CN111524126B - 一种自动特征形貌识别方法 - Google Patents

一种自动特征形貌识别方法 Download PDF

Info

Publication number
CN111524126B
CN111524126B CN202010353134.7A CN202010353134A CN111524126B CN 111524126 B CN111524126 B CN 111524126B CN 202010353134 A CN202010353134 A CN 202010353134A CN 111524126 B CN111524126 B CN 111524126B
Authority
CN
China
Prior art keywords
fitting
fitted
equation
pixel
distance
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
CN202010353134.7A
Other languages
English (en)
Other versions
CN111524126A (zh
Inventor
林思建
徐凡颖
许斌
辛若铭
马江龙
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN202010353134.7A priority Critical patent/CN111524126B/zh
Publication of CN111524126A publication Critical patent/CN111524126A/zh
Application granted granted Critical
Publication of CN111524126B publication Critical patent/CN111524126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/24Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种自动特征形貌识别方法,其包括以下步骤:S1、使用同轴光源同照射贴合材料和被贴合材料表面并进行成像;S2、在得到的图像中选取过渡区;S3、识别过渡区亚像素级别的材料整体特征轮廓并划分对比区域;S4、扫描得到贴合材料和被贴合材料图像的外侧边缘点,对该边缘点进行圆拟合;S5、拟合对比区域边框上的直线方程;S6、通过直线方程和圆方程对特征形貌进行确定和识别;该方法能够解决人工贴合时特征形貌识别效率低、精度差的问题,实现贴合过程中空间位姿精密对准,判断过程更加快捷,判断更加准确。

Description

一种自动特征形貌识别方法
技术领域
本发明涉及精密对位贴合技术领域,具体而言,涉及自动精密对位贴合机械系统的一种自动特征形貌识别方法。
背景技术
对位贴合技术广泛应用于工业流程中,尤其在半导体、电子技术、集成电路、腐蚀工业等领域。准确度、精密度、重复性等指标是对位贴合技术的关键指标,直接影响到贴合后加工工艺的精度与质量。
目前对位贴合大都是以手动方式进行,具体方法为:在一台高倍数工具显微镜上夹持被贴材料,在另一夹具上夹持贴合材料,通过物镜视物利用手动位移台人工对准的方式,使被贴材料和贴合材料对准,再手动下压完成贴合。
手动贴合中,对于特征的识别主要依靠工人的眼睛进行。
手动贴合中对于特征形貌的识别主要是是依靠贴合工人经验,普通人员无法直接进行贴合,且识别精度差、效率低。
发明内容
本发明的目的在于提供一种自动特征形貌识别方法,其能够解决人工贴合时特征形貌识别效率低、精度差的问题,实现贴合过程中空间位姿精密对准。
本发明的实施例是这样实现的:
一种自动特征形貌识别方法,其包括以下步骤:
S1、将贴合材料处和被贴合材料处分别安装好工业相机,使用同轴光源同照射贴合材料和被贴合材料表面,在同轴光源下进行成像;
S2、在S1得到光学成像的图像中选取过渡区,对贴合材料表面和被贴合材料表面进行特征形貌识别;
S3、识别过渡区亚像素级别的材料整体特征轮廓,并划分对比区域;
S4、扫描得到贴合材料和被贴合材料图像的外侧边缘点,对该边缘点进行圆拟合,求出拟合半径和拟合圆心;
S5、拟合对比区域边框上的直线方程,框中心点的坐标和方程;
S6、通过直线方程和圆方程对特征形貌进行确定和识别。
在本发明较佳的实施例中,上述步骤S4和S5中,坐标和长度通过单像素尺度进行标定,通过单像素尺度来标定过渡区和对比区域的像素点。
在本发明较佳的实施例中,上述单像素尺度标定的方法为:在现有的同轴光源下拍摄实际尺寸已知的标准件,对标准件在图像中的像素进行计数,并测量图像中单像素的尺度μ。
在本发明较佳的实施例中,上述通过单像素尺度u结合过渡区计算图像的圆心距对比区域边框的像素距离d1;通过距离d1设置d2值,使得图像上加工参数及标定得到的像素尺度,在参数符合对比区域范围依据基础上,保证利用该参数能够得到尽量多符合d2值的边缘点,这部分点位于对比区域的边框上,从而确定边缘点的直线方程。
在本发明较佳的实施例中,上述步骤S4和S5中,通过以下公式计算得到单像素的尺度u:
Figure BDA0002472529770000021
其中,L为标准件的实际尺寸,N为标准件在图像中所占像素个数N。
在本发明较佳的实施例中,上述步骤S5中,通过以下公式计算得到距离d1
Figure BDA0002472529770000022
其中D1为贴合材料的圆心到对比区域边框的距离,u为单像素的尺度。
在本发明较佳的实施例中,上述步骤S4中,拟合的圆方程采用以下形式:
(x-a)2+(y-b)2=R2
其中,(a,b)为拟合出的圆心坐标,R为拟合出的圆半径。
在本发明较佳的实施例中,上述步骤S4中通过求解拟合点集到拟合圆心的距离和拟合半径的差值平方和的最小值来找到圆心坐标,其中拟合点到拟合圆心的距离为d,将求解(d-R)2最小的问题转变为求解d2-R2最小的问题,将问题简化。
在本发明较佳的实施例中,上述步骤S5中,拟合的直线方程采用截距式表示:
y=kx+b
其中,k为直线的斜率,b为坐标轴的截距。
在本发明较佳的实施例中,上述步骤S5中的直线方程,通过拟合点到拟合直线的距离最小来求解,即是每个拟合点到直线的距离的平方和Q最小:
Figure BDA0002472529770000031
其中,k为直线的斜率,b为坐标轴的截距;通过求偏导建立方程组,从而确定k和b。
本发明的有益效果是:
本发明通过使用同轴光源对贴合材料和被贴合材料的表面进行成像,选取过渡区并根据材料的特征轮廓划分区域,通过扫描贴合材料和被贴合材料图像的外边缘点,拟合出圆方程,通过划分区域的边框,拟合直线方程,通过直线和圆的参数进行特征形貌的识别;该方法能够解决人工贴合时特征形貌识别效率低、精度差的问题,实现贴合过程中空间位姿精密对准,判断过程更加快捷,判断更加准确。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定。
图1为本发明划分对比区域的示意图;
图2为本发明圆拟合算法的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和表示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
第一实施例
请参照图1,本实施例提供一种自动特征形貌识别方法,其包括以下步骤:
S1、将贴合材料处和被贴合材料处分别安装好工业相机,使用同轴光源同照射贴合材料和被贴合材料表面,在同轴光源下进行成像;
贴合材料与被贴材料可能存在着高反光、高透明等物理特性,若采用一般光源,如点光源和环形光源,虽能满足图像采集要求,但实际成像过程中,光照分布不均匀,局部区域存在曝光过度问题,给后期图像处理与特征识别带来极大困难;另一方面,受材料加工误差的影响,材料剪切侧面并非严格与水平面垂直,即其剖面为梯形(理想情况下应为矩形),这一倾斜平面经光学系统成像后,在图像中存在过渡区域,过渡区是实际图象中介于目标和背景之间的特殊区域,并且过渡区宽度会随着摆片相对于相机光轴位置变化而变化,照射光路示意图如图1所示。
同轴光源将光源通过漫射板发散打到半透半反射分光片上,该分光片将光反射到物体上,再由物体反射到镜头中。同轴光源在保证视野内各区域光照强度均匀的同时,光线垂直照射到石英摆片表面,使得贴合材料与被贴材料图像中过渡区的宽度较其他光源窄,且均匀性好,有益于后期的边缘处理。
S2、在S1得到光学成像的图像中选取过渡区,对贴合材料表面和被贴合材料表面进行特征形貌识别;特征形貌识别方法建立在同轴光光学成像机理的基础上,是根据材料自身尺寸参数对感兴趣区域进行特征形貌识别且分类的方法。贴合材料与被贴材料往往具有较高的尺寸精度,根据加工图纸容易得出各尺寸的参数信息,这一部分参数信息是进行特征形貌识别的关键。
S3、识别过渡区亚像素级别的材料整体特征轮廓,并划分对比区域;根据对比区域的特征形貌进行分类。
本实施例的贴合材料为石英摆片,被贴合材料为氟硅红膜,贴合材料和被贴合材料的对比区域划分后,先确定坐标系,通过单像素尺度来确定,坐标和长度通过单像素尺度进行标定,利用单像素尺度来标定过渡区和对比区域的像素点。石英摆片的感兴趣区域为中间边框,利用加工图纸上的信息,能够得到石英摆片圆心到中间框下边框的距离D1,对于采集到的石英摆片图像,通过尺度标定方法得到;单像素尺度标定的方法为:在现有的同轴光源下拍摄实际尺寸已知的标准件,对标准件在图像中的像素进行计数,并测量图像中单像素的尺度μ。
通过单像素尺度u结合过渡区计算图像的圆心距对比区域边框的像素距离d1;前期利用圆拟合算法得到了石英摆片的圆心及坐标,假设圆心为图中的O点,这时候,通过距离d1设置合理的d2值,使得图像上加工参数及标定得到的像素尺度,在参数符合对比区域范围依据基础上,保证利用该参数能够得到尽量多符合d2值的边缘点,这部分点位于对比区域的边框上,得到的边缘点中,没有位于中间框另外三条框线上的点,遍历所有检测出的边缘点,寻找其中距离O点距离小于等于d2的点,即图中圆形虚线区域的线段实线上的点,这一部分点必然位于石英摆片中间框下边框上,即得到了石英摆片中间框下边框上大部分边缘点的信息,从而确定边缘点的直线方程。
通过以下公式计算得到单像素的尺度u:
Figure BDA0002472529770000053
其中,L为标准件的实际尺寸,N为标准件在图像中所占像素个数N。
通过以下公式计算得到距离d1
Figure BDA0002472529770000051
其中D1为贴合材料的圆心到对比区域边框的距离,u为单像素的尺度。
S4、扫描得到贴合材料和被贴合材料图像的外侧边缘点,即是石英摆片(氟硅红膜)最外侧边缘点,对该边缘点进行圆拟合,求出拟合半径和拟合圆心;
Kasa进行圆拟合的原理是所有参加拟合的点到拟合圆圆周的直线距离平方和最小,即di-R的平方和最小,请参照图。
设拟合圆的方程如下:
(x-A)2+(y-B)2=R2
式中,(A,B)为拟合出的圆心坐标,R为拟合出的圆半径,则有:
R2=x2+y2+A2+B2-2Ax-2By ④
令:
Figure BDA0002472529770000052
则公式④可以写为:
x2+y2+ax+by+c=0 ⑥
即只需求出a,b,c,即可确认拟合半径和拟合圆心。求解a,b,c的过程如下:假设拟合点集(xi,yi)(i=1,2…N)到拟合圆心的距离为di,根据最小二成原理,要想找到圆心坐标,就是要找到最佳的a,b,c值,使得待拟合点集到拟合圆心的距离di与拟合半径R的差值的平方和最小,即
Figure BDA0002472529770000061
的值最小。
Figure BDA0002472529770000062
实际上,如果求解
Figure BDA0002472529770000063
的值最小,问题是一个非线性的最小二乘问题,计算起来特别复杂。所以将求解(d-R)2和最小的问题变为求解d2-R2和最小的问题,这样将问题转化为线性最小二乘问题。
令:
δi=di 2-R2 ⑧
即把问题从求解
Figure BDA0002472529770000064
最小变为求解/>
Figure BDA0002472529770000065
最小的问题。
di 2=(xi-A)2(yi-B)2
由式⑤、⑧和⑨可得:
Figure BDA0002472529770000066
Figure BDA0002472529770000067
要求Z最小时,a,b,c的值,由高等数学知识可知,这是一个无条件极值的求解问题,只需让Z分别对a,b,c求偏导,然后令偏导数为0。联立三个方程组即可求出a,b,c的值。方程组如下:
Figure BDA0002472529770000068
Figure BDA0002472529770000069
Figure BDA00024725297700000610
联立三个方程组,可解得a,b,c的值,至此,圆拟合完成。
S5、拟合对比区域边框上的直线方程,框中心点的坐标和方程;
各条框线直线方程根据最小二乘原理进行拟合,以中间框下框线拟合为例,拟合的直线方程采用截距式表示,假设下框线的直线方程如下:
Figure BDA0002472529770000071
式中,k为下框线直线方程的斜率,b为纵截距。
扫描得到的下框线上的边缘点点集为(xi,yi)(i=1,2…N),根据最小二乘原理,最佳的k和b,必定满足条件:使得每个拟合点到拟合直线(下框线)的距离,即yi-y的平方和Q最小:
Figure BDA0002472529770000072
为求出式子中的k和b,使Q分别对k和b求偏导,令偏导数为零,得到关于k和b的方程组,解出该方程组,即求出最佳的k和b值。
S6、通过直线方程和圆方程对特征形貌进行确定和识别。
通过S4计算出的圆方程、S5计算出的直线方程,能够快速的判断贴合材料和被贴合材料的特征区别,通过圆方程的各参数和直线方程的参数,进行判断。
综上所述,本发明实例通过使用同轴光源对贴合材料和被贴合材料的表面进行成像,选取过渡区并根据材料的特征轮廓划分区域,通过扫描贴合材料和被贴合材料图像的外边缘点,拟合出圆方程,通过划分区域的边框,拟合直线方程,通过直线和圆的参数进行特征形貌的识别;该方法能够解决人工贴合时特征形貌识别效率低、精度差的问题,实现贴合过程中空间位姿精密对准,判断过程更加快捷,判断更加准确。
本说明书描述了本发明的实施例的示例,并不意味着这些实施例说明并描述了本发明的所有可能形式。本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。

Claims (4)

1.一种自动特征形貌识别方法,其特征在于,包括以下步骤:
S1、将贴合材料处和被贴合材料处分别安装好工业相机,使用同轴光源同照射贴合材料和被贴合材料表面,在同轴光源下进行成像;
S2、在S1得到光学成像的图像中选取过渡区,对贴合材料表面和被贴合材料表面进行特征形貌识别;
S3、识别过渡区亚像素级别的材料整体特征轮廓,并划分对比区域;
S4、扫描得到贴合材料和被贴合材料图像的外侧边缘点,对该边缘点进行圆拟合,求出拟合半径和拟合圆心;拟合的圆方程采用以下形式:
(x-a)2+(y-b)2=R2
其中,(a,b)为拟合出的圆心坐标,R为拟合出的圆半径;
通过求解拟合点集到拟合圆心的距离和拟合半径的差值平方和的最小值来找到圆心坐标,其中拟合点到拟合圆心的距离为d,将求解(d-R)2最小的问题转变为求解d2-R2最小的问题,将问题简化;
S5、拟合对比区域边框上的直线方程,框中心点的坐标和方程;坐标通过单像素尺度进行标定,通过单像素尺度来标定过渡区和对比区域的像素点;单像素尺度标定的方法为:在现有的同轴光源下拍摄实际尺寸已知的标准件,对标准件在图像中的像素进行计数,并测量图像中单像素的尺度μ;
直线方程通过拟合点到拟合直线的距离最小来求解,即是每个拟合点到直线的距离的平方和Q最小:
Figure FDA0004028537850000011
其中,k为直线的斜率,b为坐标轴的截距;通过求偏导建立方程组,从而确定k和b;
S6、通过直线方程和圆方程对特征形貌进行确定和识别。
2.根据权利要求1所述的一种自动特征形貌识别方法,其特征在于,通过单像素尺度u结合过渡区计算图像的圆心距对比区域边框的像素距离d1;通过距离d1设置d2值,使得图像上加工参数及标定得到的像素尺度,在参数符合对比区域范围依据基础上,保证利用该参数能够得到尽量多符合d2值的边缘点,这部分点位于对比区域的边框上,从而确定边缘点的直线方程。
3.根据权利要求1所述的一种自动特征形貌识别方法,其特征在于,所述步骤S4和S5中,通过以下公式计算得到单像素的尺度u:
Figure FDA0004028537850000021
其中,L为标准件的实际尺寸,N为标准件在图像中所占像素个数N。
4.根据权利要求2所述的一种自动特征形貌识别方法,其特征在于,所述步骤S5中,通过以下公式计算得到距离d1
Figure FDA0004028537850000022
其中D1为贴合材料的圆心到对比区域边框的距离,u为单像素的尺度。
CN202010353134.7A 2020-04-29 2020-04-29 一种自动特征形貌识别方法 Active CN111524126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010353134.7A CN111524126B (zh) 2020-04-29 2020-04-29 一种自动特征形貌识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010353134.7A CN111524126B (zh) 2020-04-29 2020-04-29 一种自动特征形貌识别方法

Publications (2)

Publication Number Publication Date
CN111524126A CN111524126A (zh) 2020-08-11
CN111524126B true CN111524126B (zh) 2023-03-31

Family

ID=71904096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010353134.7A Active CN111524126B (zh) 2020-04-29 2020-04-29 一种自动特征形貌识别方法

Country Status (1)

