CN114858092A - 用于铁路钢轨轮廓测量的标定系统及标定方法 - Google Patents
用于铁路钢轨轮廓测量的标定系统及标定方法 Download PDFInfo
- Publication number
- CN114858092A CN114858092A CN202210512494.6A CN202210512494A CN114858092A CN 114858092 A CN114858092 A CN 114858092A CN 202210512494 A CN202210512494 A CN 202210512494A CN 114858092 A CN114858092 A CN 114858092A
- Authority
- CN
- China
- Prior art keywords
- laser
- calibration plate
- steel rail
- calibration
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 55
- 239000010959 steel Substances 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005259 measurement Methods 0.000 title claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 3
- 238000003702 image correction Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于铁路钢轨轮廓测量的标定系统及标定方法,系统包括计算机数字图像采集装置和PC控制端(5);计算机数字图像采集装置包括外壳(4)、位于外壳内的钢轨轮廓标定板(3)、围绕钢轨轮廓标定板的三支线激光器(2),围绕钢轨轮廓标定板的四个工业相机(1);线激光器(2)和工业相机(1)均与PC控制端(5)相连。本发明设计制作的标定板外缘有若干特征点,线激光消除了钢轨轮廓测量时激光平面和标定板平面不重合问题;兼具普适性和快速性,同时消除了由于一般标定板和激光平面不重合造成的测量误差。
Description
技术领域
本发明属于图像标定技术领域,特别涉及一种用于铁路钢轨轮廓测量消除激光平面和标定平面不重合的标定结构及标定方法。
背景技术
随着高铁技术的发展,对于钢轨的轮廓外形检测提出了更高的要求。钢轨在生产和使用过程中容易产生畸变和磨损。如何对钢轨廓形进行快速准确的检测,成为需要迫切解决的问题。对钢轨进行轮廓检测的方式主要有人工接触式检测和利用图像处理的非接触式自动检测。人工检测耗时长,同时无法保证精度与效率要求。而利用图像处理进行自动检测速度快,能避免主观判断引入的误差,因而将成为轮廓检测的主要方式。
利用图像处理检测工件轮廓需要图像标定校正图像,图像标定技术是廓形检测中的最重要一环,其标定精度对廓形检测结果具有决定性影响。
图像的定标有多种方法,有线性模型和非线性模型。线性模型基于物象关系建立世界坐标系和图像坐标系的坐标关系,忽略了相机畸变;非线性模型考虑了图像畸变。具体标定方法主要有张氏标定法和Tsai两步标定法。
无论哪种标定方法,都是将事先制作的标定板放置在激光平面位置,由标定板上的若干坐标(世界坐标)和图像坐标建立图像变换关系。测量时,按照这个关系进行图像变换。然而,在实际操作过程中,很难将标定板放置在激光平面上,导致测量误差。
发明内容
本发明的目的在于克服现有技术的不足,提供一种标定板外缘有若干特征点,采用线激光消除了钢轨轮廓测量时激光平面和标定板平面不重合问题的用于铁路钢轨轮廓测量的标定系统,并提供对应的标定方法。
本发明的目的是通过以下技术方案来实现的:用于铁路钢轨轮廓测量的标定系统,包括计算机数字图像采集装置和PC控制端;计算机数字图像采集装置包括外壳、位于外壳内的钢轨轮廓标定板、围绕钢轨轮廓标定板的三支线激光器,围绕钢轨轮廓标定板的四个工业相机;线激光器和工业相机均与PC控制端相连。
所述线激光器分别位于钢轨轮廓标定板的上面、左右侧面上,三支线激光器发出的线激光位于同一平面内;工业相机分别用于拍摄钢轨轮廓标定板的左上侧、右上侧、左侧、右侧。
进一步地,所述钢轨轮廓标定板外缘设有若干特征点,通过标定板上特征点的世界坐标(xi,yi)以及工业相机采集到的数字图像中特征点对应的图像坐标(ui,vi),确定坐标系转换关系,利用转换关系完成对钢轨轮廓标定板图像的校正。
一种用于铁路钢轨轮廓测量的标定方法,包括以下步骤:
S1、设计加工一个钢轨轮廓标定板,外缘具有68个特征点;
S2、调整三支只激光平面在同一平面上,包括以下子步骤:
S21、在左右激光器之间垂直放置一张白纸,打开左激光器,调整左侧激光器使激光线平面与纸面垂直,然后固定左侧激光器;
S22、打开右激光器,调整右侧激光器的位置,使其打出的线激光与纸面上激光线重合,然后固定右侧激光器;
S23、将白纸水平放置,打开上侧激光器,调整上侧激光器,使其打出的线激光与纸面垂直,并与左右侧激光线处于同一平面;
S3、获取12个隐参数,包括以下子步骤:
S1、设计加工一个钢轨轮廓标定板,外缘设有多个特征点;
S2、调整三支只激光平面在同一平面上,包括以下子步骤:
S21、在左右激光器之间垂直放置一张白纸,打开左激光器,调整左侧激光器使激光线平面与纸面垂直,然后固定左侧激光器;
S22、打开右激光器,调整右侧激光器的位置,使其打出的线激光与纸面上激光线重合,然后固定右侧激光器;
S23、将白纸水平放置,打开上侧激光器,调整上侧激光器,使其打出的线激光与纸面垂直,并与左右侧激光线处于同一平面;
S3、通过标定板上特征点的世界坐标以及工业相机采集到的数字图像中特征点对应的图像坐标确定坐标转化关系;包括以下子步骤:
S31、将标定板放置在激光器之间,使各个激光器发出的线激光打在标定板边缘上;启动相机驱动程序,采集标定板边缘上的特征点,记录这些特征点的世界坐标(xi,yi),i=1,2,…,12;同时在相机拍摄得到的图像中确定这些点对应的像素坐标(ui,vi);
S32、根据隐参数模型,得到特征点的世界坐标(xi,yi)和其对应的像素坐标(ui,vi)之间变换关系为:
S33、上式含有A~L十二个未知参数,采集12个特征点,采用最小二乘法计算各个参数;这些特征点的像素坐标构成24×12的矩阵α:
对应的世界坐标构成12×1的矩阵β:
β=[x1,x2,...x12,y1,y2,...y12]T;
由矩阵运算:
γ=(αTα)-1αTβ;
得到各个参数构成的12×1的矩阵:
γ=[A,B,C,D,E,F,G,H,I,J,K,L]T;
S4、将标定板替换成钢轨,通过坐标转化关系校正钢轨轮廓图像。
本发明的有益效果是:本发明设计制作的标定板外缘有若干特征点,线激光消除了钢轨轮廓测量时激光平面和标定板平面不重合问题;兼具普适性和快速性,同时消除了由于一般标定板和激光平面不重合造成的测量误差。
附图说明
图1为用于铁路钢轨轮廓测量的标定系统的结构示意图;
图2为钢轨轮廓标定板结构示意图;
图3为钢轨轮廓标定板上特征点示意图;
图4为本发明的线激光图像采集的不同部位标定板图像;图3(a)、图3(b)是标定板两侧线激光图像,图3(c)、图3(d)是标定板左上侧和右上侧线激光图像;
图5为图4中不同部位图像校正结果;
1-工业相机,2-线激光器,3-钢轨轮廓标定板,4-外壳,5-PC控制端。
具体实施方式
本发明采用线激光扫描方式分别采集标定板左上侧、右上侧、左侧、右侧的信息,通过处理不同部位的线激光条纹,经由PC端图像处理模块得到标定板校正后的图像,完成图像的校正功能。
下面结合附图进一步说明本发明的技术方案。
如图1所示,本法明的一种用于铁路钢轨轮廓测量的标定系统,包括计算机数字图像采集装置和PC控制端5;计算机数字图像采集装置包括外壳4、位于外壳内的钢轨轮廓标定板3、围绕钢轨轮廓标定板的三支线激光器2,围绕钢轨轮廓标定板的四个工业相机1;线激光器2和工业相机1均与PC控制端5相连。
所述线激光器2分别位于钢轨轮廓标定板的上面、左右侧面上,三支线激光器2发出的线激光位于同一平面内;工业相机1分别用于拍摄钢轨轮廓标定板的左上侧、右上侧、左侧、右侧。
所述钢轨轮廓标定板如图2所示,其外缘设有若干特征点,如图3所示。通过标定板上特征点的世界坐标(xi,yi)以及工业相机采集到的数字图像中特征点对应的图像坐标(ui,vi),确定坐标系转换关系,利用转换关系完成对钢轨轮廓标定板图像的校正。
PC控制端通过选择相机驱动程序打开相机开始拍摄后,线激光器对待测区标定板做固定方向的线激光扫描。调整各个激光器的位置,使得系统启动后,线激光位于同一平面内。不同位置的工业相机分别采集线激光在不同部位投射在标定板上的图像信息。获取的图像信息传回PC端。通过采集特征点的世界坐标和像素坐标,利用最小二乘法计算各个隐参数,从而确定坐标系转换关系,利用转换关系完成对工件图像的校正。考虑到新型标定板上的特征点数目,该系统对标定板采集12个特征点。此外,该系统避免了多次重复扫描,节省了大量时间。同时,采用新型标定板用于计算各个参数,提高了校正精度。
本法明的一种用于铁路钢轨轮廓测量的标定方法,包括以下步骤:
S1、设计加工一个钢轨轮廓标定板,外缘设有多个特征点,本实施例中设置68个特征点,选取特征点时应尽量均匀选取,可以最大程度消除图像畸变;
S2、调整三支只激光平面在同一平面上,包括以下子步骤:
S21、在左右激光器之间垂直放置一张白纸,打开左激光器,调整左侧激光器使激光线平面与纸面垂直,然后固定左侧激光器;
S22、打开右激光器,调整右侧激光器的位置,使其打出的线激光与纸面上激光线重合,然后固定右侧激光器;
S23、将白纸水平放置,打开上侧激光器,调整上侧激光器,使其打出的线激光与纸面垂直,并与左右侧激光线处于同一平面;
S3、通过标定板上特征点的世界坐标以及工业相机采集到的数字图像中特征点对应的图像坐标确定坐标转化关系;包括以下子步骤:
S31、将标定板放置在激光器之间,使各个激光器发出的线激光打在标定板边缘上;启动相机驱动程序,采集标定板边缘上的特征点,记录这些特征点的世界坐标(xi,yi),i=1,2,…,12;同时在相机拍摄得到的图像中确定这些点对应的像素坐标(ui,vi),采集时特征点位置应尽量均匀分布;
S32、根据隐参数模型,得到特征点的世界坐标(xi,yi)和其对应的像素坐标(ui,vi)之间变换关系为:
其中,二次项代表了图像的畸变,一次项则代表了图像的平移和旋转等仿射变换;
S33、上式含有A~L十二个未知参数,通过采集6个特征点即可求解各个参数,但为了提高标定精度,采集的特征点数目应大于6个,本发明采集12个特征点,采用最小二乘法计算各个参数;这些特征点的像素坐标构成24×12的矩阵α:
对应的世界坐标构成12×1的矩阵β:
β=[x1,x2,...x12,y1,y2,...y12]T;
由矩阵运算:
γ=(αTα)-1αTβ;
得到各个参数构成的12×1的矩阵:
γ=[A,B,C,D,E,F,G,H,I,J,K,L]T;
矩阵计算自动完成最小二乘法;在测量过程中,所获得的原始图像坐标按照坐标转换关系进行变换;
S4、将标定板替换成钢轨,通过坐标转化关系校正钢轨轮廓图像。
本实施例的拍摄某一时刻的标定板不同部位图像分别如图4(a)、(b)、(c)、(d)所示。图4(a)、图4(b)是两侧线激光图像,图4(c)、图4(d)是左上侧和右上侧线激光图像。通过本发明方法得到世界坐标系和像素坐标系的转换关系,然后通过该转换关系得到标定板各个部位的校正图像分别如图5(a)、(b)、(c)、(d)所示。利用传统标定板和新型标定板校正钢轨图像后测量得到各个尺寸如表1所示,实验证明,利用新型标定板对钢轨图像进行校正能够提高校正精度。
普通标定板(mm) | 本发明标定板(mm) | 千分尺测量值(mm) | |
轨顶间距 | 70.0 | 70.9 | 70.73 |
左轨底厚 | 12.0 | 12.3 | 12.62 |
右轨底厚 | 12.0 | 12.8 | 12.73 |
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (4)
1.用于铁路钢轨轮廓测量的标定系统,其特征在于,包括计算机数字图像采集装置和PC控制端(5);计算机数字图像采集装置包括外壳(4)、位于外壳内的钢轨轮廓标定板(3)、围绕钢轨轮廓标定板的三支线激光器(2),围绕钢轨轮廓标定板的四个工业相机(1);线激光器(2)和工业相机(1)均与PC控制端(5)相连。
2.根据权利要求1所述的用于铁路钢轨轮廓测量的标定系统,其特征在于,所述线激光器(2)分别位于钢轨轮廓标定板的上面、左右侧面上,三支线激光器(2)发出的线激光位于同一平面内;工业相机(1)分别用于拍摄钢轨轮廓标定板的左上侧、右上侧、左侧、右侧。
3.根据权利要求1所述的用于铁路钢轨轮廓测量的标定系统,其特征在于,所述钢轨轮廓标定板外缘设有若干特征点,通过标定板上特征点的世界坐标(xi,yi)以及工业相机采集到的数字图像中特征点对应的图像坐标(ui,vi),确定坐标系转换关系,利用转换关系完成对钢轨轮廓图像的校正。
4.如权利要求1~3任意一项所述的用于铁路钢轨轮廓测量的标定方法,其特征在于,包括以下步骤:
S1、设计加工一个钢轨轮廓标定板,外缘设有多个特征点;
S2、调整三支只激光平面在同一平面上,包括以下子步骤:
S21、在左右激光器之间垂直放置一张白纸,打开左激光器,调整左侧激光器使激光线平面与纸面垂直,然后固定左侧激光器;
S22、打开右激光器,调整右侧激光器的位置,使其打出的线激光与纸面上激光线重合,然后固定右侧激光器;
S23、将白纸水平放置,打开上侧激光器,调整上侧激光器,使其打出的线激光与纸面垂直,并与左右侧激光线处于同一平面;
S3、通过标定板上特征点的世界坐标以及工业相机采集到的数字图像中特征点对应的图像坐标确定坐标转化关系;包括以下子步骤:
S31、将标定板放置在激光器之间,使各个激光器发出的线激光打在标定板边缘上;启动相机驱动程序,采集标定板边缘上的特征点,记录这些特征点的世界坐标(xi,yi),i=1,2,…,12;同时在相机拍摄得到的图像中确定这些点对应的像素坐标(ui,vi);
S32、根据隐参数模型,得到特征点的世界坐标(xi,yi)和其对应的像素坐标(ui,vi)之间变换关系为:
