CN114882095A - 一种基于轮廓匹配的物体高度在线测量方法 - Google Patents

一种基于轮廓匹配的物体高度在线测量方法 Download PDF

Info

Publication number
CN114882095A
CN114882095A CN202210483010.XA CN202210483010A CN114882095A CN 114882095 A CN114882095 A CN 114882095A CN 202210483010 A CN202210483010 A CN 202210483010A CN 114882095 A CN114882095 A CN 114882095A
Authority
CN
China
Prior art keywords
contour
rectangular projection
height
image
laser
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
CN202210483010.XA
Other languages
English (en)
Other versions
CN114882095B (zh
Inventor
崔浩
项顼
吴承璇
刘慧�
崔辰元
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.)
Institute of Oceanographic Instrumentation Shandong Academy of Sciences
Original Assignee
Institute of Oceanographic Instrumentation Shandong Academy of Sciences
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 Institute of Oceanographic Instrumentation Shandong Academy of Sciences filed Critical Institute of Oceanographic Instrumentation Shandong Academy of Sciences
Priority to CN202210483010.XA priority Critical patent/CN114882095B/zh
Publication of CN114882095A publication Critical patent/CN114882095A/zh
Priority to FR2212743A priority patent/FR3135322A1/fr
Application granted granted Critical
Publication of CN114882095B publication Critical patent/CN114882095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • 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
    • 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
    • G01B11/02—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
    • 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
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/70—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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06T2207/20036—Morphological image processing

Abstract

本发明公开了一种基于轮廓匹配的物体高度在线测量方法，包括图像采集、查找激光矩形投影、查找待测物体、测量数据保存四个步骤，通过灰度直方图拉伸、自适应二值化、区域填充、形态学去噪及激光矩形投影轮廓匹配五个步骤查找激光矩形投影轮廓，通过自适应二值化、形态学去噪、区域填充、待测物体轮廓匹配、待测物体中心高度计算五个步骤查找待测物体。本发明能够实现物体高度测量的自动化、在线化和网络化，避免数据孤岛的产生，不受相机与背景之间距离的限制，能够自动校正由于相机安装问题导致图像倾斜所带来的误差，提高了物体高度测量的精度和效率，且设备成本低，体积小，方便移动安装，适用性强。

