CN117073543B - 双旋转平面度量测机的外观测量方法、装置及设备 - Google Patents
双旋转平面度量测机的外观测量方法、装置及设备 Download PDFInfo
- Publication number
- CN117073543B CN117073543B CN202311338308.2A CN202311338308A CN117073543B CN 117073543 B CN117073543 B CN 117073543B CN 202311338308 A CN202311338308 A CN 202311338308A CN 117073543 B CN117073543 B CN 117073543B
- Authority
- CN
- China
- Prior art keywords
- product
- axis
- measurement
- model
- appearance
- 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
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 151
- 238000000034 method Methods 0.000 claims abstract description 40
- 210000005036 nerve Anatomy 0.000 claims abstract description 26
- 241000208199 Buxus sempervirens Species 0.000 claims description 28
- 230000009977 dual effect Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 16
- 230000001537 neural effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012800 visualization 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- 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
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
-
- 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
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种双旋转平面度量测机的外观测量方法、装置及设备，识别产品是否放置于测量工位；若是，则通过摄像单元，在X轴和R轴上采集产品的图像信息；生成测量坐标系，并基于测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以生成与图像信息等比对应的产品虚拟模型；将产品虚拟模型输入至包围盒神经模型中，以通过包围盒神经模型生成关联产品虚拟模型的外观参数接口；基于外观参数接口，获取并识别待测量参数信息，通过待测量参数信息在包围盒神经模型中调取对应的外观测量数据；通过双旋转平面度量测机和图像处理技术实现高精度、自动化、可扩展的产品外观测量，提供准确的测量数据和快速的测量过程。
Description
技术领域
本发明涉及产品外观测量技术领域，特别涉及一种双旋转平面度量测机的外观测量方法、装置及设备。
背景技术
在3C检测领域中，其检测主要是关注对产品的质量、安全性和符合性进行检测和评估，而产品的外观评估也是一重要因素，外观测量是指对产品外观的尺寸、形状、材质、颜色等进行测量和评估的过程，外观测量在3C检测领域中非常重要，因为产品的外观直接关系到用户的使用体验和产品的市场竞争力。
现有一种双旋转平面度量测机，其采用摄像头对产品的外观进行采集以及测量，但也存在以下不利之处：
测量精度限制：摄像头的分辨率和测量算法对测量精度有一定影响。摄像头的分辨率决定了它能够捕捉到的细节程度，因此可能会有一些小细节在测量中被忽略或无法准确测量。
光照和反射影响：摄像头对外观的采集受光照和反射的影响。如果产品表面反射光线较多或存在不均匀光照条件，可能会导致测量结果的不准确性。除非控制这些因素，否则会对测量结果产生干扰。
速度限制：如果产品的外观测量需要大量的图像采集和处理，这可能会导致测量速度较慢。尤其是在生产线上，需要高效的测量和分析过程。如果测量速度不足，可能会对生产效率产生负面影响。
适用范围限制：这种双旋转平面度量测机可能只针对特定类型的产品进行测量，对于形状复杂或非平面的产品可能不适用。这会限制其应用领域，而在其他类型的产品上可能需要其他测量方法。
发明内容
本发明的主要目的为提供一种双旋转平面度量测机的外观测量方法、装置及设备，通过双旋转平面度量测机和图像处理技术实现高精度、自动化、可扩展的产品外观测量，提供准确的测量数据和快速的测量过程。
为实现上述目的，本发明提供了一种双旋转平面度量测机的外观测量方法，包括步骤：
识别待测量的产品是否放置于预设定的测量工位上；
若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；
生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；
将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；
基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据。
进一步地，通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息的步骤，包括：
指令所述摄像单元在X轴上往复移动，并在所述的往复移动下获取R轴向下转动采集到的各个图像；
基于X轴的移动点位和R轴的转动角度，对各个图像进行标注；
通过所述的标注确定各个图像的相对量，以基于所述相对量将各个所述图像进行无缝且等比的拼接，构成所述图像信息。
进一步地，通过所述的标注确定各个图像的相对量的步骤，包括：
在X轴上铺设若干X轴标定点，采用所述的若干X轴标定点感应摄像单元的移动点位；
获取各个图像的过程中，记录与各个图像对应的X轴标定点以及R轴转动角度，并将各个图像与对应的各个X轴标定点以及R轴转动角度进行关联；
选定一个图像及其对应的X轴标定点和R轴转动角度作为参照信息，确定出其余各个图像基于所述参照信息的相对信息，得到各个图像的相对量。
进一步地，生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息的步骤，包括：
定位摄像单元的摄像起始点、和定位所述测量工位上的一个产品放置点；
基于所述产品放置点生成绝对测量坐标系，以及基于所述摄像起始点生成相对测量坐标系/>；
识别产品放置于所述绝对测量坐标系上的绝对坐标点位；
获取受移动的相对测量坐标系随X轴移动所采集产品的相对坐标点位；
将各个所述绝对坐标点位与各个相对坐标点位一一对标，得到与产品对应的虚拟点位；
基于产品的所述虚拟点位，生成测量坐标系，所述测量坐标系xyz携带绝对坐标点位和相对坐标点位对应的绝对要素信息和相对要素信息。
进一步地，通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型的步骤，包括：
基于所述测量坐标系上的绝对要素信息和相对要素信息，进行所述虚拟点位的点线相连，生成产品的线体产品模型；
从所述图像信息中进行取色，并对所述线体产品模型进行附色，以生成所述产品虚拟模型。
进一步地，将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口的步骤中，所述包围盒神经模型生成外观参数接口的方法，包括：
获取所述产品虚拟模型，并基于产品虚拟模型构生成若干对应的包围盒；
确定若干个所述包围盒的重叠区域，以通过所述重叠区域构建包围盒树状结构，所述包围盒树状结构为利用产品虚拟模型中的相交线，以基于相交线将产品虚拟模型的所有线段进行平铺得到的树状结构；
基于所述包围盒树状结构对所述产品虚拟模型进行模型分隔，得到各个产品子模型，并对各个所述产品子模型进行测量，得到各个产品子模型的测量数值，并将各个所述测量数值加载于包围盒树状结构上；
通过所述包围盒树状结构创建外观参数接口。
进一步地，基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据的步骤，包括：
获取待测量参数信息，并识别待测量参数信息中的外观测量子项；
将所述外观测量子项对标包围盒树状结构中的一项或多线分枝；
通过所述的包围盒树状结构中的一项或多线分枝，确定出对应的所述产品子模型，并输出所述产品子模型对应的外观测量数据，其中所述外观测量数据包括长宽高数值以及色彩数值。
本发明还提出一种双旋转平面度量测机的外观测量装置，包括：
识别单元，用于识别待测量的产品是否放置于预设定的测量工位上；
采集单元，用于若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；
模型单元，用于生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；
接口单元，用于将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；
调用单元，用于基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述双旋转平面度量测机的外观测量方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的双旋转平面度量测机的外观测量方法的步骤。
本发明提供的双旋转平面度量测机的外观测量方法、装置及设备，具有以下有益效果：
高精度测量：通过双旋转平面度量测机的外观测量方法，结合摄像单元和图像处理技术，可以实现对产品外观的高精度测量。这种方法利用图像信息和测量坐标系生成产品的虚拟模型，并在包围盒神经模型中生成外观参数接口，可以提供准确的外观测量数据。
自动化和高效性：该方案利用双旋转平面度量测机上的摄像单元和自动化操作步骤，实现了对产品外观的快速测量。通过自动化的图像采集、分析和处理过程，可以提高测量的效率，节省人力资源，并在生产线上实现快速的外观测量。
可扩展性和适用性：该方案可以适用于不同类型的产品，只需对测量坐标系进行调整和配置即可。通过设置X轴和R轴的移动和旋转参数，可以适应不同产品的尺寸和形状，提供灵活的测量方案。
综合测量数据：该方案利用包围盒神经模型和相对要素信息，可以获取产品的多个测量参数，如长宽高以及色彩数值。这种综合测量方法可以提供更全面和详细的产品外观测量数据，为后续的分析和决策提供支持。
附图说明
图1是本发明一实施例中双旋转平面度量测机的外观测量方法的流程示意图；
图2是本发明一实施例中双旋转平面度量测机的外观测量装置的结构框图；
图3是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1为本发明提出的一种双旋转平面度量测机的外观测量方法的流程示意图，方法包括步骤：
S1，识别待测量的产品是否放置于预设定的测量工位上；
S2，若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；
S3，生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；
S4，将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；
S5，基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据。
具体的，首先，需要设置一个测量工位，确保待测产品放置在预设定的位置上。为了采集产品的图像信息，选择适合的摄像单元设置于双旋转平面度量测机上。在测量时，摄像单元应该位于产品上方，以向下采集图像。双旋转平面度量测机需要具备X轴和R轴，分别用于水平方向移动和纵向方向旋转。将摄像单元与双旋转平面度量测机连接，并设置X轴和R轴的移动和旋转参数。通过调整这些参数，可以适应不同产品的尺寸和形状。在测量过程中，摄像单元将采集产品的图像信息，并将其传输至图像处理系统进行处理和分析。基于所采集到的图像信息和设定的测量坐标系，使用图像处理技术生成产品的虚拟模型。这个虚拟模型可以根据测量坐标系上的绝对要素信息和相对要素信息与图像信息等比对应，以反映产品的外观特征。将生成的虚拟模型输入到包围盒神经模型中，该模型可以根据虚拟模型生成与图像信息相关的外观参数接口。基于外观参数接口，获取感兴趣的待测量参数信息。通过将这些参数信息在包围盒神经模型中调取，获得对应的外观测量数据。
上述的包围盒神经模型为利用像素包围盒技术训练的神经网络模型。
在一个实施例中，通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息的步骤，包括：
指令所述摄像单元在X轴上往复移动，并在所述的往复移动下获取R轴向下转动采集到的各个图像；
基于X轴的移动点位和R轴的转动角度，对各个图像进行标注；
通过所述的标注确定各个图像的相对量，以基于所述相对量将各个所述图像进行无缝且等比的拼接，构成所述图像信息。
在具体实施时：
摄像单元的X轴往复移动和R轴向下转动：根据指令，在X轴上设置往复移动的点位，并在这个移动过程中连续采集R轴向下转动所对应的各个图像。这个步骤通过确保移动范围的覆盖和采集间隔的控制，可以获取到产品在不同位置和角度下的图像。
图像标注：基于X轴的移动点位和R轴的转动角度，对采集到的各个图像进行标注。这些标注可以用于后续的图像处理和分析，以确定图像之间的相对位置和角度关系。
图像拼接：通过对标注过的图像进行处理，将它们进行无缝且等比的拼接，以构成完整的图像信息。这个步骤可以通过图像处理算法和技术，例如图像配准和图像融合等方法，将各个图像拼接成一个整体，并确保它们在拼接后仍然保持原始图像的比例和准确性。
在一个实施例中，通过所述的标注确定各个图像的相对量的步骤，包括：
在X轴上铺设若干X轴标定点，采用所述的若干X轴标定点感应摄像单元的移动点位；
获取各个图像的过程中，记录与各个图像对应的X轴标定点以及R轴转动角度，并将各个图像与对应的各个X轴标定点以及R轴转动角度进行关联；
选定一个图像及其对应的X轴标定点和R轴转动角度作为参照信息，确定出其余各个图像基于所述参照信息的相对信息，得到各个图像的相对量。
在具体实施时，在X轴上设置若干个标定点，这些标定点可以是事先确定的固定位置，用于作为图像相对量的参照点。这些X轴标定点将被用于感应摄像单元的移动点位。在获取各个图像的过程中，记录每个图像所对应的X轴标定点和R轴转动角度。这些记录将用于建立各个图像与特定X轴标定点和R轴转动角度之间的关联。从所采集到的图像中选择一个作为参照图像，并确定其对应的X轴标定点和R轴转动角度。这个参照图像将作为基准，用于计算其他图像的相对信息。基于选定的参照图像及其对应的X轴标定点和R轴转动角度，通过比较其他图像与参照图像的X轴标定点和R轴转动角度，可以确定其他图像相对于参照图像的相对量。这个相对量可以包括图像之间的平移距离和旋转角度等信息。
在一个实施例中，生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息的步骤，包括：
定位摄像单元的摄像起始点、和定位所述测量工位上的一个产品放置点；
基于所述产品放置点生成绝对测量坐标系，以及基于所述摄像起始点生成相对测量坐标系/>；
识别产品放置于所述绝对测量坐标系上的绝对坐标点位；
获取受移动的相对测量坐标系随X轴移动所采集产品的相对坐标点位；
将各个所述绝对坐标点位与各个相对坐标点位一一对标，得到与产品对应的虚拟点位；
基于产品的所述虚拟点位，生成测量坐标系，所述测量坐标系xyz携带绝对坐标点位和相对坐标点位对应的绝对要素信息和相对要素信息。
在具体实施的过程中，
定位摄像单元和产品放置点：确定摄像单元的摄像起始点和测量工位上一个用于放置产品的点。这些信息将用于后续的坐标系生成和点位识别。
生成绝对测量坐标系：基于产品放置点，生成一个绝对测量坐标系。这个坐标系将作为参照，确定产品的绝对坐标点位。绝对测量坐标系是指以固定的参考点或参考线为基准建立的坐标系，用于确定物体在空间中的位置和姿态。在本实施例中，绝对测量坐标系由产品放置点确定，通过识别产品放置在该点上的绝对坐标点位来建立。
生成相对测量坐标系：基于摄像起始点，生成一个相对测量坐标系。这个坐标系将与产品的移动相对应，用于获取相对坐标点位。相对测量坐标系是指以摄像起始点作为参考点或参考线建立的坐标系，用于确定物体在该坐标系中的位置和姿态的变化。在本实施例中，相对测量坐标系由摄像起始点确定，通过移动摄像单元X轴方向采集产品的相对坐标点位来建立。
识别产品的绝对坐标点位：通过识别产品放置在绝对测量坐标系上的绝对坐标点位，可以确定产品在测量工位上的具体位置。
获取相对坐标点位：通过移动摄像单元和产品在X轴上的移动，获取相对测量坐标系随X轴移动而采集的产品的相对坐标点位。
对标绝对坐标和相对坐标点位：将各个绝对坐标点位与对应的相对坐标点位相匹配，得到与产品对应的虚拟点位。这些点位将代表产品的位置和几何特征。
生成测量坐标系：基于产品的虚拟点位，生成一个包含绝对要素和相对要素信息的测量坐标系。该坐标系将携带产品的几何特征和测量数据，用于进行后续的测量分析和决策。
在一个实施例中，通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型的步骤，包括：
基于所述测量坐标系上的绝对要素信息和相对要素信息，进行所述虚拟点位的点线相连，生成产品的线体产品模型；
从所述图像信息中进行取色，并对所述线体产品模型进行附色，以生成所述产品虚拟模型。
在具体的过程中，
线体产品模型生成：根据测量坐标系上的绝对要素信息和相对要素信息，将虚拟点位进行点线相连，并生成产品的线体产品模型。这个线体产品模型将准确反映出产品的几何形状和外观特征。
取色和附色：从图像信息中进行取色操作，即提取图像中的颜色信息。将这些颜色信息应用于线体产品模型，对其进行附色操作。这个步骤可以确保虚拟模型与实际产品的颜色保持一致。
在一个实施例中，将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口的步骤中，所述包围盒神经模型生成外观参数接口的方法，包括：
获取所述产品虚拟模型，并基于产品虚拟模型构生成若干对应的包围盒；
确定若干个所述包围盒的重叠区域，以通过所述重叠区域构建包围盒树状结构，所述包围盒树状结构为利用产品虚拟模型中的相交线，以基于相交线将产品虚拟模型的所有线段进行平铺得到的树状结构；
基于所述包围盒树状结构对所述产品虚拟模型进行模型分隔，得到各个产品子模型，并对各个所述产品子模型进行测量，得到各个产品子模型的测量数值，并将各个所述测量数值加载于包围盒树状结构上；
通过所述包围盒树状结构创建外观参数接口。
在具体的实施时，根据包围盒的重叠区域和相交线的位置信息，构建一个树状结构。这个结构将反映出产品模型的不同部分之间的关系。通过这个树状结构，可以方便地获取各个部分以及它们之间的连接方式。利用包围盒树状结构，将产品虚拟模型分割为多个独立的子模型。每个子模型代表产品的一个具体部件或组件。对每个子模型进行测量，获取与其相关联的测量数值。这些数值可能包括尺寸、形状、位置等信息，以描述子模型的几何特征。将测量数值加载到包围盒树状结构上，与每个包围盒关联。这样，包围盒树状结构中的每个节点都具有与之关联的测量数值。基于包围盒树状结构和子模型的测量数值，创建外观参数接口。该接口将提供产品虚拟模型的外观信息，以及每个子模型的测量数据。通过这个接口，可以获取有关产品外观和各个部件的测量结果，用于模型分析、可视化和决策。
在一个实施例中，基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据的步骤，包括：
获取待测量参数信息，并识别待测量参数信息中的外观测量子项；
将所述外观测量子项对标包围盒树状结构中的一项或多线分枝；
通过所述的包围盒树状结构中的一项或多线分枝，确定出对应的所述产品子模型，并输出所述产品子模型对应的外观测量数据，其中所述外观测量数据包括长宽高数值以及色彩数值。
具体的，首先获取待测量参数信息，并从中识别外观相关的测量子项。这些子项可以是产品外观的不同方面，如尺寸、形状、颜色等。将识别出的外观测量子项与包围盒树状结构中的一个或多个线分枝进行对标。通过对标操作，确定与待测量参数信息相对应的包围盒树状结构中的节点或分支。基于所匹配的包围盒树状结构中的节点或分支，确定相应的产品子模型。然后输出该产品子模型对应的外观测量数据。这些测量数据可以包括产品子模型的长度、宽度、高度等尺寸数值，以及颜色数值。
参考附图2为本发明提出的一种双旋转平面度量测机的外观测量装置，包括：
识别单元10，用于识别待测量的产品是否放置于预设定的测量工位上；
采集单元20，用于若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；
模型单元30，用于生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；
接口单元40，用于将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；
调用单元50，用于基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据。
在本实施例中，上述装置实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
综上所述，通过识别待测量的产品是否放置于预设定的测量工位上；若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据；通过双旋转平面度量测机和图像处理技术实现高精度、自动化、可扩展的产品外观测量，提供准确的测量数据和快速的测量过程。
本领域普通技术人员可以理解实现上述实施例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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种双旋转平面度量测机的外观测量方法，其特征在于，包括步骤：
识别待测量的产品是否放置于预设定的测量工位上；
若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；
生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；
将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；
基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据；
通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息的步骤，包括：
指令所述摄像单元在X轴上往复移动，并在所述的往复移动下获取R轴向下转动采集到的各个图像；
基于X轴的移动点位和R轴的转动角度，对各个图像进行标注；
通过所述的标注确定各个图像的相对量，以基于所述相对量将各个所述图像进行无缝且等比的拼接，构成所述图像信息；
通过所述的标注确定各个图像的相对量的步骤，包括：
在X轴上铺设若干X轴标定点，采用所述的若干X轴标定点感应摄像单元的移动点位；
获取各个图像的过程中，记录与各个图像对应的X轴标定点以及R轴转动角度，并将各个图像与对应的各个X轴标定点以及R轴转动角度进行关联；
选定一个图像及其对应的X轴标定点和R轴转动角度作为参照信息，确定出其余各个图像基于所述参照信息的相对信息，得到各个图像的相对量；
生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息的步骤，包括：
定位摄像单元的摄像起始点、和定位所述测量工位上的一个产品放置点；
基于所述产品放置点生成绝对测量坐标系，以及基于所述摄像起始点生成相对测量坐标系/>；绝对测量坐标系/>是以固定的参考点为基准建立的坐标系；相对测量坐标系/>是由摄像起始点确定，通过移动摄像单元X轴方向采集产品的相对坐标点位来建立；
识别产品放置于所述绝对测量坐标系上的绝对坐标点位；
获取受移动的相对测量坐标系随X轴移动所采集产品的相对坐标点位；
将各个所述绝对坐标点位与各个相对坐标点位一一对标，得到与产品对应的虚拟点位；
基于产品的所述虚拟点位，生成测量坐标系，所述测量坐标系xyz携带绝对坐标点位和相对坐标点位对应的绝对要素信息和相对要素信息；
通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型的步骤，包括：
基于所述测量坐标系上的绝对要素信息和相对要素信息，进行所述虚拟点位的点线相连，生成产品的线体产品模型；
从所述图像信息中进行取色，并对所述线体产品模型进行附色，以生成所述产品虚拟模型。
2.根据权利要求1所述的双旋转平面度量测机的外观测量方法，其特征在于，将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口的步骤中，所述包围盒神经模型生成外观参数接口的方法，包括：
获取所述产品虚拟模型，并基于产品虚拟模型构生成若干对应的包围盒；
确定若干个所述包围盒的重叠区域，以通过所述重叠区域构建包围盒树状结构，所述包围盒树状结构为利用产品虚拟模型中的相交线，以基于相交线将产品虚拟模型的所有线段进行平铺得到的树状结构；
基于所述包围盒树状结构对所述产品虚拟模型进行模型分隔，得到各个产品子模型，并对各个所述产品子模型进行测量，得到各个产品子模型的测量数值，并将各个所述测量数值加载于包围盒树状结构上；
通过所述包围盒树状结构创建外观参数接口。
3.根据权利要求2所述的双旋转平面度量测机的外观测量方法，其特征在于，基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据的步骤，包括：
获取待测量参数信息，并识别待测量参数信息中的外观测量子项；
将所述外观测量子项对标包围盒树状结构中的一项或多线分枝；
通过所述的包围盒树状结构中的一项或多线分枝，确定出对应的所述产品子模型，并输出所述产品子模型对应的外观测量数据，其中所述外观测量数据包括长宽高数值以及色彩数值。
4.一种双旋转平面度量测机的外观测量装置，其特征在于，用于执行权利要求1-3任一项所述的双旋转平面度量测机的外观测量方法，至少包括：
识别单元，用于识别待测量的产品是否放置于预设定的测量工位上；
采集单元，用于若是，则通过设置于双旋转平面度量测机上的摄像单元，在X轴和R轴上采集产品的图像信息，其中所述摄像单元位于产品上方以向下采集，X轴为摄像单元水平方向移动采集轴、R轴为摄像单元纵向方向旋转采集轴；
模型单元，用于生成测量坐标系，并基于所述测量坐标系分别架构产品和摄像单元的绝对要素信息和相对要素信息，以通过所述绝对要素信息和相对要素信息在测量坐标系上生成与图像信息等比对应的产品虚拟模型；
接口单元，用于将所述产品虚拟模型输入至包围盒神经模型中，以通过所述包围盒神经模型生成关联产品虚拟模型的外观参数接口；
调用单元，用于基于所述外观参数接口，获取并识别待测量参数信息，通过所述待测量参数信息在包围盒神经模型中调取对应的外观测量数据。
5.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述双旋转平面度量测机的外观测量方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的双旋转平面度量测机的外观测量方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311338308.2A CN117073543B (zh) | 2023-10-17 | 2023-10-17 | 双旋转平面度量测机的外观测量方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311338308.2A CN117073543B (zh) | 2023-10-17 | 2023-10-17 | 双旋转平面度量测机的外观测量方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117073543A CN117073543A (zh) | 2023-11-17 |
| CN117073543B true CN117073543B (zh) | 2023-12-15 |
Family
ID=88715640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311338308.2A Active CN117073543B (zh) | 2023-10-17 | 2023-10-17 | 双旋转平面度量测机的外观测量方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117073543B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706443A (zh) * | 2009-03-27 | 2010-05-12 | 上海工程技术大学 | 一种服装面料接缝平整度评定方法 |
| CN110032949A (zh) * | 2019-03-22 | 2019-07-19 | 北京理工大学 | 一种基于轻量化卷积神经网络的目标检测与定位方法 |
| CN209910612U (zh) * | 2019-03-15 | 2020-01-07 | 深圳华海达科技有限公司 | 一种高精度平面度检测机 |
| CN110726379A (zh) * | 2019-11-13 | 2020-01-24 | 征图新视(江苏)科技股份有限公司 | 非规则产品轮廓高精度成像方法 |
| CN113588562A (zh) * | 2021-09-30 | 2021-11-02 | 高视科技(苏州)有限公司 | 应用多轴机械臂的锂电池外观检测方法 |
| CN114419098A (zh) * | 2022-01-18 | 2022-04-29 | 长沙慧联智能科技有限公司 | 基于视觉变换的运动目标轨迹预测方法及装置 |
| CN217006959U (zh) * | 2022-03-04 | 2022-07-19 | 深圳华海达科技有限公司 | 一种外观检测机 |
| CN115393299A (zh) * | 2022-08-15 | 2022-11-25 | 苏州超集信息科技有限公司 | 一种基于单目视觉的流水线工件距离测量方法以及装置 |
| CN115984122A (zh) * | 2022-11-23 | 2023-04-18 | 深圳市瀚达美电子有限公司 | 一种hud背光显示系统及方法 |
| CN116759326A (zh) * | 2023-08-23 | 2023-09-15 | 深圳超盈智能科技有限公司 | 芯片外观检测方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220189060A1 (en) * | 2020-12-10 | 2022-06-16 | Niantic, Inc. | Visual Camera Re-Localization using Graph Neural Networks and Relative Pose Supervision |
-
2023
- 2023-10-17 CN CN202311338308.2A patent/CN117073543B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706443A (zh) * | 2009-03-27 | 2010-05-12 | 上海工程技术大学 | 一种服装面料接缝平整度评定方法 |
| CN209910612U (zh) * | 2019-03-15 | 2020-01-07 | 深圳华海达科技有限公司 | 一种高精度平面度检测机 |
| CN110032949A (zh) * | 2019-03-22 | 2019-07-19 | 北京理工大学 | 一种基于轻量化卷积神经网络的目标检测与定位方法 |
| CN110726379A (zh) * | 2019-11-13 | 2020-01-24 | 征图新视(江苏)科技股份有限公司 | 非规则产品轮廓高精度成像方法 |
| CN113588562A (zh) * | 2021-09-30 | 2021-11-02 | 高视科技(苏州)有限公司 | 应用多轴机械臂的锂电池外观检测方法 |
| CN114419098A (zh) * | 2022-01-18 | 2022-04-29 | 长沙慧联智能科技有限公司 | 基于视觉变换的运动目标轨迹预测方法及装置 |
| CN217006959U (zh) * | 2022-03-04 | 2022-07-19 | 深圳华海达科技有限公司 | 一种外观检测机 |
| CN115393299A (zh) * | 2022-08-15 | 2022-11-25 | 苏州超集信息科技有限公司 | 一种基于单目视觉的流水线工件距离测量方法以及装置 |
| CN115984122A (zh) * | 2022-11-23 | 2023-04-18 | 深圳市瀚达美电子有限公司 | 一种hud背光显示系统及方法 |
| CN116759326A (zh) * | 2023-08-23 | 2023-09-15 | 深圳超盈智能科技有限公司 | 芯片外观检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于双目视觉和投影圆的平面度非接触检测方法;陈小宁等;四川兵工学报;第34卷(第03期);第99-102、120页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117073543A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108297096B (zh) | 校准装置、校准方法以及计算机能够读取的介质 | |
| JP5282614B2 (ja) | 視覚認識処理用のモデルデータの登録方法および視覚センサ | |
| US8600147B2 (en) | System and method for remote measurement of displacement and strain fields | |
| KR100785594B1 (ko) | 화상 처리 장치 | |
| JP6740033B2 (ja) | 情報処理装置、計測システム、情報処理方法及びプログラム | |
| JP2019200697A (ja) | 棚管理システムおよびプログラム | |
| CN110926330B (zh) | 图像处理装置和图像处理方法 | |
| KR101974638B1 (ko) | 식물 영상 처리 장치 및 방법 | |
| US20180045629A1 (en) | Method and device for hardness testing | |
| CN114331995B (zh) | 一种基于改进2d-icp的多模板匹配实时定位方法 | |
| CN109099889B (zh) | 近景摄影测量系统和方法 | |
| CN111626665A (zh) | 一种基于双目视觉的智能物流系统及方法 | |
| CN115143895A (zh) | 形变视觉测量方法、装置、设备、介质和双轴测量引伸计 | |
| JP2019165658A (ja) | 植物生育指標測定装置、方法およびプログラム | |
| KR101469099B1 (ko) | 사람 객체 추적을 통한 자동 카메라 보정 방법 | |
| JP2017003525A (ja) | 三次元計測装置 | |
| CN117073543B (zh) | 双旋转平面度量测机的外观测量方法、装置及设备 | |
| CN105987670A (zh) | 轮胎压痕深度数据的处理方法、系统和装置 | |
| CN112991461B (zh) | 物料装配方法及装配装置、计算机可读存储介质、处理器 | |
| CN116634134B (zh) | 一种成像系统校准的方法、装置、存储介质及电子设备 | |
| JP4550081B2 (ja) | 画像測定方法 | |
| KR20210008661A (ko) | 화상데이터 내의 척도마커의 추적을 통한 구조물 표면의 균열 감시 방법 | |
| Georgiev et al. | Investigation possibilities for the use of free software for data processing used for accurate measurement details through photogrammetry | |
| CN214410073U (zh) | 一种工业相机与深度相机结合的三维检测定位系统 | |
| CN104677906A (zh) | 影像信息检测方法 |
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 |