CN116580022A - 工件尺寸检测方法、装置、计算机设备及存储介质 - Google Patents
工件尺寸检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116580022A CN116580022A CN202310832048.8A CN202310832048A CN116580022A CN 116580022 A CN116580022 A CN 116580022A CN 202310832048 A CN202310832048 A CN 202310832048A CN 116580022 A CN116580022 A CN 116580022A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- measured
- points
- pixel
- template
- 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 37
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 15
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 19
- 238000000691 measurement method Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了工件尺寸检测方法、装置、计算机设备及存储介质。所述方法包括：采集待测工件影像；对所述待测工件影像进行预处理，以得到预处理结果；根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；对所述提取结果使用亚像素边缘提取方法提取边缘点；将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；根据所述待测工件特征信息计算待测工件尺寸参数。通过实施本发明实施例的方法可实现提高精度更，增强鲁棒性、抗干扰和抗噪声的能力。
Description
技术领域
本发明涉及影像测量方法，更具体地说是指工件尺寸检测方法、装置、计算机设备及存储介质。
背景技术
随着工业化的快速发展，人类对工业生产的要求逐渐增加，对产品质量的要求也越来越高。传统制造业在工件尺寸检测上主要依靠人工测量和手动调整机器的方法，这种方式的测量精度受到操作人员技能和经验的限制，存在人为因素的干扰，容易出现误差；而且人工测量需要耗费大量的时间和人力成本，效率低下；再者，人工测量只能针对单个工件进行检测，无法实现对大批量工件的快速检测和统计。
工业工件尺寸自动测量技术对于工业生产具有重大意义，可以确保产品符合规格要求，避免产品受损或退化，提高生产效率和降低成本，减少废品率，实现不同生产企业之间的互换和通用，提高整个工业领域的效率和竞争力；目前工件尺寸自动测量技术主要可以分为2D影像测量法与3D测量法两种，其中2D影像测量法使用相机或扫描仪对工件进行拍摄或扫描，然后使用利用2D图像处理技术获取待检测尺寸信息；3D测量法一般使用3D相机或者3D激光雷达对工件进行拍摄或扫描，然后利用3D信息获取待检测尺寸信息。相比3D技术，2D图像的主要优势在于成本低、操作简便、快速检测和易于整合等方面。
然而，2D影像测量法的精度受影响因素较多，例如摄像头的分辨率、工件的表面质量、光照条件等，为了保证测量精度对2D测量算法提出了更高的要求。一般来说2D影像测量法是建立在精准的特征点或者待测量点的基础上，只有提取到准确的特征点或者待测量点才能进行下一步的尺寸提取，常用的图像特征点提取方法主要是Harris角点检测、SIFT（尺度不变特征变换，Scale-invariant feature transform）、SURF（加速鲁棒性特征，SpeededUp Robust Features）等特征点提取，但是实际待测点可能不是上述特征点中的一种，所以使用一些特征点提取的方法无法精准的找到想要的特征点或者待测量点。模板匹配是一种常用的计算机视觉技术，可以在图像中查找与给定模板最相似的区域。在提取工件图像的关键点时，可以使用模板匹配来识别工件中重要的特征或形状，模板匹配来提取特征点的方法有NCC（归一化互相关，Normalized cross-correlation），SSD（平方和差，Sum ofSquared Differences）、SAD（绝对值和差，Sum of Absolute Differences），但是，NCC计算复杂度较高；SSD对光照变化等因素较为敏感；SAD对光照变化等因素较为敏感，目前的模板匹配方法无法实现在复杂场景下容易受到噪声和遮挡的影响，使用传统模板匹配算法来完成2D影像测量无法保证其精度。
因此，有必要设计一种新的方法，实现提高精度更，增强鲁棒性、抗干扰和抗噪声的能力。
发明内容
本发明的目的在于克服现有技术的缺陷，提供工件尺寸检测方法、装置、计算机设备及存储介质。
为实现上述目的，本发明采用以下技术方案：工件尺寸检测方法，其特征在于，包括：
采集待测工件影像；
对所述待测工件影像进行预处理，以得到预处理结果；
根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；
对所述提取结果使用亚像素边缘提取方法提取边缘点；
将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；
根据所述待测工件特征信息计算待测工件尺寸参数。
其进一步技术方案为：所述采集待测工件影像之前，还包括：
构建标准模板；
所述标准模板包括感兴趣区域、待测点在模板中的像素坐标值以及感兴趣区域中提取的像素边缘点信息的集合文件。
其进一步技术方案为：所述构建标准模板，包括：
拍摄或扫描标准工件，以得到标准工件影像；
提取所述标准工件影像中的感兴趣区域，以得到模板；
在模板中确定关键特征点的像素坐标，并根据关键特征点的像素坐标确定待测点在标准工件影像中的像素坐标值；
根据待测点在标准工件影像中的像素坐标值以及待测点的实际坐标信息生成尺度因子；
对每个所述模板提取像素边缘点信息，形成像素边缘点信息的集合文件。
其进一步技术方案为：所述对所述待测工件影像进行预处理，以得到预处理结果，包括：
对所述待测工件影像进行去噪、增强、二值化处理，以得到预处理结果。
其进一步技术方案为：所述待测工件特征信息包括待测工件的两个或两个以上的待测点的像素坐标；
将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息，包括：
将所述边缘点与所述标准模板的像素边缘点信息进行ICP配准，得到两个点集之间的刚体变换关系；
根据所述两个点集之间的刚体变换关系将标准模板中的待测点在感兴趣区域中的像素坐标值进行转换，以得到待测工件特征信息。
其进一步技术方案为：所述将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息时，设置距离阈值，基于距离阈值自动滤除干扰物生成的边缘点。
其进一步技术方案为：所述根据所述待测工件特征信息计算待测工件尺寸参数，包括：
根据所述待测工件特征信息定位至所述待测工件的ROI区域；
对待测工件的ROI区域提取亚像素边缘信息；
将所述亚像素边缘信息拟合直线，以得到尺寸测量参考线；
将所述待测工件特征信息投影到所述尺寸测量参考线上，以得到投影后的像素坐标；
计算投影后的像素坐标对应的待测点之间的距离，并使用尺度因子乘以投影后的像素坐标对应的待测点之间的距离，以得到待测工件尺寸参数。
本发明还提供了工件尺寸检测装置，包括：
待测影像采集单元，用于采集待测工件影像；
预处理单元，用于对所述待测工件影像进行预处理，以得到预处理结果；
区域提取单元，用于根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；
边缘点提取单元，用于对所述提取结果使用亚像素边缘提取方法提取边缘点；
匹配单元，用于将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；
计算单元，用于根据所述待测工件特征信息计算待测工件尺寸参数。
本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是：本发明通过采用模板匹配算法提取待测工件的2D影像与标准模板的感兴趣区域对应的区域，并对提取的区域采用亚像素边缘提取方法提取边缘点，将边缘点与标准模板的像素边缘点信息进行ICP匹配，并依据匹配的结果进行尺寸参数计算，实现提高精度更，增强鲁棒性、抗干扰和抗噪声的能力。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1为本发明实施例提供的工件尺寸检测方法的应用场景示意图；
图2为本发明实施例提供的工件尺寸检测方法的流程示意图；
图3为本发明实施例提供的工件尺寸检测方法的子流程示意图；
图4为本发明实施例提供的工件尺寸检测方法的子流程示意图；
图5为本发明另一实施例提供的工件尺寸检测方法的流程示意图；
图6为本发明另一实施例提供的工件尺寸检测方法的子流程示意图；
图7为本发明实施例提供的工件尺寸检测装置的示意性框图；
图8为本发明实施例提供的工件尺寸检测装置的匹配单元的示意性框图；
图9为本发明实施例提供的工件尺寸检测装置的计算单元的示意性框图；
图10为本发明另一实施例提供的工件尺寸检测装置的示意性框图；
图11为本发明另一实施例提供的工件尺寸检测装置的构建单元的示意性框图；
图12为本发明实施例提供的计算机设备的示意性框图；
图13为本发明实施例提供的标准工件的示意图；
图14为本发明实施例提供的标准工件影像的示意图；
图15为本发明实施例提供的标准工件影像中感兴趣区域一的示意图；
图16为本发明实施例提供的标准工件影像中感兴趣区域二的示意图；
图17为本发明实施例提供的标准工件影像中感兴趣区域一的像素坐标值的示意图；
图18为本发明实施例提供的标准工件影像中感兴趣区域二的像素坐标值的示意图；
图19为本发明实施例提供的标准工件影像中感兴趣区域一的像素边缘点信息的示意图；
图20为本发明实施例提供的标准工件影像中感兴趣区域二的像素边缘点信息的示意图；
图21为本发明实施例提供的待测工件影像对的感兴趣区域示意图；
图22为本发明实施例提供的定位后的待测工件的ROI区域的示意图；
图23为本发明实施例提供的尺寸测量参考线的示意图；
图24为本发明实施例提供的干扰物生成的边缘点的示意图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1和图2，图1为本发明实施例提供的工件尺寸检测方法的应用场景示意图。图2为本发明实施例提供的工件尺寸检测方法的示意性流程图。该工件尺寸检测方法应用于服务器中。该服务器与相机或扫描仪进行数据交互，实现利用相机或扫描仪对待测工件进行拍摄或扫描，形成待测工件影像，并由服务器对该待测工件影像进行预处理，采用模板匹配算法提取与标准模板对应的ROI（感兴趣，region of interest）区域，且采用亚像素边缘提取方法提取边缘点，并进行ICP（迭代最近点，Iterative Closest Point）匹配，由匹配结果计算工件尺寸参数，结合亚像素边缘强化的模板匹配算法来完成2D影像测量，相比传统模板匹配算法其精度更高、鲁棒性更强、抗干扰和噪声更强。
图2是本发明实施例提供的工件尺寸检测方法的流程示意图。如图2所示，该方法包括以下步骤S110至S160。
S110、采集待测工件影像。
在本实施例中，待测工件影像是利用相机或扫描仪对待测工件进行拍摄或扫描形成的2D影像。
S120、对所述待测工件影像进行预处理，以得到预处理结果。
在本实施例中，预处理结果是指对影像进行更加准确提取工件特征的手段处理之后形成的影像。
具体地，对所述待测工件影像进行去噪、增强、二值化处理，以得到预处理结果。
对影像进行去噪、增强、二值化处理，属于现有技术，此处不再赘述。
S130、根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果。
在本实施例中，提取结果是指预处理结果中与标准模板对应的感兴趣区域对应的区域，如图21所示。
使用模板匹配方式提取预处理结果中与标准模板对应的感兴趣区域对应的区域，属于现有技术，此处不再赘述。
S140、对所述提取结果使用亚像素边缘提取方法提取边缘点。
在本实施例中，边缘点是指提取结果的像素边缘点。
采用亚像素边缘提取方法提取像素边缘点的方式属于现有技术，此处不再赘述。
S150、将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息。
在本实施例中，所述待测工件特征信息包括待测工件的两个或两个以上的待测点的像素坐标。
对边缘点与对应模板的像素边缘点信息进行ICP匹配，从而提取出精确的工件特征。
在一实施例中，请参阅图3，上述的步骤S150可包括步骤S151~ S152。
S151、将所述边缘点与所述标准模板的像素边缘点信息进行ICP配准，得到两个点集之间的刚体变换关系。
在本实施例中，两个点集之间的刚体变换关系是指待测工件上的边缘点与标准模板内的像素边缘点信息采用ICP配准之后形成的两者之间的刚性变换矩阵。
具体地，设置距离阈值，基于距离阈值自动滤除干扰物生成的边缘点。
S152、根据所述两个点集之间的刚体变换关系将标准模板中的待测点在感兴趣区域中的像素坐标值进行转换，以得到待测工件特征信息。
在本实施例中，迭代最近点算法是点云中配准中常用技术，采用迭代的思想，并在每一次迭代中分别搜索两点云的对应点以及计算点云之间的刚性变换矩阵。在迭代最近点算法中，有两个点云，其中一个目标点云A（标准模板的像素边缘点信息），另一个为参考点云B（当前采集的待测工件影像识别出的区域提取亚像素的边缘点），ICP算法的目的是为了算出一个最优的刚性变换和/>使得变换后的点云A能与B达到最精确的匹配，其中/>代表旋转矩阵，/>代表平移向量，当公式右边值到达最小时的R和t即为所求的/>和/>。；；ICP需要反复执行以下两步直至收敛：第一步，计算A点集与B点集之间的匹配点对；第二步，根据前一步得到的匹配对计算出A点集与B点集之间的转换矩阵，并对A点集按已求转换矩阵进行变换。
按照上述的方式检测出采集待测工件影像中两个或两个以上的待测点的像素坐标，即可根据工件的具体情况以及尺度因子λ完成相应的尺寸测量。
S160、根据所述待测工件特征信息计算待测工件尺寸参数。
在一实施例中，请参阅图4，上述的步骤S160可包括步骤S161~ S165。
S161、根据所述待测工件特征信息定位至所述待测工件的ROI区域。
在本实施例中，由两个待测点坐标便可构建所述待测工件的ROI区域，根据两个待测点坐标选取一个基准区域，将该区域的顶面作为基准线，将两个点投射到这条线上，以计算尺寸，如图22所示。。
S162、对待测工件的ROI区域提取亚像素边缘信息。
在本实施例中，采用亚像素边缘点提取技术对待测工件的ROI区域提取亚像素边缘信息。
S163、将所述亚像素边缘信息拟合直线，以得到尺寸测量参考线。
在本实施例中，根据亚像素边缘信息对应的边缘点拟合成一条直线，以该直线作为尺寸测量参考线，如图23所示。
S164、将所述待测工件特征信息投影到所述尺寸测量参考线上，以得到投影后的像素坐标；
S165、计算投影后的像素坐标对应的待测点之间的距离，并使用尺度因子乘以投影后的像素坐标对应的待测点之间的距离，以得到待测工件尺寸参数。
在本实施例中，将提取出的两个待测点的像素坐标投影到该尺寸测量参考线上，得到两个投影后的像素坐标，计算两个投影后两点之间的距离值distance_1（像素坐标系下），使用尺度因子λ乘以距离值distance_pixel，得到欧氏空间下的距离值distance_2，distance_2即为需要测量的尺寸信息，也就是待测工件尺寸参数。
在实际测量过程中，由于待测工件上可能吸附的一些毛絮或者干扰物会在图像中显示出来，如果这些杂物刚好出现在待检测区域附近，这样的情况传统模板匹配算法中干扰物的像素会参与到算法匹配中，识别的精度收到明显的影响。本实施例的方法在传统模板匹配算法识别的基础上对识别的ROI区域进一步提取亚像素边缘信息，利用亚像素边缘信息与模板数据库的边缘点集文件进行ICP配准，ICP配准针对的是特征更加明显的边缘点，对于干扰物生成的边缘点在ICP配准中在寻求最近匹配点时会被距离阈值自动滤除，这个距离阈值是因为干扰物生成的边缘点总的来说会离真正模板的边缘点都比较远而存在，那么真正参与最后匹配的边缘点集中没有了干扰点，那么匹配的精度也就不受影响，从而提高了整体识别的精度，其中干扰物生成的边缘点如图24所示。
上述的工件尺寸检测方法，通过采用模板匹配算法提取待测工件的2D影像与标准模板的感兴趣区域对应的区域，并对提取的区域采用亚像素边缘提取方法提取边缘点，将边缘点与标准模板的像素边缘点信息进行ICP匹配，并依据匹配的结果进行尺寸参数计算，实现提高精度更，增强鲁棒性、抗干扰和抗噪声的能力。
图5是本发明另一实施例提供的一种工件尺寸检测方法的流程示意图。如图5所示，本实施例的工件尺寸检测方法包括步骤S210-S270。其中步骤S220-S270与上述实施例中的步骤S110-S160类似，在此不再赘述。下面详细说明本实施例中所增加的步骤S210。
S210、构建标准模板。
在本实施例中，所述标准模板包括感兴趣区域、待测点在模板中的像素坐标值以及感兴趣区域中提取的像素边缘点信息的集合文件。
在一实施例中，请参阅图6，上述的步骤S210可包括步骤S211~ S215。
S211、拍摄或扫描标准工件，以得到标准工件影像。
在本实施例中，挑选出一个良品工件，如图13所示，确保其外表面无脏污，将该工件放置测量场景即环境配置确保与实际工作时一致中完成工件的拍摄，获取工件的清晰照片I，如图14所示，该照片I就是标准工件影像。
S212、提取所述标准工件影像中的感兴趣区域，以得到模板。
在本实施例中，从照片I中人工截取一个或多个包含标准工件待测点的感兴趣区域，在本实施例中，只选取两个感兴趣区域，于其他实施例中，不局限于两个，可以有任意个，如图15和图16所示。
S213、在模板中确定关键特征点的像素坐标，并根据关键特征点的像素坐标确定待测点在标准工件影像中的像素坐标值。
在本实施例中，从每个感兴趣区域中通过人工缩放等操作找到待测点在感兴趣区域中的像素坐标，并结合感兴趣区域在整体相片中的位置计算待测点在整体相片中的像素坐标值，如图17和图18所示。
S214、根据待测点在标准工件影像中的像素坐标值以及待测点的实际坐标信息生成尺度因子。
在本实施例中，有了两个及以上待测点在整体图像上的像素坐标，结合使用精密测量工具测量出工件上述待测点的坐标信息，即可完成像素坐标与实际尺寸信息转换的尺度因子λ，从而完成两个尺寸之间的标定。
S215、对每个所述模板提取像素边缘点信息，形成像素边缘点信息的集合文件。
在本实施例中，可采用亚像素边缘点提取技术对上述每个感兴趣区域提取亚像素边缘信息，如图19和图20所示。
图7是本发明实施例提供的一种工件尺寸检测装置300的示意性框图。如图7所示，对应于以上工件尺寸检测方法，本发明还提供一种工件尺寸检测装置300。该工件尺寸检测装置300包括用于执行上述工件尺寸检测方法的单元，该装置可以被配置于服务器中。具体地，请参阅图7，该工件尺寸检测装置300包括待测影像采集单元302、预处理单元303、区域提取单元304、边缘点提取单元305、匹配单元306以及计算单元307。
待测影像采集单元302，用于采集待测工件影像；预处理单元303，用于对所述待测工件影像进行预处理，以得到预处理结果；区域提取单元304，用于根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；边缘点提取单元305，用于对所述提取结果使用亚像素边缘提取方法提取边缘点；匹配单元306，用于将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息，具体地，设置距离阈值，基于距离阈值自动滤除干扰物生成的边缘点；计算单元307，用于根据所述待测工件特征信息计算待测工件尺寸参数。
在一实施例中，所述预处理单元303，用于对所述待测工件影像进行去噪、增强、二值化处理，以得到预处理结果。
在一实施例中，如图8所示，所述匹配单元306包括配准子单元3061以及转换子单元3062。
配准子单元3061，用于将所述边缘点与所述标准模板的像素边缘点信息进行ICP配准，得到两个点集之间的刚体变换关系；转换子单元3062，用于根据所述两个点集之间的刚体变换关系将标准模板中的待测点在感兴趣区域中的像素坐标值进行转换，以得到待测工件特征信息。
在一实施例中，如图9所示，所述计算单元307包括定位子单元3071、边缘信息提取子单元3072、拟合子单元3073、投影子单元3074以及距离计算子单元3075。
定位子单元3071，用于根据所述待测工件特征信息定位至所述待测工件的ROI区域；边缘信息提取子单元3072，用于对待测工件的ROI区域提取亚像素边缘信息；拟合子单元3073，用于将所述亚像素边缘信息拟合直线，以得到尺寸测量参考线；投影子单元3074，用于将所述待测工件特征信息投影到所述尺寸测量参考线上，以得到投影后的像素坐标；距离计算子单元3075，用于计算投影后的像素坐标对应的待测点之间的距离，并使用尺度因子乘以投影后的像素坐标对应的待测点之间的距离，以得到待测工件尺寸参数。
图10是本发明另一实施例提供的一种工件尺寸检测装置300的示意性框图。如图10所示，本实施例的工件尺寸检测装置300是上述实施例的基础上增加了构建单元301。
构建单元301，用于构建标准模板。
在一实施例中，如图11所示，所述构建单元301包括标准工件扫描子单元3011、区域提取子单元3012、坐标确定子单元3013、因子生成子单元3014以及文件形成子单元3015。
标准工件扫描子单元3011，用于拍摄或扫描标准工件，以得到标准工件影像；区域提取子单元3012，用于提取所述标准工件影像中的感兴趣区域，以得到模板；坐标确定子单元3013，用于在模板中确定关键特征点的像素坐标，并根据关键特征点的像素坐标确定待测点在标准工件影像中的像素坐标值；因子生成子单元3014，用于根据待测点在标准工件影像中的像素坐标值以及待测点的实际坐标信息生成尺度因子；文件形成子单元3015，用于对每个所述模板提取像素边缘点信息，形成像素边缘点信息的集合文件。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述工件尺寸检测装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述工件尺寸检测装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图12所示的计算机设备上运行。
请参阅图12，图12是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图12，该计算机设备500包括通过***总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种工件尺寸检测方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种工件尺寸检测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
采集待测工件影像；对所述待测工件影像进行预处理，以得到预处理结果；根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；对所述提取结果使用亚像素边缘提取方法提取边缘点；将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；根据所述待测工件特征信息计算待测工件尺寸参数。
其中，所述待测工件特征信息包括待测工件的两个或两个以上的待测点的像素坐标。
在一实施例中，处理器502在实现所述采集待测工件影像步骤之前，还实现如下步骤：
构建标准模板。
其中，所述标准模板包括感兴趣区域、待测点在模板中的像素坐标值以及感兴趣区域中提取的像素边缘点信息的集合文件。
在一实施例中，处理器502在实现所述构建标准模板步骤时，具体实现如下步骤：
拍摄或扫描标准工件，以得到标准工件影像；提取所述标准工件影像中的感兴趣区域，以得到模板；在模板中确定关键特征点的像素坐标，并根据关键特征点的像素坐标确定待测点在标准工件影像中的像素坐标值；根据待测点在标准工件影像中的像素坐标值以及待测点的实际坐标信息生成尺度因子；对每个所述模板提取像素边缘点信息，形成像素边缘点信息的集合文件。
在一实施例中，处理器502在实现所述对所述待测工件影像进行预处理，以得到预处理结果步骤时，具体实现如下步骤：
对所述待测工件影像进行去噪、增强、二值化处理，以得到预处理结果。
在一实施例中，处理器502在实现所述将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息步骤时，具体实现如下步骤：
将所述边缘点与所述标准模板的像素边缘点信息进行ICP配准，得到两个点集之间的刚体变换关系；根据所述两个点集之间的刚体变换关系将标准模板中的待测点在感兴趣区域中的像素坐标值进行转换，以得到待测工件特征信息。
在一实施例中，处理器502在实现所述将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息步骤时，具体实现如下步骤：
设置距离阈值，基于距离阈值自动滤除干扰物生成的边缘点。
在一实施例中，处理器502在实现所述根据所述待测工件特征信息计算待测工件尺寸参数步骤时，具体实现如下步骤：
根据所述待测工件特征信息定位至所述待测工件的ROI区域；对待测工件的ROI区域提取亚像素边缘信息；将所述亚像素边缘信息拟合直线，以得到尺寸测量参考线；将所述待测工件特征信息投影到所述尺寸测量参考线上，以得到投影后的像素坐标；计算投影后的像素坐标对应的待测点之间的距离，并使用尺度因子乘以投影后的像素坐标对应的待测点之间的距离，以得到待测工件尺寸参数。
应当理解，在本申请实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：
采集待测工件影像；对所述待测工件影像进行预处理，以得到预处理结果；根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；对所述提取结果使用亚像素边缘提取方法提取边缘点；将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；根据所述待测工件特征信息计算待测工件尺寸参数。
其中，所述待测工件特征信息包括待测工件的两个或两个以上的待测点的像素坐标。
在一实施例中，所述处理器在执行所述计算机程序而实现所述采集待测工件影像步骤之前，还实现如下步骤：
构建标准模板。
其中，所述标准模板包括感兴趣区域、待测点在模板中的像素坐标值以及感兴趣区域中提取的像素边缘点信息的集合文件。
在一实施例中，所述处理器在执行所述计算机程序而实现所述构建标准模板步骤时，具体实现如下步骤：
拍摄或扫描标准工件，以得到标准工件影像；提取所述标准工件影像中的感兴趣区域，以得到模板；在模板中确定关键特征点的像素坐标，并根据关键特征点的像素坐标确定待测点在标准工件影像中的像素坐标值；根据待测点在标准工件影像中的像素坐标值以及待测点的实际坐标信息生成尺度因子；对每个所述模板提取像素边缘点信息，形成像素边缘点信息的集合文件。
在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述待测工件影像进行预处理，以得到预处理结果步骤时，具体实现如下步骤：
对所述待测工件影像进行去噪、增强、二值化处理，以得到预处理结果。
在一实施例中，所述处理器在执行所述计算机程序而实现所述将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息步骤时，具体实现如下步骤：
将所述边缘点与所述标准模板的像素边缘点信息进行ICP配准，得到两个点集之间的刚体变换关系；根据所述两个点集之间的刚体变换关系将标准模板中的待测点在感兴趣区域中的像素坐标值进行转换，以得到待测工件特征信息。
在一实施例中，所述处理器在执行所述计算机程序而实现所述将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息步骤时，具体实现如下步骤：
设置距离阈值，基于距离阈值自动滤除干扰物生成的边缘点。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述待测工件特征信息计算待测工件尺寸参数步骤时，具体实现如下步骤：
根据所述待测工件特征信息定位至所述待测工件的ROI区域；对待测工件的ROI区域提取亚像素边缘信息；将所述亚像素边缘信息拟合直线，以得到尺寸测量参考线；将所述待测工件特征信息投影到所述尺寸测量参考线上，以得到投影后的像素坐标；计算投影后的像素坐标对应的待测点之间的距离，并使用尺度因子乘以投影后的像素坐标对应的待测点之间的距离，以得到待测工件尺寸参数。
所述存储介质可以是U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，终端，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.工件尺寸检测方法，其特征在于，包括：
采集待测工件影像；
对所述待测工件影像进行预处理，以得到预处理结果；
根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；
对所述提取结果使用亚像素边缘提取方法提取边缘点；
将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；
根据所述待测工件特征信息计算待测工件尺寸参数。
2.根据权利要求1所述的工件尺寸检测方法，其特征在于，所述采集待测工件影像之前，还包括：
构建标准模板；所述标准模板包括感兴趣区域、待测点在模板中的像素坐标值以及感兴趣区域中提取的像素边缘点信息的集合文件。
3.根据权利要求2所述的工件尺寸检测方法，其特征在于，所述构建标准模板，包括：
拍摄或扫描标准工件，以得到标准工件影像；
提取所述标准工件影像中的感兴趣区域，以得到模板；
在模板中确定关键特征点的像素坐标，并根据关键特征点的像素坐标确定待测点在标准工件影像中的像素坐标值；
根据待测点在标准工件影像中的像素坐标值以及待测点的实际坐标信息生成尺度因子；
对每个所述模板提取像素边缘点信息，形成像素边缘点信息的集合文件。
4.根据权利要求1至3任一项所述的工件尺寸检测方法，其特征在于，所述对所述待测工件影像进行预处理，以得到预处理结果，包括：
对所述待测工件影像进行去噪、增强、二值化处理，以得到预处理结果。
5.根据权利要求4所述的工件尺寸检测方法，其特征在于，所述待测工件特征信息包括待测工件的两个或两个以上的待测点的像素坐标；
将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息，包括：
将所述边缘点与所述标准模板的像素边缘点信息进行ICP配准，得到两个点集之间的刚体变换关系；
根据所述两个点集之间的刚体变换关系将标准模板中的待测点在感兴趣区域中的像素坐标值进行转换，以得到待测工件特征信息。
6.根据权利要求5所述的工件尺寸检测方法，其特征在于，所述将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息时，设置距离阈值，基于距离阈值自动滤除干扰物生成的边缘点。
7.根据权利要求6所述的工件尺寸检测方法，其特征在于，所述根据所述待测工件特征信息计算待测工件尺寸参数，包括：
根据所述待测工件特征信息定位至所述待测工件的ROI区域；
对待测工件的ROI区域提取亚像素边缘信息；
将所述亚像素边缘信息拟合直线，以得到尺寸测量参考线；
将所述待测工件特征信息投影到所述尺寸测量参考线上，以得到投影后的像素坐标；
计算投影后的像素坐标对应的待测点之间的距离，并使用尺度因子乘以投影后的像素坐标对应的待测点之间的距离，以得到待测工件尺寸参数。
8.工件尺寸检测装置，其特征在于，包括：
待测影像采集单元，用于采集待测工件影像；
预处理单元，用于对所述待测工件影像进行预处理，以得到预处理结果；
区域提取单元，用于根据所述预处理结果采用模板匹配算法提取与标准模板的感兴趣区域对应的区域，以得到提取结果；
边缘点提取单元，用于对所述提取结果使用亚像素边缘提取方法提取边缘点；
匹配单元，用于将所述边缘点与所述标准模板的像素边缘点信息进行ICP匹配，以得到待测工件特征信息；
计算单元，用于根据所述待测工件特征信息计算待测工件尺寸参数。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310832048.8A CN116580022B (zh) | 2023-07-07 | 2023-07-07 | 工件尺寸检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310832048.8A CN116580022B (zh) | 2023-07-07 | 2023-07-07 | 工件尺寸检测方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116580022A true CN116580022A (zh) | 2023-08-11 |
| CN116580022B CN116580022B (zh) | 2023-09-29 |
Family
ID=87543437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310832048.8A Active CN116580022B (zh) | 2023-07-07 | 2023-07-07 | 工件尺寸检测方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116580022B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477685A (zh) * | 2009-01-15 | 2009-07-08 | 西安交通大学 | 具有景深零件加工质量的亚像素级图像检测方法 |
| CN103292701A (zh) * | 2013-06-24 | 2013-09-11 | 哈尔滨工业大学 | 基于机器视觉的精密器件在线尺寸测量方法 |
| EP2985565A1 (en) * | 2013-03-27 | 2016-02-17 | Nikon Corporation | Shape measurement device, structure production system, shape measurement method, structure production method, and shape measurement program |
| CN105403146A (zh) * | 2015-11-05 | 2016-03-16 | 上海卓易科技股份有限公司 | 一种测量物体尺寸的方法、***及智能终端 |
| CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
| CN110136120A (zh) * | 2019-05-16 | 2019-08-16 | 燕山大学 | 一种基于机器视觉的丝网印刷样板尺寸测量方法 |
| US20200250895A1 (en) * | 2019-02-01 | 2020-08-06 | Olympus Corporation | Measurement method, measurement device, and recording medium |
| CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
| CN114331995A (zh) * | 2021-12-24 | 2022-04-12 | 无锡超通智能制造技术研究院有限公司 | 一种基于改进2d-icp的多模板匹配实时定位方法 |
| CN114897864A (zh) * | 2022-05-27 | 2022-08-12 | 中国科学院重庆绿色智能技术研究院 | 基于数模信息的工件检测及缺陷判断方法 |
| CN115599844A (zh) * | 2022-11-10 | 2023-01-13 | 西安交通大学（Cn） | 一种飞机翼面连接件错装漏装可视化检测方法 |
-
2023
- 2023-07-07 CN CN202310832048.8A patent/CN116580022B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477685A (zh) * | 2009-01-15 | 2009-07-08 | 西安交通大学 | 具有景深零件加工质量的亚像素级图像检测方法 |
| EP2985565A1 (en) * | 2013-03-27 | 2016-02-17 | Nikon Corporation | Shape measurement device, structure production system, shape measurement method, structure production method, and shape measurement program |
| CN103292701A (zh) * | 2013-06-24 | 2013-09-11 | 哈尔滨工业大学 | 基于机器视觉的精密器件在线尺寸测量方法 |
| CN105403146A (zh) * | 2015-11-05 | 2016-03-16 | 上海卓易科技股份有限公司 | 一种测量物体尺寸的方法、***及智能终端 |
| US20200250895A1 (en) * | 2019-02-01 | 2020-08-06 | Olympus Corporation | Measurement method, measurement device, and recording medium |
| CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
| CN110136120A (zh) * | 2019-05-16 | 2019-08-16 | 燕山大学 | 一种基于机器视觉的丝网印刷样板尺寸测量方法 |
| CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
| CN114331995A (zh) * | 2021-12-24 | 2022-04-12 | 无锡超通智能制造技术研究院有限公司 | 一种基于改进2d-icp的多模板匹配实时定位方法 |
| CN114897864A (zh) * | 2022-05-27 | 2022-08-12 | 中国科学院重庆绿色智能技术研究院 | 基于数模信息的工件检测及缺陷判断方法 |
| CN115599844A (zh) * | 2022-11-10 | 2023-01-13 | 西安交通大学（Cn） | 一种飞机翼面连接件错装漏装可视化检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| JING MIN等: "Measurement method of screw thread geometric error based on machine vision", 《MEASUREMENT AND CONTROL》, vol. 51, pages 304 - 310 * |
| P.A.BELAN等: "Segmentation-free approaches of computer vision for automatic calibration of digital and analog instruments", 《MEASUREMENT》, vol. 46, no. 1, pages 177 - 184 * |
| 杨文东等: "基于视觉的电机换向器外观质量检测技术研究", 《万方数据库》, pages 9 - 50 * |
| 赵朝朝等: "改进Canny算子下的工件尺寸测量", 《电子测量与仪器学报》, vol. 36, no. 8, pages 52 - 59 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116580022B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443836B (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
| CN106981077B (zh) | 基于dce和lss的红外图像和可见光图像配准方法 | |
| JP6899189B2 (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
| CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
| CN105718931B (zh) | 用于确定采集图像中的杂斑的***和方法 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN108257153B (zh) | 一种基于方向梯度统计特征的目标跟踪方法 | |
| CN111950554A (zh) | 一种身份证识别方法、装置、设备及存储介质 | |
| CN109671084B (zh) | 一种工件形状的测量方法 | |
| CN116977341B (zh) | 一种尺寸测量方法及相关装置 | |
| CN116503567B (zh) | 基于ai大数据的智慧建模管理*** | |
| CN116580022B (zh) | 工件尺寸检测方法、装置、计算机设备及存储介质 | |
| CN110751690B (zh) | 铣床刀头视觉定位方法 | |
| CN113362221A (zh) | 用于门禁的人脸识别***与人脸识别方法 | |
| CN107886530A (zh) | 一种改进的基于sift特征的图像配准算法 | |
| CN112801141A (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
| CN116645418A (zh) | 基于2d和3d相机的屏幕按钮检测方法、装置及其相关介质 | |
| CN116721156A (zh) | 工件位置定位方法、装置、计算机设备及存储介质 | |
| CN111667429A (zh) | 一种巡检机器人目标定位校正方法 | |
| CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
| CN110599510A (zh) | 一种图片特征提取方法 | |
| CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
| CN113592953B (zh) | 一种基于特征点集的双目非合作目标位姿测量方法 | |
| CN111630569A (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 | |
| CN114049304A (zh) | 一种3d光栅检测方法、装置、计算机设备及可读存储介质 |
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 |