CN117291893A - 基于3d图像的轮胎胎面磨损度的检测方法 - Google Patents
基于3d图像的轮胎胎面磨损度的检测方法 Download PDFInfo
- Publication number
- CN117291893A CN117291893A CN202311275309.7A CN202311275309A CN117291893A CN 117291893 A CN117291893 A CN 117291893A CN 202311275309 A CN202311275309 A CN 202311275309A CN 117291893 A CN117291893 A CN 117291893A
- Authority
- CN
- China
- Prior art keywords
- contour
- tread
- tire
- line
- data
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims abstract description 4
- 238000005299 abrasion Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06T7/13—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
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及轮胎磨损检测技术领域,公开了一种基于3D图像的轮胎胎面磨损度的检测方法,包括:相机采集三维图像,获取轮胎的高度数据和灰度数据;逐行提取胎面的轮廓数据,通过特征分析和处理获得完整的胎面轮廓;根据胎面轮廓的凸凹变化特征,将胎面轮廓分割为若干个检测区域;遍历分割出的检测区域,在胎面轮廓上凹坑的两侧区域通过最小二乘法拟合基准线,在胎面轮廓上凹坑的中部位置提取点,计算点与基准线之间的间距获取胎面深度;根据计算所得的胎面深度判断轮胎磨损度。本申请提供了一种基于激光三角测量法的非接触测量、在线实时检测、高稳定性和准确性的胎面磨损检测方法,能很好的克服现有人工检测结果不准确,效率低的现象。
Description
技术领域
本申请涉及轮胎磨损检测技术领域,具体是一种基于3D图像的轮胎胎面磨损度的检测方法。
背景技术
轮胎磨损的检测大多利用一些技术手段获取轮胎胎面各点的深度信息,从而评估分析轮胎的磨损情况。现有的检测方法种类很多,总体可以分为接触式检测和非接触式检测两大类。
接触式检测又称机械检测,其利用机械探针对待测物体进行扫描来完成检测,优点是价格便宜,易操作,但这种方式最大的缺点就是属于抽样检测,不够全面;此外,人工检测会由人为因素给检测精度、检测效率带来不利影响。
非接触式检测相对接触检测的最大优点是避开了与待检测物体接触,使检测方式更为灵活。非接触式机器视觉检测方式直接测量花纹深度,其中激光三角测量法具有良好的稳定性和准确性,但也存在问题,当轮胎出现不规则磨损时,被测区域可能会产生阴影,使得测量产生误差。激光线在磨损的粗糙曲面容易断线,导致中心提取易受影响。
发明内容
本申请的目的在于提供一种基于3D图像的轮胎胎面磨损度的检测方法,以解决上述背景技术中提出的技术问题。
为实现上述目的,本申请公开了以下技术方案:
一种基于3D图像的轮胎胎面磨损度的检测方法,该方法包括以下步骤:
S001:使用激光三角法相机采集三维图像,获取轮胎的高度数据和灰度数据,其中,采集到的轮胎高度图像包括多行轮廓;
S002:逐行提取轮胎胎面的轮廓数据,通过特征分析和处理获得完整的胎面轮廓;
S003:根据轮胎的胎面轮廓的凸凹变化特征,将轮胎的胎面轮廓分割为若干个检测区域;
S004:遍历分割出的检测区域,在胎面轮廓上凹坑的两侧区域通过最小二乘法拟合基准线,在胎面轮廓上凹坑的中部位置提取点,计算提取到的点与该基准线之间的间距获取胎面深度;
S005:根据计算所得的胎面深度判断轮胎磨损度。
作为优选,所述S002具体包括:
S002-1:在轮胎高度图像中随机选择3行轮廓,计算选择的3行轮廓对应的轮廓数据平均值A;
S002-2:逐行读取轮胎高度图像中的每一行轮廓对应的读取数据B;
S002-3:按列比对所述轮廓数据平均值A和每一行轮廓对应的读取数据B;当其中一行轮廓具有轮廓数据平均值A和读取数据B时,将轮廓数据平均值A和读取数据B的平均值作为该行轮廓的轮廓数据;当其中一行轮廓具有读取数据B且不具有轮廓数据平均值A时,将读取数据B作为该行轮廓的轮廓数据,并将该读取数据B作为该行轮廓的轮廓数据平均值A;
S002-4:判断轮胎高度图像中的每一行轮廓是否均具有轮廓数据平均值A,有则输出完整的轮廓线作为该轮胎高度图像对应的轮廓线,否则,通过插值法使每一行轮廓均具有轮廓数据平均值A,并输出插值法处理后的轮廓线作为该轮胎高度图像对应的轮廓线。
作为优选,所述凸凹变化特征包括轮胎胎面对应的轮廓线中的上升拐点和下降拐点。
作为优选,在所述S004中,胎面深度的计算公式为:其中,d为胎面深度,A和B均为最小二乘法中拟合直线的参数,x0为提取到的点的横坐标值,y0为提取到的点的纵坐标值,C为误差补偿值。
作为优选,所述S005具体包括:
将计算获得的胎面深度与胎面深度阈值范围进行比较,获取轮胎磨损度,所述胎面深度阈值范围为基于轮胎磨损度与胎面凹坑深度预设的评价阈值范围。
有益效果:本申请的基于3D图像的轮胎胎面磨损度的检测方法,是一种基于激光三角测量法的非接触测量、在线实时检测、高稳定性和准确性的胎面磨损检测方法,能很好的克服现有人工检测结果不准确,效率低的现象。由于采用了计算所有轮廓的平均轮廓,补偿了现有的激光线断线区域无数据的影响,消除了传统的胎面数据提取中中心提取易受影响的现象,采用了轮胎花纹凹槽两侧凸起进行拟合直线,再计算点到线距离的方法,消除了测量不稳定的现象,提供更先进、可靠的检测结果,具有检测轮胎表面、轮胎轮廓和胎面深度综合检测的功能。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域技术人员来讲,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为本申请实施例中基于3D图像的轮胎胎面磨损度的检测方法的流程框图;
图2为本申请实施例中获取胎面轮廓的流程框图;
图3为本申请实施例中胎面轮廓获取步骤中数据点处理的示意图;
图4为本申请实施例中胎面轮廓获取步骤中不完整轮廓线的示例图;
图5为本申请实施例中胎面轮廓获取步骤中插值处理的示意图;
图6为本申请实施例中检测区域分割示例图。
具体实施方式
下面将对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本公开的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本公开和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本公开的限制。在本文中,术语“包括”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。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
如图1所示的一种基于3D图像的轮胎胎面磨损度的检测方法,该方法包括以下步骤:
S001:使用激光三角法相机采集三维图像,相机可以同时输出轮胎的高度数据和灰度数据,其中,采集到的轮胎高度图像由一行行的轮廓组合而成的,为我们提取和计算轮廓提供了天然的便利性。
S002:逐行提取轮胎胎面的轮廓数据,通过特征分析和处理获得一个完整的胎面轮廓。其中,胎面轮廓的获取,参考图2-5所示,包括以下步骤:
S002-1:在轮胎高度图像中随机选择3行轮廓,计算选择的3行轮廓对应的轮廓数据平均值A;
S002-2:逐行读取轮胎高度图像中的每一行轮廓对应的读取数据B;
S002-3:按列比对所述轮廓数据平均值A和每一行轮廓对应的读取数据B;当其中一行轮廓具有轮廓数据平均值A和读取数据B时,将轮廓数据平均值A和读取数据B的平均值作为该行轮廓的轮廓数据(如图3中的平均点);当其中一行轮廓具有读取数据B且不具有轮廓数据平均值A时,将读取数据B作为该行轮廓的轮廓数据,并将该读取数据B作为该行轮廓的轮廓数据平均值A(如图3中的新增点);
S002-4:判断轮胎高度图像中的每一行轮廓是否均具有轮廓数据平均值A,有则输出完整的轮廓线作为该轮胎高度图像对应的轮廓线,否则,表示当前的轮廓线是断开的,通过插值法使每一行轮廓均具有轮廓数据平均值A,并输出插值法处理后的轮廓线作为该轮胎高度图像对应的轮廓线。
S003:根据轮胎的胎面轮廓的凸凹变化特征,如上升拐点和下降拐点,将轮胎的胎面轮廓分割出若干个检测区域,基于图5,本实施例将轮廓线分割为如图6示出的两个检测区域。
S004:遍历分割出的检测区域,在胎面轮廓上凹坑的两侧区域通过最小二乘法拟合出一条基准线;在胎面轮廓上凹坑的中部位置提取点,利用点到线方法计算提取到的点与该基准线之间的间距作为胎面深度。最小二乘法在拟合线最基本和最常用的方法,其步骤为:设x和y之间的函数关系为:y=Ax+B,其中A、B为拟合直线的参数,x为横坐标,y为纵坐标,此处y代表了提取点的高度值。最小二乘法容易实现,适应性强,在图像处理领域受到广泛的应用。因此,对于本实施例而言,胎面深度的计算公式为:其中,d为胎面深度,A和B均为最小二乘法中拟合直线的参数,x0为提取到的点的横坐标值,y0为提取到的点的纵坐标值,C为误差补偿值。
S005:根据计算所得的深度判断轮胎磨损度,可行的是,在实际操作中,可以将计算获得的胎面深度与胎面深度阈值范围(可以是经验数值范围或者是基于胎面磨损基准手册等获取的数值范围)进行比较,获取轮胎磨损度,所述胎面深度阈值范围为基于轮胎磨损度与胎面凹坑深度预设的评价阈值范围。
基于上述,本实施例的基于3D图像的轮胎胎面磨损度的检测方法,是一种基于激光三角测量法的非接触测量、在线实时检测、高稳定性和准确性的胎面磨损检测方法,能很好的克服现有人工检测结果不准确,效率低的现象。由于采用了计算所有轮廓的平均轮廓,补偿了现有的激光线断线区域无数据的影响,消除了传统的胎面数据提取中中心提取易受影响的现象,采用了轮胎花纹凹槽两侧凸起进行拟合直线,再计算点到线距离的方法,消除了测量不稳定的现象,提供更先进、可靠的检测结果,具有检测轮胎表面、轮胎轮廓和胎面深度综合检测的功能。
在本申请所提供的实施例中,应该理解到,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应说明的是:以上所述仅为本申请的优选实施例而已,并不用于限制本申请,尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (5)
1.一种基于3D图像的轮胎胎面磨损度的检测方法,其特征在于,该方法包括以下步骤:
S001:使用激光三角法相机采集三维图像,获取轮胎的高度数据和灰度数据,其中,采集到的轮胎高度图像包括多行轮廓;
S002:逐行提取轮胎胎面的轮廓数据,通过特征分析和处理获得完整的胎面轮廓;
S003:根据轮胎的胎面轮廓的凸凹变化特征,将轮胎的胎面轮廓分割为若干个检测区域;
S004:遍历分割出的检测区域,在胎面轮廓上凹坑的两侧区域通过最小二乘法拟合基准线,在胎面轮廓上凹坑的中部位置提取点,计算提取到的点与该基准线之间的间距获取胎面深度;
S005:根据计算所得的胎面深度判断轮胎磨损度。
2.根据权利要求1所述的基于3D图像的轮胎胎面磨损度的检测方法,其特征在于,所述S002具体包括:
S002-1:在轮胎高度图像中随机选择3行轮廓,计算选择的3行轮廓对应的轮廓数据平均值A;
S002-2:逐行读取轮胎高度图像中的每一行轮廓对应的读取数据B;
S002-3:按列比对所述轮廓数据平均值A和每一行轮廓对应的读取数据B;当其中一行轮廓具有轮廓数据平均值A和读取数据B时,将轮廓数据平均值A和读取数据B的平均值作为该行轮廓的轮廓数据;当其中一行轮廓具有读取数据B且不具有轮廓数据平均值A时,将读取数据B作为该行轮廓的轮廓数据,并将该读取数据B作为该行轮廓的轮廓数据平均值A;
S002-4:判断轮胎高度图像中的每一行轮廓是否均具有轮廓数据平均值A,有则输出完整的轮廓线作为该轮胎高度图像对应的轮廓线,否则,通过插值法使每一行轮廓均具有轮廓数据平均值A,并输出插值法处理后的轮廓线作为该轮胎高度图像对应的轮廓线。
3.根据权利要求2所述的基于3D图像的轮胎胎面磨损度的检测方法,其特征在于,所述凸凹变化特征包括轮胎胎面对应的轮廓线中的上升拐点和下降拐点。
4.根据权利要求1所述的基于3D图像的轮胎胎面磨损度的检测方法,其特征在于,在所述S004中,胎面深度的计算公式为:其中,d为胎面深度,A和B均为最小二乘法中拟合直线的参数,x0为提取到的点的横坐标值,y0为提取到的点的纵坐标值,C为误差补偿值。
5.根据权利要求1所述的基于3D图像的轮胎胎面磨损度的检测方法,其特征在于,所述S005具体包括:
将计算获得的胎面深度与胎面深度阈值范围进行比较,获取轮胎磨损度,所述胎面深度阈值范围为基于轮胎磨损度与胎面凹坑深度预设的评价阈值范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311275309.7A CN117291893A (zh) | 2023-09-28 | 2023-09-28 | 基于3d图像的轮胎胎面磨损度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311275309.7A CN117291893A (zh) | 2023-09-28 | 2023-09-28 | 基于3d图像的轮胎胎面磨损度的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117291893A true CN117291893A (zh) | 2023-12-26 |
Family
ID=89244081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311275309.7A Pending CN117291893A (zh) | 2023-09-28 | 2023-09-28 | 基于3d图像的轮胎胎面磨损度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117291893A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118096759A (zh) * | 2024-04-26 | 2024-05-28 | 深圳市二郎神视觉科技有限公司 | 检测轮胎花纹图案的方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106802134A (zh) * | 2017-03-15 | 2017-06-06 | 深圳市安车检测股份有限公司 | 一种线结构光机器视觉轮胎磨损测量装置 |
CN106918299A (zh) * | 2017-03-15 | 2017-07-04 | 深圳市安车检测股份有限公司 | 一种线结构光机器视觉轮胎磨损测量方法 |
US9805697B1 (en) * | 2012-06-01 | 2017-10-31 | Hunter Engineering Company | Method for tire tread depth modeling and image annotation |
CN110060240A (zh) * | 2019-04-09 | 2019-07-26 | 南京链和科技有限公司 | 一种基于摄像的轮胎轮廓测量方法 |
US20200062042A1 (en) * | 2016-04-25 | 2020-02-27 | Sigmavision Ltd. | Tread depth measurement |
CN110942460A (zh) * | 2019-12-12 | 2020-03-31 | 湖南省鹰眼在线电子科技有限公司 | 一种轮胎花纹深度测量方法、***及存储介质 |
US20200149997A1 (en) * | 2018-11-12 | 2020-05-14 | Airbus Sas | Method for measuring a level of wear of a tire of a vehicle |
CN115661045A (zh) * | 2022-09-30 | 2023-01-31 | 深圳技术大学 | 汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质 |
-
2023
- 2023-09-28 CN CN202311275309.7A patent/CN117291893A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9805697B1 (en) * | 2012-06-01 | 2017-10-31 | Hunter Engineering Company | Method for tire tread depth modeling and image annotation |
US20200062042A1 (en) * | 2016-04-25 | 2020-02-27 | Sigmavision Ltd. | Tread depth measurement |
CN106802134A (zh) * | 2017-03-15 | 2017-06-06 | 深圳市安车检测股份有限公司 | 一种线结构光机器视觉轮胎磨损测量装置 |
CN106918299A (zh) * | 2017-03-15 | 2017-07-04 | 深圳市安车检测股份有限公司 | 一种线结构光机器视觉轮胎磨损测量方法 |
US20200149997A1 (en) * | 2018-11-12 | 2020-05-14 | Airbus Sas | Method for measuring a level of wear of a tire of a vehicle |
CN110060240A (zh) * | 2019-04-09 | 2019-07-26 | 南京链和科技有限公司 | 一种基于摄像的轮胎轮廓测量方法 |
CN110942460A (zh) * | 2019-12-12 | 2020-03-31 | 湖南省鹰眼在线电子科技有限公司 | 一种轮胎花纹深度测量方法、***及存储介质 |
CN115661045A (zh) * | 2022-09-30 | 2023-01-31 | 深圳技术大学 | 汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118096759A (zh) * | 2024-04-26 | 2024-05-28 | 深圳市二郎神视觉科技有限公司 | 检测轮胎花纹图案的方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108132017B (zh) | 一种基于激光视觉***的平面焊缝特征点提取方法 | |
CN108364280B (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN107633192B (zh) | 一种基于机器视觉的复杂背景下条形码分割与识读方法 | |
CN117237368B (zh) | 一种桥梁裂缝检测方法及*** | |
CN104535586B (zh) | 带钢边部缺陷检测识别方法 | |
CN109658398B (zh) | 一种基于三维测量点云的零件表面缺陷识别与评估方法 | |
CN108960237B (zh) | 一种指针式油位计读数识别方法 | |
CN108613630B (zh) | 基于图像处理技术的两线型管水准器气泡偏移量测量方法 | |
CN111415376B (zh) | 汽车玻璃亚像素轮廓提取方法及汽车玻璃检测方法 | |
CN106643549B (zh) | 一种基于机器视觉的瓷砖尺寸检测方法 | |
CN108592948B (zh) | 一种管水准器气泡偏移量自动测量方法 | |
CN116580021B (zh) | 一种环保混凝土降碳制品生产及质量检测方法 | |
CN116758077B (zh) | 一种冲浪板表面平整度在线检测方法及*** | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN116735612B (zh) | 一种精密电子元器件焊接缺陷检测方法 | |
CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN115082472B (zh) | 一种轮毂模具浇注成型产品的质量检测方法及*** | |
CN110375645B (zh) | 一种字符尺寸检测的方法和装置 | |
CN108876860A (zh) | 一种用于管水准器气泡偏移量测量的图像标定方法 | |
CN110287887A (zh) | 一种刻度识别方法、装置及计算机存储介质 | |
CN113643276A (zh) | 一种基于统计分析的纺织物纹理缺陷自动检测方法 | |
CN108534802A (zh) | 基于图像处理技术的管水准器气泡偏移量测量方法 | |
CN113487722A (zh) | 一种基于三维激光扫描方法的混凝土构件自动化检测方法 | |
CN112085675A (zh) | 深度图像去噪方法、前景分割方法及人体运动监测方法 | |
CN110211178A (zh) | 一种利用投影计算的指针式仪表识别方法 |
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 |