CN113776437A - 一种基于机器视觉的高精度中厚板宽度测量方法 - Google Patents

一种基于机器视觉的高精度中厚板宽度测量方法 Download PDF

Info

Publication number
CN113776437A
CN113776437A CN202110957417.7A CN202110957417A CN113776437A CN 113776437 A CN113776437 A CN 113776437A CN 202110957417 A CN202110957417 A CN 202110957417A CN 113776437 A CN113776437 A CN 113776437A
Authority
CN
China
Prior art keywords
camera
cameras
steel plate
width
pixels
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
CN202110957417.7A
Other languages
English (en)
Other versions
CN113776437B (zh
Inventor
吴昆鹏
孙文权
杨朝霖
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202110957417.7A priority Critical patent/CN113776437B/zh
Publication of CN113776437A publication Critical patent/CN113776437A/zh
Application granted granted Critical
Publication of CN113776437B publication Critical patent/CN113776437B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Genetics & Genomics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种基于机器视觉的高精度中厚板宽度测量方法，属于机器视觉检测技术领域。该方法在同一水平线上沿钢板宽度方向分布排列多个线阵相机，采集钢板下表面图像；通过标定板标定出各相机的分辨率以及相机之间的重合区域，通过去除重叠、背景等冗余区域得到各相机的实际拍摄钢板范围。再通过遗传算法拟合出各相机最优的偏转角度解，利用偏转角度计算得到各相机拍摄钢板范围在钢板宽度方向上的投影长度，并将投影长度进行累加即可得到钢板的宽度值。该方法不仅可以扩展宽度测量范围，避免单个相机测量时存在的精度不足、边界模糊等问题，而且大大降低了测量过程中的非线性误差，明显的提高了宽度测量的精度。

Description

一种基于机器视觉的高精度中厚板宽度测量方法
技术领域
本发明涉及机器视觉检测技术领域，特别是指一种基于机器视觉的高精度中厚板宽度测量方法。
背景技术
钢板宽度测量是钢材生产过程中是必不可少的检测过程，目前常用的测宽方法多采用激光与面阵相机结合的方式获取图像并分析出边界信息，再利用边界像素点与实物的对应位置关系得到钢板的宽度。这种方式一般采用单个面阵相机进行图像采集，相机精度有限，很难达到高精度的测量。
现有技术中有提到采用双CCD检测方式，根据两边界点在两相机的投影点差异，并利用几何关系测量得到带材宽度，该方式不能适应较大宽度范围下的钢板宽度检测，宽度精度有所限制，同时未考虑到相机安装存在的微小角度偏差问题，会存在测量的非线性误差。还有方法分别在带钢上方、下方各设置一个线阵相机进行带钢边部检测，虽然避免了多相机方案中角度偏差的问题，但单个相机限制了最终带钢宽度的检测精度。
本发明所提到的方法采用多个线阵相机进行钢板的宽度测量，有效的扩展宽度分辨的精度。同时考虑到相机安装过程中相机像元与钢板宽度方向会存在角度偏差，因此通过遗传算法拟合出各相机最优的偏转角度解，利用偏转角度计算得到各相机拍摄钢板范围在钢板宽度方向上的投影长度，并将投影长度进行累加即可得到钢板的宽度值。
发明内容
本发明要解决的技术问题是提供一种基于机器视觉的高精度中厚板宽度测量方法。
该方法包括步骤如下：
(1)在同一水平线上沿钢板宽度方向分布排列多个线阵相机，采集钢板下表面图像，各相机拍摄范围有一定重合；
(2)根据相机标定的数据去除各相机之间拍摄区域重合的像素点；
(3)在每个相机图像中分割出代表钢板的像素点，结合相机的实际分辨率得到每个相机拍摄的实际钢板范围(每个相机分辨率乘以对应相机图像中钢板所占的像素点即为每个相机拍摄的实际钢板范围)；
(4)利用遗传算法求解出线阵相机像元区域与钢板宽度方向的偏转角度；
(5)根据偏转角度计算出相机拍摄的实际钢板范围在钢板宽度方向的投影，各相机对应的投影长度依次累加即可得到钢板的宽度。
其中，步骤(1)中线阵相机为4个，线阵相机的分辨精度为p，各相机之间的重复区域为拍摄范围的4％～6％。
步骤(2)中相机标定的数据为利用标定板标定得到的数据，包括相机拍摄的实际范围l′1、l′2、l′3、l′4，相机之间重合区域像素p12、p21、p23、p32、p34、p43，其中，l′1、l′2、l′3、l′4分别为相机1、相机2、相机3和相机4拍摄的实际范围；p12为相机1拍摄图像中相机1和相机2重合区域像素，p21为相机2拍摄图像中相机2和相机1重合区域像素，p23为相机2拍摄图像中相机2和相机3重合区域像素，p32为相机3拍摄图像中相机3和相机2重合区域像素，p34为相机3拍摄图像中相机3和相机4重合区域像素，p43为相机4拍摄图像中相机4和相机3重合区域像素；
Fe1、Fe2、Fe3、Fe4分别为相机1、相机2、相机3和相机4的分辨率，通过以下公式计算：
Figure BDA0003215777160000021
其中，p为线阵相机的分辨精度。
上述相机2、相机3拍摄范围均为钢板区域，相机1、相机4中存在有非钢板的背景区域，通过二值化分割可得到相机1和相机4中非钢板的背景区域像素p11、p44。
步骤(4)中设定每个相机偏转角度的求解范围为[-10，10]，遗传算法中设计的适应度函数为：
Figure BDA0003215777160000031
其中，δ为遗传算法用到的适应度函数；N为抽取的钢板数量；i为钢板编号；w(i)为测量得到的钢板宽度，即由四个相机拍摄，根据公式w＝l1+l2+l3+l4-l11-l12-l23-l34-l44计算得到；
Figure BDA0003215777160000035
为实际的钢板宽度，通过实际的尺子等工具测量得到；偏转角度指线阵相机靶面与辊道宽度方向的夹角大小。
步骤(5)中钢板宽度w的计算公式为：
w＝l1+l2+l3+l4-l11-l12-l23-l34-l44
其中，l1、l2、l3、l4分别为相机1、相机2、相机3、相机4拍摄的实际范围在钢板宽度方向上的投影，l11、l44为相机1和相机4拍摄的背景区域在钢板宽度方向上的投影，l12、l23、l34分别为相机1和相机2、相机2和相机3、相机3和相机4重合区域在钢板宽度方向上的投影。
上述l1、l2、l3、l4、l11、l44、l12、l23、l34的计算过程如下：
l1＝l′1*cosθ1，l2＝l′2*cosθ2，l3＝l′3*cosθ3，l4＝l′4*cosθ4
l11＝p11*Fe1*cosθ1，l44＝p44*Fe4*cosθ4
Figure BDA0003215777160000032
Figure BDA0003215777160000033
Figure BDA0003215777160000034
其中，θ1、θ2、θ3、θ4分别为相机1、相机2、相机3和相机4的偏转角度。
本发明的上述技术方案的有益效果如下：
上述方案中，采用多个线阵相机进行钢板的宽度测量，有效的扩展了宽度分辨的精度及检测范围。同时考虑到相机安装过程中相机像元与钢板宽度方向会存在角度偏差，因此通过遗传算法拟合出各相机最优的偏转角度解，利用偏转角度计算得到各相机拍摄钢板范围在钢板宽度方向上的投影长度，并将投影长度进行累加即可得到钢板的宽度值。通过本方法可将测量宽度误差控制在1mm内，满足实际生产现场的应用。
附图说明
图1为本发明的基于机器视觉的高精度中厚板宽度测量方法的宽度测量原理图；
图2为本发明的基于机器视觉的高精度中厚板宽度测量方法的遗传算法求解最优偏转角度流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明提供一种基于机器视觉的高精度中厚板宽度测量方法。
如图1所示，该方法包括步骤如下：
(1)在同一水平线上沿钢板宽度方向分布排列多个线阵相机，采集钢板下表面图像，各相机拍摄范围有一定重合；
(2)根据相机标定的数据去除各相机之间拍摄区域重合的像素点；
(3)在每个相机图像中分割出代表钢板的像素点，结合相机的实际分辨率得到每个相机拍摄的实际钢板范围；
(4)利用遗传算法求解出线阵相机像元区域与钢板宽度方向的偏转角度；
(5)根据偏转角度计算出相机拍摄的实际钢板范围在钢板宽度方向的投影，各相机对应的投影长度依次累加即可得到钢板的宽度。
下面结合具体实施例予以说明。
针对最大宽度5m的钢板，在同一水平线上沿钢板宽度方向分布排列4个分辨精度为4096的线阵相机进行图像拍摄，采集钢板下表面图像。
各相机之间的重复区域约为200个像素。
根据相机标定的数据去除各相机之间拍摄区域重合的像素点；利用标定板标定得到的数据包括各相机拍摄实际范围l′1、l′2、l′3、l′4，各相机之间重合区域像素分别为p12、p21、p23、p32、p34、p43，此外相机1和相机4中由于存在非钢板的背景区域，该区域像素分别定义为p11、p44。
相机1、相机2、相机3和相机4的分辨率Fe1、Fe2、Fe3、Fe4的计算公式为：
Figure BDA0003215777160000051
在每个相机图像中分割出代表钢板的像素点，结合相机的实际分辨率可得到每个相机拍摄的实际钢板范围。
利用遗传算法求解出线阵相机像元区域与钢板宽度方向的偏转角度，如图2所示。
利用遗传算法求解偏转角度时，设定每个相机偏转角度的解空间为[-10，10]度；初始种群数量为200，每个种群包含4条染色体，分别代表4个相机的偏转角度；设置角度编码精度为0.001，得到每条染色体长度为18；此外，设置最大迭代次数为100000，交叉概率为0.8，变异概率为0.01。算法中设计的适应度函数为：
Figure BDA0003215777160000052
其中N为抽取的钢板数量，i为钢板编号；w(i)为测量得到的钢板宽度，
Figure BDA0003215777160000053
为实际的钢板宽度。
生产现场抽取10块钢板，利用米尺测量得到每块钢板的实际宽度
Figure BDA0003215777160000054
作为目标宽度，利用本发明计算钢板宽度方法得到对应的w(i)，其中w(i)存在未知参数(即各相机的偏转角度θ1、θ2、θ3、θ4)；通过遗传算法迭代求得使适应度函数δ最大的染色体解，作为最终求得的各相机偏转角度。
根据偏转角度计算出相机拍摄的实际钢板范围在钢板宽度方向的投影，各相机对应的投影长度依次累加即可得到钢板的宽度。
钢板宽度的计算公式为：
w＝l1+l2+l3+l4-l11-l12-l23-l34-l44
其中l1、l2、l3、l4为相机1-4拍摄的实际范围在钢板宽度方向上的投影，l11、l44为相机1和相机4拍摄的背景区域在钢板宽度方向上的投影，l12、l23、l34为各相机之间重合区域在钢板宽度方向上的投影。
各变量的计算公式如下：
l1＝l′1*cosθ1，l2＝l′2*cosθ2，l3＝l′3*cosθ3，l4＝l′4*cosθ4
l11＝p11*Fe1*cosθ1，l44＝p44*Fe4*cosθ4
Figure BDA0003215777160000061
Figure BDA0003215777160000062
Figure BDA0003215777160000063
其中θ1、θ2、θ3、θ4分别为相机1、相机2、相机3和相机4的偏转角度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于机器视觉的高精度中厚板宽度测量方法，其特征在于：包括步骤如下：
(1)在同一水平线上沿钢板宽度方向分布排列多个线阵相机，采集钢板下表面图像，各相机拍摄范围有一定重合；
(2)根据相机标定的数据去除各相机之间拍摄区域重合的像素点；
(3)在每个相机图像中分割出代表钢板的像素点，结合相机的实际分辨率得到每个相机拍摄的实际钢板范围；
(4)利用遗传算法求解出线阵相机像元区域与钢板宽度方向的偏转角度；
(5)根据偏转角度计算出相机拍摄的实际钢板范围在钢板宽度方向的投影，各相机对应的投影长度依次累加即可得到钢板的宽度。
2.根据权利要求1所述的基于机器视觉的高精度中厚板宽度测量方法，其特征在于：所述步骤(1)中线阵相机为4个，线阵相机的分辨精度为p，各相机之间的重复区域为拍摄范围的4％～6％。
3.根据权利要求1所述的基于机器视觉的高精度中厚板宽度测量方法，其特征在于：所述步骤(2)中相机标定的数据为利用标定板标定得到的数据，包括相机拍摄的实际范围l′1、l′2、l′3、l′4，相机之间重合区域像素p12、p21、p23、p32、p34、p43，其中，l′1、l′2、l′3、l′4分别为相机1、相机2、相机3和相机4拍摄的实际范围；p12为相机1拍摄图像中相机1和相机2重合区域像素，p21为相机2拍摄图像中相机2和相机1重合区域像素，p23为相机2拍摄图像中相机2和相机3重合区域像素，p32为相机3拍摄图像中相机3和相机2重合区域像素，p34为相机3拍摄图像中相机3和相机4重合区域像素，p43为相机4拍摄图像中相机4和相机3重合区域像素；
进一步计算相机1、相机2、相机3和相机4的分辨率Fe1、Fe2、Fe3、Fe4：
Figure FDA0003215777150000011
其中，p为线阵相机的分辨精度。
4.根据权利要求3所述的基于机器视觉的高精度中厚板宽度测量方法，其特征在于：所述相机2、相机3拍摄范围均为钢板区域，相机1、相机4中存在有非钢板的背景区域，通过二值化分割得到相机1和相机4中非钢板的背景区域像素p11、p44。
5.根据权利要求1所述的基于机器视觉的高精度中厚板宽度测量方法，其特征在于：所述步骤(4)中设定每个相机偏转角度的求解范围为[-10，10]，遗传算法中设计的适应度函数为：
Figure FDA0003215777150000021
其中，δ为遗传算法用到的适应度函数，N为抽取的钢板数量，i为钢板编号，w(i)为测量得到的钢板宽度，
Figure FDA0003215777150000022
为实际的钢板宽度。
6.根据权利要求1所述的基于机器视觉的高精度中厚板宽度测量方法，其特征在于：所述步骤(5)中钢板宽度w的计算公式为：
w＝l1+l2+l3+l4-l11-l12-l23-l34-l44
其中，l1、l2、l3、l4分别为相机1、相机2、相机3、相机4拍摄的实际范围在钢板宽度方向上的投影，l11、l44为相机1和相机4拍摄的背景区域在钢板宽度方向上的投影，l12、l23、l34分别为相机1和相机2、相机2和相机3、相机3和相机4重合区域在钢板宽度方向上的投影。
7.根据权利要求6所述的基于机器视觉的高精度中厚板宽度测量方法，其特征在于：所述l1、l2、l3、l4、l11、l44、l12、l23、l34的计算过程如下：
l1＝l′1*cosθ1，l2＝l′2*cosθ2，l3＝l′3*cosθ3，l4＝l′4*cosθ4
l11＝p11*Fe1*cosθ1，l44＝p44*Fe4*cosθ4
Figure FDA0003215777150000023
Figure FDA0003215777150000024
Figure FDA0003215777150000025
其中，θ1、θ2、θ3、θ4分别为相机1、相机2、相机3和相机4的偏转角度；l′1、l′2、l′3、l′4分别为相机1、相机2、相机3和相机4拍摄的实际范围；Fe1、Fe2、Fe3、Fe4分别为相机1、相机2、相机3和相机4的分辨率；p12为相机1拍摄图像中相机1和相机2重合区域像素，p21为相机2拍摄图像中相机2和相机1重合区域像素，p23为相机2拍摄图像中相机2和相机3重合区域像素，p32为相机3拍摄图像中相机3和相机2重合区域像素，p34为相机3拍摄图像中相机3和相机4重合区域像素，p43为相机4拍摄图像中相机4和相机3重合区域像素。
CN202110957417.7A 2021-08-17 2021-08-17 一种基于机器视觉的高精度中厚板宽度测量方法 Active CN113776437B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110957417.7A CN113776437B (zh) 2021-08-17 2021-08-17 一种基于机器视觉的高精度中厚板宽度测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110957417.7A CN113776437B (zh) 2021-08-17 2021-08-17 一种基于机器视觉的高精度中厚板宽度测量方法

Publications (2)

Publication Number Publication Date
CN113776437A true CN113776437A (zh) 2021-12-10
CN113776437B CN113776437B (zh) 2022-06-07

Family

ID=78838339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110957417.7A Active CN113776437B (zh) 2021-08-17 2021-08-17 一种基于机器视觉的高精度中厚板宽度测量方法

Country Status (1)

Country Link
CN (1) CN113776437B (zh)

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05296729A (ja) * 1992-04-16 1993-11-09 Nkk Corp 鋼板の幅測定方法
JPH09231372A (ja) * 1996-02-26 1997-09-05 Glory Ltd 硬貨識別方法及び装置
KR20030018183A (ko) * 2001-08-27 2003-03-06 주식회사 포스코 레이저와 에어리어스캔 시시디 카메라를 이용한 강판의 폭측정 장치 및 방법
JP2005156431A (ja) * 2003-11-27 2005-06-16 Jfe Steel Kk 板幅測定装置および板幅測定方法
JP2006266748A (ja) * 2005-03-22 2006-10-05 Mitsutoyo Corp 画像測定装置
CN201488703U (zh) * 2009-08-25 2010-05-26 周良川 成品钢板几何尺寸与板型在线测量系统
CN201488954U (zh) * 2009-08-25 2010-05-26 周良川 板材表面质量检测系统
CN102538705A (zh) * 2012-01-12 2012-07-04 杭州浙大精益机电技术工程有限公司 基于二次投影算法的在线非接触式中厚板轮廓检测系统及方法
CN102918353A (zh) * 2010-05-18 2013-02-06 新日铁住金株式会社 板材的平坦度测量方法及采用该方法的钢板的制造方法
CN104515479A (zh) * 2015-01-07 2015-04-15 中冶京诚工程技术有限公司 中厚板平面板形测量系统及方法
CN204329898U (zh) * 2015-01-07 2015-05-13 中冶京诚工程技术有限公司 中厚板平面板形采集系统
CN104866820A (zh) * 2015-04-29 2015-08-26 中国农业大学 一种基于遗传算法的农机导航线提取方法及装置
CN105547167A (zh) * 2016-03-11 2016-05-04 中冶赛迪电气技术有限公司 基于机器视觉的带钢宽度测量系统及方法
JP2016117098A (ja) * 2014-12-01 2016-06-30 ポスコ 熱間圧延工程におけるキャンバー測定装置及び方法
CN110017773A (zh) * 2019-05-09 2019-07-16 福建（泉州）哈工大工程技术研究院 一种基于机器视觉的包裹体积测量方法
CN110116138A (zh) * 2019-06-13 2019-08-13 沈阳建筑大学 一种轧制过程中热态钢板长度及侧弯测量方法
CN110376207A (zh) * 2019-07-16 2019-10-25 北京科技大学 一种超宽厚板表面缺陷在线检测系统图像采集方法
CN110704957A (zh) * 2019-08-16 2020-01-17 江苏理工学院 基于遗传算法的风力发电机导流罩铺层优化设计方法
CN111054782A (zh) * 2019-12-31 2020-04-24 太原科技大学 一种宽厚板板形检测装置及方法
CN111811513A (zh) * 2020-06-28 2020-10-23 西安电子科技大学 一种多无人机协同覆盖及避障的航迹规划方法
CN112677489A (zh) * 2021-01-25 2021-04-20 中国科学院空间应用工程与技术中心 一种打印路径规划方法、系统和3d打印机
CN112884656A (zh) * 2021-04-15 2021-06-01 世纪开元智印互联科技集团股份有限公司 一种包装盒平面展开图图像的印刷拼版方法及系统
CN113139900A (zh) * 2021-04-01 2021-07-20 北京科技大学设计研究院有限公司 一种棒材完整表面图像获取方法

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05296729A (ja) * 1992-04-16 1993-11-09 Nkk Corp 鋼板の幅測定方法
JPH09231372A (ja) * 1996-02-26 1997-09-05 Glory Ltd 硬貨識別方法及び装置
KR20030018183A (ko) * 2001-08-27 2003-03-06 주식회사 포스코 레이저와 에어리어스캔 시시디 카메라를 이용한 강판의 폭측정 장치 및 방법
JP2005156431A (ja) * 2003-11-27 2005-06-16 Jfe Steel Kk 板幅測定装置および板幅測定方法
JP2006266748A (ja) * 2005-03-22 2006-10-05 Mitsutoyo Corp 画像測定装置
CN201488703U (zh) * 2009-08-25 2010-05-26 周良川 成品钢板几何尺寸与板型在线测量系统
CN201488954U (zh) * 2009-08-25 2010-05-26 周良川 板材表面质量检测系统
CN102918353A (zh) * 2010-05-18 2013-02-06 新日铁住金株式会社 板材的平坦度测量方法及采用该方法的钢板的制造方法
CN102538705A (zh) * 2012-01-12 2012-07-04 杭州浙大精益机电技术工程有限公司 基于二次投影算法的在线非接触式中厚板轮廓检测系统及方法
JP2016117098A (ja) * 2014-12-01 2016-06-30 ポスコ 熱間圧延工程におけるキャンバー測定装置及び方法
CN204329898U (zh) * 2015-01-07 2015-05-13 中冶京诚工程技术有限公司 中厚板平面板形采集系统
CN104515479A (zh) * 2015-01-07 2015-04-15 中冶京诚工程技术有限公司 中厚板平面板形测量系统及方法
CN104866820A (zh) * 2015-04-29 2015-08-26 中国农业大学 一种基于遗传算法的农机导航线提取方法及装置
CN105547167A (zh) * 2016-03-11 2016-05-04 中冶赛迪电气技术有限公司 基于机器视觉的带钢宽度测量系统及方法
CN110017773A (zh) * 2019-05-09 2019-07-16 福建（泉州）哈工大工程技术研究院 一种基于机器视觉的包裹体积测量方法
CN110116138A (zh) * 2019-06-13 2019-08-13 沈阳建筑大学 一种轧制过程中热态钢板长度及侧弯测量方法
CN110376207A (zh) * 2019-07-16 2019-10-25 北京科技大学 一种超宽厚板表面缺陷在线检测系统图像采集方法
CN110704957A (zh) * 2019-08-16 2020-01-17 江苏理工学院 基于遗传算法的风力发电机导流罩铺层优化设计方法
CN111054782A (zh) * 2019-12-31 2020-04-24 太原科技大学 一种宽厚板板形检测装置及方法
CN111811513A (zh) * 2020-06-28 2020-10-23 西安电子科技大学 一种多无人机协同覆盖及避障的航迹规划方法
CN112677489A (zh) * 2021-01-25 2021-04-20 中国科学院空间应用工程与技术中心 一种打印路径规划方法、系统和3d打印机
CN113139900A (zh) * 2021-04-01 2021-07-20 北京科技大学设计研究院有限公司 一种棒材完整表面图像获取方法
CN112884656A (zh) * 2021-04-15 2021-06-01 世纪开元智印互联科技集团股份有限公司 一种包装盒平面展开图图像的印刷拼版方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PATTARAPORN JITTA,ET AL.: "Switching Angle Design for Pulse Width Modulation AC Voltage Controller Using Genetic Algorithm and Distributed Artificial Neural Network", 《PROCEEDINGS OF THE INTERNATIONAL MULTICONFERENCE OF ENGINEERS AND COMPUTER SCIENTISTS》 *
姜占平: "激光扫描技术在钢板宽度检测中的应用", 《机床与液压》 *
李华兵: "基于FPGA的多基线主动双目立体视觉传感器研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Also Published As

Publication number Publication date
CN113776437B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN109685858B (zh) 一种单目摄像头在线标定方法
CN110031829B (zh) 一种基于单目视觉的目标精准测距方法
CN109523595B (zh) 一种建筑工程直线棱角间距视觉测量方法
Liu et al. Fast dimensional measurement method and experiment of the forgings under high temperature
CN111288967A (zh) 一种基于机器视觉的远距离高精度位移检测方法
CN114627177B (zh) 一种基于图像分割的飞机蒙皮间隙与阶差测量方法
CN110116138B (zh) 一种轧制过程中热态钢板长度及侧弯测量方法
CN110223355B (zh) 一种基于双重极线约束的特征标志点匹配方法
CN108564621B (zh) 用于车辙检测的结构光光条中心提取方法及装置
CN103810676B (zh) 一种钢管运行速度的监测方法
CN116844147A (zh) 一种基于深度学习的指针式仪表识别和异常警报方法
CN114612412A (zh) 三维点云数据的处理方法及其用途、电子设备、存储介质
CN113776437B (zh) 一种基于机器视觉的高精度中厚板宽度测量方法
CN109115127A (zh) 一种基于贝塞尔曲线的亚像素峰值点提取算法
CN111257346B (zh) 基于投影过滤的pcb定位装置及方法
CN112802123A (zh) 一种基于条纹虚拟靶标的双目线阵相机静态标定方法
CN112649803A (zh) 一种基于互相关系数的摄像机与雷达目标匹配方法
CN112258570A (zh) 一种河流全水域水面宽度测算方法及系统
CN116862881A (zh) 基于图像处理的多目标实时偏移检测方法
CN113807238B (zh) 一种河道水面漂浮物面积的视觉测量方法
CN112414316B (zh) 一种应变片敏感栅尺寸参数测量方法
CN115797411A (zh) 一种利用机器视觉在线识别水电站电缆桥架形变的方法
CN115100126A (zh) 一种桥梁结构平面位移场智能感知方法
CN113963013A (zh) 一种基于计算机视觉的无标靶输电塔位移振动识别方法
CN105303556B (zh) 基于直线特征的摄像机非线性畸变参数求解方法

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