CN103733022A - 3d机器视觉扫描信息提取系统 - Google Patents

3d机器视觉扫描信息提取系统 Download PDF

Info

Publication number
CN103733022A
CN103733022A CN201280038370.3A CN201280038370A CN103733022A CN 103733022 A CN103733022 A CN 103733022A CN 201280038370 A CN201280038370 A CN 201280038370A CN 103733022 A CN103733022 A CN 103733022A
Authority
CN
China
Prior art keywords
machine vision
scanning
data
controller
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201280038370.3A
Other languages
English (en)
Inventor
T·J·荷马里
A·T·荷马里
M·R·萨拉耶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HERMARY OPTO ELECTRONICS Inc
Original Assignee
HERMARY OPTO ELECTRONICS Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HERMARY OPTO ELECTRONICS Inc filed Critical HERMARY OPTO ELECTRONICS Inc
Publication of CN103733022A publication Critical patent/CN103733022A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/24Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种三维机器视觉扫描头,用于从目标物体获得原始扫描数据,集成的扫描信息提取模块执行数据简化并将对工业处理中的自动控制决策很重要的、选择的摘要目标物体扫描信息传给控制器。所述扫描头包含激光发射器、反射激光检测器及用于将所述目标物体扫描信息从所述信息提取模块传给所述控制器的通信接口。

Description

3D机器视觉扫描信息提取系统
技术领域
本发明涉及远程测量物体维度的装置领域,尤其涉及含有数据简化或计算方法的三维(3D)机器视觉扫描仪,前述方法使能与常见的工业控制器直接联接。
背景技术
机器视觉(MV)是在制造情形下使用计算机视觉的工程学的分支。“MV处理的目标在于识别图像中的实际物体并向这些物体赋予性质—理解它们意味着什么”(Fred Hapgood,Factories of the Future,Essential Technology,Dec15,2006)。
“3D扫描仪是分析真实世界物体或环境以收集关于其形状及可能关于其外表的数据的装置。之后,所收集的数据可用于构建数字、三维模型。3D扫描仪的目的通常在于创建物体表面的几何样本的点云。这些点可用于推算物体形状”(3D scanner,Wikipedia)。
3D扫描仪用作工业制造业的机器视觉在扫描仪产生越来越大量的扫描数据时受到根本的考验,因为该数据必须及时简化以适合工业控制器,否则处理将中断。由于摩尔定律预见更细粒的点云,主要问题变成有效的实时数据管理。如果使用3D扫描仪产生关于物体的信息,其使工业设备能快速和准确地对物体进行操作,数据流必须仅限于执行该任务所需的程度。
当前,每秒50万点的XYZ数据云发送给PC接口,其必须分析该数据并将之处理为工业控制器可使用的信息。采用多个PC需要编程和工程学专门知识以从点云或一系列2D切片提取量上足够小的有关信息从而使简单的工业控制器可有效地使用该信息。遗憾的是,处理通常太慢以至于不能对控制器及时起作用,延迟通常意味着工业制造或处理环境成本高、耗费、有时甚至有危险。
现有技术扫描数据预处理技术可在下述场合中发现,例如数码相机成像系统(US7791671)、POS扫描仪(US6085576)、及缺陷检测系统(US7783103),但所有这些均需要由扫描设备外部的中央单元进行另外的处理。前进一小步的是现场总线环境的采用(US7793017),其中来自多个传感器的数据转换到通用可寻址协议网络,但这并不能有效地寻址所需要的3D扫描仪数据分析以进行近实时的控制器使用。用于检查零件的三角测量扫描平台(US7812970)产生数据集,其由线性编码器电子电路处理以控制正进行扫描的物体的线性移动速率,但并未将近实时扫描数据馈给工业控制器。
另一问题在于大部分3D扫描系统采用2D区域图像捕获方法,其将2D快照合并在一起以形成3D线框模型。这并不是真正的3D扫描,其需要许多实施起来很困难的、有问题的及低效的解决方案。
在现有技术中尚未发现具有应用于3D机器视觉扫描的集成协议的数据负荷管理技术的在售、独立扫描仪设备,因而需要这样的设备以简化和优化许多领域中的工业处理和制造。
发明内容
3D机器视觉扫描仪传统上设计成从每一物体扫描提取所有有关处理数据然后将其直接发送给工业处理和制造控制器。用于工业处理的3D扫描仪(MV)可产生一组2D切片,其可被“堆在一起”以产生3D表示。新颖的设备从已通过可定制信息提取工具和方法简化的2D切片产生3D模型,使得发送给控制器的扫描数据的量更加可管理并可更快速地使用。通过该手段,更多的原始数据可在3D扫描仪设备上进行处理或摘要,然后直接发送给工业控制器进行处理控制,实际上实时。
使3D扫描仪与工业控制器直接接口连接并因而向其提供对控制器作出决定很重要的提取的信息而不是大量原始扫描数据,消除了对接收和处理大数据云的中间处理器的需要,同时还使工艺工程师能对扫描输出参数进行更直接的控制,无需依赖于扫描仪制造商针对每一新的扫描重新配置扫描仪。实现本发明的3D机器视觉扫描仪系统以工业控制器可使用的格式非常快速地对大量数据进行摘要,使得工业控制器能控制正进行扫描的物体或基于其做出决定。
3D机器视觉扫描仪系统可用于改善许多工业和制造处理。这些包括但不限于在木材加工厂中扫描原木以进行切除或切割;检测因机器人焊接造成的焊缝缺陷;准确测量非常大的不规则表面的低点以进行切除;自动剔出尺寸或形状方面的次果(或任何物体);测量冷藏的比萨饼以确保其将能装入盒内;跟踪重绕卷盘的边缘以防止攀绕和缠结;准确测量物体参数以防止在堆叠时出现累积误差;检测挤出物或管中的缺陷;准确估计松散物体如冷冻食品的量以确保最佳冷藏能力,或准确估计木片/谷物的量以得到水分含量等。目前,所有这些处理均需要人工计算、专家编程能力、数据库管理、及数据处理,且通常成本很高、耗费劳动力和时间、及并不总是准确或自动。
本发明提供三维机器视觉系统,具有包括摄像机和计算机的扫描头,计算机用作执行数据简化并传送摘要数据以有利于重要信息直接与通用工业控制器接口连接的信息提取模块。通过将数据的关键摘要从扫描仪直接传给控制器,工艺工程师能重获扫描参数和决策处理的控制。扫描仪输出和实施可与许多领域的工艺工程师使用的常见工业通信协议兼容。笛卡尔坐标系中的原始3D几何测量可重测为机器坐标以用于工业应用。所提取的信息3D机器视觉扫描提供更简单的、更快的和效能成本更合算的制造和处理。
实质上,本发明提供3D机器视觉扫描系统,其具有:
1、用于从目标物体获得原始扫描数据的扫描头;
2、信息提取模块,其将原始扫描数据处理和简化为对工业处理中的自动控制决策很重要的目标物体信息;及
3、用于将目标物体扫描信息传给控制器的通信接口。
扫描头传统上包含激光发射器和反射激光检测器。实现本发明的扫描头还包含信息提取模块和通信接口。信息提取模块具有一组嵌入的数学函数以从扫描数据提取关键目标物体信息,从而减少数据传输、系统停止工作及降低工业控制系统中随后的处理和决策分析的复杂性。
在优选实施例中:
a)将由信息提取模块使用的计算方法可由控制器选择,选自内含在数据处理计算机硬件中的一组关键扫描信息提取工具,数据处理计算机硬件连同激光投影仪、成像反射激光传感器一起集成在密封的扫描头内;
b)目标物体扫描信息仅源自扫描头能够扫描的大区域内的、由控制器选择的感兴趣区域的扫描数据;
c)关键扫描信息提取工具包括多个预定的、控制器选择的感兴趣区域;
d)信息提取工具应用于来自多个扫描轮廓的控制器选择的范围的扫描数据,所得的扫描信息在信息提取工具应用于随后的所选多个扫描轮廓之前传给控制器;
e)扫描头从原始轮廓(X-Y)扫描数据提取关键扫描信息,且仅将控制器执行其功能所需要的扫描信息传给控制器;
f)关键目标物体扫描信息在扫描头内格式化为开放标准通信协议;
g)扫描头快速对大量目标物体扫描数据进行摘要并经通信接口将小得多的、工业控制器可使用格式的摘要目标物体扫描信息数据集传给工业控制器以进行工业处理控制决策。
扫描头安装在工业装置如包装或装配输送线中,在该应用中,关于扫描仪扫描的目标物体的决策处理由控制器进行。
扫描头可与连接成包括时分同步的通信多路复用器编码器的多个类似扫描仪结合,使得每一扫描仪可被锁相。这使得一个扫描头可发出激光并无干扰地获得扫描轮廓,同时多个扫描仪阵列中的其他扫描仪关闭并等待轮到其以依次扫描。
附图说明
图1a示出了连接到编码器/复用器和PC接口的、处理用于工业控制器的扫描数据的3D扫描仪。
图1b示出了3D机器视觉扫描信息提取系统的、简单得多的外部元件。
图2a示出了3D扫描仪机壳的有效侧视图。
图2b示出了3D扫描仪怎样产生X-Y轮廓的图。
图2c示出了在扫描仪扫描具有独特轮廓的板的一部分时扫描仪操作的等角内部视图。
图2d借助于扫描仪发出的激光芒示出了3D扫描仪和物体样本扫描的操作扫描区域的等角图。
图2e借助于扫描仪发出的激光芒示出了3D扫描仪和物体样本扫描的操作扫描区域的等角内视图。
图3a示出了所扫描的橙子的图片。
图3b示出了橙子扫描的等角点云。
图3c示出了橙子点云的侧视图。
图4a示出了具有轮廓极值的点云侧视图。
图4b示出了橙子的轮廓极值的侧视图。
图5a示出了轮廓和云极值的侧视图。
图5b示出了轮廓和云极值的俯视图。
图6a示出了所扫描的比萨饼的图片。
图6b示出了比萨饼扫描的等角图,包括其具有轮廓极值的点云。
图6c示出了比萨饼扫描的俯视图,包括其轮廓和云极值。
图7示出了极值推导曲线。
图8a示出了所扫描的波纹管的凹痕区。
图8b示出了扫描仪IET将凹痕检测为与管的标准轮廓的差异时刻的曲线。
图9a示出了所扫描的一堆木片的图片。
图9b示出了木片的3D扫描的等角图。
图10a示出了木片的3D扫描的侧视图。
图10b示出了所选感兴趣区域内的木片扫描的单一轮廓的面积和的图。
图11a示出了维恩图,其图示具有一组信息提取工具(IET)的信息提取模块怎样使能3D机器视觉扫描信息提取。
图11b示出了集成在3D机器视觉扫描信息提取系统内的元件。
具体实施方式
下面将结合附图对3D机器视觉扫描信息提取系统进行描述,并将讨论关键术语。
图1a示出了多个扫描仪12将扫描数据从每一扫描仪输出24发送给复用器/编码器26,之后借助于以太网工业协议(EtherNet/IPTM)28连接传给工作站/PC接口30,其分析和处理该数据并将其转换为通用工业协议(CIPTM),CIP和为ODVA的商标,ODVA为包括来自全球主要自动化公司的成员的国际协会。ODVA及其成员共同支持基于通用工业协议(CIP)的网络技术。这些技术目前包括DeviceNet、EtherNet/IP、CompoNet和ControlNet,及CIP的主要扩展:CIP Safety和CIP Motion。所有这些商标均属于ODVA,其管理这些开放技术的开发并通过其标准开发、认证、售主教育和工业认知等获得帮助CIP网络的制造商和用户。CIP32格式化的信息传给工业控制器34(现有技术)。图1b示出了3D机器视觉扫描信息提取系统10的两个外部元件,即扫描仪12将摘要的CIP32数据从其输出24经EtherNet/IP28直接发送给控制器34。(内部数据处理元件将在下面描述)。
图2a示出了3D扫描仪机壳单元12的有效侧视图,具有通过其窗口18发出相干光的激光投影仪14、通过其窗口20进行观察的摄像机16、指示器板22和扫描仪输出24连接器。
图2b示出了扫描仪12使激光投影仪14运行的图,激光投影仪通过其窗口18将光束41在标记为A的点48处发送在物体(未示出)上。(点A和B之间的)物体上的激光束41借助于返回通路44通过摄像机透镜36的视场由A'处的传感器38进行成像。随着激光投影仪14到达物体上的点B,其在传感器38上的位置已相应变为B'。由于基线40已知及激光转角为直角,摄像机转角的角度可从摄像机的、由传感器38检测的视场中的激光斑的位置进行确定。为加速捕获过程,激光投影仪14实际上发出一片激光,在下面称为激光芒42,以得到所扫描物体的X-Y轮廓50。
图2c示出了扫描仪12工作的等角内部视图,其将激光芒42发射在物体46上,在此为具有独特轮廓50的板的一部分,之后沿返回通路44通过透镜36成像在成像传感器38上。如传感器38的表面上所示的、由激光芒42产生的轮廓50的实际图像仅为扫描操作的代表,其用于说明所涉及的原理。由传感器38接收的轮廓50的图像的方向和大小取决于透镜36的特性和成像距离。
图2d示出了从激光窗口18发出激光芒42的扫描仪12的操作扫描区域88。放在扫描区域88内的物体46(橙子)的轮廓50将通过激光芒42描画并沿返回通路44通过摄像机窗口20进行成像。激光发射器并不转动,而是,所发射的激光折射在平面扇内,其离开目标物体的反射通过摄像机检测。轮廓50为目标物体表面上检测到的激光交叉点的集合,且为目标物体的实际表面部分原子解剖的子集。
图2e示出了图2d的内视图,其中通过物体46上的激光芒42描画的轮廓50现在可看见,其经返回通路44通过摄像机窗口20看见。
图3a示出了激光束42扫描的橙子(物体46)的等角图并高亮显示了橙子的轮廓50。图3b示出了橙子46的一部分的点云52的等角图,由各个点48的连续轮廓50组成。图3c示出了橙子46的一部分的点云52的侧视图,由各个点48的连续轮廓50组成。图3b和3c示出了由沿Z轴递增的连续X、Y轮廓扫描组成的原始3D扫描数据。
图4a示出了橙子46的一部分的点云52的侧视图,其中对于每一轮廓50,所选点48的轮廓极值54用小圆圈突出显示。图4b示出了所扫描的橙子46的图一部分的轮廓极值54的侧视图。
图5a示出了所扫描的橙子46的部分的轮廓极值54和所选云极值68的侧视图,这些极值均被标记以指示其轴,即X min56和X max58用方块标记,Ymin60和Y max62用圆标记,及Z min64和Z max66用三角形标记。图5b示出了如上所述的、所扫描的橙子46的部分的轮廓极值54和所选云极值68的俯视图。图5b中通过虚线还示出了具有上面图5a中所示的极值54的单一轮廓50。
图6a示出了激光束42扫描的物体46(比萨饼)的等角图,并突出显示了其轮廓50。图6b示出了比萨饼46的由单一轮廓50扫描并合的点云52的等角图并突出显示了轮廓极值54。图6c示出了比萨饼46的扫描的俯视图,其示出了轮廓极值54并突出显示如图5a/b中所示的所选云极值68。用虚线还示出了具有极值54的单一轮廓50。
图7示出了采用与云极值68一样的极值标记图例的极值推导曲线,即Xmin56和X max58示出了沿X轴的极限,Y min60和Y max62示出了Y向的极限。
图8a示出了激光束42扫描的波纹管(物体46)的凹痕部分并形成跨凹痕72的轮廓50。图8b为突出显示扫描仪的内部信息提取模块的计算将凹痕72检测为与管46的标准轮廓74之间的差异时的图。
图9a示出了激光束42扫描的一堆松散木片(物体46)的等角图,并产生了轮廓50。图9b示出了由木片46的轮廓扫描50堆积的3D点云52的等角图。图中还示出了软件选择的感兴趣区域(ROI)即水平矩形ROI78。控制器通过选择ROI而告诉扫描仪12仅从所选ROI内的扫描数据提取信息传给控制器。
图10a示出了由木片46的轮廓扫描50堆积的3D点云52的侧视图,及水平矩形ROI78的侧视图。图10b示出了所选垂直ROI82内的木片46的扫描单一轮廓50的轮廓面积80求和得到的图,ROI82从水平矩形ROI78上升。在笛卡尔平面中将矩形定义为感兴趣区域很方便,但ROI可定义为平面中的任何形状,如圆形或椭圆形,甚或扫描区域内的球形或其它3D ROI。
图11a为示出3D机器视觉扫描信息提取10的轮廓提取84和决策处理86方面的核心组成的维恩图。借助于信息提取模块70(其中列出了一组信息提取工具(IET)),难处理的原始扫描数据的轮廓提取84(点A)能够以EtherNet/IP28通信基础设施内CIP32兼容的格式向控制器34发送易处理的数据量(点B)。图11b示出了集成在3D机器视觉扫描信息提取系统10内的部分元件,包括摄像机16和传感器38、具有上面表示其内含信息提取工具的介质的信息提取模块70、工作站/PC接口30、决策处理86和激光投影仪14。
图2a中所示的扫描仪12单元为完全密封的工业级的包装,其包围激光投影仪14成像系统(摄像机16、传感器38)和扫描数据处理电子电路。扫描仪12通过使激光器发出折射到平面扇内的相干光而进行扫描。激光芒自物体轮廓反射离开,即物体46的表面依次离开的切片,处理沿Z轴递增行进以得到连续的切片。Z坐标嵌入在扫描仪输出24中。复用器/编码器26卡使能从扫描仪到处理器的通信,包括定时同步以使得每一扫描仪可被锁相(防止重叠的激光),并使几个扫描仪能进行多路复用。连同CIP32(通用工业协议)一起使用的TCP/IP为指定的EtherNet/IP28。点48为一个传感器38成像的激光投影仪14斑并通过X、Y平面中的坐标指定(参见图2b中的A和B)。轮廓50为X、Y平面中的一系列成像的点48,包括所扫描物体的象征成像切片(参见图3c)。(来自点云的)云52为沿Z轴的一系列轮廓50,其包括物体46的、传感器38可看见的部分的整个3D扫描(在ROI82和上面的水平矩形ROI78内)。
现在将描述3D机器视觉扫描信息提取系统10的优选实施例。所公开的扫描系统的新颖性和优点取决于其设计的三个有关方面的结合,即3D扫描过程、信息提取工具和决策处理应用。每一方面将单独进行描述,然后作为集成系统进行描述。
3D机器视觉扫描
本发明采用的3D扫描过程并非捕获物体的2D图像(X-Y平面强度图)或“照片”然后与其它图像拼合在一起以形成物体的“3D图”的类型。该方法并非真正的3D扫描,其具有许多缺点如限于“焦点对准平面”并需要足够的外部照明以能够准确扫描。而且,面摄像机(2D图像处理器)需要许多类型的信息以最佳表现,如目标距离、焦距、摄像机像素、照明变化、物体定向的牌照、推断几何形状的像素映射、最亮/最黑的光斑计量、面积计算、及不同平面的边缘检测。同样,每一售主具有专门的专有解决方案,其需要工程和光学专门知识才能进行处理。来自2D面摄像机输入的定制3D设计成本很高并需要大量再设计和交叉学科专门知识才能实施。一些技术人员试图使用2D面摄像机解决3D问题,但所得的系统通常较复杂、需要手巧、易出错及依赖于操作员,及通常能够执行简单的3D任务如找到物体或条形码的位置,但不能执行困难的3D任务如对形状或形状的点的极限进行绘图。最后,源自2D的“3D”的“2D”版并不是真正的3D形式,为得到有用的输出需要太多的推断,及没有到3D坐标系的连接以映射到其它系统上。
本发明采用的3D扫描过程使用激光三角测量方法对物体46和参考激光束42的交叉点进行成像以产生X-Y轮廓(或切片),其之后沿Z轴递增组合为3D点云表示(XYZ)。3D激光三角测量按如下进行工作(参见图2b):所投射的参考光束42射在目标(A、B)上,其被成像在传感器38上,到目标的距离可通过三角测量进行计算。多个同时发生的读数可传输X-Y轮廓50(图2c、3a),及多个轮廓50可进行组合以产生“点”云52(图3b)。
图3b中产生的点云仅为所扫描的整个物体46(橙子)的一部分。扫描仪目前输出高达660数据点/秒x200扫描/秒,总计每秒0.5M的点发送给处理器。快速处理该数据量需要具有冷却和大的快速计算能力的、并行的PC堆(参见图1a)。之后,采用PC接口以将扫描仪输出转换为使控制器能操作工业机器的信息。为使该步骤进行,PC接口必须以及时的方式仅将控制器执行其功能所需要的信息提供给控制器。
控制器不能处理点云,但其可根据自有处理能力和缓冲能力而进行有限的运算。控制器通常为大规模数据云和工业机器的少量操作和管理之间的接口。控制器允许许多形式和数字/模拟输入/输出格式并可对输入数据进行一些基本计算。控制器必须能够执行其计算并在通常在10ms和100ms之间变化的循环内提供有意义的输出,使得机器可最佳地运行。关键在于控制器必须被呈现适当的形状数据并对其作出反应的时间段短且有限。例如,如果检测到传送带上的比萨饼太大以至于不能适当地堆在冷藏室中,必须及时作出继续堆放或停止堆放的决策,以使操作员(无论是人还是自动化机器)能采取适当的行动。如果控制器被呈现来自多个扫描仪输出的大量数据云并例如因在上面提及的循环之一中仅用了100ms处理该数据以得到一些有价值的输出而停顿,则周围的工业处理失败。
在工业生产环境中,给基于控制器接口的系统的扫描仪数据具有固有的瓶颈,这可使整个处理减慢甚至停止。为使控制器有效率的运行,从每一扫描轮廓有意义地提取关键信息是必要的,且这因集成在3D扫描仪设备内的扫描数据预处理工具(IET)而成为可能。
轮廓提取
从轮廓(X-Y)扫描数据提取关键信息是内置在改进的3D机器视觉扫描仪中的信息提取工具(IET)的总目的。IET软件按所进行的工业处理的需要从每一X-Y轮廓提取所选信息,然后仅将该CIP格式的数据传给控制器。IET使能与控制器直接接口连接,消除了对成本高的、耗时的及专门知识驱动的PC接口分析和处理的需要。IET执行对数据进行压缩或摘要的通用功能,但也可针对每一具体任务进行配置。信息提取工具包括但不限于下述方法:极值推导、轮廓跟踪/匹配、面积求和、向下采样、及多区域扫描,并将在下面进行描述。
极值推导
极值从2D轮廓扫描得到以为了快速且准确的控制器输出而组合易处理的3D数据集。在从每一X-Y轮廓乘以每秒产生的通常200次扫描得到的660个点中,选择四个关键数据点:(X min,Y)(X max,Y)(X,Y min)(X,Y max)(参见图7)。如图4a中所示,带圆圈的点为每一轮廓扫描的极值。第四个点并未示出,但其可得到,因为max和min叠合在一点。在图4b中可以看出,控制器上现在的数据负荷远小于之前的负荷。如图5a和5b中所示,可从轮廓极值提取云极值,但这由控制器进行,工业环境参数如通过大小等分类的过/欠高、过/欠宽为所需要的唯一参数,因为所提取的数据对于控制器有效率的运行为最佳数据。极值推导的步骤的例子对于球形橙子而言如图3a到5b中所示,对于冷藏比萨饼而言如图6a到6c中所示。图7示出了怎样从轮廓扫描得到极值。
