CN113487679A - 激光打标机自动调焦***视觉测距信号处理方法 - Google Patents
激光打标机自动调焦***视觉测距信号处理方法 Download PDFInfo
- Publication number
- CN113487679A CN113487679A CN202110723762.4A CN202110723762A CN113487679A CN 113487679 A CN113487679 A CN 113487679A CN 202110723762 A CN202110723762 A CN 202110723762A CN 113487679 A CN113487679 A CN 113487679A
- Authority
- CN
- China
- Prior art keywords
- level set
- curve
- image
- evolution
- camera
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种激光打标机自动调焦***视觉测距信号处理方法,S1:采用相机标定算法进行相机的标定,得到相机的内外参数,获得被打标物的双目图像;S2:采用图像分割算法提取被打标物边缘轮廓;S3:利用双目图像进行立体匹配获取图像视差;S4:利用获取的图像视差通过相似三角形原理计算得到角点深度,完成被打标物的距离测试;S5:利用GUI控件完成用户和程序间的交互。本发明能过处理图像因噪声、场偏移效应等因素造成的边缘模糊、灰度不均匀等现象且本激光打标机自动调焦方法具有普适性,能够适应绝大多数种类的被打标物体,避免被打标物体之间大小、位置和表面属性各不相同而导致的已有自动调焦算法无法适应的问题。
Description
技术领域
本发明属于激光打标领域,具体涉及一种激光打标机自动调焦***视觉测距信号处理方法。
背景技术
激光打标机产生高能量的激光束照射在工件表面,产生的热能蚀刻工件,使工件表面呈现所需要的文字图形,标刻的质量受打标机在工件上聚焦准确的程度影响,但现阶段激光打标机调焦方法均有所欠缺,这使得打标精度与打标效率受到影响。为了实现精确聚焦,人们提出了各种调焦方法:中国专利CN103350281A通过调节物体与图像采集装置间距离采集一系列的图像,获取各个序列图像的边缘信息,并将各个序列图像划分为相同的区域。获取各个区域聚焦清晰的位置,进而得到精确的位置信息。精度大小取决于图像序列中的每一个图像划分为相同的区域大小,若划分区域较大会降低打标精度且采用提取融合规则使得高度信息精确度下降。中国专利CN208991976U通过设置步进电机和传动丝杆能够带动激光腔体上下位移,当感应撞针接触工件时记录原点位置,再通过控制装置使激光腔体移动设置好的焦距距离。通过硬件设备感应撞针移动测量记录标记物***置,对设备硬件基础要求高,不具有普适性。中国专利CN110052704A通过双目立体视觉获取被打标物深度信息,对采集图像进行灰度处理后提取特征,匹配得出深度信息。该方法需要根据图像灰度信息提取被打标物体轮廓,但实际中被打标物大多会因噪声、场偏移效应等因素出现边缘模糊、灰度不均匀等现象,所以该方法在实际应用中仍有所欠缺。
激光打标机在生活生产中现已被广泛应用,而且被打标物品种类及其大小也日益增加,精确打标工作对激光打标机工作的要求也转移到焦点的准确度与被打标材料多样性上。现实生活中被打标物体之间大小、位置和表面属性各不相同,因此现有的调焦方法已经不能满足生产生活的需求。
发明内容
本发明的目的是为了为解决现有激光打标机存在调焦困难、不精准和适用被打标材料单一、边界灰度重叠致使调焦精度下降的问题,本发明公开了一种激光打标机自动调焦***视觉测距信号处理方法。
本发明的目的是这样实现的:
一种激光打标机自动调焦***视觉测距信号处理方法,包括以下步骤:
S1:采用相机标定算法进行相机的标定,得到相机的内外参数,获得被打标物的双目图像;
S2:采用图像分割算法提取被打标物边缘轮廓;
S3:利用双目图像进行立体匹配获取图像视差;
S4:利用获取的图像视差通过相似三角形原理计算得到角点深度,完成被打标物的距离测试;
S5:利用GUI控件完成用户和程序间的交互。
基于主动轮廓模型的水平集图像分割方法,利用变分原理构造梯度下降流,求解能量泛函极小值点,迭代确定收敛规则,所述步骤S2具体为:
S2-1:利用水平集方程表示曲线的具体演化方式;
水平集函数Φ:
像素点到演化曲线C的距离为dist(x,C),符号的正负由像素点与曲线位置决定:x在封闭曲线外部时取正,x在封闭曲线内部时取负。
使用高维水平集函数表示曲线演化的方法如下:假设有一隐式表示的封闭曲线C,其为随时间变化的高维水平集函数Φ(x,y,t)的零水平集C(t={(x,y),Φ(x,y,t)=c}。当Φ具有正则性时,可以得到用水平集基本方程表示曲线演化:
水平集函数演化方程嵌入高维隐函数后,所得方程表示曲线的具体演化方式,在初始条件C0已知的情况下,可以用水平集基本方程表示封闭曲线演化,相当于给定已知初始条件Φ0,再求解水平集函数Φ,且任意时刻t满足Φ(x,y,t)=0的零水平集曲线。
S2-2:使用梯度下降流求解能量泛函最小值,最终迭代结果完成演化曲线的收敛。
一维情况下,满足固定端点条件u(x0)=a,u(x1)=b的函数可称为泛函形式:
数学变换后得梯度下降流形式:
所述步骤S3具体为:
S3-1:使用点状特征描述子作为匹配基元;
S3-2:采用SSD度量函数作为相似性测度函数完成对应点匹配;
S3-3:使用动态规划法进行全局匹配,得到匹配点集的最终匹配结果,即获取匹配后的图像视差。
与现有技术相比,本发明的有益效果是:
本发明采用双目相机采集激光打标机头下方被打标物体图像,通过基于主动轮廓模型的水平集方法对图像进行分割,完成轮廓的精确提取;并利用水平集方法和全局匹配之间对代价能量函数利用的交叉点,通过数据暂存提高了精度和算法处理速度,实现被打标物体的深度信息提取。本发明优点在于能过处理图像因噪声、场偏移效应等因素造成的边缘模糊、灰度不均匀等现象且本激光打标机自动调焦方法具有普适性,能够适应绝大多数种类的被打标物体,避免被打标物体之间大小、位置和表面属性各不相同而导致的已有自动调焦算法无法适应的问题,解决算法无法处理的异常被打标物体,如受环境潮湿导致的材料渗透效应,导致材料局部灰度属性变化;如处理厚度较大被打标物体时,边缘结构复杂造成的灰度层叠现象,使图像空间分辨力降低,难以明确物体边界;如工厂环境复杂,激光打标机安置架震动或具有微小位移,此时造成摄像机和激光打标局周期或非周期运动导致图像中出现运动伪影等情况。
附图说明
图1为本发明的图像分割算法流程图
图2为本发明用户图形界面效果图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明公开了一种激光打标机自动调焦***视觉测距信号处理方法,包括以下步骤:
S1:采用相机标定算法进行相机的标定,得到相机的内外参数,获得被打标物的双目图像;
S2:采用图像分割算法提取被打标物边缘轮廓;
S3:利用双目图像进行立体匹配获取图像视差;
S4:利用获取的图像视差通过相似三角形原理计算得到角点深度,完成被打标物的距离测试。
S5:利用GUI控件完成用户和程序间的交互。
进一步地:所述采用图像分割算法提取被打标物边缘轮廓包括以下步骤:
S2-1:利用水平集方程表示曲线的具体演化方式;
S2-2:使用梯度下降流求解能量泛函最小值,最终迭代结果完成演化曲线的收敛。
进一步地:所述利用双目图像进行立体匹配获取图像视差包括以下步骤:
S3-1:使用点状特征描述子作为匹配基元;
S3-2:采用SSD度量函数作为相似性测度函数完成对应点匹配;
S3-3:使用动态规划法进行全局匹配,得到匹配点集的最终匹配结果,即获取匹配后的图像视差。
S1:采用相机标定算法进行相机的标定,得到相机的内外参数,获得被打标物的双目图像;
确定相机内部几何参数与光学特性,确定相机坐标系转换为世界坐标系过程中的旋转矩阵、平移矩阵。通过标定双目相机确定相机的内外参数及畸变参数,构建相机成像的几何模型,确定图像中像素点与三维空间中空间物体表面点的几何位置关系。
S2:采用图像分割算法提取被打标物边缘轮廓;
图像分割算法流程图如图1所示。基于主动轮廓模型的水平集分割方法分为以下5个步骤:(1)给定初始化曲线1。(2)确定附加约束条件2。(3)迭代确定收敛规则3。(4)图像边缘得到收束的演化曲线4。(5)根据曲线实现目标物体分割5。
水平集函数Φ:
像素点到演化曲线C的距离为dist(x,C),符号的正负由像素点与曲线位置决定:x在封闭曲线外部时取正,x在封闭曲线内部时取负。
使用高维水平集函数表示曲线演化的方法如下:假设有一隐式表示的封闭曲线C,其为随时间变化的高维水平集函数Φ(x,y,t)的零水平集C(t={(x,y),Φ(x,y,t)=c}。当Φ具有正则性时,可以得到用水平集基本方程表示曲线演化:
水平集函数演化方程嵌入高维隐函数后,所得方程表示曲线的具体演化方式,在初始条件C0已知的情况下,可以用水平集基本方程表示封闭曲线演化,相当于给定已知初始条件Φ0,再求解水平集函数Φ,且任意时刻t满足Φ(x,y,t)=0的零水平集曲线。
通过最小化曲线能量泛函确定图像分割。一维情况下,满足固定端点条件u(x0)=a,u(x1)=b的函数可称为泛函形式:
由微积分学中费马引理可知,偏导满足变化为零的点能取到泛函E(Φ)的极小值,最优解Φ(x)含微扰时,得到Φ(x)+v(x),其对应能量泛函为E(Φ+v)。能量泛函E(Φ)取得极值,微扰v(x)足够小时不会影响能量泛函的值,u(x0)+v(x0)=a,u(x1)+v(x1)=b,且u(x0)=a,u(x1)=b,因此得到等式:
微扰v(x)及其导数足够小时,利用泰勒展开函数F:
整理得到:
由分部积分法整理,得到变分问题的欧拉(Euler)方程形式:
此时可以通过求解变分问题的欧拉方程求解能量泛函最小值。欧拉方程是典型的非线性偏微分方程,求解时需引入时间变量,通过梯度下降流法(gradient descent flow)将上述方程转换为动态偏微分方程,得到变分等式对应的梯度下降流形式:
S3:利用双目图像进行立体匹配获取图像视差;
选取匹配基元后,沿着恢复后的双目立体图形对进行水平极线的匹配搜索,进而得到匹配图像中各像素点对的对应关系,并计算出视差图进行评价。立体匹配算法利用基本假设和特定约束条件来消除立体匹配的不适用性,将立体匹配问题转为求解能量函数最优解的问题,本发明采用的基于主动轮廓模型的水平集图割方法,利用变分原理求解能量泛函最小极值点,能够简化全局匹配过程,建立基于匹配基元的代价能量函数,求解此代价能量函数最小集估计像素点视差值。
全局代价能量函数为:
动态规划算法中对图像每一行都进行全局能量优化计算,在每一行中都找到匹配序列M,使得Υ(M)取得最小值,Υ(M)表示匹配序列为M对应的匹配代价,匹配序列M中闭塞点个数为Nocc,包括左闭塞和右闭塞,分别表示双目图像中左侧和右侧图像中被遮挡的部分,闭塞因子为kocc,表明双目视图受遮挡导致图像边界不清晰需加入足够多的差异信息,匹配序列M中匹配成功的对应点个数为Nm,匹配的对应点之间存在最大差异由匹配因子kr表示,单个匹配点的不相似度为DSI(xi,yi),加和表示全局不相似度,作为求取对应点的衡量标准。
使用相似性测度函数衡量双目图像中两幅图像对应点的相似程度,采用窗口累计提高相似性度量时的抗噪声性能。相似性测度函数采用SSD算子进行计算。
平方差和SSD(Sum of Squared Difference):
C(u,v,d)=∑(i,j)∈W|Il(u+i,v+j)-Ir(u+i+d,v+j)| (10)
S4:利用获取的图像视差通过相似三角形原理计算得到角点深度,完成被打标物的距离测试;
利用两个或者多个不同的视点观察同一景物并得到不同视角下的图片,再通过视觉测距模型来测算图片像素之间的位置偏移,也就是两幅图存在的视差,从而获取物体的三维信息。
将左右摄像机观察同一景物时产生的投影差异称为视差,根据三角测量原理可以得出:
其中两台摄像机的基线长度b,景深Z为三维世界中物点到基线的距离,摄像机焦距为f。数字图像中左右摄像机采集的对应位置为xr、xl。
在理想双目视觉模型下,左右双摄像机成像平面与基线平行,视差为两幅投影图像上对应像点横坐标之差:d=xr-xl。景深与摄像机焦距与基线长度成正比,与视差成反比。
S5:利用GUI控件完成用户和程序间的交互;
用户图形界面如图2所示。使用布局编辑器向窗口中添加控件,通过使用GUI控件完成用户和程序间的交互。用鼠标或其他接入设备进行屏幕上指针控制或移动光标,并通过点触鼠标左键通知应用程序,实现对象的选择或执行其他操作。GUIDE环境中生成GUI的M文件能够控制GUI内部组件,使GUI内部模块对根据用户的操作完成相对应响应,具体响应通过回调(Callback)数实现。
在激光打标机下放置被打标物体,并调整被打标物体,使其在双目立体视觉装置的左右两个相机中呈完整清晰像,点击“放置物体”后开始进行激光打标机的预打标功能,弹出双目相机录像截图。点击“显示物体高度”运行预先设计的算法,依次运行完成基于主动轮廓模型的水平集算法,完成双目立体视觉的立体匹配算法,最终提取被打标物体的深度信息,在“显示打标时高度”按钮旁边,预设空白框中会显示计算出的激光打标机头高度。完成深度信息提取模块后,点击“开始打标”,关闭已进行的调焦算法,调节激光打标机机头高度,使出射激光恰好聚焦被打标物体上表面,运行激光打标机附带程序,完成打标程序中提前设置的打标图样任务。
本发明双目立体视觉实验平台由激光打标机、真彩双目相机和计算机三个部分组成。软件采用仿真进行计算,包括以下四个模块:双目相机标定模块、图像分割模块、立体匹配和深度信息提取模块、用户图形界面(Graphical User Interface,简称为GUI)模块。双目相机标定模块确定相机参数、图像分割模块提取被打标物体边界、立体匹配和深度信息提取模块对图像进行深度信息提取、GUI模块实现人机交互。
双目相机固定于激光头的上方,双目相机的基线中点处于激光头的中轴线位置双目相机水平固定于平行工作台平面的位置,即与激光头水平方向平行。
基于计算机视觉理论构建双目视觉测距模型,采用张正友标定算法确定模型的相关参数。
基于主动轮廓模型的水平集图像分割方法,利用变分原理构造梯度下降流,求解能量泛函极小值点,迭代确定收敛规则。
S1:利用水平集方程表示曲线的具体演化方式;
水平集函数Φ:
像素点到演化曲线C的距离为dist(x,C),符号的正负由像素点与曲线位置决定:x在封闭曲线外部时取正,x在封闭曲线内部时取负。
使用高维水平集函数表示曲线演化的方法如下:假设有一隐式表示的封闭曲线C,其为随时间变化的高维水平集函数Φ(x,y,t)的零水平集C(t={(x,y),Φ(x,y,t)=c}。当Φ具有正则性时,可以得到用水平集基本方程表示曲线演化:
水平集函数演化方程嵌入高维隐函数后,所得方程表示曲线的具体演化方式,在初始条件C0已知的情况下,可以用水平集基本方程表示封闭曲线演化,相当于给定已知初始条件Φ0,再求解水平集函数Φ,且任意时刻t满足Φ(x,y,t)=0的零水平集曲线。
S2:使用梯度下降流求解能量泛函最小值,最终迭代结果完成演化曲线的收敛。
一维情况下,满足固定端点条件u(x0)=a,u(x1)=b的函数可称为泛函形式:
数学变换后得梯度下降流形式:
采用动态规划法进行全局匹配,相似性测度函数采用SSD算子进行计算。
基于用户图形开发界面设计GUI,实现人机交互。
本发明公开了一种基于双目立体视觉的激光打标机自动调焦***视觉测距信号处理方法,能够完成不限定打标工件的自动调焦工作。该方法包括以下步骤:(1)用双目相机对目标物进行左右摄像头图像采集。(2)采用标定箱对双目相机进行标定,获取相机内外参数。(3)基于主动轮廓模型和水平集方法对采集到的图像进行分割,提取被打标物体边界。(4)利用双目视觉立体匹配原理提取深度信息。(5)建设用户图形界面,实现人机交互。本发明提出的方法获取目标物边界信息时不是根据灰度变化而是演化曲线模型中能量函数最小化,该方法能够处理图像因噪声、场偏移效应等因素造成的边缘模糊、灰度不均匀等现象,降低图像识别难度,提高整体算法精度。本激光打标机自动调焦方法具有普适性,能够适应绝大多数种类的被打标物体,能够解决被打标物体之间大小、位置和表面属性各不相同而导致的已有自动调焦算法无法适应的问题。
Claims (3)
1.一种激光打标机自动调焦***视觉测距信号处理方法,其特征是,包括以下步骤:
S1:采用相机标定算法进行相机的标定,得到相机的内外参数,获得被打标物的双目图像;
S2:采用图像分割算法提取被打标物边缘轮廓;
S3:利用双目图像进行立体匹配获取图像视差;
S4:利用获取的图像视差通过相似三角形原理计算得到角点深度,完成被打标物的距离测试;
S5:利用GUI控件完成用户和程序间的交互。
2.根据权利要求1所述的一种激光打标机自动调焦***视觉测距信号处理方法,其特征是,基于主动轮廓模型的水平集图像分割方法,利用变分原理构造梯度下降流,求解能量泛函极小值点,迭代确定收敛规则,所述步骤S2具体为:
S2-1:利用水平集方程表示曲线的具体演化方式;
水平集函数Φ:
像素点到演化曲线C的距离为dist(x,C),符号的正负由像素点与曲线位置决定:x在封闭曲线外部时取正,x在封闭曲线内部时取负。
使用高维水平集函数表示曲线演化的方法如下:假设有一隐式表示的封闭曲线C,其为随时间变化的高维水平集函数Φ(x,y,t)的零水平集C(t={(x,y),Φ(x,y,t)=c}。当Φ具有正则性时,▽Φ≠0,可以得到用水平集基本方程表示曲线演化:
水平集函数演化方程嵌入高维隐函数后,所得方程表示曲线的具体演化方式,在初始条件C0已知的情况下,可以用水平集基本方程表示封闭曲线演化,相当于给定已知初始条件Φ0,再求解水平集函数Φ,且任意时刻t满足Φ(x,y,t)=0的零水平集曲线。
S2-2:使用梯度下降流求解能量泛函最小值,最终迭代结果完成演化曲线的收敛。
一维情况下,满足固定端点条件u(x0)=a,u(x1)=b的函数可称为泛函形式:
数学变换后得梯度下降流形式:
3.根据权利要求1所述的一种激光打标机自动调焦***视觉测距信号处理方法,其特征是,所述步骤S3具体为:
S3-1:使用点状特征描述子作为匹配基元;
S3-2:采用SSD度量函数作为相似性测度函数完成对应点匹配;
S3-3:使用动态规划法进行全局匹配,得到匹配点集的最终匹配结果,即获取匹配后的图像视差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110723762.4A CN113487679B (zh) | 2021-06-29 | 2021-06-29 | 激光打标机自动调焦***视觉测距信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110723762.4A CN113487679B (zh) | 2021-06-29 | 2021-06-29 | 激光打标机自动调焦***视觉测距信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487679A true CN113487679A (zh) | 2021-10-08 |
CN113487679B CN113487679B (zh) | 2023-01-03 |
Family
ID=77936185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110723762.4A Active CN113487679B (zh) | 2021-06-29 | 2021-06-29 | 激光打标机自动调焦***视觉测距信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487679B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070211940A1 (en) * | 2005-11-14 | 2007-09-13 | Oliver Fluck | Method and system for interactive image segmentation |
US20080112617A1 (en) * | 2006-11-14 | 2008-05-15 | Siemens Corporate Research, Inc. | Method and System for Image Segmentation by Evolving Radial Basis functions |
US20130287291A1 (en) * | 2012-04-26 | 2013-10-31 | Electronics And Telecommunications Research Institute | Method of processing disparity space image |
CN103868460A (zh) * | 2014-03-13 | 2014-06-18 | 桂林电子科技大学 | 基于视差优化算法的双目立体视觉自动测量方法 |
CN107301664A (zh) * | 2017-05-25 | 2017-10-27 | 天津大学 | 基于相似性测度函数的改进局部立体匹配方法 |
CN108629812A (zh) * | 2018-04-11 | 2018-10-09 | 深圳市逗映科技有限公司 | 一种基于双目相机的测距方法 |
CN108714741A (zh) * | 2018-04-11 | 2018-10-30 | 哈尔滨工程大学 | 一种自动调焦便携式激光打标机 |
CN109523528A (zh) * | 2018-11-12 | 2019-03-26 | 西安交通大学 | 一种基于无人机双目视觉sgc算法的输电线路提取方法 |
WO2019100933A1 (zh) * | 2017-11-21 | 2019-05-31 | 蒋晶 | 用于三维测量的方法、装置以及*** |
CN110052704A (zh) * | 2019-05-21 | 2019-07-26 | 哈尔滨工程大学 | 一种对打标工件自动定位调焦的激光打标机工作台 |
CN110874572A (zh) * | 2019-10-29 | 2020-03-10 | 北京海益同展信息科技有限公司 | 一种信息检测方法及装置、存储介质 |
CN111709985A (zh) * | 2020-06-10 | 2020-09-25 | 大连海事大学 | 一种基于双目视觉的水下目标测距方法 |
CN112862834A (zh) * | 2021-01-14 | 2021-05-28 | 江南大学 | 一种基于视觉显著区域和主动轮廓的图像分割方法 |
CN114187246A (zh) * | 2021-11-29 | 2022-03-15 | 哈尔滨工程大学 | 一种激光打标机焦距测量方法 |
-
2021
- 2021-06-29 CN CN202110723762.4A patent/CN113487679B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070211940A1 (en) * | 2005-11-14 | 2007-09-13 | Oliver Fluck | Method and system for interactive image segmentation |
US20080112617A1 (en) * | 2006-11-14 | 2008-05-15 | Siemens Corporate Research, Inc. | Method and System for Image Segmentation by Evolving Radial Basis functions |
US20130287291A1 (en) * | 2012-04-26 | 2013-10-31 | Electronics And Telecommunications Research Institute | Method of processing disparity space image |
CN103868460A (zh) * | 2014-03-13 | 2014-06-18 | 桂林电子科技大学 | 基于视差优化算法的双目立体视觉自动测量方法 |
CN107301664A (zh) * | 2017-05-25 | 2017-10-27 | 天津大学 | 基于相似性测度函数的改进局部立体匹配方法 |
WO2019100933A1 (zh) * | 2017-11-21 | 2019-05-31 | 蒋晶 | 用于三维测量的方法、装置以及*** |
CN108714741A (zh) * | 2018-04-11 | 2018-10-30 | 哈尔滨工程大学 | 一种自动调焦便携式激光打标机 |
CN108629812A (zh) * | 2018-04-11 | 2018-10-09 | 深圳市逗映科技有限公司 | 一种基于双目相机的测距方法 |
CN109523528A (zh) * | 2018-11-12 | 2019-03-26 | 西安交通大学 | 一种基于无人机双目视觉sgc算法的输电线路提取方法 |
CN110052704A (zh) * | 2019-05-21 | 2019-07-26 | 哈尔滨工程大学 | 一种对打标工件自动定位调焦的激光打标机工作台 |
CN110874572A (zh) * | 2019-10-29 | 2020-03-10 | 北京海益同展信息科技有限公司 | 一种信息检测方法及装置、存储介质 |
CN111709985A (zh) * | 2020-06-10 | 2020-09-25 | 大连海事大学 | 一种基于双目视觉的水下目标测距方法 |
CN112862834A (zh) * | 2021-01-14 | 2021-05-28 | 江南大学 | 一种基于视觉显著区域和主动轮廓的图像分割方法 |
CN114187246A (zh) * | 2021-11-29 | 2022-03-15 | 哈尔滨工程大学 | 一种激光打标机焦距测量方法 |
Non-Patent Citations (8)
Title |
---|
SUNLINJU: "主动轮廓模型", 《HTTPS://BLOG.CSDN.NET/SUNLINJU/ARTICLE/DETAILS/52999872》 * |
Y. EBRAHIMDOOST等: "Medical Image Segmentation Using Active Contours and a Level Set Model: Application to Pulmonary Embolism (PE) Segmentation", 《2010 FOURTH INTERNATIONAL CONFERENCE ON DIGITAL SOCIETY》 * |
夜雨飘零1: "双目摄像头测量距离", 《HTTPS://BLOG.CSDN.NET/QQ_33200967/ARTICLE/DETAILS/106019634》 * |
孙怡等: "双目视差测距中的图像配准技术研究", 《物联网技术》 * |
孙怡等: "双目视差测距中的立体匹配技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
孙晶华等: "提高水下激光成像衬度的方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
林维诗: "基于主动轮廓模型和水平集方法的图像分割", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
罗红根等: "基于主动轮廓模型和水平集方法的图像分割技术", 《中国图象图形学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113487679B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783820B (zh) | 图像标注方法和装置 | |
CN104574501B (zh) | 一种针对复杂三维场景的高质量纹理映射方法 | |
JP4785880B2 (ja) | 三次元オブジェクト認識のためのシステムおよび方法 | |
CN112785643A (zh) | 一种基于机器人平台的室内墙角二维语义地图构建方法 | |
JP4677536B1 (ja) | 3次元物体認識装置及び3次元物体認識方法 | |
CN111476841B (zh) | 一种基于点云和图像的识别定位方法及*** | |
CN111523547B (zh) | 一种3d语义分割的方法及终端 | |
CN111623942B (zh) | 一种单向振动台试验结构模型位移测量方法 | |
CN205451195U (zh) | 一种基于多摄像机的实时三维点云重建*** | |
CN114022542A (zh) | 一种基于三维重建的3d数据库制作方法 | |
Intwala et al. | A review on process of 3d model reconstruction | |
CN113393524A (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
CN113393503A (zh) | 一种分割驱动形状先验变形的类别级物体6d位姿估计方法 | |
CN112712566B (zh) | 基于结构参数在线校正的双目立体视觉传感器测量方法 | |
CN117218192A (zh) | 一种基于深度学习与合成数据的弱纹理物***姿估计方法 | |
CN113487679B (zh) | 激光打标机自动调焦***视觉测距信号处理方法 | |
Bhakar et al. | A review on classifications of tracking systems in augmented reality | |
CN112365600B (zh) | 一种三维物体检测方法 | |
CN115861547A (zh) | 一种基于投影的模型表面样条线生成方法 | |
CN113129348B (zh) | 一种基于单目视觉的道路场景中车辆目标的三维重建方法 | |
CN115601430A (zh) | 基于关键点映射的无纹理高反物***姿估计方法及*** | |
CN109377562B (zh) | 一种自动三维测量的视点规划方法 | |
JP3637416B2 (ja) | 3次元計測方法、3次元計測システム、画像処理装置、及びコンピュータプログラム | |
Vo-Le et al. | Automatic Method for Measuring Object Size Using 3D Camera | |
JP2002350131A (ja) | 多眼カメラのキャリブレーション方法および装置並びにコンピュータプログラム |
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 |