S33、上式含有A~L十二个未知参数,采集12个特征点,采用最小二乘法计算各个参数;这些特征点的像素坐标构成24×12的矩阵α:
对应的世界坐标构成12×1的矩阵β:
β=[x1,x2,...x12,y1,y2,...y12]T;
由矩阵运算:
γ=(αTα)-1αTβ;
得到各个参数构成的12×1的矩阵:
γ=[A,B,C,D,E,F,G,H,I,J,K,L]T;
S4、将标定板替换成钢轨,通过坐标转化关系校正钢轨轮廓图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512494.6A CN114858092B (zh) | 2022-05-12 | 2022-05-12 | 用于铁路钢轨轮廓测量的标定系统及标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512494.6A CN114858092B (zh) | 2022-05-12 | 2022-05-12 | 用于铁路钢轨轮廓测量的标定系统及标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114858092A true CN114858092A (zh) | 2022-08-05 |
CN114858092B CN114858092B (zh) | 2024-06-18 |
Family
ID=82638268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210512494.6A Active CN114858092B (zh) | 2022-05-12 | 2022-05-12 | 用于铁路钢轨轮廓测量的标定系统及标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114858092B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116105662A (zh) * | 2023-04-17 | 2023-05-12 | 天津宜科自动化股份有限公司 | 一种多轮廓传感器的标定方法 |
CN116147635A (zh) * | 2023-04-17 | 2023-05-23 | 天津宜科自动化股份有限公司 | 一种应用于多轮廓传感器的处理方法 |
CN116182737A (zh) * | 2023-02-10 | 2023-05-30 | 同济大学 | 一种基于激光轮廓传感器的轮轨动态位置监测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104296682A (zh) * | 2014-10-28 | 2015-01-21 | 电子科技大学 | 一种基于机器视觉火车导轨轮廓测量中轮廓配准方法 |
CN104634273A (zh) * | 2015-01-08 | 2015-05-20 | 成都多极子科技有限公司 | 一种基于机器视觉火车导轨轮廓测量中轮廓配准方法 |
CN106643545A (zh) * | 2016-10-09 | 2017-05-10 | 湖南大学 | 激光位移技术测量钢轨轮廓的校准方法 |
CN106885532A (zh) * | 2016-09-09 | 2017-06-23 | 武汉滨湖电子有限责任公司 | 一种高精度的铁轨几何轮廓的检测方法 |
CN112683196A (zh) * | 2020-12-07 | 2021-04-20 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨轮廓测量方法及装置 |
-
2022
- 2022-05-12 CN CN202210512494.6A patent/CN114858092B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104296682A (zh) * | 2014-10-28 | 2015-01-21 | 电子科技大学 | 一种基于机器视觉火车导轨轮廓测量中轮廓配准方法 |
CN104655043A (zh) * | 2014-10-28 | 2015-05-27 | 电子科技大学 | 一种基于机器视觉火车导轨轮廓测量中轮廓配准方法 |
CN104634273A (zh) * | 2015-01-08 | 2015-05-20 | 成都多极子科技有限公司 | 一种基于机器视觉火车导轨轮廓测量中轮廓配准方法 |
CN106885532A (zh) * | 2016-09-09 | 2017-06-23 | 武汉滨湖电子有限责任公司 | 一种高精度的铁轨几何轮廓的检测方法 |
CN106643545A (zh) * | 2016-10-09 | 2017-05-10 | 湖南大学 | 激光位移技术测量钢轨轮廓的校准方法 |
CN112683196A (zh) * | 2020-12-07 | 2021-04-20 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨轮廓测量方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116182737A (zh) * | 2023-02-10 | 2023-05-30 | 同济大学 | 一种基于激光轮廓传感器的轮轨动态位置监测方法及系统 |
CN116182737B (zh) * | 2023-02-10 | 2023-11-03 | 同济大学 | 一种基于激光轮廓传感器的轮轨动态位置监测方法及系统 |
CN116105662A (zh) * | 2023-04-17 | 2023-05-12 | 天津宜科自动化股份有限公司 | 一种多轮廓传感器的标定方法 |
CN116147635A (zh) * | 2023-04-17 | 2023-05-23 | 天津宜科自动化股份有限公司 | 一种应用于多轮廓传感器的处理方法 |
CN116147635B (zh) * | 2023-04-17 | 2023-07-28 | 天津宜科自动化股份有限公司 | 一种应用于多轮廓传感器的处理方法 |
CN116105662B (zh) * | 2023-04-17 | 2023-08-01 | 天津宜科自动化股份有限公司 | 一种多轮廓传感器的标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114858092B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114858092B (zh) | 用于铁路钢轨轮廓测量的标定系统及标定方法 | |
CN110411346B (zh) | 一种非球面熔石英元件表面微缺陷快速定位方法 | |
CN109405755B (zh) | 一种大尺寸管板孔径和节距测量装置与测量方法 | |
CN110987971B (zh) | 一种基于机器视觉的晶体气泡检测装置和方法 | |
CN110853018B (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测系统及检测方法 | |
CN111624203B (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
CN110695520B (zh) | 基于视觉的全自动振镜视场校准系统及其校准方法 | |
CN103112008A (zh) | 用于地板切割的双视觉机器人自动定位和搬运方法 | |
CN113465541B (zh) | 一种接触线磨耗测量方法及系统 | |
CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
CN205655802U (zh) | 一种检测汽车电池壳盖间隙的设备 | |
CN112001917A (zh) | 一种基于机器视觉的圆形有孔零件形位公差检测方法 | |
CN211827005U (zh) | 一种基于多目视觉的五轴数控机床多功能检测装置 | |
CN207433031U (zh) | 一种asys自动印刷机5摄像头式中心定位装置 | |
CN111633360A (zh) | 基于视觉的智能化水平表面堆焊方法 | |
CN112797900B (zh) | 多相机板材尺寸测量方法 | |
CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
CN111069973B (zh) | 一种复杂外形铸件快速找正的方法及装置 | |
CN115876122A (zh) | 一种基于机器视觉的零件尺寸测量装置及方法 | |
CN110057555B (zh) | 线激光器平面度检测方法 | |
CN103905762B (zh) | 投影模块的投影画面自动检查方法 | |
CN116930187A (zh) | 车身漆面缺陷视像检测方法与视像检测系统 | |
CN103217421A (zh) | 软板检测分区对位的校正方法 | |
CN111091121A (zh) | 一种基于图像处理的椭圆表盘检测矫正的方法 | |
CN112857216B (zh) | 紧固件尺寸合规性检验方法、检测设备、检测系统及介质 |
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 |