CN113781564B - 一种钢卷物料点云滤波方法及基于该方法的天车控制系统 - Google Patents
一种钢卷物料点云滤波方法及基于该方法的天车控制系统 Download PDFInfo
- Publication number
- CN113781564B CN113781564B CN202111079131.XA CN202111079131A CN113781564B CN 113781564 B CN113781564 B CN 113781564B CN 202111079131 A CN202111079131 A CN 202111079131A CN 113781564 B CN113781564 B CN 113781564B
- Authority
- CN
- China
- Prior art keywords
- steel coil
- point cloud
- filtering
- coil material
- crown block
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 101
- 239000010959 steel Substances 0.000 title claims abstract description 101
- 239000000463 material Substances 0.000 title claims abstract description 99
- 238000001914 filtration Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 38
- 241000287127 Passeridae Species 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000010845 search algorithm Methods 0.000 claims abstract description 9
- 238000004804 winding Methods 0.000 claims description 7
- 230000007175 bidirectional communication Effects 0.000 claims description 3
- 230000006854 communication Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 125000003275 alpha amino acid group Chemical group 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002431 foraging effect Effects 0.000 description 3
- 244000062645 predators Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Control And Safety Of Cranes (AREA)
Abstract
本发明为一种钢卷物料点云滤波方法及基于该方法的天车控制系统,方法包括第一步、通过三维激光扫描仪获取钢卷物料的点云数据,并利用直通滤波器分别对点云数据在三个维度上进行降噪处理,得到去除环境点云的点云数据;第二步、利用统计滤波和半径滤波对去除环境点云的点云数据进行滤波处理,得到去除稀疏点云的点云数据;基于麻雀搜索算法优化统计滤波和半径滤波的参数;第三步、计算钢卷物料中心点在三维激光扫描仪坐标系下的坐标,再将钢卷物料中心点在三维激光扫描仪坐标系下的坐标转换到全局坐标系下,得到钢卷物料中心点的位置信息,完成钢卷物料的点云滤波。该方法减少了人为误差,提高了钢卷物料位置信息的准确性。
Description
技术领域
本发明属于物料定位技术领域,尤其涉及一种钢卷物料点云滤波方法及基于该方法的天车控制系统。
背景技术
传统钢铁企业主要依靠人工操作桥式起重机进行物料抓取,即天车操作人员在地面人员的指挥下,对货物进行装卸,天车的定位操作主要依赖指挥人员和天车操作人员的经验来完成,人为因素会在一定程度上影响天车的工作效率,而且安全可靠性差,工人成本高;因此利用三维激光扫描技术获取钢卷物料的点云,通过点云显示的形貌信息和位置信息对钢卷物料进行定位,是替代人工的有效途径。通过观察发现,钢卷物料的点云数据存在一定的噪声,会影响定位的准确性。传统的点云滤波方法包括统计滤波、体素滤波、半径滤波、双边滤波等,这些方法都需要手动调整参数来使得滤波效果最佳,因此存在一定的人为误差,定位准确性较差。
目前对于物料识别及三维重建技术,主要以激光扫描仪成像为基础实现,但是在点云数据的处理上还停留在较为传统的层面。如公开号为CN112150388A的中国专利公开一种连续装卸船机船舶及物料的识别感知方法,采用激光视觉系统来采集散料运输船的整体信息,根据激光扫描仪返回的点云数据进行坐标变换及裁剪处理,然后利用半径滤波去除噪声点,将滤波后的点云数据进行水平与垂直方向上的投影来进行三维重建,得到参考信息。该方法的缺点在于:在对点云数据进行半径滤波时,仅仅依靠手动调整参数以及人眼观察效果来进行滤波,该方式势必无法得到最佳的滤波效果,进而影响到后续的三维重建,导致参数提取存在误差。
通过上述分析,现有技术存在的问题及缺陷为:天车控制系统在实现智能化装卸时,有些工作环境采用相机成像技术来进行物料识别,虽然成本较低,但是物料坐标的准确率远不如三维激光扫描仪。在利用三维激光扫描仪实现定位时,其生成的点云数据会产生噪声点,传统的方法只能手动调整参数,对于一些精度要求较高的工作场景很难满足要求。
发明内容
针对现有技术的不足,本发明拟解决的技术问题是,提供了一种钢卷物料点云滤波方法及基于该方法的天车控制系统。
本发明解决所述技术问题采用的技术方案是:一种钢卷物料点云滤波方法,其特征在于,该方法包括以下步骤:
第一步、通过三维激光扫描仪获取钢卷物料的点云数据,并利用直通滤波器分别对点云数据在x,y,z三个维度上进行降噪处理,得到去除环境点云的点云数据;
第二步、利用统计滤波和半径滤波对去除环境点云的点云数据进行滤波处理,得到去除稀疏点云的点云数据;基于麻雀搜索算法优化统计滤波和半径滤波的参数;
第三步、采用RANSAC算法对钢卷物料点云中位于钢卷物料径向截面上的所有点进行处理,得到局内点;利用最小二乘椭圆拟合方法对局内点进行拟合,得到若干拟合椭圆及椭圆中心点簇;采用最小二乘直线拟合方法对所有椭圆中心点簇进行直线拟合,得到钢卷物料的轴线;取所有拟合椭圆中心点的平均点作为钢卷物料轴线上的一点,取所有拟合椭圆短半轴的均值作为钢卷物料的半径,从而得到钢卷物料中心点在三维激光扫描仪坐标系下的坐标,再将钢卷物料中心点在三维激光扫描仪坐标系下的坐标转换到全局坐标系下,得到钢卷物料中心点的位置信息,完成钢卷物料的点云滤波。
第二步中优化的参数包括统计滤波的领域点数量和标准差倍数以及半径滤波的领域点数量和邻域半径。
麻雀搜索算法的适应度函数为:
f(t)=f1+f2 (8)
其中,f1表示位于钢卷物料卷筒内侧的点数量,即圆形区域(x-a1)2+(y-b1)2=R1 2内的点数量,(a1,b1)为钢卷物料卷筒的中心坐标,R1为钢卷物料的内径;f2表示位于承载钢卷物料的小车同一侧两个车轮之间的点数量,即矩形区域内的点数量,(a2,b2)与(a3,b2)分别为两个车轮的圆心坐标,a3>a2,R2为车轮半径。
一种基于上述方法的天车控制系统,其特征在于,该系统包括三维激光扫描仪、上位机、PLC控制器和天车;三维激光扫描仪安装在天车的横梁,上位机中安装有三维激光扫描仪控制软件及存储有点云处理程序,上位机通过TCP/IP与三维激光扫描仪进行双向通讯;PLC控制器分别与上位机和天车进行单向通讯。
该系统的控制流程为:三维激光扫描仪对钢卷物料进行扫描,并将获得的钢卷物料的点云数据传输至上位机,通过上位机中存储的点云处理程序进行滤波处理,得到钢卷物料中心点的位置信息,PLC控制器根据钢卷物料中心点的位置信息控制天车运动并判断天车是否运动至钢卷物料的上方;若是,则PLC控制器控制天车上的提升臂进行升降,天车完成抓取动作;若否,则PLC控制器根据天车当前位置和钢卷物料中心点的位置信息计算天车的行进距离,使天车运动至钢卷物料的上方。
与现有的技术相比,本发明的有益效果是:
1.与传统的人工操作和基于相机视觉获取位置信息的方法相比,本发明引入三维激光扫描仪来获取钢卷物料的点云数据,并采用麻雀搜索算法来优化统计滤波和半径滤波的参数,与传统的人工调整参数相比,减少了人为误差,改善了传统滤波方法的滤波效果,提高了钢卷物料位置信息的准确性,以确保天车可以准确抓取钢卷物料,为实现快速、高效且智能的物料装卸或入库提供了理论基础。由于三维激光扫描仪的精度好、准确率高且环境适应能力强,可以适用多种目标物体的识别及定位,通过三维激光扫描仪获取钢卷物料的点云数据,有利于智能天车实现更好的装卸效果,提高工作效率。
2.根据钢卷物料的点云数据特点,噪声点都存在于钢卷物料卷筒的内侧和承载钢卷物料的小车的车轮之间,而麻雀搜索算法具有很强的区域搜索能力,对于不同的搜索空间,具有很强的全局探索能力,因此能够有效去除钢卷物料的点云数据中的噪声点,最大限度的减少了钢卷物料形状与工作环境对滤波效果的影响,提高了天车工作环境的鲁棒性。
附图说明
图1是方法的控制流程图;
图2是三维激光扫描仪得到的点云示意图;
图3是去除环境点云后的点云示意图;
图4是统计滤波后的点云示意图
图5是半径滤波后的点云示意图;
图6是系统的结构示意图;
图7是系统的控制流程图。
具体实施方式
下面结合具体实施例和附图对本发明的技术方案作进一步解释说明,但并不以此限定本申请的保护范围。
本发明为一种钢卷物料点云滤波方法(简称方法,参见图1-5),包括以下步骤:
第一步、通过三维激光扫描仪获取工作环境中钢卷物料的点云数据,如图2所示;利用直通滤波器分别对点云数据在x,y,z三个维度上进行降噪处理,去除远离主体点云且与主体点云无关的环境点云,得到去除环境点云的点云数据,如图3所示;
常规的直通滤波只在一个维度进行处理,由于本申请的钢卷物料的尺寸固定,三维激光扫描仪的扫描距离与扫描角度固定,因此点云数据在三个维度上的分布范围均有限,可以利用直通滤波器在点云数据的三个维度同时进行处理;
第二步、利用统计滤波和半径滤波对去除环境点云的点云数据进行滤波处理,去除偏离且存在于主体点云附近的稀疏点云,得到去除稀疏点云的点云数据,去除稀疏点云的点云数据包括钢卷物料点云和承载钢卷物料的小车的部分点云;基于麻雀搜索算法优化统计滤波的领域点数量和标准差倍数以及半径滤波的领域点数量和邻域半径;
2-1、利用统计滤波对去除环境点云的点云数据中的每个点到所有邻域点的平均距离进行统计分析,并将每个点到所有邻域点的平均距离拟合成高斯分布,设置邻域点数量以及标准差倍数将去除环境点云的点云数据划分为内点和离群点,进而完成降噪处理,如图4所示;
记去除环境点云的点云数据集合为P={p1,p2,…,pk},k∈N*,N*为正整数集,k表示邻域点的数量;集合P中任意点pi的坐标记为(xi,yi,zi),则利用式(1)计算点pi到所有邻域点之间的平均距离dik;
式(1)中,(xm,ym,zm)表示第m个邻域点的坐标;
点pi到所有邻域点的平均距离被拟合成高斯分布,通过式(2)、(3)分别计算高斯分布的期望μ与标准差σ;
式(2)、(3)中,n为平均距离的数量;
根据期望μ与标准差σ计算统计滤波的阈值范围l;
l=μ±h·σ (4)
式(4)中,h∈N表示标准差倍数,N表示非负整数集;
将去除环境点云的点云数据集合中任意点的平均距离与统计滤波的阈值范围进行比较,若平均距离小于统计滤波的阈值范围,认为该点为内点,则保留该点;若平均距离大于统计滤波的阈值范围,认为该点为离群点,则删除大于该点;
半径滤波是一种通过设置领域半径,通过计算邻域内邻域点的个数来判断该点是否为离群点的方法;对于去除环境点云的点云数据集合P中的任意点pi,设置半径滤波的领域半径和邻域点数量,若去除环境点云的点云数据集合P在邻域半径内的邻域点数小于半径滤波的领域点数量,则该点pi视为离群点,将其删除;若去除环境点云的点云数据集合P在邻域半径内的邻域点数大于等于半径滤波的领域点数量,则保留点pi,图5为半径滤波后的点云示意图;
根据上述统计滤波和半径滤波的工作原理可知,在去除稀疏点云的过程中,统计滤波需要优化的参数为领域点数量和标准差倍数,半径滤波需要优化的参数为领域点数量和邻域半径;由于传统滤波器都需要手动调整各参数使其滤波效果最优,因此本申请针对这一缺点通过麻雀搜索算法来自适应优化前述四个参数。
2-2、初始化种群,初始化捕食者和发现者比例;
麻雀搜索算法是一种基于种群的元启发式优化算法,通过模拟麻雀种群的觅食、反捕食行为建立优化模型进行寻优;在该算法中,将种群中的麻雀个体分为发现者、跟随者及随机数量的警戒者;发现者在种群中负责搜索食物丰富的区域及为跟随者提供觅食区域和方向,因此发现者是适应度值较高的个体,并通过式(5)更新位置;
式(5)中,分别表示第t和t+1代第q个麻雀个体在第j维的位置,α和λ均为随机数,qtermax为最大迭代次数,st和ST分别为报警值和安全阈值,L为1×dim的全1矩阵;st<ST表示觅食区域周围没有捕食者,发现者可以更广泛的搜索食物;st≥ST表示捕食者出现,发现者要飞往安全区域;
跟随者总是能够找到位置最好的发现者,甚至会为了增加自己的捕食率去争夺食物资源,因此跟随者是适应度值较低的个体,通过式(6)更新位置;
式(6)中,为发现者所在的最佳位置,/>为第t代的全局最差位置;M+=MT(MMT)-1,M为1×dim的矩阵,元素为1或-1;Q为种群数量;
在种群中随机产生一定数量的警戒者,一般为种群数量的10%~20%,通过式(7)进行位置更新;
式(7)中,为第t代的全局最优位置,fq为当前个体的适应度值,fbest、fw分别全局最优和最差适应度值,ε为常数,K为[-1,1]的随机数;β为补偿控制参数,是服从均值为0,方差为1的正态分布的随机数;
随机设置统计滤波的领域点数量和标准差倍数以及半径滤波的领域点数量和邻域半径,根据式(8)的适应度函数计算适应度值,并利用式(5)~(7)更新麻雀个体的位置,即对统计滤波的领域点数量和标准差倍数以及半径滤波的领域点数量和邻域半径进行优化;适应度函数表示钢卷物料卷筒内侧的点云数量与承载钢卷物料的小车同一侧两个车轮之间的点云数量之和;
f(t)=f1+f2 (8)
其中,f1表示位于钢卷物料卷筒内侧的点数量,即圆形区域内的点数量,(a1,b1)为钢卷物料卷筒的中心坐标,R1为钢卷物料的内径;f2表示位于承载钢卷物料的小车同一侧两个车轮之间的点数量,即矩形区域/>内的点数量,(a2,b2)与(a3,b2)分别为两个车轮的圆心坐标,a3>a2,R2为车轮半径;
当式(8)有最小值时,表示适应度值最优,得到麻雀个体的全局最优位置,即统计滤波的领域点数量和标准差倍数以及半径滤波的领域点数量和邻域半径有最优值;
第三步、计算钢卷物料中心在三维激光扫描仪坐标系下的坐标,再将钢卷物料中心在三维激光扫描仪坐标系下的坐标转换到全局坐标系下,完成钢卷物料的点云滤波;
采用RANSAC算法对钢卷物料点云中位于钢卷物料径向截面上的所有点进行处理,得到局内点;利用最小二乘椭圆拟合方法对局内点进行拟合,得到若干拟合椭圆及椭圆中心点簇;采用最小二乘直线拟合方法对所有椭圆中心点簇进行直线拟合,得到钢卷物料的轴线;取所有拟合椭圆中心点的平均点作为钢卷物料轴线上的一点,取所有拟合椭圆短半轴的均值作为钢卷物料的半径,从而得到钢卷物料中心点在三维激光扫描仪坐标系下的坐标,再将钢卷物料中心点在三维激光扫描仪坐标系下的坐标转换到全局坐标系下,得到钢卷物料中心点的位置信息,完成钢卷物料的点云滤波。
本发明还提供一种基于上述方法的天车控制系统(简称系统,参见图6-7),包括三维激光扫描仪、上位机、PLC控制器和天车;三维激光扫描仪安装在天车的横梁,上位机中安装有三维激光扫描仪控制软件及存储有点云处理程序,上位机通过TCP/IP与三维激光扫描仪进行双向通讯;PLC控制器分别与上位机和天车进行单向通讯;通过上位机设置三维激光扫描仪的扫描角度和分辨率,三维激光扫描仪对钢卷物料所在区域进行扫描,获取点云数据,并将点云数据传输至上位机,上位机中的点云处理程序按照上述方法对点云进行滤波处理,得到钢卷物料的形貌信息和中心点的位置信息,上位机将钢卷物料中心点的位置信息传输至PLC控制器,PLC控制器天车完成前后方向、左右方向的直线运动以及天车上提升臂的升降运动,使提升臂抓取钢卷物料。
该系统的控制流程为:三维激光扫描仪对钢卷物料进行扫描,并将获得的钢卷物料的点云数据传输至上位机,通过上位机中存储的点云处理程序进行滤波处理,得到钢卷物料中心点的位置信息,PLC控制器根据钢卷物料中心点的位置信息控制天车运动并判断天车是否运动至钢卷物料的上方;若是,则PLC控制器控制天车上的提升臂进行升降,天车完成抓取动作;若否,则PLC控制器根据天车当前位置和钢卷物料中心点的位置信息计算天车的行进距离,使天车运动至钢卷物料的上方。
本发明未述及之处适用于现有技术。
Claims (3)
1.一种钢卷物料点云滤波方法,其特征在于,该方法包括以下步骤:
第一步、通过三维激光扫描仪获取钢卷物料的点云数据,并利用直通滤波器分别对点云数据在x,y,z三个维度上进行降噪处理,得到去除环境点云的点云数据;
第二步、利用统计滤波和半径滤波对去除环境点云的点云数据进行滤波处理,得到去除稀疏点云的点云数据;基于麻雀搜索算法优化统计滤波和半径滤波的参数;
第三步、采用RANSAC算法对钢卷物料点云中位于钢卷物料径向截面上的所有点进行处理,得到局内点;利用最小二乘椭圆拟合方法对局内点进行拟合,得到若干拟合椭圆及椭圆中心点簇;采用最小二乘直线拟合方法对所有椭圆中心点簇进行直线拟合,得到钢卷物料的轴线;取所有拟合椭圆中心点的平均点作为钢卷物料轴线上的一点,取所有拟合椭圆短半轴的均值作为钢卷物料的半径,从而得到钢卷物料中心点在三维激光扫描仪坐标系下的坐标,再将钢卷物料中心点在三维激光扫描仪坐标系下的坐标转换到全局坐标系下,得到钢卷物料中心点的位置信息,完成钢卷物料的点云滤波;
第二步中优化的参数包括统计滤波的领域点数量和标准差倍数以及半径滤波的领域点数量和邻域半径;
麻雀搜索算法的适应度函数为:
f(t)=f1+f2 (8)
其中,f1表示位于钢卷物料卷筒内侧的点数量,即圆形区域(x-a1)2+(y-b1)2=R1 2内的点数量,(a1,b1)为钢卷物料卷筒的中心坐标,R1为钢卷物料的内径;f2表示位于承载钢卷物料的小车同一侧两个车轮之间的点数量,即矩形区域内的点数量,(a2,b2)与(a3,b2)分别为两个车轮的圆心坐标,a3>a2,R2为车轮半径。
2.一种基于权利要求1所述方法的天车控制系统,其特征在于,该系统包括三维激光扫描仪、上位机、PLC控制器和天车;三维激光扫描仪安装在天车的横梁,上位机中安装有三维激光扫描仪控制软件及存储有点云处理程序,上位机通过TCP/IP与三维激光扫描仪进行双向通讯;PLC控制器分别与上位机和天车进行单向通讯。
3.根据权利要求2所述的天车控制系统,其特征在于,该系统的控制流程为:三维激光扫描仪对钢卷物料进行扫描,并将获得的钢卷物料的点云数据传输至上位机,通过上位机中存储的点云处理程序进行滤波处理,得到钢卷物料中心点的位置信息,PLC控制器根据钢卷物料中心点的位置信息控制天车运动并判断天车是否运动至钢卷物料的上方;若是,则PLC控制器控制天车上的提升臂进行升降,天车完成抓取动作;若否,则PLC控制器根据天车当前位置和钢卷物料中心点的位置信息计算天车的行进距离,使天车运动至钢卷物料的上方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111079131.XA CN113781564B (zh) | 2021-09-15 | 2021-09-15 | 一种钢卷物料点云滤波方法及基于该方法的天车控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111079131.XA CN113781564B (zh) | 2021-09-15 | 2021-09-15 | 一种钢卷物料点云滤波方法及基于该方法的天车控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113781564A CN113781564A (zh) | 2021-12-10 |
CN113781564B true CN113781564B (zh) | 2023-11-10 |
Family
ID=78843896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111079131.XA Active CN113781564B (zh) | 2021-09-15 | 2021-09-15 | 一种钢卷物料点云滤波方法及基于该方法的天车控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781564B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114519711A (zh) * | 2022-02-22 | 2022-05-20 | 中冶赛迪重庆信息技术有限公司 | 一种库区钢卷测量方法、系统、介质及电子终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106839985A (zh) * | 2017-03-22 | 2017-06-13 | 常熟理工学院 | 无人天车钢卷抓取的自动识别定位方法 |
CN111680542A (zh) * | 2020-04-17 | 2020-09-18 | 东南大学 | 基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法 |
CN113190037A (zh) * | 2021-04-08 | 2021-07-30 | 上海吞山智能科技有限公司 | 基于改进流体扰动和麻雀算法的无人机最优路径搜索方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335295B (zh) * | 2019-06-06 | 2021-05-11 | 浙江大学 | 一种基于tof相机的植物点云采集配准与优化方法 |
-
2021
- 2021-09-15 CN CN202111079131.XA patent/CN113781564B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106839985A (zh) * | 2017-03-22 | 2017-06-13 | 常熟理工学院 | 无人天车钢卷抓取的自动识别定位方法 |
CN111680542A (zh) * | 2020-04-17 | 2020-09-18 | 东南大学 | 基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法 |
CN113190037A (zh) * | 2021-04-08 | 2021-07-30 | 上海吞山智能科技有限公司 | 基于改进流体扰动和麻雀算法的无人机最优路径搜索方法 |
Non-Patent Citations (1)
Title |
---|
基于地铁隧道点云数据的组合滤波算法;王井利;陈薪文;王继野;;沈阳建筑大学学报(自然科学版)(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113781564A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109375235B (zh) | 基于深度强化神经网络的内河船舶干舷检测方法 | |
CN107369159B (zh) | 基于多因素二维灰度直方图的阈值分割方法 | |
CN109255302A (zh) | 目标物识别方法及终端、移动装置控制方法及终端 | |
WO2021226891A1 (zh) | 基于多轴联动控制和机器视觉反馈测量的3d打印装置及方法 | |
CN110153567A (zh) | 一种基于图像识别的激光切割系统 | |
CN109375633A (zh) | 基于全局状态信息的河道清理路径规划系统及方法 | |
CN112528721B (zh) | 一种桥吊集卡安全定位方法和系统 | |
CN113781564B (zh) | 一种钢卷物料点云滤波方法及基于该方法的天车控制系统 | |
CN109095213B (zh) | 智能化链斗式连续卸船机控制系统及方法 | |
CN112194011A (zh) | 一种基于双目视觉的塔吊自动装载方法 | |
CN110082775A (zh) | 基于激光装置的车辆定位方法和系统 | |
CN114067309A (zh) | 一种基于多视角三维重建的甜椒识别与采摘顺序确定方法 | |
CN108710818A (zh) | 一种基于三维激光雷达的人数实时监测统计系统及方法 | |
Chun-Fu et al. | Research on visual navigation algorithm of AGV used in the small agile warehouse | |
CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
JP2021504262A (ja) | 着地面上のコンテナのための着地ソリューションを生成するための方法およびシステム背景 | |
CN113687365B (zh) | 一种基于类平面多高度层轮廓识别及坐标计算方法及系统 | |
CN116030289A (zh) | 基于激光雷达的铁路危情监测方法 | |
CN115909075A (zh) | 基于深度视觉的输电线识别与定位方法 | |
CN114782344A (zh) | 用于轨道车辆闸片的测量方法及测量系统 | |
CN115686073A (zh) | 一种基于无人机的输电线路巡检控制方法及系统 | |
CN116029981A (zh) | 基于工业互联网样本库的胚胎蛋自动检测系统 | |
CN115586552A (zh) | 一种港口轮胎吊或桥吊下无人集卡精确二次定位方法 | |
CN110143417A (zh) | 锌锭垛自动下线装车控制系统 | |
CN106096599B (zh) | 一种基于涂色块的内部集卡定位方法 |
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 |