CN115063341A - 一种基于相移条纹的苹果果梗和花萼检测方法 - Google Patents

一种基于相移条纹的苹果果梗和花萼检测方法 Download PDF

Info

Publication number
CN115063341A
CN115063341A CN202210351062.1A CN202210351062A CN115063341A CN 115063341 A CN115063341 A CN 115063341A CN 202210351062 A CN202210351062 A CN 202210351062A CN 115063341 A CN115063341 A CN 115063341A
Authority
CN
China
Prior art keywords
phase shift
calyx
apple
region
phase
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
CN202210351062.1A
Other languages
English (en)
Other versions
CN115063341B (zh
Inventor
王玉伟
朱浩杰
蔡家旭
杨坤灵
董萧
刘路
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.)
Anhui Agricultural University AHAU
Original Assignee
Anhui Agricultural University AHAU
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 Anhui Agricultural University AHAU filed Critical Anhui Agricultural University AHAU
Priority to CN202210351062.1A priority Critical patent/CN115063341B/zh
Publication of CN115063341A publication Critical patent/CN115063341A/zh
Application granted granted Critical
Publication of CN115063341B publication Critical patent/CN115063341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • 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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
    • 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
    • G06T7/13—Edge detection
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于相移条纹的苹果果梗和花萼检测方法，通过搭建条纹投影系统；采用相移法计算相移条纹图像的截断相位，结合连通域标记算法、二维凸包算法和逻辑运算获得果梗花萼区域的掩膜图像；根据果梗花萼的凹形特征，无需重建苹果三维面形，通过分析处理相移条纹的截断相位，有效地检测出果梗花萼区域，具有非接触、成本低、精度高、速度快、鲁棒性强的优点。

Description

一种基于相移条纹的苹果果梗和花萼检测方法
技术领域
本发明属于检测技术领域，具体地说，本发明涉及一种基于相移条纹的苹果果梗和花萼检测方法。
背景技术
传统苹果品质检测多采用人工或机械方式，耗时耗力，可靠性偏低，且易造成机械损伤。机器视觉具有非接触、速度快、精度高等优点，广泛应用于苹果品质检测，逐渐取代了传统人工或机械检测方式。然而，苹果外部缺陷与果梗花萼的颜色特征相似，传统基于颜色特征的二维图像检测技术难以有效区分，容易将果梗花萼误识别为外部缺陷。
针对苹果果梗花萼检测难题，部分学者，例如：Biosystems Engineering,2015,139:25-34，利用线结构光技术重建出苹果三维面形，通过与标准球模型进行对比，实现果梗花萼区域检测。申请号为202011307487X的发明专利，利用面结构光技术重建出苹果三维面形，根据果梗花萼的凹形特征，结合灰度形态学填充算法，检测到果梗花萼区域。线结构光技术和面结构光技术虽然可以有效地检测果梗花萼区域，但是需要重建出苹果三维面形，导致果梗花萼的检测效率偏低。因此，如何准确且快速地检测出苹果果梗花萼具有重要意义和应用价值。
发明内容
本发明提供一种基于相移条纹的苹果果梗和花萼检测方法，以解决上述背景技术中存在的问题。
为了实现上述目的，本发明采取的技术方案为：一种基于相移条纹的苹果果梗和花萼检测方法，具体包括以下步骤：
步骤S1：搭建条纹投影系统，主要包括摄像机、投影仪、计算机三部分，其中摄像机、投影仪和待测苹果构成三角测量关系；投影仪投射相移条纹图案至待测苹果表面，经过苹果面形的调制作用，相移条纹图案发生变形，摄像机采集到相移条纹图像，并传输至计算机进行分析处理；
步骤S2：采用相移法计算相移条纹图像的截断相位φ0(x,y)，设置相位步长2π/M，计算截断相位φ0(x,y)的M个偏移相位φm(x,y)；设置相位阈值T，逐个将M个偏移相位φm(x,y)进行二值化，获得M个二值图像Bm(x,y)；
步骤S3：利用连通域标记算法获得二值图像Bm(x,y)的标记图像Lm(x,y)，并利用二维凸包算法获得标记图像Lm(x,y)中每个标记区域Lm(x,y,k)的凸包图像Hm(x,y,k)；逐行扫描标记区域Lm(x,y,k)，并将位于标记区域Lm(x,y,k)右侧的像素置为1，获得对应的掩膜图像Fm(x,y,k)；
步骤S4：利用逻辑运算获得标记区域Lm(x,y,k)对应的凸残差区域Qm(x,y,k)，融合得到二值图像Bm(x,y)对应的凸残差区域Qm(x,y)，则该凸残差区域Qm(x,y)可认为属于果梗花萼区域；融合所有的凸残差区域Qm(x,y)，获得完整的果梗花萼区域的掩膜图像Q(x,y)。
优选的，所述步骤S1中，所述相移条纹图像In(x,y)可表示为：
In(x,y)＝I′(x,y)+I″(x,y)cos[φ0(x,y)+2πn/N]；
式中：n＝1,2,…,N；N表示相移步数；(x,y)表示像素坐标；I′(x,y)表示背景强度；I″(x,y)表示调制强度；φ0(x,y)表示待求解的截断相位，可通过如下计算公式求解：
Figure BDA0003580324390000021
式中：截断相位φ0(x,y)的取值区间为[0,2π]。
优选的，所述步骤S2中，所述偏移相位φm(x,y)的计算公式如下：
φm(x,y)＝mod[φ0(x,y)+2πm/M,2π]；
式中：m＝1,2,…,M；M表示偏移步数；mod[]表示取余运算。
优选的，所述步骤S2中，所述二值图像Bm(x,y)的计算公式如下：
Figure BDA0003580324390000031
式中：相位阈值T的取值区间为[0.8π,1.2π]。
优选的，所述步骤S3中，所述掩膜图像Fm(x,y,k)的计算公式如下：
Figure BDA0003580324390000032
式中：k＝1,2,…,K；K表示标记图像Lm(x,y)中标记区域的数目；(xi,yi)表示位于标记区域Lm(x,y,k)第i行的最右侧边缘点。
优选的，所述步骤S4中，所述凸残差区域Qm(x,y,k)的计算公式如下：
Qm(x,y,k)＝[Hm(x,y,k)-Lm(x,y,k)]∩Fm(x,y,k)。
优选的，所述步骤S4中，所述凸残差区域Qm(x,y)的计算公式如下：
Qm(x,y)＝Qm(x,y,1)∪Qm(x,y,2)∪…∪Qm(x,y,K)。
优选的，所述步骤S4中，所述果梗花萼区域的掩膜图像Q(x,y)，其计算公式如下：
Q(x,y)＝Q1(x,y)∪Q2(x,y)∪…∪QM(x,y)。
采用以上技术方案的有益效果是：
1、本发明的基于相移条纹的苹果果梗和花萼检测方法，根据果梗花萼的凹形特征，无需重建苹果三维面形，通过分析处理相移条纹的截断相位，有效地检测出果梗花萼区域，具有非接触、成本低、精度高、速度快、鲁棒性强的优点。
附图说明
图1中(a)苹果图像；(b)相移条纹In(x,y)；(c)截断相位φ0(x,y)；
图2是M个偏移相位φm(x,y)；
图3是M个偏移相位φm(x,y)对应的二值图像Bm(x,y)；
图4中(a)标记图像L2(x,y)；(b)标记区域L2(x,y,6)；(c)凸包图像H2(x,y,6)；(d)掩膜图像F2(x,y,6)；(e)凸残差图像Q2(x,y,6)；
图5是二值图像Bm(x,y)对应的凸残差区域Qm(x,y)；
图6是所检测到的果梗花萼区域Q(x,y)及其边缘；
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，目的是帮助本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解，并有助于其实施。
如图1至图6所示，本发明是一种基于相移条纹的苹果果梗和花萼检测方法，根据果梗花萼的凹形特征，无需重建苹果三维面形，通过分析处理相移条纹的截断相位，有效地检测出果梗花萼区域，具有非接触、成本低、精度高、速度快、鲁棒性强的优点。
以下用具体实施例对具体工作方式进行阐述：
实施例1：
本发明提供一种基于相移条纹的苹果果梗和花萼检测方法，具体包括以下步骤：
步骤S1：搭建条纹投影系统，主要包括摄像机、投影仪、计算机三部分，其中摄像机、投影仪和待测苹果构成三角测量关系；投影仪投射相移条纹图案至待测苹果表面，经过苹果面形的调制作用，相移条纹图案发生变形，摄像机采集到相移条纹图像，并传输至计算机进行分析处理；图1中(a)展示了苹果图像；(b)示了相移条纹In(x,y)；
步骤S2：采用相移法计算相移条纹图像的截断相位φ0(x,y)，如图1中(c)展示，设置相位步长π/3，计算截断相位φ0(x,y)的M＝6个偏移相位φm(x,y)，如图2所示；设置相位阈值T＝π，逐个将M＝6个偏移相位φm(x,y)进行二值化，获得M＝6个二值图像Bm(x,y)，如图3所示；
步骤S3：利用连通域标记算法获得二值图像Bm(x,y)的标记图像Lm(x,y)，如图4(a)所示，并利用二维凸包算法获得标记图像Lm(x,y)中每个标记区域Lm(x,y,k)的凸包图像Hm(x,y,k)，如图4(b)-(c)所示；逐行扫描标记区域Lm(x,y,k)，并将位于标记区域Lm(x,y,k)右侧的像素置为1，获得对应的掩膜图像Fm(x,y,k)，如图4(d)所示；
步骤S4：利用逻辑运算获得标记区域Lm(x,y,k)对应的凸残差区域Qm(x,y,k)，如图4(e)所示，融合得到二值图像Bm(x,y)对应的凸残差区域Qm(x,y)，如图5所示，则该凸残差区域Qm(x,y)可认为属于果梗花萼区域；融合所有的凸残差区域Qm(x,y)，获得完整的果梗花萼区域的掩膜图像Q(x,y)，如图6所示。
以上结合附图对本发明进行了示例性描述，显然，本发明具体实现并不受上述方式的限制，只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进；或未经改进，将本发明的上述构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (8)

1.一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：具体包括以下步骤：
步骤S1：搭建条纹投影系统，主要包括摄像机、投影仪、计算机三部分，其中摄像机、投影仪和待测苹果构成三角测量关系；投影仪投射相移条纹图案至待测苹果表面，经过苹果面形的调制作用，相移条纹图案发生变形，摄像机采集到相移条纹图像，并传输至计算机进行分析处理；
步骤S2：采用相移法计算相移条纹图像的截断相位φ0(x,y)，设置相位步长2π/M，计算截断相位φ0(x,y)的M个偏移相位φm(x,y)；设置相位阈值T，逐个将M个偏移相位φm(x,y)进行二值化，获得M个二值图像Bm(x,y)；
步骤S3：利用连通域标记算法获得二值图像Bm(x,y)的标记图像Lm(x,y)，并利用二维凸包算法获得标记图像Lm(x,y)中每个标记区域Lm(x,y,k)的凸包图像Hm(x,y,k)；逐行扫描标记区域Lm(x,y,k)，并将位于标记区域Lm(x,y,k)右侧的像素置为1，获得对应的掩膜图像Fm(x,y,k)；
步骤S4：利用逻辑运算获得标记区域Lm(x,y,k)对应的凸残差区域Qm(x,y,k)，融合得到二值图像Bm(x,y)对应的凸残差区域Qm(x,y)，则该凸残差区域Qm(x,y)可认为属于果梗花萼区域；融合所有的凸残差区域Qm(x,y)，获得完整的果梗花萼区域的掩膜图像Q(x,y)。
2.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S1中，所述相移条纹图像In(x,y)可表示为：
In(x,y)＝I′(x,y)+I″(x,y)cos[φ0(x,y)+2πn/N]；
式中：n＝1,2,…,N；N表示相移步数；(x,y)表示像素坐标；I′(x,y)表示背景强度；I″(x,y)表示调制强度；φ0(x,y)表示待求解的截断相位，可通过如下计算公式求解：
Figure FDA0003580324380000011
式中：截断相位φ0(x,y)的取值区间为[0,2π]。
3.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S2中，所述偏移相位φm(x,y)的计算公式如下：
φm(x,y)＝mod[φ0(x,y)+2πm/M,2π]；
式中：m＝1,2,…,M；M表示偏移步数；mod[]表示取余运算。
4.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S2中，所述二值图像Bm(x,y)的计算公式如下：
Figure FDA0003580324380000021
式中：相位阈值T的取值区间为[0.8π,1.2π]。
5.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S3中，所述掩膜图像Fm(x,y,k)的计算公式如下：
Figure FDA0003580324380000022
式中：k＝1,2,…,K；K表示标记图像Lm(x,y)中标记区域的数目；(xi,yi)表示位于标记区域Lm(x,y,k)第i行的最右侧边缘点。
6.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S4中，所述凸残差区域Qm(x,y,k)的计算公式如下：
Qm(x,y,k)＝[Hm(x,y,k)-Lm(x,y,k)]∩Fm(x,y,k)。
7.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S4中，所述凸残差区域Qm(x,y)的计算公式如下：
Qm(x,y)＝Qm(x,y,1)∪Qm(x,y,2)∪…∪Qm(x,y,K)。
8.根据权利要求1所述的一种基于相移条纹的苹果果梗和花萼检测方法，其特征在于：所述步骤S4中，所述果梗花萼区域的掩膜图像Q(x,y)，其计算公式如下：
Q(x,y)＝Q1(x,y)∪Q2(x,y)∪…∪QM(x,y)。
CN202210351062.1A 2022-04-02 2022-04-02 一种基于相移条纹的苹果果梗和花萼检测方法 Active CN115063341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210351062.1A CN115063341B (zh) 2022-04-02 2022-04-02 一种基于相移条纹的苹果果梗和花萼检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210351062.1A CN115063341B (zh) 2022-04-02 2022-04-02 一种基于相移条纹的苹果果梗和花萼检测方法

Publications (2)

Publication Number Publication Date
CN115063341A true CN115063341A (zh) 2022-09-16
CN115063341B CN115063341B (zh) 2024-04-26

Family

ID=83196811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210351062.1A Active CN115063341B (zh) 2022-04-02 2022-04-02 一种基于相移条纹的苹果果梗和花萼检测方法

Country Status (1)

Country Link
CN (1) CN115063341B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6610953B1 (en) * 1998-03-23 2003-08-26 University Of Arkansas Item defect detection apparatus and method
CN104463850A (zh) * 2014-11-18 2015-03-25 北京农业智能装备技术研究中心 基于近红外编码点阵结构光的苹果果梗/花萼检测方法
WO2018040017A1 (zh) * 2016-08-31 2018-03-08 深圳大学 一种基于自适应条纹的投影仪镜头畸变校正方法及其系统
WO2018103693A1 (zh) * 2016-12-07 2018-06-14 西安知象光电科技有限公司 一种三维轮廓的光学混合检测方法
CN110645919A (zh) * 2019-08-23 2020-01-03 安徽农业大学 一种基于空域二值编码的结构光三维测量方法
CN112488998A (zh) * 2020-11-19 2021-03-12 安徽农业大学 一种基于条纹投影的苹果果梗和花萼检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6610953B1 (en) * 1998-03-23 2003-08-26 University Of Arkansas Item defect detection apparatus and method
CN104463850A (zh) * 2014-11-18 2015-03-25 北京农业智能装备技术研究中心 基于近红外编码点阵结构光的苹果果梗/花萼检测方法
WO2018040017A1 (zh) * 2016-08-31 2018-03-08 深圳大学 一种基于自适应条纹的投影仪镜头畸变校正方法及其系统
WO2018103693A1 (zh) * 2016-12-07 2018-06-14 西安知象光电科技有限公司 一种三维轮廓的光学混合检测方法
CN110645919A (zh) * 2019-08-23 2020-01-03 安徽农业大学 一种基于空域二值编码的结构光三维测量方法
CN112488998A (zh) * 2020-11-19 2021-03-12 安徽农业大学 一种基于条纹投影的苹果果梗和花萼检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周彤;彭彦昆;赵娟;: "苹果表面伤痕与果梗和花萼的辨识及检出方法", 农产品加工(学刊), no. 11, 25 November 2012 (2012-11-25) *
蔡家旭等: "基于条纹投影的苹果果梗/花萼识别方法", 《浙江农业学报》, 4 August 2021 (2021-08-04) *

Also Published As

Publication number Publication date
CN115063341B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
JP5868987B2 (ja) タイヤのトレッドデザインを形成する基本的パターンを識別すると共に規定する方法
CN110645919B (zh) 一种基于空域二值编码的结构光三维测量方法
Mouaddib et al. Recent progress in structured light in order to solve the correspondence problem in stereovision
EP1649423A2 (en) Method and sytem for the three-dimensional surface reconstruction of an object
CN107543496A (zh) 一种基于散斑图像匹配的立体视觉测量人工标记点
US20140185883A1 (en) Analysis of the digital image of the surface of a tyre and processing of non-measurement points
CN116499801A (zh) 一种基于机器视觉系统的钢水自动化取样装置
CN107452030A (zh) 基于轮廓检测和特征匹配的图像配准方法
CN104677307A (zh) 结合三维及二维形貌的量测方法及装置
CN109186550B (zh) 一种可编码近景摄影测量标志的编码解码与测量方法
CN107063130A (zh) 一种基于光栅投影三维重构的工件自动焊接方法
CN114152203B (zh) 基于相位编码结构光的轴承内外径尺寸测量方法
CN107271445B (zh) 一种缺陷检测方法及装置
CN115063341A (zh) 一种基于相移条纹的苹果果梗和花萼检测方法
CN113129397B (zh) 一种基于图形几何关系的平行四边形编码标志的解码方法
TWI496111B (zh) 針腳彎曲檢測方法
JP2010071768A (ja) 車両検査装置
CN110223339B (zh) 一种基于机器视觉热保护器校准点中心定位方法
CN116839502A (zh) 一种基于ai技术测量对象长宽高及孔径孔深的方法及装置
JP2004077290A (ja) ３次元形状計測装置および方法
CN110634180A (zh) 一种基于相移轮廓术的多运动物体三维重构方法
CN113494891B (zh) 一种用于火车承载鞍整体型面测量的多视角拼接方法
JP2012194030A (ja) 画像の検査方法および装置
CN115727784A (zh) 一种基于自适应条纹的高反光工件三维点云获取方法
JP2010243209A (ja) 欠陥検査方法および欠陥検出装置

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