CN112414316B - 一种应变片敏感栅尺寸参数测量方法 - Google Patents
一种应变片敏感栅尺寸参数测量方法 Download PDFInfo
- Publication number
- CN112414316B CN112414316B CN202011171692.8A CN202011171692A CN112414316B CN 112414316 B CN112414316 B CN 112414316B CN 202011171692 A CN202011171692 A CN 202011171692A CN 112414316 B CN112414316 B CN 112414316B
- Authority
- CN
- China
- Prior art keywords
- strain gauge
- sensitive grid
- curve
- fitting
- sensitive
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
Abstract
本发明公开了一种应变片敏感栅尺寸参数测量方法,该方法所测得的应变片敏感栅尺寸参数能定性反映应变片电阻大小,属于应变片敏感栅尺寸参数测量领域。该方法首先通过拍摄装置拍摄应变片形貌图像;基于该图像进行图像预处理、笛卡尔坐标系建立、应变片灰度分布原始曲线图建立、应变片敏感栅边缘侧壁灰度分布拟合曲线图建立,根据应变片敏感栅边缘侧壁灰度分布拟合曲线图的特征点测量应变片敏感栅尺寸参数。其中,应变片敏感栅尺寸参数指应变片敏感栅宽度和栅间距。应变片灰度分布原始曲线图能反映应变片敏感栅长度和宽度方向的信息,因此该发明方法可定性反映应变片电阻变化。本发明的有益效果在于:实现了应变片敏感栅尺寸参数的快速准确测量及应变片电阻变化的定性反映。
Description
技术领域
本发明涉及一种应变片敏感栅尺寸参数测量方法,该方法所测得的应变片敏感栅尺寸参数能定性反映应变片电阻大小。本发明属于应变片敏感栅尺寸参数测量领域。
背景技术
应变片的制备方法为在基底上覆盖一层金属,用光刻、腐蚀的工艺形成敏感栅。由于腐蚀的工艺,良好品质的敏感栅中间部分是连续的金属层,但其边缘侧壁会出现大量离散的金属点,这使得敏感栅的特定边界难以确定,从而造成得到的敏感栅尺寸参数带有主观性,不能描述应变片电阻的变化。目前敏感栅尺寸参数的测量方法中,典型的方法是根据高斯函数来求取尺寸参数。
为了清楚地展示出现有技术中以及本发明中应变片敏感栅尺寸参数测量过程,如图3所示,本专利文件中做出如下定义:沿应变片敏感栅长度方向为Y向,垂直于Y向且沿应变片敏感栅宽度方向为X向;图像预处理时沿应变片敏感栅长度方向为y向,其与真实应变片敏感栅长度方向(即Y向)不同。
在期刊“半导体光电”2015年02期的第299-304页的文献“基于灰度导数加权的椭圆高精度提取算法”中说明,根据原始图像中边缘灰度的渐变性,以椭圆短轴方向为X方向,以椭圆长轴方向为Y方向。在椭圆短轴方向,即X方向上,取一组灰度值,得到椭圆的灰度密度分布曲线。对其边缘点的灰度导数值进行高斯函数拟合,并构造优化目标函数求取最优的尺寸参数。
在上述方法中,根据沿X方向的一组灰度值得到椭圆的灰度分布曲线,并没有考虑Y方向上的灰度分布的不确定性对椭圆灰度分布曲线造成的影响。
发明内容
本发明的目的是,针对上述现状,提出一种应变片敏感栅尺寸参数测量方法。该方法中,先确定Y方向,再沿X方向,对每一个X值的Y方向上的单位长度的灰度值进行叠加,这样才能更好的反映整条敏感栅的尺寸参数,且根据得到的尺寸参数可以定性反映应变片电阻大小。具体的,该方法主要包括以下六个步骤:
步骤一:图像采集。根据图像采集系统采集得到应变片微观轮廓形貌图像。应变片的制备方法为在基底上覆盖一层金属,用光刻、腐蚀的工艺形成敏感栅。因此应变片上会出现基底部分和凸起的敏感栅部分。使用CCD相机配合高均匀点光源拍摄图像,高均匀点光源照射应变片基底和敏感栅,使得水平放置的待测应变片同一水平面所受光强度相同。所以在三维空间里,在应变片基底和敏感栅不同位置,CCD相机所采集到的灰度值不同,据此可区分应变片基底和敏感栅。可根据上述特征,通过以下步骤进行图像处理以及应变片敏感栅尺寸参数测量。
该步骤中图像采集系统主要元件是显微镜、相机和光源,通过图像采集系统获取应变片轮廓形貌的清晰的图像,将相机与计算机相连接,应变片轮廓形貌的图像就可以直接传输到计算机中。
步骤二:图像预处理。对应变片微观轮廓形貌图像进行预处理。包括图像二值化、图像灰度化、图像滤波、边缘轮廓检测及边缘轮廓点提取。
步骤三:建立笛卡尔坐标系。根据应变片敏感栅任意一侧的边缘轮廓点得到的拟合直线来确定边缘轮廓方向,即应变片敏感栅长度方向。以该拟合直线为Y轴建立笛卡尔坐标系,将边缘轮廓点的位置信息根据拟合直线转换到建立的笛卡尔坐标系下。其中,得到拟合直线的方法有最小二乘拟合、梯度下降算法。
步骤四:建立应变片灰度分布原始曲线图。在建立的笛卡尔坐标系下,沿X方向对同一个X值的Y方向上的单位长度的灰度值进行叠加,并将叠加值归一化,每一个X和叠加值归一化后的值构成一个点。将上述所有采样点用平滑曲线依次连接建立应变片灰度分布原始曲线图。
步骤五:建立应变片敏感栅边缘侧壁灰度分布拟合曲线图。由于应变片灰度值分布反映了应变片基底和敏感栅的分布,因此,在应变片灰度分布原始曲线图中,基底和敏感栅的分界处会产生斜率的较大改变;而且,由于敏感栅边缘侧壁出现的大量离散金属点,使得敏感栅边缘侧壁处所对应的灰度分布原始曲线为大斜率曲线;依据以上理论,以应变片灰度分布原始曲线图上斜率产生较大改变的两个点,作为反映每一条敏感栅任一边缘侧壁灰度分布特征区间的两个端点,对特征区间内的点进行曲线拟合,得到应变片敏感栅边缘侧壁灰度分布拟合曲线图。曲线拟合的方法有:三阶多项式、高阶多项式、高斯函数。
步骤六:应变片敏感栅尺寸参数测量。根据应变片敏感栅边缘侧壁灰度分布拟合曲线图的特征点测量应变片敏感栅尺寸参数。其中,应变片敏感栅尺寸参数指应变片敏感栅宽度和栅间距,拟合曲线的特征点选取有以下方式:
如图3所示,应变片两条敏感栅共有四个边缘轮廓,可根据应变片灰度分布原始曲线图得到四条应变片敏感栅边缘侧壁灰度分布拟合曲线图,从上到下分别记为第一拟合曲线、第二拟合曲线、第三拟合曲线、第四拟合曲线。
当曲线拟合的方法为三阶多项式时,可根据第一拟合曲线和第二拟合曲线(或第三拟合曲线和第四拟合曲线)的拐点作为敏感栅敏感栅宽度的两个端点来测量敏感栅宽度,根据第二拟合曲线和第三拟合曲线的拐点作为敏感栅栅间距的两个端点来测量敏感栅栅间距;也可根据三阶多项式拟合曲线上的自定义临界点测量敏感栅宽度。其中,该自定义临界点具有下述示例特征,例如,沿X方向,上升的拟合曲线上达到上升高度67%的点,下降的拟合曲线上达到下降高度33%的点,以第一拟合曲线和第二拟合曲线(或第三拟合曲线和第四拟合曲线)上的这两个点作为敏感栅敏感栅宽度的两个端点来测量敏感栅宽度,以第二拟合曲线和第三拟合曲线上的这两个点作为敏感栅栅间距的两个端点来测量敏感栅栅间距。
当曲线拟合的方法为高阶多项式时,高阶多项式具有多个拐点,可选择第一拟合曲线和第二拟合曲线(或第三拟合曲线和第四拟合曲线)上两个最大值拐点、或者两个最小值拐点、或者两个中位数拐点、或者两个平均值拐点作为敏感栅敏感栅宽度的两个端点来测量敏感栅宽度,可选择第二拟合曲线和第三拟合曲线上两个最大值拐点、或者两个最小值拐点、或者两个中位数拐点、或者两个平均值拐点作为敏感栅栅间距的两个端点来测量敏感栅栅间距。;
当曲线拟合的方法为高斯函数,可根据高斯曲线的均值和方差来测量敏感栅宽度。第一拟合曲线的均值为μ1,方差为σ1;第二拟合曲线的均值为μ2,方差为σ2;第三拟合曲线的均值为μ3,方差为σ3;第四拟合曲线的均值为μ4,方差为σ4。应变片敏感栅宽度可表示为:
||μ1+aσ1|-|μ2+aσ2||或||μ3+bσ3|-|μ4+bσ4||。其中,a、b可取正负整数及0。应变片敏感栅栅间距可表示为:
||μ3+cσ3|-|μ2+cσ2||,其中,c可取正负整数及0。
本发明的创新点在于:首先确定了应变片敏感栅的边缘轮廓方向,在此基础上,根据应变片敏感栅长度方向的灰度值叠加建立应变片灰度分布原始曲线图,实现了应变片敏感栅尺寸参数的测量,据此可以定性反映应变片电阻大小。
本发明的有益效果在于:
由于应变片图像的拍摄角度不同,导致应变片敏感栅的Y方向与图像预处理所用的y方向不同。因此需要根据图像预处理得到的应变片敏感栅任意一侧的边缘轮廓点得到拟合直线来确定应变片敏感栅的Y方向。根据Y方向灰度值的叠加值的归一化建立的应变片灰度分布原始曲线图可以很好的反映应变片灰度值的变化,该应变片灰度分布原始曲线图可以得到敏感栅宽度。应变片长度方向的灰度值的叠加值可以反映应变片Y方向金属层的覆盖始终,敏感栅宽度可以反映X方向金属层的覆盖始终。应变片电阻由敏感栅覆盖的金属层决定,因此该发明方法可以定性反映应变片电阻大小。
因此,本发明提出的方法具有以下效果:
1、本发明建立的应变片灰度分布原始曲线图可以更好的反映整个应变片敏感栅的尺寸参数,提高了测量精度,减小偶然误差。
2、本发明建立的应变片灰度分布原始曲线图可以定性反映应变片电阻大小。
3、本发明可以测量任意拍摄角度的应变片敏感栅尺寸参数并描述其电阻变化。
4、本发明提出不同的方法测量应变片敏感栅尺寸参数,丰富了应变片敏感栅尺寸参数的测量方法。
5、通过本发明,测量员可直接操作计算机进行图像拍摄、图像处理等上述工作,减少了测量员工作量,提高了测量效率。
附图说明
图1是实施例中应变片微观形貌图像拍摄装置结构示意图。
图2是实施例中应变片微观形貌测量方法流程图。
图3是应变片敏感栅宽度表示方法示意图。
图4是实施例中应变片微观形貌图像拍摄装置采集的应变片微观形貌原图P1。
图5是实施例中图像处理中应变片微观形貌原图二值化所得图像P2。
图6是实施例中图像处理中二值化图像中值滤波后所得图像P3。
图7是实施例中图像处理中边缘轮廓检测所得敏感栅侧壁轮廓图P4。
图8是实施例中根据最小二乘拟合方法得到的拟合直线图。
图9是实施例中图像处理中应变片微观形貌原图灰度化所得图像P5。
图10是实施例中图像处理中图像P5中值滤波所得图像P6。
图11是实施例中笛卡尔坐标系下应变片灰度分布原始曲线图。
图12是实施例中笛卡尔坐标系下应变片敏感栅边缘侧壁灰度分布拟合曲线图。
具体实施方式
以下结合附图对本发明特征进行描述,所举实例只用于解释本发明,并非用于限定本发明范围。
本实施例中采用一套系统实现应变片敏感栅尺寸参数测量,该系统主要包括应变片轮廓形貌图像拍摄装置、计算机以及基于该应变片轮廓形貌提取所述方法中的灰度图转化、二值化、图像滤波、轮廓检测、轮廓点提取、最小二乘拟合、笛卡尔坐标系建立、灰度值归一化、应变片灰度分布原始曲线图建立、应变片敏感栅边缘侧壁灰度分布拟合曲线图建立以及根据拟合曲线特征点测量敏感栅尺寸参数的软件。
建立应变片轮廓图像拍摄装置,采用反射式光源进行拍摄。应变片轮廓图像拍摄装置主要部件连接关系如图1所示,相机和镜头连接,相机位于镜头的顶端,光源位于镜头的一侧且插入到镜头里。
应变片敏感栅尺寸参数测量方法包括如下步骤:
步骤一:应变片拍摄装置如图1所示。使用应变片微观形貌图像拍摄装置拍摄待测应变片微观形貌得到图像P1,具体见图4。
步骤二:图像预处理。使用opencv里二值化函数将图像P1转化为二值图得到图像P2,具体见图5。使用中值滤波法对图像P2进行图像滤波,得到图像P3,具体见图6。使用Canny算子测量对图像P3进行轮廓测量得到图像P4,具体见图7。使用opencv里轮廓提取函数findContours对图像P4进行轮廓提取,储存所提取的n个轮廓点位置信息。所提取出的轮廓点为笛卡尔坐标系下相对位置信息并将数据按顺序保存。使用opencv里颜色空间转换函数cvCvtColor将图像P1转化为灰度图得到图像P5,具体见图9。使用中值滤波法对图像P5进行图像滤波,得到图像P6,具体见图10。
步骤三:建立笛卡尔坐标系。步骤二提取得到的轮廓点坐标共有N个轮廓点,将N个轮廓点分开,其中任意一侧敏感栅轮廓共有n个轮廓点,记为(xi,yi)。本实施例中N=1855,n=462,根据最小二乘拟合直线方法:
拟合直线方程形式为:y=ax+b,其中,a为斜率,b为截距。
轮廓点到拟合直线偏差平方和是:
求上式的极值点,可得偏差平方和最小时,直线参数。
即:
则:
A·a+B·b=C
B·a+n·b=D
得:
最终得到拟合直线L方程为:y=9.783x-774.25,其与横坐标轴的夹角是θ=arctan(9.783)=84°,具体见图8。
步骤四:建立应变片灰度分布原始曲线图。提取图像P6的像素点的灰度值,并存储像素点灰度值位置信息。以步骤三得到的拟合直线L为一个坐标轴建立笛卡尔坐标系。并根据步骤六得到的拟合直线L与横坐标轴的夹角θ将步骤二提取得到的P6像素点灰度值位置信息转换到建立的笛卡尔坐标系下。在建立的笛卡尔坐标系下,灰度值的位置信息转换为(Xi,Yij)。在步骤三建立的笛卡尔坐标系下,将X轴上的同一Xi值的Y方向上的单位长度的灰度值(即Yij)相加得到Yis,并以其为纵坐标,得到一组坐标点(Xi,Yis)。其中,本实施例单位长度共包含323个点,即j=323。对纵坐标Yis(即灰度值)归一化,得到坐标点(Xi,Yi),将坐标点(Xi,Yi)用平滑曲线依次连接得到应变片灰度分布原始曲线图,具体见图11。
步骤五:建立应变片敏感栅边缘侧壁灰度分布拟合曲线图。根据步骤四得到的应变片灰度分布原始曲线图,截取该曲线斜率变化较大的部分做为敏感栅边缘侧壁灰度分布特征区间,可得到四个敏感栅边缘侧壁灰度分布特征区间,每一个特征区间包含大量离散点,对这些点进行曲线拟合,得到应变片敏感栅边缘灰度分布拟合曲线图。其中,截取方法为沿X轴方向从起点开始,根据相邻两个点求斜率,斜率从0开始变化到大于0.5的点为边缘起点,结束较大变化到小于0.5的点为边缘终点,以此边缘起点和边缘终点做为敏感栅边缘侧壁灰度分布特征区间的起终点。曲线拟合的方法为三阶多项式拟合,第一条应变片敏感栅边缘侧壁灰度分布拟合曲线图具体见图12,其表达式为y=-2.67x3+787.48x2-72862.56+2169758.13,依次得到其它三条应变片敏感栅边缘侧壁灰度分布拟合曲线图。
步骤六:应变片敏感栅尺寸参数测量。根据步骤五得到的应变片敏感栅边缘侧壁灰度分布拟合曲线图,找到其特征点,根据特征点求得敏感栅尺寸参数。其中,当特征点为拐点时,如图3所示,应变片两条敏感栅共有四个边缘轮廓。四个边缘轮廓多项式拟合曲线的拐点横坐标依次分别为X1、X2、X3、X4,则敏感栅宽度表示为:Wp1=|X1-X2|,Wp2=|X3-X4|。敏感栅栅间距表示为:Wg=|X2-X3|。最终得到应变片敏感栅宽度为49.63μm,应变片敏感栅栅间距为144.34μm。
Claims (3)
1.一种应变片敏感栅尺寸参数测量方法,其特征在于,主要包括以下六个步骤:
步骤一:图像采集:使用图像采集系统采集得到应变片微观轮廓形貌图像;
步骤二:图像预处理:对应变片微观轮廓形貌图像进行预处理,具体过程包括图像二值化、图像灰度化、图像滤波、边缘轮廓检测及边缘轮廓点提取;
步骤三:建立笛卡尔坐标系:根据应变片敏感栅任意一侧的边缘轮廓点得到的拟合直线来确定边缘轮廓方向,即应变片敏感栅长度方向;以该拟合直线为Y轴建立笛卡尔坐标系,将边缘轮廓点的位置信息根据拟合直线转换到建立的笛卡尔坐标系下;
步骤四:建立应变片灰度分布原始曲线图:在步骤三建立的笛卡尔坐标系下,沿X方向对同一个X值的Y方向上的单位长度的灰度值进行叠加,并将叠加值归一化,沿X方向的每一个X值和叠加值归一化后的值构成一个点;将上述所有的点用平滑曲线依次连接建立应变片灰度分布原始曲线图;
步骤五:建立应变片敏感栅边缘侧壁灰度分布拟合曲线图:以应变片灰度分布原始曲线图上斜率产生大的改变的两个点,作为反映每一条敏感栅任一边缘侧壁灰度分布特征区间的两个端点,对特征区间内的点进行曲线拟合,得到应变片敏感栅边缘侧壁灰度分布拟合曲线图;
步骤六:应变片敏感栅尺寸参数测量:根据应变片敏感栅边缘侧壁灰度分布拟合曲线图的特征点测量应变片敏感栅尺寸参数,所述应变片敏感栅尺寸参数指应变片敏感栅宽度和栅间距,拟合曲线的特征点选取有以下方式:
应变片N条敏感栅共有2*N个边缘轮廓,可根据应变片灰度分布原始曲线图得到2*N条应变片敏感栅边缘侧壁灰度分布拟合曲线图,从上到下分别记为第一拟合曲线、第二拟合曲线、第三拟合曲线、……、第2*N拟合曲线;
当曲线拟合的方法为三阶多项式时,根据某一应变片敏感栅边缘侧壁的两条灰度分布拟合曲线图的拐点作为敏感栅敏感栅宽度的两个端点来测量敏感栅宽度,根据第二拟合曲线和第三拟合曲线的拐点作为敏感栅栅间距的两个端点来测量相邻敏感栅栅间距;根据三阶多项式拟合曲线上的自定义临界点测量敏感栅宽度;
当曲线拟合的方法为高阶多项式时,高阶多项式具有多个拐点,选择某一应变片敏感栅边缘侧壁的两条灰度分布拟合曲线图上两个最大值拐点、或者两个最小值拐点、或者两个中位数拐点、或者两个平均值拐点作为敏感栅敏感栅宽度的两个端点来测量敏感栅宽度,选择第二拟合曲线和第三拟合曲线上两个最大值拐点、或者两个最小值拐点、或者两个中位数拐点、或者两个平均值拐点作为敏感栅栅间距的两个端点来测量敏感栅栅间距;
当曲线拟合的方法为高斯函数,根据高斯曲线的均值和方差来测量敏感栅宽度,设第一拟合曲线的均值为μ1,方差为σ1;第二拟合曲线的均值为μ2,方差为σ2;第三拟合曲线的均值为μ3,方差为σ3;第四拟合曲线的均值为μ4,方差为σ4;应变片敏感栅宽度可表示为:||μ1+aσ1|-|μ2+aσ2||或||μ3+bσ3|-|μ4+bσ4||,其中,a、b取正负整数及0,应变片敏感栅栅间距可表示为:||μ3+cσ3|-|μ2+cσ2||,其中,c可取正负整数及0。
2.一种如权利要求1所述的应变片敏感栅尺寸参数测量方法,其特征在于,所述步骤三中得到拟合直线的方法有最小二乘拟合或梯度下降算法。
3.一种如权利要求1所述的应变片敏感栅尺寸参数测量方法,其特征在于,所述步骤五中曲线拟合的方法有:三阶多项式、或高阶多项式、或高斯函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011171692.8A CN112414316B (zh) | 2020-10-28 | 2020-10-28 | 一种应变片敏感栅尺寸参数测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011171692.8A CN112414316B (zh) | 2020-10-28 | 2020-10-28 | 一种应变片敏感栅尺寸参数测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112414316A CN112414316A (zh) | 2021-02-26 |
CN112414316B true CN112414316B (zh) | 2022-04-08 |
Family
ID=74841813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011171692.8A Active CN112414316B (zh) | 2020-10-28 | 2020-10-28 | 一种应变片敏感栅尺寸参数测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112414316B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372567B (zh) * | 2023-12-06 | 2024-02-23 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN107705314A (zh) * | 2017-11-01 | 2018-02-16 | 齐鲁工业大学 | 一种基于灰度分布的多物体图像分割方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8111905B2 (en) * | 2009-10-29 | 2012-02-07 | Mitutoyo Corporation | Autofocus video tool and method for precise dimensional inspection |
CN101900536B (zh) * | 2010-07-28 | 2011-11-16 | 西安交通大学 | 基于数字图像法的物体表面形貌的测量方法 |
CN102425989A (zh) * | 2011-08-22 | 2012-04-25 | 天津大学 | 基于图像检测的二维特征尺寸测量方法 |
CN102999886B (zh) * | 2012-10-31 | 2016-01-13 | 长春光机数显技术有限责任公司 | 图像边缘检测器及标尺光栅栅线精度检测系统 |
CN104390895B (zh) * | 2014-11-25 | 2017-02-22 | 中国科学技术大学 | 基于显微成像的图像灰度测量颗粒粒径的方法 |
CN104966308B (zh) * | 2015-06-12 | 2017-12-01 | 深圳大学 | 一种计算激光光束光斑大小的方法 |
CN105606608B (zh) * | 2016-03-28 | 2018-12-07 | 广州博厚医疗技术有限公司 | 基于图像灰度处理的数据计算方法及其在检测领域的应用 |
CN106447684B (zh) * | 2016-08-10 | 2019-04-16 | 中国兵器科学研究院宁波分院 | 工业ct图像中弱边缘尺寸测量方法 |