Country Link
CN (1) CN111524126B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017232B (zh) * 2020-08-31 2024-03-15 浙江水晶光电科技股份有限公司 图像内圆形图案的定位方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
AU2011219427A1 (en) * 2011-02-23 2013-09-26 Muv Interactive Ltd. A system for projecting content to a display surface having user-controlled size, shape and location/direction and apparatus and methods useful in conjunction therewith
AU2015205887A1 (en) * 2012-02-03 2015-08-13 Eagle View Technologies, Inc. Systems and methods for estimation of building wall area
CN105487245A (zh) * 2016-01-21 2016-04-13 四川大学 基于全息光学元件的悬浮式集成成像3d显示
CN107742297A (zh) * 2017-09-13 2018-02-27 西北工业大学 一种三维ct图像的局部三维最大类间方差分割方法
CN108460799A (zh) * 2018-01-26 2018-08-28 中国地质大学(武汉) 一种逐步逼近亚像素图像定位方法和系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014159726A1 (en) * 2013-03-13 2014-10-02 Mecommerce, Inc. Determining dimension of target object in an image using reference object
GB2543893A (en) * 2015-08-14 2017-05-03 Metail Ltd Methods of generating personalized 3D head models or 3D body models

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
AU2011219427A1 (en) * 2011-02-23 2013-09-26 Muv Interactive Ltd. A system for projecting content to a display surface having user-controlled size, shape and location/direction and apparatus and methods useful in conjunction therewith
AU2015205887A1 (en) * 2012-02-03 2015-08-13 Eagle View Technologies, Inc. Systems and methods for estimation of building wall area
CN105487245A (zh) * 2016-01-21 2016-04-13 四川大学 基于全息光学元件的悬浮式集成成像3d显示
CN107742297A (zh) * 2017-09-13 2018-02-27 西北工业大学 一种三维ct图像的局部三维最大类间方差分割方法
CN108460799A (zh) * 2018-01-26 2018-08-28 中国地质大学(武汉) 一种逐步逼近亚像素图像定位方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
An Overview of Contour Detection Approaches;Xin-Yi Gong等;《International Journal of Automation and Computing》;20181203(第06期);全文 *
一种快速检测光滑半球表面缺陷的方法;乐静等;《光电工程》;20041030(第10期);全文 *
分形粗糙表面接触变形分段计算模型;陈虹旭等;《上海交通大学学报》;20180628(第06期);全文 *
结构光直线光条图像特征的三步法提取;周富强等;《机械工程学报》;20081115(第11期);全文 *

Also Published As

Publication number Publication date
CN111524126A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
US7488924B2 (en) Method for determining the focal position during imaging of a sample using an inclined position receiving device
US6611344B1 (en) Apparatus and method to measure three dimensional data
CN105651189B (zh) 用于手机盖板中油墨层厚度测量的无损在线检测设备
CN109612390A (zh) 基于机器视觉的大尺寸工件自动测量系统
CN107783270B (zh) 大视场及小f数线面结合的遥感相机光学配准方法及系统
CN111239164B (zh) 一种缺陷检测装置及其方法
CN100550335C (zh) 表面形状测定装置及方法、以及应力测定装置及方法
CN110727093A (zh) 多光谱显微自动聚焦装置及方法
CN111524126B (zh) 一种自动特征形貌识别方法
TW201720144A (zh) 測量柱狀透鏡板之旋轉位置
CN106796185A (zh) 具有沿循边缘轮廓的轨迹的晶片边缘检验
CN209992407U (zh) 线面阵相机结合的大口径超净光滑表面缺陷检测装置
CN115015112A (zh) 一种缺陷检测装置和方法
KR101962830B1 (ko) 사전 정렬 측정 장치 및 방법
CN210639338U (zh) 多光谱显微自动聚焦装置
JPH06243236A (ja) 視覚認識装置の座標系校正パラメータ設定装置
CN110470250A (zh) 一种零件表面平面度的检测装置及检测方法
CN114909994B (zh) 影像测量仪的校准方法
US20150253128A1 (en) Measurement apparatus, measurement method, and method of manufacturing article
CN108489515A (zh) 一种基于散焦图像的大视场立体视觉系统标定方法
CN111220621B (zh) 芯片倾斜表面检测方法
CN111550480B (zh) 一种空间精密位姿对准方法
CN111707446B (zh) 光斑中心与探测器接收面中心对准的调节方法及系统
CN114111578A (zh) 一种大口径元件的位姿自动确定方法
CN110044932B (zh) 一种曲面玻璃表面和内部缺陷的检测方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Lin Sijian

Inventor after: Xu Fanying

Inventor after: Xu Bin

Inventor after: Xin Ruoming

Inventor after: Ma Jianglong

Inventor before: Lin Sijian

Inventor before: Xu Fanying

Inventor before: Xu Bin

Inventor before: Xin Ruoming

Inventor before: Ma Jianglong

GR01 Patent grant
GR01 Patent grant