基于计算机视觉的齿条测量方法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 240-243.

基于计算机视觉的齿条测量方法研究

刘宇，孔明，马忠祥

中国计量学院计量测试工程学院，杭州 310018

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Study on method of rack measurement based on computer vision

LIU Yu，KONG Ming，MA Zhongxiang

College of Metrological Technology & Engineering，China Jiliang University，Hangzhou 310018，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 提出一种基于计算机视觉的齿条测量方法。建立一套计算机视觉的测量系统，系统把CCD摄像机安装于光栅反馈式精密导轨上，精密导轨带动CCD摄像头移动对齿条各处进行图像采集，通过对采集图像的处理，实现全齿的测量，获得齿条的基本参数如齿距p、齿厚s等数据。实验对指示表卡尺齿条进行测量，并与东京精密S1910DX3轮廓度仪的测量结果对比，结果表明，此方法的测量精度能满足该类齿条测量的要求。该测量方法简单实用，有效提高了卡尺齿条的测量效率，为卡尺齿条的在线检测提供技术保障。

关键词: 齿条, 边缘特征, 计算机视觉

Abstract: A method of rack measurement is proposed based on computer vision.A computer vision measurement system is established.The CCD camera is installed in the feedback grating rails，precision rail driven movement of the CCD camera，throughout the rack for image acquisition.Through the acquisition image processing，the measurement for the whole tooth is realized.The basic parameters of the rack such as p and s are got.Experiment with the dial calipers to measure the rack，comparison with the measurement results of the Accretech S1910DX3，it turns out that the accuracy of this method can meet the requirements for the measurement of such rack，and the measurement method is simple and practical，effectively improves the measurement efficiency，providing technical support for the rack online testing.

Key words: rack, edge feature, computer vision

刘宇，孔明，马忠祥. 基于计算机视觉的齿条测量方法研究[J]. 计算机工程与应用, 2011, 47(33): 240-243.

LIU Yu，KONG Ming，MA Zhongxiang. Study on method of rack measurement based on computer vision[J]. Computer Engineering and Applications, 2011, 47(33): 240-243.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[4]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[5]	肖雨晴，杨慧敏. 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用, 2021, 57(6): 30-41.
[6]	袁铭阳，黄宏博，周长胜. 全监督学习的图像语义分割方法研究进展[J]. 计算机工程与应用, 2021, 57(4): 43-54.
[7]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[8]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[9]	王涛，王文举，蔡宇. 基于深度学习的三维点云语义分割方法研究[J]. 计算机工程与应用, 2021, 57(23): 18-26.
[10]	刘洋，战荫伟. 基于深度学习的小目标检测算法综述[J]. 计算机工程与应用, 2021, 57(2): 37-48.
[11]	程擎，范满，李彦冬，赵远，李诚龙. 无人机航拍图像语义分割研究综述[J]. 计算机工程与应用, 2021, 57(19): 57-69.
[12]	米娜瓦尔·阿不拉，阿里甫·库尔班，解启娜，耿丽婷. 手语识别方法与技术综述[J]. 计算机工程与应用, 2021, 57(18): 1-12.
[13]	梅锋，周娟平，陆璐. 结合局部奖励机制的视频摘要技术研究[J]. 计算机工程与应用, 2021, 57(11): 211-218.
[14]	李艳，唐达明，周莹亮，戴庆瑜. 基于计算机视觉的轮椅跟随系统设计[J]. 计算机工程与应用, 2021, 57(10): 163-172.
[15]	梁鸿，王庆玮，张千，李传秀. 小目标检测技术研究综述[J]. 计算机工程与应用, 2021, 57(1): 17-28.