CN114419042B - 基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 - Google Patents
基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN114419042B CN114419042B CN202210317967.7A CN202210317967A CN114419042B CN 114419042 B CN114419042 B CN 114419042B CN 202210317967 A CN202210317967 A CN 202210317967A CN 114419042 B CN114419042 B CN 114419042B
- Authority
- CN
- China
- Prior art keywords
- plate
- laser
- linear equation
- line
- laser line
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
发明公开了基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质,提取方法包括投射激光线至板材表面,激光线沿板材的边的延伸方向投射。获取图像画面,图像画面为投射有激光线的全部板材的图像。对图像画面进行处理,并根据图像画面中的激光线提取板材的轮廓。增加激光线作为辅助,来加快图像识别的计算过程,同时确保视觉识别的输出结果不受环境光线的干扰。
Description
技术领域
本发明涉及激光加工中的视觉检测领域,尤其涉及基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质。
背景技术
板材在加工过程中,通常会需要用到切割系统。板材通常为方形板材,当板材切割时,其待加工板材的上料位置,可能由于机械机构的误差,或由人工辅助摆放的误差,会出现摆放位置的不确定性。由人工进行切割头与板材的位置校正,精度差效率低,会降低系统的生产效益。
为了提高切割进度,现在通常采用激光切割,激光切割系统中,通过校正单元,能对提取板材轮廓,对板材的偏差自动校正,解决人工操作效率低的问题。传统的自动校正方法,主要包括基于电容测高技术的切割头巡边方法和基于视觉技术的图像识别方法。
但对于切割头巡边的方法,存在采样点较多,轮廓提取时间较长的缺点。而且切割头是昂贵的系统核心部件,用于巡边存在潜在的碰撞损坏风险。图像识别方法,通过摄像头捕捉图片,再经过图像处理算法,如轮廓提取算法找到板材边缘,再以点拟合直线近似计算出轮廓曲线。视觉算法比较依赖于环境光线,而设备使用现场的照明条件差异性极大,这给算法适配不同场景带来挑战,造成实际计算结果输出的不稳定。
因此如何能快速准确的提取方形板材的轮廓,成为激光加工系统中有待解决的问题。
发明内容
为克服上述缺点,本发明的目的在于提供基于激光投影辅助线的板材轮廓视觉提取方法,投影激光线作为辅助线,来加快图像识别的计算过程,同时确保视觉识别的输出结果不受环境光线的干扰。
为了达到以上目的,本发明采用的技术方案是:基于激光投影辅助线的板材轮廓视觉提取方法,其特征在于:包括投射激光线至板材表面,所述激光线沿板材的边的延伸方向投射;获取图像画面,所述图像画面为投射有激光线的全部板材的图像;对图像画面进行处理,并根据所述图像画面中的激光线提取板材的轮廓。
进一步来说,所述对图像画面进行处理,并根据激光线提取板材的轮廓具体包括,首先对所述图像画面进行背景和噪声的过滤,得到激光线的有效像素点;所述有效像素点采用霍夫变换提取出最佳直线方程;根据所述最佳直线方程搜索到激光线在板材上的图像端点坐标;所述激光线在板材上的图像端点坐标通过透视变换映射到板材的平面坐标系中,得到激光线的板材平面端点坐标;通过所述激光线的板材平面端点坐标,获得板材的轮廓。
进一步来说,所述板材的轮廓获取至少要投影三条激光线,所述激光线包括沿第一方向投影的至少两条第一激光线和沿第二方向投影的至少一条第二激光线,两条所述第一激光线相互平行,且沿所述板材的第一条边的延伸方向投射,所述第二激光线沿板材与第一条边相邻的第二条边的延伸方向投射。
进一步来说,所述有效像素点采用霍夫变换提取出最佳直线方程,具体包括如下步骤:将有效像素点的图像直角系坐标Pi(xi,yi)转换极坐标(θi,ρi),其中,;利用笛卡尔坐标直线方程,变换为极坐标直线方程;提取在极坐标系中相交于一个交点的所述有效像素点作为直线提取像素点;所述直线提取像素点在图像直角系坐标中的连线方程即为最佳直线方程。
进一步来说,所述根据所述最佳直线方程搜索到激光线在板材上的图像端点坐标,具体包括如下步骤:计算所有有效像素点到最佳直线方程直线的垂直距离;将所述垂直距离与设置的误差阈值比较,所述垂直距离在误差阈值范围的有效像素点记为实际像素有效点;取这组实际像素有效点的中心点,按照设定的搜索步长分别向最佳直线方程直线的两个方向搜索相邻的实际像素有效点,直到在步长范围内,无法找到新的实际像素有效点为止;此时的实际像素有效点位置即为这条激光线在板材上的图像端点坐标。
进一步来说,投射所述激光线至板材表面的方式选用静态投影或动态投影中的一种。静态投影和动态投影适用方形的规则板材的轮廓提取。同时动态投影可以生成任意位置的激光线投影,可以通过更密集的激光线,获得更精准的轮廓外形。动态投影还可用于不规则的板材及板材内部的空洞的轮廓提取。
进一步来说,投射的所述激光线为红光、蓝光、绿光中的一种。优选为红光,红光的波长较长,有良好的穿透力从而达到较强的曝光效果。
本发明的有益效果在于:增加了激光线的辅助投影,这相当于增加了几把刻度精准的尺子,来提高板材视觉轮廓提取的准确性和精度。仅对激光线的数据处理,大大减小了数据处理和运算量。而且由于激光线是确定的直线,投影的亮度远高于环境光反射,使得识别的过程迅速,识别的结果正确率大大提高。
本发明的还提供基于激光投影辅助线的板材轮廓视觉提取系统,包括激光投射机构、图像采集机构和处理机构;所述激光投射机构用于投射激光线至板材表面,所述激光线沿板材的边的延伸方向投射;所述图像采集机构用于获取图像画面,所述图像画面为投射有激光线的全部板材的图像;所述处理机构对图像画面进行处理,并根据所述图像画面中的激光线提取板材的轮廓。
本发明还提供了一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述基于激光投影辅助线的板材轮廓视觉提取方法。
附图说明
图1为本发明实施例中轮廓视觉提取系统采用静态投影时的系统框图;
图2为本发明实施例中图像画面的直方图;
图3为本发明实施例中直线提取像素点在图像直角系和极坐标系中的对应位置;
图4为本发明实施例中图像采集机构的采集光线映射;
图5为本发明实施例中图像画面的板材和实际的板材的对比;
图6为本发明实施例中板材为方形时的板材平面。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
实施例1
本发明的基于激光投影辅助线的板材轮廓视觉提取方法,包括如下步骤:
步骤一、投射激光线至板材表面,激光线沿板材的边的延伸方向投射。
针对方向的板材,板材的轮廓获取至少要投影三条激光线,三条激光线包括沿第一方向投影的至少两条第一激光线和沿第二方向投影的至少一条第二激光线,两条第一激光线相互平行,且沿板材的第一条边的延伸方向投射。第一激光线与板材的第一条边相邻的两条边相交。第二激光线沿板材与第一条边相邻的第二条边的延伸方向投影,第二激光线与第一条边相交。一个方向上投影的激光线越多,得到该方向上的轮廓精度越高。
参照附图1所示,投影三条激光线,两条第一激光线沿放置板材的横向投影,并与板材的纵轴相交。一条第二激光线沿板材的纵向投影,并与板材的横轴相交。第一激光线和第二激光线垂直。
激光线的投射方式可采用静态投影,即固定位置投影,激光线的投影采用包括鲍威尔透镜在内的一字线激光器,将一字线激光器固定在放置板材的基板一侧,以固定的角度和高度安装固定在基板一侧。安装的高度和角度,保证一字线激光器发射的激光线能覆盖基板的加工幅面。参见附图1,此时就采用固定位置投影。
在另一实施例中,激光线的投射方式也可采用动态投影,动态投影可以通过振镜来实现,振镜与图像采集机构同轴或旁轴方式合并安装。使用振镜扫描,可以通过程序控制扫描激光线的位置和线条角度。扫描激光线的更新速度与振镜的最大运行速度相关,由于动态投影是由点光斑快速移动生成,因此图像采集机构的最小快门时间要大于一条激光线的扫描间隔。
步骤二、通过图像采集机构拍摄投射有激光线的包含全部板材的图像画面。
图像采集机构包括相机或摄像头,固定在基板一侧,拍摄的图像画面中包括投射有激光线的整个板材。
步骤三、对图像画面进行背景和噪声的过滤,得到激光线的有效像素点。
激光线在板材上形成网格,采集机构采集的图像画面中,网格的亮度和显色将突出与背景,只要提取激光线的颜色通道,再采用直方图统计表,找到激光线和背景色的分隔阈值,根据分隔阈值进行激光线的有效像素点提取,即可快速提取处激光线的有效像素点,并得到有效像素点的图像直角系坐标Pi(xi,yi)。
为了提高激光线与背景的差异,激光线投射选择红光激光器,由于红光的波长较长,有良好的穿透力从而达到较强的曝光效果。激光线也可为蓝光和绿光,可根据实际需要选取。
对图像画面处理时,首先将图像画面转换为灰度图,然后对灰度图进行直方图均衡化处理,得到激光线和背景色的分隔阈值,最后通过与阈值比较得到有效像素点。
