CN116608816A - 一种用于小角度测量仪器检定装置的校准方法和装置 - Google Patents
一种用于小角度测量仪器检定装置的校准方法和装置 Download PDFInfo
- Publication number
- CN116608816A CN116608816A CN202310875906.7A CN202310875906A CN116608816A CN 116608816 A CN116608816 A CN 116608816A CN 202310875906 A CN202310875906 A CN 202310875906A CN 116608816 A CN116608816 A CN 116608816A
- Authority
- CN
- China
- Prior art keywords
- angle
- image
- verification
- value
- calibrating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012795 verification Methods 0.000 claims abstract description 126
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 230000009466 transformation Effects 0.000 claims abstract description 59
- 238000003556 assay Methods 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 14
- 230000000306 recurrent effect Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000005530 etching Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004164 analytical calibration Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/22—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种用于小角度测量仪器检定装置的校准方法和装置,涉及设备校准技术领域。所述方法包括通过获取检定装置的当前角度图像和模板角度图像。然后确定当前角度图像和模板角度图像之间的空间变换信息。接着根据空间变换信息,对当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像。随后将目标图像输入到检定检测模型中进行部件识别,预测出检定装置的两个测微计对应的坐标信息。最后通过两个测微计对应的坐标信息,计算出检定装置的当前角度值。基于当前角度值和复现角度值,确定出检定装置的检测误差,并对检定装置进行校准。从而可以在不需要外部配备大型辅助设备来进行检定装置的校准。
Description
技术领域
本发明涉及设备校准技术领域,特别是涉及一种用于小角度测量仪器检定装置的校准方法和装置。
背景技术
小角度测量仪器检定装置作为一种角度检定的计量设备,其可以自动检测角度变化,且通过人机交互界面进行检测结果的展示、其普遍用于检定和校准框式水平仪、条式水平仪、电子水平仪以及自准直仪等一起的角度示值误差。
为了保证装置的检定精度,需要对检定装置进行定期校准,现有技术中有通过三坐标测量机和小角度测量仪器检定装置同时测量一个角度值,以三坐标测量机测得的角度值作为标准值,并将检定装置的测得值与标准值进行比较,从而通过误差来对检定装置进行校准。上述方案需要借助三坐标测量机进行校准,并且,在用户没有配备三坐标测量机的情况下,就无法对所述检定装置进行校准。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于小角度测量仪器检定装置的校准方法和装置。
依据本发明的第一方面,提供了一种用于小角度测量仪器检定装置的校准方法,所述方法包括:
获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
确定所述当前角度图像和模板角度图像之间的空间变换信息;
根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息;
通过两个所述测微计对应的坐标信息,计算出所述检定装置的当前角度值;
基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。
依据本发明的第二方面,提供了一种用于小角度测量仪器检定装置的校准装置,所述装置包括:
图像获取模块,用于获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
变换信息确定模块,用于确定所述当前角度图像和模板角度图像之间的空间变换信息;
图像变换模块,用于根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
坐标预测模块,用于将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息;
角度值计算模块,用于通过两个所述测微计对应的坐标信息,计算出所述检定装置的当前角度值;
误差确定模块,用于基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。
本发明方案中,首先通过获取检定装置的当前角度图像和模板角度图像,其中,当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的。然后确定当前角度图像和模板角度图像之间的空间变换信息。接着根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像。随后将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息。最后通过两个所述测微计对应的坐标信息,确定出所述检定装置的当前角度值。基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。从而可以在不需要外部配备大型辅助设备来进行检定装置的校准,在保证校准的精确度的同时,还可以提高校准效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。
在附图中:
图1是本发明实施例提供的一种用于小角度测量仪器检定装置的校准方法的步骤流程图;
图2是本发明实施例提供的另一种用于小角度测量仪器检定装置的校准方法的步骤流程图;
图3是本发明实施例提供的一种检定检测模型的训练步骤的步骤流程图;
图4是本发明实施例提供的一种预测角度值的聚类方法的步骤流程图;
图5是本发明实施例提供的一种用于小角度测量仪器检定装置的校准装置的框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
参照图1,示出了本发明实施例提供的一种用于小角度测量仪器检定装置的校准方法的步骤流程图,所述方法可以包括:
S101、获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
本发明实施例中,摄像设备可以固定于所述检定装置的正前方,如可以是两个测微计的间距的二分之一处(即两个测微计之间的中间位置)。所述摄像设备距离所述检定装置的距离预先设置,以完整拍摄出两个测微计为准。从而可以基于此场景,预先在校准完成的情况下,采集所述检定装置在检测角度范围内能够输出的所有角度值的样本角度图像。例如,若所述检测角度范围为0-40°,输出示值以1°为间隔,则所有角度值分别为0°,1°,2°,......,40°。从而可以从所述样本角度图像中选定包含有不同角度值的模板角度图像。由此,在用户对检定装置进行校准时,可以任意选定一张模板角度图像,并基于此模板角度图像对应的角度值,调节所述检定装置进行复现此角度值。(即输出的示值与复现角度值一致),此时通过摄像设备对所述检定装置进行拍摄,从而得到所述检定装置的当前角度图像;
一种示例中,若所述检测角度范围和输出示值的间隔有变化时,所述样本角度图像和模板角度图像均对应变化,从而使得本发明实施例适用于不同检测角度范围和不同输出示值间隔的检定装置,在此不作过多限定。
S102、确定所述当前角度图像和模板角度图像之间的空间变换信息。
S103、根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
本发明实施例中,考虑到摄像设备的位置固定之后,可能会在拍摄过程中,或是外部触碰下,导致摄像设备发生小范围的位置偏移或倾斜。从而影响所述检定装置的校准。由此,在获取到当前角度图像之后,可以确定出所述当前角度图像和模板角度图像之间的空间变换信息。其中,所述空间变换信息可以理解为所述当前角度图像相对于所述模板角度图像而言,所起到的位移或倾斜角度的变换。因此,再根据所述空间变换信息,对所述当前角度图像进行图像变换,从而将所述当前角度图像变换为与所述模板角度图像的空间相关属性一致的目标图像,以便于提高后续确定所述检定装置的检测误差的精确度。
S104、将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息。
S105、通过两个所述测微计对应的坐标信息,确定出所述检定装置的当前角度值;
本发明实施例中,所述检定检测模型是一种目标检测模型,所述检定装置的工作原理主要是通过两个测微计之间的间距和高度差,来进行对应的角度检测。由此,可以通过训练所述检定检测模型,使其能够精确检测出图像中所述检定装置的两个测微计和对应的坐标信息。最后可以基于所述检定装置的两个测微计对应的坐标信息,通过两个测微计之间的测微间距恒定,其与两个测微计之间的X轴坐标(横坐标)差值呈正比例关系,从而可以通过两个测微计之间的Y轴坐标(纵坐标)差值和上述正比例关系,确定出两个测微计的高度差,进而通过高度差和测微间距,确定出所述检定装置的当前角度值。
S106、基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准;
本发明实施例中,所述当前角度值可以理解为所述检定装置的预测示值,所述复现角度值为所述检定装置的当前示值,从而可以根据所述当前角度值和复现角度值之间的角度差值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。由此,用户可以在不需要外部配备大型辅助设备来进行检定装置的校准,从而在保证校准的精确度的同时,避免了通过大型辅助设备进行反复多次的角度值测量和比对,从而提高了校准效率。
参照图2,示出了本发明实施例提供的另一种用于小角度测量仪器检定装置的校准方法的步骤流程图,所述方法可以包括:
S201、获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
本发明实施例中,对步骤S201的描述内容参照对上述步骤S101的描述内容。
S202、确定所述当前角度图像和模板角度图像之间的空间变换信息;
本发明实施例中,考虑到摄像设备的位置固定之后,可能会在拍摄过程中,或是外部触碰下,导致摄像设备发生小范围的位置偏移或倾斜。从而影响所述检定装置的校准。由此,在获取到当前角度图像之后,可以确定出所述当前角度图像和模板角度图像之间的空间变换信息。其中,所述空间变换信息可以理解为所述当前角度图像相对于所述模板角度图像而言,所起到的位移或倾斜角度的变换。因此,所述空间变换信息至少包括视觉倾斜角度和视觉偏移量。其中,所述视觉倾斜角度可以理解为所述当前角度图像和模板角度图像之间的拍摄角度差值,所述视觉偏移量可以理解为所述当前角度图像和模板角度图像之间的位移差值。
一种示例中,步骤S202可以包括如下子步骤:
标定所述当前角度图像中包含有线性参照物的目标区域,其中,所述线性参照物用于标定所述当前角度图像中的检定装置的水平方向;
本发明实施例中,可以预先在所述标定装置的台面设置一线性参照物。所述线性参照物与检定装置的两个测微计分别平行设置。例如,所述线性参照物可以是一长尺、长杆等物体,其是单一颜色物体,作为线性参照物的颜色的优选方式,其可以是与所述标定装置的部件颜色差异明显的颜色。例如,所述线性参照物可以为纯黑色的长杆;
由此,可以基于模板角度图像预先标定包含有所述线性参照物的区域,并考虑到摄像设备发生小范围的位置偏移或倾斜,按照所述包含有所述线性参照物的区域边缘,分别向外扩充多个像素点,从而形成目标区域。并对后面的所有当前角度图像按照所述模板角度图像的目标区域的位置信息,记性目标区域的标定,从而基于对所述当前角度图像中目标区域中的线性参照物的倾斜角度,来确定出所述视觉倾斜角度。
