CN117455921B - 基于小视野镜头的大景深成像检测方法及系统 - Google Patents
基于小视野镜头的大景深成像检测方法及系统 Download PDFInfo
- Publication number
- CN117455921B CN117455921B CN202311798872.2A CN202311798872A CN117455921B CN 117455921 B CN117455921 B CN 117455921B CN 202311798872 A CN202311798872 A CN 202311798872A CN 117455921 B CN117455921 B CN 117455921B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- straight line
- view image
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000003384 imaging method Methods 0.000 title claims abstract description 26
- 238000003708 edge detection Methods 0.000 claims abstract description 20
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000001502 supplementing effect Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- 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
- G06T2207/30244—Camera pose
Abstract
本发明公开了一种基于小视野镜头的大景深成像检测方法及系统,包括获取近景图像;沿着镜头光心所在的光轴调整相机位置,获取远景图像;根据得到的近景图像和远景图像,提取标识点坐标,进行边缘检测;根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的距离;判断所述计算标识点到边缘直线的距离是否满足检测要求,完成检测。本申请采用远心镜头结合驱动电机的方式,在满足清晰度的前提下,移动后两次拍照,既实现了小视野也满足了大景深的要求,实现了使用单像素的物理距离将图像距离转换为实际距离,简化了计算过程。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种基于小视野镜头的大景深成像检测方法及系统。
背景技术
在实际工业生产中,还往往需要采用远心镜头对大尺寸的待测工件拍照然后进行工业测量,为了使待测工件全部位于远心镜头的视野范围内,就需要使用大视野的远心镜头,但是,一般情况下,相机镜头的视野与景深是成正比的,即“视野越大,景深越大”,反之则是“视野越小,景深越小”因此,使用小视野镜头进行图像获取,并不能实现对图像大景深的要求,现有技术中,为了实现的视野的需要可以用小视野的远心镜头对待测工件的不同部位进行拍摄后,将拍摄得到的多张图片进行拼接后得到完整的待测工件表面图片,然后进行工业测量。例如在申请号为 202010500279 .5,名称为“基于远心镜头的图像采集装置”的专利中,即是利用电机可驱动远心镜头绕旋转轴进行旋转,从而可对远心镜头下方大于远心镜头视野近4倍的待测工件表面进行图像采集,但是此种方法仍然是忽略了景深要求,对于微小的立体工件,无法达到检测精度的要求。
发明内容
因此,本发明的目的在于提供一种基于小视野镜头的大景深成像检测方法及系统,采用远心镜头结合驱动电机的方式,在满足清晰度的前提下,移动后两次拍照,既实现了小视野也满足了大景深的要求。
为了实现上述目的,本发明实施例提供的一种基于小视野镜头的大景深成像检测方法,包括以下步骤:
S1、获取近景图像;
S2、沿着镜头光心所在的光轴调整相机位置,获取远景图像;
S3、在得到的近景图像和远景图像中,分别提取标识点坐标和进行边缘检测;
S4、根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的实际距离;
S5、判断所述标识点到边缘直线的距离是否满足检测要求,完成检测。
进一步优选的,在S3中,还包括对得到的近景图像和远景图像分别识别感兴趣区域,得到感兴趣近景图像和感兴趣远景图像;对感兴趣近景图像进行边缘检测,对感兴趣远景图像提取标识点坐标。
进一步优选的,在S3中,将所述近景图像和远景图像进行融合,得到合成图像;
利用所述合成图像,识别感兴趣区域,在感兴趣区域中提取标识点坐标,进行边缘检测。
进一步优选的,在S3中,所述提取标识点坐标包括以下步骤:
在标识点附近划定感兴趣区域,在感兴趣区域内使用腐蚀膨胀算法去除图像噪点,提取标识点的中心点坐标,其中,标识点为多个,每个标识点对应一个感兴趣区域。
进一步优选的,在S3中,所述进行边缘检测,包括以下步骤:
S301、对感兴趣近景图像使用膨胀腐蚀算法,将图像中噪点清除;
S302、对边缘进行亚像素拟合,形成多段线段;
S303、根据线段横坐标中心点和纵坐标中心点对拟合的边缘线段进行筛选;筛选出线段横坐标中心点和纵坐标中心点符合预设偏差阈值的横向和纵向边缘线段;
S304、将得到的横向和纵向边缘线段进行二次筛选,筛选出最长的线段作为横向和纵向边缘线段的代表;
S305、将横向和纵向边缘线段的代表拟合成一条直线,作为边缘检测得到的横向和纵向边缘直线。
进一步优选的,在S4中,所述计算标识点到边缘直线的实际距离,包括如下步骤:
分别求取横向单像素精度和纵向单像素精度;
分别计算标识点距离横向边缘直线和纵向边缘直线的像素总数,作为横向图像距离和纵向图像距离;
按照实际距离=图像距离*单像素精度;分别求取标识点到横向边缘直线的实际距离和标识点到纵向边缘直线的实际距离。
进一步优选的,所述横向单像素精度=横向视野/相机横向像素总数;所述纵向单像素精度=纵向视野/相机纵向像素总数。
本发明还提供一种基于小视野镜头的大景深成像检测系统,用于实施上述基于小视野镜头的大景深成像检测方法的步骤,包括远心镜头、驱动结构、补光光源和图像处理模块,其中所述远心镜头位于相机内;
所述补光光源用于在远心镜头拍照时进行补光;
所述驱动结构用于沿着镜头光心所在的光轴调整相机位置,带动远心镜头获取近景图像和远景图像;
所述图像处理模块,用于根据得到的近景图像和远景图像,在得到的近景图像和远景图像中,分别提取标识点坐标和进行边缘检测;根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的实际距离;判断所述标识点到边缘直线的距离是否满足检测要求,完成检测。
进一步优选的,所述补光光源,采用高角度环形光源,将光源打入被检测微小工件的孔内,所述补光光源与相机保持相对位置固定安装在驱动结构上。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质用于存储指令,当存储的指令在计算机上运行时,使得所述计算机执行如上述基于小视野镜头的大景深成像检测方法的步骤。
本申请公开的一种基于小视野镜头的大景深成像检测方法及系统,针对存在纵深差别的微小工件进行合格检测的场景,采用远心镜头结合驱动电机的方式,在满足清晰度的前提下,移动后两次拍照,既实现了小视野也满足了大景深要求,实现了使用单像素的物理距离将图像距离转换为实际距离,简化了计算过程;这种移动两次拍照的检测理念,也解决了在微小工件检测领域,因两次拍照面存在高度差,而无法一次清晰成像的问题。
附图说明
图1为本发明基于小视野镜头的大景深成像检测方法的流程示意图;
图2为本发明基于小视野镜头的大景深成像检测系统的结构示意图;
图3为实施例中被检测工件的检测要求示意图;
图4为图3所示实施例中获取的近景图像;
图5为图3所示实施例中获取的远景图像。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图1所示,本发明一方面实施例提供的一种基于小视野镜头的大景深成像检测方法,包括以下步骤
S1、获取近景图像;
S2、沿着镜头光心所在的光轴调整相机位置,获取远景图像;
S3、根据得到的近景图像和远景图像,识别感兴趣区域,在感兴趣区域中提取标识点坐标,进行边缘检测;
S4、根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的距离;
S5、判断所述标识点到边缘直线的距离是否满足检测要求,完成检测。
本申请适用于对存在纵深差别的微小工件进行合格检测,例如,带插针的器件或者带凹槽的元件等;其中检测要求为根据产品要求设定的阈值范围,测量出来的间距数值在上下限内就是合格的,否则就是不合格的,检测精度可达0.01mm。
在本申请的一个实施例中,在S3中,还包括对得到的近景图像和远景图像分别识别感兴趣区域;以本实施例的插针为例,对近景图像识别感兴趣区域,即划分标识点所在的区域为感兴趣区域,对远景图像划分边缘处为感兴趣区域;对近景图像和远景图像分别进行边缘检测和提取标识点坐标;在本实施例中在近景图像中识别的感兴趣区域中提取标识点坐标,在远景图像识别的感兴趣区域中提取边缘直线。将检测到的边缘直线与标识点进行融合后,计算标识点到边缘直线的距离。
在本申请的另一个实施例中,在S3中,将所述近景图像和远景图像进行融合,得到合成图像;利用所述合成图像,识别感兴趣区域;在感兴趣区域中提取标识点坐标,进行边缘检测。
由于两张图的视野范围是一样的,这样,插针和边缘在两张图里的位置就是它们实际在平面内的位置,插针的图和边缘的图只是垂向高度的区别,在近景插针的图提取插针中心点坐标,远景边缘的图提取边缘直线,然后求取点到直线的距离,进行检测。
在S3中,所述提取标识点坐标包括以下步骤:
在标识点附近划定感兴趣区域,在感兴趣区域内使用腐蚀膨胀算法去除图像噪点,提取标识点的中心点坐标,其中,标识点为多个,每个标识点对应一个感兴趣区域。
在S3中,所述进行边缘检测,包括以下步骤:
S301、对感兴趣近景图像使用膨胀腐蚀算法,将图像中噪点清除;
S302、对边缘进行亚像素拟合,形成多段线段,这样可以更精细地描述图像中的边缘信息;
S303、根据线段横坐标中心点和纵坐标中心点对拟合的边缘线段进行筛选;筛选出线段横坐标中心点和纵坐标中心点符合预设偏差阈值的横向和纵向边缘线段;
S304、将得到的横向和纵向边缘线段进行二次筛选,筛选出最长的线段作为横向和纵向边缘线段的代表;
S305、将横向和纵向边缘线段的代表各自拟合成一条直线,作为边缘检测得到的横向和纵向边缘直线。
进一步优选的,在S4中,所述计算标识点到边缘直线的距离,包括以下过程:
分别求取横向单像素精度和纵向单像素精度;
分别计算标识点距离横向边缘直线和纵向边缘直线的像素总数,作为横向图像距离和纵向图像距离;
按照实际距离=图像距离*单像素精度;分别求取标识点到横向边缘直线的实际距离和标识点到纵向边缘直线的实际距离。
其中,所述横向单像素精度=横向视野/相机横向像素总数;所述纵向单像素精度=纵向视野/相机纵向像素总数。
如图2所示,本发明还提供一种基于小视野镜头的大景深成像检测系统,包括远心镜头、驱动结构、补光光源和图像处理模块;
所述补光光源用于在远心镜头拍照时进行补光;
所述驱动结构用于沿着镜头光心所在的光轴调整相机位置,带动远心镜头获取近景图像和远景图像;
所述图像处理模块,用于根据得到的近景图像和远景图像,识别感兴趣区域,并在感兴趣区域中提取标识点坐标,进行边缘检测;根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的距离;判断所述标识点到边缘直线的距离是否满足检测要求,完成检测。
进一步优选的,所述补光光源,采用高角度环形光源,将光源打入被检测微小工件的孔内。
进一步优选的,所述补光光源与相机保持相对位置固定安装在驱动结构上。
如图3所示,本实施例中,待测工件为以微小工件为例,该项目的需求是要测量两根插针距离边缘的长度,插针歪斜超过一定的范围,将影响产品得使用,检测精度可达0.01mm。图中标识点即为插针位置。采用的相机为远心镜头,驱动结构为电缸。具体的检测需求:视觉检测设备可自动识别每次放入的被检测产品的X和Y基准边。插针偏移测试:在设定的标准基础上,可测试出x1、x2、y1、y2的偏移值,精度0.01mm,并对测试结果判定OK/NG,NG报警。
该项目检测视野的实际尺寸是16mm*16mm,最大景深是8mm,要满足此需求,使用一般的镜头不能满足此需求,使用电控镜头也不能满足需求;因此本申请通过沿着镜头光心所在的光轴前后移动后两次拍照,图4为近景图像拍摄基准面,图5为拍摄的远景图像拍摄插针,而后将两张清晰的图像合并到一张图上处理,将所述近景图像和远景图像进行融合,得到合成图像;可准确计算插针的X和Y值,可解决插针面与基准面高度差8mm的问题。
利用所述合成图像,识别感兴趣区域;进行边缘检测,并提取标识点坐标。
需要说明的是,在另外一种图像处理过程中,因两张图的视野范围是相同的,因此对于近景图像和远景图像可以分别识别每张图的感兴趣区域,提取插针的中心坐标和要检测的边缘直线,然后求插针中心坐标到边缘直线的距离即可。
根据得到的标识点坐标,计算标识点到边缘直线的距离时,可使用单像素的物理距离将图像距离转换为实际距离,即:实际距离=图像距离X单像素的物理距离。图像距离为图像上的像素距离,用于表示插针的中心距离左侧和下侧的边缘各有多少个像素。
当插针歪斜时,插针距离边缘的距离X和Y会发生改变,超出客户设定的偏移范围时,可判定为不合格产品;没有超出客户设定的偏移范围时,便是合格品。
本发明还提供一种电子设备,包括:
存储器,存储有计算机程序指令;
处理器,当所述计算机程序指令被所述处理器执行时实现如上述基于小视野镜头的大景深成像检测方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质用于存储指令,当存储的指令在计算机上运行时,使得所述计算机执行如上述基于小视野镜头的大景深成像检测方法的步骤。
显然,上述实施例仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种基于小视野镜头的大景深成像检测方法,其特征在于,包括以下步骤:
S1、获取近景图像;
S2、沿着镜头光心所在的光轴调整相机位置,获取远景图像;
S3、在得到的近景图像和远景图像中,分别提取标识点坐标和进行边缘检测;包括:
对得到的近景图像和远景图像分别识别感兴趣区域,得到感兴趣近景图像和感兴趣远景图像;对感兴趣近景图像进行边缘检测,对感兴趣远景图像提取标识点坐标;
或将所述近景图像和远景图像进行融合,得到合成图像;利用所述合成图像,识别感兴趣区域,在感兴趣区域中提取标识点坐标,进行边缘检测;
S4、根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的实际距离;
S5、判断所述标识点到边缘直线的距离是否满足检测要求,完成检测。
2.根据权利要求1所述的基于小视野镜头的大景深成像检测方法,其特征在于,在S3中,所述提取标识点坐标包括以下步骤:
在标识点附近划定感兴趣区域,在感兴趣区域内使用腐蚀膨胀算法去除图像噪点,提取标识点的中心点坐标,其中,标识点为多个,每个标识点对应一个感兴趣区域。
3.根据权利要求1所述的基于小视野镜头的大景深成像检测方法,其特征在于,在S3中,所述进行边缘检测,包括以下步骤:
S301、对感兴趣近景图像使用膨胀腐蚀算法,将图像中噪点清除;
S302、对边缘进行亚像素拟合,形成多段线段;
S303、根据线段横坐标中心点和纵坐标中心点对拟合的边缘线段进行筛选;筛选出线段横坐标中心点和纵坐标中心点符合预设偏差阈值的横向和纵向边缘线段;
S304、将得到的横向和纵向边缘线段进行二次筛选,筛选出最长的线段作为横向和纵向边缘线段的代表;
S305、将横向和纵向边缘线段的代表各自拟合成一条直线,作为边缘检测得到的横向和纵向边缘直线。
4.根据权利要求3所述的基于小视野镜头的大景深成像检测方法,其特征在于,在S4中,所述计算标识点到边缘直线的实际距离,包括如下步骤:
分别求取横向单像素精度和纵向单像素精度;
分别计算标识点距离横向边缘直线和纵向边缘直线的像素总数,作为横向图像距离和纵向图像距离;
按照实际距离=图像距离*单像素精度;分别求取标识点到横向边缘直线的实际距离和标识点到纵向边缘直线的实际距离。
5.根据权利要求4所述的基于小视野镜头的大景深成像检测方法,其特征在于,所述横向单像素精度=横向视野/相机横向像素总数;
所述纵向单像素精度=纵向视野/相机纵向像素总数。
6.一种基于小视野镜头的大景深成像检测系统,用于实施上述权利要求1-5中任意一项所述基于小视野镜头的大景深成像检测方法的步骤,其特征在于,包括远心镜头、驱动结构、补光光源和图像处理模块,其中所述远心镜头位于相机内;
所述补光光源用于在远心镜头拍照时进行补光;
所述驱动结构用于沿着镜头光心所在的光轴调整相机位置,带动远心镜头获取近景图像和远景图像;
所述图像处理模块,用于根据得到的近景图像和远景图像,在得到的近景图像和远景图像中,分别提取标识点坐标和进行边缘检测;根据得到的标识点坐标和边缘直线,计算标识点到边缘直线的实际距离;判断所述标识点到边缘直线的距离是否满足检测要求,完成检测。
7.根据权利要求6所述的基于小视野镜头的大景深成像检测系统,其特征在于,所述补光光源,采用高角度环形光源,将光源打入被检测微小工件的孔内,所述补光光源与相机保持相对位置固定安装在驱动结构上。
8.一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用于存储指令,当存储的指令在计算机上运行时,使得所述计算机执行如权利要求1至5中任一项所述基于小视野镜头的大景深成像检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311798872.2A CN117455921B (zh) | 2023-12-26 | 2023-12-26 | 基于小视野镜头的大景深成像检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311798872.2A CN117455921B (zh) | 2023-12-26 | 2023-12-26 | 基于小视野镜头的大景深成像检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117455921A CN117455921A (zh) | 2024-01-26 |
CN117455921B true CN117455921B (zh) | 2024-04-02 |
Family
ID=89589648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311798872.2A Active CN117455921B (zh) | 2023-12-26 | 2023-12-26 | 基于小视野镜头的大景深成像检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455921B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006113857A (ja) * | 2004-10-15 | 2006-04-27 | Katsushi Ikeuchi | 模擬視界発生装置 |
JP2018180135A (ja) * | 2017-04-07 | 2018-11-15 | キヤノン株式会社 | 撮像装置 |
CN111988598A (zh) * | 2020-09-09 | 2020-11-24 | 江苏普旭软件信息技术有限公司 | 一种基于远近景分层渲染的视景图像生成方法 |
CN114119459A (zh) * | 2021-09-15 | 2022-03-01 | 苏州超集信息科技有限公司 | 一种电器产品绝缘测试电源口定位方法及系统 |
CN114820793A (zh) * | 2022-05-05 | 2022-07-29 | 浪潮通信信息系统有限公司 | 基于无人机的目标检测及目标点定位方法及系统 |
CN115346368A (zh) * | 2022-07-30 | 2022-11-15 | 东南大学 | 一种基于远、近景多传感器一体融合的交通路侧感知系统及方法 |
CN116634273A (zh) * | 2023-06-13 | 2023-08-22 | 北京海镭光电科技有限公司 | 基于工业相机镜头在景深范围内的自动对焦方法 |
-
2023
- 2023-12-26 CN CN202311798872.2A patent/CN117455921B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006113857A (ja) * | 2004-10-15 | 2006-04-27 | Katsushi Ikeuchi | 模擬視界発生装置 |
JP2018180135A (ja) * | 2017-04-07 | 2018-11-15 | キヤノン株式会社 | 撮像装置 |
CN111988598A (zh) * | 2020-09-09 | 2020-11-24 | 江苏普旭软件信息技术有限公司 | 一种基于远近景分层渲染的视景图像生成方法 |
CN114119459A (zh) * | 2021-09-15 | 2022-03-01 | 苏州超集信息科技有限公司 | 一种电器产品绝缘测试电源口定位方法及系统 |
CN114820793A (zh) * | 2022-05-05 | 2022-07-29 | 浪潮通信信息系统有限公司 | 基于无人机的目标检测及目标点定位方法及系统 |
CN115346368A (zh) * | 2022-07-30 | 2022-11-15 | 东南大学 | 一种基于远、近景多传感器一体融合的交通路侧感知系统及方法 |
CN116634273A (zh) * | 2023-06-13 | 2023-08-22 | 北京海镭光电科技有限公司 | 基于工业相机镜头在景深范围内的自动对焦方法 |
Non-Patent Citations (2)
Title |
---|
基于分段曲线模型的铁路轨道检测算法;郭碧;董昱;;铁道科学与工程学报;20170215(第02期);全文 * |
基于大气散射模型的单幅雾天图像复原方法;刘佳嘉;唐悟甲;刘建华;;中国测试(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117455921A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4245963B2 (ja) | 較正物体を用いて複数のカメラを較正するための方法およびシステム | |
Lahajnar et al. | Machine vision system for inspecting electric plates | |
CN111507976B (zh) | 基于多角度成像的缺陷检测方法及系统 | |
CN107957246B (zh) | 基于双目视觉的传送带上物体几何尺寸测量方法 | |
CN108986070A (zh) | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 | |
CN112161997B (zh) | 半导体芯片管脚三维几何尺寸的在线精密视觉测量方法及系统 | |
CN112629441A (zh) | 基于线结构光动态视觉的3d曲面玻璃轮廓扫描检测方法及系统 | |
CN111996883A (zh) | 一种检测公路路面宽度的方法 | |
EP1467176A1 (en) | Inspection system and method | |
CN115852763A (zh) | 一种视觉控制钢轨缺陷位置检测方法及系统 | |
CN110044266B (zh) | 基于散斑投影的摄影测量系统 | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测系统及方法 | |
US20170111580A1 (en) | Image merging method and image merging device | |
CN117455921B (zh) | 基于小视野镜头的大景深成像检测方法及系统 | |
CN115326835B (zh) | 圆筒内表面检测方法、可视化方法以及检测系统 | |
Tran et al. | Extrinsic calibration of a camera and structured multi-line light using a rectangle | |
CN110634136B (zh) | 一种管道壁破损检测方法、装置及系统 | |
CN114299153A (zh) | 一种超大电力设备的相机阵列同步标定方法及系统 | |
CN112785647A (zh) | 一种三目立体图像检测方法和系统 | |
CN104251687B (zh) | 一种基于镜面图像处理的零件表面平整度检测方法 | |
Uyanik et al. | A method for determining 3D surface points of objects by a single camera and rotary stage | |
EP4075094A1 (en) | Device and method for determining geometric features of hollow end of an object | |
CN112037175B (zh) | 基于机器视觉的陶瓷产品表面斑点检测方法及设备 | |
CN113063352B (zh) | 检测方法及装置、检测设备和存储介质 | |
Zhu et al. | Image quality evaluation method for surface crack detection based on standard test chart |
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 |