CN110158967A - 一种钢筋捆扎方法及系统 - Google Patents
一种钢筋捆扎方法及系统 Download PDFInfo
- Publication number
- CN110158967A CN110158967A CN201910508921.1A CN201910508921A CN110158967A CN 110158967 A CN110158967 A CN 110158967A CN 201910508921 A CN201910508921 A CN 201910508921A CN 110158967 A CN110158967 A CN 110158967A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate system
- reinforcing bars
- camera
- binding reinforcing
- 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
-
- E—FIXED CONSTRUCTIONS
- E04—BUILDING
- E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
- E04G21/00—Preparing, conveying, or working-up building materials or building elements in situ; Other devices or measures for constructional work
- E04G21/12—Mounting of reinforcing inserts; Prestressing
- E04G21/122—Machines for joining reinforcing bars
-
- E—FIXED CONSTRUCTIONS
- E04—BUILDING
- E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
- E04G21/00—Preparing, conveying, or working-up building materials or building elements in situ; Other devices or measures for constructional work
- E04G21/12—Mounting of reinforcing inserts; Prestressing
- E04G21/122—Machines for joining reinforcing bars
- E04G21/123—Wire twisting tools
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Mechanical Engineering (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明属于建筑工程技术领域,具体涉及一种钢筋捆扎方法,包括以下步骤:采集待捆扎钢筋区域的图像,并对采集的图像进行平滑滤波处理;基于Halcon进行相机标定,得到世界坐标与像素坐标的转换矩阵;对平滑滤波处理后的图像进行blob分析和特征提取,得到钢筋结构区域;对钢筋结构区域内的钢筋骨架进行轮廓提取,以识别各钢筋之间的交叉节点,得到节点坐标;利用转换矩阵将节点坐标转换为目标世界坐标;控制捆扎机械手活动至目标世界坐标对应的目标位置以进行钢筋捆扎。本发明的钢筋捆扎方法,能实现全自动化,绑扎钢筋效率高,节约人力,降低成本;相比于人工绑扎安全系数更高,有效地规避人工捆扎钢筋带来的安全隐患。
Description
技术领域
本发明属于建筑工程技术领域,具体涉及一种钢筋捆扎方法及系统。
背景技术
建筑行业中铺设钢筋后对交错的钢筋进行连接的目的是为了保证钢筋位置不变,进而确保钢筋受力位置不发生改变。如果纵向钢筋数目较少的时候可以采用焊接,但是当纵向钢筋数目比较多的时候大多采用捆扎的方式。横向钢筋一般也采用捆扎方式。目前,在建筑工地捆扎钢筋时主要采用的是手工捆扎方式,手工捆扎对钢筋工的体力和熟练程度有很高的要求,而且手工捆扎既费力又费时。基于此,现有市场上出现了能自动进行钢筋捆扎的手持机器钢筋捆扎机,如公开号为CN208545976U公开的一种方便工作的钢筋捆扎机,其捆扎效率比人工捆扎的效率高,且能够节省大量的人力;但是这种捆扎方式仍然需要人为手持,无法实现全自动化。
发明内容
基于现有技术中存在的上述不足,本发明提供一种钢筋捆扎方法及系统。
为了达到上述发明目的,本发明采用以下技术方案:
一种钢筋捆扎方法,包括以下步骤:
S1、采集待捆扎钢筋区域的图像,并对采集的图像进行平滑滤波处理;
S2、基于Halcon进行相机标定,得到世界坐标与像素坐标的转换矩阵;
S3、对平滑滤波处理后的图像进行blob分析和特征提取,得到钢筋结构区域;
S4、对钢筋结构区域内的钢筋骨架进行轮廓提取,以识别各钢筋之间的交叉节点,得到节点坐标;
S5、利用转换矩阵将节点坐标转换为目标世界坐标;
S6、控制捆扎机械手活动至目标世界坐标对应的目标位置以进行钢筋捆扎。
作为优选方案,所述步骤S1中的平滑滤波处理为:调用gauss_filter高斯滤波算子进行平滑滤波处理。
作为优选方案,所述步骤S2包括:
S21、调用Halcon中的gen_caltab算子生成标定板;
S22、打开Halcon的标定助手,并添加标定板的描述文件和相机参数;
S23、通过标定助手对标定板的各角度图片进行标定,求得相机的内外参数及转换矩阵。
作为优选方案,所述步骤S23具体包括:
相机成像涉及四个坐标系,分别为世界坐标系(XW,YW,ZW)、相机坐标系(XC,YC,ZC)、图像成像坐标系(x,y)和像素坐标系(u,v);
图像坐标系(x,y)与像素坐标系(u,v)的转换是相机内部的转换,其转换关系为式(1):
其中,图像坐标系(x,y)的原点在像素坐标系中的坐标为(u0,v0),dx、dy为相邻像素点中心在X轴方向和Y轴方向的实际物理距离;
相机坐标系(XC,YC,ZC)与图像坐标系(x,y)的转换关系为式(2):
其中,f为相机的焦距;
世界坐标系转换(XW,YW,ZW)与相机坐标系(XC,YC,ZC)的关系为式(3):
其中,T3×1=[tx ty tz]是世界坐标系的原点在图像坐标系中的映射点的位置,同时R3×3为正交变换矩阵,正交变换矩阵的关系式为式(4):
则世界坐标系与像素坐标系的转换矩阵为式(5):
作为优选方案,所述步骤S3包括:
S31、对平滑滤波处理后的图像计算灰度平均值和方差;
S32、在Halcon中调用threshold算子对图像进行二值化处理,得到所要提取的初始区域;
S33、调用connection算子,将所提取的初始区域分成若干区域;
S34、调用select_shape算子进行全局阈值分割选择出钢筋结构;
S35、调用union1算子进行连通域联合,得到钢筋结构区域。
作为优选方案,所述步骤S35之后还包括:
S36、调用opening_rectangle1、closing_rectangle1开闭运算算子对钢筋结构区域进行优化。
作为优选方案,所述步骤S4包括:
S41、调用canny边缘检测算子对钢筋骨架轮廓进行提取;
S42、调用intersection_ll算子识别各钢筋之间的交叉节点,以获取节点坐标。
本发明还提供一种钢筋捆扎系统,包括上位机、下位机、机械手和导轨架、第一驱动电机、第二驱动电机和工业相机,所述上位机内置有Halcon机器视觉软件,所述工业相机、下位机与上位机通信连接;所述下位机与第一驱动电机、第二驱动电机和机械手通信连接;导轨架包括两根平行布设的水平导轨和架设于两水平导轨之间的垂直导轨,垂直导轨的两端分别通过立柱活动连接于两水平导轨之上;所述第一驱动电机用于驱动立柱活动配合于水平导轨,第二驱动电机用于驱动机械手活动配合于垂直导轨。
本发明与现有技术相比,有益效果是:
本发明的钢筋捆扎方法及系统,能实现全自动化,绑扎钢筋效率高,节约人力,降低成本;相比于人工绑扎安全系数更高,有效地规避人工捆扎钢筋带来的安全隐患。
附图说明
图1是本发明实施例的钢筋捆扎系统的构架示意图;
图2是本发明实施例的钢筋捆扎系统的机械部分的结构示意图;
图3是本发明实施例的钢筋捆扎方法中采集的待捆扎钢筋区域的图像;
图4是本发明实施例的钢筋捆扎方法中采集的待捆扎钢筋区域的图像经过平滑滤波处理后的图像;
图5是本发明实施例的钢筋捆扎方法中将所提取的初始区域分成若干区域后的图像;
图6是本发明实施例的钢筋捆扎方法中全局阈值分割选择出钢筋结构的图像;
图7是本发明实施例的钢筋捆扎方法中对钢筋骨架轮廓进行提取后的图像。
具体实施方式
为了更清楚地说明本发明实施例,下面将对照附图说明本发明的具体实施方式。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的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
如图1和2所示,本发明实施例的钢筋捆扎系统,包括上位机、下位机、机械手和导轨架、第一驱动电机、第二驱动电机和工业相机,上位机内置有Halcon机器视觉软件,Halcon通过图像采集接口对各种图像采集卡及工业相机进行支持;工业相机、下位机与上位机通信连接,工业相机用于采集待捆扎钢筋区域的图像以及进行相机标定。下位机与第一驱动电机、第二驱动电机和机械手通信连接,用于控制第一驱动电机、第二驱动电机以及机械手的动作;其中,如图2所示,导轨架包括两根平行布设的水平导轨1和架设在两水平导轨之间的垂直导轨2,垂直导轨2的两端分别通过立柱3活动连接在两水平导轨之上;第一驱动电机4用于驱动立柱活动配合于水平导轨,以使垂直导轨2沿水平导轨在X轴方向上活动;第二驱动电机5用于驱动机械手6活动配合于垂直导轨2,以使机械手沿垂直导轨在Y轴方向上活动;使得机械手活动至待捆绑节点位置,以便机械手对钢筋节点进行捆扎。其中,第一驱动电机、第二驱动电机的结构以及驱动方式可以参考现有技术,在此不赘述。
对应于钢筋捆扎系统,本发明实施例的钢筋捆扎方法,具备包括以下步骤:
S1、采集待捆扎钢筋区域的图像,并对采集的图像进行平滑滤波处理;具体地,通过工业相机采集待捆扎钢筋区域的图像,如图3所示;接着传输至上位机,调用上位机的Halcon机器视觉软件中的gauss_filter高斯滤波算子进行平滑滤波处理,得到的图像如图4所示;
S2、基于Halcon进行相机标定,得到世界坐标与像素坐标的转换矩阵;
具体地,步骤S2具体包括:
S21、对图像进行处理操作前,调用Halcon中的gen_caltab算子生成标定板;
S22、打开Halcon的标定助手,并添加标定板的描述文件和相机参数;其中,描述文件是一个后缀名为descr文件,是对标定板参数的详细描述如每行每列黑色标志圆点的数量、两个就近黑色圆点中心之间的距离、黑色圆点直径与两圆点中心距离的比值、边框长度等参数,设定相机的参数如相机的类型、焦距、光圈大小等。
S23、通过标定助手对标定板的各角度图片进行标定,求得相机的内外参数及转换矩阵。具体地,相机成像涉及四个坐标系,分别为世界坐标系(XW,YW,ZW)、相机坐标系(XC,YC,ZC)、图像成像坐标系(x,y)和像素坐标系(u,v);
图像坐标系(x,y)与像素坐标系(u,v)的转换是相机内部的转换,其转换关系为式(1):
其中,图像坐标系(x,y)的原点在像素坐标系中的坐标为(u0,v0),dx、dy为相邻像素点中心在X轴方向和Y轴方向的实际物理距离;
相机坐标系(XC,YC,ZC)与图像坐标系(x,y)的转换关系为式(2):
其中,f为相机的焦距;
世界坐标系转换(XW,YW,ZW)与相机坐标系(XC,YC,ZC)的关系为式(3):
其中,T3×1=[tx ty tz]是世界坐标系的原点在图像坐标系中的映射点的位置,同时R3×3为正交变换矩阵,正交变换矩阵的关系式为式(4):
则世界坐标系与像素坐标系的转换矩阵为式(5):
S3、对平滑滤波处理后的图像进行blob分析和特征提取,得到钢筋结构区域;
具体地,步骤S3包括:
S31、对平滑滤波处理后的图像计算灰度平均值和方差;
S32、在Halcon中调用threshold算子对图像进行二值化处理,得到所要提取的初始区域;
S33、调用connection算子,将所提取的初始区域分成若干区域,如图5所示;
S34、调用select_shape算子进行全局阈值分割选择出钢筋结构,如图6所示;
S35、调用union1算子进行连通域联合,得到钢筋结构区域。
另外,步骤S35之后还可以包括:
S36、调用opening_rectangle1、closing_rectangle1开闭运算算子对钢筋结构区域进行优化,对钢筋结构区域中有些不平滑的边界,钢筋上的凸起或凹陷噪声进行有效优化。
S4、对钢筋结构区域内的钢筋骨架进行轮廓提取,以识别各钢筋之间的交叉节点,得到节点坐标;具体地,步骤S4包括:
S41、调用canny边缘检测算子对钢筋骨架轮廓进行提取,如图7所示;
S42、调用intersection_ll算子识别各钢筋之间的交叉节点,以获取节点坐标。
S5、利用转换矩阵将节点坐标转换为目标世界坐标;
S6、控制捆扎机械手活动至目标世界坐标对应的目标位置以进行钢筋捆扎。具体地,通过上位机将得到的目标世界坐标对应的目标位置信息发送至下位机,下位机基于目标位置信息控制第一驱动电机和第二驱动电机分别驱动立柱和机械手活动,直至机械手活动至目标位置,停止运行;下位机再控制机械手对处于目标位置的待捆扎钢筋节点进行捆扎操作。
以上所述仅是对本发明的优选实施例及原理进行了详细说明,对本领域的普通技术人员而言,依据本发明提供的思想,在具体实施方式上会有改变之处,而这些改变也应视为本发明的保护范围。
Claims (8)
1.一种钢筋捆扎方法,其特征在于,包括以下步骤:
S1、采集待捆扎钢筋区域的图像,并对采集的图像进行平滑滤波处理;
S2、基于Halcon进行相机标定,得到世界坐标与像素坐标的转换矩阵;
S3、对平滑滤波处理后的图像进行blob分析和特征提取,得到钢筋结构区域;
S4、对钢筋结构区域内的钢筋骨架进行轮廓提取,以识别各钢筋之间的交叉节点,得到节点坐标;
S5、利用转换矩阵将节点坐标转换为目标世界坐标;
S6、控制捆扎机械手活动至目标世界坐标对应的目标位置以进行钢筋捆扎。
2.根据权利要求1所述的一种钢筋捆扎方法,其特征在于,所述步骤S1中的平滑滤波处理为:调用gauss_filter高斯滤波算子进行平滑滤波处理。
3.根据权利要求2所述的一种钢筋捆扎方法,其特征在于,所述步骤S2包括:
S21、调用Halcon中的gen_caltab算子生成标定板;
S22、打开Halcon的标定助手,并添加标定板的描述文件和相机参数;
S23、通过标定助手对标定板的各角度图片进行标定,求得相机的内外参数及转换矩阵。
4.根据权利要求3所述的一种钢筋捆扎方法,其特征在于,所述步骤S23具体包括:
相机成像涉及四个坐标系,分别为世界坐标系(XW,YW,ZW)、相机坐标系(XC,YC,ZC)、图像成像坐标系(x,y)和像素坐标系(u,v);
图像坐标系(x,y)与像素坐标系(u,v)的转换是相机内部的转换,其转换关系为式(1):
其中,图像坐标系(x,y)的原点在像素坐标系中的坐标为(u0,v0),dx、dy为相邻像素点中心在X轴方向和Y轴方向的实际物理距离;
相机坐标系(XC,YC,ZC)与图像坐标系(x,y)的转换关系为式(2):
其中,f为相机的焦距;
世界坐标系转换(XW,YW,ZW)与相机坐标系(XC,YC,ZC)的关系为式(3):
其中,T3×1=[tx ty tz]是世界坐标系的原点在图像坐标系中的映射点的位置,同时R3×3为正交变换矩阵,正交变换矩阵的关系式为式(4):
则世界坐标系与像素坐标系的转换矩阵为式(5):
5.根据权利要求4所述的一种钢筋捆扎方法,其特征在于,所述步骤S3包括:
S31、对平滑滤波处理后的图像计算灰度平均值和方差;
S32、在Halcon中调用threshold算子对图像进行二值化处理,得到所要提取的初始区域;
S33、调用connection算子,将所提取的初始区域分成若干区域;
S34、调用select_shape算子进行全局阈值分割选择出钢筋结构;
S35、调用union1算子进行连通域联合,得到钢筋结构区域。
6.根据权利要求5所述的一种钢筋捆扎方法,其特征在于,所述步骤S35之后还包括:
S36、调用opening_rectangle1、closing_rectangle1开闭运算算子对钢筋结构区域进行优化。
7.根据权利要求6所述的一种钢筋捆扎方法,其特征在于,所述步骤S4包括:
S41、调用canny边缘检测算子对钢筋骨架轮廓进行提取;
S42、调用intersection_ll算子识别各钢筋之间的交叉节点,以获取节点坐标。
8.一种钢筋捆扎系统,其特征在于,包括上位机、下位机、机械手和导轨架、第一驱动电机、第二驱动电机和工业相机,所述上位机内置有Halcon机器视觉软件,所述工业相机、下位机与上位机通信连接;所述下位机与第一驱动电机、第二驱动电机和机械手通信连接;导轨架包括两根平行布设的水平导轨和架设于两水平导轨之间的垂直导轨,垂直导轨的两端分别通过立柱活动连接于两水平导轨之上;所述第一驱动电机用于驱动立柱活动配合于水平导轨,第二驱动电机用于驱动机械手活动配合于垂直导轨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910508921.1A CN110158967A (zh) | 2019-06-13 | 2019-06-13 | 一种钢筋捆扎方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910508921.1A CN110158967A (zh) | 2019-06-13 | 2019-06-13 | 一种钢筋捆扎方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110158967A true CN110158967A (zh) | 2019-08-23 |
Family
ID=67628782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910508921.1A Pending CN110158967A (zh) | 2019-06-13 | 2019-06-13 | 一种钢筋捆扎方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110158967A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111749472A (zh) * | 2020-06-24 | 2020-10-09 | 广东博智林机器人有限公司 | 一种钢筋捆扎系统及钢筋捆扎方法 |
CN113264212A (zh) * | 2021-05-08 | 2021-08-17 | 济客筑科技(太仓)有限公司 | 一种多轴机器人的点阵式钢筋捆扎系统及其工作方法 |
CN113400460A (zh) * | 2021-06-29 | 2021-09-17 | 江苏图知天下科技有限公司 | 一种钢筋的绑扎方法及绑扎装置 |
CN114263352A (zh) * | 2022-01-07 | 2022-04-01 | 中国建筑第八工程局有限公司 | 钢筋绑扎机器人及钢筋交叉点的识别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0943924A2 (en) * | 1998-03-19 | 1999-09-22 | Hewlett-Packard Company | Loaded-board, guided-probe test fixture |
KR20010024043A (ko) * | 1997-09-16 | 2001-03-26 | 아사무라 타카싯 | 콘크리트 부재의 보강 구조 및 보강 공법 |
JP5618728B2 (ja) * | 2010-09-21 | 2014-11-05 | 株式会社大林組 | 配筋情報取得方法 |
CN105908975A (zh) * | 2016-04-29 | 2016-08-31 | 上海应用技术学院 | 一种盲操作区域钢筋绑扎装置及方法 |
CN106096558A (zh) * | 2016-06-16 | 2016-11-09 | 长安大学 | 一种基于神经网络的钢筋捆扎方法 |
CN108860581A (zh) * | 2017-05-15 | 2018-11-23 | 苏日照 | 捆扎无人机 |
CN109018591A (zh) * | 2018-08-09 | 2018-12-18 | 沈阳建筑大学 | 一种基于计算机视觉的自动贴标定位方法 |
CN109383865A (zh) * | 2018-11-08 | 2019-02-26 | 中民筑友科技投资有限公司 | 一种绑扎机构及钢筋网片绑扎装置 |
CN109629833A (zh) * | 2018-12-19 | 2019-04-16 | 重庆大学 | 一种高精度高质量钢筋空间网架绑扎的快速施工方法 |
CN109801301A (zh) * | 2018-12-15 | 2019-05-24 | 华南理工大学 | 一种基于bim与计算机视觉的铺砖进度信息自动收集方法 |
CN109859277A (zh) * | 2019-01-21 | 2019-06-07 | 陕西科技大学 | 一种基于Halcon的机器人视觉系统标定方法 |
CN111115461A (zh) * | 2019-12-25 | 2020-05-08 | 上海市建筑科学研究院科技发展有限公司 | 一种钢筋及模具运输和自动拼装设备 |
-
2019
- 2019-06-13 CN CN201910508921.1A patent/CN110158967A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010024043A (ko) * | 1997-09-16 | 2001-03-26 | 아사무라 타카싯 | 콘크리트 부재의 보강 구조 및 보강 공법 |
EP0943924A2 (en) * | 1998-03-19 | 1999-09-22 | Hewlett-Packard Company | Loaded-board, guided-probe test fixture |
JP5618728B2 (ja) * | 2010-09-21 | 2014-11-05 | 株式会社大林組 | 配筋情報取得方法 |
CN105908975A (zh) * | 2016-04-29 | 2016-08-31 | 上海应用技术学院 | 一种盲操作区域钢筋绑扎装置及方法 |
CN106096558A (zh) * | 2016-06-16 | 2016-11-09 | 长安大学 | 一种基于神经网络的钢筋捆扎方法 |
CN108860581A (zh) * | 2017-05-15 | 2018-11-23 | 苏日照 | 捆扎无人机 |
CN109018591A (zh) * | 2018-08-09 | 2018-12-18 | 沈阳建筑大学 | 一种基于计算机视觉的自动贴标定位方法 |
CN109383865A (zh) * | 2018-11-08 | 2019-02-26 | 中民筑友科技投资有限公司 | 一种绑扎机构及钢筋网片绑扎装置 |
CN109801301A (zh) * | 2018-12-15 | 2019-05-24 | 华南理工大学 | 一种基于bim与计算机视觉的铺砖进度信息自动收集方法 |
CN109629833A (zh) * | 2018-12-19 | 2019-04-16 | 重庆大学 | 一种高精度高质量钢筋空间网架绑扎的快速施工方法 |
CN109859277A (zh) * | 2019-01-21 | 2019-06-07 | 陕西科技大学 | 一种基于Halcon的机器人视觉系统标定方法 |
CN111115461A (zh) * | 2019-12-25 | 2020-05-08 | 上海市建筑科学研究院科技发展有限公司 | 一种钢筋及模具运输和自动拼装设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111749472A (zh) * | 2020-06-24 | 2020-10-09 | 广东博智林机器人有限公司 | 一种钢筋捆扎系统及钢筋捆扎方法 |
CN111749472B (zh) * | 2020-06-24 | 2022-06-28 | 广东博智林机器人有限公司 | 一种钢筋捆扎系统及钢筋捆扎方法 |
CN113264212A (zh) * | 2021-05-08 | 2021-08-17 | 济客筑科技(太仓)有限公司 | 一种多轴机器人的点阵式钢筋捆扎系统及其工作方法 |
CN113400460A (zh) * | 2021-06-29 | 2021-09-17 | 江苏图知天下科技有限公司 | 一种钢筋的绑扎方法及绑扎装置 |
CN114263352A (zh) * | 2022-01-07 | 2022-04-01 | 中国建筑第八工程局有限公司 | 钢筋绑扎机器人及钢筋交叉点的识别方法 |
CN114263352B (zh) * | 2022-01-07 | 2023-10-03 | 中国建筑第八工程局有限公司 | 钢筋绑扎机器人及钢筋交叉点的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110158967A (zh) | 一种钢筋捆扎方法及系统 | |
CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
CN110197203B (zh) | 基于宽度学习神经网络的桥梁路面裂缝分类识别方法 | |
WO2019015493A1 (zh) | 用于智能车库的基于光学图像的车辆识别系统 | |
CN109493313B (zh) | 一种基于视觉的钢卷定位方法及设备 | |
CN104018850A (zh) | 基于双目视觉的管片拼装机的管片定位及抓取系统 | |
CN107150953A (zh) | 一种基于机器视觉的起重机大车方向精确定位系统及方法 | |
CN113643280B (zh) | 一种基于计算机视觉的板材分拣系统及方法 | |
CN106839985A (zh) | 无人天车钢卷抓取的自动识别定位方法 | |
CN105217324A (zh) | 一种新型的拆垛方法和系统 | |
CN110097087A (zh) | 一种自动钢筋捆扎位置识别方法 | |
CN107150954B (zh) | 基于机器视觉的起重机大车方向精确定位系统及方法 | |
CN105069751A (zh) | 一种深度图像缺失数据的插值方法 | |
CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN114689600A (zh) | 一种桥梁混凝土结构表面裂缝检测方法及系统 | |
CN205603155U (zh) | 一种具有识别功能的自动装板机 | |
CN107092905A (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
CN109521021A (zh) | 一种核电站安全壳外观检查系统及方法 | |
CN114022825A (zh) | 基于深度学习的预制梁场台座状态识别装置及其识别方法 | |
CN112528979A (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN110334751A (zh) | 用于捆扎节点的图像处理方法及装置、终端 | |
CN108961276A (zh) | 基于视觉伺服的配电线路巡检数据自动采集方法及系统 | |
CN113177941B (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
CN109961479B (zh) | 应用于电池模组母线焊接流水线的定位方法及焊接流水线 | |
CN108805890A (zh) | 一种基于输电线图像特征点的弧锤测量方法 |
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: 20190823 |