《表3 使用本文方法与实际值的对比Tab.3 The comparison of this method and actual value》

《表3 使用本文方法与实际值的对比Tab.3 The comparison of this method and actual value》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于双目视觉的工件测量研究》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

得到角点的世界坐标系之后就可以求得角点之间的距离，便可以用两点之间的距离来验证本次测量对于角点的定位精度。其中，研究得到的多个主要方向的测量尺寸可见表3。

图表编号XD0015509800    严禁用于非法目的
绘制时间2018.02.28
作者潘琪、秦襄培、尹雄、武胜超、曾诚
绘制单位武汉工程大学机电工程学院、武汉工程大学机电工程学院、武汉工程大学机电工程学院、武汉工程大学机电工程学院、武汉工程大学机电工程学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 本文所提方法与已有方法的检测性能比较Tab.3 Performance comparison between the proposed method and some existing methods》2019.02.25
  2. 《表2 与常规神经网络对比结果Tab.2 The result of comparison between the method in this paper and conventional methods》2019.03.10
  3. 《表2 本文方法与文献[13]方法对比Tab.2 Comparison between the method of this paper and the method of Reference[13]》2019.02.01
  4. 《表2 本文方法与传统方法的对比Tab.2 Comparison of the method in this paper with the traditional method》2019.01.01
  5. 《表3 稳态下仿真数据与实际测试数据的对比Tab.3 Comparison of simulation data and actual test data under steady-state》2019.02.01
  6. 《表2 传统方法与本文所提方法估计结果的对比Tab.2 Comparison of estimation result between the traditional method and the proposed method in thi》2019.03.01
  7. 《表3 隐藏30 000bits时本文方法与文献[11, 14, 16]的PSNR对比结果Tab.3 The PSNR comparison among our method, the references[11, 14, 16]when h》2018.04.01
  8. 《表4 本文芯片与常用芯片性能对比Tab.4 The performance comparison of this chip and the chips in common used》2018.12.25
  9. 《表3 本文方法和3种无监督NR方法在LIVE Challenge库中性能比较Tab.3 Performance comparison between the proposed method and other three unsupervi》2018.01.15
  10. 《表3 本文所提方法与双目定位的对比Table 3 Comparison between the method and binocular location》2018.05.01
  11. 《表3 海上测试实际位置与估计位置对比Tab.3 Comparison of estimated position and actual position from sea survey experiment》2018.09.01
  12. 《表5 使用Canny算法与实际值的对比Tab.5 The comparison of Canny algorithm and actual value》2018.02.28
  13. 《表5 PSO-SVM方法与本文方法诊断结果对比Tab.5 PSO-SVM method and the diagnostic results of this method》2018.03.10
  14. 《表4 PSO-SVM方法与本文方法训练时间对比Tab.4 PSO-SVM method and the training time of this method》2018.03.10
  15. 《表1 本文方法估计结果与真实值的比较Tab.1 Comparison of the Method of Our Proposed and Real Values》2018.06.05
  16. 《表3 本文方法与全局特征匹配方法在不同影像数据中的计算结果Tab.3 The results of this method and the global feature matching method in different image》2018.06.01
  17. 《表2 本文方法与全局SURF方法在不同影像数据中的计算结果Tab.2 The results of this method and the global SURF method in different image data》2018.06.01
  18. 《表3 与深度学习方法对比评价结果Tab.3 Quality assessments of deep learning method and method proposed by this paper》2018.06.01
  19. 《表6 本文方法与跟踪传播法的误差对比Tab.6 Time error comparison between this method and the tracking propagation method》2018.12.25
  20. 《表2 本文融合方法与单一特征融合方法误差分布对比Tab.2 Comparison of error distribution between this paper fusion method and single feature fusio》2018.12.01

随机翻阅

《表1 淹水胁迫对油麦菜生长指标的影响》 《表2 2010—2019年各季度济南市肺结核报告发病情况》 《表1 教师课堂语伴手势的多模态隐喻类型分布》 《表2 不同Ls对应Us、Ul、Ur及与标准值的偏差》 《表2 真空转鼓过滤机过滤的钙镁泥成分》 《表3 各组IFN-γ、IL-1、IL-4比较(±s,pg/mL)》 《表3 两组治疗前后的ESP及CRP水平比较 (±s)》 《表1 气浮池各相关尺寸表Tab.1 Related size table of air floatation pool》 《表4 不同加固肋间距条件下的特征值屈曲分析结果》 《附表1 学院周边美丽乡村建设情况一览表》