CN112508885B - 一种弯管的三维中轴线检测方法及系统 - Google Patents

一种弯管的三维中轴线检测方法及系统 Download PDF

Info

Publication number
CN112508885B
CN112508885B CN202011332617.5A CN202011332617A CN112508885B CN 112508885 B CN112508885 B CN 112508885B CN 202011332617 A CN202011332617 A CN 202011332617A CN 112508885 B CN112508885 B CN 112508885B
Authority
CN
China
Prior art keywords
edge
bent pipe
gray value
central axis
sub
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
CN202011332617.5A
Other languages
English (en)
Other versions
CN112508885A (zh
Inventor
李磊刚
祝家浚
陈军
张一弛
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.)
Xtop 3d Technology Shenzhen Co ltd
Original Assignee
Xtop 3d Technology Shenzhen Co ltd
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 Xtop 3d Technology Shenzhen Co ltd filed Critical Xtop 3d Technology Shenzhen Co ltd
Priority to CN202011332617.5A priority Critical patent/CN112508885B/zh
Publication of CN112508885A publication Critical patent/CN112508885A/zh
Application granted granted Critical
Publication of CN112508885B publication Critical patent/CN112508885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • 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
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

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

Abstract

本发明提供一种弯管的三维中轴线检测方法及系统，检测方法包括：S1.获得原始弯管图像；S2.获得弯管的初始二维中轴线；S3.在初始二维中轴线上取多个采样点，在每个采样点上作垂直线段，得到每段垂直线段的灰度值梯度集合；S4.选取灰度值梯度集合中的最小值和最大值，将其绝对值的最小者所对应的亚像素坐标和灰度值作为弯管的第一边缘的亚像素坐标和灰度值；S5.在第二边缘查找灰度值所对应的亚像素坐标作为第二边缘的亚像素坐标；S6.求取每段垂直线段的中点坐标；S7.根据中点坐标，获取弯管的最终二维中轴线；S8.根据最终二维中轴线及三维重建原理，提取三维中轴线。该方法对存在边缘反光的弯管可以进行高精度的检测。

Description

一种弯管的三维中轴线检测方法及系统
技术领域
本发明涉及机械加工领域中弯管三维检测的问题，尤其涉及一种弯管的三维中轴线检测方法及系统。
背景技术
现有工业弯管件中轴线检测的主要手段包括：传统方案中主要采用弯管测量机检测，随着计算机视觉领域的发展，现有检测手段多采用基于多相机三维重建提取中轴线，弯管三维中轴线提取精度主要基于弯管二维中轴线提取精度，对弯管二维中轴线提取方法主要包含基于形态学处理的骨架提取法、基于三维视觉的固定灰度值或Canny边缘检测法等。现有的检测手段中，弯管测量机检测方法测量效率低、人工成本高、精度低、对于复杂弯管形状不易检测；弯管二维中轴线提取过程中，基于形态学处理的骨架提取法提取中轴线精度较低，不能满足工业检测精度需求；基于固定灰度值或Canny边缘算法对存在弯管反光的情况下、边界灰度值分界不明显等情况容易出现边界识别精度差、识别错误等情况。
发明内容
为解决上述问题，本发明提出一种弯管的三维中轴线检测方法及系统，其为非接触式检测方法，且通用性强、检测精度高、对检测环境要求不高。
本发明提出一种弯管的三维中轴线检测方法，包括如下步骤：S1.从不同方位对弯管进行同步拍摄，以获得所述弯管在同一位姿的原始弯管图像；S2.对所述原始弯管图像进行计算，获得所述弯管的初始二维中轴线；S3.在所述弯管的初始二维中轴线上取多个采样点，并在每个采样点上作垂直于所述初始二维中轴线且横跨所述弯管的垂直线段，得到垂直线段集合，同时计算得到每段垂直线段的灰度值梯度集合；S4.针对所述每段垂直线段的灰度值梯度集合选取灰度值梯度集合中的最小值和最大值，将所述最小值的绝对值和所述最大值的绝对值之间的最小者作为返回值，并将所述返回值对应的亚像素坐标和灰度值作为所述弯管的第一边缘的亚像素坐标和灰度值，得到第一边缘的亚像素坐标集合和第一边缘的灰度值集合；S5.根据所述第一边缘的灰度值集合，在所述弯管的第二边缘查找所述灰度值集合下每一个灰度值所对应的亚像素坐标作为所述第二边缘的亚像素坐标，得到第二边缘的亚像素坐标集合；S6.根据所述第一边缘的亚像素坐标集合和所述第二边缘的亚像素坐标集合，利用中值法求取每段垂直线段的中点坐标；S7.根据所述每段垂直线段的中点坐标，获取所述弯管的最终二维中轴线；S8.根据所述弯管的最终二维中轴线及三维重建原理，提取所述弯管的三维中轴线。
本发明还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行以实现如上所述的方法。
本发明还提供一种弯管的三维中轴线检测系统，该检测系统用于实施如上所述的方法。
本发明的有益效果：本申请方法中涉及的基于灰度值梯度返回灰度值的亚像素边缘提取技术，在实际工程中对于存在边缘反光弯管可以很大程度上提高亚像素边缘、中轴线检测精度，满足工业中对更多弯管的测量精度要求。另外，本发明是基于视觉测量的方法，因此具有非接触、操作简便、灵活程度高、适用性范围广、检测效率高的优点。
附图说明
图1为本发明实施例中弯管的三维中轴线检测方法流程图。
图2为本发明实施例中某一个采样点对应的垂直线段图。
图3为本发明实施例中某一个采样点对应的垂直线段上每个亚像素点的灰度值曲线图。
图4为本发明实施例中弯管的最终二维中线检测效果图。
具体实施方式
下面结合具体实施方式并对照附图对本发明作进一步详细说明，应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
本发明提出一种弯管的三维中轴线检测方法，检测流程如图1所示，包括如下步骤：
S1.从不同方位对弯管进行同步拍摄，以获得所述弯管在同一位姿的原始弯管图像。
S2.对所述原始弯管图像进行计算，获得所述弯管的初始二维中轴线。
S3.在所述弯管的初始二维中轴线上取多个采样点，并在每个采样点上作垂直于所述初始二维中轴线且横跨所述弯管的垂直线段，得到垂直线段集合，同时计算得到每段垂直线段的灰度值梯度集合。
S4.针对所述每段垂直线段的灰度值梯度集合选取灰度值梯度集合中的最小值和最大值，将所述最小值的绝对值和所述最大值的绝对值之间的最小者作为返回值，并将所述返回值对应的亚像素坐标和灰度值作为所述弯管的第一边缘的亚像素坐标和灰度值，得到第一边缘的亚像素坐标集合和第一边缘的灰度值集合。
S5.根据所述第一边缘的灰度值集合，在所述弯管的第二边缘查找所述灰度值集合下每一个灰度值所对应的亚像素坐标作为所述第二边缘的亚像素坐标，得到第二边缘的亚像素坐标集合。
S6.根据所述第一边缘的亚像素坐标集合和所述第二边缘的亚像素坐标集合，求取每段垂直线段的中点坐标。
S7.根据所述每段垂直线段的中点坐标，获取所述弯管的最终二维中轴线。
S8.根据所述弯管的最终二维中轴线及三维重建原理，提取所述弯管的三维中轴线。
通过在弯管的初始二维中轴线上采取多个采样点，并在采样点上作垂直于初始二维中轴线的垂直线段以及获得垂直线段的灰度值梯度集合，然后通过基于灰度值梯度返回极值(最大值和最小值)的绝对值最小值作为返回值，并以此返回值对应的亚像素坐标和灰度值作为弯管的第一边缘的亚像素坐标和灰度值，以及在第二边缘查找该灰度值所对应的亚像素坐标作为弯管的第二边缘的亚像素坐标，其在实际工程中可以消除弯管边缘反光所导致的边缘检测的误差，提高亚像素边缘的检测精度，进而提高中轴线检测精度。
优选地，所述步骤S1包括：在所述弯管的周围布置高频LED光源，采用多个相机从不同方位对所述弯管进行同步拍摄以获得所述弯管在同一位姿的原始弯管图像，并在拍摄前对所述多个相机进行标定。
在弯管的周围布置高频LED光源，可以避免所采集的原始弯管图像中存在阴影的问题。采用多个相机同步拍摄，可以获得弯管在同一位姿的多个原始弯管图像，更方便后续的计算和融合；在拍摄前对多个相机进行标定，可以将多个相机统一在同一个坐标系下，并消除在后续的计算中各相机之间的坐标误差。
具体的，所述标定包括如下步骤：利用三坐标测量仪测量得到所有标志点的三维空间数据；再利用摄影测量空间后方交会原理，根据采集的标定图像计算得到所述多个相机的内、外参数。
优选地，所述步骤S2包括：对所述原始弯管图像进行识别以获得所述弯管的边缘，再利用所述边缘在所述原始弯管图像上搜索并计算得到初始二维中轴线。
具体地，步骤S2包括如下步骤：
S201.通过图像与背景相减将所述原始弯管图像中的特征与背景分开。
S202.采用Canny边缘检测算法识别出所述弯管的边缘并保存边缘点集合的二维图像坐标。
S203.根据所述边缘点集合中相邻边缘点的拓扑关系，利用插值算法计算每一个边缘点的法向量，得到边缘点的法向量集合。
S204.对所述边缘点集合中的每一个边缘点A，根据其对应的法向量，沿其反法向方向进行搜索，得到与之对应的另一边缘点B，计算每一个边缘点A和边缘点B连线的中点，得到中点集合；
S205.将中点集合中的所有中点连接得到所述弯管的初始二维中轴线。
优选地，在所述步骤S204之后，且在所述步骤S205之前，还包括如下步骤：
将所述另一边缘点B点沿其反法向方向进行搜索，得到对应点C；理论上点C应该非常接近边缘点A，设定阈值Th进行判断，若
Figure BDA0002796246490000041
令点A、B的坐标分别为(xA,yA)和(xB,yB)，对应的校正后的弯管中点O的坐标通过下式进行计算：
Figure BDA0002796246490000042
通过对获取的另一边缘B进行反向搜索，得到理论点C，并判断理论点C和实际值A之间的，进而验证所获得的边缘点B是否正确。
优选地，所述步骤S3包括如下步骤：
S301.根据所述弯管的实际情况调整采样距离；
S302.将所述垂直线段集合中每段垂直线段上的整像素分为多个亚像素，利用双三次插值求出每个亚像素对应的灰度值，并计算所述垂直线段上的亚像素的灰度值梯度。
优选地，所述步骤S5包括如下步骤：
S501.根据所述每段垂直线段的灰度值梯度集合中灰度值梯度的正负、最小值和最大值的位置判断第二边缘所在区域，在区域中搜索与步骤S4中获得的所述第一边缘的灰度值最相近的灰度值，并将该灰度值记为第二边缘的灰度值初值；
S502.根据所述第二边缘的灰度值初值，采用单三边插值求取第二边缘的亚像素坐标。
下面结合具体示例，对本实施例进行举例说明。
本示例提出了一种弯管的三维中轴线检测方法，包括如下步骤：
S1.采集弯管图像：从不同方位对弯管进行同步拍摄以获得弯管在同一位姿的原始弯管图像。
通常采用多个相机对弯管进行拍摄，且在拍摄前需要对多个相机进行标定。以十个相机为例，十个相机在弯管的周围进行360°的环绕布置，且每个相机间的距离相等。在标定时，在测量视场中布置多个标志点，对十个相机的内部参数和外部参数进行全局标定，该标志点包括环形的编码标志点和圆形的非编码标志点。具体地，可以包括如下步骤：利用三坐标测量仪测量得到所有标志点的三维空间数据；利用摄影测量空间后方交会原理，根据采集的标定图像计算得到十个相机的内、外参数。
需要说明的是，多相机标定属于现有技术，作为示例，本实施例中可以采用文献“大视场多相机视频测量系统的全局标定”(胡浩，梁晋，唐正宗等.光学精密工程，2012)所提出的多相机标定方法。当然，也可以采用其他多相机标定方法。
在对弯管图像进行采集时，优选地，在弯管周围布置高频LED光源以消除弯管阴影；此外，还需要注意调节相机光圈和镜头焦距，使得每个相机所采集的图像尽可能清晰。利用计算机控制十个相机从不同方位同步拍摄以获得弯管在同一位姿的十幅原始弯管图像。
在另一个实施例中，为了方便后续图像处理，将弯管从测量视场中取出并保持十个相机的位置不变，再控制十个相机同步拍摄一次以获得十幅背景灰度图像。
S2.获取初始二维中轴线：对所述原始弯管图像进行计算获得弯管的初始二维中轴线。
对初始二维中轴线的计算可以采用现有技术中的方法，如利用中国专利CN104036513B中的方法：对原始弯管图像进行识别以获得弯管的边缘，再利用该边缘在原始弯管图像上搜索并计算得到弯管的初始二维中轴线；具体为说明书[0025-0045]段的内容，即：
S201.通过图像与背景相减将所述原始弯管图像中的特征与背景分开；
S202.采用Canny边缘检测算法识别出所述弯管的边缘并保存边缘点集合的二维图像坐标；
S203.根据所述边缘点集合中相邻边缘点的拓扑关系，利用插值算法计算每一个边缘点的法向量，得到边缘点的法向量集合；
S204.对所述边缘点集合中的每一个边缘点A，根据其对应的法向量，沿其反法向方向进行搜索，得到与之对应的另一边缘点B，计算每一个边缘点A和边缘点B连线的中点，得到中点集合；
将所述另一边缘点B点沿其反法向方向进行搜索，得到对应点C；理论上点C应该非常接近边缘点A，设定阈值Th进行判断，若
Figure BDA0002796246490000061
令点A、B的坐标分别为(xA,yA)和(xB,yB)，对应的校正后的弯管中点O的坐标通过下式进行计算：
Figure BDA0002796246490000062
S205.将中点集合中的所有中点连接得到所述弯管的初始二维中轴线。
可以理解的是，除了CN104036513B该专利中的方法，还可以为背景技术中所提及的基于形态学处理的骨架提取法、基于三维视觉的固定灰度值或Canny边缘检测法等。
S3.计算边缘灰度值梯度：在步骤S2所获得的初始中轴线上取多个采样点，并在每个采样点上作垂直于初始二维中轴线且横跨弯管的垂直线段，并求取每段垂直线段上的灰度值梯度。
具体包括如下步骤：
S301.根据弯管实际情况调整采样距离；优选地，在初始中轴线上等距采样。在初始中轴线上等距取多个采样点，如图2所示，在每个采样点上作垂直于初始二维中轴线且横跨弯管的垂直线段。
S302.如图3所示，将每段横跨弯管的垂直线段上的整像素分为多个亚像素，利用双三次插值求出每个亚像素对应的灰度值，并计算垂直线段上的亚像素的灰度值梯度集合。
S4.获取弯管的其中一边缘坐标值及灰度值：针对每一段垂直线段上的灰度值梯度集合，选取灰度值梯度集合中的最小值和最大值，将最小值的绝对值和最大值的绝对值之间的最小者作为返回值，并将返回值对应的亚像素坐标和灰度值作为弯管其中一边缘的亚像素坐标和灰度值，从而得到第一边缘的亚像素坐标集合和第一边缘的灰度值集合。
S5.获取弯管的另一边缘坐标值：根据步骤S4获得的其中一边缘的灰度值的集合，在弯管另一边缘查找此灰度值集合下每一个灰度值所对应的亚像素坐标作为另一边缘坐标，得到另一边缘的亚像素坐标集合。
具体步骤如下：
S501.根据灰度值梯度的正负和极值点位置判断另一边缘所在区域，在区域中搜索与步骤S4中获得的弯管其中一边缘的灰度值最相近的灰度值，此灰度值记为另一边缘的灰度值初值。
S502.根据步骤S501获得的另一边缘的灰度值初值，采用单三边插值求取另一边缘亚像素坐标。
S6.计算弯管二维中轴线上的中点坐标：根据步骤S4和步骤S5所获得的弯管的两边缘亚像素坐标，求取每段垂直线段的中点坐标。
对于中点坐标，可以采用中值法进行求取。
S7.获取弯管的最终二维中轴线：根据每段垂直线段的中点坐标，进而获取弯管的最终二维中轴线。
如图4所示，其为弯管的最终二维中轴线检测效果图。
S8.提取弯管三维中轴线：根据步骤S7获得的最终二维中轴线及三维重建原理，提取弯管三维中轴线。
根据摄影测量多相机三维重建理论，可知：空间任一弯管中心点在不同相机的像平面上对应唯一像点。因此，利用不同相机的光心与像点组成的射线相交即可求得弯管中心点的三维坐标。
具体包括如下步骤：
S801.重建之前，选定某一相机图像为参考图像，对于图像上弯管的每一个二维中心点，利用极限几何原理在其他相机图像上搜索与其对应的图像点。
S802.计算这一中心点的三维坐标。
优选地，可以采用现有的多相机三维坐标重建技术，例如文献“数字近景工业摄影测量关键技术研究与应用”(黄桂平.天津大学博士学位论文，2005)所提出的多摄站坐标测量方法来计算弯管中心的三维坐标，进而提取弯管三维中轴线。
此外，本实施例还提供一种弯管的三维中轴线检测系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当至少一个程序被至少一个处理器执行，使得至少一个处理器实现如上所述的弯管的三维中轴线检测方法。
本发明为弯管三维中轴线的检测工作提供了一种快速、精确的测量方法。步骤S3-S6中涉及的基于梯度返回灰度值的亚像素边缘提取技术，在实际工程中对于存在边缘反光弯管可以很大程度上提高亚像素边缘、中轴线检测精度，满足工业中对更多弯管的测量精度要求。另外，本发明是基于视觉测量的方法，因此具有非接触、操作简便、灵活程度高、适用性范围广、检测效率高的优点。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。

Claims (8)

1.一种弯管的三维中轴线检测方法，其特征在于，包括如下步骤：
S1.从不同方位对弯管进行同步拍摄，以获得所述弯管在同一位姿的原始弯管图像；
S2.对所述原始弯管图像进行识别以获得所述弯管的边缘，再利用所述边缘在所述原始弯管图像上搜索并计算，获得所述弯管的初始二维中轴线；
S3.在所述弯管的初始二维中轴线上取多个采样点，并在每个采样点上作垂直于所述初始二维中轴线且横跨所述弯管的垂直线段，得到垂直线段集合，同时计算得到每段垂直线段的灰度值梯度集合；
S4.针对所述每段垂直线段的灰度值梯度集合选取灰度值梯度集合中的最小值和最大值，将所述最小值的绝对值和所述最大值的绝对值之间的最小者作为返回值，并将所述返回值对应的亚像素坐标和灰度值作为所述弯管的第一边缘的亚像素坐标和灰度值，得到第一边缘的亚像素坐标集合和第一边缘的灰度值集合；
S5.根据所述第一边缘的灰度值集合，在所述弯管的第二边缘查找所述灰度值集合下每一个灰度值所对应的亚像素坐标作为所述第二边缘的亚像素坐标，得到第二边缘的亚像素坐标集合；
S6.根据所述第一边缘的亚像素坐标集合和所述第二边缘的亚像素坐标集合，求取每段垂直线段的中点坐标；
S7.根据所述每段垂直线段的中点坐标，获取所述弯管的最终二维中轴线；
S8.根据所述弯管的最终二维中轴线及三维重建原理，提取所述弯管的三维中轴线；
其中，所述步骤S5包括如下步骤：
S501.根据所述每段垂直线段的灰度值梯度集合中灰度值梯度的正负、最小值和最大值的位置判断第二边缘所在区域，在区域中搜索与步骤S4中获得的所述第一边缘的灰度值最相近的灰度值，并将该灰度值记为第二边缘的灰度值初值；
S502.根据所述第二边缘的灰度值初值，采用单三边插值求取第二边缘的亚像素坐标。
2.如权利要求1所述的检测方法，其特征在于，所述步骤S1包括：在所述弯管的周围布置高频LED光源，采用多个相机从不同方位对所述弯管进行同步拍摄以获得所述弯管在同一位姿的原始弯管图像，并在拍摄前对所述多个相机进行标定。
3.如权利要求2所述的检测方法，其特征在于，所述标定包括如下步骤：利用三坐标测量仪测量得到所有标志点的三维空间数据；再利用摄影测量空间后方交会原理，根据采集的标定图像计算得到所述多个相机的内、外参数。
4.如权利要求1所述的检测方法，其特征在于，包括如下步骤：
S201.通过图像与背景相减将所述原始弯管图像中的特征与背景分开；
S202.采用Canny边缘检测算法识别出所述弯管的边缘并保存边缘点集合的二维图像坐标；
S203.根据所述边缘点集合中相邻边缘点的拓扑关系，利用插值算法计算每一个边缘点的法向量，得到边缘点的法向量集合；
S204.对所述边缘点集合中的每一个边缘点A，根据其对应的法向量，沿其反法向方向进行搜索，得到与之对应的另一边缘点B，计算每一个边缘点A和边缘点B连线的中点，得到中点集合；
S205.将中点集合中的所有中点连接得到所述弯管的初始二维中轴线。
5.如权利要求4所述的检测方法，其特征在于，在所述步骤S204之后，且在所述步骤S205之前，还包括如下步骤：
将所述另一边缘点B点沿其反法向方向进行搜索，得到对应点C；设定阈值Th对点C与边缘点A之间的距离
Figure FDA0003765822030000021
进行判断，若
Figure FDA0003765822030000022
令点A、B的坐标分别为(xA,yA)和(xB,yB)，对应的校正后的弯管中点O的坐标通过下式进行计算：
Figure FDA0003765822030000023
6.如权利要求1所述的检测方法，其特征在于，所述步骤S3包括如下步骤：
S301.根据所述弯管的实际情况调整采样距离，在所述弯管的初始二维中轴线上取多个采样点，并在每个采样点上作垂直于所述初始二维中轴线且横跨所述弯管的垂直线段，得到垂直线段集合；
S302.将所述垂直线段集合中每段垂直线段上的整像素分为多个亚像素，利用双三次插值求出每个亚像素对应的灰度值，并计算所述垂直线段上的亚像素的灰度值梯度集合。
7.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1-6任一项所述的方法。
8.一种弯管的三维中轴线检测系统，其特征在于，所述检测系统用于实施权利要求1-6任一项所述的方法。
CN202011332617.5A 2020-11-24 2020-11-24 一种弯管的三维中轴线检测方法及系统 Active CN112508885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011332617.5A CN112508885B (zh) 2020-11-24 2020-11-24 一种弯管的三维中轴线检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011332617.5A CN112508885B (zh) 2020-11-24 2020-11-24 一种弯管的三维中轴线检测方法及系统

Publications (2)

Publication Number Publication Date
CN112508885A CN112508885A (zh) 2021-03-16
CN112508885B true CN112508885B (zh) 2022-10-11

Family

ID=74959744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011332617.5A Active CN112508885B (zh) 2020-11-24 2020-11-24 一种弯管的三维中轴线检测方法及系统

Country Status (1)

Country Link
CN (1) CN112508885B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7436887B2 (ja) 2022-03-25 2024-02-22 ダイキン工業株式会社 測定システム、測定方法、及びプログラム
CN117078886A (zh) * 2023-10-16 2023-11-17 中国核电工程有限公司 一种用于乏燃料后处理厂的三维管线轴线定位方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109285210A (zh) * 2017-07-19 2019-01-29 中国科学院沈阳自动化研究所 结合拓扑关系和极线约束的管路三维重建方法
CN109801244A (zh) * 2019-02-19 2019-05-24 广州视源电子科技股份有限公司 图像增强方法、装置、计算机设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036513B (zh) * 2014-06-26 2017-06-09 西安新拓三维光测科技有限公司 一种三维弯管多相机视觉检测方法及其系统
CN110992346B (zh) * 2019-09-17 2023-04-07 浙江工业大学 一种基于dip和dicm的疲劳裂纹长度在线检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109285210A (zh) * 2017-07-19 2019-01-29 中国科学院沈阳自动化研究所 结合拓扑关系和极线约束的管路三维重建方法
CN109801244A (zh) * 2019-02-19 2019-05-24 广州视源电子科技股份有限公司 图像增强方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN112508885A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN107301654B (zh) 一种多传感器的高精度即时定位与建图方法
WO2019105044A1 (zh) 一种镜头畸变矫正和特征提取的方法及系统
WO2021004416A1 (zh) 一种基于视觉信标建立信标地图的方法、装置
CN111340797A (zh) 一种激光雷达与双目相机数据融合检测方法及系统
JP5832341B2 (ja) 動画処理装置、動画処理方法および動画処理用のプログラム
CN110672020A (zh) 一种基于单目视觉的立木高度测量方法
CN111879235A (zh) 弯管的三维扫描检测方法、三维扫描系统和计算机设备
CN111123242B (zh) 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质
CN109341668B (zh) 基于折射投影模型和光束追踪法的多相机测量方法
CN107392849B (zh) 基于图像细分的靶标识别与定位方法
CN107300382B (zh) 一种用于水下机器人的单目视觉定位方法
CN112508885B (zh) 一种弯管的三维中轴线检测方法及系统
CN110223355B (zh) 一种基于双重极线约束的特征标志点匹配方法
CN107358628B (zh) 基于靶标的线阵图像处理方法
CN111127613B (zh) 基于扫描电子显微镜的图像序列三维重构方法及系统
CN111754462A (zh) 一种三维弯管的视觉检测方法及系统
CN109448059B (zh) 一种快速x角点亚像素检测方法
CN113947638B (zh) 鱼眼相机影像正射纠正方法
CN112381847A (zh) 管路端头空间位姿测量方法及系统
CN111724446B (zh) 一种用于建筑物三维重建的变焦距相机外参数标定方法
CN112652020A (zh) 一种基于AdaLAM算法的视觉SLAM方法
CN116468786A (zh) 一种面向动态环境的基于点线联合的语义slam方法
CN109493378B (zh) 一种基于单目视觉与双目视觉相结合的垂直度检测方法
CN117288120A (zh) 基于多视角的三维成像测量系统及其标定方法
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

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