TW202415922A - 量測卡、應用其之量測系統及量測方法 - Google Patents
量測卡、應用其之量測系統及量測方法 Download PDFInfo
- Publication number
- TW202415922A TW202415922A TW111137291A TW111137291A TW202415922A TW 202415922 A TW202415922 A TW 202415922A TW 111137291 A TW111137291 A TW 111137291A TW 111137291 A TW111137291 A TW 111137291A TW 202415922 A TW202415922 A TW 202415922A
- Authority
- TW
- Taiwan
- Prior art keywords
- feature
- image
- measurement
- coordinates
- tip
- Prior art date
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 71
- 238000000691 measurement method Methods 0.000 title claims description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 15
- 239000003086 colorant Substances 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 6
- 102100022210 COX assembly mitochondrial protein 2 homolog Human genes 0.000 description 3
- 101000900446 Homo sapiens COX assembly mitochondrial protein 2 homolog Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102100028175 Abasic site processing protein HMCES Human genes 0.000 description 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 101001006387 Homo sapiens Abasic site processing protein HMCES Proteins 0.000 description 1
- 101100280298 Homo sapiens FAM162A gene Proteins 0.000 description 1
- 101100257194 Homo sapiens SMIM8 gene Proteins 0.000 description 1
- 101000649946 Homo sapiens Vacuolar protein sorting-associated protein 29 Proteins 0.000 description 1
- 102100023788 Protein FAM162A Human genes 0.000 description 1
- 102100024789 Small integral membrane protein 8 Human genes 0.000 description 1
- 102100028290 Vacuolar protein sorting-associated protein 29 Human genes 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Abstract
量測系統包括攝像器及處理器。攝像器用以擷取量測卡之量測卡影像,量測卡影像包括數個特徵圖案影像。處理器電性連接攝像器且用以分析此些特徵圖案影像,以取得各特徵圖案影像的特徵點之特徵點座標;及,輸入此些特徵點座標於轉換矩陣,以取得量測卡之尖端之尖端座標。
Description
本揭露是有關於一種量測卡、應用其之量測系統及量測方法。
一產品完成後,後續通常需進行品質檢驗,例如尺寸量測。然,對於立體(三維)的產品而言,產品的部件沿空間不同方向延伸,造成在尺寸量測上的費工及費時。因此,如何改善前述習知問題是本技術領域業者努力目標之一。
因此,本揭露提出一種量測卡、應用其之量測系統及量測方法,可改善前述習知問題。
本揭露一實施例提出一種量測卡。量測卡包括一本體及數個特徵圖案。本體具有相對之一側邊與一尖端。此些特徵圖案形成於本體。此些特徵圖案滿足下列(1)與(2)至少一者:(1).此些特徵圖案之一第一者與一第二者沿一通過側邊與尖端之參考軸具有一第一間距,此些特徵圖案之第二者與一第三者沿軸具有一第二間距,而第一間距與第二間距相異;及(2). 此些特徵圖案相對參考軸呈非對稱配置。
本揭露另一實施例提出一種量測系統。量測系統包括一攝像器及一處理器。攝像器用以擷取前述量測卡之一量測卡影像,量測卡影像包括對應此些特徵圖案之數個特徵圖案影像。處理器電性連接攝像器且用以:分析此些特徵圖案影像,以取得各特徵圖案影像的一特徵點之一特徵點座標;及,輸入此些特徵點座標於一轉換矩陣,以取得尖端之一尖端座標。
本揭露另一實施例提出一種量測方法。量測方法包括以下步驟:擷取前述量測卡之一量測卡影像,其中量測卡影像具有對應此些特徵圖案之數個特徵圖案影像;分析此些特徵圖案影像,以取得各特徵圖案影像的一特徵點之一特徵點座標;以及,輸入此些特徵點座標於一轉換矩陣,以取得尖端之一尖端座標。
為了對本揭露之上述及其他方面有更佳的瞭解,下文特舉實施例,並配合所附圖式詳細說明如下:
請參照第1A~1H圖,其繪試示依照本揭露數個實施例之量測卡10~80的示意圖。
如第1A圖所示,量測卡10包括本體11、數個特徵圖案12~19及背景圖案B10。本體11具有相對之側邊11e與尖端11t。此些特徵圖案12~19滿足下列(1)與(2)中至少一者:(1). 此些特徵圖案12~19之第一者與第二者沿一通過側邊11e與尖端11t之參考軸AX具有一第一間距H1,此些特徵圖案12~19之第二者與第三者沿具有第二間距H2,第一間距H1與第二間距H2相異;(2). 此些特徵圖案12~19相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案12~19相對尖端11t的幾何關係(例如,相對尖端11t的排列順序)。例如,透過此些特徵圖案12~19的相對幾何關係,可得知尖端11t鄰近特徵圖案12及13,因而得知此些特徵圖案12~19相對尖端11t的排列順序。
此外,此些特徵圖案12~19與尖端11t之間的一轉換關係為已知,因此當取得此些特徵圖案12~19的幾何資訊(例如,特徵圖案影像之座標)時,即能透過此轉換關係取得尖端11t的幾何資訊,例如,尖端11t的尖端座標。
如第1A圖所示,本體11例如是一箭頭狀,其具有尖端11t。本體11例如是板體,其具有3毫米(mm)~5 mm的厚度。
此外,前述第一者、第二者及第三者例如是此些特徵圖案12~19的任意不同三者。
以數量來說,如第1A圖所示,特徵圖案的數量至少四個,在一實施例中,特徵圖案的數量例如是八個。
以排列形式來說,如第1A圖所示,此些特徵圖案12~19沿參考軸AX可疏密排列。例如,相較於特徵圖案16~19呈較疏排列,特徵圖案12~15呈較密排列。在一實施例中,此些特徵圖案沿參考軸AX非對稱排列。例如,無法找到一垂直於參考軸AX之垂直軸,使此些特徵圖案12~19相較於此垂直軸對稱排列且/或也無法找到一平行於參考軸AX之水平軸,使此些特徵圖案12~19相對此水平軸非對稱排列。此外,此些特徵圖案之二者可至少部分重疊。例如,特徵圖案12與13重疊,特徵圖案14與15重疊,特徵圖案16與17重疊,而特徵圖案18與19重疊。
以灰階值來說,如第1A圖所示,重疊之二特徵圖案之一者具有一第一灰階值,而該重疊之二特徵圖案之間具有一第二灰階值,第一灰階值與第二灰階值相異,例如,第一灰階值與第二灰階值的灰階度差至少200,然亦可小於200。灰階度差愈大,重疊之二特徵圖案之對比度愈強,後續的影像分析愈精準。在本實施例中,第一灰階值大於第二灰階值。以重疊之特徵圖案12與13來說,特徵圖案12為白色(第一灰階值為255)之內圓,而特徵圖案13為外圓,且特徵圖案12與13之間的環形區域為黑色(第二灰階值為0)。重疊之特徵圖案14與15、重疊之特徵圖案16與17以及重疊之特徵圖案18與19具有相同或類似特徵,於此不再贅述。
如第1A圖所示,重疊之二特徵圖案可同心配置。例如,重疊之特徵圖案12與13同心配置,重疊之特徵圖案14與15同心配置、重疊之特徵圖案16與17同心配置以及重疊之特徵圖案18與19同心配置。在另一實施例中,重疊之一組特徵圖案可同心配置,而重疊之另一組特徵圖案可偏心配置。
如第1A圖所示,背景圖案B10例如是位於本體11之邊框,例如,本體11具有外邊界線11b1及內邊界線11b2,外邊界線11b1與內邊界線11b2之間的區域定義為背景圖案B10。背景圖案B10圍繞此些特徵圖案12~19。背景圖案B10可由第一色彩填滿。第一色彩可選用在應用場景中最不常見或較不常見的顏色,如此,在分析影像時,所取得之背景圖案B10的邊界精準度高。在一實施例中,第一色彩可選用例如是綠色,然亦可為其它色彩。綠色對攝像器的圖像傳感器中是最敏感的,只需少量光就能照亮綠色並清楚地辨識出綠色區域。
如第1B圖所示,量測卡20包括本體11、數個特徵圖案12~19及背景圖案B20。本體11具有相對之側邊11e與尖端11t。此些特徵圖案12~19滿足下列(1)與(2)中至少一者:(1). 此些特徵圖案12~19之第一者與第二者沿一通過側邊11e與尖端11t之參考軸AX具有第一間距H1,此些特徵圖案12~19之第二者與第三者沿具有第二間距H2,第一間距H1與第二間距H2相異;(2). 此些特徵圖案12~19相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案12~19相對尖端11t的幾何關係。此外,本實施例之第一者、第二者及第三者例如是此些特徵圖案12~19的任意不同三者。在本實施例中,量測卡20之外邊界線11b1與此些特徵圖案12~19之間的區域定義為背景圖案B20。背景圖案B20可由第一色彩填滿,例如是綠色或其它色彩。
如第1C圖所示,量測卡30包括本體11、數個特徵圖案12~19及背景圖案B10。本體11具有相對之側邊11e與尖端11t。此些特徵圖案12~19滿足下列(1)與(2)中至少一者:(1). 此些特徵圖案12~19之第一者與第二者沿一通過側邊11e與尖端11t之參考軸AX具有第一間距H1,此些特徵圖案12~19之第二者與第三者沿具有第二間距H2,第一間距H1與第二間距H2相異;(2). 此些特徵圖案12~19相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案12~19相對尖端11t的幾何關係。此外,第一者、第二者及第三者例如是此些特徵圖案12~19的任意不同三者。
在本實施例中,量測卡30之此些特徵圖案12~19中重疊的二者為偏心配置。例如,重疊的特徵圖案12與13偏心配置,重疊的特徵圖案14與15偏心配置,重疊的特徵圖案16與17偏心配置,且重疊的特徵圖案18與19偏心配置。在另一實施例中,重疊的一組特徵圖案可偏心配置,而重疊的另一組特徵圖案可同心配置。
如第1D圖所示,量測卡40包括本體11、數個特徵圖案42~49及背景圖案B20。本體11具有相對之側邊11e與尖端11t。此些特徵圖案42~49滿足下列(1)與(2)中至少一者:(1).此些特徵圖案42~49之第一者與第二者沿一通過側邊11e與尖端11t之參考軸AX具有第一間距H1,此些特徵圖案42~49之第二者與第三者沿具有第二間距H2,第一間距H1與第二間距H2相異(2). 此些特徵圖案42~49相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案12~19相對尖端11t的幾何關係。此外,第一者、第二者及第三者例如是此些特徵圖案42~49的任意不同三者。
在本實施例中,量測卡40之此些特徵圖案42~49中重疊的二者為偏心配置。此外,重疊之二特徵圖案之一者具有一第一灰階值,而該重疊之二特徵圖案之間的區域具有一第二灰階值,第一灰階值與第二灰階值相異。例如,第一灰階值與第二灰階值相異的灰階度差至少200,然亦可更小。在本實施例中,第一灰階值小於第二灰階值。以重疊之特徵圖案42與43來說,特徵圖案42為黑色(第一灰階值為0)之內圓,而特徵圖案43為外圓,且特徵圖案42與43之間的環形區域為白色(第二灰階值為255)。重疊之特徵圖案44與45、重疊之特徵圖案46與47以及重疊之特徵圖案48與49具有相同或類似特徵,於此不再贅述。
如第1E圖所示,量測卡50包括本體11、數個特徵圖案52~59及背景圖案B10。本體11具有相對之側邊11e與尖端11t。此些特徵圖案12~19滿足下列(1)與(2)中至少一者:(1). 此些特徵圖案52~59之第一者與第二者沿一通過側邊11e與尖端11t之參考軸AX具有第一間距H1,此些特徵圖案52~59之第二者與第三者沿具有第二間距H2,第一間距H1與第二間距H2相異;(2). 此些特徵圖案52~59相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案52~59相對尖端11t的幾何關係。此外,第一者、第二者及第三者例如是此些特徵圖案52~59的任意不同三者。
相較於第1A圖之量測卡10,本實施例之量測卡50中重疊之二特徵圖案之間的區域面積較大。以重疊之特徵圖案52與53來說,特徵圖案52與53之間的環形區域具有一面積,其大於第1A圖之特徵圖案12與13之間的環形區域的面積。重疊之特徵圖案54與55、重疊之特徵圖案56與57及重疊之特徵圖案58與59具有類似或相同特徵,於此不再贅述。
如第1F圖所示,量測卡60包括本體11、數個特徵圖案62~65、輔助圖案66及背景圖案B20。本體11具有相對之側邊11e與尖端11t。參考軸AX通過側邊11e與尖端11t。此些特徵圖案62~65相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案62~65相對尖端11t的幾何關係。此外,輔助圖案66可輔助判斷此些特徵圖案62~65相對尖端11t的幾何關係。在本實施例中,識別特徵圖案66與此些特徵圖案62~65相異,因此可透過輔助圖案66,確定此些特徵圖案62~65相對尖端11t的幾何關係
如第1F圖所示,在本實施例中,此些特徵圖案62~65不重疊,例如,完全不重疊。此外,背景圖案B20可由第一色彩填滿,而各特徵圖案62~65可由第二色彩填滿,第一色彩與第二色彩相異。例如,第一色彩為綠色,而第二色彩為藍色或其它與藍色相異的色彩。
如第1G圖所示,量測卡70包括本體11、數個特徵圖案72~75、輔助圖案76及背景圖案B70。本體11具有相對之側邊11e與尖端11t。參考軸AX通過側邊11e與尖端11t。此些特徵圖案72~75相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案72~75相對尖端11t的幾何關係。此外,輔助圖案76可輔助判斷此些特徵圖案72~75相對尖端11t的幾何關係。在本實施例中,識別特徵圖案76與此些特徵圖案72~75相異,因此可透過輔助圖案76,確定此些特徵圖案72~75相對尖端11t的幾何關係。
如第1G圖所示,在本實施例中,此些特徵圖案72~75不重疊,例如,完全不重疊。此外,背景圖案B70可由第一色彩填滿,而各特徵圖案72~75可由第二色彩填滿,第一色彩與第二色彩相異。例如,第一色彩為藍色,而第二色彩為綠色或其它與藍色相異的色彩。
如第1H圖所示,量測卡80包括本體81、數個特徵圖案82及背景圖案B80。本體81具有相對之側邊11e與尖端11t。相較於前述量測卡10,本實施例之量測卡80的本體81的面積與量測卡10之本體11的面積相異。參考軸AX通過側邊11e與尖端11t。此些特徵圖案82相對參考軸AX呈非對稱配置。藉此,可識別出此些特徵圖案82相對尖端11t的幾何關係。
如第1H圖所示,背景圖案B80例如是位於本體81之邊框,例如,本體81具有外邊界線81b1及內邊界線81b2,外邊界線81b1與內邊界線81b2之間的區域定義為背景圖案B80。背景圖案B80圍繞此些特徵圖案82。背景圖案B80可由第一色彩填滿,例如是黑色,然亦可為其它色彩。各特徵圖案82可由第二色彩填滿,第一色彩與第二色彩相同,例如都是黑色。在另一實施例中,第一色彩與第二色彩可相異。在本實施例中,量測卡80之特徵圖案82及背景圖案B80都是灰階圖案。
綜上,量測卡之數個特徵圖案排列成至少四組,重疊之二特徵圖案可視為一組,完全分離之二特徵圖案分別視為二組。以第1A~1G圖之量測卡10~70來說,特徵圖案排列成為四組。當此些特徵圖案的組數少於四組時,基於特徵圖案所分析出的尖端11t的尖端座標的精準度低。當此些特徵圖案的組數多於四組時,分析資料量大且精準度提升有限。本揭露實施例之特徵圖案的組數為四組,可兼顧「高精準度」及「快分析速度」之雙重技術功效。
請參照第2圖,其繪示依照本揭露一實施例之量測系統100的功能方塊圖。量測系統100包括攝像器110及處理器(processor)120。攝像器110用以擷取量測卡之量測卡影像,量測卡影像包括數個特徵圖案影像。處理器120電性連接攝像器110且用以分析此些特徵圖案影像,以取得各特徵圖案影像的特徵點之特徵點座標;以及,輸入此些特徵點座標於轉換矩陣,以取得量測卡之尖端之尖端座標。
攝像器110例如是彩色攝影機、灰階攝影機或紅外光(IR)攝影機等。處理器120例如是採用半導體製程所形成的實體電路(circuit)。
以下進一步以第1A圖之量測卡10為例,說明使用量測系統100取得量測卡10之尖端11t的尖端座標的過程。應用其它類型之量測卡影像M
20~M
80的取得尖端座標的過程類似或同於以量測卡10取得尖端座標的過程,於此不再贅述。
請參照第3及4A~4F圖,第3圖繪示使用第2圖之量測系統100之量測方法的流程圖,第4A圖繪示第2圖之攝像器110與量測卡10於空間中的示意圖,第4B圖繪示第4A圖之攝像器110所擷取之量測卡影像M
10的示意圖,第4C圖繪示對應於第4B圖之背景圖案影像M
B10之感興趣區域R1的示意圖,第4D圖繪示依據感興趣區域R1所取得之第4B圖之量測卡影像M
10的示意圖,第4E圖繪示第4D圖之特徵圖案影像M
12及其圓心C
12的示意圖,而第4F圖繪示第4D圖之特徵圖案影像M
13及其圓心C
13的示意圖。
在步驟S110中,如第4A及4B圖所示,攝像器110可對實體物件P及至少一量測卡10進行拍攝,以擷取一拍攝影像M。雖然未繪示,然量測卡10可由使用者手持,且不限制量測卡10的擺放姿態。實體物件P例如是車架、工件或其它有尺寸量測需求的物體。拍攝影像M包含對應實體物件P之物件影像M
P及對應各量測卡10之量測卡影像M
10等。在本實施例中,量測卡10的數量係二個,其尖端11t分別抵靠在實體物件P之二位置點P1及P2。在另一實施例中,量測卡10的數量為一個,其尖端11t抵靠在實體物件之一位置點。在其它實施例中,量測卡10的數量為三個或更多,其尖端11t可各別抵靠在實體物件之三個相異之位置點。
如第4B圖所示,量測卡影像M
10具有對應數個特徵圖案12~19之數個特徵圖案影像M
12~M
19及對應背景圖案B10之背景圖案影像M
B10,背景圖案影像M
B10圍繞此些特徵圖案影像M
12~M
19。
在本實施例中,基於特徵圖案12~19的形狀,各特徵圖案影像M
12~M
19為圓形影像,各特徵圖案影像M
12~M
19具有一特徵點,其例如是圓形影像之圓心。此些特徵圖案影像M
12~M
19包括數個內圓影像及數個外圓影像。例如,此些特徵圖案影像M
12、M
14、M
16及M
18例如是對應特徵圖案12、14、16及18的內圓影像,而此些特徵圖案影像M
13、M
15、M
17及M
19例如是對應特徵圖案13、15、17及19的外圓影像。
處理器120可對各量測卡影像M
10進行影像分析,以取得特徵圖案影像之特徵點座標。以下介紹其中一量測卡影像M
10進行影像分析的過程,其餘量測卡影像M
10的分析方式具有類似過程,於此不再贅述。
在步驟S120中,如第4B圖所示,處理器120取得背景圖案影像M
B10映射至一色彩座標系之感興趣區域(Region Of Interest, ROI)R1(如第4C圖所示)。此感興趣區域R1為背景圖案影像M
B10的區域範圍。例如,在本實施例中,背景圖案影像M
B10為本體11之邊框,因此感興趣區域R1為對應背景圖案影像M
B10之邊框區域。在本實施例中,處理器120對量測卡影像M
10的像素進行影像分析,然後另外產生感興趣區域R1,並不變更量測卡影像M
10的像素資訊。
在本實施例中,前述色彩座標系例如是HSV (Hue, Saturation, Lightness)色度座標。背景圖案影像M
B10的色彩在HSV色度座標中可更穩定地表現(相較於RBG色度座標而言),因此能增加感興趣區域R1的穩定性,即,依據色彩座標系所取得之感興趣區域R1與量測卡影像M
10之背景圖案影像M
B10的誤差(或差異)甚小,因此感興趣區域R1能反應出背景圖案影像M
B10的真實性。
在步驟S130中,如第4C圖所示,處理器120依據感興趣區域R1,取得量測卡影像M
10中此些特徵圖案影像M
12~M
19及背景圖案影像M
B10。詳言之,感興趣區域R1(對應背景圖案影像M
B10)圍繞全部特徵圖案影像M
12~M
19,因此透過感興趣區域R1可取得(或框選出)其圍繞區域的全部特徵圖案影像M
12~M
19。
在步驟S140中,如第4D圖所示,處理器120灰階化此些特徵圖案影像M
12~M
19及背景圖案影像M
B10。灰階化之影像像素為灰階色彩,其具有介於0~255之間的灰階值。灰階化之影像像素能夠更容易辨識出圓形特徵圖案,使精確度提高。
在步驟S150中,處理器120分析此些特徵圖案影像M
12~M
19,以取得特徵圖案影像M
12~M
19個別之特徵點之特徵點座標。在本實施例中,基於特徵圖案12~19的形狀,特徵點例如是特徵圖案影像的圓心,而特徵點座標例如是特徵圖案影像的圓心的圓心座標。
例如,如第4E圖所示,處理器120可採用影像處理技術,對特徵圖案影像M
12進行影像分析,以取得特徵圖案影像M
12的圓心C12(特徵點)的圓心座標D
C12(特徵點座標)。然後,如第4F圖所示,處理器120可採用影像處理技術,對特徵圖案影像M
13進行影像分析,以取得特徵圖案影像M
13的圓心C13的圓心座標D
C13。
如第4F圖所示,在一實施例中,在取得特徵圖案影像M
13的圓心C13的圓心座標D
C13前,處理器120可將重疊之特徵圖案影像M
12的灰階值設為與特徵圖案影像M
13的灰階值相同。例如,若特徵圖案影像M
13與特徵圖案影像M
12之間的灰階值為0,則處理器120將特徵圖案影像M
12的灰階值也設為0。如此,可增加所取得之特徵圖案影像M
13的圓心C13的圓心座標D
C13的精準度,即,特徵圖案影像M
13的外邊界與其圓心C13之間具有一第一相對幾何關係,而特徵圖案13的外邊界與其圓心之間具有一第二相對幾何關係,第一相對幾何關係與第二相對幾何關係的差異甚小(精準度佳)。此外,第4F圖繪示之特徵圖案影像M
12僅示意邊界輪廓,特徵圖案影像M
12的灰階值在設定後,特徵圖案影像M
12的邊界輪廓可不顯示出。
處理器120可採用相同方式,取得特徵圖案影像M
14的圓心C14的圓心座標D
C14、特徵圖案影像M
15的圓心C15的圓心座標D
C15、特徵圖案影像M
16的圓心C16的圓心座標D
C16、特徵圖案影像M
17的圓心C17的圓心座標D
C17、特徵圖案影像M
18的圓心C18的圓心座標D
C18及特徵圖案影像M
19的圓心C19的圓心座標D
C19,前述圓心及圓心座標標示於第4D圖。
此外,量測卡影像M
10參考第一座標系x-y-z (第一座標系x-y-z繪示於第4D圖),例如,處理器120可將第一座標系的原點設在此些特徵圖案影像之一者的圓心。z軸方向可依據右手座標系決定,於第4D圖未繪示。在一實施例中,處理器120可將特徵圖案影像M
18之圓心C18或特徵圖案影像M
19之圓心C19設為第一座標系的原點。在一實施例中,第一座標系的x座標軸可平行於參考軸AX,而y座標軸與x軸垂直,x-y平面為量測卡影像M
10的平面,z軸垂直於x-y平面。由於特徵圖案影像位於x-y平面,因此特徵圖案影像之各點的z軸座標之值為0。在另一實施例中,第一座標系的x座標軸的延長線可與參考軸AX相交。
此外,處理器120可將一第二座標系設在於攝像器110。例如,處理器120可將第二座標系X-Y-Z(第二座標系X-Y-Z繪示於第4A圖)的原點設於攝像器110的鏡頭中心111。前述轉換矩陣為第一座標系轉換至第二座標系的轉換關係(旋轉及/或平移)。在一實施例中,第一座標系例如是世界座標系,而第二座標系也可稱為攝像器座標系。在一實施例中,轉換矩陣例如是採用二維轉三維之座標轉換技術取得,例如是透視n點姿態演算法(Perspective-n-Point (PnP) pose computation),從n對的2D與3D特徵圖像對應關係中,算出攝像器110與量測卡之間的旋轉與平移,即旋轉矩陣和平移向量。本揭露實施例不限定轉換矩陣的取得技術及/或方法。
在步驟S160中,處理器120可將各特徵圖案影像M
12~M
19的特徵點座標輸入至轉換矩陣,轉換矩陣的輸出即為尖端11t的尖端座標D
11t,尖端座標D
11t參考第二座標系X-Y-Z。第二座標系X-Y-Z為三維座標,換言之,本揭露實施例之量測系統可量測三維座標中實體物件的幾何資訊。轉換矩陣的各輸入對應於此些特徵圖案影像的一特定者。由於已取得各特徵圖案影像M
12~M
19的相對幾何關係(如前述),因此處理器120可將特徵圖案影像M
12~M
19個別輸入轉換矩陣的一對應輸入,使轉換矩陣輸出尖端11t之尖端座標D
11t。
在取得一個量測卡10的尖端座標D
11t後,處理器120可執行相同流程,取得下一個量測卡10的尖端座標D
11t,直到取得全部量測卡10的尖端座標D
11t。此外,透過一個尖端座標D
11t可得知實體物件P的一個位置點的座標,透過二個尖端座標D
11t可得知實體物件P的二個位置點的距離,而透過三個尖端座標D
11t可得知實體物件P的二條直線之間的夾角。處理器120可判斷尖端座標D
11t的數量,並依據數量計算至少一尖端座標D
11t,以取得對應之幾何資訊(位置點、距離及/或夾角等)。前述距離及夾角可使用適合數學公式取得。
綜上,本揭露實施例提出一種量測卡、應用其之量測系統及量測方法,量測卡可抵靠在一待測物的一位置點,使用前述量測系統,搭配前述量測方法,能簡便且快速地取得一待測位置點的座標。在一實施例中,藉由量測卡的數個特徵圖案的設計(例如,對稱性或非對稱性、間距分布、排列疏密、面積大小等),在取得量測卡之特徵圖案影像的幾何資訊後,即能取得精準的量測卡之尖端的尖端座標(對應前述待測位置點的空間座標),以達到空間中待測物之精準尺寸量測或角度量測。
綜上所述,雖然本揭露已以實施例揭露如上,然其並非用以限定本揭露。本揭露所屬技術領域中具有通常知識者,在不脫離本揭露之精神和範圍內,當可作各種之更動與潤飾。因此,本揭露之保護範圍當視後附之申請專利範圍所界定者為準。
10~80:量測卡
11,81:本體
12~19,42~49,52~59,62~65,72~75,82:特徵圖案
11b1,81b1:外邊界線
11b2,81b2:內邊界線
11e:側邊
11t:尖端
66,76:輔助圖案
100:量測系統
110:攝像器
111:鏡頭中心
120:處理器
AX:參考軸
B10,B20,B70,B80:背景圖案
C12~C19:圓心
D
11t:尖端座標
D
C12~D
C19:圓心座標
H1:第一間距
H2:第二間距
M
10:量測卡影像
M
12~M
19:特徵圖案影像
M
B10:背景圖案影像
M:拍攝影像
M
P:物件影像
P:實體物件
P1,P2:位置點
R1:感興趣區域
x-y-x:第一座標系
X-Y-Z:第二座標系
第1A~1H圖繪試示依照本揭露數個實施例之量測卡的示意圖。
第2圖繪示依照本揭露一實施例之量測系統的功能方塊圖。
第3圖繪示使用第2圖之量測系統之量測方法的流程圖。
第4A圖繪示第2圖之攝像器與量測卡於空間中的示意圖。
第4B圖繪示第4A圖之攝像器所擷取之量測卡影像的示意圖。
第4C圖繪示對應於第4B圖之背景圖案影像之感興趣區域的示意圖。
第4D圖繪示依據感興趣區域所取得之第4B圖之量測卡影像的示意圖。
第4E圖繪示第4D圖之特徵圖案影像及其圓心的示意圖。
第4F圖繪示第4D圖之特徵圖案影像及其圓心的示意圖。
100:量測系統
110:攝像器
120:處理器
M10:量測卡影像
Claims (20)
- 一種量測卡,包括: 一本體,具有相對之一側邊與一尖端;以及 複數個特徵圖案,形成於該本體; 其中,該些特徵圖案滿足下列(1)與(2)至少一者:(1). 該些特徵圖案之一第一者與一第二者沿一通過該側邊與該尖端之參考軸具有一第一間距,該些特徵圖案之該第二者與一第三者沿該參考軸具有一第二間距,而該第一間距與該第二間距相異;及(2). 該些特徵圖案相對該參考軸呈非對稱配置。
- 如請求項1所述之量測卡,其中該些特徵圖案的數量至少四個。
- 如請求項1所述之量測卡,其中該些特徵圖案包括一內圓及一外圓,該內圓與該外圓係同心配置。
- 如請求項1所述之量測卡,其中該些特徵圖案包括一內圓及一外圓,該內圓與該外圓係偏心配置。
- 如請求項1所述之量測卡,其中該些特徵圖案包括一內圓及一外圓,該內圓具有一第一灰階值,該外圓與該內圓之間的區域具有一第二灰階值,該第一灰階值與該第二灰階值的一灰階值差至少200。
- 如請求項1所述之量測卡,更包括: 一背景圖案,圍繞該些特徵圖案。
- 如請求項6所述之量測卡,其中該背景圖案係綠色。
- 一種量測系統,包括: 一攝像器,用以擷取如請求項1所述之量測卡之一量測卡影像,該量測卡影像包括對應該些特徵圖案之複數個特徵圖案影像;以及 一處理器,電性連接該攝像器且用以: 分析該些特徵圖案影像,以取得各該特徵圖案影像的一特徵點之一特徵點座標;及 輸入該些特徵點座標於一轉換矩陣,以取得該尖端之一尖端座標。
- 如請求項8所述之量測系統,其中該量測卡影像具有一背景圖案影像,該背景圖案影像圍繞該些特徵圖案影像;該處理器更用以: 取得該背景圖案影像映射至一色彩座標系之一感興趣區域(Region Of Interest, ROI);以及 依據該感興趣區域,取得該量測卡影像中該些特徵圖案影像。
- 如請求項9所述之量測系統,其中該色彩座標為HSV色度座標。
- 如請求項8所述之量測系統,其中該處理器更用以: 灰階化該些特徵圖案影像。
- 如請求項8所述之量測系統,其中各該特徵圖案影像為一圓形影像;該處理器更用以: 取得各該圓形影像之一圓心的一圓心座標;以及 輸入該些圓心座標於該轉換矩陣,以取得對應之該尖端座標。
- 如請求項8所述之量測系統,其中該些特徵圖案影像包括複數個內圓影像及複數個外圓影像;該處理器更用以: 取得各該內圓影像之一內圓圓心的一內圓心座標; 取得各該外圓影像之一外圓圓心的一外圓心座標;以及 輸入該些內圓心座標及該些外圓心座標於該轉換矩陣,以取得對應之該尖端座標。
- 如請求項8所述之量測系統,其中該量測卡影像參考一第一座標系,該尖端座標參考一第二座標系,該轉換矩陣為該第一座標系轉換至該第二座標系的轉換關係。
- 一種量測方法,包括: 擷取如請求項1所述之量測卡之一量測卡影像,其中該量測卡影像具有對應該些特徵圖案之複數個特徵圖案影像; 分析該些特徵圖案影像,以取得各該特徵圖案影像的一特徵點之一特徵點座標;以及 輸入該些特徵點座標於一轉換矩陣,以取得該尖端之一尖端座標。
- 如請求項15所述之量測方法,其中該量測卡影像具有一背景圖案影像,該背景圖案影像圍繞該些特徵圖案影像;該量測方法更包括: 取得該背景圖案影像映射至一色彩座標系之一感興趣區域;以及 依據該感興趣區域,取得該量測卡影像中該些特徵圖案影像。
- 如請求項16所述之量測方法,其中該色彩座標為HSV色度座標。
- 如請求項15所述之量測方法,更包括: 在依據該感興趣區域取得該量測卡影像中該些特徵圖案影像之步驟後,灰階化該些特徵圖案影像。
- 如請求項15所述之量測方法,其中各些特徵圖案影像為一圓形影像,各該特徵點為對應之該圓形影像之一圓心;於分析該些特徵圖案影像以取得各該特徵圖案影像的該特徵點之該特徵點座標之步驟包括: 取得各該圓心的一圓心座標;以及 於輸入該些特徵點座標於該轉換矩陣以取得該尖端之該尖端座標之步驟包括: 輸入該些圓心座標於該轉換矩陣,以取得該尖端座標。
- 如請求項15所述之量測方法,其中該些特徵圖案影像包括複數個內圓影像及複數個外圓影像;於分析該些特徵圖案影像以取得各該特徵圖案影像的該特徵點之該特徵點座標之步驟包括: 取得各該內圓影像之一內圓圓心的一內圓心座標;及 取得各該外圓影像之一外圓圓心的一外圓心座標; 於輸入該些特徵點座標於該轉換矩陣以取得該尖端之該尖端座標之步驟包括: 輸入該些內圓心座標及該些外圓心座標於該轉換矩陣,以取得該尖端座標。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211495334.1A CN117804330A (zh) | 2022-09-30 | 2022-11-25 | 量测卡、量测系统及量测方法 |
US18/098,493 US20240112360A1 (en) | 2022-09-30 | 2023-01-18 | Measurement card, measurement system and measurement method using the same |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202415922A true TW202415922A (zh) | 2024-04-16 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7680320B2 (en) | Image processing method, substrate inspection method, substrate inspection apparatus and method of generating substrate inspection data | |
CN107945184A (zh) | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 | |
JP2001524228A (ja) | 機械視覚較正標的並びに画像内で標的の位置及び方向を決定する方法 | |
CN101697233A (zh) | 一种基于结构光的三维物体表面重建方法 | |
JP2018152055A (ja) | ビジョンシステムにおいてカラー画像と対照してカラーの候補ポーズをスコアリングするためのシステム及び方法 | |
CN114299070B (zh) | 一种显示屏mura缺陷的检测方法及相关装置 | |
CN110260818B (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
JP2018152081A (ja) | 取得された画像内のクラッタを決定するためのシステム及び方法 | |
CN114018932A (zh) | 基于矩形标定物的路面病害指标测量方法 | |
CN104573635B (zh) | 一种基于三维重建的微小高度识别方法 | |
US9652837B2 (en) | Method of determining quality of heart and cupid optical effects of diamond device therefor | |
CN114037987A (zh) | 一种废钢智能识别方法、装置、介质及设备 | |
TW202415922A (zh) | 量測卡、應用其之量測系統及量測方法 | |
CN110674889B (zh) | 一种用于电表终端故障识别的图像训练方法 | |
CN110738170B (zh) | 一种用于电表终端故障识别的图像识别方法 | |
CN113012238A (zh) | 一种多深度相机快速标定与数据融合的方法 | |
CN112070844A (zh) | 结构光系统的校准方法及装置、校准工具图、设备及介质 | |
CN115239801B (zh) | 一种对象定位方法及装置 | |
US20240112360A1 (en) | Measurement card, measurement system and measurement method using the same | |
KR20130008750A (ko) | 검사방법 | |
WO2022183683A1 (zh) | 三维物体色度值计算方法及装置、三维物体色度值计算系统 | |
Ren et al. | Model-driven photometric stereo for in-process inspection of non-diffuse curved surfaces | |
CN114862846A (zh) | 一种筛分方法、装置、设备及存储介质 | |
CN115082538A (zh) | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 | |
CN112858331A (zh) | 一种vr屏幕的检测方法及检测系统 |