CN112405123A - 基于聚类算法的鞋底打粗轨迹规划方法及装置 - Google Patents
基于聚类算法的鞋底打粗轨迹规划方法及装置 Download PDFInfo
- Publication number
- CN112405123A CN112405123A CN202011304448.4A CN202011304448A CN112405123A CN 112405123 A CN112405123 A CN 112405123A CN 202011304448 A CN202011304448 A CN 202011304448A CN 112405123 A CN112405123 A CN 112405123A
- Authority
- CN
- China
- Prior art keywords
- point
- sole
- point cloud
- cloud data
- normal vector
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
- A43D8/00—Machines for cutting, ornamenting, marking or otherwise working up shoe part blanks
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
- A43D8/00—Machines for cutting, ornamenting, marking or otherwise working up shoe part blanks
- A43D8/32—Working on edges or margins
- A43D8/34—Working on edges or margins by skiving
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Numerical Control (AREA)
- Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)
Abstract
本发明通过提供一种基于聚类算法的鞋底打粗轨迹规划方法,包括如下步骤:获取鞋底的点云数据;将中心点坐标对应的法向量作为基准法向量v1;对于每个点云,通过其K个近邻点云计算其法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(|V1||V2|)),将小于阈值的θ所对应的点云组成点集A,并将点集A作为鞋底底部的点云数据;获取鞋底侧边的点云数据;获取鞋底打粗的轨迹坐标;获取工具姿态欧拉角;根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。本发明还提供基于聚类算法的鞋底打粗轨迹规划装置。本发明能够实时生成打粗轨迹,无需人工干预,减少人力成本,且打粗轨迹的计算精度不受鞋底变形的影响,适用范围广。
Description
技术领域
本发明涉及基于聚类算法的鞋底打粗轨迹规划方法及装置。
背景技术
现有的鞋底打磨是制鞋成型工序前重要的鞋材加工工序,目前主要依靠人工完成,人工打磨效果受工人技术熟练程度影响较大,且打磨产生的粉尘严重危害工人身体健康。设备简陋、存在安全隐患;劳动力不足,劳动强度大;受人为因素影响,鞋底打磨质量不稳定;鞋底种类繁多且制造精度低,打磨专用夹具的精度再高也难以适应低精度的鞋底的形状、尺寸变化,导致专用夹具通用性低,增加了打磨的难度。
为了解决上述问题,专利号为201910340546.4的专利提出了一种鞋底打磨方法,该方法采用平面拟合的方式进行鞋底打磨轨迹的提取,但该方式仍然存在缺陷:鞋底在制备过程中,会先通过高温成型后再冷却,而这一工序会导致鞋底变形,如鞋底边缘往上翘等,而上述专利仅能在鞋底未变形或者变形程度极小的情况下才能得到较为准确的打磨轨迹,从而导致其适用场合受到极大限制。
发明内容
本发明的目的是针对现有技术的不足,提出一种基于聚类算法的鞋底打粗轨迹规划方法及装置,能够实时生成打粗轨迹,无需人工干预,减少人力成本,且打粗轨迹的计算精度不受鞋底变形的影响,适用范围广。
本发明通过以下技术方案实现:
基于聚类算法的鞋底打粗轨迹规划方法,包括如下步骤:
A、获取鞋底的点云数据,并对该点云数据进行预处理;
B、根据经步骤A处理后的点云数据计算鞋底的中心点坐标,将该中心点坐标对应的法向量作为基准法向量v1;
C、指定K的值,对于每个点云,通过其K个近邻点云计算其法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(|V1||V2|)),将小于阈值的θ所对应的点云组成点集A,并将点集A作为鞋底底部的点云数据;
D、将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后,即为鞋底侧边的点云数据;
E、以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据,分别计算各子数据的最高点坐标和最低点坐标,最低点坐标组成的点集B形成鞋底打粗的轨迹坐标;
F、分别取各子数据的最高点坐标和最低点坐标的平均值,并将各平均值坐标组成点集C,计算点集C的面法矢,将面法矢的方向作为工具的Z向矢量,Cn到Cn+1的方向作为对应于点集C内第n个点的工具的X向矢量,通过Z向矢量和X向矢量求出第n个点对应的Y向矢量,并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角;
G、根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。
进一步的,所述步骤C具体包括:
C1、标记所有点云数据为unvisited;
C2、随机选择一个unvisited的点云P,利用点云P的K个近邻点计算点云P的法向量v2,并计算法向量v2和基准法向量v1的夹角θ,当θ小于设定的夹角阀值时,将该点云标记为visited,并且将标记为visited的点云组合成点集A;
C3、按照步骤C2遍历所有的点云数据,当遇到已被标记为visited的点云数据则跳过,最终得到的点集A就是鞋底底部的点云数据。
进一步的,所述夹角θ的阈值为:25°≤θ≤35°。
进一步的,所述K的取值范围为:75≤K≤85。
进一步的,所述L的取值范围为:0.5mm≤L≤1.5mm。
进一步的,所述步骤F中计算工具姿态欧拉角具体为:
进一步的,所述步骤G具体为:遍历每个轨迹坐标,计算每一个轨迹坐标与点集C中各点之间的距离,取最小距离的点所对应的工具姿态欧拉角作为该轨迹坐标对应的工具姿态,遍历完所有的轨迹坐标后,即形成鞋底打粗的轨迹规划路径,轨迹规划路径包括各轨迹坐标及其对应的工具姿态。
进一步的,所述步骤A中对点云数据进行预处理包括:
A1、对获取的点云数据进行直通滤波,以滤除鞋底支撑平台的点云数据;
A2、对经步骤A1处理后的数据进行半径滤波和欧式分割,以滤除毛刺和杂点。
进一步的,所述法向量v2通过NormalEstimation算法计算。
本发明还通过以下技术方案实现:
基于聚类算法的鞋底打粗轨迹规划装置,包括:
数据获取模块:用于获取鞋底的点云数据,并对该点云数据进行预处理;
鞋底点云数据获取模块:用于根据经步骤A处理后的点云数据计算鞋底的中心点坐标,将该中心点坐标对应的法向量作为基准法向量v1;指定K的值,对于每个点云,通过其K个近邻点云计算其法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(|V1||V2|)),将小于阈值的θ所对应的点云组成点集A,并将点集A作为鞋底底部的点云数据;
轨迹坐标获取模块:用于将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后,即为鞋底侧边的点云数据;以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据,分别计算各子数据的最高点坐标和最低点坐标,最低点坐标组成的点集B形成鞋底打粗的轨迹坐标;
工具姿态欧拉角获取模块:分别取各子数据的最高点坐标和最低点坐标的平均值,并将各平均值坐标组成点集C,计算点集C的面法矢,将面法矢的方向作为工具Z向矢量,Cn到Cn+1的方向作为对应于点集C内第n个点的工具X向矢量,通过Z向矢量和X向矢量求出第n个点对应的Y向矢量,并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角;
规划路径获取模块:用于根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。
本发明具有如下有益效果:
本发明基于聚类算法计算鞋底打粗轨迹规划,首先设定合适的K值和夹角的阈值,对每个点云,通过其K个近邻点云计算其法向量v2并计算该法向量v2与基准法向量v1的夹角,并根据夹角与阈值的比较结果,得到鞋底底部的点云数据,从而得到鞋底侧边的点云数据,对该侧边的点云数据进行等分分割,并计算轨迹坐标以及工具姿态欧拉角,最终得到轨迹规划路径,该轨迹规划路径包括打粗轨迹坐标以及各坐标对应的工具姿态,计算方法简单,无需针对不通过尺码、不同款式、不同形变的鞋底进行编程,打粗轨迹是根据鞋底的表面实时生成的,无需人工干预,减少了人力成本,而打粗轨迹的计算精度不受鞋底变形的影响,适用范围广,且对于变形严重的鞋底优势更大。
附图说明
下面结合附图对本发明做进一步详细说明。
图1为本发明的流程图。
图2为本发明的原始的点云数据示意图。
图3为本发明的经过预处理后的点云数据示意图。
图4为本发明的鞋底底部的点云数据示意图。
图5为本发明的鞋底侧边的点云数据示意图。
图6为本发明的鞋底侧边中心点数据示意图。
图7为本发明的鞋底打粗轨迹点示意图。
图8为通过现有技术得出的鞋底侧边的点云数据示意图。
具体实施方式
如图1所示,基于聚类算法的鞋底打粗轨迹规划方法包括如下步骤:
A、如图2所示,利用线结构光扫描仪获取鞋底原始的三维点云数据,并对该点云数据进行预处理,预处理后的结果如图3所示;预处理具体包括:
A1、对获取的点云数据进行直通滤波,以滤除鞋底支撑平台的点云数据;
A2、对经步骤A1处理后的数据进行半径滤波和欧式分割,以滤除毛刺和杂点;
B、根据经步骤A处理后的点云数据计算鞋底的中心点坐标,将该中心点坐标对应的法向量作为基准法向量v1;
C、指定K的值,对于每个点云,利用其K个近邻点云,通过NormalEstimation算法计算该点云的法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(|V1||V2|)),将小于阈值的θ所对应的点云组成点集A,并将该点集A作为鞋底底部的点云数据,如图4所示;具体包括如下步骤:
C1、标记所有点云数据为unvisited;
C2、随机选择一个unvisited的点云P,利用点云P的K个近邻点计算点云P的法向量v2,并计算法向量v2和基准法向量v1的夹角θ,当θ小于设定的夹角阀值时,将该点云标记为visited,并且将标记为visited的点云组合成点集A;
C3、按照步骤C2遍历所有的点云数据,当遇到已被标记为visited的点云数据则跳过,最终得到的点集A就是鞋底底部的点云数据;
夹角θ的阈值范围为25°≤θ≤35°,K的取值范围为:75≤K≤85,在本实施例中,采用θ=30°,K=80,得到如图4所示的结果,是较优的方案;
D、将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后,即为鞋底侧边的点云数据,如图5所示;
E、以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据,分别计算各子数据的最高点坐标和最低点坐标,最低点坐标组成的点集B形成鞋底打粗的轨迹坐标;L的取值范围为:0.5mm≤L≤1.5mm,在本实施例中,采用L=1mm;
F、分别取各子数据的最高点坐标和最低点坐标的平均值,估算出侧边中心点的坐标,如图6所示,并将各中心点的坐标组成点集C,通过NormalEstimation算法计算点集C的面法矢,将面法矢的方向作为工具的Z向矢量(ax,ay,az),点集C内各点的Z向矢量均相同,Cn到Cn+1的方向作为对应于点集C内第n个点的工具的X向矢量(nx,ny,nz),通过Z向矢量(ax,ay,az)和X向矢量(nx,ny,nz)求出Y向矢量(ox,oy,oz),并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角
其中,“c”指余弦函数,“s”指正弦函数;根据X向矢量和Z向矢量求出对应的Y向矢量,为现有技术;工具即为机器人工具;
G、根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径,如图7所示,具体过程为:
遍历每个轨迹坐标,计算每一个轨迹坐标与点集C中各点之间的距离(该距离通过轨迹坐标与点集C中各点的坐标进行计算),取最小距离的点所对应的工具姿态欧拉角作为该轨迹坐标对应的工具姿态,遍历完所有的轨迹坐标后,即形成鞋底打粗的轨迹规划路径,轨迹规划路径包括各轨迹坐标及其对应的工具姿态。
图8为通过现有技术得出的鞋底侧边的点云数据示意图,与图5形成对比图,图5得出的鞋底侧边点云数据是完整的,且不存在错误数据,在此基础上得出的轨迹规划路径准确性也很高,而图8得出的鞋底侧边的点云数据并不完整,鞋底前端缺失了部分,而且如图8中A部分所示,还存在错误数据,在此基础上得出的轨迹路径准确性必然受到影响,因此,依据本发明得出的轨迹路径具有明显的优势。
基于聚类算法的鞋底打粗轨迹规划装置包括:
数据获取模块:用于获取鞋底的点云数据,并对该点云数据进行预处理;
鞋底点云数据获取模块:用于根据经步骤A处理后的点云数据计算鞋底的中心点坐标,将该中心点坐标对应的法向量作为基准法向量v1;指定K的值,对于每个点云,通过其K个近邻点云计算其法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(|V1||V2|)),将小于阈值的θ所对应的点云组成点集A,并将点集A作为鞋底底部的点云数据;
轨迹坐标获取模块:用于将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后,即为鞋底侧边的点云数据;以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据,分别计算各子数据的最高点坐标和最低点坐标,最低点坐标组成的点集B形成鞋底打粗的轨迹坐标;
工具姿态欧拉角获取模块:用于分别取各子数据的最高点坐标和最低点坐标的平均值,并将各平均值坐标组成点集C,计算点集C的面法矢,将面法矢的方向作为工具的Z向矢量,Cn到Cn+1的方向作为工具的X向矢量,通过Z向矢量和X向矢量求出Y向矢量,并根据X、Y和Z向矢量求出机器人工具姿态欧拉角;
规划路径获取模块:用于根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。
以上所述,仅为本发明的较佳实施例而已,故不能以此限定本发明实施的范围,即依本发明申请专利范围及说明书内容所作的等效变化与修饰,皆应仍属本发明专利涵盖的范围内。
Claims (10)
1.基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:包括如下步骤:
A、获取鞋底的点云数据,并对该点云数据进行预处理;
B、根据经步骤A处理后的点云数据计算鞋底的中心点坐标,将该中心点坐标对应的法向量作为基准法向量v1;
C、指定K的值,对于每个点云,通过其K个近邻点云计算其法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(|V1||V2|)),将小于阈值的θ所对应的点云组成点集A,并将点集A作为鞋底底部的点云数据;
D、将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后,即为鞋底侧边的点云数据;
E、以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据,分别计算各子数据的最高点坐标和最低点坐标,最低点坐标组成的点集B形成鞋底打粗的轨迹坐标;
F、分别取各子数据的最高点坐标和最低点坐标的平均值,并将各平均值坐标组成点集C,计算点集C的面法矢,将面法矢的方向作为工具的Z向矢量,Cn到Cn+1的方向作为对应于点集C内第n个点的工具的X向矢量,通过Z向矢量和X向矢量求出第n个点对应的Y向矢量,并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角;
G、根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。
2.根据权利要求1所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述步骤C具体包括:
C1、标记所有点云数据为unvisited;
C2、随机选择一个unvisited的点云P,利用点云P的K个近邻点计算点云P的法向量v2,并计算法向量v2和基准法向量v1的夹角θ,当θ小于设定的夹角阀值时,将该点云标记为visited,并且将标记为visited的点云组合成点集A;
C3、按照步骤C2遍历所有的点云数据,当遇到已被标记为visited的点云数据则跳过,最终得到的点集A就是鞋底底部的点云数据。
3.根据权利要求1所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述夹角θ的阈值为:25°≤θ≤35°。
4.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述K的取值范围为:75≤K≤85。
5.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述L的取值范围为:0.5mm≤L≤1.5mm。
7.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述步骤G具体为:遍历每个轨迹坐标,计算每一个轨迹坐标与点集C中各点之间的距离,取最小距离的点所对应的工具姿态欧拉角作为该轨迹坐标对应的工具姿态,遍历完所有的轨迹坐标后,即形成鞋底打粗的轨迹规划路径,轨迹规划路径包括各轨迹坐标及其对应的工具姿态。
8.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述步骤A中对点云数据进行预处理包括:
A1、对获取的点云数据进行直通滤波,以滤除鞋底支撑平台的点云数据;
A2、对经步骤A1处理后的数据进行半径滤波和欧式分割,以滤除毛刺和杂点。
9.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法,其特征在于:所述法向量v2通过NormalEstimation算法计算。
10.基于聚类算法的鞋底打粗轨迹规划装置,其特征在于:包括:
数据获取模块:用于获取鞋底的点云数据,并对该点云数据进行预处理;
鞋底点云数据获取模块:用于根据经步骤A处理后的点云数据计算鞋底的中心点坐标,将该中心点坐标对应的法向量作为基准法向量v1;指定K的值,对于每个点云,通过其K个近邻点云计算其法向量v2,并计算该法向量v2与基准法向量v1的夹角θ=arccos((V1·V2)/(V1|||V2|)),将小于阈值的θ所对应的点云组成点集A,并将点集A作为鞋底底部的点云数据;
轨迹坐标获取模块:用于将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后,即为鞋底侧边的点云数据;以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据,分别计算各子数据的最高点坐标和最低点坐标,最低点坐标组成的点集B形成鞋底打粗的轨迹坐标;
工具姿态欧拉角获取模块:分别取各子数据的最高点坐标和最低点坐标的平均值,并将各平均值坐标组成点集C,计算点集C的面法矢,将面法矢的方向作为工具Z向矢量,Cn到Cn+1的方向作为对应于点集C内第n个点的工具X向矢量,通过Z向矢量和X向矢量求出第n个点对应的Y向矢量,并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角;
规划路径获取模块:用于根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304448.4A CN112405123B (zh) | 2020-11-19 | 2020-11-19 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
PCT/CN2021/080686 WO2022105078A1 (zh) | 2020-11-19 | 2021-03-15 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011304448.4A CN112405123B (zh) | 2020-11-19 | 2020-11-19 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112405123A true CN112405123A (zh) | 2021-02-26 |
CN112405123B CN112405123B (zh) | 2021-09-24 |
Family
ID=74773709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011304448.4A Active CN112405123B (zh) | 2020-11-19 | 2020-11-19 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112405123B (zh) |
WO (1) | WO2022105078A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113231910A (zh) * | 2021-04-29 | 2021-08-10 | 武汉中观自动化科技有限公司 | 一种获取鞋底边缘打磨轨迹的方法及其系统 |
CN113601333A (zh) * | 2021-07-22 | 2021-11-05 | 深圳市九丞技术有限公司 | 智能柔性打磨方法、装置及设备 |
WO2022105078A1 (zh) * | 2020-11-19 | 2022-05-27 | 泉州华中科技大学智能制造研究院 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
WO2022199184A1 (zh) * | 2021-03-22 | 2022-09-29 | 泉州华中科技大学智能制造研究院 | 一种采用分块位姿的鞋底打磨方法及装置 |
CN117140354A (zh) * | 2023-10-31 | 2023-12-01 | 雅安成建工业化建筑有限公司 | 一种基于轨迹优化的用于建筑用金属制品的打磨系统 |
CN117226855A (zh) * | 2023-11-15 | 2023-12-15 | 泉州华中科技大学智能制造研究院 | 一种基于三维点云的焊缝打磨轨迹规划方法 |
CN117392163A (zh) * | 2023-12-11 | 2024-01-12 | 泉州华中科技大学智能制造研究院 | 基于3d视觉的鞋领口贴纸轨迹提取方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843563A (zh) * | 2023-06-25 | 2023-10-03 | 成都飞机工业(集团)有限责任公司 | 点云降噪处理方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3540243A (en) * | 1968-07-10 | 1970-11-17 | Mfg Supplies Co | Apparatus for skiving leather and the like |
IT7853149V0 (it) * | 1977-04-07 | 1978-04-06 | Ernst Nohrback Kg | Macchina per scanalare particolarmente per la lavorazione delle calzature |
US8275649B2 (en) * | 2009-09-18 | 2012-09-25 | Microsoft Corporation | Mining life pattern based on location history |
CN203137262U (zh) * | 2013-03-13 | 2013-08-21 | 浙江理工大学 | 基于两个线结构光传感器生成鞋底打磨喷胶轨迹的系统 |
CN107168342A (zh) * | 2017-07-12 | 2017-09-15 | 哈尔滨工大智慧工厂有限公司 | 一种用于机器人路径规划的行人轨迹预测方法 |
US20190017825A1 (en) * | 2016-08-04 | 2019-01-17 | International Business Machines Corporation | Method and apparatus of data classification for routes in a digitized map |
CN208895781U (zh) * | 2018-06-06 | 2019-05-24 | 上海福赛特机器人有限公司 | 一种自适应鞋底打磨机构 |
CN110051083A (zh) * | 2019-04-25 | 2019-07-26 | 东莞弓叶互联科技有限公司 | Eva发泡鞋底打磨方法及设备 |
CN110226806A (zh) * | 2019-05-07 | 2019-09-13 | 深圳市皕像科技有限公司 | 一种鞋底涂胶轨迹生成方法及装置 |
CN110876512A (zh) * | 2019-11-13 | 2020-03-13 | 广东工业大学 | 一种鞋底高精度自动化涂胶系统的控制方法 |
CN110897268A (zh) * | 2019-11-15 | 2020-03-24 | 东莞特雷斯智能科技有限公司 | 一种用于鞋面的机器人划线方法及应用其的装置 |
CN111166013A (zh) * | 2020-01-15 | 2020-05-19 | 阜阳运筹生产力促进中心有限公司 | 一种自动衬托鞋面抛光装置 |
CN111227444A (zh) * | 2020-01-17 | 2020-06-05 | 泉州装备制造研究所 | 一种基于k最近邻的3D鞋底喷胶路径规划方法 |
CN111513731A (zh) * | 2020-04-28 | 2020-08-11 | 华东师范大学 | 一种基于足态监测注意力的柔性智能检测装置 |
CN111513428A (zh) * | 2020-06-03 | 2020-08-11 | 福建省华宝智能科技有限公司 | 一种针对鞋底和鞋面扫描作业的机器人三维视觉系统及方法 |
CN111702772A (zh) * | 2020-06-04 | 2020-09-25 | 浙江和生荣智能科技有限公司 | 一种帮面自动引导涂胶方法及系统 |
CN111820545A (zh) * | 2020-06-22 | 2020-10-27 | 浙江理工大学 | 一种结合离线与在线扫描自动生成鞋底喷胶轨迹的方法 |
CN111832986A (zh) * | 2020-06-05 | 2020-10-27 | 广东工业大学 | 一种产品入库存储方法、系统、存储介质及计算机设备 |
CN211794651U (zh) * | 2020-03-06 | 2020-10-30 | 福建中泰德玛智能设备有限公司 | 一种自动化鞋底打粗机械手 |
CN211861976U (zh) * | 2020-03-16 | 2020-11-06 | 福建中泰德玛智能设备有限公司 | 一种多工位自动打粗工作站 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8520930B2 (en) * | 2008-04-18 | 2013-08-27 | 3D Scanners Ltd. | Method and computer program for improving the dimensional acquisition of an object |
CN104463851B (zh) * | 2014-11-19 | 2018-05-22 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
CN107808415B (zh) * | 2017-11-17 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 基于机器视觉的鞋底边缘轨迹及涂胶位姿提取方法 |
CN108089544B (zh) * | 2017-12-25 | 2021-03-30 | 厦门大学嘉庚学院 | 一种鞋底喷胶机械人的轨迹生成方法及控制系统 |
CN112405123B (zh) * | 2020-11-19 | 2021-09-24 | 泉州华中科技大学智能制造研究院 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
-
2020
- 2020-11-19 CN CN202011304448.4A patent/CN112405123B/zh active Active
-
2021
- 2021-03-15 WO PCT/CN2021/080686 patent/WO2022105078A1/zh active Application Filing
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3540243A (en) * | 1968-07-10 | 1970-11-17 | Mfg Supplies Co | Apparatus for skiving leather and the like |
IT7853149V0 (it) * | 1977-04-07 | 1978-04-06 | Ernst Nohrback Kg | Macchina per scanalare particolarmente per la lavorazione delle calzature |
US8275649B2 (en) * | 2009-09-18 | 2012-09-25 | Microsoft Corporation | Mining life pattern based on location history |
CN203137262U (zh) * | 2013-03-13 | 2013-08-21 | 浙江理工大学 | 基于两个线结构光传感器生成鞋底打磨喷胶轨迹的系统 |
US20190017825A1 (en) * | 2016-08-04 | 2019-01-17 | International Business Machines Corporation | Method and apparatus of data classification for routes in a digitized map |
CN107168342A (zh) * | 2017-07-12 | 2017-09-15 | 哈尔滨工大智慧工厂有限公司 | 一种用于机器人路径规划的行人轨迹预测方法 |
CN208895781U (zh) * | 2018-06-06 | 2019-05-24 | 上海福赛特机器人有限公司 | 一种自适应鞋底打磨机构 |
CN110051083A (zh) * | 2019-04-25 | 2019-07-26 | 东莞弓叶互联科技有限公司 | Eva发泡鞋底打磨方法及设备 |
CN110226806A (zh) * | 2019-05-07 | 2019-09-13 | 深圳市皕像科技有限公司 | 一种鞋底涂胶轨迹生成方法及装置 |
CN110876512A (zh) * | 2019-11-13 | 2020-03-13 | 广东工业大学 | 一种鞋底高精度自动化涂胶系统的控制方法 |
CN110897268A (zh) * | 2019-11-15 | 2020-03-24 | 东莞特雷斯智能科技有限公司 | 一种用于鞋面的机器人划线方法及应用其的装置 |
CN111166013A (zh) * | 2020-01-15 | 2020-05-19 | 阜阳运筹生产力促进中心有限公司 | 一种自动衬托鞋面抛光装置 |
CN111227444A (zh) * | 2020-01-17 | 2020-06-05 | 泉州装备制造研究所 | 一种基于k最近邻的3D鞋底喷胶路径规划方法 |
CN211794651U (zh) * | 2020-03-06 | 2020-10-30 | 福建中泰德玛智能设备有限公司 | 一种自动化鞋底打粗机械手 |
CN211861976U (zh) * | 2020-03-16 | 2020-11-06 | 福建中泰德玛智能设备有限公司 | 一种多工位自动打粗工作站 |
CN111513731A (zh) * | 2020-04-28 | 2020-08-11 | 华东师范大学 | 一种基于足态监测注意力的柔性智能检测装置 |
CN111513428A (zh) * | 2020-06-03 | 2020-08-11 | 福建省华宝智能科技有限公司 | 一种针对鞋底和鞋面扫描作业的机器人三维视觉系统及方法 |
CN111702772A (zh) * | 2020-06-04 | 2020-09-25 | 浙江和生荣智能科技有限公司 | 一种帮面自动引导涂胶方法及系统 |
CN111832986A (zh) * | 2020-06-05 | 2020-10-27 | 广东工业大学 | 一种产品入库存储方法、系统、存储介质及计算机设备 |
CN111820545A (zh) * | 2020-06-22 | 2020-10-27 | 浙江理工大学 | 一种结合离线与在线扫描自动生成鞋底喷胶轨迹的方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105078A1 (zh) * | 2020-11-19 | 2022-05-27 | 泉州华中科技大学智能制造研究院 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
WO2022199184A1 (zh) * | 2021-03-22 | 2022-09-29 | 泉州华中科技大学智能制造研究院 | 一种采用分块位姿的鞋底打磨方法及装置 |
CN113231910A (zh) * | 2021-04-29 | 2021-08-10 | 武汉中观自动化科技有限公司 | 一种获取鞋底边缘打磨轨迹的方法及其系统 |
CN113231910B (zh) * | 2021-04-29 | 2022-10-18 | 武汉中观自动化科技有限公司 | 一种获取鞋底边缘打磨轨迹的方法及其系统 |
CN113601333A (zh) * | 2021-07-22 | 2021-11-05 | 深圳市九丞技术有限公司 | 智能柔性打磨方法、装置及设备 |
CN113601333B (zh) * | 2021-07-22 | 2022-05-27 | 深圳市九丞技术有限公司 | 智能柔性打磨方法、装置及设备 |
CN117140354A (zh) * | 2023-10-31 | 2023-12-01 | 雅安成建工业化建筑有限公司 | 一种基于轨迹优化的用于建筑用金属制品的打磨系统 |
CN117140354B (zh) * | 2023-10-31 | 2024-01-05 | 雅安成建工业化建筑有限公司 | 一种基于轨迹优化的用于建筑用金属制品的打磨系统 |
CN117226855A (zh) * | 2023-11-15 | 2023-12-15 | 泉州华中科技大学智能制造研究院 | 一种基于三维点云的焊缝打磨轨迹规划方法 |
CN117226855B (zh) * | 2023-11-15 | 2024-03-15 | 泉州华中科技大学智能制造研究院 | 一种基于三维点云的焊缝打磨轨迹规划方法 |
CN117392163A (zh) * | 2023-12-11 | 2024-01-12 | 泉州华中科技大学智能制造研究院 | 基于3d视觉的鞋领口贴纸轨迹提取方法 |
CN117392163B (zh) * | 2023-12-11 | 2024-04-12 | 泉州华中科技大学智能制造研究院 | 基于3d视觉的鞋领口贴纸轨迹提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112405123B (zh) | 2021-09-24 |
WO2022105078A1 (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112405123B (zh) | 基于聚类算法的鞋底打粗轨迹规划方法及装置 | |
CN110260786B (zh) | 一种基于外部跟踪的机器人视觉测量系统及其标定方法 | |
CN108994844B (zh) | 一种打磨操作臂手眼关系的标定方法和装置 | |
CN111062940B (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN112785596B (zh) | 基于dbscan聚类的点云图螺栓分割和高度测量方法 | |
CN113884002B (zh) | 基于二三维信息融合的受电弓滑板上表面检测系统及方法 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN113628263A (zh) | 一种基于局部曲率及其近邻特征的点云配准方法 | |
CN105335971A (zh) | 基于图像的工件加工精确定位方法 | |
CN114049331A (zh) | 一种复杂工件表面打磨方法 | |
CN113516716A (zh) | 一种单目视觉位姿测量及调整方法和系统 | |
CN117853742A (zh) | 一种基于结构光的焊缝坡口特征提取方法及焊接机器人 | |
CN113963129A (zh) | 基于点云的船舶小构件模板匹配与在线识别方法 | |
CN116402792A (zh) | 一种基于三维点云的空间孔位对接方法 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN109855566B (zh) | 一种槽孔特征的提取方法 | |
CN113103226A (zh) | 一种面向陶瓷素坯加工制造的视觉引导机器人系统 | |
CN117058199A (zh) | 基于抛光垫磨损判断柔性气囊工具去除函数的预测方法 | |
CN116385356A (zh) | 一种基于激光视觉的正六边形孔特征的提取方法和系统 | |
CN113689478B (zh) | 量测设备的对齐方法、装置及系统 | |
CN115797414A (zh) | 一种考虑测头半径的复杂曲面测量点云数据配准方法 | |
CN109902694B (zh) | 一种方孔特征的提取方法 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
Ping et al. | Verification of turning insert specifications through three-dimensional vision system |
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 |