CN111553874A - 一种反光核燃料棒表面线结构光中心提取方法 - Google Patents
一种反光核燃料棒表面线结构光中心提取方法 Download PDFInfo
- Publication number
- CN111553874A CN111553874A CN202010131132.3A CN202010131132A CN111553874A CN 111553874 A CN111553874 A CN 111553874A CN 202010131132 A CN202010131132 A CN 202010131132A CN 111553874 A CN111553874 A CN 111553874A
- Authority
- CN
- China
- Prior art keywords
- line
- light
- gray
- nuclear fuel
- center
- 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
- 239000003758 nuclear fuel Substances 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000005484 gravity Effects 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000012886 linear function Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 9
- 239000000446 fuel Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000012535 impurity Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G06T5/70—
-
- G06T5/94—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种反光核燃料棒表面线结构光中心提取方法,包括以下步骤:通过核燃料棒检测设备都核燃料棒进行扫描拍摄获取线结构光二维图像。利用基于线结构光光条纹能量分布的近似高斯分布特性,对待处理图像进行高斯滤波。对像素灰度值进行二维搜索,框选出待处理区域。分析待处理区域的灰度值特点并去除高反光区域,保存正常结构光条照射区域.在此基础上利用自适应行阈值法将光条和背景分离。借助梯度重心法提取结构光中心并利用最小二乘法实现去除的高反光区域的像素点的拟合。本发明能有效的避免核燃料棒表面光条强度分布不均对线结构光光条中线心提取精度的影响,为后续的线结构光光条特征点匹配及核燃料棒三维重建打下基础。
Description
技术领域
本发明涉及一种对于金属表面的结构光光照强度区别较大的线结构光光条中心提取方法,属于线结构光光条中心提取技术领域。
背景技术
线结构光视觉扫描检测是利用像点匹配将相机获取的二维像素坐标通过旋转平移获得待测物体的三维空间坐标,可以直观的放映出物体的三维形态,是逆向工程中重要的检测手段。但是线结构光的提取难度和被测物体表面形态、环境噪声、光照条件等影响因素有关,对于放光的金属表面的结构光来说,金属表面存在漫反射使得光照不均匀而出现大量的干扰现象。像素二维坐标是对应于待测物体的三维映射点,结构光视觉检测的关键在于准确的提取线结构光中心,对于准确反应处待测我的三维形貌有着关键作用。
传统的线结构光中心坐标提取的方式可细分为灰度重心法、灰度阈值法、曲线拟合法、基于Hilditch算法、梯度重心法、基于Hessian矩阵的Steger法等。上述这些算法的本质是根据影像上光条与背景灰度的变化定位线结构光光条边缘。燃料棒处在水下,环境恶劣,水中杂质和燃料棒的表面反光都给结构光条纹中心的提取带来巨大困难。燃料棒中间区域反光强烈,两侧由于漫反射原因出现很多反光干扰区域,结构光照射圆柱曲面会出现结构光能量分布不均匀的现象,光条的能量随距离增加和表面反射使得光条能量衰弱,这给结构光条纹中心的提取带来了极大的困难。
发明内容
本发明要解决的技术问题是:核燃料棒处在水下,环境恶劣,水中杂质和燃料棒的表面反光使得线结构光中心提取不准确的问题。
为了解决上述技术问题,本发明的技术方案是提供了一种反光核燃料棒表面线结构光中心提取方法,其特征在于,包括以下步骤:
步骤1、通过核燃料棒检测设备对核燃料棒进行扫描拍摄获取线结构光二维图像,其中,核燃料棒检测设备包括激光发生器、相机以及伺服电机,通过伺服电机带动工业相机和激光器旋转扫描获取核燃料料棒线结构光二维图像;
步骤2、用高斯滤波对步骤1获得的图像进行去噪处理;
步骤3、对经过去噪处理的图像进行像素灰度值遍历,定位出待处理的结构光区域,根据结构光的特点设定框选的矩形框大小,将待处理结构光框选出来,包括以下步骤:
步骤301、根据检测的图像灰度值分布特点,设定一个灰度阈值K,作为灰度值对比参考值;
步骤302、对图像进行逐行灰度值遍历,搜索出该行灰度值最大值BMaxgray 对应的像素点,当第一次出现行灰度值BMaxgray≥K时,且该像素点周围像素点的灰度值≥K,则把该像素点作为区域的起始定位点BegainPoint;
步骤303、继续对图像进行逐行搜索,搜索出每行灰度值最大值EMaxGray 的像素点,如果EMaxGray<K,则将该像素点作为待检测区域定位的结束点 EndPoint;
步骤304、根据所搜索出的BegainPoint和EndPoint点,计算得到待处理区域的中心坐标CenterPoint=(BegainPoint+EndPoint)/2;
步骤305、根据检测区域结构光的像素尺寸大小特点,设定框选矩形的长high、宽wide,以计算出的中心坐标CenterPoint为矩形的中心坐标,画出框,选出待处理区域;
步骤4、对待处理区域的结构光条进行每行灰度统计去除干扰性较大的高放光区域;
步骤5、采用基于梯度的自适应行阈值法进行结构光条纹与背景分割;
步骤6、采用梯度重心法对分割后剩余的正常光照区域进行线结构光重心提取,利用正常的线结构光中心线条拟合出被去除的高放光线条中心,完成核燃料棒表面的线结构光中心提取。
优选地,步骤4具体包括以下步骤:
步骤401、根据待处理区域的灰度值特点设定灰度阈值T,作为搜索灰度值的基础参考值;
步骤402、对待处理区域进行逐行搜索,搜索每行内灰度值≥T的点,并存储每行灰度值≥T点的数量Times[i],其中i=0,1,…,high-1,high为待处理区域的总行数;
步骤403、计算平均每行存在灰度值≥灰度阈值T点的平均数量AvgTimes,记
步骤404、判断Times[i]≥AvgTimes,如果成立则将该行作为高反光行,将该行灰度值设为0。
优选地,步骤5具体包括以下步骤:
步骤501、设定结构光条条纹的宽度Width,将线结构光的分布简化成两段一次函数如图5近似的两段一次函数;
步骤502计算两像素点间灰度梯度Tij:
Tij=|Gij-Gi(j-1)|
其中,Gij是指图像第i行j列的灰度值;
步骤503、计算每行灰度梯度的平均值Ai:
其中,GMi是待处理区域的第i行灰度值的最大值。
优选地,步骤6具体包括以下步骤:
步骤601、对待处理区域进行逐行搜索,记录出每行灰度值大于0的起始点StartP和每行灰度值不为0的最后一个点EndP;
步骤602、经过以上的自适应行阈值处理可以确定梯度值对应的Pij:
Pij=j+0.5
步骤603、梯度重心法的计算公式为:
对待处理区域采用梯度中心法处理,即可得到结构光条纹的中心亚像素坐标;
步骤604、根据正常区域的结构光条纹中心坐标,将像素坐标点用曲线拟合:
y=a0xn+a1x(n-1)+…+a(n-1)x+b
通过曲线拟合补全被去除的异常的反光区域完成对高放光核燃料表面的相结构光条中心线的提取。
本发明提出一种反光核燃料棒表面线结构光中心提取的方法,该方法利用像素灰度值二维搜索定位待处理区域,由于光照灰度值差距大,去除中间高反光区域,再利用自适应行阈值方法进行阈值分割,最后利用梯度重心法提取结构光中心并利用最小二乘法实现去除的高反光区域的像素点的拟合,最终提取处结构光中心,该方法极大提高了线结构光光条中心提取的精度。
本发明产生的有益效果是:本发明的一种反光核燃料棒表面线结构光中心提取方法,通过高斯滤波处理图像,并分析结构光条特点准确框选出待处理区域,然后设定灰度阈值去除高反光区域,在此基础上通过自适应行阈值方法将结构光与背景分离出来,最后利用梯度重心法提取结构光条纹中心,使用最小二乘法补全去除的高反光区域。使用该法,避免了不规则反光带来的精度影响,该方法解决了燃料棒表面光照不均匀和反光的问题,准确的在复杂光照情况下提取光条纹中心,为后续的线结构光光条特征点匹配及目标三维重建打下基础。
附图说明
图1为核燃料料棒表面扫描的线结构光图像;
图2为图像二维搜索框选待处理区域效果图;
图3为灰度统计去除高放光区域步骤流程图;
图4为去除高反光区域的效果图;
图5为结构光能量分布示意图;
图6为结构光条纹行阈值提取效果图;
图7为梯度重心法提取线结构光中心效果图;
图8为结构光线条拟合的效果图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供了一种基于图像处理的液滴表面接触角以及尺寸的测量方法,包括如下步骤:
步骤1、利用核燃料棒线结构光视觉检测设备,通过伺服电机带动工业相机和激光器旋转扫描获取核燃料料棒线结构光二维图像。
步骤2、对获取的结构光图像进行高斯滤波处理,高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。高斯模糊就是将图像I和一个高斯内核Gσ进行卷积操作:
Iσ=I*Cσ
步骤3、对图像进行像素灰度值遍历,定位出待处理的结构光区域,根据结构光的特点设定框选的矩形框大小,将待处理结构光框选出来如图2所示,具体实施步骤如下;
步骤301、根据检测的图像灰度值分布特点,设定一个灰度阈值K,作为灰度值对比参考值;
步骤302、对图像进行逐行灰度值遍历,搜索出该行灰度值最大值BMaxgray 对应的像素点,当第一次出现行灰度值BMaxgray≥K时,且该像素点周围像素点的灰度值≥K,则把该像素点作为区域的起始定位点BegainPoint;
步骤303、继续对图像进行逐行搜索,搜索出每行灰度值最大值EMaxGray 的像素点,如果EMaxGray<K,则将该像素点作为待检测区域定位的结束点 EndPoint;
步骤304、根据所搜索出的BegainPoint和EndPoint点,就算出待处理区域的中心坐标CenterPoint=(BegainPoint+EndPoint)/2;
步骤305、根据检测区域结构光的像素尺寸大小特点,设定框选矩形的长high、宽wide,以计算出的CenterPoint为矩形的中心坐标,画出框,选出待处理区域。
步骤4、对待处理区域的结构光条进行每行灰度统计去除高放光区域,如图3所示的处理步骤如下;
步骤401、根据待处理区域的灰度值特点设定灰度阈值T,作为搜索灰度值的基础参考值;
步骤402、对待处理区域进行逐行搜索,搜索每行内灰度值≥T的点,并存储每行灰度值≥T点的数量Times[i],其中i=0,1,…,high-1,high为待处理区域的总行数;
步骤403、计算平均每行存在灰度值≥灰度阈值T点的平均数量AvgTimes,记
步骤404、判断Times[i]≥AvgTimes,如果成立则将该行作为高反光行,将该行灰度值设为0。
使用该方法可以有效的将高反光区域去除,为之后的自适应行阈值处理和梯度重心法提供基础,去除高反光区域的效果图如图4所示,留下了干扰较小的正常光条纹照射区域,为结构光条纹中心提取减小干扰,提高光条中心提取精度。
步骤5、采用基于梯度的自适应行阈值法进行结构光条纹与背景分割,包括以下步骤:
步骤501、结构光条条纹的宽度Width大约在30个像素,基于梯度的自适应行阈值法是用来求解每一行的阈值,正常照射区域的灰度分布近似于高斯分布,所以可以将线结构光的分布简化成两段一次函数如图5近似的两段一次函数所示,其中GMi是待处理区域的第i行灰度值的最大值,Tij是像素两点之间的梯度值,即两点灰度值差值的绝对值。
步骤502计算两像素点间灰度梯度Tij:
Tij=|Gij-Gi(j-1)|
其中,Gij是指图像第i行j列的灰度值。
步骤503、计算每行灰度梯度的平均值Ai:
通过该方法求取每行阈值保证了不同区域的灰度值不会相互干扰,依赖与像素所在行的灰度特点设定阈值,如图6所示结构光条纹行阈值提取效果图。
步骤6、采用梯度重心法对剩余的正常光照区域进行线结构光重心提取,利用正常的线结构光中心线条拟合出被去除的高放光线条中心。
步骤601、对待处理区域进行逐行搜索,记录出每行灰度值大于0的起始点 StartP和每行灰度值不为0的最后一个点EndP。
步骤602、经过以上的自适应行阈值处理可以确定梯度值对应的Pij:
Pij=j+0.5
步骤603、梯度重心法的计算公式为:
其中Tij表示第i行j列与j+1列中间位置的剃度值,对待处理区域采用梯度中心法处理,即可得到结构光条纹的中心亚像素坐标,得到结构光条纹中心坐标效果图如图7所示。
步骤604、根据步骤603提取的正常区域的结构光条纹亚像素中心坐标,将中心坐标点用曲线拟合:
y=a0xn+a1x(n-1)+…+a(n-1)x+b
上式的通式是关于a0,a1,…,a(n-1)和b的线性方程。利用最小二乘法建立曲线拟合的数学模型,求得参数a0,a1,…,a(n-1)和b的值,根据结构光条纹点集合建立需求目标函数:
整理可得:
得到目标曲线的函数表达式,去除的高反光区域的行i是已知的,通过带入方程即可得到该行所对应的列坐标j:
j=a0in+a1i(n-1)+…+a(n-1)i+b
通过两侧的正常照射区域矫正反光区域的结构光条纹,有效的避免的不规则反光的干扰,考虑到处理的精度和计算效率的综合要求,选择的四次曲线拟合像素点,结构光线条拟合的效果图如图8所示。
通过以上步骤可以精确的提取出放光核燃料棒棒表面的结构光线条中心,避免了高放光金属表面对结构光线条中心提取的影响。
Claims (4)
1.一种反光核燃料棒表面线结构光中心提取方法,其特征在于,包括以下步骤:
步骤1、通过核燃料棒检测设备对核燃料棒进行扫描拍摄获取线结构光二维图像,其中,核燃料棒检测设备包括激光发生器、相机以及伺服电机,通过伺服电机带动工业相机和激光器旋转扫描获取核燃料料棒线结构光二维图像;
步骤2、用高斯滤波对步骤1获得的图像进行去噪处理;
步骤3、对经过去噪处理的图像进行像素灰度值遍历,定位出待处理的结构光区域,根据结构光的特点设定框选的矩形框大小,将待处理结构光框选出来,包括以下步骤:
步骤301、根据检测的图像灰度值分布特点,设定一个灰度阈值K,作为灰度值对比参考值;
步骤302、对图像进行逐行灰度值遍历,搜索出该行灰度值最大值BMaxgray对应的像素点,当第一次出现行灰度值BMaxgray≥K时,且该像素点周围像素点的灰度值≥K,则把该像素点作为区域的起始定位点BegainPoint;
步骤303、继续对图像进行逐行搜索,搜索出每行灰度值最大值EMaxGray的像素点,如果EMaxGray<K,则将该像素点作为待检测区域定位的结束点EndPoint;
步骤304、根据所搜索出的BegainPoint和EndPoint点,计算得到待处理区域的中心坐标CenterPoint=(BegainPoint+EndPoint)/2;
步骤305、根据检测区域结构光的像素尺寸大小特点,设定框选矩形的长high、宽wide,以计算出的中心坐标CenterPoint为矩形的中心坐标,画出框,选出待处理区域;
步骤4、对待处理区域的结构光条进行每行灰度统计去除干扰性较大的高放光区域;
步骤5、采用基于梯度的自适应行阈值法进行结构光条纹与背景分割;
步骤6、采用梯度重心法对分割后剩余的正常光照区域进行线结构光重心提取,利用正常的线结构光中心线条拟合出被去除的高放光线条中心,完成核燃料棒表面的线结构光中心提取。
4.如权利要求1所述的一种反光核燃料棒表面线结构光中心提取方法,其特征在于,步骤6具体包括以下步骤:
步骤601、对待处理区域进行逐行搜索,记录出每行灰度值大于0的起始点StartP和每行灰度值不为0的最后一个点EndP;
步骤602、经过以上的自适应行阈值处理可以确定梯度值对应的Pij:
Pij=j+0.5
步骤603、梯度重心法的计算公式为:
对待处理区域采用梯度中心法处理,即可得到结构光条纹的中心亚像素坐标;
步骤604、根据正常区域的结构光条纹中心坐标,将像素坐标点用曲线拟合:
y=a0xn+a1x(n-1)+…+a(n-1)x+b
通过曲线拟合补全被去除的异常的反光区域完成对高放光核燃料表面的相结构光条中心线的提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131132.3A CN111553874B (zh) | 2020-02-28 | 2020-02-28 | 一种反光核燃料棒表面线结构光中心提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131132.3A CN111553874B (zh) | 2020-02-28 | 2020-02-28 | 一种反光核燃料棒表面线结构光中心提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553874A true CN111553874A (zh) | 2020-08-18 |
CN111553874B CN111553874B (zh) | 2022-12-06 |
Family
ID=72001856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010131132.3A Active CN111553874B (zh) | 2020-02-28 | 2020-02-28 | 一种反光核燃料棒表面线结构光中心提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553874B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862919A (zh) * | 2023-09-05 | 2023-10-10 | 武汉工程大学 | 基于高斯超拉普拉斯分布的线结构光中心提取方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150347833A1 (en) * | 2014-06-03 | 2015-12-03 | Mark Ries Robinson | Noncontact Biometrics with Small Footprint |
CN105931232A (zh) * | 2016-04-18 | 2016-09-07 | 南京航空航天大学 | 结构光光条中心高精度亚像素提取方法 |
CN107478176A (zh) * | 2017-08-14 | 2017-12-15 | 广东工业大学 | 一种受电弓损耗检测方法及系统 |
US20180364032A1 (en) * | 2015-12-18 | 2018-12-20 | Sony Corporation | Image processing apparatus and method, data, and recording medium |
-
2020
- 2020-02-28 CN CN202010131132.3A patent/CN111553874B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150347833A1 (en) * | 2014-06-03 | 2015-12-03 | Mark Ries Robinson | Noncontact Biometrics with Small Footprint |
US20180364032A1 (en) * | 2015-12-18 | 2018-12-20 | Sony Corporation | Image processing apparatus and method, data, and recording medium |
CN105931232A (zh) * | 2016-04-18 | 2016-09-07 | 南京航空航天大学 | 结构光光条中心高精度亚像素提取方法 |
CN107478176A (zh) * | 2017-08-14 | 2017-12-15 | 广东工业大学 | 一种受电弓损耗检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
郑正等: "核燃料组件的线结构光主动视觉测量", 《自动化仪表》 * |
高鹏: "大型航空构件视觉测量特征提取方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862919A (zh) * | 2023-09-05 | 2023-10-10 | 武汉工程大学 | 基于高斯超拉普拉斯分布的线结构光中心提取方法及装置 |
CN116862919B (zh) * | 2023-09-05 | 2023-12-05 | 武汉工程大学 | 基于高斯超拉普拉斯分布的线结构光中心提取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111553874B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN111553874B (zh) | 一种反光核燃料棒表面线结构光中心提取方法 | |
CN109241981B (zh) | 一种基于稀疏编码的特征检测方法 | |
CN112330667B (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
CN111798423B (zh) | 一种混凝土裂缝图片拼接与检测方法 | |
CN111429437B (zh) | 面向目标检测的图像无参考清晰度质量检测方法 | |
CN116883439A (zh) | 一种表面带水渍的板坯轮廓检测方法及装置 | |
CN111753572A (zh) | 一种基于深度学习的复杂背景低质量二维条码检测方法 | |
CN111243006A (zh) | 一种基于图像处理的液滴接触角及尺寸的测量方法 | |
CN112734916B (zh) | 基于图像处理的彩色共聚焦并行测量三维形貌还原方法 | |
CN111899297B (zh) | 线结构光条纹中心提取方法 | |
CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 | |
CN115330705A (zh) | 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法 | |
CN115116026A (zh) | 一种物流搬运机器人自动循迹方法及系统 | |
CN114419317A (zh) | 一种用于复杂环境线结构光的光条中心提取方法 | |
CN114155236A (zh) | 一种适用于动态测量环境的激光条纹中心线提取方法 | |
CN112819823A (zh) | 一种面向家具板材的圆孔检测方法、系统及装置 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 | |
CN116524008B (zh) | 一种用于安检ct智能识别的目标物匹配与空间位置估计方法 | |
CN110619650A (zh) | 一种基于线结构激光点云的边缘点提取方法和装置 | |
CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
CN110070604B (zh) | 一种基于单幅回转体图像文化遗址的三维重建方法 |
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 |