CN117128888B - 一种用于不规则保险杠面形的误差识别方法 - Google Patents
一种用于不规则保险杠面形的误差识别方法 Download PDFInfo
- Publication number
- CN117128888B CN117128888B CN202311397721.6A CN202311397721A CN117128888B CN 117128888 B CN117128888 B CN 117128888B CN 202311397721 A CN202311397721 A CN 202311397721A CN 117128888 B CN117128888 B CN 117128888B
- Authority
- CN
- China
- Prior art keywords
- irregular
- surface shape
- bumper
- image
- bumper surface
- 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
- 230000001788 irregular Effects 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 21
- 230000005484 gravity Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/0025—Measuring of vehicle parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及保险杠生产监测领域,尤其涉及一种用于不规则保险杠面形的误差识别方法,包括:S1、获取待识别不规则保险杠面形图像;S2、根据所述待识别不规则保险杠面形图像获取误差识别初步判断结果;S3、根据所述误差识别初步判断结果得到不规则保险杠面形误差识别结果,通过监测视频图像的逐步分析,有效解决了图像效果差,特征不好确定的问题,将误差识别等效为不规则面形的坐标与各坐标间距离的判定,复杂问题简单化处理,点、线、面相互独立处理,提升识别的准确性,同时减少对于产线的干扰。
Description
技术领域
本发明涉及保险杠生产监测领域,具体涉及一种用于不规则保险杠面形的误差识别方法。
背景技术
保险杠是保障汽车安全性的关键部件,加工精度与外观对称性是实现保险杠高质量生产的两大重要指标,关系着保险杠的使用寿命,因此在加工生产中需要进行实时监测,但由于保险杠面形的不规则与生产过程中监测角度的不同,做好高质量保险杠生产监测尤为重要。
发明内容
针对现有技术的不足,本发明提供了一种用于不规则保险杠面形的误差识别方法,通过将不规则面形化面为点,逐级识别监测,提升最终识别准确性。
为实现上述目的,本发明提供了一种用于不规则保险杠面形的误差识别方法,包括:
S1、获取待识别不规则保险杠面形图像;
S2、根据所述待识别不规则保险杠面形图像获取误差识别初步判断结果;
S3、根据所述误差识别初步判断结果得到不规则保险杠面形误差识别结果。
优选的,所述获取待识别不规则保险杠面形图像包括:
获取待识别不规则保险杠面形的实时监测图像;
利用所述实时监测图像获取不规则保险杠面形特征;
根据所述不规则保险杠面形特征对实时监测图像进行标记得到待识别不规则保险杠面形图像。
进一步的,利用所述实时监测图像获取不规则保险杠面形特征包括:
根据所述实时监测图像提取不规则保险杠面形对应不规则几何图形;
获取所述不规则几何图形的顶点作为不规则几何图形的几何特征点;
利用所述几何特征点根据不规则保险杠面形的重心投影点获取标准化几何特征点坐标;
获取相邻几何特征点的直线距离作为几何特征距离;
利用所述标准化几何特征点坐标与几何特征距离作为不规则保险杠面形特征。
进一步的,利用所述几何特征点根据不规则保险杠面形的重心投影点获取标准化几何特征点坐标包括:
利用所述不规则保险杠面形的重心投影点作为坐标原点;
根据所述坐标原点利用不规则保险杠面形的正视水平线作为标准化坐标X轴;
根据所述坐标原点利用不规则保险杠面形的正视水平线的垂线作为标准化坐标Y轴;
利用所述几何特征点根据坐标原点、标准化坐标X轴与标准化坐标Y轴获取标准化几何特征点坐标。
进一步的,根据所述待识别不规则保险杠面形图像获取误差识别初步判断结果包括:
S2-1、获取待识别不规则保险杠面形图像的历史实时监测图像建立图像比对集;
S2-2、根据所述图像比对集进行粗筛选得到第一误差识别初步判断结果;
S2-3、根据所述第一误差识别初步判断结果进行细筛选得到误差识别初步判断结果。
