[發(fā)明專利]一種基于視覺的手機(jī)尺寸的測(cè)量方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710318073.9
• 申請(qǐng)日: 2017-05-08
• 公開（公告）號(hào): CN107230212B
• 公開（公告）日: 2020-04-17
• 發(fā)明（設(shè)計(jì)）人: 張俊勇;伍世虔;鄒謎;陳鵬;韓浩;王欣;王建勛;余杭
• 申請(qǐng)（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號(hào): G06T7/13
• 分類號(hào): G06T7/13;G06T7/181;G06T7/73;G01B11/00;G01B11/24
• 代理公司: 北京眾達(dá)德權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11570
• 代理人: 劉杰

本發(fā)明公開了一種基于視覺的手機(jī)尺寸的測(cè)量方法，所述方法包括：采用Canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。本發(fā)明提供的一種基于視覺的手機(jī)尺寸的測(cè)量方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在的精度不高的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺測(cè)量技術(shù)領(lǐng)域，尤其涉及一種基于視覺的手機(jī)尺寸的測(cè)量方法及系統(tǒng)。

背景技術(shù)

在工業(yè)4.0智能化自動(dòng)化生產(chǎn)中，智能生產(chǎn)是核心，涉及到零件在加工過(guò)程中各種各樣的檢查、測(cè)量等領(lǐng)域。智能生產(chǎn)通常是連續(xù)大批量生產(chǎn)，對(duì)零件尺寸的測(cè)量精度和測(cè)量速度要求很高。

現(xiàn)有技術(shù)中，對(duì)手機(jī)(圓角矩形)的尺寸測(cè)量，主要是利用最小外接矩形的方法，轉(zhuǎn)化求得矩形的四個(gè)頂點(diǎn)坐標(biāo)，進(jìn)而求得手機(jī)尺寸。

本申請(qǐng)發(fā)明人在實(shí)現(xiàn)本發(fā)明的技術(shù)方案時(shí)，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問(wèn)題：

現(xiàn)有技術(shù)中一般通過(guò)最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸，但是通過(guò)最小外接矩形的方法往往測(cè)量精度不夠。

可見，現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題，因此如何提高手機(jī)尺寸測(cè)量方法的精度是重要研究課題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種基于視覺的手機(jī)尺寸的測(cè)量方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中利用最小外接矩形的方法來(lái)測(cè)量手機(jī)尺寸的方法，存在精度不高的技術(shù)問(wèn)題。

本發(fā)明公開了一種基于視覺的手機(jī)尺寸的測(cè)量方法，所述方法包括：

采用Canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，所述輪廓邊緣包括多個(gè)邊緣點(diǎn)；

采用霍夫直線檢測(cè)方法從所述邊緣點(diǎn)中獲取四條直線；

采用選擇性迭代的方法確定所述四條直線的內(nèi)點(diǎn)；

根據(jù)所述內(nèi)點(diǎn)，采用最小二乘法獲取最終的四條直線，其中所述最終的四條直線形成的四個(gè)交點(diǎn)構(gòu)成為所述被測(cè)手機(jī)的四個(gè)頂點(diǎn)；

獲取所述四個(gè)頂點(diǎn)的坐標(biāo)；

基于所述坐標(biāo)，獲得所述被測(cè)手機(jī)的實(shí)際尺寸。

可選地，所述采用Canny算子結(jié)合邊緣聚焦的方法獲取被測(cè)手機(jī)的輪廓邊緣，包括：

獲取所述被測(cè)手機(jī)的灰度圖像；

根據(jù)所述灰度圖像，獲得高斯模糊后的圖像；

對(duì)所述高斯模糊后的圖像通過(guò)Canny算子進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣；

采用邊緣聚焦方法對(duì)所述第一輪廓邊緣重新定位，獲得所述被測(cè)手機(jī)的輪廓邊緣。

可選地，所述對(duì)所述高斯模糊后的圖像進(jìn)行邊緣檢測(cè)，獲得所述被測(cè)手機(jī)的第一輪廓邊緣，包括：

采用Sobel水平算子和Sobel垂直算子分別對(duì)所述高斯模糊后的圖像進(jìn)行卷積，獲得圖像在x方向上的第一梯度分量和y方向上的第二梯度分量；

根據(jù)所述第一梯度分量和所述第二梯度分量，獲得梯度圖像；

根據(jù)所述梯度圖像，獲得梯度方向；

基于所述梯度方向，獲得細(xì)化的第一邊緣圖；

對(duì)所述第一邊緣圖進(jìn)行雙閾值處理，獲得第二邊緣圖，以所述第二邊緣圖為所述第一輪廓邊緣。