CN113411510A - 一种基于图像质量评价和红热锻件的相机自动曝光算法 - Google Patents

一种基于图像质量评价和红热锻件的相机自动曝光算法 Download PDF

Info

Publication number
CN113411510A
CN113411510A CN202110685899.5A CN202110685899A CN113411510A CN 113411510 A CN113411510 A CN 113411510A CN 202110685899 A CN202110685899 A CN 202110685899A CN 113411510 A CN113411510 A CN 113411510A
Authority
CN
China
Prior art keywords
image quality
image
score
camera
quality evaluation
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.)
Granted
Application number
CN202110685899.5A
Other languages
English (en)
Other versions
CN113411510B (zh
Inventor
郑清志
崔云鹏
赵一铖
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.)
Beijing Qingying Machine Visual Technology Co ltd
Original Assignee
Beijing Qingying Machine Visual 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 Beijing Qingying Machine Visual Technology Co ltd filed Critical Beijing Qingying Machine Visual Technology Co ltd
Priority to CN202110685899.5A priority Critical patent/CN113411510B/zh
Publication of CN113411510A publication Critical patent/CN113411510A/zh
Application granted granted Critical
Publication of CN113411510B publication Critical patent/CN113411510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明涉及信息技术领域，公开了一种基于图像质量评价和红热锻件的相机自动曝光算法。一种基于图像质量评价和红热锻件的相机自动曝光算法包括数据采集、图像预处理、建立图像质量评价模型、制作图像质量得分查找表、预测图像质量得分以实现相机自动曝光。该算法利用图像的质量得分来实现相机的自动曝光控制。实现简单、运算速度快，能有效的获得高质量的锻件图片，是实现锻件尺寸自动测量设备获得高精度测量的重要前提和保障。

Description

一种基于图像质量评价和红热锻件的相机自动曝光算法
技术领域
本发明涉及信息技术领域，特别涉及公开了一种基于图像质量评价和红热锻件的相机自动曝光算法。
背景技术
锻件在轧制过程中，需要采用自动化设备中的测量软件及算法对红热锻件进行尺寸测量，该方法采用图像三维测量方法，测量的精度和质量依赖于期间采集的图像质量。锻件在锻造过程中，温度一直在变化，由于高温锻件暴露在室外工作环境，从最高1200℃左右高温逐步降到600℃左右的低温，在此期间拍摄所得图像如果图像采集参数不变，图像会逐步变暗，一般在此工况下,相机采用定焦定光圈拍摄,图像参数调整,一般只涉及曝光时间的调整,从最高1200℃左右高温逐步降到600℃时,为使图像清晰,曝光值会作相应的调整,一般取值范围为50～10000,所以，在图像测量过程中，图像采集参数和图像质量需要进行相应的调整和变化,使用相机自带的自动曝光方式AE，由于调整范围过大,拍摄图像效果欠佳,拍摄到的锻件图像不仅保留了过多的背景，同时使得目标的边缘模糊，纹理减少，不利于锻件的尺寸测量。因此，要获得比较理想的图像就需要对图像质量进行评价，并且基于该评价指标，来自动调整相机的曝光参数，使每次拍摄的图像质量不随锻件温度值的变化而变化，始终保持清晰、明亮，便于进行各类图像测量工作。
本申请要解决的技术问题为：如何建立一套可靠的质量评价算法模型，并用以实现对相机曝光值的自动调整，从而获得少背景、高质量、边缘清晰的锻件图像。
发明内容
本发明的目的是提供一种基于图像质量评价和红热锻件的相机自动曝光算法。
为实现上述目的，本发明采用如下技术方案，公开了一种基于图像质量评价和红热锻件的相机自动曝光算法，包括：
数据采集：通过相机采集N帧目标对象图像，采集方式为按照曝光时间序列ET[X]循环采集不同温度下的锻件图像，形成数据集A；并对数据集A进行主观意见评分(MOS)，得到标注的数据集B；
目标对象掩码获取：对数据集A中的每帧图像进行预处理,预处理方式为先对数据集A中的每帧图像进行灰度化,其次通过自适应阈值化等技术,获得包含主要特征的目标对象掩码(mask)；
建立图像质量评价模型：图像质量评价模型由图像均值(mean)、标准差(std)和信息熵(cmt)三部分组成，对此三部分进行加权求和得到图像质量得分(score)，加权因子根据数据集A及其标注数据B代入质量评价模型求最小二乘得到；
制作图像质量得分查找表：对数据集A中的每帧图像使用预处理等技术获得包含主要特征的目标掩码,将其与掩码重叠的像素点通过图像质量评价模型计算其对应的图像质量得分(score),并将其存储为二维数组scores[M][N],其中M为曝光值序列，N为温度值序列；
获取最佳曝光时间值：首先通过相机获取一帧图像，并读取相机此时被设置的曝光时间；其次使用图像质量评价模型计算当前图像对应的图像质量得分(score)，并使用图像质量得分查找表得到相机的最佳曝光时间。
相机曝光值修正：调用相机曝光值设置接口，修正相机当前的曝光时间。
在一些实施方式中，图像质量评价模型的建立包括：
(1)对图像质量得分(score)的计算，其计算公式为：
score_＝α*mean+β*std+γ*cmt
其中，α为均值权重因子与均值归一化因子的比值，β为标准差权重因子与标准差归一化因子的比值，γ为信息熵权重因子与信息熵归一化因子的比值，加权因子根据数据集A及标注数据B代入质量评价模型求最小二乘得到；
(2)对图像均值mean的计算，其计算公式为：
Figure BDA0003124598430000031
其中图像大小为[m,n]，I为图像亮度，i为行坐标，j为列坐标；
(3)对标准差std的计算，其计算公式为：
Figure BDA0003124598430000032
其中，
Figure BDA0003124598430000033
为亮度均值，图像大小为[m,n]，I为图像亮度，i为行坐标，j为列坐标；
(4)对信息熵的计算，其计算公式为：
Figure BDA0003124598430000041
其中，P(i)为灰度值为i的像素个数与像素总个数之比，n为灰度级总数，n的范围为[0,255]。
在一些实施方式中，目标对象掩码获取中阈值的计算公式为：
Figure BDA0003124598430000042
其中t为阈值因子,一般取值范围为[0,100]。
在一些实施方式中，获取最佳曝光时间值的具体步骤包括：
(1)可选的曝光时间序列,存储为一维数组ET[X],X∈[0,100000]；
(2)获得当前相机曝光时间，并确定其在曝光时间序列中的位置r；
(3)采集一帧图像，计算其图像质量得分(score)；
(4)计算当前图像质量得分(score)与图像质量得分查找表scores[M][N]第r行中差值最小处的图像质量得分，并返回列索引值c；
(5)计算图像质量得分查找表第c列中最大的图像质量得分,并返回其索引值k；
(6)得到最佳曝光时间BEST_ET＝ET[k]。
在一些实施方式中，最小差值计算公式为：
min_delta＝min[|score-scores[r][i]|],i∈[0,M]。
在一些实施方式中，最大的图像质量得分的计算公式为：
max_score＝max[scores[i][c]],i∈[0,N]。
本发明的有益效果为：本发明公开了一种基于图像质量评价和红热锻件的相机自动曝光算法，通过。
附图说明
图1为本发明公开了一种基于图像质量评价和红热锻件的相机自动曝光算法的实现流程示意图；
图2为本发明于图像质量评价和红热锻件的相机自动曝光算法的建立模型流程示意图；
图3为本发明实现自动曝光的具体流程示意图；
图4为本发明硬件设备的结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
如图1所示，公开了一种基于图像质量评价和红热锻件的相机自动曝光算法，包括：
搭建相机平台：如图4所示，相机平台包括由PC、相机及760nm红外滤镜，滤镜安装在镜头前端，用以滤出部分低温背景，获得干扰因素较少的图像，相机采集锻件的图像，PC与相机进行通讯，并对相机采集的图像进行图像处理和曝光值自动反馈调节；
数据采集：针对采集目标通过相机采集N帧图像，采集方式为按照曝光时间序列ET[X]循环采集，形成数据集A,并对数据集A进行主观意见评分(MOS)，得到标注的数据集B；
目标对象掩码获取：对数据集A中的每帧图像进行预处理,预处理方式为先对数据集A中的每帧图像进行灰度化,其次通过自适应阈值化等技术,获得包含主要特征的目标对象掩码(mask),目标对象掩码获取中阈值的计算公式为:
Figure BDA0003124598430000061
在实际使用中,t的取值范围为[0,100]，在本实施例中取值为50时获得最佳效果。
调用质量评价算法获得图像质量得分：首先通过相机获取一帧图像，并读取相机此时被设置的曝光时间；其次使用预处理中获得目标掩码作为滤波算子,将滤波后的像素点通过图像质量评价模型得到图像的质量得分(score)；
通过匹配图像质量得分查找表得到相机最佳的曝光时间:
具体匹配算法实现步骤如下：
(1)确定可选的曝光时间序列,存储为一维数组ET[X],X∈[0,100000],在本实施例,X取值为14,曝光时间序列为:
ET[0]＝50,ET[1]＝100,ET[2]＝200,ET[3]＝300,ET[4]＝500,ET[5]＝1000,ET[6]＝1500,ET[7]＝2000,ET[8]＝3000,ET[9]＝5000,ET[10]＝8000,ET[11]＝10000,ET[12]＝12000,ET[13]＝15000]；
(2)获得当前相机曝光时间，并确定其在曝光时间序列中的位置r；
(3)采集一帧图像，计算其质量得分score；
(4)计算当前图像质量得分score与图像质量得分表scores[M][N]中第r行中差值最小处的质量得分，并返回列索引值c。最小差值计算公式为：min_delta＝min[|score-scores[r][i]|],i∈[0,N],在本实施例中M＝14,N＝600；
(5)计算质量查找表第c列中最大的质量得分,并返回其索引值k；最大得分计算公示为：max_score＝max[scores[i][c]],i∈[0,M]；
(6)根据以上步骤得到最佳曝光时间BEST_ET＝ET[k]；
相机曝光值修正：调用相机曝光值设置接口，修正相机当前曝光时间。
以上步骤即可完成曝光时间的自动反馈调节。
如图2、3所示，在上述流程步骤进行中，需要先进行算法模型的建立，包括：
建立质量评价算法模型：
通过对图像均值mean、标准差std和信息熵cmt三个参数分别进行无参考客观评价算法，并对三个参数进行加权求和得到图像质量得分，量评价算法模型的建立包括：(1)对图像质量得分的计算，其计算公式为：
score_＝α*mean+β*std+γ*cmt
其中，α为均值权重因子与均值归一化因子的比值，β为标准差权重因子与标准差归一化因子的比值，γ为信息熵权重因子与信息熵归一化因子的比值。加权因子根据数据集A及其标注数据B代入质量评价模型求最小二乘得到。
(2)对图像均值mean的计算，其计算公式为：
Figure BDA0003124598430000071
其中图像大小为[m,n]，I为图像亮度，i为行坐标，j为列坐标。
(3)对标准差std的计算，其计算公式为：
Figure BDA0003124598430000072
其中，
Figure BDA0003124598430000073
为亮度均值，图像大小为[m,n]，I为图像亮度，i为行坐标，j为列坐标。
(4)对信息熵的计算，其计算公式为：
Figure BDA0003124598430000081
其中，P(i)为灰度值为i的像素个数与像素总个数之比，n为灰度级总数，n的范围为[0,255]，在本实施例中n＝255。
制作质量得分查找表：对数据集A中的每帧图像使用预处理等技术获得包含主要特征的目标掩码,将其与掩码重叠的像素点通过质量评价模型计算其对应的质量得分(score),并将其存储为二维数组scores[M][N],其中M为曝光值序列,N为温度值序列。在本实施例中M为14，N为600。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (6)

1.一种基于图像质量评价和红热锻件的相机自动曝光算法，其特征在于，包括：
数据采集：通过相机采集N帧目标对象图像，采集方式为按照曝光时间序列ET[X]循环采集不同温度下的锻件图像，形成数据集A；并对数据集A进行主观意见评分(MOS)，得到带标注的数据集；
目标对象掩码获取：对数据集A中的每帧图像进行预处理,预处理方式为先对数据集A中的每帧图像进行灰度化,其次通过自适应阈值化等技术,获得包含主要特征的目标对象掩码(mask)；
建立图像质量评价模型：图像质量评价模型由图像均值(mean)、标准差(std)和信息熵(cmt)三部分组成，对此三部分进行加权求和得到图像质量得分(score)，加权因子根据数据集A及其标注数据B代入质量评价模型求最小二乘得到；
制作图像质量得分查找表：对数据集A中的每帧图像使用预处理等技术获得包含主要特征的目标掩码,将图像与掩码重叠的像素点通过图像质量评价模型计算图像质量得分(score),并将质量得分存储为二维数组scores[M][N],其中M为曝光值序列，N为温度值序列；
获取最佳曝光时间值：首先通过相机获取一帧图像，并读取相机此时被设置的曝光时间；其次使用图像质量评价模型计算当前图对应的图像质量得分(score)，并使用图像质量得分查找表得到相机的最佳曝光时间。
相机曝光值修正：调用相机曝光值设置接口，修正相机的当前曝光时间。
2.根据权利要求1所述的基于图像质量评价和红热锻件的相机自动曝光算法，其特征在于，所述图像质量评价模型的建立包括：
(1)对图像质量得分(score)的计算，其计算公式为：
score＝α*mean+β*std+γ*cmt
其中，α为均值权重因子与均值归一化因子的比值，β为标准差权重因子与标准差归一化因子的比值，γ为信息熵权重因子与信息熵归一化因子的比值，各个权重因子的值根据数据集A及其评分标注B代入质量评价模型求最小二乘得到；
(2)对图像均值mean的计算，其计算公式为：
Figure FDA0003124598420000021
其中图像大小为[m,n]，I为图像亮度，i为行坐标，j为列坐标；
(3)对标准差std的计算，其计算公式为：
Figure FDA0003124598420000022
其中，
Figure FDA0003124598420000023
为亮度均值，图像大小为[m,n]，I为图像亮度，i为行坐标，j为列坐标；
(4)对信息熵的计算，其计算公式为：
Figure FDA0003124598420000024
其中，P(i)为灰度值为i的像素个数与像素总个数之比，n为灰度级总数，n的范围为[0,255]。
3.根据权利要求1所述的基于图像质量评价和红热锻件的相机自动曝光算法，其特征在于，所述目标对象掩码获取中阈值的计算公式为：
Figure FDA0003124598420000031
其中t为阈值因子，取值范围为[0,100]。
4.根据权利要求1所述的基于图像质量评价和红热锻件的相机自动曝光算法，其特征在于，所述获取最佳曝光时间值的具体步骤包括：
(1)可选的曝光时间序列,存储为一维数组ET[X],X∈[0,100000]；
(2)获得当前相机曝光时间，并确定其在曝光时间序列中的位置r；
(3)采集一帧图像，计算其图像质量得分(score)；
(4)计算当前图像质量得分(score)与图像质量得分查找表scores[N][M]第r行中差值最小处的图像质量得分，并返回列索引值c；
(5)计算图像质量得分查找表第c列中最大的图像质量得分,并返回其索引值k；
(6)得到最佳曝光时间BEST_ET＝ET[k]。
5.根据权利要求4所述的基于图像质量评价和红热锻件的相机自动曝光算法，其特征在于，所述最小差值计算公式为：
min_delta＝min[|score-scores[r][i]|],i∈[0,M]。
6.根据权利要求4所述的基于图像质量评价和红热锻件的相机自动曝光算法，其特征在于，所述最大的图像质量得分的计算公式为：
max_score＝max[scores[i][c]],i∈[0,N]。
CN202110685899.5A 2021-06-21 2021-06-21 一种基于图像质量评价和红热锻件的相机自动曝光算法 Active CN113411510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110685899.5A CN113411510B (zh) 2021-06-21 2021-06-21 一种基于图像质量评价和红热锻件的相机自动曝光算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110685899.5A CN113411510B (zh) 2021-06-21 2021-06-21 一种基于图像质量评价和红热锻件的相机自动曝光算法

Publications (2)

Publication Number Publication Date
CN113411510A true CN113411510A (zh) 2021-09-17
CN113411510B CN113411510B (zh) 2022-08-12

Family

ID=77681977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110685899.5A Active CN113411510B (zh) 2021-06-21 2021-06-21 一种基于图像质量评价和红热锻件的相机自动曝光算法

Country Status (1)

Country Link
CN (1) CN113411510B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115442517A (zh) * 2022-07-26 2022-12-06 荣耀终端有限公司 图像处理方法、电子设备及计算机可读存储介质
CN115442535A (zh) * 2022-08-07 2022-12-06 西南科技大学 一种工业相机曝光自适应调节的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004242033A (ja) * 2003-02-05 2004-08-26 Konica Minolta Holdings Inc 画質評価方法、画質評価装置および評価用チャート
US20070040916A1 (en) * 2005-08-16 2007-02-22 Fuji Photo Film Co., Ltd. Signal processing method for image capturing apparatus, and image capturing apparatus
US20070154824A1 (en) * 2006-01-05 2007-07-05 Koichi Sentoku Method and program for calculating exposure dose and focus position in exposure apparatus, and device manufacturing method
CN103888681A (zh) * 2014-04-18 2014-06-25 四川华雁信息产业股份有限公司 一种自动曝光方法及装置
US20170372175A1 (en) * 2017-06-08 2017-12-28 Ningbo University Method for evaluating quality of tone-mapping image based on exposure analysis
CN108769542A (zh) * 2018-05-30 2018-11-06 北京图森未来科技有限公司 一种曝光参数确定方法、装置和可读介质
CN109379584A (zh) * 2018-11-26 2019-02-22 北京科技大学 一种复杂环境光应用条件下的相机系统及像质调节方法
CN111337132A (zh) * 2020-02-28 2020-06-26 创新奇智(北京)科技有限公司 一种温度测量方法、装置以及数字图像采集设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004242033A (ja) * 2003-02-05 2004-08-26 Konica Minolta Holdings Inc 画質評価方法、画質評価装置および評価用チャート
US20070040916A1 (en) * 2005-08-16 2007-02-22 Fuji Photo Film Co., Ltd. Signal processing method for image capturing apparatus, and image capturing apparatus
US20070154824A1 (en) * 2006-01-05 2007-07-05 Koichi Sentoku Method and program for calculating exposure dose and focus position in exposure apparatus, and device manufacturing method
CN103888681A (zh) * 2014-04-18 2014-06-25 四川华雁信息产业股份有限公司 一种自动曝光方法及装置
US20170372175A1 (en) * 2017-06-08 2017-12-28 Ningbo University Method for evaluating quality of tone-mapping image based on exposure analysis
CN108769542A (zh) * 2018-05-30 2018-11-06 北京图森未来科技有限公司 一种曝光参数确定方法、装置和可读介质
CN109379584A (zh) * 2018-11-26 2019-02-22 北京科技大学 一种复杂环境光应用条件下的相机系统及像质调节方法
CN111337132A (zh) * 2020-02-28 2020-06-26 创新奇智(北京)科技有限公司 一种温度测量方法、装置以及数字图像采集设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115442517A (zh) * 2022-07-26 2022-12-06 荣耀终端有限公司 图像处理方法、电子设备及计算机可读存储介质
CN115442535A (zh) * 2022-08-07 2022-12-06 西南科技大学 一种工业相机曝光自适应调节的方法
CN115442535B (zh) * 2022-08-07 2023-05-23 西南科技大学 一种工业相机曝光自适应调节的方法

Also Published As

Publication number Publication date
CN113411510B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN113411510B (zh) 一种基于图像质量评价和红热锻件的相机自动曝光算法
CN107133969B (zh) 一种基于背景反投影的移动平台运动目标检测方法
CN109167928B (zh) 基于显示面板缺陷检测的快速自动曝光方法及系统
CN110211056B (zh) 基于局部中值直方图的自适应红外图像去条纹算法
CN109389630B (zh) 可见光图像与红外图像特征点集确定、配准方法及装置
CN108513414B (zh) 一种焦点自跟踪的舞台追光灯系统及方法
CN109510949B (zh) 基于图像特征点有效亮度的相机自动曝光方法
CN110163807B (zh) 一种基于期望亮通道的低照度图像增强方法
CN110414558B (zh) 基于事件相机的特征点匹配方法
CN111711767B (zh) 一种自动曝光控制方法及电子设备
CN112419181A (zh) 一种宽动态红外图像细节增强方法
CN110751669A (zh) 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及系统
WO2021068497A1 (zh) 一种基于图像识别的篦冷机工况监测方法
CN113432723B (zh) 用于弱化杂散辐射的图像处理方法、系统及计算机系统
CN116797977A (zh) 巡检机器人动态目标识别与测温方法、装置和存储介质
TWI383690B (zh) 影像處理的方法
CN114462646A (zh) 一种基于接触网安全巡检的杆号牌识别方法及系统
CN110430400B (zh) 一种双目可运动摄像机的地平面区域检测方法
CN104050676B (zh) 一种基于Logistic回归模型的逆光图像检测方法及装置
CN112995492A (zh) 参数调节方法及装置、图像采集系统和计算机可读存储介质
Ko et al. An automatic optical inspection system for inspection of CMOS compact camera module assembly
CN108230285A (zh) 基于机器视觉的挡圈质量检测方法
CN107220983B (zh) 一种基于视频的生猪检测方法和系统
CN111368826A (zh) 一种基于可变卷积核的明火检测算法
CN110838148A (zh) 一种双目相机自标定方法

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