CN109520418A - 一种基于二维激光扫描仪的托盘位姿识别方法 - Google Patents
一种基于二维激光扫描仪的托盘位姿识别方法 Download PDFInfo
- Publication number
- CN109520418A CN109520418A CN201811425767.3A CN201811425767A CN109520418A CN 109520418 A CN109520418 A CN 109520418A CN 201811425767 A CN201811425767 A CN 201811425767A CN 109520418 A CN109520418 A CN 109520418A
- Authority
- CN
- China
- Prior art keywords
- pallet
- straight line
- point set
- candidate
- curve
- 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
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于二维激光扫描仪的托盘位姿识别方法,包括以下步骤:获取扫描平面数据;曲线进行中值滤波,提取曲线点集;采用改进式增量式直线提取算法对每条曲线进行直线提取;基于直线信息和托盘先验信息,建立分类器,筛选出托盘候选点集;根据托盘候选点集,将点集投影到对应的同一直线上;建立对应的托盘模板;基于模板对托盘候选点集,以滑动窗口模式,进行模板匹配,获得托盘位置候选点集,与对应角度;根据托盘位姿置信度模型,对托盘候选位置点集进行加权;采集多帧数据,对托盘位置候选点集进行聚类分析,选择权重最大的类的核心,作为托盘中心,并提取托盘角度。本发明具有适应性强、识别率高、容错率高、定位准确等优点。
Description
技术领域
本发明涉及自动化识别的技术领域,尤其涉及到一种基于二维激光扫描仪的托盘位姿识别方法。
背景技术
托盘拾取是自动化仓储的关键环节之一。现有自动仓储叉车,缺少托盘位姿探测功能,无法安全拾取位置姿态不准确的托盘,对人工码放的货物位姿要求较高,导致工位间衔接困难。
传统自动仓储需要搭建一个结构化环境,对叉车、流水线、货架、托盘等的位置,姿态做出严格的限制,从而保证物流系统的正常运行。但是在拾取托盘过程中缺少托盘位姿探测,一般是通过激光测距仪判断有无,所以,当托盘或仓库布局发生变化时,易发生安全事故。
现代物流应更加灵活,减少布置和改变成本,适应多种工况,在半结构化环境中也应能正常工作。因此,开发一种适应性强、识别效率高、容错率高、定位准确的托盘位姿识别方法显得尤为重要。
发明内容
本发明的目的在于克服现有技术的不足,提供一种适应性强、识别率高、容错率高、定位准确的基于二维激光扫描仪的托盘位姿识别方法。
为实现上述目的,本发明所提供的技术方案为:主要采用改进式增量式直线提取算法实现直线提取,得出托盘支架候选点集;基于模板匹配的方法实现托盘位置候选点集提取;基于二维激光扫描仪工作原理,建立待测目标位置的置信度模型,并基于该模型对候选点集进行加权;最后针对托盘位置候选点集进行聚类分析,选择权重最大的类的核心,作为托盘中心,并提取托盘角度。
具体步骤如下:
S1、通过二维激光扫描仪获得扫描平面数据;
S2:对当前帧数据点与前一帧数据点进行加权融合,曲线进行中值滤波,根据直线最小阈值分割数据集,提取曲线点集;
S3、采用改进式增量式直线提取算法对每条曲线进行直线提取;
S4、基于直线信息和托盘先验信息,建立分类器,筛选出托盘候选点集;
S5、根据托盘候选点集,将点集投影到对应的同一直线上;
S6、基于托盘先验信息以及以步骤S5中的投影直线为斜率,建立对应的托盘模板;
S7、基于模板对托盘候选点集,以滑动窗口模式,进行模板匹配,获得托盘位置候选点集,与对应角度;
S8、根据托盘位姿置信度模型,对托盘候选位置点集进行加权;
S9、采集多帧数据,对托盘位置候选点集进行聚类分析,选择权重最大的类的核心,作为托盘中心,并提取托盘角度。
进一步地,根据托盘测量数据中只有托盘支架这个特点,步骤S2采用改进后的增量式直线提取算法,基于空间序列顺序对数据集进行处理,以直线角度差值,线段初始角度,线段成员数量最小阈值,线段长度阈值为约束为直线判断条件,解决最小二乘法对曲率较小的曲线不敏感问题,并提取出符合托盘支架几何约束的线段组;步骤S2的具体过程如下:
S21、对当前帧数据点与前一帧数据点进行加权融合,作为当前帧预测值;
S22、当前帧的预测值进行窗口大小为3的中值滤波,减少噪声干扰;
S23、根据邻近点距离,选择固定阈值,将曲线分段,曲线点数小于直线最小阈值的曲线舍弃。
