CN117611654A - 一种主轴热伸长测试方法及测试装置 - Google Patents
一种主轴热伸长测试方法及测试装置 Download PDFInfo
- Publication number
- CN117611654A CN117611654A CN202410099738.1A CN202410099738A CN117611654A CN 117611654 A CN117611654 A CN 117611654A CN 202410099738 A CN202410099738 A CN 202410099738A CN 117611654 A CN117611654 A CN 117611654A
- Authority
- CN
- China
- Prior art keywords
- gray
- residual
- thermal
- image
- thermal elongation
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 61
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000010998 test method Methods 0.000 claims description 9
- 239000003102 growth factor Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 230000004323 axial length Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请提供了一种主轴热伸长测试方法及测试装置,通过启动热伸长测试后,获取目标主轴的热伸长监测图像集,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集,选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,重复上述步骤,确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵,根据所有的残差特征熵确定目标主轴热伸长的增长系数,通过所述增长系数确定目标主轴的热伸长量,避免了高温引起的微透镜效应对主轴热伸长测量准确性的影响,可实现主轴在高温下的热伸长测量。
Description
技术领域
本申请涉及主轴测试技术领域,特别是本申请涉及一种主轴热伸长测试方法及测试装置。
背景技术
主轴测试是对机械系统中的主轴进行性能和精度测试的过程,机械主轴是支持和旋转刀具、工具或工件的关键组件,通常涉及:几何精度、轴向、振动和温度稳定性等,主轴测试的目的是确保主轴的运行稳定、准确性和质量。
主轴热伸长测试是指对机械主轴在运行过程中由于热变形引起的轴向长度变化进行测试和监测的过程,机械主轴在长时间且高速运转时会因为摩擦和内部热源而产生大量热量,导致主轴的热伸长,即主轴的轴向长度发生变化,从而对作业过程的精度和稳定性产生极大影响,然而现有的技术中的测量工具只能测量一定温度下的热伸长量,若温度过高则会对测量工具造成损害,当采用图像处理技术对高温下的主轴进行热伸长量的计算时,也会由于主轴温度过高而引起的微透镜效应造成主轴图像长度获取不准确,具体来说,微透镜效应指的是由于主轴温度过高使得主轴周围的光线发生折射和偏转,因此如何避免高温引起的微透镜效应对主轴热伸长测量准确性的影响,实现主轴在高温下的热伸长测量成为了业界面临的难题。
发明内容
基于此,本申请提供一种用以避免高温引起的微透镜效应对主轴热伸长测量准确性的影响,实现主轴在高温下的热伸长测量的主轴热伸长测试方法及测试装置。
第一方面,本申请提供一种主轴热伸长测试方法,包括如下步骤:
启动热伸长测试,获取目标主轴的热伸长监测图像集;
对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集;
选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,重复上述步骤,确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵;
根据所有的残差特征熵确定目标主轴热伸长的增长系数;
通过所述增长系数确定目标主轴的热伸长量。
在一些实施例中,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集具体包括:
提取每张热伸长监测图像中目标主轴的主轴图像;
选取一张主轴图像,获取该张主轴图像中每个像素点的三通道颜色值;
将每个像素点的三通道颜色值按照预设的比例系数进行求和,得到对应像素点的灰度像素值;
将所有的灰度像素值对该张主轴图像中对应像素点的三通道颜色值进行替换,得到该张主轴图像的主轴灰度图像;
重复上述步骤,得到剩余主轴图像的主轴灰度图像;
将所有的主轴灰度图像作为热伸长灰度图像,进而得到热伸长灰度图像集。
在一些实施例中,确定该张热伸长灰度图像的灰度残差基具体包括:
获取该张热伸长灰度图像中的一个灰度像素点,确定该个灰度像素点的灰度决策域;
根据所述灰度决策域确定该个灰度像素点的灰度关联因子;
通过所述灰度关联因子和所述灰度决策域确定该个灰度像素点的灰度残差特征量;
重复上述步骤,确定该张热伸长灰度图像中剩余灰度像素点的灰度残差特征量;
将所有的灰度残差特征量组成该张热伸长灰度图像的灰度残差基。
在一些实施例中,根据所有的残差特征熵确定目标主轴热伸长的增长系数具体包括:
对所有的残差特征熵进行排序,得到目标主轴热伸长的残差特征熵序列;
