CN108455228A - 轮胎自动装载系统 - Google Patents
轮胎自动装载系统 Download PDFInfo
- Publication number
- CN108455228A CN108455228A CN201711468387.3A CN201711468387A CN108455228A CN 108455228 A CN108455228 A CN 108455228A CN 201711468387 A CN201711468387 A CN 201711468387A CN 108455228 A CN108455228 A CN 108455228A
- Authority
- CN
- China
- Prior art keywords
- point
- tire
- characteristic point
- characteristic
- follows
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
- B65G47/02—Devices for feeding articles or materials to conveyors
- B65G47/04—Devices for feeding articles or materials to conveyors for feeding articles
- B65G47/06—Devices for feeding articles or materials to conveyors for feeding articles from a single group of articles arranged in orderly pattern, e.g. workpieces in magazines
-
- 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
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
- B65G2201/02—Articles
- B65G2201/0273—Tires
Abstract
本发明是用来为自动汽车生产流水线提供自动装载轮胎的系统,在流水线作业生产汽车的过程中,需要安装汽车轮胎和备胎;提高轮胎的运送效率以及降低工人装填轮胎的工作负担;本方法可广泛应用于各种使用智能机械臂自动装载货物的问题,基于货物位置识别方法和图像匹配算法,可以实现智能化管理;本发明可以方便继承到管道的生产流水线,以信息系统提供操作指令、降低作业人员劳动强度、改善货物装载的作业效率、为智能物流管理提供科学的决策依据。
Description
技术领域
本发明是用来为自动汽车生产流水线提供自动装载轮胎的系统,在流水线作业生产汽车的过程中,需要安装汽车轮胎和备胎;提高轮胎的运送效率以及降低工人装填轮胎的工作负担;本方法可广泛应用于各种使用智能机械臂自动装载货物的问题,基于货物位置识别方法和图像匹配算法,可以实现智能化管理;本发明可以方便继承到管道的生产流水线,以信息系统提供操作指令、降低作业人员劳动强度、改善货物装载的作业效率、为智能物流管理提供科学的决策依据。
背景技术
机械手能代替人工操作,起到减轻工人的劳动强度,节约加工时间,提高生产效率,降低生产成本的特点;轮胎自动装载系统的核心技术是定位轮胎的位置,根据定位信息控制机器臂;定位轮胎位置通过图像匹配方法实现,匹配算法最核心的技术是角点匹配,所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系,从而确定两幅图像的位置关系;角点匹配可以分为以下四个步骤:
1.提取检测子:在两张待匹配的图像中寻找那些最容易识别的像素点(角点),比如纹理丰富的物体边缘点等;
2.提取描述子:对于检测出的角点,用一些数学上的特征对其进行描述,如梯度直方图,局部随机二值特征等;
检测子和描述子的常用提取方法有:sift, harris, surf, fast, agast, brisk,freak, brisk,orb等;
3.匹配:通过各个角点的描述子来判断它们在两张图像中的对应关系;常用方法如:flann;
4.去外点:去除错误匹配的外点,保留正确的内点;常用方法有Ransac, GTM;
orb检测子与surf描述子配合的效果是最好的,不过速度也是最慢的;sift和surf依然好用,速度却难以实时;在不考虑旋转和仿射变换的情况下,fast是很不错的选择,在小幅旋转(20度内)的情况下,fast也还是有一定的容错能力的;在噪音方面,sift和orb明显强于其它算法;在亮度变化和仿射变换上,orb的鲁棒性是最好的;综合比较,orb的性价比略胜一筹。
发明内容
本发明是用来为自动汽车生产流水线提供自动装载轮胎的系统,在流水线作业生产汽车的过程中,需要安装汽车轮胎和备胎;方法基于ORB的轮胎匹配算法为核心内容,以匹配算法定位轮胎的位置控制机械臂自动装载轮胎,该方法的灵活性较高,可对各种轮胎、货物进行匹配、定位,可以满足对不同精度和安全级别的要求;本方法是利用ORB方法进行轮胎匹配结合轮胎识别的位置控制机械臂的位置,实现自动装填轮胎,完善汽车生产线轮胎管理的信息自动化;
所需设备:6个料架,计算机,机器人吊臂,摄像头,1条传送带,2条自动辊道;
方法步骤如下:
(010)部分,系统启动具体步骤如下:
步骤C011:启动系统,加载配置文件场景信息,文件包括机器人吊臂位置、轨道信息、料架、轮胎型号、吊臂信息、吊臂状态;检测各个设备和功能是否正常工作;
步骤C012:复原设备状态,然后进入待检测轮胎位置状态;
步骤C013:装填轮胎至料架,料架通过传送带运送至工作区域;
步骤C014:摄像头通过视频检测控制吊臂位置,检测分为特征点提取、特征点描述和位置调整;
(020)部分,特征点提取具体步骤如下:
步骤C021:粗提取,提取大量的特征点,从图像中选取一点P,我们判断该点是不是特征点的方法是,以P为圆心画一个半径为3像素的圆;圆周上如果有连续n个像素点的灰度值比P点的灰度值大或者小,则认为P为特征点;一般n设置为12,为了加快特征点的提取,快速排出非特征点,首先检测1、9、5、13位置上的灰度值,如果P是特征点,那么这四个位置上有3个或3个以上的的像素值都大于或者小于P点的灰度值;如果不满足,则直接排出此点;
步骤C022:机器学习的方法筛选最优特征点;使用ID3算法训练一个决策树,将特征点圆周上的16个像素输入决策树中,以此来筛选出最优的FAST特征点;
步骤C023:非极大值抑制去除局部较密集特征点;使用非极大值抑制算法去除临近位置多个特征点的问题;为每一个特征点计算出其响应大小;计算方式是特征点P和其周围16个特征点偏差的绝对值和;在比较临近的特征点中,保留响应值较大的特征点,删除其余的特征点;
步骤C024:特征点的尺度不变形;建立金字塔,来实现特征点的多尺度不变性;设置一个比例因子scaleFactor(opencv默认为1.2)和金字塔的层数nlevels(opencv默认为8),将原图像按比例因子缩小成nlevels幅图像;缩放后的图像为:I’= I/scaleFactork(k=1,2,…, nlevels);nlevels幅不同比例的图像提取特征点总和作为这幅图像的oFAST特征点;
步骤C025:特征点的旋转不变性;ORB算法提出使用矩(moment)法来确定FAST特征点的方向;通过矩来计算特征点以r为半径范围内的质心,特征点坐标到质心形成一个向量作为该特征点的方向;矩定义如下:
其中,I(x,y)为图像灰度表达式;该矩的质心为:
假设角点坐标为O,则向量的角度即为该特征点的方向;计算公式如下:
(030)部分,特征点描述具体步骤如下:
步骤C031:建立300k个特征点测试集;对于测试集中的每个点,考虑其31x31邻域对图像进行高斯平滑之后,使用邻域中的某个点的5x5邻域灰度平均值来代替某个点对的值,进而比较点对的大小;这样特征值更加具备抗噪性;另外可以使用积分图像加快求取5x5邻域灰度平均值的速度;
步骤C032:在300k特征点的每个31x31邻域内按M种方法取点对,比较点对大小,形成一个300kxM的二进制矩阵Q;矩阵的每一列代表300k个点按某种取法得到的二进制数;
步骤C033:对Q矩阵的每一列求取平均值,按照平均值到0.5的距离大小重新对Q矩阵的列向量排序,形成矩阵T;
步骤C034:将T的第一列向量放到R中;
步骤C035:取T的下一列向量和R中的所有列向量计算相关性,如果相关系数小于设定的阈值,则将T中的该列向量移至R中;
步骤C036:按照步骤C035的方式不断进行操作,直到R中的向量数量为256;
(040)部分,自动装载轮胎具体步骤如下:
步骤C041:根据点对确定吊臂位置,调整吊臂进入工作位置;
步骤C042:自动装载轮胎,根据配置文件场景信息将轮胎送至传送带;
步骤C043:根据配置文件场景信息,回归初始位置;
有益效果
本发明提出了一种基于ORB的轮胎匹配方法,以匹配算法定位轮胎的位置控制机械臂自动装载轮胎,该方法的灵活性较高,可对各种轮胎、货物进行匹配、定位,可以满足对不同精度和安全级别的要求;本方法是利用ORB方法进行轮胎匹配结合轮胎识别的位置控制机械臂的位置,实现自动装填轮胎,完善汽车生产线轮胎管理的信息自动化、精细化管理,指导和规范仓库人员日常作业。
附图说明
图1定位器示意图;
图2设备示意图;
图3摄像头示意图;
图4算法流程图;
具体实施方式:
机器人固定不动,底座跨过输送线,机器人位于输送线上方;轮胎输送线两侧增加料框输送辊道,如图1所示,输送线三工位:上料位、取料位、下料位,如图2所示编号分别为1-6;输送线控制系统与机器人控制系统相连接,执行步骤如下:
1.人工取出定位杆,在物料接收后,叉车上料前;
2.叉车上料至辊道1号和2号位置,上料前叉车工用扫描枪扫描排序单号,防止上错料;
3.辊道运行将1号和2号位置的料箱输送至3号和4号位置,叉车继续在1号和2号位置上料;
4.机器人开始取料,3号位取空后转向取4号位,同时辊道将3号位空料架输送至5号位,将1号位料架输送至3号位,机器人取料的流程时初始位置移动到料框上方、拍照定位控制机器臂,算法流程如图4所示、进入轮胎抓取孔、气缸动作、离开料框、移动到输送线上方、贴近输送线、气缸动作、离开轮胎和返回初始位置;
5.机器人取空4号位后转向取3号位,同时辊道将4号位空料架输送至6号位,将2号位料架输送至4号位;
6.叉车对5号位和6号位进行下料,对1号位和2号位进行上料,依次循环运行。
Claims (1)
1.本发明是用来为自动汽车生产流水线提供自动装载轮胎的系统,在流水线作业生产汽车的过程中,需要安装汽车轮胎和备胎;方法基于ORB的轮胎匹配算法为核心内容,以匹配算法定位轮胎的位置控制机械臂自动装载轮胎,该方法的灵活性较高,可对各种轮胎、货物进行匹配、定位,可以满足对不同精度和安全级别的要求;本方法是利用ORB方法进行轮胎匹配结合轮胎识别的位置控制机械臂的位置,实现自动装填轮胎,完善汽车生产线轮胎管理的信息自动化;
所需设备:6个料架,计算机,机器人吊臂,摄像头,1条传送带,2条自动辊道;
方法步骤如下:
(010)部分,系统启动具体步骤如下:
步骤C011:启动系统,加载配置文件场景信息,文件包括机器人吊臂位置、轨道信息、料架、轮胎型号、吊臂信息、吊臂状态;检测各个设备和功能是否正常工作;
步骤C012:复原设备状态,然后进入待检测轮胎位置状态;
步骤C013:装填轮胎至料架,料架通过传送带运送至工作区域;
步骤C014:摄像头通过视频检测控制吊臂位置,检测分为特征点提取、特征点描述和位置调整;
(020)部分,特征点提取具体步骤如下:
步骤C021:粗提取,提取大量的特征点,从图像中选取一点P,判断该点是不是特征点的方法是,以P为圆心画一个半径为3像素的圆;圆周上如果有连续n个像素点的灰度值比P点的灰度值大或者小,则认为P为特征点;一般n设置为12,为了加快特征点的提取,快速排出非特征点,首先检测1、9、5、13位置上的灰度值,如果P是特征点,那么这四个位置上有3个或3个以上的的像素值都大于或者小于P点的灰度值;如果不满足,则直接排出此点;
步骤C022:机器学习的方法筛选最优特征点;使用ID3算法训练一个决策树,将特征点圆周上的16个像素输入决策树中,以此来筛选出最优的FAST特征点;
步骤C023:非极大值抑制去除局部较密集特征点;使用非极大值抑制算法去除临近位置多个特征点的问题;为每一个特征点计算出其响应大小;计算方式是特征点P和其周围16个特征点偏差的绝对值和;在比较临近的特征点中,保留响应值较大的特征点,删除其余的特征点;
步骤C024:特征点的尺度不变形;建立金字塔,来实现特征点的多尺度不变性;设置一个比例因子scaleFactor(opencv默认为1.2)和金字塔的层数nlevels(opencv默认为8);将原图像按比例因子缩小成nlevels幅图像;缩放后的图像为:I’= I/scaleFactork(k=1,2,…, nlevels);nlevels幅不同比例的图像提取特征点总和作为这幅图像的oFAST特征点;
步骤C025:特征点的旋转不变性;ORB算法提出使用矩(moment)法来确定FAST特征点的方向;通过矩来计算特征点以r为半径范围内的质心,特征点坐标到质心形成一个向量作为该特征点的方向;矩定义如下:
其中,I(x,y)为图像灰度表达式;该矩的质心为:
假设角点坐标为O,则向量的角度即为该特征点的方向;计算公式如下:
(030)部分,特征点描述具体步骤如下:
步骤C031:建立300k个特征点测试集;对于测试集中的每个点,考虑其31x31邻域对图像进行高斯平滑之后,使用邻域中的某个点的5x5邻域灰度平均值来代替某个点对的值,进而比较点对的大小;这样特征值更加具备抗噪性;另外可以使用积分图像加快求取5x5邻域灰度平均值的速度;
步骤C032:在300k特征点的每个31x31邻域内按M种方法取点对,比较点对大小,形成一个300kxM的二进制矩阵Q;矩阵的每一列代表300k个点按某种取法得到的二进制数;
步骤C033:对Q矩阵的每一列求取平均值,按照平均值到0.5的距离大小重新对Q矩阵的列向量排序,形成矩阵T;
步骤C034:将T的第一列向量放到R中;
步骤C035:取T的下一列向量和R中的所有列向量计算相关性,如果相关系数小于设定的阈值,则将T中的该列向量移至R中;
步骤C036:按照步骤C035的方式不断进行操作,直到R中的向量数量为256;
(040)部分,自动装载轮胎具体步骤如下:
步骤C041:根据点对确定吊臂位置,调整吊臂进入工作位置;
步骤C042:自动装载轮胎,根据配置文件场景信息将轮胎送至传送带;
步骤C043:根据配置文件场景信息,回归初始位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711468387.3A CN108455228B (zh) | 2017-12-29 | 2017-12-29 | 轮胎自动装载系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711468387.3A CN108455228B (zh) | 2017-12-29 | 2017-12-29 | 轮胎自动装载系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108455228A true CN108455228A (zh) | 2018-08-28 |
CN108455228B CN108455228B (zh) | 2023-07-28 |
Family
ID=63221027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711468387.3A Active CN108455228B (zh) | 2017-12-29 | 2017-12-29 | 轮胎自动装载系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108455228B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084781A (zh) * | 2019-03-22 | 2019-08-02 | 西安电子科技大学 | 基于特征点的监控视频篡改检测的被动取证方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3702708A1 (de) * | 1987-01-30 | 1988-08-11 | Neubecker Maschf C A | Vorrichtung zur be- und entpalettierung zylindrischer faesser |
US4890241A (en) * | 1987-10-26 | 1989-12-26 | Megamation Incorporated | Robotic system |
JPH106264A (ja) * | 1996-06-27 | 1998-01-13 | Ricoh Co Ltd | ロボットアームの状態検出方法および検出システム |
US20120283875A1 (en) * | 2009-12-17 | 2012-11-08 | Kuka Laboratories Gmbh | Method and device for controlling a manipulator |
CN102855649A (zh) * | 2012-08-23 | 2013-01-02 | 山东电力集团公司电力科学研究院 | 基于orb特征点的高压杆塔高清图像全景拼接方法 |
CN104282001A (zh) * | 2014-09-22 | 2015-01-14 | 中国电子科技集团公司第二十研究所 | 增强图像特征二值描述子性能的方法 |
CN104850851A (zh) * | 2015-04-22 | 2015-08-19 | 福州大学 | 一种具有尺度不变性的orb特征点匹配方法 |
US20160114444A1 (en) * | 2013-06-19 | 2016-04-28 | Klaus Hofmann | Method for making tools and/or handling equipment available, and associated devices |
CN105740895A (zh) * | 2016-01-28 | 2016-07-06 | 长春师范大学 | 一种基于动态多目标优化的图像分割方法及系统 |
CN105844663A (zh) * | 2016-03-21 | 2016-08-10 | 中国地质大学(武汉) | 一种自适应orb目标跟踪方法 |
CN105923348A (zh) * | 2016-06-06 | 2016-09-07 | 珠海格力电器股份有限公司 | 一种单侧移动式的压缩机识别搬运系统及其搬运方法 |
CN106092104A (zh) * | 2016-08-26 | 2016-11-09 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
CN106556391A (zh) * | 2016-11-25 | 2017-04-05 | 上海航天控制技术研究所 | 一种基于多核dsp的快速视觉测量方法 |
CN106915626A (zh) * | 2015-12-28 | 2017-07-04 | 上海思尔特机器人科技有限公司 | 一种汽车零部件搬运系统及方法 |
CN106960451A (zh) * | 2017-03-13 | 2017-07-18 | 西安电子科技大学 | 一种提升图像弱纹理区域特征点数量的方法 |
CN107186696A (zh) * | 2017-06-02 | 2017-09-22 | 天津工程机械研究院有限公司 | 手眼伺服作业机器人实训装置 |
-
2017
- 2017-12-29 CN CN201711468387.3A patent/CN108455228B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3702708A1 (de) * | 1987-01-30 | 1988-08-11 | Neubecker Maschf C A | Vorrichtung zur be- und entpalettierung zylindrischer faesser |
US4890241A (en) * | 1987-10-26 | 1989-12-26 | Megamation Incorporated | Robotic system |
JPH106264A (ja) * | 1996-06-27 | 1998-01-13 | Ricoh Co Ltd | ロボットアームの状態検出方法および検出システム |
US20120283875A1 (en) * | 2009-12-17 | 2012-11-08 | Kuka Laboratories Gmbh | Method and device for controlling a manipulator |
CN102855649A (zh) * | 2012-08-23 | 2013-01-02 | 山东电力集团公司电力科学研究院 | 基于orb特征点的高压杆塔高清图像全景拼接方法 |
US20160114444A1 (en) * | 2013-06-19 | 2016-04-28 | Klaus Hofmann | Method for making tools and/or handling equipment available, and associated devices |
CN104282001A (zh) * | 2014-09-22 | 2015-01-14 | 中国电子科技集团公司第二十研究所 | 增强图像特征二值描述子性能的方法 |
CN104850851A (zh) * | 2015-04-22 | 2015-08-19 | 福州大学 | 一种具有尺度不变性的orb特征点匹配方法 |
CN106915626A (zh) * | 2015-12-28 | 2017-07-04 | 上海思尔特机器人科技有限公司 | 一种汽车零部件搬运系统及方法 |
CN105740895A (zh) * | 2016-01-28 | 2016-07-06 | 长春师范大学 | 一种基于动态多目标优化的图像分割方法及系统 |
CN105844663A (zh) * | 2016-03-21 | 2016-08-10 | 中国地质大学(武汉) | 一种自适应orb目标跟踪方法 |
CN105923348A (zh) * | 2016-06-06 | 2016-09-07 | 珠海格力电器股份有限公司 | 一种单侧移动式的压缩机识别搬运系统及其搬运方法 |
CN106092104A (zh) * | 2016-08-26 | 2016-11-09 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
CN106556391A (zh) * | 2016-11-25 | 2017-04-05 | 上海航天控制技术研究所 | 一种基于多核dsp的快速视觉测量方法 |
CN106960451A (zh) * | 2017-03-13 | 2017-07-18 | 西安电子科技大学 | 一种提升图像弱纹理区域特征点数量的方法 |
CN107186696A (zh) * | 2017-06-02 | 2017-09-22 | 天津工程机械研究院有限公司 | 手眼伺服作业机器人实训装置 |
Non-Patent Citations (9)
Title |
---|
于繁华;刘仁云;张义民;孙秋成;张晓丽;: "机械结构动态可靠性设计的智能计算方法", 吉林大学学报(工学版), no. 04 * |
单宝明;胥喜龙;: "一种结合ORB算法的SIFT图像配准算法", 工业仪表与自动化装置, no. 02 * |
潘盼: "一种改进的ORB算法", 《微型机与应用》 * |
潘盼: "一种改进的ORB算法", 《微型机与应用》, vol. 36, no. 20, 31 October 2017 (2017-10-31), pages 23 - 26 * |
王丽芳;赵雅楠;秦品乐;高媛;: "基于ORB和GroupSAC复杂场景视频图像的快速角点检测", 科学技术与工程, no. 02 * |
翟紫伶: "基于高斯尺度空间理论的ORB特征点检测", 《电子世界》 * |
翟紫伶: "基于高斯尺度空间理论的ORB特征点检测", 《电子世界》, 31 May 2016 (2016-05-31), pages 192 * |
陈玉: "一种改进的ORB算法在图像匹配中的应用", 《微型机与应用》 * |
陈玉: "一种改进的ORB算法在图像匹配中的应用", 《微型机与应用》, vol. 36, no. 16, 31 August 2017 (2017-08-31), pages 37 - 40 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084781A (zh) * | 2019-03-22 | 2019-08-02 | 西安电子科技大学 | 基于特征点的监控视频篡改检测的被动取证方法及系统 |
CN110084781B (zh) * | 2019-03-22 | 2021-11-09 | 西安电子科技大学 | 基于特征点的监控视频篡改检测的被动取证方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108455228B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11209265B2 (en) | Imager for detecting visual light and projected patterns | |
CN107038448B (zh) | 目标检测模型构建方法 | |
CN108564814B (zh) | 一种基于图像的停车场车位检测方法及装置 | |
CN106695792A (zh) | 基于机器视觉的码垛机器人跟踪监控系统及方法 | |
US20160335496A1 (en) | Systems and Methods for Scale Invariant 3D Object Detection Leveraging Processor Architecture | |
CN110110608B (zh) | 一种全景监控下基于视觉的叉车速度监测方法和系统 | |
CN113643280A (zh) | 一种基于计算机视觉的板材分拣系统及方法 | |
CN111915485B (zh) | 一种特征点稀疏工件图像的快速拼接方法及系统 | |
Kim et al. | Dynamic object recognition using precise location detection and ANN for robot manipulator | |
CN108455228A (zh) | 轮胎自动装载系统 | |
CN114298198A (zh) | 一种货物智能存储库房 | |
CN112883881A (zh) | 一种条状农产品无序分拣方法及装置 | |
CN110852265A (zh) | 一种应用在工业流水线上的快速目标检测和定位方法 | |
CN114241037A (zh) | 混合尺寸卸盘 | |
CN113894058A (zh) | 基于深度学习的品质检测与分拣方法、系统及存储介质 | |
JPH08293029A (ja) | 箱状物体の積重ね状態認識装置 | |
CN111462250A (zh) | 校正系统及校正方法 | |
KR102436943B1 (ko) | Rgb-d 영상에서의 기계학습 기반 물류박스 자동인식 방법 | |
CN116468791A (zh) | 拆垛定位方法、装置、系统及存储介质 | |
Adorni et al. | Shape searching in real world images: a CNN-based approach | |
CN112419337A (zh) | 针对复杂背景下的机器人抓取位置的检测方法 | |
CN114571467B (zh) | 一种机械臂控制方法及系统 | |
CN114800494A (zh) | 一种基于单目视觉的搬箱机械手 | |
US20230169675A1 (en) | Algorithm for mix-size depalletizing | |
Taheritanjani et al. | 2D Orientation and Grasp Point Computation for Bin Picking in Overhaul Processes. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |