CN110458811B - 一种柔性材料超长幅切割轨迹自动提取方法 - Google Patents
一种柔性材料超长幅切割轨迹自动提取方法 Download PDFInfo
- Publication number
- CN110458811B CN110458811B CN201910657859.2A CN201910657859A CN110458811B CN 110458811 B CN110458811 B CN 110458811B CN 201910657859 A CN201910657859 A CN 201910657859A CN 110458811 B CN110458811 B CN 110458811B
- Authority
- CN
- China
- Prior art keywords
- contour
- cutting
- track
- profile
- flexible material
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 63
- 238000000605 extraction Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 238000003754 machining Methods 0.000 claims 1
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000004043 dyeing Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明柔性材料超长幅切割轨迹自动提取方法，属于柔性材料自动化智能切割领域。本发明提出柔性材料完整图案切割轨迹长度大于裁剪设备的有效裁剪长度时的超长幅图案切割轨迹自动提取方法。该方法对识别的轮廓进行分类合并提高了算法的运行效率；将裁剪设备可一次性加工的切割轨迹包络矩形长度设定为一个阈值β，保证长度在该阈值β之内的加工轨迹一次性裁剪，长度超出阈值β的加工轨迹被裁断切割加工，实现轨迹切割连续性的情况下切割效率提高；利用重叠图像处理方法衔接光滑处理保证分段切割的超长幅图案加工轨迹连续性。本方法安全可靠，高效、高精度切割、自动化程度高，解决传统裁剪设备上不能实现的柔性材料超长幅图案的连续自动化切割。
Description
技术领域
本发明属于柔性材料自动化智能切割领域。它涉及一种方法，尤其是涉及一种超长幅切割轨迹自动提取方法，主要提供柔性材料待提取的完整切割轨迹长度超出裁床长度时超长幅图案的一种切割方法，达到实现柔性材料超长幅图案在裁剪设备上的高效率、高精度连续自动化切割加工的目的。
背景技术
柔性材料切割轨迹自动提取是为了提高柔性材料自动裁剪设备的自动化水平而设计的。
目前业内柔性材料裁剪的常用现有技术是：一种是人工用裁剪刀沿着柔性材料的印染图案的边缘轮廓进行手动裁剪，这种方法对人的依赖性强，质量不稳定，效率低下；第二种方法是将照相机作为设备的一个工具头，设备控制照相机在裁剪设备上运动寻找材料上印刷的标记点信息，并记录下标记点设备上的位置信息，然后通过形状变形算法将已知的切割轨迹变换到材料在设备上的真实轨迹，最后发送给自动裁剪设备自动裁剪。该方法虽然解决材料图案的变形切割问题，但是使用它的前提是用户必须有材料印刷时原始的切割轨迹数据。有时客户并不具备该条件。第三种方法是在设备上方安装照相机，获取材料图像，提取切割轨迹。该方法在材料的完整切割轨迹小于裁床长度时是有效的，当材料的完整切割轨迹大于裁床长度时则无法正确提取切割轨迹。因此，提供一种自动提取柔性材料切割轨迹的方法，尤其是完整切割轨迹长度大于裁床有效切割长度时的超长幅图案轨迹自动提取方法，以实现柔性材料超长幅图案在自动裁剪设备上的连续自动化切割，显得尤为必要。
授权公告日为2017年12月19日，公告号为107492096A的中国专利中，公开了“一种实现数控裁床设备物料定位的方法”的发明专利。该专利包括如下步骤：获得被加工的物料和校正标尺的位图图像；提取位图图像中的物料轮廓和校正标尺轮廓，分别转化为物料轮廓和校正标尺轮廓的矢量数据；用校正标尺在位图图像中的大小和预先存储的校正标尺的实际尺寸，对物料轮廓的矢量数据进行比例变换，用变换后的物料轮廓的矢量数据所形成的轮廓多边形表达物料的实际轮廓；利用轮廓多边形和表达切割轨迹的轨迹多边形的点数据，计算出变换矩阵；利用变换矩阵对轨迹多边形进行几何变换，得到变换后的轨迹多边形；判定轨迹多边形是否完全落在轮廓多边形的内部，是则定位完成。虽然该专利，能快速的获得从数控系统的坐标系到被加工的物料的坐标系的映射关系，但是该方法不能解决完整图案切割轨迹长度大于裁床有效切割长度的情况，故其还是存在上述缺陷。
为了解决目前方法的缺陷，本申请人对此问题进行研究，专门设计出了一种可以解决超长幅切割轨迹自动提取的方法。
发明内容
本发明设计出了一种有效的切割轨迹自动提取方法，尤其是提出了柔性材料完整图案切割轨迹长度大于裁剪设备的有效裁剪长度时的超长幅图案切割轨迹自动提取的方法，实现了柔性材料超长幅图案在自动裁剪设备上的连续自动化切割。
本发明解决上述问题所采用的技术方案是：柔性材料超长幅切割轨迹自动提取方法，其特征在于：具体步骤如下：
(1)将裁剪设备将材料送到裁床切割台面，控制相机拍照获得图像Picture。
(2)对图像Picture进行畸变校准和去噪声预处理得到图像PrePicture。
(3)对预处理后的图像PrePicture进行轮廓识别，得到候选切割轨迹集合CandidateCuttingTrace。
(4)通过判断CandidateCuttingTrace与相机拍照的有效范围的矩形Rect的相交性对轮廓进行截取和分类，并将不是加工轨迹的轮廓删除，得到本次切割轨迹轮廓集合ThisCuttingTrace。
(5)本次切割轨迹轮廓集合ThisCuttingTrace和前面识别的轮廓集合LastCuttingTrace进行轨迹轮廓合并且执行轨迹衔接处的光滑处理，得到本次待切割轨迹轮廓集合TotalCuttingTrace。
(6)从TotalCuttingTrace轮廓轨迹中挑选得到本次切割轨迹轮廓CuttingTrace。
(7)设图像重叠长度为σ，根据待切割轨迹轮廓CuttingTrace计算本次送料长度TheorySendLength，(TheorySendLength-σ)得到实际送料长度SendLength。
(8)将提取的切割轨迹CuttingTrace输出到裁剪设备上并切割。
(9)切割完成后，按照SendLength长度将柔性材料送出裁剪设备，新的待识别图案放置在了裁剪设备上。
(10)将待切割轨迹轮廓TotalCuttingTrace平移-SendLength后得到MovedCuttingTrace。
(11)在MovedCuttingTrace中将已完整的轨迹轮廓标记为删除，将前轮廓标记为删除，后轮廓标记为保留，得到LastCuttingTrace，为下次合并做准备。
然后，再重复前面的操作，一直到整幅材料被切割完毕。
作为优选，本发明所述的步骤(3)中，首次拍照从待识别材料轮廓的起点开始；该起点的设置是通过参数设置图像有效的上下左右边界参数排除面阵相机的获取图像中的干扰轮廓，保留完整的矢量轮廓。
作为优选，本发明所述的步骤(3)中，分次拍照从待识别材料的起点开始，根据完整的矢量轮廓进行后续拼接。
作为优选，本发明所述的步骤(4)中，拍照识别候选切割轨迹轮廓集合CandidateCuttingTrace之后，先对轮廓进行分类，是为了方便后面轮廓的拼接合并。轮廓分类的方法是：通过判断与相机拍照的有效范围的矩形的相交性，将识别出的轮廓分为以下集合：{完整轮廓}、{前轮廓}、{中轮廓}和{后轮廓}。具体如下：首先判断识别出轮廓之间的包含关系，位于最外层的闭合轮廓即为图案的加工轨迹，标记为完整轮廓，位于内部的轮廓作删除标记。对于不完整轮廓，将其与图像边界构成闭合轮廓，包含在该闭合轮廓中的所有完整轮廓作删除标记，位于该轮廓以及包含在该闭合轮廓中的与图像边界右边界相交的轮廓标记为后轮廓，如果该轮廓以及包含在该闭合轮廓中的与图像边界左边界相交的轮廓标记为前轮廓。如果本次前轮廓集合中的轮廓和前续完整轮廓存在部分重叠，则该轮廓做删除标记。
作为优选，本发明所述的步骤(5)中，根据分类轮廓进行轮廓合并和光滑是将前续的拍照结果集合与本次拍照识别结果集合的数据首先进行合并，然后对合并轮廓的衔接处做平滑过渡处理。
作为优选，本发明所述的步骤(5)中，光滑处理是为了保证衔接的平滑度和切割的精度，两副图像会存在满足重叠阈值的重复度。对于有一定倾斜角度的线条，在寻找重复部分时，采用与端点距离最近的位置为重复部分端点，进行重复部分的准确定位，光滑处理该重复部分。
作为优选，本发明所述的步骤(5)中，所述的合并算法是指：前续的拍照结果集合LastCuttingTrace与本次拍照识别结果集合ThisCuttingTrace的数据合并得到合并后的后轮廓集合C和完整轮廓集合R；具体如下：
LastCuttingTrace({后轮廓})∪ThisCuttingTrace({完整轮廓}∪{前轮廓}∪{后轮廓}∪{中轮廓})＝C({后轮廓})+R({完整轮廓})；
·LastCuttingTrace({后轮廓})表示前续拍照后的中间结果轮廓集合LastCuttingTrace中的后轮廓集合；
·ThisCuttingTrace({完整轮廓}∪{前轮廓}∪{后轮廓}∪{中轮廓})表示当前次拍照识别分类出的轮廓集合；
·A∪B表示对两个集合的轮廓合并操作,即将轮廓集合A和轮廓集合B两两进行合并操作。∪操作是：假设A中轮廓Ouline1{PtA1,PtA2,…,PtAi,…,PtAn}和B中轮廓Ouline2{PtB1,PtB2,…,PtBj,…,PtBk}进行合并操作，则是分别判断端点PtA1、PtAn与PtB1、PtBk之间的距离，如果假设|PtAn PtB1|≤某一指定相邻阈值时,则将PtAn PtB1这两个端点合并成一个,两个轮廓合并后的结果为：{PtA1,PtA2,…,PtAi,…,PtAn，PtB2,…,PtBj,…,PtBk}；
·C({后轮廓})表示合并后的后轮廓集合；
·R({完整轮廓})是合并后完整样片集合。
作为优选，本发明所述的步骤(6)中，所述的本次切割轨迹轮廓挑选方法如下：根据相机拍照的有效范围的矩形Rect的对TotalCuttingTrace切割轨迹进行截取，落在Rect内部和之上的点作为本次切割轨迹点保留标记为切割，如果后轮廓的包络矩形长度小于裁剪设备有效切割范围的长度阈值β时，则该切割轨迹点标记为不切割，得到本次切割轨迹轮廓CuttingTrace。
作为优选，本发明所述的步骤(7)中，送料长度计算是按照标记为{已处理轮廓B完整}集合和{未处理A后轮廓}集合计算送料长度的。具体如下：计算{未处理轮廓A后轮廓}集合中Min{点坐标的X值}为最左端坐标UnManulPos，针对{已处理轮廓B完整轮廓}集合中每个轮廓求该轮廓的X最大值Pti＝Max{PtBi1,…,PtBik,…PtBim},然后再求在{Pti}中找Min{Pti点坐标的X值}最左的坐标ManulPos，取Min(UnManulPos，ManulPos)两个值中找最小值为送料长度TheorySendLength。
作为优选，本发明所述的步骤(8)中，本次提取的加工轨迹为合并后的后轮廓集合C和完整轮廓集合R，将该加工轨迹输出自动裁剪设备上进行加工处理。后轮廓集合C则做为下一次的拍照识别结果的前续拍照结果参与合并运算。
作为优选，本发明所述的步骤(9)、(10)中，切割完成控制裁剪设备送料，同时将后轮廓集合C和完整轮廓集合的轨迹按照-SendLength进行平移得到LastCuttingTrace，为下一次合并运算做准备。
作为优选，本发明超一种柔性材料超长幅切割轨迹自动提取方法通过动态库的形式供应用软件调用。
作为优选，本发明通过应用软件设置拍照范围、控制相机拍照，通过调用轮廓识别、轮廓分类、轮廓合并、送料距离计算一系列接口进行轮廓的输出切割。
本发明与现有技术相比，具有以下优点和效果：它是一种有效的切割轨迹自动提取方法，尤其是提出了一种柔性材料完整图案切割轨迹长度大于裁剪设备的有效裁剪长度时的超长幅图案切割轨迹自动提取的方法。该方法对识别的轮廓进行分类合并显著提高了算法的运行效率；方法将裁剪设备可一次性加工的切割轨迹包络矩形长度设定为一个阈值β，保证长度在该阈值β之内的加工轨迹一次性裁剪，长度超出阈值β的加工轨迹被裁断切割加工，实现了轨迹切割连续性的情况下切割效率的提高；利用重叠图像的处理方法衔接光滑处理保证了分段切割的超长幅图案加工轨迹的连续性。本方法安全可靠，高效率、高精度切割、自动化程度高，解决传统裁剪设备上不能实现的柔性材料超长幅图案的连续自动化切割，解决现有的困扰。
附图说明
图1是本发明实施例的多幅拍照示意图一。
图2是本发明实施例的多幅拍照示意图二。
图3是本发明实施例拍照的原始多幅拍照示意图。
图4是本发明实施例的多幅拍照示意图三。
图5是本发明实施例超长幅拍照拼接算法的具体流程图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例。
参见图1至图5，本实施例一种柔性材料超长幅切割轨迹自动提取方法，其特征在于：具体步骤如下：
(1)将裁剪设备将材料送到裁床切割台面，控制相机拍照获得图像Picture。
(2)对图像Picture进行畸变校准和去噪声预处理得到图像PrePicture。
(3)对预处理后的图像PrePicture进行轮廓识别，得到候选切割轨迹集合CandidateCuttingTrace。
(4)通过判断CandidateCuttingTrace与相机拍照的有效范围的矩形Rect的相交性对轮廓进行截取和分类，并将不是加工轨迹的轮廓删除，得到本次切割轨迹轮廓集合ThisCuttingTrace。
(5)本次切割轨迹轮廓集合ThisCuttingTrace和前面识别的轮廓集合LastCuttingTrace进行轨迹轮廓合并且执行轨迹衔接处的光滑处理，得到本次待切割轨迹轮廓集合TotalCuttingTrace。
(6)从TotalCuttingTrace轮廓轨迹中挑选得到本次切割轨迹轮廓CuttingTrace。
(7)设图像重叠长度为σ，根据待切割轨迹轮廓CuttingTrace计算本次送料长度TheorySendLength，(TheorySendLength-σ)得到实际送料长度SendLength。
(8)将提取的切割轨迹CuttingTrace输出到裁剪设备上并切割。
(9)切割完成后，按照SendLength长度将柔性材料送出裁剪设备，新的待识别图案放置在了裁剪设备上。
(10)将待切割轨迹轮廓TotalCuttingTrace平移-SendLength后得到MovedCuttingTrace。
(11)在MovedCuttingTrace中将已完整的轨迹轮廓标记为删除，将前轮廓标记为删除，后轮廓标记为保留，得到LastCuttingTrace，为下次合并做准备。
然后，再重复前面的操作，一直到整幅材料被切割完毕；参见图2。
本实施例为了排除面阵相机的干扰轮廓，首次拍照要从待识别材料轮廓的起点开始；该起点的设置是通过参数设置图像有效的上下左右边界参数排除面阵相机的获取图像中的干扰轮廓，保留完整的矢量轮廓。
拍照的原始图见图3所示。为了去除原始图像中存在的干扰轮廓便于图像识别，通过参数设置图像有效的上下左右边界参数排除面阵相机的获取图像中的干扰轮廓，保留完整的矢量轮廓。参见图4中的矩形ABCD所包围的遮盖区域即为有效识别区域。有效识别区的左下角A在原始图像的坐标，即为识别轮廓图像的起点。
本实施例分次拍照从待识别材料的起点开始进行，根据完整的矢量轮廓进行后续拼接。
本实施例拍照识别轮廓之后，先对轮廓进行分类，然后根据分类轮廓进行轮廓合并；为了方便后面轮廓的拼接定位，参见图2。
本实施例的轮廓分类是通过判断与相机拍照的有效范围的矩形的相交性，将识别出的轮廓分为以下集合：{完整轮廓}、{前轮廓}、{中轮廓}和{后轮廓}。具体如下：首先判断识别出轮廓之间的包含关系，位于最外层的闭合轮廓即为图案的加工轨迹，标记为完整轮廓，位于内部的轮廓作删除标记。对于不完整轮廓，将其与图像边界构成闭合轮廓，包含在该闭合轮廓中的所有完整轮廓作删除标记，位于该轮廓以及包含在该闭合轮廓中的与图像边界右边界相交的轮廓标记为后轮廓，如果该轮廓以及包含在该闭合轮廓中的与图像边界左边界相交的轮廓标记为前轮廓。如果本次前轮廓集合中的轮廓和前续完整轮廓存在部分重叠，则该轮廓做删除标记。
本实施例的根据分类轮廓进行轮廓合并和光滑是将前续的拍照结果集合与本次拍照识别结果集合的数据首先进行合并，然后对合并轮廓的衔接处做平滑过渡处理。
本实施例所述的合并算法是指：前续的拍照结果集合LastCuttingTrace与本次拍照识别结果集合ThisCuttingTrace的数据合并得到合并后的后轮廓集合C和完整轮廓集合R；具体如下：
LastCuttingTrace({后轮廓})∪ThisCuttingTrace({完整轮廓}∪{前轮廓}∪{后轮廓}∪{中轮廓})＝C({后轮廓})+R({完整轮廓})；
·LastCuttingTrace({后轮廓})表示前续拍照后的中间结果轮廓集合LastCuttingTrace中的后轮廓集合；
·ThisCuttingTrace({完整轮廓}∪{前轮廓}∪{后轮廓}∪{中轮廓})表示当前次拍照识别分类出的轮廓集合；
·A∪B表示对两个集合的轮廓合并操作,即将轮廓集合A和轮廓集合B两两进行合并操作。∪操作是：假设A中轮廓Ouline1{PtA1,PtA2,…,PtAi,…,PtAn}和B中轮廓Ouline2{PtB1,PtB2,…,PtBj,…,PtBk}进行合并操作，则是分别判断端点PtA1、PtAn与PtB1、PtBk之间的距离，如果假设|PtAn PtB1|≤某一指定相邻阈值时,则将PtAn PtB1这两个端点合并成一个,两个轮廓合并后的结果为：{PtA1,PtA2,…,PtAi,…,PtAn，PtB2,…,PtBj,…,PtBk}；
·C({后轮廓})表示合并后的后轮廓集合；
·R({完整轮廓})是合并后完整样片集合。
本实施例的本次切割轨迹轮廓挑选方法是根据相机拍照的有效范围的矩形Rect的对TotalCuttingTrace切割轨迹进行截取，落在Rect内部和之上的点作为本次切割轨迹点保留标记为切割，如果后轮廓的包络矩形长度小于裁剪设备有效切割范围的长度阈值β时，则该切割轨迹点标记为不切割，得到本次切割轨迹轮廓CuttingTrace。
本实施例的送料长度计算是按照标记为{已处理轮廓B完整}集合和{未处理A后轮廓}集合计算送料长度的。具体如下：计算{未处理轮廓A后轮廓}集合中Min{点坐标的X值}为最左端坐标UnManulPos，针对{已处理轮廓B完整轮廓}集合中每个轮廓求该轮廓的X最大值Pti＝Max{PtBi1,…,PtBik,…PtBim},然后再求在{Pti}中找Min{Pti点坐标的X值}最左的坐标ManulPos，取Min(UnManulPos，ManulPos)两个值中找最小值为送料长度TheorySendLength。
本实施例当前次提取的加工轨迹为合并后的后轮廓集合C和完整轮廓集合R，将该加工轨迹输出自动裁剪设备上进行加工处理。后轮廓集合C则做为下一次的拍照识别结果的前续拍照结果参与合并运算。
本实施例切割完成控制裁剪设备送料，同时将后轮廓集合C和完整轮廓集合的轨迹按照-SendLength进行平移得到LastCuttingTrace，为下一次合并运算做准备。
本实施例一种柔性材料超长幅切割轨迹自动提取方法通过动态库的形式供应用软件调用。
本实施例通过应用软件设置拍照范围、控制相机拍照，通过调用轮廓识别、轮廓分类、轮廓合并、送料距离计算一系列接口进行轮廓的输出切割。
本实施例的一种柔性材料超长幅切割轨迹自动提取方法的具体流程图，如图5所示。
在拼接过程中，为了达到前后轮廓能够无缝衔接，拼接算法至关重要；光滑处理是为了保证衔接的平滑度和切割的精度，两副图像会存在满足重叠阈值的重复度。对于有一定倾斜角度的线条，在寻找重复部分时，采用与端点距离最近的位置为重复部分端点，进行重复部分的准确定位，光滑处理该重复部分。
通过上述阐述，本领域的技术人员已能实施。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所作的举例说明。凡依据本发明专利构思所述的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种柔性材料超长幅切割轨迹自动提取方法，其特征在于：具体步骤如下：
(1)将裁剪设备将材料送到裁床切割台面，控制相机拍照获得图像Picture；
(2)对图像Picture进行畸变校准和去噪声预处理得到图像PrePicture；
(3)对预处理后的图像PrePicture进行轮廓识别，得到候选切割轨迹集合CandidateCuttingTrace；
(4)通过判断CandidateCuttingTrace与相机拍照的有效范围的矩形Rect的相交性对轮廓进行截取和分类，并将不是加工轨迹的轮廓删除，得到本次切割轨迹轮廓集合ThisCuttingTrace；
(5)本次切割轨迹轮廓集合ThisCuttingTrace和前面识别的轮廓集合LastCuttingTrace进行轨迹轮廓合并且执行轨迹衔接处的光滑处理，得到本次待切割轨迹轮廓集合TotalCuttingTrace；
(6)从TotalCuttingTrace轮廓轨迹中挑选得到本次切割轨迹轮廓CuttingTrace；
(7)设图像重叠长度为σ，根据待切割轨迹轮廓CuttingTrace计算本次送料长度TheorySendLength，(TheorySendLength-σ)得到实际送料长度SendLength；
(8)将提取的切割轨迹CuttingTrace输出到裁剪设备上并切割；
(9)切割完成后，按照SendLength长度将柔性材料送出裁剪设备，新的待识别图案放置在了裁剪设备上；
(10)将待切割轨迹轮廓TotalCuttingTrace平移-SendLength后得到MovedCuttingTrace；
(11)在MovedCuttingTrace中将已完整的轨迹轮廓标记为删除，将前轮廓标记为删除，后轮廓标记为保留，得到LastCuttingTrace，为下次合并做准备；
然后，再重复前面的操作，一直到整幅材料被切割完毕。
2.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(4)中，拍照识别候选切割轨迹轮廓集合CandidateCuttingTrace之后，先对轮廓进行分类，是为了方便后面轮廓的拼接合并；轮廓分类的方法是：通过判断与相机拍照的有效范围的矩形的相交性，将识别出的轮廓分为以下集合：{完整轮廓}、{前轮廓}、{中轮廓}和{后轮廓}；具体如下：首先判断识别出所有轮廓之间的包含关系，位于最外层的闭合轮廓即为图案的加工轨迹，标记为完整轮廓，位于内部的轮廓作删除标记；对于不完整轮廓，将其与图像边界构成闭合轮廓，包含在该闭合轮廓中的所有完整轮廓作删除标记，位于该轮廓以及包含在该闭合轮廓中的与图像边界右边界相交的轮廓标记为后轮廓，如果该轮廓以及包含在该闭合轮廓中的与图像边界左边界相交的轮廓标记为前轮廓；如果本次前轮廓集合中的轮廓和前续完整轮廓存在部分重叠，则该轮廓做删除标记。
3.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(5)中，根据分类轮廓进行轮廓合并和光滑是将前续的拍照结果集合与本次拍照识别结果集合的数据首先进行合并，然后对合并轮廓的衔接处做平滑过渡处理。
4.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(5)中，光滑处理是为了保证衔接的平滑度和切割的精度，两副图像会存在满足重叠阈值的重复度；对于有一定倾斜角度的线条，在寻找重复部分时，采用与端点距离最近的位置为重复部分端点，进行重复部分的准确定位，光滑处理该重复部分。
5.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(5)中，所述的合并算法是指：前续的拍照结果集合LastCuttingTrace与本次拍照识别结果集合ThisCuttingTrace的数据合并得到合并后的后轮廓集合C和完整轮廓集合R；具体如下：
LastCuttingTrace({后轮廓})∪ThisCuttingTrace({完整轮廓}∪{前轮廓}∪{后轮廓}∪{中轮廓})＝C({后轮廓})+R({完整轮廓})；
·LastCuttingTrace({后轮廓})表示前续拍照后的中间结果轮廓集合LastCuttingTrace中的后轮廓集合；
·ThisCuttingTrace({完整轮廓}∪{前轮廓}∪{后轮廓}∪{中轮廓})表示当前次拍照识别分类出的轮廓集合；
·A∪B表示对两个集合的轮廓合并操作,即将轮廓集合A和轮廓集合B两两进行合并操作；∪操作是：假设A中轮廓Ouline1{PtA1,PtA2,…,PtAi,…,PtAn}和B中轮廓Ouline2{PtB1,PtB2,…,PtBj,…,PtBk}进行合并操作，则是分别判断端点PtA1、PtAn与PtB1、PtBk之间的距离，如果假设|PtAn PtB1|≤某一指定相邻阈值时,则将PtAn PtB1这两个端点合并成一个,两个轮廓合并后的结果为：{PtA1,PtA2,…,PtAi,…,PtAn，PtB2,…,PtBj,…,PtBk}；
·C({后轮廓})表示合并后的后轮廓集合；
·R({完整轮廓})是合并后完整样片集合。
6.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(6)中的本次切割轨迹轮廓挑选方法如下：根据相机拍照的有效范围的矩形Rect的对TotalCuttingTrace切割轨迹进行截取，落在Rect内部和之上的点作为本次切割轨迹点保留标记为切割，如果后轮廓的包络矩形长度小于裁剪设备有效切割范围的长度阈值β时，则该切割轨迹点标记为未切割，得到本次切割轨迹轮廓CuttingTrace。
7.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(7)中，送料长度计算是按照标记为{已处理轮廓B完整}集合和{未处理A后轮廓}集合计算送料长度的；具体如下：计算{未处理轮廓A后轮廓}集合中Min{点坐标的X值}为最左端坐标UnManulPos，针对{已处理轮廓B完整轮廓}集合中每个轮廓求该轮廓的X最大值Pti＝Max{PtBi1,…,PtBik,…PtBim},然后再求在{Pti}中找Min{Pti点坐标的X值}最左的坐标ManulPos，取Min(UnManulPos，ManulPos)两个值中找最小值为送料长度TheorySendLength。
8.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(8)中，本次提取的加工轨迹为合并后的后轮廓集合C和完整轮廓集合R，将该加工轨迹输出自动裁剪设备上进行加工处理；后轮廓集合C则做为下一次的拍照识别结果的前续拍照结果参与合并运算。
9.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述的步骤(9)、(10)中，切割完成控制裁剪设备送料，同时将后轮廓集合C和完整轮廓集合的轨迹按照-SendLength进行平移得到LastCuttingTrace，为下一次合并运算做准备。
10.根据权利要求1所述的柔性材料超长幅切割轨迹自动提取方法，其特征在于：所述柔性材料超长幅切割轨迹自动提取方法通过动态库的形式供应用软件调用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910657859.2A CN110458811B (zh) | 2019-07-20 | 2019-07-20 | 一种柔性材料超长幅切割轨迹自动提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910657859.2A CN110458811B (zh) | 2019-07-20 | 2019-07-20 | 一种柔性材料超长幅切割轨迹自动提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458811A CN110458811A (zh) | 2019-11-15 |
| CN110458811B true CN110458811B (zh) | 2020-10-23 |
Family
ID=68482960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910657859.2A Active CN110458811B (zh) | 2019-07-20 | 2019-07-20 | 一种柔性材料超长幅切割轨迹自动提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458811B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111950230B (zh) * | 2020-08-20 | 2023-08-01 | 广东工业大学 | 一种柔性材料智能连续加工控制方法及设备 |
| CN112507404B (zh) * | 2020-11-06 | 2024-04-09 | 杭州爱科科技股份有限公司 | 一种无边界图像的可变切割轨迹生成方法 |
| CN112749482B (zh) * | 2020-12-25 | 2024-03-26 | 杭州爱科科技股份有限公司 | 柔性材料的v字型刀眼切割加工方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218827A (zh) * | 2013-03-21 | 2013-07-24 | 上海交通大学 | 基于形状传递联合分割和图匹配校正的轮廓跟踪方法 |
| CN104599267A (zh) * | 2015-01-04 | 2015-05-06 | 北京数码大方科技股份有限公司 | 切割轨迹生成方法及装置 |
| CN106774171A (zh) * | 2016-12-21 | 2017-05-31 | 嘉善中建钢结构安装有限公司 | 一种数控切割机cnc系统的设计方法 |
| CN107492096A (zh) * | 2017-08-03 | 2017-12-19 | 深圳市布易科技有限公司 | 一种实现数控裁床设备物料定位的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4207717B2 (ja) * | 2003-08-26 | 2009-01-14 | 株式会社日立製作所 | 個人認証装置 |
-
2019
- 2019-07-20 CN CN201910657859.2A patent/CN110458811B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218827A (zh) * | 2013-03-21 | 2013-07-24 | 上海交通大学 | 基于形状传递联合分割和图匹配校正的轮廓跟踪方法 |
| CN104599267A (zh) * | 2015-01-04 | 2015-05-06 | 北京数码大方科技股份有限公司 | 切割轨迹生成方法及装置 |
| CN106774171A (zh) * | 2016-12-21 | 2017-05-31 | 嘉善中建钢结构安装有限公司 | 一种数控切割机cnc系统的设计方法 |
| CN107492096A (zh) * | 2017-08-03 | 2017-12-19 | 深圳市布易科技有限公司 | 一种实现数控裁床设备物料定位的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 复杂三维钣金件激光切割路径智能规划及工艺研究;柴青;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20190115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458811A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458811B (zh) | 一种柔性材料超长幅切割轨迹自动提取方法 | |
| US7809189B2 (en) | Method for image separating | |
| CN108335309B (zh) | 基于图像的条纹布料检测定位裁剪方法及其系统和存储介质 | |
| JPH10191020A (ja) | 被写体画像切出し方法及び装置 | |
| JP2007517280A (ja) | パターンをデジタル化するためのシステムと方法 | |
| CN111077844B (zh) | 一种基于实测数据特征引导的零件精确加工方法 | |
| TWI709085B (zh) | 用於對車輛損傷影像進行損傷分割的方法、裝置、電腦可讀儲存媒體和計算設備 | |
| CN106020745B (zh) | 基于人脸识别的3d打印路径生成方法和装置 | |
| CN108564573B (zh) | 面向鲅鱼切段机的鱼头鱼尾图像自动识别方法 | |
| CN111695431A (zh) | 一种人脸识别方法、装置、终端设备及存储介质 | |
| DE3312050A1 (de) | Verfahren zum herstellen einer photographischen maske | |
| CN107067399A (zh) | 一种试卷图像分割处理方法 | |
| CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
| US6178264B1 (en) | Image cutout method and apparatus | |
| CN110288531B (zh) | 一种辅助操作人员制作标准身份证相片的方法及工具 | |
| US20020051009A1 (en) | Method and apparatus for extracting object from video image | |
| CN113435412B (zh) | 一种基于语义分割的水泥布料区域检测方法 | |
| CN109285166B (zh) | 基于全卷积网络的交叠、粘连染色体自动分割方法 | |
| CN112581487A (zh) | 自动提取检测区域及定位核的方法 | |
| CN112085726A (zh) | 皮料识别方法、装置、系统及计算机可读存储介质 | |
| CN111461230A (zh) | 一种基于牙科stl模型和二维图像配准的牙模分类识别方法 | |
| JP3967400B2 (ja) | 物体認識装置 | |
| CN113257392B (zh) | 一种超声机普适外接数据自动预处理方法 | |
| CN115908459B (zh) | 一种图像分割方法、装置、计算机设备和可读存储介质 | |
| CN116129456B (zh) | 一种产权权属信息识别录入方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |