CN107492096A - 一种实现数控裁床设备物料定位的方法 - Google Patents
一种实现数控裁床设备物料定位的方法 Download PDFInfo
- Publication number
- CN107492096A CN107492096A CN201710656531.XA CN201710656531A CN107492096A CN 107492096 A CN107492096 A CN 107492096A CN 201710656531 A CN201710656531 A CN 201710656531A CN 107492096 A CN107492096 A CN 107492096A
- Authority
- CN
- China
- Prior art keywords
- polygon
- track
- scale
- profile
- numerical control
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及数控裁床设备技术领域,具体涉及一种实现数控裁床设备物料定位的方法,主要应用于利用计算机辅助进行服装加工裁剪。包括如下步骤:获得被加工的物料和校正标尺的位图图像;提取位图图像中的物料轮廓和校正标尺轮廓,分别转化为物料轮廓和校正标尺轮廓的矢量数据;用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸,对物料轮廓的矢量数据进行比例变换,用变换后的物料轮廓的矢量数据所形成的轮廓多边形表达物料的实际轮廓;利用轮廓多边形和表达切割轨迹的轨迹多边形的点数据,计算出变换矩阵;利用变换矩阵对轨迹多边形进行几何变换,得到变换后的轨迹多边形;判定轨迹多边形是否完全落在轮廓多边形的内部,是则定位完成。
Description
技术领域
本发明涉及数控裁床设备技术领域,具体是涉及一种实现数控裁床设备物料定位的方法,主要应用于利用计算机辅助进行服装加工裁剪。
背景技术
裁剪是制造成衣的一道主要工序,是指将布料分割成为缝制衣服所需的不同的几何形状,比如领子,袖子……的过程。服装业将这些裁剪出来的布片称之为裁片。随着劳动力成本的提高,越来越多的企业使用数控裁床取代人完成裁剪工作。所谓数控裁床,是一种拥有二维可移动刀具的数控加工设备。它根据存储在计算机内的,用坐标表达的裁片的几何形状对布料进行切割,我们把这些几何形状数据称之为切割轨迹。
但是,普通的数控裁床有一定的局限性,只能对矩形的布料进行加工。
这是因为切割轨迹实际上是作用在布料所在的坐标系内的,而数控系统的坐标系是以工作台为基础的,这两个坐标系并不统一。而如果被加工的材料是矩形的,实现两个坐标系之间的映射,是比较容易的。
但实际生产当中,会出现被加工材料不是矩形的情况,例如:
1、某些服装(如西装)为了达到成衣挺扩的效果,需要将裁片和一种衬料一起放到粘衬机里进行热粘贴。由于温度较高,这道工序之后裁片会变形。为了解决这个问题,实际上放入熨烫设备进行加工的裁片,比最终目标裁片要略大一些,并在粘衬之后使用裁床对其进行二次修剪,得到精准的裁片。而粘衬之后的裁片就成为了裁床的加工对象。
2、被加工的原料本身就不是矩形,比如动物皮革。其价格较高,如果强行在裁剪之前将皮革加工为矩形,则造成极大浪费。现有技术解决的方法是使用CAD加工真皮,通过拍照将皮革的边缘数字化,然后再在CAD软件中,采用人工将裁片摆放在皮革内部,生成切割轨迹。
目前有一种解决方案是在裁床上加装投影设备,将切割轨迹直接投射到裁床工作台上,然后工人把物料摆放在工作台上,在摆放时要保证投影的切割轨迹(光线)要全落在物料内部。这实际上是建立两个坐标系之间的映射关系的过程。
但是这种方式有以下缺点:占用工时,为了节省原料,切割轨迹和加工对象边界之间的距离是很近的,这导致工人摆放的时候要小心翼翼,在此期间裁剪工作停滞;误差严重,投影仪是一个放大设备,同样的输出内容,投影面到镜头的距离(物距)越大图像越大。因此肯定需要标定投影机镜头到工作台的距离,以保证投影尺寸和切割轨迹尺寸一致。
但是实际使用中,切割轨迹是投影在物料上,而不是工作台上的。企业为了提高生产效率,物料可能是多层布料,这导致随着布料的材质和层数的不同,物料的厚度是不确定的。按照较为常见投影仪的参数:假设分辨率为1800*1200的投影仪,镜头到工作台的距离为2m距离,1800个点长度的直线,投影到工作台上长度是1.6米。如果物料厚度为1cm,则投影距离缩短到1.99米,那条直线的投影长度就会变为1.592米,误差达到厘米级别。在这样的精度下,只有在规划切割轨迹的时候,保证切割轨迹到加工对象边缘的距离>0.5cm,才能保证在实际裁剪过程中,刀具始终在加工对象内部切割,这就要求被加工的物料要有足够的余量,这样做会造成相当的物料浪费。
发明内容
基于现有技术存在的不足,本发明的发明目的是提供一种实现数控裁床设备物料定位的方法,能快速的获得从数控系统的坐标系到被加工的物料的坐标系的映射关系。
为了达到上述目的,本发明提供如下技术方案。
提供一种实现数控裁床设备物料定位的方法,包括如下步骤:
将被加工物料放在加工设备上,在物料上放置校正标尺,使用加工设备上安装的工业相机获得被加工的物料的位图图像;
提取位图图像中的物料轮廓和校正标尺轮廓,并分别转化为物料轮廓的矢量数据和校正标尺轮廓的矢量数据;
利用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸,对物料轮廓的矢量数据进行比例变换,至此可以获得在设备坐标系下,用变换后的物料轮廓的矢量数据所形成的轮廓多边形表达物料的实际轮廓;
利用轮廓多边形和存储在数控系统中的轨迹多边形的点数据,可以计算出一个变换矩阵;
用该变换矩阵对轨迹多边形貌进行几何变换,得到的是设备坐标系下的新的切割轨迹的轨迹多边形;
判定轨迹多边形是否完全落在轮廓多边形的内部,如果不在则调整变换矩阵,直至轨迹多边形完全落在轮廓多边形内部。
这个变换矩代表的几何变换关系,就是数控裁床设备的坐标系到被加工物料的坐标系的映射关系。通过上述的技术方案,可以将不规则的物料放在工作台上,自动对物料进行识别,对切割轨迹进行移动和旋转,达到切割轨迹完全处于物料当中,节省物料。
此外,本发明还提供的另一个技术方案是一种实现数控裁床设备物料定位的装置,包括有:
图像摄像模块,用于获得被加工的物料的位图图像;
图像转换模块,用于提取位图图像中的物料轮廓和校正标尺轮廓,并分别转化为物料轮廓的矢量数据和校正标尺轮廓的矢量数据
比例变换模块,用于利用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸,对物料轮廓的矢量数据进行比例变换,用变换后的物料轮廓的矢量数据所形成的轮廓多边形表达物料的实际轮廓;
矩阵计算模块,利用轮廓多边形和内置表达切割轨迹的轨迹多边形的点数据,计算出变换矩阵;
轨迹变换模块,利用变换矩阵对轨迹多边形进行几何变换,得到变换后的轨迹多边形;
判定模块,用于判定轨迹多边形是否完全落在轮廓多边形的内部。
其中的图像摄像模块为工业相机。
附图说明
图1是实施例中的位图图像的结构视图。
图2是实施例中的提取轮廓后的图像的结构视图。
图3是实施例中的转动惯量的原理视图。
图4是实施例中的相似形状物体的转动惯量的原理视图。
图5是实施例中的转动惯量的函数曲线图一。
图6是实施例中的转动惯量的函数曲线图二。
图7是实施例中的轨迹多边形进行调整平移的原理视图一。
图8是实施例中的轨迹多边形进行调整平移的原理视图二。
图9是实施例中的轨迹多边形进行调整平移生成的调整矩形区域的原理视图。
图10是实施例中的方法的整体流程图。
图11是实施例中生成纯净位图的流程图
图12是实施例中获得布料轮廓的矢量轮廓多边形的流程图
图13是实施例中获得校正标尺的轮廓多边形的流程图
图14是实施例中获得白色区域的边界点多边形的流程图
图15是实施例中计算所有可行解的流程图
具体实施方式
以下结合附图及具体的实施例对本发明的技术方案做进一步的详细说明,以使本领域的技术人员能够清楚完整的理解本发明的内容。
本实施例是一种实现数控裁床设备物料定位的方法,以数控裁床设备对布料的加工裁剪为例,该数控裁床设备包括有一工作台、工业相机及内置计算机控制程序的数控系统,该方法包括的步骤如下:
一、将被加工的布料放在数控裁床设备的工作台上,并且在布料上放置适当大小的校正标尺;
数控裁床设备的工作台本身为深色,如被加工布料为浅色,则直接放在工作台上;如被加工物料为深色,则先在工作台上铺一张白纸,再将物料放在白纸上。这样在后面获得的图像中,布料和工作台之间有较大的反差,以便于提取布料边缘的像素点。
二、通过数控裁床设备上安装的工业相机对布料进行拍照,获得布料的位图图像;
获得的布料的位图图像具有以下特征:整个位图可以被看作是由三个区域的像素点的集合组成的,每个集合内的点一定是联通的,三个区域分别是指工作台10、布料20和校正标尺30,如图1所示。
三、提取位图图像中物体的轮廓以及校正标尺的轮廓,并转化为矢量数据;
由于前面的处理,这三个区域的点集的亮度差异明显。其中第一个点集对应工作台没有布料覆盖的部分,后续称之为“工作台点集”;第二个点集对应校正标尺,后续称之为“标尺点集”;第三个点集布料没有被校正标尺覆盖的部分,后续称之为“布料点集”。
提取二维的位图图像中布料的轮廓之前,为了便于处理,首先,将获得的位图图像做纯化处理,即将位图处理成只有黑白灰红四色的位图,纯化处理的过程是:首先建立一个与工业相机获得的位图图像大小相同的且所有点都是灰色的位图图像,即纯化位图;
然后,在数控裁床设备的数控系统的显示终端上显示原位图图像,由操作者在布料点集内任选一个矩形区域21,如图1中的区域21,数控系统的计算机程序根据被选的区域21内的像素计算出平均亮度,再结合预先存储的环境参数,计算出一个布料的亮度范围,其中上述环境参数,仅仅受到相机参数,工作环境和现场灯光的影响,与被加工布料无关,可以预先测量并标定好。
然后,原位图图像中的所有点,其亮度在布料的亮度范围内的,并且与被选区域相联通的点,就是布料点集,并将纯化位图相同位置的点设定为黑色,即布料20设定为黑色;在纯化位图中,将所有不与左上角的点联通的,且当前为灰色的点,都变为白色;白色区域包括有图2中的校正标尺区域30,还可能存在其它区域40,白色区域中最大的一个就是标尺点集。如果还存在其他较小的白色区域40应该是噪声,将相应点设定为红色。余下的灰色区域为工作台点集。
提取二维图像中布料的轮廓是这样的,在纯化后的位图中,如果一个黑色点的相邻点中包括灰色点,则这个黑色点就是布料轮廓上的点;将所有轮廓点找出来之后,按照相邻关系将点连接起来得到的折线,就是布料轮廓的矢量数据了,以下称为轮廓多边形。在纯色位图中,如果一个白色点的相邻点中包括黑色点,则这个白色点就是校正标尺轮廓上的点。
四、通过校正标尺对矢量数据进行比例变换,至此可以获得在设备坐标系下,用矢量的轮廓多边形表达的被加工布料的实际大小轮廓;
每台数控裁床设备都至少配备有两组大小不等的校正标尺,每个校正标尺是一个较薄的硬质高精度矩形板材,一组标尺使用有较高反光度的材料;另一组则使用不反光的暗色材料;使用时根据布料的颜色,选取与之对比度最大的那一组校正标尺中的,并选小于布料的一个标尺,放在布料上面。
由于校正标尺与布料之间对比度很高,因此数控系统的程序很容易在位图图像中识别出校正标尺对应的像素;将所有校正标尺的轮廓点找出来之后,在点列中寻找距离最远的一对点,他们应该是四边形的一对对角点,假设这两个点在位图中的距离是D;因为相机到工作台平面的距离和相机的焦距都是确定的,因此每个校正标尺放在工作台上的时候。其对角点在位图中的距离(后续简称位图距离)是;虽然现在由于校正标尺的实际位置高于工作台,但是由于高度不是很大,距离D一定与存储的某一个校正标尺的位图距离非常接近。其中最接近的那一个校正标尺,假设其对角线的真实长度为d;
计算出比例变换系数,其中比例变换系数=d/D。
用这个比例变换系数,对布料的轮廓多边形进行处理,可以得到在工作台坐标系下布料轮廓多边形的准确坐标。使用该系数对轮廓多边形进行比例变换,可以保证获得的轮廓多边形的精度不受加工布料厚度的影响。
五、利用轮廓多边形和存储在数控裁床设备的数控系统中的切割轨迹,切割轨迹以下称为轨迹多边形,可以计算出并建立一个变换矩阵。
利用轮廓多边形M和存储的轨迹多边形N的点数据计算并建出变换矩阵,包括如下步骤:
首先,计算出轮廓多边形M和轨迹多边形N的重心,利用两个重心的差值可以得到初始
变换矩阵的平移部分;
其次,再计算出轮廓多边形M和轨迹多边形N的最小转动惯量轴,利用两条轴线的夹角,可以计算出初始变换矩阵的旋转部分。
当一个平面刚体,以平面上的某条直线为轴转动时,其转动惯量是可以计算出来的;如图3中所示,a轴的转动惯量>b轴的转动惯量>c轴的转动惯量。而且除了圆或正方形这样的特殊形状之外,任意多边形刚体上一定可以找到一条直线,其对应的刚体转动惯量最小。根据转动惯量的平行轴定理,可以证明该直线一定通过刚体的重心。我们称这条直线为刚体的最小转动惯量轴。由于最小转动惯量轴是由刚体的形状决定的,因此两个相似的物体,其最小转动惯量轴的位置,重心的位置应该也是很相近的,如图4中所示。因此,我们可以把最小转动惯量轴其上的重心,看作是对刚体的特征描述。
多边形最小转动惯量轴的计算方式如下:首先计算出多边形对于X轴的转动惯量Lx;再计算出多边形对于Y轴的转动惯量Ly;然后计算多边形对于XY轴的惯性积Lxy;此后可根据以下公式计算出与X轴夹角为a且通过多边形重心的转动轴的转动惯量L:
L=sin(2*a)*(Ly-Lx)+2*Lxy*(1-2*cos(a)*cos(a))
这是一个关于a的函数,而且当自变量a在{0,90}范围内变化的时候,这个函数是单值函数,并且仅有一个极值,故可以使用牛顿法求出这个函数在{0,90}范围内的极值。多边形是圆形时Ly=Lx,Lxy=0,函数是一条水平直线,此时任意角度都是最小转动惯量轴,不考虑此特例的话,这个函数曲线只可能是以下两种形式,如图5、图6中所示。
对于图5的情况,箭头位置对应的角度就是最小转动惯量轴与X轴的夹角;
对于图6的情况,箭头位置对应的角度实际上是最大转动惯量轴与X周的夹角,由于最小转动惯量轴与最大转动惯量轴垂直,故而将所得值+90度即可得到最小转动惯量轴与X轴的夹角。
六、用变换矩阵对切割轨迹进行几何变换,得到的是物料坐标系下的新的切割轨迹的多边形,而且要使轨迹多边形完全落在轮廓多边形的内部。
这个变换矩阵代表的几何变换关系,就是设备数控系统的坐标系到布料所处的坐标系的映射关系。
以此初始变换矩阵对N进行几何变换,判断N是否处于M的内部;如果处于内部则当前矩阵作为一个可行解;按照一定的步长对旋转部分和平移部分进行微调,每次调整都检查当前矩阵是否是一个可行解。不断计算可行解的原因是,希望在可行解中找到最优解。所谓最优解,除了要求N在M内部之外,还要求,M和N之间的空白区域是均匀的。即M和N之间最接近的点之间的距离尽量大。因为重心和最小转动惯量轴是可以很精准的描述多变形形状特征的量,因此初始变换矩阵和最优解对应的变换矩阵已经很相近了,循环次数通常不需要太多。
按照一定的步长对旋转部分和平移部分进行微调的过程如下:
先将当前调整矩阵乘以一个矩阵P,P是以切割轨迹重心为旋转中心,顺时针旋转0.1度的旋转矩阵;在此基础之上调整平移部分寻找可行解;重复上述操作;如果当前矩阵已经在初始矩阵的基础上旋转了很多,则将P改为以切割轨迹重心为旋转中心,逆时针旋转0.1度的旋转矩阵继续试探。
调整平移部分寻找可行解的过程如下:
先使用当前已经经过旋转微调的矩阵,对切割的轨迹多边形进行几何变换。再计算变换后的轨迹多边形的最小转动惯量轴和最大转动惯量轴与轨迹多边形和布料轮廓多边形的交点,共8个,如图7中的A、B、C、D、E、F、G、H;同一条轴线在某一个方向上与切割轨迹多边形的交点(A、C、E、G)作为起点,与布料轮廓多边形的交点(B、D、F、H)作为终点,构成的向量(AB、CD、EF、GH)称为极限向量。如果轨迹多边形在布料轮廓多边形外面,则该向量指向轨迹多边形的重心O,如图8中的向量GH;将四个向量的起点移动到轨迹多边形的重心位置,就可以得到一个调整矩形区域,如图9所示。在此矩形内,生成步长0.4毫米间隔的网格线,网格的每个交点都是一个可测算点。以重心为起点,以可测算点为终点形成的向量OM,将当前轨迹多边形平移OM,检测平移之后的轨迹多边形是否在布料轮廓多边形之内。如果在,此平移量和当前旋转矩阵合成的矩阵就是一个可行解。
Claims (10)
1.一种实现数控裁床设备物料定位的方法,包括如下步骤:
获得被加工的物料和校正标尺的位图图像;
提取位图图像中的物料轮廓和校正标尺轮廓,并分别转化为物料轮廓的矢量数据和校正标尺轮廓的矢量数据;
利用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸,对物料轮廓的矢量数据进行比例变换,用变换后的物料轮廓的矢量数据所形成的轮廓多边形表达物料的实际轮廓;
利用轮廓多边形和表达切割轨迹的轨迹多边形的点数据,计算出变换矩阵;
利用变换矩阵对轨迹多边形进行几何变换,得到变换后的轨迹多边形;
判定轨迹多边形是否完全落在轮廓多边形的内部,是则定位完成。
2.根据权利要求1所述的实现数控裁床设备物料定位的方法,其特征在于,在获得被加工的物料的位图图像的步骤前,还包括使物料的工作台背景色与物料之间有较大的反差,并在被加工的物料上放置校正标尺。
3.根据权利要求1所述的实现数控裁床设备物料定位的方法,其特征在于,其中提取位图图像中物料的物料轮廓和校正标尺轮廓,并转化为物料轮廓的矢量数据和校正标尺轮廓的矢量数据,包括如下步骤:
将获得的位图图像做纯化处理,生成纯化位图图像,在纯化位图图像中物料区域的像素点被设为黑色,校正标尺区域的像素点被设为白色,其它区域的像素点被设为灰色;
在纯化位图图像中,查找相邻像素点为灰色的黑色像素点,则这个黑色像素点就是物料轮廓上的点,生成该点的坐标数据;
将物料轮廓上的所有点按照相邻关系将点连接起来得到的折线,为物料轮廓的轮廓多边形。
4.根据权利要求3所述的实现数控裁床设备物料定位的方法,其特征在于,所述的将获得的位图图像做纯化处理,生成纯化位图图像包括如下步骤:
在位图图像的物料内选定一个区域,根据选定区域内的像素点计算出平均亮度,并结合预先存储的环境参数,计算出物料区域的亮度范围;
位图图像中的像素点,其亮度在亮度范围内的,并且与选定区域联通的像素点所组成的集合就是物料点集;
建立一个与位图图像大小相同的且所有点都是灰色的纯化位图图像;
将纯化位图图像中与位图图像的物料点集内位置相同的点设定为黑色,将所有不与左上角的点联通且为灰色的像素点都设定为白色,其中最大的白色区域就是校正标尺区域。
5.根据权利要求1所述的实现数控裁床设备物料定位的方法,其特征在于,利用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸,对物料轮廓的矢量数据进行比例变换包括如下步骤:
在位图图像中查找校正标尺轮廓点,在轮廓点的点列中寻找距离最远的一对点,应该是校正标尺的一对对角点,设这两个点在位图中的距离是D;
由于相机的焦距和到工作台的距离已知,因此可以将D换算为校正标尺的对角线距离,与存储的每一个校正标尺的真实对角线距离进行比较,其中最接近的那一个校正标尺,假设其对角线的真实长度为d;
计算出比例变换系数,其中比例变换系数=d/D。
利用比例变换系数,对物料的轮廓多边形进行缩放处理。
6.根据权利要求1中所述的实现数控裁床设备物料定位的方法,其特征在于,计算出变换矩阵的步骤包括
计算出轮廓多边形和轨迹多边形各自的重心,利用两个重心的差值,计算出变换矩阵的平移部分;
计算出轮廓多边形和轨迹多边形各自的最小转动惯量的轴,利用两条轴的夹角,计算出变换矩阵的旋转部分。
7.根据权利要求6中所述的实现数控裁床设备物料定位的方法,其特征在于,计算出轮廓多边形和轨迹多边形各自的最小转动惯量的步骤包括:
计算出多边形对于X轴的转动惯量Lx;
再计算出多边形对于Y轴的转动惯量Ly;
然后计算多边形对于XY轴的惯性积Lxy;
计算出通过多边形重心且位于平面内的转动轴的转动惯量L,计算公式如下;
L=sin(2*a)*(Ly-Lx)+2*Lxy*(1-2*cos(a)*cos(a))
其中:a为自变量,是转动轴与X轴的夹角,在{0,90}角度范围内变化。
根据L的函数形式,得到L的极值点时自变量a的值。
8.根据权利要求1中所述的实现数控裁床设备物料定位的方法,其特征在于,还包括如下步骤:如果轨迹多边形不处于轮廓多边形的内部,则按照一定的步长,对变换矩阵的平移和旋转部分进行微调,再次对轨迹多边形进行几何变换。
9.一种实现数控裁床设备物料定位的装置,包括有:
图像摄像模块,用于获得被加工的物料的位图图像;
图像转换模块,用于提取位图图像中的物料轮廓和校正标尺轮廓,并分别转化为物料轮廓的矢量数据和校正标尺轮廓的矢量数据
比例变换模块,用于利用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸,对物料轮廓的矢量数据进行比例变换,用变换后的物料轮廓的矢量数据所形成的轮廓多边形表达物料的实际轮廓;
矩阵计算模块,利用轮廓多边形和内置表达切割轨迹的轨迹多边形的点数据,计算出变换矩阵;
轨迹变换模块,利用变换矩阵对轨迹多边形进行几何变换,得到变换后的轨迹多边形;
判定模块,用于判定轨迹多边形是否完全落在轮廓多边形的内部。
10.根据权利要求9所述的实现数控裁床设备物料定位的装置,其特征在于,所述的图像摄像模块为工业相机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710656531.XA CN107492096A (zh) | 2017-08-03 | 2017-08-03 | 一种实现数控裁床设备物料定位的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710656531.XA CN107492096A (zh) | 2017-08-03 | 2017-08-03 | 一种实现数控裁床设备物料定位的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107492096A true CN107492096A (zh) | 2017-12-19 |
Family
ID=60643636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710656531.XA Pending CN107492096A (zh) | 2017-08-03 | 2017-08-03 | 一种实现数控裁床设备物料定位的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107492096A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458811A (zh) * | 2019-07-20 | 2019-11-15 | 杭州爱科科技股份有限公司 | 一种柔性材料超长幅切割轨迹自动提取方法 |
CN110717920A (zh) * | 2019-09-03 | 2020-01-21 | 歌尔股份有限公司 | 投影仪振镜测试目标图的提取方法、装置及电子设备 |
GB2576164A (en) * | 2018-08-06 | 2020-02-12 | John Edward Aras Richard | Multi-axis position sensing system |
CN116512340A (zh) * | 2023-05-04 | 2023-08-01 | 广州东融手袋制品有限公司 | 一种用于数控剪裁的智能控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261685A (zh) * | 2008-01-31 | 2008-09-10 | 浙江工业大学 | 基于图像矢量化技术的服装样片自动录入装置 |
CN101363188A (zh) * | 2008-07-29 | 2009-02-11 | 瑞安市博业激光应用技术有限公司 | 激光切割设备的巡边切割方法 |
CN101464953A (zh) * | 2007-12-21 | 2009-06-24 | 株式会社岛精机制作所 | 轮廓提取装置和轮廓提取方法 |
CN101885152A (zh) * | 2010-05-06 | 2010-11-17 | 南京航空航天大学 | 一种自动找正的预印制图像板材数控切割方法 |
CN104482860A (zh) * | 2014-12-05 | 2015-04-01 | 浙江大学宁波理工学院 | 鱼类形态参数自动测量装置和方法 |
CN105225225A (zh) * | 2015-08-31 | 2016-01-06 | 臻雅科技温州有限公司 | 一种基于机器视觉的皮革自动划线方法和装置 |
CN105989588A (zh) * | 2015-02-05 | 2016-10-05 | 上海隶首信息技术有限公司 | 一种异形材料切割图像校正方法及系统 |
CN106022337A (zh) * | 2016-05-22 | 2016-10-12 | 复旦大学 | 一种基于连续边缘特征的平面目标检测方法 |
CN106222832A (zh) * | 2016-08-31 | 2016-12-14 | 山东如意科技集团有限公司 | 在服装任何位置均可展现个性化图案的服装面料织造方法 |
-
2017
- 2017-08-03 CN CN201710656531.XA patent/CN107492096A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464953A (zh) * | 2007-12-21 | 2009-06-24 | 株式会社岛精机制作所 | 轮廓提取装置和轮廓提取方法 |
CN101261685A (zh) * | 2008-01-31 | 2008-09-10 | 浙江工业大学 | 基于图像矢量化技术的服装样片自动录入装置 |
CN101363188A (zh) * | 2008-07-29 | 2009-02-11 | 瑞安市博业激光应用技术有限公司 | 激光切割设备的巡边切割方法 |
CN101885152A (zh) * | 2010-05-06 | 2010-11-17 | 南京航空航天大学 | 一种自动找正的预印制图像板材数控切割方法 |
CN104482860A (zh) * | 2014-12-05 | 2015-04-01 | 浙江大学宁波理工学院 | 鱼类形态参数自动测量装置和方法 |
CN105989588A (zh) * | 2015-02-05 | 2016-10-05 | 上海隶首信息技术有限公司 | 一种异形材料切割图像校正方法及系统 |
CN105225225A (zh) * | 2015-08-31 | 2016-01-06 | 臻雅科技温州有限公司 | 一种基于机器视觉的皮革自动划线方法和装置 |
CN106022337A (zh) * | 2016-05-22 | 2016-10-12 | 复旦大学 | 一种基于连续边缘特征的平面目标检测方法 |
CN106222832A (zh) * | 2016-08-31 | 2016-12-14 | 山东如意科技集团有限公司 | 在服装任何位置均可展现个性化图案的服装面料织造方法 |
Non-Patent Citations (4)
Title |
---|
关建和: "基于计算机视觉测量的单针绗缝加工控制系统的研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》 * |
汪国云: "基于轮廓的物体识别与定位方法", 《河南科技大学学报(自然科学版)》 * |
陶青星: "裁割机控制系统的研究与设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
高飞: "皮革面料裁剪 CAD/CAM 的应用技术研究", 《万方数据》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2576164A (en) * | 2018-08-06 | 2020-02-12 | John Edward Aras Richard | Multi-axis position sensing system |
GB2576164B (en) * | 2018-08-06 | 2020-07-29 | John Edward Aras Richard | Multi-axis position sensing system |
CN112585645A (zh) * | 2018-08-06 | 2021-03-30 | 理查德·阿拉斯 | 多轴位置感测系统 |
US11620466B2 (en) | 2018-08-06 | 2023-04-04 | Anemos Technology Limited | Multi-axis position sensing system |
CN110458811A (zh) * | 2019-07-20 | 2019-11-15 | 杭州爱科科技股份有限公司 | 一种柔性材料超长幅切割轨迹自动提取方法 |
CN110458811B (zh) * | 2019-07-20 | 2020-10-23 | 杭州爱科科技股份有限公司 | 一种柔性材料超长幅切割轨迹自动提取方法 |
CN110717920A (zh) * | 2019-09-03 | 2020-01-21 | 歌尔股份有限公司 | 投影仪振镜测试目标图的提取方法、装置及电子设备 |
CN110717920B (zh) * | 2019-09-03 | 2022-06-07 | 歌尔光学科技有限公司 | 投影仪振镜测试目标图的提取方法、装置及电子设备 |
CN116512340A (zh) * | 2023-05-04 | 2023-08-01 | 广州东融手袋制品有限公司 | 一种用于数控剪裁的智能控制方法及系统 |
CN116512340B (zh) * | 2023-05-04 | 2023-11-03 | 广州东融手袋制品有限公司 | 一种用于数控剪裁的智能控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492096A (zh) | 一种实现数控裁床设备物料定位的方法 | |
CN105043259B (zh) | 基于双目视觉的数控机床旋转轴误差检测方法 | |
CN104089575B (zh) | 智能平面检测仪及检测方法 | |
CN105157609B (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN100573183C (zh) | 直读仪表全自动检定方法及装置 | |
CN102184563B (zh) | 植物器官形态的三维扫描方法及扫描系统和装置 | |
CN102155923A (zh) | 基于立体靶标的拼接测量方法及系统 | |
CN110793464B (zh) | 大视场条纹投影视觉三维测量系统和方法 | |
CN108592788A (zh) | 一种面向喷涂生产线的3d智能相机系统与工件在线测量方法 | |
CN103729841B (zh) | 一种基于方靶模型和透视投影的相机畸变校正方法 | |
CN109102546A (zh) | 一种基于多标定板的机器人相机的标定方法 | |
CN105180830A (zh) | 一种适用于ToF相机的三维点云自动配准方法及系统 | |
CN102368810A (zh) | 一种半自动化对齐的视频融合系统和方法 | |
CN106600647A (zh) | 一种双目视觉多线投影结构光标定方法 | |
CN109285195B (zh) | 基于大尺寸靶标的单目投影系统逐像素畸变校正方法及其应用 | |
CN109814536A (zh) | 一种基于机器视觉套准控制系统的套准偏差检测方法 | |
CN106500626A (zh) | 一种手机立体成像方法及三维成像手机 | |
CN109373912A (zh) | 一种基于双目视觉的非接触式六自由度位移测量方法 | |
CN108682028A (zh) | 基于辐射纠正的激光点云与光学影像自动匹配方法 | |
CN109934935A (zh) | 一种服装与人体图像穿帮、匹配迁移的方法与系统 | |
CN111811433A (zh) | 基于红蓝正交条纹的结构光系统标定方法及装置和应用 | |
CN204854653U (zh) | 一种快速三维扫描设备 | |
CN106952262A (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN106646441A (zh) | 结合环境信息的室内移动机器人定位系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171219 |