开:设步骤3.1所求法线方向的单位向量为(nx,ny),起始点为(x0,y0),对光条纹截面的灰度分布函数进行二阶泰勒展开,则光条纹截面上的点(x0+tnx,y0+tny)的灰度z(x0+tnx,y0+tny)如下:
(x0+tnx,y0+tny)=Z(x0,y0)+N(rx,ry)T+NH(x,y)NT/2 (1)
其中,Z(x0,y0)为起始点(x0,y0)的灰度,N=(tnx,tny)为灰度分布函数极值点,H(x,y)为泰勒展开项,(rx,ry)由图像像素点z(x,y)分别与高斯核卷积得到,即:
其中g(x,y)为二维高斯函数,z(x,y)为图像点灰度;
则光条纹中心点坐标为(x0+tnx,y0+tny),其中,rxx、rxy、ryy为图像点Z(x,y)与二维高斯微分核卷积。
步骤4、对步骤3提取得到的光条纹中心线进行单像素宽度检测,以判断所提取的中心线是否为单像素宽度,若不是则转到步骤2,重新进行光条纹中心线提取。结合图8、图9(a)、图9(b),步骤4进一步包括如下步骤:
步骤4.1、遍历提取得到的光条纹中心线图像每一行像素;
步骤4.2、遍历提取得到的光条纹中心线图像每一列像素;
步骤4.3、若每行像素均仅有一个像素点灰度值为1(白),其余均为0(黑),或每列像素均仅有一个像素点灰度值为1(白),其余均为0(黑),则所提取光条纹中心线宽度为单像素宽;否则所提取光条纹中心线宽度至少含有两个像素,转到步骤2,重新进行光条纹中心线提取。
实施例
为验证本发明方案的有效性,实施例采用传统Steger算法和本发明的改进Steger算法进行对比仿真实验,比较两种方法的检测精度差异。为清楚显示单像素光条中心线,结果图为放大效果图。
使用传统Steger算法对图2光条纹中心进行提取,结果如图10(a)所示。
采用基于Hough变换的线结构光条纹中心线提取方法对图2光条纹中心进行提取,结果如图10(b)所示。
由图10(a)~(b)提取结果分析可知,传统Steger算法提取的中心线出现较多噪点,毛刺;使用步骤4所述进行单像素宽度检测,光条纹中心线宽度多处至少含有两个像素,未能准确地提取单像素中心线;而基于Hough变换的线结构光条纹中心线提取方法未出现噪点,毛刺现象,能够很好地提取光条中心线;继续使用步骤4所述进行单像素宽度检测,每行像素均仅有一个像素点灰度值为1,其余均为0,所提取光条纹中心线宽度为单像素宽。
通过以上分析可以得出,本发明算法在检测精度上有很大的优势。综上所述,本发明基于Hough变换的线结构光条纹中心线提取方法在线结构光条纹中心线提取时能够很好地保证精度,适用性强。
步骤2,重新进行光条纹中心线提取。
传统Steger算法采用固定不变的高斯均方差σ,σ值能够影响光条纹图像平滑效果,σ值越大,光条纹图像的平滑效果越显著,但当σ值过大时将导致光条纹图像出现模糊虚化现象。本发明根据光条纹宽度自适应地设置σ值,可自适应地提取激光条纹中心线,引入了光条纹中心线单像素宽度检测,若提取中心线不满足单像素宽度则重新进行提取,保证了单像素中心线提取的稳定性。
Claims (5)
1.一种基于Hough变换的线结构光条纹中心线提取方法,其特征在于,包括以下步骤:
步骤1、对光条图像进行自适应阈值分割,得到只含有光条信息的二值图像;
步骤2、对步骤1所得分割后的光条图像进行Hough变换直线检测得到光条边缘线,通过两条边缘线计算得到条纹宽度;
步骤3、根据条纹宽度调整高斯均方差σ,使用Steger算法进行光条纹中心线提取;
步骤4、对步骤3提取得到的光条纹中心线进行单像素宽度检测,以判断所提取的中心线是否为单像素宽度,若不是则转到步骤2,重新进行光条纹中心线提取。
2.根据权利要求1所述的基于Hough变换的线结构光条纹中心线提取方法,其特征在于,步骤1所述对光条图像进行自适应阈值分割,具体包括:
步骤1.1、对图像每行像素进行Otsu方法处理,得到每行的最佳分割阈值;
步骤1.2、使用步骤1.1得到的最佳分割阈值进行阈值分割,得到只含有光条信息的二值图像。
3.根据权利要求1所述的基于Hough变换的线结构光条纹中心线提取方法,其特征在于,步骤2所述对步骤1所得分割后的光条图像进行Hough变换直线检测得到光条边缘线,通过两条边缘线计算得到条纹宽度,具体包括:
步骤2.1、通过Hough变换得到光条纹的边缘线,建立一个二维数组A,数组A用于存储像素点位置和对应的条纹宽度;
步骤2.2、令采样间隔为h个像素,10≤h≤20,取外侧边缘线像素点a,沿该像素点处边缘法线方向作直线,直线与另一侧边缘线交于一点b,则像素点a、b之间的距离即为此处光条纹宽度w,将a点行坐标与此处宽度w记录在数组A中。
4.根据权利要求1所述的基于Hough变换的线结构光条纹中心线提取方法,其特征在于,步骤3所述根据条纹宽度调整高斯均方差σ,使用Steger算法进行光条纹中心线提取,其中σ与条纹宽度之间的关系满足:根据每个区域的宽度w设置相应的σ值;Steger算法具体包括:
步骤3.1、求解图像Hessian矩阵特征向量:通过计算Hessian矩阵的特征值和特征向量来确定光条纹的法线方向;
步骤3.2、泰勒级数展开:设步骤3.1所求法线方向的单位向量为(nx,ny),起始点为(x0,y0),对光条纹截面的灰度分布函数进行二阶泰勒展开,则光条纹截面上的点(x0+tnx,y0+tny)的灰度z(x0+tnx,y0+tny)如下:
z(x0+tnx,y0+tny)=Z(x0,y0)+N(rx,ry)T+NH(x,y)NT/2 (1)
其中,Z(x0,y0)为起始点(x0,y0)的灰度,N=(tnx,tny)为灰度分布函数极值点,H(x,y)为泰勒展开项,(rx,ry)由图像像素点z(x,y)分别与高斯核卷积得到,即:
其中g(x,y)为二维高斯函数,z(x,y)为图像点灰度;
则光条纹中心点坐标为(x0+tnx,y0+tny),其中,rxx、rxy、ryy为图像点Z(x,y)与二维高斯微分核卷积。
5.根据权利要求1所述的基于Hough变换的线结构光条纹中心线提取方法,其特征在于,步骤4所述对步骤3提取得到的光条纹中心线进行单像素宽度检测,具体包括:
步骤4.1、遍历提取得到的光条纹中心线图像每一行像素;
步骤4.2、遍历提取得到的光条纹中心线图像每一列像素;
步骤4.3、若每行像素均仅有一个像素点灰度值为1,其余均为0,或每列像素均仅有一个像素点灰度值为1,其余均为0,则所提取光条纹中心线宽度为单像素宽;否则所提取光条纹中心线宽度至少含有两个像素,转到步骤2,重新进行光条纹中心线提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193888.0A CN111462214B (zh) | 2020-03-19 | 2020-03-19 | 一种基于Hough变换的线结构光条纹中心线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193888.0A CN111462214B (zh) | 2020-03-19 | 2020-03-19 | 一种基于Hough变换的线结构光条纹中心线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462214A true CN111462214A (zh) | 2020-07-28 |
CN111462214B CN111462214B (zh) | 2023-06-09 |
Family
ID=71682906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010193888.0A Active CN111462214B (zh) | 2020-03-19 | 2020-03-19 | 一种基于Hough变换的线结构光条纹中心线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462214B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085752A (zh) * | 2020-08-20 | 2020-12-15 | 浙江华睿科技有限公司 | 一种图像的处理方法、装置、设备及介质 |
CN112304954A (zh) * | 2020-10-20 | 2021-02-02 | 西安工程大学 | 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 |
CN112884750A (zh) * | 2021-03-04 | 2021-06-01 | 湖州点彩智能科技有限公司 | 一种基于gpu的素色织物折痕提取方法 |
CN113418926A (zh) * | 2021-06-02 | 2021-09-21 | 南京航空航天大学 | 基于激光条中心线定位提取算法的轮对踏面损伤检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393964A (zh) * | 2011-08-02 | 2012-03-28 | 中国科学院长春光学精密机械与物理研究所 | 一种条纹间隙检测方法 |
CN104616325A (zh) * | 2015-01-21 | 2015-05-13 | 大连理工大学 | 一种快速高精度的大型表面光条中心提取方法 |
CN105005981A (zh) * | 2014-04-18 | 2015-10-28 | 北京航空航天大学 | 基于多尺度的光条中心提取方法及装置 |
CN110866924A (zh) * | 2019-09-24 | 2020-03-06 | 重庆邮电大学 | 一种线结构光中心线提取方法及存储介质 |
-
2020
- 2020-03-19 CN CN202010193888.0A patent/CN111462214B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393964A (zh) * | 2011-08-02 | 2012-03-28 | 中国科学院长春光学精密机械与物理研究所 | 一种条纹间隙检测方法 |
CN105005981A (zh) * | 2014-04-18 | 2015-10-28 | 北京航空航天大学 | 基于多尺度的光条中心提取方法及装置 |
CN104616325A (zh) * | 2015-01-21 | 2015-05-13 | 大连理工大学 | 一种快速高精度的大型表面光条中心提取方法 |
CN110866924A (zh) * | 2019-09-24 | 2020-03-06 | 重庆邮电大学 | 一种线结构光中心线提取方法及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085752A (zh) * | 2020-08-20 | 2020-12-15 | 浙江华睿科技有限公司 | 一种图像的处理方法、装置、设备及介质 |
CN112085752B (zh) * | 2020-08-20 | 2024-01-30 | 浙江华睿科技股份有限公司 | 一种图像的处理方法、装置、设备及介质 |
CN112304954A (zh) * | 2020-10-20 | 2021-02-02 | 西安工程大学 | 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 |
CN112884750A (zh) * | 2021-03-04 | 2021-06-01 | 湖州点彩智能科技有限公司 | 一种基于gpu的素色织物折痕提取方法 |
CN112884750B (zh) * | 2021-03-04 | 2022-03-25 | 湖州点彩智能科技有限公司 | 一种基于gpu的素色织物折痕提取方法 |
CN113418926A (zh) * | 2021-06-02 | 2021-09-21 | 南京航空航天大学 | 基于激光条中心线定位提取算法的轮对踏面损伤检测方法 |
CN113418926B (zh) * | 2021-06-02 | 2022-02-18 | 南京航空航天大学 | 基于激光条中心线定位提取算法的轮对踏面损伤检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111462214B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN107507208B (zh) | 一种基于轮廓上曲率估计的图像特征点提取方法 | |
CN107633192B (zh) | 一种基于机器视觉的复杂背景下条形码分割与识读方法 | |
CN108171688B (zh) | 一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法 | |
CN103426184B (zh) | 一种光流跟踪方法和装置 | |
CN109583365B (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
CN113436207B (zh) | 一种对于规则表面的线结构光条纹中心快速精确提取方法 | |
CN111931537B (zh) | 一种颗粒状qr二维码定位方法 | |
CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
CN111260708A (zh) | 一种线结构光中心提取方法及系统 | |
CN102096915B (zh) | 一种基于精准图像拼接的摄像机镜头去污方法 | |
CN106340010A (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN112629409A (zh) | 一种线结构光条纹中心提取方法 | |
CN111784725A (zh) | 光条中心提取方法 | |
CN112560538A (zh) | 一种根据图像冗余信息快速定位受损qr码的方法 | |
CN116222381A (zh) | 电极涂层尺寸测量方法和装置 | |
CN116503462A (zh) | 一种圆形斑点圆心快速提取方法及系统 | |
CN116188544A (zh) | 一种结合边缘特征的点云配准方法 | |
CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
CN108182707B (zh) | 采集不完整条件下的棋盘格标定模板及其自动识别方法 | |
CN103411562B (zh) | 一种基于动态规划和均值漂移的结构光光条中心提取方法 | |
CN113223074A (zh) | 一种水下激光条纹中心提取方法 |
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 |