CN112560613B - 零件识别方法、装置和计算机设备 - Google Patents
零件识别方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN112560613B CN112560613B CN202011413616.3A CN202011413616A CN112560613B CN 112560613 B CN112560613 B CN 112560613B CN 202011413616 A CN202011413616 A CN 202011413616A CN 112560613 B CN112560613 B CN 112560613B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- determining
- planes
- shot
- shooting
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种零件识别方法、装置和计算机设备,属于计算机视觉技术领域。该方法包括:在电子设备中获取零件的三维模型,并确定三维模型的重心位置;确定三维模型的外接凸壳,外接凸壳包括多个平面;根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,每个待拍摄平面与重心位置的位置关系满足预设的位置关系;对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像;根据多个虚拟拍摄模板图像确定零件识别库;将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。本申请可以更加快速准确识别零件的种类,提高识别效率。
Description
技术领域
本申请涉及计算机视觉技术领域,具体而言,涉及一种零件识别方法、装置和计算机设备。
背景技术
在工业生产领域的很多应用场景下,需要对零件进行喷漆或清洗、硫化等等工艺,将不同的零件混杂在一起,当零件种类繁多,相似性高时,人工区分比较困难,借助于计算机视觉技术,可以减少人工识别时间,加快零件的识别速度。
目前采取的计算机视觉识别方法主要是对三维模型中的多个视角进行图像采样,而离散的采样必然会丢失一些视角下的信息,为了减少信息丢失,目前大多数基于模型CAD(Computer Aided Design,计算机辅助设计)的方法都将模板采样数量设定为数千上万张,使用稠密采样降低离散化采样引起的误差,通过大量的采样图像比较以确定零件的种类。
但是,在生产企业的产品生产现场,同时生产的品种可能多达数百种,企业过往的产品种类甚至达到成千上万种,即使每个品种的零件模板图像只有一百个,零件的模板库图像数量也将非常庞大,零件的识别需要在上百万甚至千万个图像中进行识别,识别速度不快,影响了生产效率。
发明内容
本申请的目的在于提供一种零件识别方法、装置和计算机设备,可以快速准确识别零件的种类,提高识别效率。
本申请的实施例是这样实现的:
本申请实施例的一方面,提供一种零件识别方法,包括:
在电子设备中获取零件的三维模型,并确定三维模型的重心位置;
确定三维模型的外接凸壳,外接凸壳包括多个平面;
根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,每个待拍摄平面与重心位置的位置关系满足预设的位置关系;
对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像;
根据多个虚拟拍摄模板图像确定零件识别库;
将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。
可选地,确定三维模型的外接凸壳,包括:
根据三维模型的形状确定获取三维模型的轮廓;
根据三维模型的轮廓确定三维模型的最小外接凸壳。
可选地,根据三维模型的形状确定获取三维模型的轮廓,包括:
若三维模型的形状为小于第一复杂度的形状,则在三维模型中选取点集,根据点集确定三维模型的轮廓;
若三维模型的形状为大于等于第一复杂度且小于第二复杂度的形状,则在三维模型中确定非直线段的模拟圆弧,根据模拟圆弧确定三维模型的轮廓;
若三维模型的形状为大于等于第二复杂度的形状,则在三维模型中表面确定三角面片,根据三角面片确定三维模型的轮廓;
其中,第一复杂度小于第二复杂度。
可选地,根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,包括:
判断重心位置到三维模型的外接凸壳的目标平面的垂足是否在目标平面内,目标平面为外接凸壳上多个平面中的任一平面;
若重心位置到三维模型的外接凸壳的目标平面的垂足在目标平面内,则将目标平面作为一个待拍摄平面。
可选的,将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别,包括:
按照虚拟拍摄模板图像的排列次序,将实际图像与零件识别库中的各模板图像进行匹配;
若存在唯一的匹配结果,确定匹配结果对应的模板图像的类别为待识别零件的类别。
若存在多个匹配结果,则变更实际零件的姿态,并基于具有新的姿态的实际零件拍摄新的实际图像,将新的实际图像与零件识别库中的模板图像进行匹配,直至匹配结果唯一,得到待识别零件的类别。
可选地,按照虚拟拍摄模板图像的排列次序,将实际图像与零件识别库中的各模板图像进行匹配之前,该方法还包括:
根据多个待拍摄平面的面积,对多个待拍摄平面进行排序,得到多个待拍摄平面的排列次序;
根据多个待拍摄平面的排列次序,得到虚拟拍摄模板图像的排列次序。
可选地,对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像,包括:
分别根据三维模型的重心位置到多个待拍摄平面的距离确定多个虚拟相机的拍摄点;
