CN111879241A - 基于机器视觉的手机电池尺寸测量方法 - Google Patents
基于机器视觉的手机电池尺寸测量方法 Download PDFInfo
- Publication number
- CN111879241A CN111879241A CN202010586510.7A CN202010586510A CN111879241A CN 111879241 A CN111879241 A CN 111879241A CN 202010586510 A CN202010586510 A CN 202010586510A CN 111879241 A CN111879241 A CN 111879241A
- Authority
- CN
- China
- Prior art keywords
- edge
- roi
- size
- battery
- pixel
- 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
Images
Classifications
-
- 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
- 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
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
基于机器视觉的手机电池尺寸测量方法,采集标定板图像,确定待检测边缘所在的感兴趣区域ROI;计算标定板图像中单位像素的实际距离;在待检测电池图像中创建感兴趣区域ROI;计算每个感兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差,计算待测电池像素尺寸与标定板中的标准像素尺寸的偏差,将偏差与标定板图像中单位像素对应的实际距离相乘,得到实际尺寸偏差,再采用标定板中的标准尺寸加上实际尺寸偏差,得到待检测电池的真实尺寸。本发明在亚像素边缘提取前先使用形态学粗边缘提取,可以快速定位边缘所在区域,减小了亚像素边缘提取算法检测的范围,提高了检测速度,有很强的适应性。
Description
技术领域
本发明涉及一种电池尺寸测量方法,具体涉及一种基于机器视觉的手机电池尺寸测量方 法。
背景技术
手机电池是手机中的关键部件之一,目前的发展趋势要求手机电池体积越来越小,并与 手机电池仓严格匹配,因此对其尺寸的测量是生产过程中的重要步骤。另外,手机锂电池的 制造,工艺复杂,工序较多,在生产过程中由于制造工艺、生产环境等的限制,可能会产生 毛刺、尺寸变化等缺陷,其外观尺寸缺陷主要是其定型尺寸以及定位尺寸,定位尺寸用来标 记各部分的相对位置,定型尺寸为某部分的具体大小。这些不合格的缺陷产品会影响手机电 池的性能和安全,需要及时地将其剔除出来。
传统的手机锂电池尺寸检测,是通过工人使用治具和卡尺来完成,存在着许多问题:
(1)人工测量速度慢,效率低,出货时间长,劳动力成本大。
(2)人工测量的主观性意识大,不同人的测量结果可能不同,或者同一个人在不同的状 态下测量结果也可能不一样,会导致测量结果精度很低,并且测量数据不利于保存和记录也 不利于信息化管理。
(3)人工测量在保证产品的质量上有很大的缺陷。人眼在长时间的工作下,会发生疲劳, 可能会误判等。
(4)软包锂电池机械强度不高,接触式的人工测量在测量过程中可能会造成损伤。
现存检测方法存在很多不足,急需一种更为先进的方法来进行手机电池的尺寸测量。
发明内容
本发明的目的在于提供一种基于机器视觉的手机电池尺寸测量方法,该方法能够代替人 工检测,使用2D工业相机高速度、高精度地自动化地对电池的长度、宽度,边缘直线度、 垂直度、平行度进行测量。
为达到实现上述目的,本发明采用如下技术方案:
基于机器视觉的手机电池尺寸测量方法,包括以下步骤:
(1)采集标定板图像,并标定板图像进行预处理;
(2)在经预处理的标定板图像上确定待检测边缘所在的感兴趣区域ROI;
(3)对于标定板图像中的每个感兴趣区域ROI,先对边缘粗定位,再在亚像素级别提取 ROI中的边缘点,得到一组表示标准尺寸的边缘点,根据边缘点计算标定板图像中单位像素 的实际距离;
(4)采集待检测电池图像,并对待检测电池图像进行预处理;
(5)根据步骤(2)中记录的ROI左上角坐标及ROI宽度与高度,在经步骤(4)中预 处理后的待检测电池图像中创建感兴趣区域ROI;对于每个感兴趣区域ROI,先对边缘粗定位,再在亚像素级别提取感兴趣区域ROI中的边缘点,并计算感兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差;
(6)根据偏差计算待测电池像素尺寸与标定板中的标准像素尺寸的偏差,将待测电池像 素尺寸与标定板中的标准像素尺寸的偏差与标定板图像中单位像素对应的实际距离相乘,得 到实际尺寸偏差,再将标定板中的标准尺寸加上实际尺寸偏差,得到待检测电池的真实尺寸。
本发明进一步的改进在于,步骤(1)中,制作标定板的具体过程为:标定板包括若干条 边,每条边的边缘为锯齿状,锯齿状边缘包括若干个相连的锯齿结构,每个锯齿结构包括平 行设置并且从左向右依次的第一线段、第二线段、第三线段与第四线段,第二线段与第四线 段位于同一条直线上,第一线段位于第二线段与第四线段所在直线lstd上方,第三线段位于第 二线段与第四线段所在直线lstd下方,第一线段的有线段与第二线段的左端相连,第二线段的 右端与第三线段的左端相连,第三线段的右端与第四线段的左端相连,第四线段的右端与另 一个锯齿结构相连;
第一线段所在直线为直线lmax,第四线段所在直线为直线lmin,直线lstd表示标准尺寸电池 边缘位置,直线lmax和直线lmin为直线lstd两侧与直线lstd距离为z的直线。
本发明进一步的改进在于,步骤(1)中,标定板图像预处理的过程为:将在同一位置拍 摄5张以上的标定板图像进行多幅平均滤波。
本发明进一步的改进在于,步骤(2)的具体过程为:利用人机交互界面,在经过预处理 的标定板图像上创建若干个矩形框,每个矩形框中包含一条待测的标定板的边,将每个矩形 框中区域作为ROI,并记录每个ROI的左上角坐标及ROI的宽度与高度。
本发明进一步的改进在于,步骤(3)中,先利用形态学边缘提取算法对边缘粗定位,再 利用亚像素边缘提取算法在亚像素级别提取ROI中的边缘点,得到一组表示标准尺寸的边缘 点,并利用距离z使用标定算法计算标定板图像中单位像素对应的实际距离。
本发明进一步的改进在于,步骤(3)中,利用距离z使用标定算法计算标定板图像中单 位像素对应的实际距离的具体过程为:用最小二乘近似的方法将每个分类为标定尺寸的子 ROI中的亚像素边缘点分别拟合出直线,计算所有相邻的两个类别分别为标定尺寸max、 标定尺寸min的子ROI中直线间的像素距离Distancepixel,则为两 条标定边缘之间的单位像素对应的实际距离。
本发明进一步的改进在于,步骤(5)中,先利用形态学边缘提取算法对边缘粗定位,再 利用亚像素边缘提取算法在亚像素级别提取感兴趣区域ROI中的边缘点,并计算感兴趣区域 ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差。
本发明进一步的改进在于,步骤(6)中,待检测电池的真实尺寸包括直线度、垂直度、距 离以及平行度,具体过程如下:
直线度计算:若ROI中边缘为水平线,对待测电池边缘所在ROI中的偏差点 Pierr(xi,yerr),i=0,1,...,用最小二乘法拟合出直线l:ax+by+c=0,计算出Pierr(xi,yerr),i=0,1,... 到直线l的距离将dis_straighti与步骤(3)计算得到的 标定板图像中单位像素对应的实际距离相乘得到实际距离dis_straightinew,取最大的n个实际 距离计算平均值maxstraight,最小的n个实际距离计算平均值minstraight,待检测电池边缘的直线 度为Straight=maxstraight-minstraight;n≥5;
若ROI中边缘为竖直线,对待测电池边缘所在ROI中的偏差点Pierr(xerr,yi),i=0,1,...,用 最小二乘法拟合出直线l:ax+by+c=0,计算出Pierr(xerr,yi),i=0,1,...到直线l的距离 将disi与标定板图像中单位像素对应的实际距离相乘得 到实际距离dis_straightinew,取最大的n个实际距离计算平均值maxstraight,最小的n个实际距 离计算平均值minstraight,待检测电池边缘的直线度为Straight=maxstraight-minstraight;n≥5。
本发明进一步的改进在于,平行度计算:对于待测电池中的需要计算平行度的两条边缘 A、B,取边缘A为基准,平移边缘B,使边缘B的标准尺寸边缘与边缘A的标准尺寸边缘重合;使用最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0,计算平移 后边缘B的偏差点PBierr,i=0,1,...到直线lA的距离将 dis_parallelismi与标定板图像中单位像素对应的实际距离相乘得到实际距离 dis_parallelisminew,取最大的n个实际距离计算平均值maxparallelism,最小的n个实际距离计 算平均值minparallelism,待检测电池中边缘A与边缘B的平行度为 parallelism=|maxparallelism-minparallelism|;n≥5。
本发明进一步的改进在于,步骤(3)中,垂直度计算:对于待检电池中需要计算垂直度 的两条边缘A、B,取边缘A为基准,使用最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0;将边缘B的所有偏差点PBierr,i=0,1,...投影到直线lA上,得到新的点集PBierr',i=0,1,...,在边缘A的方向,选择n个最高点作为极值采样点,计算n个点的平均值,得到高点虚拟极值参考点r1;选择n个最低点作为极值采样点,计算n个点的平均值,得到低点虚拟极值参考点r2;r1和r2之间的距离dis_perpendicularityr=|r1-r2|与步骤(3)计算得到 的标定板图像中单位像素对应的实际距离相乘,积即为待测电池中边缘A与边缘B的垂直度 Perpendicularity;n≥5;
直线度、垂直度以及平行度在标准尺寸中均为0;
距离计算:对于待测电池中需要计算距离的两条平行边缘A、B,取边缘A为基准,平移边缘B,使边缘B的标准尺寸边缘与边缘A的标准尺寸边缘重合,使用最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0,计算平移后边缘B的偏差点PBierr,i=0,1,... 到直线lA的距离对所有的距离取平均距离disavr,将平均距离disi与标定板图像中单位像素对应的实际距离相乘得到实际距离disavrnew;
将disavrnew与标准尺寸的和为待检测电池的真实尺寸。
与现有技术相比,本发明具有如下有益效果:
(1)本发明将包含边缘的局部图像作为ROI,仅对ROI进行图像处理,大幅减小了算法计算量,提高了检测的速度。
(2)本发明使用亚像素边缘提取算法,可以在CCD分辨率不高的条件下保持测量的高 精度,降低了成本。
(3)本发明通过计算待测电池与标准板的偏差再与标准板尺寸相加来获得待测电池的实 际尺寸,减小了相机镜头畸变造成的误差。
(4)本发明在亚像素边缘提取前先使用形态学粗边缘提取,可以快速定位边缘所在区域, 减小了亚像素边缘提取算法检测的范围,进一步提高了检测速度。
(5)本发明通过人机交互界面手工选择待检测的区域和检测内容,可以根据不同电池型 号灵活调整,有很强的适应性。
附图说明
图1为本发明的流程图。
图2为标定板的边缘结构示意图。
图3为标定板边缘的锯齿状结构示意图。
图4为步骤3中包含水平和竖直方向的图像。
图5为步骤5中包含水平和竖直方向的图像。
图6为标定板的示意图。
图7为矩形框的示意图。
图8为标准尺寸的边缘点的示意图。
图中,1为第一线段,2为第二线段,3为第三线段,4为第四线段。
具体实施方式
下面结合附图对本发明进行详细说明。
本发明提供一种基于机器视觉的手机电池尺寸测量方法,能够代替人工检测,使用2D 工业相机高速度、高精度地自动化地对电池的长度、宽度,边缘直线度、垂直度、平行度进 行测量。
参见图1,基于机器视觉的手机电池尺寸测量方法,包括以下步骤:
(1)根据待检测电池的标准尺寸制作标定板,将标定板置于图像采集平台中心位置,使 用工业相机采集标定板图像,并标定板图像进行预处理;
步骤(1)中,制作标定板子的过程:标定板包括若干条边,每条边的边缘为锯齿状,参 见图3,锯齿状边缘包括若干个相连的锯齿结构,参见图3,每个锯齿结构包括平行设置并且 从左向右依次的第一线段1、第二线段2、第三线段3与第四线段4,第二线段2与第四线段 4位于同一条直线上,第一线段1位于第二线段2与第四线段4所在直线上方,第三线段3位于第二线段2与第四线段4所在直线下方,第一线段1的有线段与第二线段2的左端相连,第二线段2的右端与第三线段3的左端相连,第三线段3的右端与第四线段4的左端相连, 第四线段4的右端与另一个锯齿结构相连。
其各边形状如图2所示,其中直线lstd表示标准尺寸电池边缘位置,直线lmax和直线lmin为 直线lstd两侧与直线lstd距离为zmm的直线,该尺寸作为于计算图像中单位像素对应的实际 距离的已知尺寸。z根据实际情况确定,该距离作为于计算图像中单位像素对应的实际距离 的已知尺寸。z可以为2。
标定板图像预处理的过程为:在同一位置拍摄5张以上标定板图像,将5张以上标定板 图像进行多幅平均滤波。
(2)确定待检测边缘所在的感兴趣区域ROI。
利用人机交互界面,在经过预处理的标定板图像上创建若干个矩形框,每个矩形框中包 含且只包含一条需检测的标定板的边,将每个矩形框中区域作为ROI,并记录每个ROI的左 上角坐标及ROI的宽度与高度;
(3)对于标定板图像中的每个感兴趣区域ROI,先利用形态学边缘提取算法对边缘粗定 位,再利用亚像素边缘提取算法在亚像素级别提取ROI中的边缘点,得到一组表示标准尺寸 的边缘点,并利用距离z使用标定算法计算标定板图像中单位像素对应的实际距离;
步骤(3)中,利用形态学边缘提取算法对边缘粗定位的具体过程为:设f(x,y)为感兴趣 区域中图像,g(x,y)为结构元素,则形态学算子为:
分别使用十字形结构元素和x形结构元素计算由十字形结构元素 得到的形态学梯度图像IGrad(f)1和由x形结构元素得到的形态学梯度图像IGrad(f)2,将 IGrad(f)1与IGrad(f)2两张图像按每张图像0.5的权重线性混合得到平均形态学梯度图像 IGrad(f)mix,对IGrad(f)mix中的每个像素做如下运算,以对图像IGrad(f)mix进行增强,得 到增强的图像IGrad(f)strong:
dsti=saturate(|α·srci+β|)
式中,srci为平均形态学梯度图像IGrad(f)mix中的第i个像素,dsti为增强的图像IGrad(f)strong中对应的像素,α为乘数因子,β为偏移量,saturate为归一化操作,归一化操作使运算后的像素值仍为8位。
对IGrad(f)strong做阈值化处理,将灰度大于或等于阈值T的像素的灰度值设为255,小 于阈值T的像素的灰度值设为0,得到阈值化后的图像IGrad(f)T。阈值T根据实际需要进 行设定。
对阈值化后的图像IGrad(f)T使用12像素×1像素的矩形模板腐蚀,再使用9像素×1像素的 矩形模板膨胀,得到只保留水平方向直线的图像IGrad(f)x;对阈值化后的图像IGrad(f)T使 用1像素×12像素的矩形模板腐蚀再使用1像素×9像素的矩形模板膨胀,得到只保留竖直方向 直线的图像IGrad(f)y;
将只保留水平方向直线的图像IGrad(f)x与只保留竖直方向直线的图像IGrad(f)y以每 张图0.5的权重进行线性混合,得到包含水平和竖直方向的图像IGrad(f)xy,如图4所示。
对包含水平和竖直方向的图像IGrad(f)xy中的每个线段,提取每个线段的外接矩形 Recti,i=0,1,...,并将外接矩形Recti,i=0,1,...,中区域作为子ROI。
判断ROI中边缘水平或竖直,并确定边缘分类标准:使用霍夫变换检测图像IGrad(f)xy中的直线,得到一组直线Li:ρi=xcos(θi)+ysin(θi),i=0,1,...,ρi为直线到原点的距离,x为 直线上点的横坐标,y为直线上点的纵坐标,θi为直线与x轴的夹角,仅保留其中投票数最 多的前三条直线,,并按直线到原点的距离从小到大排序为直线L1、直线L2、直线L3。根据 直线L2与x轴的夹角判断ROI中边缘为水平或竖直:若直线L2与x轴的夹角与的差值小 于直线L2与x轴的夹角与0的差值,则ROI中边缘为水平线;若直线L2与x轴的夹角与的 差值大于直线L2与x轴的夹角与0的差值,则ROI中边缘为竖直线。确定边缘分类标准:锯齿状边缘中的线段分为3类:标准尺寸、最小标定尺寸与最大标定尺寸。将直线L2到原点的距离作为标准尺寸分类标准Classifystd,将直线L1到原点的距离作为最小标定尺寸的分类标准 Classifymin,将直线L3到原点的距离作为最大标定尺寸的分类标准Classifymax。
对子ROI进行分类:对于第i个子ROI,若ROI中边缘为水平线时,分别计算子ROI左上角的纵坐标与分类标准Classifystd、Classifymin、Classifymax差值的绝对值,若ROI中边缘为 竖直线时则计算子ROI左上角的横坐标与分类标准Classifystd、Classifymin、Classifymax差值的 绝对值,差值的绝对值最小的类别就是子ROI所属的类别。
利用亚像素边缘提取算法在亚像素级别提取ROI中的边缘点的具体过程为:对于每个子 ROI,重新调整其大小,沿与子ROI中边缘垂直方向向两侧各增加3像素宽度成为新的子ROI。 对于每个新的子ROI,将新的子ROI与7个7像素×7像素Zernike矩模板做卷积,得到每个 像素点的7个Zernike矩:0阶0次Zernike矩Z00、1阶1次Zernike矩实部Z11R、1阶1次Zernike矩虚部Z11I、2阶0次Zernike矩Z20、3阶1次Zernike矩实部Z31R、3阶1次Zernike 矩虚部Z31I、4阶0次Zernike矩Z40,7个7像素×7像素Zernike矩模板分别为:
Z'11=sin(φ)·Z11I+cos(φ)·Z11R;
Z'31=sin(φ)·Z31I+cos(φ)·Z31R。
采用下式计算距离参数L、背景灰度H和灰度差参数K,并根据距离参数L、背景灰度H 和灰度差参数K判断每个点是否是边缘点;
若L、H、K满足|l1-l2|≤T1,|L|≤T2,K>T3,H<T4,其中T1,T2,T3,T4为阈值,阈值根据实 际情况进行确定,则可认为是边缘点,再根据以下公式恢复边缘尺度:
其中,xs为亚像素边缘点的横坐标,ys为亚像素边缘点的纵坐标,x为该像素点的横坐 标,y为该像素点的纵坐标,φ为旋转角。
获取标准尺寸边缘点:取分类为标准尺寸的子ROI中的亚像素边缘点作为标准尺寸边缘 点。
利用距离z使用标定算法计算标定板图像中单位像素对应的实际距离的具体过程为:用 最小二乘近似的方法将每个分类为标定尺寸的子ROI中的亚像素边缘点分别拟合出直线,计 算所有相邻的两个类别分别为标定尺寸max、标定尺寸min的子ROI中直线间的像素距离 Distancepixel,则为标定值,即两条标定边缘之间的单位像素对 应的实际距离。
(4)将待检测电池置于图像采集平台中心位置,使用工业相机采集待检测电池图像,并 对待检测电池图像进行预处理;
(5)根据步骤(2)中记录的ROI左上角坐标及ROI宽度与高度,在经步骤(4)中预 处理后的检测电池图像中创建感兴趣区域ROI。对于每个感兴趣区域ROI,先利用形态学边 缘提取算法对边缘粗定位,再利用亚像素边缘提取算法在亚像素级别提取感兴趣区域ROI中的边缘点,并计算感兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差;
(6)根据步骤(5)中得到的偏差计算待测电池像素尺寸与标定板中的标准像素尺寸的 偏差,将待测电池像素尺寸与标定板中的标准像素尺寸的偏差与标定值Δ(即步骤(3)计算 得到的标定板图像中单位像素对应的实际距离)相乘,得到实际尺寸偏差,再采用标定板中 的标准尺寸加上实际尺寸偏差,得到待检测电池的真实尺寸。
步骤(5)中,形态学粗边缘外轮廓提取:设f(x,y)为待检测电池图像图像,g(x,y)为结构元 素,则形态学算子为式中:ο为开运算,·为闭运算,为膨胀操作,⊙为腐蚀运算。分别使用十字形结构算子和x形结构算子计算形态学梯度算子IGrad(f)1和IGrad(f)2,将IGrad(f)1与IGrad(f)2取平均得到形态学算 子的线性混合IGrad(f)mix,对IGrad(f)mix中的每个像素做如下运算,得到增强的图像 IGrad(f)strong:
dsti=saturate(|α·srci+β|)
式中,srci为输入图像中的第i个像素,dsti为对应的输出像素,α为乘数因子,β为偏 移量,saturate为归一化操作,使运算后的像素值仍为8位。对IGrad(f)strong做阈值化处理, 将灰度大于或等于阈值T的像素的灰度值设为255,小于阈值T的像素的灰度值设为0,得 到阈值化后的图像IGrad(f)T。对IGrad(f)T使用12像素×1像素的矩形模板腐蚀,再使用9像素×1像素的矩形模板膨胀得到只保留水平方向直线的图像IGrad(f)x;对对IGrad(f)T使 用1像素×12像素的矩形模板腐蚀,再使用1像素×9像素的矩形模板膨胀得到只保留竖直方向 直线的图像IGrad(f)y;将IGrad(f)x与IGrad(f)y以每张图0.5的权重进行线性混合得到包 含水平和竖直方向的图像IGrad(f)xy,如图5所示。
最后提取IGrad(f)xy中边缘点的外接矩形Rect,并将Recti中区域作为子ROI。
步骤(5)中,亚像素边缘提取:与步骤(3)中亚像素边缘提取方法相同。
计算感兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差的目的是 将边缘点坐标转换为与标定板中标准尺寸边缘点的差值,计算感兴趣区域ROI中的边缘点与 标定板图像对应位置ROI中的边缘点的偏差的具体过程:对于检测电池图像中ROI中的每个 亚像素边缘点Pi(xi,yi),i=0,1,...,若ROI中边缘为水平线,在标定板图像对应的ROI中的标准 尺寸边缘点找到横坐标与Pi最接近的边缘点Pistd1和Pistd2,用一次线性插值法计算Pistd1和Pistd2连线上横坐标为xi的点的纵坐标yistd,计算待测电池边缘点坐标与标定板中标准尺寸边缘点 的差值yerr=yi-yistd,得到偏差点集Pierr(xi,yerr);若ROI中边缘为竖直线,在标定板图像对 应的ROI中的标准尺寸边缘点找到纵坐标与Pi最接近的边缘点Pistd1和Pistd2,用一次线性插值 法计算Pistd1和Pistd2连线上纵坐标为yi的点的横坐标xistd,待测电池边缘点坐标与标定板中标准 尺寸边缘点的差值为xerr=xi-xistd,得到偏差点集Pierr(xerr,yi),i=0,1,...;
步骤(6)中,待检测电池的真实尺寸包括直线度、垂直度、距离以及平行度,具体过程如 下:
直线度计算:若ROI中边缘为水平线,对待测电池边缘所在ROI中的偏差点 Pierr(xi,yerr),i=0,1,...,用最小二乘法拟合出直线l:ax+by+c=0,计算出Pierr(xi,yerr),i=0,1,... 到直线l的距离(包含正负)将dis_straighti与对应位置 的标定值(标定值为步骤(3)计算得到的标定板图像中单位像素对应的实际距离)相乘得到 实际距离dis_straightinew,取最大的n(n≥5)个实际距离计算平均值a,最小的n(n≥5)个实际 距离计算平均值b,待检测电池边缘的直线度为Straight=a-b。
若ROI中边缘为竖直线,对待测电池边缘所在ROI中的偏差点Pierr(xerr,yi),i=0,1,...,用 最小二乘法拟合出直线l:ax+by+c=0,计算出Pierr(xerr,yi),i=0,1,...到直线l的距离(包含正负) 将disi与对应位置的标定值Δ(标定值为步骤(3)计算得到的标 定板图像中单位像素对应的实际距离)相乘得到实际距离disinew,取最大的n(n≥5)个实际距 离计算平均值a,最小的n(n≥5)个实际距离计算平均值b,待检测电池边缘的直线度为Straight=a-b;
平行度计算:对于待测电池中的需要计算平行度的两条边缘A、B,取其中一条直线(如 边缘A)为基准。平移边缘B,使边缘B的标准尺寸边缘与边缘A的标准尺寸边缘重合。使用 最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0,计算平移后边缘B的偏差点PBierr,i=0,1,...到直线lA的距离将dis_parallelismi与对应位置的标定值Δ(标定值为步骤(3)计算得到的标定板图像中单位像 素对应的实际距离)相乘得到实际距离disinew,取最大的n(n≥5)个实际距离计算平均值m, 最小的n(n≥5)个实际距离计算平均值n,待检测电池中边缘A与边缘B的平行度为Parallelism=|m-n|;
垂直度计算:对于待检电池中需要计算垂直度的两条边缘A、B,取其中一条直线(如边 缘A)为基准。使用最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0。将 边缘B的所有偏差点PBierr,i=0,1,...投影到直线lA上,得到新的点集PBierr',i=0,1,...,在边缘A 的方向,选择n(n≥5)个最高点作为极值采样点,计算n个点的平均值,得到高点虚拟极值参 考点r1;选择n(n≥5)个最低点作为极值采样点,计算n个点的平均值,得到低点虚拟极值参 考点r2;r1和r2之间的距离disr=|r1-r2|与对应位置的标定值Δ(标定值为步骤(3)计算得到 的标定板图像中单位像素对应的实际距离)相乘,积即为待测电池中边缘A与边缘B的垂直 度Perpendicularity。
直线度、垂直度以及平行度在标准尺寸中均为0。
距离计算:对于待测电池中需要计算距离的两条平行边缘A、B,取其中一条直线(如边 缘A)为基准。平移边缘B,使边缘B的标准尺寸边缘与边缘A的标准尺寸边缘重合。使用最 小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0,计算平移后边缘B的偏 差点PBierr,i=0,1,...到直线lA的距离对所有的距离取平均disavr, 将disi与对应位置的标定值Δ(标定值为步骤(3)计算得到的标定板图像中单位像素对应的实 际距离)相乘得到实际距离disavrnew。
将disavrnew加上标准尺寸,和为两条平行线间实际的距离,该距离为待检测电池的真实尺 寸。
下面为一个具体实施例。
作为一种实施方式,待测电池如图6所示:
步骤1,参见图6,根据待检测电池的标准尺寸制作如图7的标定板,将标定板置于图像 采集平台中心位置,使用工业相机采集标定板图像,并标定板图像进行预处理;
步骤2,参见图8,利用人机交互界面,在经过预处理的标定板图像上创建如图8的矩形 框,每个矩形框中包含且只包含一条需检测的标定板的边,将每个矩形框中区域作为ROI。
步骤3,参见图8,对于标定板图像中的每个感兴趣区域ROI,先利用形态学边缘提取算 法对边缘粗定位,再利用亚像素边缘提取算法在亚像素级别提取ROI中的边缘点,得到一组 表示标准尺寸的边缘点,并利用标定板中已知的尺寸z=2mm使用标定算法计算标定板图像中 单位像素对应的实际距离;
步骤3中利用形态学边缘提取算法对边缘粗定位的具体过程为:利用结构元素得到平均 形态学梯度图像IGrad(f)mix,对IGrad(f)mix中的每个像素做如下运算,以对图像IGrad(f)mix进行增强,得到增强的图像IGrad(f)strong:
dsti=saturate(|α·srci+β|)
式中,srci为平均形态学梯度图像IGrad(f)mix中的第i个像素,dsti为增强的图像IGrad(f)strong中对应的像素,α为乘数因子,其值为3.0,β为偏移量,其值为10.0,saturate为归一化操作,归一化操作使运算后的像素值仍为8位。
对IGrad(f)strong做阈值化处理,将灰度大于或等于阈值T=100的像素的灰度值设为255, 小于阈值T的像素的灰度值设为0,得到阈值化后的图像IGrad(f)T。
对IGrad(f)T使用12像素×1像素的矩形模板腐蚀,再使用9像素×1像素的矩形模板膨胀, 得到只保留水平方向直线的图像IGrad(f)x;对IGrad(f)T使用1像素×12像素的矩形模板腐蚀 再使用1像素×9像素的矩形模板膨胀,得到只保留竖直方向直线的图像IGrad(f)y;将 IGrad(f)x与IGrad(f)y以每张图0.5的权重进行线性混合,得到包含水平和竖直方向的图像 IGrad(f)xy。
对IGrad(f)xy中的每个线段,提取每个线段的外接矩形Recti,i=0,1,...,并将Recti, i=0,1,...中区域作为子ROI。
判断ROI中边缘水平或竖直,并确定边缘分类标准,并以此对子ROI进行分类。
步骤3中利用亚像素边缘提取算法在亚像素级别提取ROI中的边缘点的具体过程为:对 于每个子ROI,重新调整其大小,沿与子ROI中边缘垂直方向向两侧各增加3像素宽度成为 新的子ROI。对于每个新的子ROI,将新的子ROI与7个7像素×7像素Zernike矩模板做卷 积,得到每个像素点的7个Zernike矩Z00、Z11R、Z11I、Z20、Z31R、Z31I、Z40。对于每个像 素点,将计算出的Zernike矩Z11R、Z11I、Z31R、Z31I,乘上角度校正系数,得到旋转后的矩Z1'1和Z3'1。计算距离参数L、背景灰度H和灰度差参数K,并根据距离参数L、背景灰度H和灰 度差参数K判断每个点是否是边缘点:若L、H、K满足|l1-l2|≤T1,|L|≤T2,K>T3,H<T4, 其中T1,T2,T3,T4为阈值,阈值T1,T2,T3,T4分别为120、255,则可认为是边缘点,再 根据恢复边缘尺度。
步骤3中利用标定板中已知的尺寸即距离z使用标定算法计算标定板图像中单位像素对 应的实际距离的具体过程为:用最小二乘近似的方法将每个分类为标定尺寸的子ROI中的亚 像素边缘点分别拟合出直线,计算所有相邻的两个类别分别为标定尺寸max、标定尺寸min的子ROI中直线间的像素距离Distancepixel,则为标定值,即两条标 定边缘之间的单位像素对应的实际距离。
步骤4,将待检测电池置于图像采集平台中心位置,使用工业相机采集待检测电池图像, 并对待检测电池图像进行预处理;
步骤5,根据记录的ROI左上角坐标(x,y)及其宽度width、高度height,在待检测电池图 像中创建感兴趣区域ROI。对于每个感兴趣区域ROI,先利用形态学边缘提取算法对边缘粗 定位,再利用亚像素边缘提取算法在亚像素级别提取感兴趣区域ROI中的边缘点,并计算感 兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差;
步骤6,根据步骤(5)中得到的偏差计算待测电池像素尺寸与标定板中的标准像素尺寸 的偏差,将待测电池像素尺寸与标定板中的标准像素尺寸的偏差与标定值Δ(即步骤(3)计 算得到的标定板图像中单位像素对应的实际距离)相乘,得到实际尺寸偏差,再采用标定板 中的标准尺寸加上实际尺寸偏差,得到待检测电池的真实尺寸。
Claims (10)
1.基于机器视觉的手机电池尺寸测量方法,其特征在于,包括以下步骤:
(1)采集标定板图像,并标定板图像进行预处理;
(2)在经预处理的标定板图像上确定待检测边缘所在的感兴趣区域ROI;
(3)对于标定板图像中的每个感兴趣区域ROI,先对边缘粗定位,再在亚像素级别提取ROI中的边缘点,得到一组表示标准尺寸的边缘点,根据边缘点计算标定板图像中单位像素的实际距离;
(4)采集待检测电池图像,并对待检测电池图像进行预处理;
(5)根据步骤(2)中记录的ROI左上角坐标及ROI宽度与高度,在经步骤(4)中预处理后的待检测电池图像中创建感兴趣区域ROI;对于每个感兴趣区域ROI,先对边缘粗定位,再在亚像素级别提取感兴趣区域ROI中的边缘点,并计算感兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差;
(6)根据偏差计算待测电池像素尺寸与标定板中的标准像素尺寸的偏差,将待测电池像素尺寸与标定板中的标准像素尺寸的偏差与标定板图像中单位像素对应的实际距离相乘,得到实际尺寸偏差,再将标定板中的标准尺寸加上实际尺寸偏差,得到待检测电池的真实尺寸。
2.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(1)中,制作标定板的具体过程为:标定板包括若干条边,每条边的边缘为锯齿状,锯齿状边缘包括若干个相连的锯齿结构,每个锯齿结构包括平行设置并且从左向右依次的第一线段(1)、第二线段(2)、第三线段(3)与第四线段(4),第二线段(2)与第四线段(4)位于同一条直线上,第一线段(1)位于第二线段(2)与第四线段(4)所在直线lstd上方,第三线段(3)位于第二线段(2)与第四线段(4)所在直线lstd下方,第一线段(1)的有线段与第二线段(2)的左端相连,第二线段(2)的右端与第三线段(3)的左端相连,第三线段(3)的右端与第四线段(4)的左端相连,第四线段(4)的右端与另一个锯齿结构相连;
第一线段(1)所在直线为直线lmax,第四线段(1)所在直线为直线lmin,直线lstd表示标准尺寸电池边缘位置,直线lmax和直线lmin为直线lstd两侧与直线lstd距离为z的直线。
3.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(1)中,标定板图像预处理的过程为:将在同一位置拍摄5张以上的标定板图像进行多幅平均滤波。
4.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(2)的具体过程为:利用人机交互界面,在经过预处理的标定板图像上创建若干个矩形框,每个矩形框中包含一条待测的标定板的边,将每个矩形框中区域作为ROI,并记录每个ROI的左上角坐标及ROI的宽度与高度。
5.根据权利要求2所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(3)中,先利用形态学边缘提取算法对边缘粗定位,再利用亚像素边缘提取算法在亚像素级别提取ROI中的边缘点,得到一组表示标准尺寸的边缘点,并利用距离z使用标定算法计算标定板图像中单位像素对应的实际距离。
7.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(3)中,步骤(5)中,先利用形态学边缘提取算法对边缘粗定位,再利用亚像素边缘提取算法在亚像素级别提取感兴趣区域ROI中的边缘点,并计算感兴趣区域ROI中的边缘点与标定板图像对应位置ROI中的边缘点的偏差。
8.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(3)中,步骤(6)中,待检测电池的真实尺寸包括直线度、垂直度、距离以及平行度,具体过程如下:
直线度计算:若ROI中边缘为水平线,对待测电池边缘所在ROI中的偏差点Pierr(xi,yerr),i=0,1,...,用最小二乘法拟合出直线l:ax+by+c=0,计算出Pierr(xi,yerr),i=0,1,...到直线l的距离将dis_straighti与标定板图像中单位像素对应的实际距离相乘得到实际距离dis_straightinew,取最大的n个实际距离计算平均值maxstraight,最小的n个实际距离计算平均值minstraight,待检测电池边缘的直线度为Straight=maxstraight-minstraight;n≥5;
9.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(3)中,平行度计算:对于待测电池中的需要计算平行度的两条边缘A、B,取边缘A为基准,平移边缘B,使边缘B的标准尺寸边缘与边缘A的标准尺寸边缘重合;使用最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0,计算平移后边缘B的偏差点PBierr,i=0,1,...到直线lA的距离将dis_parallelismi与步骤(3)计算得到的标定板图像中单位像素对应的实际距离相乘得到实际距离dis_parallelisminew,取最大的n个实际距离计算平均值maxparallelism,最小的n个实际距离计算平均值minparallelism,待检测电池中边缘A与边缘B的平行度为parallelism=|maxparallelism-minparallelism|;n≥5。
10.根据权利要求1所述的基于机器视觉的手机电池尺寸测量方法,其特征在于,步骤(3)中,垂直度计算:对于待检电池中需要计算垂直度的两条边缘A、B,取边缘A为基准,使用最小二乘法拟合出边缘A的ROI中的偏差点的直线lA:ax+by+c=0;将边缘B的所有偏差点PBierr,i=0,1,...投影到直线lA上,得到新的点集PBierr',i=0,1,...,在边缘A的方向,选择n个最高点作为极值采样点,计算n个点的平均值,得到高点虚拟极值参考点r1;选择n个最低点作为极值采样点,计算n个点的平均值,得到低点虚拟极值参考点r2;r1和r2之间的距离dis_perpendicularityr=|r1-r2|与标定板图像中单位像素对应的实际距离相乘,积即为待测电池中边缘A与边缘B的垂直度Perpendicularity;n≥5;
直线度、垂直度以及平行度在标准尺寸中均为0;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586510.7A CN111879241B (zh) | 2020-06-24 | 2020-06-24 | 基于机器视觉的手机电池尺寸测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586510.7A CN111879241B (zh) | 2020-06-24 | 2020-06-24 | 基于机器视觉的手机电池尺寸测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111879241A true CN111879241A (zh) | 2020-11-03 |
CN111879241B CN111879241B (zh) | 2021-09-07 |
Family
ID=73157092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010586510.7A Active CN111879241B (zh) | 2020-06-24 | 2020-06-24 | 基于机器视觉的手机电池尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111879241B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112361977A (zh) * | 2020-11-10 | 2021-02-12 | 成都新西旺自动化科技有限公司 | 一种基于权重分配的直线间距测量方法 |
CN113176223A (zh) * | 2021-03-23 | 2021-07-27 | 中山大学新华学院 | 一种红外分光光度检测仪 |
CN113513991A (zh) * | 2021-04-15 | 2021-10-19 | 珠海博明视觉科技有限公司 | 一种电池极片毛刺高度检测方法及装置 |
CN113639678A (zh) * | 2021-08-20 | 2021-11-12 | 徐海 | 一种基于智能相机的直线导轨精度检测方法 |
CN113870217A (zh) * | 2021-09-27 | 2021-12-31 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的边缘偏移视觉测量方法、图像检测仪 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
CN114383517A (zh) * | 2021-12-29 | 2022-04-22 | 南京大学 | 一种基于光学成像的电池膨胀实时检测方法及装置 |
CN115760782A (zh) * | 2022-11-16 | 2023-03-07 | 华南理工大学 | 一种基于机器视觉的模内贴标偏移缺陷识别方法 |
CN116580022A (zh) * | 2023-07-07 | 2023-08-11 | 杭州鄂达精密机电科技有限公司 | 工件尺寸检测方法、装置、计算机设备及存储介质 |
CN117237441A (zh) * | 2023-11-10 | 2023-12-15 | 湖南科天健光电技术有限公司 | 亚像素定位方法、***、电子设备和介质 |
CN117392127A (zh) * | 2023-12-11 | 2024-01-12 | 深圳精智达技术股份有限公司 | 一种显示面板边框的检测方法、装置和电子设备 |
CN117723551A (zh) * | 2024-02-18 | 2024-03-19 | 宁德时代新能源科技股份有限公司 | 电池检测设备、点检方法、电池生产设备和检测方法 |
CN117782993A (zh) * | 2024-02-23 | 2024-03-29 | 宁德时代新能源科技股份有限公司 | 裸电芯外观检测***的点检方法及裸电芯外观检测*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002122964A (ja) * | 2000-10-12 | 2002-04-26 | Fuji Photo Film Co Ltd | レンズ付きフイルムユニットの電池外装 |
CN1677788A (zh) * | 2003-11-14 | 2005-10-05 | 索尼株式会社 | 电池组、电池保护处理装置及其控制方法 |
CN102737377A (zh) * | 2012-05-14 | 2012-10-17 | 上海瑞伯德智能***科技有限公司 | 改进的亚像素边缘提取方法 |
CN210676012U (zh) * | 2019-04-01 | 2020-06-05 | 安徽理工大学 | 一种基于机器视觉的废旧电池分离回收装置 |
-
2020
- 2020-06-24 CN CN202010586510.7A patent/CN111879241B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002122964A (ja) * | 2000-10-12 | 2002-04-26 | Fuji Photo Film Co Ltd | レンズ付きフイルムユニットの電池外装 |
CN1677788A (zh) * | 2003-11-14 | 2005-10-05 | 索尼株式会社 | 电池组、电池保护处理装置及其控制方法 |
CN102737377A (zh) * | 2012-05-14 | 2012-10-17 | 上海瑞伯德智能***科技有限公司 | 改进的亚像素边缘提取方法 |
CN210676012U (zh) * | 2019-04-01 | 2020-06-05 | 安徽理工大学 | 一种基于机器视觉的废旧电池分离回收装置 |
Non-Patent Citations (7)
Title |
---|
《计量测试技术手册》编辑委员会: "《计量测试技术手册 第2卷 几何量》", 31 March 1997 * |
侯宏花: "《数字图像处理与分析》", 30 September 2011 * |
姜明灿 等: "《公差与测量技术》", 31 December 2006 * |
杨广武: "《新编物理实验》", 31 May 2013 * |
王盼: "手机电池的尺寸测量和外观缺陷检测", 《中国优秀硕士学位论文全文数据库 信息科技辑 2017年》 * |
蔡利梅: "《数字图像处理》", 31 August 2014 * |
黄炽豪: "基于机器视觉的晶硅光伏太阳能电池测量***研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑 2019年》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112361977A (zh) * | 2020-11-10 | 2021-02-12 | 成都新西旺自动化科技有限公司 | 一种基于权重分配的直线间距测量方法 |
CN112361977B (zh) * | 2020-11-10 | 2021-05-28 | 成都新西旺自动化科技有限公司 | 一种基于权重分配的直线间距测量方法 |
CN113176223A (zh) * | 2021-03-23 | 2021-07-27 | 中山大学新华学院 | 一种红外分光光度检测仪 |
CN113513991A (zh) * | 2021-04-15 | 2021-10-19 | 珠海博明视觉科技有限公司 | 一种电池极片毛刺高度检测方法及装置 |
CN113639678A (zh) * | 2021-08-20 | 2021-11-12 | 徐海 | 一种基于智能相机的直线导轨精度检测方法 |
CN113870217A (zh) * | 2021-09-27 | 2021-12-31 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的边缘偏移视觉测量方法、图像检测仪 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
CN114383517A (zh) * | 2021-12-29 | 2022-04-22 | 南京大学 | 一种基于光学成像的电池膨胀实时检测方法及装置 |
CN115760782A (zh) * | 2022-11-16 | 2023-03-07 | 华南理工大学 | 一种基于机器视觉的模内贴标偏移缺陷识别方法 |
CN115760782B (zh) * | 2022-11-16 | 2023-06-16 | 华南理工大学 | 一种基于机器视觉的模内贴标偏移缺陷识别方法 |
CN116580022A (zh) * | 2023-07-07 | 2023-08-11 | 杭州鄂达精密机电科技有限公司 | 工件尺寸检测方法、装置、计算机设备及存储介质 |
CN116580022B (zh) * | 2023-07-07 | 2023-09-29 | 杭州鄂达精密机电科技有限公司 | 工件尺寸检测方法、装置、计算机设备及存储介质 |
CN117237441A (zh) * | 2023-11-10 | 2023-12-15 | 湖南科天健光电技术有限公司 | 亚像素定位方法、***、电子设备和介质 |
CN117237441B (zh) * | 2023-11-10 | 2024-01-30 | 湖南科天健光电技术有限公司 | 亚像素定位方法、***、电子设备和介质 |
CN117392127A (zh) * | 2023-12-11 | 2024-01-12 | 深圳精智达技术股份有限公司 | 一种显示面板边框的检测方法、装置和电子设备 |
CN117392127B (zh) * | 2023-12-11 | 2024-04-12 | 深圳精智达技术股份有限公司 | 一种显示面板边框的检测方法、装置和电子设备 |
CN117723551A (zh) * | 2024-02-18 | 2024-03-19 | 宁德时代新能源科技股份有限公司 | 电池检测设备、点检方法、电池生产设备和检测方法 |
CN117782993A (zh) * | 2024-02-23 | 2024-03-29 | 宁德时代新能源科技股份有限公司 | 裸电芯外观检测***的点检方法及裸电芯外观检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN111879241B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111879241B (zh) | 基于机器视觉的手机电池尺寸测量方法 | |
CN108764229B (zh) | 一种基于计算机视觉技术的水尺图像自动识别方法 | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN111062915B (zh) | 一种基于改进YOLOv3模型的实时钢管缺陷检测方法 | |
CN112419297B (zh) | 一种螺栓松动检测方法、装置、设备及存储介质 | |
CN106934800B (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN112613097A (zh) | 一种基于计算机视觉的bim快速化建模方法 | |
CN112465809A (zh) | 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置 | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN112906689B (zh) | 一种基于缺陷检测与分割深度卷积神经网络的图像检测方法 | |
CN112489042A (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
CN106340010A (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
US7893947B2 (en) | Method for extracting edge in photogrammetry with subpixel accuracy | |
CN114897881B (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN115656182A (zh) | 基于张量投票主成分分析的板材点云缺陷检测方法 | |
CN113269234A (zh) | 一种基于目标检测的连接件装配检测方法和*** | |
CN111242939B (zh) | 压板状态的识别方法 | |
CN111754461A (zh) | 半导体芯片图像字符区域的定位方法、装置 | |
CN112132773B (zh) | 飞机头部机盖铆点缺陷检测方法、装置、设备和存储介质 | |
CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
CN112146593A (zh) | 一种基于机器视觉的外螺纹检测方法及实时检测*** | |
CN114549780B (zh) | 一种基于点云数据的大型复杂构件智能化检测方法 | |
CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 | |
CN116385356A (zh) | 一种基于激光视觉的正六边形孔特征的提取方法和*** | |
CN112581487B (zh) | 自动提取检测区域及定位核的方法 |
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 |