CN112686920A - 一种圆形零件几何尺寸参数视觉测量方法及系统 - Google Patents
一种圆形零件几何尺寸参数视觉测量方法及系统 Download PDFInfo
- Publication number
- CN112686920A CN112686920A CN202011636177.2A CN202011636177A CN112686920A CN 112686920 A CN112686920 A CN 112686920A CN 202011636177 A CN202011636177 A CN 202011636177A CN 112686920 A CN112686920 A CN 112686920A
- Authority
- CN
- China
- Prior art keywords
- image
- geometric
- camera
- circular
- measurement method
- 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.)
- Pending
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种圆形零件几何尺寸参数视觉测量方法及系统,系统以单目视觉技术为基础,主要组成部分有工业相机、镜头、图像采集卡、光源等。涉及的图像处理领域包括:在采集图像前对相机和镜头进行标定,消除畸变;对采集后的图像进行灰度变换处理,为后续工作打下基础;基于灰度图像进行滤波去噪处理,消除图像中大多数噪点;进行图像增强处理,突出图像边缘部分像素对比度;提取图像中零件边缘,进行阈值分割处理;使用本发明改进后的算法计算图元中各几何参数,分析误差,保存数据;本发明能够实现基于计算机视觉的圆形零件尺寸的自动计算,改进后的算法与传统算法相比检测速度、精度和稳定性均有提高,节约人力及经济成本。
Description
技术领域
本发明涉及。技术领域,尤其涉及一种圆形零件几何尺寸参数视觉测量方法及系统。
背景技术
以及是否能够快速识别出良品与次品等都是非常重要且急需解决的问题。传统的检测手段以人工检测为主,对于零件上一些较小的孔径,人工的方法很难获得其准确的几何参数,另外对于检测生产后的零部件中的次品问题上,主要也以人工抽查的方法,这很大程度上取决于人工的主观因素和经验积累,这就造成了零件检测方面很难保质保量完成。
市面上的视觉检测系统搭载的算法主要针对大多数简单零部件的外部轮廓和较大孔径的尺寸识别和参数测量,而对一种零件的识别速度较慢,对较小孔径的识别比较模糊。
而机器视觉和图像处理技术经过不断地开发和研究应用越来越广泛,以其能实现多目标在线非接触测量的优点,在机械零部件几何参数测量领域得到了持续的研究与应用。
发明内容
为此,本发明提供一种圆形零件几何尺寸参数视觉测量方法及系统,用以克服现有技术中传统测量零件尺寸几何参数时人工效率低、容错率差以及市面上视觉测量系统速度慢、精度差的问题。
为实现上述目的,本发明提供圆形零件几何尺寸参数视觉测量系统,其主要组成部分有工业相机、镜头、图像采集卡、光源等,其中支架垂直安装在底部工作台的后方,工业相机固定在支架上,相机光轴垂直于工作台上的待测零件,光源照明方式为环绕照明,以避免直接照射带来的反光问题。零部件下方安装有黑色工作台,用以突出待测零件的特征区域。采集后的图像通过图像采集卡转换为数据传输到电脑中的特定软件中进行处理。
具体操作流程包括:相机标定、灰度转换、图像增强、滤波去噪、边缘提取、阈值分割、图元识别、算法对比、结果分析等。
一种以上述测量系统为基础的圆形零件几何尺寸参数视觉测量方法,包括:
步骤一、搭建图像几何参数测量系统并进行标定;
步骤二、采集图像后进行预处理,突出边缘部分像素;
步骤三、进行图元识别,确定各参数几何关系;
步骤四、使用传统算法和改进算法分别计算尺寸参数;
步骤五、对比两组实验数据,分析误差,汇总保存。
进一步地,以单目视觉技术为基础,使用张正友棋盘标定法进行标定,并消除畸变,相机标定采用张正友棋盘标定法;
标定的主要目的是消除相机及镜头产生的畸变、获得相机像素分辨率与物理世界尺寸之间的关系。
相机像素分辨率与物理世界尺寸之间的关系,由下式可知:
其中,Xw,Yw,Zw为世界坐标系下坐标,Zc为标定后相机焦点到待测零件的垂直距离,dx,dy为一个像素在x,y方向的物理尺寸,f为焦距,u,v为像素坐标系下坐标。
进一步地,图像预处理方法包括:灰度变换、滤波去噪、图像增强、边缘提取和阈值分割。
进一步地,图像畸变主要有两种:径向畸变和切向畸变;
径向畸变矫正公式为:
xdr=x(1+k1r2+k2r4+k3r6)
ydr=y(1+k1r2+k2r4+k3r6)
切向畸变矫正公式为:
xdt=x+[2p1xy+p2(r2+2x2)]
ydt=y+[p1(r2+2y2)+2p2xy]
其中,(x,y)是理想的无畸变的坐标,(xdr,Ydr)是畸变后图像像素点的坐标,而且,r2=x2+y2;
通过标定好的视觉系统采集图像,将采集后的RGB图像在软件中进行灰度变换,保存处理后的图像,进行下一步操作。
进一步地,所述滤波去噪,具体为:采用3×3最小统计排序滤波的方法,消除边缘灰度值较高像素对目标孔区域提取产生的干扰,即对零件内的像素灰度值进行最小值计算,将结果作为中心像素的灰度值。
进一步地,所述图像增强,具体为:使用图像反转突出边缘部分像素;
线性变换公式如下:
O(r,c)=a*I(r,c)+b,0≤r<H,0≤c<W
其中,输入图像为I,宽为W,高为H,输出图像记为0。
进一步地,所述边缘提取,具体为:使用Prewitt算子进行边缘检测,基于图像增强后的图像使用Prewitt算子进行边缘检测,Prewitt算子为:
Prewitt算子的定义为:
G(i)={[f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)]
-[f(i+1,j-1)f(i+1,j)+f(i+1,j+1)]}
G(j)={[f(i-1,j+1)+f(i,j+1)+f(i+1,j+1)]
-[f(i-1,j-1)f(i,j-1)+f(i+1,j-1)]}
进一步地,其特征在于,所述阈值分割,具体为:使用全局阈值分割方法对目标区域和背景进行分割,得到二值图像,全局阈值分割方法公式如下:
其中,f(x,y)为点(x,y)的像素值,g(x,y)为分割后的图像,T为全局阈值。
进一步地,各几何参数关系是利用图元的真圆度来确定,公式为:
其中,S为圆形面积:πr2,C为圆形周长:2πr;
在改进后的算法中,圆心定位公式为:
其中,目标孔区域大小为i×j,区域灰度值为Iij,中心坐标为(xc,yc);
通过改进后的算法计算并标记出圆形零件上各孔径几何尺寸参数和圆形零件外围轮廓几何尺寸参数;
对比传统算法取得的各几何参数,进行误差分析和数据统计保存。
与现有技术相比,本发明的有益效果在于,能够实现基于计算机视觉的圆形零件尺寸的自动计算,且与现有技术相比,本发明改进后的算法与传统算法相比检测速度、精度和稳定性均有提高,且误差满足中心提取精度(0.1~0.25)mm和尺寸测量精度(0.1~0.20)mm的要求。
附图说明
图1为本发明所述圆形零件几何尺寸参数视觉测量系统的结构示意图;
图2为本发明所述圆形零件几何尺寸参数视觉测量方法流程图;
图3为理想下正常图像效果;
图4为镜头在径向畸变下的图像效果;
图5为镜头在切向畸变下的图像效果;
图6为待测零件原图像;
图7为待测零件灰度变换图像;
图8为滤波去噪后的灰度图像;
图9为像素增强后的灰度图像;
图10为Prewitt算子进行边缘检测后的图像;
图11为传统算法中心提取图像;
图12为本发明系统算法中心提取图像。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明所述圆形零件几何尺寸参数视觉测量系统的结构示意图,包括:相机和镜头1、支架2、环形光源3和工作台4,其中,所述支架2与所述工作台4垂直相连,所述相机和镜头1和所述光源3安装在支架上,且相机光轴垂直于工作台上的待测零件,光源照明方式为环绕照明,以避免直接照射带来的反光问题。
搭建好视觉检测平台后,在零件图像测量前,需要对搭建的视觉平台进行标定。
得出相机的内参和外参数据,进行图像像素与物理尺寸的关系和畸变矫正。
请继续参阅图2,其为本发明所述圆形零件几何尺寸参数视觉测量方法流程图;本发明所述圆形零件几何尺寸参数视觉测量方法,包括:
步骤一、搭建图像几何参数测量系统并进行标定;
步骤二、采集图像后进行预处理,突出边缘部分像素;
步骤三、进行图元识别,确定各参数几何关系;
步骤四、使用传统算法和改进算法分别计算尺寸参数;
步骤五、对比两组实验数据,分析误差,汇总保存。
具体而言,以单目视觉技术为基础,使用张正友棋盘标定法进行标定,并消除畸变,相机标定采用张正友棋盘标定法;
标定的主要目的是消除相机及镜头产生的畸变、获得相机像素分辨率与物理世界尺寸之间的关系。
相机像素分辨率与物理世界尺寸之间的关系,由下式可知:
其中,Xw,Yw,Zw为世界坐标系下坐标,Zc为标定后相机焦点到待测零件的垂直距离,dx,dy为一个像素在x,y方向的物理尺寸,f为焦距,u,v为像素坐标系下坐标。
具体而言,图像预处理方法包括:灰度变换、滤波去噪、图像增强、边缘提取和阈值分割。
具体而言,图像畸变主要有两种:径向畸变和切向畸变;
径向畸变矫正公式为:
xdr=x(1+k1r2+k2r4+k3r6)
ydr=y(1+k1r2+k2r4+k3r6)
切向畸变矫正公式为:
xdt=x+[2p1xy+p2(r2+2x2)]
ydt=y+[p1(r2+2y2)+2p2xy]
其中,(x,y)是理想的无畸变的坐标,(xdr,ydr)是畸变后图像像素点的坐标,而且,r2=x2+y2;
通过标定好的视觉系统采集图像,将采集后的RGB图像在软件中进行灰度变换,保存处理后的图像,进行下一步操作。
具体而言,所述滤波去噪,具体为:采用3×3最小统计排序滤波的方法,消除边缘灰度值较高像素对目标孔区域提取产生的干扰,即对零件内的像素灰度值进行最小值计算,将结果作为中心像素的灰度值。
具体而言,所述图像增强,具体为:使用图像反转突出边缘部分像素;
线性变换公式如下:
O(r,c)=a*I(r,c)+b,0≤r<H,0≤c<W
其中,输入图像为I,宽为W,高为H,输出图像记为0。
具体而言,所述边缘提取,具体为:使用Prewitt算子进行边缘检测,基于图像增强后的图像使用Prewitt算子进行边缘检测,Prewitt算子为:
Prewitt算子的定义为:
G(i)={[f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)]
-[f(i+1,j-1)f(i+1,j)+f(i+1,j+1)]}
G(j)={[f(i-1,j+1)+f(i,j+1)+f(i+1,j+1)]
-[f(i-1,j-1)f(i,j-1)+f(i+1,j-1)]}
具体而言,其特征在于,所述阈值分割,具体为:使用全局阈值分割方法对目标区域和背景进行分割,得到二值图像,全局阈值分割方法公式如下:
其中,f(x,y)为点(x,y)的像素值,g(x,y)为分割后的图像,T为全局阈值。
具体而言,各几何参数关系是利用图元的真圆度来确定,公式为:
其中,S为圆形面积:πr2,C为圆形周长:2πr;
在改进后的算法中,圆心定位公式为:
其中,目标孔区域大小为i×j,区域灰度值为Iij,中心坐标为(xc,yc);
通过改进后的算法计算并标记出圆形零件上各孔径几何尺寸参数和圆形零件外围轮廓几何尺寸参数;
对比传统算法取得的各几何参数,进行误差分析和数据统计保存。
请继续参阅图3-图5,其中,图3为理想下正常图像效果,图4为镜头在径向畸变下的图像效果,图5为镜头在切向畸变下的图像效果。
请继续参阅图6-图12,其中,图6为待测零件原图像,图7为待测零件灰度变换图像,图8为滤波去噪后的灰度图像,图9为像素增强后的灰度图像,图10为Prewitt算子进行边缘检测后的图像,图11为传统算法中心提取图像,图12为本发明系统算法中心提取图像。
将待测零件放置在黑色工作台上,与相机镜头的光轴垂直,启动计算机视觉系统。
进一步的,对待测零件进行图像采集,获得清晰的零件原图像,如图6所示。
进一步的,对零件原图像进行灰度变换,如图7所示。
进一步的,使用灰度图像进行滤波去噪,去除图像中大多数的噪点,使待测图像更加清晰,如图8所示。
进一步的,由于滤波处理后图像中边缘部分变得模糊,对滤波图像的边缘部分像素增强,图像反色是常用的图像增强方法,如图9所示。
进一步的,增强后的图像使用Prewitt算子进行边缘检测,得到待测零件中外部轮廓和零件内部孔径的边缘图像,如图10所示。
进一步的,基于Prewitt算子提取的边缘图像进行阈值分割,采用全局阈值分割方法对目标区域和背景进行分割,得到二值图像。
对二值图像进行图元识别,确定图元类型后,以对应图元的特征参数公式来计算各参数的几何关系。
以传统的视觉识别算法为基础,对图像进行中心定位和边缘提取,获得各部位几何参数,中心提取图像为图11。
对获得的数据与实际数据对比,进行误差分析,保存数据,汇总为表1。
以本视觉系统改进后的算法为基础,对图像进行中心定位和边缘提取,获得各部位几何参数,中心提取图像为图12。
对获得的数据与实际数据对比,进行误差分析,保存数据,汇总为表2。
表1中心提取结果
表2尺寸测量结果
对比表1与表2可得,对于零部件中心的提取,传统方法的精度最大达到了0.153mm,平均精度0.466mm。改进后算法的精度最大达到了0.057mm,平均精度0.143mm。
较之于传统方法,改进后的视觉系统所测精度提高了69.3%。
对于零部件圆形孔半径的测量,传统方法的精度最大达到了0.073mm,平均精度0.259mm。改进后算法的精度最大达到了0.042mm,平均精度0.102mm。
较之于传统方法,改进后的视觉系统所测精度提高了60.6%。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种圆形零件几何尺寸参数视觉测量方法,其特征在于,包括:
步骤一、搭建图像几何参数测量系统并进行标定;
步骤二、采集图像后进行预处理,突出边缘部分像素;
步骤三、进行图元识别,确定各参数几何关系;
步骤四、使用传统算法和改进算法分别计算尺寸参数;
步骤五、对比两组实验数据,分析误差,汇总保存。
3.根据权利要求2所述的圆形零件几何尺寸参数视觉测量方法,其特征在于,图像预处理方法包括:灰度变换、滤波去噪、图像增强、边缘提取和阈值分割。
4.根据权利要求3所述的圆形零件几何尺寸参数视觉测量方法,其特征在于,图像畸变主要有两种:径向畸变和切向畸变;
径向畸变矫正公式为:
xdr=x(1+k1r2+k2r4+k3r6)
ydr=y(1+k1r2+k2r4+k3r6)
切向畸变矫正公式为:
xdt=x+[2p1xy+p2(r2+2x2)]
ydt=y+[p1(r2+2y2)+2p2xy]
其中,(x,y)是理想的无畸变的坐标,(xdr,ydr)是畸变后图像像素点的坐标,而且,r2=x2+y2;
通过标定好的视觉系统采集图像,将采集后的RGB图像在软件中进行灰度变换,保存处理后的图像,进行下一步操作。
5.根据权利要求4所述的圆形零件几何尺寸参数视觉测量方法,其特征在于,所述滤波去噪,具体为:采用3×3最小统计排序滤波的方法,消除边缘灰度值较高像素对目标孔区域提取产生的干扰,即对零件内的像素灰度值进行最小值计算,将结果作为中心像素的灰度值。
6.根据权利要求5所述的圆形零件几何尺寸参数视觉测量方法,其特征在于,所述图像增强,具体为:使用图像反转突出边缘部分像素;
线性变换公式如下:
O(r,c)=a*I(r,c)+b,0≤r<H,0≤c<W
其中,输入图像为I,宽为W,高为H,输出图像记为O。
10.一种圆形零件几何尺寸参数视觉测量系统,其特征在于,所述测量系统应用于权利要求1-9任一项所述的圆形零件几何尺寸参数视觉测量方法,包括:工业相机、镜头、图像采集卡、光源和支架,其中,所述支架垂直安装在底部工作台的后方,所述工业相机固定在所述支架上,相机光轴垂直于工作台上的待测零件,所述光源照明方式为环绕照明,以避免直接照射带来的反光问题;零部件下方设有黑色工作台,用以突出待测零件的特征区域;采集后的图像通过所述图像采集卡转换为数据传输到电脑中,由特定软件进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636177.2A CN112686920A (zh) | 2020-12-31 | 2020-12-31 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636177.2A CN112686920A (zh) | 2020-12-31 | 2020-12-31 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112686920A true CN112686920A (zh) | 2021-04-20 |
Family
ID=75456443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011636177.2A Pending CN112686920A (zh) | 2020-12-31 | 2020-12-31 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686920A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554688A (zh) * | 2021-06-21 | 2021-10-26 | 北京机械设备研究所 | 一种基于单目视觉的o型密封圈尺寸测量方法 |
CN114353702A (zh) * | 2021-12-06 | 2022-04-15 | 北京动力机械研究所 | 一种基于视觉检测的旋转开口调节面积测量装置 |
CN114383505A (zh) * | 2022-01-06 | 2022-04-22 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
CN114612565A (zh) * | 2022-05-12 | 2022-06-10 | 中建安装集团有限公司 | 基于双目视觉的预制构件定位方法及系统 |
CN114778547A (zh) * | 2022-04-01 | 2022-07-22 | 西南交通大学 | 一种基于图像处理的曲面零件表面粘贴质量的检测方法 |
CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能系统股份有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN114963981A (zh) * | 2022-05-16 | 2022-08-30 | 南京航空航天大学 | 一种基于单目视觉的筒状零件对接非接触式测量方法 |
CN115760860A (zh) * | 2023-01-05 | 2023-03-07 | 广东技术师范大学 | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 |
CN117132655A (zh) * | 2023-10-25 | 2023-11-28 | 江苏金旺智能科技有限公司 | 基于机器视觉的灌装桶口位置测量方法 |
CN114383505B (zh) * | 2022-01-06 | 2024-06-07 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573511A (zh) * | 2018-02-11 | 2018-09-25 | 湖南科技大学 | 点状分布合作编码标志及其识别定位方法 |
CN109741311A (zh) * | 2018-12-28 | 2019-05-10 | 西南交通大学 | 带伪边缘的铝合金熔焊背面熔宽检测方法 |
CN111862037A (zh) * | 2020-07-17 | 2020-10-30 | 华中科技大学无锡研究院 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
-
2020
- 2020-12-31 CN CN202011636177.2A patent/CN112686920A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573511A (zh) * | 2018-02-11 | 2018-09-25 | 湖南科技大学 | 点状分布合作编码标志及其识别定位方法 |
CN109741311A (zh) * | 2018-12-28 | 2019-05-10 | 西南交通大学 | 带伪边缘的铝合金熔焊背面熔宽检测方法 |
CN111862037A (zh) * | 2020-07-17 | 2020-10-30 | 华中科技大学无锡研究院 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
Non-Patent Citations (9)
Title |
---|
冯其强 等: "灰度加权质心法", 《数字工业摄影测量技术及应用》 * |
冯其强 等: "灰度加权质心法", 《数字工业摄影测量技术及应用》, 31 May 2013 (2013-05-31), pages 52 - 53 * |
刘煜 等: "《阵列相机成像技术与应用》", 30 April 2018, 国防科技大学出版社, pages: 17 * |
孙刘杰 等: "数字图像处理与分析 第4版", 北京航空航天大学出版社, pages: 109 - 111 * |
张晶: "线性变换", 《数字图像处理应用研究》 * |
张晶: "线性变换", 《数字图像处理应用研究》, 30 April 2019 (2019-04-30), pages 73 - 75 * |
李智超: "基于机器视觉的孔组直径测量技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技I辑(月刊)》, 15 September 2017 (2017-09-15), pages 9 - 12 * |
蔡利梅 等: "圆形度", 《数字图像处理》 * |
蔡利梅 等: "圆形度", 《数字图像处理》, 31 August 2014 (2014-08-31), pages 234 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554688B (zh) * | 2021-06-21 | 2024-03-26 | 北京机械设备研究所 | 一种基于单目视觉的o型密封圈尺寸测量方法 |
CN113554688A (zh) * | 2021-06-21 | 2021-10-26 | 北京机械设备研究所 | 一种基于单目视觉的o型密封圈尺寸测量方法 |
CN114353702A (zh) * | 2021-12-06 | 2022-04-15 | 北京动力机械研究所 | 一种基于视觉检测的旋转开口调节面积测量装置 |
CN114383505A (zh) * | 2022-01-06 | 2022-04-22 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
CN114383505B (zh) * | 2022-01-06 | 2024-06-07 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能系统股份有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN114821114B (zh) * | 2022-03-28 | 2024-04-30 | 南京业恒达智能系统有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN114778547A (zh) * | 2022-04-01 | 2022-07-22 | 西南交通大学 | 一种基于图像处理的曲面零件表面粘贴质量的检测方法 |
CN114612565A (zh) * | 2022-05-12 | 2022-06-10 | 中建安装集团有限公司 | 基于双目视觉的预制构件定位方法及系统 |
CN114963981A (zh) * | 2022-05-16 | 2022-08-30 | 南京航空航天大学 | 一种基于单目视觉的筒状零件对接非接触式测量方法 |
CN114963981B (zh) * | 2022-05-16 | 2023-08-15 | 南京航空航天大学 | 一种基于单目视觉的筒状零件对接非接触式测量方法 |
CN115760860B (zh) * | 2023-01-05 | 2023-04-11 | 广东技术师范大学 | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 |
CN115760860A (zh) * | 2023-01-05 | 2023-03-07 | 广东技术师范大学 | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 |
CN117132655A (zh) * | 2023-10-25 | 2023-11-28 | 江苏金旺智能科技有限公司 | 基于机器视觉的灌装桶口位置测量方法 |
CN117132655B (zh) * | 2023-10-25 | 2024-01-26 | 江苏金旺智能科技有限公司 | 基于机器视觉的灌装桶口位置测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
WO2017020829A1 (zh) | 解像力测试方法和解像力测试装置 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN110298840B (zh) | 一种基于图像的纱线缺陷检测方法 | |
CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
CN107796826B (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN116993744B (zh) | 一种基于阈值分割的焊缝缺陷检测方法 | |
CN116468687A (zh) | 划伤缺陷检测方法、装置及存储介质、电子设备 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN112014407A (zh) | 一种集成电路晶圆表面缺陷检测的方法 | |
CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN114688969A (zh) | 一种光学镜片尺寸检测装置及方法 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN114485433A (zh) | 基于伪随机散斑的三维测量系统、方法及装置 | |
CN109215068B (zh) | 图像放大率测量方法及装置 |
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 |