由于激光线的亮度远高于环境光,参照附图2所示,激光线在直方图中会呈现处一个在像素亮度较高区域的波峰状态,通过一个平移窗口内统计极值,可识别出波峰状态的像素值,即激光线的直方图。再通过激光线的直方图分布强度的加权值,可以确定激光线像素和背景像素的分隔阈值。
提取处激光线的有效像素点时,将灰度图的像素点与分隔阈值比较,大于分隔阈值的即为有效像素点。此时记录此有效像素点的图像直角系坐标Pi(xi,yi)。
步骤四、由步骤三中的有效像素点采用霍夫变换提取出最佳直线方程。
由于激光线是线形投影,即使由于板材表面的不完全平整,造成直线局部变形,激光线整体仍然符合直线特征,因此可以应用霍夫变换,进行激光线的直线识别。具体包括如下步骤:
S43、提取在极坐标系中相交于一个交点的有效像素点作为直线提取像素点;
S44、直线提取像素点在图像直角系坐标中的连线方程即为最佳直线方程。
参照附图3所示中的(b)极坐标系,图像直角系坐标Pi(xi,yi),在极坐标系中表现为一条正弦曲线,即。由于一组换极坐标(θi,ρi)值可以确定一条直线方程,因此存在线性关系的一系列图像直角系坐标Pi(xi,yi)会在极坐标系中相交于一点,参照附图3中的(a)图像直角坐标系。在极坐标系中相交于一个交点的有效像素点,即存在线性关系,可作为直线提取像素点。
板材本身的平面误差,图像采集各阶段的取样误差,会使最终霍夫变换后的交点,不是一个理想的单点形式,而是一个统计学角度的区域分布点集合。此时交点为采用聚类算法找到的区域分布点集合的中心,这个中心就是交点。
步骤五、根据最佳直线方程搜索到激光线在板材上的图像端点坐标。具体包括如下步骤:
S51、计算所有有效像素点到最佳直线方程直线的垂直距离;
S52、将垂直距离与设置的误差阈值比较,垂直距离在误差阈值范围的有效像素点记为实际像素有效点;
S53、取这组实际像素有效点的中心点,按照设定的搜索步长分别向最佳直线方程直线的两个方向搜索相邻实际像素有效点,直到在步长范围内,无法找到新的实际像素有效点为止;
S54、此时的实际像素有效点位置即为这条激光线在板材上的图像端点坐标。
步骤六、激光线在板材上的图像端点坐标通过透视变换映射到板材的平面坐标系中,得到激光线的板材平面端点坐标。
参照附图4和5所示,图像采集机构在采集图像画面时,与实际板材的形状有偏差,通过透视变换将采集机构采集的图像画面投影到板材平面,得到激光线的板材平面端点坐标。
步骤七、通过步骤六的中激光线的板材平面端点坐标,获得板材的轮廓。板材的轮廓由板材的各条边连接而成,而针对方向的板材,板材的轮廓的提取过程具体包括:
S71、找到具备平行关系的两条第一激光线,第一激光线与板材的第一条边平行;
S72、取两条第一激光线的板材平面端点坐标,可计算第一直线方程和第二直线方程,其中第一直线方程和第二直线方程分别为板材的第二条边和第三条边的直线方程,第二条边和第三条边为与第一条边相邻的两个边;
S72、取第二激光线的板材平面端点坐标,第二激光线与板材的第二条边平行;
S73、将第一直线方程转动角度A,其中A为第一条边和第二条边的夹角,平移转动后的第一直线方程,让其经过第二激光线的板材平面端点坐标,得到第三直线方程和第四直线方程;
S74、第三直线方程分别与第一直线方程和第二直线方程组成方程组,第四直线方程分别与第一直线方程和第二直线方程组成方程组得到板材四个端点,提取出板材的轮廓。
参照附图6所示,对方形板材,两条第一激光线的两个板材平面端点坐标PV1、PV2、PV3和PV4,通过PV1和PV3的坐标可得到第一直线方程(即板材a边的直线方程),通过PV2和PV4的坐标可得到第二直线方程(即板材c边的直线方程)。
板材的b边与板材a边垂直,且第二激光线与板材b边平行且平面端点为PV5和PV6,将板材a边的直线方程90°旋转并结合PV5,即可得到第三直线方程(即板材b边的直线方程)。
板材b边的直线方程与板材a边的直线方程的交点即为d1的坐标,板材b边的直线方程与板材c边的直线方程的交点即为d2的坐标,通过d1的坐标和d2的坐标提取处板材的轮廓b。
同样将板材a边的直线方程90°旋转并结合PV6,即可得到第四直线方程(即板材d边的直线方程)。板材d边的直线方程与板材a边的直线方程的交点即为d3的坐标,板材d边的直线方程与板材c边的直线方程的交点即为d4的坐标。至此方形板材轮廓识别完毕。
相比无辅助激光线的图像处理方式,本发明的数据处理和运算量小,而且由于激光线是确定的直线,投影的亮度远高于环境光反射,使得识别的过程迅速,识别的结果正确率很高,不受环境影响。
由于步骤三种图像画面整体处理产生的有效像素点数量较多,在一个实施例中,在步骤四中,为了减少重复计算,将图像画面按照n*n的方式分隔成若干区域,每个区域按照数值最高或加权平均选取进行霍夫变换的有效像素点。
在一个实施例中,针对不规则形状的板材,通过动态投影投射多根第一激光线和第二激光线,第一激光线和第二激光线垂直,交织成网格状,通过激光线的板材平面端点坐标连接,获取不规则形状板材的轮廓。
实施例2
本发明还公开了基于激光投影辅助线的板材轮廓视觉提取系统,参照附图1所示,包括激光投射机构、图像采集机构和处理机构。
所述激光投射机构用于投射激光线至板材表面,所述激光线沿板材的边的延伸方向投射。所述图像采集机构用于获取图像画面,所述图像画面为投射有激光线的全部板材的图像。所述处理机构对图像画面进行处理,并根据所述图像画面中的激光线提取板材的轮廓。
激光投射机构投影的激光线为红光,红光的波长较长,有良好的穿透力从而达到较强的曝光效果。
激光投影机构采用的激光线投射方式为静态投影或动态投影。静态投影即固定位置投影,激光线的投影采用包括鲍威尔透镜在内的一字线激光器,将一字线激光器固定在放置板材的基板一侧,以固定的角度和高度安装固定在基板一侧。安装的高度和角度,保证一字线激光器发射的激光线能覆盖基板的加工幅面。参见附图1,此时就采用固定位置投影。
动态投影可以通过振镜来实现,振镜与图像采集机构同轴或旁轴方式合并安装。使用振镜扫描,可以通过程序控制扫描激光线的位置和线条角度。扫描激光线的更新速度与振镜的最大运行速度相关,由于动态投影是由点光斑快速移动生成,因此图像采集机构的最小快门时间要大于一条激光线的扫描间隔。动态投影便于不规则轮廓的识别。
基于激光投影辅助线的板材轮廓视觉提取系统在使用前需要进行系统标定,而且为了保证长期石英的系统稳定性,这种标定的操作需要定期进行。
在一实施例中,本发明还公开一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述基于激光投影辅助线的板材轮廓视觉提取方法。
以上实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人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做的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (6)
1.基于激光投影辅助线的板材轮廓视觉提取方法,其特征在于:包括投射激光线至板材表面,所述激光线沿板材的边的延伸方向投射;获取图像画面,所述图像画面为投射有激光线的全部板材的图像;对图像画面进行处理,并根据所述图像画面中的激光线提取板材的轮廓;
所述板材的轮廓获取至少要投影三条激光线,所述激光线包括沿第一方向投影的至少两条第一激光线和沿第二方向投影的至少一条第二激光线,两条所述第一激光线相互平行,且沿所述板材的第一条边的延伸方向投射,所述第二激光线沿板材与第一条边相邻的第二条边的延伸方向投射;
所述对图像画面进行处理,并根据图像画面中的激光线提取板材的轮廓具体包括,首先对所述图像画面进行背景和噪声的过滤,得到激光线的有效像素点;所述有效像素点采用霍夫变换提取出最佳直线方程;根据所述最佳直线方程搜索到激光线在板材上的图像端点坐标;所述激光线在板材上的图像端点坐标通过透视变换映射到板材的平面坐标系中,得到激光线的板材平面端点坐标;通过所述激光线的板材平面端点坐标,获得板材的轮廓;
其中所述根据所述最佳直线方程搜索到激光线在板材上的图像端点坐标,具体包括如下步骤:计算所有有效像素点到最佳直线方程直线的垂直距离;将所述垂直距离与设置的误差阈值比较,所述垂直距离在误差阈值范围的有效像素点记为实际像素有效点;取这组实际像素有效点的中心点,按照设定的搜索步长分别向最佳直线方程直线的两个方向搜索相邻的实际像素有效点,直到在步长范围内,无法找到新的实际像素有效点为止;此时的实际像素有效点位置即为这条激光线在板材上的图像端点坐标;
所述通过激光线的板材平面端点坐标,获得板材的轮廓具体包括如下步骤:
找到具备平行关系的两条第一激光线,第一激光线与板材的第一条边平行;取两条第一激光线的板材平面端点坐标,计算第一直线方程和第二直线方程,其中第一直线方程和第二直线方程分别为板材的第二条边和第三条边的直线方程,第二条边和第三条边为与第一条边相邻的两个边;取第二激光线的板材平面端点坐标,第二激光线与板材的第二条边平行;将第一直线方程转动角度A,其中A为第一条边和第二条边的夹角,平移转动后的第一直线方程,让其经过第二激光线的板材平面端点坐标,得到第三直线方程和第四直线方程;第三直线方程分别与第一直线方程和第二直线方程组成方程组,第四直线方程分别与第一直线方程和第二直线方程组成方程组得到板材四个端点,提取出板材的轮廓。
3.根据权利要求1所述的基于激光投影辅助线的板材轮廓视觉提取方法,其特征在于:投射所述激光线至板材表面的方式选用静态投影或动态投影中的一种。
4.根据权利要求1所述的基于激光投影辅助线的板材轮廓视觉提取方法,其特征在于:投射的所述激光线为红光、蓝光、绿光中的一种。
5.基于激光投影辅助线的板材轮廓视觉提取系统,其特征在于:包括激光投射机构、图像采集机构和处理机构;
所述激光投射机构用于投射激光线至板材表面,所述激光线沿板材的边的延伸方向投射;所述图像采集机构用于获取图像画面,所述图像画面为投射有激光线的全部板材的图像;所述处理机构对图像画面进行处理,并根据所述图像画面中的激光线提取板材的轮廓;
所述板材的轮廓获取至少要投影三条激光线,所述激光线包括沿第一方向投影的至少两条第一激光线和沿第二方向投影的至少一条第二激光线,两条所述第一激光线相互平行,且沿所述板材的第一条边的延伸方向投射,所述第二激光线沿板材与第一条边相邻的第二条边的延伸方向投射;
所述对图像画面进行处理,并根据图像画面中的激光线提取板材的轮廓具体包括,首先对所述图像画面进行背景和噪声的过滤,得到激光线的有效像素点;所述有效像素点采用霍夫变换提取出最佳直线方程;根据所述最佳直线方程搜索到激光线在板材上的图像端点坐标;所述激光线在板材上的图像端点坐标通过透视变换映射到板材的平面坐标系中,得到激光线的板材平面端点坐标;通过所述激光线的板材平面端点坐标,获得板材的轮廓;
其中所述根据所述最佳直线方程搜索到激光线在板材上的图像端点坐标,具体包括如下步骤:计算所有有效像素点到最佳直线方程直线的垂直距离;将所述垂直距离与设置的误差阈值比较,所述垂直距离在误差阈值范围的有效像素点记为实际像素有效点;取这组实际像素有效点的中心点,按照设定的搜索步长分别向最佳直线方程直线的两个方向搜索相邻的实际像素有效点,直到在步长范围内,无法找到新的实际像素有效点为止;此时的实际像素有效点位置即为这条激光线在板材上的图像端点坐标;
所述通过激光线的板材平面端点坐标,获得板材的轮廓具体包括如下步骤:
找到具备平行关系的两条第一激光线,第一激光线与板材的第一条边平行;取两条第一激光线的板材平面端点坐标,计算第一直线方程和第二直线方程,其中第一直线方程和第二直线方程分别为板材的第二条边和第三条边的直线方程,第二条边和第三条边为与第一条边相邻的两个边;取第二激光线的板材平面端点坐标,第二激光线与板材的第二条边平行;将第一直线方程转动角度A,其中A为第一条边和第二条边的夹角,平移转动后的第一直线方程,让其经过第二激光线的板材平面端点坐标,得到第三直线方程和第四直线方程;第三直线方程分别与第一直线方程和第二直线方程组成方程组,第四直线方程分别与第一直线方程和第二直线方程组成方程组得到板材四个端点,提取出板材的轮廓。
6.可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如权利要求1-4中任一项所述的基于激光投影辅助线的板材轮廓视觉提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210317967.7A CN114419042B (zh) | 2022-03-29 | 2022-03-29 | 基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210317967.7A CN114419042B (zh) | 2022-03-29 | 2022-03-29 | 基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419042A CN114419042A (zh) | 2022-04-29 |
CN114419042B true CN114419042B (zh) | 2022-08-05 |
Family
ID=81263586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210317967.7A Active CN114419042B (zh) | 2022-03-29 | 2022-03-29 | 基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419042B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116558438B (zh) * | 2023-07-11 | 2023-09-15 | 湖南视觉伟业智能科技有限公司 | 一种吹瓶质量检测装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221040A (zh) * | 2007-01-11 | 2008-07-16 | 宝山钢铁股份有限公司 | 钢板板坯尺寸测量方法及装置 |
