CN112464950B - 一种基于柔性材料的图形识别定位方法 - Google Patents

一种基于柔性材料的图形识别定位方法 Download PDF

Info

Publication number
CN112464950B
CN112464950B CN202011320735.4A CN202011320735A CN112464950B CN 112464950 B CN112464950 B CN 112464950B CN 202011320735 A CN202011320735 A CN 202011320735A CN 112464950 B CN112464950 B CN 112464950B
Authority
CN
China
Prior art keywords
positioning
pattern
flexible material
images
point
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.)
Active
Application number
CN202011320735.4A
Other languages
English (en)
Other versions
CN112464950A (zh
Inventor
陈琮林
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.)
Wuhan Shunchen Technology Co ltd
Original Assignee
Wuhan Shunchen Technology Co ltd
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 Wuhan Shunchen Technology Co ltd filed Critical Wuhan Shunchen Technology Co ltd
Priority to CN202011320735.4A priority Critical patent/CN112464950B/zh
Publication of CN112464950A publication Critical patent/CN112464950A/zh
Application granted granted Critical
Publication of CN112464950B publication Critical patent/CN112464950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于柔性材料的图形识别定位方法，在柔性材料的图像上搜索纹路的特征点，生成特征点描述子，并根据特征点制作图形定位模板；计算特征点描述子，在两幅图像中寻找具有相似特征点描述子的特征点；将相机对准柔性材料进行拍照获取柔性材料的图像，获取匹配结果的位置和夹角；对图形定位模板的定位图形进行平移，旋转，进行粗定位、图像处理、平滑化处理得到光顺的曲线；对光顺的曲线排序并从边缘线图形的起点开始遍历边缘线图形的边缘线Line1和Line1的第一参考点和第二参考点；计算第二参考点到第一参考点连线的夹角；将夹角和定位图形的夹角相加，将定位图形平移，旋转；将定位图形离散化为线条；直到边缘线图形上找不到第一参考点或第二参考点。

Description

一种基于柔性材料的图形识别定位方法
【技术领域】
本发明涉及图形识别定位技术领域，尤其涉及一种基于柔性材料的图形识别定位方法。
【背景技术】
现有的识别定位技术是通过图像处理中的模板匹配的方法进行的，是将材料放置上相机的视野中，获取一帧图像，在图像中找到一个最具特征标识的位置，并将该位置上的图像制作成特征模板，也同时将需要定位的图形和该特征模板关联在一起。在实际的生产过程中，每次都获取一帧图像，然后通过目标图像和模板图像中特征的比较，计算出相识度，达到设置的相识度后，便能定位到该位置，同时将关联的图形定位到图像的具***置上。柔性材料是非常容易出现拉伸，变形的，使用这种方法时，识别定位出来的位置是不精确的，出现的误差也是由该材料的拉伸，变形所产生的误差，该方法也没有办法去计算出该误差，在没有明显特征的材料上也是无法进行图形的定位识别的。
鉴于此，实有必要提供一种新型的基于柔性材料的图形识别定位方法以克服上述缺陷。
【发明内容】
本发明的目的是提供一种基于柔性材料的图形识别定位方法，可使柔性材料的边缘与制作的图形定位模板的边缘线图形定位，识别柔性材料有无位置偏移、变形、褶皱的问题。
为了实现上述目的，本发明提供一种基于柔性材料的图形识别定位方法，包括如下步骤，
S1：在柔性材料的图像上搜索纹路的特征点，生成特征点描述子，并根据特征点制作图形定位模板；
S2：找出特征点后，计算特征点描述子，在两幅图像中寻找具有相似特征点描述子的特征点；
S3：将柔性材料平铺在平台上，然后将相机架设在平台之上并且相机的镜头对准柔性材料进行拍照；
S4：获取柔性材料的图像，并对图像进行模板匹配，获取匹配结果的位置pos和角度Angle；
S5：对图形定位模板的定位图形进行平移，旋转，进行粗定位；
S6：使用边缘提取的方法对相机拍照得到的图像进行图像处理；
S7：对S6中的图像处理后的线进行平滑化处理，使用B样条曲线方程对线条进行平滑化处理，得到光顺的曲线；
S8：对每一条曲线的起点，终点的y值进行判断，若起点y值小于终点y值，则将光顺的曲线所有的点的顺序进行对调；
S9：将光顺的曲线进行排序，并对4条光顺的曲线外接矩形Rect的中点center的x值进行排序；
S10：从第一个边缘线图形的起点开始遍历边缘线图形的边缘线Line1的直线上的起点与边缘线线的波浪线上的终点与Dis距离相等的第一参考点；
S11：从第一参考点开始遍历S10中所述的边缘线图形的所有的点，在边缘线图形的边缘线Line2的直线上的起点与该边缘线的波浪线的终点与Dis距离相等的第二参考点；
S12：计算第二参考点到第一参考点连线的夹角Angle1；
S13：将夹角Angle1和定位图形的夹角tan相加，最后将定位图形平移，旋转到夹角Angle1和定位图形的夹角tan相加后的位置上；
S14：计算定位图形与其他已经排列完成的图形是否存在相交，将S12中所述的定位图形离散化为线条，从而判断定位图形间的线条的是否相交；
S15：若判断出定位图形相交后，则将定位图形的起点进行移动后重复S11至S14的步骤，直到定位图形间不相交；
S16：对每一个定位图形重复S11至S15的步骤，直到边缘线图形上找不到第一参考点，或找不到第二参考点，则得出图形定位模板的定位图形和边缘线图形定位识别柔性材料的图形。
优选的，根据柔性材料和平台背景的色差，人为设定一个阈值，将图像二值化，这样柔性材料的颜色变成了白色，平台背景颜变成黑色，根据灰阶的跳跃得到边缘线Line1。
优选的，将得到的边缘线Line1围成的图像区域设定为一个区域Region，对区域Region进行开运算去掉波浪，然后将该区域Region的直线进行收缩到边缘线Line1的波谷处，然后提取出区域Region的边缘线Line2。
优选的，B样条曲线的总方程为：其中Pi是控制曲线的特征点，Fijk(t)则是K阶B样条基函数；
B样条曲线方程中基函数为：
其中/>表示阶乘，得到：
将基函数带入总方程可换算出B样条曲线方程：
P(t)＝P0*F0，3(t)+P1*F1，3(t)+P2*F2,3(t)+P3*F3,3(t)o
与现有技术相比，本发明提供的一种基于柔性材料的图形识别定位方法，有益效果在于：通过预先制作图形定位模板，可使柔性材料的边缘与图形定位模板的边缘线图形定位，识别柔性材料有无位置偏移的问题、变形、褶皱的问题，从而减小变形所产生的误差，精准定位，还能通过特征点是被拍得的图像上的纹路。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1(包含图1a和图1b)为本发明的基于柔性材料的图形识别定位方法的流程图。
图2为本发明实施例采用的柔性材料的示意图。
图3为本发明实施例制作的图形定位模板的示意图。
图4为本发明实施例的图形定位模板的定位图形和边缘线图形定位识别柔性材料的图形示意图。
【具体实施方式】
为了使本发明的目的、技术方案和有益技术效果更加清晰明白，以下结合附图和具体实施方式，对本发明进行进一步详细说明。应当理解的是，本说明书中描述的具体实施方式仅仅是为了解释本发明，并不是为了限定本发明。
需要说明的是，本发明实施例采用的柔性材料上有明显的特征(如柔性材料边缘呈直线或波浪线、表面上有纹路)，需要设置特征点来进行粗定位。
请参阅图1，本发明提供一种基于柔性材料的图形识别定位方法，包括如下步骤，
S1：在柔性材料的图像上搜索纹路的特征点，生成特征点描述子，并根据特征点使用CAD绘图工具制作图形定位模板，在图形定位模板上画出定位图形和边缘线图形(如图3所示)；
具体的，特征点的计算使用高斯差分金字塔，
(1)首先构建高斯金字塔，将原图像放大一倍组为高斯金字塔第一组的第一层，将第一组第一层图像经过高斯卷积后作为高斯金字塔的第一组第二层，高斯卷积函数：
(2)参数σ在shift算子中取固定值1.6；
(3)将σ乘以一个比例系数k，得到一个新的平滑因子σ＝k*σ，用它来平滑第一组第二层图像，结果图像作为金字塔第一组第三层图像；
(4)如此重复，得到到N层图像，在同一组中每一层图像尺寸相同，只是平滑系数不一样，对应的平滑系数分别为：0，σ，kσ，k∧2σ，k∧3σ，k∧(L-2)σ。(5)将第一组倒数三层图像做比例因子为2的降采样，得到的图像作为第二组的第一层，然后将第二组第一层做高斯卷积得到第二组第二图像，然后重复(3)步骤的平滑得到第二组第三层图像，依次重复得到第二组N层图像，组内每层图像尺寸一样，但是第二组图像尺寸是第一组图像的一半。
如此反复执行，得到M组N层金字塔，一共M*N张图像，这就构成了高斯金字塔，构建了高斯金字塔后，对同一组金字塔内相邻的图片进行相减，构建高斯差分金字塔。
特征点由高斯差分金字塔空间的局部极值点组成的，特征点的初步检测是通过同一组内各高斯差分空间相邻两层图像之间比较完成的，例如一个点与同尺度的8个邻接点以及上下相邻尺度对应的9×2个点进行比较，总共比较26个点以确保尺度空间和二维空间都检测到极值点。这样检测到的像素点是离散的，在特征点附近进行实现亚像素级别的定位然后对特征点进行筛选，除掉噪声和边缘效应，剩下的点为特征点。
具体的，画不规则多边形(采用蓝色线条)来表示为定位图形，这是实物线；在图形定位模板上画两条波浪线和两条直线(采用绿色线条)来表示为边缘线图形，是模拟的定位线，位置为(x，y)坐标；
将图形定位模板中的定位图形和边缘线图形进行分组；若有靠近第一线条(1号波浪线)的定位图形，则将该定位图形靠近第一线条(1号波浪线)摆放；若有靠近第二线条(2号波浪线)的定位图形，则将该定位图形靠近第二线条(2号波浪线)摆放，根据上述的摆放的规则，定位图形间不重叠且定位图形靠近边缘线图形的下端摆放。
S2：找出特征点后，计算特征点描述子，在两幅图像中寻找具有相似特征点描述子的特征点；
每组有1个边缘线图形(即一条直线)和2个定位图形，然后计算每个定位图形与相应的边缘线图形的位置关系，得到边缘线图形的起点为p3(x3,y3)，每个定位图形的起点为p4(x4,y4)，边缘线图形的起点p3至定位图形的起点p4的长度(1)；
通过公式(1)计算得到4个定位图形均为半封闭不规则多边形，依据以下公式通过连线斜率计算得到图形定位模板的起点p0(x0,y0)与终点p1(x1,y1)的距离起点p0到终点p1连线的夹角tan＝|(k2-k1)/[1+(k2)(k1)]|，其中k1为连线斜率，k2为坐标轴的斜率。
S3：将柔性材料(如图2所示)平铺在平台上，然后将相机架设在平台之上并且相机的镜头对准柔性材料进行拍照。需要说明的是，柔性材料平铺在平台上时不要出现皱褶、卷边的情况，若平铺的柔性材料存在出现了皱褶、卷边的问题，则计算不准确。
S4：获取柔性材料的图像，并对图像进行模板匹配，获取匹配结果的位置pos和夹角tan；
S5：对图形定位模板的定位图形进行平移，旋转，进行粗定位；
S6：使用边缘提取的方法对相机拍照得到的图像进行图像处理；
具体的，根据柔性材料和平台背景色差人为设定一个阈值(灰度值的范围为0-255)，将图像二值化，这样柔性材料的颜色变成了白色(灰度值255)，平台背景颜色变成黑色(灰度值0)，然后根据灰阶的跳跃得到边缘线Line1(波浪线)；
将得到的边缘线Line1围成的图像区域设定为一个区域Region，对区域Region进行开运算去掉波浪，然后将该区域Region的直线进行收缩到边缘线Line1(波浪线)的波谷处，然后提取出区域Region的边缘线Line2。
S7：对S6中的图像处理后的线条进行平滑化处理，使用B样条曲线方程对线条进行平滑化处理，
具体的，B样条曲线的总方程为：其中Pi是控制曲线的特征点，Fijk(t)则是K阶B样条基函数；
B样条曲线方程中基函数为：
其中/>表示阶乘，得到：
将基函数代入B样条曲线的总方程换算出B样条曲线方程：
P(t)＝P0*F0，3(t)+P1*F1，3(t)+P2*F2，3(t)+P3*F3，3(t)，得到4条光顺的曲线；
S8：对每一条光顺的曲线的起点p2(x2，y2)，终点p3(x3，y3)的y值进行判断，若起点y2值小于终点y3值，则将光顺的曲线所有的点的顺序进行对调；
S9：将4条光顺的曲线进行排序，并对4条光顺的曲线外接矩形Rect的中点center的x值进行排序，得到排列好的图形列表；
具体的，对定位图形进行分组得到定位图形的外接矩形中点center(x，y)，计算每一个定位图形的中点center(x，y)到直线的距离，距离小的分为一组；需要说明的是，每个边缘线图形(即1条波浪线，1条直线)是模拟的定位线，定位图形根据边缘线图形进行定位；
分组完成后，每组有1个边缘线图形(即1条直线和1条波浪线)和2个定位图形(包含纹路)，然后计算每个定位图形与相应的边缘线图形的位置关系，得到边缘线图形的起点为p4(x4,y4)，每个定位图形的起点为p5(x5,y5)，边缘线图形的起点p4至定位图形的起点p5的长度(1)；
通过公式(1)计算得到定位图形均为半封闭不规则多边形，依据以下公式通过连线斜率计算得到图形定位模板的起点p0(x0,y0)与终点p1(x1,y1)的距离起点p0到终点p1连线的夹角tan＝|(k2-k1)/[1+(k2)(k1)]|，其中k1为连线斜率，k2为坐标轴的斜率。
S10：2条边缘线为一组(1条波浪线，1条直线)，从第一个边缘线图形的起点p4开始遍历边缘线线Line1的直线上的起点p4与该边缘线的波浪线的终点p1与Dis距离相等的第一参考点(波谷点wp1)；
S11：从第一参考点开始遍历S10中所述的边缘线图形的所有的点，根据定位图形的起点p0和终点p1的距离Dis，在边缘线图形的边缘线Line2的直线上的起点p4与该边缘线的波浪线的终点p1与Dis距离相等的第二参考点；需要说明的是，需依此方式把所有的波谷点wp1都计算出来；
S12：计算第二参考点到相应的第一参考点(波谷点wp1)连线的夹角Angle1；
S13：将夹角Angle1和定位图形的夹角tan相加，最后将定位图形平移，旋转到夹角Angle1和定位图形的夹角tan相加后的位置上；
S14：计算定位图形与其他已经排列完成的定位图形是否存在相交，将S12中所述的定位图形离散化为线条，从而判断定位图形间的线条是否相交；
S15：若判断出定位图形相交后，则将定位图形的起点p0进行移动后重复S11至S14的步骤，直到定位图形间不相交；
S16：对每一个定位图形重复S11至S15的步骤，直到边缘线图形上找不到第一参考点(波谷点wp1)，或找不到第二参考点，则得出图形定位模板的定位图形和边缘线图形定位识别柔性材料的图形(如图4所示)。
本发明并不仅仅限于说明书和实施方式中所描述，因此对于熟悉领域的人员而言可容易地实现另外的优点和修改，故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下，本发明并不限于特定的细节、代表性的设备和这里示出与描述的示例。

Claims (4)

1.一种基于柔性材料的图形识别定位方法，其特征在于，包括如下步骤，
S1：在柔性材料的图像上搜索纹路的特征点，生成特征点描述子，并根据特征点制作图形定位模板；
具体的，特征点的计算使用高斯差分金字塔；
(1)构建高斯金字塔，将原图像放大一倍组为高斯金字塔第一组的第一层，将第一组第一层图像经过高斯卷积后作为高斯金字塔的第一组第二层，高斯卷积函数：
(2)参数σ在shift算子中取固定值1.6；
(3)将σ乘以一个比例系数k,得到一个新的平滑因子σ＝k*σ，用它来平滑第一组第二层图像，结果图像作为金字塔第一组第三层图像；
(4)如此重复，得到N层图像，在同一组中每一层图像尺寸相同，对应的平滑系数分别为：0，σ，kσ，k∧2σ，k∧3σ，k∧(L-2)σ；
(5)将第一组倒数三层图像做比例因子为2的降采样，得到的图像作为第二组的第一层，将第二组第一层做高斯卷积得到第二组第二图像，重复(3)步骤的平滑得到第二组第三层图像，依次重复得到第二组N层图像，组内每层图像尺寸一样，第二组图像尺寸是第一组图像的一半；
反复执行，得到M组N层金字塔，一共M*N张图像，构成高斯金字塔，对同一组金字塔内相邻的图片进行相减，构建高斯差分金字塔；
特征点由高斯差分金字塔空间的局部极值点组成的，特征点的初步检测通过同一组内各高斯差分空间相邻两层图像之间比较完成；
S2：找出特征点后，计算特征点描述子，在两幅图像中寻找具有相似特征点描述子的特征点；
S3：将柔性材料平铺在平台上，然后将相机架设在平台之上并且相机的镜头对准柔性材料进行拍照；
S4：获取柔性材料的图像，并对图像进行模板匹配，获取匹配结果的位置和夹角；
S5：对图形定位模板的定位图形进行平移，旋转，进行粗定位；
S6：使用边缘提取的方法对相机拍照得到的图像进行图像处理；
S7：对S6中的图像处理后的线条进行平滑化处理，使用B样条曲线方程对线条进行平滑化处理，得到光顺的曲线；
S8：对每一条光顺的曲线的起点，终点的y值进行判断，若起点y值小于终点y值，则将光顺的曲线所有的点的顺序进行对调；
S9：将光顺的曲线进行排序，并对光顺的曲线外接矩形Rect的中点center的x值进行排序；
S10：从第一个边缘线图形的起点开始遍历边缘线图形的边缘线Line1的直线上的起点与边缘线的波浪线上的终点与Dis距离相等的第一参考点；
S11：从第一参考点开始遍历S10中所述的边缘线图形的所有的点，在边缘线图形的边缘线Line2的直线上的起点与该边缘线的波浪线的终点与Dis距离相等的第二参考点；
S12：计算第二参考点到第一参考点连线的夹角Angle1；
S13：将夹角Angle1和定位图形的夹角tan相加，最后将定位图形平移，旋转到夹角Angle1和定位图形的夹角tan相加后的位置上；
S14：计算定位图形与其他的定位图形是否存在相交，将S12中所述的定位图形离散化为线条，从而判断定位图形间的线条是否相交；
S15：若判断出定位图形相交后，则将定位图形的起点进行移动后重复S11至S14的步骤，直到定位图形间不相交；
S16：对每一个定位图形重复S11至S15的步骤，直到边缘线图形上找不到第一参考点，或找不到第二参考点，则得出图形定位模板的定位图形和边缘线图形定位识别柔性材料的图形。
2.如权利要求1所述的基于柔性材料的图形识别定位方法，其特征在于，根据柔性材料和平台背景的色差，人为设定一个阈值，将图像二值化，这样柔性材料的颜色变成了白色，平台背景颜变成黑色，根据灰阶的跳跃得到边缘线Line1。
3.如权利要求1所述的基于柔性材料的图形识别定位方法，其特征在于，将得到的边缘线Line1围成的图像区域设定为一个区域Region，对区域Region进行开运算去掉波浪，然后将该区域Region的直线进行收缩到边缘线Line1的波谷处，然后提取出区域Region的边缘线Line2。
4.如权利要求1所述的基于柔性材料的图形识别定位方法，其特征在于，B样条曲线的总方程为：其中Pi是控制曲线的特征点，Fijk(t)则是K阶B样条基函数；
B样条曲线方程中基函数为：其中/>表示阶乘，得到：
将基函数带入总方程可换算出B样条曲线方程：
P(t)＝P0*F0，3(t)+P1*F1，3(t)+P2*F2，3(t)+P3*F3，3(t)。
CN202011320735.4A 2020-11-23 2020-11-23 一种基于柔性材料的图形识别定位方法 Active CN112464950B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011320735.4A CN112464950B (zh) 2020-11-23 2020-11-23 一种基于柔性材料的图形识别定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011320735.4A CN112464950B (zh) 2020-11-23 2020-11-23 一种基于柔性材料的图形识别定位方法

Publications (2)

Publication Number Publication Date
CN112464950A CN112464950A (zh) 2021-03-09
CN112464950B true CN112464950B (zh) 2023-08-08

Family

ID=74798474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011320735.4A Active CN112464950B (zh) 2020-11-23 2020-11-23 一种基于柔性材料的图形识别定位方法

Country Status (1)

Country Link
CN (1) CN112464950B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464779B (zh) * 2020-11-23 2022-10-11 武汉舜陈技术有限公司 一种基于柔性材料的图形识别定位方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2504009C1 (ru) * 2012-07-10 2014-01-10 Общество С Ограниченной Ответственностью "Дрессформер" Способ обеспечения удаленной примерки и/или выбора одежды
CN103605979A (zh) * 2013-12-03 2014-02-26 苏州大学张家港工业技术研究院 一种基于形状片段的物体识别方法及***
CN104339946A (zh) * 2014-07-28 2015-02-11 杨立群 一种制图与绘画模板
WO2015184764A1 (zh) * 2014-11-17 2015-12-10 中兴通讯股份有限公司 行人检测方法及装置
WO2016011433A2 (en) * 2014-07-17 2016-01-21 Origin Wireless, Inc. Wireless positioning systems
CN105705430A (zh) * 2013-11-06 2016-06-22 宝洁公司 与短储存寿命产品一起使用的柔性容器，以及用于加速分配柔性容器的方法
CN108921175A (zh) * 2018-06-06 2018-11-30 西南石油大学 一种基于fast改进的sift图像配准方法
CN111950230A (zh) * 2020-08-20 2020-11-17 广东工业大学 一种柔性材料智能连续加工控制方法及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2504009C1 (ru) * 2012-07-10 2014-01-10 Общество С Ограниченной Ответственностью "Дрессформер" Способ обеспечения удаленной примерки и/или выбора одежды
CN105705430A (zh) * 2013-11-06 2016-06-22 宝洁公司 与短储存寿命产品一起使用的柔性容器，以及用于加速分配柔性容器的方法
CN103605979A (zh) * 2013-12-03 2014-02-26 苏州大学张家港工业技术研究院 一种基于形状片段的物体识别方法及***
WO2016011433A2 (en) * 2014-07-17 2016-01-21 Origin Wireless, Inc. Wireless positioning systems
CN104339946A (zh) * 2014-07-28 2015-02-11 杨立群 一种制图与绘画模板
WO2015184764A1 (zh) * 2014-11-17 2015-12-10 中兴通讯股份有限公司 行人检测方法及装置
CN108921175A (zh) * 2018-06-06 2018-11-30 西南石油大学 一种基于fast改进的sift图像配准方法
CN111950230A (zh) * 2020-08-20 2020-11-17 广东工业大学 一种柔性材料智能连续加工控制方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Minutiae Triangle Graphs: A New Fingerprint Representation with Invariance Properties;Akmal-Jahan Mohamed-Abdul-Cader等;《IEEE》;全文 *

Also Published As

Publication number Publication date
CN112464950A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN109902585B (zh) 一种基于图模型的手指三模态融合识别方法
CN107506754A (zh) 虹膜识别方法、装置及终端设备
CN113240626A (zh) 一种基于神经网络的玻璃盖板凹凸型瑕疵检测与分类方法
CN109034245A (zh) 一种利用特征图融合的目标检测方法
CN116543188B (zh) 一种基于灰度匹配的机器视觉匹配方法及***
CN106296587B (zh) 轮胎模具图像的拼接方法
CN115096206B (zh) 一种基于机器视觉的零件尺寸高精度测量方法
CN114022439B (zh) 一种基于形态学图像处理的柔性电路板缺陷检测方法
CN112464950B (zh) 一种基于柔性材料的图形识别定位方法
CN114529925A (zh) 一种全线表表格结构识别方法
CN115311289A (zh) 一种素色布匹油渍缺陷检测方法
CN114419045A (zh) 光刻掩模板缺陷检测方法、装置、设备及可读存储介质
CN114399505B (zh) 工业检测中的检测方法、检测装置
CN113744142A (zh) 图像修复方法、电子设备及存储介质
CN115641367A (zh) 一种基于多级特征匹配的红外和可见光图像配准方法
CN110223356A (zh) 一种基于能量生长的单目相机全自动标定方法
CN111754461B (zh) 半导体芯片图像字符区域的定位方法、装置
CN111047614B (zh) 一种基于特征提取的复杂场景图像的目标角点提取方法
CN117372422A (zh) 用于零件生产的材料折弯程度检测方法
CN106934846B (zh) 一种布料图像处理方法及***
CN117011376A (zh) 基于边缘轮廓与特征矩的工业零件综合定位方法和***
CN108985294B (zh) 一种轮胎模具图片的定位方法、装置、设备及存储介质
CN116758266A (zh) 一种指针式仪表的读数方法
CN114898115A (zh) 一种基于局部极大值的高精度模板匹配方法

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