进一步的,根据所述图像比对集进行粗筛选得到第一误差识别初步判断结果包括:
S2-2-1、获取当前待识别不规则保险杠面形图像的水平投影面积;
S2-2-2、判断所述当前待识别不规则保险杠面形图像的水平投影面积与图像比对集中任意子集的水平投影面积差值比例是否大于50%,若是,则直接输出第一误差识别初步判断结果为异常,否则,所述第一误差识别初步判断结果为正常,并输出所述图像比对集中各子集的水平投影面积与当前待识别不规则保险杠面形图像的水平投影面积相似度最高的历史实时监测图像作为历史个体相似识别图像。
进一步的,根据所述第一误差识别初步判断结果进行细筛选得到误差识别初步判断结果包括:
S2-3-1、判断所述第一误差识别初步判断结果是否为正常,若是,则获取当前待识别不规则保险杠面形图像的水平投影面积与历史个体相似识别图像的水平投影面积的相似度作为细筛选阈值,并执行S2-3-2,否则,输出误差识别初步判断结果为异常;
S2-3-2、利用所述个体相似识别图像根据坐标原点、标准化坐标X轴与标准化坐标Y轴获取历史个体相似识别图像对应标准化几何特征点坐标;
S2-3-3、获取当前待识别不规则保险杠面形图像的标准化几何特征点坐标与历史个体相似识别图像对应标准化几何特征点坐标的相似度作为细筛选相似度;
S2-3-4、判断所述细筛选相似度与细筛选阈值是否相同,若是,则所述误差识别初步判断结果为正常,否则,所述误差识别初步判断结果为异常。
进一步的,根据所述误差识别初步判断结果得到不规则保险杠面形误差识别结果包括:
S3-1、当所述误差识别初步判断结果为异常时,所述不规则保险杠面形误差识别结果为异常,并输出当前待识别不规则保险杠面形图像;
S3-2、当所述误差识别初步判断结果为正常时,利用所述待识别不规则保险杠面形图像进行坐标自验证处理得到不规则保险杠面形误差识别结果。
进一步的,利用所述待识别不规则保险杠面形图像进行坐标自验证处理得到不规则保险杠面形误差识别结果包括:
S3-2-1、获取待识别不规则保险杠面形图像的水平投影面积作为标准面积;
S3-2-2、根据所述待识别不规则保险杠面形图像的标准化几何特征点坐标获取待识别不规则保险杠面形图像的计算值面积;
S3-2-3、判断所述标准面积是否大于计算值面积,若是,则所述不规则保险杠面形误差识别结果为异常,否则,执行S3-2-4;
S3-2-4、判断所述标准面积对应图形周长是否大于待识别不规则保险杠面形图像的几何特征距离和,若是,则所述不规则保险杠面形误差识别结果为异常,否则,所述不规则保险杠面形误差识别结果为正常。
与最接近的现有技术相比,本发明具有的有益效果:
在实际生产中,保险杠通过流水线加工生产,通过监测视频图像的逐步分析,有效解决了图像效果差,特征不好确定的问题,将误差识别等效为不规则面形的坐标与各坐标间距离的判定,复杂问题简单化处理,点、线、面相互独立处理,提升识别的准确性,同时减少对于产线的干扰。
附图说明
图1是本发明提供的一种用于不规则保险杠面形的误差识别方法的流程图;
图2是本发明提供的一种用于不规则保险杠面形的误差识别方法的不规则几何图形示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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它实施例,都属于本发明保护的范围。
实施例1:本发明提供了一种用于不规则保险杠面形的误差识别方法,如图1所示,包括:
S1、获取待识别不规则保险杠面形图像;
S2、根据所述待识别不规则保险杠面形图像获取误差识别初步判断结果;
S3、根据所述误差识别初步判断结果得到不规则保险杠面形误差识别结果。
本实施例中,一种用于不规则保险杠面形的误差识别方法,正常保险杠生产中为正面向上,若保险杠正常且位姿合理的情况下,其图像为对称多边形,但由于生产加工中影响因素等未知,因此将其初始认定为不规则面形,并据此进行方案实施延伸。
S1具体包括:
S1-1、获取待识别不规则保险杠面形的实时监测图像;
S1-2、利用所述实时监测图像获取不规则保险杠面形特征;
S1-3、根据所述不规则保险杠面形特征对实时监测图像进行标记得到待识别不规则保险杠面形图像。
S1-2具体包括:
S1-2-1、根据所述实时监测图像提取不规则保险杠面形对应不规则几何图形;
S1-2-2、获取所述不规则几何图形的顶点作为不规则几何图形的几何特征点;
S1-2-3、利用所述几何特征点根据不规则保险杠面形的重心投影点获取标准化几何特征点坐标;
S1-2-4、获取相邻几何特征点的直线距离作为几何特征距离;
S1-2-5、利用所述标准化几何特征点坐标与几何特征距离作为不规则保险杠面形特征。
本实施例中,一种用于不规则保险杠面形的误差识别方法,实时监测图像经过二值化处理,分别得到保险杠与拍摄背景的图像,对当前图像中保险杠区域进行线条提取得出不规则几何图形。
S1-2-3具体包括:
S1-2-3-1、利用所述不规则保险杠面形的重心投影点作为坐标原点;
S1-2-3-2、根据所述坐标原点利用不规则保险杠面形的正视水平线作为标准化坐标X轴;
S1-2-3-3、根据所述坐标原点利用不规则保险杠面形的正视水平线的垂线作为标准化坐标Y轴;
S1-2-3-4、利用所述几何特征点根据坐标原点、标准化坐标X轴与标准化坐标Y轴获取标准化几何特征点坐标。
本实施例中,一种用于不规则保险杠面形的误差识别方法,由于同一产线中标准规格的保险杠重心一致,因此采用重心标定坐标原点,如图2所示,a、b、c、d、e、f、g、h分别为当前不规则几何面形的几何特征点,X、Y轴分别为保险杠安装后,正对车辆的水平线与水平线垂线,上述S1-2-4中涉及几何特征距离为同一待识别保险杠的相邻各点距离,如a与b间距离,即单一几何特征距离,同一面形中全部单一几何特征距离组成几何特征距离。
S2具体包括:
S2-1、获取待识别不规则保险杠面形图像的历史实时监测图像建立图像比对集;
S2-2、根据所述图像比对集进行粗筛选得到第一误差识别初步判断结果;
S2-3、根据所述第一误差识别初步判断结果进行细筛选得到误差识别初步判断结果。
S2-2具体包括:
S2-2-1、获取当前待识别不规则保险杠面形图像的水平投影面积;
S2-2-2、判断所述当前待识别不规则保险杠面形图像的水平投影面积与图像比对集中任意子集的水平投影面积差值比例是否大于50%,若是,则直接输出第一误差识别初步判断结果为异常,否则,所述第一误差识别初步判断结果为正常,并输出所述图像比对集中各子集的水平投影面积与当前待识别不规则保险杠面形图像的水平投影面积相似度最高的历史实时监测图像作为历史个体相似识别图像。
S2-3具体包括:
S2-3-1、判断所述第一误差识别初步判断结果是否为正常,若是,则获取当前待识别不规则保险杠面形图像的水平投影面积与历史个体相似识别图像的水平投影面积的相似度作为细筛选阈值,并执行S2-3-2,否则,输出误差识别初步判断结果为异常;
S2-3-2、利用所述个体相似识别图像根据坐标原点、标准化坐标X轴与标准化坐标Y轴获取历史个体相似识别图像对应标准化几何特征点坐标;
S2-3-3、获取当前待识别不规则保险杠面形图像的标准化几何特征点坐标与历史个体相似识别图像对应标准化几何特征点坐标的相似度作为细筛选相似度;
S2-3-4、判断所述细筛选相似度与细筛选阈值是否相同,若是,则所述误差识别初步判断结果为正常,否则,所述误差识别初步判断结果为异常。
本实施例中,一种用于不规则保险杠面形的误差识别方法,细筛选相似度定义为基于同一坐标原点与坐标轴方向的前提下,利用各坐标的向量值根据欧氏距离公式计算相似度。
S3具体包括:
S3-1、当所述误差识别初步判断结果为异常时,所述不规则保险杠面形误差识别结果为异常,并输出当前待识别不规则保险杠面形图像;
S3-2、当所述误差识别初步判断结果为正常时,利用所述待识别不规则保险杠面形图像进行坐标自验证处理得到不规则保险杠面形误差识别结果。
S3-2具体包括:
S3-2-1、获取待识别不规则保险杠面形图像的水平投影面积作为标准面积;
S3-2-2、根据所述待识别不规则保险杠面形图像的标准化几何特征点坐标获取待识别不规则保险杠面形图像的计算值面积;
S3-2-3、判断所述标准面积是否大于计算值面积,若是,则所述不规则保险杠面形误差识别结果为异常,否则,执行S3-2-4;
S3-2-4、判断所述标准面积对应图形周长是否大于待识别不规则保险杠面形图像的几何特征距离和,若是,则所述不规则保险杠面形误差识别结果为异常,否则,所述不规则保险杠面形误差识别结果为正常。
本本实施例中,一种用于不规则保险杠面形的误差识别方法,S3-2中涉及面积计算的过程,由于前文提出面形与坐标的定义,因此可直接利用公式计算,计算式如下:
其中,i为任意点,(x,y)为任意点对应坐标。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (1)
1.一种用于不规则保险杠面形的误差识别方法,其特征在于,包括:
S1、获取待识别不规则保险杠面形图像;
S1-1、获取待识别不规则保险杠面形的实时监测图像;
S1-2、利用所述实时监测图像获取不规则保险杠面形特征;
S1-2-1、根据所述实时监测图像提取不规则保险杠面形对应不规则几何图形;
S1-2-2、获取所述不规则几何图形的顶点作为不规则几何图形的几何特征点;