分别在多个虚拟相机的拍摄点通过虚拟相机对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像。
可选地,将待识别零件的实际图像与零件识别库进行匹配之前,该方法还包括:
采用识别相机拍摄待识别零件的实际图像,待识别图像放置于水平面上保持水平稳定,识别相机与水平面垂直。
本申请实施例的另一方面,提供一种零件识别装置,包括:获取模块、凸壳确定模块、平面确定模块、虚拟拍摄模块、识别库构建模块、匹配模块;
获取模块,用于在电子设备中获取零件的三维模型,并确定三维模型的重心位置;
凸壳确定模块,用于确定三维模型的外接凸壳,外接凸壳包括多个平面;
平面确定模块,用于根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,每个待拍摄平面与重心位置的位置关系满足预设的位置关系;
虚拟拍摄模块,用于对多个待拍摄平面进行拍摄得到多个虚拟图像;
识别库构建模块,用于根据多个虚拟拍摄模板图像确定零件识别库;
匹配模块,用于将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。
可选地,凸壳确定模块,具体用于根据三维模型的形状确定获取三维模型的轮廓;根据三维模型的轮廓确定三维模型的最小外接凸壳。
可选地,凸壳确定模块,具体用于若三维模型的形状为小于第一复杂度的形状,则在三维模型中选取点集,根据点集确定三维模型的轮廓;
若三维模型的形状为大于等于第一复杂度且小于第二复杂度的形状,则在三维模型中确定模拟圆弧,根据模拟圆弧确定三维模型的轮廓;
若三维模型的形状为大于等于第二复杂度的形状,则在三维模型中确定三角面片,根据三角面片确定三维模型的轮廓;
其中,第一复杂度小于第二复杂度。
可选地,平面确定模块,具体用于判断重心位置到三维模型的外接凸壳的目标平面的垂足是否在目标平面内,目标平面为外接凸壳上多个平面中的任一平面;若重心位置到三维模型的外接凸壳的目标平面的垂足在目标平面内,则将目标平面作为一个待拍摄平面。
可选地,匹配模块,用于按照虚拟拍摄模板图像的排列次序,将实际图像与零件识别库中的各模板图像进行匹配;若存在唯一的匹配结果,确定匹配结果对应的模板图像的类别为待识别零件的类别;若存在多个匹配结果,则变更实际零件的姿态,并基于具有新的姿态的实际零件拍摄新的实际图像,将新的实际图像与零件识别库中的模板图像进行匹配,直至匹配结果唯一,得到待识别零件的类别。
可选地,该装置还包括:排序模块;排序模块,具体用于根据多个待拍摄平面的面积,对多个待拍摄平面进行排序,得到多个待拍摄平面的排列次序;根据多个待拍摄平面的排列次序,得到虚拟拍摄模板图像的排列次序。
可选地,虚拟拍摄模块,具体用于分别根据三维模型的重心位置到多个待拍摄平面的距离确定多个虚拟相机的拍摄点;分别在多个虚拟相机的拍摄点通过虚拟相机对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像。
可选地,识别库构建模块,具体用于采用识别相机拍摄待识别零件的实际图像,待识别图像放置于水平面上保持水平稳定,识别相机与水平面垂直。
本申请实施例的另一方面,提供一种计算机设备,包括:存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述零件识别方法的步骤。
本申请实施例的另一方面,提供一种存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述零件识别方法的步骤。
本申请实施例的有益效果包括:
本申请实施例提供的一种零件识别方法、装置和计算机设备中,可以在电子设备中获取零件的三维模型,并确定三维模型的重心位置;确定三维模型的外接凸壳,外接凸壳包括多个平面;根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,每个待拍摄平面与重心位置的位置关系满足预设的位置关系;对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像;根据多个虚拟拍摄模板图像确定零件识别库;将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。其中,通过确定三维模型的外接凸壳可以得到有限数量个平面,进而在这些平面中筛选出满足三维模型的重心位置与三维模型的外接凸壳的位置关系的待拍摄平面,进而得到虚拟拍摄模板图像加入零件识别库中。这样,每个零件采用上述方法得到的摄模板图像比从整个三维模型不同角度进行采样得到的模板图像数量大大减少,往往只有几个,一般不超过十几个。对于需要识别的零件种类庞大,数量很多时,采用本方法构建的模板图像库的图像数量相比于现有的方式可以得到极大的减少。将实际图像与零件识别库中的模板图像进行匹配,可以提高匹配的速度,提高零件识别的效率。同时,采用本方法构造的模板图像与实际图像拍摄视角一致性高,识别准确率也更高。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的零件识别方法的流程示意图一;
图2为本申请实施例提供的零件识别方法的流程示意图二;
图3为本申请实施例提供的确定最小外接凸壳的示意图一;
图4为本申请实施例提供的确定最小外接凸壳的示意图二;
图5为本申请实施例提供的形状为小于第一复杂度的形状的轮廓示意图;
图6为本申请实施例提供的形状为大于等于所述第一复杂度且小于第二复杂度的形状的轮廓示意图;
图7为本申请实施例提供的形状为大于等于所第二复杂度的形状的轮廓示意图;
图8为本申请实施例提供的零件识别方法的流程示意图四;
图9为本申请实施例提供的零件识别方法的流程示意图五;
图10为本申请实施例提供的零件识别方法的流程示意图六;
图11为本申请实施例提供的零件识别方法的流程示意图七;
图12为本申请实施例提供的零件识别装置的结构示意图;
图13为本申请实施例提供的零件识别装置的另一结构示意图;
图14为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
目前采取的计算机识别方法的模板库建立主要是在三维模型中的每个视角进行图像采样,例如,可以以三维模型作为球心,该球心对应的球体表面上的任意一个点都需要获取对应的图像,而由于球体表面上的点的数量是无限多的,因此,需要采用离散采样的方式按照一定的稀疏度获取一定数量的图像。然而,离散的采样必然会丢失一些视角下的信息,因此目前大多数基于模型CAD的方法都将模板采样数量设定为数万张模板,使用稠密采样降低离散化采样引起的误差。在生产企业的产品生产现场,同时生产的品种可能多达数百种,企业过往的产品种类可能达到上万种,在此基础上,对于每种类型的产品,采用传统的离散采样方式需要获取该产品模型每个角度的图片,相应地,上万种类型的产品均需要获取每个角度的图片,这就导致了零件识别库中需要存储有数量非常庞大的图片,在进行识别匹配时,每一个待识别的图像都需要与零件识别库中的每张图片进行比较,这就导致了识别的速度相对缓慢,进而也会降低生产效率。
因此,现有技术的手段会导致相关计算处理的过程较慢,确定零件种类的工作效率较低。
下面通过具体的实施例来解释本申请实施例中提供的零件识别方法的具体实施过程。
图1为本申请实施例提供的零件识别方法的流程示意图一,请参照图1,该方法包括:
S110:在电子设备中获取零件的三维模型,并确定三维模型的重心位置。
可选地,电子设备可以是计算机、平板电脑或者手机等电子设备,具体可以为装有显示三维模型的应用软件的电子设备,该应用软件例如可以是CAD,或者其他可以显示待识别零件的三维模型的软件,在此不作限制。
可选地,在获取零件的三维模型的情况下,可以采用电子设备中预设的相关算法计算出三维模型的重心位置,具体可以通过空间坐标系的方式来表示重心位置。
S120:确定三维模型的外接凸壳。
其中,外接凸壳包括多个平面。
可选地,外接凸壳可以是包裹于整个三维模型外侧的多面体,该多面体的每个面均为平面。
S130:根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面。
其中,每个待拍摄平面与重心位置的位置关系满足预设的位置关系。
可选地,待拍摄平面可以是外接凸壳中的多个平面中满足与重心位置的位置关系的平面,也即是上述多面体中满足预设条件的面。
S140:对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像。
可选地,可以在待拍摄平面的上方进行拍摄,具体可以采用虚拟相机或者其他虚拟拍摄的软件来进行拍摄,进而获取到多个虚拟拍摄模板图像。
可选地,每个虚拟拍摄模板图像可以与每个待拍摄平面一一对应,也即是可以对每个待拍摄平面进行拍摄得到每个待拍摄平面对应的虚拟拍摄模板图像,这些虚拟拍摄模板图像的尺寸大小可以保持一致,与待拍摄平面的大小无关。
可选地,可以采用白色背景,白色面光源进行拍摄。
S150:根据多个虚拟拍摄模板图像确定零件识别库。
可选地,可以将上述获取的多个虚拟拍摄模板图像加入到预设的模板库中,将该预设的模板库作为零件识别库。
S160:将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。
可选地,零件识别库中可以包括多个模板图像,其中,模板图像即是使用上述步骤的方法对零件对应的三维模型进行处理所得到的虚拟拍摄模板图像,具体处理过程在此不加赘述。
进而,在本步骤中,将实际图像与零件识别库进行匹配可以是将每张实际图像分别与零件识别库中的每张图片分别进行比较,若相似度达到一定阈值,则可以确定匹配成功;相应地,若相似度未达到一定阈值,则可以确定未匹配成功,可以根据匹配的结果确定待识别零件的类别。
本申请实施例提供的一种零件识别方法中,可以在电子设备中获取零件的三维模型,并确定三维模型的重心位置;确定三维模型的外接凸壳,外接凸壳包括多个平面;根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,每个待拍摄平面与重心位置的位置关系满足预设的位置关系;对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像;根据多个虚拟拍摄模板图像确定零件识别库;将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。其中,通过确定三维模型的外接凸壳可以得到有限数量个平面,进而在这些平面中筛选出满足三维模型的重心位置与三维模型的外接凸壳的位置关系的待拍摄平面,进而得到虚拟拍摄模板图像加入零件识别库中。这样,每个零件采用上述方法得到的摄模板图像比从整个三维模型不同角度进行采样得到的模板图像数量大大减少,往往只有几个,一般不超过十几个。对于需要识别的零件种类庞大,数量很多时,采用本方法构建的模板图像库的图像数量相比于现有的方式可以得到极大的减少。将实际图像与零件识别库中的模板图像进行匹配,可以提高匹配的速度,提高零件识别的效率。
下面通过具体的实施例来解释本申请实施例中提供的零件识别方法的又一具体实施过程。
图2为本申请实施例提供的零件识别方法的流程示意图二,请参照图2,确定三维模型的外接凸壳,包括:
S210:根据三维模型的形状确定获取三维模型的轮廓。
可选地,可以根据三维模型的形状,采取不同的方法确定三维模型的轮廓,例如:可以根据三维模型形状的复杂程度或者其他预设定的判定依据来选择不同的轮廓获取的方法。
S220:根据三维模型的轮廓确定三维模型的最小外接凸壳。
可选地,可以根据三维模型的轮廓确定三维模型的最小外接凸壳,其中最小外接凸壳的确定方法可以包括多种,下面分别通过多个实施例来解释确定最小外接凸壳的方法。不管哪种方法都是将三维模型简化为不同数量的点集,然后对该点集进行运算得到外包凸壳。
一种可选方式中,可以使用通过一条边线不断包裹内卷的方式确定最小外接凸壳。图3为本申请实施例提供的确定最小外接凸壳的示意图一,请参照图3,图3中所示的最小外接凸壳为通过该方法对三维模型的轮廓上的点进行处理后得到的。
该方法的具体步骤如下:
(1)建立空间坐标系,建立外接凸壳CH(S'),其中,S'是三维模型S在空间坐标系的xy平面上的投影,|S'|=n,n为三维模型轮廓上点的数量。
(4)分别过S中各点和线段作平面π1,π2,π3,……,πn-2,计算πi 与π的夹角θi并求最小夹角θ及相应平面上S中的点,设为p3。连接p1,p2与p3成三角形,该三角形为CH(S)的一个侧面,将该侧面作为转动后的π。
(5)重复(4)的方法求CH(S)的新的侧面,直至所有侧面三角形的棱边均由两个侧面三角形共享。
可选地,对于某些零件,可能出现若干数量的点较为集中,其他地方稀疏的情况。可以采用分治算法,将各个点较为集中的部分先使用上述卷包裹法建立一个外接凸壳,再分别从若干个外接凸壳中寻找其中的棱,然后围绕该棱逐步构造三角形侧面,直至回到该棱为止。
另一种可选方式中,可以使用极值点算法确定最小外接凸壳。图4为本申请实施例提供的确定最小外接凸壳的示意图二,请参照图4,图4中所示的最小外接凸壳为通过极值点算法对三维模型的轮廓上的点进行处理后得到的。
该极值点算法的具体过程如下:
可以根据三维模型的轮廓中的多个点的空间坐标,确定8个坐标点,这八个坐标点可以是xyz三个坐标中最大最小对应的点,具体如下:P1(Xmax,Ymax,Zmax)、P2(Xmax,Ymax,Zmin)、P3(Xmax,Ymin,Zmax)、P4(Xmin,Ymax,Zmax)、P5(Xmin,Ymin,Zmax)、P6(Xmin,Ymax,Zmin)、P7(Xmax,Ymin,Zmin)、P8(Xmin,Ymin,Zmin),按照预设顺序连接这8个点以构成第一六面体,然后可以按照最大最小坐标构造一个规则的第二六面体,该第二六面体可以是外接于第一六面体外的长方体,可以与第一六面体共同划分出21个立体空间区域。三维模型的轮廓中的所有的点都在第二六面体的内部。设三维模型的轮廓中的所有的点在点集S中,可以由S中一点引出一条平行于x(或者y、z)的射线,如果该射线与第一六面体不相交或者有两个交点,则该点在第一六面体外部,如果只有一个交点则在第一六面体内部。如果与棱或顶点相交则改为沿y轴(另一条不同的轴)引出射线,如果三个方向的射线都与棱或顶点相交,则该点在第一六面体内部。
对于在第一六面体外部的点,可以先计算该点是否在侧面三角形的上方,确定该点所述的具体立体区域,然后可以对该立体区域内部的点求其到侧面三角形的距离并找出最大值的点,进而连接该点与侧面三角形的三个顶点从而得到一个四面体,确定四面体是否有凹棱,若有凹棱则要改变连接方式,删去凹棱,重复该步骤至所有点集均在内部为止。
下面通过具体的实施例来解释本申请实施例中提供的确定获取三维模型的轮廓的具体实施过程。
一种方式中,若三维模型的形状为小于第一复杂度的形状,则在三维模型中选取点集,根据点集确定三维模型的轮廓。
可选地,第一复杂度可以是根据三维模型的形状、管径、精度等因素计算得到的,用以表征每个三维模型形状的复杂性,复杂度越高则三维模型形状越复杂。以管状三维模型为例,小于第一复杂度的形状可以是形状比较简单,管路较细,单段直线管较长且弯管部位较少的三维模型。
可选地,以管状的三维模型为例,若三维模型的形状为小于第一复杂度的形状,则可将每段直线管简化至中心线,记录各个中心线相互之间的交点(只有在两条中心线在同一平面内时),不在同一平面的中心线记录其直线管末端中心点,对于连接两段直线管之间的空间弯管,在其中心线上按照该段弯管平均半径为基本单位,每隔一个管路半径的长度取一个点,若弯管中心线长度比n个半径长同时小于n+1个半径则按照n个半径长度将这些点平均分布在该段圆弧中心线上并记录这些点,进而可以根据这些点所构成的点集来确定三维模型的轮廓。
另一种方式中,若三维模型的形状为大于等于第一复杂度且小于第二复杂度的形状,则在三维模型中确定模拟圆弧,根据模拟圆弧确定三维模型的轮廓。
可选地,第二复杂度也可以是根据三维模型的形状、管径、精度等因素计算得到的,其中,第一复杂度小于第二复杂度。以管状三维模型为例,大于等于第一复杂度且小于第二复杂度的形状可以是形状稍微复杂,管径较粗的三维模型,或第一种方法得到的结果明显不能满足模板建立需要的三维模型。
可选地,以管状的三维模型为例,可对零件两端取点,零件端部若是圆柱,可根据具体精度需要,将圆柱的圆端面等距取4个点、6个点、8个点或者更多点并记录,对于两段直线管连接弯管部分使用圆弧沿轮廓表面连接相对应的直管部分,并按照每隔一个弯管整体半径长度取一个点的方式,大于n个半径长度小于n+1个半径长度时取n个半径长度平均分布在这些圆弧上,并记录这些圆弧,进而可以根据这些点所构成的圆弧来确定三维模型的轮廓。
又一种方式中,若三维模型的形状为大于等于第二复杂度的形状,则在三维模型中确定三角面片,根据三角面片确定三维模型的轮廓。
可选地,大于等于第二复杂度的形状可以是形状更加复杂的三维模型,可以是异形管状零件,也可以是多面体零件,或者复杂焊接工件,是对于精度要求较高的三维模型,或者是前两种方法明显不能满足模板建立需要的三维模型。
可选地,可以通过在三维模型上选择多个点,并连接这些点以构成三角形,每个三角形的各个顶点都有相对应具体的坐标,可以根据精度需要来使用不同数量的三角面片来覆盖。
具体的,在计算机软件中,可以将CAD格式的三维模型转换为STL格式来实现三角形的覆盖。
下面通过多个具体的实施例分别解释本申请的实施例中提供的基于不同形状的轮廓示意图。
图5为本申请实施例提供的形状为小于第一复杂度的形状的轮廓示意图,请参照图5,图5中的多个点所构成的集合即组成了形状为小于第一复杂度的形状的三维模型的轮廓。
例如,图5中可以是简单细长弯管的三维模型的轮廓。
图6为本申请实施例提供的形状为大于等于所述第一复杂度且小于第二复杂度的形状的轮廓示意图,请参照图6,图6中的多个圆弧所构成的集合即组成了形状为大于等于所述第一复杂度且小于第二复杂度的形状的三维模型的轮廓。
例如,图6中是相比较于图5弯管更粗一些且更短一些更复杂一些的三维模型的轮廓。
图7为本申请实施例提供的形状为大于等于所第二复杂度的形状的轮廓示意图,请参照图7,图7中的多个三角面片所构成的集合即组成了形状为大于等于所第二复杂度的形状的三维模型的轮廓。
例如,图7中可以是相对图5、图6中更加复杂的管道的三维模型轮廓。
可选地,请结合参照图5-图7,无论是根据何种方式确定的三维模型轮廓,其内都包括多个点,这些点可以组成点集S,可以通过点集S来表示一个三维模型的轮廓。
下面通过具体的实施例来解释本申请实施例中提供的确定外接凸壳中的多个待拍摄平面的具体实施过程。
图8为本申请实施例提供的零件识别方法的流程示意图四,请参照图8,根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,包括:
S810:判断重心位置到三维模型的外接凸壳的目标平面的垂足是否在目标平面内。
其中,目标平面为外接凸壳上多个平面中的任一平面。
可选地,可以从重心的位置向目标平面作垂线,进而判定该垂线的垂足是否在该目标平面的范围内。
可选地,目标平面可以是外接凸壳上多个平面中的任一平面,也即是说,可以从中心位置分别向外接凸壳中的每一个平面作垂线。
S820:若重心位置到三维模型的外接凸壳的目标平面的垂足在目标平面内,则将目标平面作为一个待拍摄平面。
可选地,若重心位置到三维模型的外接凸壳的目标平面的垂足在目标平面内,则可以将该目标平面作为一个待拍摄平面;相应地,可以按照S820的方法,判断每个垂足是否在对应的目标平面内,进而从所有的目标平面中得到所有符合条件的待拍摄平面。
可选地,在目标平面内指的是垂足在目标平面的边界内,也即是在目标平面这一封闭多边形中。
下面通过具体的实施例来解释本申请实施例提供的确定待识别零件的类别的具体实施过程。
图9为本申请实施例提供的零件识别方法的流程示意图五,请参照图9,将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别包括:
S910:按照虚拟拍摄模板图像的排列次序,将实际图像与零件识别库中的各模板图像进行匹配。
S920:若存在唯一的匹配结果,确定匹配结果对应的模板图像的类别为待识别零件的类别。
S930:若存在多个匹配结果,则变更实际零件的姿态,并基于具有新的姿态的实际零件拍摄新的实际图像,将新的实际图像与零件识别库中的模板图像进行匹配,直至匹配结果唯一,得到待识别零件的类别。
可选地,在匹配结束之后,若对于某一个实际图像,其具有多个匹配的结果,或者对于不同的实际图像,其匹配到的模板图像所对应的类别不同,则可以变更待识别零件的姿态。
可选地,变更待识别零件的姿态具体可以为对待识别零件进行旋转翻转等操作,以使待识别零件的摆放姿态发生改变。
可选地,变更待识别零件的姿态后,可以采取前述方法重新确定该待识别零件中的新的实际图像,进而根据新的实际图像重新进行匹配,重复这些步骤,直至匹配结果为一个位置。
可选地,匹配为一个可以是每个实际图像匹配到的模板图像对应的类别均一致。
可选的,若匹配结果为一个,则可以确定该匹配结果对应的模板图像的类别皆为待识别零件的类别。
相应地,若没有匹配结果,则可以确定该待识别零件不存在于零件识别库中,也即是说,该待识别零件为新的类别的零件,可以将该零件的各个虚拟拍摄模板图像存储于零件识别库中。
下面通过具体的实施例来解释本申请实施例中提供的零件识别方法又一具体实施过程。
图10为本申请实施例提供的零件识别方法的流程示意图六,请参照图10,按照虚拟拍摄模板图像的排列次序,将实际图像与零件识别库中的各模板图像进行匹配之前,该方法还包括:
S1010:根据多个待拍摄平面的面积,对多个待拍摄平面进行排序,得到多个待拍摄平面的排列次序。
可选地,可以根据多个待拍摄平面的面积大小,对多个待拍摄平面进行排序,例如:可以按照由面积大到小的顺序进行排序,进而得到多个待拍摄平面的排列次序。
S1020:根据多个待拍摄平面的排列次序,得到虚拟拍摄模板图像的排列次序。
可选地,可以将多个待拍摄平面的排列次数作为虚拟拍摄模板图像的排列次序,也即是说,虚拟拍摄模板图像的排列次序也可以根据每个虚拟拍摄模板图像对应的待拍摄平面的面积大小进行排序。
优选地,可以以由大到小的顺序进行排序,进而在后续匹配的过程中,先将对应待拍摄平面面积较大的虚拟拍摄模板图像进行匹配,可以实现匹配范围由大到小变化的过程,进而可以提高匹配的匹配效率和准确性。
下面通过具体的实施例来解释本申请实施例中提供的得到多个虚拟拍摄模板图像的具体实施过程。
图11为本申请实施例提供的零件识别方法的流程示意图七,请参照图11,对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像,包括:
S1110:分别根据三维模型的重心位置到多个待拍摄平面的距离确定多个虚拟相机的拍摄点。
可选地,可以从三维模型的重心位置向多个待拍摄平面作垂线,获得垂线与平面的交点,反向延伸该交点的投影线,当该投影线的长达到规定的值L时,可以确定此处的点为虚拟相机的拍摄点,其中L可以是500-1000mm,具体可以根据用户的需求进行设定,在此不作限制。
可选地,可以通过上述方法确定每个待拍摄平面对应的虚拟相机的拍摄点。
S1120:分别在多个虚拟相机的拍摄点通过虚拟相机对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像。
可选地,可以采用虚拟相机在虚拟相机的拍摄点进行拍摄,虚拟相机可以采用白色面光源进行拍摄,拍摄后得到的实际图像可以采用白色的背景底色。
需要说明的是,白色面光源和白色背景可以使得拍摄图片内干扰较少,进而提高匹配过程的准确性。
可选地,将待识别零件的实际图像与零件识别库进行匹配之前,该方法还包括:
采用识别相机拍摄待识别零件的实际图像,待识别图像放置于水平面上保持水平稳定,识别相机与水平面垂直。
下述对用以执行的本申请所提供零件识别方法对应的装置、设备等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图12为本申请实施例提供的零件识别装置的结构示意图,请参照图12,该装置包括:获取模块100、凸壳确定模块200、平面确定模块300、虚拟拍摄模块400、识别库构建模块500、匹配模块600;
获取模块100,用于在电子设备中获取零件的三维模型,并确定三维模型的重心位置;
凸壳确定模块200,用于确定三维模型的外接凸壳,外接凸壳包括多个平面;
平面确定模块300,用于根据三维模型的重心位置与三维模型的外接凸壳的位置关系,确定外接凸壳中的多个待拍摄平面,每个待拍摄平面与重心位置的位置关系满足预设的位置关系;
虚拟拍摄模块400,用于对多个待拍摄平面进行拍摄得到多个虚拟图像;
识别库构建模块500,用于根据多个虚拟拍摄模板图像确定零件识别库。
匹配模块600,用于将待识别零件的实际图像与零件识别库进行匹配,以确定待识别零件的类别。
可选地,凸壳确定模块200,具体用于根据三维模型的形状确定获取三维模型的轮廓;根据三维模型的轮廓确定三维模型的最小外接凸壳。
可选地,凸壳确定模块200,具体用于若三维模型的形状为小于第一复杂度的形状,则在三维模型中选取点集,根据点集确定三维模型的轮廓;
若三维模型的形状为大于等于第一复杂度且小于第二复杂度的形状,则在三维模型中确定模拟圆弧,根据模拟圆弧确定三维模型的轮廓;
若三维模型的形状为大于等于所第二复杂度的形状,则在三维模型中确定三角面片,根据三角面片确定三维模型的轮廓;
其中,第一复杂度小于第二复杂度。
可选地,平面确定模块300,具体用于判断重心位置到三维模型的外接凸壳的目标平面的垂足是否在目标平面内,目标平面为外接凸壳上多个平面中的任一平面;若重心位置到三维模型的外接凸壳的目标平面的垂足在目标平面内,则将目标平面作为一个待拍摄平面。使用虚拟相机对该平面拍摄后按照排列次序,依次加入模板库中。
可选地,匹配模块600,用于按照虚拟拍摄模板图像的排列次序,将实际图像与零件识别库中的各模板图像进行匹配;若存在唯一的匹配结果,确定匹配结果对应的模板图像的类别为待识别零件的类别;若存在多个匹配结果,则变更实际零件的姿态,并基于具有新的姿态的实际零件拍摄新的实际图像,将新的实际图像与零件识别库中的模板图像进行匹配,直至匹配结果唯一,得到待识别零件的类别。
图13为本申请实施例提供的零件识别装置的另一结构示意图,请参照图13,该装置还包括:排序模块700;排序模块700,具体用于根据多个待拍摄平面的面积,对多个待拍摄平面进行排序,得到多个待拍摄平面的排列次数;根据多个待拍摄平面的排列次数,得到实际图像的排列次序。
可选地,拍摄模块400,具体用于分别根据三维模型的重心位置到多个待拍摄平面的距离确定多个虚拟相机的拍摄点;分别在多个虚拟相机的拍摄点通过虚拟相机对多个待拍摄平面进行拍摄得到多个虚拟拍摄模板图像。
可选地,识别库构建模块500,具体用于采用识别相机拍摄待识别零件的实际图像,待识别图像放置于水平面上保持水平稳定,识别相机与水平面垂直。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图14为本申请实施例提供的计算机设备的结构示意图,请参照图14,计算机设备,包括:存储器800、处理器900,存储器800中存储有可在处理器900上运行的计算机程序,处理器执行计算机程序时,实现上述零件识别方法的步骤。
本申请实施例的另一方面,还提供一种存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述零件识别方法的步骤。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(英文:processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种零件识别方法,其特征在于,包括:
在电子设备中获取零件的三维模型,并确定所述三维模型的重心位置;
确定所述三维模型的外接凸壳,所述外接凸壳包括多个平面;
根据所述三维模型的重心位置与所述三维模型的外接凸壳的位置关系,确定所述外接凸壳中的多个待拍摄平面,每个所述待拍摄平面与所述重心位置的位置关系满足预设的位置关系;
对多个所述待拍摄平面进行拍摄得到多个虚拟拍摄模板图像;
根据多个所述虚拟拍摄模板图像确定零件识别库;
将待识别零件的实际图像与所述零件识别库进行匹配,以确定所述待识别零件的类别。
2.如权利要求1所述的方法,其特征在于,所述确定所述三维模型的外接凸壳,包括:
根据所述三维模型的形状确定获取所述三维模型的轮廓;
根据所述三维模型的轮廓确定所述三维模型的最小外接凸壳。
3.如权利要求2所述的方法,其特征在于,所述根据所述三维模型的形状确定获取所述三维模型的轮廓,包括:
若所述三维模型的形状为小于第一复杂度的形状,则在所述三维模型中选取点集,根据所述点集确定所述三维模型的轮廓;
若所述三维模型的形状为大于等于所述第一复杂度且小于第二复杂度的形状,则在所述三维模型中非直线段表面确定模拟圆弧,根据所述模拟圆弧确定所述三维模型的轮廓;
若所述三维模型的形状为大于等于所述第二复杂度的形状,则在所述三维模型表面中确定三角面片,根据所述三角面片确定所述三维模型的轮廓;
其中,所述第一复杂度小于所述第二复杂度。
4.如权利要求1-3任一项所述的方法,其特征在于,所述根据所述三维模型的重心位置与所述三维模型的外接凸壳的位置关系,确定所述外接凸壳中的多个待拍摄平面,包括:
判断所述重心位置到所述三维模型的外接凸壳的目标平面的垂足是否在所述目标平面内,所述目标平面为所述外接凸壳上多个平面中的任一平面;
若所述重心位置到所述三维模型的外接凸壳的目标平面的垂足在所述目标平面内,则将所述目标平面作为一个所述待拍摄平面。
5.如权利要求1-3任一项所述的方法,其特征在于,所述将待识别零件的实际图像与所述零件识别库进行匹配,以确定所述待识别零件的类别,包括:
按照所述虚拟拍摄模板图像的排列次序,将所述实际图像与所述零件识别库中的各模板图像进行匹配;
若存在唯一的匹配结果,确定所述匹配结果对应的模板图像的类别为所述待识别零件的类别;
若存在多个匹配结果,则变更实际零件的姿态,并基于具有新的姿态的实际零件拍摄新的实际图像,将所述新的实际图像与所述零件识别库中的模板图像进行匹配,直至所述匹配结果唯一,得到待识别零件的类别。
6.如权利要求5所述的方法,其特征在于,所述按照所述虚拟拍摄模板图像的排列次序,将所述实际图像与所述零件识别库中的各模板图像进行匹配之前,所述方法还包括:
根据多个所述待拍摄平面的面积,对多个所述待拍摄平面进行排序,得到多个所述待拍摄平面的排列次序;
根据多个所述待拍摄平面的排列次序,得到所述虚拟拍摄模板图像的排列次序。
7.如权利要求1-3任一项所述的方法,其特征在于,所述对多个所述待拍摄平面进行拍摄得到多个虚拟拍摄模板图像,包括:
分别根据所述三维模型的重心位置到所述多个待拍摄平面的距离确定多个虚拟相机的拍摄点;
分别在多个所述虚拟相机的拍摄点通过所述虚拟相机对多个所述待拍摄平面进行拍摄得到多个所述虚拟拍摄模板图像。
8.如权利要求1-3任一项所述的方法,其特征在于,所述将待识别零件的实际图像与所述零件识别库进行匹配之前,所述方法还包括:
采用识别相机拍摄所述待识别零件的实际图像,所述待识别零件放置于水平面上保持水平稳定,所述识别相机与所述水平面垂直。
9.一种零件识别装置,其特征在于,包括:获取模块、凸壳确定模块、平面确定模块、虚拟拍摄模块、识别库构建模块、匹配模块;
所述获取模块,用于在电子设备中获取零件的三维模型,并确定所述三维模型的重心位置;
所述凸壳确定模块,用于确定所述三维模型的外接凸壳,所述外接凸壳包括多个平面;
所述平面确定模块,用于根据所述三维模型的重心位置与所述三维模型的外接凸壳的位置关系,确定所述外接凸壳中的多个待拍摄平面,每个所述待拍摄平面与所述重心位置的位置关系满足预设的位置关系;
所述虚拟拍摄模块,用于对多个所述待拍摄平面进行拍摄得到多个虚拟拍摄模板图像;
所述识别库构建模块,用于根据多个所述虚拟拍摄模板图像确定零件识别库;
所述匹配模块,用于将待识别零件的实际图像与所述零件识别库进行匹配,以确定所述待识别零件的类别。
10.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述权利要求1至8任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011413616.3A CN112560613B (zh) | 2020-12-02 | 2020-12-02 | 零件识别方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011413616.3A CN112560613B (zh) | 2020-12-02 | 2020-12-02 | 零件识别方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560613A CN112560613A (zh) | 2021-03-26 |
CN112560613B true CN112560613B (zh) | 2022-08-26 |
Family
ID=75058854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011413616.3A Active CN112560613B (zh) | 2020-12-02 | 2020-12-02 | 零件识别方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560613B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793317A (zh) * | 2021-09-13 | 2021-12-14 | 合肥艾克斯特智能科技有限公司 | 一种板材零件识别喷码方法 |
CN114398707B (zh) * | 2022-01-15 | 2023-03-21 | 清华大学 | 空间遮挡信息的确定方法、装置及设备 |
CN114119721B (zh) * | 2022-01-25 | 2022-04-01 | 中国科学院自动化研究所 | 基于凸壳扫描的图像物体对称性识别方法、系统及设备 |
CN116071365A (zh) * | 2023-03-29 | 2023-05-05 | 季华实验室 | 零件检测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002259966A (ja) * | 2001-03-05 | 2002-09-13 | Toyota Motor Corp | 周辺認識装置 |
JP2011159042A (ja) * | 2010-01-29 | 2011-08-18 | Ihi Corp | 物体認識方法及び物体認識装置 |
CN108555908A (zh) * | 2018-04-12 | 2018-09-21 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
CN111079565A (zh) * | 2019-11-27 | 2020-04-28 | 深圳市华汉伟业科技有限公司 | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 |
-
2020
- 2020-12-02 CN CN202011413616.3A patent/CN112560613B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002259966A (ja) * | 2001-03-05 | 2002-09-13 | Toyota Motor Corp | 周辺認識装置 |
JP2011159042A (ja) * | 2010-01-29 | 2011-08-18 | Ihi Corp | 物体認識方法及び物体認識装置 |
CN108555908A (zh) * | 2018-04-12 | 2018-09-21 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
CN111079565A (zh) * | 2019-11-27 | 2020-04-28 | 深圳市华汉伟业科技有限公司 | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 |
Non-Patent Citations (4)
Title |
---|
Pose Normalization of 3D Models via Reflective Symmetry on Panoramic Views;Konstantinos Sfikas, etc.;《The Visual Computer》;20141130;全文 * |
TLS在古建筑物测绘及建模中的应用研究;李俊宝;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20160115;全文 * |
地埋管换热器Delaunay三维非结构化网格的方法研究;申思等;《太阳能学报》;20170128(第01期);全文 * |
随机工件的点云场景CAD模型的快速识别与定位;赵刚等;《激光与红外》;20191220(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112560613A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560613B (zh) | 零件识别方法、装置和计算机设备 | |
CN108509848B (zh) | 三维物体的实时检测方法及系统 | |
WO2020206903A1 (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
US7079680B2 (en) | 3D computer model processing apparatus | |
CN112150575A (zh) | 场景数据获取方法及模型训练方法、装置及计算机设备 | |
CN111882666A (zh) | 三维网格模型的重建方法及其装置、设备、存储介质 | |
CN113223078B (zh) | 标志点的匹配方法、装置、计算机设备和存储介质 | |
CN113936090A (zh) | 三维人体重建的方法、装置、电子设备及存储介质 | |
CN111382618B (zh) | 一种人脸图像的光照检测方法、装置、设备和存储介质 | |
CN114863060A (zh) | 基于点云的三维模型重建方法、装置、设备及存储介质 | |
Zhang et al. | 3D tree skeletonization from multiple images based on PyrLK optical flow | |
CN112419334A (zh) | 基于深度学习的微表面材质重建方法及系统 | |
Pan et al. | Automatic rigging for animation characters with 3D silhouette | |
Barequet | Using geometric hashing to repair CAD objects | |
CN107464278B (zh) | 全视向的球体光场渲染方法 | |
CN112802101A (zh) | 一种基于多维金字塔的分层模板匹配方法 | |
CN116580148A (zh) | 一种基于人体点云与测量参数的参数化人体模型拟合方法 | |
JP6516775B2 (ja) | 情報マッチング装置及びその方法 | |
Horaud et al. | Model-based strategy planning for recognizing partially occluded parts | |
Foorginejad et al. | Point clouds curvature estimation using umbrella curvature. | |
KR20150002157A (ko) | 단일 깊이 영상을 이용한 내용기반 3차원 모델 검색 방법, 이를 수행하는 3차원 모델 검색 서버 및 컴퓨터로 판독 가능한 기록매체 | |
Tushev et al. | Parallel algorithms for effective correspondence problem solution in computer vision | |
CN113111741A (zh) | 一种基于三维特征点的装配状态识别方法 | |
Bilodeau et al. | Generic modeling of 3d objects from single 2d images | |
JP2003067775A (ja) | テクスチャマッピング方法、テクスチャマッピング処理プログラム及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 |
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 |