CN117495961A - 一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质 - Google Patents
一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质 Download PDFInfo
- Publication number
- CN117495961A CN117495961A CN202311444517.5A CN202311444517A CN117495961A CN 117495961 A CN117495961 A CN 117495961A CN 202311444517 A CN202311444517 A CN 202311444517A CN 117495961 A CN117495961 A CN 117495961A
- Authority
- CN
- China
- Prior art keywords
- mark
- camera
- printing
- positioning
- checkerboard
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 239000000463 material Substances 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
- B41M5/00—Duplicating or marking methods; Sheet materials for use therein
-
- 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
- G06T7/70—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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质,涉及打印定位技术领域;包括如下步骤,S1:使用打印机打印棋盘格,使用相机拍摄后,建立坐标关系;S2:需要在打印样品的四个角打印定位mark图案;S3:框选定位区域、框选定位mark图案以及选择定位中心建立匹配模板;S4:打印机移动相机到达mark点位置拍照,视觉算法算出mark的物理位置后,将数据反馈给其它工具;本发明实现对打印样品上mark点的定位和测量,提高mark图案的识别性和定位精度,且通用性强,针对不同的物料使用同一个mark图案,则可以达到兼容多种尺寸的打印物料都可以精准对位,用户只需要在软件上框选需要定位的mark图案,就可以完成建立模板。
Description
技术领域
本发明涉及打印定位技术领域,具体是一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质。
背景技术
打印是指在打印过程中确定打印物体或图像在纸张或其他媒介上的位置。通过打印定位,可以确保打印物体准确地放置在所需的位置上,但现有的打印方法需要人工对打印样品进行摆正后,再由打印机进行叠图打印,由于人工受主观影响,对打印样品的摆正无法跟打印机打印的位置完全对准,会造成打印出的图案质量低;且打印的物料有很多种,每种都需要人工对位则需要耗费大量时间精力。
发明内容
本发明的目的在于提供一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质,通过将打印样品上的mark图案作为定位标志,并通过建立坐标关系和模板匹配方式实现精确定位和测量,通过框选定位区域、选择合适的mark图案和定位中心,以及建立匹配模板等步骤,提高了mark图案的识别性和定位精度。
本发明的目的可以通过以下技术方案实现:
本申请提供了一种基于2D视觉的mark点定位打印的检测方法,包括如下步骤:
S1:使用打印机打印棋盘格,使用相机拍摄后,建立坐标关系;
S2:需要在打印样品的四个角打印定位mark图案;
S3:框选定位区域、框选定位mark图案以及选择定位中心建立匹配模板;
S4:打印机移动相机到达mark点位置拍照,视觉算法算出mark的物理位置后,将数据反馈给其它工具。
作为优选的,根据步骤S1所述的建立坐标关系,
S11:打印机打印出与其XY轴方向一致的棋盘格,每个格的距离为10mm;
S12:移动相机对准棋盘格位置进行拍照,视觉算法通过棋盘格位置建立坐标关系。
作为优选的,根据步骤S12所述的建立坐标关系,其步骤包括:
S121:获取棋盘格图像,将打印机打印的棋盘格放置在相机视野内,并使用相机拍摄该棋盘格的图像;
S122:棋盘格角点检测,使用图像处理算法,在拍摄的棋盘格图像中检测棋盘格的角点;
S123:标定角点坐标,根据实际打印的棋盘格的物理尺寸,为检测到的棋盘格角点赋予物理坐标值;
S124:计算相机内参,根据相机的参数和几何关系,计算相机的内参矩阵;
S125:相机外参估计,通过棋盘格角点的物理坐标和在图像中检测到的角点像素坐标,使用相机标定算法估计相机的外参矩阵;
S126:建立坐标关系,根据相机内参矩阵和外参矩阵,将图像中的像素坐标与实际物理世界中的坐标进行映射和关联。
作为优选的,根据步骤S2所述的打印定位mark图案,包括::
S21:用户在打印物料的四个角制作能区别于背景的mark图案;
S22:将相机移动到mark图案上方后,用户在软件上框选需要定位的区域以及定位的图案后,建立模板信息。
作为优选的,根据步骤S3所述的建立匹配模板,使用图像处理软件或自定义算法,框选出打印样品中的定位区域。这个区域应该包含mark图案和用于定位的其他特征,在定位区域内,框选出mark图案,并选择合适的大小和形状来建立匹配模板,在每个mark图案中选择一个合适的位置作为定位中心,这个位置将作为参考点用于计算打印物体的准确位置。
作为优选的,根据步骤S4所述的数据反馈给其它工具,
进入生产,机床带动相机移动到三个mark图案附近,视觉算法将各个mark图案定位后,将坐标数据反馈给其它工具,用于计算物料的中心位置以及旋转角度。
作为优选的,根据步骤S4所述的视觉算法算出mark的物理位置,具体的公式如下:
通过建立坐标关系,并且相机拍摄到的mark图案在图像中的位置为(x,y),再通过如下公式计算mark的物理位置:
X=(x-cx)*s_x;
Y=(y-cy)*s_y;
其中,X和Y是mark图案在物理坐标系统中的位置;x和y是mark图案在图像坐标系统中的位置;cx和cy是定位中心(参考点)在图像坐标系统中的位置;s_x和s_y是图像坐标到物理坐标的缩放因子。
作为优选的,所述物料的中心位置以及旋转角度的计算公式:
设定mark1的坐标为(x1,y1),mark2的坐标为(x2,y2),mark3的坐标为(x3,y3),定位中心的坐标为(cx,cy);
物料中心位置:物料中心的x坐标为(x1+x2+x3)/3;物料中心的y坐标为(y1+y2+y3)/3;
物料旋转角度:
设定mark1和mark2之间的线段与x轴的夹角为θ1,mark2和mark3之间的线段与x轴的夹角为θ2;
物料的旋转角度为θ=(θ1+θ2)/2。
一种基于2D视觉的mark点定位打印的检测设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现上述所述的方法。
一种存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现上述所述的方法。
本发明的有益效果为:
(1)该方法实现对打印样品上mark点的定位和测量,提高mark图案的识别性和定位精度,再通过建立坐标关系和计算公式,计算打印物体的中心位置和旋转角度,进一步完善打印定位的功能;
(2)通用性强,针对不同的物料使用同一个mark图案,则可以达到兼容多种尺寸的打印物料都可以精准对位;
(3)操作便捷,用户只需要在软件上框选需要定位的mark图案,就可以完成建立模板。
附图说明
为了更好地理解和实施,下面结合附图详细说明本申请的技术方案。
图1为本申请实施例1提供的一种基于2D视觉的mark点定位打印的检测方法的流程图;
图2为本申请实施例1提供的一种基于2D视觉的mark点定位打印的检测方法的建立坐标关系流程图;
图3为本申请实施例1提供的一种基于2D视觉的mark点定位打印的检测方法的通过棋盘格位置建立坐标关系流程图;
图4为本申请实施例1提供的一种基于2D视觉的mark点定位打印的检测方法的打印定位mark图案流程图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和系统的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
以下结合附图及较佳实施例,对依据本发明的具体实施方式、特征及其功效做详细说明。
实施例1
请参阅图1-图4,本实施例将打印样品上的mark图案作为定位标志,并通过建立坐标关系和模板匹配方式实现精确定位和测量,通过框选定位区域、选择合适的mark图案和定位中心,以及建立匹配模板等步骤,提高了mark图案的识别性和定位精度。
本实施例提供了一种基于2D视觉的mark点定位打印的检测方法,包括如下步骤:
S1:使用打印机打印棋盘格,使用相机拍摄后,建立坐标关系;打印机按照特定规格和间距打印一个棋盘格图案,确保棋盘格的尺寸和格子之间的距离准确无误,使用相机对打印的棋盘格进行拍摄,并获取与实际坐标系统相关的图像。确保相机和打印机的位置对齐,并校准相机的参数。
S2:需要在打印样品的四个角打印定位mark图案;在打印样品的四个角落设计和打印特定的mark图案。这些mark图案应具有足够的对比度和识别性,以便于后续的定位操作。
S3:框选定位区域、框选定位mark图案以及选择定位中心建立匹配模板;
S4:打印机移动相机到达mark点位置拍照,视觉算法算出mark的物理位置后,将数据反馈给其它工具。
打印机将相机移动到每个mark图案的位置上,并触发相机拍摄。确保相机和打印机的同步运动。
使用视觉算法对拍摄的图像进行处理和分析,识别并定位每个mark图案。这可以通过特征提取、模板匹配或边缘检测等方法来实现。
根据mark点的物理位置和建立的坐标关系,计算出打印物体的准确位置信息。
在本实施例中,根据步骤S1所述的建立坐标关系,
S11:打印机打印出与其XY轴方向一致的棋盘格,每个格的距离为10mm;在打印样品上会生成一个网格状的图案,每个格子之间的距离都是10mm。
S12:移动相机对准棋盘格位置进行拍照,视觉算法通过棋盘格位置建立坐标关系;将图像中的像素坐标与实际物理世界中的坐标进行映射和关联。
通过建立了相机坐标系统与打印样品的物理坐标系统之间的映射关系,可以通过分析图像中的特征点、边缘或mark图案等信息,计算出相应的坐标值,从而实现从图像坐标到实际物理坐标的转换;这种建立坐标关系可以在图像中定位和测量打印样品上的物体或特定区域。例如,如果我们需要确定某个mark图案的位置或计算两个物体之间的距离,可以利用建立的坐标关系进行准确的测量和定位,可以实现对打印样品上物体位置和尺寸的精确测量和定位。
在本实施例中,根据步骤S12所述的通过棋盘格位置建立坐标关系,其步骤包括:
S121:获取棋盘格图像,将打印机打印的棋盘格放置在相机视野内,并使用相机拍摄该棋盘格的图像;
S122:棋盘格角点检测,使用图像处理算法,在拍摄的棋盘格图像中检测棋盘格的角点。这可以通过边缘检测、角点检测等算法实现。常用的角点检测算法包括Harris角点检测、Shi-Tomasi角点检测等;
S123:标定角点坐标,根据实际打印的棋盘格的物理尺寸,为检测到的棋盘格角点赋予物理坐标值。例如,假设每个格子的距离为10mm,则可以将左上角的角点坐标设置为(0,0),然后依次给其他角点分配合适的物理坐标值,如(0,10),(10,0),(10,10),依此类推;
S124:计算相机内参,根据相机的参数和几何关系,计算相机的内参矩阵,包括焦距、光心等参数。相机内参是相机的固有属性,不随拍摄场景的变化而改变;
S125:相机外参估计,通过棋盘格角点的物理坐标和在图像中检测到的角点像素坐标,使用相机标定算法估计相机的外参矩阵,包括相机的旋转矩阵和平移向量。这些外参矩阵描述了相机在世界坐标系下的姿态和位置;
S126:建立坐标关系,根据相机内参矩阵和外参矩阵,将图像中的像素坐标与实际物理世界中的坐标进行映射和关联。可以使用透视投影变换等方法,将像素坐标转换为物理坐标。
在本实施例中,根据步骤S2所述的打印定位mark图案,包括::
S21:用户在打印物料的四个角制作能区别于背景的mark图案;在打印物料的四个角落设计和打印特定的mark图案,以便在后续的定位过程中能够与背景区分开来,这些mark图案是独特的形状、颜色或纹理,以提供足够的对比度和识别性。
S22:将相机移动到mark图案上方后,用户在软件上框选需要定位的区域以及定位的图案后,建立模板信息;通过框选定位区域,可以明确指定需要进行定位的范围,在定位区域内,框选mark图案,并选择合适的大小和形状来建立与之对应的匹配模板,这些模板信息包含了mark图案的特征和位置信息,用于后续的视觉算法处理和定位计算。
通过建立了mark图案的模板信息,并在软件中存储了相应的图像特征和位置数据,这样,当相机在实际操作中拍摄mark图案时,使用这些模板信息进行图像处理和匹配计算,从而精确地识别和定位mark图案;能够实现在打印物料上创建独特的mark图案,并利用软件工具建立相应的模板信息。这样可以提高mark图案的识别性和定位精度,进而实现准确的打印定位。
在本实施例中,根据步骤S3所述的建立匹配模板,
使用图像处理软件或自定义算法,框选出打印样品中的定位区域。这个区域应该包含mark图案和用于定位的其他特征,例如周围的边缘、纹理等。因此,通过精确的定位区域,可以提高定位的准确性。在定位区域内,框选出mark图案,并选择合适的大小和形状来建立匹配模板,通过建立匹配模板,可以在后续的视觉算法处理中使用模板匹配等方法来识别和定位mark图案。在每个mark图案中选择一个合适的位置作为定位中心,这个位置将作为参考点用于计算打印物体的准确位置,通过选择合适的定位中心,可以减小误差并提高定位的精确性。
通过选择合适的大小和形状建立匹配模板,可以提高mark图案的识别性。合适的模板大小和形状能够更好地适应mark图案的特征,并提供更准确的匹配结果,从而增强mark图案的识别能力。
在本实施例中,根据步骤S4所述的数据反馈给其它工具,
进入生产,机床带动相机移动到三个mark图案附近,视觉算法将各个mark图案定位后,将坐标数据反馈给其它工具,用于计算物料的中心位置以及旋转角度。
在本实施例中,根据步骤S4所述的视觉算法算出mark的物理位置,具体的公式如下:
通过建立了坐标关系,并且相机拍摄到的mark图案在图像中的位置为(x,y),再通过如下公式计算mark的物理位置:
X=(x-cx)*s_x;
Y=(y-cy)*s_y;
其中,X和Y是mark图案在物理坐标系统中的位置;x和y是mark图案在图像坐标系统中的位置;cx和cy是定位中心(参考点)在图像坐标系统中的位置;s_x和s_y是图像坐标到物理坐标的缩放因子。
这个公式的基本思想是将图像坐标映射到物理坐标,通过减去定位中心的坐标并乘以缩放因子来得到物理位置。
计算mark的物理位置时,根据不同的物料尺寸,可以灵活调整建立的坐标关系和物理位置计算公式。例如,在计算物料中心位置时,可以根据实际情况选择不同数量的mark图案参与计算,以适应不同尺寸物料的定位要求。
在本实施例中,所述物料的中心位置以及旋转角度的计算公式:
设定mark1的坐标为(x1,y1),mark2的坐标为(x2,y2),mark3的坐标为(x3,y3),定位中心的坐标为(cx,cy);
物料中心位置:物料中心的x坐标为(x1+x2+x3)/3;物料中心的y坐标为(y1+y2+y3)/3;
物料旋转角度:
设定mark1和mark2之间的线段与x轴的夹角为θ1,mark2和mark3之间的线段与x轴的夹角为θ2;
物料的旋转角度为θ=(θ1+θ2)/2。
一种基于2D视觉的mark点定位打印的检测设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现上述所述的方法。
一种存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现上述所述的方法。
实施例2
本实施例通过引入实时检测和跟踪,使用实时检测和跟踪算法,在打印过程中实时调整相机的位置,以实现更精确的定位和对齐。
本实施例提供了一种基于2D视觉的mark点定位打印的检测方法,包括如下步骤,
选择合适的目标检测算法,目标检测算法用于在图像或视频中准确定位mark图案的位置。常见的目标检测算法包括基于深度学习的方法,如YOLO、FasterR-CNN等,以及传统的特征提取和机器学习方法,如Haar特征和支持向量机(SVM)。根据应用场景的需求和资源限制,选择适合的目标检测算法。
数据采集和标注,为了训练目标检测模型,需要收集带有mark图案的图像数据,并进行标注。标注的方式可以是手工标注或者使用辅助工具进行自动标注。标注的结果需要包含mark图案的边界框位置信息;
训练目标检测模型,使用采集和标注的数据训练目标检测模型。通过输入图像,模型能够输出mark图案的位置信息,即边界框的坐标;
实时检测,在打印过程中,将相机捕获的图像输入到目标检测模型中,实时检测mark图案的位置。根据检测结果,获取mark图案的当前位置坐标;
目标跟踪,使用目标跟踪算法对mark图案进行跟踪,以获取其运动轨迹,常见的目标跟踪算法包括基于卡尔曼滤波器和粒子滤波器的方法。这些算法可以根据先前的观测结果和系统动力学模型预测mark图案的下一个位置,并更新跟踪结果;
实时调整相机位置,根据mark图案的位置和运动轨迹,通过控制相机的移动来实现更精确的定位和对齐。例如,如果mark图案偏离了期望位置,可以通过调整相机的平移或旋转来纠正偏差,使mark图案与期望位置对齐;
循环迭代,在打印过程中,不断进行实时检测、目标跟踪和相机调整的循环迭代,以持续监测mark图案的位置和运动轨迹,并实时调整相机位置,从而实现更精确的定位和对齐效果。
本实施例通过引入实时检测和跟踪算法来监测mark图案的位置和运动轨迹可以提高打印过程中相机的定位和对齐精度。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于2D视觉的mark点定位打印的检测方法,其特征在于:包括如下步骤:
S1:使用打印机打印棋盘格,使用相机拍摄后,建立坐标关系;
S2:需要在打印样品的四个角打印定位mark图案;
S3:框选定位区域、框选定位mark图案以及选择定位中心建立匹配模板;
S4:打印机移动相机到达mark点位置拍照,视觉算法算出mark的物理位置后,将数据反馈给其它工具。
2.根据权利要求1所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:根据步骤S1所述的建立坐标关系,
S11:打印机打印出与其XY轴方向一致的棋盘格,每个格的距离为10mm;
S12:移动相机对准棋盘格位置进行拍照,视觉算法通过棋盘格位置建立坐标关系。
3.根据权利要求2所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:根据步骤S12所述的建立坐标关系,其步骤包括:
S121:获取棋盘格图像,将打印机打印的棋盘格放置在相机视野内,并使用相机拍摄该棋盘格的图像;
S122:棋盘格角点检测,使用图像处理算法,在拍摄的棋盘格图像中检测棋盘格的角点;
S123:标定角点坐标,根据实际打印的棋盘格的物理尺寸,为检测到的棋盘格角点赋予物理坐标值;
S124:计算相机内参,根据相机的参数和几何关系,计算相机的内参矩阵;
S125:相机外参估计,通过棋盘格角点的物理坐标和在图像中检测到的角点像素坐标,使用相机标定算法估计相机的外参矩阵;
S126:建立坐标关系,根据相机内参矩阵和外参矩阵,将图像中的像素坐标与实际物理世界中的坐标进行映射和关联。
4.根据权利要求1所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:根据步骤S2所述的打印定位mark图案,包括::
S21:用户在打印物料的四个角制作能区别于背景的mark图案;
S22:将相机移动到mark图案上方后,用户在软件上框选需要定位的区域以及定位的图案后,建立模板信息。
5.根据权利要求1所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:根据步骤S3所述的建立匹配模板,使用图像处理软件或自定义算法,框选出打印样品中的定位区域。这个区域应该包含mark图案和用于定位的其他特征,在定位区域内,框选出mark图案,并选择合适的大小和形状来建立匹配模板,在每个mark图案中选择一个合适的位置作为定位中心,这个位置将作为参考点用于计算打印物体的准确位置。
6.根据权利要求1所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:根据步骤S4所述的数据反馈给其它工具,
进入生产,机床带动相机移动到三个mark图案附近,视觉算法将各个mark图案定位后,将坐标数据反馈给其它工具,用于计算物料的中心位置以及旋转角度。
7.根据权利要求1所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:根据步骤S4所述的视觉算法算出mark的物理位置,具体的公式如下:
通过建立坐标关系,并且相机拍摄到的mark图案在图像中的位置为(x,y),再通过如下公式计算mark的物理位置:
X=(x-cx)*s_x;
Y=(y-cy)*s_y;
其中,X和Y是mark图案在物理坐标系统中的位置;x和y是mark图案在图像坐标系统中的位置;cx和cy是定位中心(参考点)在图像坐标系统中的位置;s_x和s_y是图像坐标到物理坐标的缩放因子。
8.根据权利要求5所述的一种基于2D视觉的mark点定位打印的检测方法,其特征在于:所述物料的中心位置以及旋转角度的计算公式:
设定mark1的坐标为(x1,y1),mark2的坐标为(x2,y2),mark3的坐标为(x3,y3),定位中心的坐标为(cx,cy);
物料中心位置:物料中心的x坐标为(x1+x2+x3)/3;物料中心的y坐标为(y1+y2+y3)/3;
物料旋转角度:
设定mark1和mark2之间的线段与x轴的夹角为θ1,mark2和mark3之间的线段与x轴的夹角为θ2;
物料的旋转角度为θ=(θ1+θ2)/2。
9.一种基于2D视觉的mark点定位打印的检测设备,其特征在于:包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-8中任一项所述的方法。
10.一种存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311444517.5A CN117495961A (zh) | 2023-11-01 | 2023-11-01 | 一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311444517.5A CN117495961A (zh) | 2023-11-01 | 2023-11-01 | 一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117495961A true CN117495961A (zh) | 2024-02-02 |
Family
ID=89670084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311444517.5A Pending CN117495961A (zh) | 2023-11-01 | 2023-11-01 | 一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495961A (zh) |
-
2023
- 2023-11-01 CN CN202311444517.5A patent/CN117495961A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108297096B (zh) | 校准装置、校准方法以及计算机能够读取的介质 | |
CN111775146B (zh) | 一种工业机械臂多工位作业下的视觉对准方法 | |
CN106426161B (zh) | 在引导装配环境中将机器视觉坐标空间关联的系统和方法 | |
CN109029257B (zh) | 基于立体视觉和结构光视觉的大型工件位姿测量系统、方法 | |
CN110539109B (zh) | 一种基于单双目视觉的机器人自动焊接系统及方法 | |
US8095237B2 (en) | Method and apparatus for single image 3D vision guided robotics | |
CN107931012B (zh) | 一种提取点胶路径的方法及点胶系统 | |
US6816755B2 (en) | Method and apparatus for single camera 3D vision guided robotics | |
JP5815761B2 (ja) | 視覚センサのデータ作成システム及び検出シミュレーションシステム | |
US11972589B2 (en) | Image processing device, work robot, substrate inspection device, and specimen inspection device | |
JP2019169156A (ja) | 対象物の仮想組立により組立システムをトレーニングするためのビジョンシステム | |
CN106625713A (zh) | 提高涂胶工业机器人涂胶精度的方法 | |
CN106780623A (zh) | 一种机器人视觉系统快速标定方法 | |
CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
CN113744336A (zh) | 一种辅助定位方法、装置及计算机可读存储介质 | |
TWI699264B (zh) | 視覺導引機器手臂校正方法 | |
CN111612794A (zh) | 基于多2d视觉的零部件高精度三维位姿估计方法及系统 | |
US20220230348A1 (en) | Method and apparatus for determining a three-dimensional position and pose of a fiducial marker | |
CN109297409B (zh) | 电池位移的识别定位装置及方法 | |
CN110815201B (zh) | 机器手臂校正坐标的方法 | |
CN110640303B (zh) | 高精度视觉定位系统及其定位校准方法 | |
EP3706951B1 (en) | Laser marking through the lens of an image scanning system | |
CN112529856A (zh) | 确定操作对象位置的方法、机器人和自动化系统 | |
CN117495961A (zh) | 一种基于2D视觉的mark点定位打印的检测方法、设备及储存介质 | |
CN114147727B (zh) | 一种机器人位姿校正的方法、装置和系统 |
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 |