轮廓跟踪/匹配
轮廓数据提取的另一方法是检测与所选或标准轮廓的差异。图8a示出了具有凹痕的波纹管的一部分。随着激光扫过凹痕,检测到的轮廓展现与标准轮廓具有差异。这在图8b中示出,其表示检测凹痕进行的处理。可能希望检测与现有轮廓具有一定公差范围内的差异,但实际尺寸没关系,或可能希望检测所扫描的轮廓是否与特定轮廓模板匹配。该数据提取方法可用于任何规则的纵向形状,如塑料挤出物或轧制的金属管。
面积求和
该方法取大量聚集元件如木片、谷物、面粉、矿石等的多个截面(轮廓)。如图9a到10b中所示,得到轮廓然后在控制器而不是扫描头内对面积进行求和相加以产生总的估计的体积。本发明通过从扫描头向控制器提供关键信息而不是大量扫描点数据使控制器能计算另外的、通常非常难以得到的信息。例子为当知道具有可变含水率的聚集物多重时可自动得到水分含量,及其体积由控制器实时计算。水分含量很关键的应用如烘焙、水泥生产、或烘焙食品冷冻以储存在有限体积的冷藏室空间中均需要操作员知道多少水加到混合物中,及系统使能正确的添加,因为本系统提供的定时扫描信息使控制器能告诉操作员混合物中已经有多少水分。
向下采样
该数据提取方法通过减少从任何轮廓样本释放的点的数量而减少发送给控制器的输出量。例如,660个点的轮廓扫描可减少为16个点传给控制器。
多区域扫描
当有离散的多个物体放在扫描区的特定已知区域中时采用该方法。例如,当扫描饼干的传送带时,一次测量3-5个饼干的直径或高度或形状。可对每一饼干产生极值,如果任何饼干有缺陷,则将它们去除。
其它方法
如果运行控制器需要,可采用使能简化来自X-Y轮廓的数据的任何方法。例如,在“网控制”应用中,如织物或地毯的卷绕,边缘跟踪是必要的,但大盘材料的完全扫描数据并不必要,只有扫描可能任性的卷绕材料的边缘位置的信息才是检测“溢出”超过卷绕边缘位置公差范围所需要的信息。与预计通路的不一致检测得越快,校正越容易,这样,正卷绕的地毯的边缘将被扫描和监视,不仅在卷盘本身而且沿地毯边缘到达卷盘的范围。正在进行的边缘位置信息馈给处理控制器,其继而采取电子步骤以使得对卷绕过程进行机械校正。
本系统可提供IET并将其应用于来自单一轮廓或来自Z轴中的预定的固定范围或数量的扫描的数据,或作为备选,应用于来自Z轴中可变范围的轮廓的数据。例如,可(由控制器)决定来自5000次扫描的最低点应传给控制器。范围可由控制器选择,或可基于先前从扫描区中的目标物体接收的扫描信息自动变化。例如,在输送机上移动的比萨饼的宽度对于归类决策至关重要。从扫描数据提取并传递有关信息的有效方式是使扫描头中的信息提取模块仅传递每一比萨饼宽度,其可仅在评估每一比萨饼的多个轮廓之后确定。前述用于确定比萨饼宽度的多个轮廓的范围可通过从一批中的前几个比萨饼的全部扫描轮廓到总是包含比萨饼的最宽部分的中间比萨饼范围的轮廓逐步减少而进行选择。控制器选择的恰当信息提取工具因而应用于来自大量扫描轮廓的、控制器选择的范围的扫描数据。所得的扫描信息在信息提取工具应用于随后范围的扫描轮廓的原始数据之前传给控制器。
决策处理
采用PC接口的现有技术解决方案提供工作站以选择用于分析和处理原始扫描数据的参数。3D机器视觉扫描信息提取扫描不需要中间人,因为数据传输明显减少,提取参数可在控制器的应用解决方案内进行选择。IET的选择和优化经控制器的现有开发工具进行(工业应用开发环境IADE)附加轮廓已针对3D机器视觉扫描信息提取系统进行开发,使得IET可在现有IADE工具内进行选择(极值、扫描速率、选择参数等)。
连接
这些可包括具有TCP/IP栈或EtherNet/IP的接口。其中任一个均可将信息传给控制器。
控制器
在自动化工业控制领域中及在本说明书及所附权利要求中,“控制器”意为可进行编程以控制工业过程的装置。其例子如大型计算机、个人计算机(PC)、可编程逻辑控制器(PLC)或可编程自动控制器(PAC)。
3D机器视觉扫描信息提取系统的逻辑替代实施方式是将IET应用于沿Z轴的数据,一次一个扫描轮廓;或者应用于一系列轮廓,如果该系列包含将从数据提取的所需要的扫描信息。不排除其它实施方式或导致同样结果的类似方法。
现在将描述使用3D机器视觉扫描信息提取系统相较于其它方法或装置的其它优点。
集成3D扫描仪是标准的现有部件,并在本发明中可用于提供原始扫描数据。IET用于产生给控制器的、标准输出格式的关键目标物体扫描信息,使得控制器能消化该信息并快速行动。集成3D扫描仪提供独立的、集成的、非接触的、真正的3D机器视觉扫描、集成照明、成像和处理。
使用控制器如PLC和PAC的优点在于它们为使机器运行的工业标准,不需要高度定制的编程。使扫描参数能用工业标准控制器开发工具进行选择的优点在于改变不需要程序员,仅需要对IADE控制器开发环境熟悉的人即可。
CIP内的IET降低了3D扫描和控制的复杂性。IET为通用并可用于多个工业应用,因为应用决策处理由可编程自动控制器(PAC)或可编程逻辑控制器(PLC)进行。从扫描数据提取应用解决方案关键信息在扫描头中进行,但关键信息的类型用控制器开发应用选择。经CIP内的EtherNet/IP传递信息是本发明的主要例子,但本系统可与任何开放标准通信协议一起使用。
IET处理可扩展到数据点的摘要之外。例如,通常要求扫描头安装在工业设备中使得扫描头的X-Y-Z坐标不与其工业环境的X-Y-Z坐标重合。例如,扫描头可安装到与传送带相邻的柱上,或者如果本发明的扫描头不与扫描区中的所选感兴趣区域对准并垂直。除了数据简化为关键扫描信息之外,扫描头的计算电子电路还可执行变换计算以简化通用工业控制器的事情。信息提取模块因而将对X和Y数据点执行定向调节计算,并将定向调节后的目标物体信息传给控制器。定向调节计算可以是旋转或平移计算或二者,取决于扫描头自身坐标相对于扫描头安装和用于其中的真实世界工业环境(设备)坐标的定位定向。
本系统适应性足够强从而可进行配置以扫描可得到的任何物体,而不需要过度的编程知识或处理能力。了解控制器应用环境的任何人均可有效率地控制扫描过程,他们不需要知道内部进行情况,因为预处理(IET)允许更简单的、更小的易处理的数据集。
本发明系统可与安装成不同定向的多个扫描头一起实施,这些扫描头同步以从目标物体上的地理位置相对的感兴趣区域提供信息。例如,制材厂中关于原木形状的IET可能需要四个扫描仪安装在原木纵向从其通过的框架的四个角落。
优选设备和运行方法的前述描述应视为用于说明目的,而非限制。为达到类似结果,可采用其它数据提取技术和其它装置。各种变化和修改可由本领域技术人员进行,而不背离本发明的范围。

Claims (33)

1.一种3D机器视觉扫描系统,具有:
a)用于从目标物体获得原始扫描数据的扫描头;
b)信息提取模块,其将所述原始扫描数据处理和简化为对工业处理中的自动控制决策很重要的目标物体扫描信息;及
c)用于将所述目标物体扫描信息传给控制器的通信接口。
2.根据权利要求1的3D机器视觉扫描系统,其中所述扫描头包含:
a)激光发射器和反射激光检测器;
b)所述信息提取模块,其将所述原始扫描数据处理和简化为对工业处理中的自动控制决策很重要的目标物体扫描信息;及
c)用于将所述目标物体扫描信息传给控制器的所述通信接口。
3.根据权利要求1的3D机器视觉扫描系统,其中所述扫描头包含:
a)激光发射器和反射激光检测器;
b)电子扫描数据处理器,具有一组嵌入的数学函数以从扫描数据提取关键目标物体信息;
从而减少数据传输及降低工业控制系统中随后的处理和决策分析的复杂性。
4.根据权利要求1的3D机器视觉扫描系统,其中将由所述信息提取模块使用的计算方法可由所述控制器选择。
5.根据权利要求1的3D机器视觉扫描系统,其中一组关键扫描信息提取工具集成在扫描头内。
6.根据权利要求1的3D机器视觉扫描系统,其中所述目标物体扫描信息仅源自扫描头能够扫描的大区域内的、控制器选择的感兴趣区域的扫描数据。
7.根据权利要求5的3D机器视觉扫描系统,其中关键扫描信息提取工具包括多个预定的、控制器选择的感兴趣区域。
8.根据权利要求1的3D机器视觉扫描系统,其中信息提取工具应用于来自多个扫描轮廓的、控制器选择的范围的扫描数据,所得的扫描信息在所述信息提取工具应用于随后的所选多个扫描轮廓之前传给所述控制器。
9.根据权利要求1的3D机器视觉扫描系统,其中扫描头包含数据处理器,其快速对大量目标物体扫描数据进行摘要并以工业控制器可使用的格式传输较小的摘要目标物体扫描信息数据集以进行工业处理控制决策。
10.一种扫描头,包括执行扫描数据简化并在通信接口上将摘要扫描信息传给控制器的摄像机和计算机。
11.根据权利要求1的3D机器视觉扫描系统,其中笛卡尔坐标系中的原始3D几何测量重测为机器坐标以用于工业应用。
12.根据权利要求1的3D机器视觉扫描系统,与连接到通信复用器的多个类似扫描头组合,所述通信复用器将所提取的目标物体扫描信息传给控制器。
13.根据权利要求1的3D机器视觉扫描系统,其中一组扫描信息提取工具集成在扫描头内及所述工具之一为极值推导。
14.根据权利要求1的3D机器视觉扫描系统,其中一组扫描信息提取工具集成在扫描头内及所述工具之一为轮廓跟踪。
15.根据权利要求1的3D机器视觉扫描系统,其中一组扫描信息提取工具集成在扫描头内及所述工具之一为轮廓匹配。
16.根据权利要求1的3D机器视觉扫描系统,其中一组扫描信息提取工具集成在扫描头内及所述工具之一为面积求和。
17.根据权利要求1的3D机器视觉扫描系统,具有包含发射相干光的激光器、摄像机、和扫描仪输出连接器的扫描仪机壳,所述相干光折射到平面扇内。
18.根据权利要求16的3D机器视觉扫描系统,其中所述激光器发出一片光以得到所扫描目标物体的X-Y轮廓。
19.根据权利要求1的3D机器视觉扫描系统,其中密封的扫描头包含激光投影仪、成像反射激光传感器子系统、及扫描数据处理电子电路。
20.根据权利要求12的3D机器视觉扫描系统,其中时分复用器编码器使能从多个扫描头到控制器的通信并包括定时同步从而使每一扫描仪可被锁相。
21.根据权利要求1的3D机器视觉扫描系统,其中对连续的数据轮廓执行数据简化,每一数据轮廓为X轴和Y轴上的一系列成像点,所述连续的数据轮廓在Z轴上以构成扫描仪可见的目标物体部分的整个3D扫描。
22.根据权利要求1的3D机器视觉扫描系统,其中激光三角测量用于对物体和参考激光束的交叉点进行成像以产生X-Y切片轮廓,其之后沿Z轴递增组合为3D原始数据点云表示。
23.根据权利要求1的3D机器视觉扫描系统,其中从原始轮廓(X-Y)扫描数据提取关键扫描信息的扫描头仅将控制器执行其功能所需要的扫描信息传给所述控制器。
24.根据权利要求1的3D机器视觉扫描系统,嵌入在工业设备中,其中关于扫描仪扫描的目标物体的应用决策处理由控制器进行。
25.根据权利要求1的3D机器视觉扫描系统,其中关键目标物体扫描信息在扫描头内格式化为开放标准通信协议。
26.根据权利要求1的3D机器视觉扫描系统,其中扫描头的X-Y-Z坐标不与其工业环境X-Y-Z坐标重合,及信息提取模块对X和Y数据点执行定向调节计算并将定向调节后的目标物体信息传给所述控制器。
27.根据权利要求26的3D机器视觉扫描系统,其中所述控制器可远程设置所述信息提取模块的、用于对X和Y轴数据点执行所述定向调节计算的定向调节计算参数。
28.根据权利要求1的3D机器视觉扫描系统,其中多个扫描头安装成不同的定向并同步以从目标物体上的不同感兴趣区域提供信息。
29.根据权利要求1的3D机器视觉扫描系统,其中所述信息提取模块将信息提取工具应用于来自Z轴中的一系列扫描的扫描数据。
30.根据权利要求2的3D机器视觉扫描系统,其中:
a)密封的扫描头包含激光发射器、反射激光检测器和具有一组内置数学函数的电子扫描数据处理器以从扫描数据提取关键目标物体信息;
b)所述信息提取模块将要使用的计算方法可由控制器从一组关键扫描信息提取工具进行选择。
31.根据权利要求30的3D机器视觉扫描系统,其中:
a)关键扫描信息提取工具包括多个预定的、控制器选择的感兴趣区域;
b)信息提取工具应用于来自控制器选择的一系列扫描轮廓的扫描数据,及所得的扫描信息在所述信息提取工具应用于所选的随后多个扫描轮廓之前传给所述控制器。
32.根据权利要求31的3D机器视觉扫描系统,其中:
a)所述扫描头从原始轮廓(X-Y)扫描数据提取关键扫描信息并仅将控制器执行其功能所需要的扫描信息传给控制器;
b)所述关键目标物体扫描信息在所述扫描头内格式化为开放标准通信协议。
33.根据权利要求31的3D机器视觉扫描系统,其中所述扫描头与安装成不同定向并连接到包括定时同步的通信时分复用器的多个类似扫描头组合,使得每一扫描头可被锁相和同步,及将所提取的关于目标物体上不同感兴趣区域的目标物体扫描信息从扫描头传给控制器。
CN201280038370.3A 2011-06-10 2012-06-11 3d机器视觉扫描信息提取系统 Pending CN103733022A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CA2743016A CA2743016A1 (en) 2011-06-10 2011-06-10 3d machine vision scanning information extraction system
CA2,743,016 2011-06-10
PCT/CA2012/050390 WO2012167386A1 (en) 2011-06-10 2012-06-11 3d machine vision scanning information extraction system

Publications (1)

Publication Number Publication Date
CN103733022A true CN103733022A (zh) 2014-04-16

Family

ID=47295316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280038370.3A Pending CN103733022A (zh) 2011-06-10 2012-06-11 3d机器视觉扫描信息提取系统

Country Status (5)

Country Link
US (1) US20140114461A1 (zh)
EP (1) EP2742322A4 (zh)
CN (1) CN103733022A (zh)
CA (1) CA2743016A1 (zh)
WO (1) WO2012167386A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426269A (zh) * 2020-04-24 2020-07-17 广东鑫光智能系统有限公司 板材在线检测设备
CN112236643A (zh) * 2018-05-01 2021-01-15 威图纳有限公司 光学车辆诊断系统
CN112964172A (zh) * 2020-12-08 2021-06-15 聚时科技(上海)有限公司 基于结构光相机的航空叶片表面量测方法及量测设备
CN113532318A (zh) * 2021-07-13 2021-10-22 燕山大学 使用多组激光跟踪仪进行定位的三维扫描系统及方法
CN114001671A (zh) * 2021-12-31 2022-02-01 杭州思看科技有限公司 激光数据提取方法、数据处理方法、和三维扫描系统
CN116379960A (zh) * 2023-05-31 2023-07-04 天津宜科自动化股份有限公司 一种获取物体轮廓信息的数据处理系统

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150039121A1 (en) * 2012-06-11 2015-02-05 Hermary Opto Electronics Inc. 3d machine vision scanning information extraction system
US9302872B2 (en) 2013-07-30 2016-04-05 Kimberly-Clark Worldwide, Inc. Diameter measurement of a roll of material in a winding system
CN103438824B (zh) * 2013-08-06 2016-01-20 北京航空航天大学 一种大型壁板类零件数字化质量检测方法
US20160019688A1 (en) * 2014-07-18 2016-01-21 University Of Georgia Research Foundation, Inc. Method and system of estimating produce characteristics
US10032311B1 (en) * 2014-09-29 2018-07-24 Rockwell Collins, Inc. Synthetic image enhancing system, device, and method
CN104697467B (zh) * 2015-02-12 2017-05-24 中北大学 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
US9964402B2 (en) * 2015-04-24 2018-05-08 Faro Technologies, Inc. Two-camera triangulation scanner with detachable coupling mechanism
US10556305B2 (en) 2016-02-03 2020-02-11 The Boeing Company Aligning parts using multi-part scanning and feature based coordinate systems
CN105549539B (zh) * 2016-02-23 2018-10-30 中山亚力菲自动化设备有限公司 钻孔划线控制系统
WO2018072768A1 (de) * 2016-10-18 2018-04-26 Reifenhäuser GmbH & Co. KG Maschinenfabrik Messvorrichtung und verfahren zum messen/inline-mustererkennen einer zwei- oder dreidimensionalen folientopografie
US10909650B2 (en) 2017-06-23 2021-02-02 Cloud 9 Perception, LP System and method for sensing and computing of perceptual data in industrial environments
EP3550256B1 (de) * 2018-04-05 2021-03-10 Georg Fischer Rohrleitungssysteme AG Erkennung einer schweissnahtgeometrie
US11193896B2 (en) * 2018-05-04 2021-12-07 Hydromax USA, LLC Multi-sensor pipe inspection utilizing pipe templates to determine cross sectional profile deviations
US10740983B2 (en) * 2018-06-01 2020-08-11 Ebay Korea Co. Ltd. Colored three-dimensional digital model generation
CN112916339A (zh) * 2021-03-16 2021-06-08 苏州小蜂视觉科技有限公司 一种设定点胶胶量的方法和装置、点胶设备
CN113538547A (zh) * 2021-06-03 2021-10-22 苏州小蜂视觉科技有限公司 一种3d线激光传感器的深度处理方法及点胶设备
CN114332402B (zh) * 2021-12-23 2024-04-02 中交第二公路勘察设计研究院有限公司 融合地面式、手持式激光扫描的钢桥模拟预拼装方法
CN115540759B (zh) * 2022-11-16 2023-05-09 江西滕创洪科技有限公司 一种基于图像识别技术修饰金属的检测方法及检测系统
CN116878419B (zh) * 2023-09-06 2023-12-01 南京景曜智能科技有限公司 基于三维点云数据的轨道车辆限界检测方法、系统及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4995087A (en) * 1989-05-15 1991-02-19 General Electric Company Machine vision system
JPH0381604A (ja) * 1989-05-15 1991-04-08 General Electric Co <Ge> 加工品表面からプロセスパラメータを決定するる方法
WO2003060424A1 (en) * 2002-01-18 2003-07-24 Mv Research Limited A machine vision system
US20030149498A1 (en) * 2002-02-05 2003-08-07 General Electric Crd Method and system for reverse and re-engineering parts
EP0888693B1 (en) * 1996-03-21 2004-06-16 Real-Time Geometry Corporation System for rapid shape digitizing and adaptive mesh generation
CN1940994A (zh) * 2005-09-27 2007-04-04 夏普株式会社 缺陷检测装置、图像传感器器件、图像传感器模块
US20090201379A1 (en) * 2002-04-10 2009-08-13 Schultz Kevin L Smart Camera with Modular Expansion Capability Including a Function Module that Performs Image Processing

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5262628A (en) * 1982-01-25 1993-11-16 Symbol Technologies, Inc. Narrow-bodied, single- and twin-windowed portable laser scanning head for reading bar code symbols
US5378882A (en) * 1992-09-11 1995-01-03 Symbol Technologies, Inc. Bar code symbol reader with locking cable connector assembly
EP0733219A1 (en) * 1993-12-08 1996-09-25 Minnesota Mining And Manufacturing Company Method and apparatus for background determination and subtraction for a monocular vision system
US5615003A (en) * 1994-11-29 1997-03-25 Hermary; Alexander T. Electromagnetic profile scanner
US6438597B1 (en) * 1998-08-17 2002-08-20 Hewlett-Packard Company Method and system for managing accesses to a data service system that supports persistent connections
US20150039121A1 (en) * 2012-06-11 2015-02-05 Hermary Opto Electronics Inc. 3d machine vision scanning information extraction system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4995087A (en) * 1989-05-15 1991-02-19 General Electric Company Machine vision system
JPH0381604A (ja) * 1989-05-15 1991-04-08 General Electric Co <Ge> 加工品表面からプロセスパラメータを決定するる方法
EP0888693B1 (en) * 1996-03-21 2004-06-16 Real-Time Geometry Corporation System for rapid shape digitizing and adaptive mesh generation
WO2003060424A1 (en) * 2002-01-18 2003-07-24 Mv Research Limited A machine vision system
US20030149498A1 (en) * 2002-02-05 2003-08-07 General Electric Crd Method and system for reverse and re-engineering parts
US20090201379A1 (en) * 2002-04-10 2009-08-13 Schultz Kevin L Smart Camera with Modular Expansion Capability Including a Function Module that Performs Image Processing
CN1940994A (zh) * 2005-09-27 2007-04-04 夏普株式会社 缺陷检测装置、图像传感器器件、图像传感器模块

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112236643A (zh) * 2018-05-01 2021-01-15 威图纳有限公司 光学车辆诊断系统
CN111426269A (zh) * 2020-04-24 2020-07-17 广东鑫光智能系统有限公司 板材在线检测设备
CN112964172A (zh) * 2020-12-08 2021-06-15 聚时科技(上海)有限公司 基于结构光相机的航空叶片表面量测方法及量测设备
CN113532318A (zh) * 2021-07-13 2021-10-22 燕山大学 使用多组激光跟踪仪进行定位的三维扫描系统及方法
CN113532318B (zh) * 2021-07-13 2022-08-05 燕山大学 使用多组激光跟踪仪进行定位的三维扫描系统及方法
CN114001671A (zh) * 2021-12-31 2022-02-01 杭州思看科技有限公司 激光数据提取方法、数据处理方法、和三维扫描系统
CN116379960A (zh) * 2023-05-31 2023-07-04 天津宜科自动化股份有限公司 一种获取物体轮廓信息的数据处理系统
CN116379960B (zh) * 2023-05-31 2023-09-15 天津宜科自动化股份有限公司 一种获取物体轮廓信息的数据处理系统

Also Published As

Publication number Publication date
EP2742322A1 (en) 2014-06-18
CA2743016A1 (en) 2012-12-10
WO2012167386A1 (en) 2012-12-13
EP2742322A4 (en) 2015-07-08
US20140114461A1 (en) 2014-04-24

Similar Documents

Publication Publication Date Title
CN103733022A (zh) 3d机器视觉扫描信息提取系统
CN110599541B (zh) 一种对多传感器进行标定的方法、装置和存储介质
CN109977813B (zh) 一种基于深度学习框架的巡检机器人目标定位方法
US11276194B2 (en) Learning dataset creation method and device
US11731762B2 (en) Crisscross boustrophedonic flight patterns for UAV scanning and imaging
CN106461383B (zh) 机器人臂/传感器/工作区系统的自动现场配准和校准
CN100573388C (zh) 实时颜色自动采集的机器人控制方法及机器人
Pérez et al. Robot guidance using machine vision techniques in industrial environments: A comparative review
Daftry et al. Building with drones: Accurate 3D facade reconstruction using MAVs
CN102246205B (zh) 用于测量植物的叶盘生长的方法
CN112161619A (zh) 位姿检测方法、三维扫描路径规划方法和检测系统
CN105014678A (zh) 基于激光测距的机器人手眼标定方法
US20190339207A1 (en) System and method for flexibly holding workpiece and reporting workpiece location
CN111627072A (zh) 一种对多传感器进行标定的方法、装置和存储介质
Bellandi et al. Roboscan: a combined 2D and 3D vision system for improved speed and flexibility in pick-and-place operation
US20150039121A1 (en) 3d machine vision scanning information extraction system
CN115063762A (zh) 车道线的检测方法、装置、设备及存储介质
Kumar et al. Machine Vision in Industry 4.0: Applications, Challenges and Future Directions
CN111399634A (zh) 一种手势引导物体识别的方法及装置
Biqing et al. Research on Picking Identification and Positioning System Based on IOT.
KR101626572B1 (ko) 캘리브레이션 장치 및 방법, 캘리브레이션 용 격자판
Kang et al. Accurate fruit localisation for robotic harvesting using high resolution lidar-camera fusion
CN116465335A (zh) 基于点云匹配的自动测厚方法和系统
Kampel et al. 3D data retrieval of archaeological pottery
Howimanporn et al. Position Measurement System Based on Image Trajectory Tracking Control of Directional Conveyor

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140416