CN108986160A - 一种含有镜面反射光干扰的图像激光中心线提取方法 - Google Patents
一种含有镜面反射光干扰的图像激光中心线提取方法 Download PDFInfo
- Publication number
- CN108986160A CN108986160A CN201810592879.1A CN201810592879A CN108986160A CN 108986160 A CN108986160 A CN 108986160A CN 201810592879 A CN201810592879 A CN 201810592879A CN 108986160 A CN108986160 A CN 108986160A
- Authority
- CN
- China
- Prior art keywords
- laser
- image
- center line
- skeleton
- reflection light
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 13
- 230000004044 response Effects 0.000 claims abstract description 24
- 230000005484 gravity Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 43
- 230000008030 elimination Effects 0.000 claims description 10
- 238000003379 elimination reaction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000003466 welding 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种含有镜面反射光干扰的图像激光中心线提取方法，包括步骤：1、对包含镜面反射光图像进行预处理操作，获取激光亮条纹区域；2、对获取的激光亮条纹区域进行骨架化，获得N组浮空的骨架；3、对所得的N组浮空骨架采用内部剔除算法对支链进行比较和剔除；4、对图像中每一列采用高斯拉普拉斯算子LOG算子计算最大响应位置P；5、将所得的精简骨架和所得的最大响应位置P使用外部剔除算法对不连通及重叠部分骨架进行剔除；6、使用重心法在保留的骨架位置附近进行亚像素位置定位，输出最终激光中心线位置。本发明适应性强，参数调节少，精度高，对具有镜面反射光干扰的图像能够有效的提取激光中心线，大大提高了适用范围。
Description
技术领域
本发明涉及机器视觉领域，具体涉及一种线结构光视觉传感器的含有镜面反射光干扰的激光中心线提取方法。
背景技术
目前随着智能制造的发展，工业应用中，非接触式的结构光视觉传感器应用越来越广泛，在曲面造型加工检测，工件质量检测，焊缝跟踪等领域，结构光视觉传感器已经得到了广泛的应用。采用线结构光方式的视觉传感器，满足激光三角法测量模型，是一种非接触、测量速度快、精度较高的测量方式。激光线照射到被测物体表面，形成光条纹，该光条纹受到被测物体表面几何形状的影响而出现不连续、畸变的现象，这种变化包含了被测物体表面的深度信息。通过对采集的激光条纹图像进行分析，提取出激光条纹的中心线，根据相机与激光器构成的几何模型，就能够计算出激光中线上的点的空间位置，从而获得被测物体表面的结构信息。
目前对激光中心线提取的研究较多，常见方法是采用边缘检测的方式，通过检测图像中的灰度变化获取边缘特征。此种方法容易受到图像中噪声的干扰，特别对于本发明所处理的镜面反射光干扰，采用边缘检测的方式就不适用了。同时对于采用直线检测方式，如Hough直线变换的激光中心线提取方法，由于被测物体表面形状变化，图像中的激光线不再是直线，而是形状各异的曲线，直线检测方式将不再适用。同时还有其他采用理想高斯分布模型的激光中心线提取方法，同样由于被测物体表面形状的变化，使得反射的激光条纹不再满足理想高斯分布，最终会导致提取的中心线精度不高。
上述提到的方法对环境噪声敏感，提取精度有限，对含有镜面反射光的激光条纹图像均不能准确的进行处理。
发明内容
本发明提出一种含有镜面反射光干扰的图像激光中心线提取方法，其目的在于出现镜面反射光干扰的情况下，准确提取出激光中心线，提高结构光视觉传感器的适用范围。
本发明采用的技术方案为：
一种含有镜面反射光干扰的图像激光中心线提取方法，包括如下步骤：
(1)对包含镜面反射光图像进行预处理操作，获取激光亮条纹区域；
(2)对步骤(1)中获取的激光亮条纹区域进行骨架化，获得N组浮空的骨架；
(3)对步骤(2)中所得的N组浮空骨架采用内部剔除算法对支链进行比较和剔除，获得精简的骨架；
(4)对图像中每一列采用高斯拉普拉斯算子LOG算子计算最大响应位置P；
(5)将步骤(3)中所得的精简骨架和步骤(4)中所得的最大响应位置P使用外部剔除算法对不连通及重叠部分骨架进行剔除；
(6)使用重心法在步骤(5)中保留的骨架位置附近进行亚像素位置定位，输出最终激光中心线位置。
进一步地，不同于传统二值化方式，所述步骤(1)采用全局阈值分割粗略提取亮条纹，具体包括步骤：
(11)采用全局阈值分割粗略提取亮条纹，阈值公式如下：
采用的全局阈值方法将像素点强度值Iij大于给定阈值Ie的像素进行保留，而小于给定阈值Ie的像素将其强度置零；
(12)然后针对激光线亮度的不均匀性，使用形态学闭运算对粗提取的亮条纹进行处理，获取较为均匀的激光线区域；
(13)对亮条纹区域进行孔洞填充，便于后续骨架化提取。
进一步地，所述的步骤(2)中，采用一种内接圆法对步骤(1)中获取的亮条纹区域进行骨架化，骨架化操作用腐蚀和开运算表示为：
其中，式中，B是一个结构元，表示对激光亮条纹区域连续k次腐蚀，通过使用结构元B对激光条纹区域连续k次腐蚀，当当前像素位置激光条纹区域只存在单个像素值时则停止腐蚀，根据连通性，最终整个激光条纹区域将通过骨架化变成N组浮空的骨架。
进一步地，所述的结构元B包括圆形、矩形结构元形式。
进一步地，因镜面反射光产生的骨架支链，其光强比原有激光线弱，因此所述步骤(3)具体包括：对产生支链的骨架节点上，计算每条骨架的能量强度，剔除光强低于设定阈值的支链条，组成新的骨架，能量强度计算公式为：
式中，N为某支链的像素总数，n为该支链中灰度值大于给定阈值的像素总数。将连通骨架的支链剔除后，组成新的骨架。
进一步地，所述步骤(4)中，采用LOG算子计算图像每一列像素中的响应最大位置P时，采用一维LOG算子计算响应值，响应E的计算公式如下：
其中，Lw是激光线在列方向上的宽度，单位为像素；点(c,r)是图像坐标系上的一点，I是图像灰度函数；wj是第r+j行像素点计算LOG模版时的权重。
进一步地，所述步骤(5)中采用外部剔除算法对不连通骨架及单列方向的重叠骨架进行剔除的过程具体为：计算步骤(4)中获取的最大响应位置P在相邻两组骨架中出现的频数，频数较大的保留，较小的进行剔除。
进一步地，所述步骤(6)中，采用列像素点灰度重心法对步骤(5)中保留的骨架位置附近进行亚像素级定位，获得精度更高的激光中心线位置，所述列像素点灰度重心法公式为：
其中，r+k是列坐标，是列坐标修正值，是最终的重心位置。将所有中心位置组成数据集合，完成激光中心线的提取工作。
相比现有技术，本发明提供的技术方案能够取得以下有益效果：
(1)本发明采用了全局阈值方式，保留高强度值像素，有利于后续采用LOG算子计算强度响应，采用形态学闭运算除去全局阈值后激光条纹区域出现的孔洞问题；
(2)本发明中采用了腐蚀加闭运算的骨架化操作，将激光条纹区域简化为一系列浮空及含有支链的骨架，便于后续进行处理，简化了数据量；
(3)本发明采用了连通骨架支链的内部剔除算法，该算法能够将一系列细小支链有效的进行剔除；
(4)本发明采用了LOG算子计算单列像素值强度响应及不连续、重叠骨架外部剔除算法，有效的去除了图像中反射光形成的骨架，使得单列图像只存在一个激光中心位置；
(5)本发明采用了列像素灰度重心法的方式获得了更高精度的激光中心线位置。
附图说明
图1本发明实施例的含有反射光干扰下激光中心线提取方法的流程图。
图2含有镜面反射光干扰的激光图。
图3a骨架化结果示意图。
图3b为图3a中A处局部放大示意图。
图4a内部剔除后结果示意图。
图4b为图4a中A处局部放大示意图。
图5外部剔除后结果示意图。
具体实施方式
为了更加详细的说明本发明的实现方式，下面结合附图对本发明做进一步说明。
如图1所示，一种含有镜面反射光干扰的图像激光中心线提取方法，包括如下步骤：
(1)对包含镜面反射光图像进行预处理操作，获取激光亮条纹区域；
(2)对步骤(1)中获取的激光亮条纹区域进行骨架化，获得N组浮空的骨架；
(3)对步骤(2)中所得的N组浮空骨架采用内部剔除算法对支链进行比较和剔除，获得精简的骨架；
(4)对图像中每一列采用高斯拉普拉斯算子LOG算子计算最大响应位置P；
(5)将步骤(3)中所得的精简骨架和步骤(4)中所得的最大响应位置P使用外部剔除算法对不连通及重叠部分骨架进行剔除；
(6)使用重心法在步骤(5)中保留的骨架位置附近进行亚像素位置定位，输出最终激光中心线位置。
具体而言，图1显示的是含有镜面反射光干扰的激光图像，由于被测物体的表面结构，使得激光照射到被测物体表面后出现反射的情况，反射光也被相机捕获到，最终采集得到的图像中可以明显看到激光亮条纹上下均存在反射光的干扰，由于二值化方式采用非零即一的方式，没有保留像素值的变化趋势，因此，不同于传统的二值化方式，所述步骤(1)采用全局阈值分割粗略提取亮条纹，具体包括步骤：
(11)采用全局阈值分割粗略提取亮条纹，阈值公式如下：
采用的全局阈值方法将像素点强度值Iij大于给定阈值Ie的像素进行保留，而小于给定阈值Ie的像素将其强度置零，给定阈值Ie可以有效的保留图像的特征信息，同时能够去除一定的噪声，如此保证了图像中激光条纹的强度信息；
(12)采用阈值分割后，激光亮条纹区域内部会出现锯齿、孔洞等不均匀现象，接着针对激光线亮度的不均匀性，使用形态学闭运算对粗提取的亮条纹进行处理，获取较为均匀的激光线区域；
(13)对亮条纹区域进行孔洞填充，便于后续骨架化提取。
如图3a和3b所示，骨架化是激光条纹细化的方式，对于理想的一段激光条纹，采用内接圆法进行骨架化的方式能够将条纹像素宽度缩短为单个像素，骨架化的过程是对激光条纹区域进行腐蚀操作和闭运算操作的组合，因此，所述的步骤(2)中，采用一种内接圆法对步骤(1)中获取的亮条纹区域进行骨架化，骨架化操作用腐蚀和开运算表示为：
其中，式中，B是一个结构元，表示对激光亮条纹区域连续k次腐蚀，。B结构元可以选择圆形、矩形等结构元形式，通过使用结构元B对激光条纹区域连续k次腐蚀，当当前像素位置激光条纹区域只存在单个像素值时则停止腐蚀，根据连通性，最终整个激光条纹区域将通过骨架化变成N组浮空的骨架。
具体而言，内部剔除算法主要解决单组骨架中存在的支链剔除问题。如图3b的局部视图中出现骨架支链。因镜面反射光产生的骨架支链，其光强比原有激光线弱，依赖于镜面反射产生的反射条纹其强度比原有激光条纹的强度弱的特点，所述步骤(3)具体包括：
对产生支链的骨架节点上，计算每条骨架的能量强度，剔除光强低于设定阈值的支链条，将光强高于设定阈值的支链条组成新的骨架，能量强度计算公式为：
式中，N为某支链的像素总数，n为该支链中灰度值大于给定阈值的像素总数。将连通骨架的支链剔除后，组成新的骨架，图4a和图4b为内部剔除后的结果，连通支链已经成功的剔除。
具体而言，计算图像中每列像素的LOG响应最大位置P，LOG算子是先将图像进行高斯平滑，然后使用拉普拉斯算子获取图像边缘，因此，所述步骤(4)中，采用LOG算子计算图像每一列像素中的响应最大位置P时，采用一维LOG算子对图像中的每一列计算其响应位置，响应E的计算公式如下：
其中，Lw是激光线在列方向上的宽度，单位为像素；点(c,r)是图像坐标系上的一点，I是图像灰度函数；wj是第r+j行像素点计算LOG模版时的权重。计算得到的响应位置基本上是激光中心线位置。
具体而言，外部剔除算法主要解决浮空骨架中出现的不连续骨架、单列方向出现重叠的骨架，如图4a和图4b所示，内部剔除后，还存在较多浮空的不连续骨架，根据激光图像的特点：每一列有且只有一个激光线位置，故需要采用外部剔除算法对重叠骨架进行剔除，即所述步骤(5)中采用外部剔除算法对不连通骨架及单列方向的重叠骨架进行剔除的过程具体为：计算步骤(4)中获取的最大响应位置P在相邻两组骨架Sk和Sk+1各自区域出现的频数Fk、Fk+1，如果Fk>Fk+1，则剔除Sk+1，反之剔除Sk。如图5为外部剔除后的结果示意图。
具体而言，所述步骤(6)中，采用列像素点灰度重心法对步骤(5)中保留的骨架位置附近进行亚像素级定位，获得精度更高的激光中心线位置，所述列像素点灰度重心法公式为：
其中，r+k是列坐标，是列坐标修正值，是最终的重心位置。将所有中心位置组成数据集合，完成激光中心线的提取工作。
本发明采用了多种算法，大大提高了抗干扰能力，不仅适用于普通激光中心线条纹提取，对于具有镜面反射光干扰的图像也具有较强的抗干扰能力，适应性较强、参数调节少，精度高，扩展了结构光视觉传感器应用工作范围，对具有镜面反射光干扰的图像能够有效的提取激光中心线，大大提高了适用范围。
应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做若干改进和润饰，这些改进和润饰也应该视为本发明的保护范围。
Claims (8)
1.一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，包括如下步骤：
(1)对包含镜面反射光图像进行预处理操作，获取激光亮条纹区域；
(2)对步骤(1)中获取的激光亮条纹区域进行骨架化，获得N组浮空的骨架；
(3)对步骤(2)中所得的N组浮空骨架采用内部剔除算法对支链进行比较和剔除，获得精简的骨架；
(4)对图像中每一列采用高斯拉普拉斯算子LOG算子计算最大响应位置P；
(5)将步骤(3)中所得的精简骨架和步骤(4)中所得的最大响应位置P使用外部剔除算法对不连通及重叠部分骨架进行剔除；
(6)使用重心法在步骤(5)中保留的骨架位置附近进行亚像素位置定位，输出最终激光中心线位置。
2.如权利要求1所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，所述步骤(1)采用全局阈值分割粗略提取亮条纹，具体包括步骤：
(11)采用全局阈值分割粗略提取亮条纹，阈值公式如下：
采用的全局阈值方法将像素点强度值Iij大于给定阈值Ie的像素进行保留，而小于给定阈值Ie的像素将其强度置零；
(12)然后针对激光线亮度的不均匀性，使用形态学闭运算对粗提取的亮条纹进行处理，获取较为均匀的激光线区域；
(13)对亮条纹区域进行孔洞填充，便于后续骨架化提取。
3.如权利要求1所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，所述的步骤(2)中，采用一种内接圆法对步骤(1)中获取的亮条纹区域进行骨架化，骨架化操作用腐蚀和开运算表示为：
其中，式中，B是一个结构元，表示对激光亮条纹区域连续k次腐蚀，通过使用结构元B对激光条纹区域连续k次腐蚀，当当前像素位置激光条纹区域只存在单个像素值时则停止腐蚀，根据连通性，最终整个激光条纹区域将通过骨架化变成N组浮空的骨架。
4.如权利要求3所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，所述的结构元B包括圆形、矩形结构元形式。
5.如权利要求1所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，所述步骤(3)具体包括：对产生支链的骨架节点上，计算每条骨架的能量强度，剔除光强低于设定阈值的支链条，组成新的骨架，能量强度计算公式为：
式中，N为某支链的像素总数，n为该支链中灰度值大于给定阈值的像素总数。
6.如权利要求1所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，所述步骤(4)中，采用LOG算子计算图像每一列像素中的响应最大位置P时，采用一维LOG算子计算响应值，响应E的计算公式如下：
其中，Lw是激光线在列方向上的宽度，单位为像素；点(c,r)是图像坐标系上的一点，I是图像灰度函数；wj是第r+j行像素点计算LOG模版时的权重。
7.如权利要求1所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，
所述步骤(5)中采用外部剔除算法对不连通骨架及单列方向的重叠骨架进行剔除的过程具体为：计算步骤(4)中获取的最大响应位置P在相邻两组骨架中出现的频数，频数较大的保留，较小的进行剔除。
8.如权利要求1所述的一种含有镜面反射光干扰的图像激光中心线提取方法，其特征在于，所述步骤(6)中，采用列像素点灰度重心法对步骤(5)中保留的骨架位置附近进行亚像素级定位，获得精度更高的激光中心线位置，所述列像素点灰度重心法公式为：
其中，r+k是列坐标，是列坐标修正值，是最终的重心位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810592879.1A CN108986160A (zh) | 2018-06-11 | 2018-06-11 | 一种含有镜面反射光干扰的图像激光中心线提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810592879.1A CN108986160A (zh) | 2018-06-11 | 2018-06-11 | 一种含有镜面反射光干扰的图像激光中心线提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108986160A true CN108986160A (zh) | 2018-12-11 |
Family
ID=64540151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810592879.1A Pending CN108986160A (zh) | 2018-06-11 | 2018-06-11 | 一种含有镜面反射光干扰的图像激光中心线提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108986160A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533675A (zh) * | 2019-08-26 | 2019-12-03 | 大连理工大学 | 一种激光条纹遮挡噪声滤除及补偿方法 |
| CN112330667A (zh) * | 2020-11-26 | 2021-02-05 | 上海应用技术大学 | 一种基于形态学的激光条纹中心线提取方法 |
| CN112508971A (zh) * | 2020-12-21 | 2021-03-16 | 华南理工大学 | 基于仿真结构光条纹的焊缝定位方法、系统及存储介质 |
| CN112508984A (zh) * | 2020-12-18 | 2021-03-16 | 华南理工大学 | 一种基于配准的图像激光中心线提取方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7324104B1 (en) * | 2001-09-14 | 2008-01-29 | The Research Foundation Of State University Of New York | Method of centerline generation in virtual objects |
| CN103177426A (zh) * | 2013-02-27 | 2013-06-26 | 中南大学 | 一种基于形态学的强干扰激光边缘图像修复方法 |
| CN104657587A (zh) * | 2015-01-08 | 2015-05-27 | 华中科技大学 | 一种激光条纹中心线的提取方法 |
| CN107909571A (zh) * | 2017-11-15 | 2018-04-13 | 广东工业大学 | 一种焊缝图像处理方法、系统、设备及计算机存储介质 |
-
2018
- 2018-06-11 CN CN201810592879.1A patent/CN108986160A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7324104B1 (en) * | 2001-09-14 | 2008-01-29 | The Research Foundation Of State University Of New York | Method of centerline generation in virtual objects |
| CN103177426A (zh) * | 2013-02-27 | 2013-06-26 | 中南大学 | 一种基于形态学的强干扰激光边缘图像修复方法 |
| CN104657587A (zh) * | 2015-01-08 | 2015-05-27 | 华中科技大学 | 一种激光条纹中心线的提取方法 |
| CN107909571A (zh) * | 2017-11-15 | 2018-04-13 | 广东工业大学 | 一种焊缝图像处理方法、系统、设备及计算机存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘国华: "《HALCON数字图像处理》", 31 May 2018 * |
| 刘景辉: "面向非标容器的弧焊机器人结构光视觉纠偏系统设计与研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533675A (zh) * | 2019-08-26 | 2019-12-03 | 大连理工大学 | 一种激光条纹遮挡噪声滤除及补偿方法 |
| CN110533675B (zh) * | 2019-08-26 | 2021-01-19 | 大连理工大学 | 一种激光条纹遮挡噪声滤除及补偿方法 |
| CN112330667A (zh) * | 2020-11-26 | 2021-02-05 | 上海应用技术大学 | 一种基于形态学的激光条纹中心线提取方法 |
| CN112330667B (zh) * | 2020-11-26 | 2023-08-22 | 上海应用技术大学 | 一种基于形态学的激光条纹中心线提取方法 |
| CN112508984A (zh) * | 2020-12-18 | 2021-03-16 | 华南理工大学 | 一种基于配准的图像激光中心线提取方法 |
| CN112508984B (zh) * | 2020-12-18 | 2023-08-18 | 华南理工大学 | 一种基于配准的图像激光中心线提取方法 |
| CN112508971A (zh) * | 2020-12-21 | 2021-03-16 | 华南理工大学 | 基于仿真结构光条纹的焊缝定位方法、系统及存储介质 |
| CN112508971B (zh) * | 2020-12-21 | 2023-08-22 | 华南理工大学 | 基于仿真结构光条纹的焊缝定位方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
| CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
| CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
| CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
| CN108986160A (zh) | 一种含有镜面反射光干扰的图像激光中心线提取方法 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
| CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
| CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
| CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
| CN114252449B (zh) | 一种基于线结构光的铝合金焊缝表面质量检测系统及方法 | |
| CN112508971B (zh) | 基于仿真结构光条纹的焊缝定位方法、系统及存储介质 | |
| CN114037657A (zh) | 一种结合区域生长与环形校正的锂电池极耳缺陷检测方法 | |
| CN116883498A (zh) | 基于灰度质心提取算法的视觉合作靶标特征点定位方法 | |
| Wankhede et al. | A low cost surface strain measurement system using image processing for sheet metal forming applications | |
| CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
| CN104732530A (zh) | 一种图像边缘的检测方法 | |
| CN114066752B (zh) | 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法 | |
| CN112330667B (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
| CN112991327B (zh) | 基于机器视觉的钢格网焊接系统、方法和终端设备 | |
| CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
| Hao et al. | An Image-Based Hairline Crack Identification Method for Metal Parts | |
| Zheng et al. | Measurement of laser welding pool geometry using a closed convex active contour model | |
| CN116579955A (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
| CN113505811A (zh) | 一种轮毂生产用机器视觉成像方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
| RJ01 | Rejection of invention patent application after publication |