CN117115233B - 一种基于机器视觉的尺寸测量方法、装置及电子设备 - Google Patents
一种基于机器视觉的尺寸测量方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117115233B CN117115233B CN202311378756.5A CN202311378756A CN117115233B CN 117115233 B CN117115233 B CN 117115233B CN 202311378756 A CN202311378756 A CN 202311378756A CN 117115233 B CN117115233 B CN 117115233B
- Authority
- CN
- China
- Prior art keywords
- camera
- measured
- data
- measurement
- determining
- 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
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 213
- 238000012360 testing method Methods 0.000 claims description 64
- 238000000034 method Methods 0.000 claims description 61
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004513 sizing Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 15
- 239000000463 material Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Abstract
本发明公开了一种基于机器视觉的尺寸测量方法、装置及电子设备。包括:获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;识别测量图像中局部待测边关联的像素级尺寸数据;基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。本方案采用多相机完成大尺寸片材的尺寸测量,解决相机覆盖范围限制问题,提高测量精度和效率。
Description
技术领域
本发明涉及尺寸测量技术领域,尤其涉及一种基于机器视觉的尺寸测量方法、装置及电子设备。
背景技术
在生产过程中,对于大尺寸片材的尺寸测量需求逐渐增加。对于尺寸测量,利用机器视觉技术进行测量,机器视觉技术是一种基于计算机视觉的自动检测和测量技术,广泛应用于工业生产、自动化控制和智能监测等领域。
目前,传统的尺寸测量方法多需要人工测量,存在测量效率低、精度差、易受人为因素干扰等诸多问题;利用机器视觉技术进行测量的过程中,需要通过相机进行拍照,基于拍摄的照片进行尺寸的测量,但是相机视野有限,无法覆盖整个材料,需要采用多个相机进行拍摄,对多个相机拍摄的照片进行识别和测量,使得对大尺寸材料的测量存在难度高、精度差的问题。
发明内容
本发明提供了一种基于机器视觉的尺寸测量方法、装置及电子设备,以解决大尺寸材料测量中相机覆盖范围限制和相机位置调整的技术问题,实现对大尺寸材料的准确测量,提高测量的精确度和效率。
根据本发明的一方面,提供了一种基于机器视觉的尺寸测量方法,包括:
获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;
获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;
识别测量图像中局部待测边关联的像素级尺寸数据;
基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。
可选的,相机组参数的确定方式,包括:
获取预先安装在同一方向上的相机对测量工具采集的两个测试图像,其中,预先安装在同一方向上的相机在同一水平线上,且相机的视野无重叠;
识别两个测试图像中的测量工具的刻度信息;
基于刻度信息和测试图像中刻度信息对应的像素级尺寸数据确定相机组参数。
可选的,相机组参数中相机精度数据的确定方式,包括;
对于任一测试图像,基于测试图像中的测量工具上的任意两个刻度值,确定两个刻度值之间的第一实际距离;
识别测量图像中两个刻度值之间的像素级尺寸数据,基于两个刻度值之间的第一实际距离和像素级尺寸数据确定测试图像对应相机的相机精度数据。
可选的,相机组参数中相机间距的确定方式,包括:
分别从两个测试图像中读取测量工具上的任一刻度值,作为第一刻度值和第二刻度值,确定第一刻度值和第二刻度值之间的第一距离数据;
确定第一刻度值与所在测试图像的测试工具中断边缘之间的第二距离数据,以及确定第二刻度值所在测试图像的测试工具中断边缘之间的第三距离数据;
基于第一距离数据、第二距离数据、第三距离数据确定相机间距。
可选的,识别测量图像中局部待测边关联的像素级尺寸数据,包括:
对测量图像进行图像分割处理,得到目标对象的分割结果;
基于分割结果确定局部待测边关联的像素级尺寸数据,其中,像素级尺寸数据包括局部待测边在第一坐标方向上的第一像素级尺寸数据和在第二坐标方向上的第二像素级尺寸数据。
可选的,基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,包括:
基于测量图像对应的相机精度数据和第一像素级尺寸数据,确定局部待测边在第一坐标方向上的第一实际投影距离;
基于测量图像对应的相机精度数据和第二像素级尺寸数据,确定局部待测边在第二坐标方向上的第二实际投影距离;
基于局部待测边的第一实际投影距离和第二实际投影距离确定测量图像中局部待测边的第一实际尺寸数据。
可选的,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据,包括:
获取测量图像中待测边的倾斜角度数据;
基于倾斜角度数据和相机间距确定待测边在相机视野外的第二实际尺寸数据;
基于两个测量图像中局部待测边对应的第一实际尺寸数据和在相机视野外的第二实际尺寸数据确定目标对象的待测边尺寸数据。
根据本发明的另一方面,提供了一种基于机器视觉的尺寸测量装置,包括:
获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;
获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;
识别测量图像中局部待测边关联的像素级尺寸数据;
基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。
根据本发明的另一方面,提供了一种电子设备,电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的基于机器视觉的尺寸测量方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的基于机器视觉的尺寸测量方法。
本发明实施例的技术方案,通过获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;识别测量图像中局部待测边关联的像素级尺寸数据;基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据,实现了同时使用多个多相机对大尺寸片材进行尺寸测量,解决了大尺寸片材测量中相机覆盖范围限制的技术问题,提高了对大尺寸片材的尺寸测量的精确度和效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于机器视觉的尺寸测量方法的流程图;
图2是本发明实施例所适用的一种相机安装调试示意图;
图3是本发明实施例所适用的一种测量工具调试示意图;
图4是本发明实施例所适用的一种图像分割结果示意图;
图5是本发明实施例二提供的一种基于机器视觉的尺寸测量方法的流程图;
图6是本发明实施例三提供的一种基于机器视觉的尺寸测量方法的流程图;
图7是本发明实施例所适用的一种测量边长尺寸关系示意图;
图8是本发明实施例四提供的一种基于机器视觉的尺寸测量装置的结构示意图;
图9是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种基于机器视觉的尺寸测量方法的流程图,本实施例可适用于对材料的尺寸测量的情况,尤其是对大尺寸的片状板材进行测量的情况,该方法可以由基于机器视觉的尺寸测量装置来执行,该基于机器视觉的尺寸测量装置可以采用硬件和/或软件的形式实现,该基于机器视觉的尺寸测量装置可配置于计算机、控制器等电子设备中。如图1所示,该方法包括:
S110、获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部。
其中,目标对象指的是待进行尺寸测量的材料,材料的形状特征包括多个角点,且相邻角点之间的线段为直线,示例性的,目标对象可以是一种片状覆铜板。同一方向上的相机具体可以理解为是处于与目标对象的待测边处于同一侧的相机,可以至少有两个相机。
具体的,可以实时地通过同一方向上的相机对目标对象进行拍摄,采集目标对象的两个测量图像,也可以从数据库中读取由同一方向上的相机对目标对象采集的两个测量图像,两个测量图像中包括目标对象的待测边的局部,所采集的每一测量图像包括目标对象的一个角点和构成角点的两条边。
在进行相机采集测量图像之前,需要对相机进行标定处理,传统摄像机标定主要有Faugeras标定法、Tscai两步法、直接线性变换方法、张正友平面标定法和Weng迭代法等等。自标定包括基于Kruppa方程自标定法、分层逐步自标定法、基于绝对二次曲面的自标定法和Pollefeys的模约束法等。视觉标定有马颂德的三正交平移法、李华的平面正交标定法和Hartley旋转求内参数标定法等等。在本发明实施例中,可以使用上述方法的一种或多种的组合,作为一个示例,可以使用张正友平面标定法来进行相机标定,该相机的参数可以包括相机内参、相机外参以及畸变参数等。具体通过如下步骤实现:
1)、初始化:摄像机位置保持不变,将标定板设置于不同位置采集m张图像(世界坐标系/单应矩阵随之变化),检测图像中的角点,假设每张图片中可检测出n个角点;
2)、;
3)、单应矩阵求解:求解方程(共2n个方程,9个未知数),得到单应矩阵
的初值,并考虑噪声影响,进行非线性优化;
4)、;
5)、摄像机内参数求解:综合张图片中的单应矩阵,求解方程(共
个方程,6个未知数),将中间矩阵进行分解,获得内参数矩阵(5个参数);
6)、;
7、摄像机外参数求解:计算和;
8)、;
9、畸变系数求解:结合张图片中的个角点,求解方程(共个方程,2
个未知数),得到畸变参数;
10)、参数优化:通过非线性最小二乘法,优化(5个参数),和(个参数)
和,。
通过上述方法完成对相机组中的相机进行标定,基于标定后参数对采集的图像数据进行标定,得到标定后的图像数据,用于进行尺寸测量,这样有助于避免相机产生的畸变问题导致的测量误差,提高了对目标对象的尺寸的测量精度。
S120、获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距。
其中,相机组具体可以理解为是用于测量目标对象的尺寸数据所安装的多个相机,相机组的参数包含但不限于相机精度数据、相机之间的间距。相机精度数据具体可以理解为是相机的像素代表的实际距离,包括横向精度和纵向精度。需要说明的是,在理想状态下,每一相机的像素的横向精度与纵向精度是相等的,但是由于相机的畸变问题,实际测量情况中,基于拍摄的图像数据确定得到的横向精度相较于纵向精度存在一定的偏差。
具体的,在根据目标对象采集的两个测量图像对图像中的待测边进行测量的情况下,可以预先读取采集上述两个测量图像的同一方向上的相机所对应的预先测定的相机组参数,其中,相机组参数包括相机精度数据和相机间距。
可选的,对于相机组参数的确定方式,包括:获取预先安装在同一方向上的相机对测量工具采集的两个测试图像,其中,预先安装在同一方向上的相机在同一水平线上,且相机的视野无重叠;识别两个测试图像中的测量工具的刻度信息;基于刻度信息和测试图像中刻度信息对应的像素级尺寸数据确定相机组参数。
对于预先安装的相机来说,可以根据待测量的目标对象的形状特征预先安装所需要的相机,可以根据目标对象的角点数量确定预先安装的相机的数量,根据目标对象的待测边的方向确定用于获取待测边的相机组的安装的方向,即确保处于待测边一侧的相机安装在与待测边处于同一方向上,且相机处于同一水平线上。另外,还需要保证处于同一水平线上的相机的视野无重叠。具体的,在待测目标对象上或者是测试区域中放置测量工具,其中,测试工具可以是刻度直尺或者卷尺,测量工具可以测量的长度应大于目标对象的待侧边的长度或者是测试区域的边缘长度,通过预先安装的相机对其进行拍照,然后识别图片中的测量工具与相机成像边缘是否处于平行状态,示例性的,如图2所示的相机安装调试示意图,或者,如图3所示的测量工具调试示意图,即通过霍夫直线检测原理检测刻度尺水平角度,检测多条直线求其平均值作为整体刻度尺的真实水平角度,实时地通过在两个相机视野底下放一个刻度直尺或者刻度卷尺,刻度尺放置水平调整相机角度,显示计算结果在电脑屏幕上面反馈相机调试角度是否合格,调试人员根据显示的角度情况调试刻度尺,直到界面显示的average angle:0,即相机安装的水平状态是符合水平合格条件的,可以保证后续进行大尺寸材料的尺寸测量的准确性。
具体的,通过调试好的相机对测量工具进行拍照,采集测量工具的两个测试图像,识别两个测试图像中的测量工具的刻度信息,基于刻度信息和测试图像中刻度信息对应的像素级尺寸数据确定相机组参数,确定相机之间的距离和各相机的精度数据 。
可选的,相机组参数中相机精度数据的确定方式,包括;对于任一测试图像,基于测试图像中的测量工具上的任意两个刻度值,确定两个刻度值之间的第一实际距离;识别测量图像中两个刻度值之间的像素级尺寸数据,基于两个刻度值之间的第一实际距离和像素级尺寸数据确定测试图像对应相机的相机精度数据。
其中,第一实际距离指的相机拍摄的图像中的测量工具上显示的距离长度,可以识别测量图像中两个刻度值,计算两个刻度值之间的实际距离。
具体的,选取任一测试图像,识别该测试图像中两个刻度值,刻度值可以任意选取,进一步识别两个刻度值之间的测量工具占据的像素的总数量,计算每一像素所对应的实际距离。示例性的,测试图像中测量工具放置的方向为横向,所计算的得到的为该相机的横向精度数据,进一步根据上述方式,在纵向方向上放置测量工具,通过相机采集测量图像数据,识别图像数据中的两个刻度值确定该相机的纵向精度数据。
可选的,相机组参数中相机间距的确定方式,包括:分别从两个测试图像中读取测量工具上的任一刻度值,作为第一刻度值和第二刻度值,确定第一刻度值和第二刻度值之间的第一距离数据;确定第一刻度值与所在测试图像的测试工具中断边缘之间的第二距离数据,以及确定第二刻度值所在测试图像的测试工具中断边缘之间的第三距离数据;基于第一距离数据、第二距离数据、第三距离数据确定相机间距。
其中,第一距离数据指的是由分别从两个测试图像中选取任一个刻度值而计算得到的两个刻度值之间的距离。
具体的,在获取在同一方向上的相机对测量工具采集的两个测量图像之后,分别从两个测试图像中显示的测量工具上选取任一个刻度值,此处分别将得到的两个刻度值称为第一刻度值和第二刻度值,计算两个刻度值之间的实际距离,即第一距离数据;进一步计算第一刻度值与所在测试图像的测试工具中断边缘之间所占据像素的总个数,然后乘以对应的相机精度数据,得到第二距离数据,计算第二刻度值与第二刻度值所在测试图像的测试工具中断边缘之间所占据像素的总个数,然后乘以对应的相机精度数据,得到第三距离数据,最后,通过第一距离数据减去第二距离数据和第三距离数据,所得差值即为当前相机之间的距离,即为两个测试图像所对应的两个相机的相机间距。
在本实施例中,在确定相机组参数的情况下,先对相机组进行调试,使得任一方向上的相机处于水平线上,即与相机成像边缘处于平行状态,有助于提高后续确定相机组参数的精度,从而进一步提高对于大尺寸材料的尺寸测量的精度。
S130、识别测量图像中局部待测边关联的像素级尺寸数据。
其中,由于安装的相机的视野是没有重叠的,因此每一相机所采集的测量图像中仅包含目标对象的局部待测边。像素级尺寸数据具体可以理解为计算待测边的长度而确定的数据,包括局部待测边在图像中X轴方向上的投影所占的像素的总数量、待测边在图像中X轴方向上的投影所占的像素的总数量、待测边所占的像素的总数量等。
示例性的,获取到含有待测边的图像数据,将待测边在图像中的X轴方向和Y轴方向上进行投影,自动识别两个投影方向上所占的像素的个数,需要说明的是,对于精度要求不高的情况下,可以直接识别待测边所占据的像素个数,便于提高图像中各待测边的像素级尺寸数据的识别效率。
可选的,对测量图像进行图像分割处理,得到目标对象的分割结果;基于分割结果确定局部待测边关联的像素级尺寸数据。
其中,像素级尺寸数据包括局部待测边在第一坐标方向上的第一像素级尺寸数据和在第二坐标方向上的第二像素级尺寸数据。第一坐标方向和第二坐标方向指的是图像中的X轴坐标方向、Y轴坐标方向,具体代表X轴坐标方向还是Y轴坐标方向主要根据测试图像而定,也可以根据测量需求进行自行调整。
具体的,通过图像分割技术对由各相机采集得到的测量图像进行分割处理,得到
目标对象的分割结果。示例性的,以具有四个角点的板材为示例,得到的如图4所示的图像
分割结果示意图,,其中,表示分割后像素区域,表示待
检测图像中像素的灰度值,表示亮缺陷区域的灰度阈值,1表示板材区域的像素,0
表示背景区域的像素。具体的,获取测量图像的分割结果,识别测量图像中的局部待测边在
第一坐标方向上的第一像素级尺寸数据和在第二坐标方向上的第二像素级尺寸数据,尺寸
数据具体指的是局部待测边在各坐标方向上占据的像素的个数。
S140、基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。
其中,第一实际尺寸数据具体可以理解为是各测量图像中的每一局部待测边所测量得到的实际尺寸。
具体的,对于每一待测边,可以得到两个测量图像,即得到该待测边的两端的测量图像,分别确定每一测量图像所包含的局部待测边的第一实际尺寸,因此可以得到待测边的两个第一实际尺寸,然后从预先测得到相机组参数中读取两个相机之间的间距,进一步通过对两个第一实际尺寸和相机间距确定目标对象的待测边尺寸数据,其中,可以直接进行加和处理得到待测边的尺寸数据,还可以根据两个图像中的局部待测边与成像边缘之前的夹角数据对相机间距进行调整后在进行加和处理得到待测边的尺寸数据,减小尺寸测量的误差。
本实施例的技术方案,通过获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;识别测量图像中局部待测边关联的像素级尺寸数据;基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据,实现了同时使用多个多相机对大尺寸片材进行尺寸测量,解决了大尺寸片材测量中相机覆盖范围限制的技术问题,提高了对大尺寸片材的尺寸测量的精确度和效率。
实施例二
图5是本发明实施例二提供的一种基于机器视觉的尺寸测量方法的流程图,本实施例对上述实施例中的局部待测边对应的第一实际尺寸数据的确定方法的进一步优化,可选的,基于测量图像对应的相机精度数据和第一像素级尺寸数据,确定局部待测边在第一坐标方向上的第一实际投影距离;基于测量图像对应的相机精度数据和第二像素级尺寸数据,确定局部待测边在第二坐标方向上的第二实际投影距离;基于局部待测边的第一实际投影距离和第二实际投影距离确定测量图像中局部待测边的第一实际尺寸数据。如图5所示,该方法包括:
S210、获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部。
S220、获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距。
S230、识别测量图像中局部待测边关联的像素级尺寸数据。
S240、基于测量图像对应的相机精度数据和第一像素级尺寸数据,确定局部待测边在第一坐标方向上的第一实际投影距离。
其中,第一像素级尺寸数据具体可以理解为是局部待测边在第一坐标方向上的投影所占据的像素数量。
具体的,获取测量图像对应的相机的精度数据,通过对精度数据与识别的局部待测边对应的第一像素尺寸数据做乘法计算处理,所得结果即为局部待测边在第一坐标方向上的第一实际投影距离。
S250、基于测量图像对应的相机精度数据和第二像素级尺寸数据,确定局部待测边在第二坐标方向上的第二实际投影距离。
其中,第二像素级尺寸数据具体可以理解为是局部待测边在第二坐标方向上的投影所占据的像素数量。
具体的,获取测量图像对应的相机的精度数据,通过对精度数据与识别的局部待测边对应的第二像素尺寸数据做乘法计算处理,所得结果即为局部待测边在第二坐标方向上的第二实际投影距离。
需要说明的是,测量每一局部待测边的第一实际投影距离和第一实际投影距离的过程中,第一坐标方向和第二坐标方向指的是同一测量图像中的。
S260、基于局部待测边的第一实际投影距离和第二实际投影距离确定测量图像中局部待测边的第一实际尺寸数据。
具体的,对于局部待测边在第一坐标方向上的第一实际投影距离和局部待测边在第二坐标方向上的第二实际投影距离进行勾股定理计算,确定局部待测边的第一实际尺寸数据。
需要说明的是,对每一待测边所采集的图像数据是两个测量图像,每一测量图像均包含局部待测边,因此,第一实际尺寸数据包含两个测量图像中的局部待测边对应的第一实际尺寸。
S270、基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。
本实施例的技术方案,通过获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部,获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距,识别测量图像中局部待测边关联的像素级尺寸数据,基于测量图像对应的相机精度数据和第一像素级尺寸数据,确定局部待测边在第一坐标方向上的第一实际投影距离;基于测量图像对应的相机精度数据和第二像素级尺寸数据,确定局部待测边在第二坐标方向上的第二实际投影距离;基于局部待测边的第一实际投影距离和第二实际投影距离确定测量图像中局部待测边的第一实际尺寸数据基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据,实现了基于每一相机精度数据确定局部待测边在各坐标轴方向上的实际尺寸数据,进而得到局部待测边的实际尺寸数据,避免了待测边与坐标轴方向上存在夹角而导致的误差,提高了尺寸测量的精度。
实施例三
图6是本发明实施例三提供的一种基于机器视觉的尺寸测量方法的流程图,本实施例对上述实施例中的目标对象的待测边尺寸数据的确定方法的进一步优化,可选的,基于测量图像对应的相机精度数据和第一像素级尺寸数据,确定局部待测边在第一坐标方向上的第一实际投影距离;基于测量图像对应的相机精度数据和第二像素级尺寸数据,确定局部待测边在第二坐标方向上的第二实际投影距离;基于局部待测边的第一实际投影距离和第二实际投影距离确定测量图像中局部待测边的第一实际尺寸数据。如图6所示,该方法包括:
S310、获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部。
S320、获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距。
S330、识别测量图像中局部待测边关联的像素级尺寸数据。
S340、基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据。
S350、获取测试图像中待测边的倾斜角度数据。
具体的,获取测量图像中局部待测边在第一坐标方向和第二坐标方向上投影的实
际距离,通过实际距离确定待测边的倾斜角度数据,如图7所示的测量边长尺寸关系示意
图,图中L1和L2为目标对象的局部待测边,L3、L4为相机1所采集的测量图像中的局部待测
边的投影,L5、L6为相机2所采集的测量图像中的局部待测边的投影,为相机1对应的测量
图像中待测边的倾斜角度,为相机2对应的测量图像中待测边的倾斜角度,待测边的倾斜
角度的计算公式如下:
=arctan(L4/L3)
=arctan(L6/L5)
(+)
S360、基于倾斜角度数据和相机间距确定待测边在相机视野外的第二实际尺寸数据。
具体的,获取已确定的倾斜角度和相机间距d,确定待测边在相机视野外的第二
实际尺寸数据L,计算公式如下:
L=。
S370、基于两个测量图像中局部待测边对应的第一实际尺寸数据和在相机视野外的第二实际尺寸数据确定目标对象的待测边尺寸数据。
具体的,目标对象的待测边尺寸的计算方法为:待测边尺寸=L1+L2+L;其中,L1为相机1中的局部待测边的实际尺寸,L2为相机2中的局部待测边的实际尺寸,L为在相机视野外的第二实际尺寸数据。
在上述实施例的基础上,根据上述方法计算出其他待测边的尺寸数据,从而完成对目标对象的所有待测边的实际尺寸,完成对目标对象的尺寸测量。
本实施例的技术方案,通过获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;识别测量图像中局部待测边关联的像素级尺寸数据;基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,获取测试图像中待测边的倾斜角度数据,基于倾斜角度数据和相机间距确定待测边在相机视野外的第二实际尺寸数据。基于两个测量图像中局部待测边对应的第一实际尺寸数据和在相机视野外的第二实际尺寸数据确定目标对象的待测边尺寸数据,实现了对不在相机视野内的待测边的尺寸的补偿,进一步地提高大尺寸材料的尺寸测量的精度。
实施例四
图8是本发明实施例四提供的一种基于机器视觉的尺寸测量装置的结构示意图。如图8所示,该装置包括:
测量图像获取模块810,用于获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;
相机组参数获取模块820,用于获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;
像素级尺寸数据识别模块830,用于识别测量图像中局部待测边关联的像素级尺寸数据;
尺寸数据确定模块840,用于基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。
本实施例的技术方案,通过测量图像获取模块获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;相机组参数获取模块获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;像素级尺寸数据识别模块识别测量图像中局部待测边关联的像素级尺寸数据;尺寸数据确定模块基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。实现了同时使用多个多相机对大尺寸片材进行尺寸测量,解决了大尺寸片材测量中相机覆盖范围限制的技术问题,提高了对大尺寸片材的尺寸测量的精确度和效率。
在上述实施例的基础上,可选的,相机组参数获取模块820,具体用于:获取预先安装在同一方向上的相机对测量工具采集的两个测试图像,其中,预先安装在同一方向上的相机在同一水平线上,且相机的视野无重叠;
识别两个测试图像中的测量工具的刻度信息;
基于刻度信息和测试图像中刻度信息对应的像素级尺寸数据确定相机组参数。
对于任一测试图像,基于测试图像中的测量工具上的任意两个刻度值,确定两个刻度值之间的第一实际距离;
识别测试图像中两个刻度值之间的像素级尺寸数据,基于两个刻度值之间的第一实际距离和像素级尺寸数据确定测试图像对应相机的相机精度数据。
分别从两个测试图像中读取测量工具上的一刻度值,作为第一刻度值和第二刻度值,确定第一刻度值和第二刻度值之间的第二实际距离;
确定第一刻度值与所在测试图像的测试工具中断边缘之间的第二实际距离,以及确定第二刻度值所在测试图像的测试工具中断边缘之间的第三实际距离;
基于第一距离数据、第二距离数据、第三距离数据确定相机间距。
可选的,像素级尺寸数据识别模块830,具体用于:
对测量图像进行图像分割处理,得到目标对象的分割结果;
基于分割结果确定局部待测边关联的像素级尺寸数据,其中,像素级尺寸数据包括局部待测边在第一坐标方向上的第一像素级尺寸数据和在第二坐标方向上的第二像素级尺寸数据。
可选的,尺寸数据确定模块840,具体用于:
基于测量图像对应的相机精度数据和第一像素级尺寸数据,确定局部待测边在第一坐标方向上的第一实际投影距离;
基于测量图像对应的相机精度数据和第二像素级尺寸数据,确定局部待测边在第二坐标方向上的第二实际投影距离;
基于局部待测边的第一实际投影距离和第二实际投影距离确定测量图像中局部待测边的第一实际尺寸数据。
获取测试图像中待测边的倾斜角度数据;
基于倾斜角度数据和相机间距确定待测边在相机视野外的第二实际尺寸数据;
基于两个测量图像中局部待测边对应的第一实际尺寸数据和在相机视野外的第二实际尺寸数据确定目标对象的待测边尺寸数据。
本发明实施例所提供的基于机器视觉的尺寸测量装置可执行本发明任意实施例所提供的基于机器视觉的尺寸测量方法,具备执行方法相应的功能模块和有益效果。
实施例五
图9是本发明实施例五提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图9所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如基于机器视觉的尺寸测量方法。
在一些实施例中,基于机器视觉的尺寸测量方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的基于机器视觉的尺寸测量方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于机器视觉的尺寸测量方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的基于机器视觉的尺寸测量方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种基于机器视觉的尺寸测量方法,该方法包括:
获取在同一方向上的相机对目标对象采集的两个测量图像,任一测量图像中包括目标对象的一个角点和两条边,两个测量图像中包括目标对象的待测边的局部;
获取预先测定的相机组参数,相机组参数包括相机精度数据和相机间距;
识别测量图像中局部待测边关联的像素级尺寸数据;
基于相机精度数据和测量图像中局部待测边关联的像素级尺寸数据确定测量图像中局部待测边对应的第一实际尺寸数据,基于两个测量图像中局部待测边对应的第一实际尺寸数据和相机间距确定目标对象的待测边尺寸数据。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (7)
1.一种基于机器视觉的尺寸测量方法,其特征在于,包括:
获取在同一方向上的相机对目标对象采集的两个测量图像,任一所述测量图像中包括所述目标对象的一个角点和两条边,所述两个测量图像中包括所述目标对象的待测边的局部;
获取预先测定的相机组参数,所述相机组参数包括相机精度数据和相机间距;
识别所述测量图像中局部待测边关联的像素级尺寸数据;
基于所述相机精度数据和所述测量图像中局部待测边关联的像素级尺寸数据确定所述测量图像中局部待测边对应的第一实际尺寸数据,基于两个所述测量图像中局部待测边对应的第一实际尺寸数据和所述相机间距确定所述目标对象的待测边尺寸数据;
其中,所述识别所述测量图像中局部待测边关联的像素级尺寸数据,包括:
对所述测量图像进行图像分割处理,得到所述目标对象的分割结果;
基于所述分割结果确定所述局部待测边关联的像素级尺寸数据,其中,所述像素级尺寸数据包括所述局部待测边在第一坐标方向上的第一像素级尺寸数据和在第二坐标方向上的第二像素级尺寸数据;
所述基于所述相机精度数据和所述测量图像中局部待测边关联的像素级尺寸数据确定所述测量图像中局部待测边对应的第一实际尺寸数据,包括:
基于所述测量图像对应的相机精度数据和所述第一像素级尺寸数据,确定所述局部待测边在所述第一坐标方向上的第一实际投影距离;
基于所述测量图像对应的相机精度数据和所述第二像素级尺寸数据,确定所述局部待测边在所述第二坐标方向上的第二实际投影距离;
基于所述局部待测边的所述第一实际投影距离和所述第二实际投影距离确定所述测量图像中局部待测边的第一实际尺寸数据;
所述基于两个所述测量图像中局部待测边对应的第一实际尺寸数据和所述相机间距确定所述目标对象的待测边尺寸数据,包括:
获取所述测量图像中待测边的倾斜角度数据;
基于所述倾斜角度数据和所述相机间距确定所述待测边在相机视野外的第二实际尺寸数据;
基于所述两个所述测量图像中局部待测边对应的第一实际尺寸数据和在相机视野外的第二实际尺寸数据确定所述目标对象的待测边尺寸数据。
2.根据权利要求1所述的方法,其特征在于,所述相机组参数的确定方式,包括:
获取预先安装在同一方向上的相机对测量工具采集的两个测试图像,其中,所述预先安装在同一方向上的相机在同一水平线上,且所述相机的视野无重叠;
识别所述两个测试图像中的所述测量工具的刻度信息;
基于所述刻度信息和所述测试图像中所述刻度信息对应的像素级尺寸数据确定所述相机组参数。
3.根据权利要求2所述的方法,其特征在于,所述相机组参数中相机精度数据的确定方式,包括;
对于任一所述测试图像,基于所述测试图像中的所述测量工具上的任意两个刻度值,确定所述两个刻度值之间的第一实际距离;
识别所述测量图像中所述两个刻度值之间的像素级尺寸数据,基于所述两个刻度值之间的所述第一实际距离和所述像素级尺寸数据确定所述测试图像对应相机的相机精度数据。
4.根据权利要求2所述的方法,其特征在于,所述相机组参数中相机间距的确定方式,包括:
分别从所述两个测试图像中读取所述测量工具上的任一刻度值,作为第一刻度值和第二刻度值,确定所述第一刻度值和所述第二刻度值之间的第一距离数据;
确定所述第一刻度值与所在测试图像的测试工具中断边缘之间的第二距离数据,以及确定所述第二刻度值所在测试图像的测试工具中断边缘之间的第三距离数据;
基于所述第一距离数据、所述第二距离数据、所述第三距离数据确定所述相机间距。
5.一种基于机器视觉的尺寸测量装置,其特征在于,包括:
测量图像获取模块,用于获取在同一方向上的相机对目标对象采集的两个测量图像,任一所述测量图像中包括所述目标对象的一个角点和两条边,所述两个测量图像中包括所述目标对象的待测边的局部;
相机组参数获取模块,用于获取预先测定的相机组参数,所述相机组参数包括相机精度数据和相机间距;
像素级尺寸数据识别模块,用于识别所述测量图像中局部待测边关联的像素级尺寸数据;
尺寸数据确定模块,用于基于所述相机精度数据和所述测量图像中局部待测边关联的像素级尺寸数据确定所述测量图像中局部待测边对应的第一实际尺寸数据,基于两个所述测量图像中局部待测边对应的第一实际尺寸数据和所述相机间距确定所述目标对象的待测边尺寸数据;
其中,所述像素级尺寸数据识别模块,具体用于:
对所述测量图像进行图像分割处理,得到所述目标对象的分割结果;
基于所述分割结果确定所述局部待测边关联的像素级尺寸数据,其中,所述像素级尺寸数据包括所述局部待测边在第一坐标方向上的第一像素级尺寸数据和在第二坐标方向上的第二像素级尺寸数据;
所述尺寸数据确定模块,具体用于:
基于所述测量图像对应的相机精度数据和所述第一像素级尺寸数据,确定所述局部待测边在所述第一坐标方向上的第一实际投影距离;
基于所述测量图像对应的相机精度数据和所述第二像素级尺寸数据,确定所述局部待测边在所述第二坐标方向上的第二实际投影距离;
基于所述局部待测边的所述第一实际投影距离和所述第二实际投影距离确定所述测量图像中局部待测边的第一实际尺寸数据;
获取所述测量图像中待测边的倾斜角度数据;
基于所述倾斜角度数据和所述相机间距确定所述待测边在相机视野外的第二实际尺寸数据;
基于所述两个所述测量图像中局部待测边对应的第一实际尺寸数据和在相机视野外的第二实际尺寸数据确定所述目标对象的待测边尺寸数据。
6.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的基于机器视觉的尺寸测量方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-4中任一项所述的基于机器视觉的尺寸测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311378756.5A CN117115233B (zh) | 2023-10-24 | 2023-10-24 | 一种基于机器视觉的尺寸测量方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311378756.5A CN117115233B (zh) | 2023-10-24 | 2023-10-24 | 一种基于机器视觉的尺寸测量方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115233A CN117115233A (zh) | 2023-11-24 |
CN117115233B true CN117115233B (zh) | 2024-02-06 |
Family
ID=88800632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311378756.5A Active CN117115233B (zh) | 2023-10-24 | 2023-10-24 | 一种基于机器视觉的尺寸测量方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115233B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204528A (zh) * | 2016-06-27 | 2016-12-07 | 重庆理工大学 | 一种零件几何质量的尺寸检测方法 |
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 |
CN110470230A (zh) * | 2019-07-15 | 2019-11-19 | 中国计量大学 | 一种波纹阻火盘表面波高尺寸测量方法 |
CN112254633A (zh) * | 2020-01-15 | 2021-01-22 | 北京京东振世信息技术有限公司 | 物体尺寸测量方法、装置和设备 |
CN112325772A (zh) * | 2020-10-28 | 2021-02-05 | 中国电力科学研究院有限公司 | 基于机器视觉的冲孔尺寸测量方法、系统、设备及介质 |
CN113724193A (zh) * | 2021-06-04 | 2021-11-30 | 重庆理工大学 | Pcba零部件尺寸及间隙高精度视觉测量方法 |
CN116363223A (zh) * | 2023-03-13 | 2023-06-30 | 华南理工大学 | 一种基于双目视觉的货车车厢尺寸测量方法、装置及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11017548B2 (en) * | 2018-06-21 | 2021-05-25 | Hand Held Products, Inc. | Methods, systems, and apparatuses for computing dimensions of an object using range images |
CN113983934B (zh) * | 2021-11-15 | 2022-11-01 | 西安交通大学 | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 |
-
2023
- 2023-10-24 CN CN202311378756.5A patent/CN117115233B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204528A (zh) * | 2016-06-27 | 2016-12-07 | 重庆理工大学 | 一种零件几何质量的尺寸检测方法 |
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 |
CN110470230A (zh) * | 2019-07-15 | 2019-11-19 | 中国计量大学 | 一种波纹阻火盘表面波高尺寸测量方法 |
CN112254633A (zh) * | 2020-01-15 | 2021-01-22 | 北京京东振世信息技术有限公司 | 物体尺寸测量方法、装置和设备 |
CN112325772A (zh) * | 2020-10-28 | 2021-02-05 | 中国电力科学研究院有限公司 | 基于机器视觉的冲孔尺寸测量方法、系统、设备及介质 |
CN113724193A (zh) * | 2021-06-04 | 2021-11-30 | 重庆理工大学 | Pcba零部件尺寸及间隙高精度视觉测量方法 |
CN116363223A (zh) * | 2023-03-13 | 2023-06-30 | 华南理工大学 | 一种基于双目视觉的货车车厢尺寸测量方法、装置及介质 |
Non-Patent Citations (2)
Title |
---|
Three-dimensional Shape Measurement Using Improved Binary Spatio-temporal Encoded Illumination and Voting Algorithm;Xue Kang et al;《2011 Fourth International Conference on Intelligent Computation Technology and Automation》;786-789 * |
基于鱼眼相机畸变图像的大尺寸目标测量方法;兰颖华等;《电子测量技术》;第45卷(第19期);161-166 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115233A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537834B (zh) | 一种基于深度图像的体积测量方法、系统及深度相机 | |
US20190392609A1 (en) | 3 dimensional coordinates calculating apparatus, 3 dimensional coordinates calculating method, 3 dimensional distance measuring apparatus and 3 dimensional distance measuring method using images | |
CN111263142B (zh) | 一种摄像模组光学防抖的测试方法、装置、设备及介质 | |
CN111932605B (zh) | 尺寸检测方法、装置、电子设备及可读存储介质 | |
WO2024021063A1 (zh) | 检测视觉系统稳定性的方法和装置 | |
CN112825190B (zh) | 一种精度评估方法、系统、电子设备和存储介质 | |
CN111311671B (zh) | 一种工件测量方法、装置、电子设备及存储介质 | |
CN106570907B (zh) | 一种相机标定方法及装置 | |
WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN115797359B (zh) | 基于电路板上锡膏的检测方法、设备和存储介质 | |
CN112991459A (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
CN116124081B (zh) | 一种非接触式的工件检测方法、装置、电子设备及介质 | |
CN117115233B (zh) | 一种基于机器视觉的尺寸测量方法、装置及电子设备 | |
CN112504156A (zh) | 一种基于前景网格的结构表面应变测量系统及测量方法 | |
CN116380918A (zh) | 缺陷检测方法、装置及设备 | |
CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
CN107734324B (zh) | 一种闪光灯照度均匀性的测量方法、系统及终端设备 | |
CN115683046A (zh) | 测距方法、装置、传感器及计算机可读存储介质 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
CN112146834A (zh) | 结构振动位移测量方法及装置 | |
CN115631249B (zh) | 一种相机校正方法、装置、设备和存储介质 | |
CN110675445A (zh) | 一种视觉定位方法、装置及存储介质 | |
CN116563292B (zh) | 测量方法、检测设备、检测系统及存储介质 |
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 |