CN113034452A (zh) * | 2021-03-15 | 2021-06-25 | 南京理工大学 | 一种焊件轮廓检测方法 |
CN113819841A (zh) * | 2021-08-27 | 2021-12-21 | 西安理工大学 | 一种基于机器视觉的板形检测装置及其检测方法 |
WO2022057117A1 (zh) * | 2020-09-15 | 2022-03-24 | 成都极米科技股份有限公司 | 画面校正的检测方法、装置和检测系统 |
-
2022
- 2022-03-29 CN CN202210317967.7A patent/CN114419042B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221040A (zh) * | 2007-01-11 | 2008-07-16 | 宝山钢铁股份有限公司 | 钢板板坯尺寸测量方法及装置 |
WO2022057117A1 (zh) * | 2020-09-15 | 2022-03-24 | 成都极米科技股份有限公司 | 画面校正的检测方法、装置和检测系统 |
CN113034452A (zh) * | 2021-03-15 | 2021-06-25 | 南京理工大学 | 一种焊件轮廓检测方法 |
CN113819841A (zh) * | 2021-08-27 | 2021-12-21 | 西安理工大学 | 一种基于机器视觉的板形检测装置及其检测方法 |
Non-Patent Citations (1)
Title |
---|
中厚钢板轮廓检测中线激光端点提取算法研究;伍非凡等;《技术创新》;20170928;第34卷(第3期);第58-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114419042A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106952260B (zh) | 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法 | |
CN108764229B (zh) | 一种基于计算机视觉技术的水尺图像自动识别方法 | |
CN112116576B (zh) | 基于偏振结构光成像和改进的缺陷检测方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN115170669B (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN111523547B (zh) | 一种3d语义分割的方法及终端 | |
CN111640154B (zh) | 一种基于显微视觉的立针微平面亚像素级定位方法 | |
CN114419042B (zh) | 基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 | |
CN113963051A (zh) | 基于视觉信息和特征提取的目标直径自动测量方法和系统 | |
CN116188544A (zh) | 一种结合边缘特征的点云配准方法 | |
CN115290663A (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN115546153A (zh) | 一种基于三维点云与二维图像融合感知的产品表面缺陷检测方法 | |
CN115597512A (zh) | 一种汽车间隙测量及误差矫正方法 | |
CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及系统 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
CN116907381A (zh) | 一种半导体晶圆Bump三维形貌测量方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN111627059A (zh) | 一种棉花叶片中心点位置定位方法 | |
CN114926417B (zh) | 高密度柔性fpc表面弱划痕的显微成像检测方法及系统 | |
CN116433604A (zh) | 一种芯片识别方法和拾取系统 | |
CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 |
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 |