CN115187599A - 基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统 - Google Patents
基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统 Download PDFInfo
- Publication number
- CN115187599A CN115187599A CN202211099365.5A CN202211099365A CN115187599A CN 115187599 A CN115187599 A CN 115187599A CN 202211099365 A CN202211099365 A CN 202211099365A CN 115187599 A CN115187599 A CN 115187599A
- Authority
- CN
- China
- Prior art keywords
- monocrystalline silicon
- point
- ellipse
- axis
- candidate value
- 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
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
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
-
- 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
Abstract
本发明公开了基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统,步骤S1:对输入单晶硅拉晶图像进行预处理;步骤S2:计算每一条平行弦的中点;步骤S3:计算单晶硅椭圆圆心;步骤S4:计算残缺单晶硅椭圆轮廓每一点到椭圆圆心的距离,并随机选取不在同一直线的边缘点;步骤S5:计算单晶硅椭圆的旋转角度候选值;步骤S6:计算长半轴候选值和短半轴候选值;步骤S7:确定最终的单晶硅椭圆旋转角度、长半轴和短半轴。本发明充分挖掘并利用椭圆的几何性质,参数识别过程仅涉及少量距离、角度等几何计算,避免聚类运算、投票运算、代数拟合运算,与现有技术相比极大减少计算量和存储量,提高椭圆参数辨识的实时性,适用于单晶硅直径检测场景。
Description
技术领域
本发明涉及单晶硅直径检测的图像处理技术领域,尤其涉及一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统。
背景技术
作为生活生产中一种基本的几何元素,椭圆在很多图像处理领域有着广泛应用。比如,在眼球跟踪领域,对椭圆形的瞳孔进行检测可以跟踪眼球的转动状态。在人脸识别领域,使用椭圆检测技术可以将人脸轮廓从背景中分割出来。在天文学中,椭圆检测用于计算星体的形状参数和运动轨迹。在生物医学中,椭圆检测可以实现细胞分割。在自动化生产线上,椭圆检测常被应用于圆形物体的计数。在直拉式单晶硅生产中,由于相机安装在拉晶炉的观察窗口,倾斜向下的拍摄角度使圆形的晶棒截面在图像上呈现椭圆形。此外,复杂的环境会遮挡拍摄视角,许多工业自动化检测场景中获取的图像是椭圆的部分轮廓,即残缺椭圆。
任意一个椭圆都由五个参数组成,分别是圆心坐标xc和yc,旋转角度,长半轴a和短半轴b。椭圆参数辨识的目的是利用图像中的椭圆边缘,求解以上5个参数。由于参数较多,椭圆检测一直是图像处理领域的一个难点,受到广泛关注。常见的椭圆检测算法可以分为以下两类。
(1)基于霍夫变换的椭圆检测算法
霍夫变换(Hough Transform, HT)是图像处理中识别几何形状的基本方法之一,本质上属于“聚类”(或者“投票”)方法,其原理是利用图像空间与参数空间的对应关系,将图像空间中的每个前景像素点利用某一解析形式转化到参数空间,通过在参数空间进行简单的累加统计,取累加值最大的计数器表示的参数来完成检测任务。标准霍夫变换只能检测两个参数,过多的参数会增加参数空间的维度,大大提高算法的时间复杂度和空间复杂度。椭圆的参数有五个,使用标准的霍夫变换方法需要五维参数空间,消耗的内存和时间是巨大的,无法应用于实际检测。为此,国内外学者也相继提出了改进的Hough变换算法,如XuL提出了一种随机霍夫变换算法(Xu L . Randomized Hough Transform (RHT): BasicMechanisms, Algorithms, and Computational Complexities[J]. CVGIP: ImageUnderstanding, 1993, 57(2):131-154.)。与标准霍夫变换将边缘上每一点映射到参数空间多个点不同,随机霍夫变换将原图中多个点映射为参数空间的一个点,能大大减少计算量。但该方法在候选边缘点数较多或边缘受噪声干扰时,会引入无效采样,导致算法的运算量和存储量增加。针对这一问题,公告号CN1256696C的中国发明专利提出了一种利用限制性随机霍夫变换进行椭圆检测的图像处理方法,该方法对任意椭圆曲线随机选取三个点,先通过椭圆切线的限制条件判断选取的三点是否满足椭圆方程,将不满足椭圆方程的点进行剔除。对于满足椭圆方程的三个点,首先根据切线中心线原理,确定椭圆中心,然后利用三点坐标求解长轴、短轴和旋转角度。该方法在随机霍夫变换前,增加了椭圆验证性步骤,能有效减少无效点采样,进一步提升检测效率。
(2)基于最小二乘的椭圆拟合算法
这类方法将椭圆表示为:
公告号CN110402849B和公告号CN113793309A的中国发明专利均提到利用最小二乘法拟合椭圆。
总体而言,现有基于霍夫变换的椭圆检测算法鲁棒性强,对噪声与残缺椭圆都不敏感,但计算量大,不适合快速检测椭圆。基于最小二乘法的椭圆检测算法原理简单,但对噪声的较为敏感,这两类方法很难直接应用于精度和实时性要求都较高的工业检测领域。
为此,本发明提出一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统。
发明内容
本发明的目的在于提供一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统,解决了现有单晶硅椭圆检测技术中计算量大、存储量大的问题。
本发明采用的技术方案如下:
一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,包括以下步骤:
步骤S1:对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
步骤S2:在残缺单晶硅椭圆轮廓中,构造两簇平行弦,并计算每一条所述平行弦的中点;
步骤S3:拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
步骤S4:计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
步骤S5:根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
进一步地,所述步骤S1中所述预处理包括图像滤波、边缘检测和/或伪边缘剔除。
进一步地,所述步骤S2中每簇所述平行弦的数量不少于两条。
进一步地,所述步骤S3中拟合每簇所述平行弦中点对应的中心线根据的是同一簇所述平行弦的中点位于同一直线,且该直线穿过单晶硅椭圆圆心,两簇平行弦对应的中心线必相交于单晶硅椭圆圆心的几何性质。
进一步地,所述步骤S4中所述点A和所述点B关于椭圆的长轴或椭圆的短轴对称。
其中,(xa,ya)为所述点A的坐标,(xb,yb)为所述点B的坐标。
进一步地,所述步骤S7中所述单晶硅椭圆旋转角度、所述长半轴a和所述短半轴b的确定方法为:若所述步骤S6中所述长半轴候选值大于所述短半轴候选值,则所述单晶硅椭圆旋转角度等于所述旋转角度候选值,所述长半轴a等于所述长半轴候选值,所述短半轴b等于所述短半轴候选值;若所述步骤S6中所述长半轴候选值小于所述短半轴候选值,则所述单晶硅椭圆旋转角度等于所述旋转角度候选值加上90°,所述长半轴a等于所述短半轴候选值,所述短半轴b等于所述长半轴候选值。
本发明还提供一种基于几何性质的轻量化的单晶硅椭圆参数辨识系统,包括:
图像预处理模块:用于对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
平行弦构造模块:用于在残缺单晶硅椭圆轮廓点中,构造两簇平行弦,并计算每一条所述平行弦的中点;
单晶硅椭圆圆心提取模块:用于拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
特征点提取模块:用于计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
旋转角度候选值提取模块:用于根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
本发明的有益效果是:
1、与现有技术比,本发明提供的一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统,充分挖掘并利用了椭圆的几何性质,采取递进的方式逐步解算单晶硅椭圆的5个参数。首先,利用椭圆平行弦中心线经过单晶硅椭圆圆心的性质,构造两簇平行弦,生成两条中心线,计算两条中心线的交点,该交点即为单晶硅椭圆圆心。其次,利用椭圆的对称性,寻找到单晶硅椭圆边缘上到单晶硅圆心距离相等、且与单晶硅椭圆圆心不在同一直线的一对点,利用角平分线的几何性质计算单晶硅椭圆旋转角度的候选值。然后,根据已有的单晶硅椭圆圆心坐标、旋转角度候选值,选取单晶硅椭圆边缘上任意两点,代入椭圆标准方程,计算椭圆长半轴和短半轴候选值。最后,利用椭圆长轴大于短轴的几何约束,确定单晶硅椭圆旋转角度、长半轴和短半轴的最终值。
2、本发明所提供的一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统,理论简单,操作便利,整个过程仅涉及少量的距离、角度等几何计算,避免了聚类或投票运算、代数拟合运算,与现有技术相比极大地减少了计算量和存储量,提高了椭圆参数辨识的实时性,更适用于计算资源弱、存储空间小、实时性要求高的单晶硅椭圆检测场景。
附图说明
图1为本发明一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法流程示意图;
图2为本发明一种基于几何性质的轻量化的单晶硅椭圆参数辨识系统结构示意图;
图3为本发明实施例提供的一种通用的椭圆模型;
图4为本发明实施例提供的单晶硅椭圆圆心计算方法的原理示意图;
图5为本发明实施例提供的椭圆对称性原理示意图;
图6为本发明实施例提供的单晶硅椭圆旋转角度计算方法的原理示意图;
图7为本发明方法应用于单晶硅直径检测椭圆参数辨识的结果示意图。
具体实施方式
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
参见图1,一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,包括以下步骤:
步骤S1:对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
所述预处理包括图像滤波、边缘检测和/或伪边缘剔除;
步骤S2:在残缺单晶硅椭圆轮廓中,构造两簇平行弦,并计算每一条所述平行弦的中点;
每簇所述平行弦的数量不少于两条;
步骤S3:拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
拟合每簇所述平行弦中点对应的中心线根据的是同一簇所述平行弦的中点位于同一直线,且该直线穿过单晶硅椭圆圆心,两簇平行弦对应的中心线必相交于单晶硅椭圆圆心的几何性质;
步骤S4:计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
所述点A和所述点B关于椭圆的长轴或椭圆的短轴对称。
步骤S5:根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
其中,(xa,ya)为所述点A的坐标,(xb,yb)为所述点B的坐标。
所述步骤S7中所述单晶硅椭圆旋转角度、所述长半轴a和所述短半轴b的确定方法为:若所述步骤S6中所述长半轴候选值大于所述短半轴候选值,则所述单晶硅椭圆旋转角度等于所述旋转角度候选值,所述长半轴a等于所述长半轴候选值,所述短半轴b等于所述短半轴候选值;若所述步骤S6中所述长半轴候选值小于所述短半轴候选值,则所述单晶硅椭圆旋转角度等于所述旋转角度候选值加上90°,所述长半轴a等于所述短半轴候选值,所述短半轴b等于所述长半轴候选值;
参见图2,一种基于几何性质的轻量化的单晶硅椭圆参数辨识系统,包括:
图像预处理模块:用于对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
平行弦构造模块:用于在残缺单晶硅椭圆轮廓点中,构造两簇平行弦,并计算每一条所述平行弦的中点;
单晶硅椭圆圆心提取模块:用于拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
特征点提取模块:用于计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
旋转角度候选值提取模块:用于根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
实施例:
参见图3,展示了一个标准的椭圆,其方程表示为:
步骤S1:对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
所述预处理包括图像滤波、边缘检测和/或伪边缘剔除;
步骤S2:在残缺单晶硅椭圆轮廓点中,构造两簇平行弦,并计算每一条所述平行弦的中点;
每簇所述平行弦的数量不少于两条;
步骤S3:拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
Barwick提出,椭圆任意一簇平行弦的中点位于同一直线上,且该直线穿过椭圆圆心(Barwick,ShaneD.VeryFastBest-FitCircularandEllipticalBoundariesbyChordData.[J].IEEETransactionsonPatternAnalysis&MachineIntelligence,2009)。
因此,通过设置两簇平行弦,分别求出每一簇平行弦对应的中心线,两条中心线的交点即为单晶硅椭圆圆心。
参见图4,在残缺单晶硅椭圆轮廓上选取点P1,P2,Q1,Q2,其中P1Q1和P2Q2斜率相同,组成一簇平行弦。根据P1,P2,Q1,Q2的图像坐标,计算弦P1Q1的中点M1和弦P2Q2的中点M2,进一步计算由点M1和点M2确立的直线L1。根据上述几何性质,直线L1穿过单晶硅椭圆圆心OC。
同样的,继续在单晶硅椭圆边缘的轮廓上选取点S1,S2,T1,T2,其中S1T1和S2T2斜率相同,且与P1Q1的斜率不同,组成第二簇平行弦。计算弦S1T1的中点N1和弦S2T2的中点N2,进一步计算经过点N1和点N2的直线L2,直线L2同样穿过单晶硅椭圆圆心OC。
因此,单晶硅椭圆圆心OC即为直线L1和直线L2的交点,其坐标表示为:
步骤S4:计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
所述点A和所述点B关于椭圆的长轴或椭圆的短轴对称。
步骤S5:根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
完成单晶硅椭圆圆心求解后,本实施例利用椭圆关于长轴和短轴的对称性计算单晶硅椭圆旋转角度。将图3中单晶硅椭圆圆心平移至O-XY坐标系的原点,如图5所示。其中,点A、点B,点C、点D关于长轴对称;点A、点C,点B、点D关于短轴对称。根据椭圆的对称性,单晶硅椭圆边缘的轮廓上关于长轴或短轴对称的点,到单晶硅椭圆圆心的距离相等,即OA=OB=OC=OD。
从点A、B、C、D中任选两个关于长轴或短轴对称的点,如点A和点B,显然椭圆长轴是∠AOB的角平分线。进一步的,本实施例发现单晶硅椭圆旋转角度与线段OA、线段OB对应的倾斜角α和倾斜角β存在特定的关系,如图6所示:
其中,f(x,y),g(x,y) 仅与单晶硅椭圆轮廓上点的横纵坐标有关。任意选择两个点,将其坐标代入公式(5),就能计算椭圆长半轴和短半轴的候选值和。本实施例利用点A坐标(xa,ya),点B坐标(xb,yb)进行求解,可得:
将本发明方法应用于单晶硅直径检测中的过程和结果如图7所示。从图中可以看出,利用本发明方法可以很好地逐步辨识单晶硅椭圆图像对应的参数。本方法不仅适用于完整的椭圆检测,也能实现对残缺椭圆的参数辨识。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,其特征在于,包括以下步骤:
步骤S1:对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
步骤S2:在残缺单晶硅椭圆轮廓中,构造两簇平行弦,并计算每一条所述平行弦的中点;
步骤S3:拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
步骤S4:计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
步骤S5:根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
2.如权利要求1所述的一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,其特征在于,所述步骤S1中所述预处理包括图像滤波、边缘检测和/或伪边缘剔除。
3.如权利要求1所述的一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,其特征在于,所述步骤S2中每簇所述平行弦的数量不少于两条。
4.如权利要求1所述的一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,其特征在于,所述步骤S3中拟合每簇所述平行弦中点对应的中心线根据的是同一簇所述平行弦的中点位于同一直线,且该直线穿过单晶硅椭圆圆心,两簇平行弦对应的中心线必相交于单晶硅椭圆圆心的几何性质。
5.如权利要求1所述的一种基于几何性质的轻量化的单晶硅椭圆参数辨识方法,其特征在于,所述步骤S4中所述点A和所述点B关于椭圆的长轴或椭圆的短轴对称。
9.一种基于几何性质的轻量化的单晶硅椭圆参数辨识系统,其特征在于,包括:
图像预处理模块:用于对输入单晶硅拉晶图像进行预处理,提取待检测的残缺单晶硅椭圆轮廓;
平行弦构造模块:用于在残缺单晶硅椭圆轮廓点中,构造两簇平行弦,并计算每一条所述平行弦的中点;
单晶硅椭圆圆心提取模块:用于拟合每簇所述平行弦中点对应的中心线,形成两条中心线,并计算两条所述中心线的交点坐标(xc,yc),所述交点即为单晶硅椭圆圆心,记为点O;
特征点提取模块:用于计算残缺单晶硅椭圆轮廓每一点到所述单晶硅椭圆圆心的距离,并随机选取两个到所述单晶硅椭圆圆心的距离相等、且和所述单晶硅椭圆圆心不在同一直线的边缘点,记为点A和点B,所述点A的坐标(xa,ya),所述点B的坐标(xb,yb);
旋转角度候选值提取模块:用于根据所述单晶硅椭圆圆心O、所述点A的坐标(xa,ya)和所述点B坐标(xb,yb),计算线段OA和线段OB的倾斜角,分别记为倾斜角α和倾斜角β,利用椭圆关于长轴或短轴对称的几何性质,分析单晶硅椭圆旋转角度与所述倾斜角α和所述倾斜角β的关系,计算单晶硅椭圆的旋转角度候选值;
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211099365.5A CN115187599B (zh) | 2022-09-09 | 2022-09-09 | 基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统 |
JP2023052412A JP7354468B1 (ja) | 2022-09-09 | 2023-03-28 | 幾何学的特性に基づく軽量化された単結晶シリコン楕円パラメータの認識方法及びシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211099365.5A CN115187599B (zh) | 2022-09-09 | 2022-09-09 | 基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115187599A true CN115187599A (zh) | 2022-10-14 |
CN115187599B CN115187599B (zh) | 2022-12-13 |
Family
ID=83524798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211099365.5A Active CN115187599B (zh) | 2022-09-09 | 2022-09-09 | 基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7354468B1 (zh) |
CN (1) | CN115187599B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115824047A (zh) * | 2022-12-06 | 2023-03-21 | 国网四川省电力公司映秀湾水力发电总厂 | 一种机组部件几何中心位置的找正方法 |
CN116228758A (zh) * | 2023-05-08 | 2023-06-06 | 深圳市前海誉卓科技有限公司 | 一种用于偏光片生产的内部气泡检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226050A (zh) * | 2008-01-08 | 2008-07-23 | 西安理工大学 | 基于数字信号处理器的双相机直拉单晶直径测量方法 |
CN101311963A (zh) * | 2008-06-17 | 2008-11-26 | 东南大学 | 摄像机定位用圆标志点圆心的图像投影点位置的获取方法 |
CN102914270A (zh) * | 2012-10-12 | 2013-02-06 | 西安理工大学 | 基于支持向量机回归的晶体直径测量方法 |
CN103632366A (zh) * | 2013-11-26 | 2014-03-12 | 清华大学 | 一种椭圆目标的参数识别方法 |
US20150029322A1 (en) * | 2013-07-23 | 2015-01-29 | Qualcomm Incorporated | Method and computations for calculating an optical axis vector of an imaged eye |
CN104700420A (zh) * | 2015-03-26 | 2015-06-10 | 爱威科技股份有限公司 | 基于Hough变换的椭圆检测方法、系统和虫卵识别方法 |
CN110276324A (zh) * | 2019-06-27 | 2019-09-24 | 北京万里红科技股份有限公司 | 一种虹膜图像中确定瞳孔椭圆的方法 |
CN111709426A (zh) * | 2020-05-08 | 2020-09-25 | 广州博进信息技术有限公司 | 一种基于轮廓和纹理的硅藻识别方法 |
CN114926440A (zh) * | 2022-05-26 | 2022-08-19 | 之江实验室 | 一种基于同心椭圆弦长比的单晶硅直径检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563925B (zh) | 2020-05-07 | 2023-08-11 | 大连理工大学 | 一种基于广义Pascal映射的椭圆检测加速方法 |
-
2022
- 2022-09-09 CN CN202211099365.5A patent/CN115187599B/zh active Active
-
2023
- 2023-03-28 JP JP2023052412A patent/JP7354468B1/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226050A (zh) * | 2008-01-08 | 2008-07-23 | 西安理工大学 | 基于数字信号处理器的双相机直拉单晶直径测量方法 |
CN101311963A (zh) * | 2008-06-17 | 2008-11-26 | 东南大学 | 摄像机定位用圆标志点圆心的图像投影点位置的获取方法 |
CN102914270A (zh) * | 2012-10-12 | 2013-02-06 | 西安理工大学 | 基于支持向量机回归的晶体直径测量方法 |
US20150029322A1 (en) * | 2013-07-23 | 2015-01-29 | Qualcomm Incorporated | Method and computations for calculating an optical axis vector of an imaged eye |
CN103632366A (zh) * | 2013-11-26 | 2014-03-12 | 清华大学 | 一种椭圆目标的参数识别方法 |
CN104700420A (zh) * | 2015-03-26 | 2015-06-10 | 爱威科技股份有限公司 | 基于Hough变换的椭圆检测方法、系统和虫卵识别方法 |
CN110276324A (zh) * | 2019-06-27 | 2019-09-24 | 北京万里红科技股份有限公司 | 一种虹膜图像中确定瞳孔椭圆的方法 |
CN111709426A (zh) * | 2020-05-08 | 2020-09-25 | 广州博进信息技术有限公司 | 一种基于轮廓和纹理的硅藻识别方法 |
CN114926440A (zh) * | 2022-05-26 | 2022-08-19 | 之江实验室 | 一种基于同心椭圆弦长比的单晶硅直径检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
HONGYUAN SHEN等: "Effect of Rapid Heat Treatment on the Crystal Defect Evolution and Electrical Properties of Highly Efficient Polycrystalline Silicon", 《SILICON 》 * |
项森伟: "高温单晶硅液位和直径视觉检测关键技术及应用研究", 《中国博士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115824047A (zh) * | 2022-12-06 | 2023-03-21 | 国网四川省电力公司映秀湾水力发电总厂 | 一种机组部件几何中心位置的找正方法 |
CN115824047B (zh) * | 2022-12-06 | 2023-12-08 | 国网四川省电力公司映秀湾水力发电总厂 | 一种机组部件几何中心位置的找正方法 |
CN116228758A (zh) * | 2023-05-08 | 2023-06-06 | 深圳市前海誉卓科技有限公司 | 一种用于偏光片生产的内部气泡检测方法 |
CN116228758B (zh) * | 2023-05-08 | 2023-07-07 | 深圳市前海誉卓科技有限公司 | 一种用于偏光片生产的内部气泡检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115187599B (zh) | 2022-12-13 |
JP2024039585A (ja) | 2024-03-22 |
JP7354468B1 (ja) | 2023-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115187599B (zh) | 基于几何性质的轻量化的单晶硅椭圆参数辨识方法和系统 | |
WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
CN109887015B (zh) | 一种基于局部曲面特征直方图的点云自动配准方法 | |
US11580647B1 (en) | Global and local binary pattern image crack segmentation method based on robot vision | |
CN101398886B (zh) | 一种基于双目被动立体视觉的快速三维人脸识别方法 | |
CN102236794B (zh) | 3d场景中3d对象的识别和姿态确定 | |
CN106683137B (zh) | 基于人工标志的单目多目标识别与定位方法 | |
CN109543535A (zh) | 三维指静脉特征提取方法及其匹配方法 | |
CN113822278B (zh) | 一种无受限场景车牌识别方法 | |
CN104200495A (zh) | 一种视频监控中的多目标跟踪方法 | |
CN113628263A (zh) | 一种基于局部曲率及其近邻特征的点云配准方法 | |
CN110175529B (zh) | 一种基于降噪自编码网络的三维人脸特征点定位方法 | |
CN103984920B (zh) | 一种基于稀疏表示与多特征点的三维人脸识别方法 | |
CN111354083B (zh) | 一种基于原始激光点云的递进式建筑物提取方法 | |
CN110222661B (zh) | 一种用于运动目标识别及跟踪的特征提取方法 | |
CN114648445B (zh) | 一种基于特征点提取及精配准优化的多视角高分辨率点云拼接方法 | |
CN107463939B (zh) | 一种图像关键直线检测方法 | |
CN107273877B (zh) | 加权的多尺度复合窗指纹方向场建立方法及分级平滑算法 | |
CN115457277A (zh) | 一种智能化路面病害识别检测方法及系统 | |
CN111783672A (zh) | 一种提高桥梁动位移精度的图像特征辨识方法 | |
CN103400377B (zh) | 一种基于双目立体视觉的三维圆形目标检测和判断方法 | |
CN110879985A (zh) | 一种抗噪声数据的人脸识别模型训练方法 | |
CN106203456A (zh) | 基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法 | |
CN115909099A (zh) | 基于无人机巡检的边坡危岩识别与监测方法 | |
CN114964206A (zh) | 一种单目视觉里程计目标位姿检测方法 |
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 |