S1-2-3、利用所述几何特征点根据不规则保险杠面形的重心投影点获取标准化几何特征点坐标;
S1-2-3-1、利用所述不规则保险杠面形的重心投影点作为坐标原点;
S1-2-3-2、根据所述坐标原点利用不规则保险杠面形的正视水平线作为标准化坐标X轴;
S1-2-3-3、根据所述坐标原点利用不规则保险杠面形的正视水平线的垂线作为标准化坐标Y轴;
S1-2-3-4、利用所述几何特征点根据坐标原点、标准化坐标X轴与标准化坐标Y轴获取标准化几何特征点坐标;
S1-2-4、获取相邻几何特征点的直线距离作为几何特征距离;
S1-2-5、利用所述标准化几何特征点坐标与几何特征距离作为不规则保险杠面形特征;
S1-3、根据所述不规则保险杠面形特征对实时监测图像进行标记得到待识别不规则保险杠面形图像;
S2、根据所述待识别不规则保险杠面形图像获取误差识别初步判断结果;
S2-1、获取待识别不规则保险杠面形图像的历史实时监测图像建立图像比对集;
S2-2、根据所述图像比对集进行粗筛选得到第一误差识别初步判断结果;
S2-2-1、获取当前待识别不规则保险杠面形图像的水平投影面积;
S2-2-2、判断所述当前待识别不规则保险杠面形图像的水平投影面积与图像比对集中任意子集的水平投影面积差值比例是否大于50%,若是,则直接输出第一误差识别初步判断结果为异常,否则,所述第一误差识别初步判断结果为正常,并输出所述图像比对集中各子集的水平投影面积与当前待识别不规则保险杠面形图像的水平投影面积相似度最高的历史实时监测图像作为历史个体相似识别图像;
S2-3、根据所述第一误差识别初步判断结果进行细筛选得到误差识别初步判断结果;
S2-3-1、判断所述第一误差识别初步判断结果是否为正常,若是,则获取当前待识别不规则保险杠面形图像的水平投影面积与历史个体相似识别图像的水平投影面积的相似度作为细筛选阈值,并执行S2-3-2,否则,输出误差识别初步判断结果为异常;
S2-3-2、利用所述个体相似识别图像根据坐标原点、标准化坐标X轴与标准化坐标Y轴获取历史个体相似识别图像对应标准化几何特征点坐标;
S2-3-3、获取当前待识别不规则保险杠面形图像的标准化几何特征点坐标与历史个体相似识别图像对应标准化几何特征点坐标的相似度作为细筛选相似度;
S2-3-4、判断所述细筛选相似度与细筛选阈值是否相同,若是,则所述误差识别初步判断结果为正常,否则,所述误差识别初步判断结果为异常;
S3、根据所述误差识别初步判断结果得到不规则保险杠面形误差识别结果;
S3-1、当所述误差识别初步判断结果为异常时,所述不规则保险杠面形误差识别结果为异常,并输出当前待识别不规则保险杠面形图像;
S3-2、当所述误差识别初步判断结果为正常时,利用所述待识别不规则保险杠面形图像进行坐标自验证处理得到不规则保险杠面形误差识别结果;
S3-2-1、获取待识别不规则保险杠面形图像的水平投影面积作为标准面积;
S3-2-2、根据所述待识别不规则保险杠面形图像的标准化几何特征点坐标获取待识别不规则保险杠面形图像的计算值面积;
S3-2-3、判断所述标准面积是否大于计算值面积,若是,则所述不规则保险杠面形误差识别结果为异常,否则,执行S3-2-4;
S3-2-4、判断所述标准面积对应图形周长是否大于待识别不规则保险杠面形图像的几何特征距离和,若是,则所述不规则保险杠面形误差识别结果为异常,否则,所述不规则保险杠面形误差识别结果为正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311397721.6A CN117128888B (zh) | 2023-10-26 | 2023-10-26 | 一种用于不规则保险杠面形的误差识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311397721.6A CN117128888B (zh) | 2023-10-26 | 2023-10-26 | 一种用于不规则保险杠面形的误差识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117128888A CN117128888A (zh) | 2023-11-28 |
CN117128888B true CN117128888B (zh) | 2024-01-09 |
Family
ID=88856779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311397721.6A Active CN117128888B (zh) | 2023-10-26 | 2023-10-26 | 一种用于不规则保险杠面形的误差识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117128888B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510316A (zh) * | 2009-03-26 | 2009-08-19 | 山东理工大学 | 产品stl模型的变形设计方法 |
CN101806586A (zh) * | 2010-04-21 | 2010-08-18 | 上海交通大学 | 基于图像匹配的汽车密封条截面轮廓测量装置及测量方法 |
CN103196388A (zh) * | 2013-03-21 | 2013-07-10 | 长春工业大学 | 汽车安全气囊边缘轮廓检测方法 |
CN108050957A (zh) * | 2018-01-13 | 2018-05-18 | 山东科技大学 | 一种波形唇油封唇口曲面形状误差测量装置及测量方法 |
CN108933936A (zh) * | 2017-05-25 | 2018-12-04 | 通用汽车环球科技运作有限责任公司 | 用于摄像头校准的方法和装置 |
CN109196302A (zh) * | 2016-03-11 | 2019-01-11 | 中央发条株式会社 | 用于测量涡卷弹簧的形状的装置、方法以及程序 |
CN109858441A (zh) * | 2019-01-30 | 2019-06-07 | 广州轨道交通建设监理有限公司 | 一种用于施工现场的异常状态监测方法与装置 |
CN110285772A (zh) * | 2019-06-20 | 2019-09-27 | 中国人民解放军国防科技大学 | 一种计算全息元件检测精度的评价方法、系统及介质 |
CN110307804A (zh) * | 2019-07-04 | 2019-10-08 | 江南大学 | 一种曲线/曲面品质定量评价方法 |
WO2022142080A1 (zh) * | 2020-12-30 | 2022-07-07 | 稿定(厦门)科技有限公司 | 图像比对方法及装置 |
CN115615353A (zh) * | 2022-09-29 | 2023-01-17 | 上海零眸智能科技有限公司 | 利用平行光检测物体尺寸的方法、装置、设备及存储介质 |
CN115797759A (zh) * | 2023-02-06 | 2023-03-14 | 天津恒达文博科技股份有限公司 | 一种多目标纸张图像快速识别方法 |
CN115930828A (zh) * | 2022-12-26 | 2023-04-07 | 北京卫星制造厂有限公司 | 一种平面板件表面涂层轮廓尺寸检测方法及装置 |
CN116817796A (zh) * | 2023-08-23 | 2023-09-29 | 武汉工程大学 | 基于双远心镜头的曲面工件精确度参数测量方法及装置 |
-
2023
- 2023-10-26 CN CN202311397721.6A patent/CN117128888B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510316A (zh) * | 2009-03-26 | 2009-08-19 | 山东理工大学 | 产品stl模型的变形设计方法 |
CN101806586A (zh) * | 2010-04-21 | 2010-08-18 | 上海交通大学 | 基于图像匹配的汽车密封条截面轮廓测量装置及测量方法 |
CN103196388A (zh) * | 2013-03-21 | 2013-07-10 | 长春工业大学 | 汽车安全气囊边缘轮廓检测方法 |
CN109196302A (zh) * | 2016-03-11 | 2019-01-11 | 中央发条株式会社 | 用于测量涡卷弹簧的形状的装置、方法以及程序 |
CN108933936A (zh) * | 2017-05-25 | 2018-12-04 | 通用汽车环球科技运作有限责任公司 | 用于摄像头校准的方法和装置 |
CN108050957A (zh) * | 2018-01-13 | 2018-05-18 | 山东科技大学 | 一种波形唇油封唇口曲面形状误差测量装置及测量方法 |
CN109858441A (zh) * | 2019-01-30 | 2019-06-07 | 广州轨道交通建设监理有限公司 | 一种用于施工现场的异常状态监测方法与装置 |
CN110285772A (zh) * | 2019-06-20 | 2019-09-27 | 中国人民解放军国防科技大学 | 一种计算全息元件检测精度的评价方法、系统及介质 |
CN110307804A (zh) * | 2019-07-04 | 2019-10-08 | 江南大学 | 一种曲线/曲面品质定量评价方法 |
WO2022142080A1 (zh) * | 2020-12-30 | 2022-07-07 | 稿定(厦门)科技有限公司 | 图像比对方法及装置 |
CN115615353A (zh) * | 2022-09-29 | 2023-01-17 | 上海零眸智能科技有限公司 | 利用平行光检测物体尺寸的方法、装置、设备及存储介质 |
CN115930828A (zh) * | 2022-12-26 | 2023-04-07 | 北京卫星制造厂有限公司 | 一种平面板件表面涂层轮廓尺寸检测方法及装置 |
CN115797759A (zh) * | 2023-02-06 | 2023-03-14 | 天津恒达文博科技股份有限公司 | 一种多目标纸张图像快速识别方法 |
CN116817796A (zh) * | 2023-08-23 | 2023-09-29 | 武汉工程大学 | 基于双远心镜头的曲面工件精确度参数测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117128888A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819883B (zh) | 一种规则对象检测及定位方法 | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN114022483B (zh) | 一种基于边缘特性的注塑飞边区域识别方法 | |
TW201516969A (zh) | 視訊物件追蹤方法 | |
CN115184368A (zh) | 一种铸件缺陷检测控制系统 | |
CN112528868A (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
CN111401449A (zh) | 一种基于机器视觉的图像匹配方法 | |
CN108256385A (zh) | 基于视觉的前方车辆检测方法 | |
CN104408727B (zh) | 一种图像边缘污点检测方法及系统 | |
CN117128888B (zh) | 一种用于不规则保险杠面形的误差识别方法 | |
CN105741326A (zh) | 一种基于聚类融合的视频序列的目标跟踪方法 | |
CN112907601B (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN110415331A (zh) | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN107710229B (zh) | 图像中的形状识别方法、装置、设备及计算机存储介质 | |
CN110977064B (zh) | 基于点云数据处理的成型电极损耗最优修整量实现方法 | |
CN114240871A (zh) | 一种面向工件成型过程中轮廓检测的点云数据处理方法 | |
CN113963129A (zh) | 基于点云的船舶小构件模板匹配与在线识别方法 | |
Ma et al. | Algorithm research on location of bottle mouth and bottom in intelligent empty bottle inspection system | |
CN114087989B (zh) | 汽车缸体工件定位孔圆心三维坐标测量方法及系统 | |
Yu et al. | A method for improving the detection accuracy of subpixel edge | |
Yan et al. | Research of Sub-pixel Inner Diameter Measurement of Workpiece Based on OpenCV | |
CN117611589B (zh) | 一种平板电脑质量检测方法及系统 | |
CN112818781B (zh) | 基于视觉缩放法判断串型水果母枝干扰类型的方法 | |
CN116311073A (zh) | 一种智能安防系统及运行方法 |
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 |