CN112001880B - 一种平面构件的特征参数检测方法及装置 - Google Patents

一种平面构件的特征参数检测方法及装置 Download PDF

Info

Publication number
CN112001880B
CN112001880B CN202010610936.1A CN202010610936A CN112001880B CN 112001880 B CN112001880 B CN 112001880B CN 202010610936 A CN202010610936 A CN 202010610936A CN 112001880 B CN112001880 B CN 112001880B
Authority
CN
China
Prior art keywords
plane
camera
detected
coordinates
characteristic
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
CN202010610936.1A
Other languages
English (en)
Other versions
CN112001880A (zh
Inventor
王振宇
陈皓
刘国华
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010610936.1A priority Critical patent/CN112001880B/zh
Publication of CN112001880A publication Critical patent/CN112001880A/zh
Application granted granted Critical
Publication of CN112001880B publication Critical patent/CN112001880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T7/70—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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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

Landscapes

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

Abstract

本发明公开一种平面构件的特征参数检测方法及装置，该方法包括：获得平面构件待检测平面的图像以及距离数据；根据所述距离数据，计算待检测平面的平面方程；对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测。本发明实现对平面构件上目标物的特征参数的获取，能为实际工程中平面构件的质量检测提供技术支持，有较强的实用性。

Description

一种平面构件的特征参数检测方法及装置
技术领域本
发明涉及无损检测领域，尤其涉及一种平面构件的特征参数检测方法及装置。
背景技术
工程中，无论是生产、施工还是维护，都涉及大量平面构件，而其中的孔洞、裂缝、斑纹、边界等目标物的特征参数能够综合反映构件的质量及可靠度，因此，为了更好地评价平面构件的质量及可靠度，量化平面构件的有关特征参数具有重要工程意义。
目前工程中普遍使用的方法是人工借助测量仪器进行检测，但这种方法不仅耗费人力，且效率低下，实际工程中难以对所有构件、所有特征参数进行检测排查。
发明内容
本发明的目的是提出一种平面构件的特征参数检测装置及方法，以解决人工方法效率低下的问题。
为了达到上述目的，本发明实施例所采用的技术方案如下：
第一方面，本发明实施例提供一种平面构件的特征参数检测方法，包括：
获得平面构件待检测平面的图像以及距离数据；
计算待检测平面的平面方程；
对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；
根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；
根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测。
进一步地，所述图像通过相机采集，所述距离数据由激光测距传感器采集。
进一步地，所述图像采集时，需对相机进行内参标定。
进一步地，所述内参包括：水平方向有效焦距fx、竖直方向有效焦距fy、图像光学中心坐标u0，v0，径向畸变参数k1、k2，切向畸变参数p1，p2。
进一步地，计算待检测平面的平面方程，包括：
根据激光测距传感器的安装位置及角度，取其中一个激光测距传感器在相机的摄像机坐标系下的坐标为(x1，y1，z1)，激光发出的单位方向向量为(α1，β1，γ1)，距离读数为L1，则这个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标为(x1+L1α1，y1+L1β1，z1+L1γ1)，同理，另外两个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标分别表示为(x2+L2α2，y2+L2β2，z2+L2γ2)，(x3+L3α3，y3+L3β3，z3+L3γ3)，进而计算由以上三点确定的平面方程：。
进一步地，对所述图像进行分割采用的方法为基于传统视觉的图分割算法或基于深度学习的图分割算法。
进一步地，所述待检测平面上目标物是指平面构件及其中的孔洞、裂缝、斑纹。
进一步地，根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标，包括：
特征轮廓上各个点的图像像素坐标表示为点列(ui，vi)(i＝0，1，2，3……)，根据线性摄像机模型，得图像像素坐标与对应的摄像机坐标的关系：
式中，水平方向有效焦距fx、竖直方向有效焦距fy、图像光学中心坐标u0，v0，摄像机坐标组(xci，yci，zci)(i＝0，1，2，3……)，考虑摄像机光学畸变引起的像点偏差，将式(1)改写为：
式中，(fxΔxi，fyΔyi)为像点偏差，且
其中，ri 2＝Xi 2+Yi 2 (3)
将式(1)、(2)、(3)与所述的平面方程分别联立，可以算出特征轮廓上各个点的摄像机坐标系下的坐标组(xci，yci，zci)(i＝0，1，2，3……)。
第二方面，本发明实施例提供一种平面构件的特征参数检测装置，包括：
获取模块，用于获得平面构件待检测平面的图像以及距离数据；
第一计算模块，用于根据所述距离数据，计算待检测平面的平面方程；
分割提取模块，用于对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；
求解模块，用于根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；
第二计算模块，用于根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测。
第三方面，本发明实施例还提供一种平面构件的特征参数检测装置，包括：
相机，用于采集待检测平面的图像；
激光测距传感器，用于采集待检测平面的距离数据；
处理器，用于接收所述距离数据，并根据所述距离数据以及相机与激光测距传感器的空间相对位置，计算待检测平面的平面方程；接收相机采集的图像，对所述图像进行分割，并提取待检测目标物的特征轮廓，根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点相对于相机的空间坐标，根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数。
以上技术方案，获取距离数据后可以快速、精准地计算出待检测平面的平面方程；提取待检测平面上目标物的特征轮廓有利于坐标的求解；通过所述坐标重构待检测目标物的三维模型，有利于特征参数的计算；将计算出的特征参与标准构件的特征参数对比，有利于平面构件的快速检测，实现检测的自动化，具有高效、精准、便捷等优点。
附图说明：
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本实施例提供的一种平面构件的特征参数检测方法的流程图；
图2为本实施例中内参标定采用matlab相机标定工具箱进行标定的示意图；
图3为本实施例中相机和激光测距传感器位置关系图；
图4为本实施例中待检测平面上目标物的示意图；
图5为本实施例提供的一种平面构件的特征参数检测装置的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应该理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。
实施例1：
参考图1，本实施例提供的一种平面构件的特征参数检测方法，包括：
步骤S100，获得平面构件待检测平面的图像以及距离数据；
具体地，本实施例，所述图像通过相机采集，所述距离数据由激光测距传感器采集，所述图像采集设备采集时，需对相机进行内参标定，所述内参包括：水平方向有效焦距fx、竖直方向有效焦距fy、图像光学中心坐标u0，v0，径向畸变参数k1、k2，切向畸变参数p1，p2。本实施例中，内参标定可采用matlab相机标定工具箱进行标定，如图2，该方法主要有操作简单、精度高等优势。
如图3所示，本实施例激光测距传感器具有是三个，三个激光测距传感器1分别安装于固定支架2的三条边上，相机3安装于固定支架2的中心位置，标记4为平面构件，三个激光测距传感器1采集距离数据L1，L2，L3。
步骤S102，根据所述距离数据，计算待检测平面的平面方程；
具体地，根据激光测距传感器的安装位置及角度，取其中一个激光测距传感器在相机的摄像机坐标系下的坐标为(x1，y1，z1)，激光发出的单位方向向量为(α1，β1，γ1)，距离读数为L1，则这个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标为(x1+L1α1，y1+L1β1，z1+L1γ1)，同理，另外两个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标分别表示为(x2+L2α2，y2+L2β2，z2+L2γ2)，(x3+L3α3，y3+L3β3，z3+L3γ3)，进而计算由以上三点确定的平面方程：当激光测距传感器数量多于三个时，可以拟合该平面方程，可以更精确地确定平面方程。
步骤S104，对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；
具体地，对所述图像进行分割采用的方法为基于传统视觉的图分割算法或基于深度学习的图分割算法。这里，所述待检测平面上目标物是指平面构件及其中的孔洞、裂缝、斑纹等，如图4所示。
进一步地，选用图像语义分割技术，可选的语义分割的框架有但不限于FCN、DCCNet、DDN等，流程如下：
S4.1采集平面构件及孔洞、裂缝、斑纹、边界等目标物的图像，并作为原始数据集输入；
S4.2对原始数据集进行图像标注；
S4.3选用合适的语义分割框架，训练模型；
S4.4输入相机3采集的图像，输出语义分割后的图像；
S4.5提取语义分割后的图像中孔洞、裂缝、斑纹、边界等目标物的特征轮廓。
采用图像语义分割技术的优势在于能够精准地将平面构件4上的目标物进行分割，具有较好的鲁棒性。
步骤S106，根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；
具体地，特征轮廓上各个点的图像像素坐标表示为点列(ui，vi)(i＝0，1，2，3……)，根据线性摄像机模型，得图像像素坐标与对应的摄像机坐标的关系：
式中，水平方向有效焦距fx、竖直方向有效焦距fy、图像光学中心坐标u0，v0，摄像机坐标组(xci，yci，zci)(i＝0，1，2，3……)，考虑摄像机光学畸变引起的像点偏差，将式(1)改写为：
式中，(fxΔxi，fyΔyi)为像点偏差，且
其中，ri 2＝Xi 2+Yi 2 (3)
将式(1)、(2)、(3)与所述的平面方程分别联立，可以算出特征轮廓上各个点的摄像机坐标系下的坐标组(xci，yci，zci)(i＝0，1，2，3……)。
步骤S108，根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测。本实施例中，特征参数包括平面构件的尺寸，孔洞、裂缝、斑纹的尺寸及其在平面构件上的位置。
实施例2：
本实施例提供一种平面构件的特征参数检测装置，用于执行实施例1中的一种平面构件的特征参数检测方法，图5为根据本发明实施例的一种平面构件的特征参数检测装置的框图，该装置包括：
获取模块20，用于获得平面构件待检测平面的图像以及距离数据；
第一计算模块22，用于根据所述距离数据，计算待检测平面的平面方程；
分割提取模块24，用于对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；
求解模块26，用于根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；
第二计算模块28，用于根据所述坐标，计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测。
实施例3：
本实施例提供一种平面构件的特征参数检测装置，包括：
相机，用于采集待检测平面的图像；
激光测距传感器，用于采集待检测平面的距离数据；
处理器，用于接收所述距离数据，并根据所述距离数据以及图像采集设备与距离采集设备的空间相对位置，计算待检测平面的平面方程；接收图像采集设备采集的图像，对所述图像进行分割，并提取待检测目标物的特征轮廓，根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点相对于图像采集设备的空间坐标，根据所述坐标，计算待检测目标物的特征参数。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种平面构件的特征参数检测方法，其特征在于，包括：
获得平面构件待检测平面的图像以及距离数据；
根据所述距离数据，计算待检测平面的平面方程；
对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；
根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；
根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测；
其中，所述图像采集时，需对相机进行内参标定；
计算待检测平面的平面方程，包括：
根据激光测距传感器的安装位置及角度，取其中一个激光测距传感器在相机的摄像机坐标系下的坐标为(x1,y1,z1)，激光发出的单位方向向量为(α1,β1,γ1)，距离读数为L1，则这个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标为(x1+L1α1,y1+L1β1,z1+L1γ1)，同理，另外两个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标分别表示为(x2+L2α2,y2+L2β2,z2+L2γ2)，(x3+L3α3,y3+L3β3,z3+L3γ3)，进而计算由以上三点确定的平面方程：。
2.根据权利要求1所述的平面构件的特征参数检测方法，其特征在于，所述图像通过相机采集，所述距离数据由激光测距传感器采集。
3.根据权利要求1所述的平面构件的特征参数检测方法，其特征在于，所述内参包括：水平方向有效焦距fx、竖直方向有效焦距fy、图像光学中心坐标u0，v0，径向畸变参数k1、k2，切向畸变参数p1，p2。
4.根据权利要求1所述的平面构件的特征参数检测装置及方法，其特征在于，对所述图像进行分割采用的方法为基于传统视觉的图分割算法或基于深度学习的图分割算法。
5.根据权利要求1所述的平面构件的特征参数检测装置及方法，其特征在于，所述待检测平面上目标物是指平面构件及其中的孔洞、裂缝、斑纹。
6.根据权利要求1所述的平面构件的特征参数检测装置及方法，其特征在于，根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标，包括：
特征轮廓上各个点的图像像素坐标表示为点列(ui,vi)(i＝0,1,2,3……)，根据线性摄像机模型，得图像像素坐标与对应的摄像机坐标的关系：
式中，水平方向有效焦距fx、竖直方向有效焦距fy、图像光学中心坐标u0，v0，摄像机坐标组(xci,yci,zci)(i＝0,1,2,3……)，考虑摄像机光学畸变引起的像点偏差，将式(1)改写为：
式中，(fxΔxi,fyΔyi)为像点偏差，且
将式(1)、(2)、(3)与所述的平面方程分别联立，可以算出特征轮廓上各个点的摄像机坐标系下的坐标组(xci,yci,zci)(i＝0,1,2,3……)。
7.一种平面构件的特征参数检测装置，其特征在于，包括：
获取模块，用于获得平面构件待检测平面的图像以及距离数据；
第一计算模块，用于根据所述距离数据，计算待检测平面的平面方程；
分割提取模块，用于对所述图像进行分割，并提取待检测平面上目标物的特征轮廓；
求解模块，用于根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点在摄像机坐标系下的坐标；
第二计算模块，用于根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数，并与标准构件的特征参数进行对比，完成目标物特征参数的检测；
其中，所述图像采集时，需对相机进行内参标定；
计算待检测平面的平面方程，包括：
根据激光测距传感器的安装位置及角度，取其中一个激光测距传感器在相机的摄像机坐标系下的坐标为(x1,y1,z1)，激光发出的单位方向向量为(α1,β1,γ1)，距离读数为L1，则这个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标为(x1+L1α1,y1+L1β1,z1+L1γ1)，同理，另外两个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标分别表示为(x2+L2α2,y2+L2β2,z2+L2γ2)，(x3+L3α3,y3+L3β3,z3+L3γ3)，进而计算由以上三点确定的平面方程：。
8.一种平面构件的特征参数检测装置，其特征在于，包括：
相机，用于采集待检测平面的图像；
激光测距传感器，用于采集待检测平面的距离数据；
处理器，用于接收所述距离数据，并根据所述距离数据以及相机与激光测距传感器的空间相对位置，计算待检测平面的平面方程；接收相机采集的图像，对所述图像进行分割，并提取待检测目标物的特征轮廓，根据所述特征轮廓上各个点的图像像素坐标，列出非线性摄像机模型对应的方程，联合所述的平面方程，求解所述特征轮廓上各个点相对于相机的空间坐标，根据所述坐标，重构待检测目标物的三维模型，进而计算待检测目标物的特征参数；
其中，所述图像采集时，需对相机进行内参标定；
计算待检测平面的平面方程，包括：
根据激光测距传感器的安装位置及角度，取其中一个激光测距传感器在相机的摄像机坐标系下的坐标为(x1,y1,z1)，激光发出的单位方向向量为(α1,β1,γ1)，距离读数为L1，则这个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标为(x1+L1α1,y1+L1β1,z1+L1γ1)，同理，另外两个激光测距传感器测量的平面构件上对应的点在相机的摄像机坐标系下的坐标分别表示为(x2+L2α2,y2+L2β2,z2+L2γ2)，(x3+L3α3,y3+L3β3,z3+L3γ3)，进而计算由以上三点确定的平面方程：。
CN202010610936.1A 2020-06-29 2020-06-29 一种平面构件的特征参数检测方法及装置 Active CN112001880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010610936.1A CN112001880B (zh) 2020-06-29 2020-06-29 一种平面构件的特征参数检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010610936.1A CN112001880B (zh) 2020-06-29 2020-06-29 一种平面构件的特征参数检测方法及装置

Publications (2)

Publication Number Publication Date
CN112001880A CN112001880A (zh) 2020-11-27
CN112001880B true CN112001880B (zh) 2024-01-05

Family

ID=73466663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010610936.1A Active CN112001880B (zh) 2020-06-29 2020-06-29 一种平面构件的特征参数检测方法及装置

Country Status (1)

Country Link
CN (1) CN112001880B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112729167B (zh) * 2020-12-21 2022-10-25 福建汇川物联网技术科技股份有限公司 一种平面方程的计算方法及装置
CN115406676A (zh) * 2022-10-31 2022-11-29 成都盛锴科技有限公司 一种转向架检测系统及方法
CN116452621B (zh) * 2023-03-10 2023-12-15 广州市易鸿智能装备有限公司 一种基于强化学习的理想轮廓生成算法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622747A (zh) * 2012-02-16 2012-08-01 北京航空航天大学 一种用于视觉测量的摄像机参数优化方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622747A (zh) * 2012-02-16 2012-08-01 北京航空航天大学 一种用于视觉测量的摄像机参数优化方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法

Also Published As

Publication number Publication date
CN112001880A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN112001880B (zh) 一种平面构件的特征参数检测方法及装置
EP3033875B1 (en) Image processing apparatus, image processing system, image processing method, and computer program
US20150262346A1 (en) Image processing apparatus, image processing method, and image processing program
CN107924461A (zh) 用于多因素图像特征配准和跟踪的方法、电路、设备、系统及相关计算机可执行代码
CN109934873B (zh) 标注图像获取方法、装置及设备
CN108447094B (zh) 一种单目彩色相机的姿态估算方法及系统
CN114460093B (zh) 一种航空发动机缺陷检测方法及系统
CN108257125B (zh) 一种基于自然场景统计的深度图像质量无参考评价方法
CN115077425B (zh) 一种基于结构光三维视觉的产品检测设备及方法
CN111996883B (zh) 一种检测公路路面宽度的方法
CN115294145A (zh) 一种输电线路弧垂的测量方法及系统
CN110853018A (zh) 一种基于计算机视觉的振动台疲劳裂纹在线检测系统及检测方法
CN116958145B (zh) 图像处理方法、装置、视觉检测系统及电子设备
Lu et al. A unified normalization method for homography estimation using combined point and line correspondences
CN109902695B (zh) 一种面向像对直线特征匹配的线特征矫正与提纯方法
CN114422653B (zh) 一种书籍展平线激光快速标定方法及激光扫描仪
CN109214398B (zh) 一种从连续图像中量测杆体位置的方法和系统
CN108230377B (zh) 点云数据的拟合方法和系统
CN112529960A (zh) 目标对象的定位方法、装置、处理器和电子装置
CN111292297A (zh) 基于双目立体视觉焊缝检测方法、装置、设备及存储介质
CN110874837A (zh) 一种基于局部特征分布的缺陷自动检测方法
CN112001888B (zh) 一种叶轮运转状态识别方法及装置
CN114418941B (zh) 一种基于电力巡检设备检测数据的缺陷诊断方法及系统
CN115184378B (zh) 一种基于移动设备的混凝土结构病害检测系统及方法
CN115655205A (zh) 利用车道辅助测距的方法和装置

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