CN114842091B - 一种双目鸡蛋尺寸流水线测定方法 - Google Patents

一种双目鸡蛋尺寸流水线测定方法 Download PDF

Info

Publication number
CN114842091B
CN114842091B CN202210472714.7A CN202210472714A CN114842091B CN 114842091 B CN114842091 B CN 114842091B CN 202210472714 A CN202210472714 A CN 202210472714A CN 114842091 B CN114842091 B CN 114842091B
Authority
CN
China
Prior art keywords
egg
setting
binocular
test
image
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
CN202210472714.7A
Other languages
English (en)
Other versions
CN114842091A (zh
Inventor
李金漳
徐圣兵
王振友
蔡晓权
邱昕宇
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210472714.7A priority Critical patent/CN114842091B/zh
Publication of CN114842091A publication Critical patent/CN114842091A/zh
Application granted granted Critical
Publication of CN114842091B publication Critical patent/CN114842091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/30204—Marker
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及双目鸡蛋尺寸测定技术领域，且公开了一种双目鸡蛋尺寸流水线测定方法，包括以下步骤：S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，在测试盒上设置两个相机；S2：设置相机参数，利用15‑20张标准棋盘纸相片对其进行标定训练，标定相机***的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸。本发明通过设置两个相机能够实现双目多目标，实现批量对多个目标的同步测量，时间成本低，效率高，克服单目摄像缺乏三维重建损失部分重要信息，提高测定精准度。

Description

一种双目鸡蛋尺寸流水线测定方法
技术领域
本发明涉及双目鸡蛋尺寸测定技术领域，具体为一种双目鸡蛋尺寸流水线测定方法。
背景技术
一批鸡蛋的尺寸分布是表征鸡蛋品质特征的方法之一，而其离散程度则可以量化该批鸡蛋的品质和类别。在目前，行业中缺乏一种简单有效的鸡蛋尺寸非侵入式测算的方法和设备，一般依靠人工经验判断一批鸡蛋的品质和类别，因此存在主观性强、费用高、耗时、经济效益低等一系列问题。
目前通过机器视觉技术进行的鸡蛋尺寸的检测方法，主要通过采集群体鸡蛋的图像、提取鸡蛋的尺寸特征、获得鸡蛋的长半轴和短半轴，然后利用像素面积表征鸡蛋的长短轴、计算出鸡蛋的蛋形指数，利用线性回归分析技术，以获取鸡蛋尺寸和投影成像之间的关系，从而达到检测群体鸡蛋尺寸的目标。但该类方法普遍采用单目摄像头单目标测量模式，无法实现批量目标的同步测量，从而具有测量成本过高、效率低、精度不足等情况，无法适应批量流水线鸡蛋多视角同步检测的需求。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种双目鸡蛋尺寸流水线测定方法，解决了单目摄像头单目标测量模式无法在无标定点的情况下实现批量目标的同步测量、测量成本过高、效率低、无法适应批量流水线鸡蛋多视角同步检测等缺点，从而达到成本低、高效的测量需求。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：
一种双目鸡蛋尺寸流水线测定方法，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，在测试盒上设置两个相机；
S2：设置相机参数，利用15-20张标准棋盘纸相片对其进行标定训练，标定相机***的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，fl为左目相机的焦距，fr为右目相机的焦距；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为***的去畸变系数，t1,t2为右目图像的去畸变系数；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，
Figure BDA0003623568950000021
代表像坐标原点的像素坐标，左目变换公式为
Figure BDA0003623568950000022
右目变换公式为/>
Figure BDA0003623568950000023
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得2N张图像，将左目图像进行命名为i(i＝0,1,2,…,N-1)，右目图像命名为j(j＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)，右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标
Figure BDA0003623568950000031
与/>
Figure BDA0003623568950000032
S8：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像：
Figure BDA0003623568950000033
Figure BDA0003623568950000034
求解鸡蛋的短半轴r以下引入公式其求解方法如下：(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)＝0，引入解的检验
Figure BDA0003623568950000035
由检验式得以下标准公式
Figure BDA0003623568950000036
以下引入两条方程对鸡蛋的短半轴r进行求算：
Figure BDA0003623568950000037
Figure BDA0003623568950000038
对上述的方程进行求解获得鸡蛋的短半轴r。
作为本发明再进一步的方案，所述S1中检测装置中配备有合适的光照***，两个相机架设在检测装置的中线的两个端点。
进一步的，所述S1中机器视觉技术使用的摄像头像素应该不小于2592*1944，装置固定于传送带上，检测***封装测试后不得对***再次做出改变。
在前述方案的基础上，S4中矫正公式为，
Figure BDA0003623568950000041
根据计算公式进行去畸变操作获得理想图像。
进一步的，所述S2中两个相机的dx和dy保持一致。
在前述方案的基础上，所述S1中包括传送带和测试盒，所述传送带穿过测试盒，所述传送带的上表面设有测试托盘，所述测试盒的上表面设有两个摄像头。
(三)有益效果
与现有技术相比，本发明提供了一种双目鸡蛋尺寸流水线测定方法，具备以下有益效果：
1、本发明中，通过设定参数可以在流水线上快速测定鸡蛋的尺寸，效率高，速度快，设计背景和使用的方法都较为成熟，计算和识别的速度快。
2、本发明中，通过设置两个相机能够实现双目多目标，实现批量对多个目标的同步测量，时间成本低，效率高，克服单目摄像缺乏三维重建损失部分重要信息，提高测定精准度。
3、本发明中，检测盒配备有光强适宜的光照***，提高图片采集时的清晰度，包装测试盒的颜色选定为跟鸡蛋色差较大的黑色，与鸡蛋颜色对比度明显，再次提高图片的清晰度。
4、本发明中，通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型。
附图说明
图1为本发明提出的一种双目鸡蛋尺寸流水线测定方法的流程结构示意图；
图2为本发明提出的一种双目鸡蛋尺寸流水线测定方法的相机坐标系到像坐标系结构示意图；
图3为本发明提出的一种双目鸡蛋尺寸流水线测定方法的像坐标系到像素坐标系结构示意图；
图4为本发明提出的一种双目鸡蛋尺寸流水线测定方法的局部硬件结构示意图。
图中：1、摄像头；2、测试盒；3、测试托盘；4、传送带。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参照图1-4，一种双目鸡蛋尺寸流水线测定方法，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，在测试盒上设置两个相机，通过设置两个相机能够实现双目多目标，实现批量对多个目标的同步测量，时间成本低，效率高，克服单目摄像缺乏三维重建损失部分重要信息，提高测定精准度；
S2：设置相机参数，利用16张标准棋盘纸相片对其进行标定训练，标定相机***的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，fl为左目相机的焦距，fr为右目相机的焦距，通过设定参数可以在流水线上快速测定鸡蛋的尺寸，效率高，速度快，设计背景和使用的方法都较为成熟，计算和识别的速度快；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为***的去畸变系数，t1,t2为右目图像的去畸变系数；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，
Figure BDA0003623568950000061
代表像坐标原点的像素坐标，左目变换公式为
Figure BDA0003623568950000062
右目变换公式为/>
Figure BDA0003623568950000063
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得2N张图像，将左目图像进行命名为i(i＝0,1,2,…,N-1)，右目图像命名为j(j＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)，右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标
Figure BDA0003623568950000064
与/>
Figure BDA0003623568950000065
S8：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像：
Figure BDA0003623568950000066
Figure BDA0003623568950000071
求解鸡蛋的短半轴r以下引入公式其求解方法如下：(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)＝0，引入解的检验
Figure BDA0003623568950000072
由检验式得以下标准公式
Figure BDA0003623568950000073
以下引入两条方程对鸡蛋的短半轴r进行求算：
Figure BDA0003623568950000074
Figure BDA0003623568950000075
对上述的方程进行求解获得鸡蛋的短半轴r，通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型。
需要特别说明的是，S1中检测装置中配备有合适的光照***，两个相机架设在检测装置的中线的两个端点，检测盒配备有光强适宜的光照***，提高图片采集时的清晰度，包装测试盒的颜色选定为跟鸡蛋色差较大的黑色，与鸡蛋颜色对比度明显，再次提高图片的清晰度，S1中机器视觉技术使用的摄像头像素应该不小于2592*1944，装置固定于传送带上，检测***封装测试后不得对***再次做出改变，S4中矫正公式为，
Figure BDA0003623568950000076
根据计算公式进行去畸变操作获得理想图像，S2中两个相机的dx和dy保持一致，S1中包括传送带4和测试盒2，所述传送带4穿过测试盒2，所述传送带4的上表面设有测试托盘3，所述测试盒2的上表面设有两个摄像头1。
实施例2
参照图1-4，一种双目鸡蛋尺寸流水线测定方法，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，在测试盒上设置两个相机，通过设置两个相机能够实现双目多目标，实现批量对多个目标的同步测量，时间成本低，效率高，克服单目摄像缺乏三维重建损失部分重要信息，提高测定精准度；
S2：设置相机参数，利用20张标准棋盘纸相片对其进行标定训练，标定相机***的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，fl为左目相机的焦距，fr为右目相机的焦距，通过设定参数可以在流水线上快速测定鸡蛋的尺寸，效率高，速度快，设计背景和使用的方法都较为成熟，计算和识别的速度快；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为***的去畸变系数，t1,t2为右目图像的去畸变系数；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，
Figure BDA0003623568950000081
代表像坐标原点的像素坐标，左目变换公式为
Figure BDA0003623568950000082
右目变换公式为/>
Figure BDA0003623568950000091
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得2N张图像，将左目图像进行命名为i(i＝0,1,2,…,N-1)，右目图像命名为j(j＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)，右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标
Figure BDA0003623568950000092
与/>
Figure BDA0003623568950000093
S8：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像：
Figure BDA0003623568950000094
Figure BDA0003623568950000095
求解鸡蛋的短半轴r以下引入公式其求解方法如下：(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)＝0，引入解的检验
Figure BDA0003623568950000096
由检验式得以下标准公式
Figure BDA0003623568950000097
以下引入两条方程对鸡蛋的短半轴r进行求算：
Figure BDA0003623568950000098
Figure BDA0003623568950000099
对上述的方程进行求解获得鸡蛋的短半轴r，通过获取拍摄到的图片利用图片去畸变、图片分割，测定鸡蛋的在图像中的影长，运用机器视觉方法构建坐标还原体系，建立特殊位置的鸡蛋尺寸还原测定模型。
需要特别说明的是，S1中检测装置中配备有合适的光照***，两个相机架设在检测装置的中线的两个端点，检测盒配备有光强适宜的光照***，提高图片采集时的清晰度，包装测试盒的颜色选定为跟鸡蛋色差较大的黑色，与鸡蛋颜色对比度明显，再次提高图片的清晰度，S1中机器视觉技术使用的摄像头像素为2600*1980，装置固定于传送带上，检测***封装测试后不得对***再次做出改变，S4中矫正公式为，
Figure BDA0003623568950000101
根据计算公式进行去畸变操作获得理想图像，S2中两个相机的dx和dy保持一致，S1中包括传送带4和测试盒2，所述传送带4穿过测试盒2，所述传送带4的上表面设有测试托盘3，所述测试盒2的上表面设有两个摄像头1。
在该文中的描述中，需要说明的是，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种双目鸡蛋尺寸流水线测定方法，其特征在于，包括以下步骤：
S1：标定测试装置，设定测试盒尺寸为m行，每行k个鸡蛋，测试盒的长度为L宽度为D，测试盒整体为黑色，在测试盒中的每个预留位留下一行白色像素点,固长为l，在测试盒上设置两个相机；
S2：设置相机参数，利用15-20张标准棋盘纸相片对其进行标定训练，标定相机***的畸变系数k1,k2和右目的畸变系数t1,t2和内参dx表示u方向每个像素的物理尺寸，dy表示v方向上每个像素的物理尺寸，fl为左目相机的焦距，fr为右目相机的焦距；
S3：获取原始数据，将鸡蛋整齐码放在测试盒上，每个测试盒之间距离为d，并随传送带运动进入测试盒中，传送带速度不高于v0，进入测试盒中停留t0用标定好的两个相机分别拍摄鸡蛋图片获取原始数据并转换为像素坐标矩阵存储；
S4：数据输入矫正，(u,v)代表理想无畸变的像素坐标，(u',v')代表实际径向畸变下的像素做标，(u0,v0)代表理想无畸变的图像主点，(u1,v1)代表实际径像畸变的图像主点，k1,k2为***的去畸变系数，t1,t2为右目图像的去畸变系数；
S5：构建坐标变换，构建畸变后像素坐标和世界坐标的关系，其中(xw,yw,zw)为世界坐标，(xc,yc,zc)为相机坐标，
Figure FDA0003623568940000011
代表像坐标原点的像素坐标，左目变换公式为
Figure FDA0003623568940000012
右目变换公式为/>
Figure FDA0003623568940000013
S6：图像分割，将图像按照鸡蛋的个数N进行等分，获得2N张图像，将左目图像进行命名为i(i＝0,1,2,…,N-1)，右目图像命名为j(j＝0,1,2,…,N-1)；
S7：边缘点提取，使用最小矩形算法获得鸡蛋的最小外接矩形，识别获得左目图像的鸡蛋长轴的两个端点F1、E1的理想像素坐标(uf,vf)与(ue,ve)，右目图像的鸡蛋长轴的两个端点F2、E2的理想像素坐标
Figure FDA0003623568940000021
与/>
Figure FDA0003623568940000022
S8：构建鸡蛋尺寸还原模型，使用边缘识别获得鸡蛋的轮廓，对于鸡蛋的分布和投影情况都可以抽象为以下的基准情况即鸡蛋在不同位置的投影成像：
Figure FDA0003623568940000023
Figure FDA0003623568940000024
求解鸡蛋的短半轴r以下引入公式其求解方法如下：(k3 2-k2 2)x0 2+2(k3k2+1)(k2-k3)bx0+b(k2 2-k3 2)＝0，引入解的检验
Figure FDA0003623568940000025
由检验式得以下标准公式
Figure FDA0003623568940000026
以下引入两条方程对鸡蛋的短半轴r进行求算：
Figure FDA0003623568940000027
/>
Figure FDA0003623568940000028
对上述的方程进行求解获得鸡蛋的短半轴r。
2.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中检测装置中配备有合适的光照***，两个相机架设在检测装置的中线的两个端点。
3.根据权利要求2所述的一种双目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中机器视觉技术使用的摄像头像素应该不小于2592*1944，装置固定于传送带上，检测***封装测试后不得对***再次做出改变。
4.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法，其特征在于，所述S4中矫正公式为，
Figure FDA0003623568940000031
根据计算公式进行去畸变操作获得理想图像。
5.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法，其特征在于，所述S2中两个相机的dx和dy保持一致。
6.根据权利要求1所述的一种双目鸡蛋尺寸流水线测定方法，其特征在于，所述S1中包括传送带(4)和测试盒(2)，所述传送带(4)穿过测试盒(2)，所述传送带(4)的上表面设有测试托盘(3)，所述测试盒(2)的上表面设有两个摄像头(1)。
CN202210472714.7A 2022-04-29 2022-04-29 一种双目鸡蛋尺寸流水线测定方法 Active CN114842091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210472714.7A CN114842091B (zh) 2022-04-29 2022-04-29 一种双目鸡蛋尺寸流水线测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210472714.7A CN114842091B (zh) 2022-04-29 2022-04-29 一种双目鸡蛋尺寸流水线测定方法

Publications (2)

Publication Number Publication Date
CN114842091A CN114842091A (zh) 2022-08-02
CN114842091B true CN114842091B (zh) 2023-05-23

Family

ID=82568715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210472714.7A Active CN114842091B (zh) 2022-04-29 2022-04-29 一种双目鸡蛋尺寸流水线测定方法

Country Status (1)

Country Link
CN (1) CN114842091B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115810041B (zh) * 2023-01-10 2023-06-16 佛山光之瞳电子科技有限公司 一种基于多摄像头视觉的线缆尺寸检测方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358631A (zh) * 2017-06-27 2017-11-17 大连理工大学 一种虑及三维畸变的双目视觉重建方法
CN114119739A (zh) * 2021-10-22 2022-03-01 北京航空航天大学杭州创新研究院 一种基于双目视觉的手部关键点空间坐标获取方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2289416C (en) * 1998-11-16 2005-02-15 Peter Lea Device and method for analyzing a biologic sample
CN104330041A (zh) * 2014-09-30 2015-02-04 中铁山桥集团有限公司 一种道岔钢轨件钻孔尺寸的测量方法
WO2017172518A1 (en) * 2016-03-29 2017-10-05 Stcube, Inc. Dual function antibodies specific to glycosylated pd-l1 and methods of use thereof
CN107144241B (zh) * 2017-06-09 2019-01-01 大连理工大学 一种基于景深补偿的双目视觉高精度测量方法
CN107588721A (zh) * 2017-08-28 2018-01-16 武汉科技大学 一种基于双目视觉的零件多尺寸的测量方法及***
CN108267104A (zh) * 2018-01-22 2018-07-10 浙江大学 一种基于双目视觉的轴类零件半径尺寸测量方法
CN110285793B (zh) * 2019-07-08 2020-05-15 中原工学院 一种基于双目立体视觉***的车辆智能测轨迹方法
US11178375B1 (en) * 2019-10-21 2021-11-16 Snap Inc. Input parameter based image waves
CN113052905B (zh) * 2021-03-31 2022-07-19 中国人民解放军63920部队 基于双目逆投影变换的圆形目标位姿测量方法和装置
CN113963054A (zh) * 2021-10-25 2022-01-21 上海影谱科技有限公司 一种基于双目相机的智能快递箱尺寸测量方法及***
CN114255286B (zh) * 2022-02-28 2022-05-13 常州罗博斯特机器人有限公司 一种多视角双目视觉感知的目标尺寸测量方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358631A (zh) * 2017-06-27 2017-11-17 大连理工大学 一种虑及三维畸变的双目视觉重建方法
CN114119739A (zh) * 2021-10-22 2022-03-01 北京航空航天大学杭州创新研究院 一种基于双目视觉的手部关键点空间坐标获取方法

Also Published As

Publication number Publication date
CN114842091A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN111260788B (zh) 一种基于双目视觉的配电柜开关状态识别方法
CN112233067A (zh) 一种热轧钢卷端面质量检测方法及***
CN114842091B (zh) 一种双目鸡蛋尺寸流水线测定方法
CN105608671A (zh) 一种基于surf算法的图像拼接方法
CN107478657A (zh) 基于机器视觉的不锈钢表面缺陷检测方法
CN107869954B (zh) 一种双目视觉体积重量测量***及其实现方法
CN112161997B (zh) 半导体芯片管脚三维几何尺寸的在线精密视觉测量方法及***
CN108090896B (zh) 木板平整度检测及其机器学习方法、装置及电子设备
CN110889829A (zh) 一种基于鱼眼镜头的单目测距方法
CN114241031A (zh) 基于双视角融合的鱼类体尺测量和体重预测的方法及装置
CN103644852A (zh) 一种镜片膜厚度自动检测***
CN113077392A (zh) 一种针对指针表模糊照片的高准确度自动读数方法
CN110503623A (zh) 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法
CN107860322A (zh) 一种液膜厚度测量装置及方法
CN107358628A (zh) 基于靶标的线阵图像处理方法
CN113313047A (zh) 一种基于车道结构先验的车道线检测方法及***
CN111325803B (zh) 一种评估双目相机内外参与时间同步的标定的方法
CN115330684A (zh) 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法
CN113409450B (zh) 一种包含rgbdt信息的鸡只三维重建方法
CN114722914A (zh) 基于双目视觉和语义分割网络的大田环境障碍物检测方法
CN110136105B (zh) 一种基于方差和平滑度的同一内容图像的清晰度评价方法
CN114897784B (zh) 一种单目鸡蛋尺寸流水线测定方法
CN116205993A (zh) 一种用于3d aoi的双远心镜头高精度标定方法
CN110956640B (zh) 一种异源图像边缘点检测与配准方法
CN112396572B (zh) 基于特征增强和高斯金字塔的复合绝缘子双光融合方法

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