一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種基于單目視覺(jué)的誤差檢測(cè)方法

新機(jī)器視覺(jué) ? 來(lái)源:起重運(yùn)輸機(jī)械雜志社 ? 作者:起重運(yùn)輸機(jī)械雜志 ? 2021-03-20 09:29 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

摘 要:雙輪差速驅(qū)動(dòng)搬運(yùn)AGV 在實(shí)際運(yùn)動(dòng)過(guò)程中,由于傳感器讀數(shù)誤差和機(jī)械傳動(dòng)誤差會(huì)產(chǎn)生運(yùn)動(dòng)累積誤差,針對(duì)該問(wèn)題,文中提出一種基于單目視覺(jué)的誤差檢測(cè)方法。首先采用基于柵格分割、聚類(lèi)的方法提取二值圖像中的定位塊并使用平均值算法計(jì)算定位塊的中心點(diǎn);然后根據(jù)定位塊中心點(diǎn)的相對(duì)位置關(guān)系建立誤差檢測(cè)計(jì)算模型;最后通過(guò)實(shí)驗(yàn)對(duì)本方法進(jìn)行驗(yàn)證,位置和航向角檢測(cè)結(jié)果誤差分別小于1 mm 和1°,證明所述方法具有較高的檢測(cè)精度。該方法對(duì)硬件要求低,具有較高的實(shí)用價(jià)值。

0 引言

基于雙輪差速驅(qū)動(dòng)的倉(cāng)儲(chǔ)物流搬運(yùn)AGV 結(jié)構(gòu)簡(jiǎn)單,控制方便,廣泛應(yīng)用于各種物流分揀系統(tǒng)中。由于AGV 搭載的傳感器讀數(shù)誤差和機(jī)械傳動(dòng)誤差具有累計(jì)效應(yīng),其誤差會(huì)隨著時(shí)間的增加而增大。如果不能檢測(cè)并消除移動(dòng)過(guò)程中產(chǎn)生的位置累計(jì)誤差和航向角累計(jì)誤差,將導(dǎo)致導(dǎo)航錯(cuò)誤。迄今為止,已經(jīng)有許多在工業(yè)生產(chǎn)中被使用或在實(shí)驗(yàn)室里被設(shè)計(jì)并證明可用的累計(jì)誤差檢測(cè)方法。張濤[1] 等人設(shè)計(jì)了一種基于單目視覺(jué)的二維碼導(dǎo)航誤差檢測(cè)方法,將定位誤差控制在±4 cm 以?xún)?nèi);Arturo Gil 等人[2] 通過(guò)提取視覺(jué)地標(biāo),獲得它們的相對(duì)測(cè)量值,通過(guò)估算機(jī)器人的路徑和視覺(jué)地標(biāo)的位置來(lái)消除運(yùn)動(dòng)過(guò)程中的累積誤差;張艷[3] 等人使用DM 二維碼導(dǎo)航方式檢測(cè)產(chǎn)生的累積誤差,實(shí)現(xiàn)了AGV 自主導(dǎo)航與精準(zhǔn)定位;羅高[4] 等人使用里程計(jì)結(jié)合單目視覺(jué)測(cè)距對(duì)移動(dòng)機(jī)器人誤差檢測(cè)和定位技術(shù)進(jìn)行研究;王勇[5]等人通過(guò)自適應(yīng)位姿跟蹤,提高了AGV 在高遮擋環(huán)境下的定位精度。 目前對(duì)運(yùn)動(dòng)過(guò)程中產(chǎn)生的累積誤差進(jìn)行檢測(cè)的方法存在位置誤差檢測(cè)以及航向角誤差檢測(cè)精度低、抗干擾能力弱等缺點(diǎn)。為此,本文基于單目視覺(jué)[6] 和信標(biāo)[7,8],設(shè)計(jì)了一種應(yīng)用于室內(nèi)倉(cāng)儲(chǔ)物流搬運(yùn)AGV 的運(yùn)動(dòng)累計(jì)誤差檢測(cè)方法。本方法在運(yùn)動(dòng)節(jié)點(diǎn)處設(shè)置特定信標(biāo),首先對(duì)信標(biāo)圖像進(jìn)行灰度處理,計(jì)算信標(biāo)圖像的內(nèi)間方差,使用最大內(nèi)間方差對(duì)應(yīng)的分割閾值對(duì)灰度圖像進(jìn)行分割,獲取二值圖像;其次在二值圖像的基礎(chǔ)上使用柵格對(duì)圖像進(jìn)行分割,對(duì)含有前景色的柵格單元進(jìn)行聚類(lèi),使用平均值算法求解信標(biāo)的中心點(diǎn)坐標(biāo),并按照位置關(guān)系將中心點(diǎn)與信標(biāo)定位塊一一對(duì)應(yīng);然后建立誤差計(jì)算模型,計(jì)算運(yùn)動(dòng)過(guò)程中產(chǎn)生的累積誤差;最后通過(guò)實(shí)驗(yàn)驗(yàn)證所述方法能夠檢測(cè)出倉(cāng)儲(chǔ)物流搬運(yùn)AGV 運(yùn)動(dòng)過(guò)程中產(chǎn)生的累積誤差,該方法具有較高的精度,滿(mǎn)足倉(cāng)儲(chǔ)物流搬運(yùn)AGV 精準(zhǔn)定位的要求。

1 累積誤差檢測(cè)方案

雙輪差速驅(qū)動(dòng)搬運(yùn)AGV 在運(yùn)動(dòng)過(guò)程中,由于傳感器的累積誤差、機(jī)械傳動(dòng)誤差以及裝配誤差等因素,會(huì)導(dǎo)致AGV 通過(guò)傳感器讀數(shù)計(jì)算的位姿與實(shí)際位姿之間產(chǎn)生累積誤差。具體表現(xiàn)在短時(shí)間內(nèi)AGV 定位精度下降,隨著時(shí)間的增加,累積誤差會(huì)越來(lái)越大,最后導(dǎo)致AGV 運(yùn)動(dòng)出錯(cuò)。為了保證AGV 運(yùn)動(dòng)的正確性,須在累積誤差造成運(yùn)動(dòng)錯(cuò)誤前,檢測(cè)出累積誤差并對(duì)誤差進(jìn)行補(bǔ)償。采用無(wú)畸變攝像頭,其成像原理[9-10] 如圖1 所示,圖像傳感器所在平面與信標(biāo)所在平面平行。信標(biāo)中含有3 個(gè)定位塊,分別為A、B 、C ,其中A 的中心點(diǎn)為校準(zhǔn)點(diǎn),OC 為攝像頭光心,ZC 為攝像機(jī)主軸,O-XYZ 為世界坐標(biāo)系,OC -XCYC ZC 為攝像機(jī)坐標(biāo)系,o1 ? x1y1為圖像坐標(biāo)系,o ? xy 為信標(biāo)中各定位塊中心點(diǎn)確定的信標(biāo)坐標(biāo)系,o′ ? x′y′為信標(biāo)坐標(biāo)系在圖像平面的投影。 依據(jù)定位塊A、B 、C 在圖像傳感器上成像中心點(diǎn)坐標(biāo)之間的相對(duì)位置確定坐標(biāo)系o′ ? x′y′。通過(guò)建立坐標(biāo)系o′ ? x′y′與坐標(biāo)系o1 ? x1y1之間的旋轉(zhuǎn)、平移關(guān)系模型,可以計(jì)算出航向角累積誤差θ ,在攝像頭安裝高度h 和攝像頭焦距f 已知的條件下,可以求出圖像傳感器中心點(diǎn)在信標(biāo)坐標(biāo)系下關(guān)于x 軸、y 軸的位置累積誤差dx、dy。

25b6e920-88ef-11eb-8b86-12bb97331649.png

圖1 世界坐標(biāo)系與圖像坐標(biāo)系之間的關(guān)系模型

2 計(jì)算定位塊中心點(diǎn)在圖像傳感器上坐標(biāo)

2.1 基于柵格分割的聚類(lèi)方法 首先按照灰度處理[11]、求解最大內(nèi)間方差[12]、動(dòng)態(tài)閾值分割[13]、中值濾波[14] 流程獲取二值圖像,然后分別提取出前景色中的3 個(gè)定位塊,并計(jì)算每個(gè)定位塊的中心點(diǎn)坐標(biāo),確定坐標(biāo)系o′ ? x′y′ 。信標(biāo)的分割聚類(lèi)方法是采用柵格將二值圖像分割成若干個(gè)單元,再對(duì)柵格單元進(jìn)行聚類(lèi),從前景色中將3 個(gè)定位塊分離。使用聚類(lèi)法從分割后的圖像中篩選出含有前景色的單元,按照以下方法分離定位塊: Step1 設(shè)所有含有前景色像素點(diǎn)的單元構(gòu)成集合S ,S ={s 1,s 2,s 3,……,sn},通過(guò)遍歷法可確定集合S 中所有的元素; Step 2 建立空集A1,將集合S 中的第1 個(gè)元素s 1添加到集合A1 中并將s 1 從集合S 中移除; Step 3 從集合S 第1 個(gè)元素開(kāi)始,依次取集合S 中的元素si 與集合A1 中的所有元素進(jìn)行比較,若這兩個(gè)元素代表的單元相鄰,則將集合S 中的元素si 添加到集合A1 中并將元素si 從集合S 中移除; Step 4 重復(fù)步驟Step 3,直至集合A1 中的任意元素aj 與集合S 中任意元素si 分別所代表的單元不相鄰; Step 5 判斷集合S 是否為空集,若為空集則前景色分聚類(lèi)完成,否則重復(fù)Step 2 至Step 5,分別建立集合A2、A3、A4、……、An,直至集合S 為空集,并且將A1、A2、A3、……、An 作為元素構(gòu)成集合A,即A={A1,A2,A3……An}。分割聚類(lèi)實(shí)驗(yàn)結(jié)果如圖2 所示。

圖2 分割聚類(lèi)結(jié)果 2.2 各定位塊中心點(diǎn)坐標(biāo)計(jì)算 對(duì)于至少具有兩條互相垂直的對(duì)稱(chēng)軸圖形,可使用平均值算法計(jì)算圖形中心點(diǎn)。圖形中心點(diǎn)坐標(biāo)滿(mǎn)足

269da89c-88ef-11eb-8b86-12bb97331649.png

式中:xt 為第t 個(gè)定位塊的中心點(diǎn)在圖像坐標(biāo)系o1 ? x1y1下的橫坐標(biāo), yt 為第t 個(gè)定位塊的中心點(diǎn)在圖像坐標(biāo)系o1 ? x1y1 下的縱坐標(biāo),n 為第t 個(gè)定位塊中黑色像素點(diǎn)的總個(gè)數(shù),xi 為第t 個(gè)定位塊中第i 個(gè)黑色像素點(diǎn)在圖像坐標(biāo)系o1 ? x1y1下的橫坐標(biāo),yi 為第t 個(gè)定位塊中第i 個(gè)黑色像素點(diǎn)在圖像坐標(biāo)系o1 ? x1y1 下的縱坐標(biāo)。 利用式(1) 可以計(jì)算出集合A 中每個(gè)元素對(duì)應(yīng)的中心點(diǎn)坐標(biāo)oi,所有中心點(diǎn)構(gòu)成集合O,即O={ o 1,o 2,o 3,……,on }。對(duì)于所述方法,O={ o 1,o 2,o 3 }。任意兩定位塊中心點(diǎn)之間的距離

26becc84-88ef-11eb-8b86-12bb97331649.png

式中:h 為攝像頭的安裝高度,f 為攝像頭的焦距,xi 為中心點(diǎn)oi 在圖像坐標(biāo)系o1 ? x1y1下的橫坐標(biāo),yi 為中心點(diǎn)oi 在圖像坐標(biāo)系o1 ? x1y1下的縱坐標(biāo),xj 為中心點(diǎn)oj 在圖像坐標(biāo)系o1 ? x1y1 下的橫坐標(biāo),yj 為中心點(diǎn)oj在圖像坐標(biāo)系o1 ? x1y1下的縱坐標(biāo)。i、j k 分別取1、2、3 且互不相同。當(dāng)dk 取得最大值時(shí)中心點(diǎn)及對(duì)應(yīng)邊長(zhǎng)如圖3 所示。

26f36cbe-88ef-11eb-8b86-12bb97331649.png

圖3 中心點(diǎn)及對(duì)應(yīng)邊長(zhǎng) 中心點(diǎn)ok 對(duì)應(yīng)定位塊A,記中心點(diǎn)ok 的坐標(biāo)為(xk,yk),取中心點(diǎn)oi(xi,yi),構(gòu)建向量,利用式(3)判斷中心點(diǎn)oj(xj,yj)與向量之間的關(guān)系,有 287d7b60-88ef-11eb-8b86-12bb97331649.png ? 當(dāng)t > 0,點(diǎn)oj 在oi 的左側(cè),中心點(diǎn)oi 對(duì)應(yīng)定位塊B ,中心點(diǎn)oj 對(duì)應(yīng)定位塊C ;當(dāng)t < 0,點(diǎn)oj 在oi 的右側(cè),中心點(diǎn)oi 對(duì)應(yīng)定位塊C ,中心點(diǎn)oj 對(duì)應(yīng)定位塊B 。確定定位塊中心點(diǎn)在圖像坐標(biāo)系o1 ? x1y1下的坐標(biāo),將定位塊A、B 、C 的中心點(diǎn)在圖像傳感器上的投影記為A(xa , ya ), B(xb , yb ),C(xc , yc )。 ?

3 累積誤差計(jì)算模型

圖像坐標(biāo)系o1 ? x1y1與信標(biāo)投影坐標(biāo)系o′ ? x′y′之間的旋轉(zhuǎn)、平移關(guān)系模型如圖4 所示。圖中,dx 為AGV 在信標(biāo)坐標(biāo)系下X 軸方向上位置累積誤差,dy 為AGV 在信標(biāo)坐標(biāo)系下Y 軸方向上位置累積誤差,θx 為AGV 在信標(biāo)坐標(biāo)系下X 軸方向上航向角累積誤差,θy 為AGV 在信標(biāo)坐標(biāo)系下Y 軸方向上航向角累積誤差,有

圖4 累計(jì)誤差計(jì)算模型

28fb0152-88ef-11eb-8b86-12bb97331649.png

293930da-88ef-11eb-8b86-12bb97331649.png

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)采用無(wú)畸變攝像頭,將其安裝于AGV 的回轉(zhuǎn)中心并與地面保持平行,拍攝位于地面的特定信標(biāo)。利用所述方法計(jì)算在任意位置下的位置偏差和角度偏差,將實(shí)際測(cè)量值與計(jì)算結(jié)果進(jìn)行比較。每次實(shí)驗(yàn)進(jìn)行20次計(jì)算,進(jìn)行6 次獨(dú)立重復(fù)實(shí)驗(yàn)。選取第1 次、第10 次、第20 次的實(shí)驗(yàn)結(jié)果和實(shí)際測(cè)量結(jié)果,如表1 所示。第1 次獨(dú)立重復(fù)實(shí)驗(yàn)的計(jì)算結(jié)果與實(shí)際測(cè)量結(jié)果進(jìn)行比較,誤差如圖5 所示。圖5 計(jì)算結(jié)果與測(cè)量結(jié)果之間的誤差由表1 可知,每次獨(dú)立重復(fù)實(shí)驗(yàn)計(jì)算結(jié)果,dx、dy的波動(dòng)不超過(guò)1 mm,θ 的波動(dòng)不超過(guò)0.5°,說(shuō)明本方法計(jì)算結(jié)果具有較高的穩(wěn)定性。從圖5 可以看出,每次獨(dú)立重復(fù)實(shí)驗(yàn)計(jì)算結(jié)果與實(shí)際測(cè)量結(jié)果相比較,dx、dy的誤差不超過(guò)1 mm,θ 的誤差不超過(guò)1°,說(shuō)明本方法具有較高的準(zhǔn)確度。6 次獨(dú)立重復(fù)實(shí)驗(yàn)的計(jì)算結(jié)果與實(shí)際測(cè)量結(jié)果相比較,結(jié)果都在誤差允許范圍內(nèi),說(shuō)明本方法具有較高的可靠性。

5 結(jié)語(yǔ)

從信標(biāo)特征識(shí)別開(kāi)始到定位偏差計(jì)算,研究了一種用于倉(cāng)儲(chǔ)物流搬運(yùn)AGV 運(yùn)動(dòng)累積誤差檢測(cè)方法。針對(duì)特定的信標(biāo),在特征提取中使用柵格對(duì)二值圖像進(jìn)行分割,對(duì)柵格單元進(jìn)行聚類(lèi),利用平均值算法計(jì)算信標(biāo)中定位塊的中心點(diǎn)坐標(biāo),建立圖像與世界坐標(biāo)系的旋轉(zhuǎn)、平移關(guān)系模型,計(jì)算倉(cāng)儲(chǔ)物流搬運(yùn)AGV 在世界坐標(biāo)系下的位姿。最后通過(guò)實(shí)驗(yàn)測(cè)量,將計(jì)算結(jié)果與測(cè)量結(jié)果比較,證明所述方法具有較高精度、穩(wěn)定性和可靠性。進(jìn)一步提高圖像處理速度和提高定位精度是下一步研究重點(diǎn)。

責(zé)任編輯:lq

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2565

    文章

    52972

    瀏覽量

    767207
  • 視覺(jué)
    +關(guān)注

    關(guān)注

    1

    文章

    163

    瀏覽量

    24363
  • AGV
    AGV
    +關(guān)注

    關(guān)注

    27

    文章

    1438

    瀏覽量

    42323

原文標(biāo)題:基于單目視覺(jué)的倉(cāng)儲(chǔ)物流搬運(yùn)AGV 累積誤差檢測(cè)方法研究

文章出處:【微信號(hào):vision263com,微信公眾號(hào):新機(jī)器視覺(jué)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    目視覺(jué)在智能駕駛領(lǐng)域的應(yīng)用

    圍繞“雙目智駕應(yīng)用”,我們將推出系列文章深入解析雙目視覺(jué)如何跨越技術(shù)鴻溝,在中國(guó)智駕的沃土上生根發(fā)芽,探索其賦能未來(lái)出行的無(wú)限可能。
    的頭像 發(fā)表于 07-09 16:21 ?207次閱讀

    一種實(shí)時(shí)多線(xiàn)程VSLAM框架vS-Graphs介紹

    ,vSGraphs優(yōu)于當(dāng)前最先進(jìn)的VSLAM方法,在真實(shí)數(shù)據(jù)上平均降低3.38%的軌跡誤差,最大降幅達(dá)9.58%。同時(shí),所提出的框架還具有良好的可擴(kuò)展性,能夠處理大規(guī)模場(chǎng)景。此外,僅通過(guò)視覺(jué)特征,本框架實(shí)現(xiàn)的語(yǔ)義實(shí)體
    的頭像 發(fā)表于 04-19 14:07 ?388次閱讀
    <b class='flag-5'>一種</b>實(shí)時(shí)多線(xiàn)程VSLAM框架vS-Graphs介紹

    焊接質(zhì)量檢測(cè)方法

    焊接作為一種關(guān)鍵的金屬連接工藝,其質(zhì)量直接決定了產(chǎn)品的整體性能和使用壽命。因此,準(zhǔn)確檢測(cè)焊接質(zhì)量對(duì)于保障產(chǎn)品安全性和可靠性至關(guān)重要。目視檢查目視檢查是焊接質(zhì)量
    的頭像 發(fā)表于 03-28 12:19 ?619次閱讀
    焊接質(zhì)量<b class='flag-5'>檢測(cè)</b><b class='flag-5'>方法</b>

    一種基于點(diǎn)、線(xiàn)和消失點(diǎn)特征的目SLAM系統(tǒng)設(shè)計(jì)

    本文提出了一種穩(wěn)健的目視覺(jué)SLAM系統(tǒng),該系統(tǒng)同時(shí)利用點(diǎn)、線(xiàn)和消失點(diǎn)特征來(lái)進(jìn)行精確的相機(jī)位姿估計(jì)和地圖構(gòu)建,有效解決了傳統(tǒng)基于點(diǎn)特征的SLAM的局限性。
    的頭像 發(fā)表于 03-21 17:07 ?457次閱讀
    <b class='flag-5'>一種</b>基于點(diǎn)、線(xiàn)和消失點(diǎn)特征的<b class='flag-5'>單</b>目SLAM系統(tǒng)設(shè)計(jì)

    一種降低VIO/VSLAM系統(tǒng)漂移的新方法

    本文提出了一種方法,通過(guò)使用點(diǎn)到平面匹配將VIO/VSLAM系統(tǒng)生成的稀疏3D點(diǎn)云與數(shù)字孿生體進(jìn)行對(duì)齊,從而實(shí)現(xiàn)精確且全球致的定位,無(wú)需視覺(jué)數(shù)據(jù)關(guān)聯(lián)。所提
    的頭像 發(fā)表于 12-13 11:18 ?698次閱讀
    <b class='flag-5'>一種</b>降低VIO/VSLAM系統(tǒng)漂移的新<b class='flag-5'>方法</b>

    一種將NeRFs應(yīng)用于視覺(jué)定位任務(wù)的新方法

    視覺(jué)定位旨在估計(jì)在已知環(huán)境中捕獲的給定圖像的旋轉(zhuǎn)和位置,大致可以分為絕對(duì)姿態(tài)回歸(APR),場(chǎng)景坐標(biāo)回歸(SCR)和分層方法(HM)。
    的頭像 發(fā)表于 10-28 10:03 ?563次閱讀
    <b class='flag-5'>一種</b>將NeRFs應(yīng)用于<b class='flag-5'>視覺(jué)</b>定位任務(wù)的新<b class='flag-5'>方法</b>

    一種簡(jiǎn)單高效配置FPGA的方法

    本文描述了一種簡(jiǎn)單高效配置FPGA的方法,該方法利用微處理器從串行外圍接口(SPI)閃存配置FPGA設(shè)備。這種方法減少了硬件組件、板空間和成本。
    的頭像 發(fā)表于 10-24 14:57 ?1605次閱讀
    <b class='flag-5'>一種</b>簡(jiǎn)單高效配置FPGA的<b class='flag-5'>方法</b>

    一種完全分布式的點(diǎn)線(xiàn)協(xié)同視覺(jué)慣性導(dǎo)航系統(tǒng)

    在本文中,我們提出了一種完全分布式的點(diǎn)線(xiàn)協(xié)同視覺(jué)慣性導(dǎo)航系統(tǒng)。我們通過(guò)蒙特卡羅模擬和真實(shí)環(huán)境數(shù)據(jù)集,在稠密特征或稀疏特征環(huán)境下將所提出的算法與其他四算法進(jìn)行了比較。所有結(jié)果表明,我們的PL-CVIO優(yōu)于獨(dú)立的MSCKF和CVI
    的頭像 發(fā)表于 09-30 14:45 ?895次閱讀
    <b class='flag-5'>一種</b>完全分布式的點(diǎn)線(xiàn)協(xié)同<b class='flag-5'>視覺(jué)</b>慣性導(dǎo)航系統(tǒng)

    一種利用wireshark對(duì)遠(yuǎn)程服務(wù)器/路由器網(wǎng)絡(luò)抓包方法

    一種利用wireshark對(duì)遠(yuǎn)程服務(wù)器/路由器網(wǎng)絡(luò)抓包方法
    的頭像 發(fā)表于 09-21 08:03 ?4893次閱讀
    <b class='flag-5'>一種</b>利用wireshark對(duì)遠(yuǎn)程服務(wù)器/路由器網(wǎng)絡(luò)抓包<b class='flag-5'>方法</b>

    管交流放大電路誤差分析方法

    管交流放大電路誤差分析方法主要包括以下幾個(gè)方面: 誤差來(lái)源分析 儀器誤差 : 定義 :儀器
    的頭像 發(fā)表于 09-03 10:06 ?2999次閱讀

    視覺(jué)檢測(cè)可以食品中檢測(cè)出毛發(fā)嗎

    。那么,視覺(jué)檢測(cè)可以在食品中檢測(cè)出毛發(fā)嗎? 先說(shuō)結(jié)論,視覺(jué)檢測(cè)是可以在食品中檢測(cè)出毛發(fā)的。
    的頭像 發(fā)表于 09-02 13:54 ?583次閱讀

    視覺(jué)檢測(cè)是什么意思?機(jī)器視覺(jué)檢測(cè)的適用行業(yè)及場(chǎng)景有哪些?

    在快速迭代的工業(yè)世界中,機(jī)器視覺(jué)檢測(cè)以其精準(zhǔn)、高效的力量,已成為眾多產(chǎn)業(yè)不可或缺的技術(shù)支持。本文將深入探討機(jī)器視覺(jué)檢測(cè)的含義、應(yīng)用行業(yè)及具體場(chǎng)景,揭示其如何在現(xiàn)代生產(chǎn)中扮演關(guān)鍵角色。
    的頭像 發(fā)表于 08-30 11:20 ?882次閱讀

    分析討論臂電橋電阻的誤差原因

    引言 臂電橋是一種基于惠斯通電橋原理的電阻測(cè)量?jī)x器,廣泛應(yīng)用于實(shí)驗(yàn)室和工業(yè)生產(chǎn)中。然而,臂電橋的測(cè)量結(jié)果往往受到多種因素的影響,導(dǎo)致誤差的產(chǎn)生。本文將從
    的頭像 發(fā)表于 08-27 15:14 ?5085次閱讀

    機(jī)器視覺(jué)在焊接質(zhì)量檢測(cè)中的應(yīng)用

    的可能性。今天跟隨創(chuàng)想智控小編起了解機(jī)器視覺(jué)在焊接質(zhì)量檢測(cè)中的應(yīng)用。 1. 機(jī)器視覺(jué)原理 機(jī)器視覺(jué)
    的頭像 發(fā)表于 08-13 16:33 ?625次閱讀

    一種無(wú)透鏡成像的新方法

    使用OAM-HHG EUV光束對(duì)高度周期性結(jié)構(gòu)進(jìn)行成像的EUV聚光顯微鏡 為了研究微電子或光子元件中的納米級(jí)圖案,一種基于無(wú)透鏡成像的新方法可以實(shí)現(xiàn)近乎完美的高分辨率顯微鏡。 層析成像是一種強(qiáng)大的無(wú)
    的頭像 發(fā)表于 07-19 06:20 ?762次閱讀
    <b class='flag-5'>一種</b>無(wú)透鏡成像的新<b class='flag-5'>方法</b>