CN113701821B - 一种基于局部特征的建筑铝模板识别结构及其方法 - Google Patents

一种基于局部特征的建筑铝模板识别结构及其方法 Download PDF

Info

Publication number
CN113701821B
CN113701821B CN202111020817.1A CN202111020817A CN113701821B CN 113701821 B CN113701821 B CN 113701821B CN 202111020817 A CN202111020817 A CN 202111020817A CN 113701821 B CN113701821 B CN 113701821B
Authority
CN
China
Prior art keywords
plate
aluminum template
laser
detection
building aluminum
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
Application number
CN202111020817.1A
Other languages
English (en)
Other versions
CN113701821A (zh
Inventor
田凤莲
张静
赵皓
段淇昱
刘满禄
王姮
祝会龙
单毛毛
邓雪
霍建文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202111020817.1A priority Critical patent/CN113701821B/zh
Publication of CN113701821A publication Critical patent/CN113701821A/zh
Application granted granted Critical
Publication of CN113701821B publication Critical patent/CN113701821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于局部特征的建筑铝模板识别结构及其方法，包括用于传输检测板件的传输装置；传输装置入口处侧边安装红外对管检测模组和用于姿态调整的气动立柱机构；沿传输装置传送方向依次安装线位移激光传感器和高速工业相机检测组件；高速工业相机检测组件后侧安装线激光扫描仪；高速工业相机检测组件外侧安装工控机，工控机分别与传输装置、红外对管检测模组、气动立柱机构、线位移激光传感器和线激光扫描仪电连接。本发明通过预先对各大类型板件加强筋的扫描进行离线建模，预先对板件各类型通孔进行识别检测和编码，实时在线识别时对各种长度的各类型板件进行相应的匹配，减少了系统在线识别和分辨板件的时间，提高识别效率。

Description

一种基于局部特征的建筑铝模板识别结构及其方法
技术领域
本发明属于工业应用的技术领域，具体涉及一种基于局部特征的建筑铝模板识别结构及其方法。
背景技术
近年来，铝合金模板开始在国内建筑施工中应用日益普遍。“绿色建筑”的概念的提出，具有一系列优异特性的轻量化铝材作为理想的“绿色建筑"材料越来越受到建筑业的青睐，大有以铝代木、以铝代塑、以铝代钢的趋势。铝合金建筑门窗、幕墙、围栏等装饰材料已被泛使用已是不争的事实，铝模板和脚手架作为绿色建筑施工机械器具与材料以及铝合金结构材料为绿色建筑结构材料替代木材和钢材，在近几十年也取得了重大发展，并被认为是未来绿色建筑的发展方向。为此，在利用激光扫描的同时，制定了相应的识别模式本发明的应用于流水线铝模板识别分类的检测装置及方法，采用自动化识别和判断的方式对物料进行分类，避免了传统的完全依靠人工操作带来的工作效率低下，且检测结果的可靠性难以保证的问题。
目前对回收铝模板板件识别过程中，多采用人工识别分辨，由于铝模板有多种类型，且尺寸变化大，架板件型号不确定(无序)，所耗时间太长、所耗人工太大。再加上工厂环境粉尘大、且光照不确定。同时对铝模板的匹配与识别准确度不够，人工耗费较大且效率较低。
发明内容
本发明的目的在于针对现有技术中的上述不足，提供一种基于局部特征的建筑铝模板识别结构及其方法，以解决或改善上述的问题。
为达到上述目的，本发明采取的技术方案是：
一方面，一种基于局部特征的建筑铝模板识别结构，其包括用于传输检测板件的传输装置；传输装置入口处侧边安装红外对管检测模组和用于姿态调整的气动立柱机构；沿传输装置传送方向依次安装线位移激光传感器和高速工业相机检测组件；高速工业相机检测组件后侧安装线激光扫描仪；高速工业相机检测组件外侧安装工控机，工控机分别与传输装置、红外对管检测模组、气动立柱机构、线位移激光传感器和线激光扫描仪电连接。
进一步地，高速工业相机检测组件包括暗箱，所述暗箱内安装用于提供照明的环形光源或面光源，且在暗箱内安装相机。
一方面，一种基于局部特征的建筑铝模板识别结构的识别方法，其特征在于，包括以下步骤：
S1、启动传输装置，将建筑铝模板正面朝上放置于传输装置上传输带入口处，并向出口方向传输；
S2、红外对管检测模组检测建筑铝模板进入传输区域，返回建筑铝模板到达信息，工控机控制气动立柱机构启动调整建筑铝模板水平方向姿态；
S3、线位移激光传感器检测到建筑铝模板时，进行预设延时后分别启动高速相机和线激光扫描仪；
S4、建筑铝模板进入高速相机检测暗箱，相机拍摄建筑铝模板并传回到工控机，工控机对拍摄信息进行实时边缘检测建筑铝模板通孔类型数量和大小，建筑铝模板到达激光扫描仪检测段，线激光扫描仪对建筑铝模板的加强筋进行扫描；
S5、线位移激光传感器检测建筑铝模板结束，预设的延时后，关闭相机和线激光扫描仪，工控机根据过线位移激光传感器的检测结果和传输带时间计算得到建筑铝模板长度；
S6、根据返回到工控机的图像检测结果和激光扫描仪的模型匹配结果计算加强筋的高度、建筑铝模板的宽度、建筑铝模板是否存在角铝及存在角铝数量、建筑铝模板是否存在竖向加强筋、建筑铝模板是否存在通孔；并将计算结果与预先构建模型进行比对，得到并输出结果编码和类别。
进一步地，步骤S6中构建模型，包括：
S6.1、选择多个不同类别的建筑铝模板板件，并启动传输装置；
S6.2、将建筑铝模板放置于传输装置上，启动线激光扫描仪扫描建筑铝模板的第一根加强筋作为模型构建参考；
S6.3、线激光扫描成像得到建筑铝模板的板件横截面信息，根据横截面信息上板件各部分的高度差得到建筑铝模板加强筋的高度、板件的宽度、板件是否存在角铝、板件是否存在竖向加强筋，并进行模型构建和编码，同时，存储模型输出结果。
S6.4、采用工业相机采集建筑铝模板图像，识别建筑铝模板上的通孔信息；
S6.5、对拍摄采集的不同建筑铝模板板件照片进行色块抠图并灰度化，采用canny算子识别通孔边缘信息，并采用Hough圆检测得到不同板件类型的通孔面积、长宽比和数量信息；
S6.6、根据不同建筑铝模板板件类型的通孔特征对识别边缘轮廓检测的输出结果进行分类；
S6.7、将扫描所得局部特征模型和图像检测的模型组合编码。
进一步地，步骤S6.7中将线激光扫描局部特征模型和图像检测的模型组合编码，包括：
S6.7.1、若加强筋与横板之间齐平或齐平差距在预设值范围内则编码x0x1＝01；若加强筋高于横板第一预设值，则编码x0x1＝11，若加强筋低于横板第二预设值，则编码x0x1＝00；
S6.7.2、若模型加强筋宽度小于设定值，则编码x2x3＝00；若加强筋宽度在设定值范围内，则编码x2x3＝11；若模型加强筋宽度大于设定值，则编码x2x3＝01；
S6.7.3、若板件存在竖向加强筋筋，则编码x4＝1，若板件无竖向加强筋，则编码x4＝0；
S6.7.4、对板件角铝、角铝数量进行双位编码，若板件没有角铝，则编码x5x6＝00，若板件存在一个角铝则编码x5x6＝01，若板件存在两个角铝则编码x5x6＝11；
S6.7.5、检测板件是否存在通孔，将特征抽象为不同的二进制编码，采用不同的编码对应不同种类通孔状态的数量；
S6.7.6、对线激光扫描仪扫描的局部建模和图像检测结果进行组合编码，根据x1x2x3x4x5x6特征进行模型构建，对每一个模型构建进行单独命名，输出结果为模型构建的命名结果。
进一步地，识别建筑铝模板并进行编码匹配输出，包括：
根据线位移激光传感器的检测时间和传输带速度得到建筑铝模板板件长度L，根据线激光扫描仪输出的波形得到板件宽度H；
对采集到的点云数据关键点进行取样，与各特征建模比对后编码Y1＝x1x2x3x4x5x6，当Y1为唯一编码时输出对应模型命名结果，当Y1不是唯一建模对象时，比较图像检测结果x7x8，x7x8为板件通孔的边缘检测信息，若存在对应X＝x1x2x3x4x5x6 x7x8时得到与预建模编号相同的为同一类型板件，则输出建筑铝模板板件编码为LXH，若无对应建模编号，则认定为异形板，编码为IR。
本发明提供的基于局部特征的建筑铝模板识别结构及其方法，具有以下有益效果：
本发明使用线位移激光传感器作为过零点检测辅助线激光扫描仪和相机进行实时的扫描和识别，检测过程中传输带不需要为了配合扫描而停顿，检测效率更高。
本发明通过线激光扫描仪扫描板件加强筋进行板件类别的识别，使用相机检测板件通孔特征作为辅助识别手段，具有识别效率高，精确度高，抗干扰性强的特点。
本发明通过预先对各大类型板件加强筋的扫描进行离线建模，预先对板件各类型通孔进行识别检测和编码，实时在线识别时对各种长度的各类型板件进行相应的匹配，减少了系统在线识别和分辨板件的时间，提高识别效率。
附图说明
图1为基于局部特征的建筑铝模板识别结构的装置图。
图2为基于局部特征的建筑铝模板识别结构的右视图。
图3为基于局部特征的建筑铝模板识别结构及的左视图。
图4为基于局部特征的建筑铝模板识别结构及的俯视图。
图5为单点激光距离计算原理图。
图6为线激光距离计算原理图。
其中，1、传输装置；2、红外对管检测模组；3、气动立柱机构；4、线位移激光传感器；5、线激光扫描仪；6、工控机；7、检测板件；8、高速工业相机检测组件。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例一，参考图1-图4，本方案的基于局部特征的建筑铝模板识别结构，包括传输装置1、红外对管检测模组2、气动立柱机构3、线位移激光传感器4(过零点检测部分)、高速工业相机检测组件8、线激光扫描仪5和工控机6。
以下将对上述结构进行详细描述。
传输装置1用于传输检测板件7，传输装置1入口处侧边安装红外对管检测模组2，气动立柱机构3用于调整板件姿态，沿传输装置1传送方向依次安装线位移激光传感器4和高速工业相机检测组件8；线位移激光传感器4安装于传输装置1的上方高度可调节支架上。高速工业相机检测组件8包括暗箱，暗箱内安装用于提供照明的环形光源或面光源，且在暗箱内安装相机，相机用于拍摄采集图像信息，并将采集到的图像信息传输至工控机6。
高速工业相机检测组件8后侧安装线激光扫描仪5，高速工业相机检测组件8外侧安装工控机6，工控机6分别与传输装置1、红外对管检测模组2、气动立柱机构3、线位移激光传感器4和线激光扫描仪5电连接。
本实施例使用线激光扫描仪5进行检测，不同于依靠纯粹的图像处理或者激光距离通断的方式，线激光3D扫描将图像与激光测距结合能有效对检测目标进行建模，同时为了解决局部特征建模时某些特殊板件难以靠单一特征变量分辨的问题，增加一台高速相机对板件通孔做轮廓检测以对线激光扫描信息做补充。在安装装置时，需要所述线激光扫描仪5安装扫描方向与传输带运动方向垂直，保证线激光扫描仪5可扫描传输带纵向截面。因图像检测的特殊性需要保证高速相机能清晰拍摄到板件图像。
使用激光线位移通断特点将其作为激光扫描仪的控制开关，起到过零点检测的作用。激光线位移检测到目标对象进入检测区域时控制打开线激光扫描仪5和相机，目标对象离开检测区域后关闭线激光扫描仪5和相机。使用该方式有效的控制扫描到的点云数据量大小，降低图像检测和激光扫描的匹配计算量，并且有效保证扫描仪每次只检测建模的局部特征部分从而提高系统实时检测速度。
为了减少实时检测时的计算提高系统检测速度，对系统的检测部分分为离线局部建模和在线特征匹配两个步骤。离线建模手动对各类型的板件特征扫描成点云数据，对点云数据预处理后进行建模和存储，在线部分则是实时扫描待检测板件7，将扫描到的点云数据与特征模型进行关键点的特征匹配和编号完成铝模板的识别。
本方案为提高检测的准确率和扩大检测范围，检测方式为线激光扫描仪5建模和高速相机图像检测两种方式结合，以线激光扫描仪5检测局部加强筋为主要检测手段，使用相机做图像检测为辅助手段，在实施例二中将会详细描述。
线激光扫描仪5以板件的第一根加强筋与板件边沿的高度信息为建模对象，可检测出大部分类型板件，对一些特殊的无法单独从板件加强筋部分的高度信息得到区分的板件使用图像处理作为辅助手段加以区分。使用图像检测可检测板件7上不同形状的特殊通孔或特殊板件形状等。
对铝模板局部特征首先应确定局部建模对象即区分板件不同型号的特征区域。根据安装的不同位置和用途，铝模板分为多种类型和长宽度。对铝模板的局部特征建模选择检测板件7的加强筋部分作为主要建模对象，检测侧板和角铝作为辅助区分手段。基于线激光扫描建模原理，对铝模板加强筋、侧板和角铝的高度关系建模从而达到区分的目的。
铝模板的线激光线扫描仪建模原理是利用激光三角测距计算摄像头与激光点的距离，使用线激光即一次得到多个激光点的距离结合角度信息得到各个点在三维坐标系下的坐标根据坐标渲染完成建模。
本方案的调节件为固定线位移激光传感器4、相机与线激光扫描仪5的三个铝合金支架高度以及传输带的运行速度。调节铝合金支架高度保证激光线位移位于传输带正中且与传输带垂直，且传输带到支架高度处于线位移的量程内，调节铝合金支架高度保证横向激光扫描仪的激光完整扫描到传输带横向截面。调节高速相机支架高度，保证相机能清晰成像且拍摄到尽可能完整的板件图像。
具体案例如下：
根据所选传输带和实际传输要求速度以及零点检测线位移激光传感器4与线激光扫描仪5之间的距离设定线激光扫描仪5通断的延时时间。例如若当前的检测速度为60cm/s，线位移激光传感器4与线激光扫描仪5的安装距离调整在60cm，则此时延时时间为1s，即当过零点检测激光线位移检测到第一个加强筋时进行一个1s的计时后打开线激光扫描仪5对加强筋信息进行扫描和记录。实施时，根据板件宽度范围选择传输带的宽度，例如板件的宽度为50～600mm范围，则可选择传输带宽度在800mm左右。相机与线位移激光传感器4的关系也同上。
线位移激光传感器4返回数据类型有模拟和数字两种，选择返回数字类型的激光线位移，记录激光线位移到传送带的位置当有板件出现时返回数据发生变化开始计时，板件结束时结束计时，根据传输带的传输速度得到板件的长度。由于有气动立柱机构3的作用，板件是平行于传输带进入检测机构，所以线位移激光传感器4的板件长度是板件的实际准确长度。