Description

一种基于轮廓匹配的物体高度在线测量方法
技术领域
本发明涉及视觉测量技术领域，尤其是一种基于轮廓匹配的物体高度在线测量方法。
背景技术
对物体进行高度测量时，通常是人工采用卷尺、激光测距仪等测量仪器进行测量，由于测量时测量仪器摆放不垂直、待测物体中心位置选择不准确等问题导致此种测量方式测量精度低，且测量效率低、测量数据无法实时上传到网络，不易实现数据可追溯，产生数据孤岛。
随着计算机软硬件的发展，利用图像处理的方法测量场景中物体的高度已发展成计算机视觉测量的一个重要课题。目前，计算机视觉测量主要分为采用单幅图像测量的方法和采用多幅图像测量的方法两种。
针对单幅图像测量方法，申请号为201610244745.1的中国发明专利公开了一种基于图像处理的测量高度方法，在单幅图像中人工标记4条水平线，并测得其中3条水平线的实际高度，通过图像平面和世界坐标系之间的投影矩阵估计第4条水平线的实际高度，这种方法适用于地理位置相同或相近的大尺度物体，能有效降低实际测量难度，但这种方法的人工干预多、测量效率低，无法实现物体高度的自动测量。申请号为201811637965.6的中国发明专利公开了一种基于深度图像处理的物体尺寸测量方法，这种方法利用深度相机获得深度图像，在相机（镜头向下垂直安装）与载物台距离固定的情况下，可方便的获得规定区域内的物体高度，再根据小孔成像原理得到物体的长度和宽度。这种方法能够自动测量物体的尺寸，但由于需要固定相机和载物台（背景）的距离，此方法的应用场景受限。
多幅图像测量方法主要是通过相机的连续采样，根据二维图像和深度图像得到三维点云，重建场景的三维模型，得到物体的三维数据从而达到测量的目的。申请号为202010961451.7的中国发明专利利用RGBD相机对室内的场景进行连续采样，重建室内物体的三维模型，这种方法可以获得物体的位置和尺寸，但由于采样设备昂贵，且三维模型重建需要高性能计算机进行大量运算，难以实现在线处理，缺乏通用性。
发明内容
为了克服现有技术中存在的上述问题，本发明提出一种基于轮廓匹配的物体高度在线测量方法。
本发明解决其技术问题所采用的技术方案是：一种基于轮廓匹配的物体高度在线测量方法，包括如下步骤：
步骤1，图像采集，将两个双线激光水平仪及相机固定在支架上，采集包含激光矩形投影的单幅图像；
步骤2，查找激光矩形投影，通过灰度直方图拉伸、自适应二值化、区域填充、形态学去噪及激光矩形投影轮廓匹配五个步骤查找激光矩形投影轮廓；
步骤3，查找待测物体，结合步骤2的激光矩形投影轮廓，通过自适应二值化、形态学去噪、区域填充、待测物体轮廓匹配、待测物体中心高度计算五个步骤查找待测物体；
步骤4，测量数据保存，将待测物体中心高度标记在图像上保存，并以表格的形式保存，同时提供网络接口，可将数据上传至服务器保存；
其中所述步骤2中激光矩形投影轮廓匹配时，将激光矩形投影定义为平行四边形，具体实现步骤为：
步骤2.1，初始化阈值N=0，采样率S=10%；
步骤2.2，计算激光矩形投影轮廓对象的4条边的斜率，若两组对边斜率的差值不都等于N，排除当前轮廓对象，若两组对边斜率的差值均等于N，则进入步骤2.3；
步骤2.3，根据S对激光矩形投影轮廓对象的四条边进行采样，分别计算4条边的采样斜率差，若不等于N，排除当前轮廓对象，若等于N，则轮廓匹配成功；
步骤2.4，若满足条件的激光矩形投影轮廓对象数量等于0，则N+0.05，重新回到步骤2.2；如果满足条件的轮廓对象数量大于1，则S+10%，重新回到步骤2.2，直到满足条件的轮廓对象数量等于1；
步骤2.5，计算图像斜率k，激光矩形投影轮廓上下边像素高度h1和h2，输出激光投影矩形轮廓对象Z。
上述的一种基于轮廓匹配的物体高度在线测量方法，所述步骤2中形态学去噪的公式为：
Figure 787243DEST_PATH_IMAGE001
，其中，A为二值图像，B为图像形态学模板，
Figure 969963DEST_PATH_IMAGE002
分别代表形态学中的腐蚀运算和膨胀运算。
上述的一种基于轮廓匹配的物体高度在线测量方法，所述步骤2中进行自适应二值化操作时，前景色占比小于10%。
