CN112304954A - 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 - Google Patents

一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 Download PDF

Info

Publication number
CN112304954A
CN112304954A CN202011125464.7A CN202011125464A CN112304954A CN 112304954 A CN112304954 A CN 112304954A CN 202011125464 A CN202011125464 A CN 202011125464A CN 112304954 A CN112304954 A CN 112304954A
Authority
CN
China
Prior art keywords
image
value
camera
difference
machine vision
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
Application number
CN202011125464.7A
Other languages
English (en)
Other versions
CN112304954B (zh
Inventor
张周强
***
胥光申
郭忠超
周玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhang Caiwang
Zheng Jian
Zhou Peng
Original Assignee
Xian Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Polytechnic University filed Critical Xian Polytechnic University
Priority to CN202011125464.7A priority Critical patent/CN112304954B/zh
Priority claimed from CN202011125464.7A external-priority patent/CN112304954B/zh
Publication of CN112304954A publication Critical patent/CN112304954A/zh
Application granted granted Critical
Publication of CN112304954B publication Critical patent/CN112304954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，具体包括如下步骤：步骤1，对相机进行标定，获取相机的内外参数,并拍摄一张无激光照射下的图像作为参照图像；步骤2，利用图像采集***采集图像；步骤3，对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换，得到待测零件表面的三维点云数据；步骤4，针对表面无缺陷的标准零件，执行步骤1～3的操作，获得表面无缺陷的标准零件的三维点云数据图像；步骤5，将步骤3得到的数据与步骤4得到的数据进行做差，取差值的绝对值，将所得该绝对值与设定的阈值之间进行比较，判断待测零件表面是否存在缺陷。本发明能够对零件表面进行准确、高效的检测。

Description

一种基于线激光扫描及机器视觉的零件表面缺陷检测方法
技术领域
本发明属于机器视觉技术领域，涉及一种基于线激光扫描及机器视觉的零件表面缺陷检测方法。
背景技术
零件表面缺陷的检测是保证其使用安全的重要技术手段，当零件表面存在缺陷时，如不及时发现，将会影响机器的生产质量和生产效率，造成不可估量的损失，更有甚者，会威胁到人的生命安全。传统的人工检测的方法是通过人工对零件进行缺陷检查的，该方法工作量大、效率低下。而且在人工检测的过程中，由于检测人员的技术素质和经验参差不齐，所以判别零件是否有缺陷也会因人而异。同时人工检测的主观性较强，很容易出现漏检、误检的现象。
机器视觉是利用工业相机CCD来取代人眼做检测的一种现代化检测技术，通过工业相机CCD对被测物体进行图像处理，将图像信息转化为数字信号，再从其中提取所需的特征，从而实现对被检测物体状态的检测，并利用线激光进行缺陷的定位和深度的确定。目前机器视觉技术已被广泛应用在众多领域，并在其中扮演越来越重要的角色。
发明内容
本发明的目的是提供一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，采用该方法能够对零件表面进行准确、高效的检测。
本发明所采用的技术方案是，一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，具体包括如下步骤：
步骤1，对相机进行标定，获取相机的内外参数,并拍摄一张无激光照射下的图像作为参照图像；
步骤2，利用图像采集***采集图像；
步骤3，对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换，得到待测零件表面的三维点云数据；
步骤4，针对表面无缺陷的标准零件，执行步骤1～3的操作，获得表面无缺陷的标准零件的三维点云数据图像；
步骤5，将步骤3得到的数据与步骤4得到的数据进行做差，取差值的绝对值，将所得该绝对值与设定的阈值之间进行比较，根据比较结果，判断待测零件表面是否存在缺陷。
本发明的特点还在于，
步骤1中的相机标定的具体过程如下：
用相机拍摄10-20张棋盘的图像，用opencv自带的角点检测函数，检测每一张图片含有的角点个数，对比角点坐标的三维坐标和像素坐标，完成相机的标定过程，标定结果包括相机的内参数矩阵，畸变系数以及每一幅图像的旋转向量和平移向量。
步骤2中，图像采集***包括带动零件做匀速运动的移动位移平台，移动位移平台上放置有待测零件，待测零件的正上方设有CCD工业相机，待测零件的斜上方设有线激光发射器，CCD工业相机依次连接计算机和单片机。
步骤3中，高斯滤波的具体过程如下：
用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
步骤3中，图像差分的具体过程如下：
步骤a，遍历图像像素点，将图像中的每一个像素点的R、G、B分
离出来；
步骤b，采用如下公式(1)将有条纹的图像与无条纹的图像的对应位置的像素点做差：
dst(x,y,z)＝src1(x,y,z)-src2(x,y,z) (1)；
其中，dst(x,y,z)为差分后图像某像素点的R、G、B值，src1(x,y,z)为有条纹图案的图像中对应像素点的R、G、B值，src2(x,y,z)为无条纹图案的图像中对应像素点的R、G、B值
步骤c，重复步骤b直至所有像素点都完成做差计算，则得到差分后的图像dst。
步骤3中，条纹中心线的提取的具体过程如下：
步骤a，按列遍历图像中的每一个像素点，找出每列中最亮的像素点。
步骤b，采用Hough变换检测直线。
步骤5的具体过程为：
步骤5.1，取待测零件表面三维点云数据和标准零件的三维点云数据在相同X、Y坐标下的对应的Z坐标值进行做差，如果公式(2)所示：
Hi＝Z(Xi，Yi)-Z1(Xi，Yi) (2)；
其中，Z(Xi，Yi)是表面无缺陷的标准零件上点(Xi，Yi)处的Z坐标，Z1(Xi，Yi)是待测零件上点(Xi，Yi)处的Z坐标，Hi是相同X,Y,坐标下表面无缺陷的标准零件的Z坐标值与待测零件表面的Z坐标值的差值；
步骤5.2，将Hi的绝对值|Hi|与设定的阈值△对比；若|Hi|<＝△，即在阈值确定的误差范围内，则判定待测零件表面无缺陷；若|Hi|>△，即在阈值确定的误差范围外，则判定待测零件表面有缺陷。
本发明的有益效果是，本发明中提供的检测方法，采用图像采集***中的线激光发生器发射线激光照射在零件表面，再由CCD相机拍摄受零件高度调制而发生形变的线激光条纹。由于需要拍摄零件的完整表面，可由速度控制器带动零件做匀速运动，由此线激光可均匀地扫过零件表面。相机将采集到的照片传送给计算机，计算机对采集到的照片进行中值滤波、图像阈值分割等预处理之后，再对预处理之后的照片进行条纹中心线提取、坐标转换等操作，可得到零件表面的三维信息。将其中的高度数据与标准数据作对比，即可发现零件表面是否有缺陷存在，若果检测到缺陷的存在，则计算机立即通过串口给单片机发送指令，控制单片机上小灯的亮灭，并通过继电器控制速度控制器停机。本发明能够通过视觉检测技术对零件表面进行准确、高效地检测。
附图说明
图1是本发明一种基于线激光扫描及机器视觉的零件表面缺陷检测方法中图像采集***的结构示意图。
图中，1.移动位移平台，2.待测零件，3.CCD工业相机，4.线激光发射器，5.计算机，6.单片机。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，具体包括如下步骤：步骤1，对相机进行标定，获取相机的内外参数,并拍摄一张无激光照射下的图像作为参照图像；
步骤1中，相机标定的具体过程如下：
用相机拍摄10-20张棋盘的图像，用opencv自带的角点检测函数，检测每一张图片含有的角点个数，对比角点坐标的三维坐标和像素坐标，完成相机的标定过程，标定结果包括相机的内参数矩阵，畸变系数以及每一幅图像的旋转向量和平移向量。相机标定的结果可用于对拍摄的图像矫正以及后续的坐标转换。
步骤2，利用图像采集***采集图像；
如图1所示，图像采集***包括带动零件做匀速运动的移动位移平台1，待检测的零件2，设置在零件正上方的进行图像采集的CCD工业相机3，以及设置在零件斜上方的线激光发射器4，进行一系列图像处理的计算机5，CCD工业相机3与计算机5连接，还有用作故障显示的51单片机6，单片机6与计算机5连接；单片机6的型号是89C51单片机。
线激光器发射出的线激光要尽可能的窄，这样可以尽可能减少后续计算机的图像处理的工作量。
CCD相机的布放位置要尽可能位于零件的正上方，要保证CCD相机可以清楚的拍摄零件的表面形貌信息。
图像采集***的工作原理如下：计算机5进行图像处理软件是用VS2013+opencv2.4.9编写的，实现对零件表面缺陷的检测，当零件表面有缺陷存在时，会通过单片机上的小灯的亮灭来显示并通过继电器控制速度控制器使其停机。其次CCD工业相机3和线激光发射器4的布置位置要保证CCD相机可以清楚的拍摄到受物体高度调制而发生形变的条纹图案，同时，将所拍摄的图像经过高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换，得到零件表面的三维点云数据。
步骤3，对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换，得到待测零件表面的三维点云数据；
高斯滤波的具体过程如下：
用一个模板(或称卷积、掩膜)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
图像差分的具体过程如下：
图像差分就是对两幅图像做减法运算，即两幅图像对应像素的灰度值或者彩色分量进行相减。
(1)遍历图像像素点，将图像中的每一个像素点的R、G、B分
离出来；
(2)将有条纹的图像与无条纹的图像的对应位置的像素点做差：
dst(x,y,z)＝src1(x,y,z)-src2(x,y,z) (1)；
其中，dst(x,y,z)为差分后图像某像素点的R、G、B值，src1(x,y,z)为有条纹图案的图像中对应像素点的R、G、B值，src2(x,y,z)为无条纹图案的图像中对应像素点的R、G、B值；
(3)重复步骤(2)直至所有像素点都完成相关计算，则得到差分后的图像dst。
条纹中心线的提取的具体过程如下：
(1)按列遍历图像中的每一个像素点，找出每列中最亮的像素点。
(2)Hough变换检测直线
Hough变换检测直线的具体过程如下：
(a)得到图像的边缘信息；
(b)对边缘图像中的每一个点，在k-b空间中画出一条直线；
(c)对各直线上的点，我们采取“投票”(vote)的方法，即累加：有直线经过这一点，这一点的值加1；
(d)遍历k-b空间，找出局部极大值点，这些点的坐标(k,b)就是原图像中直线的斜率和截距。
坐标转换的原理是激光三角法；
步骤4，针对表面无缺陷的标准零件，执行步骤1～3的操作，获得表面无缺陷的标准零件的三维点云数据图像；
步骤5，将步骤3得到的数据与步骤4得到的数据进行做差，取差值的绝对值，将所得该绝对值与设定的阈值之间进行比较，根据比较结果，判断待测零件表面是否存在缺陷。
步骤5的具体过程为：
步骤5.1，取待测零件表面三维点云数据和标准零件的三维点云数据在相同X、Y坐标下的对应的Z坐标值进行做差，如果公式(2)所示：
Hi＝Z(Xi，Yi)-Z1(Xi，Yi) (2)；
其中，Z(Xi，Yi)是表面无缺陷的标准零件上点(Xi，Yi)处的Z坐标，Z1(Xi，Yi)是待测零件上点(Xi，Yi)处的Z坐标，Hi是相同X,Y,坐标下表面无缺陷的标准零件的Z坐标值与待测零件表面的Z坐标值的差值；
步骤5.2，将Hi的绝对值|Hi|与设定的阈值△对比；若|Hi|<＝△，即在阈值确定的误差范围内，则判定待测零件表面无缺陷；若|Hi|>△，即在阈值确定的误差范围外，则判定待测零件表面有缺陷。

Claims (7)

1.一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：具体包括如下步骤：
步骤1，对相机进行标定，获取相机的内外参数，并拍摄一张无激光照射下的图像作为参照图像；
步骤2，利用图像采集***采集图像；
步骤3，对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换，得到待测零件表面的三维点云数据；
步骤4，针对表面无缺陷的标准零件，执行步骤1～3的操作，获得表面无缺陷的标准零件的三维点云数据图像；
步骤5，将步骤3得到的数据与步骤4得到的数据进行做差，取差值的绝对值，将所得该绝对值与设定的阈值之间进行比较，根据比较结果，判断待测零件表面是否存在缺陷。
2.根据权利要求1所述的一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：所述步骤1中的相机标定的具体过程如下：
用相机拍摄10-20张棋盘的图像，用opencv自带的角点检测函数，检测每一张图片含有的角点个数，对比角点坐标的三维坐标和像素坐标，完成相机的标定过程，标定结果包括相机的内参数矩阵，畸变系数以及每一幅图像的旋转向量和平移向量。
3.根据权利要求2所述的一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：所述步骤2中，图像采集***包括带动零件做匀速运动的移动位移平台，移动位移平台上放置有待测零件，待测零件的正上方设有CCD工业相机，待测零件的斜上方设有线激光发射器，CCD工业相机依次连接计算机和单片机。
4.根据权利要求2所述的一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：所述步骤3中，高斯滤波的具体过程如下：
用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
5.根据权利要求4所述的一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：所述步骤3中，图像差分的具体过程如下：
步骤a，遍历图像像素点，将图像中的每一个像素点的R、G、B分离出来；
步骤b，采用如下公式(1)将有条纹的图像与无条纹的图像的对应位置的像素点做差：
dst(x，y，z)＝src1(x，y，z)-src2(x，y，z) (1)；
其中，dst(x，y，z)为差分后图像某像素点的R、G、B值，src1(x，y，z)为有条纹图案的图像中对应像素点的R、G、B值，src2(x，y，z)为无条纹图案的图像中对应像素点的R、G、B值
步骤c，重复步骤b直至所有像素点都完成做差计算，则得到差分后的图像dst。
6.根据权利要求4所述的一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：所述步骤3中，条纹中心线的提取的具体过程如下：
步骤a，按列遍历图像中的每一个像素点，找出每列中最亮的像素点。
步骤b，采用Hough变换检测直线。
7.根据权利要求1所述的一种基于线激光扫描及机器视觉的零件表面缺陷检测方法，其特征在于：所述步骤5的具体过程为：
步骤5.1，取待测零件表面三维点云数据和标准零件的三维点云数据在相同X、Y坐标下的对应的Z坐标值进行做差，如果公式(2)所示：
Hi＝Z(Xi，Yi)-Z1(Xi，Yi) (2)；
其中，Z(Xi，Yi)是表面无缺陷的标准零件上点(Xi，Yi)处的Z坐标，Z1(Xi，Yi)是待测零件上点(Xi，Yi)处的Z坐标，Hi是相同X，Y，坐标下表面无缺陷的标准零件的Z坐标值与待测零件表面的Z坐标值的差值；
步骤5.2，将Hi的绝对值|Hi|与设定的阈值Δ对比；若|Hi|＜＝Δ，即在阈值确定的误差范围内，则判定待测零件表面无缺陷；若|Hi|＞Δ，即在阈值确定的误差范围外，则判定待测零件表面有缺陷。
CN202011125464.7A 2020-10-20 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 Active CN112304954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011125464.7A CN112304954B (zh) 2020-10-20 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011125464.7A CN112304954B (zh) 2020-10-20 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法

Publications (2)

Publication Number Publication Date
CN112304954A true CN112304954A (zh) 2021-02-02
CN112304954B CN112304954B (zh) 2024-07-12

Family

ID=

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012119A (zh) * 2021-03-08 2021-06-22 电子科技大学 一种基于条纹偏折法的金属冲压件表面缺陷检测方法及装置
CN113791086A (zh) * 2021-09-08 2021-12-14 天津大学 基于计算机视觉的扇形段叶片表面缺陷测量方法及装置
CN113793321A (zh) * 2021-09-14 2021-12-14 浙江大学滨江研究院 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN114384075A (zh) * 2021-12-06 2022-04-22 西安理工大学 基于三维激光扫描的轨道板缺陷在线检测***及检测方法
CN115908412A (zh) * 2023-01-06 2023-04-04 福建帝视智能科技有限公司 一种基于线激光图像的竹条缺陷检测方法及终端
CN115931871A (zh) * 2022-12-01 2023-04-07 华中科技大学 一种用于永磁电机转子外轮廓缺陷检测装置及方法
CN116595214A (zh) * 2023-07-14 2023-08-15 中国航发北京航空材料研究院 一种基于图像处理的零部件无接触自动校形***

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020159053A1 (en) * 2001-04-27 2002-10-31 Dinesh Nair Machine vision system and method for analyzing illumination lines in an image to determine characteristics of an object being inspected
CN102279190A (zh) * 2011-04-29 2011-12-14 广州有色金属研究院 一种激光焊接不等厚板焊缝表面缺陷图像检测方法
CN104913737A (zh) * 2015-06-30 2015-09-16 长安大学 基于线激光三维测量的零部件质量检验装置及其检测方法
KR20150128300A (ko) * 2014-05-09 2015-11-18 한국건설기술연구원 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법
CN106204564A (zh) * 2016-07-04 2016-12-07 南通职业大学 一种激光光心提取方法
CN106338521A (zh) * 2016-09-22 2017-01-18 华中科技大学 增材制造表面及内部缺陷与形貌复合检测方法及装置
CN106990112A (zh) * 2017-03-14 2017-07-28 清华大学 基于多视觉信息融合的多层多道焊接轨迹检测装置及方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN109523505A (zh) * 2018-09-18 2019-03-26 深圳市智信精密仪器有限公司 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法
CN109765240A (zh) * 2018-12-25 2019-05-17 浙江四点灵机器人股份有限公司 一种检测工业零件针脚缺陷装置及方法
CN110306287A (zh) * 2019-06-21 2019-10-08 西安工程大学 基于激光及机器视觉的袜机织针联合检测装置及方法
CN111189387A (zh) * 2020-01-02 2020-05-22 西安工程大学 一种基于机器视觉的工业零件尺寸检测方法
CN111462214A (zh) * 2020-03-19 2020-07-28 南京理工大学 一种基于Hough变换的线结构光条纹中心线提取方法
CN111474150A (zh) * 2020-04-08 2020-07-31 华南师范大学 一种sted超分辨图像背景噪声差分抑制方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020159053A1 (en) * 2001-04-27 2002-10-31 Dinesh Nair Machine vision system and method for analyzing illumination lines in an image to determine characteristics of an object being inspected
CN102279190A (zh) * 2011-04-29 2011-12-14 广州有色金属研究院 一种激光焊接不等厚板焊缝表面缺陷图像检测方法
KR20150128300A (ko) * 2014-05-09 2015-11-18 한국건설기술연구원 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법
CN104913737A (zh) * 2015-06-30 2015-09-16 长安大学 基于线激光三维测量的零部件质量检验装置及其检测方法
CN106204564A (zh) * 2016-07-04 2016-12-07 南通职业大学 一种激光光心提取方法
CN106338521A (zh) * 2016-09-22 2017-01-18 华中科技大学 增材制造表面及内部缺陷与形貌复合检测方法及装置
CN106990112A (zh) * 2017-03-14 2017-07-28 清华大学 基于多视觉信息融合的多层多道焊接轨迹检测装置及方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN109523505A (zh) * 2018-09-18 2019-03-26 深圳市智信精密仪器有限公司 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法
CN109765240A (zh) * 2018-12-25 2019-05-17 浙江四点灵机器人股份有限公司 一种检测工业零件针脚缺陷装置及方法
CN110306287A (zh) * 2019-06-21 2019-10-08 西安工程大学 基于激光及机器视觉的袜机织针联合检测装置及方法
CN111189387A (zh) * 2020-01-02 2020-05-22 西安工程大学 一种基于机器视觉的工业零件尺寸检测方法
CN111462214A (zh) * 2020-03-19 2020-07-28 南京理工大学 一种基于Hough变换的线结构光条纹中心线提取方法
CN111474150A (zh) * 2020-04-08 2020-07-31 华南师范大学 一种sted超分辨图像背景噪声差分抑制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XUEJUAN KANG: "A universal defect detection approach for various types of fabrics based on the Elo-rating algorithm of the integral image", 《TEXTILE RESEARCH JOURNAL》, no. 89, pages 21 - 22 *
刘松: "一种激光散斑光条中心提取方法", 《计算机应用与软件》, vol. 36, no. 1, pages 272 - 274 *
杨鹏程;刘洋;朱新栋;胥光申;肖渊;: "基于物体像的干涉条纹图像中散斑噪声的识别方法", 《应用光学》, vol. 38, no. 02, pages 222 - 224 *
皮敏捷;徐科;: "基于多条激光线的钢板表面缺陷三维检测方法", 《机电产品开发与创新》, vol. 20, no. 02, pages 123 - 125 *
龚燕萍: "轨道踏面激光三维检测的原理和方法的研究", 《佳木斯大学学报（自然科学版）》, vol. 35, no. 6, pages 2 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012119A (zh) * 2021-03-08 2021-06-22 电子科技大学 一种基于条纹偏折法的金属冲压件表面缺陷检测方法及装置
CN113791086A (zh) * 2021-09-08 2021-12-14 天津大学 基于计算机视觉的扇形段叶片表面缺陷测量方法及装置
CN113793321A (zh) * 2021-09-14 2021-12-14 浙江大学滨江研究院 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN113793321B (zh) * 2021-09-14 2024-01-23 浙江大学滨江研究院 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN114384075A (zh) * 2021-12-06 2022-04-22 西安理工大学 基于三维激光扫描的轨道板缺陷在线检测***及检测方法
CN114384075B (zh) * 2021-12-06 2024-05-14 西安理工大学 基于三维激光扫描的轨道板缺陷在线检测***及检测方法
CN115931871A (zh) * 2022-12-01 2023-04-07 华中科技大学 一种用于永磁电机转子外轮廓缺陷检测装置及方法
CN115908412A (zh) * 2023-01-06 2023-04-04 福建帝视智能科技有限公司 一种基于线激光图像的竹条缺陷检测方法及终端
CN116595214A (zh) * 2023-07-14 2023-08-15 中国航发北京航空材料研究院 一种基于图像处理的零部件无接触自动校形***

Similar Documents

Publication Publication Date Title
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN108562250B (zh) 基于结构光成像的键盘键帽平整度快速测量方法与装置
CN111721259B (zh) 基于双目视觉的水下机器人回收定位方法
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN109540925B (zh) 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法
CN112037203A (zh) 基于复杂工件外轮廓配准的侧表面缺陷检测方法及***
CN111982921A (zh) 孔缺陷的检测方法、装置、传送平台及存储介质
CN111784655B (zh) 一种水下机器人回收定位方法
CN106651849A (zh) 基于面阵相机的pcb裸板缺陷检测方法
CN111323434B (zh) 相位偏折术在玻璃缺陷检测的应用
CN109949362A (zh) 一种物料视觉检测方法
CN116342718B (zh) 一种线激光3d相机的标定方法、装置、存储介质及设备
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及***
CN109781737A (zh) 一种软管表面缺陷的检测方法及其检测***
CN112634269A (zh) 一种轨道车辆车体检测方法
CN104966302B (zh) 一种任意角度激光十字的检测定位方法
CN114964007A (zh) 一种焊缝尺寸视觉测量与表面缺陷检测方法
CN116481687A (zh) 一种基于机器视觉的成品轮胎应力应变测量设备、方法和程序产品
CN115830018A (zh) 基于深度学习与双目视觉的碳素块检测方法及***
CN115384052A (zh) 一种智能化的覆膜机自动控制***
CN113970560B (zh) 一种基于多传感融合的缺陷三维检测方法
CN104614372B (zh) 一种太阳能硅片检测方法
CN112304954A (zh) 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法
CN112304954B (zh) 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法
KR100837119B1 (ko) 영상계측을 위한 카메라 교정방법

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
TA01 Transfer of patent application right

Effective date of registration: 20240516

Address after: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Wanzhida Technology Co.,Ltd.

Country or region after: China

Address before: 710048 Shaanxi province Xi'an Beilin District Jinhua Road No. 19

Applicant before: XI'AN POLYTECHNIC University

Country or region before: China

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240613

Address after: Room 3002, 30th Floor, Unit 2, Building 12, No. 216 Yahe South Fourth Road, High tech Zone, Chengdu City, Sichuan Province, 610213

Applicant after: Zheng Jian

Country or region after: China

Applicant after: Zhou Peng

Applicant after: Zhang Caiwang

Address before: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province

Applicant before: Shenzhen Wanzhida Technology Co.,Ltd.

Country or region before: China

GR01 Patent grant