实施例二，一种基于局部特征的建筑铝模板识别结构的识别方法，包括如下步骤：
步骤S1、启动传输带，放置建筑铝模板正面朝上从传输带入口处开始向出口方向传输；
步骤S2、红外对管检测到板件进入传输区域，返回板件到达信息，工控机6控制气动立柱机构3启动实现对板件水平方向姿态的调整；
步骤S3、线位移激光传感器4判断传输带上板件是否到达扫描区域，线位移激光传感器4检测到板件时进行预设的短暂延时后分别启动相机和线激光扫描仪5；
步骤S4、板件进入相机检测暗箱，相机拍摄板件图像信息并传回到工控机6，进行时边缘检测，包括板件通孔类型数量和大小，板件到达激光扫描仪检测段，线激光扫描仪5对板件加强筋进行扫描；
步骤S5、线位移激光传感器4检测到板件结束，在经过预设的延迟后关闭相机和线激光扫描仪5，工控机6根据线位移激光传感器4的检测结果和传输带时间计算板件长度；
步骤S6、工控机6对扫描得到的结果计算，根据返回到工控机6的图像检测结果和线激光扫描仪的模型匹配结果，计算加强筋的高度、板件的宽度、板件是否有角铝及数量、板件是否有竖向加强筋、板件是否有特殊形状通孔等特点，将计算结果与预先的建模进行比对，找到对应的编码与建模类别并输出。
其中，线位移激光传感器4可设定测量距离，激光线位移以恒定频率采集测量返回值，当测量距离内无遮挡时返回0，检测到设定距离内物体时返回值为1，根据返回值计算当前遮挡物体宽度从而区分是板件边沿还是加强筋。
根据不同板件加强筋的特殊性，又同一板件加强筋类型相同，为了降低建模的复杂度，提高检测速度，只对第一根加强筋进行检测和建模即激光线位移只有在检测到第一根加强筋时开启延时控制横向激光扫描仪通断。
参考图5，点激光测距，laser为激光发送点，imager为摄像头，摄像头与激光相对固定平面平行，激光与固定平面的夹角为β。测量激光发送点到物体之间的距离d需要已知夹角β激光器与摄像头的中心距离以及摄像头的焦距f。测量物体距离d先求出测量点到固定平面的垂直距离q。
其中，x是待测物体激光光点在摄像头感光元件上的成像到一侧边缘的距离，该距离为图像中计算像素坐标求得：
x＝pixelsise*px+offset
其中，pixelsise为单个像素单元尺寸，offset为计算的偏差量；偏差量由变量x在成像感光阵列的误差和摄像头主光轴坐标在画面中的像素坐标与画面中点坐标的误差引入。
得到测量的目标距离d的公式为
线激光扫描仪5建模即是同时得到多点线装激光点坐标的点云数据，将扫描器进行旋转或者平移就实现3D扫描。对线激光的扫描测距问题可以转换为单个点的测距问题进行计算，按照Y轴依次计算出当前高度下激光点的坐标值px并使用单个测距算法算出该点距离。
参考图6，线激光建模，即模型构建，远处平面是目标待测平面，近处平面是感光成像平面，可以视为目标平面到成像中心点组成棱锥的截面。对于摄像机投影画面的中点距离求解由单个点的距离直接得到，对于线激光其他高度上的点距离的求解需要涉及点到固定平面的垂直距离的求解。
假设p2点到投影点p′2的中心距离为f′，p2到固定平面的垂线距离为：
f′由f可求出：
p′1y与p′2y分别是点p′1、p′2在成像元件上的实际高度，由像素高度乘以像素点坐标py得到。
实际坐标d由d′与点和固定平面之间的夹角θ的三角关系得到，θ可根据激光发射器与固定平面夹角β求得。由此可得到线激光在平面上激光光斑任意点的坐标，对于每一个线激光投影点构造该点的平行平面然后运用公式求解。
每次测距采样后产生一个数组dist[n]，其中每一个dist[i]为对应画面不同高度像素坐标i下点的距离，n的取值取决于当前摄像头的分辨率，采集M次后得到M*n的点云阵列。
对采集到的点云阵列进行去噪平滑和散乱点云简化操作。由于板件检测平面本身形状比较规则只需要少量数据点就能确定相关几何参数，线激光扫描到的激光点远远超出建模所需的数据点，对每一个点做处理和建模耗费内存和计算空间所以做散乱点云简化非常有必要。出于检测对象的简单性和重复性，对点云去噪和简化操作直接使用距离阈值法，对采集到的点云大小按照一定的比例取关键点完成线激光扫描局部特征建模。
使用图像检测对板件进行建模，实际是对图像做目标检测。对待检测板件7得特殊通孔进行边缘检测，根据不同板件的通孔类型进行分类和编码。
由于目标检测中对成像要求较高，故高速相机的应安装在检测暗箱中且进行环形打光或者相机下方使用面光源打光以提高成像质量。同时在物体检测中，运动物体检测产生的拖影也是影响检测效果的重要因素。而运动速度和曝光时间是直接影响拖影的两个因素，要保证检测效果需要先估算检测时算法对拖影的最大容忍单位像素s。为了不产生影响检测效果的拖影应保证：
1、芯片上光学像在曝光时间内移动的位置不超过s单位像素；
2、物体与成像系统之间在曝光时间内相对移动(垂直于光轴平面内)距离不超过s单位的系统精度。
即有：
物体运动速度(v)*曝光时间(t)<允许最长拖影S单位系统精度。
假设当前允许最大拍摄精度为0.5mm/像素，曝光时间t为1/4000s，此时传输带运动速度为500mm/s此时目标在曝光时间内运动距离为0.25mm<0.5mm，则可以用该相机拍摄。
使用canny算子对相机拍摄到的图像进行边缘检测，canny算子能有效提取图片中的边缘信息，对提取到的边缘信息再使用Hough圆检测得到封闭图像的数量和分别的长宽轴比例，从而进行分类。
Canny算子检测图像边缘信息时，首先需要将图像处理为灰度图，即将采到的彩色图像根据各个通道的采样值进行加权平均。为了减低其他脏污边缘信息对结果的影响对于孔洞可采用颜色分割后再灰度化：
Gray＝(R+G+B)/3
对灰度图进行高斯滤波，高斯滤波的主要目的是对图像进行平滑处理减少噪声，用高斯矩阵乘以每一个像素点和邻域取带权重的平均值作为最后的灰度值。
经过高斯滤波的灰度值为：
得到灰度值图像后计算梯度幅度和方向估计边缘的强度和方向，计算公式如下：
其中，gx(m,n)，gy(m,n)表示为某个点乘sobel或其他算子得到的不同方向的梯度值。
由于高斯滤波可能增大边缘的宽度，所以需要过滤掉非最大值，使边缘尽量为一个像素点。即若某像素点为边缘信息则它的梯度值为最大值否则将灰度值设为0。
同时，使用上下阈值来检测边缘，大于阈值范围上限时判断为边缘，低于阈值下限的检测为非边缘，处于阈值中间的像素点若与边缘邻接则认为是边缘否则为非边缘。
完成canny算子的边缘检测后得到若干边缘信息，对处理后的密闭边缘图像做Hough圆检测。Hough圆检测的基本思路就是对图像上每一个非零像素点通过投票生成累积坐标平面设置累积权重定位圆。
在实际应用时一般采用霍夫梯度法，遍历累加所有非零点对应的圆心，确定最终圆心。圆心一定是在圆上的每个点的模向量上，即在垂直于该点并且经过该点的切线的垂直线上，这些圆上的模向量的交点就是圆心。霍夫梯度法就是要去查找这些圆心，根据该“圆心”上模向量相交数量的多少，根据阈值进行最终的判断。
使用Hough梯度法可得到各类通孔的轮廓信息，可根据轮廓信息求解到宽度和长度信息，对不同类型的轮廓信息记录并分类得到不同特殊板件的通孔信息。
当前线激光扫描建模反映的是板件一定距离的横截面信息，对板件类型的判断依据是板件横截面的各部分高度，当某个位置高度发生了突变，且变化范围超过某个值就判定是相应的边缘信息，两个边缘之间的距离就是我们需要的宽度信息。
根据加强筋与板件边沿的对比得到板件高度，根据模型边沿高度信息得到板件角铝数量信息。根据板件在扫描仪上成像信息与相机焦距的关系计算得到板件的宽度。
本实施例提前对不同的板件的加强筋部分进行建模和编码，对步骤S6中板件的预先建模步骤如下：
步骤S6.1、选择各类别不同的需要检测和建模的板件，启动传输带；
步骤S6.2、手动将板件上架，启动激光扫描机构开始扫描，将扫描板件的第一根加强筋作为建模参考；
步骤S6.3、激光扫描成像得到的是板件横截面信息，根据横截面信息上板件各部分的高度差别得到板件加强筋的高度、板件的宽度、板件是否有角铝、板件是否有竖向加强筋等信息，进行建模和编码，并将建模结果存储，其具体包括：
步骤S6.3.1、检测局部特征的建模中加强筋与横板的齐平关系，若加强筋与横板齐平或在差距在一定范围内则编码x0x1＝01，若加强筋高于横板一定值则编码x0x1＝11，若加强筋低于横板一定值则编码x0x1＝00；
步骤S6.3.2、检测模型加强筋宽度是否在一定范围内，若在小于设定值范围则编码x2x3＝00，若在设定值范围内则编码x2x3＝11，若大于设定值则编码x2x3＝01；
步骤S6.3.3、模型是否有竖向加强筋，若板件有竖向加强筋则编码x4＝1，若板件无竖向加强筋则编码x4＝0；
步骤S6.3.4、检测建模，对板件有无角铝、角铝数量进行双位编码，若板件无角铝则编码x5x6＝00，若板件有一个角铝则编码x5x6＝01，若板件有两个角铝则编码x5x6＝01；
步骤S6.3.5、图像检测板件7是否有特殊形状通孔，将特征抽象为不同的二进制编码，假设有2种不同特征状态就编码为一位数，有4种不同特征状态就编码为两位数，依次递推。假设用图像识别有四种不同特征，则表示为x7x8，对应状态00、01、10、11，其中00为无特殊特征，01、10、11各自对应一种特征状态
步骤S6.3.6、对激光线位移扫描的局部建模和图像检测结果进行组合编码。按照x0x1x2x3x4x5x6各个特征的不同分别建模，对x0x1x2x3x4x5x6相同但存在板件上通孔类型不同的板件进一步细化建模x0x1x2x3x4x5x6_x7x8，其中x7x8为板件通孔的边缘检测信息，对每一个建模做单独命名，输出的最后结果为建模的命名结果。
步骤S6.4、对需要凭借特殊通孔信息进行识别的板件在合适高度使用工业相机记录图像。
步骤S6.5、对拍摄的不同板件照片按照色块抠图并灰度化，使用canny算子识别通孔边缘信息并用Hough圆检测得到不同板件类型的通孔面积、长宽比、数量等信息。
步骤S6.6、重复检测多个图像信息精确分类信息，按照不同板件类型的通孔特征调整识别边缘轮廓检测的输出结果分类。
步骤S6.7、将激光扫描局部特征模型和图像检测的模型组合编码，组合为各种不同类型的板件并进行相应的类别编码。
图像的通孔边缘检测只是作为激光线位移检测的辅助手段：即在激光线位移扫描到的高度信息出现相同情况时使用相机检测作为进一步识别手段。所以在编码时激光线位移编码作为主码图像检测检测结果为子码，当激光线位移的主码唯一时直接确定对应板件类型，若主码不唯一，则进一步比对子码确定对应板件类型。
步骤S6.3中的编码包含如下分步骤：
在实时在线的线激光模板匹配时，根据扫描到的激光点云信息进行点云模板匹配。
对扫描到的点云数据按照关键点提取标准提取关键点，对所有关键点计算特征描述子与模板的特征和位置相似度为基础估算对应关系，除去对配准有影响的噪点得到的关键点特征信息为对应特征，计算完所有特征点直到完成配准。若完成配准后的特征信息与已建模对象特征不符则认为是异形板。
对图像的目标检测时，检测返回的置信度值，高于设定阈值则认为是目标类别，返回该类别编码。
对板件的在线模板匹配步骤如下所示：
根据线位移激光传感器4的检测时间和传输带速度得到板件长度L，根据激光扫描仪输出的波形得到板件宽度H；
对采集到的点云数据各关键点取样，与各特征建模比对后编码Y1＝x0x1x2x3x4x5x6，当Y1为唯一特殊编码时输出对应模型命名结果，当Y1不为唯一建模对象时比较图像检测结果x7x8，若有对应X＝x0x1x2x3x4x5x6_x7x8时得到对应模型(X为预建模板件类型代号)，与预建模编号相同的为同一类型板件，对相应的板件输出编码为LXH，若无对应建模编号则认定为异形板，编码为IR。
对完成编码的板件进行下一步的操作，如喷码打标或按照对应类型使用机械臂或推杆进行对应分拣投入到实际生产应用中。
虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (1)

1.一种基于局部特征的建筑铝模板识别结构的识别方法，其特征在于，该结构包括用于传输检测板件的传输装置；所述传输装置入口处侧边安装红外对管检测模组和用于姿态调整的气动立柱机构；沿传输装置传送方向依次安装线位移激光传感器和高速工业相机检测组件；所述高速工业相机检测组件后侧安装线激光扫描仪；所述高速工业相机检测组件外侧安装工控机，工控机分别与传输装置、红外对管检测模组、气动立柱机构、线位移激光传感器和线激光扫描仪电连接；
所述高速工业相机检测组件包括暗箱，所述暗箱内安装用于提供照明的环形光源或面光源，且在暗箱内安装相机；
包括以下步骤：
S1、启动传输装置，将建筑铝模板正面朝上放置于传输装置上传输带入口处，并向出口方向传输；
S2、红外对管检测模组检测建筑铝模板进入传输区域，返回建筑铝模板到达信息，工控机控制气动立柱机构启动调整建筑铝模板水平方向姿态；
S3、线位移激光传感器检测到建筑铝模板时，进行预设延时后分别启动高速相机和线激光扫描仪；
S4、建筑铝模板进入高速相机检测暗箱，相机拍摄建筑铝模板并传回到工控机，工控机对拍摄信息进行实时边缘检测建筑铝模板通孔类型数量和大小，建筑铝模板到达激光扫描仪检测段，线激光扫描仪对建筑铝模板的加强筋进行扫描；
S5、线位移激光传感器检测建筑铝模板结束，预设的延时后，关闭相机和线激光扫描仪，工控机根据过线位移激光传感器的检测结果和传输带时间计算得到建筑铝模板长度；
S6、根据返回到工控机的图像检测结果和激光扫描仪的模型匹配结果计算加强筋的高度、建筑铝模板的宽度、建筑铝模板是否存在角铝及存在角铝数量、建筑铝模板是否存在竖向加强筋、建筑铝模板是否存在通孔；并将计算结果与预先构建模型进行比对，得到并输出结果编码和类别；
所述步骤S6中构建模型，包括：
S6.1、选择多个不同类别的建筑铝模板板件，并启动传输装置；
S6.2、将建筑铝模板放置于传输装置上，启动线激光扫描仪扫描建筑铝模板的第一根加强筋作为模型构建参考；
S6.3、线激光扫描成像得到建筑铝模板的板件横截面信息，根据横截面信息上板件各部分的高度差得到建筑铝模板加强筋的高度、板件的宽度、板件是否存在角铝、板件是否存在竖向加强筋，并进行模型构建和编码，同时，存储模型输出结果；
S6.4、采用工业相机采集建筑铝模板图像，识别建筑铝模板上的通孔信息；
S6.5、对拍摄采集的不同建筑铝模板板件照片进行色块抠图并灰度化，采用canny算子识别通孔边缘信息，并采用Hough圆检测得到不同板件类型的通孔面积、长宽比和数量信息；
S6.6、根据不同建筑铝模板板件类型的通孔特征对识别边缘轮廓检测的输出结果进行分类；
S6.7、将扫描所得局部特征模型和图像检测的模型组合编码；
线激光3D扫描将图像与激光测距结合能有效对检测目标进行建模，同时为了解决局部特征建模时某些特殊板件难以靠单一特征变量分辨的问题，增加一台高速相机对板件通孔做轮廓检测以对线激光扫描信息做补充；在安装装置时，需要所述线激光扫描仪安装扫描方向与传输带运动方向垂直，保证线激光扫描仪可扫描传输带纵向截面；因图像检测的特殊性需要保证高速相机能清晰拍摄到板件图像；
使用激光线位移通断特点将其作为激光扫描仪的控制开关，起到过零点检测的作用；激光线位移检测到目标对象进入检测区域时控制打开线激光扫描仪和相机，目标对象离开检测区域后关闭线激光扫描仪和相机；使用该方式有效的控制扫描到的点云数据量大小，降低图像检测和激光扫描的匹配计算量，并且有效保证扫描仪每次只检测建模的局部特征部分从而提高系统实时检测速度；
为了减少实时检测时的计算提高系统检测速度，对系统的检测部分分为离线局部建模和在线特征匹配两个步骤；离线建模手动对各类型的板件特征扫描成点云数据，对点云数据预处理后进行建模和存储，在线部分则是实时扫描待检测板件，将扫描到的点云数据与特征模型进行关键点的特征匹配和编号完成铝模板的识别；
点激光测距，laser为激光发送点，imager为摄像头，摄像头与激光相对固定平面平行，激光与固定平面的夹角为β；测量激光发送点到物体之间的距离d需要已知夹角β激光器与摄像头的中心距离以及摄像头的焦距f；测量物体距离d先求出测量点到固定平面的垂直距离q：
其中，x是待测物体激光光点在摄像头感光元件上的成像到一侧边缘的距离，该距离为图像中计算像素坐标求得：
其中，pixelsise为单个像素单元尺寸，offset为计算的偏差量；偏差量由变量x在成像感光阵列的误差和摄像头主光轴坐标在画面中的像素坐标与画面中点坐标的误差引入；
得到测量的目标距离d的公式为：
线激光扫描仪建模即是同时得到多点线装激光点坐标的点云数据，将扫描器进行旋转或者平移就实现3D扫描；对线激光的扫描测距问题可以转换为单个点的测距问题进行计算，按照Y轴依次计算出当前高度下激光点的坐标值并使用单个测距算法算出该点距离；
线激光建模，即模型构建，远处平面是目标待测平面，近处平面是感光成像平面，可以视为目标平面到成像中心点组成棱锥的截面；对于摄像机投影画面的中点距离求解由单个点的距离直接得到，对于线激光其他高度上的点距离的求解需要涉及点到固定平面的垂直距离的求解；
假设点到投影点/>的中心距离为/>，/>到固定平面的垂线距离为：
由f可求出：
与/>分别是点/>、/>在成像元件上的实际高度，由像素高度乘以像素点坐标py得到；
实际坐标d由与点和固定平面之间的夹角θ的三角关系得到，θ可根据激光发射器与固定平面夹角β求得；由此可得到线激光在平面上激光光斑任意点的坐标，对于每一个线激光投影点构造该点的平行平面然后运用公式求解；
每次测距采样后产生一个数组dist[n]，其中每一个dist[i]为对应画面不同高度像素坐标i下点的距离，n的取值取决于当前摄像头的分辨率，采集M次后得到M*n的点云阵列；
所述步骤S6.7中将线激光扫描局部特征模型和图像检测的模型组合编码，包括：
S6.7.1、若加强筋与横板之间齐平或齐平差距在预设值范围内则编码x 0 x 1=01；若加强筋高于横板第一预设值，则编码x 0 x 1=11，若加强筋低于横板第二预设值，则编码x 0 x 1=00；
S6.7.2、若模型加强筋宽度小于设定值，则编码x 2 x 3=00；若加强筋宽度在设定值范围内，则编码x 2 x 3=11；若模型加强筋宽度大于设定值，则编码x 2 x 3=01；
S6.7.3、若板件存在竖向加强筋筋，则编码x 4=1，若板件无竖向加强筋，则编码x 4=0；
S6.7.4、对板件角铝、角铝数量进行双位编码，若板件没有角铝，则编码x 5 x 6=00，若板件存在一个角铝则编码x 5 x 6=01，若板件存在两个角铝则编码x 5 x 6=11；
S6.7.5、检测板件是否存在通孔，将特征抽象为不同的二进制编码，采用不同的编码对应不同种类通孔状态的数量；
S6.7.6、对线激光扫描仪扫描的局部建模和图像检测结果进行组合编码，根据x 1 x 2 x 3 x 4 x 5 x 6特征进行模型构建，对每一个模型构建进行单独命名，输出结果为模型构建的命名结果；
识别建筑铝模板并进行编码匹配输出，包括：
根据线位移激光传感器的检测时间和传输带速度得到建筑铝模板板件长度L，根据线激光扫描仪输出的波形得到板件宽度H；
对采集到的点云数据关键点进行取样，与各特征建模比对后编码Y 1=x 1 x 2 x 3 x 4 x 5 x 6，当Y 1为唯一编码时输出对应模型命名结果，当Y 1不是唯一建模对象时，比较图像检测结果x 7 x 8，x 7 x 8为板件通孔的边缘检测信息，若存在对应X=x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8时得到与预建模编号相同的为同一类型板件，则输出建筑铝模板板件编码为LXH，若无对应建模编号，则认定为异形板，编码为IR。
CN202111020817.1A 2021-09-01 2021-09-01 一种基于局部特征的建筑铝模板识别结构及其方法 Active CN113701821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111020817.1A CN113701821B (zh) 2021-09-01 2021-09-01 一种基于局部特征的建筑铝模板识别结构及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111020817.1A CN113701821B (zh) 2021-09-01 2021-09-01 一种基于局部特征的建筑铝模板识别结构及其方法

Publications (2)

Publication Number Publication Date
CN113701821A CN113701821A (zh) 2021-11-26
CN113701821B true CN113701821B (zh) 2024-03-05

Family

ID=78658737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111020817.1A Active CN113701821B (zh) 2021-09-01 2021-09-01 一种基于局部特征的建筑铝模板识别结构及其方法

Country Status (1)

Country Link
CN (1) CN113701821B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114199134A (zh) * 2021-12-28 2022-03-18 北京中铁建建筑科技有限公司 一种铝合金模板识别检测装置及方法
CN114509025A (zh) * 2022-02-15 2022-05-17 中交四公局第一工程有限公司 一种铝合金模板装配施工工艺质量检测方法及系统
CN115203462B (zh) * 2022-07-12 2023-04-28 中国建筑西南设计研究院有限公司 一种基于多维度编码的建筑结构边缘构件识别方法和装置
CN115690200B (zh) * 2022-12-30 2024-03-08 北京慕柏科技有限公司 一种打孔铝片匹配铝模板的方法、装置、设备及存储介质
CN118071876B (zh) * 2024-04-17 2024-06-25 中国建筑西南设计研究院有限公司 一种异形板底筋自动翻样方法、设备及介质

Citations (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09291607A (ja) * 1996-04-25 1997-11-11 Nitto Mokuzai Sangyo Kk 建築用構造材継手
US6123261A (en) * 1997-05-05 2000-09-26 Roustaei; Alexander R. Optical scanner and image reader for reading images and decoding optical information including one and two dimensional symbologies at variable depth of field
JP2002292820A (ja) * 2001-01-29 2002-10-09 Fuji Photo Film Co Ltd 平版印刷版の検査装置及び平版印刷版の検査方法
KR20110040319A (ko) * 2009-10-14 2011-04-20 (주)엘지하우시스 콘크리트 슬라브용 합성수지 거푸집 패널
CN103063095A (zh) * 2012-12-20 2013-04-24 昆山若宇检具工业有限公司 碳纤维汽车车灯检具
CN203613799U (zh) * 2013-12-16 2014-05-28 广东众科建筑技术发展有限公司 用于窗台节点企口的建筑铝合金模板型材
CN203689387U (zh) * 2013-12-08 2014-07-02 重庆侨成科技发展有限公司 一种适用于电脑cpu的散热系统
CN104895318A (zh) * 2015-04-16 2015-09-09 重庆建工第三建设有限责任公司 铝合金模板系统及其施工方法
CN106802134A (zh) * 2017-03-15 2017-06-06 深圳市安车检测股份有限公司 一种线结构光机器视觉轮胎磨损测量装置
CN206243377U (zh) * 2016-12-08 2017-06-13 湖北美科精毅科技有限公司 一种改进型宽幅铝合金带筋板结构
CN107009106A (zh) * 2017-06-02 2017-08-04 山东新活新材料科技有限公司 一种铝模板生产工艺
CN107270833A (zh) * 2017-08-09 2017-10-20 武汉智诺维科技有限公司 一种复杂曲面零件三维测量系统及方法
CN108614980A (zh) * 2018-04-16 2018-10-02 西南科技大学 一种融合rfid和激光信息的动态目标定位系统及方法
CN108733911A (zh) * 2018-05-17 2018-11-02 武汉理工大学 基于三维数字模型的建筑铝模板施工编码设计方法
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
WO2018218698A1 (zh) * 2017-06-02 2018-12-06 山东新活新材料科技有限公司 模板自动分选系统及其方法和可读存储介质及计算机设备
CN109241976A (zh) * 2018-07-26 2019-01-18 中国船舶工业系统工程研究院 一种基于图像处理和激光测距溢油面积估计的方法
CN109357630A (zh) * 2018-10-30 2019-02-19 南京工业大学 一种多类型工件批量视觉测量系统及方法
CN110084347A (zh) * 2019-04-24 2019-08-02 任弘毅 一种建筑用铝合金模板的标识码的生成、识别系统和方法
CN110321836A (zh) * 2019-07-01 2019-10-11 芜湖启迪睿视信息技术有限公司 一种基于图像和激光点云图的输送物料检测方法
CN209655974U (zh) * 2019-04-29 2019-11-19 深圳市程捷模架科技有限公司 建筑用铝合金模板检测装置
CN110965764A (zh) * 2019-12-31 2020-04-07 辽宁新欣建筑科技有限公司 一种铝框塑模板的生产工艺以及铝框塑模板
CN111062150A (zh) * 2019-12-25 2020-04-24 北京达美盛软件股份有限公司 一种三维可视化工厂管理系统
KR20200072176A (ko) * 2018-12-12 2020-06-22 주식회사 대성이엔씨 효과적인 bim을 이용하기 위한 철근 분류코드 활용시스템 및 활용방법
CN111651622A (zh) * 2020-05-29 2020-09-11 云南昆船设计研究院有限公司 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
CN211563731U (zh) * 2019-11-26 2020-09-25 辽宁忠旺机械设备制造有限公司 一种用于铝模板的分拣系统
CN111737795A (zh) * 2020-05-27 2020-10-02 晟通科技集团有限公司 铝模板编码方法、计算机装置及存储介质
JP2020165886A (ja) * 2019-03-29 2020-10-08 鹿島建設株式会社 配筋計測システム、配筋計測方法およびプログラム
CN111815503A (zh) * 2020-06-03 2020-10-23 上海交通大学 一种基于线激光扫描的螺柱特征参数测量方法
WO2020223594A2 (en) * 2019-05-02 2020-11-05 Kodak Alaris, Inc Automated 360-degree dense point object inspection
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
CN212512907U (zh) * 2020-08-13 2021-02-09 辽宁忠旺集团有限公司 一种铝模板长度激光检测装置及系统
KR102217396B1 (ko) * 2020-06-16 2021-02-19 리바솔루션 주식회사 3d 철근 배근 시공도 생성 방법 및 시스템
CN213223329U (zh) * 2020-09-18 2021-05-18 广州特斯克仪器科技有限公司 一种铝模板自动识别系统
CN112880570A (zh) * 2021-03-15 2021-06-01 南京研华智能科技有限公司 一种智能钢筋称重测长机构及其重量偏差打标一体机

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204691218U (zh) * 2015-06-12 2015-10-07 俊川建筑科技有限公司 建筑铝模板系统的编码处理系统

Patent Citations (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09291607A (ja) * 1996-04-25 1997-11-11 Nitto Mokuzai Sangyo Kk 建築用構造材継手
US6123261A (en) * 1997-05-05 2000-09-26 Roustaei; Alexander R. Optical scanner and image reader for reading images and decoding optical information including one and two dimensional symbologies at variable depth of field
JP2002292820A (ja) * 2001-01-29 2002-10-09 Fuji Photo Film Co Ltd 平版印刷版の検査装置及び平版印刷版の検査方法
KR20110040319A (ko) * 2009-10-14 2011-04-20 (주)엘지하우시스 콘크리트 슬라브용 합성수지 거푸집 패널
CN103063095A (zh) * 2012-12-20 2013-04-24 昆山若宇检具工业有限公司 碳纤维汽车车灯检具
CN203689387U (zh) * 2013-12-08 2014-07-02 重庆侨成科技发展有限公司 一种适用于电脑cpu的散热系统
CN203613799U (zh) * 2013-12-16 2014-05-28 广东众科建筑技术发展有限公司 用于窗台节点企口的建筑铝合金模板型材
CN104895318A (zh) * 2015-04-16 2015-09-09 重庆建工第三建设有限责任公司 铝合金模板系统及其施工方法
CN206243377U (zh) * 2016-12-08 2017-06-13 湖北美科精毅科技有限公司 一种改进型宽幅铝合金带筋板结构
CN106802134A (zh) * 2017-03-15 2017-06-06 深圳市安车检测股份有限公司 一种线结构光机器视觉轮胎磨损测量装置
CN107009106A (zh) * 2017-06-02 2017-08-04 山东新活新材料科技有限公司 一种铝模板生产工艺
WO2018218698A1 (zh) * 2017-06-02 2018-12-06 山东新活新材料科技有限公司 模板自动分选系统及其方法和可读存储介质及计算机设备
CN107270833A (zh) * 2017-08-09 2017-10-20 武汉智诺维科技有限公司 一种复杂曲面零件三维测量系统及方法
CN108614980A (zh) * 2018-04-16 2018-10-02 西南科技大学 一种融合rfid和激光信息的动态目标定位系统及方法
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
CN108733911A (zh) * 2018-05-17 2018-11-02 武汉理工大学 基于三维数字模型的建筑铝模板施工编码设计方法
CN109241976A (zh) * 2018-07-26 2019-01-18 中国船舶工业系统工程研究院 一种基于图像处理和激光测距溢油面积估计的方法
CN109357630A (zh) * 2018-10-30 2019-02-19 南京工业大学 一种多类型工件批量视觉测量系统及方法
KR20200072176A (ko) * 2018-12-12 2020-06-22 주식회사 대성이엔씨 효과적인 bim을 이용하기 위한 철근 분류코드 활용시스템 및 활용방법
JP2020165886A (ja) * 2019-03-29 2020-10-08 鹿島建設株式会社 配筋計測システム、配筋計測方法およびプログラム
CN110084347A (zh) * 2019-04-24 2019-08-02 任弘毅 一种建筑用铝合金模板的标识码的生成、识别系统和方法
CN209655974U (zh) * 2019-04-29 2019-11-19 深圳市程捷模架科技有限公司 建筑用铝合金模板检测装置
WO2020223594A2 (en) * 2019-05-02 2020-11-05 Kodak Alaris, Inc Automated 360-degree dense point object inspection
CN110321836A (zh) * 2019-07-01 2019-10-11 芜湖启迪睿视信息技术有限公司 一种基于图像和激光点云图的输送物料检测方法
CN211563731U (zh) * 2019-11-26 2020-09-25 辽宁忠旺机械设备制造有限公司 一种用于铝模板的分拣系统
CN111062150A (zh) * 2019-12-25 2020-04-24 北京达美盛软件股份有限公司 一种三维可视化工厂管理系统
CN110965764A (zh) * 2019-12-31 2020-04-07 辽宁新欣建筑科技有限公司 一种铝框塑模板的生产工艺以及铝框塑模板
CN111737795A (zh) * 2020-05-27 2020-10-02 晟通科技集团有限公司 铝模板编码方法、计算机装置及存储介质
CN111651622A (zh) * 2020-05-29 2020-09-11 云南昆船设计研究院有限公司 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
CN111815503A (zh) * 2020-06-03 2020-10-23 上海交通大学 一种基于线激光扫描的螺柱特征参数测量方法
KR102217396B1 (ko) * 2020-06-16 2021-02-19 리바솔루션 주식회사 3d 철근 배근 시공도 생성 방법 및 시스템
CN212512907U (zh) * 2020-08-13 2021-02-09 辽宁忠旺集团有限公司 一种铝模板长度激光检测装置及系统
CN213223329U (zh) * 2020-09-18 2021-05-18 广州特斯克仪器科技有限公司 一种铝模板自动识别系统
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
CN112880570A (zh) * 2021-03-15 2021-06-01 南京研华智能科技有限公司 一种智能钢筋称重测长机构及其重量偏差打标一体机

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"基于线激光三角法的目标深度探测";冯翠芝;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2期);第I138-1516页 *
A low-cost laser distance sensor";Konolige等;《2008 IEEE International Conference on Robotics and Automation》;第1-9卷;第3002页 *
Zhang, YM等."Sound transmission loss properties of truss core extruded panels".《APPLIED ACOUSTICS》.2017,(第131期),134-153. *
方雄."铝模板与早拆模支撑架构施工模式研究".《四川建材》.2016,第42卷(第3期),186-187. *
莫莉."浅谈铝合金建筑模板".《轻工科技》.2015,(第7期),36-37. *

Also Published As

Publication number Publication date
CN113701821A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN113701821B (zh) 一种基于局部特征的建筑铝模板识别结构及其方法
CN108111818B (zh) 基于多摄像机协同的运动目标主动感知方法和装置
CN103063159B (zh) 一种基于ccd的零件尺寸测量方法
CN112785643A (zh) 一种基于机器人平台的室内墙角二维语义地图构建方法
CN108562250B (zh) 基于结构光成像的键盘键帽平整度快速测量方法与装置
US20020118874A1 (en) Apparatus and method for taking dimensions of 3D object
CN113406111B (zh) 一种基于结构光场视频流的缺陷检测方法和装置
CN109752855A (zh) 一种光斑发射装置和检测几何光斑的方法
CN109976391B (zh) 光学聚焦镜头的焦点感光元件三维空间视觉伺服定位系统及方法
CN113324478A (zh) 一种线结构光的中心提取方法及锻件三维测量方法
CN105701455A (zh) 基于asm算法的人脸特征点采集及三维人脸建模方法
CN114049557A (zh) 一种基于深度学习的垃圾分选机器人视觉识别方法
Sequeira et al. 3D environment modelling using laser range sensing
CN108389260A (zh) 一种基于Kinect传感器的三维重建方法
CN113255869A (zh) 一种基于机器视觉的板材计数系统及方法
CN107045630B (zh) 一种基于rgbd的行人检测和身份识别方法及系统
CN117456001B (zh) 一种基于点云配准的工件姿态检测方法
CN108180825B (zh) 一种基于线结构光的长方体形物体三维识别与定位方法
JP3465531B2 (ja) 物体認識方法およびその装置
CN116863463A (zh) 一种鸡蛋流水线快速识别计数方法
KR100439178B1 (ko) 3차원 물체 치수 측정 시스템 및 방법
Li et al. Structured light based high precision 3D measurement and workpiece pose estimation
Stock et al. Subpixel corner detection for tracking applications using cmos camera technology
Hashimoto et al. 3-D Object Recognition Based on Integration of Range Image and Gray-scale Image.
CN112614182B (zh) 基于深度学习的识别加工位置的方法、存储设备、移动终端

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