CN107516098A - 一种基于边缘曲率角的目标轮廓三维信息提取方法 - Google Patents
一种基于边缘曲率角的目标轮廓三维信息提取方法 Download PDFInfo
- Publication number
- CN107516098A CN107516098A CN201710635348.1A CN201710635348A CN107516098A CN 107516098 A CN107516098 A CN 107516098A CN 201710635348 A CN201710635348 A CN 201710635348A CN 107516098 A CN107516098 A CN 107516098A
- Authority
- CN
- China
- Prior art keywords
- point
- edge
- cloud data
- point cloud
- edges
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000001788 irregular Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于边缘曲率角的目标轮廓三维信息提取方法,包括以下步骤:(1)采用机器视觉测量技术得到目标物体轮廓的三维点云数据;(2)对三维点云数据进行滤波去噪处理;(3)将去噪后的点云数据通过环形排序算法进行排序,使点云数据按逆时针方向呈环形排列,此时相邻的点储存到线性表相邻的位置上;(4)根据环形排序的结果对点云数据进行聚类分割;(5)基于边缘曲率角将点云数据快速划分为直线点或曲线点;(6)基于点的分类,将点云数据进行分段拟合,恢复出目标轮廓的三维信息。本发明可实时准确地提取出具有规则形状的物体的三维信息。
Description
技术领域
本发明涉及机器视觉领域,尤其涉及测量技术,具体涉及一种基于边缘曲率角的目标轮廓三维信息提取方法。
背景技术
在采用双目视觉技术得到目标物体的边缘轮廓三维点云数据后,为提取出其中的形状、尺寸及位置等三维特征信息,还需要对这些点云数据做进一步的处理。目前常用的处理方法是手动选取点云数据中的关键点,再通过他们之间的几何关系计算出目标物的实际尺寸,该方法测量的准确性易受人为因素的影响,且难以实现自动测量。此外,也有采用最小外接矩形法进行尺寸测量,这种方法能实现自动测量且实时性较好,对矩形目标物测量效果较好,但对于非矩形工件只能进行尺寸的大概估计。而传统的利用轮廓数据拟合提取尺寸信息的方法没有考虑算法的实时性问题,不适用于对实时性要求高的场合。
发明内容
针对上述问题,本发明提供一种基于边缘曲率角的目标轮廓三维信息提取方法,可以实现自动地、实时地、准确地从目标物体边缘轮廓的三维点云数据提取出其形状、尺寸等三维特征信息,可以应用于工业机器人作业环境的三维信息检测以及工件的尺寸测量等领域。
为实现上述目的,本发明的技术方案是:
一种基于边缘曲率角的目标轮廓三维信息提取方法,包括以下步骤:
(1)采用机器视觉测量技术得到目标物体轮廓的三维点云数据;
(2)对三维点云数据进行滤波去噪处理;
(3)将去噪后的点云数据通过环形排序算法进行排序,使点云数据按逆时针方向呈环形排列,此时相邻的点储存到线性表相邻的位置上;
(4)根据环形排序的结果对点云数据进行聚类分割;
(5)基于边缘曲率角将点云数据快速划分为直线点或曲线点;
(6)基于点的分类,将点云数据进行分段拟合,恢复出目标轮廓的三维信息。
进一步地,所述步骤(1)中的机器视觉测量技术为双目立体视觉测量技术,通过相机标定、立体校正、边缘提取、立体匹配及三维重建等步骤后得到目标物体边缘轮廓的三维点云数据;
进一步地,所述步骤(1)中的目标物体轮廓的三维点云数据为目标物体边缘点的空间三维坐标。
进一步地,所述步骤(2)中的滤波为均值滤波。由于误匹配等原因,三维重建得到的点云数据中常存在各种噪声,这些噪声对曲率计算将造成较大干扰,因此需通过滤波予以去除。常用的滤波算法有均值滤波、中值滤波、高斯滤波等。考虑到对边缘的平滑度比较敏感且效率要求较高,采用均值滤波算法进行降噪处理。
进一步地,所述步骤(3)中的环形排序算法能够提高数据处理的效率。要计算点云数据中某一点的曲率,需找出该点的左右邻近点;传统的方法为通过几何距离进行寻找,此时计算点云中N个点的曲率则需对整个边缘点云进行N次遍历。为提高效率,提出一种边缘点云数据环形排序算法,将边缘点云数据按逆时针方向呈环形排列,使相邻的点储存到线性表相邻的位置上,避免了重复耗时的遍历;环形排序算法包括以下步骤:
(31)将点云数据投影到x-y平面上;
(32)用以下两式算出点云数据在二维平面上的几何中心点
(33)以该中心点为极点建立极坐标系,算出点云数据中每个点在极坐标系中的极角,并按极角从小到大按逆时针顺序进行环形排序,即可得到有序的边缘点序列。
进一步地,所述步骤(4)中的点云数据聚类分割目的是使目标物体的边缘分割为单边缘,点云数据聚类分割包括以下步骤:
(41)对于环形排序后的点云数据,计算相邻两点之间的极轴差ΔS,并设定一阈值H;
(42)若ΔS>H,则认为两点为不同类,此时边缘为嵌套边缘,将极轴大的归入外边缘点集,将极轴小的归入内边缘点集;
(43)对所有点分割完毕后,每一个点集均为单边缘点集。
进一步地,所述步骤(42)中的嵌套边缘定义为内部存在子边缘的边缘,外边缘定义为嵌套边缘中的外层边缘,内边缘定义为嵌套边缘中的内层边缘,所述步骤(43)中的单边缘定义为内部不存在子边缘的边缘。
进一步地,所述步骤(5)中点云数据快速划分包括以下步骤:
(51)用边缘曲率角代替边缘曲率作为点云数据分类的标准;
(52)对于点云数据中某点P,根据其左右两个邻近点算出该点的边缘曲率角α;
(53)设定划分直线点与曲线点的边缘曲率角阈值为h,若点P的边缘曲率角α>h,则P为曲线点,否则P为直线点。
进一步地,所述步骤(51)中的边缘曲率角定义为:对于边缘点云数据中任一点Pi,其左右邻近点为Pi-1和Pi+1,将矢量和的夹角定义为边缘曲率角。
检测形状和尺寸的关键是识别边缘点属于直线簇还是曲线簇,通常是求出某点的曲率,并按曲率大小进行分类。在一段连续的曲线中,可以通过微积分的方法求出任何一处的曲率,但点云数据中的点为离散点,必须先对整组边缘点云进行曲线拟合,这种方法运算量较大。用边缘曲率角代替边缘曲率作为边缘点云数据分类的标准,可提高算法处理的效率。
进一步地,所述步骤(6)中点云数据分段拟合包括以下步骤:
(61)对于单边缘,不考虑直线与曲线组合的情况,对于由各段直线组成的轮廓形状,根据各段拟合直线的交点即可得到多边形的各个顶点的三维坐标,从而获取工件的空间位置信息,同时算出顶点之间的距离则可得到多边形各边的长度,由此可得三角形、四边形、或者是n边形(n>4);根据目标的上表面与平台的距离差即可获取其高度信息,根据所得高度信息进一步地可识别为三棱柱、四棱柱以及n棱柱。对于由各段曲线组成的轮廓形状,先将所有曲线段视为圆弧段,并进行空间圆的曲线拟合,得到圆心坐标和半径r。若曲线段有n个点,求出曲线段上各点到圆心坐标的距离di(i=1,2,…,n),同时设定曲线长度阈值H1,若对任意di,|di-r|<H1均成立,则该曲线段为圆弧段,拟合结果有效,否则该曲线段为非圆弧段。对于圆弧段,同样根据上表面与平台的距离差得到其高度信息,由此可识别为圆柱;对于非圆弧段,将其视为不规则形状;
(62)对于嵌套边缘,其为两段单边缘的组合,包括三角形与四边形的组合、四边形与圆的组合、多边形与圆的组合、圆与圆的组合,根据不同的组合识别为对应的形状,其中,当两段边缘均为圆时,对两段单边缘进行空间圆拟合,若其圆心在x、y方向上的距离小于给定阈值dxy,则判断为圆环;进一步的,若其圆心在z方向上的距离小于给定阈值dz,将该空间物体判断为环柱,反之则判断为圆台。
相比现有技术,本发明用环形排序提高了信息处理效率,用边缘曲率角实现直线点和曲线点的快速划分,能够实现三维点云数据自动实时的三维信息提取。
附图说明
图1为本发明实施例的流程示意图。
图2为发明实施例的某工件主视示意图。
图3为发明实施例的某工件俯视示意图。
图4为发明实施例的工件的边缘轮廓三维点云。
图5为发明实施例的程序运行结果。
具体实施方式
下面通过具体实施例对本发明的目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。
图2和图3为某一圆环柱体工件的示意图,用游标卡尺测量得到由游标卡尺测量得到其上表面圆环的外径为49.78mm,内径为40.46mm,高度为49.56mm。
如图1所示,一种基于边缘曲率角的目标轮廓三维信息提取方法,包括以下步骤:
S1、用双目立体视觉技术对其进行三维测量,得到其上表面轮廓的边缘点云数据,如图4所示;
S2、采用均值滤波算法对三维点云数据进行滤波去噪处理;
S3、将滤波后的三维点云数据按以下步骤进行环形排序具体包括:
S31、将点云数据投影到x-y平面上;
S32、用式(1)和式(2)算出点云数据在二维平面上的几何中心点
S33、以该中心点为极点建立极坐标系,算出点云数据中每个点在极坐标系中的极角,并按极角从小到大按逆时针顺序进行环形排序,即可得到有序的边缘点序列;
S4、根据环形排序的结果对点云数据进行聚类分割,具体包括以下步骤:
S41、对于环形排序后的点云数据,计算相邻两点之间的极轴差ΔS,并设定一阈值H=5mm;
S42、若ΔS>H,则认为两点为不同类,此时边缘为嵌套边缘,将极轴大的归入外边缘点集,将极轴小的归入内边缘点集;所述嵌套边缘定义为内部存在子边缘的边缘,外边缘定义为嵌套边缘中的外层边缘,内边缘定义为嵌套边缘中的内层边缘;
S43、对所有点分割完毕后,每一个点集均为单边缘点集;所述单边缘定义为内部不存在子边缘的边缘;
S5、基于边缘曲率角将点云数据快速划分为直线点或曲线点,具体为:
S51用边缘曲率角代替边缘曲率作为点云数据分类的标准,所述步骤(51)中的边缘曲率角定义为:对于边缘点云数据中任一点Pi,其左右邻近点为Pi-1和Pi+1,将矢量和的夹角定义为边缘曲率角;
S52对于点云数据中的点P,根据其左右两个邻近点计算出单边缘点集中每一点P的边缘曲率角α;
S53设定边缘曲率角阈值h=8°,若α>h,则P为曲线点,否则P为直线点;
S6、基于点的分类,将点云数据进行分段拟合,恢复出目标轮廓的三维信息;本实施例的点云聚类分割得到两段单边缘,这两段单边缘上的点均为曲线点,因此进行空间圆的拟合,并根据拟合结果提取出工件的三维信息,用C#编程得到的运行结果如图5所示。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于,包括以下步骤:
(1)采用机器视觉测量技术得到目标物体轮廓的三维点云数据;
(2)对三维点云数据进行滤波去噪处理;
(3)将去噪后的点云数据通过环形排序算法进行排序,使点云数据按逆时针方向呈环形排列,此时相邻的点储存到线性表相邻的位置上;
(4)根据环形排序的结果对点云数据进行聚类分割;
(5)基于边缘曲率角将点云数据快速划分为直线点或曲线点;
(6)基于点的分类,将点云数据进行分段拟合,恢复出目标轮廓的三维信息。
2.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(1)中的机器视觉测量技术为双目立体视觉技术。
3.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(1)中的目标物体轮廓的三维点云数据为目标物体边缘点的空间三维坐标。
4.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(2)中的滤波为均值滤波。
5.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(3)中的环形排序算法具体包括以下步骤:
(31)将点云数据投影到x-y平面上;
(32)用以下两式算出点云数据在二维平面上的几何中心点O
<mrow>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>;</mo>
</mrow>
(33)以该中心点为极点建立极坐标系,算出点云数据中每个点在极坐标系中的极角,并按极角从小到大按逆时针顺序进行环形排序,即可得到有序的边缘点序列。
6.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(4)中的点云数据聚类分割包括以下步骤:
(41)对于环形排序后的点云数据,计算相邻两点之间的极轴差ΔS,并设定一阈值H;
(42)若ΔS>H,则认为两点为不同类,此时边缘为嵌套边缘,将极轴大的归入外边缘点集,将极轴小的归入内边缘点集;
(43)对所有点分割完毕后,每一个点集均为单边缘点集。
7.根据权利要求6所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于,所述步骤(42)中的嵌套边缘定义为内部存在子边缘的边缘,外边缘定义为嵌套边缘中的外层边缘,内边缘定义为嵌套边缘中的内层边缘,所述步骤(43)中的单边缘定义为内部不存在子边缘的边缘。
8.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(5)中的点云数据快速划分包括以下步骤:
(51)用边缘曲率角代替边缘曲率作为点云数据分类的标准;
(52)对于点云数据中某点P,根据其左右两个邻近点算出该点的边缘曲率角α;
(53)设定划分直线点与曲线点的边缘曲率角阈值为h,若点P的边缘曲率角α>h,则P为曲线点,否则P为直线点。
9.根据权利要求8所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于,所述步骤(51)中的边缘曲率角定义为:对于边缘点云数据中任一点Pi,其左右邻近点为Pi-1和Pi+1,将矢量和的夹角定义为边缘曲率角。
10.根据权利要求1所述的一种基于边缘曲率角的目标轮廓三维信息提取方法,其特征在于:所述步骤(6)中点云数据分段拟合包括以下步骤:
(61)对于单边缘,不考虑直线与曲线组合的情况,对于由各段直线组成的轮廓形状,根据各段拟合直线的交点即可得到多边形的各个顶点的三维坐标,从而获取工件的空间位置信息,同时算出顶点之间的距离则可得到多边形各边的长度,由此可得三角形、四边形、或者是n边形(n>4);根据目标的上表面与平台的距离差即可获取其高度信息,根据所得高度信息进一步地可识别为三棱柱、四棱柱以及n棱柱;对于由各段曲线组成的轮廓形状,先将所有曲线段视为圆弧段,并进行空间圆的曲线拟合,得到圆心坐标和半径r;若曲线段有n个点,求出曲线段上各点到圆心坐标的距离di(i=1,2,…,n),同时设定曲线长度阈值H1,若对任意di,|di-r|<H1均成立,则该曲线段为圆弧段,拟合结果有效,否则该曲线段为非圆弧段;对于圆弧段,同样根据上表面与平台的距离差得到其高度信息,由此可识别为圆柱;对于非圆弧段,将其视为不规则形状;
(62)对于嵌套边缘,其为两段单边缘的组合,包括三角形与四边形的组合、四边形与圆的组合、多边形与圆的组合、圆与圆的组合,根据不同的组合识别为对应的形状,其中,当两段边缘均为圆时,对两段单边缘进行空间圆拟合,若其圆心在x、y方向上的距离小于给定阈值dxy,则判断为圆环;若其圆心在z方向上的距离小于给定阈值dz,将该空间物体判断为环柱,反之则判断为圆台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710635348.1A CN107516098B (zh) | 2017-07-30 | 2017-07-30 | 一种基于边缘曲率角的目标轮廓三维信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710635348.1A CN107516098B (zh) | 2017-07-30 | 2017-07-30 | 一种基于边缘曲率角的目标轮廓三维信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107516098A true CN107516098A (zh) | 2017-12-26 |
CN107516098B CN107516098B (zh) | 2021-08-10 |
Family
ID=60722783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710635348.1A Expired - Fee Related CN107516098B (zh) | 2017-07-30 | 2017-07-30 | 一种基于边缘曲率角的目标轮廓三维信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107516098B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945178A (zh) * | 2017-12-19 | 2018-04-20 | 大昌建设集团有限公司 | 一种爆破残孔自动识别及特征提取方法 |
CN108428219A (zh) * | 2018-02-28 | 2018-08-21 | 华南农业大学 | 一种基于三维曲面的原木直径测算方法 |
CN109299583A (zh) * | 2018-12-04 | 2019-02-01 | 中国科学院宁波材料技术与工程研究所 | 一种钛合金医用内固定板的制作方法 |
CN110068279A (zh) * | 2019-04-25 | 2019-07-30 | 重庆大学产业技术研究院 | 一种基于点云数据的预制构件平面圆孔提取方法 |
CN110189376A (zh) * | 2019-05-06 | 2019-08-30 | 达闼科技(北京)有限公司 | 物体定位方法及物体定位装置 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
CN110434932A (zh) * | 2019-07-20 | 2019-11-12 | 杭州爱科科技股份有限公司 | 太阳能薄膜柔性组件自动修边方法及其扫描图像采集装置 |
CN110471043A (zh) * | 2019-08-28 | 2019-11-19 | 天津大学 | 基于阈值激光雷达3d点云数据压缩识别目标检测方法 |
CN110490887A (zh) * | 2019-06-26 | 2019-11-22 | 河南埃尔森智能科技有限公司 | 一种基于3d视觉的对矩形包裹边缘快速识别定位方法 |
CN110533677A (zh) * | 2019-08-30 | 2019-12-03 | 广东博智林机器人有限公司 | 一种基于3d视觉的边缘提取方法及系统 |
CN111023985A (zh) * | 2019-12-31 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种离合器摩擦片测量装置及其数据处理方法 |
CN111815637A (zh) * | 2020-06-19 | 2020-10-23 | 浙江大华技术股份有限公司 | 3d图像边缘点云的提取方法、设备及计算机存储介质 |
CN112233162A (zh) * | 2020-10-06 | 2021-01-15 | 武汉烽火凯卓科技有限公司 | 一种基于结构照明特征的平面图像分析的测量方法及装置 |
CN112596542A (zh) * | 2020-12-11 | 2021-04-02 | 广州极飞科技有限公司 | 数据处理方法和装置、电子设备及存储介质 |
CN113450379A (zh) * | 2021-07-02 | 2021-09-28 | 湖南国天电子科技有限公司 | 一种异形工件断面轮廓线提取和分析方法和装置 |
CN113487633A (zh) * | 2021-08-17 | 2021-10-08 | 熵智科技(深圳)有限公司 | 一种点云轮廓提取方法、装置、计算机设备及存储介质 |
CN114089692A (zh) * | 2021-11-18 | 2022-02-25 | 江苏科技大学 | 一种适用于零件复杂细长面的快速数控编程方法 |
CN117152672A (zh) * | 2023-09-06 | 2023-12-01 | 理工雷科智途(北京)科技有限公司 | 一种基于点云多边形拟合的船舱行驶区域划分方法及系统 |
CN117173424A (zh) * | 2023-11-01 | 2023-12-05 | 武汉追月信息技术有限公司 | 一种点云坡面边缘线识别方法、系统及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150063683A1 (en) * | 2013-08-28 | 2015-03-05 | Autodesk, Inc. | Building datum extraction from laser scanning data |
CN106780524A (zh) * | 2016-11-11 | 2017-05-31 | 厦门大学 | 一种三维点云道路边界自动提取方法 |
CN106969706A (zh) * | 2017-04-02 | 2017-07-21 | 聊城大学 | 基于双目立体视觉的工件检测与三维测量系统及检测方法 |
-
2017
- 2017-07-30 CN CN201710635348.1A patent/CN107516098B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150063683A1 (en) * | 2013-08-28 | 2015-03-05 | Autodesk, Inc. | Building datum extraction from laser scanning data |
CN106780524A (zh) * | 2016-11-11 | 2017-05-31 | 厦门大学 | 一种三维点云道路边界自动提取方法 |
CN106969706A (zh) * | 2017-04-02 | 2017-07-21 | 聊城大学 | 基于双目立体视觉的工件检测与三维测量系统及检测方法 |
Non-Patent Citations (1)
Title |
---|
杨雪娇: "《点云的边界提取及角点检测算法研究》", 《万方学位论文数据库》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945178A (zh) * | 2017-12-19 | 2018-04-20 | 大昌建设集团有限公司 | 一种爆破残孔自动识别及特征提取方法 |
CN108428219A (zh) * | 2018-02-28 | 2018-08-21 | 华南农业大学 | 一种基于三维曲面的原木直径测算方法 |
CN108428219B (zh) * | 2018-02-28 | 2021-08-31 | 华南农业大学 | 一种基于三维曲面的原木直径测算方法 |
CN109299583A (zh) * | 2018-12-04 | 2019-02-01 | 中国科学院宁波材料技术与工程研究所 | 一种钛合金医用内固定板的制作方法 |
CN110068279A (zh) * | 2019-04-25 | 2019-07-30 | 重庆大学产业技术研究院 | 一种基于点云数据的预制构件平面圆孔提取方法 |
CN110189376A (zh) * | 2019-05-06 | 2019-08-30 | 达闼科技(北京)有限公司 | 物体定位方法及物体定位装置 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
CN110490887B (zh) * | 2019-06-26 | 2023-02-28 | 河南埃尔森智能科技有限公司 | 一种基于3d视觉的对矩形包裹边缘快速识别定位方法 |
CN110490887A (zh) * | 2019-06-26 | 2019-11-22 | 河南埃尔森智能科技有限公司 | 一种基于3d视觉的对矩形包裹边缘快速识别定位方法 |
CN110434932A (zh) * | 2019-07-20 | 2019-11-12 | 杭州爱科科技股份有限公司 | 太阳能薄膜柔性组件自动修边方法及其扫描图像采集装置 |
CN110434932B (zh) * | 2019-07-20 | 2021-02-26 | 杭州爱科科技股份有限公司 | 太阳能薄膜柔性组件自动修边方法 |
CN110471043A (zh) * | 2019-08-28 | 2019-11-19 | 天津大学 | 基于阈值激光雷达3d点云数据压缩识别目标检测方法 |
CN110533677A (zh) * | 2019-08-30 | 2019-12-03 | 广东博智林机器人有限公司 | 一种基于3d视觉的边缘提取方法及系统 |
CN111023985A (zh) * | 2019-12-31 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种离合器摩擦片测量装置及其数据处理方法 |
CN111815637A (zh) * | 2020-06-19 | 2020-10-23 | 浙江大华技术股份有限公司 | 3d图像边缘点云的提取方法、设备及计算机存储介质 |
CN112233162A (zh) * | 2020-10-06 | 2021-01-15 | 武汉烽火凯卓科技有限公司 | 一种基于结构照明特征的平面图像分析的测量方法及装置 |
CN112596542A (zh) * | 2020-12-11 | 2021-04-02 | 广州极飞科技有限公司 | 数据处理方法和装置、电子设备及存储介质 |
CN113450379A (zh) * | 2021-07-02 | 2021-09-28 | 湖南国天电子科技有限公司 | 一种异形工件断面轮廓线提取和分析方法和装置 |
CN113450379B (zh) * | 2021-07-02 | 2022-05-27 | 湖南国天电子科技有限公司 | 一种异形工件断面轮廓线提取和分析方法和装置 |
CN113487633A (zh) * | 2021-08-17 | 2021-10-08 | 熵智科技(深圳)有限公司 | 一种点云轮廓提取方法、装置、计算机设备及存储介质 |
CN114089692A (zh) * | 2021-11-18 | 2022-02-25 | 江苏科技大学 | 一种适用于零件复杂细长面的快速数控编程方法 |
CN114089692B (zh) * | 2021-11-18 | 2024-04-19 | 江苏科技大学 | 一种适用于零件复杂细长面的快速数控编程方法 |
CN117152672A (zh) * | 2023-09-06 | 2023-12-01 | 理工雷科智途(北京)科技有限公司 | 一种基于点云多边形拟合的船舱行驶区域划分方法及系统 |
CN117173424A (zh) * | 2023-11-01 | 2023-12-05 | 武汉追月信息技术有限公司 | 一种点云坡面边缘线识别方法、系统及可读存储介质 |
CN117173424B (zh) * | 2023-11-01 | 2024-01-26 | 武汉追月信息技术有限公司 | 一种点云坡面边缘线识别方法、系统及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107516098B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107516098B (zh) | 一种基于边缘曲率角的目标轮廓三维信息提取方法 | |
Xiao et al. | An adaptive feature extraction algorithm for multiple typical seam tracking based on vision sensor in robotic arc welding | |
CN105930858B (zh) | 一种带旋转、缩放的快速高精度几何模板匹配方法 | |
CN106447669B (zh) | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 | |
CN108364311B (zh) | 一种金属部件自动定位方法及终端设备 | |
CN107798326B (zh) | 一种轮廓视觉检测方法 | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN109188459B (zh) | 一种基于多线激光雷达的坡道小障碍物识别方法 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN105335973B (zh) | 运用于带钢加工生产线的视觉处理方法 | |
CN106251353A (zh) | 弱纹理工件及其三维位姿的识别检测方法及系统 | |
CN103793712A (zh) | 一种基于边缘几何特征的图像识别方法及系统 | |
CN114972377B (zh) | 基于移动最小二乘法与超体素的3d点云分割方法和装置 | |
CN109448059B (zh) | 一种快速x角点亚像素检测方法 | |
CN111539446B (zh) | 一种基于模板匹配的2d激光孔位检测方法 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN106813569B (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
CN109272542A (zh) | 一种三维物体体积的确定方法 | |
CN114283139B (zh) | 一种基于面阵结构光3d视觉的焊缝检测分割方法及装置 | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
GB2596475A (en) | System and method for surface feature detection and traversal | |
CN112767497A (zh) | 基于圆形标定板的高鲁棒性标定装置及定位方法 | |
CN117853742A (zh) | 一种基于结构光的焊缝坡口特征提取方法及焊接机器人 | |
CN117893553A (zh) | 一种图像处理的钛金属分割方法及系统 | |
CN105718929B (zh) | 全天候未知环境下高精度快速圆形目标定位方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210810 |
|
CF01 | Termination of patent right due to non-payment of annual fee |