CN117115799A - 基于激光线扫3d相机的轮胎字符识别方法 - Google Patents
基于激光线扫3d相机的轮胎字符识别方法 Download PDFInfo
- Publication number
- CN117115799A CN117115799A CN202311162997.6A CN202311162997A CN117115799A CN 117115799 A CN117115799 A CN 117115799A CN 202311162997 A CN202311162997 A CN 202311162997A CN 117115799 A CN117115799 A CN 117115799A
- Authority
- CN
- China
- Prior art keywords
- image
- tire
- pixel
- value
- laser line
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013075 data extraction Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
Abstract
本申请涉及车辆检测技术领域，公开了一种基于激光线扫3D相机的轮胎字符识别方法，包括：激光线扫3D相机对轮胎进行图像采集图像；将采集到图像回传至工控机，工控机得到原始图像；工控机对原始图像进行模糊处理；将原始图像与模糊后的3D图像对应像素点的高度值相减，得到增强3D图像；将增强3D图像中对应行与列坐标的像素值按照统一比例映射至2D灰度值空间中；在所得到的2D图像空间中采用OCR方法和深度学习OCR方法，得到轮胎上的字符识别结果。本申请通过激光线扫3D视觉技术对轮胎进行旋转扫描，然后通过算法处理对原始3D图像进行数据提取，增强字符与背景的对比度，从而提高了字符识别的准确率及鲁棒性。
Description
技术领域
本申请涉及轮胎检测技术领域，具体是一种基于激光线扫3D相机的轮胎字符识别方法。
背景技术
轮胎是汽车工业中最为常用的零部件之一，在轮胎的生产过程中，轮胎胎侧会被压印一些专业文字或者字符，用以描述轮胎的ID，生产周及其他一些专业信息。在轮胎流转过程中常会需要识别这些字符信息，用于轮胎生产状态追踪和防错检查。传统工艺中常使用2D相机搭配光源进行拍照然后进行OCR字符识别，然而由于轮胎及其字符均是黑色，再加上外部环境光的影响，很难产生良好的对比度，从而导致识别准确率及鲁棒性较低。
发明内容
本申请的目的在于提供一种基于激光线扫3D相机的轮胎字符识别方法，以解决背景技术中提出的技术问题。
为实现上述目的，本申请公开了以下技术方案：
一种基于激光线扫3D相机的轮胎字符识别方法，该方法包括以下步骤：
获取原始3D图像：激光线扫3D相机对水平放置的轮胎在沿着轮胎竖直轴心线水平转动一周的过程中采集3D图像；
获取自然展平的原始图像：激光线扫3D相机扫描完成后，将获取的数据回传至工控机，工控机得到一幅Width*Height的原始图像，其中，该原始图像的每个像素值均为测得的轮胎表面对应位置的高度值；
图像模糊处理：工控机对原始图像进行模糊处理，得到模糊后的3D图像；
图像增强处理：将原始图像与模糊后的3D图像对应像素点的高度值相减，得到增强3D图像；
将得到的增强3D图像映射至2D图像空间：将增强3D图像中对应行与列坐标的像素值按照统一比例映射至2D灰度值空间中；
在所得到的2D图像空间中进行OCR识别：采用OCR方法和深度学习OCR方法，得到轮胎上的字符识别结果。
作为优选，在所述获取原始3D图像中：
所述激光线扫3D相机水平架设于轮胎的上方，该激光线扫3D相机射出的激光线竖直投射在轮胎的被测表面，且该激光线的延长线穿过轮胎的圆心。
作为优选，在所述图像模糊处理中：
采用39*39大小的核对原始图像进行均值模糊，以周边像素均值替代原像素值，得到模糊后的新图像。
作为优选，所述的采用39*39大小的核对原始图像进行均值模糊的矩阵为：
其中，Kw＝39，Kh＝39，G为得到的像素的新灰度值，各个像素的新灰度值组成的图像为模糊后的3D图像。
作为优选，在所述图像增强处理中：
增强3D图像的像素点的像素值满足：Zij＝Yij-Mij，其中，1≤i≤width，1≤j≤height，Zij为增强3D图像中像素点的像素值，Yij为原始图像中像素点的像素值，Mij为模糊后的3D图像中像素点的像素值；
得到的增强3D图像中，字符位置处的像素高度值大约等于字符凸起的高度，背景位置处的像素高度值则接近于0。
作为优选，所述的将增强3D图像中对应行与列坐标的像素值按照统一比例映射至2D灰度值空间中，具体包括：
将3D数据高度值[Zmin，Zmax]映射至[0，255]中，映射后的2D灰度值空间中像素点的像素值满足：其中，Sij为映射后的2D灰度值空间中像素点的像素值，Zij为增强3D图像中像素点的像素值，Zmax和Zmin分别为截取的增强3D图像空间中压印字符的高度上上线和下限，当Sij>255时，将该Sij取值为255，当Sij<0时，将该Sij取值为0。
作为优选，所述Zmin＝-0.2，所述Zmin＝0.35。
有益效果：本申请的基于激光线扫3D相机的轮胎字符识别方法，通过激光线扫3D视觉技术对轮胎进行旋转扫描，从而避免外部环境光对于成像质量的干扰，获得的图像可天然地将轮胎图像及其周向字符展平，从而获得良好的原始3D图像数据，然后通过算法处理对原始3D图像进行数据提取，增强字符与背景的对比度，从而提高了字符识别的准确率及鲁棒性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本申请的一些实施例，对于本领域技术人员来讲，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为本申请实施例中基于激光线扫3D相机的轮胎字符识别方法的流程框图；
图2为本申请实施例中在前视方向上激光线扫3D相机与轮胎之间的位置关系示意图；
图3为本申请实施例中在俯视方向上激光线扫3D相机与轮胎之间的位置关系示意图。
具体实施方式
下面将对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本公开的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。在本文中，术语“包括”意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
首先，如图2和图3所示，本实施例公开的轮胎字符识别方法中，包括一台激光线扫3D相机，相机水平地架设在轮胎上方，并保证该相机射出的激光线竖直投射在轮胎被测表面，且激光线的延长线穿过轮胎的圆心，轮胎水平架设，且可通过外部机构驱动其旋转一周。依据本架设，无需外部其他光源，仅通过该3D激光线扫相机即可实现对轮胎表面获取3D图像数据，对于抗外部环境光干扰具有很高的鲁棒性。
具体来说，本实施例的基于激光线扫3D相机的轮胎字符识别方法，如图1所示，包括以下步骤：
S101-获取原始3D图像：激光线扫3D相机对水平放置的轮胎在沿着轮胎竖直轴心线水平转动一周的过程中采集3D图像。
S102-获取自然展平的原始图像：相机扫描完成后，将获取的数据传回工控机，工控机端将得到一幅Width*Height的原始图像，其中，该原始图像的每个像素值均为测得的轮胎表面对应位置的高度值。由于相机的激光线穿过轮胎的圆心，轮胎旋转一周后获得的每一帧数据均被按照行或者列进行对齐排列，因此所得到的整幅图像是沿着轮胎周向自然展平的。由于轮胎表面是弧形，而且字符在轮胎表面的高度差较小，通常只有0.5mm左右，因此，此时所得的原始图像灰度对比度很小，还需做进一步的处理。
S103-图像模糊处理：采用39*39大小的核对原始图像进行均值模糊，以周边像素灰度均值替代原像素值，得到模糊后的新图像。模糊处理矩阵如下：
其中，对于本实施例，Kw＝39，Kh＝39。G即为得到的像素的新灰度值，各个像素的新灰度值组成的图像即为模糊后的新图像。由于通常轮胎表面字符是凸起的(高于背景的)，因此通过均值模糊处理后，新图像中轮胎表面字符位置像素的高度值小于原图像中对应位置像素的高度值，而较为平缓的背景位置处，新图像与原图像的像素高度值相差不大。
S104-图像增强处理:将原始图像与模糊后的图像对应像素点的高度值相减，得到增强3D图像增强3D图像的像素点的像素值满足：Zij＝Yij-Mij，其中，1≤i≤width，1≤j≤height，Zij为增强3D图像中像素点的像素值，Yij为原始图像中像素点的像素值，Mij为模糊后的3D图像中像素点的像素值。在所得到的增强3D图像中，字符位置处的像素高度值大约等于字符凸起的高度，而背景位置处的像素高度值则接近于0。可呈现出如下示意的图像矩阵：其中0表示背景，1表示字符或图案信息等。经过该步骤，可以将带有弧度的3D图像投射至统一的平面上(可称之为零平面)，从而得到自然展平的且不带弧度引起的高度变化的3D图像，使得字符更容易检测。然而由于字符高度范围在整幅增强3D图像中的高度占比较小，因此仍需进一步处理。
S105-将得到的增强3D图像映射至2D图像空间：将对应行与列坐标的像素值按照统一比例映射至2D灰度值空间中，即3D数据高度值[Zmin，Zmax]映射至[0，255]，映射后的2D灰度值空间中像素点的像素值满足： 其中，Sij为映射后的2D灰度值空间中像素点的像素值，Zij为增强3D图像中像素点的像素值，Zmax和Zmin分别为截取的增强3D图像空间中压印字符的高度上上线和下限，当Sij>255时，将该Sij取值为255，当Sij<0时，将该Sij取值为0。为了确保所得2D图像中的字符有充分的对比度，结合轮胎工业中字符的实际高度，本实施例中取Zmin＝-0.2，Zmax＝0.35，经验证效果较好。
S106-图像增强处理在所得到的2D图像空间中进行OCR识别：本实例中采用了传统OCR方法和深度学习OCR方法，均得到期望的字符识别结果。传统OCR方法和深度学习OCR方法均可以是现有技术中的任意一种，在此不做赘述。
综上所述，本申请的基于激光线扫3D相机的轮胎字符识别方法，通过激光线扫3D视觉技术对轮胎进行旋转扫描，从而避免外部环境光对于成像质量的干扰，获得的图像可天然地将轮胎图像及其周向字符展平，从而获得良好的原始3D图像数据，然后通过算法处理对原始3D图像进行数据提取，增强字符与背景的对比度，从而提高了字符识别的准确率及鲁棒性。
在本申请所提供的实施例中，应该理解到，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于激光线扫3D相机的轮胎字符识别方法，其特征在于，该方法包括以下步骤：
获取原始3D图像：激光线扫3D相机对水平放置的轮胎在沿着轮胎竖直轴心线水平转动一周的过程中采集3D图像；
获取自然展平的原始图像：激光线扫3D相机扫描完成后，将获取的数据回传至工控机，工控机得到一幅Width*Height的原始图像，其中，该原始图像的每个像素值均为测得的轮胎表面对应位置的高度值；
图像模糊处理：工控机对原始图像进行模糊处理，得到模糊后的3D图像；
图像增强处理：将原始图像与模糊后的3D图像对应像素点的高度值相减，得到增强3D图像；
将得到的增强3D图像映射至2D图像空间：将增强3D图像中对应行与列坐标的像素值按照统一比例映射至2D灰度值空间中；
在所得到的2D图像空间中进行OCR识别：采用OCR方法和深度学习OCR方法，得到轮胎上的字符识别结果。
2.根据权利要求1所述的基于激光线扫3D相机的轮胎字符识别方法，其特征在于，在所述获取原始3D图像中：
所述激光线扫3D相机水平架设于轮胎的上方，该激光线扫3D相机射出的激光线竖直投射在轮胎的被测表面，且该激光线的延长线穿过轮胎的圆心。
3.根据权利要求1所述的基于激光线扫3D相机的轮胎字符识别方法，其特征在于，在所述图像模糊处理中：
采用39*39大小的核对原始图像进行均值模糊，以周边像素均值替代原像素值，得到模糊后的新图像。
4.根据权利要求3所述的基于激光线扫3D相机的轮胎字符识别方法，其特征在于，所述的采用39*39大小的核对原始图像进行均值模糊的矩阵为：
其中，Kw＝39，Kh＝39，G为得到的像素的新灰度值，各个像素的新灰度值组成的图像为模糊后的3D图像。
5.根据权利要求1所述的基于激光线扫3D相机的轮胎字符识别方法，其特征在于，在所述图像增强处理中：
增强3D图像的像素点的像素值满足：Zij＝Yij-Mij，其中，1≤i≤width，1≤j≤height，Zij为增强3D图像中像素点的像素值，Yij为原始图像中像素点的像素值，Mij为模糊后的3D图像中像素点的像素值；
得到的增强3D图像中，字符位置处的像素高度值大约等于字符凸起的高度，背景位置处的像素高度值则接近于0。
6.根据权利要求1所述的基于激光线扫3D相机的轮胎字符识别方法，其特征在于，所述的将增强3D图像中对应行与列坐标的像素值按照统一比例映射至2D灰度值空间中，具体包括：
将3D数据高度值[Zmin，Zmax]映射至[0，255]中，映射后的2D灰度值空间中像素点的像素值满足：其中，Sij为映射后的2D灰度值空间中像素点的像素值，Zij为增强3D图像中像素点的像素值，Zmax和Zmin分别为截取的增强3D图像空间中压印字符的高度上上线和下限，当Sij>255时，将该Sij取值为255，当Sij<0时，将该Sij取值为0。
7.根据权利要求6所述的基于激光线扫3D相机的轮胎字符识别方法，其特征在于，所述Zmin＝-0.2，所述Zmin＝0.35。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162997.6A CN117115799A (zh) | 2023-09-11 | 2023-09-11 | 基于激光线扫3d相机的轮胎字符识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311162997.6A CN117115799A (zh) | 2023-09-11 | 2023-09-11 | 基于激光线扫3d相机的轮胎字符识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117115799A true CN117115799A (zh) | 2023-11-24 |
Family
ID=88803776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311162997.6A Pending CN117115799A (zh) | 2023-09-11 | 2023-09-11 | 基于激光线扫3d相机的轮胎字符识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117115799A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020131642A1 (en) * | 2001-02-02 | 2002-09-19 | Lee Shih-Jong J. | Robust method for automatic reading of skewed, rotated or partially obscured characters |
| WO2003023699A1 (de) * | 2001-09-05 | 2003-03-20 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und vorrichtung zum untersuchen eines objekts |
| KR20060132235A (ko) * | 2005-06-17 | 2006-12-21 | 한국타이어 주식회사 | 타이어의 규격을 인식하기 위한 시스템 및 방법 |
| WO2014117870A1 (en) * | 2013-02-04 | 2014-08-07 | Me-Inspection Sk | Method, measuring arrangement and system for inspecting a 3-dimensional object |
| CN207424334U (zh) * | 2017-11-20 | 2018-05-29 | 广州市西克传感器有限公司 | 3d相机调节装置及3d相机 |
| CN108319917A (zh) * | 2018-02-02 | 2018-07-24 | 杭州清本科技有限公司 | 证书图像中关键信息增强方法、装置及系统、存储介质 |
| CN109688351A (zh) * | 2017-10-13 | 2019-04-26 | 华为技术有限公司 | 一种图像信号处理方法、装置及设备 |
| CN110490204A (zh) * | 2019-07-11 | 2019-11-22 | 深圳怡化电脑股份有限公司 | 图像处理方法、图像处理装置及终端 |
| CN111639566A (zh) * | 2020-05-19 | 2020-09-08 | 浙江大华技术股份有限公司 | 一种提取表单信息的方法及装置 |
| WO2021120790A1 (zh) * | 2019-12-19 | 2021-06-24 | 腾讯科技（深圳）有限公司 | 一种图像增强的方法、装置及计算机可读存储介质 |
| CA3171381A1 (en) * | 2020-02-27 | 2021-09-02 | Tailorbird, Inc. | Apparatus and method of converting digital images to three-dimensional construction images |
| CN113490948A (zh) * | 2019-05-14 | 2021-10-08 | 维奥赖特有限公司 | 轮胎侧壁成像方法 |
| DE102021203559A1 (de) * | 2021-04-12 | 2022-10-13 | Continental Reifen Deutschland Gmbh | Verfahren zur Erkennung einer Identifikationsnummer |
| CN115546105A (zh) * | 2022-09-06 | 2022-12-30 | 深圳市优必选科技股份有限公司 | 一种轮胎花纹检测方法、装置、可读存储介质及终端设备 |
| KR20230101531A (ko) * | 2021-12-29 | 2023-07-06 | 한국공학대학교산학협력단 | 3d 레이저 프로파일러를 이용한 타이어 양각 문자 인식 방법 |
-
2023
- 2023-09-11 CN CN202311162997.6A patent/CN117115799A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020131642A1 (en) * | 2001-02-02 | 2002-09-19 | Lee Shih-Jong J. | Robust method for automatic reading of skewed, rotated or partially obscured characters |
| WO2003023699A1 (de) * | 2001-09-05 | 2003-03-20 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und vorrichtung zum untersuchen eines objekts |
| KR20060132235A (ko) * | 2005-06-17 | 2006-12-21 | 한국타이어 주식회사 | 타이어의 규격을 인식하기 위한 시스템 및 방법 |
| WO2014117870A1 (en) * | 2013-02-04 | 2014-08-07 | Me-Inspection Sk | Method, measuring arrangement and system for inspecting a 3-dimensional object |
| CN109688351A (zh) * | 2017-10-13 | 2019-04-26 | 华为技术有限公司 | 一种图像信号处理方法、装置及设备 |
| CN207424334U (zh) * | 2017-11-20 | 2018-05-29 | 广州市西克传感器有限公司 | 3d相机调节装置及3d相机 |
| CN108319917A (zh) * | 2018-02-02 | 2018-07-24 | 杭州清本科技有限公司 | 证书图像中关键信息增强方法、装置及系统、存储介质 |
| CN113490948A (zh) * | 2019-05-14 | 2021-10-08 | 维奥赖特有限公司 | 轮胎侧壁成像方法 |
| CN110490204A (zh) * | 2019-07-11 | 2019-11-22 | 深圳怡化电脑股份有限公司 | 图像处理方法、图像处理装置及终端 |
| WO2021120790A1 (zh) * | 2019-12-19 | 2021-06-24 | 腾讯科技（深圳）有限公司 | 一种图像增强的方法、装置及计算机可读存储介质 |
| CA3171381A1 (en) * | 2020-02-27 | 2021-09-02 | Tailorbird, Inc. | Apparatus and method of converting digital images to three-dimensional construction images |
| CN111639566A (zh) * | 2020-05-19 | 2020-09-08 | 浙江大华技术股份有限公司 | 一种提取表单信息的方法及装置 |
| DE102021203559A1 (de) * | 2021-04-12 | 2022-10-13 | Continental Reifen Deutschland Gmbh | Verfahren zur Erkennung einer Identifikationsnummer |
| KR20230101531A (ko) * | 2021-12-29 | 2023-07-06 | 한국공학대학교산학협력단 | 3d 레이저 프로파일러를 이용한 타이어 양각 문자 인식 방법 |
| CN115546105A (zh) * | 2022-09-06 | 2022-12-30 | 深圳市优必选科技股份有限公司 | 一种轮胎花纹检测方法、装置、可读存储介质及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111260731B (zh) | 一种棋盘格亚像素级角点自适应检测的方法 | |
| CN107993263B (zh) | 环视系统自动标定方法、汽车、标定装置及存储介质 | |
| EP2288135B1 (en) | Deblurring and supervised adaptive thresholding for print-and-scan document image evaluation | |
| US7480409B2 (en) | Degraded character image generation method and apparatus | |
| CN110348264B (zh) | 一种qr二维码图像校正方法及系统 | |
| JP5559619B2 (ja) | 画像比較解析を用いた印刷文書における変更の検出方法 | |
| CN104568986A (zh) | 基于surf算法的遥控器面板印刷缺陷自动检测方法 | |
| CN115170669B (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
| CN114897864B (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
| CN109859137B (zh) | 一种广角相机非规则畸变全域校正方法 | |
| WO2022089263A1 (zh) | 显示图像的校正方法、设备及计算机可读存储介质 | |
| CN110807731A (zh) | 用于补偿图像坏点的方法、装置、系统及存储介质 | |
| CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
| CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
| CN111462246A (zh) | 一种结构光测量系统的设备标定方法 | |
| CN112215030B (zh) | 一种基于柱面二维码的复原和识别方法 | |
| CN117115799A (zh) | 基于激光线扫3d相机的轮胎字符识别方法 | |
| CN115953399B (zh) | 基于轮廓特征与svdd的工业部件结构性缺陷检测方法 | |
| CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 | |
| CN116524041A (zh) | 一种相机标定方法、装置、设备及介质 | |
| CN116597016A (zh) | 一种光纤内窥镜图像标定方法 | |
| CN115187989A (zh) | 图像的处理方法、装置、电子设备、扫描笔和存储介质 | |
| CN114359192A (zh) | 芯片模板标定方法及装置、电子设备及存储介质 | |
| CN116309760B (zh) | 谷物的图像对齐方法及谷物检测设备 | |
| CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 |
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 |