CN115115602B - 线材直径测量过程中纹理定位的算法 - Google Patents

线材直径测量过程中纹理定位的算法 Download PDF

Info

Publication number
CN115115602B
CN115115602B CN202210796171.4A CN202210796171A CN115115602B CN 115115602 B CN115115602 B CN 115115602B CN 202210796171 A CN202210796171 A CN 202210796171A CN 115115602 B CN115115602 B CN 115115602B
Authority
CN
China
Prior art keywords
wire
camera
image
diameter
texture
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
Application number
CN202210796171.4A
Other languages
English (en)
Other versions
CN115115602A (zh
Inventor
姜光
戴相龙
王晓鹏
蒋勇
李学钧
何成虎
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.)
Jiangsu Haohan Information Technology Co ltd
Original Assignee
Jiangsu Haohan Information Technology Co ltd
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 Jiangsu Haohan Information Technology Co ltd filed Critical Jiangsu Haohan Information Technology Co ltd
Publication of CN115115602A publication Critical patent/CN115115602A/zh
Application granted granted Critical
Publication of CN115115602B publication Critical patent/CN115115602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • 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
    • 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
    • G06T7/40—Analysis of texture
    • 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
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

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

Abstract

本发明提出了线材直径测量过程中纹理定位的算法。所述算法包括：在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述标签为纹理标签；利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；将获得到的一组或多组线材照片发送至边缘计算模块；所述边缘计算模块根据一组或多组线材照片计算获取线材的直径。所述系统包括与所述方法步骤对应的模块。

Description

线材直径测量过程中纹理定位的算法
技术领域
本发明线材直径测量过程中纹理定位的算法，属于线材测量技术领域。
背景技术
线材附件施工过程中，时常需要对线材的直径尺寸进行测量，现有技术中，线材附件的直径尺寸测量基本上都是通过施工现场的工作人员通过机械式测量工具进行手动测量，这种测量方式不仅需要施工人员携带测量工具，费时费力，并且测量工具会占用施工现空间。另一方面，由于测量工具都具有一定的测量误差，并且，在测量工具进行线材的直径尺寸测量时，需要施工人员进行测量读数，读数过程中也会出现误差，在测量误差和读数误差叠加后，进一步增大了线材长度测量的误差，时常导致线材附件的长度测量结果准确性较低，需要重新测量，这种情况大大降低了线材施工效率，影响施工进度。本发明提出的线材直径测量过程中纹理定位算法相较于现有技术中的测量方法，可在线材线附件施工时，对线材线的直径有现场快速测量需求时，操作人员通过手持终端控制双目相机，进行无接触、精确的测量，测量效率高，而且测量误差小于0.4％，精度高。
发明内容
本发明提供了线材直径测量过程中纹理定位的算法，用以解决现有技术中的人工手动测量线材直径效率低、精度差的问题，所采取的技术方案如下：
线材直径测量过程中纹理定位的算法，所述算法包括：
在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述便携式标签即为纹理标签；
通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置；
利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；
将获得到的一组或多组线材照片发送至边缘计算模块；
所述边缘计算模块根据一组或多组线材照片计算获取线材的直径。
进一步地，所述双目相机拍摄线材照片时距离待测线材0.1-5m，确保待测线材上的便携式标签均在双目相机的视野范围内。
进一步地，所述双目相机的基线长度为3-20cm。
进一步地，所述边缘计算模块根据一组或多组线材照片计算获取线材的直径，包括：
步骤1、分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}；
步骤2、将所述双目相机获取的图像中的与双目相机的圆心对应的点作为P，对于双目相机的左摄像头和右摄像头分别有：
其中，Zc1和Zc1分别表示平移向量；矩阵中的矩阵元素p1 00……p1 23分别表示旋转矩阵P中的元素；u,v表示点在图像中的坐标，xw,yw,zw表示其世界坐标；
步骤3、对步骤2获得的两个矩阵进行整理可得：
步骤4、利用最小二乘法对步骤3中获得公式进行拟合得到线材的圆心的世界坐标为{X,Y,Z}；
步骤5、将便携式标签所在点标记为p1、p2、p3和p4，对p1、p2、p3、p4分别用步骤1至步骤4同理方法获取p1、p2、p3、p4对应的世界坐标；
步骤6、取(P1+P2+P3+P4)/4*2作为线材直径。
进一步地，分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}，包括：
针对双目相机左边摄像头采集的图像，进行灰度处理得到左摄像头灰度图；
采用高斯滤波器对所述左摄像头灰度图进行平滑处理，消除图像噪声，获得左图像f1；
对所述左图像f1进行canny处理后获得边缘图像f2；
采用霍夫变换对所述边缘图像f2进行圆检测，得到所述边缘图像f2中的线材切面边缘；
针对双目相机右边摄像头采集的图像，进行灰度处理得到右摄像头灰度图；
采用高斯滤波器对所述右摄像头灰度图进行平滑处理，消除图像噪声，获得右图像f3；
对所述右图像f3进行canny处理后获得边缘图像f4；
采用霍夫变换对所述边缘图像f4进行圆检测，得到所述边缘图像f4中的线材切面边缘；
将左摄像头获得的线材切面边缘和右摄像头获得的线材切面边缘分别记为{PL，RL}和{PR,RR}，其中，P和R分别表示线材切面圆的圆心坐标和半径。
线材直径测量过程中纹理定位的算法，所述算法通过如下系统执行，包括：
贴签模块，用于在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述标签为纹理标签；
拍照模块，用于利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；
发送模块，用于将获得到的一组或多组线材照片发送至边缘计算模块；
边缘计算模块，用于根据一组或多组线材照片计算获取线材的直径。
进一步地，通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置，包括：
第一步，采集已有纹理标签的图片作为模板图片It，其中，所述模板图片It，宽度为Wt，高度为Ht；
第二步，针对待识别图片I，定义其宽度为W，高度为H，左上角坐标为(0,0)，右下角坐标为(W，H)；
第三步，从所述待识别图片的坐标(0,0)作为起点，截取宽度为Wt、高度为Ht的子图；
第四步，计算所述子图Isub和所述模板图片It的相似度，相似度计算公式为：
其中，It(i，j)和Isub(i，j)分别表示坐标(i，j)位置的像素值；
第五步，遍历图片I截取子图，并计算I与It的相似度，直到移动到图片I右下角，s值最小的子图即为图片I中纹理标签位置。
本发明有益效果：
本发明基于移动双目图像采集设备的线材直径测量过程中纹理定位的算法可在线材线附件施工时，对线材线的直径有现场快速测量需求时，操作人员通过手持终端控制双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
附图说明
图1为本发明线材直径测量过程中纹理定位的算法流程图；
图2为贴便携式标签的线材结构示意图；
图3为线材直径计算模型示意图；
图4为p1、p2、p3、p4四个点与P点的相对位置关系图；
图5为本发明所述系统的系统框图；
附图中，各标号所代表的部件列表如下：
1-线材，2-便携式标签。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提出了线材直径测量过程中纹理定位的算法，如图1至图4所示，所述算法包括：
S1、在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述便携式标签即为纹理标签；
S2、通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置；
其中，通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置，包括：
第一步，采集已有纹理标签的图片作为模板图片It，其中，所述模板图片It，宽度为Wt，高度为Ht；
第二步，针对待识别图片I，定义其宽度为W，高度为H，左上角坐标为(0,0)，右下角坐标为(W，H)；
第三步，从所述待识别图片的坐标(0,0)作为起点，截取宽度为Wt、高度为Ht的子图；
第四步，计算所述子图Isub和所述模板图片It的相似度，相似度计算公式为：
其中，It(i，j)和Isub(i，j)分别表示坐标(i，j)位置的像素值；
第五步，遍历图片I截取子图，并计算I与It的相似度，直到移动到图片I右下角，s值最小的子图即为图片I中纹理标签位置。
S3、利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；
S4、将获得到的一组或多组线材照片发送至边缘计算模块；
S5、所述边缘计算模块根据一组或多组线材照片计算获取线材的直径。
其中，所述双目相机拍摄线材照片时距离待测线材0.1-5m，确保待测线材上的便携式标签均在双目相机的视野范围内。所述双目相机的基线长度为3-20cm。
上述技术方案的工作原理为：首先，在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述标签为纹理标签；然后，利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；之后，将获得到的一组或多组线材照片发送至边缘计算模块；最后，所述边缘计算模块根据一组或多组线材照片计算获取线材的直径。
上述技术方案的效果为：可在线材线附件施工时，对线材线的直径有现场快速测量需求时，操作人员通过手持终端控制双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
本发明的一个实施例，所述边缘计算模块根据一组或多组线材照片计算获取线材的直径，包括：
步骤1、分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}；
步骤2、将所述双目相机获取的图像中的与双目相机的圆心对应的点作为P，对于双目相机的左摄像头和右摄像头分别有：
其中，Zc1和Zc1分别表示平移向量；矩阵中的矩阵元素p1 00……p1 23分别表示旋转矩阵P中的元素；u,v表示点在图像中的坐标，xw,yw,zw表示其世界坐标；
步骤3、对步骤2获得的两个矩阵进行整理可得：
步骤4、利用最小二乘法对步骤3中获得公式进行拟合得到线材的圆心的世界坐标为{X,Y,Z}；
步骤5、将便携式标签所在点标记为p1、p2、p3和p4，对p1、p2、p3、p4分别用步骤1至步骤4同理方法获取p1、p2、p3、p4对应的世界坐标；
步骤6、取(P1+P2+P3+P4)/4*2作为线材直径。
其中，步骤1所述分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}，包括：
步骤101、针对双目相机左边摄像头采集的图像，进行灰度处理得到左摄像头灰度图；
步骤102、采用高斯滤波器对所述左摄像头灰度图进行平滑处理，消除图像噪声，获得左图像f1；
步骤103、对所述左图像f1进行canny处理后获得边缘图像f2；
步骤104、采用霍夫变换对所述边缘图像f2进行圆检测，得到所述边缘图像f2中的线材切面边缘；
步骤105、针对双目相机右边摄像头采集的图像，进行灰度处理得到右摄像头灰度图；
步骤106、采用高斯滤波器对所述右摄像头灰度图进行平滑处理，消除图像噪声，获得右图像f3；
步骤107、对所述右图像f3进行canny处理后获得边缘图像f4；
步骤108、采用霍夫变换对所述边缘图像f4进行圆检测，得到所述边缘图像f4中的线材切面边缘；
步骤109、将左摄像头获得的线材切面边缘和右摄像头获得的线材切面边缘分别记为{PL，RL}和{PR,RR}，其中，P和R分别表示线材切面圆的圆心坐标和半径。
上述技术方案的效果为：本实施例提出的方法应用于双目摄像安全帽，利用本实施例所述方法的双目摄像安全帽的最大测量范围为50cm，测量误差不大于1mm。可在线材线附件施工时，对线材线的直径有现场快速测量需求时，操作人员通过手持终端控制双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
本发明的一个实施例提出了线材直径测量过程中纹理定位的算法，如图5所示，执行所述算法的系统包括：
贴签模块，用于在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述标签为纹理标签；
拍照模块，用于利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；
发送模块，用于将获得到的一组或多组线材照片发送至边缘计算模块；
边缘计算模块，用于根据一组或多组线材照片计算获取线材的直径。
其中，所述双目相机拍摄线材照片时距离待测线材0.1-5m，确保待测线材上的便携式标签均在双目相机的视野范围内。所述双目相机的基线长度为3-20cm。
具体的，所述边缘计算模块计算获取线材的直径的过程包括：
步骤1、分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}；
步骤2、将所述双目相机获取的图像中的与双目相机的圆心对应的点作为P，对于双目相机的左摄像头和右摄像头分别有：
其中，Zc1和Zc1分别表示平移向量；矩阵中的矩阵元素p1 00……p1 23分别表示旋转矩阵P中的元素；u,v表示点在图像中的坐标，xw,yw,zw表示其世界坐标；
步骤3、对步骤2获得的两个矩阵进行整理可得：
步骤4、利用最小二乘法对步骤3中获得公式进行拟合得到线材的圆心的世界坐标为{X,Y,Z}；
步骤5、将便携式标签所在点标记为p1、p2、p3和p4，对p1、p2、p3、p4分别用步骤1至步骤4同理方法获取p1、p2、p3、p4对应的世界坐标；
步骤6、取(P1+P2+P3+P4)/4*2作为线材直径。
其中，步骤1所述分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}，包括：
步骤101、针对双目相机左边摄像头采集的图像，进行灰度处理得到左摄像头灰度图；
步骤102、采用高斯滤波器对所述左摄像头灰度图进行平滑处理，消除图像噪声，获得左图像f1；
步骤103、对所述左图像f1进行canny处理后获得边缘图像f2；
步骤104、采用霍夫变换对所述边缘图像f2进行圆检测，得到所述边缘图像f2中的线材切面边缘；
步骤105、针对双目相机右边摄像头采集的图像，进行灰度处理得到右摄像头灰度图；
步骤106、采用高斯滤波器对所述右摄像头灰度图进行平滑处理，消除图像噪声，获得右图像f3；
步骤107、对所述右图像f3进行canny处理后获得边缘图像f4；
步骤108、采用霍夫变换对所述边缘图像f4进行圆检测，得到所述边缘图像f4中的线材切面边缘；
步骤109、将左摄像头获得的线材切面边缘和右摄像头获得的线材切面边缘分别记为{PL，RL}和{PR,RR}，其中，P和R分别表示线材切面圆的圆心坐标和半径。
上述技术方案的效果为：本实施例提出的系统应用于双目摄像安全帽，利用本实施例所述系统的双目摄像安全帽的最大测量范围为50cm，测量误差不大于1mm。可在线材线附件施工时，对线材线的直径有现场快速测量需求时，操作人员通过手持终端控制双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.线材直径测量过程中纹理定位的算法，其特征在于，所述算法包括：
在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述便携式标签即为纹理标签；
通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置；
利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；
将获得到的一组或多组线材照片发送至边缘计算模块；
所述边缘计算模块根据一组或多组线材照片计算获取线材的直径；
其中，通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置，包括：
第一步，采集已有纹理标签的图片作为模板图片I t ，其中，所述模板图片I t ，宽度为W t ，高度为H t ；
第二步，针对待识别图片I，定义其宽度为W，高度为H，左上角坐标为（0,0），右下角坐标为（W，H）；
第三步，从所述待识别图片的坐标（0,0）作为起点，截取宽度为W t 、高度为H t 的子图；
第四步，计算所述子图I sub 和所述模板图片I t 的相似度，相似度计算公式为：
其中，I t （i，j）和I sub （i，j）分别表示坐标（i，j）位置的像素值；
第五步，遍历图片I截取子图，并计算I与I t 的相似度，直到移动到图片I右下角，s值最小的子图即为图片I中纹理标签位置；
其中，所述边缘计算模块根据一组或多组线材照片计算获取线材的直径，包括：
步骤1、分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘，左摄像头获得的线材切面边缘记为{PL，RL}，右摄像头获得的线材切面边缘记为{PR,RR}，其中，PL和Rl分别左摄像头拍摄线材切面圆的圆心坐标和半径；PR和RR分别右摄像头拍摄线材切面圆的圆心坐标和半径；
步骤2、将所述双目相机获取的图像中的与双目相机的圆心对应的点作为P，对于双目相机的左摄像头和右摄像头分别有：
其中，分别表示平移向量；矩阵中的矩阵元素/>表示左摄像头的旋转矩阵P中的元素；矩阵元素/>表示右摄像头的旋转矩阵P中的元素；表示左摄像头获取的图像中P点的坐标，/>表示右摄像头获取的图像中的P点的坐标；/>表示P点的世界坐标；
步骤3、对步骤2获得的两个矩阵进行整理可得：
步骤4、利用最小二乘法对步骤3中获得公式进行拟合得到线材的圆心的世界坐标为{X,Y,Z}；
步骤5、将便携式标签所在点标记为p1、p2、p3和p4，对p1、p2、p3、p4分别用步骤1至步骤4同理方法获取p1、p2、p3、p4对应的世界坐标；
步骤6、取(p1+p2+p3+p4)/4*2作为线材直径。
2.根据权利要求1所述线材直径测量过程中纹理定位的算法，其特征在于，所述双目相机拍摄线材照片时距离待测线材0.1-5m，确保待测线材上的便携式标签均在双目相机的视野范围内。
3.根据权利要求1所述线材直径测量过程中纹理定位的算法，其特征在于，所述双目相机的基线长度为3-20cm。
4.根据权利要求1所述线材直径测量过程中纹理定位的算法，其特征在于，分别获取双目相机中左摄像头和右摄像头拍摄图片对应的线材切边缘{PL，RL}和{PR,RR}，包括：
针对双目相机左边摄像头采集的图像，进行灰度处理得到左摄像头灰度图；
采用高斯滤波器对所述左摄像头灰度图进行平滑处理，消除图像噪声，获得左图像f1；
对所述左图像f1进行canny处理后获得边缘图像f2；
采用霍夫变换对所述边缘图像f2进行圆检测，得到所述边缘图像f2中的线材切面边缘；
针对双目相机右边摄像头采集的图像，进行灰度处理得到右摄像头灰度图；
采用高斯滤波器对所述右摄像头灰度图进行平滑处理，消除图像噪声，获得右图像f3；
对所述右图像f3进行canny处理后获得边缘图像f4；
采用霍夫变换对所述边缘图像f4进行圆检测，得到所述边缘图像f4中的线材切面边缘。
5.根据权利要求1所述线材直径测量过程中纹理定位的算法，其特征在于，所述算法通过如下系统执行，包括：
贴签模块，用于在待测直径的线材上，沿待测直径的线材的圆周方向贴上一圈便携式标签，所述标签为纹理标签；
拍照模块，用于利用手持终端移动控制双目相机针对待测直径的线材拍摄一组或多组线材照片；
发送模块，用于将获得到的一组或多组线材照片发送至边缘计算模块；
边缘计算模块，用于根据一组或多组线材照片计算获取线材的直径。
CN202210796171.4A 2022-05-31 2022-07-06 线材直径测量过程中纹理定位的算法 Active CN115115602B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2022106110885 2022-05-31
CN202210611088 2022-05-31

Publications (2)

Publication Number Publication Date
CN115115602A CN115115602A (zh) 2022-09-27
CN115115602B true CN115115602B (zh) 2023-09-19

Family

ID=83333071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210796171.4A Active CN115115602B (zh) 2022-05-31 2022-07-06 线材直径测量过程中纹理定位的算法

Country Status (1)

Country Link
CN (1) CN115115602B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105806319A (zh) * 2016-03-11 2016-07-27 大连理工大学 一种用于玻璃管线三维运动分析的跨轴式图像测量方法
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN107966112A (zh) * 2017-12-03 2018-04-27 中国直升机设计研究所 一种大尺寸旋翼运动参数测量方法
CN109238168A (zh) * 2018-08-06 2019-01-18 大连理工大学 大尺寸测量件表面三维形状高精度测量方法
CN110617772A (zh) * 2019-10-09 2019-12-27 南京天创电子技术有限公司 一种非接触式线径测量装置及方法
CN110766669A (zh) * 2019-10-18 2020-02-07 南京大学 一种基于多目视觉的管线测量方法
CN111780678A (zh) * 2019-12-30 2020-10-16 西安九天孵化器科技有限公司 一种轨道板预埋套管直径的测量方法
CN213874180U (zh) * 2020-10-21 2021-08-03 华能渑池热电有限责任公司 一种用于热电厂管道膨胀量的双目视觉测量系统
CN113223075A (zh) * 2021-03-11 2021-08-06 大连海事大学 一种基于双目摄像头式的船舶高度测量系统及方法
CN113643280A (zh) * 2021-08-30 2021-11-12 燕山大学 一种基于计算机视觉的板材分拣系统及方法
CN113689401A (zh) * 2021-08-24 2021-11-23 深圳市霍克视觉科技有限公司 一种直拉硅单晶炉晶棒直径检测方法及其装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105806319A (zh) * 2016-03-11 2016-07-27 大连理工大学 一种用于玻璃管线三维运动分析的跨轴式图像测量方法
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN107966112A (zh) * 2017-12-03 2018-04-27 中国直升机设计研究所 一种大尺寸旋翼运动参数测量方法
CN109238168A (zh) * 2018-08-06 2019-01-18 大连理工大学 大尺寸测量件表面三维形状高精度测量方法
CN110617772A (zh) * 2019-10-09 2019-12-27 南京天创电子技术有限公司 一种非接触式线径测量装置及方法
CN110766669A (zh) * 2019-10-18 2020-02-07 南京大学 一种基于多目视觉的管线测量方法
CN111780678A (zh) * 2019-12-30 2020-10-16 西安九天孵化器科技有限公司 一种轨道板预埋套管直径的测量方法
CN213874180U (zh) * 2020-10-21 2021-08-03 华能渑池热电有限责任公司 一种用于热电厂管道膨胀量的双目视觉测量系统
CN113223075A (zh) * 2021-03-11 2021-08-06 大连海事大学 一种基于双目摄像头式的船舶高度测量系统及方法
CN113689401A (zh) * 2021-08-24 2021-11-23 深圳市霍克视觉科技有限公司 一种直拉硅单晶炉晶棒直径检测方法及其装置
CN113643280A (zh) * 2021-08-30 2021-11-12 燕山大学 一种基于计算机视觉的板材分拣系统及方法

Also Published As

Publication number Publication date
CN115115602A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN110163064B (zh) 一种道路标志物的识别方法、装置及存储介质
CN110570477B (zh) 一种标定相机和旋转轴相对姿态的方法、装置和存储介质
CN109842756A (zh) 一种镜头畸变矫正和特征提取的方法及系统
CN109448045B (zh) 基于slam的平面多边形物体测量方法及机器可读存储介质
EP3510562A1 (en) Method and system for calibrating multiple cameras
CN104197899A (zh) 移动机器人定位方法及系统
CN113712665B (zh) 基于定位标志物的定位方法、装置及计算机存储介质
CN104766309A (zh) 一种平面特征点导航定位方法与装置
CN115176274A (zh) 一种异源图像配准方法及系统
CN109034170B (zh) 一种开关柜检测装置的圆形指针式仪表读数方法
CN109455619B (zh) 集装箱姿态的定位方法、装置及吊具控制器
CN109063632B (zh) 一种基于双目视觉的泊车位特征筛选方法
CN111829439B (zh) 一种高精度平移测量方法及装置
CN113607058B (zh) 一种基于机器视觉的直刃刀尺寸检测方法及系统
CN115115602B (zh) 线材直径测量过程中纹理定位的算法
CN113536895A (zh) 一种圆盘指针表计识别方法
CN109410272B (zh) 一种变压器螺母识别与定位装置及方法
CN113435412B (zh) 一种基于语义分割的水泥布料区域检测方法
CN115540750A (zh) 一种基于单目视觉物体尺寸检测方法、系统及可存储介质
CN214410073U (zh) 一种工业相机与深度相机结合的三维检测定位系统
CN115112024B (zh) 线材长度测量过程中纹理定位的算法
CN110634136B (zh) 一种管道壁破损检测方法、装置及系统
CN113793315A (zh) 一种基于单目视觉的相机平面和目标平面夹角估算方法
CN111260727A (zh) 一种基于图像处理的网格定位方法、装置及存储介质
JP3728461B2 (ja) 画像情報における位置補正を自動的に処理する方法

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