CN114842091A - 一种双目鸡蛋尺寸流水线测定方法 - Google Patents
一种双目鸡蛋尺寸流水线测定方法 Download PDFInfo
- Publication number
- CN114842091A CN114842091A CN202210472714.7A CN202210472714A CN114842091A CN 114842091 A CN114842091 A CN 114842091A CN 202210472714 A CN202210472714 A CN 202210472714A CN 114842091 A CN114842091 A CN 114842091A
- Authority
- CN
- China
- Prior art keywords
- egg
- setting
- image
- binocular
- pixel
- 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
Links
- 238000000034 method Methods 0.000 title claims description 34
- 235000013601 eggs Nutrition 0.000 claims abstract description 112
- 238000012360 testing method Methods 0.000 claims abstract description 79
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000000691 measurement method Methods 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005549 size reduction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 11
- 230000001360 synchronised effect Effects 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 6
- 235000005121 Sorbus torminalis Nutrition 0.000 abstract 1
- 244000152100 Sorbus torminalis Species 0.000 abstract 1
- 241000872198 Serjania polyphylla Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及双目鸡蛋尺寸测定技术领域,且公开了一种双目鸡蛋尺寸流水线测定方法,包括以下步骤:S1:标定测试装置,设定测试盒尺寸为m行,每行k个鸡蛋,测试盒的长度为L宽度为D,测试盒整体为黑色,在测试盒中的每个预留位留下一行白色像素点,固长为l,在测试盒上设置两个相机;S2:设置相机参数,利用15‑20张标准棋盘纸相片对其进行标定训练,标定相机系统的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸。本发明通过设置两个相机能够实现双目多目标,实现批量对多个目标的同步测量,时间成本低,效率高,克服单目摄像缺乏三维重建损失部分重要信息,提高测定精准度。
Description
技术领域
本发明涉及双目鸡蛋尺寸测定技术领域,具体为一种双目鸡蛋尺寸流水线测定方法。
背景技术
一批鸡蛋的尺寸分布是表征鸡蛋品质特征的方法之一,而其离散程度则可以量化该批鸡蛋的品质和类别。在目前,行业中缺乏一种简单有效的鸡蛋尺寸非侵入式测算的方法和设备,一般依靠人工经验判断一批鸡蛋的品质和类别,因此存在主观性强、费用高、耗时、经济效益低等一系列问题。
目前通过机器视觉技术进行的鸡蛋尺寸的检测方法,主要通过采集群体鸡蛋的图像、提取鸡蛋的尺寸特征、获得鸡蛋的长半轴和短半轴,然后利用像素面积表征鸡蛋的长短轴、计算出鸡蛋的蛋形指数,利用线性回归分析技术,以获取鸡蛋尺寸和投影成像之间的关系,从而达到检测群体鸡蛋尺寸的目标。但该类方法普遍采用单目摄像头单目标测量模式,无法实现批量目标的同步测量,从而具有测量成本过高、效率低、精度不足等情况,无法适应批量流水线鸡蛋多视角同步检测的需求。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种双目鸡蛋尺寸流水线测定方法,解决了单目摄像头单目标测量模式无法在无标定点的情况下实现批量目标的同步测量、测量成本过高、效率低、无法适应批量流水线鸡蛋多视角同步检测等缺点,从而达到成本低、高效的测量需求。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:
一种双目鸡蛋尺寸流水线测定方法,包括以下步骤:
S1:标定测试装置,设定测试盒尺寸为m行,每行k个鸡蛋,测试盒的长度为L宽度为D,测试盒整体为黑色,在测试盒中的每个预留位留下一行白色像素点,固长为l,在测试盒上设置两个相机;
S2:设置相机参数,利用15-20张标准棋盘纸相片对其进行标定训练,标定相机系统的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸,dy表示v方向上每个像素的物理尺寸,fl为左目相机的焦距,fr为右目相机的焦距;
S3:获取原始数据,将鸡蛋整齐码放在测试盒上,每个测试盒之间距离为d,并随传送带运动进入测试盒中,传送带速度不高于v0,进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储;
S4:数据输入矫正,(u,v)代表理想无畸变的像素坐标,(u',v')代表实际径向畸变下的像素做标,(u0,v0)代表理想无畸变的图像主点,(u1,v1)代表实际径像畸变的图像主点,k1,k2为系统的去畸变系数,t1,t2为右目图像的去畸变系数;
S6:图像分割,将图像按照鸡蛋的个数N进行等分,获得2N张图像,将左目图像进行命名为i(i=0,1,2,…,N-1),右目图像命名为j(j=0,1,2,…,N-1);
S7:边缘点提取,使用最小矩形算法获得鸡蛋的最小外接矩形,识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve),右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标与
S8:构建鸡蛋尺寸还原模型,使用边缘识别获得鸡蛋的轮廓,对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像: 求解鸡蛋的短半轴r以下引入公式其求解方法如下:(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)=0,引入解的检验由检验式得以下标准公式
以下引入两条方程对鸡蛋的短半轴r进行求算:
对上述的方程进行求解获得鸡蛋的短半轴r。
作为本发明再进一步的方案,所述S1中检测装置中配备有合适的光照系统,两个相机架设在检测装置的中线的两个端点。
进一步的,所述S1中机器视觉技术使用的摄像头像素应该不小于2592*1944,装置固定于传送带上,检测系统封装测试后不得对系统再次做出改变。
进一步的,所述S2中两个相机的dx和dy保持一致。
在前述方案的基础上,所述S1中包括传送带和测试盒,所述传送带穿过测试盒,所述传送带的上表面设有测试托盘,所述测试盒的上表面设有两个摄像头。
(三)有益效果
与现有技术相比,本发明提供了一种双目鸡蛋尺寸流水线测定方法,具备以下有益效果:
1、本发明中,通过设定参数可以在流水线上快速测定鸡蛋的尺寸,效率高,速度快,设计背景和使用的方法都较为成熟,计算和识别的速度快。
2、本发明中,通过设置两个相机能够实现双目多目标,实现批量对多个目标的同步测量,时间成本低,效率高,克服单目摄像缺乏三维重建损失部分重要信息,提高测定精准度。
3、本发明中,检测盒配备有光强适宜的光照系统,提高图片采集时的清晰度,包装测试盒的颜色选定为跟鸡蛋色差较大的黑色,与鸡蛋颜色对比度明显,再次提高图片的清晰度。
4、本发明中,通过获取拍摄到的图片利用图片去畸变、图片分割,测定鸡蛋的在图像中的影长,运用机器视觉方法构建坐标还原体系,建立特殊位置的鸡蛋尺寸还原测定模型。
附图说明
图1为本发明提出的一种双目鸡蛋尺寸流水线测定方法的流程结构示意图;
图2为本发明提出的一种双目鸡蛋尺寸流水线测定方法的相机坐标系到像坐标系结构示意图;
图3为本发明提出的一种双目鸡蛋尺寸流水线测定方法的像坐标系到像素坐标系结构示意图;
图4为本发明提出的一种双目鸡蛋尺寸流水线测定方法的局部硬件结构示意图。
图中:1、摄像头;2、测试盒;3、测试托盘;4、传送带。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
实施例1
参照图1-4,一种双目鸡蛋尺寸流水线测定方法,包括以下步骤:
S1:标定测试装置,设定测试盒尺寸为m行,每行k个鸡蛋,测试盒的长度为L宽度为D,测试盒整体为黑色,在测试盒中的每个预留位留下一行白色像素点,固长为l,在测试盒上设置两个相机,通过设置两个相机能够实现双目多目标,实现批量对多个目标的同步测量,时间成本低,效率高,克服单目摄像缺乏三维重建损失部分重要信息,提高测定精准度;
S2:设置相机参数,利用16张标准棋盘纸相片对其进行标定训练,标定相机系统的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸,dy表示v方向上每个像素的物理尺寸,fl为左目相机的焦距,fr为右目相机的焦距,通过设定参数可以在流水线上快速测定鸡蛋的尺寸,效率高,速度快,设计背景和使用的方法都较为成熟,计算和识别的速度快;
S3:获取原始数据,将鸡蛋整齐码放在测试盒上,每个测试盒之间距离为d,并随传送带运动进入测试盒中,传送带速度不高于v0,进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储;
S4:数据输入矫正,(u,v)代表理想无畸变的像素坐标,(u',v')代表实际径向畸变下的像素做标,(u0,v0)代表理想无畸变的图像主点,(u1,v1)代表实际径像畸变的图像主点,k1,k2为系统的去畸变系数,t1,t2为右目图像的去畸变系数;
S6:图像分割,将图像按照鸡蛋的个数N进行等分,获得2N张图像,将左目图像进行命名为i(i=0,1,2,…,N-1),右目图像命名为j(j=0,1,2,…,N-1);
S7:边缘点提取,使用最小矩形算法获得鸡蛋的最小外接矩形,识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve),右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标与
S8:构建鸡蛋尺寸还原模型,使用边缘识别获得鸡蛋的轮廓,对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像: 求解鸡蛋的短半轴r以下引入公式其求解方法如下:(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)=0,引入解的检验由检验式得以下标准公式
以下引入两条方程对鸡蛋的短半轴r进行求算:
对上述的方程进行求解获得鸡蛋的短半轴r,通过获取拍摄到的图片利用图片去畸变、图片分割,测定鸡蛋的在图像中的影长,运用机器视觉方法构建坐标还原体系,建立特殊位置的鸡蛋尺寸还原测定模型。
需要特别说明的是,S1中检测装置中配备有合适的光照系统,两个相机架设在检测装置的中线的两个端点,检测盒配备有光强适宜的光照系统,提高图片采集时的清晰度,包装测试盒的颜色选定为跟鸡蛋色差较大的黑色,与鸡蛋颜色对比度明显,再次提高图片的清晰度,S1中机器视觉技术使用的摄像头像素应该不小于2592*1944,装置固定于传送带上,检测系统封装测试后不得对系统再次做出改变,S4中矫正公式为,根据计算公式进行去畸变操作获得理想图像,S2中两个相机的dx和dy保持一致,S1中包括传送带4和测试盒2,所述传送带4穿过测试盒2,所述传送带4的上表面设有测试托盘3,所述测试盒2的上表面设有两个摄像头1。
实施例2
参照图1-4,一种双目鸡蛋尺寸流水线测定方法,包括以下步骤:
S1:标定测试装置,设定测试盒尺寸为m行,每行k个鸡蛋,测试盒的长度为L宽度为D,测试盒整体为黑色,在测试盒中的每个预留位留下一行白色像素点,固长为l,在测试盒上设置两个相机,通过设置两个相机能够实现双目多目标,实现批量对多个目标的同步测量,时间成本低,效率高,克服单目摄像缺乏三维重建损失部分重要信息,提高测定精准度;
S2:设置相机参数,利用20张标准棋盘纸相片对其进行标定训练,标定相机系统的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸,dy表示v方向上每个像素的物理尺寸,fl为左目相机的焦距,fr为右目相机的焦距,通过设定参数可以在流水线上快速测定鸡蛋的尺寸,效率高,速度快,设计背景和使用的方法都较为成熟,计算和识别的速度快;
S3:获取原始数据,将鸡蛋整齐码放在测试盒上,每个测试盒之间距离为d,并随传送带运动进入测试盒中,传送带速度不高于v0,进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储;
S4:数据输入矫正,(u,v)代表理想无畸变的像素坐标,(u',v')代表实际径向畸变下的像素做标,(u0,v0)代表理想无畸变的图像主点,(u1,v1)代表实际径像畸变的图像主点,k1,k2为系统的去畸变系数,t1,t2为右目图像的去畸变系数;
S6:图像分割,将图像按照鸡蛋的个数N进行等分,获得2N张图像,将左目图像进行命名为i(i=0,1,2,…,N-1),右目图像命名为j(j=0,1,2,…,N-1);
S7:边缘点提取,使用最小矩形算法获得鸡蛋的最小外接矩形,识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve),右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标与
S8:构建鸡蛋尺寸还原模型,使用边缘识别获得鸡蛋的轮廓,对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像: 求解鸡蛋的短半轴r以下引入公式其求解方法如下:(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)=0,引入解的检验由检验式得以下标准公式
以下引入两条方程对鸡蛋的短半轴r进行求算:
对上述的方程进行求解获得鸡蛋的短半轴r,通过获取拍摄到的图片利用图片去畸变、图片分割,测定鸡蛋的在图像中的影长,运用机器视觉方法构建坐标还原体系,建立特殊位置的鸡蛋尺寸还原测定模型。
需要特别说明的是,S1中检测装置中配备有合适的光照系统,两个相机架设在检测装置的中线的两个端点,检测盒配备有光强适宜的光照系统,提高图片采集时的清晰度,包装测试盒的颜色选定为跟鸡蛋色差较大的黑色,与鸡蛋颜色对比度明显,再次提高图片的清晰度,S1中机器视觉技术使用的摄像头像素为2600*1980,装置固定于传送带上,检测系统封装测试后不得对系统再次做出改变,S4中矫正公式为,根据计算公式进行去畸变操作获得理想图像,S2中两个相机的dx和dy保持一致,S1中包括传送带4和测试盒2,所述传送带4穿过测试盒2,所述传送带4的上表面设有测试托盘3,所述测试盒2的上表面设有两个摄像头1。
在该文中的描述中,需要说明的是,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种双目鸡蛋尺寸流水线测定方法,其特征在于,包括以下步骤:
S1:标定测试装置,设定测试盒尺寸为m行,每行k个鸡蛋,测试盒的长度为L宽度为D,测试盒整体为黑色,在测试盒中的每个预留位留下一行白色像素点,固长为l,在测试盒上设置两个相机;
S2:设置相机参数,利用15-20张标准棋盘纸相片对其进行标定训练,标定相机系统的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸,dy表示v方向上每个像素的物理尺寸,fl为左目相机的焦距,fr为右目相机的焦距;
S3:获取原始数据,将鸡蛋整齐码放在测试盒上,每个测试盒之间距离为d,并随传送带运动进入测试盒中,传送带速度不高于v0,进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储;
S4:数据输入矫正,(u,v)代表理想无畸变的像素坐标,(u',v')代表实际径向畸变下的像素做标,(u0,v0)代表理想无畸变的图像主点,(u1,v1)代表实际径像畸变的图像主点,k1,k2为系统的去畸变系数,t1,t2为右目图像的去畸变系数;
S6:图像分割,将图像按照鸡蛋的个数N进行等分,获得2N张图像,将左目图像进行命名为i(i=0,1,2,…,N-1),右目图像命名为j(j=0,1,2,…,N-1);
S7:边缘点提取,使用最小矩形算法获得鸡蛋的最小外接矩形,识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve),右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标与
S8:构建鸡蛋尺寸还原模型,使用边缘识别获得鸡蛋的轮廓,对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像: 求解鸡蛋的短半轴r以下引入公式其求解方法如下:(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)=0,引入解的检验由检验式得以下标准公式
以下引入两条方程对鸡蛋的短半轴r进行求算:
对上述的方程进行求解获得鸡蛋的短半轴r。
2.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法,其特征在于,所述S1中检测装置中配备有合适的光照系统,两个相机架设在检测装置的中线的两个端点。
3.根据权利要求2所述的一种双目鸡蛋尺寸流水线测定方法,其特征在于,所述S1中机器视觉技术使用的摄像头像素应该不小于2592*1944,装置固定于传送带上,检测系统封装测试后不得对系统再次做出改变。
5.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法,其特征在于,所述S2中两个相机的dx和dy保持一致。
6.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法,其特征在于,所述S1中包括传送带(4)和测试盒(2),所述传送带(4)穿过测试盒(2),所述传送带(4)的上表面设有测试托盘(3),所述测试盒(2)的上表面设有两个摄像头(1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210472714.7A CN114842091B (zh) | 2022-04-29 | 2022-04-29 | 一种双目鸡蛋尺寸流水线测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210472714.7A CN114842091B (zh) | 2022-04-29 | 2022-04-29 | 一种双目鸡蛋尺寸流水线测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114842091A true CN114842091A (zh) | 2022-08-02 |
CN114842091B CN114842091B (zh) | 2023-05-23 |
Family
ID=82568715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210472714.7A Active CN114842091B (zh) | 2022-04-29 | 2022-04-29 | 一种双目鸡蛋尺寸流水线测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114842091B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115810041A (zh) * | 2023-01-10 | 2023-03-17 | 佛山光之瞳电子科技有限公司 | 一种基于多摄像头视觉的线缆尺寸检测方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2289416A1 (en) * | 1998-11-16 | 2000-05-16 | Peter Lea | Device and method for analyzing a biologic sample |