一种示例中,可以遍历所述目标区域内的图像灰度值,确定出所述线性参照物的位置信息。例如,所述线性参照物的图像灰度值均为0,从而可以选择目标区域的其中一个顶点作为遍历路径的起点,分别遍历所述目标区域内的每个像素点的图像灰度值,并筛选出属于所述线性参照物的所有像素点的图像灰度值。进而根据位于所述线性参照物的两端的像素点的位置信息,确定出所述当前角度图像相对于所述模板角度图像的视觉倾斜角度;
最后可以依据所述模板角度图像中线性参照物的坐标信息,和所述当前角度图像中线性参照物的坐标信息,确定出所述当前角度图像相对于所述模板角度图像的视觉偏移量。例如,可以依据所述模板角度图像中线性参照物的一顶点的横坐标,和所述当前角度图像中线性参照物的一顶点的横坐标之间的横坐标差值;依据所述模板角度图像中线性参照物的一顶点的纵坐标,和所述当前角度图像中线性参照物的一顶点的纵坐标之间的纵坐标差值,确定出所述当前角度图像相对于所述模板角度图像的视觉偏移量。
S203、根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
本发明实施例中,在确定出所述空间变换信息之后,再根据所述空间变换信息,对所述当前角度图像进行图像变换,从而将所述当前角度图像变换为与所述模板角度图像的空间相关属性一致的目标图像,以便于提高后续确定所述检定装置的检测误差的精确度;
一种可选的发明实施例,在确定出所述当前角度图像和模板角度图像之间的视觉倾斜角度和视觉偏移量之后,可以首先将所述当前角度图像旋转所述视觉倾斜角度,其中,旋转可以是将当前角度图像进行整体旋转,从而对多余的图像区域进行切割,对空白的图像区域进行图像灰度值填充。最后依据所述视觉偏移量,对经过旋转之后的当前角度图像进行位置校正,得到与所述模板角度图像的空间相关属性一致的目标图像。其中,位置校正可以理解为消除经过旋转之后的当前角度图像中的线性参照物的一顶点,和所述模板角度图像中线性参照物的相同位置的顶点之间的横坐标差值和纵坐标差值。从而得到与所述目标角度图像的空间相关属性一致的目标图像。由此,空间相关属性一致也可以理解为拍摄两个图像的摄像设备的拍摄位置和拍摄角度完全相同,从而可以提高后续确定所述检定装置的检测误差的精确度。
S204、对所述目标图像进行复刻,以使复刻后的目标图像的数量达到预设数量阈值。
S205、将各目标图像分别输入到检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息;
本发明实施例中,为了提高所述检定检测模型的预测精度,可以预先设置预设数量阈值,其中预设数量阈值可以为10、20以及30等,本领域技术人员可以根据检定装置的校准要求来确定预设数量阈值,在此不做过多限定,并且,所述预设数量阈值与检定装置的校准精确度呈正比例关系。由此,可以对所述目标图像进行复刻,即复刻的目标图像与源目标图像的图像尺寸、灰度值分布信息均保持一致。经过复刻后得到的所有目标图像的数量达到(大于或等于)预设数量阈值;
所述检定检测模型是一种目标检测模型,所述检定装置的工作原理主要是通过两个测微计之间的间距和高度差,来进行对应的角度检测。由此,可以通过训练所述检定检测模型,使其能够精确检测出各目标图像中所述检定装置的两个测微计和对应的坐标信息。
一种示例中,所述步骤S205还可以包括以下子步骤:
将各目标图像分别输入到所述特征提取网络中进行特征提取,确定出各目标图像对应的图像特征信息;
将各目标图像对应的图像特征信息分别输入到所述检定检测网络中进行图像特征识别,预测出各目标图像中所述检定装置的两个测微计对应的坐标信息;
本发明实施例,所述检定检测模型可以包括特征提取网络和检定检测网络,其中,所述特征提取网络用于提取目标图像的图像特征信息,由此,可以将各目标图像分别输入到所述特征提取网络中进行特征提取,确定出各目标图像对应的图像特征信息。其中,所述图像特征信息至少包括所述测微计对应的部件特征向量,所述部件特征向量可以表示为测微计所具有的产品特征的向量表示;
然后将各目标图像对应的图像特征信息分别输入到所述检定检测网络中进行图像特征识别。其中,所述检定检测网络用于确定所述图像特征信息在所述目标图像中的定位信息。由此可以根据定位信息,从所述视频图像中抠出或复制对应位置的图像信息,作为测微计的部件框。其中,所述检定检测模型可以采用区域卷积神经网络和Mask R-CNN网络等模型架构。
一种可选的发明实施例,所述方法还可以包括所述检定检测模型的训练步骤:步骤S31-步骤S34;
S31、获取所述检定装置在经过校验之后得到的若干个样本角度图像;
本发明实施例中,若干个样本角度图像中囊括所述检定装置的检测角度范围内能够输出的所有角度值,每个样本角度图像中分别标注有对应两个测微计的部件框。其中,所述部件框指的是在所述样本角度图像中预先铺设的包括有参数信息的测微计的边界框。所述参数信息可以包括部件框的位置信息和尺寸信息,通过所述参数信息来框选所述样本角度图像中的两个测微计。
S32、将各样本角度图像分别输入到检定检测模型中进行部件识别,预测出样本角度图像中所包括的测微计和对应的部件框。
S33、依据预测的部件框和标注的部件框,确定出所述检定检测模型的损失函数值。
S34、依据所述损失函数值,对所述检定检测模型的模型参数进行调整,确定出训练完成的检定检测模型;
本发明实施例中,将各样本角度图像分别输入到检定检测模型中进行部件识别,预测出各样本角度图像中两个测微计所对应的部件框。从而可以根据两个测微计预测得到的部件框和标注的部件框,确定出所述检定检测模型的损失函数值。一种示例中,所述损失函数可以采用交叉熵函数,本领域技术人员也可以根据实际情况选定其他损失函数,在此不作过多限定。最后依据所述检定检测模型的损失函数值,调整所述模型的模型参数。例如调整所述特征提取网络的网络参数,从而得到训练完成的检定检测模型。在所述损失函数值下降幅度很小,例如下降幅度不超过0.3%时,停止调整所述检定检测模型的模型参数,并得到训练完成的检定检测模型。
S206、通过各目标图像对应的两个所述测微计对应的坐标信息,计算出各目标图像中对应的检定装置的预测角度值;
本发明实施例中,可以基于各目标图像中所述检定装置的两个测微计对应的坐标信息,通过两个测微计之间的测微间距恒定,其与两个测微计之间的X轴坐标(横坐标)差值呈正比例关系,从而可以通过两个测微计之间的Y轴坐标(纵坐标)差值和上述正比例关系,确定出两个测微计的高度差,进而通过高度差和测微间距,确定出各目标图像中所述检定装置的预测角度值。例如,所述预测角度值α可以通过下述公式计算得到:
公式(1);
上述公式(1)中,H表示两个测微计之间的高度差;L指的是两个测微计之间的间距,两个测微计之间的高度差等于两个测微计在图像中的纵坐标差值与比例尺的乘积,其中,所述比例尺是两个测微计之间的间距与两个测微计在图像中的横坐标差值的商。
S207、对所述预测角度值进行聚类,并依据聚类结果确定出目标图像中所述检定装置的当前角度值;
本发明实施例中,考虑到多个目标图像经过所述检定检测模型的识别结果可能存在差异,为了确保所述模型的识别精确度,可以对所有目标图像对应的预测角度值进行聚类,从而根据聚类结果综合确定出目标图像中所述检定装置的当前角度值。
一种可选的发明实施例中,步骤S207可以包括以下子步骤:
S41、将所有预测角度值中选定多个不同预测角度值作为预设数量类别的聚类中心,分别聚类为多个角度类别;
本发明实施例中,本领域技术人员可以根据预设数量阈值,来预先确定所述预设数量类别。例如,所述预设数量类别可以为2、3以及4等。从而可以从所有预测角度值中选定与所述预设数量类别数量相同的多个预测角度值(角度值各不相同)作为各类别的聚类中心,从而聚类为多个角度类别。在聚类过程中,计算除所述聚类中心之外的其他预测角度值,与各角度类别的聚类中心之间的角度差值,并将所述其他预测角度值,放入与其对应的角度差值最小的聚类中心所对应的角度类别中。由此,每个预测角度值仅放入一个角度类别中,直至完成所有预测角度值的聚类。
S42、对多个角度类别对应的预测角度值,按照所述聚类公式确定聚类结果;
公式(2);
上述公式(2)中,S表示聚类结果;d表示预测角度值的数量;amax表示所有角度类别中包含预测角度值最多的数量;K表示角度类别的数量;a表示某个角度类别中预测角度值的数量;Ci表示的是第i个角度类别;mi指的是第i个角度类别中的聚类中心对应的预测角度值。其中,d/amax的值越大,说明多个角度类别中的样本分布越分散;d/amax的值越小(越趋近于1),说明多个角度类别中的样本分布越集中,由此通过其可以进一步放大聚类结果的评估效果。
S43、确定所述聚类结果是否大于预设聚类阈值;
本发明实施例中,考虑到所述检定装置的输出示值的间隔通常是以秒为单位。由此,为了保证所述检定装置的校准精确度,本领域技术人员可以根据不同精度的检定装置进行实验得到所述预设聚类阈值。所述预设聚类阈值用于表征聚类结果的一致性的高低;
在所述聚类结果大于预设聚类阈值的情况下,执行步骤S44;在所述聚类结果小于或等于预设聚类阈值的情况下,执行步骤S47。
S44、对所述目标图像进行复刻,以使复刻后的目标图像的数量大于预设数量阈值。
S45、将各目标图像分别输入到所述检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息。
S46、通过各目标图像对应的两个所述测微计对应的坐标信息,重新计算出各目标图像中对应的检定装置的预测角度值;
本发明实施例中,在聚类结果大于预设聚类阈值的情况下,判定所述检定检测模型所进行的部件识别的结果差异性较为明显,对应的,可以确定聚类结果的一致性低。从而需要执行上述步骤S44-S46,也就是说需要重复执行步骤S204-S206。对步骤S44-S46的描述内容可以参照对步骤S204-S206的描述内容;
与步骤S204-S206的执行步骤不同之处主要在于:重新复刻目标图像,并使其大于所述预设数量阈值。也可以说是,重新复刻的目标图像的图像数量大于第一次复刻的目标图像的图像数量。从而通过增加检测样本和对检测样本重新通过所述检定检测模型的部件识别,提高所述检定装置的预测角度值的精确度;
确定重新复刻后的目标图像的预测角度值之后,继续执行步骤S41和S43。
S47、对所有预测角度值取平均值,并将所述平均值作为所述目标图像中所述检定装置的当前角度值;
本发明实施例中,在聚类结果小于或等于预设聚类阈值的情况下,判定所述检定检测模型所进行的部件识别的结果差异性很小,对应的,可以确定聚类结果的一致性高,从而可以对所有预测角度值取平均值,进而将平均值作为所述目标图像中所述检定装置的当前角度值;
S208、基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准;
本发明实施例中,所述当前角度值可以理解为所述检定装置的预测示值,所述复现角度值为所述检定装置的当前示值,从而可以根据所述当前角度值和复现角度值之间的角度差值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。由此,用户可以在不需要外部配备大型辅助设备来进行检定装置的校准,从而在保证校准的精确度的同时,避免了通过大型辅助设备进行反复多次的角度值测量和比对,从而提高了校准效率。
综上,本发明实施例提供的一种用于小角度测量仪器检定装置的校准方法,所述方法包括首先通过获取检定装置的当前角度图像和模板角度图像,其中,当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的。然后确定当前角度图像和模板角度图像之间的空间变换信息。接着根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像。随后将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息。最后通过两个所述测微计对应的坐标信息,确定出所述检定装置的当前角度值。基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。从而可以在不需要外部配备大型辅助设备来进行检定装置的校准,在保证校准的精确度的同时,还可以提高校准效率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图5,示出了本发明实施例提供的一种用于小角度测量仪器检定装置的校准装置,所述装置可以包括:
图像获取模块501,用于获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
变换信息确定模块502,用于确定所述当前角度图像和模板角度图像之间的空间变换信息;
图像变换模块503,用于根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
坐标预测模块504,用于将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息;
角度值计算模块505,用于通过两个所述测微计对应的坐标信息,确定出所述检定装置的当前角度值;
误差确定模块506,用于基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。
一种可选的发明实施例,所述坐标预测模块504可以包括:
图像复刻子模块,用于对所述目标图像进行复刻,以使复刻后的目标图像的数量达到预设数量阈值;
坐标预测子模块,用于将各目标图像分别输入到检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息。
一种可选的发明实施例,所述检定检测模型包括特征提取网络和检定检测网络,所述坐标预测子模块可以包括:
特征提取单元,用于将各目标图像分别输入到所述特征提取网络中进行特征提取,确定出各目标图像对应的图像特征信息;
特征识别单元,用于将各目标图像对应的图像特征信息分别输入到所述检定检测网络中进行图像特征识别,预测出各目标图像中所述检定装置的两个测微计对应的坐标信息。
一种可选的发明实施例,所述角度值计算模块505可以包括:
角度值计算单元,用于通过各目标图像对应的两个所述测微计对应的坐标信息,计算出各目标图像中对应的检定装置的预测角度值;
角度值聚类单元,用于对所述预测角度值进行聚类,并依据聚类结果确定出目标图像中所述检定装置的当前角度值。
一种可选的发明实施例,所述角度值聚类单元还可以用于:
将所有预测角度值中选定多个不同预测角度值作为预设数量类别的聚类中心,分别聚类为多个角度类别;
并对多个角度类别对应的预测角度值,按照下述聚类公式确定聚类结果:
;
其中,S表示聚类结果。d表示预测角度值的数量。amax表示所有角度类别中包含预测角度值最多的数量。K表示角度类别的数量。a表示某个角度类别中预测角度值的数量。Ci表示的是第i个角度类别。mi指的是第i个角度类别中的聚类中心对应的预测角度值。
在所述聚类结果大于预设聚类阈值的情况下,对所述目标图像进行复刻,以使复刻后的目标图像的数量大于预设数量阈值;
将各目标图像分别输入到所述检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息;
通过各目标图像对应的两个所述测微计对应的坐标信息,重新计算出各目标图像中对应的检定装置的预测角度值;
将所有预测角度值中选定多个不同预测角度值作为预设数量类别的聚类中心,分别聚类为多个角度类别;
对多个所述角度类别对应的预测角度值,按照所述聚类公式确定聚类结果。
在所述聚类结果小于或等于预设聚类阈值的情况下,对所有预测角度值取平均值,并将所述平均值作为所述目标图像中所述检定装置的当前角度值。
一种可选的发明实施例,所述装置还可以包括用于训练所述检定检测模型的训练模块,所述训练模块可以包括:
样本图像获取子单元,用于获取所述检定装置在经过校验之后得到的若干个样本角度图像,其中,若干个样本角度图像中囊括所述检定装置的检测角度范围内能够输出的所有角度值,每个样本角度图像中分别标注有对应两个测微计的部件框;
部件识别子模块,用于将各样本角度图像分别输入到检定检测模型中进行部件识别,预测出样本角度图像中所包括的测微计和对应的部件框;
损失函数值确定子模块,用于依据预测的部件框和标注的部件框,确定出所述检定检测模型的损失函数值;
参数调整子模块,用于依据所述损失函数值,对所述检定检测模型的模型参数进行调整,确定出训练完成的检定检测模型。
一种可选的发明实施例,所述空间变换信息至少包括视觉倾斜角度和视觉偏移量。所述变换信息确定模块502可以包括:
区域标定子模块,用于标定所述当前角度图像中包含有线性参照物的目标区域,其中,所述线性参照物用于标定所述当前角度图像中的检定装置的水平方向;
倾斜角度确定子模块,用于遍历所述目标区域内的图像灰度值,确定出所述当前角度图像相对于所述模板角度图像的视觉倾斜角度;
偏移量确定子模块,用于依据所述模板角度图像中线性参照物的坐标信息,和所述当前角度图像中线性参照物的坐标信息,确定出所述当前角度图像相对于所述模板角度图像的视觉偏移量。
一种可选的发明实施例,所述图像变换模块503可以包括:
第一图像变换子模块,用于将所述当前角度图像旋转所述视觉倾斜角度;
第二图像变换子模块,用于依据所述视觉偏移量,对经过旋转之后的当前角度图像进行位置校正,得到与所述模板角度图像的空间相关属性一致的目标图像。
综上,本发明实施例提供的一种用于小角度测量仪器检定装置的校准装置,所述装置包括首先通过获取检定装置的当前角度图像和模板角度图像,其中,当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的。然后确定当前角度图像和模板角度图像之间的空间变换信息。接着根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像。随后将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息。最后通过两个所述测微计对应的坐标信息,确定出所述检定装置的当前角度值。基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。从而可以在不需要外部配备大型辅助设备来进行检定装置的校准,在保证校准的精确度的同时,还可以提高校准效率。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域技术人员易于想到的是:上述各个实施例的任意组合应用都是可行的,故上述各个实施例之间的任意组合都是本发明的实施方案,但是由于篇幅限制,本说明书在此就不一一详述了。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
一种电子设备,包括:
一个或多个处理器;
存储器。
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述实施例所述的方法。
一种计算机可读存储介质,存储与电子设备结合使用的计算机程序,所述计算机程序可被处理器执行以完成上述实施例所述的方法。
Claims (10)
1.一种用于小角度测量仪器检定装置的校准方法,其特征在于,所述方法包括:
获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
确定所述当前角度图像和模板角度图像之间的空间变换信息;
根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息;
通过两个所述测微计对应的坐标信息,计算出所述检定装置的当前角度值;
基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。
2.根据权利要求1所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息,包括:
对所述目标图像进行复刻,以使复刻后的目标图像的数量达到预设数量阈值;
将各目标图像分别输入到检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息。
3.根据权利要求2所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述检定检测模型包括特征提取网络和检定检测网络,所述将各目标图像分别输入到检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息,包括:
将各目标图像分别输入到所述特征提取网络中进行特征提取,确定出各目标图像对应的图像特征信息;
将各目标图像对应的图像特征信息分别输入到所述检定检测网络中进行图像特征识别,预测出各目标图像中所述检定装置的两个测微计对应的坐标信息。
4.根据权利要求2或3所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述通过两个所述测微计对应的坐标信息,计算出所述检定装置的当前角度值,包括:
通过各目标图像对应的两个所述测微计对应的坐标信息,计算出各目标图像中对应的检定装置的预测角度值;
对所述预测角度值进行聚类,并依据聚类结果确定出目标图像中所述检定装置的当前角度值。
5.根据权利要求4所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述对所述预测角度值进行聚类,并依据聚类结果确定出目标图像中所述检定装置的当前角度值,包括:
将所有预测角度值中选定多个不同预测角度值作为预设数量类别的聚类中心,分别聚类为多个角度类别;
并对多个角度类别对应的预测角度值,按照下述聚类公式确定聚类结果:
;
其中,S表示聚类结果;d表示预测角度值的数量;amax表示所有角度类别中包含预测角度值最多的数量;K表示角度类别的数量;a表示某个角度类别中预测角度值的数量;Ci表示的是第i个角度类别;mi指的是第i个角度类别中的聚类中心对应的预测角度值;
在所述聚类结果大于预设聚类阈值的情况下,对所述目标图像进行复刻,以使复刻后的目标图像的数量大于预设数量阈值;
将各目标图像分别输入到所述检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息;
通过各目标图像对应的两个所述测微计对应的坐标信息,更新所述预测角度值和基于所述预测角度值确定的聚类结果;
在所述聚类结果小于或等于预设聚类阈值的情况下,对所有预测角度值取平均值,并将所述平均值作为所述目标图像中所述检定装置的当前角度值。
6.根据权利要求1所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述方法还包括所述检定检测模型的训练步骤:
获取所述检定装置在经过校验之后得到的若干个样本角度图像,其中,若干个样本角度图像中囊括所述检定装置的检测角度范围内能够输出的所有角度值,每个样本角度图像中分别标注有对应两个测微计的部件框;
将各样本角度图像分别输入到检定检测模型中进行部件识别,预测出样本角度图像中所包括的测微计和对应的部件框;
依据预测的部件框和标注的部件框,确定出所述检定检测模型的损失函数值;
依据所述损失函数值,对所述检定检测模型的模型参数进行调整,确定出训练完成的检定检测模型。
7.根据权利要求1所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述空间变换信息至少包括视觉倾斜角度和视觉偏移量;
所述确定所述当前角度图像和模板角度图像之间的空间变换信息,包括:
标定所述当前角度图像中包含有线性参照物的目标区域,其中,所述线性参照物用于标定所述当前角度图像中的检定装置的水平方向;
遍历所述目标区域内的图像灰度值,确定出所述当前角度图像相对于所述模板角度图像的视觉倾斜角度;
依据所述模板角度图像中线性参照物的坐标信息,和所述当前角度图像中线性参照物的坐标信息,确定出所述当前角度图像相对于所述模板角度图像的视觉偏移量。
8.根据权利要求7所述的用于小角度测量仪器检定装置的校准方法,其特征在于,所述根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像,包括:
将所述当前角度图像旋转所述视觉倾斜角度;
依据所述视觉偏移量,对经过旋转之后的当前角度图像进行位置校正,得到与所述模板角度图像的空间相关属性一致的目标图像。
9.一种用于小角度测量仪器检定装置的校准装置,其特征在于,所述装置包括:
图像获取模块,用于获取所述检定装置的当前角度图像和模板角度图像,其中,所述当前角度图像为所述模板角度图像对应的复现角度值拍摄得到的;
变换信息确定模块,用于确定所述当前角度图像和模板角度图像之间的空间变换信息;
图像变换模块,用于根据所述空间变换信息,对所述当前角度图像进行图像变换,得到与所述模板角度图像的空间相关属性一致的目标图像;
坐标预测模块,用于将所述目标图像输入到检定检测模型中进行部件识别,预测出所述检定装置的两个测微计对应的坐标信息;
角度值计算模块,用于通过两个所述测微计对应的坐标信息,计算出所述检定装置的当前角度值;
误差确定模块,用于基于所述当前角度值和复现角度值,确定出所述检定装置的检测误差,并对所述检定装置进行校准。
10.根据权利要求9所述的用于小角度测量仪器检定装置的校准装置,其特征在于,所述坐标预测模块包括:
图像复刻子模块,用于对所述目标图像进行复刻,以使复刻后的目标图像的数量达到预设数量阈值;
坐标预测子模块,用于将各目标图像分别输入到检定检测模型中进行部件识别,分别预测出所述检定装置的两个测微计对应的坐标信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310875906.7A CN116608816B (zh) | 2023-07-18 | 2023-07-18 | 一种用于小角度测量仪器检定装置的校准方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310875906.7A CN116608816B (zh) | 2023-07-18 | 2023-07-18 | 一种用于小角度测量仪器检定装置的校准方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116608816A true CN116608816A (zh) | 2023-08-18 |
CN116608816B CN116608816B (zh) | 2023-09-26 |
Family
ID=87675029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310875906.7A Active CN116608816B (zh) | 2023-07-18 | 2023-07-18 | 一种用于小角度测量仪器检定装置的校准方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116608816B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001105357A (ja) * | 1999-10-01 | 2001-04-17 | Yaskawa Electric Corp | 産業用ロボットにおけるキャリブレーション方法およびワイヤ式リニアスケールのワイヤガイド装置および測定方法 |
JP2003115055A (ja) * | 2001-10-05 | 2003-04-18 | Canon Inc | 画像生成装置 |
WO2009106141A1 (en) * | 2008-02-29 | 2009-09-03 | Trimble Ab | Determining coordinates of a target in relation to a survey instrument having at least two cameras |
JP2011002919A (ja) * | 2009-06-17 | 2011-01-06 | Seiko Epson Corp | 物体検出方法、物体検出装置 |
US20120222465A1 (en) * | 2009-11-26 | 2012-09-06 | Leica Geosystems Ag | Calibration method and angle measuring method for an angle measuring device, and angle measuring device |
CN102706628A (zh) * | 2012-05-30 | 2012-10-03 | 东南大学 | 温度变化空间坐标监测的受损索和支座角位移识别方法 |
US20180113084A1 (en) * | 2016-10-21 | 2018-04-26 | Kla-Tencor Corporation | Calibration Of A Small Angle X-Ray Scatterometry Based Metrology System |
CN108981641A (zh) * | 2018-05-29 | 2018-12-11 | 沈阳飞机工业(集团)有限公司 | 一种用于小角度测量仪器数字化检定装置的校准方法 |
CN109282830A (zh) * | 2017-07-21 | 2019-01-29 | 北京遥感设备研究所 | 一种星敏感器与基础坐标系的安装误差角估计方法 |
CN110375694A (zh) * | 2019-08-30 | 2019-10-25 | 合肥工业大学 | 基于便携关节式坐标测量机圆光栅测角误差的自校准方法 |
CN211317231U (zh) * | 2020-03-04 | 2020-08-21 | 深圳市勤丽华铖科技有限公司 | 全自动小角度检查仪 |
CN112254744A (zh) * | 2020-10-23 | 2021-01-22 | 广州计量检测技术研究院 | 一种气泡水平仪校准方法、系统、装置及存储介质 |
CN212514423U (zh) * | 2020-06-23 | 2021-02-09 | 西安热工研究院有限公司 | 一种超声相控阵小角度纵波探头用校准/对比试块 |
CN113607118A (zh) * | 2021-10-09 | 2021-11-05 | 江苏感测通电子科技有限公司 | 一种传感器制造用的智能校准装置及其校准方法 |
CN114964056A (zh) * | 2022-05-05 | 2022-08-30 | 大连理工大学 | 一种针对微装配设备的自标定方法 |
CN116336995A (zh) * | 2023-04-28 | 2023-06-27 | 哈尔滨工业大学 | 一种基于自准直原理的小角度检查装置及其小角度检查方法 |
-
2023
- 2023-07-18 CN CN202310875906.7A patent/CN116608816B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001105357A (ja) * | 1999-10-01 | 2001-04-17 | Yaskawa Electric Corp | 産業用ロボットにおけるキャリブレーション方法およびワイヤ式リニアスケールのワイヤガイド装置および測定方法 |
JP2003115055A (ja) * | 2001-10-05 | 2003-04-18 | Canon Inc | 画像生成装置 |
WO2009106141A1 (en) * | 2008-02-29 | 2009-09-03 | Trimble Ab | Determining coordinates of a target in relation to a survey instrument having at least two cameras |
JP2011002919A (ja) * | 2009-06-17 | 2011-01-06 | Seiko Epson Corp | 物体検出方法、物体検出装置 |
US20120222465A1 (en) * | 2009-11-26 | 2012-09-06 | Leica Geosystems Ag | Calibration method and angle measuring method for an angle measuring device, and angle measuring device |
CN102706628A (zh) * | 2012-05-30 | 2012-10-03 | 东南大学 | 温度变化空间坐标监测的受损索和支座角位移识别方法 |
US20180113084A1 (en) * | 2016-10-21 | 2018-04-26 | Kla-Tencor Corporation | Calibration Of A Small Angle X-Ray Scatterometry Based Metrology System |
CN109282830A (zh) * | 2017-07-21 | 2019-01-29 | 北京遥感设备研究所 | 一种星敏感器与基础坐标系的安装误差角估计方法 |
CN108981641A (zh) * | 2018-05-29 | 2018-12-11 | 沈阳飞机工业(集团)有限公司 | 一种用于小角度测量仪器数字化检定装置的校准方法 |
CN110375694A (zh) * | 2019-08-30 | 2019-10-25 | 合肥工业大学 | 基于便携关节式坐标测量机圆光栅测角误差的自校准方法 |
CN211317231U (zh) * | 2020-03-04 | 2020-08-21 | 深圳市勤丽华铖科技有限公司 | 全自动小角度检查仪 |
CN212514423U (zh) * | 2020-06-23 | 2021-02-09 | 西安热工研究院有限公司 | 一种超声相控阵小角度纵波探头用校准/对比试块 |
CN112254744A (zh) * | 2020-10-23 | 2021-01-22 | 广州计量检测技术研究院 | 一种气泡水平仪校准方法、系统、装置及存储介质 |
CN113607118A (zh) * | 2021-10-09 | 2021-11-05 | 江苏感测通电子科技有限公司 | 一种传感器制造用的智能校准装置及其校准方法 |
CN114964056A (zh) * | 2022-05-05 | 2022-08-30 | 大连理工大学 | 一种针对微装配设备的自标定方法 |
CN116336995A (zh) * | 2023-04-28 | 2023-06-27 | 哈尔滨工业大学 | 一种基于自准直原理的小角度检查装置及其小角度检查方法 |
Non-Patent Citations (2)
Title |
---|
G. P. STEIN等: "Accurate Internal Camera Calibration using Rotation, with Analysis of Sources of Error", 《PROCEEDINGS OF IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
于铖灵: "用全自动小角度检定仪检定合像水平仪", 《计量技术》, no. 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN116608816B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9787960B2 (en) | Image processing apparatus, image processing system, image processing method, and computer program | |
CN111337142A (zh) | 体温修正方法、装置及电子设备 | |
US10311591B2 (en) | Displacement detecting apparatus and displacement detecting method | |
CN112270719B (zh) | 相机标定方法、装置及系统 | |
CN112070021B (zh) | 基于人脸检测的测距方法、测距系统、设备和存储介质 | |
CN109163888A (zh) | 光学中心测试方法、装置和设备 | |
CN111442845A (zh) | 基于距离补偿的红外测温方法、装置及计算机存储介质 | |
TWI468658B (zh) | 鏡頭檢測裝置及方法 | |
CN112734858A (zh) | 一种双目标定精度在线检测方法及装置 | |
US6807288B2 (en) | Image processing apparatus, image processing method, and recording medium recording image processing program | |
CN113487539B (zh) | 胶路质量分析方法、设备、系统及存储介质 | |
CN113776787A (zh) | 虚拟现实设备的屏幕均匀度测试方法、系统及相关装置 | |
CN110225335A (zh) | 相机稳定性评估方法及装置 | |
CN103297799A (zh) | 测试相机部件的光学特征 | |
CN116608816B (zh) | 一种用于小角度测量仪器检定装置的校准方法和装置 | |
CN109470269B (zh) | 空间目标测量机构的标定方法、标定设备及标定系统 | |
CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
CN111047552A (zh) | 三维挠度测量方法及相关产品 | |
US8102516B2 (en) | Test method for compound-eye distance measuring apparatus, test apparatus, and chart used for the same | |
CN113983951B (zh) | 三维目标的测量方法、装置、影像仪及存储介质 | |
CN113884188B (zh) | 一种温度检测方法、装置及电子设备 | |
CN116164818A (zh) | 一种测量不确定度的确定方法、装置、设备以及存储介质 | |
CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
CN111199225A (zh) | 车牌标定方法及装置 | |
CN116817799B (zh) | 用于超高层建筑物的垂直度测量系统 |
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 |