CN112288820B - 规则物体的轮廓计算方法、装置、设备及存储介质 - Google Patents
规则物体的轮廓计算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112288820B CN112288820B CN202011591970.5A CN202011591970A CN112288820B CN 112288820 B CN112288820 B CN 112288820B CN 202011591970 A CN202011591970 A CN 202011591970A CN 112288820 B CN112288820 B CN 112288820B
- Authority
- CN
- China
- Prior art keywords
- points
- calculating
- contour
- point
- edge points
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图形处理领域,公开了一种规则物体的轮廓计算方法、装置、设备及存储介质。该方法包括:获取测量的平面采集点集;根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;依次N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;基于Z个所述拟合直线方程的交点运算,生成所述规则物体的规则图形。
Description
技术领域
本发明涉及图形处理领域,尤其涉及一种规则物体的轮廓计算方法、装置、设备及存储介质。
背景技术
目前物流行业已经迈入到智能物流时代,大量的物流运输过程是通过智能机器人和智能系统完成卸货、码垛、运输,减少了人力物力的消耗,提高整个行业的运输效率,但是在完成智能运输的过程中,最初遇到的障碍就是对货物运输的识别问题,如何利用传感器扫描出整个货物轮廓,基于货物轮廓对货物进行抓取。
现有技术中,使用激光扫描来完成对整个轮廓的扫描,但是现有技术的扫描常常会出现识别异常的情况,由于货物的形状一般较为规则,因此在实现更高准确率的货物扫描识别是实际业务的需求。目前对货物的高度识别比较成熟,但是如何实现更高准确率的货物底面形状扫描成为一个需要解决的问题。
发明内容
本发明的主要目的在于解决现有技术中货物底面形状扫描准确率不足的技术问题。
本发明第一方面提供了一种规则物体的轮廓计算方法,包括步骤:
获取测量的平面采集点集;
根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
依次N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
基于Z个所述拟合直线方程的交点运算,生成所述规则物体的规则图形。
可选的,在本发明第一方面的第一种实现方式中,在所述取测量的平面采集点集之前,还包括:
对目标平台采集M次数据点,生成初始数据点集,其中,M为大于或等于6的正整数;
根据采集的顺序,提取出所述初始数据点集中顺序最先三次采集和顺序最后三次采集的数据点,生成平面采集点集。
可选的,在本发明第一方面的第二种实现方式中,所述平面采集点集包括:所述规则物体的运动方向,所述根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集包括:
根据所述运动方向,生成平面直角坐标系;
基于所述平面直角坐标系和预置第一夹角算法,计算所述平面采集点集中左边缘点,得到N个左边缘点;
基于所述平面直角坐标系和预置第二夹角算法,依次计算N个左边缘点对应的右边缘点,得到N个右边缘点;
基于N个所述左边缘点以及所述左边缘点对应的右边缘点,将所述平面采集点集的数据点进行划分,得到N个轮廓直线点集。
可选的,在本发明第一方面的第三种实现方式中,所述基于所述平面直角坐标系和预置第一夹角算法,计算所述平面采集点集中左边缘点,得到N个左边缘点包括:
依次读取所述平面采集点集中同时采集的数据点;
将所述数据点按照所述平面直角坐标系的坐标方向,依次选取三个测算点Pi、Pi+1、Pi+2,其中,i为正整数;
根据所述测算点Pi、Pi+1、Pi+2,生成方向向量Pi+1Pi和Pi+2Pi+1;
计算所述方向向量Pi+1Pi和所述方向向量Pi+2Pi+1之间的夹角,得到第一测算夹角;
判断所述第一测算夹角是否大于预置第一夹角阈值;
若大于,则将所述测算点Pi+2确认为左边缘点,并读取所述平面采集点集中其他同时采集的数据点,以便循环判断得到N个左边缘点。
可选的,在本发明第一方面的第四种实现方式中,所述基于所述平面直角坐标系和预置第二夹角算法,依次计算N个左边缘点对应的右边缘点,得到N个右边缘点包括:
基于所述平面直角坐标系的坐标反方向,依次读取N个左边缘点对应的四个测算点Pj、Pj+1、Pj+2和Pj+3;
根据所述测算点Pj、Pj+1、Pj+2和Pj+3,生成方向向量Pj+1Pj、Pj+2Pj+1、Pj+3Pj+2;
计算出所述方向向量Pj+1Pj和所述方向向量Pj+2Pj+1之间的夹角,得到第二测算夹角;
判断所述第二测算夹角是否大于预置第二夹角阈值;
若大于,则判断所述方向向量Pj+3Pj+2与所述坐标方向是否平行;
若平行,则将所述测算点Pj+1确认为右边缘点,并读取N个所述左边缘点对应同时测量的数据点,以便循环判断得到N个右边缘点。
可选的,在本发明第一方面的第五种实现方式中,所述依次N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到N个拟合直线方程包括:
选取所述轮廓直线点集内的6个数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6 ,生成方向向量Pa2Pa1、Pa3Pa2、Pa4Pa3、Pa5Pa4、Pa6Pa5;
计算所述方向向量Pa3Pa2与所述方向向量Pa2Pa1之间的差值、所述方向向量Pa4Pa3与所述方向向量Pa3Pa2之间的差值、所述方向向量Pa5Pa4与所述方向向量Pa4Pa3之间的差值、所述方向向量Pa6Pa5与所述方向向量Pa5Pa4之间的差值,得到斜率差值T1、T2、T3、T4;
将所述斜率差值T1、T2、T3、T4与预置斜率差值阈值进行比较,生成比较结果,并基于所述比较结果,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程。
可选的,在本发明第一方面的第六种实现方式中,所述将所述斜率差值T1、T2、T3、T4与预置斜率差值阈值进行比较,生成比较结果,并基于所述比较结果,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程包括:
依次判断所述斜率差值T1、T2、T3、T4是否大于所述斜率差值阈值,生成比较结果;
读取预置的树状图结构表,将所述比较结果与所述树状图结构表进行比对,获得数据点提取策略;
基于所述数据点提取策略,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程。
本发明第二方面提供了一种规则物体的轮廓计算装置,所述规则物体的轮廓计算装置包括:
获取模块,用于获取测量的平面采集点集;
判定模块,用于根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
拟合模块,用于依次N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
交点运算模块,用于基于Z个所述拟合直线方程的交点运算,生成所述规则物体的规则图形。
本发明第三方面提供了一种规则物体的轮廓计算设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述规则物体的轮廓计算设备执行上述的规则物体的轮廓计算方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的规则物体的轮廓计算方法。
附图说明
图1为本发明实施例中规则物体的轮廓计算方法的第一个实施例示意图;
图2为本发明实施例中规则物体的轮廓计算方法的第二个实施例示意图;
图3为本发明实施例中规则物体的轮廓计算方法的第三个实施例示意图;
图4为本发明实施例中规则物体的轮廓计算装置的一个实施例示意图;
图5为本发明实施例中规则物体的轮廓计算装置的另一个实施例示意图;
图6为本发明实施例中规则物体的轮廓计算设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种规则物体的轮廓计算方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中规则物体的轮廓计算方法的一个实施例包括:
101、获取测量的平面采集点集;
在本实施例中,平面采集是基于一条扫描直线,每次扫描获取480个采样点的数据,共采样超过6次,获取前3次拍照获取的采样点,以及获取后3次拍照获取的采样点,将采集到的平面采集点组合在一个矩阵中。
102、根据预置边缘判断算法,对平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
在本实施例中,对运动目标的完整测量次数定义为N。设定上表面四边斜率分别为k1, k2, k3和k4,以及偏移分别为b1, b2, b3和b4,则四边直线方程如图可以表示为:P1点与P4点边: y14 = k1 ∙ x14 + b1,P4点与P2点边: y42 = k4 ∙ x42 + b4,P2点与P3点边: y23 = k2 ∙ x23 + b2,P3点与P1点边: y31 = k3 ∙ x31 + b3。左边缘点的测量方式:选取单次测量值中的第P1、Pi+1和Pi+2个点组成比较组。计算向量pi+1pi,并计算向量pi+2pi,计算两向量夹角:
其中,xi为点Pi的横坐标,yi为点Pi的纵坐标。若夹角大于45度,则返回左边缘点Pi+2。
右边缘测量方式为:根据坐标方向取第pj、pj+1、pj+2和pj+3四个点组成比较组,计算向量Pj+1Pj,计算向量Pj+2Pj+1,计算向量pj+3pj+2,并计算向量Pj+1Pj和向量Pj+2Pj+1之间的夹角,计算公式为:
其中,xj为点Pj的横坐标,yj为点Pj的纵坐标。若夹角交底大于45度,且yj+3- yj+2=0,则确定pj+1为右边缘点。
103、依次N个轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
在本实施例中,Pa1、Pa2、Pa3、Pa4、Pa5、Pa6共有六个点的坐标,相邻斜率为Q1、Q2、Q3、Q4、Q5,依次计算相邻三点倾斜角差值:
SlopeDiff1=arctan{(X13-X12)/Y32}-arctan{(X12-X11)/Y21}
SlopeDiff2=arctan{(X14-X13)/Y43}-arctan{(X13-X12)/Y32}
SlopeDiff3=arctan{(X15-X14)/Y54}-arctan{(X14-X13)/Y43}
SlopeDiff4=arctan{(X16-X15)/Y65}-arctan{(X15-X14)/Y54}
其中,slopediff1为向量Q2与Q1之间的差值,slopediff2为向量Q3与Q2之间的差值,slopediff3为向量Q4与Q3之间的差值,slopediff5为向量Q5与Q4之间的差值,干扰点去除判据为:
<1> |SlopeDiff1|>0.1745且|SlopeDiff2|<=0.1745且|SlopeDiff3|<=0.1745且|SlopeDiff4|<=0.1745,则选择Pa3、Pa4、Pa5;
<2> |SlopeDiff1|>0.1745且|SlopeDiff2|>0.1745且|SlopeDiff3|<=0.1745且|SlopeDiff4|<=0.1745,则选择Pa1、Pa3、Pa4;
<3>|SlopeDiff1|>0.1745且|SlopeDiff2|>0.1745且|SlopeDiff3|>0.1745且|SlopeDiff4|<=0.1745,则选择Pa1、Pa4、Pa5;
<4>剩余所有情况选择Pa1、Pa2、Pa3。
分布将每条直线的三点组合输入最小二乘法流程如下:
1.获取和值
xsum=x1+ x2+ x3,ysum= y1+ y2+ y3
2.获取均值
xmean= xsum/3,ymean= ysum/3
3.获取x平方和
x2 sum=x2 1+ x2 2+ x2 3
4.获取xy乘积和
xysum=x1y1+ x2y2+ x3y3
5.拟合直线为
k=(3 *xysum-xsumysum)/(3* x2 sum - x2 sum),b=ymean-k* xmean
其中,x1、x2、x3分别为取出的三个点的横坐标,y1、y2、y3为取出的三个点的纵坐标。
104、基于Z个拟合直线方程的交点运算,生成规则物体的规则图形。
在本实施例中,计算和输出目标偏转角θ、长Lengthobj、宽Widthobj以及中心点坐标P,设置直线方程水平均值Xmean,
Xmean={(X21+ X22+ X23+ X41+ X42+ X43)-(X11+ X12+ X13+ X31+ X32+ X33)}/6
设置y42和y14夹角差θ14为θ14=|arctan(k4)-arctan(k1)-1.5707|
设置y31和y14夹角差θ31为θ31=|arctan(k3)-arctan(k1)-1.5707|
设置y31和y23夹角差θ23为θ23=|arctan(k2)-arctan(k3)-1.5707|
设置y23和y42夹角差θ34为θ34=|arctan(k3)-arctan(k4)-1.5707|
当任意直线方程斜率为零时,则判断目标有两边平行于激光线,目标无锐角偏转。
①当Xmean<=N*vt时,目标长边为N∙vt,宽边为 Xmean,长边平行Y轴,旋转180°,中心点坐标为{(X12+ X13 +X14 +X22 +X23 +X24)/6,N∙vt/2}
②当Xmean<=N*vt时,目标宽边为N∙vt,长边为Xmean,短边平行Y轴,旋转90°,中心点坐标为{(X12+ X13 +X14 +X22 +X23 +X24)/6,N∙vt/2}
当任一θ12、θ31、θ24、θ34<0.5236时,则目标以中心点坐标发生了旋转。此时四边直线方程需要修正,流程如下:
①当k3与k4差不小于k1和k2差时,则k1= k2= (k1+ k2)/2,k3= k4=tan(arctan(k1)-1.5707);
②当k3与k4差小于k1和k2差时,则k3= k4= (k3+ k4)/2,k1= k2=tan(arctan(k3)-1.5707)。
从而获取新四边直线方程。该方法能够完全确保上表面不因测量值不准而造成非矩形的估算结果,因此保证四边一定会有四个交点。四个交点为两两直线方程联解,获得P1、P2、P3、P4。
本发明实施例中,通过对整个扫描点的数据进行提取前三和后三个数据点,然后基于边缘测量与角度拟合,最终形成规则物体的平面形状,完成了平面扫描,提高了货物底面形状扫描准确率。
请参阅图2,本发明实施例中规则物体的轮廓计算方法的第二个实施例包括:
201、对目标平台采集M次数据点,生成初始数据点集,其中,M为大于或等于6的正整数;
在本实施例中,每次采集超过480个数据点,共采集129次。
202、根据采集的顺序,提取出初始数据点集中顺序最先三次采集和顺序最后三次采集的数据点,生成平面采集点集;
在本实施例中,从采集129次中选择前3次和后3次,生成面采集点集
203、获取测量的平面采集点集;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
204、根据运动方向,生成平面直角坐标系;
在本实施例中,以运动方向为y轴,而垂直y轴建立x轴,x轴的位置与y轴垂直即可。
205、依次读取平面采集点集中同时采集的数据点;
在本实施例中,基于坐标系,读取平面采集点集中同一时间采集的数据点。
206、将数据点按照平面直角坐标系的坐标方向,依次选取三个测算点Pi、Pi+1、Pi+2,其中,i为正整数;
在本实施例中,左边缘点的测量方式:选取单次测量值中的第P1、Pi+1和Pi+2个点组成比较组。
207、根据测算点Pi、Pi+1、Pi+2,生成方向向量Pi+1Pi和Pi+2Pi+1;
在本实施例中,计算向量pi+1pi,并计算向量pi+2pi,方向向量即按照顺序对横纵坐标相减生成。
208、计算方向向量Pi+1Pi和方向向量Pi+2Pi+1之间的夹角,得到第一测算夹角;
在本实施例中,计算两向量夹角:
其中,xi为点Pi的横坐标,yi为点Pi的纵坐标。
209、判断第一测算夹角是否大于预置第一夹角阈值;
在本实施例中,判读夹角是否大于45度。
210、若大于,则将测算点Pi+2确认为左边缘点,并读取平面采集点集中其他同时采集的数据点,以便循环判断得到N个左边缘点;
在本实施例中,若夹角大于45度,则返回左边缘点Pi+2,并继续读取其他同时抓取的坐标点的边缘点。
211、基于平面直角坐标系的坐标反方向,依次读取N个左边缘点对应的四个测算点Pj、Pj+1、Pj+2和Pj+3;
在本实施例中,按照x轴反方向,依次读取四个测算点Pj、Pj+1、Pj+2和Pj+3。
212、根据测算点Pj、Pj+1、Pj+2和Pj+3,生成方向向量Pj+1Pj、Pj+2Pj+1、Pj+3Pj+2;
在本实施例中,计算向量Pj+1Pj,计算向量Pj+2Pj+1,计算向量pj+3pj+2,方向向量即按照顺序对横纵坐标相减生成。
213、计算出方向向量Pj+1Pj和方向向量Pj+2Pj+1之间的夹角,得到第二测算夹角;
在本实施例中,计算向量Pj+1Pj和向量Pj+2Pj+1之间的夹角,计算公式为:
其中,xj 为点Pj的横坐标,yj为点Pj的纵坐标。
214、判断第二测算夹角是否大于预置第二夹角阈值;
在本实施例中,判断第二测算夹角大于46度。
215、若大于,则判断方向向量Pj+3Pj+2与坐标方向是否平行;
在本实施例中,若大于46度,则判断yj+3- yj+2=0是否成立。
216、若平行,则将测算点Pj+1确认为右边缘点,并读取N个左边缘点对应同时测量的数据点,以便循环判断得到N个右边缘点;
在本实施例中,如果yj+3- yj+2=0成立则确定Pi+2为右边缘点,并将N个左边缘点对应同时测量的数据点进行读取获取对应的右边缘点。
217、基于N个左边缘点以及左边缘点对应的右边缘点,将平面采集点集的数据点进行划分,得到N个轮廓直线点集,其中,N为正整数;
在本实施例中,将生成N个左边缘点与右边缘点之间的数据点划分为一类,得到N个左边缘点。
218、依次N个轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
219、基于Z个拟合直线方程的交点运算,生成规则物体的规则图形。
218和219实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例中,通过对整个扫描点的数据进行提取前三和后三个数据点,然后基于边缘测量与角度拟合,最终形成规则物体的平面形状,完成了平面扫描,提高了货物底面形状扫描准确率。
请参阅图3,本发明实施例中规则物体的轮廓计算方法的第三个实施例包括:
301、获取测量的平面采集点集;
302、根据预置边缘判断算法,对平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
301和302实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
303、选取轮廓直线点集内的6个数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6 ,生成方向向量Pa2Pa1、Pa3Pa2、Pa4Pa3、Pa5Pa4、Pa6Pa5;
在本实施例中,Pa1、Pa2、Pa3、Pa4、Pa5、Pa6依次横坐标和纵坐标相减得到方向向量Pa2Pa1、Pa3Pa2、Pa4Pa3、Pa5Pa4、Pa6Pa5。
304、计算方向向量Pa3Pa2与方向向量Pa2Pa1之间的差值、方向向量Pa4Pa3与方向向量Pa3Pa2之间的差值、方向向量Pa5Pa4与方向向量Pa4Pa3之间的差值、方向向量Pa6Pa5与方向向量Pa5Pa4之间的差值,得到斜率差值T1、T2、T3、T4;
Pa1、Pa2、Pa3、Pa4、Pa5、Pa6共有六个点的坐标,相邻斜率为Q1、Q2、Q3、Q4、Q5,依次计算相邻三点倾斜角差值:
SlopeDiff1=arctan{(X13-X12)/Y32}-arctan{(X12-X11)/Y21}
SlopeDiff2=arctan{(X14-X13)/Y43}-arctan{(X13-X12)/Y32}
SlopeDiff3=arctan{(X15-X14)/Y54}-arctan{(X14-X13)/Y43}
SlopeDiff4=arctan{(X16-X15)/Y65}-arctan{(X15-X14)/Y54}
其中,slopediff1为向量Q2与Q1之间的差值,slopediff2为向量Q3与Q2之间的差值,slopediff3为向量Q4与Q3之间的差值,slopediff5为向量Q5与Q4之间的差值。
305、依次判断斜率差值T1、T2、T3、T4是否大于斜率差值阈值,生成比较结果;
在本实施例中,可以理解的当差值阈值为0.1745时,得出斜率差值T1、T2、T3、T4与0.1745的大小比较。
306、读取预置的树状图结构表,将比较结果与树状图结构表进行比对,获得数据点提取策略;
在本实施例中,基于比较结果得到以下策略:
<1> |SlopeDiff1|>0.1745且|SlopeDiff2|<=0.1745且|SlopeDiff3|<=0.1745且|SlopeDiff4|<=0.1745,则选择Pa3、Pa4、Pa5;
<2> |SlopeDiff1|>0.1745且|SlopeDiff2|>0.1745且|SlopeDiff3|<=0.1745且|SlopeDiff4|<=0.1745,则选择Pa1、Pa3、Pa4;
<3>|SlopeDiff1|>0.1745且|SlopeDiff2|>0.1745且|SlopeDiff3|>0.1745且|SlopeDiff4|<=0.1745,则选择Pa1、Pa4、Pa5;
307、基于数据点提取策略,对数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程;
在本实施例中,306是确定提取点,307步骤是直接提取点数然后基于分布将每条直线的三点组合输入最小二乘法流程如下:
1.获取和值
xsum=x1+ x2+ x3,ysum= y1+ y2+ y3
2.获取均值
xmean= xsum/3,ymean= ysum/3
3.获取x平方和
x2 sum=x2 1+ x2 2+ x2 3
4.获取xy乘积和
xysum=x1y1+ x2y2+ x3y3
5.拟合直线为
k=(3 *xysum-xsumysum)/(3* x2 sum - x2 sum),b=ymean-k* xmean
其中,x1、x2、x3分别为取出的三个点的横坐标,y1、y2、y3为取出的三个点的纵坐标,生成直线方程。
308、基于Z个拟合直线方程的交点运算,生成规则物体的规则图形。
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例中,通过对整个扫描点的数据进行提取前三和后三个数据点,然后基于边缘测量与角度拟合,最终形成规则物体的平面形状,完成了平面扫描,提高了货物底面形状扫描准确率。
上面对本发明实施例中规则物体的轮廓计算方法进行了描述,下面对本发明实施例中规则物体的轮廓计算装置进行描述,请参阅图4,本发明实施例中规则物体的轮廓计算装置一个实施例包括:
获取模块401,用于获取测量的平面采集点集;
判定模块402,用于根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
拟合模块403,用于依次N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
交点运算模块404,用于基于Z个所述拟合直线方程的交点运算,生成所述规则物体的规则图形。
本发明实施例中,通过对整个扫描点的数据进行提取前三和后三个数据点,然后基于边缘测量与角度拟合,最终形成规则物体的平面形状,完成了平面扫描,提高了货物底面形状扫描准确率。
请参阅图5,本发明实施例中规则物体的轮廓计算装置的另一个实施例包括:
获取模块401,用于获取测量的平面采集点集;
判定模块402,用于根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
拟合模块403,用于依次N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
交点运算模块404,用于基于Z个所述拟合直线方程的交点运算,生成所述规则物体的规则图形。
其中,所述规则物体的轮廓计算装置还包括采集模块405,所述采集模块405具体用于:
对目标平台采集M次数据点,生成初始数据点集,其中,M为大于或等于12的正整数;
根据采集的顺序,提取出所述初始数据点集中顺序最先六次采集和顺序最后六次采集的数据点,生成平面采集点集。
其中,所述判定模块402包括:
坐标系单元4021,用于根据所述运动方向,生成平面直角坐标系;
第一算法单元4022,用于基于所述平面直角坐标系和预置第一夹角算法,计算所述平面采集点集中左边缘点,得到N个左边缘点;
第二算法单元4023,用于基于所述平面直角坐标系和预置第二夹角算法,依次计算N个左边缘点对应的右边缘点,得到N个右边缘点;
划分单元4024,用于基于N个所述左边缘点以及所述左边缘点对应的右边缘点,将所述平面采集点集的数据点进行划分,得到N个轮廓直线点集。
其中,所述第一算法单元4022具体用于:
依次读取所述平面采集点集中同时采集的数据点;
将所述数据点按照所述平面直角坐标系的坐标方向,依次选取三个测算点Pi、Pi+1、Pi+2,其中,i为正整数;
根据所述测算点Pi、Pi+1、Pi+2,生成方向向量Pi+1Pi和Pi+2Pi+1;
计算所述方向向量Pi+1Pi和所述方向向量Pi+2Pi+1之间的夹角,得到第一测算夹角;
判断所述第一测算夹角是否大于预置第一夹角阈值;
若大于,则将所述测算点Pi+2确认为左边缘点,并读取所述平面采集点集中其他同时采集的数据点,以便循环判断得到N个左边缘点。
其中,所述第二算法单元4023具体用于:
基于所述平面直角坐标系的坐标反方向,依次读取N个左边缘点对应的四个测算点Pj、Pj+1、Pj+2和Pj+3;
根据所述测算点Pj、Pj+1、Pj+2和Pj+3,生成方向向量Pj+1Pj、Pj+2Pj+1、Pj+3Pj+2;
计算出所述方向向量Pj+1Pj和所述方向向量Pj+2Pj+1之间的夹角,得到第二测算夹角;
判断所述第二测算夹角是否大于预置第一夹角阈值;
若大于,则判断所述方向向量Pj+3Pj+2与所述坐标方向是否平行;
若平行,则将所述测算点Pj+1确认为右边缘点,并读取N个所述左边缘点对应同时测量的数据点,以便循环判断得到N个右边缘点。
其中,所述拟合模块403包括:
选取单元4031,用于选取所述轮廓直线点集内的6个数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6,生成方向向量Pa2Pa1、Pa3Pa2、Pa4Pa3、Pa5Pa4、Pa6Pa5;
向量生成单元4032,用于计算所述方向向量Pa3Pa2与所述方向向量Pa2Pa1之间的差值、所述方向向量Pa4Pa3与所述方向向量Pa3Pa2之间的差值、所述方向向量Pa5Pa4与所述方向向量Pa4Pa3之间的差值、所述方向向量Pa6Pa5与所述方向向量Pa5Pa4之间的差值,得到斜率差值T1、T2、T3、T4;
拟合单元4033,用于将所述斜率差值T1、T2、T3、T4与预置斜率差值阈值进行比较,生成比较结果,并基于所述比较结果,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程。
其中,所述拟合单元4033具体用于:
依次判断所述斜率差值T1、T2、T3、T4是否大于所述斜率差值阈值,生成比较结果;
读取预置的树状图结构表,将所述比较结果与所述树状图结构表进行比对,获得数据点提取策略;
基于所述数据点提取策略,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程。
本发明实施例中,通过对整个扫描点的数据进行提取前三和后三个数据点,然后基于边缘测量与角度拟合,最终形成规则物体的平面形状,完成了平面扫描,提高了货物底面形状扫描准确率。
上面图4和图5从模块化功能实体的角度对本发明实施例中的规则物体的轮廓计算装置进行详细描述,下面从硬件处理的角度对本发明实施例中规则物体的轮廓计算设备进行详细描述。
图6是本发明实施例提供的一种规则物体的轮廓计算设备的结构示意图,该规则物体的轮廓计算设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对规则物体的轮廓计算设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在规则物体的轮廓计算设备600上执行存储介质630中的一系列指令操作。
基于规则物体的轮廓计算设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的规则物体的轮廓计算设备结构并不构成对基于规则物体的轮廓计算设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述规则物体的轮廓计算方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种规则物体的轮廓计算方法,其特征在于,包括步骤:
获取测量的平面采集点集;
根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集,其中,N为正整数;
依次对N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到Z个拟合直线方程,其中,Z为正整数;
基于Z个所述拟合直线方程的交点运算,生成所述规则物体的规则图形;
其中,所述平面采集点集包括:所述规则物体的运动方向,所述根据预置边缘判断算法,对所述平面采集点集上的数据点进行向量夹角判定处理,确定N个轮廓直线方程对应的左边缘点和右边缘点,得到N个轮廓直线点集包括:
根据所述运动方向,生成平面直角坐标系;
基于所述平面直角坐标系和预置第一夹角算法,计算所述平面采集点集中左边缘点,得到N个左边缘点;
基于所述平面直角坐标系和预置第二夹角算法,依次计算N个左边缘点对应的右边缘点,得到N个右边缘点;
基于N个所述左边缘点以及所述左边缘点对应的右边缘点,将所述平面采集点集的数据点进行划分,得到N个轮廓直线点集;
其中,所述基于所述平面直角坐标系和预置第一夹角算法,计算所述平面采集点集中左边缘点,得到N个左边缘点包括:
依次读取所述平面采集点集中同时采集的数据点;
将所述数据点按照所述平面直角坐标系的坐标方向,依次选取三个测算点Pi、Pi+1、Pi+2,其中,i为正整数;
根据所述测算点Pi、Pi+1、Pi+2,生成方向向量Pi+1Pi和Pi+2Pi+1;
计算所述方向向量Pi+1Pi和所述方向向量Pi+2Pi+1之间的夹角,得到第一测算夹角;
判断所述第一测算夹角是否大于预置第一夹角阈值;
若大于,则将所述测算点Pi+2确认为左边缘点,并读取所述平面采集点集中其他同时采集的数据点,以便循环判断得到N个左边缘点。
2.根据权利要求1所述的规则物体的轮廓计算方法,其特征在于,在所述取测量的平面采集点集之前,还包括:
对目标平台采集M次数据点,生成初始数据点集,其中,M为大于或等于6的正整数;
根据采集的顺序,提取出所述初始数据点集中顺序最先三次采集和顺序最后三次采集的数据点,生成平面采集点集。
3.根据权利要求1所述的规则物体的轮廓计算方法,其特征在于,所述基于所述平面直角坐标系和预置第二夹角算法,依次计算N个左边缘点对应的右边缘点,得到N个右边缘点包括:
基于所述平面直角坐标系的坐标反方向,依次读取N个左边缘点对应的四个测算点Pj、Pj+1、Pj+2和Pj+3;
根据所述测算点Pj、Pj+1、Pj+2和Pj+3,生成方向向量Pj+1Pj、Pj+2Pj+1、Pj+3Pj+2;
计算出所述方向向量Pj+1Pj和所述方向向量Pj+2Pj+1之间的夹角,得到第二测算夹角;
判断所述第二测算夹角是否大于预置第二夹角阈值;
若大于,则判断所述方向向量Pj+3Pj+2与所述坐标方向是否平行;
若平行,则将所述测算点Pj+1确认为右边缘点,并读取N个所述左边缘点对应同时测量的数据点,以便循环判断得到N个右边缘点。
4.根据权利要求1所述的规则物体的轮廓计算方法,其特征在于,所述依次对N个所述轮廓直线点集内的数据点进行倾斜角拟合处理,得到N个拟合直线方程包括:
选取所述轮廓直线点集内的6个数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6 ,生成方向向量Pa2Pa1、Pa3Pa2、Pa4Pa3、Pa5Pa4、Pa6Pa5;
计算所述方向向量Pa3Pa2与所述方向向量Pa2Pa1之间的差值、所述方向向量Pa4Pa3与所述方向向量Pa3Pa2之间的差值、所述方向向量Pa5Pa4与所述方向向量Pa4Pa3之间的差值、所述方向向量Pa6Pa5与所述方向向量Pa5Pa4之间的差值,得到斜率差值T1、T2、T3、T4;
将所述斜率差值T1、T2、T3、T4与预置斜率差值阈值进行比较,生成比较结果,并基于所述比较结果,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程。
5.根据权利要求4所述的规则物体的轮廓计算方法,其特征在于,所述将所述斜率差值T1、T2、T3、T4与预置斜率差值阈值进行比较,生成比较结果,并基于所述比较结果,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程包括:
依次判断所述斜率差值T1、T2、T3、T4是否大于所述斜率差值阈值,生成比较结果;
读取预置的树状图结构表,将所述比较结果与所述树状图结构表进行比对,获得数据点提取策略;
基于所述数据点提取策略,对所述数据点Pa1、Pa2、Pa3、Pa4、Pa5、Pa6进行提取处理,得到N个拟合直线方程。
6.一种规则物体的轮廓计算设备,其特征在于,所述规则物体的轮廓计算设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述规则物体的轮廓计算设备执行如权利要求1-5中任一项所述的规则物体的轮廓计算方法。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的规则物体的轮廓计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591970.5A CN112288820B (zh) | 2020-12-29 | 2020-12-29 | 规则物体的轮廓计算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591970.5A CN112288820B (zh) | 2020-12-29 | 2020-12-29 | 规则物体的轮廓计算方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288820A CN112288820A (zh) | 2021-01-29 |
CN112288820B true CN112288820B (zh) | 2021-04-27 |
Family
ID=74426216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011591970.5A Active CN112288820B (zh) | 2020-12-29 | 2020-12-29 | 规则物体的轮廓计算方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288820B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5247583A (en) * | 1989-11-01 | 1993-09-21 | Hitachi, Ltd. | Image segmentation method and apparatus therefor |
WO2000059741A1 (en) * | 1999-04-02 | 2000-10-12 | Sumitomo Rubber Industries, Ltd. | Pneumatic tire |
WO2009078115A1 (en) * | 2007-12-19 | 2009-06-25 | Kabushiki Kaisha Toshiba | A method and an apparatus for determining nucleotide sequence, and a computer program product to be executed by the apparatus |
CN103679701A (zh) * | 2013-11-19 | 2014-03-26 | 西安理工大学 | 基于支持向量机回归的晶体图像直线轮廓检测方法 |
CN104809689A (zh) * | 2015-05-15 | 2015-07-29 | 北京理工大学深圳研究院 | 一种基于轮廓的建筑物点云模型底图配准方法 |
CN107705311A (zh) * | 2017-08-16 | 2018-02-16 | 歌尔科技有限公司 | 图像轮廓的内外识别方法及设备 |
CN109902541A (zh) * | 2017-12-10 | 2019-06-18 | 彼乐智慧科技(北京)有限公司 | 一种图像识别的方法及系统 |
CN111325684A (zh) * | 2020-02-01 | 2020-06-23 | 武汉大学 | 一种半自动高空间分辨率遥感影像不同形状建筑物提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424520B (zh) * | 2007-10-31 | 2011-03-23 | 鸿富锦精密工业(深圳)有限公司 | 物件曲面的局部轮廓检测方法 |
CN102880877B (zh) * | 2012-09-28 | 2015-07-15 | 中科院成都信息技术股份有限公司 | 一种基于轮廓特征的目标识别方法 |
CN107480666B (zh) * | 2017-08-10 | 2020-08-07 | 深圳市碧海扬帆科技有限公司 | 图像捕获设备及其扫描目标提取方法、装置、存储介质 |
CN110059702B (zh) * | 2019-03-29 | 2021-10-22 | 北京奇艺世纪科技有限公司 | 一种物体轮廓识别方法及装置 |
CN111178317A (zh) * | 2020-01-06 | 2020-05-19 | 广东博智林机器人有限公司 | 检测定位方法、系统、装置、电子设备及存储介质 |
-
2020
- 2020-12-29 CN CN202011591970.5A patent/CN112288820B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5247583A (en) * | 1989-11-01 | 1993-09-21 | Hitachi, Ltd. | Image segmentation method and apparatus therefor |
WO2000059741A1 (en) * | 1999-04-02 | 2000-10-12 | Sumitomo Rubber Industries, Ltd. | Pneumatic tire |
WO2009078115A1 (en) * | 2007-12-19 | 2009-06-25 | Kabushiki Kaisha Toshiba | A method and an apparatus for determining nucleotide sequence, and a computer program product to be executed by the apparatus |
CN103679701A (zh) * | 2013-11-19 | 2014-03-26 | 西安理工大学 | 基于支持向量机回归的晶体图像直线轮廓检测方法 |
CN104809689A (zh) * | 2015-05-15 | 2015-07-29 | 北京理工大学深圳研究院 | 一种基于轮廓的建筑物点云模型底图配准方法 |
CN107705311A (zh) * | 2017-08-16 | 2018-02-16 | 歌尔科技有限公司 | 图像轮廓的内外识别方法及设备 |
CN109902541A (zh) * | 2017-12-10 | 2019-06-18 | 彼乐智慧科技(北京)有限公司 | 一种图像识别的方法及系统 |
CN111325684A (zh) * | 2020-02-01 | 2020-06-23 | 武汉大学 | 一种半自动高空间分辨率遥感影像不同形状建筑物提取方法 |
Non-Patent Citations (3)
Title |
---|
基于OpenCV在Android平台实现物体跟踪的研究;陈超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150715;第I138-1363页 * |
基于OpenSceneGraph的3D打印切片软件的设计;程雨;《机械与电子》;20191224;第3-8页 * |
基于面结构光三维测量技术的SLM成形过程平面度和轮廓在线测量;杨瑞文;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20190315;第B022-345页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112288820A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jovančević et al. | 3D point cloud analysis for detection and characterization of defects on airplane exterior surface | |
Rabbani et al. | Efficient hough transform for automatic detection of cylinders in point clouds | |
US5471541A (en) | System for determining the pose of an object which utilizes range profiles and synethic profiles derived from a model | |
US6278798B1 (en) | Image object recognition system and method | |
CN113096094B (zh) | 三维物体表面缺陷检测方法 | |
CN113077521B (zh) | 一种相机标定方法及装置 | |
WO2021189521A1 (en) | Method and apparatus for posture, dimension and shape measurements of objects in 3d scenes | |
CN109948135A (zh) | 一种基于表格特征归一化图像的方法及设备 | |
KR20180046361A (ko) | 깊이 센서 기반의 적재 최적화 방법 및 시스템 | |
Paudel et al. | Robust and optimal sum-of-squares-based point-to-plane registration of image sets and structured scenes | |
CN112288820B (zh) | 规则物体的轮廓计算方法、装置、设备及存储介质 | |
Hu et al. | A cuboid detection and tracking system using a multi rgbd camera setup for intelligent manipulation and logistics | |
CN110490887B (zh) | 一种基于3d视觉的对矩形包裹边缘快速识别定位方法 | |
CN109345571B (zh) | 一种基于扩展高斯图像的点云配准方法 | |
CN109829502B (zh) | 一种面向重复纹理及非刚性形变的像对高效稠密匹配方法 | |
CN112833815B (zh) | 一种基于激光的房屋测量和墙面平整度检测方法 | |
CN113592976B (zh) | 地图数据的处理方法、装置、家用电器和可读存储介质 | |
Brucker et al. | Sequential scene parsing using range and intensity information | |
Katsoulas et al. | A versatile depalletizer of boxes based on range imagery | |
Avidar et al. | Point cloud registration using a viewpoint dictionary | |
WO2023019617A1 (en) | Method and system for global registration between 3d scans | |
CN113012226B (zh) | 相机位姿的估计方法、装置、电子设备及计算机存储介质 | |
Peng et al. | An Improved Monocular-Vision-Based Method for the Pose Measurement of the Disc Cutter Holder of Shield Machine | |
US20240078691A1 (en) | Model alignment method | |
Liu et al. | Research on improved diffusion algorithm based on gradient quantization in target localization algorithm |
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 |