CN106651828B (zh) * | 2016-09-21 | 2020-05-26 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN108168439B (zh) * | 2017-12-29 | 2019-11-19 | 北京理工大学 | 一种基于亚像素的裂缝宽度检测方法 |
CN109584207B (zh) * | 2018-10-19 | 2023-01-06 | 华南理工大学 | 一种测量高密度柔性印制基板线宽或线距最小距离的方法 |
CN110033444A (zh) * | 2019-04-04 | 2019-07-19 | 南京林业大学 | 一种建筑结构表面裂缝尺寸自动标注方法 |
-
2020
- 2020-10-28 CN CN202011171692.8A patent/CN112414316B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN107705314A (zh) * | 2017-11-01 | 2018-02-16 | 齐鲁工业大学 | 一种基于灰度分布的多物体图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112414316A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN109612390B (zh) | 基于机器视觉的大尺寸工件自动测量系统 | |
CN104266608B (zh) | 视觉传感器现场标定装置和标定方法 | |
CN102032875B (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
CN106949848A (zh) | 一种高精度激光3d轮廓手机结构件检测方法 | |
CN103499297A (zh) | 一种基于ccd的高精度测量方法 | |
CN103530880A (zh) | 基于投影高斯网格图案的摄像机标定方法 | |
CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
Tian et al. | An experimental evaluation method for the performance of a laser line scanning system with multiple sensors | |
CN102494614B (zh) | 一种高精度数字散斑相关测量方法 | |
CN112414316B (zh) | 一种应变片敏感栅尺寸参数测量方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
Pan et al. | Method of using non-specific target to complete structured light plane calibration | |
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 | |
CN113888641A (zh) | 一种基于机器视觉和深度学习的立木胸径测量方法 | |
CN116858139B (zh) | 基于双目视觉的金属结构平面度测量方法 | |
CN105928484B (zh) | 基于双目视觉的电梯导轨自动测量系统 | |
CN117537706A (zh) | 基于三轴坐标转换与单目视觉融合的钣金孔洞定位尺寸检测方法 | |
CN109458955B (zh) | 基于平面度约束的离轴圆条纹投影测量零相位点求解方法 | |
CN109764822A (zh) | 基于图像与几何轮廓的大型门式起重机梁变形测量方法 | |
CN105115420A (zh) | 大画面检测方法 | |
CN113689478B (zh) | 量测设备的对齐方法、装置及系统 | |
CN114659455A (zh) | 一种用于测量细丝直径的衍射条纹识别处理方法 | |
Wang et al. | Machine vision based roundness and cylindricity detection of bearing rollers |
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 |