CN107657604A - 一种基于近场非标准光源的磨痕三维形貌原位获取方法 - Google Patents
一种基于近场非标准光源的磨痕三维形貌原位获取方法 Download PDFInfo
- Publication number
- CN107657604A CN107657604A CN201710794117.5A CN201710794117A CN107657604A CN 107657604 A CN107657604 A CN 107657604A CN 201710794117 A CN201710794117 A CN 201710794117A CN 107657604 A CN107657604 A CN 107657604A
- Authority
- CN
- China
- Prior art keywords
- formula
- light source
- image
- pixel
- near field
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005498 polishing Methods 0.000 title claims abstract description 19
- 238000005286 illumination Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims description 12
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- XNKARWLGLZGMGX-UHFFFAOYSA-N ethyl 4-(4-chloro-2-methylphenoxy)butanoate Chemical group CCOC(=O)CCCOC1=CC=C(Cl)C=C1C XNKARWLGLZGMGX-UHFFFAOYSA-N 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000013316 zoning Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000003550 marker Substances 0.000 claims 1
- 239000011159 matrix material Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000005299 abrasion Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000011065 in-situ storage Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004647 photon scanning tunneling microscopy Methods 0.000 description 1
- 238000011160 research 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
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于近场非标准光源的磨痕三维形貌原位获取方法,以均布在手持式显微镜上的6个LED灯为光源,建立了近场条件下,非标准光源的光照模型,并对光源的相对空间位置做了标定;利用手持式显微镜采集零部件磨损表面的图像数据,基于图像处理技术,获取Mask图,对不同光源、同一视点下的图像做背景差分处理,得到需三维重建的目标图像,最后,将从图像序列估计法向和从法向恢复表面形状两种技术结合,迭代重建出最终的磨痕三维形貌;本发明根据实际光源位置,采用光度立体视觉近场非标准点光源,建立近场非标准光源的光照模型,更符合实际的测量条件,提高了磨损表面法向量及深度信息的计算精度。
Description
技术领域
本发明涉及机械设备故障诊断和状态监测领域,特别涉及一种基于近场非标准光源的零部件表面磨损后三维形貌原位获取方法。
背景技术
机械设备在运转过程中,形成摩擦副的构件表面相互作用不可避免的会产生磨损。组成构件的零部件,其表面的物质由于相对运动而不断损失,会留下磨痕。研究表明,正常工作状态下,磨损可分为三个阶段,即跑合阶段,稳定磨损阶段和剧烈磨损阶段,处于不同时刻的磨损状态所对应的表面磨痕具有不同的特征;此外,根据磨损机理的不同,可将磨损分为粘着磨损,磨粒磨损,腐蚀磨损和疲劳磨损等,不同的磨损类型所对应的表面磨痕也具有不同的特征。因此,获取磨损零部件表面的磨痕形貌,分析其特征,可反映设备所处的磨损阶段以及发生的磨损类型,对机械设备的运行状态的监测和故障诊断具有重要工程意义。
传统的检测***,通过光学显微镜将零部件表面放大后成像在数字摄像机的感光靶面上,从而得到磨损表面形貌的图片,基于图像处理技术,提取磨痕的特征。但是该方法只能提供磨损表面形貌的二维平面图像,只能提取磨痕的平面特征,而无法获取磨痕的空间特征信息。随着计算能力、计算速度和图像分析及数字图像处理技术的不断提高,极大的推动了三维表面形貌测量仪的研制,如G.Binning和H.Rohrer研制了扫描隧道显微镜(STM)和原子力显微镜(AFM)。然而,这些设备操作较为复杂,成本较高。
采用传统形貌检测方法还存在一个重大的局限性。受到测量仪体积的限制,无法实现待测零部件的原位测量,只能将零部件拆卸下来进行测量,极大地降低了设备检修效率。
视情维护和快速检修的现代化维护理念急需可以实现快速、原位的磨损表面形貌获取装备。
发明内容
为了解决上述现有技术的缺陷,本发明的目的在于提供一种基于近场非标准光源的磨痕三维形貌原位获取方法,在光源可控的条件下,通过手持式显微镜获取不同位置光源、同一视点的零部件磨损表面的图像,由图像各部分的亮度值计算出磨损表面的法向量,再由表面法向量恢复其三维形貌特征。
为实现上述目的,本发明采用如下技术方案:
一种基于近场非标准光源的磨痕三维形貌原位获取方法,包括以下步骤:
(1)建立非标准点光源的光照模型,非标准点光源Quasi点光源的发光模型包括角度衰减和距离衰减,结合这两种光照衰减模型,得到表面任一点的照度模型。
(2)标定光源空间坐标,针对六个均匀布置的非标准点光源,基于平面的主光轴标定法,利用点光源照射下的平面亮度分布的轴对称属性,计算光源的最亮光线及平面主光轴的方向。
(3)使用手持式显微镜得到零件表面不同光源、同一视点下的图像,基于图像处理技术,获取Mask图。
(4)根据标定的光源方向和获取的图像信息计算磨损表面法向量,利用已知形状对表面进行初始化的迭代计算,以恢复零件表面法向及深度信息。
有益效果
本发明应用于机械设备故障诊断和状态监测领域,具有以下有益效果:
(1)本发明适用于机械设备零部件可见摩擦副表面的磨损状况的监测,基于近场非标准光源技术,实现了零部件磨损表面的磨痕三维形貌的快速获取。
(2)本发明利用手持式显微镜作为图像捕捉工具,其体积小,操作简单,携带方便,可实现零部件磨损表面原位测量。
(3)本发明根据实际光源位置,采用光度立体视觉近场非标准点光源,建立近场非标准光源的光照模型,更符合实际的测量条件,提高了磨损表面法向量及深度信息的计算精度。
附图说明
图1为基于近场非标准光源原位获取磨痕三维形貌的总体流程图。
图2为根据图像信息恢复零部件表面法向及深度信息的流程图。
图3(a)为实例中待重构磨损表面的图像。
图3(b)为重构出的磨损表面的法向量图。
图3(c)为重构出的磨损表面的深度图。
具体实施方式
下面结合附图,以图3(a)为例对本发明作进一步说明:
参照图1,一种基于近场非标准光源的磨损表面三位形貌原位获取方法,包括以下步骤:
步骤1,建立非标准点光源的光照模型,非标准点光源Quasi点光源的发光模型包括角度衰减和距离衰减,结合这两种光照衰减模型,得到表面任一点的照度模型。LED灯作为近场光源,光照条件总是不均匀,这使得物体表面的照度不仅与光源到照射点的距离有关,还与照射点所对应的出射光方向有关。对于此类非标准光源,建立非标准点光源的光照模型;
所述步骤1包括如下步骤:
步骤1.1:Quasi点光源的角度衰减模型符合g-cosine定律,该光源在θ角方向上的光照强度Eθ表示为公式(1);
公式(1):Eθ=E0cosgθ
式中E0为主光轴方向的发光强度,g是一个与光源发光均匀度相关的角度衰减因子。
步骤1.2:Quasi点光源的距离衰减模型符合平方反比律,该光源在θ角方向上距离发光源d的光照强度Ep表示为公式(2);
公式(2):
步骤1.3:结合两种光照衰减模型,得到表面某点P的照度为公式(3)所表示的模型。
公式(3):
步骤2.标定各光源的空间位置坐标。
所述步骤2包括如下步骤:
步骤2.1:将均匀分布的6个LED灯安装在手持式显微镜上,使两者相对位置不变;
步骤2.2:依次打开6个LED灯,获取图像,利用5×5高斯滤波器核过滤图像噪声,选取图像中最亮的区域,对该区域进行椭圆拟合,拟合所得的圆心作为最亮点PB(μB,vB,f)的位置;
步骤2.3:根据图像中最亮点PB根据公式(4)计算其对应点的空间坐标PB'(xB,yB,zB)。
公式(4):
步骤2.4:计算最亮光线及其在平面上主光轴的方向。
步骤3.基于图像处理技术,获取Mask图
所述步骤3包括以下步骤:
步骤3.1:根据YUV的颜色空间和RGB颜色空间的转换关系,对图像进行灰度化,用Y分量来表达灰度图像上像素点的灰度值。原始图像中每一个像素Mij={Rij,Gij,Bij},对图像按公式(5)灰度化处理后,每一个像素为
公式(5):
步骤3.2:定义一个的中值滤波器滑动窗口,窗口中心为当前要处理的像素,读取窗口中各对应像素的灰度值。其次,对这些灰度值从小到大进行排序。然后,取出中值。最后将这个中值赋给窗口中心位置的像素。按照从上到下、从左到右依次遍历图像各个像素点的顺序,进行磨粒图像完整的滤波处理;
步骤3.3:根据迭代阈值分割的思想,首先选择按公式(6)一个近似阈值T0={Tk|k=0};
公式(6):
步骤3.4:用阈值Tk将图像分割为R1和R2前景与后景两个部分;
公式(7):
步骤3.5:根据公式(8)计算区域R1和R2灰度均值Z1和Z2;
公式(8):
式中,f(i,j)为图像上(i,j)点的灰度;N(i,j)为(i,j)点的权重系数。
步骤3.6:据公式(9)计算新的阈值Tk+1
公式(9):
步骤3.7:指定一个极小值ε,如果|Tk+1-Tk|<ε,Tk+1即为最终阈值。否则,令Tk+1=Tk,回到步骤3.4,直到满足要求;
步骤3.8:将灰度图像按照公式(10)二值化,得到黑色为目标,白色为背景的黑白图像。至此,得到Mask图。
公式(10):
步骤4:参照如图2所示的流程图,根据标定的光源位置和图像信息计算磨损表面法向量以及深度信息。
所述步骤4包括以下步骤:
步骤4.1:基于背景差分法,将采集的图像数据与步骤3所得到Mask图做差,得到只剩目标区域的图像;
步骤4.2:以相机坐标系为世界坐标系,相机的光心作为世界坐标系的原点。初始化磨损表面,假设其为一个平面,该平面垂直于光轴,与光心的距离为D。
步骤4.3:基于Frankot-Chellappa(FC)算法求出图像中各像素点的深度信息,表示为(u,v,△w)。在已知焦距f的情况下根据公式(11),可计算出各像素点对应的z坐标。由公式(12)的映射关系计算得到各像素点的x和y坐标。至此,利用磨损表面的平均深度值,将表面形状映射到物理深度,求得每个像素点对应的磨损表面各点在空间中的物理坐标表示为(x,y,z);
公式(11):
公式(12):
步骤4.4:根据步骤2所得的光源空间坐标L(x0,y0,z0)、主光轴I0和主光强E0。磨损表面某点P(x,y,z)在6个光源下,被第i(i=1,2,...,6)个光源照射时存在对应的入射光矩阵和反射亮度针对点P使用Lambert反射模型,利用公式(13)计算出对应像素点的法向量nP。这样,就得到了图像中各像素点初始的法向量。
公式(13):
步骤4.5:根据步骤4.4初始化的法向量,使用FC算法计算各像素点的新的深度信息(u',v',△w'),继而求出各像素点对应的磨损表面各点新的坐标(x',y',z'),将各点新坐标带入光照分布以及法向量求解公式,便可得到各点的法向量nP'。以此迭代,直到两次求解出的磨损表面欧式距离小于一定值,迭代终止。至此,得到了如图3(b)磨损表面各点的法向量和如图3(c)磨损表面的三维形貌重建结果。
Claims (5)
1.一种基于近场非标准光源的磨痕三维形貌原位获取方法,其特征在于,包括以下步骤:
(1)建立非标准点光源的光照模型,非标准点光源Quasi点光源的发光模型包括角度衰减和距离衰减,结合这两种光照衰减模型,得到表面任一点的照度模型;
(2)标定光源空间坐标,针对六个均匀布置的非标准点光源,基于平面的主光轴标定法,利用点光源照射下的平面亮度分布的轴对称属性,计算光源的最亮光线及平面主光轴的方向;
(3)使用手持式显微镜得到零件表面不同光源、同一视点下的图像,基于图像处理技术,获取Mask图;
(4)根据标定的光源方向和获取的图像信息计算磨损表面法向量,利用已知形状对表面进行初始化的迭代计算,以恢复零件表面法向及深度信息。
2.根据权利要求1所述的一种基于近场非标准光源的磨痕三维形貌原位获取方法,其特征在于,
所述步骤1包括如下步骤:
步骤1.1:Quasi点光源的角度衰减模型符合g-cosine定律,该光源在θ角方向上的光照强度Eθ表示为公式(1);
公式(1):Eθ=E0cosgθ
式中E0为主光轴方向的发光强度,g是一个与光源发光均匀度相关的角度衰减因子;
步骤1.2:Quasi点光源的距离衰减模型符合平方反比律,该光源在θ角方向上距离发光源d的光照强度Ep表示为公式(2);
公式(2):
步骤1.3:结合两种光照衰减模型,得到表面某点P的照度为公式(3)所表示的模型:
公式(3):
3.根据权利要求1所述的一种基于近场非标准光源的磨痕三维形貌原位获取方法,其特征在于,
所述步骤2包括如下步骤:
步骤2.1:将均匀分布的6个LED灯安装在手持式显微镜上,使两者相对位置不变;
步骤2.2:依次打开6个LED灯,获取图像,利用5×5高斯滤波器核过滤图像噪声,选取图像中最亮的区域,对该区域进行椭圆拟合,拟合所得的圆心作为最亮点PB(μB,vB,f)的位置;
步骤2.3:根据图像中最亮点PB根据公式(4)计算其对应点的空间坐标PB'(xB,yB,zB),
公式(4):
步骤2.4:计算最亮光线及其在平面上主光轴的方向。
4.根据权利要求1所述的一种基于近场非标准光源的磨痕三维形貌原位获取方法,其特征在于,
所述步骤3包括以下步骤:
步骤3.1:根据YUV的颜色空间和RGB颜色空间的转换关系,对图像进行灰度化,用Y分量来表达灰度图像上像素点的灰度值,原始图像中每一个像素Mij={Rij,Gij,Bij},对图像按公式(5)灰度化处理后,每一个像素为
公式(5):
步骤3.2:定义一个的中值滤波器滑动窗口,窗口中心为当前要处理的像素,读取窗口中各对应像素的灰度值,其次,对这些灰度值从小到大进行排序,然后,取出中值,,最后将这个中值赋给窗口中心位置的像素,按照从上到下、从左到右依次遍历图像各个像素点的顺序,进行磨粒图像完整的滤波处理;
步骤3.3:根据迭代阈值分割的思想,首先选择按公式(6)一个近似阈值T0={Tk|k=0};
公式(6):
步骤3.4:用阈值Tk将图像分割为R1和R2前景与后景两个部分;
公式(7):
步骤3.5:根据公式(8)计算区域R1和R2灰度均值Z1和Z2;
公式(8):
式中,f(i,j)为图像上(i,j)点的灰度;N(i,j)为(i,j)点的权重系数;
步骤3.6:据公式(9)计算新的阈值Tk+1
公式(9):
步骤3.7:指定一个极小值ε,如果|Tk+1-Tk|<ε,Tk+1即为最终阈值;否则,令Tk+1=Tk,回到步骤3.4,直到满足要求;
步骤3.8:将灰度图像按照公式(10)二值化,得到黑色为目标,白色为背景的黑白图像,至此,得到Mask图。
公式(10):
5.根据权利要求1所述的一种基于近场非标准光源的磨痕三维形貌原位获取方法,其特征在于,
所述步骤4包括以下步骤:
步骤4.1:基于背景差分法,将采集的图像数据与步骤3所得到Mask图做差,得到只剩目标区域的图像;
步骤4.2:以相机坐标系为世界坐标系,相机的光心作为世界坐标系的原点,初始化磨损表面,假设其为一个平面,该平面垂直于光轴,与光心的距离为D,
步骤4.3:基于Frankot-Chellappa算法求出图像中各像素点的深度信息,表示为(u,v,△w),在已知焦距f的情况下根据公式(11),可计算出各像素点对应的z坐标,由公式(12)的映射关系计算得到各像素点的x和y坐标,利用磨损表面的平均深度值,将表面形状映射到物理深度,求得每个像素点对应的磨损表面各点在空间中的物理坐标表示为(x,y,z);
公式(11):
公式(12):
步骤4.4:根据步骤2所得的光源空间坐标L(x0,y0,z0)、主光轴I0和主光强E0,磨损表面某点P(x,y,z)在6个光源下,被第i(i=1,2,...,6)个光源照射时存在对应的入射光矩阵和反射亮度针对点P使用Lambert反射模型,利用公式(13)计算出对应像素点的法向量nP,这样,就得到了图像中各像素点初始的法向量,
公式(13):
步骤4.5:根据步骤4.4初始化的法向量,使用FC算法计算各像素点的新的深度信息(u',v',△w'),继而求出各像素点对应的磨损表面各点新的坐标(x',y',z'),将各点新坐标带入光照分布以及法向量求解公式,便可得到各点的法向量nP',以此迭代,直到两次求解出的磨损表面欧式距离小于一定值,迭代终止,至此,得到了磨损表面的三维形貌重建结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710794117.5A CN107657604A (zh) | 2017-09-06 | 2017-09-06 | 一种基于近场非标准光源的磨痕三维形貌原位获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710794117.5A CN107657604A (zh) | 2017-09-06 | 2017-09-06 | 一种基于近场非标准光源的磨痕三维形貌原位获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107657604A true CN107657604A (zh) | 2018-02-02 |
Family
ID=61129147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710794117.5A Pending CN107657604A (zh) | 2017-09-06 | 2017-09-06 | 一种基于近场非标准光源的磨痕三维形貌原位获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657604A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389216A (zh) * | 2018-02-06 | 2018-08-10 | 西安交通大学 | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 |
CN108692677A (zh) * | 2018-04-11 | 2018-10-23 | 四川大学 | 基于反射光场偏振与空时编码的表面三维重建方法和*** |
CN109059800A (zh) * | 2018-05-24 | 2018-12-21 | 东南大学 | 一种三维重建装置的光源位置校准方法 |
CN109801291A (zh) * | 2019-03-12 | 2019-05-24 | 西安交通大学 | 一种运动磨粒多表面三维形貌的获取方法 |
CN109883345A (zh) * | 2019-03-07 | 2019-06-14 | 北京卫星环境工程研究所 | 抛物面天线真空低温变形测量的空间网形强度确定方法 |
CN110378948A (zh) * | 2019-07-02 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 3d模型重建方法、装置及电子设备 |
CN112880563A (zh) * | 2021-01-22 | 2021-06-01 | 北京航空航天大学 | 一种单维像素合并模式等效窄面阵相机空间位置测量方法 |
CN114332078A (zh) * | 2022-03-02 | 2022-04-12 | 山东华硕汽车配件科技有限公司 | 一种汽车发动机金属磨损智能修复控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779354A (zh) * | 2012-06-21 | 2012-11-14 | 北京工业大学 | 基于光度立体技术的中医望诊信息表面三维重建方法 |
CN103474009A (zh) * | 2013-09-22 | 2013-12-25 | 深圳市优一城商业管理有限公司 | 智慧媒体***及交互方法 |
US20140253717A1 (en) * | 2013-03-08 | 2014-09-11 | Gelsight, Inc. | Continuous contact-based three-dimensional measurement |
CN105651203A (zh) * | 2016-03-16 | 2016-06-08 | 广东工业大学 | 一种自适应条纹亮度的高动态范围三维形貌测量方法 |
CN105716539A (zh) * | 2016-01-26 | 2016-06-29 | 大连理工大学 | 一种快速高精度的三维形面测量方法 |
-
2017
- 2017-09-06 CN CN201710794117.5A patent/CN107657604A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779354A (zh) * | 2012-06-21 | 2012-11-14 | 北京工业大学 | 基于光度立体技术的中医望诊信息表面三维重建方法 |
US20140253717A1 (en) * | 2013-03-08 | 2014-09-11 | Gelsight, Inc. | Continuous contact-based three-dimensional measurement |
CN103474009A (zh) * | 2013-09-22 | 2013-12-25 | 深圳市优一城商业管理有限公司 | 智慧媒体***及交互方法 |
CN105716539A (zh) * | 2016-01-26 | 2016-06-29 | 大连理工大学 | 一种快速高精度的三维形面测量方法 |
CN105651203A (zh) * | 2016-03-16 | 2016-06-08 | 广东工业大学 | 一种自适应条纹亮度的高动态范围三维形貌测量方法 |
Non-Patent Citations (1)
Title |
---|
聂颖: "基于近场非标准点光源的光度学三维重建问题研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389216B (zh) * | 2018-02-06 | 2020-06-26 | 西安交通大学 | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 |
CN108389216A (zh) * | 2018-02-06 | 2018-08-10 | 西安交通大学 | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 |
CN108692677A (zh) * | 2018-04-11 | 2018-10-23 | 四川大学 | 基于反射光场偏振与空时编码的表面三维重建方法和*** |
CN109059800A (zh) * | 2018-05-24 | 2018-12-21 | 东南大学 | 一种三维重建装置的光源位置校准方法 |
CN109059800B (zh) * | 2018-05-24 | 2020-04-24 | 东南大学 | 一种三维重建装置的光源位置校准方法 |
CN109883345A (zh) * | 2019-03-07 | 2019-06-14 | 北京卫星环境工程研究所 | 抛物面天线真空低温变形测量的空间网形强度确定方法 |
CN109883345B (zh) * | 2019-03-07 | 2020-08-18 | 北京卫星环境工程研究所 | 抛物面天线真空低温变形测量的空间网形强度确定方法 |
CN109801291A (zh) * | 2019-03-12 | 2019-05-24 | 西安交通大学 | 一种运动磨粒多表面三维形貌的获取方法 |
CN110378948A (zh) * | 2019-07-02 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 3d模型重建方法、装置及电子设备 |
CN110378948B (zh) * | 2019-07-02 | 2023-08-25 | 北京字节跳动网络技术有限公司 | 3d模型重建方法、装置及电子设备 |
CN112880563A (zh) * | 2021-01-22 | 2021-06-01 | 北京航空航天大学 | 一种单维像素合并模式等效窄面阵相机空间位置测量方法 |
CN112880563B (zh) * | 2021-01-22 | 2021-12-28 | 北京航空航天大学 | 一种单维像素合并模式等效窄面阵相机空间位置测量方法 |
CN114332078A (zh) * | 2022-03-02 | 2022-04-12 | 山东华硕汽车配件科技有限公司 | 一种汽车发动机金属磨损智能修复控制方法 |
CN114332078B (zh) * | 2022-03-02 | 2022-06-10 | 山东华硕汽车配件科技有限公司 | 一种汽车发动机金属磨损智能修复控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657604A (zh) | 一种基于近场非标准光源的磨痕三维形貌原位获取方法 | |
CN109872397B (zh) | 一种基于多目立体视觉的飞机零件的三维重建方法 | |
WO2021042277A1 (zh) | 基于神经网络的三维物体法向量、几何及材质获取方法 | |
CN107677216B (zh) | 一种基于光度立体视觉的多个磨粒三维形貌同步获取方法 | |
CN104331699B (zh) | 一种三维点云平面化快速搜索比对的方法 | |
CN103093191B (zh) | 一种三维点云数据结合数字影像数据的物体识别方法 | |
CN104112269B (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及*** | |
CN110263192A (zh) | 一种基于条件生成对抗网络的磨粒形貌数据库创建方法 | |
CN106651900A (zh) | 一种基于轮廓分割的高架原位草莓三维建模方法 | |
JP2009074836A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN108416814A (zh) | 一种菠萝头部的快速定位与识别方法及*** | |
CN105825204A (zh) | 一种智能相机夜间识别电力设备表计的方法 | |
CN108182704A (zh) | 基于形状上下文特征的定位方法 | |
CN106530315B (zh) | 中小型物体全角度下目标提取***及方法 | |
CN112950589A (zh) | 一种多尺度卷积神经网络的暗通道先验去雾算法 | |
CN113406111A (zh) | 一种基于结构光场视频流的缺陷检测方法和装置 | |
CN105930793A (zh) | 一种基于sae特征可视化学习的人体检测方法 | |
Haralick et al. | Glossary of computer vision terms | |
CN117409010B (zh) | 漆面缺陷检测模型训练、检测、编码方法及检测*** | |
Nie et al. | A novel photometric stereo method with nonisotropic point light sources | |
CN109801291B (zh) | 一种运动磨粒多表面三维形貌的获取方法 | |
CN109344827B (zh) | 一种带补光装置的油烟机及油烟浓度检测方法 | |
CN111161227A (zh) | 一种基于深度神经网络的靶心定位方法及*** | |
Xiaoxu et al. | Image dehazing base on two-peak channel prior | |
CN113963107B (zh) | 一种基于双目视觉的大型目标三维重建方法及*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180202 |
|
WD01 | Invention patent application deemed withdrawn after publication |