进一步地,所述步骤S3采用改进式增量式直线提取算法对每条曲线进行直线提取的具体步骤如下:
S31、选择曲线序列前四个点开始构造一条直线,记录直线与坐标轴夹角,并记为初始角度;
S32、直线中加入下一个点,并重新计算直线与坐标轴夹角;
S33、若新的直线参数与前一组直线夹角参数差值小于设定阈值,且与初始角度参数差值小于设定阈值,则返回步骤S32,否则进入步骤S34;
S34、若直线点数小于nmin或长度大于Lf阈值,则舍弃该直线,否则提取该直线,并记录该直线参数;
S35、取接着的四个点继续构造一条新直线,记录该直线与坐标轴夹角及初始角度,重复步骤S32-S34,直至单帧所有点均处理完。
进一步地,所述步骤S4筛选托盘候选点集的具体步骤如下:
S41、根据步骤S3中所提取的直线,选取直线正负方向上,托盘长度距离内,并满足到直线距离小于阈值的点,作为托盘候选点集,候选点集转为二值图;
S42、分别建立托盘支架长度、托盘长度、尺寸比例的滤波器,对候选点集分类,筛选托盘候选点集,获得托盘支架的探测数据二值图像。
进一步地,由于步骤S7需要进行模板匹配,而所用模板及候选点集为二值图,对噪声敏感,易发生匹配错误,而激光雷达数据存在噪声,并且随着探测距离增加,探测到支架激光点束减少,所以需要对候选点集进行预处理,减少噪声影响。假设:点集为托盘支架,则将点集投影到直线后,托盘支架几何特征不变。步骤S5将托盘候选点集投影到对应直线上,实现数据降噪。
进一步地,所述步骤S7中采用绝对误差和匹配算法进行匹配,计算公式为:
式中,D(i,j)为图像(i,j)点绝对误差和,S(i,j)为候选点集二值图的(i,j)点的值,T(s,t)为模板二值图的(s,t)点的值。
进一步地,步骤S8中建立的置信度模型以探测到待测面托盘支架的激光束数量为阈值,计算托盘探测算法的边界;并根据边界长度建立置信度等高线;等高线上概率之和为1,每点概率为1除以等高线长度;从而给每个结果设置置信度。
与传统方案相比,本方案原理及优点如下:
1、能够对托盘支架短小直线段进行提取,并提取出符合托盘特点的激光数据,保证在复杂环境下进行托盘候选点集提取,具有较强适应性。
2、将激光扫描数据转为二值图,并建立动态模板,对托盘位置进行提取,保证了托盘多个特征的使用,大大提高了托盘位姿的识别率和容错率。
3、根据托盘位置的置信度模型对托盘位置候选点集进行加权,并采集多帧数据,对托盘位置候选点集进行聚类分析,选择权重最大的类的核心作为托盘中心,大大提高了托盘定位的准确率。
附图说明
图1为本发明一种基于二维激光扫描仪的托盘位姿识别方法的流程图。
图2为托盘检测模型示意图;
图3为托盘探测范围示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
参见附图1所示,本实施例所述的一种基于二维激光扫描仪的托盘位姿识别方法,包括以下步骤:
S1、通过二维激光扫描仪获得扫描平面数据;
S2、对当前0帧数据点与前一帧数据点进行加权融合,曲线进行中值滤波,根据直线最小阈值分割数据集,提取曲线点集;过程如下:
S21、对当前帧数据点与前一帧数据点进行加权融合,作为当前帧预测值;
S22、当前帧的预测值进行窗口大小为3的中值滤波,减少噪声干扰;
S23、根据邻近点距离,选择固定阈值,将曲线分段,曲线点数小于直线最小阈值的曲线舍弃。(直线最小阈值根据托盘支架最远探测距离而设置得出)
S3、采用改进式增量式直线提取算法对每条曲线进行直线提取,过程如下:
S31、选择曲线序列前四个点开始构造一条直线,记录直线与坐标轴夹角,并记为初始角度;
S32、直线中加入下一个点,并重新计算直线与坐标轴夹角;
S33、若新的直线参数与前一组直线夹角参数差值小于设定阈值,且与初始角度参数差值小于设定阈值,则返回步骤S32,否则进入步骤S34;(本步骤中的设定阈值根据传感器的不同,设置在10-15°之间)
S34、若直线点数小于nmin或长度大于Lf阈值,则舍弃该直线,否则提取该直线,并记录该直线参数;
S35、取接着的四个点继续构造一条新直线,记录该直线与坐标轴夹角及初始角度,重复步骤S32-S34,直至单帧所有点均处理完。
S4、基于直线信息和托盘先验信息,建立分类器,筛选出托盘候选点集;具体过程为:
S41、根据步骤S3中所提取的直线,选取直线正负方向上,托盘长度距离内,并满足到直线距离小于阈值的点,作为托盘候选点集,候选点集转为二值图;
点距离直线段距离Dis的计算公式为:
式中,(x,y)为候选数据点坐标,k,b为直线斜率与截距;
S42、假设提取直线为托盘支架,根据托盘先验信息:1)托盘支架尺寸Lf,Lp;2)托盘由三个等间距托盘支架组成,且长度一定;3)托盘同侧支架在同一直线上;分别建立托盘支架长度、托盘长度、尺寸比例的滤波器,对候选点集分类,筛选托盘候选点集,获得托盘支架的探测数据二值图像。
S5、根据托盘候选点集,将点集投影到对应的同一直线上;投影点坐标(xc,yc)计算公式为:
S6、基于托盘先验信息以及以步骤S5中的投影直线为斜率,建立对应的托盘模板;
S7、基于模板对托盘候选点集,以滑动窗口模式,进行模板匹配,获得托盘位置候选点集,与对应角度;
考虑算法实时性与准确性,采用绝对误差和匹配算法,计算公式为:
式中,D(i,j)为图像(i,j)点绝对误差和,S(i,j)为候选点集二值图的(i,j)点的值,T(s,t)为模板二值图的(s,t)点的值;
托盘置信度模型基于图2(图中1为激光雷达,2为托盘,3为托盘支架,4为激光束)建立,以激光点数量(分布于单个托盘支架正面)为阈值,计算托盘探测算法的边界。因为,随激光雷达探测距离的增加,激光雷达的激光束变稀疏,距离越远,探测到托盘支架的激光束就越少。若激光束过少,将无法识别出托盘支架。
结合图2设m为一个支架上的激光点数量;d为托盘支架表面相邻激光点的距离;an为第n个激光束与原点到测量面垂线的夹角;垂线长度为H;Δa为相邻激光束夹角;托盘位置候选点(xp,yp),与x轴夹角为θ。根据几何关系计算,计算托盘位置候选点公式如下:
tan(an+1)H-tan(an)H=d;
tan(an+Δa)H-tan(an)H=d;
根据基于托盘探测模型,计算托盘探测范围。根据试验设备设托盘斜率k为0,分布到一个支架激光束数量为nmin,托盘支架宽度Lf为90mm,托盘长度Lp为820mm,传感器分辨率Δa为0.33°。计算托盘位置候选点坐标(xp,yp),结果如图3所示。探测模型预测不同阈值边界为图中曲线;曲线内部为可探测范围,当托盘待测面中心处于曲线内部时,托盘位姿可被探测;当中心处于曲线外部时,托盘位姿不可测得。
S8、根据不同阈值确定的边界进行置信度设置,nmin越大置信度越高,并为候选点增加权值。
S9、采集多帧数据,对托盘位置候选点集进行聚类分析,选择权重最大的类的核心,作为托盘中心,并提取托盘角度。
本实施例能够对托盘支架短小直线段进行提取,并提取出符合托盘特点的激光数据,保证在复杂环境下进行托盘候选点集提取,具有较强适应性。而且,本实施例将激光扫描数据转为二值图,并建立动态模板,对托盘位置进行提取,保证了托盘多个特征的使用,大大提高了托盘位姿的识别率和容错率。最后,根据托盘位置的置信度模型对托盘位置候选点集进行加权,并采集多帧数据,对托盘位置候选点集进行聚类分析,选择权重最大的类的核心作为托盘中心,大大提高了托盘定位的准确率。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于二维激光扫描仪的托盘位姿识别方法,其特征在于:包括以下步骤:
S1、通过二维激光扫描仪获得扫描平面数据;
S2:对当前帧数据点与前一帧数据点进行加权融合,曲线进行中值滤波,根据直线最小阈值分割数据集,提取曲线点集;
S3、采用改进式增量式直线提取算法对每条曲线进行直线提取;
S4、基于直线信息和托盘先验信息,建立分类器,筛选出托盘候选点集;
S5、根据托盘候选点集,将点集投影到对应的同一直线上;
S6、基于托盘先验信息以及以步骤S5中的投影直线为斜率,建立对应的托盘模板;
S7、基于模板对托盘候选点集,以滑动窗口模式,进行模板匹配,获得托盘位置候选点集,与对应角度;
S8、根据托盘位姿置信度模型,对托盘候选位置点集进行加权;
S9、采集多帧数据,对托盘位置候选点集进行聚类分析,选择权重最大的类的核心,作为托盘中心,并提取托盘角度。
2.根据权利要求1所述的一种基于二维激光扫描仪的托盘位姿识别方法,其特征在于:所述步骤S2中提取曲线点集的具体步骤如下:
S21、对当前帧数据点与前一帧数据点进行加权融合,作为当前帧预测值;
S22、当前帧的预测值进行窗口大小为3的中值滤波,减少噪声干扰;
S23、根据邻近点距离,选择固定阈值,将曲线分段,曲线点数小于直线最小阈值的曲线舍弃。
3.根据权利要求1所述的一种基于二维激光扫描仪的托盘位姿识别方法,其特征在于:所述步骤S3采用改进式增量式直线提取算法对每条曲线进行直线提取的具体步骤如下:
S31、选择曲线序列前四个点开始构造一条直线,记录直线与坐标轴夹角,并记为初始角度;
S32、直线中加入下一个点,并重新计算直线与坐标轴夹角;
S33、若新的直线参数与前一组直线夹角参数差值小于设定阈值,且与初始角度参数差值小于设定阈值,则返回步骤S32,否则进入步骤S34;
S34、若直线点数小于nmin或长度大于Lf阈值,则舍弃该直线,否则提取该直线,并记录该直线参数;
S35、取接着的四个点继续构造一条新直线,记录该直线与坐标轴夹角及初始角度,重复步骤S32-S34,直至单帧所有点均处理完。
4.根据权利要求1所述的一种基于二维激光扫描仪的托盘位姿识别方法,其特征在于:所述步骤S4筛选托盘候选点集的具体步骤如下:
S41、根据步骤S3中所提取的直线,选取直线正负方向上,托盘长度距离内,并满足到直线距离小于阈值的点,作为托盘候选点集,候选点集转为二值图;
S42、分别建立托盘支架长度、托盘长度、尺寸比例的滤波器,对候选点集分类,筛选托盘候选点集,获得托盘支架的探测数据二值图像。
5.根据权利要求1所述的一种基于二维激光扫描仪的托盘位姿识别方法,其特征在于:所述步骤S7中采用绝对误差和匹配算法进行匹配,计算公式为:
式中,D(i,j)为图像(i,j)点绝对误差和,S(i,j)为候选点集二值图的(i,j)点的值,T(s,t)为模板二值图的(s,t)点的值。
6.根据权利要求1所述的一种基于二维激光扫描仪的托盘位姿识别方法,其特征在于:所述步骤S8中建立的置信度模型以探测到待测面托盘支架的激光束数量为阈值,计算托盘探测算法的边界;并根据边界长度建立置信度等高线;等高线上概率之和为1,每点概率为1除以等高线长度;从而给每个结果设置置信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811425767.3A CN109520418B (zh) | 2018-11-27 | 2018-11-27 | 一种基于二维激光扫描仪的托盘位姿识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811425767.3A CN109520418B (zh) | 2018-11-27 | 2018-11-27 | 一种基于二维激光扫描仪的托盘位姿识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109520418A true CN109520418A (zh) | 2019-03-26 |
CN109520418B CN109520418B (zh) | 2021-03-30 |
Family
ID=65794671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811425767.3A Active CN109520418B (zh) | 2018-11-27 | 2018-11-27 | 一种基于二维激光扫描仪的托盘位姿识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109520418B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780276A (zh) * | 2019-10-29 | 2020-02-11 | 杭州易博特科技有限公司 | 一种基于激光雷达的托盘识别方法、系统和电子设备 |
CN111397507A (zh) * | 2019-12-30 | 2020-07-10 | 宁波大正工业机器人技术有限公司 | 一种盘类件激光校准方法 |
CN111738253A (zh) * | 2019-04-30 | 2020-10-02 | 北京京东乾石科技有限公司 | 叉车托盘定位方法、装置、设备和可读存储介质 |
CN112907667A (zh) * | 2021-02-23 | 2021-06-04 | 广东省农业科学院设施农业研究所 | 一种视觉激光融合的托盘位姿估计方法、系统及装置 |
CN113050636A (zh) * | 2021-03-15 | 2021-06-29 | 广东省农业科学院 | 一种叉车自主拾取托盘的控制方法、系统及装置 |
CN113778078A (zh) * | 2021-03-05 | 2021-12-10 | 北京京东乾石科技有限公司 | 定位信息生成方法、装置、电子设备和计算机可读介质 |
CN114963982A (zh) * | 2022-05-17 | 2022-08-30 | 山东志盈医学科技有限公司 | 数字病理切片扫描仪中切片位置的检测方法和装置 |
CN115164855A (zh) * | 2022-08-05 | 2022-10-11 | 珠海格力智能装备有限公司 | 一种托盘识别方法、装置、设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308015A (zh) * | 2008-07-09 | 2008-11-19 | 北京理工大学 | 基于光幕式激光器的高精度位姿检测方法与装置 |
WO2009120813A1 (en) * | 2008-03-28 | 2009-10-01 | Lockheed Martin Corporation | System, program product, and related methods for registering three-dimensional models to point data representing the pose of a part |
WO2010054519A1 (zh) * | 2008-11-14 | 2010-05-20 | 中国科学院沈阳自动化研究所 | 一种测量运动物体六维位姿的设备和方法 |
CN101961698A (zh) * | 2010-08-04 | 2011-02-02 | 中国科学院自动化研究所 | 一种嵌入式喷枪位姿实时测量装置及方法 |
CN103162639A (zh) * | 2011-12-12 | 2013-06-19 | 无锡物联网产业研究院 | 一种获取车辆三维轮廓的方法、装置及系统 |
CN103344190A (zh) * | 2013-06-26 | 2013-10-09 | 科瑞自动化技术(深圳)有限公司 | 一种基于线扫描的弹性臂姿态测量方法及系统 |
CN104880160A (zh) * | 2015-05-27 | 2015-09-02 | 西安交通大学 | 一种工件表面轮廓的二维激光实时探测方法 |
CN108106534A (zh) * | 2017-12-21 | 2018-06-01 | 武汉万集信息技术有限公司 | 一种驱动轴识别的装置及方法 |
CN108489382A (zh) * | 2018-02-13 | 2018-09-04 | 天津大学 | 一种基于空间多点约束的agv动态位姿测量方法 |
-
2018
- 2018-11-27 CN CN201811425767.3A patent/CN109520418B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009120813A1 (en) * | 2008-03-28 | 2009-10-01 | Lockheed Martin Corporation | System, program product, and related methods for registering three-dimensional models to point data representing the pose of a part |
CN101308015A (zh) * | 2008-07-09 | 2008-11-19 | 北京理工大学 | 基于光幕式激光器的高精度位姿检测方法与装置 |
WO2010054519A1 (zh) * | 2008-11-14 | 2010-05-20 | 中国科学院沈阳自动化研究所 | 一种测量运动物体六维位姿的设备和方法 |
CN101961698A (zh) * | 2010-08-04 | 2011-02-02 | 中国科学院自动化研究所 | 一种嵌入式喷枪位姿实时测量装置及方法 |
CN103162639A (zh) * | 2011-12-12 | 2013-06-19 | 无锡物联网产业研究院 | 一种获取车辆三维轮廓的方法、装置及系统 |
CN103344190A (zh) * | 2013-06-26 | 2013-10-09 | 科瑞自动化技术(深圳)有限公司 | 一种基于线扫描的弹性臂姿态测量方法及系统 |
CN104880160A (zh) * | 2015-05-27 | 2015-09-02 | 西安交通大学 | 一种工件表面轮廓的二维激光实时探测方法 |
CN108106534A (zh) * | 2017-12-21 | 2018-06-01 | 武汉万集信息技术有限公司 | 一种驱动轴识别的装置及方法 |
CN108489382A (zh) * | 2018-02-13 | 2018-09-04 | 天津大学 | 一种基于空间多点约束的agv动态位姿测量方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738253A (zh) * | 2019-04-30 | 2020-10-02 | 北京京东乾石科技有限公司 | 叉车托盘定位方法、装置、设备和可读存储介质 |
CN111738253B (zh) * | 2019-04-30 | 2023-08-08 | 北京京东乾石科技有限公司 | 叉车托盘定位方法、装置、设备和可读存储介质 |
CN110780276A (zh) * | 2019-10-29 | 2020-02-11 | 杭州易博特科技有限公司 | 一种基于激光雷达的托盘识别方法、系统和电子设备 |
CN110780276B (zh) * | 2019-10-29 | 2024-06-04 | 杭州海康机器人股份有限公司 | 一种基于激光雷达的托盘识别方法、系统和电子设备 |
CN111397507A (zh) * | 2019-12-30 | 2020-07-10 | 宁波大正工业机器人技术有限公司 | 一种盘类件激光校准方法 |
CN111397507B (zh) * | 2019-12-30 | 2021-10-01 | 宁波大正工业机器人技术有限公司 | 一种盘类件激光校准方法 |
CN112907667A (zh) * | 2021-02-23 | 2021-06-04 | 广东省农业科学院设施农业研究所 | 一种视觉激光融合的托盘位姿估计方法、系统及装置 |
CN113778078A (zh) * | 2021-03-05 | 2021-12-10 | 北京京东乾石科技有限公司 | 定位信息生成方法、装置、电子设备和计算机可读介质 |
CN113050636A (zh) * | 2021-03-15 | 2021-06-29 | 广东省农业科学院 | 一种叉车自主拾取托盘的控制方法、系统及装置 |
CN114963982A (zh) * | 2022-05-17 | 2022-08-30 | 山东志盈医学科技有限公司 | 数字病理切片扫描仪中切片位置的检测方法和装置 |
CN114963982B (zh) * | 2022-05-17 | 2024-05-17 | 山东志盈医学科技有限公司 | 数字病理切片扫描仪中切片位置的检测方法和装置 |
CN115164855A (zh) * | 2022-08-05 | 2022-10-11 | 珠海格力智能装备有限公司 | 一种托盘识别方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109520418B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520418A (zh) | 一种基于二维激光扫描仪的托盘位姿识别方法 | |
CN109685066B (zh) | 一种基于深度卷积神经网络的矿井目标检测与识别方法 | |
CN110245663B (zh) | 一种用于钢卷信息识别的方法 | |
CN109633676A (zh) | 一种基于激光雷达侦测障碍物运动方向的方法及系统 | |
US20010024514A1 (en) | Image processing device, singular spot detection method, and recording medium upon which singular spot detection program is recorded | |
WO2016106955A1 (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN108491851B (zh) | 一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法 | |
CN112650298B (zh) | 一种无人机追踪降落方法及系统 | |
CN109741314A (zh) | 一种零件的视觉检测方法及系统 | |
CN104573659B (zh) | 一种基于svm的驾驶员接打电话监控方法 | |
CN104880160B (zh) | 一种工件表面轮廓的二维激光实时探测方法 | |
CN103996239A (zh) | 一种基于多线索融合的票据定位识别方法及系统 | |
CN109211198A (zh) | 一种基于三目视觉的智能目标检测和测量系统及方法 | |
CN111598952A (zh) | 一种多尺度合作靶标设计与在线检测识别方法及系统 | |
CN109255386A (zh) | 基于毫米波雷达和视觉融合的道路行人快速检测方法 | |
CN113375566A (zh) | 物体尺寸的精确测量方法及系统 | |
CN105258647A (zh) | 一种汽车锁扣铆点的视觉检测方法 | |
CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
CN114463425B (zh) | 一种基于概率Hough直线检测的工件表面无特征点定位方法 | |
CN104036514A (zh) | 一种基于直方图峰值搜索的圆检测方法 | |
CN115685102A (zh) | 一种基于目标跟踪的雷视自动标定方法 | |
CN109543498A (zh) | 一种基于多任务网络的车道线检测方法 | |
CN114549400A (zh) | 一种图像识别方法及装置 | |
CN107030690A (zh) | 一种基于视觉的机械臂避障方法 | |
CN109086350A (zh) | 一种基于WiFi的混合图像检索方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |