CN113310426A - 一种基于三维轮廓的螺纹参数测量方法及系统 - Google Patents
一种基于三维轮廓的螺纹参数测量方法及系统 Download PDFInfo
- Publication number
- CN113310426A CN113310426A CN202110529419.6A CN202110529419A CN113310426A CN 113310426 A CN113310426 A CN 113310426A CN 202110529419 A CN202110529419 A CN 202110529419A CN 113310426 A CN113310426 A CN 113310426A
- Authority
- CN
- China
- Prior art keywords
- thread
- dimensional
- image
- profile
- parameters
- 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.)
- Withdrawn
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
- G01B11/2425—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures of screw-threads
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于三维轮廓的螺纹参数测量方法及系统,该螺纹参数测量方法包括以下步骤:获取多张螺纹件不同角度的螺纹二维轮廓图像;对每张螺纹二维轮廓图像进行预处理;对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。本发明检测准确性高,操作简单,且成本低。
Description
技术领域
本发明属于自动化精密机械测量技术领域,具体涉及一种基于三维轮廓的螺纹参数测量方法及系统。
背景技术
目前市场上高精度螺纹质量检测的主要方法是螺纹环规或塞规、用螺纹千分尺测量、用齿厚游标卡尺测量、三针测量法、双针测量法。这些检测方法虽然检测精度高,但检测效率低下,劳动强度大,不能快速对高精度螺纹质量进行有效的控制。
而现有的智能化螺纹检测方式是基于对螺纹拍摄的平面图像,只能局部检测,由于定位误差、图像采集误差等原因,对单幅二维图片进行测量得到的数据并不能真实反映螺纹三维轮廓的参数,造成测量精度差。
发明内容
为了解决上述技术问题,本发明提出了一种基于三维轮廓的螺纹参数测量方法及系统。
为了达到上述目的,本发明的技术方案如下:
一方面,本发明公开一种基于三维轮廓的螺纹参数测量方法,包括以下步骤:
获取多张螺纹件不同角度的螺纹二维轮廓图像;
对每张螺纹二维轮廓图像进行预处理;
对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;
根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;
将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。
在上述技术方案的基础上,还可做如下改进:
作为优选的方案,对多张螺纹二维轮廓图像进行预处理包括进行灰度化处理和/或降噪处理。
作为优选的方案,采用双边滤波算法对多张螺纹二维轮廓图像进行降噪处理。
作为优选的方案,对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测具体包括以下步骤:
A1)通过Canny算子检测图像边缘轮廓,得到螺纹的二维轮廓图像;
A2)采用霍夫变换线检测方法检测二维轮廓图像中存在的直线;
A3)滤掉多余直线线段,筛选出螺纹两侧牙型轮廓的直线段。
作为优选的方案,根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数,具体包括以下步骤:
B1)根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,分别计算出螺纹左轮廓与右轮廓的中径线、大径线和小径线;
B2)利用左、右轮廓的直线距离计算出螺纹的中径、大径和小径;
B3)通过计算牙顶像素的距离计算螺纹的螺距。
作为优选的方案,采用CCD摄像头获取多张螺纹件不同角度的螺纹二维轮廓图像。
作为优选的方案,在获取多张螺纹件的螺纹二维轮廓图像前,对摄像头参数进行标定。
另一方面,本发明公开一种基于三维轮廓的螺纹参数测量系统,包括:
图像采集装置,用于获取多张螺纹件不同角度的螺纹二维轮廓图像;
图像预处理装置,用于对每张螺纹二维轮廓图像进行预处理;
图像边缘轮廓检测装置,用于对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;
螺纹参数计算装置,用于根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;
三维轮廓参数合成装置,用于将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。
作为优选的方案,图像采集装置为CCD摄像头。
与现有技术相比,本发明一种基于三维轮廓的螺纹参数测量方法及系统具有以下有益效果:在采用非接触的情况下,可以有效地补偿二维测量中由于工件定位、图像畸变等问题导致的误差、提高检测的准确性,使测量系统的自动化水平以及测量精度等进一步提高,还能够简单操作,降低成本。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的基于三维轮廓的螺纹参数测量方法的流程图。
图2为本发明实施例提供的基于三维轮廓的螺纹参数测量系统中螺纹件、电机和CCD摄像头的结构示意图。
图3为本发明实施例提供的点阵标定板的结构示意图。
图4为本发明实施例提供的高斯滤波后进行边缘提取的效果图。
图5为本发明实施例提供的双边滤波后进行边缘提取的效果图。
图6为本发明实施例提供的中径计算算法流程图。
图7为本发明实施例提供的满足要求的线段组图。
其中:1-螺纹件、2-电机,3-CCD摄像头。
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动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。
“包括”元件的表述是“开放式”表述,该“开放式”表述仅仅是指存在对应的部件,不应当解释为排除附加的部件。
为了达到本发明的目的,一种基于三维轮廓的螺纹参数测量方法及系统的其中一些实施例中,如图1所示,一种基于三维轮廓的螺纹参数测量方法,包括以下步骤:
获取多张螺纹件不同角度的螺纹二维轮廓图像;
对每张螺纹二维轮廓图像进行预处理;
对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;
根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;
将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。
值得注意的是,在一些实施例中,对于合成处理可采用简单的线性加权方法,具体见以下公式:
其中,p表示螺纹的三维轮廓参数;
pi表示是第i张螺纹二维轮廓图像所得到的螺纹参数(例如:中径、大径、小径、螺距、牙型角、牙侧角等等);
n表示的是螺纹二维轮廓图像所得到的螺纹参数的数量。
当然,本发明并不局限于该合成方法,也可以采用其他合成方法。
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,对多张螺纹二维轮廓图像进行预处理包括进行灰度化处理和/或降噪处理。
进一步,采用双边滤波算法对多张螺纹二维轮廓图像进行降噪处理。
一般情况下,图像中的噪声是多种噪声的叠加,如果处理不当,会使图像边缘变得模糊。传统的信号降噪技术有线性滤波、低通滤波、维纳滤波等。而双边滤波是一种典型的非线性滤波方法,相比于线性滤波方法来说,双边滤波的好处是可以进行边缘保存,保证图像边缘不被模糊化,方便后续的边缘检测操作。其主要思想是在高斯滤波的基础上加入了像素值权重项,也就是说既要考虑距离因素,也要考虑像素值差异的影响,像素值越相近,权重越大。
假设图像I在坐标点p=(x,y)的灰度值为Ip,滤波后得到的图像在坐标p的灰度值为BF,q=(u,v)为中心像素p的邻域像素点,q点的灰度值为Iq,定义像素值权重Gr和空间距离权重Gs如下:
其中,σs是基于高斯函数的距离标准差,σr是基于高斯函数的灰度标准差。那么整个滤波结果可以表示为:
其中Wq为滤波窗口内每个像素值的权重和,用于权重的归一化。
如图4所示,高斯滤波后得到的边缘图线有少部分模糊造成的断裂,而双边滤波后得到的图像则没有这个问题,如图5所示。
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测具体包括以下步骤:
A1)通过Canny算子检测图像边缘轮廓,得到螺纹的二维轮廓图像;
A2)采用霍夫变换线检测方法检测二维轮廓图像中存在的直线;
A3)过滤掉多余直线线段,筛选出螺纹两侧牙型轮廓的直线段。
通过Canny算子检测图像边缘轮廓的具体内容如下:
首先利用Canny算子检测整像素的边缘位置l0,再计算像素点附件灰度函数E(x,y)的梯度函数F(x,y),表达式为:
在x轴方向上分别取三点(x-1,y),(x,y),(x+1,y),将三点分别对应的梯度函数值代入到插值函数:
采用霍夫变换线检测方法检测二维轮廓图像中存在的直线,具体内容如下:
根据国标《GB/T 14791-2013螺纹术语》中关于中径的定义,一个假象圆柱,其母线通过圆柱螺纹上牙厚和牙槽宽相等的地方。因此,中径计算的关键就是需要找到该圆柱面方程及其中轴线。
首先对二维轮廓图像进行Hough变换,获取各个牙侧线。直线Hough变换采用“投票”的思想检测数字图像中的直线或线段,它是图像处理和直线检测的一个经典算法。平面中的任意一条直线都可以用ρ和θ两个参数来确定。其中ρ确定了直线到原点的距离,θ确定直线的方位。其函数关系为:
ρ=x cosθ+y sinθ x∈[0,π]
图像空间中年的每一点(xi,yi)映射到Hough空间中的一组累加器C(ρ,θ),即所谓的投票过程,C(ρ,θ)表示图像空间中符合公式的像素数。投票结束后,C(ρ,θ)的每一个局部最大值就对应一直线段,即对应的ρ和θ可以唯一地确定这条直线。
为了滤除其他轮廓线的干扰,可以设定所得直线的斜率在一定的阈值范围内。
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数,具体包括以下步骤:
B1)根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,分别计算出螺纹左轮廓与右轮廓的中径线、大径线和小径线;
B2)利用左、右轮廓的直线距离计算出螺纹的中径、大径和小径;
B3)通过计算牙顶像素的距离计算螺纹的螺距。
螺纹中径的计算具体内容如下:
第一步:将Hough变换所得线段组的两个端点以及斜率存放在数组中。通过Hough变换所得的线段由两个端点确定,将这些线段放入直角坐标系中,得出每条线段的中点以及斜率。之后需要找到螺纹上下牙间的中线来求出螺纹的中径。
由于经过Hough变换所得的是一组直线段,而这些直线段的中点的连线并不是螺纹的中线,所以采取第二步来筛选可用的线段。
第二步:取线段组中任意一条线段作为直线L1,以及线段中点(x1,x2),在线段组中找出相邻的三条线段来用于寻找螺纹的中线。
第三步:取L1的中点,发现所得线段在Y轴上的截距约为15个像素左右,通过在x1+25~x1+40内寻找是否有与这条支线相邻的线段,如果存在,那么该线段为L2,继续通过x2+25~x2+40继续寻找第三条相邻线段L3,在此过程中,采取多次for循环来找到所有满足要求的线段组。
第四步:通过所得出的线段组来计算中径y0。
经过步骤三选取一组满足要求的线段组为例,如图7所示,将这三条直线表示为:
L1:y-y1=k1(x-x1);
L2:y-y2=k2(x-x2);
L3:y-y3=k3(x-x3);
其中:k1、k2、k3为L1、L2、L3的对应斜率。
当存在y=y0直线时,直线与三条线段存在三个交点,而且两两交点间距离相等时,该直线为中线,y为中径。假设y=y0时距离相等,那么2x2=x1+x3。
如此,可以通过这个方程求解出这一组线段的中径线y=y0,通过循环,可以求出所有满足要求线段的中径,然后将这些中径取平均值,求解。
第四步:求得平均值,多次调试,输出中径值。
中径计算流程如图6所示。
下面对螺纹大径、小径、螺距和牙型角计算进行具体描述。
在上述步骤中计算完中径以后,再对螺纹的其他参数进行计算就比较容易了。
大径和小径只需将图7中L1、L2、L3这三条线段的上端点和下断点纵坐标的平均值求出,即可分别得到。
螺距的计算也可通过中径计算得到,螺距d表示为:
牙型角的计算也比较简便,只需将图7中的三条线段的斜率求出,便可两两相减得到牙型角。牙型角θ表示为:
θ=(|arctank1-arctank2|+|arctank2-arctank3|)/2
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,采用CCD摄像头获取多张螺纹件不同角度的螺纹二维轮廓图像。
进一步,在获取多张螺纹件的螺纹二维轮廓图像前,对摄像头参数进行标定。
另一方面,本发明实施例公开一种基于三维轮廓的螺纹参数测量系统,包括:
图像采集装置,用于获取多张螺纹件不同角度的螺纹二维轮廓图像;
图像预处理装置,用于对每张螺纹二维轮廓图像进行预处理;
图像边缘轮廓检测装置,用于对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;
螺纹参数计算装置,用于根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;
三维轮廓参数合成装置,用于将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。
进一步,图像采集装置为CCD摄像头。
值得注意的是,本发明图像采集装置并不限于为CCD摄像头,其还可以通过激光线扫描方式获取螺纹二维轮廓。
采用机器扫描的方式获取工件的表面图像信息,对被测螺纹件进行多参数的综合测量,使得检测的螺纹参数愈加精确牢靠。且采用非接触式扫描不会对被检的目标物或者检测工具造成任何挤压形变或者磨损。
基于CCD摄像头构建的一种基于三维轮廓的螺纹参数测量系统,如图2所示,需要先对图像采集装置进行标定,尽可能减小图像采集装置的误差干扰因素。
现有的相机标定测量方法主要有自标定法、主动视觉标定法和传统标定法。
其中,自标定法不需要标定物,较为灵活方便,但鲁棒性弱,精度差;主动视觉标定法易于线性求解,但受限于相机运动参数未知的应用场景;传统标定法静刚度较高,广泛应用于高精度测量和三维重建领域,但需要标定物,典型的方法有:直接线性变换标定法,Tsai两步标定法和张正友标定法等。张正友标定法仅需要一个棋盘格图案的平面标定板完成,非常方便,是当前工业测量领域使用最广泛的标定算法之一。但是棋盘格中角点的提取精度对噪声和图像质量比较敏感,从而对系统的标定精度造成很大影响。而圆点阵的边缘简单,拟合圆心位置相对具有更高精度,在高精度相机标定中被广泛采纳,如图3所示。
利用以圆为标记点的平面标定板进行相机标定时,圆形标记点圆心坐标的提取精度决定着相机的精度。由于透视偏差的存在,在标定板中提取到的椭圆圆心并不是真实物理圆心的投影点,因此基于直接计算圆心点的张正友标定方法仍然具有干扰误差。针对这一问题,卢晓冬等人在“基于圆心真实图像坐标计算的高精度相机标定方法”一文提出了一种基于圆心真实图像坐标计算的高精度相机标定方法,通过多次迭代计算解决透视投影图像椭圆中心偏差使相机标定产生误差的问题;吴建霖等人在“圆形标志投影偏心差补偿算法”一文中提出了一种基于三同心圆的圆形标志投影偏心差补偿算法,根据三组椭圆拟合中心坐标解算偏心差模型进行计算;解则晓等人在“平面标定靶标标记点的圆心提取”一文中提出了一种基于对偶二次曲线几何特性的圆心提取算法。彭妍等人在“基于平面变换的高精度相机标定方法”一文中提出通过透视变换将椭圆投影成近似的标准圆后再采用张正友标定方法。
相机成像的模型误差主要包括径向畸变、切向畸变和薄棱镜畸变,由于Z轴方向运动变化为0,于是,相机的标定模型可描述如下:
其中,Xw,Yw表示世界坐标系下的坐标点,u,v是图像像素坐标,A为相机内参矩阵(含5个参数),[r1r2t]为外参矩阵,λ为伸缩因子。对于单应性矩阵:
H=[h1 h2 h3]=λA[r1 r2 t]
由正交矩阵性质,可得:
由于内参矩阵A中有5个未知参数,上面提供了两个方程组,所以只要给出三个不同的单应性矩阵H就可以求出全部的相机内参,进一步根据H求得相机的外参数[r1r2t]。
由于定位误差、图像采集误差等原因,对单幅二维图片进行测量得到的数据并不能真实反映螺纹三维轮廓的参数。本发明一种基于三维轮廓的螺纹参数测量方法及系统在对基于三维轮廓点云的螺纹参数计算时,螺纹的中径线、大径线、小径线不能单纯地看作直线组,而应为构成中径、大径、小径节圆柱面的母线。
计算时,利用多组螺纹的二维轮廓图像进行测量,将其参数进行平均合成为三维轮廓参数。采用将螺纹进行轴向旋转拍摄的方式,对螺纹的各个角度都进行拍照测量,最后将每张图片所得结果进行平均,从而得到螺纹的三维轮廓参数。
如图2所示,本发明可以通过搭建运动平台,控制电机2来夹持螺纹件1进旋转,CCD摄像头3拍摄螺纹件1的二维轮廓图像。螺纹件1的旋转角度可以自由调节,但是为了保证最终测量结果的准确性,旋转角度不应小于90°,即进行一次三维轮廓测量时至少需要拍摄4张二维轮廓图像来进行参数合成,有效地补偿螺纹的定位误差,增强测得数据的可信度。实际操作中,电机旋转角度可选择60°(拍摄6张三维图像)、45°(拍摄8张三维图像)等角度。
与现有技术相比,本发明一种基于三维轮廓的螺纹参数测量方法及系统具有以下有益效果:在采用非接触的情况下,可以有效地补偿二维测量中由于工件定位、图像畸变等问题导致的误差、提高检测的准确性,使测量系统的自动化水平以及测量精度等进一步提高,简单操作步骤,降低成本。
上述实施例只为说明本发明的技术构思及特点,其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (9)
1.一种基于三维轮廓的螺纹参数测量方法,其特征在于,包括以下步骤:
获取多张螺纹件不同角度的螺纹二维轮廓图像;
对每张螺纹二维轮廓图像进行预处理;
对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;
根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;
将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。
2.根据权利要求1所述的螺纹参数测量方法,其特征在于,
对多张螺纹二维轮廓图像进行预处理包括进行灰度化处理和/或降噪处理。
3.根据权利要求2所述的螺纹参数测量方法,其特征在于,
采用双边滤波算法对多张螺纹二维轮廓图像进行降噪处理。
4.根据权利要求1-3任一项所述的螺纹参数测量方法,其特征在于,
对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测具体包括以下步骤:
A1)通过Canny算子检测图像边缘轮廓,得到螺纹的二维轮廓图像;
A2)采用霍夫变换线检测方法检测二维轮廓图像中存在的直线;
A3)过滤掉多余直线线段,筛选出螺纹两侧牙型轮廓的直线段。
5.根据权利要求1-3任一项所述的螺纹参数测量方法,其特征在于,
根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数,具体包括以下步骤:
B1)根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,分别计算出螺纹左轮廓与右轮廓的中径线、大径线和小径线;
B2)利用左、右轮廓的直线距离计算出螺纹的中径、大径和小径;
B3)通过计算牙顶像素的距离计算螺纹的螺距。
6.根据权利要求1-3任一项所述的螺纹参数测量方法,其特征在于,
采用CCD摄像头获取多张螺纹件不同角度的螺纹二维轮廓图像。
7.根据权利要求6所述的螺纹参数测量方法,其特征在于,在获取多张螺纹件的螺纹二维轮廓图像前,对摄像头参数进行标定。
8.一种基于三维轮廓的螺纹参数测量系统,其特征在于,包括:
图像采集装置,用于获取多张螺纹件不同角度的螺纹二维轮廓图像;
图像预处理装置,用于对每张螺纹二维轮廓图像进行预处理;
图像边缘轮廓检测装置,用于对预处理后的每张螺纹二维轮廓图像进行图像边缘轮廓检测,检测图像边缘轮廓后,检测轮廓图像中存在的直线,过滤掉多余的直线线段,筛选出螺纹两侧牙型轮廓的直线段;
螺纹参数计算装置,用于根据螺纹参数定义分离螺纹的牙顶像素和牙底像素,计算螺纹相关参数;
三维轮廓参数合成装置,用于将每张螺纹二维轮廓图像所得到的螺纹参数进行合成处理,合成得到螺纹的三维轮廓参数。
9.根据权利要求8所述的螺纹参数测量系统,其特征在于,所述图像采集装置为CCD摄像头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529419.6A CN113310426A (zh) | 2021-05-14 | 2021-05-14 | 一种基于三维轮廓的螺纹参数测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529419.6A CN113310426A (zh) | 2021-05-14 | 2021-05-14 | 一种基于三维轮廓的螺纹参数测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113310426A true CN113310426A (zh) | 2021-08-27 |
Family
ID=77373218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110529419.6A Withdrawn CN113310426A (zh) | 2021-05-14 | 2021-05-14 | 一种基于三维轮廓的螺纹参数测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113310426A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440776A (zh) * | 2022-01-28 | 2022-05-06 | 上海交途科技有限公司 | 一种基于机器视觉的位移自动测量方法及系统 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
-
2021
- 2021-05-14 CN CN202110529419.6A patent/CN113310426A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440776A (zh) * | 2022-01-28 | 2022-05-06 | 上海交途科技有限公司 | 一种基于机器视觉的位移自动测量方法及系统 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276808B (zh) | 一种单相机结合二维码测量玻璃板不平度的方法 | |
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN106824806B (zh) | 基于机器视觉的小模数塑料齿轮的检测方法 | |
CN109558871B (zh) | 一种指针式仪表读数识别方法及装置 | |
CN113310426A (zh) | 一种基于三维轮廓的螺纹参数测量方法及系统 | |
CN104075659A (zh) | 一种基于rgb结构光源的三维成像识别方法 | |
CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
CN113012234A (zh) | 基于平面变换的高精度相机标定方法 | |
CN106548491B (zh) | 一种图像配准方法、其图像融合方法及其装置 | |
CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
JP7353757B2 (ja) | アーチファクトを測定するための方法 | |
Liu et al. | Enhancement of contour smoothness by substitution of interpolated sub-pixel points for edge pixels | |
CN113689397A (zh) | 工件圆孔特征检测方法和工件圆孔特征检测装置 | |
Lee et al. | Development of an On-Machine External Thread Measurement System for CNC Lathes Using Eye-in-Hand Machine Vision with Morphology Technology. | |
Wang et al. | LBP-based edge detection method for depth images with low resolutions | |
CN115760860B (zh) | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 | |
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 | |
CN116880353A (zh) | 一种基于两点间隙的机床对刀方法 | |
CN111815580A (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
Pap et al. | Sub-pixel edge detection for photogrammetry using laplace difference of Gaussian and 4th order ENO interpolation | |
Fan et al. | Dimensional inspecting system of shaft parts based on machine vision | |
CN114049304A (zh) | 一种3d光栅检测方法、装置、计算机设备及可读存储介质 | |
Baozhang et al. | Study on edge subpixel location of ellipse in computer vision measurement | |
Kang et al. | Research on automatic recognition algorithm of pointer meter based on machine vision | |
Rao et al. | A real-time auto-recognition method for pointer-meter under uneven illumination |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210827 |