CN104809738B - 一种基于双目视觉的安全气囊轮廓尺寸检测方法 - Google Patents
一种基于双目视觉的安全气囊轮廓尺寸检测方法 Download PDFInfo
- Publication number
- CN104809738B CN104809738B CN201510250862.4A CN201510250862A CN104809738B CN 104809738 B CN104809738 B CN 104809738B CN 201510250862 A CN201510250862 A CN 201510250862A CN 104809738 B CN104809738 B CN 104809738B
- Authority
- CN
- China
- Prior art keywords
- curve
- point
- matching
- air bag
- airbag
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 13
- 238000013519 translation Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000005381 potential energy Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 1
- 238000000691 measurement method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于双目视觉的安全气囊轮廓尺寸检测方法,包括:(1)使用标定板对双目视觉***进行标定;(2)使用双目相机对待测安全气囊同时进行拍摄,对两幅图像进行图像预处理,然后提取边缘、细化为单像素并填充断点;(3)对待测安全气囊轮廓曲线的分段并进行匹配;(4)重建出三维曲线段并优化曲线段;(5)对待测安全气囊三维曲线段进行坐标变换,配准待测安全气囊三维曲线段与标准安全气囊边缘轮廓三维数模曲线段;(6)计算检测点的位置公差Vx、Vy、Vz以及点所在轮廓曲线段的形状公差K分别判定是否在位置公差、形状公差范围之内。本发明可以同时取缔传统的安全气囊轮廓尺寸检测方法:三坐标检测法、检具检测法,不仅可以降低成本、提高效率,而且具有自动化、非接触、精度高、适应性强等优点,可有效检测各种类型安全气囊轮廓尺寸。
Description
技术领域
本发明属于计算机视觉和图像测量技术领域,尤其是涉及双目视觉的安全气囊轮廓尺寸检测方法。
背景技术
随着科学技术的高速发展,安全气囊的装配工艺要求也越来越苛刻,但是现阶段的安全气囊检测技术还不是很完善,如果检测质量不过关,不仅会影响美观和使用性能,更重要的是势必会带来安全遗患,现有的安全气囊装配检测方法有三坐标检测法、检具检测法,存在着检测成本高、检测结果重复性差、检测误判率高、效率低等缺陷,不适合生产流水线的在线全检,随着图像处理、计算机技术和工业摄像机制造水平的不断发展,计算机视觉技术也得到了快速的发展,不但可以实现物体在三维空间中形状、位置和尺寸的测量,而且相比接触式的检测***在智能型、柔性以及检测速度方便具有更大的优越性,将逐步成为工业产品尺寸在线检测的重要手段和未来发展趋势。
发明内容
本发明为了解决上述问题,提出了一种基于双目视觉的安全气囊轮廓尺寸检测方法,本发明将双目视觉和轮廓尺寸检测相结合,根据轮廓尺寸参数具有的特点,设计双目视觉测量***,利用图像采集及预处理、曲线的分段及立体匹配、三维重建、坐标变换及配准等技术实现安全气囊轮廓尺寸参数的自动测量,解决了检测成本高、检测结果重复性差、效率低等弊端,具有自动化、非接触、精度高、通用性的特点,可有效判别安全气囊是否合格。
为了实现上述目的,本发明采用如下技术方案,所述的双目视觉的安全气囊轮廓尺寸检测方法的步骤如下:
(1)双目立体视觉***的标定:使用MATLAB标定工具箱分别对两台摄像机进行单相机标定,获得每个摄像机的内参数和外参数,再通过VS2010中的的Open CV对标定好的相机进行立体标定,获得两个摄像机之间位置关系的旋转矩阵R和平移矩阵T;
(2)图像采集及预处理:使用两台摄像机同时对待测安全气囊进行拍摄,得到左右两幅图像I1、I2,对安全气囊的视觉图像进行高斯滤波、对比度增强、Canny算子边缘检测等图像预处理,得到连续且封闭的安全气囊边缘轮廓二维曲线;
(3)安全气囊轮廓曲线的分段及立体匹配:对安全气囊轮廓曲线进行分段,然后利用正规化交叉相关系数和亮度均方差方法对特征点进行粗匹配,最后利用动态规划算法以边界势能为衡量标准对匹配点对间的曲线段进行最优化匹配。
(4)安全气囊轮廓曲线的三维重建:由(1)所求的内外参数、平移矩阵、旋转矩阵及(3)所求的匹配曲线段,根据摄像机光心确定匹配曲线段所在的空间曲面的交线,然后根据图像上曲线段的端点及曲线上任一标记点在三维空间的点到候选空间曲线的距离确定对应图像上曲线段的空间曲线段。
(5)待测气囊与标准气囊轮廓三维坐标变换及配准:将标准安全气囊CATIA三维数模边缘信息提取出来,对空间曲线进行立体匹配,用来确定标准安全气囊和待测安全气囊的公共点,采用布尔莎七参数模型进行空间坐标变换,由标准安全气囊和待测安全气囊的公共点对坐标,用最小二乘法拟合出相应的七参数,然后由求得的七参数将待测安全气囊空间坐标转换到标准安全气囊的空间坐标中,进而完成待测气囊与标准气囊轮廓三维坐标变换及配准。
(6)计算检测点的位置公差Vx、Vy、Vz以及点所在轮廓曲线段的形状公差K,判定是否在位置公差、形状公差范围之内,进而判断待测安全气囊是否合格。
与现有技术相比本发明的有益效果是:能够仅仅利用CCD摄像机提供的待测安全气囊图像及标准安全气囊三维数模自动完成轮廓尺寸参数的计算,判定待测安全气囊是否合格,可同时取缔当今使用的三坐标检测和检具检测两种设备,不仅可以降低成本、提高效率,而且具有自动化、非接触、精度高、适应性强等优点。
附图说明
图1是本发明的基于双目视觉的安全气囊轮廓尺寸检测方法流程图;
图2是本发明的图像采集及预处理流程图;
图3是本发明的曲线段三维重建示意图;
具体实施方式
下面参照附图,对本发明具体实施方案做更为详细的描述。
图1是本发明的基于双目视觉的安全气囊轮廓尺寸检测方法流程图,一种基于双目视觉的安全气囊轮廓尺寸检测方法,包括以下步骤:
(1)双目立体视觉***的标定。摄像机的标定是为了获得摄像机的内外参数,使用MATLAB标定工具箱分别对两台摄像机进行单相机标定,获得每个摄像机的内参数和外参数,再通过VS2010中的的Open CV对标定好的相机进行立体标定,获得两个摄像机之间位置关系的旋转矩阵R和平移矩阵T。
(2)图像采集及预处理。如图2,包括下列子步骤:
(2.1)使用两台摄像机同时对同一场景进行拍摄,得到左右两幅图像I1、I2;
(2.2)采用高斯滤波对两幅图像进行去噪处理;
(2.3)对两幅图像进行比度增强及灰度归一化,增强安全气囊轮廓边缘;
(2.4)采用Canny算子提取图像的边缘;
(2.5)采用数学形态法把边缘细化为单像素,对边缘细化过程中在边界上产生的断点进行边界跟踪,填充边界上的断点,得到图像的矢量化表示,进而得到连续且封闭的安全气囊轮廓边缘二维曲线;
(3)安全气囊轮廓曲线的分段及立体匹配,包括下列子步骤:
(3.1)对安全气囊轮廓曲线进行分段。假设n个序列点描述安全气囊的轮廓曲线L,即:
L={pi=(xi,yi),i=1,2,...,n}
其中(xi,yi)为边界L上点pi的坐标,pi+1为pi邻接点。Sk(pi)为边界L上以pi为中心的一小曲线段,即:
Sk(pi)={pj|j=i-k,i-k+1,...,i+k-1,i+k}
曲线段Sk(pi)上的点pi的协方差矩阵C定义如下:
其中,
cx和cy是曲线段Sk(pi)的几何中心,即:
协方差矩阵C的特征值λL和λS为:
有特征值公式可知λL≥λS,
不同支撑区特征值乘积公式:
其中Ω表示不同支撑区的集合,不同支撑区特征值的乘积可以度量曲线上点的特征,如果点是明显突出的特征点,则该店的特征值乘积P(pi)就比较大,给出特征值乘积的阈值如果点的特征值乘积P(pi)大于则该点为特征点,否则视该点为曲线上的一般点,进而可将安全气囊轮廓曲线进行分段。
(3.2)对安全气囊轮廓曲线段进行立体匹配。
先利用正规化交叉相关系数NCC和亮度均方差ASD方法对特征点进行粗匹配,定义曲线上一点的势能为CEPF(L):
其中(xi,yi)和(xj,yj)分别为曲线段L上第i个点和第i个点周围l×k范围内第j个点的坐标,I(xj,yj)和I(xi,yi)为他们的灰度值,n为曲线段上点的个数,m为l×k范围内像素点的个数。对于左右两幅视图I(x,y)和I'(x,y),L和L'分别为两视图上对应的曲线段,其匹配度量公式为:
和为曲线段L和L'势能的平均值,即:
ρ的值大于0,值越小两曲线段越相似,因此ρ可以度量曲线段的相似程度,然后以ρ作为度量准则利用动态规划算法对匹配点对间的曲线段进行最优化匹配。
(4)安全气囊轮廓曲线的三维重建,如图3,包括下列子步骤:
(4.1)用最小二乘法分别对(3)中的匹配曲线段拟合,在图像I1、I2上的二次曲线段C1、C2可分别表示为:
其中,
X1=(x1,y1,1)T
X2=(x2,y2,1)T
X1、X2分别是图像I1、I2上位于二次曲线C1和C2上任意点的图像齐次坐标,C1和C2为33的对称矩阵。由投影方程:
其中,和分别为相机投影矩阵的行向量。将投影方程带入得:
设左右两摄像机的光心为O1、O2,则此式为光心O1、O2与所对应的曲线段C1、C2确定的锥面的交线。
(4.2)根据三角测量的原理,由(1)所求的内外参数及旋转矩阵R、平移矩阵T,确定(4.1)中曲线段的端点以及对应曲线段上任一特征点对的三维坐标。
(4.3)求出(4.2)中所求的三维空间点到(4.1)中两锥面的每条交线的欧氏距离之和,距离和最小的交线确定为两幅图像上对应该曲线段所对应的空间曲线段。
(5)待测气囊与标准气囊轮廓三维坐标变换及配准,包括下列子步骤:
(5.1)将标准安全气囊CATIA三维数模边缘信息提取出来,分别求出标准和待测安全气囊边缘轮廓空间曲线的等参数间隔的采样点C1,C2。
其中,
分别是和的曲率。曲率可以作为离散点的局部形状标签。判断离散点是否成对,有计算公式:
式中,ξ为阈值。
本专利采用下式确定ξ的值:
式中,分别为曲线C1、C2上的曲率的最大值和最小值。
由上式成立所求出的和可能是真实匹配点,也可能不是真实匹配点,只是局部形状相似,它们的匹配误差非常大,容易误当最优匹配点对,保存满足上式匹配点对的点对序号(i,j)和匹配点对的平均曲率
采用匹配点对距离平方和作为匹配误差的度量,选择合适的阈值,剔除非真实匹配点,进而得到最优匹配点对,计算公式为:
i=0,1,…,m;j=0,1,…,n
式中,分别为标准和待检测气囊边缘空间曲线C1、C2上的点;M为弗朗内特标架的匹配矩阵;i、j、m、n分别为空间曲线C1、C2上的点序号和采样点长度;k为对应点的编号;||·||为两点之间的距离;为模和,为(i+k)mod m,为(j+k)mod n;w为匹配窗口大小控制参数;2w+1为窗口内采样点的数量。
设置不同的窗口参数w,可以将该算法应用到全局曲线匹配或者局部曲线匹配。本专利w的设置由对应点的平均曲率k决定,将平均曲率k映射为w的函数为:
式中,kr为k的归一化曲率;为调整权值,取值1.0。
由上述过程可求出标准与待测气囊边缘空间曲线对应的匹配点对坐标Pi 1(xi 1,yi 1,zi 1)和Pi 2(xi 2,yi 2,zi 2),其中i=1,2,…,n;n为匹配点的个数。
(5.2)采用布尔莎七参数模型进行空间坐标变换,布尔莎七参数模型含有3个平移参数(Δx,Δy,Δz),3个旋转参数(εx,εy,εz)和1个尺度参数k,公式如下:
由(5.1)确定的标准安全气囊和待测安全气囊的匹配点对坐标Pi 1(xi 1,yi 1,zi 1)和Pi 2(xi 2,yi 2,zi 2),用最小二乘法拟合出相应的七参数,然后由求得的七参数将待测安全气囊空间坐标转换到标准安全气囊的空间坐标中,进而完成待测气囊与标准气囊轮廓三维坐标变换及配准。
(6)计算检测点的位置公差Vx、Vy、Vz以及点所在轮廓曲线段的形状公差K,包括下列子步骤:
(6.1)通过标准气囊上的检测点求出到待测气囊轮廓曲线最短距离的点,即为待测气囊上相对应的检测点,进而求出检测点的位置公差:
Vx=X测-X标
Vy=Y测-Y标
Vz=Z测-Z标
(6.2)通过计算标准与待测气囊轮廓对应检测点所在对应轮廓曲线段之间的Hausdorff距离,进而求出待测轮廓曲线段的形状公差:
K=K测-K标
(6.3)将所求形状公差、位置公差与安全气囊标准的三维数模工程图中的形状公差、位置公差相比较,判定是否在误差范围之内,进而判断待测安全气囊是否合格。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围之内。
Claims (3)
1.一种基于双目视觉的安全气囊轮廓尺寸检测方法,其特征在于,
具体步骤如下:
(1)双目立体视觉***的标定:使用MATLAB标定工具箱分别对两台摄像机进行单相机标定,获得每个摄像机的内参数和外参数,再通过VS2010中的OpenCV对标定好的相机进行立体标定,获得两个摄像机之间位置关系的旋转矩阵R和平移矩阵T;
(2)图像采集及预处理:使用两台摄像机同时对待测安全气囊进行拍摄,得到左右两幅图像Ι1、Ι2,对安全气囊的视觉图像进行高斯滤波、对比度增强、Canny算子边缘检测图像预处理,得到连续且封闭的安全气囊边缘轮廓二维曲线;
(3)安全气囊轮廓曲线的分段及立体匹配:先对安全气囊轮廓曲线进行分段,然后对安全气囊轮廓曲线段进行立体匹配,先利用正规化交叉相关系数和亮度均方差方法对特征点进行粗匹配,然后利用动态规划算法以边界势能为衡量标准对匹配点对间的曲线段进行最优化匹配;
(4)安全气囊轮廓曲线的三维重建:由(1)所求的内外参数、平移矩阵、旋转矩阵及(3)所求的匹配曲线段,根据摄像机光心确定匹配曲线段所在的空间曲面的交线,然后根据图像上曲线段的端点及曲线上任一标记点在三维空间的点到候选空间曲线的距离确定对应图像上曲线段的空间曲线段;
(5)待测气囊与标准气囊轮廓三维坐标变换及配准:将标准安全气囊CATIA三维数模边缘信息提取出来,对待测气囊与标准气囊轮廓三维曲线进行立体匹配,用来确定标准安全气囊和待测安全气囊的匹配点,采用布尔莎七参数模型进行空间坐标变换,由标准安全气囊和待测安全气囊的匹配点对坐标,用最小二乘法拟合出相应的七参数,然后由求得的七参数将待测安全气囊空间坐标转换到标准安全气囊的空间坐标中,进而完成待测气囊与标准气囊轮廓三维坐标变换及配准;
(6)计算检测点的位置公差Vx、Vy、Vz以及点所在轮廓曲线段的形状公差K,包括下列子步骤:
(6.1)通过标准气囊上的检测点求出到待测气囊轮廓曲线最短距离的点,即为待测气囊上相对应的检测点,进而求出检测点的位置公差:
Vx=X测-X标
Vy=Y测-Y标
Vz=Z测-Z标
(6.2)通过计算标准与待测气囊轮廓对应检测点所在对应轮廓曲线段之间的Hausdorff距离,进而求出待测轮廓曲线段的形状公差:
K=K测-K标;
(6.3)将所求形状公差、位置公差与安全气囊标准的三维数模工程图中的形状公差、位置公差相比较,判定是否在误差范围之内,进而判断待测安全气囊是否合格;
(2)图像采集及预处理,包括下列子步骤:
(2.1)使用两台摄像机同时对同一场景进行拍摄,得到左右两幅图像Ι1、Ι2;
(2.2)采用高斯滤波对两幅图像进行去噪处理;
(2.3)对两幅图像进行比度增强及灰度归一化,增强安全气囊轮廓边缘;
(2.4)采用Canny算子提取图像的边缘;
(2.5)采用数学形态法把边缘细化为单像素,对边缘细化过程中在边界上产生的断点进行边界跟踪,填充边界上的断点,得到图像的矢量化表示,进而得到连续且封闭的安全气囊轮廓边缘二维曲线;
(5)待测气囊与标准气囊轮廓三维坐标变换及配准,包括下列子步骤:
(5.1)将标准安全气囊CATIA三维数模边缘信息提取出来,分别求出标准和待测安全气囊边缘轮廓空间曲线的等参数间隔的采样点C1,C2;
其中,
分别是Pi 1和Pj 2的曲率,曲率可以作为离散点的局部形状标签,判断离散点是否成对,有计算公式:
式中,ξ为阈值;
采用下式确定ξ的值:
式中,分别为空间曲线C1、C2上的曲率的最大值和最小值;
由上式成立所求出的Pi 1和Pj 2可能是真实匹配点,也可能不是真实匹配点,只是局部形状相似,它们的匹配误差非常大,容易误当最优匹配点对,保存满足上式匹配点对的点对序号(i,j)和匹配点对的平均曲率:
采用匹配点对距离平方和作为匹配误差的度量,选择合适的阈值,
剔除非真实匹配点,进而得到最优匹配点对,计算公式为:
式中,Pi 1、Pj 2分别为标准和待检测气囊边缘空间曲线采样点C1、C2;M为弗朗内特标架的匹配矩阵;i、j、m、n分别为空间曲线C1、C2上的点序号和采样点长度;k为对应点的编号;||·||为两点之间的距离;为模和,为(i+k)mod m,为(j+k)mod n;w为匹配窗口大小控制参数;2w+1为窗口内采样点的数量;
设置不同的窗口参数w,可以将该算法应用到全局曲线匹配或者局部曲线匹配,w的设置由对应点的平均曲率k决定,将平均曲率k映射为w的函数为:
式中,kr为k的归一化曲率;为调整权值,取值1.0;
由上述过程可求出标准与待测气囊边缘空间曲线对应的匹配点对坐标Pi 1(xi 1,yi 1,zi 1)和Pi 2(xi 2,yi 2,zi 2),其中i=1,2,…,N;N为匹配点的个数;
(5.2)采用布尔莎七参数模型进行空间坐标变换,布尔莎七参数模型含有3个平移参数(Δx,Δy,Δz),3个旋转参数(εx,εy,εz)和1个尺度参数k,公式如下:
由(5.1)确定的标准安全气囊和待测安全气囊的匹配点对坐标Pi 1(xi 1,yi 1,zi 1)和Pi 2(xi 2,yi 2,zi 2),用最小二乘法拟合出相应的七参数,然后由求得的七参数将待测安全气囊空间坐标转换到标准安全气囊的空间坐标中,进而完成待测气囊与标准气囊轮廓三维坐标变换及配准。
2.根据权利要求1所述的一种基于双目视觉的安全气囊轮廓尺寸检测方法,其特征在于:(3)安全气囊轮廓曲线的分段及立体匹配,包括下列子步骤:
(3.1)对安全气囊轮廓曲线进行分段:假设n个序列点描述安全气囊的轮廓曲线L,即:
L={pi=(xi,yi),i=1,2,...,n}
其中(xi,yi)为边界L上点pi的坐标,pi+1为pi邻接点,Sk(pi)为边界L上以pi为中心的一小曲线段,即:
Sk(pi)={pj|j=i-k,i-k+1,...,i+k-1,i+k}
曲线段Sk(pi)上的点pi的协方差矩阵C定义如下:
其中,
cx和cy是曲线段Sk(pi)的几何中心,即:
协方差矩阵C的特征值λL和λS为:
由特征值公式可知λL≥λS,
不同支撑区特征值乘积公式:
其中Ω表示不同支撑区的集合,不同支撑区特征值的乘积可以度量曲线上点的特征,如果点是明显突出的特征点,则该点的特征值乘积P(pi)就比较大,给出特征值乘积的阈值如果点的特征值乘积P(pi)大于则该点为特征点,否则视该点为曲线上的一般点,进而可将安全气囊轮廓曲线进行分段;
(3.2)对安全气囊轮廓曲线段进行立体匹配:
先利用正规化交叉相关系数NCC和亮度均方差ASD方法对特征点进行粗匹配,
定义曲线上一点的势能为CEPF(L):
其中(xi,yi)和(xj,yj)分别为曲线段L上第i个点和第i个点周围l×k范围内第j个点的坐标,I(xj,yj)和I(xi,yi)为他们的灰度值,n为曲线段上点的个数,m为l×k范围内像素点的个数,对于左右两幅视图I(x,y)和I'(x,y),L和L'分别为两视图上对应的曲线段,其匹配度量公式为:
和为曲线段L和L'势能的平均值,即:
ρ(L,L′)的值大于0,值越小两曲线段越相似,因此ρ(L,L′)可以度量曲线段的相似程度,然后以ρ(L,L′)作为度量准则利用动态规划算法对匹配点对间的曲线段进行最优化匹配。
3.根据权利要求1所述的一种基于双目视觉的安全气囊轮廓尺寸检测方法,其特征在于:(4)安全气囊轮廓曲线的三维重建,包括下列子步骤:
(4.1)用最小二乘法分别对(3)中的匹配曲线段拟合,在图像I1、I2上的空间曲线C1、C2可分别表示为:
其中,
X1=(x1,y1,1)T
X2=(x2,y2,1)T
X1、X2分别是图像I1、I2上位于空间曲线C1和C2上任意点的图像齐次坐标,C1和C2为3*3的对称矩阵,由投影方程:
其中,和分别为相机投影矩阵的行向量;将投影方程带入得:
设左右两摄像机的光心为O1、O2,则此式为光心O1、O2与所对应的空间曲线C1、C2确定的锥面的交线;
(4.2)根据三角测量的原理,由(1)所求的内外参数及旋转矩阵R、平移矩阵T,确定(4.1)中曲线段的端点以及对应曲线段上任一特征点对的三维坐标;
(4.3)求出(4.2)中所求的三维空间点到(4.1)中两锥面的每条交线的欧氏距离之和,距离和最小的交线确定为两幅图像上对应该曲线段所对应的空间曲线段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510250862.4A CN104809738B (zh) | 2015-05-18 | 2015-05-18 | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510250862.4A CN104809738B (zh) | 2015-05-18 | 2015-05-18 | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809738A CN104809738A (zh) | 2015-07-29 |
CN104809738B true CN104809738B (zh) | 2019-04-23 |
Family
ID=53694543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510250862.4A Expired - Fee Related CN104809738B (zh) | 2015-05-18 | 2015-05-18 | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809738B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105241379A (zh) * | 2015-10-08 | 2016-01-13 | 莆田市荣兴机械有限公司 | 换气阀孔尺寸测量方法 |
CN107192348A (zh) * | 2016-03-14 | 2017-09-22 | 武汉小狮科技有限公司 | 一种高精度3d视觉测量方法 |
CN106384382A (zh) * | 2016-09-05 | 2017-02-08 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目立体视觉的三维重建***及其方法 |
CN106705847B (zh) * | 2017-01-18 | 2019-04-05 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN109598761B (zh) * | 2019-02-16 | 2022-08-09 | 西南科技大学 | 一种曲线测量定位方法 |
CN110673607B (zh) * | 2019-09-25 | 2023-05-16 | 优地网络有限公司 | 动态场景下的特征点提取方法、装置、及终端设备 |
CN110766677B (zh) * | 2019-10-24 | 2022-03-18 | 吉林大学 | 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 |
CN111415378B (zh) * | 2020-02-27 | 2023-11-24 | 湖南大学 | 用于汽车玻璃检测的图像配准方法及汽车玻璃检测方法 |
CN111795970B (zh) * | 2020-07-14 | 2023-04-14 | 重庆大学 | 一种不规则轮廓缺陷检测方法 |
CN114236181B (zh) * | 2021-12-02 | 2023-10-20 | 中国电子科技集团公司第十三研究所 | Afm探针测量方法、装置、控制设备及存储介质 |
CN114878179B (zh) * | 2022-04-08 | 2023-05-23 | 中汽研汽车检验中心(广州)有限公司 | 一种安全气囊点爆测试方法及*** |
CN116543002B (zh) * | 2023-07-06 | 2023-11-21 | 广州市易鸿智能装备有限公司 | 一种针对产品的自动化检测方法、装置和*** |
-
2015
- 2015-05-18 CN CN201510250862.4A patent/CN104809738B/zh not_active Expired - Fee Related
Non-Patent Citations (11)
Title |
---|
Auto-Corner Detection Based on the Eigenvalues Product of Covariance Matrices over Multi-Regions of Support;Qingsheng Zhu;《JOURNAL OF SOFTWARE》;20100830;第5卷(第8期);907-914 |
Wavelet-based corner detection using eigenvectors of covariance matrices;Chi-Hao Yeh;《Pattern Recognition Letters》;20031130;第24卷(第15期);2797-2806 |
一种新的空间曲线匹配算法;王坚,周来水,张丽艳;《中国机械工程》;20060825;第17卷(第16期);第2节 空间曲线的匹配 |
双目视觉的立体标定方法;刘俸材,谢明红,王伟;《计算机工程与设计》;20110430;第32卷(第4期);1508-1512 |
图像轮廓提取与三维重建关键技术研究;王艳霞;《中国博士学位论文全文数据库》;20101215;第4.2.1节、第4.2.2节、第5节、第6.3节 |
基于双目视觉的二次曲面体三维结构重建;李洪望;《中国优秀硕士学位论文全文数据库》;20140415;第2.1节、第2.2.1节、第3.3节、第4.2节、第5.2.2节、第5.4节、第5.5节 |
基于图像处理的汽车主安全气囊轮廓尺寸的检测;陈晓伟;《中国优秀硕士学位论文全文数据库》;20141215;第5.3节 汽车主安全气囊轮廓尺寸精度的检测 |
基于计算机视觉的二维轮廓多尺寸检测方法研究;李刚;《中国优秀硕士学位论文全文数据库》;20090815;9-64 |
基于边缘细化的角点提取算法;邹琼兵,周东翔,蔡宣平;《计算机应用与软件》;20060330;第23卷(第3期);第1.2节 填充边界点 |
布尔莎—沃尔夫转换模型的几何证明;张宏;《测绘与空间地理信息》;20060425;第29卷(第2期);第1节 模型证明 |
计算机视觉和图像处理技术及其在汽车零件检测中的应用;吴传国,焦永和,肖陶;《使用与维修》;20030430;53-54 |
Also Published As
Publication number | Publication date |
---|---|
CN104809738A (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809738B (zh) | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 | |
Fan et al. | Pothole detection based on disparity transformation and road surface modeling | |
CN111080627B (zh) | 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法 | |
CN102175222B (zh) | 基于立体视觉的吊车避障*** | |
CN101839692B (zh) | 单相机测量物体三维位置与姿态的方法 | |
CN106650701B (zh) | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 | |
CN109615654B (zh) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 | |
CN111223133A (zh) | 一种异源图像的配准方法 | |
CN111598172B (zh) | 基于异构深度网络融合的动态目标抓取姿态快速检测方法 | |
CN110260818B (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
CN113393524B (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
CN115082472B (zh) | 一种轮毂模具浇注成型产品的质量检测方法及*** | |
CN106682674B (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
CN108182705A (zh) | 一种基于机器视觉的三维坐标定位方法 | |
CN103218809A (zh) | 一种珍珠长度参数的图像测量方法 | |
CN111524193B (zh) | 一种物体二维尺寸的测量方法及测量装置 | |
CN116678826A (zh) | 一种基于快速立体重建的外观缺陷检测***及方法 | |
CN108335332A (zh) | 一种基于双目视觉的轴类零件中轴线测量方法 | |
Peng et al. | Simultaneous perimeter measurement for 3D object with a binocular stereo vision measurement system | |
CN108267104A (zh) | 一种基于双目视觉的轴类零件半径尺寸测量方法 | |
CN112364881A (zh) | 一种进阶采样一致性图像匹配算法 | |
CN109345570B (zh) | 一种基于几何形状的多通道三维彩色点云配准方法 | |
CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及*** | |
CN113947724A (zh) | 一种基于双目视觉的线路覆冰厚度自动测量方法 | |
CN111795970B (zh) | 一种不规则轮廓缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190423 Termination date: 20200518 |