CN109632085A - 一种基于单目视觉的低频振动校准方法 - Google Patents
一种基于单目视觉的低频振动校准方法 Download PDFInfo
- Publication number
- CN109632085A CN109632085A CN201811631352.1A CN201811631352A CN109632085A CN 109632085 A CN109632085 A CN 109632085A CN 201811631352 A CN201811631352 A CN 201811631352A CN 109632085 A CN109632085 A CN 109632085A
- Authority
- CN
- China
- Prior art keywords
- low
- frequency
- frequency vibration
- calibration
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V13/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices covered by groups G01V1/00 – G01V11/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于单目视觉的低频振动校准方法,利用具有径向畸变的非线性摄像机模型实现高精度的摄像机标定;提出一种有效的图像增强方法实现不同运动方向模糊图像的增强,以保证增强边缘的位置精度;然后基于Zernike矩的亚像素边缘检测方法实现增强序列图像的高精度特征边缘提取;基于视觉测量模型测量特征边缘的空间运动位移,利用同步采集的低频振动传感器及低频振动测量仪的输出电压信号实现低频振动校准。本方法在有效保证校准精度的前提下,可稳定、可靠、快速的实现低频振动校准。本方法解决了现有低频振动校准方法对于低频振动传感器及测量仪存在校准精度有限、过程繁琐、***复杂,不适用于宽频率范围校准的不足。
Description
技术领域
本发明属于振动计量与测试领域,尤其适用于宽频率范围内高精度、稳定、可靠的低频振动校准。
背景技术
低频振动传感器及低频振动测量仪正在越来越多地应用于地震预测、桥梁与建筑监测、矿质勘探等领域。低频振动传感器及测量仪的灵敏度对于其准确的振动测量极其重要。低频振动校准用于确定低频振动传感器及测量仪的灵敏度,其是确保振动测量数据准确、可靠、有效的前提。因此,对于低频振动校准的研究具有十分重要的意义。
常用的低频振动校准方法分为比较法与绝对法两大类,其中,最为常用的绝对法包括激光干涉法与地球重力法。比较法利用灵敏度已知的标准低频振动传感器与被校低频振动传感器及测量仪背靠背安装,使它们具有相同的输入激励。然而,其校准精度受限于标准传感器的校准精度,通常不能满足高精度校准的需求;地球重力法通过转台向被校低频振动传感器及测量仪提供精确已知的当地重力加速度作为激励,以实现高精度的校准。但受到转台离心加速度的影响,其最大校准频率通常较低;激光干涉法通过激光干涉仪测量长冲程振动台向被校低频振动传感器及测量仪提供的输入激励,当激励信号频率大于0.2Hz时校准精度高,当小于0.2Hz时由于存在由导轨弯曲引入的校准误差,校准精度下降。传统的低频振动校准方法不能满足宽频率范围内高精度的低频振动传感器及测量仪校准需求。基于单目视觉的测量方法已广泛用于许多精密测量领域,通过单目视觉方法的高精度位移测量可改善低频振动校准精度。
因此,针对目前低频振动校准方法对于低频振动传感器及测量仪校准的校准精度有限、过程繁琐、***成本高及校准频率范围受限等不足,本发明提出一种可适用于宽频率范围、过程简单、成本低、校准精度高的低频振动校准方法。
发明内容
针对目前低频振动校准方法无法适用于宽频率范围、精度有限、过程复杂及成本高等不足,本发明实施实例提供一种高精度的低频振动校准方法,包括:
(1)基于径向畸变的非线性模型摄像机标定:通过棋盘格靶标图像的X角点亚像素检测,实现高精度的摄像机标定;
(2)平面运动序列图像的增强与特征边缘提取:用于序列图像特征边缘的准确提取;包括:基于高斯曲线拟合特征边缘邻域灰度梯度,基于梯度光流法检测模糊图像运动方向,实现不同运动方向模糊图像的增强,基于Zernike矩方法的增强序列图像亚像素特征边缘提取;
(3)特征边缘的空间运动位移测量与输出电压信号测量:通过摄像机标定确定的矩阵H与提取的序列图像特征边缘计算特征边缘的空间运动位移,并计算低频振动传感器及低频振动测量仪的输出电压信号峰值;
(4)低频振动传感器及低频振动测量仪的校准:利用测量的序列图像的特征边缘的空间运动位移计算相应的输入激励加速度峰值,通过输出电压信号峰值与激励加速度峰值,确定其灵敏度与幅频特性。
一种基于单目视觉的低频振动校准方法,所述校准方法包括以下步骤,
S1:利用棋盘格靶标图像X角点的亚像素坐标检测,实现基于径向畸变的非线性模型摄像机标定;
S2:针对运动产生的图像模糊,基于特征边缘邻域灰度梯度的高斯曲线拟合与基于梯度光流法的相邻两帧图像运动方向检测,实现不同运动方向图像的增强,利用基于Zernike矩的方法提取增强图像的亚像素特征边缘;
S3:利用标定的摄像机模型参数及提取的序列图像特征边缘计算特征边缘的空间运动位移,通过二次微分获得被校低频振动传感器及低频振动测量仪的输入激励加速度峰值,并获取低频振动传感器及测量仪的输出电压峰值;
S4:最后通过获取的输入激励加速度峰值与输出电压峰值,确定低频振动传感器及测量仪的灵敏度与幅频特性。
所述摄像机标定用于确定摄像机的模型参数,具体包括:
(1)棋盘格靶标图像的X角点检测
针对采集的棋盘格靶标图像,利用自动X角点检测方法检测棋盘格靶标图像的X角点亚像素坐标(xd,yd);
(2)径向畸变的非线性模型摄像机标定
选用基于径向畸变的非线性摄像机模型,则理想像点(xu,yu)与实际像点(xd,yd)满足如下公式:
其中,k1与k2为径向畸变系数。利用(xd,yd)与相应世界坐标(xw,yw)确定基于线性模型的摄像机参数,(x'w,y'w)为(xd,yd)的重投影世界坐标。通过如下公式可求解k1与k2。
其中,r与c为X角点阵列的行与列。利用求解的k1与k2校正(xd,yd)可得到(xu,yu),以确定无畸变像点与世界坐标对应的摄像机模型参数H。
所述平面运动序列图像的增强与特征边缘提取,包括:基于高斯曲线拟合Canny算子检测的像素级边缘邻域灰度梯度,高斯函数梯度拟合的计算如下:
其中,g(p)与x(p)分别为所选择邻域像素的灰度梯度与像素的横坐标,p为选择的像素数,a、μ及σ分别为拟合峰值、均值及标准差。当σ大于非模糊图像梯度高斯函数拟合的σT,利用梯度光流法检测其运动方向。若f(x,y)的特征边缘位置像素的横坐标相对于前一帧沿垂直方向减少,则其增强为:
否则,其增强为:
其中,fE(x,y)为增强图像,fmax(x,y)与fmin(x,y)分别为最大与最小灰度值,为f(x,y)的归一化灰度,T1与T2为两不同的阈值。
对于所述的增强序列图像,利用三灰度边缘模型的Zernike矩方法实现其亚像素级特征边缘的提取。消除KxK正方形Zernike矩模板的放大效应,像素级边缘点(x0,y0)的亚像素坐标为:
其中,d1与d2及φ为计算的距离及旋转角度边缘参数。
所述特征边缘随时间的空间运动位移为正弦,通过确定的摄像机模型参数H与提取的序列图像特征边缘计算特征边缘的空间运动位移,再基于正弦逼近法拟合该空间运动位移,以获得相应的位移峰值。
同理,利用正弦逼近法拟合被校低频振动传感器及低频振动测量仪的输出电压,获得相应的电压峰值。
通过所述特征边缘的位移峰值计算被校低频振动传感器及低频振动测量仪的输入激励加速度峰值,被校低频振动传感器及测量仪的灵敏度为输出电压信号峰值与激励加速度峰值之比。被校低频振动传感器及测量仪在不同频率下的灵敏度为其幅频特性。
低频振动校准方法的校准装置,该装置主要包括:水平长冲程振动台1、特征标志2、低频振动传感器及低频振动测量仪3、光源4、摄像机固定装置5、摄像机6、图像传输设备7、电压信号采集与传输设备8、处理与显示设备9。
水平长冲程振动台1用于提供低频振动传感器及低频振动测量仪3的输入激励;特征标志2与低频振动传感器及低频振动测量仪3紧固于水平长冲程振动台1的工作台面;光源4为摄像机6提供照明;摄像机固定装置5用于固定摄像机6,使其光轴垂直于水平长冲程振动台1的工作台面;摄像机6用于采集运动工作台面的序列图像;图像传输设备7传输序列图像;电压信号采集与传输设备8用于低频振动传感器及低频振动测量仪3输出电压信号的采集与传输;处理与显示设备9处理序列图像与电压信号,保存与显示校准结果。
本发明低频振动校准方法具有如下优势:
⑴本发明方法稳定、可靠、实用,可同时适用于多个不同类型的低频振动传感器及低频振动测量仪的校准。
⑵本发明方法校准过程简单、***成本低,对于低频率范围内振动传感器及测量仪的校准只需一个工业摄像机。
⑶本发明方法采用棋盘格靶标X角点的亚像素定位与径向畸变的非线性模型保证摄像机的标定精度。
⑷本发明方法通过对运动序列图像的模糊判断,采用不同的增强函数对不同运动方向模糊图像的增强,保证特征边缘的准确提取。基于Zernike矩方法实现增强序列图像的特征边缘亚像素提取。
⑸本发明方法属于低频振动校准方法,能够实现宽频率范围的高精度低频振动传感器及测量仪的校准。
附图说明
图1为本发明方法具体实施实例安装装置示意图;
图2为一种基于单目视觉的低频振动校准方法流程图;
图3为基于径向畸变的非线性模型摄像机标定流程图;
图4为平面运动序列图像的增强与基于Zernike矩方法的特征边缘提取流程图;
图5-7为本发明方法具体实施实例对低频三轴向加速度传感器的校准结果图。
具体实施方式
为了解决现有低频振动校准方法的校准精度有限、***复杂且成本高、不适用于宽频率范围高精度校准的问题,本发明提供了一种基于单目视觉的低频振动校准方法,本发明方法对于宽频率范围的低频振动校准可获得较高的精度,下面结合附图和具体的实施实例对本发明做出详细描述。
参考图1为本发明方法的实施实例装置示意图,该装置主要包括:水平长冲程振动台(1)、特征标志(2)、低频振动传感器及低频振动测量仪(3)、光源(4)、摄像机固定装置(5)、摄像机(6)、图像传输设备(7)、电压信号采集与传输设备(8)、处理与显示设备(9)。水平长冲程振动台(1)用于提供低频振动传感器及低频振动测量仪(3)的输入激励;特征标志(2)与低频振动传感器及低频振动测量仪(3)紧固于水平长冲程振动台(1)的工作台面;光源(4)为摄像机(6)提供照明;摄像机固定装置(5)用于固定摄像机(6),使其光轴垂直于水平长冲程振动台(1)的工作台面;摄像机(6)用于采集运动工作台面的序列图像;图像传输设备(7)传输序列图像;电压信号采集与传输设备(8)用于低频振动传感器及低频振动测量仪(3)输出信号的采集与传输;处理与显示设备(9)处理序列图像与电压信号,保存与显示校准结果。
参考图2为一种基于单目视觉的低频振动校准方法流程图。本发明低频振动校准方法主要包括以下步骤:
步骤S20:基于径向畸变的非线性模型摄像机标定;
步骤S40:平面运动序列图像的增强与特征边缘提取,其包括:基于高斯函数拟合特征边缘邻域灰度梯度与基于梯度光流法的模糊图像运动方向检测,实现不同运动方向模糊图像的增强,基于Zernike矩方法的增强序列图像亚像素特征边缘提取;
步骤S60:特征边缘的空间运动位移测量与输出电压信号测量,其包括:计算提取序列图像特征边缘的空间运动位移,以获取低频振动传感器及低频振动测量仪的输入激励加速度峰值,并计算对应的输出电压信号峰值;
步骤S80:低频振动传感器及低频振动测量仪的灵敏度与幅频特性:其包括:利用低频振动传感器及测量仪的输出电压信号峰值与输入激励加速度峰值计算其灵敏度,获取其幅频特性。
参考图3为基于径向畸变的非线性模型摄像机标定流程图。本发明非线性模型的摄像机标定包括如下步骤:
步骤S21:读入棋盘格靶标图像;
步骤S22:利用自动X角点检测方法检测棋盘格靶标图像X角点的亚像素坐标;
步骤S23:通过检测的X角点亚像素坐标与相应的世界坐标实现基于线性模型的摄像机标定;
步骤S24:基于最小二乘法优化X角点的世界坐标与其重投影世界坐标间距离最小的目标函数,求解径向畸变系数;
步骤S25:利用求解的畸变系数校正X角点的坐标,使其与相应的世界坐标满足线性关系;
步骤S26:通过校正的X角点坐标与世界坐标实现线性模型的摄像机标定,确定无畸变像点与世界坐标的摄像机模型参数H。
参考图4为平面运动序列图像的增强与基于Zernike矩方法的特征边缘提取流程图。本发明序列图像的增强与基于Zernike矩方法的特征边缘提取包括如下步骤:
步骤S41:读入运动工作台面的序列图像;
步骤S42:基于Canny算子的特征边缘检测;
步骤S43:选取特征边缘邻域内对称分布的50个像素点的灰度梯度,通过高斯曲线拟合计算其高斯核;
步骤S44:判断灰度梯度拟合的高斯核σ是否大于阈值σT(σT=2),若满足该条件,则跳至步骤S45,否则跳至步骤S49;
步骤S45:基于梯度光流法检测当前帧与上一帧图像的梯度光流场,依据光流场判断特征边缘的运动方向;
步骤S46:特征边缘位置像素的横坐标是否增加,若满足条件,则跳至步骤S47,否则跳至步骤S48;
步骤S47:利用边缘位置像素增加方向的增强函数实现模糊图像增强;
步骤S48:利用边缘位置像素减小方向的增强函数实现模糊图像增强;
步骤S49:计算增强图像的不同阶次Zernike矩;
步骤S50:通过不同阶次的Zernike矩计算特征边缘像素点的距离及旋转角度边缘参数;
步骤S51:消除Zernike矩模板的放大效应,利用计算的边缘参数获得像素级特征边缘的亚像素坐标。
本实施实例装置的具体参数为:频率范围为0.01-200Hz、最大峰-峰位移为400mm的水平长冲程振动台,特征标志选用与振动台工作台面呈高对比度的矩形金属板,被校低频振动传感器选用MSV 3000-02三轴向加速度传感器,分辨率为1292x964像素、最大帧率为30fps的AVT Manta G-125B工业摄像机,镜头焦距为8mm,光源选用60W白炽灯,电压信号采集与传输设备选用采样频率范围为1Hz-216kHz的INV 3062C。
为了验证本发明低频振动校准方法的校准精度,利用本发明校准方法实现了0.04-8Hz范围内的加速度传感器校准。同时使用激光干涉法与地球重力法对该加速度传感器在相同频率范围内进行校准。在0.04-2Hz范围内可选择以地球重力法的校准结果作为参考,在0.2-8Hz范围内可选择以激光干涉法的校准结果作为参考。
参考图5-7分别为本发明方法具体实施实例对三轴向加速度传感器的X、Y、Z轴向的灵敏度校准结果图,本次校准的长冲程振动台提供的最大峰-峰位移为360mm。由结果图可知,本发明低频振动校准方法与地球重力法在0.04-2Hz范围内的校准结果相比,其X、Y、Z轴向灵敏度的相对误差分别小于1.29%、1.75%、1.23%;本发明低频振动校准方法与激光干涉法在2-8Hz范围内的最大相对误差分别为0.48%、0.53%、0.36,说明本发明针对宽频率范围内的低频振动校准具有较高的校准精度。
上述描述为本发明实施实例的详细介绍,其并非用于对本发明作任何形式上的限定。本领域相关技术人员可在本发明的基础上可做出一系列的优化、改进及修改等。因此,本发明的保护范围应由所附权利要求来限定。
Claims (7)
1.一种基于单目视觉的低频振动校准方法,其特征在于:该方法包括以下步骤,
S1:利用棋盘格靶标图像X角点的亚像素坐标检测,实现基于径向畸变的非线性模型摄像机标定;
S2:针对运动产生的图像模糊,基于特征边缘邻域灰度梯度的高斯曲线拟合与基于梯度光流法的相邻两帧图像运动方向检测,实现不同运动方向图像的增强,利用基于Zernike矩的方法提取增强图像的亚像素特征边缘;
S3:利用标定的摄像机模型参数及提取的序列图像特征边缘计算特征边缘的空间运动位移,通过二次微分获得被校低频振动传感器及低频振动测量仪的输入激励加速度峰值,并获取低频振动传感器及测量仪的输出电压峰值;
S4:最后通过获取的输入激励加速度峰值与输出电压峰值,确定低频振动传感器及测量仪的灵敏度与幅频特性。
2.根据权利要求1所述的一种基于单目视觉的低频振动校准方法,其特征在于:
摄像机标定用于确定摄像机的模型参数,具体包括:
(1)棋盘格靶标图像的X角点检测
针对采集的棋盘格靶标图像,利用自动X角点检测方法检测棋盘格靶标图像的X角点亚像素坐标(xd,yd);
(2)径向畸变的非线性模型摄像机标定
选用基于径向畸变的非线性摄像机模型,则理想像点(xu,yu)与实际像点(xd,yd)满足如下公式:
其中,k1与k2为径向畸变系数;利用(xd,yd)与相应世界坐标(xw,yw)确定基于线性模型的摄像机参数,(x'w,y'w)为(xd,yd)的重投影世界坐标;通过如下公式求解k1与k2;
其中,r与c为X角点阵列的行与列;利用求解的k1与k2校正(xd,yd)可得到(xu,yu),以确定无畸变像点与世界坐标对应的摄像机模型参数H。
3.根据权利要求1所述的一种基于单目视觉的低频振动校准方法,其特征在于:
平面运动序列图像的增强与特征边缘提取,包括基于高斯曲线拟合Canny算子检测的像素级边缘邻域灰度梯度,高斯函数梯度拟合的计算如下:
其中,g(p)与x(p)分别为所选择邻域像素的灰度梯度与像素的横坐标,p为选择的像素数,a、μ及σ分别为拟合峰值、均值及标准差;当σ大于非模糊图像梯度高斯函数拟合的σT,利用梯度光流法检测其运动方向;若f(x,y)的特征边缘位置像素的横坐标相对于前一帧沿垂直方向减少,则其增强为:
否则,其增强为:
其中,fE(x,y)为增强图像,fmax(x,y)与fmin(x,y)分别为最大与最小灰度值,为f(x,y)的归一化灰度,T1与T2为两不同的阈值。
4.根据权利要求3所述的一种基于单目视觉的低频振动校准方法,其特征在于:
对于所述的增强序列图像,利用三灰度边缘模型的Zernike矩方法实现其亚像素级特征边缘的提取;消除KxK正方形Zernike矩模板的放大效应,像素级边缘点(x0,y0)的亚像素坐标为:
其中,d1与d2及φ为计算的距离及旋转角度边缘参数。
5.根据权利要求1所述的一种基于单目视觉的低频振动校准方法,其特征在于:
所述特征边缘随时间的空间运动位移为正弦,通过确定的摄像机模型参数H与提取的序列图像特征边缘计算特征边缘的空间运动位移,再基于正弦逼近法拟合该空间运动位移,以获得相应的位移峰值;
利用正弦逼近法拟合被校低频振动传感器及低频振动测量仪的输出电压,获得相应的电压峰值;
6.根据权利要求1所述的一种基于单目视觉的低频振动校准方法,其特征在于:
通过所述特征边缘的位移峰值计算被校低频振动传感器及低频振动测量仪的输入激励加速度峰值,被校低频振动传感器及测量仪的灵敏度为输出电压信号峰值与激励加速度峰值之比;被校低频振动传感器及测量仪在不同频率下的灵敏度为其幅频特性。
7.实现权利要求1所述方法的低频振动校准方法的校准装置,其特征在于:
该装置包括:水平长冲程振动台(1)、特征标志(2)、低频振动传感器及低频振动测量仪(3)、光源(4)、摄像机固定装置(5)、摄像机(6)、图像传输设备(7)、电压信号采集与传输设备(8)、处理与显示设备(9);
水平长冲程振动台(1)用于提供低频振动传感器及低频振动测量仪(3)的输入激励;特征标志(2)与低频振动传感器及低频振动测量仪(3)紧固于水平长冲程振动台(1)的工作台面;光源(4)为摄像机(6)提供照明;摄像机固定装置(5)用于固定摄像机(6),使其光轴垂直于水平长冲程振动台(1)的工作台面;摄像机(6)用于采集运动工作台面的序列图像;图像传输设备(7)传输序列图像;电压信号采集与传输设备(8)用于低频振动传感器及低频振动测量仪(3)输出电压信号的采集与传输;处理与显示设备(9)处理序列图像与电压信号,保存与显示校准结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631352.1A CN109632085B (zh) | 2018-12-29 | 2018-12-29 | 一种基于单目视觉的低频振动校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631352.1A CN109632085B (zh) | 2018-12-29 | 2018-12-29 | 一种基于单目视觉的低频振动校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109632085A true CN109632085A (zh) | 2019-04-16 |
CN109632085B CN109632085B (zh) | 2021-04-27 |
Family
ID=66079259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811631352.1A Active CN109632085B (zh) | 2018-12-29 | 2018-12-29 | 一种基于单目视觉的低频振动校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109632085B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108348A (zh) * | 2019-05-15 | 2019-08-09 | 湖南科技大学 | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及*** |
CN110702946A (zh) * | 2019-09-24 | 2020-01-17 | 中国计量科学研究院 | 一种基于单目视觉的低频多轴加速度计灵敏度校准方法 |
CN110856136A (zh) * | 2019-11-13 | 2020-02-28 | 联桥网云信息科技(长沙)有限公司 | 一种电机运行监测设备 |
CN111765965A (zh) * | 2020-06-30 | 2020-10-13 | 四川中鼎智能技术有限公司 | 一种水力机组振动传感器的误差检测的方法、***、终端设备及可读存储介质 |
CN112432693A (zh) * | 2020-10-22 | 2021-03-02 | 中国计量科学研究院 | 一种用于机器视觉低频振动测量的溯源方法及装置 |
CN112444233A (zh) * | 2020-10-22 | 2021-03-05 | 贵州大学 | 一种基于单目视觉的平面运动位移及轨迹测量方法 |
CN113280868A (zh) * | 2021-07-02 | 2021-08-20 | 昆明理工大学 | 一种轴向振动与转速的同步监测方法及*** |
CN113639956A (zh) * | 2021-10-18 | 2021-11-12 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种模型倾角测量装置的校准装置及其校准方法 |
CN114047358A (zh) * | 2021-11-15 | 2022-02-15 | 中国计量科学研究院 | 一种基于单目视觉的线角振动校准方法 |
CN116539068A (zh) * | 2023-07-03 | 2023-08-04 | 国网山西省电力公司电力科学研究院 | 一种视觉测量***柔性自检调节装置及方法 |
CN117301078A (zh) * | 2023-11-24 | 2023-12-29 | 浙江洛伦驰智能技术有限公司 | 一种机器手视觉校准方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003009579A2 (en) * | 2001-07-17 | 2003-01-30 | Amnis Corporation | Computational methods for the segmentation of images of objects from background in a flow imaging instrument |
CN103597499A (zh) * | 2011-06-07 | 2014-02-19 | 瓦里安医疗***公司 | 运动模糊成像增强的方法和*** |
CN105894521A (zh) * | 2016-04-25 | 2016-08-24 | 中国电子科技集团公司第二十八研究所 | 基于高斯拟合的亚像素边缘检测方法 |
CN106500832A (zh) * | 2016-10-20 | 2017-03-15 | 中国计量科学研究院 | 一种基于机器视觉的低频振动校准装置 |
CN108537810A (zh) * | 2018-04-24 | 2018-09-14 | 中国计量大学 | 一种改进的Zernike矩亚像素边缘检测方法 |
-
2018
- 2018-12-29 CN CN201811631352.1A patent/CN109632085B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003009579A2 (en) * | 2001-07-17 | 2003-01-30 | Amnis Corporation | Computational methods for the segmentation of images of objects from background in a flow imaging instrument |
CN103597499A (zh) * | 2011-06-07 | 2014-02-19 | 瓦里安医疗***公司 | 运动模糊成像增强的方法和*** |
CN105894521A (zh) * | 2016-04-25 | 2016-08-24 | 中国电子科技集团公司第二十八研究所 | 基于高斯拟合的亚像素边缘检测方法 |
CN106500832A (zh) * | 2016-10-20 | 2017-03-15 | 中国计量科学研究院 | 一种基于机器视觉的低频振动校准装置 |
CN108537810A (zh) * | 2018-04-24 | 2018-09-14 | 中国计量大学 | 一种改进的Zernike矩亚像素边缘检测方法 |
Non-Patent Citations (1)
Title |
---|
崔智高 等: "动态背景下基于光流场分析的运动目标检测算法", 《物理学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108348A (zh) * | 2019-05-15 | 2019-08-09 | 湖南科技大学 | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及*** |
CN110702946A (zh) * | 2019-09-24 | 2020-01-17 | 中国计量科学研究院 | 一种基于单目视觉的低频多轴加速度计灵敏度校准方法 |
CN110702946B (zh) * | 2019-09-24 | 2021-11-05 | 中国计量科学研究院 | 一种基于单目视觉的低频多轴加速度计灵敏度校准方法 |
CN110856136A (zh) * | 2019-11-13 | 2020-02-28 | 联桥网云信息科技(长沙)有限公司 | 一种电机运行监测设备 |
CN111765965B (zh) * | 2020-06-30 | 2021-05-25 | 四川中鼎智能技术有限公司 | 一种水力机组振动传感器的误差检测的方法、***、终端设备及可读存储介质 |
CN111765965A (zh) * | 2020-06-30 | 2020-10-13 | 四川中鼎智能技术有限公司 | 一种水力机组振动传感器的误差检测的方法、***、终端设备及可读存储介质 |
CN112432693A (zh) * | 2020-10-22 | 2021-03-02 | 中国计量科学研究院 | 一种用于机器视觉低频振动测量的溯源方法及装置 |
CN112444233A (zh) * | 2020-10-22 | 2021-03-05 | 贵州大学 | 一种基于单目视觉的平面运动位移及轨迹测量方法 |
CN112444233B (zh) * | 2020-10-22 | 2022-08-02 | 贵州大学 | 一种基于单目视觉的平面运动位移及轨迹测量方法 |
CN112432693B (zh) * | 2020-10-22 | 2022-08-26 | 中国计量科学研究院 | 一种用于机器视觉低频振动测量的溯源方法及装置 |
US12026895B2 (en) | 2020-10-22 | 2024-07-02 | Guizhou University | Monocular vision-based method for measuring displacement and trajectory of planar motion |
CN113280868A (zh) * | 2021-07-02 | 2021-08-20 | 昆明理工大学 | 一种轴向振动与转速的同步监测方法及*** |
CN113280868B (zh) * | 2021-07-02 | 2022-02-15 | 昆明理工大学 | 一种轴向振动与转速的同步监测方法及*** |
CN113639956A (zh) * | 2021-10-18 | 2021-11-12 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种模型倾角测量装置的校准装置及其校准方法 |
CN114047358A (zh) * | 2021-11-15 | 2022-02-15 | 中国计量科学研究院 | 一种基于单目视觉的线角振动校准方法 |
CN116539068A (zh) * | 2023-07-03 | 2023-08-04 | 国网山西省电力公司电力科学研究院 | 一种视觉测量***柔性自检调节装置及方法 |
CN116539068B (zh) * | 2023-07-03 | 2023-09-08 | 国网山西省电力公司电力科学研究院 | 一种视觉测量***柔性自检调节装置及方法 |
CN117301078A (zh) * | 2023-11-24 | 2023-12-29 | 浙江洛伦驰智能技术有限公司 | 一种机器手视觉校准方法及*** |
CN117301078B (zh) * | 2023-11-24 | 2024-03-12 | 浙江洛伦驰智能技术有限公司 | 一种机器手视觉校准方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109632085B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109632085A (zh) | 一种基于单目视觉的低频振动校准方法 | |
CN106441138B (zh) | 基于视觉测量的变形监测方法 | |
Krüger et al. | Accurate chequerboard corner localisation for camera calibration | |
CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
US20130113897A1 (en) | Process and arrangement for determining the position of a measuring point in geometrical space | |
CN107589069B (zh) | 一种物体碰撞恢复系数的非接触式测量方法 | |
CN110146030A (zh) | 基于棋盘格标志法的边坡表面变形监测***和方法 | |
CN111192235A (zh) | 一种基于单目视觉模型和透视变换的图像测量方法 | |
CN110702946B (zh) | 一种基于单目视觉的低频多轴加速度计灵敏度校准方法 | |
CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
CN103676487B (zh) | 一种工件高度测量装置及其校正方法 | |
CN113763479B (zh) | 一种折反射全景相机与imu传感器的标定方法 | |
CN104751458A (zh) | 一种基于180°旋转算子的标定角点检测方法 | |
CN108362205A (zh) | 基于条纹投影的空间测距方法 | |
CN103389072B (zh) | 一种基于直线拟合的像点定位精度评估方法 | |
CN108489423A (zh) | 一种产品表面水平倾斜角度的测量方法及*** | |
CN115578315A (zh) | 一种基于无人机图像的桥梁应变近景摄影测量方法 | |
CN110186383A (zh) | 基于目标点仰角变化的单目相机挠度测量方法 | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN109712157A (zh) | 一种基于单目视觉的重力场法加速度计校准方法 | |
CN113850868B (zh) | 一种波浪爬高图像识别方法 | |
CN116935181B (zh) | 一种完全二值散斑嵌入脉宽调制模式三维测量方法 | |
CN117488887A (zh) | 一种基于单目视觉的基坑多测点一体化监测方法 | |
CN109990801A (zh) | 基于铅垂线的水平仪装配误差标定方法 | |
CN105809685B (zh) | 一种基于单幅同心圆图像的摄像机定标方法 |
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 |