CN113506327A - 一种断裂伸长率计算方法、装置及电子设备 - Google Patents
一种断裂伸长率计算方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113506327A CN113506327A CN202110805710.1A CN202110805710A CN113506327A CN 113506327 A CN113506327 A CN 113506327A CN 202110805710 A CN202110805710 A CN 202110805710A CN 113506327 A CN113506327 A CN 113506327A
- Authority
- CN
- China
- Prior art keywords
- image information
- protective sleeve
- characteristic point
- break
- cable protective
- 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
- 238000004364 calculation method Methods 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims abstract description 116
- 230000001681 protective effect Effects 0.000 claims abstract description 100
- 230000001133 acceleration Effects 0.000 claims abstract description 67
- 230000003287 optical effect Effects 0.000 claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 11
- 239000003550 marker Substances 0.000 claims description 10
- 230000008859 change Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000005316 response function Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种断裂伸长率测量方法、装置及电子设备,其中,断裂伸长率测量方法包括:在测量过程中获取待测电缆保护套的每一帧图像信息;对图像信息进行预处理,确定待测电缆保护套的目标特征点;基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。本发明通过光流法追踪电缆上特征点,并将加速度的突变作为电缆断裂的判断条件,解决了人工测量精度低的问题。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其是涉及一种断裂伸长率计算方法、装置及电子设备。
背景技术
电缆保护套是保护电线和电缆最为常见的一种电绝缘材料,因为具有绝缘性良好、化学稳定性高、不生锈、不老化、可适应恶劣环境的特点而被广泛应用,而在电缆保护套投入使用之前,对其进行性能测试尤为重要。
目前电缆保护套的断裂伸长率采用人工测量的方式,稳定性差且精度低。现有的光流法中,因缺少特征点的筛选过程会对检测出的所有特征点进行追踪,难以实现特定目标点的追踪任务。
基于此,如何实现对特定目标点的追踪以及提高计算断裂伸长率的准确度成为了亟需解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种断裂伸长率测量方法、装置及电子设备,基于金字塔L-K(Lucas-Kanada)光流法追踪特征点并实时计算特征点的加速度和间距,通过加速度阈值自动判定电缆保护套断裂瞬间,解决了现有人工测量精度低的问题。
第一方面,本发明实施例提供了一种断裂伸长率测量方法,包括:在测量过程中获取待测电缆保护套的每一帧图像信息;对图像信息进行预处理,确定待测电缆保护套的目标特征点;基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。
在本发明较佳的实施例中,对图像信息进行预处理,确定待测电缆保护套的目标特征点包括:在获取待测电缆保护套的图像信息之前,对待测电缆保护套的两端绘制标记符;对获取的待测电缆保护套的图像信息进行高斯滤波平滑处理,得到高斯滤波平滑处理后的图像;基于Harris算法检测高斯滤波平滑处理后的图像中的角点;对待测电缆保护套的图像信息进行二值化处理,得到二值化处理后的图像;提取二值化处理后的图像中的边缘信息,并基于边缘信息建立多个连通域,通过连通域面积阈值过滤二值化处理后的图像的无效边缘;基于连通域的圆形度,确定目标标记符,并计算目标标记符的形心的坐标;基于欧式距离最短原则匹配角点与形心,确定目标特征点。
在本发明较佳的实施例中,基于Harris算法检测高斯滤波平滑处理后的图像中的角点包括:将待测电缆保护套的图像信息进行灰度处理,得到灰度图像信息;将窗口函数在灰度图像信息中滑动,确定窗口内灰度变化量;确定窗口内灰度变化量的特征值,并基于特征值确定角点的分布位置。
在本发明较佳的实施例中,基于流光法追踪每一帧图像信息中的目标特征点,包括:根据亮度恒定假设建立基本光流约束方程;根据目标特征点邻域内光流相同的条件建立额外约束方程;利用最小二乘法对基本光流约束方程和额外约束方程进行求解,得到目标特征点;按分辨率由低到高的顺序将待测电缆保护套的每一帧图像信息建立高斯金字塔;通过最小匹配误差函数逐层预测目标特征点在后一帧图像中的位置,基于位置从高斯金字塔底层依次迭代计算目标特征点的位移。
在本发明较佳的实施例中,基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息包括:判断目标特征点的加速度是否小于预设加速度阈值;当目标特征点的加速度大于或等于预设加速度阈值时,将加速度对应的前一帧图像信息作为待测电缆保护套断裂时的前一帧图像信息;若目标特征点的加速度小于预设加速度阈值时,继续追踪目标特征点,执行确定待测电缆保护套断裂时的前一帧图像信息的步骤。
在本发明较佳的实施例中,根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率包括:根据待测电缆保护套的第一帧图像信息,得到初始特征点间距;根据待测电缆保护套断裂时的前一帧图像信息,得到断裂瞬间特征点间距;通过以下公式计算待测电缆保护套的断裂伸长率:
其中,p为待测电缆保护套的断裂伸长率,l为初始特征点间距,Δl为特征点间距变化量,其中,特征点间距变化量为断裂瞬间特征点间距与初始特征点间距的差值。
第二方面,本发明实施例还提供一种断裂伸长率测量装置,包括:图像获取模块,用于在测量过程中获取待测电缆保护套的每一帧图像信息;特征点确定模块,用于对图像信息进行预处理,确定待测电缆保护套的目标特征点;加速度计算模块,用于基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;断裂判定模块,用于基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;间距确定模块,用于根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;伸长率确定模块,用于根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。
在本发明较佳的实施例中,加速度计算模块,还用于根据亮度恒定假设建立基本光流约束方程;根据目标特征点邻域内光流相同的条件建立额外约束方程;利用最小二乘法对基本光流约束方程和额外约束方程进行求解,得到目标特征点;按分辨率由低到高的顺序将待测电缆保护套的每一帧图像信息建立高斯金字塔;通过最小匹配误差函数逐层预测目标特征点在后一帧图像中的位置,基于位置从高斯金字塔底层依次迭代计算目标特征点的位移。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,存储器存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储器之间通过总线通信,机器可读指令被处理器执行时执行如上述的断裂伸长率测量方法的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的断裂伸长率测量方法的步骤。
本发明实施例带来了以下有益效果:
本发明提供了一种断裂伸长率测量方法、装置及电子设备,其中,断裂伸长率测量方法包括:在测量过程中获取待测电缆保护套的每一帧图像信息;对图像信息进行预处理,确定待测电缆保护套的目标特征点;基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。本申请基于金字塔L-K光流法追踪特征点并实时计算特征点的加速度和间距,通过加速度阈值自动判定电缆保护套断裂瞬间,相较于现有人工判定电缆断裂和测量伸长率的方法,本发明操作简便,执行高效,并且有较高的精度。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1为本发明实施例提供的一种断裂伸长率测量方法的流程图;
图2为本发明实施例提供的一种图像帧数-目标特征点加速度的关系图;
图3为本发明实施例提供的另一种断裂伸长率测量方法的流程图;
图4为本发明实施例提供的另一种断裂伸长率测量方法的流程图;
图5为本发明实施例提供的另一种断裂伸长率测量方法的流程图;
图6为本发明实施例提供的一种金字塔L-K光流法迭代示意图;
图7为本发明实施例提供的一种摄像机成像平面示意图;
图8为本发明实施例提供的一种断裂伸长率测量装置的结构示意图;
图9为本发明实施例提供的一种电子设备的结构示意图。
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,下面将结合附图对本发明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。
目前电缆保护套的断裂伸长率采用人工测量的方式,稳定性差且精度低。现有的光流法中,因缺少特征点的筛选过程会对检测出的所有特征点进行追踪,难以实现特定目标点的追踪任务。
基于此,本发明实施例提供的一种断裂伸长率测量方法、装置及电子设备,基于金字塔L-K光流法追踪特征点并实时计算特征点的加速度和间距,通过加速度阈值自动判定电缆保护套断裂瞬间,相较于现有人工判定电缆断裂和测量伸长率的方法,本发明操作简便,执行高效,并且有较高的精度。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种断裂伸长率测量方法进行详细介绍。
实施例1
本实施例提供了一种断裂伸长率测量方法,如图1所示的一种断裂伸长率测量方法的流程图,该断裂伸长率测量方法包括:
步骤S110、在测量过程中获取待测电缆保护套的每一帧图像信息;
在测量之前,对待测电缆保护套的两端分别绘制黑色圆环标记符,以构建特征点。摄像机正对测量仪器,并连接计算机,实时采集、传输测量过程中的图像数据,摄像机将视频上传至计算机,计算机获取待测电缆保护套的每一帧图像信息,并记录该图像信息。
步骤S120、对图像信息进行预处理,确定待测电缆保护套的目标特征点;
计算机获取待测电缆保护套的每一帧图像信息后,对获取的图像信息进行预处理,预处理可以包括高斯滤波平滑处理、二值化处理和灰度处理等等,再对处理后的图像运用算法确定待测电缆保护套上的目标特征点,其中,算法可以是Harris角点算法、Moravec算子、Forstner算子、Harris算子和SUSAN(Small Univalue Segment AssimilatingNucleus)算子等。
步骤S130、基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;
光流法是利用图像序列中特征在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。通过构建约束方程利用最小二乘法对构建的约束方程求解,得到目标特征点,通过最小匹配误差函数预测目标特征点的位置,按分辨率大小一次迭代计算目标特征点的位移,从而实现对目标特征点的追踪,计算两个目标特征点在测量过程中的间距和运动的速度和加速度,计算机存储两个目标特征点的间距、速度和加速度。其中,目标特征点包括第一目标特征点和第二目标特征点,间距为第一目标特征点和第二目标特征点之间的距离。
步骤S140、基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;
如图2所示的一种图像帧数-目标特征点加速度的关系图,其中,frames为图像帧数,acceleration为目标特征点加速度,可以发现在测量过程中,对目标特征点的运动信息进行分析,其加速度在测量进行的前半程中数值上相对最为稳定,且在电缆保护套断裂瞬间产生的突变最为剧烈,因而采用加速度的突变作为电缆断裂的判断条件。在图像的每一帧中存在着高斯噪声,这些噪声对特征灰度值产生的影响会导致光流法追踪的坐标产生高斯误差。类似地,标记点在空间中同样会产生服从高斯分布的抖动,因此,可近似的认为电缆断裂前的加速度a服从期望为μ标准差为σ的高斯分布:
当电缆保护套断裂瞬间,加速度的突增使其不再服从正态分布,进一步地,提出了一种加速度阈值判据:
a>μ+5σ;
有效应对测量过程中的抖动情况,并要求瞬时加速度大于一定常数,判定为电缆断裂,进而确定待测电缆保护套断裂时的前一帧图像信息。
步骤S150、根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;
测量待测电缆保护套的第一帧图像信息中第一目标特征点与第二目标特征点之间的距离,得到初始特征点间距;测量待测电缆保护套断裂时的前一帧图像信息中第一目标特征点与第二目标特征点之间的距离,得到断裂瞬间特征点间距。
步骤S160、根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。
初始特征点表示待测电缆保护套的初始长度,断裂瞬间特征点间距表示待测电缆保护套的断裂长度,断裂瞬间特征点间距与初始特征点间距的差值表示待测电缆保护套的形变量,由形变量与初始长度的比值,得到待测电缆保护套的断裂伸长率。
本发明实施例提供了一种断裂伸长率测量方法,在测量过程中获取待测电缆保护套的每一帧图像信息;对图像信息进行预处理,确定待测电缆保护套的目标特征点;基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。本申请基于金字塔L-K光流法追踪特征点并实时计算特征点的加速度和间距,通过加速度阈值自动判定电缆保护套断裂瞬间,相较于现有人工判定电缆断裂和测量伸长率的方法,本发明操作简便,执行高效,并且有较高的精度。
参见图3所示另一种断裂伸长率测量方法的流程图,该方法是在图1所示方法的基础上实现的,该方法包括如下步骤:
步骤S310、在获取待测电缆保护套的图像信息之前,对待测电缆保护套的两端绘制标记符;
在待测电缆保护套的两端分别绘制黑色圆环标记符,然后用拉伸装置的夹具分别夹住保护套的两端,并确保保护套处于刚好伸直的状态。采用高精度的摄像机采集待测电缆保护套的图像数据,通过连接计算机与摄像机的数据线将数据传输至计算机,使用OpenCV(Open Source Computer Vision Library,跨平台计算机视觉库)读取并显示接收到的图像信息。
步骤S320、对获取的待测电缆保护套的图像信息进行高斯滤波平滑处理,得到高斯滤波平滑处理后的图像;
步骤S330、基于Harris算法检测高斯滤波平滑处理后的图像中的角点;
Harris算法是一种快速、高效的检测检测算法,这种方法通过特定窗口滑动引起灰度值剧烈变化的方式寻找图像中的兴趣点,通常兴趣点是轮廓交点等灰度梯度有明显变化的区域,进一步地利用响应函数检测出所有特征点。
步骤S340、对待测电缆保护套的图像信息进行二值化处理,得到二值化处理后的图像;
步骤S350、提取二值化处理后的图像中的边缘信息,并基于边缘信息建立多个连通域,通过连通域面积阈值过滤二值化处理后的图像的无效边缘;
步骤S360、基于连通域的圆形度,确定目标标记符,并计算目标标记符的形心的坐标;
图像处理包括了边缘提取和圆形度计算两个过程,首先通过边缘提取算法获取到图像中所有的边界信息,并计算每一个连通域的圆形度。利用标记符为圆环的特征,通过设定圆形度阈值,可有效地筛选出两个目标标记符。进一步地,利用标记符的坐标信息分别计算其形心位置。
步骤S370、基于欧式距离最短原则匹配角点与形心,确定目标特征点。
参见图4所示另一种断裂伸长率测量方法的流程图,该方法是在图3所示方法的基础上实现的,该方法包括如下步骤:
步骤S410、将待测电缆保护套的图像信息进行灰度处理,得到灰度图像信息;
步骤S420、将窗口函数在灰度图像信息中滑动,确定窗口内灰度变化量;
将窗口函数w(x,y)在灰度图中滑动,引起窗口内灰度变化:
其中I(x,y)为窗口移动前图像灰度值,I(x+u,y+v)为窗口移动后图像灰度值,E(u,v)为灰度变化量,x为横坐标,y为纵坐标,u为窗口移动前后横坐标的差值,v为窗口移动前后纵坐标的差值,w为窗口函数。
步骤S430、确定窗口内灰度变化量的特征值,并基于特征值确定角点的分布位置。
将I(x+u,y+v)泰勒展开,忽略高阶无穷小可得到:
对采集的图像二值化处当窗口滑动为微小移动时,可将灰度变化值表示为:
其中,
A为灰度变化量的特征值,其分布反应了角点的存在情况,通过响应函数简化特征值分布的判断,响应函数为:
CRF=det A-k(trace A)2;
其中,det A为矩阵A的行列式;trace A为矩阵A的迹;k为常数;CRF为响应函数值,其值的大小反映了角点存在可能性的大小,设定CRF阈值后筛选出图像中的角点。
参见图5所示另一种断裂伸长率测量方法的流程图,该方法是在图1所示方法的基础上实现的,该方法包括如下步骤:
步骤S510、根据亮度恒定假设建立基本光流约束方程;
步骤S520、根据目标特征点邻域内光流相同的条件建立额外约束方程;
步骤S530、利用最小二乘法对基本光流约束方程和额外约束方程进行求解,得到目标特征点;
本发明中改进的光流法是在传统光流法的基础上引入了图像金字塔理论,使得光流法能够良好地追踪运动速度相对较大的特征点。将目标特征点在不同帧图像中亮度恒定不变和相邻帧间目标特征点的运动距离相对较小作为光流法的基本假设条件,设任意特征点I(x,y,t)在下一帧图像中为I(x+dx,y+dy,t+dt),根据亮度恒定假设有:
I(x,y,t)=I(x+dx,y+dy,t+dt);
Ixu+Iyv+It=0;
该约束方程中含有u,v两个未知量,需添加约束条件才能得到准确解。L-K光流法引入了目标特征点的邻域内光流相同的附加条件,即同一场景下特征点的邻近特征点有相同的速度,设该邻域为的m×m窗口内共有n个特征点,则可由基本的光流约束条件建立方程组,其矩阵形式为:
采用最小二乘法对上式进行求解,可得:
V=(ATA)-1AT(-B);
步骤S540、按分辨率由低到高的顺序将待测电缆保护套的每一帧图像信息建立高斯金字塔;
参见图6所示的一种金字塔L-K光流法迭代示意图,L-K光流法的基本条件之一为假定目标运动为微小运动,当目标移动速度较大时,算法的追踪会出现较大误差。因此,引入金字塔分层的方法缩小图像尺寸,从而降低目标的运动速度。金字塔分层的处理方式为,将每一帧图像建立高斯金字塔,并按分辨率从低到高从金字塔顶层至底层排列。
步骤S550、通过最小匹配误差函数逐层预测目标特征点在后一帧图像中的位置,基于位置从高斯金字塔底层依次迭代计算目标特征点的位移。
从顶层开始,目标特征点的光流通过最小化其邻域范围内的匹配误差和得到。除顶层外的每层图像尺寸大小是其上一层的尺寸的一半,设原图像中目标位移为d,则金字塔每一层中目标位置可表示为:
其中L代表金字塔图像的层数,将顶层光流的结果反映到次顶层,并作为该层的光流估计值g,则次顶层的光流可表示为:
gL-1=2(gL+dL);
在每一层图像中,首先通过光流估值相应地移动邻域窗口以获得较小的残差位移向量,满足了小运动这一假设条件,便能够使用标准L-K算法进行计算;然后通过最小化匹配误差函数值的方式获得该层的光流,依次迭代可将金字塔底层的目标位移d表示为:
d=g0+d0;
其中,g0为金字塔0层的光流估计值,d0为金字塔0层的目标位移;
通过光流的分层累积将目标的较大运动转化为相对较小的运动,从而处理目标的大特征位移,实现目标点的追踪。
现有的光流法主要缺点在于缺乏对特征点的选定,因而会追踪检测出的所有特征点,均无法满足实际需求,本发明采用绘制标记符构建特征点,并用图像处理技术自动选取目标特征点的方式解决了该问题。
另外,现有的光流法缺少对追踪情况的度量,无法判断是否“跟丢”目标,且算法中金字塔层数这一参数须根据实际情况人工调整,对此本发明为了解决该问题提供了如下步骤:
步骤1:选定特征点;
步骤2:判断特征点是否在标记符内,若是,执行步骤3;若否,执行步骤1;
步骤3:利用光流法追踪特征点;
步骤4:判断特征点是否在标记符上,若是,增大金字塔层数后执行步骤1;若否,输出测量结果。
上述基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息步骤可以包括:
判断目标特征点的加速度是否小于预设加速度阈值;
当目标特征点的加速度大于或等于预设加速度阈值时,将加速度对应的前一帧图像信息作为待测电缆保护套断裂时的前一帧图像信息;
若目标特征点的加速度小于预设加速度阈值时,继续追踪目标特征点,执行确定待测电缆保护套断裂时的前一帧图像信息的步骤。
上述根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率可以包括:
根据待测电缆保护套的第一帧图像信息,得到初始特征点间距;
根据待测电缆保护套断裂时的前一帧图像信息,得到断裂瞬间特征点间距;
通过以下公式计算待测电缆保护套的断裂伸长率:
其中,p为待测电缆保护套的断裂伸长率,l为初始特征点间距,Δl为特征点间距变化量,其中,特征点间距变化量为断裂瞬间特征点间距与初始特征点间距的差值。
需要注意的是,在实际操作过程中,电缆所在平面与摄像机成像平面不一定会完全重合,存在一定的夹角θ,请参考图7所示的一种摄像机成像平面示意图。由于偏角的存在,实际断裂伸长率是通过电缆保护套在成像平面上的投影计算得到,其计算方式为:
p'为实际断裂伸长率,通过简单的三角变换可知投影计算的伸长率与真实伸长率的计算结果一致,因此,当电缆所在平面与摄像机投影平面存在一定夹角时,不会对电缆断裂伸长率的测量产生影响。
为了验证本申请的有效性与实时性,分别采用人工测量和本发明方法测量对电缆保护套的形变量进行测量,测量结果如表1所示:
表1
表1示出了采用人工测量方法和本发明方法测量电缆保护套形变量的结果对比。由表1可以知晓,本发明提供的断裂伸长率测量方法所得结果和人工测量结果基本一致,均差为2.87%,证明了该方法的可行性和有效性。相比传统的人工测量方法,该方法操作简便,自动化程度高。
需要说明的是,电缆保护套断裂伸长率的人工测量方法需要操作者主观判断电缆保护套断裂瞬间,对操作者的反应速度有较高要求,且在测量标记点形变前后的间距时两次引入测量误差。而本方法能精确判断电缆保护套断裂瞬间所在帧,通过特征点坐标计算得到的形变量更为准确,由此可知本申请方法测量值比人工测量方法所得值更为接近样品断裂伸长率真值。
实施例2
本申请实施例提供了一种断裂伸长率测试装置,参见图8所示的一种断裂伸长率测量装置的结构示意图,该断裂伸长率测量装置810包括:
图像获取模块820,用于在测量过程中获取待测电缆保护套的每一帧图像信息;
特征点确定模块830,用于对图像信息进行预处理,确定待测电缆保护套的目标特征点;
加速度计算模块840,用于基于流光法追踪每一帧图像信息中的目标特征点,计算目标特征点的间距和加速度;
断裂判定模块850,用于基于目标特征点的加速度,确定待测电缆保护套断裂时的前一帧图像信息;
间距确定模块860,用于根据待测电缆保护套的第一帧图像信息和断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;
伸长率确定模块870,用于根据初始特征点间距和断裂瞬间特征点间距,确定待测电缆保护套的断裂伸长率。
本发明实施例提供的断裂伸长率测量装置,与上述实施例提供的断裂伸长率测量方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
参见图9所示的一种电子设备的结构示意图,本发明实施例还提供一种电子设备900,包括:处理器90,存储器91,总线92和通信接口93,处理器90、通信接口93和存储器91通过总线92连接;处理器90用于执行存储器91中存储的可执行模块,例如计算机程序。
其中,存储器91可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线92可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器91用于存储程序,处理器90在接收到执行指令后,执行程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器90中,或者由处理器90实现。
处理器90可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器90中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器90可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器91,处理器90读取存储器91中的信息,结合其硬件完成上述方法的步骤。
另外,在本发明实施例的描述中,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。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的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,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种断裂伸长率测量方法,其特征在于,包括:
在测量过程中获取待测电缆保护套的每一帧图像信息;
对所述图像信息进行预处理,确定所述待测电缆保护套的目标特征点;
基于流光法追踪每一帧所述图像信息中的所述目标特征点,计算所述目标特征点的间距和加速度;
基于所述目标特征点的加速度,确定所述待测电缆保护套断裂时的前一帧图像信息;
根据所述待测电缆保护套的第一帧图像信息和所述断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;
根据所述初始特征点间距和所述断裂瞬间特征点间距,确定所述待测电缆保护套的断裂伸长率。
2.根据权利要求1所述的断裂伸长率测量方法,其特征在于,所述对所述图像信息进行预处理,确定所述待测电缆保护套的目标特征点包括:
在获取所述待测电缆保护套的图像信息之前,对所述待测电缆保护套的两端绘制标记符;
对获取的所述待测电缆保护套的图像信息进行高斯滤波平滑处理,得到高斯滤波平滑处理后的图像;
基于Harris算法检测所述高斯滤波平滑处理后的图像中的角点;
对所述待测电缆保护套的图像信息进行二值化处理,得到二值化处理后的图像;
提取所述二值化处理后的图像中的边缘信息,并基于所述边缘信息建立多个连通域,通过连通域面积阈值过滤所述二值化处理后的图像的无效边缘;
基于连通域的圆形度确定目标标记符,并计算所述目标标记符的形心的坐标;
基于欧式距离最短原则匹配所述角点与所述形心,确定目标特征点。
3.根据权利要求2所述的断裂伸长率测量方法,其特征在于,所述基于Harris算法检测所述高斯滤波平滑处理后的图像中的角点包括:
将所述待测电缆保护套的图像信息进行灰度处理,得到灰度图像信息;
将窗口函数在所述灰度图像信息中滑动,确定窗口内灰度变化量;
确定所述窗口内灰度变化量的特征值,并基于所述特征值确定所述角点的分布位置。
4.根据权利要求1所述的断裂伸长率测量方法,其特征在于,所述基于流光法追踪每一帧所述图像信息中的所述目标特征点,包括:
根据亮度恒定假设建立基本光流约束方程;
根据目标特征点邻域内光流相同的条件建立额外约束方程;
利用最小二乘法对所述基本光流约束方程和所述额外约束方程进行求解,得到所述目标特征点;
按分辨率由低到高的顺序将所述待测电缆保护套的每一帧图像信息建立高斯金字塔;
通过最小匹配误差函数逐层预测所述目标特征点在后一帧图像中的位置,基于所述位置从所述高斯金字塔底层依次迭代计算所述目标特征点的位移。
5.根据权利要求1所述的断裂伸长率测量方法,其特征在于,所述基于所述目标特征点的加速度,确定所述待测电缆保护套断裂时的前一帧图像信息包括:
判断所述目标特征点的加速度是否小于预设加速度阈值;
当所述目标特征点的加速度大于或等于所述预设加速度阈值时,将所述加速度对应的前一帧图像信息作为所述待测电缆保护套断裂时的前一帧图像信息;
若所述目标特征点的加速度小于预设加速度阈值时,继续追踪所述目标特征点,执行所述确定所述待测电缆保护套断裂时的前一帧图像信息的步骤。
7.一种断裂伸长率测量装置,其特征在于,所述断裂伸长率测量装置包括:
图像获取模块,用于在测量过程中获取待测电缆保护套的每一帧图像信息;
特征点确定模块,用于对所述图像信息进行预处理,确定所述待测电缆保护套的目标特征点;
加速度计算模块,用于基于流光法追踪每一帧所述图像信息中的所述目标特征点,计算所述目标特征点的间距和加速度;
断裂判定模块,用于基于所述目标特征点的加速度,确定所述待测电缆保护套断裂时的前一帧图像信息;
间距确定模块,用于根据所述待测电缆保护套的第一帧图像信息和所述断裂时的前一帧图像信息,确定初始特征点间距和断裂瞬间特征点间距;
伸长率确定模块,用于根据所述初始特征点间距和所述断裂瞬间特征点间距,确定所述待测电缆保护套的断裂伸长率。
8.根据权利要求7所述的一种断裂伸长率测量装置,其特征在于,所述加速度计算模块,还用于根据亮度恒定假设建立基本光流约束方程;根据目标特征点邻域内光流相同的条件建立额外约束方程;利用最小二乘法对所述基本光流约束方程和所述额外约束方程进行求解,得到所述目标特征点;
按分辨率由低到高的顺序将所述待测电缆保护套的每一帧图像信息建立高斯金字塔;通过最小匹配误差函数逐层预测所述目标特征点在后一帧图像中的位置,基于所述位置从所述高斯金字塔底层依次迭代计算所述目标特征点的位移。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1-6任一项所述的断裂伸长率测量方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,所述计算机可执行指令促使处理器实现权利要求1-6任一项所述的断裂伸长率测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805710.1A CN113506327A (zh) | 2021-07-16 | 2021-07-16 | 一种断裂伸长率计算方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805710.1A CN113506327A (zh) | 2021-07-16 | 2021-07-16 | 一种断裂伸长率计算方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113506327A true CN113506327A (zh) | 2021-10-15 |
Family
ID=78013568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110805710.1A Pending CN113506327A (zh) | 2021-07-16 | 2021-07-16 | 一种断裂伸长率计算方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113506327A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187348A (zh) * | 2022-02-16 | 2022-03-15 | 成都大公博创信息技术有限公司 | 一种基于计算机视觉的电缆护套断裂伸长率测量方法 |
CN114323946A (zh) * | 2021-12-29 | 2022-04-12 | 深圳中宝集团有限公司 | 键合金丝拉力自动测试的方法、装置和计算机设备 |
CN115082509A (zh) * | 2022-08-22 | 2022-09-20 | 成都大公博创信息技术有限公司 | 一种对无特征目标的追踪方法 |
CN115620211A (zh) * | 2022-12-06 | 2023-01-17 | 广东祥利科技有限公司 | 阻燃低烟无卤护套的性能数据处理方法及系统 |
CN116092277A (zh) * | 2023-04-10 | 2023-05-09 | 国网山东省电力公司青岛市即墨区供电公司 | 电缆断裂远程无线监控预警系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096530A (zh) * | 2011-01-28 | 2011-06-15 | 广东威创视讯科技股份有限公司 | 一种多点触摸轨迹跟踪方法 |
CN103471910A (zh) * | 2013-08-26 | 2013-12-25 | 东华大学 | 一种基于随机点跟踪的金属材料断裂伸长率智能测试方法 |
US20140085462A1 (en) * | 2012-09-26 | 2014-03-27 | Raytheon Company | Video-assisted target location |
CN112287807A (zh) * | 2020-10-27 | 2021-01-29 | 武汉大学 | 一种基于多分支金字塔神经网络的遥感影像道路提取方法 |
CN112613526A (zh) * | 2020-12-17 | 2021-04-06 | 厦门大学 | 一种基于光流跟踪的特征匹配算法及系统 |
-
2021
- 2021-07-16 CN CN202110805710.1A patent/CN113506327A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096530A (zh) * | 2011-01-28 | 2011-06-15 | 广东威创视讯科技股份有限公司 | 一种多点触摸轨迹跟踪方法 |
US20140085462A1 (en) * | 2012-09-26 | 2014-03-27 | Raytheon Company | Video-assisted target location |
CN103471910A (zh) * | 2013-08-26 | 2013-12-25 | 东华大学 | 一种基于随机点跟踪的金属材料断裂伸长率智能测试方法 |
CN112287807A (zh) * | 2020-10-27 | 2021-01-29 | 武汉大学 | 一种基于多分支金字塔神经网络的遥感影像道路提取方法 |
CN112613526A (zh) * | 2020-12-17 | 2021-04-06 | 厦门大学 | 一种基于光流跟踪的特征匹配算法及系统 |
Non-Patent Citations (3)
Title |
---|
云礼宁;马少鹏;李霞镇;任海青;: "用数字散斑相关方法研究竹材在拉伸载荷下的断裂行为", 北京理工大学学报, no. 03 * |
朱力强;王春薇;王耀东;余祖俊;郭保青;: "基于特征点集距离描述的裂缝图像匹配算法研究", 仪器仪表学报, no. 12 * |
陈俊松 等: "基于改进 L-K 光流法的电缆断裂伸长率测量技术", 《仪器仪表学报》, 30 April 2021 (2021-04-30), pages 256 - 264 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114323946A (zh) * | 2021-12-29 | 2022-04-12 | 深圳中宝集团有限公司 | 键合金丝拉力自动测试的方法、装置和计算机设备 |
CN114187348A (zh) * | 2022-02-16 | 2022-03-15 | 成都大公博创信息技术有限公司 | 一种基于计算机视觉的电缆护套断裂伸长率测量方法 |
CN114187348B (zh) * | 2022-02-16 | 2022-05-06 | 成都大公博创信息技术有限公司 | 一种基于计算机视觉的电缆护套断裂伸长率测量方法 |
CN115082509A (zh) * | 2022-08-22 | 2022-09-20 | 成都大公博创信息技术有限公司 | 一种对无特征目标的追踪方法 |
CN115082509B (zh) * | 2022-08-22 | 2022-11-04 | 成都大公博创信息技术有限公司 | 一种对无特征目标的追踪方法 |
CN115620211A (zh) * | 2022-12-06 | 2023-01-17 | 广东祥利科技有限公司 | 阻燃低烟无卤护套的性能数据处理方法及系统 |
CN116092277A (zh) * | 2023-04-10 | 2023-05-09 | 国网山东省电力公司青岛市即墨区供电公司 | 电缆断裂远程无线监控预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113506327A (zh) | 一种断裂伸长率计算方法、装置及电子设备 | |
CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
JP6844235B2 (ja) | 距離測定装置および距離測定方法 | |
CN108335310B (zh) | 一种便携式粒形粒度检测方法及系统 | |
JP6813025B2 (ja) | 状態判定装置、状態判定方法、及びプログラム | |
CN113838139A (zh) | 图像传感器的参数检测方法、装置、电子设备及存储介质 | |
CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
CN110706257B (zh) | 有效特征点对的识别方法、相机状态的确定方法及装置 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN113569679A (zh) | 测量断裂伸长率的方法、装置和系统 | |
CN116542979B (zh) | 一种基于图像测量的预测的校正方法及终端 | |
CN116430069A (zh) | 机器视觉流体流速测量方法、装置、计算机设备及存储介质 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN115683046A (zh) | 测距方法、装置、传感器及计算机可读存储介质 | |
JP2000331169A (ja) | 画像の動きベクトル計測方法及び装置 | |
JP2525487B2 (ja) | 粒子凝集パタ―ン判定方法 | |
JP6897448B2 (ja) | 線幅推定プログラム、装置、及び方法 | |
CN113534296A (zh) | 基于神经网络沙尘天气预报强度误差的测算方法及装置 | |
JP2004343737A (ja) | 画像補正方法、プログラム及び装置 | |
JP7400950B2 (ja) | 検出装置、ラベル付与方法、及びプログラム | |
JP2790101B2 (ja) | 粒子凝集パターン判定装置 | |
CN113405644B (zh) | 非接触的振动测量方法、装置和存储介质 | |
CN111220073B (zh) | 一种无先验知识条件下的摄像监视与坐标监视关联和交叉验证方法 | |
CN109993022A (zh) | 高度检测方法及高度检测方程的建立方法 | |
CN112630793B (zh) | 一种确定平面异常点的方法和相关装置 |
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 |