CN113240636B - 表面waviness智能检测方法、系统、存储介质和终端设备 - Google Patents

表面waviness智能检测方法、系统、存储介质和终端设备 Download PDF

Info

Publication number
CN113240636B
CN113240636B CN202110499062.1A CN202110499062A CN113240636B CN 113240636 B CN113240636 B CN 113240636B CN 202110499062 A CN202110499062 A CN 202110499062A CN 113240636 B CN113240636 B CN 113240636B
Authority
CN
China
Prior art keywords
image
calibration
phase
detection
images
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
CN202110499062.1A
Other languages
English (en)
Other versions
CN113240636A (zh
Inventor
刘宇琛
谷孝东
骆聪
王俊辉
翁海峰
赵顺顺
曹葵康
孙继忠
周明
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.)
Tztek Technology Co Ltd
Original Assignee
Tztek Technology 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 Tztek Technology Co Ltd filed Critical Tztek Technology Co Ltd
Priority to CN202110499062.1A priority Critical patent/CN113240636B/zh
Publication of CN113240636A publication Critical patent/CN113240636A/zh
Application granted granted Critical
Publication of CN113240636B publication Critical patent/CN113240636B/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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • 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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2545—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object with one projection direction and several detection directions, e.g. stereo
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

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

Abstract

本发明提供了一种表面waviness智能检测方法、系统、存储介质和终端设备，方法包括系统标定及透视校正、产品检测。产品检测包括产品图像采集、解相位、三维重建和曲率计算、以及测量项获取，根据不同的测量项取产品对应区域的曲率值进行运算，获得一个与测量项相对应的测量值，当测量值大于该测量项设定的阈值时，判定该项NG。本发明的waviness量检测方法和系统，方法实现了系统的标定以及倾斜图像的校正，尤其针对镜面或镜面类3C产品的表面waviness量检测效果更佳，提高了检测的准确性；系统结构简单，可适应不同规格镜面/类镜面3C产品的表面waviness的精确量检测。

Description

表面waviness智能检测方法、系统、存储介质和终端设备
技术领域
本发明涉及基于图像数据处理的量检测技术，具体涉及一种镜面产品的表面waviness智能检测方法、系统、存储介质和终端设备，可广泛应用于3C产品、半导体硅片等领域的量检测中。
背景技术
随着3C产品(计算机-Computer、通信-Communication和消费类电子产品-Consumer Electronics)的普及以及半导体产品的应用推广，产品表面的waviness的量检测显得越来越重要。
然而，现有的检测设备或系统，存在结构复杂，不宜调整，且适应的待测件单一等问题。其次，对于镜面类产品的表面waviness量检测，由于受到系统自身参数变化和透视倾斜图像的影像，使得量检测效果不佳。
因此，亟需一个高效、结构简单且能调整的量检测系统。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种表面waviness智能检测方法、系统、存储介质和终端设备，其能解决上述问题。
一种表面waviness智能检测方法，所述智能检测方法包括：
S1、系统标定及透视校正，通过灰度值计算均值并借助棋盘格标定板对系统进行Gamma标定、内参标定、外参标定以及透视校正；
S2、产品检测，通过步骤S1标定及透视矫正后的系统进行产品检测，具体包括：
S21产品图像采集，根据解相位检测法投影条纹图像并采集产品反射的条纹图像；
S22解相位，利用步骤S21采集的条纹图像进行相位计算，每个相机生产2张相位图，两台相机生产4张相位图；
S23三维重建和曲率计算，根据标定的结果和解相位得到的相位图，重建得到被测产品表面的三维高度信息，并且根据重建出的高度进行曲率计算得到被测产品表面的曲率数据；
S24测量项获取，根据不同的测量项取产品对应区域的曲率值进行运算，获得一个与测量项相对应的测量值，当测量值大于该测量项设定的阈值时，判定该项NG。
优选的，步骤S1包括：
S11、Gamma标定，先获取检测系统的Gamma值，再通过Gamma值对显示器投影的图像进行校正，以此使得相机采集的条纹图像的光强分布符合正弦函数；
S12、内参标定、外参标定以及透视校正，首先采用棋盘格标定板对系统的内参、外参进行标定，再将相机采集的倾斜视角的图像进行透视校正，从而将倾斜视角的图像转换为正视的图像，便于观察和处理。
本发明还提供了一种表面waviness智能检测系统，包括检测台座、光源投影模组和图像光学采集模组，在所述检测台座的上表面上水平的并排设置多个检测载台，所述光源投影模组角度可调的设置在多个所述检测载台上方，且光源投影模组投射的多频条纹图覆盖所述检测载台；所述图像光学采集模组角度和间距可调的设置在多个所述检测载台上方，且与所述光源投影模组邻接设置；系统使用前述方法通过投影和采集条纹图像计算曲率实现对于待测镜面产品表面waviness的量检测。
本发明还提供了一种计算机可读存储介质，其中存储有计算机指令，所述计算机指令适于由终端设备的处理器加载并执行前述的智能检测方法。
本发明还提供了一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条计算机指令，所述计算机指令适于由处理器加载并执行前述的智能检测方法。
相比现有技术，本发明的有益效果在于：本发明的waviness量检测方法和系统，方法实现了系统的标定以及倾斜图像的校正，尤其针对镜面或镜面类3C产品的表面waviness量检测效果更佳，提高了检测的准确性；系统结构简单，可适应不同规格镜面/类镜面3C产品的表面waviness的精确量检测。
附图说明
图1为Gamma值获取时投影的50张纯色灰度图；
图2为Gamma校正前后条纹对比示意图；
图3为棋盘格标定板示意图；
图4为内参标定时采集的多张棋盘格图像；
图5为投影的多张多频条纹图；
图6为采集的多频条纹图；
图7左相机透视校正图像示意图；
图8为曲率图透视校正前后的效果图；
图9为采用多频解相位获得两张相位图的示意图；
图10为产品检测时投影的条纹图和Mark点图；
图11为产品检测时左相机采集的产品图像；
图12为产品检测时右相机采集的产品图像；
图13为根据图11的图像进行单频解相位得到的两张相位图；
图14位根据图12的图像进行单频解相位得到的两张相位图；
图15为部分产品的曲率图和原图；
图16为表面waviness智能检测方法流程示意图；
图17为表面waviness智能检测系统结构示意图。
图中，1、测台座；2、光源投影模组；3、图像光学采集模组；10、检测载台；20、底座；30、防滑地脚。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
Waviness：本申请中的waviness不仅仅指波纹度，还可如平面度等镜面类待测件的表面特征，具体的量检测项目包括波纹面或平面上的关键尺寸测量以及瑕疵的检测、分类等。
第一实施例
一种表面waviness智能检测方法，参见图16，智能检测方法包括以下步骤。
S1、系统标定及透视校正，通过灰度值计算均值并借助棋盘格标定板对系统进行Gamma标定、内参标定、外参标定以及透视校正；
S2、产品检测，通过步骤S1标定及透视矫正后的系统进行产品检测。
步骤S1包括：
①S11、Gamma标定，先获取检测系统的Gamma值，再通过Gamma值对显示器投影的图像进行校正，以此使得相机采集的条纹图像的光强分布符合正弦函数。Gamma值的标定包括：
S111、Gamma值的获取，利用显示器和相机依次投影并采集灰度间隔为5、灰度范围为0～255的50张8bit纯色图像，对采集到的每张图像灰度值分别求平均，获得50个灰度值，根据投影纯色图像的灰度值和50个平均灰度值计算出gamma值；示意图如图1所示。
S112、生成Gamma校正后的条纹图，根据相移的步数、条纹的周期以及Gamma值，生成经过Gamma校正的条纹图，以供之后外参标定和样品检测所需的多频解相位和单频解相位使用。
经Gamma校正前后条纹对比示意图参见图2。
②S12、内参标定、外参标定以及透视校正，首先采用棋盘格标定板(参见图3)对系统的内参、外参进行标定，再将相机采集的倾斜视角的图像进行透视校正，从而将倾斜视角的图像转换为正视的图像，便于观察和处理。
该样机对产品waviness的检测是以样品表面的曲率值为基础的，而曲率值的计算是以系统的内参、外参为基础的，因此首先需要对系统的内参、外参进行标定；透视校正是为了倾斜视角的图像(相机并非正对样品拍摄，而是以一定角度倾斜拍摄)转换为正视的图像，便于观察和处理。
系统的标定利用棋盘格标定板实现，与一般的棋盘格标定板不同的是，该方法所用的棋盘格表面是镜面而非散射面。
具体的，步骤S12包括：
a.内参标定图像采集，将棋盘格标定板放在相机视场中的不同位置，以不同的角度倾斜并拍摄若干张图像(参见图4)，图像要求棋盘格黑白分明、角点清晰，提取图像中棋盘格的角点，并根据角点在图像中的坐标和棋盘格的实际尺寸计算出相机镜头的内参。
内参标定部分是为了获得每一组相机镜头的内参和畸变参数，需要对每台相机单独进行图像采集。
b.外参标定图像采集，外参标定部分是为了获得相机到参考平面、显示器到参考平面的空间位置关系。具体的，用两台相机同时采集显示器投影的32张多频条纹图(参见图5投影的多频条纹图和图6采集的多频条纹图)；提取图像中棋盘格的角点位置，并根据棋盘格的实际尺寸计算出相机到参考平面(棋盘格表面所在平面)的空间位置关系；同时，利用相移法原理和多频条纹图像解相位(参见图9的32张多频条纹图解相位获得的两张相位图)，并由此确定显示器到参考平面的空间位置关系。
一个示例中，外参标定时，先将棋盘格标定板平放在两片样品固定位置的中间，棋盘格的横竖线方向与相机的像素排布方向平行，用显示器投影包括16张水平条纹和16张竖直条纹的32张条纹图，同时触发两相机同步采集条纹图像，每台相机采集32张。
c.透视校正图像采集，透视校正部分是为了将倾斜视角拍摄的样品图像校正为正视样品视角的图像，以便后续的计算处理，需要用两台相机分别采集1张透视校正图像。
具体的，将棋盘格标定板放置在相机的视场中心(参见图7)，棋盘格的横竖线方向与相机的像素排布方向平行，两台相机分别采集1张图像，对比棋盘格标定板进行校正计算，获得透视校正图像(参见图8透视校正前后效果图)；
d.标定结果计算，计算a-c采集的图像得到包含内参、外参、透视校正的参数矩阵的标定文件，后续的三维重建及曲率计算会用到标定文件里的参数。
至此，完成对系统的标定和透视校正。
步骤S2具体包括：
S21产品图像采集，根据解相位检测法投影条纹图像并采集产品反射的条纹图像；参见图10的产品检测时投影的条纹图和Mark点图。相应的示例为：采用单频解相位法，用显示器投影4张水平条纹、4张竖直条纹和1张Mark点图，通过单频解相位获得相位图。
说明：为了确保CT，需要缩短采集图像的时间，所以采用单频解相位的方案来检测样品(多频解相位需要采集32张图，而单频解相位仅需要1+8＝9张)，因此样品检测所用的投影图像为8张条纹图(包括4张水平条纹图和4张竖直条纹图，取自标定时所投32张条纹图中条纹最细的8张)和1张Mark点图。
图像的采集方法与外参标定图像采集类似，用显示器投影1张Mark点图和8张条纹图，并同时触发两相机同步采集。
左相机采集的产品图像如图11所示，右相机采集的产品图像如图12所示。
S22解相位，利用步骤S21采集的条纹图像进行相位计算，每个相机生产2张相位图，两台相机生产4张相位图。优选示例中，单频解相位利用采集到的8张条纹图和1张Mark点图实现相位的计算，得到2张相位图(每台相机采集9张图，生成2张相位图，两台相机共生成4张相位图，参见图13为根据图11左相机采集的产品图像解相位获得的两张相位图，参见图14为根据图12右相机采集的产品图像解相位获得的两张相位图。
S23三维重建和曲率计算，根据标定的结果和解相位得到的相位图，重建得到被测产品表面的三维高度信息，并且根据重建出的高度进行曲率计算得到被测产品表面的曲率数据；参见图15获得的部分样品的曲率图和原图。
S24测量项获取，根据不同的测量项取产品对应区域的曲率值进行运算(求均值/极差/标准差等运算)，获得一个与测量项相对应的测量值，当测量值大于该测量项设定的阈值时，判定该项NG。
第二实施例
一种表面waviness智能检测系统，参见图17，包括检测台座1、光源投影模组2和图像光学采集模组3，在所述检测台座1的上表面上水平的并排设置多个检测载台10，所述光源投影模组2角度可调的设置在多个所述检测载台10上方，且光源投影模组2投射的多频条纹图覆盖所述检测载台10；所述图像光学采集模组3角度和间距可调的设置在多个所述检测载台10上方，且与所述光源投影模组2邻接设置；系统使用上述实施列中任一项所述的方法通过投影和采集条纹图像计算曲率实现对于待测镜面产品表面waviness的检测。
对于整个系统，优选示例中采用四个相机镜头组件和四个载物台，以此同时完成对四个待测件的检测，以提高效率。当然，也可以采用其他偶数个数，此处不再详列，本领域技术人员能够根据本方案想到且实施即可。
检测台座1包括多个检测载台10、底座20和位于底座20底面的多个防滑地脚30；多个所述检测载台10位置可调的设置在所述底座20上表面离后边缘1/4～1/2的宽度距离。
第三实施例
一种计算机可读存储介质，其中存储有计算机指令，所述计算机指令适于由终端设备的处理器加载并执行第一实施例所述智能检测方法。
其中，所述方法请参见前述部分的详细介绍，此处不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
第四实施例
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条计算机指令，所述计算机指令适于由处理器加载并执行第一实施例所述智能检测方法以实现对镜面产品的表面waviness量检测。其中，所述方法请参见前述部分的详细介绍，此处不再赘述。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种表面waviness智能检测方法，其特征在于，所述智能检测方法包括：
S1、系统标定及透视校正，通过灰度值计算均值并借助棋盘格标定板对系统进行Gamma标定、内参标定、外参标定以及透视校正，具体包括：
S11、Gamma标定，利用显示器和相机依次投影并采集灰度间隔为5、灰度范围为0～255的50张8bit纯色图像，对采集到的每张图像灰度值分别求平均，获得50个灰度值，根据投影纯色图像的灰度值和50个平均灰度值计算出Gamma值，并根据相移的步数、条纹的周期以及Gamma值，生成经过Gamma校正的条纹图，以供之后外参标定和样品检测所需的多频解相位和单频解相位使用，以此使得相机采集的条纹图像的光强分布符合正弦函数；
S12、内参标定、外参标定以及透视校正，首先采用棋盘格标定板对系统的内参、外参进行标定，再将相机采集的倾斜视角的图像进行透视校正，从而将倾斜视角的图像转换为正视的图像，便于观察和处理； S2、产品检测，通过步骤S1标定及透视矫正后的系统进行产品检测，具体包括：
S21、产品图像采集，根据解相位检测法投影条纹图像并采集产品反射的条纹图像；
S22、解相位，利用步骤S21采集的条纹图像进行相位计算，每个相机生产2张相位图，两台相机生产4张相位图；
S23三维重建和曲率计算，根据标定的结果和解相位得到的相位图，重建得到被测产品表面的三维高度信息，并且根据重建出的高度进行曲率计算得到被测产品表面的曲率数据；
S24测量项获取，根据不同的测量项取产品对应区域的曲率值进行运算，获得一个与测量项相对应的测量值，当测量值大于该测量项设定的阈值时，判定该测量值无效。
2.根据权利要求1所述的智能检测方法，其特征在于，步骤S12包括：
a.内参标定图像采集，将棋盘格标定板放在相机视场中的不同位置，以不同的角度倾斜并拍摄若干张图像，提取图像中棋盘格的角点，并根据角点在图像中的坐标和棋盘格的实际尺寸计算出相机镜头的内参；
b.外参标定图像采集，用两台相机同时采集显示器投影的32张多频条纹图；提取图像中棋盘格的角点位置，并根据棋盘格的实际尺寸计算出相机到参考平面的空间位置关系；同时，利用相移法原理和多频条纹图像解相位，并由此确定显示器到参考平面的空间位置关系；
c.透视校正图像采集，将棋盘格标定板放置在相机的视场中心，棋盘格的横竖线方向与相机的像素排布方向平行，两台相机分别采集1张图像，对比棋盘格标定板进行校正计算，获得透视校正图像；
d.标定结果计算，计算步骤a-c采集的图像得到包含内参、外参、透视校正的参数矩阵的标定文件。
3.根据权利要求2所述的智能检测方法，其特征在于：在步骤S12的步骤b中，外参标定时，先将棋盘格标定板平放在两片样品固定位置的中间，棋盘格的横竖线方向与相机的像素排布方向平行，用显示器投影包括16张水平条纹和16张竖直条纹的32张条纹图，同时触发两相机同步采集条纹图像，每台相机采集32张。
4.根据权利要求1所述的智能检测方法，其特征在于：在步骤S2中，采用单频解相位法，用显示器投影4张水平条纹、4张竖直条纹和1张Mark点图，通过单频解相位获得相位图。
5.一种表面waviness智能检测系统，其特征在于，包括：
检测台座，所述检测台座的上表面上水平的并排设置多个检测载台，用于采用棋盘格标定板对系统的内参、外参进行标定；
光源投影模组，所述光源投影模组角度可调的设置在多个所述检测载台上方，且光源投影模组投射的多频条纹图覆盖所述检测载台，用于利用显示器和相机依次投影以生成灰度间隔为5、灰度范围为0～255的50张8bit纯色图像；
图像光学采集模组(3)，所述图像光学采集模组(3)角度和间距可调的设置在多个所述检测载台(10)上方，且与所述光源投影模组(2)邻接设置，用于对采集到的每张图像灰度值分别求平均，获得50个灰度值，根据投影纯色图像的灰度值和50个平均灰度值计算出Gamma值，并根据相移的步数、条纹的周期以及Gamma值，生成经过Gamma校正的条纹图，并根据解相位检测法投影条纹图像并采集产品反射的条纹图像，使用集的条纹图像进行相位计算，每个相机生产2张相位图，两台相机生产4张相位图，根据标定的结果和解相位得到的相位图，重建得到被测产品表面的三维高度信息，并且根据重建出的高度进行曲率计算得到被测产品表面的曲率数据，同时根据不同的测量项取产品对应区域的曲率值进行运算，获得一个与测量项相对应的测量值，当测量值大于该测量项设定的阈值时，判定该测量值无效。
6.一种计算机可读存储介质，其中存储有计算机指令，其特征在于，所述计算机指令适于由终端设备的处理器加载并执行权利要求1-4任一项所述智能检测方法。
7.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条计算机指令，其特征在于：所述计算机指令适于由处理器加载并执行权利要求1-4任一项所述智能检测方法。
CN202110499062.1A 2021-05-08 2021-05-08 表面waviness智能检测方法、系统、存储介质和终端设备 Active CN113240636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110499062.1A CN113240636B (zh) 2021-05-08 2021-05-08 表面waviness智能检测方法、系统、存储介质和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110499062.1A CN113240636B (zh) 2021-05-08 2021-05-08 表面waviness智能检测方法、系统、存储介质和终端设备

Publications (2)

Publication Number Publication Date
CN113240636A CN113240636A (zh) 2021-08-10
CN113240636B true CN113240636B (zh) 2022-06-21

Family

ID=77132572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110499062.1A Active CN113240636B (zh) 2021-05-08 2021-05-08 表面waviness智能检测方法、系统、存储介质和终端设备

Country Status (1)

Country Link
CN (1) CN113240636B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103487441A (zh) * 2013-09-24 2014-01-01 电子科技大学 一种用于硅晶片缺陷检测和面形测量的方法
CN104573635A (zh) * 2014-12-17 2015-04-29 华南理工大学 一种基于三维重建的微小高度识别方法
CN106197321A (zh) * 2016-07-06 2016-12-07 太原科技大学 基于红蓝棋盘格标定板的投影仪标定方法
CN107131847A (zh) * 2017-06-15 2017-09-05 宁波九纵智能科技有限公司 一种可应用于3d曲面玻璃面形检测的测量装置及方法
CN107144579A (zh) * 2017-07-03 2017-09-08 苏州康鸿智能装备股份有限公司 一种3d曲面玻璃屏外观缺陷检测设备
CN107192717A (zh) * 2017-04-26 2017-09-22 深圳市计量质量检测研究院 一种物体近似平坦表面的三维缺陷检测方法及装置
CN111121664A (zh) * 2019-12-18 2020-05-08 南京理工大学 一种类干涉镜面面型检测方法
CN111256628A (zh) * 2020-01-21 2020-06-09 浙江清华柔性电子技术研究院 墙面平整度检测方法、装置、计算机设备和存储介质
CN111257338A (zh) * 2020-02-14 2020-06-09 易思维（杭州）科技有限公司 镜面、类镜面物体表面缺陷检测方法
CN111353997A (zh) * 2019-04-11 2020-06-30 南京理工大学 一种基于条纹投影的实时三维面型缺陷检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654391B (zh) * 2012-01-17 2014-08-20 深圳大学 基于光束平差原理的条纹投影三维测量系统及其标定方法
US20180231508A1 (en) * 2017-02-10 2018-08-16 Olympus Scientific Solutions Americas Inc. Ultrasonic inspection configuration with beam overlap verification
US20180322623A1 (en) * 2017-05-08 2018-11-08 Aquifi, Inc. Systems and methods for inspection and defect detection using 3-d scanning
CN112529794A (zh) * 2020-11-30 2021-03-19 深圳市智能机器人研究院 高动态范围结构光三维测量方法、系统及介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103487441A (zh) * 2013-09-24 2014-01-01 电子科技大学 一种用于硅晶片缺陷检测和面形测量的方法
CN104573635A (zh) * 2014-12-17 2015-04-29 华南理工大学 一种基于三维重建的微小高度识别方法
CN106197321A (zh) * 2016-07-06 2016-12-07 太原科技大学 基于红蓝棋盘格标定板的投影仪标定方法
CN107192717A (zh) * 2017-04-26 2017-09-22 深圳市计量质量检测研究院 一种物体近似平坦表面的三维缺陷检测方法及装置
CN107131847A (zh) * 2017-06-15 2017-09-05 宁波九纵智能科技有限公司 一种可应用于3d曲面玻璃面形检测的测量装置及方法
CN107144579A (zh) * 2017-07-03 2017-09-08 苏州康鸿智能装备股份有限公司 一种3d曲面玻璃屏外观缺陷检测设备
CN111353997A (zh) * 2019-04-11 2020-06-30 南京理工大学 一种基于条纹投影的实时三维面型缺陷检测方法
CN111121664A (zh) * 2019-12-18 2020-05-08 南京理工大学 一种类干涉镜面面型检测方法
CN111256628A (zh) * 2020-01-21 2020-06-09 浙江清华柔性电子技术研究院 墙面平整度检测方法、装置、计算机设备和存储介质
CN111257338A (zh) * 2020-02-14 2020-06-09 易思维（杭州）科技有限公司 镜面、类镜面物体表面缺陷检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Selection of Filter Methods in the Analysis and Measured of Geometry and Surface Roughness;A.V. Kochetkov 等;《2020 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon)》;20201208;全文 *
基于条纹反射法的镜面物体表面缺陷无损检测技术研究;程洁;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20200228(第2期);全文 *
镜面无损检测系统;尹燕萍 等;《半导体光电》;20001231(第6期);全文 *

Also Published As

Publication number Publication date
CN113240636A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
US7986321B2 (en) System and method for generating structured light for 3-dimensional image rendering
CN106017325B (zh) 一种改进的复杂表面和不规则物体体积的非接触光学测量方法
JP5757950B2 (ja) 非接触物体測定
US9704232B2 (en) Stereo vision measurement system and method
CN104006765B (zh) 单幅载频干涉条纹相位提取方法及检测装置
US20100315422A1 (en) Method and apparatus for surface contour mapping
Li et al. Lens distortion elimination for improving measurement accuracy of fringe projection profilometry
CN104075659B (zh) 一种基于rgb结构光源的三维成像识别方法
CN109697736B (zh) 测量系统的标定方法、装置、电子设备及可读存储介质
WO2016145582A1 (zh) 相位偏移校准方法、3d形状检测的方法、系统及投影系统
CN114526692B (zh) 一种基于离焦度解包裹的结构光三维测量方法及装置
CN107192717A (zh) 一种物体近似平坦表面的三维缺陷检测方法及装置
Wu et al. Analysis and reduction of the phase error caused by the non-impulse system psf in fringe projection profilometry
CN111047650A (zh) 一种用于飞行时间相机的参数标定方法
CN113074667B (zh) 基于标志点的全局绝对相位对齐方法、存储介质和系统
CN113240636B (zh) 表面waviness智能检测方法、系统、存储介质和终端设备
CN116559179B (zh) 一种反光表面形貌与缺陷检测方法及其系统
Chen et al. Dynamic 3D surface profilometry using a novel colour pattern encoded with a multiple triangular model
CN109040724B (zh) 一种结构光投影器的光斑畸变检测方法、装置及可读存储介质
CN112504240A (zh) 一种激光投线仪校准系统及校准方法
CN114136236A (zh) 一种结合极线约束的相位轮廓自适应投影测量方法
Berssenbrügge et al. Characterization of the 3D resolution of topometric sensors based on fringe and speckle pattern projection by a 3D transfer function
Schoenleber et al. Fast and flexible shape control with adaptive LCD fringe masks
CN111006599A (zh) 基于像素光栅和计算机视觉的物体表面微尺度测量方法
CN113983951B (zh) 三维目标的测量方法、装置、影像仪及存储介质

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