CN104766325B - 一种鞋面喷胶轨迹线的计算方法 - Google Patents
一种鞋面喷胶轨迹线的计算方法 Download PDFInfo
- Publication number
- CN104766325B CN104766325B CN201510165369.2A CN201510165369A CN104766325B CN 104766325 B CN104766325 B CN 104766325B CN 201510165369 A CN201510165369 A CN 201510165369A CN 104766325 B CN104766325 B CN 104766325B
- Authority
- CN
- China
- Prior art keywords
- matrix
- sole
- vamp
- point
- point cloud
- 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.)
- Active
Links
Landscapes
- Image Generation (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种鞋面喷胶轨迹线的计算方法,首先通过线性激光扫描器扫描一组鞋底和鞋面,得到两组点云数据,再通过预处理使得原始点云对的矩阵大小相同,而后通过SVD奇异矩阵分解法实现了粗匹配,使得点云对方向一致且相互靠近后,再通过ICP算法实现精确配准,获得点云对之间的坐标变换关系。同时由于实际生产需求,利用Bezier曲线算法实现了鞋底轮廓点云集的局部拟合变形,实现了鞋面喷胶轨迹线的精确计算,从而实现了喷胶自动化。
Description
【技术领域】
本发明涉及自动化领域,特别涉及一种基于鞋底鞋面点云对的精确配准得到的鞋面喷胶轨迹线的计算方法。
【背景技术】
目前我国制鞋业的自动化水平还比较低,特别是在喷胶流程上只有少数企业的个别工序使用了自动化装备,大部分喷胶工序还是依靠工人手工完成,存在自动化程度低、生产效率低、用工荒等问题并且日益突出,急需研发成熟的自动化智能喷胶生产线以促进行业健康发展。本发明解决智能喷胶机器人开发中的关键技术——喷胶自动化,通过机器视觉与点云配准技术实现鞋底鞋面喷胶位置的自动计算。
点云配准是指通过扫描采样获得的两组有重复区域或形状相近的点云数据,通过某种方法确定一个合适的坐标变换使得两组点云数据尽量在空间上重合,从而合并在一个统一的坐标系下。目前国内外研究中运用于点云配准的主要方法有最近点迭代法(英文简称:ICP)、正态分布(英文简称:NDT)、奇异矩阵法(英文简称:SVD)和极大似然法,其中ICP是最常用的点云配准方法。但是每种方法都有其局限性,比如ICP受限于其初始位置,极大似然法则受限于噪声点等,于是针对不同应用出现了很多种改进算法。传统的配准对象都是高度重复的一对点云,配准方法相对简单,而本发明匹配的点云对是通过线激光扫描仪扫描得到的鞋底和鞋面两组点云数据,点云对之间没有完全重叠的部分,只是形状相似,并且点云对的初始位置是翻转的,难以直接通过ICP算法进行精确配准。目前国内外研究中此种配准对象的配准方法研究还相对罕见。
【发明内容】
本发明要解决的技术问题,在于提供一种鞋面喷胶轨迹线的计算方法,其能够使鞋底和鞋面两组没有完全重叠的点云数据尽可能的重叠匹配,并将点云对统一到统一坐标下,从而实现鞋底鞋面喷胶位置的自动计算,解决了现有鞋面喷胶自动化难题。同时,还可以根据实际生产存在的特殊情况,利用Bezier曲线拟合方法对鞋底点云的轮廓线进行局部变形以达到理想的喷胶效果。
