CN108133477A - 一种物体检测方法及智能机械臂 - Google Patents
一种物体检测方法及智能机械臂 Download PDFInfo
- Publication number
- CN108133477A CN108133477A CN201711485193.4A CN201711485193A CN108133477A CN 108133477 A CN108133477 A CN 108133477A CN 201711485193 A CN201711485193 A CN 201711485193A CN 108133477 A CN108133477 A CN 108133477A
- Authority
- CN
- China
- Prior art keywords
- testee
- image
- view image
- shape
- detecting method
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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
- G06T2207/30244—Camera pose
Abstract
本发明适用于自动化技术领域,提供了一种物体检测方法及智能机械臂,所述方法包括:采集被测物体的图像;根据所述图像,提取被测物体的形状特征参数;根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。通过本发明可以有效检测到被测物体是否发生意外损坏,保证了被加工物体的完整性,提高了加工效率,节省了工序时间。
Description
技术领域
本发明属于自动化技术领域,尤其涉及一种物体检测方法及智能机械臂。
背景技术
机器视觉是图像技术、模式识别技术,以及计算机技术发展的产物,是实现智能化、自动化、信息化的先进技术领域。机械臂是一种模仿人手的机械结构,是一个复杂系统,具有独特的操作灵活性。
在机械工艺加工过程中,所加工的不同形状的工件,是由许多表面以各种不同的组合形式构成的,对工件的各表面尺寸以及工件形状都有严格的要求,若工件的尺寸、形状或质量不合格则会影响下一步的加工工序,甚至耽误整个加工过程。在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来代替人工视觉实现对工件的检测。例如:零件装配完整性、装配尺寸精度、零件加工精度、位置/角度测量、零件识别等。
目前,工件在流水线进行加工时,若被加工物体发生意外破损,继续加工会影响后续的工步,对整体的效果也会产生不同程度的影响,同时浪费大量的时间。为了使机械臂更加智能化,现有技术中在视觉识别参与的检测拿取过程中,往往只能识别到目标物的位置,无法检测到被加工物体是否发生意外破损,无法保证被加工物体的完整性。
发明内容
有鉴于此,本发明实施例提供了一种物体检测方法及智能机械臂,以解决现有技术中无法检测被加工物体是否发生意外破损,无法保证被加工物体完整性的问题。
本发明实施例的第一方面提供了一种物体检测方法,包括:
采集被测物体的图像;
根据所述图像,提取被测物体的形状特征参数;
根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
本发明实施例的第二方面提供了一种物体检测装置,包括:
第一图像采集单元,用于采集被测物体的图像;
信息提取单元,用于根据所述图像,提取被测物体的形状特征参数;
第一处理单元,用于根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
本发明实施例的第三方面提供了一种智能机械臂,包括:包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述物体检测方法的任一步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,包括:所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述物体检测方法的任一步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过智能机械臂采集被测物体的图像,根据图像提取形状特征参数,根据形状特征参数与标准的形状数值是否一致,判断被测物体是否有损坏,保证了被加工物体的完整性,提高了工件的加工效率,节省了加工工序的时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的物体检测方法的实现流程示意图;
图2是本发明实施例提供的采集被测物体图像方法的实现流程示意图;
图3是本发明实施例提供的物体检测另一方法的实现流程示意图;
图4是本发明实施例提供的物体检测装置的示意图;
图5是本发明实施例提供的智能机械臂的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,是本发明实施例提供的物体检测方法的实现流程示意图,该方法应用于智能机械臂,如图所示该方法可以包括以下步骤:
步骤S101,采集被测物体的图像。
在本发明实施例中,被测物体可以是具有规则形状的物件,也可以是不规则形状的物件;所述的图像采集可以通过摄像机、红外线、数字扫描仪或非接触式传感器等实现,但不仅限于上述采集方式;所述采集到的图像包括被测物体的物理图像以及数字图像的获取。
需要说明的是,被测物体的图像的采集不限于单张图像,可以是不同角度或多个方位的多张图像,根据被测物体独有的特征,采集所需要的一张或多张图像信息;例如:外形规则且较为简单的物体,采集一张图片就可以提现整个物体的信息;但是一些外形不规则或者由多个物件组合构成的物体,则需要采集多张不同角度或方位的图像,才能提现被测物体的综合图像信息。
进一步的,如图2所示的本发明实施例提供的采集被测物体图像方法的实现流程示意图,所述的采集被测物体的图像包括以下步骤:
步骤S111,获取所述被测物体的形状类型,根据所述形状类型确定拍摄的最小旋转角度。
在本发明实施例中,所述的形状类型包括但不仅限于具有规则外形的圆柱体、圆锥体或长方体等多面体,以及具有不规则外形的多个工件的组合体;根据被测物体的形状类型,确定拍摄的最小旋转角度,例如:对于具有规则外形的长方体,可以将拍摄的最小角度设定为90度;对于外形不规则的多面体,则根据多面体的外形特征自动设定拍摄的最小旋转角度。
需要说明的是,所述实现上述方法的智能机械臂可以根据所拍摄过的物件不断训练学习,对被测物体的形状类型进行分类,并自动设定拍摄不同类型的被测物体的最小旋转角度。
步骤S112,获取所述被测物体当前的摆放状态,确定初始拍摄角度。
在本发明实施例中,物体的摆放状态可以是竖直摆放或横向摆放;所述的初始拍摄角度根据选定被测物体的某一个基准面确定的拍摄角度,根据物体的摆放状态确定摄像头的初始拍摄角度。
步骤S113,以所述被测物体为中心,按照所述初始拍摄角度和所述最小旋转角度,每旋转一最小旋转角度时拍摄一张包括被测物体的图像,获取多张包括所述被测物体的图像。
在本发明实施例中,按照确定的初始拍摄角度对被测物体进行拍摄,继续按着最小的旋转角度,每旋转一个最小角度采集一张被测物体图像,直到旋转一圈,获取多张包括被测物体的图像;例如:对于不规则多面体,根据某一个面确定最小的旋转角度,根据最小旋转角度获取不规则多面体全面的不同角度的图像。
步骤S102,根据所述图像,提取被测物体的形状特征参数。
在本发明实施例中,根据被测物体的图像信息,提取被测物体的形状特征参数,是从二维图像中反映物体的三维形状特征,是以图像中的物体或区域的划分为基础实现的;形状特征的提取包括被测物体图像轮廓特征的提取和区域特征的提取;其中,可以通过边界特征法或几何参数法或形状不变矩法或小波描述法等实现被测物体形状轮廓特征以及区域特征的提取;或者根据采集图像的摄影设备的参数,建立完整的数学模型对被测目标进行全面的描述,并将多张图像进行尺寸匹配,最后得到被测物体的形状特征参数。
另外,根绝图像提取被测物体的形状特征参数,还需要对图像进行分割,图像的分割效果也会影响到形状特征的提取。例如:首先对图像进行自动分割,划分出图像中所包含的对象或颜色区域,然后根据这些区域提取图像的形状特征,并建立索引;或者将图像均匀的划分为若干规则子快,然后对每个子快进行特征提取,并建立索引。
步骤S103,根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
在本发明实施例中,所述形状特征参数包括被测物体的图像轮廓特征信息、图像区域特征信息以及被测物体从二维图像反映出来的形状特征信息;所述的预设的标准形状数值为根据被测物体原有的形状设定的三维空间的立体参数;所述物体被损害包括但不限于被挤压变形或裂痕破损等局部或整体的外形的变化;将从图像获取的特征信息分别与预设的标准值的对比,若一致,则说明被测物体完好没有损坏,若不一致,则说明物体有变形或发生损坏,取出被损坏物体。
进一步的,所述的根据形状特征参数与预设的标准数值是否一致,判断被测物体是否损坏包括:
A1,采集所述被测物体的不同摆放状态的图像。
在本发明实施例中,可以改变被测物体的摆放状态,采集不同摆放状态的图像,所述的不同的摆放状态可以包括竖直摆放或横向摆放等,由于二维图像中表现的是三维物体的在空间某一平面的投影,可以根据物体的不同摆放状态采集图像,获取物体在空间多个平面的投影,增加物体的比对的特征参数。
A2,将所述不同摆放状态的图像分别与预设的标准数值进行比较,判断所述被测物体是否损坏。
在本发明实施例中,采集物体的不同的摆放状态的图像,系统里设定物体不同摆放状态下的对应的标准的数值,根据采集到的不同状态的图像提取物体的特征参数,与预设的多个标准数值分别进行比较,判断被测物体是否损坏。
可选的,所述的物体检测方法还包括:
步骤S201,获取被测物体的重量。
在本发明实施例中,被测物体可以是规则形状和均匀密度的物件,也可以是不规则形状和密度不均匀的物件;对于被测物体的重量可以根据安装在智能机械臂的执行端的重量传感器进行测量,或者也可以将重量传感器设置于摆放被测物体的装置上,测得物体的重量信息,以有线或者无线的方式传输给智能机械臂端,进行下一步对物体重量信息的判断。
步骤S202,根据所述重量与预设的重量阈值是否一致,判断被测物体是否损坏。
在本发明实施例中,对于完好的标准的物体设定重量阈值,将检测到的被测物体的重量参数与对应设定的重量阈值进行对比,若一致,则判断被测物体没有损坏,若检测到的重量小于设定的重量阈值,则说明物体有损坏,将损坏物体取出。
可选的,如图3所示的本发明实施例提供的物体检测另一方法的实现流程示意图,所述方法还包括以下步骤:
步骤S301,采集被测物体的俯视图像、左视图像和右视图像。
在本发明实施例中,被测物体可以是规则外形或不规则外形的物件;可以设置三个不同方位的摄像头,也可以移动智能机械臂进行俯视图像、左视图像和右视图像的拍摄和采集。其中可以利用图像明暗度的恢复得到被测物体的高度值;在采用多个摄像头进行拍摄时,摄像头之间的相对位置是确定的,若是单个摄像头,在每个拍摄方位的位置也是确定的。多个摄像头进行拍摄时,是同时进行的,且对拍摄到的多个图像进行相同特征点的位置匹配;当单个摄像头进行图像采集时,则可以利用图像中的灰度、纹理、几何关系等信息获得高度信息。
步骤S302,根据所述俯视图像、所述左视图像和所述右视图像,结合拍摄图像的相机的参数,计算被测物体的体积特征参数。
在本发明实施例中,所述的拍摄图像的相机参数包括,相机的像素值的设定、位置坐标的设定以及相机内设的测量的尺寸参数的设定,可以通过对二维图像的测量数值利用函数获得二维图像中的面积参数,在利用非平行截面得到重构的三维图形的体积参数。
另外,拍摄被测物体图像后,对图像进行模数A/D转化,通过图像采集卡对图像进行采集,由微处理器通过不同角度的图像信息,得到世界坐标、摄像头坐标和图像坐标之间的换算关系,在世界坐标中完成物体的三维形状的重建和测量,实现对物体实际体积的测量。
步骤303,根据所述体积特征参数与预设的标准体积数值是否一致,判断被测物体是否损坏。
在本发明实施例中,将检测到的体积特征参数与预设的标准体积数值进行对比,若一致则说明被测物体完好没有损坏,若不一致,则说明物体可能发生畸变或损坏。
通过本发明实施例,对被测物体进行视觉检测,采集物体的图形,提取物体的形状特征参数、体积特征参数以及重量参数,分别与预设的标准数值进行对比判断,被测物体是否有损坏;还可以根据物体的外形特征选取不同的拍摄角度对物体进行图像采集分析;同时也可以设置多个摄像头同时在不同方位对物体进行拍摄,采集多张图像信息,通过对图像信息的处理,得到物体的特征参数,与标准值进行对比,精确判断物体是否完好,实现了对物体的高精度的检测,保证了被加工物件的完整性,提高了加工效率,节省了工序时间;通过非接触的视觉识别检测技术,加快了检测的速度,降低了劳动强度,高程度的自动化使工作效率达达提高,降低了人为测量造成的误差,也降低了工作人员在环境复杂情况下的危险程度,且对于一些表面比较软、易变性、易划伤的物体的测量具有明显的优势,具有较强的易用性与实用性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
参见图4,是本发明实施例提供的物体检测装置的示意框图,为了便于说明,仅示出了与本发明实施例相关的部分。
所述物体检测装置包括:
第一图像采集单元40,用于采集被测物体的图像;
信息提取单元41,用于根据所述图像,提取被测物体的形状特征参数;
第一处理单元42,用于根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
可选的,所述物体检测装置还包括:
重量检测单元43,用于获取被测物体的重量;
第二处理单元44,用于根据所述获取的被测物体的重量与预设的重量阈值是否一致,判断被测物体是否损坏。
可选的,所述物体检测装置还包括:
第二图像采集单元45,用于采集被测物体的俯视图像、左视图像和右视图像;
体积计算单元46,用于根据所述俯视图像、所述左视图像和所述右视图像,结合拍摄图像的相机的参数,计算被测物体的体积特征参数;
第三处理单元47,用于根据所述体积特征参数与预设的标准体积数值是否一致,判断被测物体是否损坏。
进一步的,所述第一图像采集单元40包括:
第一信息获取模块401,用于获取所述被测物体的形状类型,根据所述形状类型确定拍摄的最小旋转角度;
第二信息获取模块402,用于获取所述被测物体当前的摆放状态,确定初始拍摄角度;
第二图像采集单元403,用于以所述被测物体为中心,按照所述初始拍摄角度和所述最小旋转角度,每旋转一最小旋转角度时拍摄一张包括被测物体的图像,获取多张包括所述被测物体的图像。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述移动终端的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述移动终端中模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图5是本发明一实施例提供的智能机械臂的示意框图。如图5所示,该实施例的智能机械臂5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如物体图像的特征参数提取程序。所述处理器50执行所述计算机程序52时实现上述各个物体检测方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块40至43的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述智能机械臂5中的执行过程。例如,所述计算机程序52可以被分割成同步模块、汇总模块、获取模块、返回模块(虚拟装置中的模块)。
所述智能机械臂可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是智能机械臂5的示例,并不构成对智能机械臂5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述智能机械臂还可以包括摄像头、采集卡、光源、输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述智能机械臂5的内部存储单元,例如智能机械臂5的硬盘或内存。所述存储器51也可以是所述智能机械臂5的外部存储设备,例如所述智能机械臂5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述智能机械臂5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述智能机械臂所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
本发明再一实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质;也可以是单独存在,未装配入终端中的计算机可读存储介质。所述计算机可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序被一个或者一个以上的处理器用来执行一个信息处理方法,所述方法包括:
采集被测物体的图像;
根据所述图像,提取被测物体的形状特征参数;
根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种物体检测方法,应用于智能机械臂,其特征在于,包括:
采集被测物体的图像;
根据所述图像,提取被测物体的形状特征参数;
根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
2.如权利要求1所述的物体检测方法,其特征在于,所述物体检测方法还包括:
获取被测物体的重量;
根据所述重量与预设的重量阈值是否一致,判断被测物体是否损坏。
3.如权利要求1所述的物体检测方法,其特征在于,所述采集被测物体的图像包括:
获取所述被测物体的形状类型,根据所述形状类型确定拍摄的最小旋转角度;
获取所述被测物体当前的摆放状态,确定初始拍摄角度;
以所述被测物体为中心,按照所述初始拍摄角度和所述最小旋转角度,每旋转一最小旋转角度时拍摄一张包括被测物体的图像,获取多张包括所述被测物体的图像。
4.如权利要求1所述的物体检测方法,其特征在于,所述根据所述形状特征参数与预设的标准数值是否一致,判断被测物体是否损坏包括:
采集所述被测物体的不同摆放状态的图像;
将所述不同摆放状态的图像分别与预设的标准数值进行比较,判断所述被测物体是否损坏。
5.如权利要求1所述的物体检测方法,其特征在于,所述物体检测方法还包括:
采集被测物体的俯视图像、左视图像和右视图像;
根据所述俯视图像、所述左视图像和所述右视图像,结合拍摄图像的相机的参数,计算被测物体的体积特征参数;
根据所述体积特征参数与预设的标准体积数值是否一致,判断被测物体是否损坏。
6.一种物体检测装置,其特征在于,包括:
第一图像采集单元,用于采集被测物体的图像;
信息提取单元,用于根据所述图像,提取被测物体的形状特征参数;
第一处理单元,用于根据所述形状特征参数与预设的标准形状数值是否一致,判断被测物体是否损坏。
7.如权利要求6所述的物体检测装置,其特征在于,还包括:
重量检测单元,用于获取被测物体的重量;
第二处理单元,用于根据所述获取的被测物体的重量与预设的重量阈值是否一致,判断被测物体是否损坏。
8.如权利要求6所述的物体检测装置,其特征在于,还包括:
第二图像采集单元,用于采集被测物体的俯视图像、左视图像和右视图像;
体积计算单元,用于根据所述俯视图像、所述左视图像和所述右视图像,结合拍摄图像的相机的参数,计算被测物体的体积特征参数;
第三处理单元,用于根据所述体积特征参数与预设的标准体积数值是否一致,判断被测物体是否损坏。
9.一种智能机械臂,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485193.4A CN108133477A (zh) | 2017-12-29 | 2017-12-29 | 一种物体检测方法及智能机械臂 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485193.4A CN108133477A (zh) | 2017-12-29 | 2017-12-29 | 一种物体检测方法及智能机械臂 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108133477A true CN108133477A (zh) | 2018-06-08 |
Family
ID=62394106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711485193.4A Pending CN108133477A (zh) | 2017-12-29 | 2017-12-29 | 一种物体检测方法及智能机械臂 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133477A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444146A (zh) * | 2018-09-17 | 2019-03-08 | 鲁班嫡系机器人(深圳)有限公司 | 一种工业加工产品的缺陷检测方法、装置及设备 |
CN109664321A (zh) * | 2018-12-27 | 2019-04-23 | 四川文理学院 | 机械臂、排爆小车及搜寻方法 |
CN110017769A (zh) * | 2019-03-12 | 2019-07-16 | 精诚工科汽车系统有限公司 | 基于工业机器人的零件检测方法及系统 |
CN110132166A (zh) * | 2019-05-05 | 2019-08-16 | 广州佳帆计算机有限公司 | 一种可自动配光的产品图像检测方法及比对装置 |
CN110966920A (zh) * | 2018-09-29 | 2020-04-07 | 北京金风科创风电设备有限公司 | 风力发电机组的扭缆检测方法及系统 |
WO2021208230A1 (zh) * | 2020-04-15 | 2021-10-21 | 上海工程技术大学 | 智能装配控制系统 |
CN115921328A (zh) * | 2022-11-15 | 2023-04-07 | 扬州中远海运重工有限公司 | 一种型材切割出料的智能分拣系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278090A (zh) * | 2013-05-14 | 2013-09-04 | 陕西科技大学 | 一种不规则物体体积的视觉测量方法 |
US20160086343A1 (en) * | 2014-09-18 | 2016-03-24 | Fanuc Corporation | Contour line measurement apparatus and robot system |
CN106393177A (zh) * | 2016-11-25 | 2017-02-15 | 安徽智联投资集团有限公司 | 一种拥有称重功能的机械臂 |
CN106596565A (zh) * | 2017-01-22 | 2017-04-26 | 深圳市德富强机器人有限公司 | 一种基于机械手的实时在线检测方法及检测系统 |
CN106770332A (zh) * | 2017-02-14 | 2017-05-31 | 杭州字节信息技术有限公司 | 一种基于机器视觉的电子模切料缺陷检测实现方法 |
CN106918306A (zh) * | 2017-04-22 | 2017-07-04 | 许晟明 | 基于光场单相机的工业产品三维形貌实时检测系统 |
-
2017
- 2017-12-29 CN CN201711485193.4A patent/CN108133477A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278090A (zh) * | 2013-05-14 | 2013-09-04 | 陕西科技大学 | 一种不规则物体体积的视觉测量方法 |
US20160086343A1 (en) * | 2014-09-18 | 2016-03-24 | Fanuc Corporation | Contour line measurement apparatus and robot system |
CN106393177A (zh) * | 2016-11-25 | 2017-02-15 | 安徽智联投资集团有限公司 | 一种拥有称重功能的机械臂 |
CN106596565A (zh) * | 2017-01-22 | 2017-04-26 | 深圳市德富强机器人有限公司 | 一种基于机械手的实时在线检测方法及检测系统 |
CN106770332A (zh) * | 2017-02-14 | 2017-05-31 | 杭州字节信息技术有限公司 | 一种基于机器视觉的电子模切料缺陷检测实现方法 |
CN106918306A (zh) * | 2017-04-22 | 2017-07-04 | 许晟明 | 基于光场单相机的工业产品三维形貌实时检测系统 |
Non-Patent Citations (2)
Title |
---|
姜璐, 郭大勇: "在三维重建中求取不规则形体体积的一种算法", 《计算机工程与应用》 * |
张娜: "基于计算机视觉的不规则物体体积测量方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444146A (zh) * | 2018-09-17 | 2019-03-08 | 鲁班嫡系机器人(深圳)有限公司 | 一种工业加工产品的缺陷检测方法、装置及设备 |
CN110966920A (zh) * | 2018-09-29 | 2020-04-07 | 北京金风科创风电设备有限公司 | 风力发电机组的扭缆检测方法及系统 |
CN110966920B (zh) * | 2018-09-29 | 2022-01-25 | 北京金风科创风电设备有限公司 | 风力发电机组的扭缆检测方法及系统 |
CN109664321A (zh) * | 2018-12-27 | 2019-04-23 | 四川文理学院 | 机械臂、排爆小车及搜寻方法 |
CN110017769A (zh) * | 2019-03-12 | 2019-07-16 | 精诚工科汽车系统有限公司 | 基于工业机器人的零件检测方法及系统 |
CN110132166A (zh) * | 2019-05-05 | 2019-08-16 | 广州佳帆计算机有限公司 | 一种可自动配光的产品图像检测方法及比对装置 |
CN110132166B (zh) * | 2019-05-05 | 2021-07-23 | 广州佳帆计算机有限公司 | 一种可自动配光的产品图像检测方法及比对装置 |
WO2021208230A1 (zh) * | 2020-04-15 | 2021-10-21 | 上海工程技术大学 | 智能装配控制系统 |
CN115921328A (zh) * | 2022-11-15 | 2023-04-07 | 扬州中远海运重工有限公司 | 一种型材切割出料的智能分拣系统 |
CN115921328B (zh) * | 2022-11-15 | 2023-10-27 | 扬州中远海运重工有限公司 | 一种型材切割出料的智能分拣系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133477A (zh) | 一种物体检测方法及智能机械臂 | |
CN109242828B (zh) | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 | |
CN107077735A (zh) | 三维对象识别 | |
JP2016161569A (ja) | オブジェクトの3d姿勢およびオブジェクトのランドマーク点の3dロケーションを求める方法、およびオブジェクトの3d姿勢およびオブジェクトのランドマークの3dロケーションを求めるシステム | |
CN108044627A (zh) | 抓取位置的检测方法、装置及机械臂 | |
CN102713671A (zh) | 点群数据处理装置、点群数据处理方法和点群数据处理程序 | |
Seales et al. | Building three-dimensional object models from image sequences | |
CN109448045A (zh) | 基于slam的平面多边形物体测量方法及机器可读存储介质 | |
CN106897995A (zh) | 一种面向机械装配过程的零部件自动识别方法 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
Wang et al. | Edge extraction by merging 3D point cloud and 2D image data | |
CN111178138B (zh) | 基于激光点云和双目视觉的配网导线作业点检测方法及装置 | |
Belhaoua et al. | Error evaluation in a stereovision-based 3D reconstruction system | |
Bellandi et al. | Roboscan: a combined 2D and 3D vision system for improved speed and flexibility in pick-and-place operation | |
CN114419028A (zh) | 融合空间多视角的输电线路绝缘子缺陷去重方法及装置 | |
JP2017003525A (ja) | 三次元計測装置 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
JPH0766436B2 (ja) | 連続シルエット画像による3次元モデル構成装置 | |
CN116486015A (zh) | 一种格子柜的三维尺寸自动检测和cad数模重建方法 | |
CN113129348B (zh) | 一种基于单目视觉的道路场景中车辆目标的三维重建方法 | |
Peng et al. | Real time and robust 6D pose estimation of RGBD data for robotic bin picking | |
EP4268189A1 (en) | Method and system for automatic characterization of a three-dimensional (3d) point cloud | |
Balzer et al. | Volumetric reconstruction applied to perceptual studies of size and weight | |
CN102967277A (zh) | 定向管平行度测量方法 | |
CN111028247A (zh) | 一种基于点云缺失的盘类元件识别方法及系统 |
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: 20180608 |