CN113505819B - 一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 - Google Patents
一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 Download PDFInfo
- Publication number
- CN113505819B CN113505819B CN202110694106.6A CN202110694106A CN113505819B CN 113505819 B CN113505819 B CN 113505819B CN 202110694106 A CN202110694106 A CN 202110694106A CN 113505819 B CN113505819 B CN 113505819B
- Authority
- CN
- China
- Prior art keywords
- image
- template
- matching
- target
- pneumatic control
- 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
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 title claims abstract description 26
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000005286 illumination Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001584785 Anavitrinella pampinaria Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，属于视觉测量技术领域。本方法在气动控制阀的阀杆处粘贴黑白棋盘格靶标作为待匹配对象，通过靶标与阀杆同时共轴旋转的形式，以靶标的旋转角位移来表征阀杆旋转角度，能够在不影响工业现场正常生产的前提下，实现对气动控制阀的非接触式角位移在线测量，数据处理系统对采集到的每帧图像灰度化并按流明模式进行特征提取，在无损图层中根据返回数据处理系统的靶标位置信息在实时图像中标记出与模板特征吻合的区域，即当前靶标的位置。将像素值和实际距离建立对应关系，利用最小二乘算法减小测量误差，实现了对气动控制阀角位移的非接触在线测量。
Description
技术领域
本发明涉及一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，属于视觉测量技术领域。
背景技术
气动控制阀作为化工厂安全仪表系统中的最终执行元件，是保障安全仪表系统安全、可靠运行的关键部件。在整个安全生命周期内，当化工厂出现需要紧急停车的突发情况，气动控制阀通常会以角行程动作的方式紧急切断正常生产，从而确保生产现场安全。由于气动控制阀直接接触工艺介质且阀杆长期处于固定阀位，在生产故障时若气动控制阀由于粘连等原因无法及时切断危险源，则会造成严重的生产事故。因此对在役期间的气动控制阀进行角位移在线测量，实现对气动控制阀的非接触式在线微动检测，对气动控制阀的功能安全完整性评估具有重要意义。
目前大部分工业现场仅在计划停产期间对气动控制阀角位移进行离线全行程测试，只有少数具有部分行程测试功能的气动控制阀可以实现角位移在线测量，对于没有部分行程测试功能的气动控制阀缺少对角位移的在线测量方法。因此本发明将视觉测量技术运用于阀门角位移测量，利用工业相机拍摄阀杆转动过程，并对气动控制阀角位移采用图像模板匹配的方式实现在线测量。
图像模板匹配中的灰度匹配法可应用于阀门角位移的在线测量。常见的灰度匹配方法(如基于灰度的金字塔匹配法和基于阈值过滤梯度的金字塔匹配法)存在对图像分辨率要求较高、对结构和目标交叠以及非均匀的光照变化敏感、计算量大及匹配速度偏慢等缺陷。低差异采样图像模板匹配的方法使用了低差异采样方法并结合了图像边缘提取，通过仅保留区域和边缘像素的方法来减少参与运算的数据，具有快速匹配、支持小尺度变化的优势，只需保证待匹配区域中不含有大区域相同灰度的目标，即可实现快速稳定匹配。对不同光照变化、被测件位置变化仍能保持稳定的测量效果，满足实际应用中鲁棒性和实时性要求。因此，本发明构建了一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，解决了对于无部分行程测试功能的气动截止阀角位移在线测量的问题，给在役气动控制阀的功能安全完整性评估提供了在线检测手段。
发明内容
本发明的目的是解决气动控制阀的非接触式在线测量的问题，构建一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，采用不含有大区域相同灰度的黑白棋盘格靶标作为待匹配对象，通过靶标与阀杆同时共轴旋转的形式，以靶标的旋转角位移来表征阀杆旋转角度，能够在不影响工业现场正常生产的前提下，实现对气动控制阀的非接触式角位移在线测量。
为实现上述目的，本发明采用的技术方案为一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法。
如图1所示，首先在待测气动控制阀的阀杆处粘贴一块黑白棋盘格靶标，用工业相机对靶标拍照并存为模板。数据处理系统对相机采集到的每帧图像灰度化并按流明模式进行特征提取。然后利用模板图像与目标图像的归一化互相关值来确定匹配候选列表，并设置期望匹配到的目标数量、目标最大旋转角度范围等参数。匹配完成后，输出所匹配区域的数量、位置等信息至数据处理系统。最后在无损图层中根据返回数据处理系统的位置信息在实时图像中标记出与模板特征吻合的区域，即当前靶标的位置，将像素值和实际距离建立对应关系，最终实现对气动控制阀角位移的在线测量。
一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，该方法具体包括以下步骤：
步骤一：在阀杆处粘贴棋盘格靶标；工业相机采集阀杆照片，选取矩形感兴趣区域即ROI区域创建模板；
选取一块黑白棋盘格靶标作为模板学习的对象，将靶标粘贴至待测气动控制阀阀杆处；工业相机开始即时采集图像并上传至数据处理系统；在采集到的靶标图像上选取棋盘格区域为矩形感兴趣区域即ROI区域，用于进行模板匹配。
步骤二：对创建模板进行边缘提取，通过图像分析自动计算出一个边缘的阈值，并保留所有大于阈值的边缘点构成特征向量，确定创建模板匹配区域；
对模板进行边缘提取，通过图像分析自动计算出一个边缘的阈值，并保留所有大于阈值的边缘点构成特征向量；进行匹配时计算模板和目标图像中经过过滤后的边缘点所构成的特征向量的相关系数，表示如下：
其中，T和f分别为模板和目标图像中过滤后的边缘点所构成的特征向量，z为当前特征向量，n为特征向量的总数，和/>分别为模板图像和匹配图像中点(i，j)处对应区域的像素平均值，表示为
其中K、L分别为模板图像的长与宽，x与y是模板图像中点的横纵坐标。
使用低差异采样匹配对图像数据进行筛选，仅保留与目标区域和边缘相关的像素，然后再基于这些关键像素进行图像匹配。采集图像中各个区域内采样点数占总采样点数的比例应与该区域体积占总体积的比例相同。使用待测目标区域内采样点数占总采样点数的比例来估算区域的体积，得到体积估算值与真实值差值的绝对最大值即为点集的差异。由于分布良好的采样点集具有较低的差异值，因此，只要待匹配图像的采样点集的差异值最低，就可以认为该点集代表了图像中的关键信息。
此外，该方法在兼具旋转不变性和光照线性变换不变性的同时，还能支持被测目标±5％的尺度变化。对于匹配候选区域长宽比小于1∶6且有足够采样点的目标，可以获得比较稳定的匹配结果。
图像低差异匹配过程通过计算并比较模板图像与目标图像中相应区域的归一化互相关值来确定与模板匹配的区域；尺寸为K×L的模板图像T(x，y)在尺寸为M×N的图像f(x，y)中从左到右、从上到下移动时(K≤M且L≤M，如图2所示)，它与目标图像中点(i，j)出区域的互相关值C(i，j)表示为
步骤三：对创建模板匹配区域进行像素低差异采样，更新候选列表，并从最优候选列表开始匹配；
对模板进行多次缩放或旋转，在每次缩放或旋转后，使用得到的模板重复一次与目标图像的匹配过程，最后再从所有归一化互相关值中选取极大值，并将其对应的区域作为匹配结果输出；在学习和匹配阶段，均先对模板和目标图像同时进行多次低差异采样，在保留图像关键信息的同时去除冗余信息；在学习阶段，自动从目标边缘像素点提取到的特征对候选区域进行精细匹配，并根据归一化互相关值更新候选列表；算法会对模板数据进行分析，以确定能给出精确匹配结果的最优候选列表，然后连同特征数据保存在模板图像中以备后用；在匹配阶段，算法从图像最优候选列表开始，使用与该层对应的模板图像进行灰度匹配。
步骤四：将匹配过程中阀杆的转动角度与旋转距离建立对应关系，并用最小二乘拟合减小测量误差；
如图3所示，量出待测气动控制阀的阀杆周长C，根据圆的周长公式C＝2πr求得阀杆半径r；阀杆实际旋转角度由标准角度计测量给出。阀杆旋转时工业相机测量的弧长为l，则由弧长公式
可求得气动控制阀的阀杆旋转角度x；由此将工业相机测量的阀杆旋转距离转化为阀杆旋转角度；
由于靶标绕轴旋转时会导致旋转前后靶标不在同一平面即存在景深问题以及受光线等多方面因素影响，测量过程存在一定偏差，所以通过最小二乘法对公式增加补偿系数k和b；令阀杆测量旋转角度为x，实际旋转角度为y，则令初始表达式为
其中k和b是任意实数，现需要让x取值为xi时，预测值yi与回归方程所预测的之间的差值平方最小，故建立以下方程
经过整理得出，两个参数，关于和的表达式
步骤五：基于候选区域与模板的归一化互相关值，计算阀杆旋转角度。
数据处理系统从工业相机拍摄的目标区域像素中提取特征，对模板进行快速匹配，得到一个候选区域列表；此后低差异匹配算法会使用从目标边缘像素点提取到的特征对候选区域进行精细匹配，并根据归一化互相关值的大小更新候选列表，确定最佳匹配区域；如图4所示，将检测前预先存入数据处理系统的棋盘格靶标图像作为基准，匹配靶标图像的特征，并根据不同检测序列下靶标在图像中的位置，得出靶标图像块在检测图像中的移动情况，数据处理系统记录动作过程中靶标图像中心点所移动的像素个数；实时计算靶标位移的像素距离，由像素与实际空间距离的关系计算出实际的执行机构位移，最终转化为阀杆旋转角度，实现对气动控制阀角位移的非接触在线测量。
附图说明
图1是气动控制阀角位移在线检测示意图；
图2是图像互相关计算示意图；
图3是气动控制阀阀杆剖面示意图；
图4是气动控制阀阀杆旋转示意图；
图5是机器视觉系统测量阀杆旋转角度与实际阀杆旋转角度拟合图像。
具体实施方式
下面结合实例及附图对本发明作进一步的描述，需要说明的是，实施例并不限定本发明要求保护的范围。
实施例：
本实施例中，选取德国AVT公司生产的型号为GT1920的工业相机，分辨率1936*1456，其主光轴垂直于阀杆的中轴，最大帧率40fps，像素尺寸4.54um，接口采用IEEE802.3以太网接口。用于控制阀角位移的采集。选取某石化企业中的气动控制阀为待测阀门，并在该控制阀的阀杆处粘贴边长为3mm一格的3*3黑白棋盘格靶标，检测精度0.1mm，曝光时间根据检测时室外光照强度进行调整，设置为3ms-10ms之间(保证小于25ms相机即可达到满帧输出速度)。用POE交换机对相机供电并采用GigE协议将实时采集的图像数据上传至数据处理系统，利用LabVIEW平台对气动控制阀角位移在线测量程序进行开发和编写，将软件系统划分为预处理与模板学习模块，相机标定模块，模板匹配模块和视频存储和回放模块。
一种基于图像模板匹配的气动控制阀角位移在线测量方法的具体实施步骤如下：
步骤一：将工业相机安装至工业现场气动控制阀旁，相机采用GigE协议与数据处理系统完成通讯，将相机采集到的图像实时传输至数据处理系统，相机物距选取60cm，根据现场实际工况完成对焦工作。在采集到的靶标完整且视野清晰的图像后进行拍照保存作为待学习的模板，调取出所拍摄的模板并选取矩形棋盘格区域为ROI区域，用于进行模板学习。
步骤二：将模板进行特征抽取，将选定的ROI区域进行数据构造并初始化，将特征模板图像读入内存，对模板图像中的特征进行学习，并将学习到的特征信息输出至匹配分支。
在对待测靶标匹配之前将像素值与实际距离建立对应关系，在程序完成对待测靶标的学习后，将现实距离与物体边长所占图像的像素数建立转换关系并保存，在下一次工业相机拍到靶标后作出特征匹配并测出靶标的实际位移量。
步骤三：采用低差异匹配算法对目标图像和模板进行匹配，匹配过程设定期望匹配到的目标数为1，目标可能的旋转角度范围不大于10°(指水平面旋转角度)，并设定匹配得分的阈值下限。匹配完成后，将输出所匹配到区域的数量和封装的位置、角度、尺度和匹配得分等信息。最后根据返回的位置信息，使用无损图层在图像中标出匹配区域。
步骤四：将阀杆的转动角度与旋转的距离建立对应关系，并用最小二乘拟合减小测量误差。量出待测气动控制阀的阀杆周长C＝132mm，根据圆的周长公式反推出阀杆半径r＝21.49mm。
已知待测的气动控制阀全行程的转角为0-90°，对应的旋转百分比为0-100％，阀杆实际旋转角度由标准角度计测量给出，而阀杆的测量旋转角度可根据气动控制阀的角位移x的计算公式求得，根据最小二乘法公式(8)与(9)结合表1机器视觉系统测量阀杆角位移与实际旋角拟合出补偿系数k＝1.7319，b＝4.3312。回归方程预测值拟合图像如图5所示。
表1机器视觉系统测量拟合阀杆旋转角度与实际阀杆旋转角度
步骤五：在匹配前确定阀杆当前位置为初始位置，阀杆发生转动时实时检测出当前旋转角度。
数据处理系统从工业相机拍摄的目标区域像素中提取特征，对模板进行快速匹配，得到一个候选区域列表。此后低差异匹配算法会使用从目标边缘像素点提取到的特征对候选区域进行精细匹配，并根据归一化互相关值的大小更新候选列表。之后使用较大的角度间隔快速匹配并更新候选列表，再使用较小的角度间隔对候选区域进行精细匹配，确定最佳匹配区域。
为使气动控制阀角位移在线测量过程不影响工业现场生产，应尽可能提升阀杆在线测量的检测精度和速度，缩短每帧图像匹配处理的响应时间。通过限定匹配过程的角度搜索范围，限定在±10％以内来加快匹配过程；同时限制期望得到的匹配数量为1，并设定最小匹配得分等参数优化匹配过程；若图像中存在大面积低对比度区域，可通过限定候选匹配区域的最小灰度差异来提高算法处理速度；最后通过设置最小匹配目标间距、最小匹配目标角度及最大匹配交叠范围等参数来控制所匹配目标的间距、角度分辨率和允许的目标交叠范围。通过以上算法优化，将每帧图像的处理时间缩短至85ms，保证至少10f/s的图像处理速度，实现基于低差异采样图像模板匹配的气动控制阀角位移在线测量。
Claims (3)
1.一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，其特征在于：该方法具体包括以下步骤：
步骤一：在阀杆处粘贴棋盘格靶标；工业相机采集阀杆照片，选取矩形感兴趣区域即ROI区域创建模板；
步骤二：对创建模板进行边缘提取，通过图像分析自动计算出一个边缘的阈值，并保留所有大于阈值的边缘点构成特征向量，确定创建模板匹配区域；
步骤三：对创建模板匹配区域进行像素低差异采样，更新候选列表，并从最优候选列表开始匹配；
步骤四：将匹配过程中阀杆的转动角度与旋转距离建立对应关系，并用最小二乘拟合减小测量误差；
步骤五：基于候选区域与模板的归一化互相关值，计算阀杆旋转角度；
所述步骤二，具体包括：
对模板进行边缘提取，通过图像分析自动计算出一个边缘的阈值，并保留所有大于阈值的边缘点构成特征向量；进行匹配时，计算模板和目标图像中经过过滤后的边缘点所构成的特征向量的相关系数r，表示如下：
其中，T和f分别为模板和目标图像中过滤后的边缘点所构成的特征向量，z为当前特征向量，n为特征向量的总数，和/>分别为模板图像和匹配图像中点(i，j)处对应区域的像素平均值，表示为
其中K、L分别为模板图像的长与宽，x与y是模板图像中点的横纵坐标；
图像低差异匹配过程通过计算并比较模板图像与目标图像中相应区域的归一化互相关值来确定与模板匹配的区域；尺寸为K×L的模板图像T(x，y)在尺寸为M×N的图像f(x，y)中从左到右、从上到下移动时，K≤M且L≤M，模板图像与目标图像中点(i，j)处区域的互相关值C(i，j)示为
所述步骤四，具体包括：
量出待测气动控制阀的阀杆周长C，根据圆的周长公式C＝2πr求得阀杆半径r；阀杆实际旋转角度由标准角度测量给出，阀杆旋转时工业相机测量的弧长为l，则由弧长公式
求得气动控制阀的阀杆旋转角度x；由此将工业相机测量的阀杆旋转距离转化为阀杆旋转角度；
由于靶标绕轴旋转时会导致旋转前后靶标不在同一平面即存在景深问题以及受光线因素影响，测量过程存在一定偏差，所以通过最小二乘法对公式增加补偿系数k和b；令阀杆测量旋转角度为x，实际旋转角度为y，则初始表达式为
其中k和b是任意实数，现需要让x取值为xi时，预测值yi与回归方程所预测的之间的差值平方最小，故建立以下方程
经过整理得出，两个参数k，b关于x和y的表达式
所述步骤五，具体包括：
数据处理系统从工业相机拍摄的目标区域像素中提取特征，对模板进行快速匹配，得到一个候选区域列表；此后低差异匹配算法会使用从目标边缘像素点提取到的特征对候选区域进行精细匹配，并根据归一化互相关值的大小更新候选列表，确定最佳匹配区域；将检测前预先存入数据处理系统的棋盘格靶标图像作为基准，匹配靶标图像的特征，并根据不同检测序列下靶标在图像中的位置，得出靶标图像块在检测图像中的移动情况，数据处理系统记录动作过程中靶标图像中心点所移动的像素个数；实时计算靶标位移的像素距离，由像素与实际空间距离的关系计算出实际的执行机构位移，最终转化为阀杆旋转角度，实现对气动控制阀角位移的非接触在线测量。
2.根据权利要求1所述的一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，其特征在于：所述步骤一，具体包括：
选取一块黑白棋盘格靶标作为模板学习的对象，将靶标粘贴至待测气动控制阀阀杆处；工业相机开始即时采集图像并上传至数据处理系统；在采集到的靶标图像上选取棋盘格区域为矩形感兴趣区域即ROI区域，用于进行模板匹配。
3.根据权利要求1所述的一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法，其特征在于：所述步骤三，具体包括：
对模板进行多次缩放或旋转，在每次缩放或旋转后，使用得到的模板重复一次与目标图像的匹配过程，最后再从所有归一化互相关值中选取极大值，并将其对应的区域作为匹配结果输出；在学习和匹配阶段，均先对模板和目标图像同时进行多次低差异采样，在保留图像关键信息的同时去除冗余信息；在学习阶段，自动从目标边缘像素点提取到的特征对候选区域进行精细匹配，并根据归一化互相关值更新候选列表；算法会对模板数据进行分析，以确定能给出精确匹配结果的最优候选列表，然后连同特征数据保存在模板图像中以备后用；在匹配阶段，算法从图像最优候选列表开始，使用对应的模板图像进行灰度匹配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110694106.6A CN113505819B (zh) | 2021-06-22 | 2021-06-22 | 一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110694106.6A CN113505819B (zh) | 2021-06-22 | 2021-06-22 | 一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113505819A CN113505819A (zh) | 2021-10-15 |
| CN113505819B true CN113505819B (zh) | 2024-02-06 |
Family
ID=78010631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110694106.6A Active CN113505819B (zh) | 2021-06-22 | 2021-06-22 | 一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113505819B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102720877A (zh) * | 2012-06-07 | 2012-10-10 | 西安交通大学 | 直驱式旋转液压阀控制芯片 |
| CN103870815A (zh) * | 2014-03-24 | 2014-06-18 | 公安部第三研究所 | 球机视频监控的人车结构化描述方法及系统 |
| CN106504290A (zh) * | 2016-10-20 | 2017-03-15 | 北京化工大学 | 一种高精度的摄像机动态标定方法 |
| CN108860638A (zh) * | 2018-05-08 | 2018-11-23 | 赵凤银 | 带高效超短距滑行或垂直起降飞机装置的平台式喷气跑道 |
| CN109711420A (zh) * | 2018-12-20 | 2019-05-03 | 湖南商学院 | 基于人类视觉注意机制的多仿射目标的检测与识别方法 |
| CN110136120A (zh) * | 2019-05-16 | 2019-08-16 | 燕山大学 | 一种基于机器视觉的丝网印刷样板尺寸测量方法 |
| US11004212B1 (en) * | 2020-01-02 | 2021-05-11 | Hong Kong Applied Science and Technology Research Institute Company Limited | Object tracking method and system using iterative template matching |
-
2021
- 2021-06-22 CN CN202110694106.6A patent/CN113505819B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102720877A (zh) * | 2012-06-07 | 2012-10-10 | 西安交通大学 | 直驱式旋转液压阀控制芯片 |
| CN103870815A (zh) * | 2014-03-24 | 2014-06-18 | 公安部第三研究所 | 球机视频监控的人车结构化描述方法及系统 |
| CN106504290A (zh) * | 2016-10-20 | 2017-03-15 | 北京化工大学 | 一种高精度的摄像机动态标定方法 |
| CN108860638A (zh) * | 2018-05-08 | 2018-11-23 | 赵凤银 | 带高效超短距滑行或垂直起降飞机装置的平台式喷气跑道 |
| CN109711420A (zh) * | 2018-12-20 | 2019-05-03 | 湖南商学院 | 基于人类视觉注意机制的多仿射目标的检测与识别方法 |
| CN110136120A (zh) * | 2019-05-16 | 2019-08-16 | 燕山大学 | 一种基于机器视觉的丝网印刷样板尺寸测量方法 |
| US11004212B1 (en) * | 2020-01-02 | 2021-05-11 | Hong Kong Applied Science and Technology Research Institute Company Limited | Object tracking method and system using iterative template matching |
Non-Patent Citations (1)
| Title |
|---|
| 滑阀内孔圆柱度误差气动测量系统的研究;刘军 等;《控制与检测》(第1期);第53-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113505819A (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
| CN109977813B (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
| CN112766103B (zh) | 一种机房巡检方法及装置 | |
| CN106949848A (zh) | 一种高精度激光3d轮廓手机结构件检测方法 | |
| JPH10253322A (ja) | 空間内で物体を位置指定する方法および装置 | |
| CN113267258B (zh) | 红外测温方法、装置、设备、智能巡检机器人及存储介质 | |
| CN109493389B (zh) | 一种基于深度学习的相机标定方法及系统 | |
| EP1459035B1 (en) | Method for determining corresponding points in stereoscopic three-dimensional measurements | |
| JP2021515885A (ja) | 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体 | |
| CN115592324B (zh) | 基于人工智能的自动焊接机器人控制系统 | |
| CN113134683A (zh) | 基于机器学习的激光标刻方法及装置 | |
| CN116465315B (zh) | 一种网版质量自动化检测方法及系统 | |
| Liu et al. | Real-time 3D surface measurement in additive manufacturing using deep learning | |
| KR102189951B1 (ko) | 이미지 분석을 이용한 선박 도장상태 검사 시스템 및 방법 | |
| CN113505819B (zh) | 一种基于低差异采样图像模板匹配的气动控制阀角位移在线测量方法 | |
| CN113936291A (zh) | 一种基于机器视觉的铝模板质检、回收方法 | |
| CN116664846B (zh) | 基于语义分割实现3d打印桥面施工质量监测方法及系统 | |
| CN113610054A (zh) | 一种水下结构病害深度检测方法、系统、装置及存储介质 | |
| CN113970560A (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
| CN115375608A (zh) | 检测方法及装置、检测设备和存储介质 | |
| CN116879313A (zh) | 一种基于雷视超融合的结构裂损实时测定方法 | |
| CN116091401A (zh) | 基于目标检测和复合目标码的航天器装配件识别定位方法 | |
| CN111854678B (zh) | 一种单目视觉下基于语义分割和卡尔曼滤波的位姿测量方法 | |
| CN115018787A (zh) | 一种基于梯度增强的异常检测方法和系统 | |
| CN111189396B (zh) | 一种基于神经网络的增量绝对光栅尺的位移检测方法 |
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 |