-
公开(公告)号：CN108389179B
公开(公告)日：2020-10-13
申请号：CN201810036507.0
申请日：2018-01-15
Applicant: 湖南大学
Abstract: 本发明公开了一种基于机器视觉的罐盖表面缺陷检测方法，包括：获取罐盖图像并计算出罐盖图像的重心坐标(Xg,Yg)；获取罐盖边缘点，并采用三点随机圆检测方法对罐盖边缘点进行拟合得到拟合圆，拟合圆为罐盖区域；将罐盖区域划分为四个区域，并将四个区域分别径向展开；获取中心区域的维度特征，并依据预设的中心区域分类器进行分类识别获得中心区域的缺陷检测结果；分别获取嵌环区域，注胶区域，卷缘区域的维度特征，并依据预设的嵌环区域分类器、注胶区域分类器、卷缘区域分类器进行分类识别获得嵌环区域，注胶区域，卷缘区域的缺陷检测结果。本方法实现快速、精准定位，克服中心区域不规则纹理信息导致的误差问题以及该方法的鲁棒性更强。
-
公开(公告)号：CN108389179A
公开(公告)日：2018-08-10
申请号：CN201810036507.0
申请日：2018-01-15
Applicant: 湖南大学
CPC classification number: G06T7/0004 , G06K9/4671 , G06K9/6269 , G06T7/136 , G06T2207/30128
Abstract: 本发明公开了一种基于机器视觉的罐盖表面缺陷检测方法，包括：获取罐盖图像并计算出罐盖图像的重心坐标(Xg,Yg)；获取罐盖边缘点，并采用三点随机圆检测方法对罐盖边缘点进行拟合得到拟合圆，拟合圆为罐盖区域；将罐盖区域划分为四个区域，并将四个区域分别径向展开；获取中心区域的维度特征，并依据预设的中心区域分类器进行分类识别获得中心区域的缺陷检测结果；分别获取嵌环区域，注胶区域，卷缘区域的维度特征，并依据预设的嵌环区域分类器、注胶区域分类器、卷缘区域分类器进行分类识别获得嵌环区域，注胶区域，卷缘区域的缺陷检测结果。本方法实现快速、精准定位，克服中心区域不规则纹理信息导致的误差问题以及该方法的鲁棒性更强。
-
-
公开(公告)号：CN118870190B
公开(公告)日：2024-12-20
申请号：CN202411346194.0
申请日：2024-09-26
Applicant: 湖南大学
Abstract: 本发明公开了一种基于明暗场融合的基板玻璃缺陷图像自动对焦方法及系统，旨在找到最清晰的基板玻璃缺陷明场、暗场图像。包括：获取相机拍摄的基板玻璃明场、暗场图像；提取明场、暗场图像序列的图像特征；利用若干个串接的CIM模块，再连接全局平均池化和1*1卷积层构建出双分支特征交叉融合网络，CIM模块为2输入2输出的空间、通道注意力交叉融合模块；将明场、暗场特征图输入双分支特征交叉融合网络得到明场、暗场对应的网络输出向量，并利用网络输出向量确定最清晰的明场图像和暗场图像，实现对焦；实验证明，通过该方法进行基板玻璃缺陷的自动对焦，在运行速度和精度上均表现出优异的效果。
-
公开(公告)号：CN115147488B
公开(公告)日：2024-06-18
申请号：CN202210789995.9
申请日：2022-07-06
Applicant: 湖南大学
IPC: G06T7/73 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/766 , G06V20/70 , G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于密集预测的工件位姿估计方法与抓取系统，搭建密集逐像素预测网络并训练，获取包含工件的场景RGB图像输入该预测网络，利用网络中的特征金字塔网络提取图像的逐像素卷积特征，采用三个回归分支网络从逐像素卷积特征中分别预测逐像素的语义信息、中心点信息和关键点信息，利用前述信息进行多工件实例分割，得到每个工件实例的密集关键点预测，采用投票策略确定各工件关键点2D位置，通过工件关键点2D位置以及对应工件模型上的3D位置建立2D‑3D对应关系，采用UD‑PnP算法计算工件的6D位姿。该方法网络结构简单、鲁棒性强、执行速度快，适合复杂工业场景下弱纹理、多工件任意位姿工件的抓取任务。
-
Patent Agency Ranking
公开(公告)号：CN113065546A
公开(公告)日：2021-07-02
申请号：CN202110211748.6
申请日：2021-02-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于注意力机制和霍夫投票的目标位姿估计方法及系统，该方法包括如下步骤：获取彩色图像和深度图像；对彩色图像进行分割与裁剪，得到各目标物体的彩色和深度图像块；采用两种策略估计目标物体6维位姿，针对3维旋转矩阵，基于双向空间注意力的特征提取网络，利用目标表面二维特征约束进行鲁棒特征提取，再利用多层感知网络回归出目标3维旋转矩阵；针对3维平移向量，重建目标物体点云并归一化点云数据，采用霍夫投票网络逐点估计点云3维平移方向向量，最后建立平移中心直线集，求解空间最近点得到目标3维平移向量。本发明方法分别估计旋转矩阵和平移向量，执行速度快、精度高。
-
公开(公告)号：CN111896556B
公开(公告)日：2021-05-28
申请号：CN202010773562.5
申请日：2020-08-04
Applicant: 湖南大学
IPC: G01N21/958 , G01N21/88
Abstract: 本发明公开了一种基于机器视觉的玻璃瓶底缺陷检测方法及系统，其方法为：步骤1，获取瓶底图像，定位与提取瓶底区域，并将瓶底区域划分为三个子区域：中心圆平面区域、环形平面区域和环形纹理区域；步骤2，采用基于显著性检测的方法对中心圆平面区域进行缺陷检测并标记；步骤3，采用基于多尺度滤波的方法对环形平面区域进行缺陷检测并标记；步骤4，采用基于模板匹配的方法对环形纹理区域进行缺陷检测并标记；步骤5，将步骤2至4得到的已标记好缺陷的中心圆平面区域、环形平面区域和环形纹理区域进行融合，得到标记有所有缺陷的瓶底图像。本发明对瓶底的缺陷检测精度更高、执行速度更快。
-
公开(公告)号：CN106546605B
公开(公告)日：2019-07-16
申请号：CN201610948846.7
申请日：2016-10-26
Applicant: 湖南大学 , 佛山市湘德智能科技有限公司
Abstract: 本发明公开了一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法，其步骤为：(1)对瓶口图像进行阈值处理，通过重心法获取瓶口重心位置；(2)以重心为圆心由内向外进行径向扫描，获得瓶口图像的四圆周边缘点；(3)利用随机圆法拟合四圆周所在圆，定位检测区域；(4)将定位出来的检测区域分为三个部分；(5)利用迟滞阈值对检测区域的投影结果进行缺陷检测；该方法能在啤酒瓶口图像不完整或存在连续干扰点时，准确快速的定位为瓶口中心，并且检测出瓶口缺陷，检测速度块，适用于高速自动化流水线上的啤酒瓶口质量自动检测。
-
公开(公告)号：CN106546605A
公开(公告)日：2017-03-29
申请号：CN201610948846.7
申请日：2016-10-26
Applicant: 湖南大学
CPC classification number: G01N21/95 , G01N21/8851 , G01N2021/8887
Abstract: 本发明公开了一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法，其步骤为：(1)对瓶口图像进行阈值处理，通过重心法获取瓶口重心位置；(2)以重心为圆心由内向外进行径向扫描，获得瓶口图像的四圆周边缘点；(3)利用随机圆法拟合四圆周所在圆，定位检测区域；(4)将定位出来的检测区域分为三个部分；(5)利用迟滞阈值对检测区域的投影结果进行缺陷检测；该方法能在啤酒瓶口图像不完整或存在连续干扰点时，准确快速的定位为瓶口中心，并且检测出瓶口缺陷，检测速度块，适用于高速自动化流水线上的啤酒瓶口质量自动检测。
-
公开(公告)号：CN119359815B
公开(公告)日：2025-04-08
申请号：CN202411945356.2
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T7/73 , G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多尺度零部件抓取姿态估计方法及系统，获取场景图像并进行标注得到数据集；搭建姿态估计神经网络模型；将数据集输入至图像切块编码模块输出编码特征序列；将编码特征序列输入至滑动窗口保留注意力特征编码模块中分别以不同大小的感知窗口进行序列分割并分别应用保留注意力机制映射到高维特征输出；将高维特征输入多尺度空间金字塔感知模块并优化输出优化后的特征序列；窗口保留注意力特征解码模块接收优化特征序列输出抓取姿态；设置损失函数并依据梯度情况更新网络参数，得到训练好的姿态估计神经网络模型，完成工业真实抓取作业场景图像的抓取姿态估计，完成抓取作业任务。提高了抓取效率和准确性，降低了硬件成本。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.041 seconds)