确定所述残差特征熵序列中每组相邻的残差特征熵之间的增长系数。
在一些实施例中,确定所述残差特征熵序列中每组相邻的残差特征熵之间的增长系数具体包括:
选取所述残差特征熵序列中第一组相邻的残差特征熵;
确定该组相邻的残差特征熵之间的增长系数;
重复上述步骤,确定所述残差特征熵序列中剩余相邻的残差特征熵之间的增长系数。
在一些实施例中,通过所述增长系数确定目标主轴的热伸长量具体包括:
获取所有的增长系数;
将所有的增长系数按照对应时间的先后顺序进行排序,得到增长系数序列;
对所述增长系数序列进行分段,得到多段增长系数子序列;
确定目标主轴中每段增长系数子序列中各个增长系数对应的热伸长量。
在一些实施例中,通过指定的高清摄像机按照预定频率对目标主轴进行拍摄,并将拍摄得到的图像作为热伸长监测图像,将所有热伸长监测图像的集合作为目标主轴的热伸长监测图像集。
第二方面,本申请提供一种主轴热伸长测试装置,其包括有测试控制单元,所述测试控制单元包括:
获取模块,用于在启动热伸长测试后,获取目标主轴的热伸长监测图像集;
转换模块,用于对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集;
处理模块,用于选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,继续确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵;
所述处理模块,还用于根据所有的残差特征熵确定目标主轴热伸长的增长系数;
执行模块,用于通过所述增长系数确定目标主轴的热伸长量。
第三方面,本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的主轴热伸长测试方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,所存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的主轴热伸长测试方法的步骤。
本申请公开的实施例提供的技术方案具有以下有益效果:
本申请提供的主轴热伸长测试方法及测试装置中,首先通过对获取的热伸长监测图像集进行灰度转换,得到热伸长灰度图像集,可减小热伸长监测图像中色彩的差异程度和色彩处理的多样性,利于下述残差特征熵求取的准确度;然后,通过确定热伸长灰度图像的灰度残差基,进而根据所述灰度残差基确定热伸长灰度图像的残差特征熵,所述灰度残差基表示为对应热伸长灰度图像中所有灰度残差特征量的集合,所述灰度残差特征量反映了选定的灰度像素点与对应灰度决策域中各个灰度像素点之间灰度像素值的差异程度,通过各个灰度像素点之间的差异程度求得热伸长灰度图像的残差特征熵;从而,根据所有的残差特征熵确定目标主轴热伸长的增长系数,利用残差特征熵从另一个角度替代了现有技术中中所需要测量的主轴长度,消除了高温引起的微透镜效应的影响;最终,通过所述增长系数确定目标主轴的热伸长量,综上所述,避免了高温引起的微透镜效应对主轴热伸长测量准确性的影响,可实现主轴在高温下的热伸长测量。
附图说明
图1为本申请一些实施例中主轴热伸长测试方法的流程示意图;
图2为本申请一些实施例中确定灰度残差基的流程示意图;
图3为本申请一些实施例中测试控制单元的结构框图;
图4为本申请一些实施例中计算机设备的内部结构图。
具体实施方式
本申请核心是启动热伸长测试,获取目标主轴的热伸长监测图像集,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集,选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,重复上述步骤,确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵,根据所有的残差特征熵确定目标主轴热伸长的增长系数,通过所述增长系数确定目标主轴的热伸长量,该方案避免了高温引起的微透镜效应对主轴热伸长测量准确性的影响,可实现主轴在高温下的热伸长测量。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1,该图是根据本申请一些实施例所示的主轴热伸长测试方法的示例性流程图,该主轴热伸长测试方法100主要包括如下步骤:
在步骤101,启动热伸长测试,获取目标主轴的热伸长监测图像集。
具体实现时,在启动热伸长测试后,通过指定的高清摄像机按照预定频率对目标主轴进行拍摄,并将拍摄得到的图像作为热伸长监测图像,将所有热伸长监测图像的集合作为目标主轴的热伸长监测图像集。
需要说明的是,本申请中的预定频率可按照温度进行设置,例如每增加1℃进行一次图像拍摄,在其它实施例中也可采用其它方法对预定频率进行预定,这里不再赘述;高清摄像机拍摄的图像需要达到实验所需要的清晰度,即拍摄的图像在放大指定倍数后能清洗表达整张图像的像素特征,例如可采用索尼、佳能等品牌旗下的旗舰产品,在其它实施例中也可采用其它摄像机进行拍摄,这里不做限定。
需要说明的是,本申请中的热伸长监测是在高温且温度逐渐增加的环境下进行的,由于高温环境下温度的逐渐升高则会导致目标主轴的颜色发生改变。
在步骤102,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集。
在一些实施例中,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集可采用下述步骤实现:
提取每张热伸长监测图像中目标主轴的主轴图像;
选取一张主轴图像,获取该张主轴图像中每个像素点的三通道颜色值;
将每个像素点的三通道颜色值按照预设的比例系数进行求和,得到对应像素点的灰度像素值;
将所有的灰度像素值对该张主轴图像中对应像素点的三通道颜色值进行替换,得到该张主轴图像的主轴灰度图像;
重复上述步骤,得到剩余主轴图像的主轴灰度图像;
将所有的主轴灰度图像作为热伸长灰度图像,进而得到热伸长灰度图像集。
需要说明的是,本申请中的三通道颜色值为对应像素点的RGB色彩空间中的R值、G值和B值,即红色值、绿色值和蓝色值。
具体实现时,提取每张热伸长监测图像中目标主轴的主轴图像可采用下述方式实现,即:采用边缘检测算法确定热伸长监测图像中的目标主轴的轮廓,进而提取轮廓中的图像为主轴图像,在其它实施例中也可采用其它方法进行目标主轴的主轴图像提取,例如颜色过滤、阈值处理等,这里不再赘述;将每个像素点的三通道颜色值按照预设的比例系数进行求和,得到对应像素点的灰度像素值中的比例系数反映了对应的三通道颜色值在灰度像素值中的占比程度,所述比例系数可采用下述方式进行设置,例如,红色值的比例系数为0.299、绿色值的比例系数为0.587、蓝色的值为0.114,即:灰度像素值=0.299×红色值+0.587×绿色值+0.114×蓝色值,在其它实施例中也可采用其它方式对比例系数进行设置,这里不做限定;将所有的主轴灰度图像作为热伸长灰度图像,进而得到热伸长灰度图像集,即:将每张主轴灰度图像均作为热伸长灰度图像,进而将所有热伸长灰度图像的集合作为热伸长灰度图像集。
需要说明的是,本申请中将灰度像素值对对应像素点的三通道颜色值进行替换后,将对应的像素点作为灰度像素点。
在步骤103,选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,重复上述步骤,确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵。
在一些实施例中,参考图2所示,该图是本申请一些实施例中确定灰度残差基的流程示意图,本实施例中确定灰度残差基可采用下述步骤实现:
首先,在步骤1031中,获取该张热伸长灰度图像中的一个灰度像素点,确定该个灰度像素点的灰度决策域;
其次,在步骤1032中,根据所述灰度决策域确定该个灰度像素点的灰度关联因子;
然后,在步骤1033中,通过所述灰度关联因子和所述灰度决策域确定该个灰度像素点的灰度残差特征量;
进而,在步骤1034中,重复上述步骤,确定该张热伸长灰度图像中剩余灰度像素点的灰度残差特征量;
最终,在步骤1035中,将所有的灰度残差特征量组成该张热伸长灰度图像的灰度残差基。
具体实现时,所述灰度决策域反映了该张热伸长灰度图像中可对对应灰度像素点的灰度像素值产生影响的范围,确定该个灰度像素点的灰度决策域可采用下述方式实现,即:获取该个灰度像素点上、下、左和右四个方向相邻的灰度像素点,且获取该个灰度像素点左上、右上、左下和右下四个方向相邻的灰度像素点,并将获取得到的所有灰度像素点组成该个灰度像素点的灰度决策域,在其它实施例中也可采用其它方式实现灰度决策域的确定,这里不做具体限定;所述灰度关联因子反映了对应灰度像素点与选定的灰度像素点之间灰度像素值的关联程度,根据所述灰度决策域确定该个灰度像素点的灰度关联因子可采样下述方式实现,例如:可根据灰度决策域中各个灰度像素点与该个灰度像素点之间位置的距离将该个灰度像素点的灰度关联因子设置为内灰度关联因子和外灰度关联因子,即:将上、下、左和右四个方向与该个灰度像素点距离最接近的相邻的灰度像素点的灰度关联因子作为内灰度关联因子,将左上、右上、左下和右下四个方向与该个灰度像素点的距离相较于距离最接近要远一点的相邻的灰度像素点的灰度关联因子作为外灰度关联因子,可根据权重占比平均化的方法将该个灰度像素点的外灰度关联因子与上下左右四个方向的灰度像素点的灰度关联因子平级化,即:将上下左右四个方向的灰度像素点的灰度关联因子和外灰度关联因子均设置为五分之一,再将与外灰度关联因子对应的左上、右上、左下和右下四个方向的灰度像素点的灰度关联因子平均划分五分之一,即:将左上、右上、左下和右下四个方向的灰度像素点的灰度关联因子均设置为二十分之一,该方法有助于平均化所述灰度决策域中各个灰度像素点与选定的灰度像素点之间灰度像素值的关联程度,使得上述灰度残差特征量的求取更加具有代表性,在其它实施例中还可以根据不同的方法对灰度关联因子进行设置,这里不在赘述。
需要说明的是,本申请中的灰度残差基表示为对应热伸长灰度图像中所有灰度残差特征量的集合。
其中,在一些实施例中,通过所述灰度关联因子和所述灰度决策域确定该个灰度像素点的灰度残差特征量可采用下述步骤实现:
获取该个灰度像素点的灰度像素值;
获取所述灰度决策域中各个灰度像素点的灰度像素值;
获取所述灰度决策域中各个灰度像素点与该个灰度像素点对应的灰度关联因子;
根据该个灰度像素点的灰度像素值、所述灰度决策域中各个灰度像素点的灰度像素值和所述灰度决策域中各个灰度像素点与该个灰度像素点对应的灰度关联因子确定该个灰度像素点的灰度残差特征量,其中所述灰度残差特征量可采用下述公式确定:
其中,表示该个灰度像素点的灰度残差特征量,/>表示该个灰度像素点的灰度像素值,/>表示所述灰度决策域中第/>个灰度像素点的灰度像素值,/>表示所述灰度决策域中第/>个灰度像素点与该个灰度像素点对应的灰度关联因子,/>表示所述灰度决策域中灰度像素点的总个数,/>。
需要说明的是,本申请中的灰度残差特征量反映了选定的灰度像素点与对应灰度决策域中各个灰度像素点之间灰度像素值的差异程度,所述灰度残差特征量越大,选定的灰度像素点与对应灰度决策域中各个灰度像素点之间灰度像素值的差异程度越大,反之,选定的灰度像素点与对应灰度决策域中各个灰度像素点之间灰度像素值的差异程度越小。
在一些实施例中,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵可采用下述步骤实现:
获取所述灰度残差基中不同的灰度残差特征量的总个数;
确定所述灰度残差基中第个不同的灰度残差特征量的灰度残差含量系数/>;
根据所述灰度残差基中不同的灰度残差特征量的总个数和所述灰度残差基中第/>个不同的灰度残差特征量的灰度残差含量系数/>确定该张热伸长灰度图像的残差特征熵,其中所述残差特征熵可采用下述公式确定:
其中,表示该张热伸长灰度图像的残差特征熵,/>。
其中,具体实现时,所述灰度残差含量系数表示的是对应的灰度残差特征量在所述灰度残差基中含量的占比程度,在一些实施例中可采用对应的灰度残差特征量在所述灰度残差基中的出现概率进行表示,在其它实施例中也可采用其它方法进行表示,这里不做限定。
需要说明的是,本申请中的残差特征熵反映了所述灰度残差基中所有灰度残差特征量的混乱程度,所述残差特征熵越大,则所述灰度残差基中的灰度残差特征量越混乱,反之,则所述灰度残差基中的灰度残差特征量越平稳。
在步骤104,根据所有的残差特征熵确定目标主轴热伸长的增长系数。
需要说明的是,本申请中一张热伸长监测图像对应一张热伸长灰度图像,一张热伸长灰度图像对应一个残差特征熵,即一张热伸长监测图像对应一个残差特征熵。
在一些实施例子中,根据所有的残差特征熵确定目标主轴热伸长的增长系数可采用下述步骤实现:
对所有的残差特征熵进行排序,得到目标主轴热伸长的残差特征熵序列;
确定所述残差特征熵序列中每组相邻的残差特征熵之间的增长系数。
具体实现时,对所有的残差特征熵进行排序,得到目标主轴热伸长的残差特征熵序列可采用下述方式实现,即:将所有的残差特征熵按照对应热伸长监测图像的采集时间的先后顺序进行排序,将排序得到的序列作为目标主轴热伸长的残差特征熵序列。
需要说明的是,本申请中将所述残差特征熵序列中第一个残差特征熵和第二个残差特征熵组成第一组相邻的残差特征熵,将所述残差特征熵序列中第二个残差特征熵和第三个残差特征熵组成第二组相邻的残差特征熵,依次类推,将所述残差特征熵序列中倒数第二个残差特征熵和最后一个残差特征熵组成最后一组相邻的残差特征熵;所述增长系数表示的是目标主轴在高温环境下随温度的升高而进行增长的增长程度的特征度量参数,所述增长系数越大,则目标主轴在高温环境下随温度的升高而进行增长的增长程度越大,反之,则目标主轴在高温环境下随温度的升高而进行增长的增长程度越小,作为一个优选实施例,确定所述残差特征熵序列中每组相邻的残差特征熵之间的增长系数可采用下述步骤实现:
选取所述残差特征熵序列中第一组相邻的残差特征熵;
确定该组相邻的残差特征熵之间的增长系数;
重复上述步骤,确定所述残差特征熵序列中剩余相邻的残差特征熵之间的增长系数。
其中,在一些实施例中,确定该组相邻的残差特征熵之间的增长系数可采用下述公式确定,即:
其中,表示该组相邻的残差特征熵之间的增长系数,/>表示该组相邻的残差特征熵中对应的热伸长监测图像采集时间靠前的残差特征熵,/>表示该组相邻的残差特征熵中对应的热伸长监测图像采集时间靠后的残差特征熵。
在步骤105,通过所述增长系数确定目标主轴的热伸长量。
在一些实施例中,通过所述增长系数确定目标主轴的热伸长量可采用下述方式实现,例如可根据增长系数之间数据的变化特性对增长系数进行划分,从而确定目标主轴中各个增长系数对应的热伸长量,在其它实施例中还可以采用其它方法确定目标主轴中各个增长系数对应的热伸长量,这里不做限定;通过所述增长系数确定目标主轴的热伸长量具体实现步骤可如下:
获取所有的增长系数;
将所有的增长系数按照对应时间的先后顺序进行排序,得到增长系数序列;
对所述增长系数序列进行分段,得到多段增长系数子序列;
确定目标主轴中每段增长系数子序列中各个增长系数对应的热伸长量。
具体实现时,将所有的增长系数按照对应时间的先后顺序进行排序,得到增长系数序列才采用下述方式实现,即:将每个增长系数对应的相邻的残差特征熵中采集时间靠前的的时间作为对应增长系数的时间,例如:增长系数A,对应残差特征熵序列中第A组相邻的残差特征熵,且第A组相邻的残差特征熵中对应采集时间靠前的残差特征熵的时间为13点整,该组中对应采集时间靠后的残差特征熵的时间为13点10分,则将13点整作为增长系数A的时间,依次类推,确定所有增长系数的时间,并按照确定的各个增长系数的时间的先后顺序对各个增长系数进行排序,将排序得到的序列作为增长系数序列。
另外,在一些实施例中,对所述增长系数序列进行分段,得到多段增长系数子序列可采用下述步骤实现:
确定所述增长系数序列中每组相邻增长系数之间的增长变化量;
根据所述每组相邻增长系数之间的增长变化量对所述增长系数序列中的增长系数进行划分,得到多段增长系数子序列。
其中,具体实现时,所述增长变化量反映了对应相邻的两个增长系数之间的变化程度,在一些实施例中,确定所述增长系数序列中每组相邻增长系数之间的增长变化量可采用下述方式实现,例如:可将每组相邻增长系数中的增长系数进行作差,且将作差得到的差值的绝对值除以对应时间靠前的增长系数,进而将得到的商值作为对应相邻增长系数的增长变化量;根据所述每组相邻增长系数之间的增长变化量对所述增长系数序列中的增长系数进行划分,得到多段增长系数子序列可采用下述方式实现,例如:一组增长变化量为:0.1、0.11、0.12、0.11、0.15、0.16、0.15、0.2、0.22、0.21,按照变化量阈值不能超过0.03进行区分,则将0.1、0.11、0.12、0.11对应的增长系数组合为一段增长系数子序列,将0.15、0.16、0.15对应的增长系数组合为另一段增长系数子序列,将0.2、0.22、0.21对应的增长系数组合为另一段增长系数子序列,在其它实施例中也可以采用其它方法对对所述增长系数序列中的增长系数进行划分,这里不做限定。
另外,在一些实施例中,确定目标主轴中每段增长系数子序列中各个增长系数对应的热伸长量可采用下述步骤实现:
获取采集热伸长监测图像时,第一个热伸长监测图像对应的目标主轴的长度和最后一个热伸长监测图像对应的目标主轴的长度,进而得到目标主轴的热伸长总量;
获取每段增长系数子序列在增长系数序列中的占比;
根据各个占比确定对应增长系数子序列的热伸长分量;
通过各个增长系数子序列的热伸长分量确定目标主轴中各个增长系数对应的热伸长量。
具体实现时,获取采集热伸长监测图像时,第一个热伸长监测图像对应的目标主轴的长度和最后一个热伸长监测图像对应的目标主轴的长度,进而得到目标主轴的热伸长总量,即:将第一个热伸长监测图像对应的目标主轴的长度和最后一个热伸长监测图像对应的目标主轴的长度进行作差,并将作差得到的差值的绝对值作为目标主轴的热伸长总量;获取每段增长系数子序列在增长系数序列中的占比,即:分别对每段增长系数子序列中的增长系数进行求和,并将求和得到的值与增长系数序列中增长系数的总和的比值作为对应增长系数子序列的占比;根据各个占比确定对应增长系数子序列的热伸长分量,即:将热伸长总量与各个增长系数子序列对应的占比相乘,将相乘得到的值作为对应增长系数子序列的热伸长分量;通过各个增长系数子序列的热伸长分量确定目标主轴中各个增长系数对应的热伸长量,即:将热伸长分量除以对应增长系数子序列中增长系数的个数,将相处得到的值(即:平均值)均作为对应增长系数子序列中每个增长系数对应的热伸长量,从而得到各个增长系数子序列中各个增长系数的热伸长量(即:得到目标主轴对应的增长系数序列中各个增长系数的热伸长量)。
需要说明的是,本申请中一个单位的温度(即:1℃)对应一个增长系数,当需要确定目标主轴在指定温度下的热伸长量时,只需获取目标主轴在临界温度下的长度,以及临界温度到指定温度过程中对应的各个增长系数,即可求得目标主轴在指定温度下的热伸长量,在其它实施例中也可以采用其它方法进行确定,例如,直接建立目标主轴的热伸长量与温度之间的数据库,这里不在赘述。
需要说明的是,本申请中的临界温度指的是高精度测量工具能够测量得到目标主轴的长度,且不会由于目标主轴的温度对高精度测量工具造成损坏的最大温度。
另外,本申请的另一方面,在一些实施例中,本申请提供一种主轴热伸长测试装置,该装置包括有测试控制单元,参考图3,该图是根据本申请一些实施例所示的测试控制单元的示例性硬件和/或软件的示意图,该测试控制单元300包括:获取模块301、转换模块302、处理模块303和执行模块304,分别说明如下:
获取模块301,本申请中获取模块301主要用于在启动热伸长测试后,获取目标主轴的热伸长监测图像集;
转换模块302,本申请中转换模块302主要用于对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集;
处理模块303,本申请中处理模块303主要用于选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,继续确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵;
另外,本申请中处理模块303还用于根据所有的残差特征熵确定目标主轴热伸长的增长系数;
执行模块304,本申请中执行模块304主要用于通过所述增长系数确定目标主轴的热伸长量。
上述主轴热伸长测试装置中的测试控制单元中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
另外,在一个实施例中,本申请提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储主轴热伸长测试数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种主轴热伸长测试方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述主轴热伸长测试方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述主轴热伸长测试方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述主轴热伸长测试方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
综上,本申请实施例公开的主轴热伸长测试方法及测试装置中,首先,启动热伸长测试,获取目标主轴的热伸长监测图像集,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集,选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,重复上述步骤,确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵,根据所有的残差特征熵确定目标主轴热伸长的增长系数,通过所述增长系数确定目标主轴的热伸长量,从而该方案避免了高温引起的微透镜效应对主轴热伸长测量准确性的影响,可实现主轴在高温下的热伸长测量。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种主轴热伸长测试方法,其特征在于,包括如下步骤:
启动热伸长测试,获取目标主轴的热伸长监测图像集;
对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集;
选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,重复上述步骤,确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵;
根据所有的残差特征熵确定目标主轴热伸长的增长系数;
通过所述增长系数确定目标主轴的热伸长量。
2.如权利要求1所述的方法,其特征在于,对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集具体包括:
提取每张热伸长监测图像中目标主轴的主轴图像;
选取一张主轴图像,获取该张主轴图像中每个像素点的三通道颜色值;
将每个像素点的三通道颜色值按照预设的比例系数进行求和,得到对应像素点的灰度像素值;
将所有的灰度像素值对该张主轴图像中对应像素点的三通道颜色值进行替换,得到该张主轴图像的主轴灰度图像;
重复上述步骤,得到剩余主轴图像的主轴灰度图像;
将所有的主轴灰度图像作为热伸长灰度图像,进而得到热伸长灰度图像集。
3.如权利要求1所述的方法,其特征在于,确定该张热伸长灰度图像的灰度残差基具体包括:
获取该张热伸长灰度图像中的一个灰度像素点,确定该个灰度像素点的灰度决策域;
根据所述灰度决策域确定该个灰度像素点的灰度关联因子;
通过所述灰度关联因子和所述灰度决策域确定该个灰度像素点的灰度残差特征量;
重复上述步骤,确定该张热伸长灰度图像中剩余灰度像素点的灰度残差特征量;
将所有的灰度残差特征量组成该张热伸长灰度图像的灰度残差基。
4.如权利要求1所述的方法,其特征在于,根据所有的残差特征熵确定目标主轴热伸长的增长系数具体包括:
对所有的残差特征熵进行排序,得到目标主轴热伸长的残差特征熵序列;
确定所述残差特征熵序列中每组相邻的残差特征熵之间的增长系数。
5.如权利要求4所述的方法,其特征在于,确定所述残差特征熵序列中每组相邻的残差特征熵之间的增长系数具体包括:
选取所述残差特征熵序列中第一组相邻的残差特征熵;
确定该组相邻的残差特征熵之间的增长系数;
重复上述步骤,确定所述残差特征熵序列中剩余相邻的残差特征熵之间的增长系数。
6.如权利要求1所述的方法,其特征在于,通过所述增长系数确定目标主轴的热伸长量具体包括:
获取所有的增长系数;
将所有的增长系数按照对应时间的先后顺序进行排序,得到增长系数序列;
对所述增长系数序列进行分段,得到多段增长系数子序列;
确定目标主轴中每段增长系数子序列中各个增长系数对应的热伸长量。
7.如权利要求1所述的方法,其特征在于,通过指定的高清摄像机按照预定频率对目标主轴进行拍摄,并将拍摄得到的图像作为热伸长监测图像,将所有热伸长监测图像的集合作为目标主轴的热伸长监测图像集。
8.一种主轴热伸长测试装置,其特征在于,包括有测试控制单元,所述测试控制单元包括:
获取模块,用于在启动热伸长测试后,获取目标主轴的热伸长监测图像集;
转换模块,用于对所述热伸长监测图像集中的每张热伸长监测图像进行灰度转换,得到热伸长灰度图像集;
处理模块,用于选取所述热伸长灰度图像集中的一张热伸长灰度图像,确定该张热伸长灰度图像的灰度残差基,通过所述灰度残差基确定该张热伸长灰度图像的残差特征熵,继续确定所述热伸长灰度图像集中剩余热伸长灰度图像的残差特征熵;
所述处理模块,还用于根据所有的残差特征熵确定目标主轴热伸长的增长系数;
执行模块,用于通过所述增长系数确定目标主轴的热伸长量。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的主轴热伸长测试方法的步骤。
10.一种计算机可读存储介质,所存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的主轴热伸长测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410099738.1A CN117611654B (zh) | 2024-01-24 | 2024-01-24 | 一种主轴热伸长测试方法及测试装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410099738.1A CN117611654B (zh) | 2024-01-24 | 2024-01-24 | 一种主轴热伸长测试方法及测试装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117611654A true CN117611654A (zh) | 2024-02-27 |
CN117611654B CN117611654B (zh) | 2024-04-16 |
Family
ID=89956590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410099738.1A Active CN117611654B (zh) | 2024-01-24 | 2024-01-24 | 一种主轴热伸长测试方法及测试装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117611654B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008041257A1 (en) * | 2006-10-06 | 2008-04-10 | Camozzi Machine Tools S.P.A. | Device for detecting thermal deformations of a spindle of a machine-tool |
JP2015114172A (ja) * | 2013-12-10 | 2015-06-22 | オリンパスソフトウェアテクノロジー株式会社 | 画像処理装置、顕微鏡システム、画像処理方法、及び画像処理プログラム |
CN107229548A (zh) * | 2017-05-23 | 2017-10-03 | 大连理工大学 | 一种基于红外图像的服务器热故障监测及诊断方法 |
CN108188835A (zh) * | 2017-12-08 | 2018-06-22 | 西安交通大学 | 基于机器视觉的数控机床主轴热伸长测试装置及测试方法 |
CN109060144A (zh) * | 2018-08-24 | 2018-12-21 | 电子科技大学 | 红外热像仪netd自动测试的方法 |
US20200064810A1 (en) * | 2017-11-06 | 2020-02-27 | Dalian University Of Technology | A modeling and compensation method for the spindle's radial thermal drift error in a horizontal cnc lathe |
CN112037182A (zh) * | 2020-08-14 | 2020-12-04 | 中南大学 | 基于时序图像的机车走行部故障检测方法、装置及存储介质 |
CN112783087A (zh) * | 2020-12-25 | 2021-05-11 | 珠海格力智能装备有限公司 | 轴伸长量的处理方法、装置、存储介质和处理器 |
US20220130081A1 (en) * | 2020-10-28 | 2022-04-28 | Volume Graphics Gmbh | Computer-implemented method for determining at least one geometric parameter required for evaluating measurement data |
CN114800042A (zh) * | 2022-04-28 | 2022-07-29 | 华中科技大学 | 一种基于功率谱熵差的机器人铣削加工颤振类型辨识方法 |
CN115035120A (zh) * | 2022-08-12 | 2022-09-09 | 山东迪格重工机械有限公司 | 基于物联网的机床控制方法及系统 |
CN115470842A (zh) * | 2022-08-24 | 2022-12-13 | 襄阳华中科技大学先进制造工程研究院 | 机床热误差预测方法、装置、设备及存储介质 |
CN116402863A (zh) * | 2023-06-06 | 2023-07-07 | 中铁九局集团第一建设有限公司 | 一种建筑施工监控数据智能分析及预警系统 |
CN116402825A (zh) * | 2023-06-09 | 2023-07-07 | 华东交通大学 | 轴承故障红外诊断方法、系统、电子设备及存储介质 |
CN117161824A (zh) * | 2023-08-09 | 2023-12-05 | 湖北文理学院 | 主轴热误差预测方法、装置、设备及存储介质 |
CN117251959A (zh) * | 2023-11-20 | 2023-12-19 | 山东豪迈数控机床有限公司 | 一种机床主轴热伸长的预测方法、装置、电子设备及介质 |
-
2024
- 2024-01-24 CN CN202410099738.1A patent/CN117611654B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008041257A1 (en) * | 2006-10-06 | 2008-04-10 | Camozzi Machine Tools S.P.A. | Device for detecting thermal deformations of a spindle of a machine-tool |
JP2015114172A (ja) * | 2013-12-10 | 2015-06-22 | オリンパスソフトウェアテクノロジー株式会社 | 画像処理装置、顕微鏡システム、画像処理方法、及び画像処理プログラム |
CN107229548A (zh) * | 2017-05-23 | 2017-10-03 | 大连理工大学 | 一种基于红外图像的服务器热故障监测及诊断方法 |
US20200064810A1 (en) * | 2017-11-06 | 2020-02-27 | Dalian University Of Technology | A modeling and compensation method for the spindle's radial thermal drift error in a horizontal cnc lathe |
CN108188835A (zh) * | 2017-12-08 | 2018-06-22 | 西安交通大学 | 基于机器视觉的数控机床主轴热伸长测试装置及测试方法 |
CN109060144A (zh) * | 2018-08-24 | 2018-12-21 | 电子科技大学 | 红外热像仪netd自动测试的方法 |
CN112037182A (zh) * | 2020-08-14 | 2020-12-04 | 中南大学 | 基于时序图像的机车走行部故障检测方法、装置及存储介质 |
US20220130081A1 (en) * | 2020-10-28 | 2022-04-28 | Volume Graphics Gmbh | Computer-implemented method for determining at least one geometric parameter required for evaluating measurement data |
CN112783087A (zh) * | 2020-12-25 | 2021-05-11 | 珠海格力智能装备有限公司 | 轴伸长量的处理方法、装置、存储介质和处理器 |
CN114800042A (zh) * | 2022-04-28 | 2022-07-29 | 华中科技大学 | 一种基于功率谱熵差的机器人铣削加工颤振类型辨识方法 |
CN115035120A (zh) * | 2022-08-12 | 2022-09-09 | 山东迪格重工机械有限公司 | 基于物联网的机床控制方法及系统 |
CN115470842A (zh) * | 2022-08-24 | 2022-12-13 | 襄阳华中科技大学先进制造工程研究院 | 机床热误差预测方法、装置、设备及存储介质 |
CN116402863A (zh) * | 2023-06-06 | 2023-07-07 | 中铁九局集团第一建设有限公司 | 一种建筑施工监控数据智能分析及预警系统 |
CN116402825A (zh) * | 2023-06-09 | 2023-07-07 | 华东交通大学 | 轴承故障红外诊断方法、系统、电子设备及存储介质 |
CN117161824A (zh) * | 2023-08-09 | 2023-12-05 | 湖北文理学院 | 主轴热误差预测方法、装置、设备及存储介质 |
CN117251959A (zh) * | 2023-11-20 | 2023-12-19 | 山东豪迈数控机床有限公司 | 一种机床主轴热伸长的预测方法、装置、电子设备及介质 |
Non-Patent Citations (1)
Title |
---|
郭辰光 等: "精密数控车床主轴热误差建模", 光学精密工程, vol. 24, no. 07, 15 July 2016 (2016-07-15), pages 1731 - 1742 * |
Also Published As
Publication number | Publication date |
---|---|
CN117611654B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018068600A1 (zh) | 图像处理方法及系统 | |
EP1959676B1 (en) | Distortion correction method, image processing apparatus, interchangeable lens, camera, and camera system | |
JP2010258628A5 (zh) | ||
JP5840008B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2004112802A (ja) | 欠陥ピクセルの検出可能なディジタル・イメージ・センサおよび方法 | |
KR102172912B1 (ko) | 이미지에서 극점의 서브 픽셀 위치를 추정하기 위한 방법, 장치 및 시스템 | |
CN113138026A (zh) | 一种基于测温系统的测温方法、装置、计算机设备 | |
CN117370329A (zh) | 基于工业物联网的设备数据智能化管理方法及系统 | |
CN111415314B (zh) | 一种基于亚像素级视觉定位技术的分辨率修正方法及装置 | |
CN117611654B (zh) | 一种主轴热伸长测试方法及测试装置 | |
CN113902808A (zh) | 相机标定方法、装置、设备及存储介质 | |
WO2017152822A1 (zh) | 图像处理方法和装置 | |
CN111340728B (zh) | 基于3d点云分割的点云去噪方法、装置和存储介质 | |
CN112802080A (zh) | 基于深度学习的单目绝对深度估计方法和装置 | |
CN108364274B (zh) | 微纳米尺度下光学图像的无损清晰重构方法 | |
CN113763485B (zh) | 温漂系数获取方法、电子设备、存储介质和图像校正方法 | |
CN110708537B (zh) | 图像传感器性能测试方法及装置、存储介质 | |
CN114697531A (zh) | 聚焦方法及系统、设备和存储介质 | |
JP2015119428A (ja) | 画像処理方法、画像処理装置、撮像装置、画像処理プログラム、および、記憶媒体 | |
KR20120133417A (ko) | 대응 영상의 컬러 보정 방법 및 그 기록매체 | |
CN109242916B (zh) | 一种基于回归算法自动标定图像的方法 | |
CN113834572B (zh) | 一种无人机非制冷型热像仪测温结果漂移去除方法 | |
KR20190042472A (ko) | 인공신경망 기반의 플렌옵틱 카메라 어레이 깊이 영상 획득 방법 및 장치 | |
CN117152221B (zh) | 一种图像非刚性配准方法、系统、设备和存储介质 | |
CN113470749B (zh) | 一种腔室亮度不均匀校正方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |