Rotation Estimation and Segmentation for Patterned Image Vision Inspection

Pattern images can be segmented in a template unit for efficient fabric vision inspection; however, segmentation criteria critically affect the segmentation and defect detection performance. To get the undistorted criteria for rotated images, rotation estimation of absolute angle needs to be proceeded. Given that conventional rotation estimations do not satisfy both rotation errors and computation times, patterned fabric defects are detected using manual visual methods. To solve these problems, this study proposes the application of segmentation reference point candidate (SRPC), generated based on a Euclidean distance map (EDM). SRPC is used to not only extract criteria points but also estimate rotation angle. The rotation angle is predicted using the orientation vector of SRPC instead of all pixels to reduce estimation times. SRPC-based image segmentation increases the robustness against the rotation angle and defects. The separation distance value for SRPC area distinction is calculated automatically. The performance of the proposed method is similar to state-of-the-art rotation estimation methods, with a suitable inspection time in actual operations for patterned fabric. The similarity between the segmented images is better than conventional methods. The proposed method extends the target of vision inspection on plane fabric to checked or striped pattern.

Mejora de la ubicación del centro articular de un sistema de captura de movimiento sin marcadores a través de un método de calibración funcional: estudio piloto

El análisis biomecánico es una herramienta para evaluar movimientos patológicos y su rehabilitación. Esta investigación estudia la factibilidad de mejoras en la ubicación del centro articular de cadera en un Sistema de Captura de Movimiento sin Marcadores a través de la aplicación de un método de calibración funcional. Se analizó el movimiento de una joven mujer sin impedimentos físicos. Se adquirió simultáneamente información del sistema gold standard (Motion Capture System, MOCAP) y una alternativa de bajo costo (Microsoft Kinect). Se grabaron adquisiciones estáticas y dinámicas. A partir de la información obtenida con Kinect, se crearon cinco marcadores virtuales para cada pierna y se introdujeron en optimal common shape technique y en symmetrical centre of rotation estimation method para determinar los centros articulares de ambas caderas. Los resultados mostraron mejora en la ubicación del centro de rotación cuando fueron comparados con la información de MOCAP. En conclusión, este enfoque podría mejorar la información obtenida con Kinect y demostró ser un método factible deaplicación en el campo de la rehabilitación.