上述的一种基于轮廓匹配的物体高度在线测量方法，所述步骤3中进行自适应二值化操作时，前景色占比大于90%。
上述的一种基于轮廓匹配的物体高度在线测量方法，所述步骤3中待测物体轮廓匹配采用与步骤2中激光矩形投影轮廓匹配相同的方法获得轮廓对象：
步骤3.1，计算待测物体轮廓的左右侧边的斜率，若左侧边斜率或右侧边斜率不等于图像斜率，则排除当前轮廓对象，若左侧边斜率和右侧边斜率等于图像斜率，则进入步骤3.2；
步骤3.2，分别计算左侧边和右侧边的采样斜率，若采样斜率不等于图像斜率，则排除当前轮廓，若采样斜率等于图像斜率，则轮廓匹配成功。
上述的一种基于轮廓匹配的物体高度在线测量方法，所述步骤3中待测物体中心高度计算公式为：
Figure 890645DEST_PATH_IMAGE003
其中，H为待测物体在世界坐标系下的真实高度，LH1为激光矩形投影上水平线在世界坐标系下的真实高度，LH2为激光矩形投影下水平线在世界坐标系下的真实高度，h为插座顶点连线交点到激光矩形投影轮廓下边的像素高度，h1为激光矩形投影上水平线像素高度，h2为激光矩形投影下水平线像素高度。
本发明的有益效果是，本发明能够实现物体高度测量的自动化、在线化和网络化，避免数据孤岛的产生，不受相机与背景之间距离的限制，能够自动校正由于相机安装问题导致图像倾斜所带来的误差，实现物体高度测量的自动化、在线化和网络化，提高了物体高度测量的精度和效率；且本发明设备成本低，体积小，方便移动安装，适用性强。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明实施例1流程图；
图2为本发明实施例1中步骤2灰度直方图拉伸所得的图像；
图3为本发明实施例1中步骤2自适应二值化所得图像；
图4为本发明实施例1中步骤2区域填充后所得图像；
图5为本发明实施例1中步骤2形态学去噪后所得图像；
图6为本发明实施例1中步骤2激光矩形投影轮廓跟踪结果；
图7为本发明实施例1中步骤2激光矩形投影轮廓匹配结果；
图8为本发明实施例1中步骤2激光矩形投影轮廓匹配流程图；
图9为本发明实施例1中步骤3自适应二值化所得图像；
图10为本发明实施例1中步骤3形态学去噪后所得图像；
图11为本发明实施例1中步骤3区域填充后所得图像；
图12为本发明实施例1中步骤3插座轮廓匹配流程图；
图13为本发明实施例1中步骤3插座匹配结果。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。
本实施例公开了在工程验收时，插座中心高度的测量方法，测量前，需要将两个双线激光水平仪固定在支架上，以激光线在墙上的矩形投影作为兴趣范围，将矩形薄片贴在待测插座上，测得激光矩形投影上水平线高度LH1，下水平线高度LH2。具体的测量步骤如图1所示：
步骤1，图像采集，将相机固定在支架上，采集包含激光矩形投影的单幅图像；
步骤2，查找激光矩形投影，通过灰度直方图拉伸、自适应二值化、区域填充、形态学去噪及激光矩形投影轮廓匹配五个步骤查找激光矩形投影轮廓；
（1）灰度直方图拉伸中，滤波时，利用激光的颜色会保留较好的图像特征，在本实施例中使用图像的绿色分量进行灰度直方图拉伸，如图2所示。
（2）自适应二值化：为获得更为清晰的激光矩形投影，需要找到最佳二值化阈值，使得前景色占比小于10%，w(t)<0.1，通过迭代逼近得到满足条件t，将图像二值化，二值化后的图像如图3所示。
（3）区域填充：将二值化后的图像背景色填充为白色，前景色填充为黑色，填充后的图像如图4所示。
（4）形态学去噪：基于图像形态学的开运算，平滑图像的轮廓，消除狭窄的部分，去掉细的突出，示例结果如图5所示，其公式为：
Figure 817013DEST_PATH_IMAGE001
，其中，A为二值图像，B为图像形态学模板，
Figure 896964DEST_PATH_IMAGE002
分别代表形态学中的腐蚀运算和膨胀运算。
（5）激光矩形投影轮廓匹配：设计轮廓类，该类适用于激光矩形投影和插座，主要包括12个属性（属性可以为空）：轮廓序列P（x，y），左上点P1，右上点P2，左下点P3，右下点P4，上边序列L12（x，y），右边序列L24（x，y），下边序列L43（x，y），左边序列L31（x，y），图像斜率k，上边像素高度h1，下边像素高度h2。
利用八邻域链码跟踪法获取图像中前景色的轮廓序列，并将其实例化为轮廓对象，示例结果如图6所示，其中八邻域链码跟踪法在相关论文中已有记载，属于现有技术，在此不做赘述。
设计激光矩形投影轮廓匹配算法，匹配轮廓对象，匹配成功的轮廓即为激光矩形投影，示例结果如图7所示。在进行激光矩形投影轮廓匹配算法计算时，自动建立坐标系用以表示矩形投影轮廓的位置，可以以矩形投影轮廓某顶点为坐标系原点，也可以定义其他位置为坐标系原点，根据实际操作选择。
算法原理：激光投影为矩形，因采集的图像可能存在倾斜，算法将该投影定义为平行四边形，具体步骤如图8所示，包括：
步骤2.1，初始化阈值N=0，采样率S=10%，建立坐标系定义原点位置；
步骤2.2，计算轮廓对象的4条边的斜率，如果对边的斜率差不都等于阈值N，排除当前轮廓对象，若对边斜率差都等于阈值N，则进入步骤2.3；
步骤2.3，根据S对激光矩形投影轮廓对象的四条边进行采样，分别计算4条边的采样斜率差，若不等于N，排除当前轮廓对象，若等于N，则轮廓匹配成功；
采样斜率计算过程为：以初始采样率S=10%为例，即取10%的等间距采样点，将每条边平均分成10份，利用两点式计算每个线段的斜率，然后两两做差，如果每个斜率差均等于阈值N，则说明是一条直线，不是弧；
步骤2.4，若满足条件的激光矩形投影轮廓对象数量等于0，则N+0.05，重新回到步骤2.2；如果满足条件的轮廓对象数量大于1，则S+10%，重新回到步骤2.2，直到满足条件的轮廓对象数量等于1；
步骤2.5，计算图像斜率k，激光矩形投影轮廓上、下边像素高度h1和h2，输出激光投影矩形轮廓对象；
其中，图像斜率k为轮廓左侧边的斜率。
步骤3，查找插座，结合步骤2的激光矩形投影轮廓，通过自适应二值化、形态学去噪、区域填充、插座轮廓匹配、插座中心高度计算五个步骤查找插座。
（1）自适应二值化：为获得更为清晰的插座，需要找到最佳二值化阈值，使得前景色占比大于90%，w(t)>0.9，通过迭代逼近得到满足条件的t，将图像二值化，所得图像如图9所示。
（2）形态学去噪：基于图像形态学的开运算，平滑图像的轮廓，消除狭窄的部分，去掉细的突出，示例结果如图10所示，其公式为：
Figure 860372DEST_PATH_IMAGE001
，其中，A为二值图像，B为图像形态学模板，
Figure 392985DEST_PATH_IMAGE002
分别代表形态学中的腐蚀运算和膨胀运算。
（3）区域填充：将形态学去噪所得图像背景色填充为白色，前景色填充为黑色，处理结果如图11所示。
（4）插座轮廓匹配：根据激光矩形投影轮廓对象自动限制查找范围，建立坐标系，具体步骤如图12所示，包括：
步骤3.1，计算插座轮廓对象的左边斜率和右边斜率，如果左边斜率和右边斜率不都等于图像斜率，排除当前轮廓对象，若左边斜率和右边斜率都等于图像斜率，则进入步骤3.2；
步骤3.2，分别计算插座轮廓对象左边和右边的采样斜率，若采样斜率不都等于图像斜率k，则排除当前轮廓，若采样斜率都等于图像斜率k，则轮廓匹配成功，最终匹配结果如图13所示。
（5）插座中心高度计算：计算插座中心的像素高度，并结合激光矩形投影上水平线和下水平线的像素高度和真实高度，根据投影映射原理，然后将其映射到世界坐标系下，得到插座中心的真实高度。
计算公式为：
Figure 123044DEST_PATH_IMAGE004
其中，H为待测物体在世界坐标系下的真实高度，LH1为激光矩形投影上水平线在世界坐标系下的真实高度，LH2为激光矩形投影下水平线在世界坐标系下的真实高度，h为插座顶点连线交点到激光矩形投影轮廓下边的像素高度，h1为激光矩形投影上水平线像素高度，h2为激光矩形投影下水平线像素高度。
步骤4，测量数据保存，将插座中心高度标记在图像上保存，并以表格的形式保存，同时提供网络接口，可将数据上传至服务器保存。
以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (7)

1.一种基于轮廓匹配的物体高度在线测量方法，其特征在于，包括如下步骤：
步骤1，图像采集，将两个双线激光水平仪及相机固定在支架上，采集包含激光矩形投影的单幅图像；
步骤2，查找激光矩形投影，通过灰度直方图拉伸、自适应二值化、区域填充、形态学去噪及激光矩形投影轮廓匹配五个步骤查找激光矩形投影轮廓；
步骤3，查找待测物体，结合步骤2的激光矩形投影轮廓，通过自适应二值化、形态学去噪、区域填充、待测物体轮廓匹配、待测物体中心高度计算五个步骤查找待测物体；
步骤4，测量数据保存，将待测物体中心高度标记在图像上保存，并以表格的形式保存，同时提供网络接口，可将数据上传至服务器保存。
2.根据权利要求1所述的一种基于轮廓匹配的物体高度在线测量方法，其特征在于，所述步骤2中激光矩形投影轮廓匹配时，将激光矩形投影定义为平行四边形，具体实现步骤为：
步骤2.1，初始化阈值N=0，采样率S=10%；
步骤2.2，计算激光矩形投影轮廓对象的4条边的斜率，若两组对边斜率的差值不都等于N，排除当前轮廓对象，若两组对边斜率的差值均等于N，则进入步骤2.3；
步骤2.3，根据S对激光矩形投影轮廓对象的四条边进行采样，分别计算4条边的采样斜率差，若不等于N，排除当前轮廓对象，若等于N，则轮廓匹配成功；
步骤2.4，若满足条件的激光矩形投影轮廓对象数量等于0，则N+0.05，重新回到步骤2.2；如果满足条件的轮廓对象数量大于1，则S+10%，重新回到步骤2.2，直到满足条件的轮廓对象数量等于1；
步骤2.5，计算图像斜率k，激光矩形投影轮廓上下边像素高度h1和h2，输出激光投影矩形轮廓对象Z。
3.根据权利要求1所述的一种基于轮廓匹配的物体高度在线测量方法，其特征在于，所述步骤2中形态学去噪的公式为：
Figure 116360DEST_PATH_IMAGE001
，其中，A为二值图像，B为图像形态学模板，
Figure 767921DEST_PATH_IMAGE002
分别代表形态学中的腐蚀运算和膨胀运算。
4.根据权利要求1所述的一种基于轮廓匹配的物体高度在线测量方法，其特征在于，所述步骤2中进行自适应二值化操作时，前景色占比小于10%。
5.根据权利要求1所述的一种基于轮廓匹配的物体高度在线测量方法，其特征在于，所述步骤3中进行自适应二值化操作时，前景色占比大于90%。
6.根据权利要求1所述的一种基于轮廓匹配的物体高度在线测量方法，其特征在于，所述步骤3中待测物体轮廓匹配采用与步骤2中激光矩形投影轮廓匹配相同的方法获得轮廓对象：
步骤3.1，计算待测物体轮廓的左右侧边的斜率，若左侧边斜率或右侧边斜率不等于图像斜率，则排除当前轮廓对象，若左侧边斜率和右侧边斜率等于图像斜率，则进入步骤3.2；
步骤3.2，分别计算左侧边和右侧边的采样斜率，若采样斜率不等于图像斜率，则排除当前轮廓，若采样斜率等于图像斜率，则轮廓匹配成功。
7.根据权利要求1所述的一种基于轮廓匹配的物体高度在线测量方法，其特征在于，所述步骤3中待测物体中心高度计算公式为：
Figure 282079DEST_PATH_IMAGE003
其中，H为待测物体在世界坐标系下的真实高度，LH1为激光矩形投影上水平线在世界坐标系下的真实高度，LH2为激光矩形投影下水平线在世界坐标系下的真实高度，h为待测物体顶点连线交点到激光矩形投影轮廓下边的像素高度，h1为激光矩形投影上水平线像素高度，h2为激光矩形投影下水平线像素高度。
CN202210483010.XA 2022-05-06 2022-05-06 一种基于轮廓匹配的物体高度在线测量方法 Active CN114882095B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210483010.XA CN114882095B (zh) 2022-05-06 2022-05-06 一种基于轮廓匹配的物体高度在线测量方法
FR2212743A FR3135322A1 (fr) 2022-05-06 2022-12-05 Procédé de mesure en ligne de la hauteur d’un objet sur la base de correspondance de profils

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210483010.XA CN114882095B (zh) 2022-05-06 2022-05-06 一种基于轮廓匹配的物体高度在线测量方法

Publications (2)

Publication Number Publication Date
CN114882095A true CN114882095A (zh) 2022-08-09
CN114882095B CN114882095B (zh) 2022-12-20

Family

ID=82672814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210483010.XA Active CN114882095B (zh) 2022-05-06 2022-05-06 一种基于轮廓匹配的物体高度在线测量方法

Country Status (2)

Country Link
CN (1) CN114882095B (zh)
FR (1) FR3135322A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117496189B (zh) * 2024-01-02 2024-03-22 中国石油大学(华东) 一种基于深度相机的矩形托盘孔识别方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102359846A (zh) * 2011-09-01 2012-02-22 中联重科股份有限公司 物体重心高度的测定方法及测定装置
CN103499297A (zh) * 2013-10-25 2014-01-08 爱科维申科技（天津）有限公司 一种基于ccd的高精度测量方法
CN108240793A (zh) * 2018-01-26 2018-07-03 广东美的智能机器人有限公司 物体尺寸测量方法、装置和系统
CN109472822A (zh) * 2018-12-29 2019-03-15 上海大学 基于深度图像处理的物体尺寸测量方法
CN110873558A (zh) * 2019-11-15 2020-03-10 中国科学院长春光学精密机械与物理研究所 一种距离和姿态角的测量装置及测量方法
US20200166333A1 (en) * 2016-12-07 2020-05-28 Ki 'an Chishine Optoelectronics Technology Co., Ltd. Hybrid light measurement method for measuring three-dimensional profile
CN111504223A (zh) * 2020-04-22 2020-08-07 荆亮 一种基于线激光传感器的叶片轮廓测量方法及装置和系统
CN111811784A (zh) * 2020-07-02 2020-10-23 中航华东光电（上海）有限公司 激光光斑中心坐标确定方法、装置及设备
WO2021185220A1 (zh) * 2020-03-16 2021-09-23 左忠斌 一种基于坐标测量的三维模型构建及测量方法
CN113642397A (zh) * 2021-07-09 2021-11-12 西安理工大学 一种基于手机视频的物体长度测量方法
CN113701648A (zh) * 2021-08-13 2021-11-26 浙江四点灵机器人股份有限公司 一种基于三维线激光扫描仪的金属轮毂尺寸测量装置及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102359846A (zh) * 2011-09-01 2012-02-22 中联重科股份有限公司 物体重心高度的测定方法及测定装置
CN103499297A (zh) * 2013-10-25 2014-01-08 爱科维申科技（天津）有限公司 一种基于ccd的高精度测量方法
US20200166333A1 (en) * 2016-12-07 2020-05-28 Ki 'an Chishine Optoelectronics Technology Co., Ltd. Hybrid light measurement method for measuring three-dimensional profile
CN108240793A (zh) * 2018-01-26 2018-07-03 广东美的智能机器人有限公司 物体尺寸测量方法、装置和系统
CN109472822A (zh) * 2018-12-29 2019-03-15 上海大学 基于深度图像处理的物体尺寸测量方法
CN110873558A (zh) * 2019-11-15 2020-03-10 中国科学院长春光学精密机械与物理研究所 一种距离和姿态角的测量装置及测量方法
WO2021185220A1 (zh) * 2020-03-16 2021-09-23 左忠斌 一种基于坐标测量的三维模型构建及测量方法
CN111504223A (zh) * 2020-04-22 2020-08-07 荆亮 一种基于线激光传感器的叶片轮廓测量方法及装置和系统
CN111811784A (zh) * 2020-07-02 2020-10-23 中航华东光电（上海）有限公司 激光光斑中心坐标确定方法、装置及设备
CN113642397A (zh) * 2021-07-09 2021-11-12 西安理工大学 一种基于手机视频的物体长度测量方法
CN113701648A (zh) * 2021-08-13 2021-11-26 浙江四点灵机器人股份有限公司 一种基于三维线激光扫描仪的金属轮毂尺寸测量装置及方法

Also Published As

Publication number Publication date
CN114882095B (zh) 2022-12-20
FR3135322A1 (fr) 2023-11-10

Similar Documents

Publication Publication Date Title
CN109872397B (zh) 一种基于多目立体视觉的飞机零件的三维重建方法
CN110363858B (zh) 一种三维人脸重建方法及系统
CN110264416B (zh) 稀疏点云分割方法及装置
WO2021077720A1 (zh) 获取对象三维模型的方法、装置、电子设备及系统
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
CN106780576B (zh) 一种面向rgbd数据流的相机位姿估计方法
CN101697233B (zh) 一种基于结构光的三维物体表面重建方法
CN110379020B (zh) 一种基于生成对抗网络的激光点云上色方法和装置
US11776202B2 (en) Image processing method and apparatus, computer storage medium, and electronic device
CN107610219B (zh) 三维场景重构中几何线索感知的像素级点云稠密化方法
CN114882095B (zh) 一种基于轮廓匹配的物体高度在线测量方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN105405152B (zh) 基于结构化支持向量机的自适应尺度目标跟踪方法
CN113706472A (zh) 公路路面病害检测方法、装置、设备及存储介质
CN117115358A (zh) 数字人自动建模方法及装置
KR102327304B1 (ko) 깊이영상 카메라로부터 획득된 3d 영상의 품질 향상 방법
CN112509110A (zh) 一种陆地对抗智能体的图像数据集自动采取与标注框架
CN113077504B (zh) 基于多粒度特征匹配大场景深度图生成方法
CN111630569B (zh) 双目匹配的方法、视觉成像装置及具有存储功能的装置
CN111145344B (zh) 一种用于雪雕3d重建的结构光测量方法
CN113048899A (zh) 基于线结构光的厚度测量方法和系统
CN113674360A (zh) 一种基于协变的线结构光光平面标定方法
CN111783877A (zh) 基于单帧网格复合编码模板结构光的深度信息测量方法
CN111010558B (zh) 一种基于短视频图像的立木深度图生成方法
CN117593618B (zh) 基于神经辐射场和深度图的点云生成方法

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