本发明是这样实现的:
一种鞋面喷胶轨迹线的计算方法,包括如下步骤:
步骤10、通过线性激光扫描器扫描一组鞋底和鞋面,得到两组点云数据,所述点云数据为矩阵,鞋底的点云数据记为矩阵B,鞋面的点云数据记为矩阵D,所述两组点云数据为需要配准的原始点云对;
步骤20、通过最邻近线性插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1;所述预处理目的是保证所述原始点云对的矩阵大小相同;
步骤30、利用SVD奇异矩阵分解法对所述鞋底矩阵B1和鞋面矩阵D1进行计算,得到粗匹配的旋转矩阵R1及平移向量T1;通过所述粗匹配的旋转矩阵R1及平移向量T1调整鞋底点云的位置,得到新的鞋底矩阵B2;通过所述SVD奇异矩阵分解法消除所述原始点云对的旋转错位和平移错位,为精确配准提供条件;
步骤40、利用ICP算法对所述调整后的鞋底矩阵B2和鞋面矩阵D1进行精确配准,所述ICP算法的输入参数包括:1、调整后的鞋底矩阵B2和鞋面矩阵D1,2、迭代次数c或者终止阈值e;输出精确匹配的旋转矩阵R2和平移向量T2;所述迭代次数c或者终止阈值e根据需要进行设置;
步骤50、将所述粗匹配的旋转矩阵R1及平移向量T1结合所述精确匹配的旋转矩阵R2及平移向量T2,得到所述原始点云对之间的坐标变换关系;所述坐标变换关系具体为:鞋底矩阵B经过旋转矩阵R1和平移向量T1变换位置,鞋面矩阵D经过旋转矩阵R2和平移向量T2变换位置,所述原始点云对通过所述坐标变换关系基本重合匹配;
步骤60、获取鞋底的外轮廓点云集,具体为:从原始的鞋底点云数据的矩阵B中,提取鞋底轮廓周围的点云数据中Z轴的值最大的点作为鞋底外轮廓线的轮廓点,从而得到所述外轮廓点云集;
步骤70、结合所述鞋底的外轮廓点云集,通过所述坐标变换关系得到鞋底外轮廓线在鞋面点云上的映射位置,该映射位置即为鞋面自动喷胶时的轨迹线坐标,从而实现了鞋面喷胶自动化。
进一步地,所述步骤30中,所述SVD奇异矩阵分解法的输入参数是预处理后的鞋底矩阵B1和鞋面矩阵D1,所述鞋底矩阵B1和鞋面矩阵D1分别经过与其各自的平均值向量B1_a、D1_a的差运算后进行转置再相乘得到矩阵H,再对矩阵H进行SVD分解得到对角矩阵S和两个酉矩阵U和V,即[U,S,V]=svd(H),进而得到所求的旋转矩阵R1=V*U’和平移向量T1=-B1_a*R1+D1_a。
进一步地,执行步骤10至步骤60之后,仅再执行步骤61,所述步骤61具体:通过Bezier曲线算法对鞋底外轮廓点云集中的鞋尖部分进行变形,即对该鞋尖部分的点云集进行拟合变形,具体为:将鞋底外轮廓点云集的拟合变形区域选择为鞋底前半部分的最低点到鞋尖最高点,拟合曲线的控制点选择为最低点、最高点及中间N个采样点,N-1作为Bezier曲线的阶数,即Bezier曲线拟合算法的输入为鞋底外轮廓点云集、采样点个数N,输出为拟合后的新鞋底外轮廓点云集;所述新鞋底外轮廓点云集通过所述坐标变换关系得到新鞋底外轮廓线在鞋面点云上的新映射位置,该新映射位置即为鞋面自动喷胶时的轨迹线坐标,从而得到更为精准的鞋面上配准鞋底后的喷胶轨迹线。
进一步地,所述步骤20中,通过双三次插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1。
进一步地,所述步骤20中,通过最邻近线性插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1。
所述步骤20中,通过双线性插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1。
本发明具有如下优点:
本发明先通过预处理使得原始点云对的矩阵大小相同,而后通过SVD奇异矩阵分解法实现了粗匹配,使得点云对方向一致且相互靠近后,再通过ICP算法实现精确配准,获得点云对之间的坐标变换关系。同时由于实际生产需求,利用Bezier曲线算法实现了鞋底轮廓点云集的局部拟合变形,实现了鞋面喷胶轨迹线的精确计算,从而实现了喷胶自动化。
【附图说明】
图1为本发明的流程示意图。
图2为本发明ICP算法的流程示意图。
图3为本发明鞋底鞋面初始位置示意图。
图4为本发明粗匹配后效果图。
图5为本发明ICP精确匹配效果图。
图6为本发明鞋底外轮廓线示意图。
图7为本发明通过拟合变形后的鞋底外轮廓线示意图。
图8为本发明通过拟合变形后得到的鞋面喷胶轨迹线示意图。
【具体实施方式】
下面参照说明书附图,结合实施例对本发明作进一步的说明。
请参阅图1至图8,一种鞋面喷胶轨迹线的计算方法,包括如下步骤:
步骤10、通过线性激光扫描器扫描一组鞋底和鞋面,得到两组点云数据,请参阅图3,图3为扫描后的鞋底鞋面示意图,所述点云数据为矩阵,鞋底的点云数据记为矩阵B,鞋面的点云数据记为矩阵D,所述两组点云数据为需要配准的原始点云对;例如,鞋底是17027×3的双精度数据类型的矩阵B,即17027个三维空间坐标x,y,z组成的矩阵B,同理,鞋面是18173×3的双精度数据类型的矩阵D;
步骤20、由于所述原始点云对不能完全重合且初始位置相差很大,因此必须对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1;所述预处理目的是保证所述原始点云对的矩阵大小相同;除此之外,还可以根据精度要求适当缩小点云对矩阵中点的数量,从而缩短后续的配准计算时间;该预处理的方式有多种,比较常用的方式是通过双三次插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1;还可以采用的预处理方式有双线性插值法和最邻近线性插值法。通过双三次插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1,该算法的效果更好。若存在这样的特殊情况——通过线性激光扫描器扫描得到的原始点云对,其原始点云对的矩阵大小相同,且精度也符合要求,则不需要经过预处理;
步骤30、利用SVD奇异矩阵分解法对所述鞋底矩阵B1和鞋面矩阵D1进行计算,得到粗匹配的旋转矩阵R1及平移向量T1;通过所述粗匹配的旋转矩阵R1及平移向量T1调整鞋底点云的位置,得到新的鞋底矩阵B2,请参阅图4,图4为本发明粗匹配后效果图;通过所述SVD奇异矩阵分解法消除所述原始点云对的旋转错位和平移错位,为精确配准提供条件;
所述SVD奇异矩阵分解法的输入参数是预处理后的鞋底矩阵B1和鞋面矩阵D1,所述鞋底矩阵B1和鞋面矩阵D1分别经过与其各自的平均值向量B1_a、D1_a的差运算后进行转置再相乘得到矩阵H,再对矩阵H进行SVD分解得到对角矩阵S和两个酉矩阵U和V,即[U,S,V]=svd(H),进而得到所求的旋转矩阵R1=V*U’和平移向量T1=-B1_a*R1+D1_a;
需要说明的是,所述SVD奇异矩阵分解法的定理为:设A∈Rm×n,则必存在正交矩阵U=[u1,…,um]∈Rm×m和V=[v1,…,vn]∈Rn×n使得:.
其中,Σr=diag(σ1,...,σr),σ1≥...≥σr>0为矩阵A的全部非零奇异值;
步骤40、请参阅图2,利用ICP算法对所述调整后的鞋底矩阵B2和鞋面矩阵D1进行精确配准,所述ICP算法的输入参数包括:1、调整后的鞋底矩阵B2和鞋面矩阵D1,2、迭代次数c或者终止阈值e;输出精确匹配的旋转矩阵R2和平移向量T2;主要计算过程采用PCL点云库的ICP算法,所述迭代次数c或者终止阈值e根据需要进行设置;所述ICP算法的原理是:其数学表示为:已知两个对应点集合X={x1,x2,...,xn}和P={p1,p2,...,pn},求解旋转矩阵R和平移向量t,使得式1.1的目标函数的值最小:
(式1.1)
步骤50、将所述粗匹配的旋转矩阵R1及平移向量T1结合所述精确匹配的旋转矩阵R2及平移向量T2,得到所述原始点云对之间的坐标变换关系,所述坐标变换关系具体为:鞋底矩阵B经过旋转矩阵R1和平移向量T1变换位置,鞋面矩阵D经过旋转矩阵R2和平移向量T2变换位置,所述原始点云对通过所述坐标变换关系基本重合匹配;即鞋底矩阵B先乘以旋转矩阵R1再加上平移向量T1就完成变换,鞋面矩阵D的处理过程同理,请参阅图5,图5为本发明ICP精确匹配后的效果图;
步骤60、获取鞋底的外轮廓点云集,具体为:从原始的鞋底点云数据的矩阵B中,提取鞋底轮廓周围的点云数据中Z轴的值最大的点作为鞋底外轮廓线的轮廓点,从而得到所述外轮廓点云集,请参阅图6;
步骤70、结合所述鞋底的外轮廓点云集,通过所述坐标变换关系得到鞋底外轮廓线在鞋面点云上的映射位置,该映射位置即为鞋面自动喷胶时的轨迹线坐标,从而实现了鞋面喷胶自动化。
由于鞋底鞋面在喷胶后进行粘合时,鞋底的鞋尖部分需要上翘变形,因而在实际生产中容易造成鞋面在鞋尖部分的喷胶轮廓线存在一定的误差,即鞋尖部分鞋底的外轮廓线要高于实际中鞋底和鞋面压合时的高度,因此,执行步骤10至步骤60之后,仅再执行步骤61(不再执行步骤70),所述步骤61具体:通过Bezier曲线算法对鞋底外轮廓点云集中的鞋尖部分进行变形,即对该鞋尖部分的点云集进行拟合变形,具体为:将鞋底外轮廓点云集的拟合变形区域选择为鞋底前半部分的最低点到鞋尖最高点,拟合曲线的控制点选择为最低点、最高点及中间N个采样点(所述N的大小决定了拟合后的点集与原始点集的偏移程度及相似度),N-1作为Bezier曲线的阶数,即Bezier曲线拟合算法的输入为鞋底外轮廓点云集、采样点个数N,输出为拟合后的新鞋底外轮廓点云集;所述新鞋底外轮廓点云集通过所述坐标变换关系得到新鞋底外轮廓线在鞋面点云上的新映射位置,该新映射位置即为鞋面自动喷胶时的轨迹线坐标,从而得到更为精准的鞋面上配准鞋底后的喷胶轨迹线,请参阅图8。
所述Bezier曲线算法的定理是:给定空间n+1个点的位置矢量Pi(i=0,1,2,…,n),则Bezier曲线可定义为:
其中,Pi(i=0,1,…,n)构成该Bezier曲线的特征多边形,也就是曲线的控制顶点,Bi,n(t)是n次Bernstein基函数:
本发明先通过预处理使得原始点云对的矩阵大小相同,而后通过SVD奇异矩阵分解法实现了粗匹配,使得点云对方向一致且相互靠近后,再通过ICP算法实现精确配准,获得点云对之间的坐标变换关系。同时由于实际生产需求,利用Bezier曲线算法实现了鞋底轮廓点云集的局部拟合变形,实现了鞋面喷胶轨迹线的精确计算,从而实现了喷胶自动化。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (5)
1.一种鞋面喷胶轨迹线的计算方法,其特征在于,包括如下步骤:
步骤10、通过线性激光扫描器扫描一组鞋底和鞋面,得到两组点云数据,所述点云数据为矩阵,鞋底的点云数据记为矩阵B,鞋面的点云数据记为矩阵D,所述两组点云数据为需要配准的原始点云对;
步骤20、对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1;所述预处理目的是保证所述原始点云对的矩阵大小相同;
步骤30、利用SVD奇异矩阵分解法对所述鞋底矩阵B1和鞋面矩阵D1进行计算,得到粗匹配的旋转矩阵R1及平移向量T1;通过所述粗匹配的旋转矩阵R1及平移向量T1调整鞋底点云的位置,得到新的鞋底矩阵B2;通过所述SVD奇异矩阵分解法消除所述原始点云对的旋转错位和平移错位,为精确配准提供条件;
步骤40、利用ICP算法对调整后的鞋底矩阵B2和鞋面矩阵D1进行精确配准,所述ICP算法的输入参数包括:1、调整后的鞋底矩阵B2和鞋面矩阵D1,2、迭代次数c或者终止阈值e;输出精确匹配的旋转矩阵R2和平移向量T2;所述迭代次数c或者终止阈值e根据需要进行设置;
步骤50、将所述粗匹配的旋转矩阵R1及平移向量T1结合所述精确匹配的旋转矩阵R2及平移向量T2,得到所述原始点云对之间的坐标变换关系;所述坐标变换关系具体为:鞋底矩阵B经过旋转矩阵R1和平移向量T1变换位置,鞋面矩阵D经过旋转矩阵R2和平移向量T2变换位置,所述原始点云对通过所述坐标变换关系基本重合匹配;
步骤60、获取鞋底的外轮廓点云集,具体为:从原始的鞋底点云数据的矩阵B中,提取鞋底轮廓周围的点云数据中Z轴的值最大的点作为鞋底外轮廓线的轮廓点,从而得到所述外轮廓点云集;
步骤70、结合所述鞋底的外轮廓点云集,通过所述坐标变换关系得到鞋底外轮廓线在鞋面点云上的映射位置,该映射位置即为鞋面自动喷胶时的轨迹线坐标,从而实现了鞋面喷胶自动化;
执行步骤10至步骤60之后,仅再执行步骤61,所述步骤61具体:通过Bezier曲线算法对鞋底外轮廓点云集中的鞋尖部分进行变形,即对该鞋尖部分的点云集进行拟合变形,具体为:将鞋底外轮廓点云集的拟合变形区域选择为鞋底前半部分的最低点到鞋尖最高点,拟合曲线的控制点选择为最低点、最高点及中间N个采样点,N-1作为Bezier曲线的阶数,即Bezier曲线拟合算法的输入为鞋底外轮廓点云集、采样点个数N,输出为拟合后的新鞋底外轮廓点云集;所述新鞋底外轮廓点云集通过所述坐标变换关系得到新鞋底外轮廓线在鞋面点云上的新映射位置,该新映射位置即为鞋面自动喷胶时的轨迹线坐标,从而得到更为精准的鞋面上配准鞋底后的喷胶轨迹线。
2.根据权利要求1所述的一种鞋面喷胶轨迹线的计算方法,其特征在于:所述步骤30中,所述SVD奇异矩阵分解法的输入参数是预处理后的鞋底矩阵B1和鞋面矩阵D1,所述鞋底矩阵B1和鞋面矩阵D1分别经过与其各自的平均值向量B1_a、D1_a的差运算后进行转置再相乘得到矩阵H,再对矩阵H进行SVD分解得到对角矩阵S和两个酉矩阵U和V,即[U,S,V]=svd(H),进而得到所求的旋转矩阵R1=V*U’和平移向量T1=-B1_a*R1+D1_a。
3.根据权利要求1所述的一种鞋面喷胶轨迹线的计算方法,其特征在于:所述步骤20中,通过双三次插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1。
4.根据权利要求1所述的一种鞋面喷胶轨迹线的计算方法,其特征在于:所述步骤20中,通过最邻近线性插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1。
5.根据权利要求1所述的一种鞋面喷胶轨迹线的计算方法,其特征在于:所述步骤20中,通过双线性插值法对所述原始点云对进行预处理,得到鞋底矩阵B1和鞋面矩阵D1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510165369.2A CN104766325B (zh) | 2015-04-09 | 2015-04-09 | 一种鞋面喷胶轨迹线的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510165369.2A CN104766325B (zh) | 2015-04-09 | 2015-04-09 | 一种鞋面喷胶轨迹线的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766325A CN104766325A (zh) | 2015-07-08 |
CN104766325B true CN104766325B (zh) | 2017-12-19 |
Family
ID=53648134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510165369.2A Active CN104766325B (zh) | 2015-04-09 | 2015-04-09 | 一种鞋面喷胶轨迹线的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766325B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108089544A (zh) * | 2017-12-25 | 2018-05-29 | 厦门大学嘉庚学院 | 一种鞋底喷胶机械人的轨迹生成方法及控制系统 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106370106A (zh) * | 2016-09-30 | 2017-02-01 | 上海航天精密机械研究所 | 结合工业机器人与线性导轨的线激光扫描测量系统及方法 |
CN106934822B (zh) * | 2017-03-13 | 2019-09-13 | 浙江优迈德智能装备有限公司 | 基于线性混合形变的汽车工件非刚体三维点云配准方法 |
CN108908328B (zh) * | 2018-06-01 | 2021-12-10 | 赣州市兴扬机械制造有限公司 | 一种基于3d轮廓的鞋底喷胶轨迹生成方法 |
CN109493375B (zh) * | 2018-10-24 | 2021-01-12 | 深圳市易尚展示股份有限公司 | 三维点云的数据匹配及合并方法、装置、可读介质 |
CN110226806B (zh) * | 2019-05-07 | 2022-04-01 | 深圳市皕像科技有限公司 | 一种鞋底涂胶轨迹生成方法及装置 |
TWI726569B (zh) | 2020-01-06 | 2021-05-01 | 財團法人工業技術研究院 | 建立組合件之交界軌跡的系統及方法 |
CN111227444A (zh) * | 2020-01-17 | 2020-06-05 | 泉州装备制造研究所 | 一种基于k最近邻的3D鞋底喷胶路径规划方法 |
CN111820545A (zh) * | 2020-06-22 | 2020-10-27 | 浙江理工大学 | 一种结合离线与在线扫描自动生成鞋底喷胶轨迹的方法 |
CN114176290B (zh) * | 2020-09-14 | 2023-08-18 | 广东天机工业智能系统有限公司 | 无模板全自动鞋底喷胶方法、装置及存储介质 |
CN112263052B (zh) * | 2020-11-13 | 2022-08-26 | 宁波点云智慧科技有限公司 | 一种基于视觉数据自动映射鞋面喷胶路径的方法及系统 |
CN112862704B (zh) * | 2021-01-22 | 2023-08-11 | 北京科技大学 | 一种基于3d视觉的喷胶及喷胶质量检测系统 |
CN113255565A (zh) * | 2021-06-11 | 2021-08-13 | 知守科技(杭州)有限公司 | 自适应鞋型识别方法、装置、系统、电子装置和存储介质 |
CN115131344B (zh) * | 2022-08-25 | 2022-11-08 | 泉州华中科技大学智能制造研究院 | 一种通过光强数据实现制鞋成型胶线提取的方法 |
CN115578376B (zh) * | 2022-11-11 | 2023-05-09 | 泉州华中科技大学智能制造研究院 | 基于3d视觉的机器人鞋面喷胶轨迹提取方法及装置 |
CN116091643B (zh) * | 2022-12-28 | 2024-06-14 | 群滨智造科技(苏州)有限公司 | 鞋面底部工艺轨迹的生成方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101161151A (zh) * | 2007-11-08 | 2008-04-16 | 浙江理工大学 | 基于线结构光传感器自动生成鞋底喷胶轨迹的方法及系统 |
CN101388118A (zh) * | 2008-10-17 | 2009-03-18 | 浙江大学 | 基于扫描输入的三维鞋楦重建方法 |
CN102169579A (zh) * | 2011-03-31 | 2011-08-31 | 西北工业大学 | 密集点云模型快速精确配准方法 |
CN102214250A (zh) * | 2010-04-12 | 2011-10-12 | 温州大学 | 从鞋楦样本集生成统计变形模型的方法 |
CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140164169A1 (en) * | 2012-06-18 | 2014-06-12 | Willow Garage, Inc. | Foot and footwear analysis configuration |
-
2015
- 2015-04-09 CN CN201510165369.2A patent/CN104766325B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101161151A (zh) * | 2007-11-08 | 2008-04-16 | 浙江理工大学 | 基于线结构光传感器自动生成鞋底喷胶轨迹的方法及系统 |
CN101388118A (zh) * | 2008-10-17 | 2009-03-18 | 浙江大学 | 基于扫描输入的三维鞋楦重建方法 |
CN102214250A (zh) * | 2010-04-12 | 2011-10-12 | 温州大学 | 从鞋楦样本集生成统计变形模型的方法 |
CN102169579A (zh) * | 2011-03-31 | 2011-08-31 | 西北工业大学 | 密集点云模型快速精确配准方法 |
CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
Non-Patent Citations (2)
Title |
---|
三维激光扫描数据快速配准算法研究;戴玉成等;《测绘通报》;20100625;摘要,第二、三、五、六节 * |
鞋底曲面数据提取与喷胶轨迹的自动生成方法;武传宇 等;《机械工程学报》;20080815;第44卷(第8期);85-89,96 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108089544A (zh) * | 2017-12-25 | 2018-05-29 | 厦门大学嘉庚学院 | 一种鞋底喷胶机械人的轨迹生成方法及控制系统 |
CN108089544B (zh) * | 2017-12-25 | 2021-03-30 | 厦门大学嘉庚学院 | 一种鞋底喷胶机械人的轨迹生成方法及控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104766325A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766325B (zh) | 一种鞋面喷胶轨迹线的计算方法 | |
CN104463851B (zh) | 一种基于机器人的鞋底边缘线自动跟踪方法 | |
CN110490912B (zh) | 基于局部灰度顺序模型描述符的3d-rgb点云配准方法 | |
CN111775152B (zh) | 基于三维测量引导机械臂抓取散乱堆叠工件的方法及系统 | |
CN110335297B (zh) | 一种基于特征提取的点云配准方法 | |
CN111784770B (zh) | 基于shot和icp算法的无序抓取中的三维姿态估计方法 | |
CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
CN104463894B (zh) | 一种多视角三维激光点云全局优化整体配准方法 | |
CN110276790A (zh) | 基于形状约束的点云配准方法 | |
CN109579849A (zh) | 机器人定位方法、装置和机器人及计算机存储介质 | |
CN108596980A (zh) | 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 | |
CN112837356A (zh) | 一种基于wgan的无监督多视角三维点云联合配准方法 | |
JP2004516533A (ja) | 合成開口レーダーおよび前向き赤外線イメージ重ね合わせ方法 | |
CN111145227B (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
Das et al. | Scan registration with multi-scale k-means normal distributions transform | |
CN109147040B (zh) | 基于模板的人体点云孔洞修补方法 | |
CN112907735B (zh) | 一种基于点云的柔性电缆识别与三维重建方法 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN111145228A (zh) | 基于局部轮廓点与形状特征融合的异源图像配准方法 | |
CN113781561B (zh) | 基于自适应高斯权快速点特征直方图的目标位姿估计方法 | |
CN109685841B (zh) | 三维模型与点云的配准方法及系统 | |
CN111415379A (zh) | 一种基于布谷鸟优化的三维点云数据配准方法 | |
CN109087325A (zh) | 一种基于单目视觉的直接法点云三维重建及尺度确定方法 | |
CN111820545A (zh) | 一种结合离线与在线扫描自动生成鞋底喷胶轨迹的方法 | |
CN110688440A (zh) | 一种适用于子地图重叠部分较少的地图融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Jun Inventor after: Zeng Huixiong Inventor before: Zeng Huixiong Inventor before: Li Jun |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |