CN113819841A - 一种基于机器视觉的板形检测装置及其检测方法 - Google Patents
一种基于机器视觉的板形检测装置及其检测方法 Download PDFInfo
- Publication number
- CN113819841A CN113819841A CN202110991960.9A CN202110991960A CN113819841A CN 113819841 A CN113819841 A CN 113819841A CN 202110991960 A CN202110991960 A CN 202110991960A CN 113819841 A CN113819841 A CN 113819841A
- Authority
- CN
- China
- Prior art keywords
- image
- plate shape
- strip steel
- machine vision
- laser
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 76
- 239000010959 steel Substances 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000005096 rolling process Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 24
- 230000005484 gravity Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 11
- 238000003708 edge detection Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000002146 bilateral effect Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005097 cold rolling Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005282 brightening Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的板形检测装置,包括带钢,带钢轧制方向的上下两侧分别依次对称设有支撑辊、中间辊及工作辊,工作辊与带钢接触,带钢的上方设有检测激光发射器,背离带钢轧制方向的一侧设有图像采集装置和标准激光发射器,标准激光发射器与图像采集装置安装在同一位置处,检测激光发射器、标准激光发射器及图像采集装置均连接图像处理装置。本发明还公开了一种基于机器视觉的板形检测方法,本发明解决了现有非接触式板形检测装置检测精度低,无法克服轧制过程中带钢振动和板带位移带来误差,以及接触式板形检测设备复杂,安装调试困难,成本高昂的问题。
Description
技术领域
本发明属于板形检测技术领域,涉及一种基于机器视觉的板形检测装置,本发明还涉及上述检测装置的检测方法。
背景技术
钢材是基础原材料,大量的钢材被应用于许多重要的生产环节,比如国防、工业、农业及日常生活中的各方面,对我国国民经济发展起着重要的作用。市场对于钢材的供给提出了更高的需求,更是对带钢内部的性能品质、外部大小尺寸、厚度精度和表面品质等多个方面都提出了更高的要求。
板形是带钢轧制过程中的一个重要指标,冷轧带钢出现严重的板形问题,会造成带钢断带,使整个生产过程中的自动化流水线停滞,破坏轧机等生产设备,甚至会造成严重的经济损失。因此冷轧带钢在有较高厚度精度的基础上,还要有良好的平直度来保证带钢的板形。这些平直度信息需要由实时的板形检测设备提供。因此对带钢板形的检测是实现带钢板形自动控制的主要技术条件和前提。
目前从检测方法和市场的使用情况看,板形检测仪主要分为两类,接触式板形检测仪和非接触式板形检测仪。对于接触式板形仪,其对板形信息检测直接,在处理过程中信号比较容易保真,并且对带钢板形的测量精度高,目前有的设备已经可以达到±0.5I单位。但是与之相对应,其缺点是造价高昂、配件昂贵、安装调试过程复杂。由于是直接与板材接触,检测辊辊面磨损后必须重新打磨,并且必须按照标准技术要求进行重新标定,增加了板形检测的工艺复杂程度。非接触式板形仪是指在板形检测装置与带钢不产生直接接触的前提下得到带钢的板形信息。非接触式传感器硬件结构简单,不和带钢接触,并且易于维护,所有的组件都为非传动件,安装方便。对于硬件的选择范围广,并且造价及配件便宜。传感器不和带钢表面进行接触从而消除了对带钢表面产生损伤的可能。但是现有的非接触式板形检测装置由于无法克服现场带钢振动带来的误差,且接收到的板形信号为非直接信号,并且数据处理的难度高。
发明内容
本发明的目的是提供一种基于机器视觉的板形检测装置,解决了现有非接触式板形检测装置检测精度低,无法克服轧制过程中带钢振动和板带位移带来误差,以及接触式板形检测设备复杂,安装调试困难,成本高昂的问题。
本发明的目的是还提供一种基于机器视觉的板形检测方法。
本发明所采用的第一种技术方案是,一种基于机器视觉的板形检测装置,包括带钢,带钢轧制方向的上下两侧分别依次对称设有支撑辊、中间辊及工作辊,工作辊与带钢接触,带钢的上方设有检测激光发射器,背离带钢轧制方向的一侧设有图像采集装置和标准激光发射器,标准激光发射器与图像采集装置安装在同一位置处,检测激光发射器、标准激光发射器及图像采集装置均连接图像处理装置。
本发明第一种技术方案的特点还在于:
图像采集装置为摄像机,图像处理装置为计算机。
本发明采用的第二种技术方案为,一种基于机器视觉的板形检测方法,具体包括如下步骤:
步骤1,对图像采集装置采集到的图像进行灰度化处理;
步骤2,采用旋转图像法将经步骤1处理后的图像角度进行修正,使标准激光发射器、检测激光发射器照射在带钢上的两束激光在旋转后的图像中呈现垂直状态;
步骤3,基于步骤2处理后的图像,在原采样区域内直接取出对应像素点集合映射到一个矩形区域内作为感兴趣区域图像;
步骤4,对步骤3确定的感兴趣区域图像进行滤波处理;
步骤5,对步骤4处理后的图像进行对比度拉升操作;
步骤6,对经步骤5处理后的图像进行归一化处理;
步骤7,基于步骤6所得图像,采用Canny算法确定检测激光线边缘位置,并计算激光线宽度;
步骤8,基于步骤7所得到的激光线边缘位置,计算图像行灰度重心;
步骤9,计算每行带钢板形数据。
本发明第二种技术方案的特点还在于:
步骤1中,采用如下公式(1)对图像采集装置采集到的图像进行灰度化处理:
Grey=0.299*R+0.587*G+0.114*B (1);
其中,Grey为输出灰度值;R、G、B为三个不同的通道值。
步骤5中,通过如下公式(2)对图像进行对比拉升操作:
p(M,N)=q(M,N)*k (2);
其中,k为像素提升比例;p(M,N)为对比对拉升后第M行N列的像素灰度值;p(M,N)为对比度拉升前第M行N列的像素灰度值。
步骤6中,采用如下公式(3)对图像进行归一化处理:
其中,X为原始数据;Xnorm为归一化后数据;Xmax为原始数据集最大值;Xmin为原始数据集最小值。
步骤7中,通过如下公式(4)计算激光线的宽度:
gc=xl-xr (4);
其中,gc为激光线宽度;xl为每行对应左边缘坐标;xr为每行对应右边缘坐标。
步骤8中,采用如下公式(5)计算图像行灰度重心:
其中,U为图像行灰度重心;gi为所有有效元素点的像素坐标对应灰度值;μi为所有有效元素点的像素坐标;M为所有有效元素点的像素个数。
步骤9中,采用如下公式(6)计算每行板形数据:
Gy=gc*(XS-XD),y=yt...yk (6);
其中,Gy为y行的板形数据;gc为y行的检测激光线宽度;XS为y行标准激光线的x坐标;XD为y行检测激光线的x坐标;yt为带钢上边缘y方向坐标;yk为带钢下边缘y方向坐标。
本发明的有益效果是:本发明通过两个激光发射器照射带钢表面,形成两条平行的激光线,一条为检测激光线,一条为标准激光线,利用相机采集对应位置的图像,进行处理。标准激光线由相机相同位置发出,遇到板形变化时,标准激光线不发生变化。检测激光线安装在支架左侧与,相机呈45度角,遇到板形不良,检测激光线会发生对应变化。通过对比标准激光线与检测激光线的线结构光中心的相对位置变化,来反映冷轧过程中带钢的板形信息。同时能够通过检测激光线位于操作侧与传动侧的断点,得到板带宽度信息,以及消除板带上下位移带来的误差。
附图说明
图1是本发明一种基于机器视觉的板形检测装置的结构示意图;
图2是本发明一种基于机器视觉的板形检测方法流程图;
图3是本发明一种基于机器视觉的板形检测方法中带钢板形信息显示界面图。
图中,1.带钢,2.工作辊,3.中间辊,4.支撑辊,5.检测激光发射器,6.标准激光发射器,7.摄像机。
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。
本发明一种基于机器视觉的板形检测装置,如图1所示,包括正在轧制过程中的带钢1(带钢1为本装置的被检测主体)、工作辊2、中间辊3、支撑辊4、检测激光发射器5、标准激光发射器6及摄像机7。
检测激光发射器5、标准激光发射器6均安装于现场操作侧,距离地面高度2.7米,其中检测激光发射器5安装在远离相机位置,标准激光发射器6与摄像机7安装同一位置。检测激光发射器5、标准激光发射器6发出的两束激光在带钢1的反射光线均垂直于带钢1轧制方向;摄像机7与两束激光线呈32°位置安装。检测激光发射器5、标准激光发射器6、摄像机7均连接计算机。检测激光发射器5与标准激光发射器6均为650nm波长的红外激光线,对应摄像机7在镜头加装650nm滤光片,对应波长的光进行采集。
照射到带钢表面的检测激光发射器5、标准激光发射器6为平行照射,检测激光发射器5必须安装在距离摄像机7与标准激光发射器6一定距离处,并且反射光线要与摄像机7呈现一定角度。标准激光发射器6与摄像机7必须安装在同一位置,保证标准激光不随板形变换而变化。在轧制现场操作侧附近安装了板形显示界面,将检测出的板形信息进行可视化显示,提供给现场操作人员对板形进行控制。
检测的原理为根据在现场操作侧位置安装激光器(检测激光发射器5、标准激光发射器6)与图像传感器,使激光器发出的线激光能够照射到带钢上,图像传感器能够采集到带钢以及线激光的反射光线。利用图像处理等技术手段,准确得到检测激光线和标准激光线的位置信息,通过计算最终得到带钢板形信息。
本发明一种基于机器视觉的板形检测方法,利用标准激光发射器6发射的激光线位置作为标准位置,计算检测激光发射器5发出的激光线的相对位置变化来计算板形数据。将Canny边缘检测算法与灰度重心法的结合,在复杂环境下提取出了线结构光中心的准确位置。
具体的检测步骤如图2所示:
步骤1,将采集得到的现场图像根据公式(1)进行灰度化操作。
Grey=0.299*R+0.587*G+0.114*B (1);
其中,Grey——输出灰度值;R——红色通道值;G——绿色通道值;B——蓝色通道值。
因为本发明需要对板形信息进行实时性检测,对程序算法的时效性有较高要求。而因为单通道图像每一个像素只对应一个灰度值大小,所以相比RGB图像,单通道图像处理速度理论上快三倍。单通道图像能将传感器采集原图转化为灰度图像进行显示,同时不会影响对目标的识别和对边缘的提取。
步骤2,由于激光线的反射光线与相机采集方向存在一定的角度,于是将采集回来的图像进行修正,采用的方法为旋转图像法;正常板形情况下两束激光在旋转后的图像中呈现垂直状态。
步骤3,利用划定特定区域的方法,在原采样区域内直接取出需要的对应像素点集合映射到矩形区域内作为感兴趣区域图像(ROI区域),后续图像预处理与算法都将围绕该图像展开。将包含目标的兴趣区域从背景中提取出来。能够减少现场其它区域的噪声对后续激光线中心位置提取的影响,而且缩小了图像处理的区域大小,能显著加快信息提取和计算速度,满足测量***对实时性的要求。同时利用Hough变换对带钢上下边缘进行检测,得到带钢位置。
步骤4,采用双边高斯滤波进行去噪,相比于传统高斯滤波,双边高斯滤波在进行图像去噪的过程中,同时可以进行边缘保存,采用其它滤波算法进行降噪处理时,会模糊需要检测的目标边缘,对于图像边缘细节的处理和保留效果不好。相比高斯滤波器,双边高斯滤波器多了一个高斯方差,它是基于空间灰度值分布的高斯滤波函数,所以在边缘位置,距离边缘较远的像素不会影响到边缘位置上的像素值。双边高斯滤波在激光线边缘处灰度值变化得到了更好的保留,边缘位置更加清晰。
步骤5,根据公式(2)进行图像对比度拉升操作。
p(M,N)=q(M,N)*k (2);
式中,K——像素提升比例;p(M,N)——对比对拉升后第M行N列的像素灰度值;q(M,N)——对比度拉升前第M行N列的像素灰度值。
该步骤可以提升高灰度值区域与低灰度值区域的灰度差值,从而加强边缘。因为激光线本身灰度值高,周围灰度值低,经过同比例放大后,激光线增亮部分高于背景部分,两者之间差距变大。
步骤6,根据公式(3)利用图像归一化对经过对比度拉升后的图像进行操作,将不定大小的数据归一化到指定大小区域的数据中,让每一行的数据分布在特定区间。
式中,X——原始数据;Xnorm——归一化后数据;Xmax——原始数据集最大值;Xmin——原始数据集最小值。
步骤7,利用Canny算法通过四个步骤能够精准识别边缘,能够通过非极大值抑制有效非边缘像素,通过设置双阈值,去除伪边缘。相比较其它算法,能够进行有效的边缘连接,体现出了在时效性和前景背景区分上的优势。并根据Canny得到的双边缘通过公式(4)可计算得到激光线宽度。
gc=xl-xr (4);
式中,gc——激光线宽度;xl——每行对应左边缘坐标;xr——每行对应右边缘坐标;
步骤8,采用基于边缘检测结果的灰度重心法通过利用Canny计算得到的双边缘结果,再次计算灰度重心。该方法对线结构光的特点和图像中的干扰都做了针对性处理,得到了良好的激光线中心位置坐标。根据公式(5)对检测激光线中心位置进行计算。并且在保证时效性的情况下,该方法在计算结果的精度和标准差上都有明显优势。
式中,U——图像行灰度重心;gi——所有有效元素点的像素坐标对应灰度值;μi——所有有效元素点的像素坐标;M——所有有效元素点的像素个数。同时利用Hough变换对标准激光线的位置进行检测为板形的计算提供标准位置。
步骤9,在采集图像分辨率为3072*2048的情况下,板形的变化引起的激光线变化通常在10~15个像素,激光线的变化无法直接观察得到。于是根据两条激光线在遇到板带形变时,检测激光线产生对应形变,标准激光线不发生变化的区别来计算板形信息,同时将宽度信息加入带钢板形数据计算。带钢的形变主要体现在带钢的轧制方向,于是分别计算出同一y坐标对应的两条激光线的x坐标,并做差。同时与宽度信息做乘积得到每行板形数据。
Gy=gc*(XS-XD)(y=yt...yk) (6);
式中:Gy——y行的板形数据;gc——y行的检测激光线宽度;XS——y行标准激光线的x坐标;XD——y行检测激光线的x坐标;yt——带钢上边缘y方向坐标;yk——带钢下边缘y方向坐标。
步骤10,结合步骤3中得到的带钢上下边缘位置,只在带钢表面上进行板形数据提取,得到实际带钢板形。
步骤11,绘制带钢板形信息界面。如图3所示,3D曲线为带钢板形信息,左侧信息显示从上至下依次为带钢上边缘位置、带钢下边缘位置、带钢中心位置与实时轧制速度;右上显示为现场***时间。
本发明基于图像处理手段,利用线激光发射器和图像传感器,实现了对冷轧带钢板形信息的实时检测。其中所使用到的图像预处理、图像边缘检测和线结构光中心提取的算法都是在Visual Studio 2017平台下使用C++语言完成的。最终实验结果证明,所研究的基于图像处理的冷轧板形检测方法可以精准检测实时板形数据,还原板形信息。为实际冷轧带钢过程中的板形控制提供了准确的板形信息。主要优点如下:
1.根据实际轧制过程中会遇到的板形变化特点,研究了各种板形情况下对应的激光线数据信息。通过图像预处理、边缘检测和线结构光中心提取等手段得到了冷轧带钢的板形信息;对图像预处理部分,采用了色彩空间转化的方法将图像转化到灰度空间减小信息冗余加快检测处理速度,利用双边高斯滤波对图像进行去除高斯噪声,采用对比度拉升和图像行归一化对降噪后的图像进行增强;对图像边缘检测部分,通过Canny边缘检测算法的四个基本步骤检测出图像中的有效激光线边缘;在线结构光中心提取中,对比了基于边缘检测的几何中心法、传统灰度重心法等方法后,采用了改进的基于边缘检测的灰度重心法。通过计算两束激光线的相对位置与检测激光线的宽度得到板形数据,有效消除了相机震动带来的误差,提高检测结果的稳定性。
2.实际的检测环节中,由于带钢轧制速度较高,图像传感器采集帧率较低的限制,部分采集图像中出现拖影。这一现象会造成激光线有波动区域宽度较宽。通过检测激光线宽度侧面得到板形数据。通过双边高斯滤波、对比度拉升、图像行归一化和Canny边缘检测的方法得到激光线边缘位置坐标。每帧图像的每行边缘位置坐标差就是对应行的宽度。
3.由于冷轧轧机工作过程中会产生震动,带钢轧制过程中也会出现张力不均衡,于是带钢会在操作侧和传动侧上下移动。采用了霍夫直线变换的方法检测带钢上下边缘位置。在得到带钢位置和板宽的同时也为板形的精准测量提供了保障。
Claims (9)
1.一种基于机器视觉的板形检测装置,包括带钢,其特征在于:所述带钢轧制方向的上下两侧分别依次对称设有支撑辊、中间辊及工作辊,工作辊与带钢接触,带钢的上方设有检测激光发射器,背离带钢轧制方向的一侧设有图像采集装置和标准激光发射器,标准激光发射器与图像采集装置安装在同一位置处,检测激光发射器、标准激光发射器及图像采集装置均连接图像处理装置。
2.根据权利要求1所述的一种基于机器视觉的板形检测装置,其特征在于:所述图像采集装置为摄像机,所述图像处理装置为计算机。
3.根据权利要求2所述的一种基于机器视觉的板形检测装置的检测方法,其特征在于,具体包括如下步骤:
步骤1,对图像采集装置采集到的图像进行灰度化处理;
步骤2,采用旋转图像法将经步骤1处理后的图像角度进行修正,使标准激光发射器、检测激光发射器照射在带钢上的两束激光在旋转后的图像中呈现垂直状态;
步骤3,基于步骤2处理后的图像,在原采样区域内直接取出对应像素点集合映射到一个矩形区域内作为感兴趣区域图像;
步骤4,对步骤3确定的感兴趣区域图像进行滤波处理;
步骤5,对步骤4处理后的图像进行对比度拉升操作;
步骤6,对经步骤5处理后的图像进行归一化处理;
步骤7,基于步骤6所得图像,采用Canny算法确定检测激光线边缘位置,并计算激光线宽度;
步骤8,基于步骤7所得到的激光线边缘位置,计算图像行灰度重心;
步骤9,计算每行带钢板形数据。
4.根据权利要求3所述的一种基于机器视觉的板形检测方法,其特征在于,所述步骤1中,采用如下公式(1)对图像采集装置采集到的图像进行灰度化处理:
Grey=0.299*R+0.587*G+0.114*B (1);
其中,Grey为输出灰度值;R、G、B为三个不同的通道值。
5.根据权利要求4所述的一种基于机器视觉的板形检测方法,其特征在于,所述步骤5中,通过如下公式(2)对图像进行对比拉升操作:
p(M,N)=q(M,N)*k (2);
其中,k为像素提升比例;p(M,N)为对比对拉升后第M行N列的像素灰度值;q(M,N)为对比度拉升前第M行N列的像素灰度值。
7.根据权利要求6所述的一种基于机器视觉的板形检测方法,其特征在于,所述步骤7中,通过如下公式(4)计算激光线的宽度:
gc=xl-xr (4);
其中,gc为激光线宽度;xl为每行对应左边缘坐标;xr为每行对应右边缘坐标。
9.根据权利要求8所述的一种基于机器视觉的板形检测方法,其特征在于,所述步骤9中,采用如下公式(6)计算每行板形数据:
Gy=gc*(Xs-XD),y=yt...yk (6);
其中,Gy为y行的板形数据;gc为y行的检测激光线宽度;XS为y行标准激光线的x坐标;XD为y行检测激光线的x坐标;yt为带钢上边缘y方向坐标;yk为带钢下边缘y方向坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110991960.9A CN113819841B (zh) | 2021-08-27 | 2021-08-27 | 一种基于机器视觉的板形检测装置及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110991960.9A CN113819841B (zh) | 2021-08-27 | 2021-08-27 | 一种基于机器视觉的板形检测装置及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113819841A true CN113819841A (zh) | 2021-12-21 |
CN113819841B CN113819841B (zh) | 2023-10-27 |
Family
ID=78913678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110991960.9A Active CN113819841B (zh) | 2021-08-27 | 2021-08-27 | 一种基于机器视觉的板形检测装置及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113819841B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419042A (zh) * | 2022-03-29 | 2022-04-29 | 北京金橙子科技股份有限公司 | 基于激光投影辅助线的板材轮廓视觉提取方法、***和可读存储介质 |
CN116228760A (zh) * | 2023-05-08 | 2023-06-06 | 江苏金恒信息科技股份有限公司 | 一种钢板的取样方法、装置和*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030085291A (ko) * | 2002-04-30 | 2003-11-05 | 주식회사 포스코 | 레이저빔을 이용한 폭 측정장치 및 방법 |
KR20100034151A (ko) * | 2008-09-23 | 2010-04-01 | 에스티엑스조선해양 주식회사 | 비젼 카메라를 이용한 강재의 길이 및 너비 측정장치와,이를 이용한 강재의 길이 및 너비 측정방법 |
KR20110039764A (ko) * | 2009-10-12 | 2011-04-20 | 대우조선해양 주식회사 | 강판 정보 계측용 비전 장치 및 강판 정보 계측 방법 |
CN102319743A (zh) * | 2011-05-24 | 2012-01-18 | 重庆大学 | 带钢跑偏与漂浮量激光扫描检测方法及纠偏*** |
CN102538705A (zh) * | 2012-01-12 | 2012-07-04 | 杭州浙大精益机电技术工程有限公司 | 基于二次投影算法的在线非接触式中厚板轮廓检测***及方法 |
CN203830424U (zh) * | 2014-04-17 | 2014-09-17 | 杭州电子科技大学 | 对称式双激光板形检测装置 |
US20140347473A1 (en) * | 2013-05-22 | 2014-11-27 | Cognex Corporation | System and method for efficient surface measurement using a laser displacement sensor |
CN107185970A (zh) * | 2017-06-07 | 2017-09-22 | 燕山大学 | 一种接触式可测温板形检测装置 |
CN110472722A (zh) * | 2019-08-16 | 2019-11-19 | 常州工学院 | 基于机器视觉技术的钢坯计数装置和方法 |
CN113074666A (zh) * | 2021-03-17 | 2021-07-06 | 北京工业大学 | 一种基于线结构激光器的物体点云尺寸测量设备及方法 |
-
2021
- 2021-08-27 CN CN202110991960.9A patent/CN113819841B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030085291A (ko) * | 2002-04-30 | 2003-11-05 | 주식회사 포스코 | 레이저빔을 이용한 폭 측정장치 및 방법 |
KR20100034151A (ko) * | 2008-09-23 | 2010-04-01 | 에스티엑스조선해양 주식회사 | 비젼 카메라를 이용한 강재의 길이 및 너비 측정장치와,이를 이용한 강재의 길이 및 너비 측정방법 |
KR20110039764A (ko) * | 2009-10-12 | 2011-04-20 | 대우조선해양 주식회사 | 강판 정보 계측용 비전 장치 및 강판 정보 계측 방법 |
CN102319743A (zh) * | 2011-05-24 | 2012-01-18 | 重庆大学 | 带钢跑偏与漂浮量激光扫描检测方法及纠偏*** |
CN102538705A (zh) * | 2012-01-12 | 2012-07-04 | 杭州浙大精益机电技术工程有限公司 | 基于二次投影算法的在线非接触式中厚板轮廓检测***及方法 |
US20140347473A1 (en) * | 2013-05-22 | 2014-11-27 | Cognex Corporation | System and method for efficient surface measurement using a laser displacement sensor |
CN203830424U (zh) * | 2014-04-17 | 2014-09-17 | 杭州电子科技大学 | 对称式双激光板形检测装置 |
CN107185970A (zh) * | 2017-06-07 | 2017-09-22 | 燕山大学 | 一种接触式可测温板形检测装置 |
CN110472722A (zh) * | 2019-08-16 | 2019-11-19 | 常州工学院 | 基于机器视觉技术的钢坯计数装置和方法 |
CN113074666A (zh) * | 2021-03-17 | 2021-07-06 | 北京工业大学 | 一种基于线结构激光器的物体点云尺寸测量设备及方法 |
Non-Patent Citations (1)
Title |
---|
刘力双;吕勇;: "基于视觉的远场激光光束质量的检测方法", 北京信息科技大学学报(自然科学版), no. 02, pages 38 - 41 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419042A (zh) * | 2022-03-29 | 2022-04-29 | 北京金橙子科技股份有限公司 | 基于激光投影辅助线的板材轮廓视觉提取方法、***和可读存储介质 |
CN114419042B (zh) * | 2022-03-29 | 2022-08-05 | 北京金橙子科技股份有限公司 | 基于激光投影辅助线的板材轮廓视觉提取方法、***和可读存储介质 |
CN116228760A (zh) * | 2023-05-08 | 2023-06-06 | 江苏金恒信息科技股份有限公司 | 一种钢板的取样方法、装置和*** |
CN116228760B (zh) * | 2023-05-08 | 2023-11-17 | 江苏金恒信息科技股份有限公司 | 一种钢板的取样方法、装置和*** |
Also Published As
Publication number | Publication date |
---|---|
CN113819841B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682646B (zh) | 一种车道线的识别方法及装置 | |
CN110501342B (zh) | 一种筒子纱纱杆定位视觉检测方法 | |
CN110225336B (zh) | 评估图像采集精度的方法及装置、电子设备、可读介质 | |
CN113819841B (zh) | 一种基于机器视觉的板形检测装置及其检测方法 | |
CN111054782B (zh) | 一种宽厚板板形检测装置及方法 | |
CN102673106B (zh) | 一种用于光伏太阳能硅片的丝网印刷定位设备及定位方法 | |
CN110458157B (zh) | 一种电力电缆生产过程智能监控*** | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN110298840B (zh) | 一种基于图像的纱线缺陷检测方法 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN109978940B (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN107817044B (zh) | 基于机器视觉的板材振动的测量装置及方法 | |
CN108288065B (zh) | 一种基于图像分析的四轮定位仪检测方法 | |
CN108311545B (zh) | 一种y型轧机连轧对中及孔型检测***及方法 | |
CN110969656B (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN106780483A (zh) | 多根连铸坯端面视觉识别***及中心坐标求取方法 | |
CN117437223B (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN103927749A (zh) | 图像处理方法、装置和自动光学检测机 | |
CN115719339A (zh) | 基于双相机标定的螺栓尺寸高精度测量方法和装置 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测***及方法 | |
CN115861217A (zh) | 一种基于视觉的背光板电路板缺陷检测***及方法 | |
CN115384052A (zh) | 一种智能化的覆膜机自动控制*** | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
CN206281468U (zh) | 一种柱状物体垂直度的非接触式检测装置 | |
CN115575407B (zh) | 一种应用于轨道与隧道的检测方法 |
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 |