CN104330041A (zh) * | 2014-09-30 | 2015-02-04 | 中铁山桥集团有限公司 | 一种道岔钢轨件钻孔尺寸的测量方法 |
CN107144241A (zh) * | 2017-06-09 | 2017-09-08 | 大连理工大学 | 一种基于景深补偿的双目视觉高精度测量方法 |
CN107358631A (zh) * | 2017-06-27 | 2017-11-17 | 大连理工大学 | 一种虑及三维畸变的双目视觉重建方法 |
CN107588721A (zh) * | 2017-08-28 | 2018-01-16 | 武汉科技大学 | 一种基于双目视觉的零件多尺寸的测量方法及系统 |
CN108267104A (zh) * | 2018-01-22 | 2018-07-10 | 浙江大学 | 一种基于双目视觉的轴类零件半径尺寸测量方法 |
CN109195991A (zh) * | 2016-03-29 | 2019-01-11 | 斯特库比股份有限公司 | 对糖基化pd-l1特异的双重功能抗体及其使用方法 |
CN113052905A (zh) * | 2021-03-31 | 2021-06-29 | 中国人民解放军63920部队 | 基于双目逆投影变换的圆形目标位姿测量方法和装置 |
CN113963054A (zh) * | 2021-10-25 | 2022-01-21 | 上海影谱科技有限公司 | 一种基于双目相机的智能快递箱尺寸测量方法及系统 |
CN114119739A (zh) * | 2021-10-22 | 2022-03-01 | 北京航空航天大学杭州创新研究院 | 一种基于双目视觉的手部关键点空间坐标获取方法 |
US20220078391A1 (en) * | 2019-10-21 | 2022-03-10 | Snap Inc. | Input parameter based image waves |
US20220092797A1 (en) * | 2019-07-08 | 2022-03-24 | Zhongyuan University Of Technology | Intelligent Vehicle Trajectory Measurement Method Based on Binocular Stereo Vision System |
CN114255286A (zh) * | 2022-02-28 | 2022-03-29 | 常州罗博斯特机器人有限公司 | 一种多视角双目视觉感知的目标尺寸测量方法 |
-
2022
- 2022-04-29 CN CN202210472714.7A patent/CN114842091B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2289416A1 (en) * | 1998-11-16 | 2000-05-16 | Peter Lea | Device and method for analyzing a biologic sample |
CN104330041A (zh) * | 2014-09-30 | 2015-02-04 | 中铁山桥集团有限公司 | 一种道岔钢轨件钻孔尺寸的测量方法 |
CN109195991A (zh) * | 2016-03-29 | 2019-01-11 | 斯特库比股份有限公司 | 对糖基化pd-l1特异的双重功能抗体及其使用方法 |
CN107144241A (zh) * | 2017-06-09 | 2017-09-08 | 大连理工大学 | 一种基于景深补偿的双目视觉高精度测量方法 |
CN107358631A (zh) * | 2017-06-27 | 2017-11-17 | 大连理工大学 | 一种虑及三维畸变的双目视觉重建方法 |
CN107588721A (zh) * | 2017-08-28 | 2018-01-16 | 武汉科技大学 | 一种基于双目视觉的零件多尺寸的测量方法及系统 |
CN108267104A (zh) * | 2018-01-22 | 2018-07-10 | 浙江大学 | 一种基于双目视觉的轴类零件半径尺寸测量方法 |
US20220092797A1 (en) * | 2019-07-08 | 2022-03-24 | Zhongyuan University Of Technology | Intelligent Vehicle Trajectory Measurement Method Based on Binocular Stereo Vision System |
US20220078391A1 (en) * | 2019-10-21 | 2022-03-10 | Snap Inc. | Input parameter based image waves |
CN113052905A (zh) * | 2021-03-31 | 2021-06-29 | 中国人民解放军63920部队 | 基于双目逆投影变换的圆形目标位姿测量方法和装置 |
CN114119739A (zh) * | 2021-10-22 | 2022-03-01 | 北京航空航天大学杭州创新研究院 | 一种基于双目视觉的手部关键点空间坐标获取方法 |
CN113963054A (zh) * | 2021-10-25 | 2022-01-21 | 上海影谱科技有限公司 | 一种基于双目相机的智能快递箱尺寸测量方法及系统 |
CN114255286A (zh) * | 2022-02-28 | 2022-03-29 | 常州罗博斯特机器人有限公司 | 一种多视角双目视觉感知的目标尺寸测量方法 |
Non-Patent Citations (6)
Title |
---|
LIUFANG XIAO 等: ""Behavior-induced health condition monitoring of caged chickens using binocular vision"", 《COMPUTERS AND ELECTRONICS IN AGRICULTURE》 * |
WEI LIU 等: ""A calibration method of binocular vision system for large forging dimension measurement"", 《PROQUEST》 * |
ZHONGYUAN XIA 等: ""An improved method for correcting the eccentricity error of circular projection in the binocular visual system"", 《IEEE》 * |
刘同海: ""基于双目视觉的猪体体尺参数提取优化算法优化及三维重构"", 《中国博士学位论文全文数据库信息科技辑》 * |
唐志豪: ""基于双目立体视觉的测量技术研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
段宇飞 等: ""基于凸包算法的鸡蛋尺寸形状在线视觉高通量检测方法"", 《农业工程学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115810041A (zh) * | 2023-01-10 | 2023-03-17 | 佛山光之瞳电子科技有限公司 | 一种基于多摄像头视觉的线缆尺寸检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114842091B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN109886939B (zh) | 基于张量投票的桥梁裂缝检测方法 | |
CN111260788B (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN112233067A (zh) | 一种热轧钢卷端面质量检测方法及系统 | |
CN107869954B (zh) | 一种双目视觉体积重量测量系统及其实现方法 | |
CN108090896B (zh) | 木板平整度检测及其机器学习方法、装置及电子设备 | |
CN112053317A (zh) | 一种基于级联神经网络的工件表面缺陷检测方法 | |
CN116559183B (zh) | 一种提高缺陷判定效率的方法及系统 | |
CN114241031A (zh) | 基于双视角融合的鱼类体尺测量和体重预测的方法及装置 | |
CN107360418B (zh) | 一种全景相机颜色一致性评判系统及方法 | |
CN108716890A (zh) | 一种基于机器视觉的高精度尺寸检测方法 | |
CN110517265A (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN103644852A (zh) | 一种镜片膜厚度自动检测系统 | |
CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
CN114842091B (zh) | 一种双目鸡蛋尺寸流水线测定方法 | |
CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
CN112161997A (zh) | 半导体芯片管脚三维几何尺寸的在线精密视觉测量方法及系统 | |
CN113077392A (zh) | 一种针对指针表模糊照片的高准确度自动读数方法 | |
CN106952262A (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN111325803B (zh) | 一种评估双目相机内外参与时间同步的标定的方法 | |
CN115861351A (zh) | 边缘检测方法、缺陷检测方法及检测装置 | |
CN106770322A (zh) | 校准点深度检测方法及温控器外观检测方法 | |
CN210377552U (zh) | 一种水果分类用多面图像获取装置 | |
CN114897784B (zh) | 一种单目鸡蛋尺寸流水线测定方法 | |
CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 |
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 |