CN109080146A - 一种基于分类的3d打印喷头末端轮廓实时提取方法 - Google Patents
一种基于分类的3d打印喷头末端轮廓实时提取方法 Download PDFInfo
- Publication number
- CN109080146A CN109080146A CN201810848712.7A CN201810848712A CN109080146A CN 109080146 A CN109080146 A CN 109080146A CN 201810848712 A CN201810848712 A CN 201810848712A CN 109080146 A CN109080146 A CN 109080146A
- Authority
- CN
- China
- Prior art keywords
- printing
- classification
- spray head
- extracting method
- head end
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- 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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
Abstract
本发明提供了一种基于分类的3D打印喷头末端轮廓实时提取方法，首先给机械臂输入一个模型，其次，检测机械臂的倾斜方向，根据倾斜方向判断所要启动的相机，并启动悬挂在周围的四个相机中的正对于倾斜方向的两个，组成双目视觉系统，运用跟踪算法对打印喷头进行跟踪，获取跟踪的ROI感兴趣区域，并对该区域的图像运用kmeans算法进行分类，并获取喷头所在的类的图像，通过高斯低通滤波平滑处理后再运用canny算法获取打印末端的外轮廓。本发明解决了目前3D打印中，缺少反馈系统的问题，使打印喷头末端能实时准确有效的检测出来，为后续末端定位提供可靠地依据。
Description
技术领域
本发明涉及一种3D打印技术，具体涉及一种基于分类的3D打印喷头末端轮廓实时提取方法。
背景技术
3D打印技术是指通过连续的物理层叠加，逐层增加材料来生成三维实体的技术，与传统的去除材料加工技术不同，因此又称为添加制造(AM，Additive Manufacturing)。作为一种综合性应用技术，3D打印综合了数字建模技术、机电控制技术、信息技术、材料科学与化学等诸多方面的前沿技术知识，具有很高的科技含量。
3D打印技术出现在20世纪90年代中期，实际上是利用光固化和纸层叠等技术的最新快速成型装置。经过十多年的探索和发展，3D打印技术有了长足的进步，目前已经能够在0.01mm的单层厚度上实现600dpi的精细分辨率。目前国际上较先进的产品可以实现每小时25mm厚度的垂直速率，并可实现24位色彩的彩色打印。自20世纪90年代以来，国内多所高校开展了3D打印技术的自主研发。清华大学在现代成型学理论、分层实体制造、FDM工艺等方面都有一定的科研优势；华中科技大学在分层实体制造工艺方面有优势，并已推出了HRP系列成型机和成型材料；西安交通大学自主研制了三维打印机喷头，并开发了光固化成型系统及相应成型材料，成型精度达到0.2mm；中国科技大学自行研制了八喷头组合喷射装置，有望在微制造、光电器件领域得到应用。但总体而言，国内3D打印技术研发水平与国外相比还有较大差距。
目前，3D打印设备主要采用的是三坐标打印的方法，其控制系统认为输入的为理想模型。但是，由于其缺乏实时监测矫正的步骤，3D打印的设备精度都不太高。
因此，亟需提供一种能够及时反馈、实时监测矫正的打印方法，以提高3D打印精度的方法。
发明内容
本发明的目的是提供一种基于分类的3D打印喷头末端轮廓实时提取方法，用于建立反馈系统，以弥补现有技术的不足。
为达到上述目的，本发明采取的具体技术方案为：
一种基于分类的3D打印喷头末端轮廓实时提取方法，首先给机械臂输入一个模型，其次，检测机械臂的倾斜方向，根据倾斜方向判断所要启动的相机，并启动悬挂在周围的四个相机中的正对于倾斜方向的两个，组成双目视觉系统，运用跟踪算法对打印喷头进行跟踪，获取跟踪的ROI感兴趣区域，并对该区域的图像运用kmeans算法进行分类，并获取喷头所在的类的图像，通过高斯低通滤波平滑处理后再运用canny算法获取打印末端的外轮廓。
进一步的，在打开相机之前，计算机首先接收到机械臂端的理想位置，以该位置为图像的有效位置，设定为初始的ROI区域，并传入到跟踪算法的特征向量中，该理想位置是机械臂开始进行3D打印时的初始位置。
进一步的，所述跟踪算法为相关滤波目标跟踪算法，该算法的基本流程为：下一帧，首先对选定的ROI区域的多个周围的区域提取Hog特征，再用循环矩阵进行求解下一帧选定的ROI区域。
进一步的，当获得一个新的选定的ROI区域，即运用kmeans方法进行分类处理。
进一步的，通过实验发现选定的ROI区域分成3类能较好的区别喷头末端，打印盘面和打印物质，并且打印喷头的类别是kmeans函数分类处理的第二类，只提取第二类，其余的分类设置为白色，就能够提取到喷头末端的有效图像。
进一步的，基于kmeans分类处理，获得第二个分类后的图像能屏蔽掉噪声干扰，再采用canny检测的方法就能获得打印喷头末端的边缘。
本发明的优点和有益效果：
与现有技术相比，本发明提供了反馈过程中的监测方法，能有效提取到3D打印喷头末端的轮廓线信息，为末端定位提供准确的轮廓信息，能够及时反馈打印喷头的末端信息和实时纠正3D打印的轨迹。本发明首次通过视觉的方法来实时监测3D打印喷头末端的轮廓。本发明解决了目前3D打印中，缺少反馈系统的问题，使打印喷头末端能实时准确有效的检测出来，为后续末端定位提供可靠地依据。
附图说明
图1为本发明中跟踪算法的具体流程图。
图2是实施例1中Kmeans分类提取后的结果图。
图3为实施例1中打印喷头的外轮廓提取图。
具体实施方式
以下通过具体实施例并结合附图对本发明进一步解释和说明。
实施例1：
一种基于分类的3D打印喷头末端轮廓实时提取方法，首先给机械臂输入一个模型，其次检测机械臂的倾斜方向，并启动悬挂在周围的四个相机中的正对于倾斜方向的两个，组成双目视觉系统，运用跟踪算法对打印喷头进行跟踪，获取跟踪的ROI感兴趣区域，并对该区域的图像运用kmeans算法进行分类，并获取喷头所在的类的图像，通过高斯低通滤波平滑处理后再运用canny算法获取打印末端的外轮廓。具体流程如图1所示：
(1)在打开相机之前，计算机首先接收到机械臂末端的理想位置，以该位置为图像的有效位置，设定为初始的ROI区域，并传入到跟踪算法的特征向量中；所述跟踪算法为相关滤波目标跟踪算法，该算法的基本流程如图1所示，下一帧，首先对选定的ROI区域的多个周围的区域提取Hog特征，再用循环矩阵进行求解下一帧选定的ROI区域。根据输入计算机中理想模型计算出来的理想初始点，并根据该点，求解出的初始ROI区域。
运动目标跟踪就是在连续的视频序列中，建立所要跟踪物体的位置关系，得到物体完整的运动轨迹。目前，比较经典的目标跟踪算法主要有两种思路：1)不依赖于先验知识，直接从图像序列中检测测到运动目标，并进行目标识别，最终确定感兴趣的运动目标；2)依赖于目标的先验知识，首先为运动目标建模，然后在图像序列中实时找到匹配的运动目标。当前研究中，比较优秀的几种主流算法：Meanshift、Particle Filter和KalmanFilter，基于特征点的光流算法以及基于深度学习和相关滤波的方法。根据当前目标跟踪研究的热点，3D打印的喷头末端的特征和3D打印的速度和精度要求，选用精度和速度占有优势的相关滤波目标跟踪算法(KCF)。
(2)当获得一个新的选定的ROI区域，即运用kmeans方法进行分类处理，结果如图2所示；本实施例通过实验发现选定的ROI区域分成3类能较好的区别喷头末端，打印盘面和打印物质，并且打印喷头的类别是kmeans函数分类处理的第二类，只提取第二类，其余的分类设置为白色，就能够提取到喷头末端的有效图像。
(3)基于kmeans分类处理，获得第二个分类后的图像能屏蔽掉噪声干扰，再采用canny检测的方法就能获得打印喷头末端的边缘，如图3所示。
Claims (6)
1.一种基于分类的3D打印喷头末端轮廓实时提取方法，其特征在于，该提取方法：首先给机械臂输入一个模型，其次，检测机械臂的倾斜方向，根据倾斜方向判断所要启动的相机，并启动悬挂在周围的四个相机中的正对于倾斜方向的两个，组成双目视觉系统，运用跟踪算法对打印喷头进行跟踪，获取跟踪的ROI感兴趣区域，并对该区域的图像运用kmeans算法进行分类，并获取喷头所在的类的图像，通过高斯低通滤波平滑处理后再运用canny算法获取打印末端的外轮廓。
2.如权利要求1所述的提取方法，其特征在于，在打开相机之前，计算机首先接收到机械臂端的理想位置，以该位置为图像的有效位置，设定为初始的ROI区域，并传入到跟踪算法的特征向量中，所述理想位置是机械臂开始进行3D打印时的初始位置。
3.如权利要求1所述的提取方法，其特征在于，所述跟踪算法为相关滤波目标跟踪算法，该算法的流程为：下一帧，首先对选定的ROI区域的多个周围的区域提取Hog特征，再用循环矩阵进行求解下一帧选定的ROI区域。
4.如权利要求3所述的提取方法，其特征在于，当获得一个新的选定的ROI区域，即运用kmeans方法进行分类处理。
5.如权利要求3所述的提取方法，其特征在于，通过实验发现选定的ROI区域分成3类能较好的区别喷头末端，打印盘面和打印物质，并且打印喷头的类别是kmeans函数分类处理的第二类，只提取第二类，其余的分类设置为白色，就能够提取到喷头末端的有效图像。
6.如权利要求5所述的提取方法，其特征在于，基于kmeans分类处理，获得第二个分类后的图像能屏蔽掉噪声干扰，再采用canny检测的方法就能获得打印喷头末端的边缘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810848712.7A CN109080146A (zh) | 2018-07-28 | 2018-07-28 | 一种基于分类的3d打印喷头末端轮廓实时提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810848712.7A CN109080146A (zh) | 2018-07-28 | 2018-07-28 | 一种基于分类的3d打印喷头末端轮廓实时提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109080146A true CN109080146A (zh) | 2018-12-25 |
Family
ID=64833410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810848712.7A Pending CN109080146A (zh) | 2018-07-28 | 2018-07-28 | 一种基于分类的3d打印喷头末端轮廓实时提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109080146A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112053333A (zh) * | 2020-08-31 | 2020-12-08 | 中冶赛迪重庆信息技术有限公司 | 一种基于机器视觉的方坯检测方法、系统、设备及介质 |
| CN112706723A (zh) * | 2020-12-28 | 2021-04-27 | 石家庄开发区天远科技有限公司 | 车辆清洗装置的控制方法、装置及终端设备 |
| WO2021228181A1 (zh) * | 2020-05-13 | 2021-11-18 | 中国科学院福建物质结构研究所 | 一种3d打印方法和装置 |
| CN113942223A (zh) * | 2021-11-05 | 2022-01-18 | 武汉市工程科学技术研究院 | 一种3d打印机 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169972A (zh) * | 2017-06-07 | 2017-09-15 | 上海航天控制技术研究所 | 一种非合作目标快速轮廓跟踪方法 |
| CN109177175A (zh) * | 2018-07-10 | 2019-01-11 | 泉州装备制造研究所 | 一种3d打印喷头末端实时跟踪定位方法 |
-
2018
- 2018-07-28 CN CN201810848712.7A patent/CN109080146A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169972A (zh) * | 2017-06-07 | 2017-09-15 | 上海航天控制技术研究所 | 一种非合作目标快速轮廓跟踪方法 |
| CN109177175A (zh) * | 2018-07-10 | 2019-01-11 | 泉州装备制造研究所 | 一种3d打印喷头末端实时跟踪定位方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021228181A1 (zh) * | 2020-05-13 | 2021-11-18 | 中国科学院福建物质结构研究所 | 一种3d打印方法和装置 |
| CN113674299A (zh) * | 2020-05-13 | 2021-11-19 | 中国科学院福建物质结构研究所 | 一种3d打印方法和装置 |
| CN112053333A (zh) * | 2020-08-31 | 2020-12-08 | 中冶赛迪重庆信息技术有限公司 | 一种基于机器视觉的方坯检测方法、系统、设备及介质 |
| CN112053333B (zh) * | 2020-08-31 | 2023-04-07 | 中冶赛迪信息技术(重庆)有限公司 | 一种基于机器视觉的方坯检测方法、系统、设备及介质 |
| CN112706723A (zh) * | 2020-12-28 | 2021-04-27 | 石家庄开发区天远科技有限公司 | 车辆清洗装置的控制方法、装置及终端设备 |
| CN113942223A (zh) * | 2021-11-05 | 2022-01-18 | 武汉市工程科学技术研究院 | 一种3d打印机 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109080146A (zh) | 一种基于分类的3d打印喷头末端轮廓实时提取方法 | |
| CN109177175A (zh) | 一种3d打印喷头末端实时跟踪定位方法 | |
| CN109080144A (zh) | 基于中心点判断的3d打印喷头末端实时跟踪定位方法 | |
| CN108986064B (zh) | 一种人流量统计方法、设备及系统 | |
| CN106097391B (zh) | 一种基于深度神经网络的识别辅助的多目标跟踪方法 | |
| CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
| Keskin et al. | Real time hand tracking and 3d gesture recognition for interactive interfaces using hmm | |
| CN105809144A (zh) | 一种采用动作切分的手势识别系统和方法 | |
| Lee et al. | Body part detection for human pose estimation and tracking | |
| CN109635793A (zh) | 一种基于卷积神经网络的无人驾驶行人轨迹预测方法 | |
| CN110232308A (zh) | 基于手部速度与轨迹分布的跟随机器人手势轨迹识别方法 | |
| CN102768726B (zh) | 一种预防行人碰撞的行人检测方法 | |
| CN103745218B (zh) | 一种深度图像中的姿势识别方法及装置 | |
| CN113435336A (zh) | 一种基于人工智能的跑步智能计时系统及方法 | |
| Siddiqui et al. | Human action recognition: a construction of codebook by discriminative features selection approach | |
| CN106296743A (zh) | 一种自适应运动目标跟踪方法及无人机跟踪系统 | |
| CN107256083A (zh) | 基于kinect的多手指实时跟踪方法 | |
| Song et al. | Attention-oriented action recognition for real-time human-robot interaction | |
| CN102831408A (zh) | 人脸识别方法 | |
| CN109034247A (zh) | 一种基于跟踪算法的较高纯度的人脸识别样本提取方法 | |
| CN106599873A (zh) | 基于三维姿态信息的人物身份识别方法 | |
| CN113516734A (zh) | 一种基于自上而下深度学习架构的昆虫关键点自动标注方法及应用 | |
| Keskin et al. | Real time gestural interface for generic applications | |
| CN104574435A (zh) | 基于块聚类的运动相机前景分割方法 | |
| CN109016517A (zh) | 一种3d打印喷头末端轮廓实时提取方法 |
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: 20181225 |