CN111651622A - 一种基于三维成像的建筑用铝模板自动分类系统及其方法 - Google Patents
一种基于三维成像的建筑用铝模板自动分类系统及其方法 Download PDFInfo
- Publication number
- CN111651622A CN111651622A CN202010472606.0A CN202010472606A CN111651622A CN 111651622 A CN111651622 A CN 111651622A CN 202010472606 A CN202010472606 A CN 202010472606A CN 111651622 A CN111651622 A CN 111651622A
- Authority
- CN
- China
- Prior art keywords
- aluminum template
- classification
- model
- dimensional
- data
- 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
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 175
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003384 imaging method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 80
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 62
- 238000013145 classification model Methods 0.000 claims description 31
- 238000013500 data storage Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011960 computer-aided design Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000013475 authorization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 6
- 238000011084 recovery Methods 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于三维成像的建筑用铝模板自动分类系统及其方法,包括用于建筑用铝模板识别分类、模型库的构建和管理系统,现场检测系统包括用于传送铝模板的输送装置、用于检测铝模板到位的检测开关、三维图像采集装置和现场处理器,现场处理器分别与检测开关和三维图像采集装置相连接。本发明方法简单、操作简易,实现高速高效、无接触式对铝模板进行自动分类,满足自动化生产,解决了传统人工对铝模板进行类别校验,提高分类误识别率,减轻人工劳动强度,降低分类出错率;能够实时在线对铝模板的所属类别进行检测,为铝模板的生产、仓储、配货、运输、使用、回收等环节提供支撑。
Description
技术领域
本发明涉及一种自动分类系统,具体涉及一种基于三维成像的建筑用铝模板自动分类系统与方法,主要应用于建筑用铝模板的生产、仓储、配货、运输、使用、回收等过程中各个需要进行自动分类的工艺环节,为建筑用铝模板生产加工的自动化升级改造提供支撑,属于建筑技术领域。
背景技术
通常来说,随着建筑行业对可重复利用铝模板的应用的需求,由于产品种类、规格众多并且数量较大,在铝模板生产、仓储、配货、运输、使用、回收等环节,产业自动化升级改造需求逐渐凸显,实现铝模板的自动分类对实现该行业自动化程度的提升具有重要意义。
目前在建筑用铝模板的各个流通环节中,主要是采用人工清点记录数据的方式进行管控,由于种类繁多、数量较大,导致工作效率较低,出错率较高。一些厂家对自动分类进行了研究和应用探索,主要采用的技术手段是安装RFID 标签或者在铝模板表面粘贴或打印条码和字符,但在实际应用中均存在一些缺点,如:成本增加;反射和屏蔽等效应影响实际读写率、可靠性等;另外采用 RFID无法承受翻新过程中的高温烤漆环节;使用环境恶劣,磕碰、水泥覆盖都会影响识别效果。
为了解决建筑用铝模板自动分类需求,满足自动化生产的需要,减轻人工劳动强度,降低分类出错率。研制一种高速高效、无接触式的一种基于三维成像的建筑用铝模板自动分类系统及其方法是解决上述技术问题的关键所在。
发明内容
针对上述背景技术中描述的人工分类效率较低,出错率较高等诸多缺陷与不足,本发明对此进行了改进和创新,目的在于提供一种能够实现高速高效、无接触式的建筑用铝模板自动识别分类系统达到自动分类,满足自动化生产,减轻人工劳动强度,降低建筑用铝模板自动分类出错率的一种基于三维成像的建筑用铝模板自动分类系统及其方法。
本发明另一个发明目的是为了发明提供一种基于预先构建的建筑用铝模板识别分类模型库和采集的铝模板三维图像,通过识别分类算法程序得到铝模板分类信息的检测系统。能够实时在线对铝模板的所属类别进行检测,从而为铝模板的生产、仓储、配货、运输、使用、回收等环节提供支撑,实现最大限度的减轻操作人员劳动强度,同时提高工作效率。
为解决上述问题并达到上述的发明目的,本发明一种基于三维成像的建筑用铝模板自动分类系统与方法是通过采用下列的设计结构以及采用下列的技术方案来实现的:
作为本发明一种基于三维成像的建筑用铝模板自动分类系统及其方法的改进,包括用于建筑用铝模板(3)识别分类、模型库构建和管理的模型库管理系统(1)和用于现场检测分类工作的现场检测系统(2),其中,所述模型库管理系统(1)包括数据获取模块(11)、模型生成模块(12)、模型数据存储模块(13) 和权限管理模块(14);所述现场检测系统(2)包括用于传送铝模板(3)的输送装置(21)、用于检测铝模板(3)的检测开关(22)、三维图像采集装置(23) 和现场处理器(24),现场处理器(24)分别与检测开关(22)和三维图像采集装置(23)相连接。
作为本发明上述的改进,所述模型库管理系统(1)通过数据获取模块(11) 得到建筑用铝模板三维数据,模型生成模块(12)根据得到的三维数据提取铝模板各种特征并进行组合、打包,形成对应于这一类别铝模板(3)的分类模型,分类模型交由模型数据存储模块(13)保存并管理,且数据获取模块(11)和模型生成模块(12)以及模型数据存储模块(13)均是由权限管理模块(14) 进行统一授权管理。
作为本发明上述的进一步改进,所述模型生成模块(11)通过自动分析和人工选取的方式提取铝模板三维数据中的各种典型特征,并组合、打包得到分类模型;所述模型生成模块(12)通过深度学习、AI方式对铝模板三维数据进行训练、分析,形成分类模型;
所述数据获取模块(11)通过人工导入或者是通过三维图像采集装置(23) 获取的数据转化处理后保存到模型数据存储模块(13)中。
作为本发明上述的更进一步改进,所述模型库管理系统(1)和所述现场检测系统(2)通过网络、文件方式进行数据交换;所述模型库管理系统(1)部署到现场处理器(24)中,实现单机应用;所述现场处理器(24)计算机或者视觉控制器。
作为本发明上述的又进一步改进,所述模型数据存储模块(13)完成构建好的各种类别铝模板分类模型的存储,并提供增、删、查、改、导入、导出等管理功能;所述权限管理模块(14)还提供完备的用户权限管理,使其保证模型库数据安全可靠。
作为本发明上述的再进一步改进,所述模型库管理系统(1)部署于云端、私有服务器或本地处理器;
所述现场检测系统(2)部署在需要对铝模板(3)进行分类的生产现场,从模型库管理系统(1)获取待分类铝模板模型集合,当检测开关(22)检测到铝模板(3)通过时,三维图像采集装置(23)获取装置采集铝模板三维图像并输出至现场处理器(24),现场处理器(24)中的算法程序基于采集到的三维图像和待分类铝模板模型集合进行分类判别,给出与待分类铝模板模型集合中最为接近的类别,并以IO或数据通信的方式输出铝模板分类判别结果,最后分类出的铝模板通过输送装置(21)输送到指定位置。
作为本发明上述的再更进一步改进,所述三维图像采集装置(23)采用激光扫描、3D相机或是能够获取到三维图像的相应设备,三维图像采集装置(23) 根据检测开关(22)输出的信号,当铝模板(3)通过时,采集三维图像并输出至现场处理器(24),现场处理器(24)中具有三维图像转换功能,并将不同三维图像采集装置(23)输出的三维图像转换至模型库管理系统(1)和现场检测系统(2)所支持的数据格式。
作为本发明上述的又再更进一步改进,一种基于三维成像的建筑用铝模板自动分类方法,还包括以下步骤:
S1,使用模型库管理系统(1)导入铝模板(3)的CAD、三维图等设计文件或者三维图像采集装置(23)获取到的铝模板(3)三维数据,模型库管理系统 (1)将三维数据转换为带高度信息的图像,在该图像中行、列的数值为x,y 坐标值,各像素点的灰度值为高度值,通过自动分析和人工选取的方式提取铝模板三维数据中的各种典型特征,并组合、打包得到分类模型;
S2,逐一处理待分类铝模板,完成铝模板(3)识别分类模型库构建;
S3,将铝模板识别分类模型库导入现场检测系统(2),启动检测功能;
S4,检测时,当铝模板(3)进入输送装置(21)检测区域时,检测开关(22) 发出信号物料已到达输送装置(21)检测区域位置的信号;
S5,随着铝模板(3)在输送装置(21)顶部的检测区域运动,三维图像采集装置(23)完成三维图像采集并发送至现场处理器(24),运行在现场处理器(24)中的程序对铝模板(3)进行分类检测;
S6,分类检测后得出的铝模板(3)分类结果以IO或数据通信的方式输出至信息系统或后续处理设备,之后铝模板(3)的分类结束。
作为本发明上述的又再更加进一步改进,在S4中,所述检测开关(22)为光电开关;在S5中,所述三维图像采集装置(23)为线激光3D相机。
作为本发明上述的还更加进一步改进,在S4中,铝模板(3)的分类检测步骤为,
步骤一,将三维图像转换为高度图像,即G(x,y)=H(x,y),其中,x, y为点坐标,对应实际位置,G为图像灰度值,H为相应点的高度值,0即为输送装置(2)的表面;
步骤二,按照特定阈值对高度图像进行二值化后提取铝模板(3)的边缘,根据边缘判别其形状类别及长、宽、高等数据,并通过裁剪、变换操作得到包含铝模板(3)高度信息的图像。阈值的选取可以根据铝模板材料厚度按一定比例选取,二值化计算方法为:
其中:x,y为坐标点,G为图像灰度值,T为阈值,B为二值化图像相应点的值;
步骤三,根据检测得到的铝模板形状类别和长、宽、高信息检索识别分类模型库,逐步缩小匹配的模型集合;
步骤四,根据匹配的模型集合中的后续特征点信息包含铝模板(3)的高度图像中逐一进行重建、匹配和比对操作,特征点吻合程度最高的分类模型即为分类结果。
工作原理:本发明一种基于三维成像的建筑用铝模板自动分类系统及其方法,分类系统在工作之前,通过检测开关(22)的信号,启动现场检测系统(2) 运行工作,工作时,当输送装置(21)上的铝模板(3)输送至三维图像采集装置(23)时,三维图像采集装置(23)对每个铝模板(3)进行图像及3D数据采集,并上传至现场处理器(24),现场处理器(24)收集、规整数据后通过有线或无线信号传输给模型库管理系统(1),模型库管理系统(1)中的权限管理模块(14)接收到数据后先存储至模型数据存储模块(13)中,随后数据获取模块(11)从模型数据存储模块(13)调取数据,调取的数据经过模型生成模块(12)处理,即由模型生成模块(12)生成数据体现出铝模板(3)的形状,最后,权限管理模块(14)根据生成的铝模板模型,从模型数据存储模块(13)中调取预存的模型进行匹配,当匹配成功后,权限管理模块(14)将数据信号反馈给现场操作系统,即现场处理器(24),现场处理器(24)根据处理信号控制输送装置(21)及挑选归类设备自动规整,把不同型号、种类的铝模板(3)分别输送至与之对应的存贮点位置,完成铝模板(3)自动分类工作。
在本实施例中,输送装置(21)、检测开关(22)和三维图像采集装置 (23)以及现场处理器(24)组成现场检测系统(2),模型库管理系统(1) 部署在现场处理器(24)上,铝模板(3)在输送装置(21)上运送。
具体的实施流程是:构建模型数据库→模型数据库进行分类→调试该设备→打开检测开关启动检测功能→物料进入检测区→三维图像采集装置对物料进行信息采集,并将采集的信号返回现场处理器→现场处理器对接收到的信息进行分类比对判断,得出分类结果→分类结果以IO或数据通信的方式输出至信息系统或后续处理设备。
本发明与现有技术相比所产生的有益效果有:
1、本发明通过铝模板三维图像进行识别分类,应用于建筑用铝模板的生产、仓储、配货、运输、使用、回收等过程中各个需要进行自动分类的工艺环节,为建筑用铝模板加工行业自动化升级改造提供支撑;
2、本发明方法简单、操作简易,实现高速高效、无接触式的对铝模板进行自动分类,满足自动化生产,减轻人工劳动强度,降低分类出错率;
3、本发明解决了传统人工对铝模板进行类别校验、分类误识别率及无法识别率较高的难题,同时本发明自动分类系统成本较低、可靠性高、易于实现、实用性强;
4、本发明能够实时在线对铝模板的所属类别进行检测,从而为铝模板的生产、仓储、配货、运输、使用、回收等环节提供支撑,实现最大限度的减轻操作人员劳动强度的同时也提高了工作效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,其中:
图1是本发明的系统结构构成原理框图;
图2是本发明的铝模板三维特征示意图;
图3是本发明的实施例结构示意图;
其中,图中标号:1—模型库管理系统,11—数据获取模块,12—模型生成模块,13—模型数据存储模块,14—权限管理模块;
2—现场检测系统,21—输送装置,22—检测开关,23—三维图像采集装置,24—现场处理器;
3—铝模板。
具体实施方式
为了使本发明实现的技术手段、创造特征、达成目的与功效易于明白了解,下面结合附图以及具体实施方式对本发明的技术方案作更进一步详细的说明,需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如说明书附图1至说明书附图3所示的一种基于三维成像的建筑用铝模板自动分类系统,它包括用于建筑用铝模板3识别分类、模型库的构建和管理的模型库管理系统1和用于现场检测分类工作的现场检测系统2,其中,模型库管理系统1包括数据获取模块11、模型生成模块12、模型数据存储模块13和权限管理模块14;现场检测系统2包括用于传送铝模板3的输送装置21、用于检测铝模板3的检测开关22、三维图像采集装置23和现场处理器24,现场处理器24分别与检测开关22和三维图像采集装置23相连接。
进一步的,模型库管理系统1通过数据获取模块11得到建筑用铝模板三维数据,模型生成模块12根据得到的三维数据提取铝模板各种特征并进行组合、打包,形成对应于这一类别铝模板3的分类模型,分类模型交由模型数据存储模块13保存并管理,且数据获取模块11和模型生成模块12以及模型数据存储模块13均是由权限管理模块14进行统一授权管理。
具体的,模型生成模块11通过自动分析和人工选取的方式提取铝模板三维数据中的各种典型特征,并组合、打包得到分类模型;模型生成模块12通过深度学习、AI方式对铝模板三维数据进行训练、分析,形成分类模型;
数据获取模块11通过人工导入或者是通过三维图像采集装置23获取的数据转化处理后保存到模型数据存储模块13中。
进一步的,模型库管理系统1和现场检测系统2通过网络、文件方式进行数据交换;模型库管理系统1部署到现场处理器24中,实现单机应用;现场处理器24计算机或者视觉控制器。
进一步的,模型数据存储模块13完成构建好的各种类别铝模板分类模型的存储,并提供增、删、查、改、导入、导出等管理功能;权限管理模块14还提供完备的用户权限管理,使其保证模型库数据安全可靠。
进一步的,模型库管理系统1部署于云端、私有服务器或本地处理器;
现场检测系统2部署在需要对铝模板3进行分类的生产现场,从模型库管理系统1获取待分类铝模板模型集合,当检测开关22检测到铝模板3通过时,三维图像采集装置23获取装置采集铝模板三维图像并输出至现场处理器24,现场处理器24中的算法程序基于采集到的三维图像和待分类铝模板模型集合进行分类判别,给出与待分类铝模板模型集合中最为接近的类别,并以IO或数据通信的方式输出铝模板分类判别结果,最后分类出的铝模板通过输送装置21输送到指定位置。
进一步的,三维图像采集装置23采用激光扫描、3D相机或是能够获取到三维图像的相应设备,三维图像采集装置23根据检测开关22输出的信号,当铝模板3通过时,采集三维图像并输出至现场处理器24,现场处理器24中具有三维图像转换功能,并将不同三维图像采集装置23输出的三维图像转换至模型库管理系统1和现场检测系统2所支持的数据格式。
一种基于三维成像的建筑用铝模板自动分类方法,还包括以下步骤:
S1,使用模型库管理系统1导入铝模板3的CAD、三维图等设计文件或者三维图像采集装置23获取到的铝模板3三维数据,模型库管理系统1将三维数据转换为高度图像,该高度图像中行、列为x,y坐标的值,各像素点的图像值为高度值,通过自动分析和人工选取的方式提取铝模板三维数据中的各种典型特征,并组合、打包得到分类模型;
本发明S1中,某类铝模板分类模型数据描述方式示例如下:
S2,逐一处理待分类铝模板,完成铝模板3识别分类模型库构建;
S3,将铝模板识别分类模型库导入现场检测系统2,启动检测功能;
S4,检测时,当铝模板3进入输送装置21检测区域时,检测开关22发出信号物料已到达输送装置21检测区域位置的信号;
S5,随着铝模板3在输送装置21顶部的检测区域运动,三维图像采集装置 23完成三维图像采集并发送至现场处理器24,运行在现场处理器24中的程序对铝模板3进行分类检测;
S6,分类检测后得出的铝模板3分类结果以IO或数据通信的方式输出至信息系统或后续处理设备,结束铝模板3的分类。
具体的,在S4中,检测开关22为光电开关;在S5中,三维图像采集装置 23为线激光3D相机。
还具体的,在S4中,铝模板3的分类检测步骤为,
步骤一,将三维图像转换为高度图像,即Gx,y=Hx,y,其中,x,y为点坐标,对应实际位置,G为图像灰度值,H为相应点的高度值,0即为输送装置 2表面;
步骤二,按照特定阈值对高度图像进行二值化后提取铝模板6的边缘,根据边缘判别其形状类别及长、宽、高等数据,并通过裁剪、变换操作得到仅包含铝模板6的高度图像。阈值的选取可以根据铝模板材料厚度按一定比例选取,二值化计算方法为:
其中,x,y为点坐标,G为图像灰度值,T为阈值,B为二值化图像相应点的值;
步骤三,根据检测得到的铝模板形状类别和长宽高信息检索识别分类模型库,逐步缩小匹配的模型集合;
步骤四,根据匹配的模型集合中的后续特征点信息在仅包含铝模板3的高度图像中逐一进行重建、匹配和比对操作,特征点吻合程度最高的分类模型即为分类结果。
综上,本发明更为具体的实施方式是:
本发明一种基于三维成像的建筑用铝模板自动分类系统在工作之前,通过检测开关22的信号,启动现场检测系统2运行工作,工作时,当输送装置21 上的铝模板3输送至三维图像采集装置23时,三维图像采集装置23对每个铝模板3进行图像及3D数据采集,并上传至现场处理器24,现场处理器24收集、规整数据后通过有线或无线信号传输给模型库管理系统1,模型库管理系统1 中的权限管理模块14接收到数据后先存储至模型数据存储模块13中,随后数据获取模块11从模型数据存储模块13调取数据,调取的数据经过模型生成模块12处理,即由模型生成模块12生成数据体现出铝模板3的形状,最后,权限管理模块14根据生成的铝模板模型,从模型数据存储模块13中调取预存的模型进行匹配,当匹配成功后,权限管理模块14将数据信号反馈给现场操作系统,即现场处理器24,现场处理器24根据处理信号控制输送装置21及挑选归类设备自动规整,把不同型号、种类的铝模板3分别输送至与之对应的存贮点位置,完成铝模板3自动分类工作。
在本实施例中,输送装置21、检测开关22和三维图像采集装置23以及现场处理器24组成现场检测系统2,模型库管理系统1部署在现场处理器24上,铝模板3在输送装置21上运送。
具体的实施流程是:构建模型数据库→模型数据库进行分类→调试该设备→打开检测开关启动检测功能→物料进入检测区→三维图像采集装置对物料进行信息采集,并将采集的信号返回现场处理器→现场处理器对接收到的信息进行分类比对判断,得出分类结果→分类结果以IO或数据通信的方式输出至信息系统或后续处理设备。
以上对本发明所提供的进行了详细介绍,本文中对本发明的原理进行了描述,以上工作原理的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于三维成像的建筑用铝模板自动分类系统及其方法,其特征在于:系统包括用于建筑用铝模板(3)的识别分类、模型库的构建和管理的模型库管理系统(1)和用于现场检测分类工作的现场检测系统(2),其中,所述模型库管理系统(1)包括数据获取模块(11)、模型生成模块(12)、模型数据存储模块(13)和权限管理模块(14);所述现场检测系统(2)包括用于传送铝模板(3)的输送装置(21)、用于检测铝模板(3)的检测开关(22)、三维图像采集装置(23)和现场处理器(24),现场处理器(24)分别与检测开关(22)和三维图像采集装置(23)相连接。
2.根据权利要求1所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:所述模型库管理系统(1)通过数据获取模块(11)得到建筑用铝模板(3)的三维数据,模型生成模块(12)根据得到的三维数据提取铝模板各种特征并进行组合、打包,形成相对应的铝模板(3)的分类模型,分类模型交由模型数据存储模块(13)保存并管理,且数据获取模块(11)和模型生成模块(12)以及模型数据存储模块(13)均由权限管理模块(14)进行统一授权管理。
3.根据权利要求2所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:所述数据获取模块(11)通过自动分析和人工选取的方式提取铝模板三维数据中的各种典型特征,并组合、打包得到分类模型;所述模型生成模块(12)通过深度学习、AI方式对铝模板三维数据进行训练、分析,形成分类模型;
所述数据获取模块(11)将通过人工导入或者三维图像采集装置(23)获取的数据转化处理后保存到模型数据存储模块(13)中。
4.根据权利要求1所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:所述模型库管理系统(1)和所述现场检测系统(2)通过网络、文件方式进行数据交换;所述模型库管理系统(1)部署到现场处理器(24)中,实现单机应用;所述现场处理器(24)计算机或者视觉控制器。
5.根据权利要求1所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:所述模型数据存储模块(13)完成构建好的各种类别铝模板分类模型的存储,并提供增、删、查、改、导入、导出等管理功能;所述权限管理模块(14)还提供完备的用户权限管理,使其保证模型库数据安全可靠。
6.根据权利要求1所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:所述模型库管理系统(1)部署于云端、私有服务器或本地处理器;
所述现场检测系统(2)部署在需要对铝模板(3)进行分类的生产现场,从模型库管理系统(1)获取待分类铝模板模型集合,当检测开关(22)检测到铝模板(3)通过时,三维图像采集装置(23)获取装置采集铝模板三维图像并输出至现场处理器(24),现场处理器(24)中的算法程序基于采集到的三维图像和待分类铝模板模型集合进行分类判别,给出与待分类铝模板模型集合中最为接近的类别,并以IO或数据通信的方式输出铝模板分类判别结果,最后分类出的铝模板通过输送装置(21)输送到指定位置。
7.根据权利要求1所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:所述三维图像采集装置(23)采用激光扫描、3D相机或能够获取三维图像的相应设备,三维图像采集装置(23)根据检测开关(22)输出信号,当铝模板(3)通过时,采集三维图像并输出至现场处理器(24),现场处理器(24)中具有三维图像转换功能,并将不同三维图像采集装置(23)输出的三维图像转换至模型库管理系统(1)和现场检测系统(2)所支持的数据格式。
8.一种基于三维成像的建筑用铝模板自动分类方法,其特征在于:还包括以下步骤:
S1,使用模型库管理系统(1)导入铝模板(3)的CAD、三维图等设计文件或者三维图像采集装置(23)获取到的铝模板(3)三维数据,模型库管理系统(1)将三维数据转换为带高度信息的图像,在该图像中行、列的数值为x,y坐标值,各像素点的灰度值为高度值,通过自动分析和人工选取的方式提取铝模板三维数据中的各种典型特征,并组合、打包得到分类模型;
S2,逐一处理待分类铝模板,完成铝模板(3)识别分类模型库构建;
S3,将铝模板识别分类模型库导入现场检测系统(2),启动检测功能;
S4,检测时,当铝模板(3)进入输送装置(21)检测区域时,检测开关(22)发出信号物料已到达输送装置(21)检测区域位置的信号;
S5,随着铝模板(3)在输送装置(21)顶部的检测区域运动,三维图像采集装置(23)完成三维图像采集并发送至现场处理器(24),运行在现场处理器(24)中的程序对铝模板(3)进行分类检测;
S6,分类检测后得出的铝模板(3)分类结果以IO或数据通信的方式输出至信息系统或后续处理设备,之后铝模板(3)的分类结束。
9.根据权利要求8所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:在S4中,所述检测开关(22)为光电开关;在S5中,所述三维图像采集装置(23)为线激光3D相机。
10.根据权利要求8所述的一种基于三维成像的建筑用铝模板自动分类系统,其特征在于:在S4中,铝模板(3)的分类检测步骤:
步骤一,将三维图像转换为高度图像,即G(x,y)=H(x,y),其中,x,y为点坐标,对应实际位置,G为图像灰度值,H为相应点的高度值,0即为输送装置(2)的表面;
步骤二,按照特定阈值对高度图像进行二值化后提取铝模板(3)的边缘,根据边缘判别其形状类别及长、宽、高等数据,并通过裁剪、变换操作得到包含铝模板(3)高度信息的图像。阈值的选取可以根据铝模板材料厚度按一定比例选取,二值化计算方法为:
其中:x,y为坐标点,G为图像灰度值,T为阈值,B为二值化图像相应点的值;
步骤三,根据检测得到的铝模板形状类别和长、宽、高信息检索识别分类模型库,逐步缩小匹配的模型集合;
步骤四,根据匹配的模型集合中的后续特征点信息包含铝模板(3)的高度图像中逐一进行重建、匹配和比对操作,特征点吻合程度最高的分类模型即为分类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472606.0A CN111651622B (zh) | 2020-05-29 | 2020-05-29 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472606.0A CN111651622B (zh) | 2020-05-29 | 2020-05-29 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111651622A true CN111651622A (zh) | 2020-09-11 |
CN111651622B CN111651622B (zh) | 2023-11-24 |
Family
ID=72343049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010472606.0A Active CN111651622B (zh) | 2020-05-29 | 2020-05-29 | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111651622B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182277A (zh) * | 2020-11-09 | 2021-01-05 | 成都优查科技有限公司 | 一种图像处理技术匹配铝模板的方法 |
CN113283848A (zh) * | 2021-07-21 | 2021-08-20 | 湖北浩蓝智造科技有限公司 | 一种货物入库检测方法、仓储入库系统及存储介质 |
CN113379933A (zh) * | 2021-07-01 | 2021-09-10 | 南通市紫日机械有限公司 | 一种基于人工智能的金属板材自动化加工系统 |
CN113418447A (zh) * | 2021-06-21 | 2021-09-21 | 深圳市汤古科技有限公司 | 基于测量光幕的铝模板参数识别方法、装置、电子设备及介质 |
CN113566736A (zh) * | 2021-07-27 | 2021-10-29 | 西南科技大学 | 一种基于多路线激光扫描的铝模板识别检测装置及其识别方法 |
CN113701821A (zh) * | 2021-09-01 | 2021-11-26 | 西南科技大学 | 一种基于局部特征的建筑铝模板识别结构及其方法 |
CN114719791A (zh) * | 2022-03-23 | 2022-07-08 | 江苏大中电机股份有限公司 | 基于图像处理的电机闭口槽冲片的平整度测量方法 |
CN117890214A (zh) * | 2024-03-14 | 2024-04-16 | 西安汉华建筑实业有限公司 | 一种基于机器视觉的铝模板质检检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130156329A1 (en) * | 2011-12-16 | 2013-06-20 | Microsoft Corporation | Object identification using 3-d curve matching |
CN107578477A (zh) * | 2017-09-11 | 2018-01-12 | 南京大学 | 一种三维模型部件的自动检测方法 |
US20180240243A1 (en) * | 2017-02-23 | 2018-08-23 | Adobe Systems Incorporated | Segmenting three-dimensional shapes into labeled component shapes |
CN108917593A (zh) * | 2018-05-14 | 2018-11-30 | 南京工业大学 | 一种基于待测工件基元组态的智能测量系统及方法 |
CN110689607A (zh) * | 2019-09-18 | 2020-01-14 | 山东新汉唐数据科技有限公司 | 图纸识别和三维建模的系统、方法、计算机可读存储介质及设备 |
-
2020
- 2020-05-29 CN CN202010472606.0A patent/CN111651622B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130156329A1 (en) * | 2011-12-16 | 2013-06-20 | Microsoft Corporation | Object identification using 3-d curve matching |
US20180240243A1 (en) * | 2017-02-23 | 2018-08-23 | Adobe Systems Incorporated | Segmenting three-dimensional shapes into labeled component shapes |
CN107578477A (zh) * | 2017-09-11 | 2018-01-12 | 南京大学 | 一种三维模型部件的自动检测方法 |
CN108917593A (zh) * | 2018-05-14 | 2018-11-30 | 南京工业大学 | 一种基于待测工件基元组态的智能测量系统及方法 |
CN110689607A (zh) * | 2019-09-18 | 2020-01-14 | 山东新汉唐数据科技有限公司 | 图纸识别和三维建模的系统、方法、计算机可读存储介质及设备 |
Non-Patent Citations (1)
Title |
---|
张开兴;张树生;刘贤喜;: "三维CAD模型检索技术研究现状与发展分析" * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182277A (zh) * | 2020-11-09 | 2021-01-05 | 成都优查科技有限公司 | 一种图像处理技术匹配铝模板的方法 |
CN113418447A (zh) * | 2021-06-21 | 2021-09-21 | 深圳市汤古科技有限公司 | 基于测量光幕的铝模板参数识别方法、装置、电子设备及介质 |
CN113418447B (zh) * | 2021-06-21 | 2023-08-08 | 深圳市汤古科技有限公司 | 基于测量光幕的铝模板参数识别方法、装置、电子设备及介质 |
CN113379933A (zh) * | 2021-07-01 | 2021-09-10 | 南通市紫日机械有限公司 | 一种基于人工智能的金属板材自动化加工系统 |
CN113283848A (zh) * | 2021-07-21 | 2021-08-20 | 湖北浩蓝智造科技有限公司 | 一种货物入库检测方法、仓储入库系统及存储介质 |
CN113566736A (zh) * | 2021-07-27 | 2021-10-29 | 西南科技大学 | 一种基于多路线激光扫描的铝模板识别检测装置及其识别方法 |
CN113701821A (zh) * | 2021-09-01 | 2021-11-26 | 西南科技大学 | 一种基于局部特征的建筑铝模板识别结构及其方法 |
CN113701821B (zh) * | 2021-09-01 | 2024-03-05 | 西南科技大学 | 一种基于局部特征的建筑铝模板识别结构及其方法 |
CN114719791A (zh) * | 2022-03-23 | 2022-07-08 | 江苏大中电机股份有限公司 | 基于图像处理的电机闭口槽冲片的平整度测量方法 |
CN114719791B (zh) * | 2022-03-23 | 2022-11-01 | 江苏大中电机股份有限公司 | 基于图像处理的电机闭口槽冲片的平整度测量方法 |
CN117890214A (zh) * | 2024-03-14 | 2024-04-16 | 西安汉华建筑实业有限公司 | 一种基于机器视觉的铝模板质检检测方法 |
CN117890214B (zh) * | 2024-03-14 | 2024-06-04 | 西安汉华建筑实业有限公司 | 一种基于机器视觉的铝模板质检检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111651622B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111651622A (zh) | 一种基于三维成像的建筑用铝模板自动分类系统及其方法 | |
WO2021017233A1 (zh) | 一种使用平面检测的自动分拣的方法 | |
CN110705666A (zh) | 人工智能云计算展示架货架货物和标签监控与存储货物方法 | |
CN105426530A (zh) | 一种商标检索方法、装置和系统 | |
CN110008909A (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN103996102A (zh) | 一种集装箱箱体查验方法 | |
CN109087048A (zh) | 基于二维码的装配式建筑构件追踪方法 | |
CN108627520A (zh) | 一种非均质固体材料外观质量的在线检测系统和方法 | |
CN105574161A (zh) | 一种商标图形要素识别方法、装置和系统 | |
CN115457591A (zh) | 一种电网厂站主接线图拓扑关系的识别方法 | |
CN116993923A (zh) | 换流站三维模型制作方法、系统、计算机设备和存储介质 | |
Sommer et al. | Automated generation of a digital twin of a manufacturing system by using scan and convolutional neural networks | |
CN110502605B (zh) | 基于人工智能技术的电力资产lcc成本归集系统 | |
CN112218044A (zh) | 一种具有安检人工智能识别功能的分析系统及分析方法 | |
CN111382710A (zh) | 一种基于图像识别的图纸比对方法 | |
CN116541912A (zh) | 一种基于cad图像识别生成接线图的方法及装置 | |
CN113920055A (zh) | 一种缺陷检测方法 | |
CN113409392A (zh) | 一种反光工件的6DoF位姿估计方法 | |
CN113487298A (zh) | 用于码头的自动化远程理货管控方法、系统及终端 | |
CN111709991A (zh) | 一种铁路工机具的检测方法、系统、装置和存储介质 | |
KR20240077338A (ko) | 화물 및 파손의 이미지를 별도로 인식하여 화물의 파손 여부를 판단하는 방법 및 장치 | |
KR102642446B1 (ko) | 파손에 따른 화물 분류를 위한 송장 마스킹 적용 이미지 증강 방법 및 장치 | |
CN117726239B (zh) | 工程质量验收实测实量方法及系统 | |
KR102634031B1 (ko) | 운송사 식별이 가능한 범용 송장 인식기와 이를 활용한 화물 정보 수집 방법 및 시스템 | |
CN109934528A (zh) | 一种用于物料拣选的数字化辅助系统及其控制方法 |
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 |