CN114372227B - 鱿鱼白片智能切割计算方法、装置、设备及存储介质 - Google Patents

鱿鱼白片智能切割计算方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114372227B
CN114372227B CN202111658818.9A CN202111658818A CN114372227B CN 114372227 B CN114372227 B CN 114372227B CN 202111658818 A CN202111658818 A CN 202111658818A CN 114372227 B CN114372227 B CN 114372227B
Authority
CN
China
Prior art keywords
cutting
squid
white
point
slice
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
CN202111658818.9A
Other languages
English (en)
Other versions
CN114372227A (zh
Inventor
蔡勇
张宇
周善旻
林王林
姜凯友
马佳杰
孙智勇
刘硕
顾珂玮
丁凡
杨志坚
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.)
Zhoushan Ocean Research Center of ZJU
Original Assignee
Zhoushan Ocean Research Center of ZJU
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 Zhoushan Ocean Research Center of ZJU filed Critical Zhoushan Ocean Research Center of ZJU
Priority to CN202111658818.9A priority Critical patent/CN114372227B/zh
Publication of CN114372227A publication Critical patent/CN114372227A/zh
Priority to US17/932,289 priority patent/US11751578B2/en
Priority to JP2022164947A priority patent/JP7411146B2/ja
Application granted granted Critical
Publication of CN114372227B publication Critical patent/CN114372227B/zh
Priority to US18/355,404 priority patent/US11832621B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • AHUMAN NECESSITIES
    • A22BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22CPROCESSING MEAT, POULTRY, OR FISH
    • A22C25/00Processing fish ; Curing of fish; Stunning of fish by electric current; Investigating fish by optical means
    • A22C25/003Processing cephalopods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Food Science & Technology (AREA)
  • Mathematical Optimization (AREA)
  • Zoology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Image Processing (AREA)
  • Meat, Egg Or Seafood Products (AREA)

Abstract

本发明涉及一种鱿鱼白片智能切割计算方法、装置、设备及存储介质。本发明包括以下步骤:读取鱿鱼白片的三维形貌激光点云数据;对激光点云数据进行优化处理;提取鱿鱼白片有效区域;确定切割零点;确定切割加工区域;确定切割点位以及切割角度优化。本发明可以满足工厂大规模连续生产的需求,降低企业用工成本,提高生产效率。

Description

鱿鱼白片智能切割计算方法、装置、设备及存储介质
技术领域
本发明属于水产品加工领域,具体涉及一种鱿鱼白片定重定对角线尺寸智能切割计算方法、装置、设备及存储介质。
背景技术
水产品加工利用是海洋渔业生产活动的延续,是在当前有限的渔业资源条件下产生更大经济价值的关键手段,目前国内水产品加工还是以人工为主,自动化、智能化加工设备应用占比很低。
新一代人工智能技术同样可以应用于水产加工行业,通过智能加工设备取代人工从事水产品解冻、清洗、切割(切片或切块)、裹粉、油炸及分拣包装等工作,不但可以大幅度降低劳动力成本,更可以大幅提升产品质量,减少加工损耗,提高有限水产资源的利用率。
远洋鱿鱼是水产加工的主要原料之一,鱿鱼白片定重、定对角线切块是水产品精深加工的重要环节,以往均依靠大量的熟练工人手工切割,生产效率低,且残次品较多。以年处理1万吨鱿鱼加工企业为例,仅鱿鱼白片定重、定对角线切块这一工序,就需要50多名工人,企业年用工成本达到400多万元。
发明内容
本发明针对现有技术的不足,设计了一种鱿鱼白片定重定对角线尺寸智能切割计算方法、装置、设备及存储介质。
本发明的一方面提供了一种鱿鱼白片智能切割计算方法,包括以下步骤:
读取鱿鱼白片的三维形貌激光点云数据;
对激光点云数据进行优化处理;
提取鱿鱼白片有效区域;
确定切割零点;
确定切割加工区域;
确定切割点位以及切割角度优化,具体是:
(a)设定第一刀的切割点位在所述切割加工区域的边沿,同时设定切割角度α。
(b)根据鱿鱼块产品质量要求,以与第一刀相同的角度向后遍历,找到第二刀的切割点位d1,计算第二刀与上表面的交点p1。计算切割出鱿鱼块的对角线长度参考值L。
(c)计算第三刀切割点位时,先根据对角线长度参考值从鱿鱼上表面获得落刀位置p2和下表面切割点位d2,然后计算当前落刀位置与上一落刀位置间的切片体积是否满足质量要求;如果满足,直接进行切割,如果不满足,调整根据切刀角度α;若干次角度调整后,仍无法满足质量要求时,恢复切割角度至α,同时根据质量差平移切刀位置。
(d)按照与求解第三刀切割点位及切割角度相同的方式,求出剩余切割加工区域的切割点位及切割角度。
(e)将计算出的鱿鱼白片切割点位和切割角度最优解发送给控制系统,进行切割,直至结束。
优选的,对激光点云数据进行优化处理具体是:首先通过滤波算法抑制点云数据噪声,其次结合鱿鱼白片的边缘特征,根据传感器视角投影进行直角边优化,还原鱿鱼白片边缘的真实数据。
优选的,所述滤波算法采用中值滤波,滤波窗口为9*5。
优选的,提取鱿鱼白片有效区域具体是通过行、列向量遍历得到鱿鱼白片边缘所在的行列坐标,并以行列坐标对点云数据进行裁剪,从而缩小矩阵规模,去除大量无效行、列数据。
优选的,确定切割零点具体是:是以可检测的鱿鱼白片最前沿作为零点坐标,将其作为切割装置以及图像处理系统的共同零点坐标。
优选的,所述共同零点坐标为鱿鱼点云图像的横坐标起点位置,该位置在切割装置上通过对射传感器检测获得,切割装置以该坐标为零点将鱿鱼白片的头部推送到切刀位等待切割。
优选的,确定切割加工区域具体是:是基于合格的鱿鱼块产品边缘缺失率边界条件找到切割加工区域。
本发明的第二方面提供了一种鱿鱼白片智能切割计算装置,包括:
点云数据读取模块,用于读取鱿鱼白片的三维形貌激光点云数据;
数据优化模块,用于对激光点云数据进行优化处理;
区域提取模块,用于提取鱿鱼白片有效区域;
零点确定模块,用于确定切割零点;
区域确定模块,用于确定切割加工区域;
切割调整模块,用于确定切割点位以及切割角度优化。
本发明的第三方面提供了一种鱿鱼白片智能切割计算设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述鱿鱼白片智能切割计算方法。
本发明的第四方面提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述鱿鱼白片智能切割计算方法。
本发明的有益效果是:本发明可以满足工厂大规模连续生产的需求,降低企业用工成本,提高生产效率。
附图说明
图1为鱿鱼白片智能切割计算方法流程图;
图2为鱿鱼白片零点与切割加工区域示意图;
图3为鱿鱼白片横截面扫描点云数据与真实高度对比示意图;
图4为鱿鱼白片切刀位置与角度计算示意图;
图5为鱿鱼白片智能切割计算装置结构图;
图6为鱿鱼白片智能切割计算设备结构图。
具体实施方式
如图1所示,本实施例所述的鱿鱼白片定重定对角线尺寸智能切割计算方法,主要先后流程为扫描数据读取、数据优化处理、鱿鱼白片有效区域提取、切割零点确定、切割加工区域确定、切割点位确定和切割角度优化确定等。
所述的扫描数据读取流程,是读取鱿鱼白片的三维形貌激光点云数据。
所述的数据优化处理流程:首先通过滤波算法抑制点云数据噪声,并通过选择合适的窗口大小减小滤波算法对数据本身的影响,其次结合鱿鱼白片的边缘特征,根据传感器视角投影进行直角边优化,还原鱿鱼白片边缘的真实数据。所述滤波算法采用中值滤波,滤波窗口为9*5。
所述直角边优化算法流程,基于如图3中实线M所示鱿鱼取料后白片两侧切面平直的特性,对如图3中虚线N所示鱿鱼白片扫描数据在切面边缘被平滑现象,计算扫描边缘数据变化梯度,通过阈值法确定鱿鱼白片传感器检测边缘坐标T及平滑结束坐标S,获得平滑区域宽度,以平滑结束坐标S往外40%平滑区域宽度作为扫描数据边缘估计坐标P,以平滑结束坐标S往里20个坐标点的数据,构建鱿鱼边缘高度拟合模型,估算边缘P处的高度坐标。所述高度拟合模型采用最小二乘多项式拟合算法。
所述的鱿鱼白片有效区域提取流程,是通过行、列向量遍历得到鱿鱼白片边缘所在的行列坐标,并以行列坐标对点云数据进行裁剪,从而缩小矩阵规模,去除大量无效行、列数据,提高后续计算速度。
所述的切割零点确定流程,是以可检测的鱿鱼白片最前沿作为坐标零点,即图2中A线坐标,作为机械装置以及图像处理系统的共同零点坐标。
所述共同零点坐标为鱿鱼点云图像的横坐标起点位置,该位置在机械结构(切割装置)上通过对射传感器检测获得,机械推进系统以该坐标为零点将鱿鱼白片的头部推送到切刀位等待切割。
所述的切割加工区域确定流程,是基于合格的鱿鱼块产品边缘缺失率(如不能大于20%)边界条件,找到切割加工区域,即B线与C线之间的区域。以鱿鱼白片头端最凹相切处靠后2.5mm处,作为第一刀的下刀位置,即B线。从尾端到头端一旦有效宽度大于最大宽度的80%,便认为到达了平整部分,即C线。
所述头端为鱿鱼白片开始加工的位置,如图2所示A线,所述尾端为鱿鱼白片结束的位置,如图2所示C线右边。
所述的切割点位确定和切割角度优化确定流程为:
(a)第一刀的切割点位在B线,切割角度α根据用户需要设定。
(b)根据鱿鱼块产品质量要求(假设鱿鱼密度相同,即可等效为体积要求),以与第一刀相同的角度向后遍历,找到第二刀的切割点位d1,计算第二刀与上表面的交点p1。已知第一刀下表面交点,第二刀上表面交点,用勾股定理计算切割出鱿鱼块的对角线长度参考值L。
(c)计算第三刀切割点位时,先根据对角线长度参考值从鱿鱼上表面获得落刀位置p2和下表面切割点位d2,然后计算当前落刀位置与上一落刀位置间的切片体积是否满足质量要求(允许误差±0.5克),如果满足,直接进行切割,如果不满足,根据切刀角度α增大或减小1°,如图4中,由d2调整到d2’。一次调整角度后,如果质量仍不满足,继续调整角度,若干次角度调整后(角度最大调整值为±3°),仍无法满足质量要求时,恢复切割角度α,同时根据质量差平移切刀位置0.5毫米,牺牲对角线长度精度,如图4中计算第6刀的位置从d6调整到d6’,p6调整到p6’,如果质量不满足,按照调整角度、平移切刀位置的遍历方式迭代循环,直到找到第三刀的切割点位及切割角度。
(d)按照与求解第三刀切割点位及切割角度相同的方式,求出剩余切割加工区域的切割点位及切割角度。
(e)最后将计算出的鱿鱼白片切割点位和切割角度最优解发送给控制系统,进行切割,直至结束。
所述切割角度为切割刀具与鱿鱼下底面的夹角,如图4中B点处α角。
图5是本发明实施例示出的一种鱿鱼白片智能切割计算装置;该装置包括:
点云数据读取模块,用于读取鱿鱼白片的三维形貌激光点云数据;
点云数据读取模块,用于读取鱿鱼白片的三维形貌激光点云数据;
数据优化模块,用于对激光点云数据进行优化处理;
区域提取模块,用于提取鱿鱼白片有效区域;
零点确定模块,用于确定切割零点;
区域确定模块,用于确定切割加工区域;
切割调整模块,用于确定切割点位以及切割角度优化。
本发明的计算装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的,其中计算机程序用于执行鱿鱼白片智能切割计算方法。从硬件层面而言,如图6所示,为本发明的鱿鱼白智能切割计算设备的硬件结构图,除了图6所示的处理器、网络接口、内存以及非易失性存储器之外,所述设备通常还可以包括其他硬件,以便在硬件层面进行的扩展。另一方面,本申请还提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序用于执行鱿鱼白片智能切割计算方法。
对于计算装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。

Claims (10)

1.鱿鱼白片智能切割计算方法,其特征在于包括以下步骤:
读取鱿鱼白片的三维形貌激光点云数据;
对激光点云数据进行优化处理;
提取鱿鱼白片有效区域;
确定切割零点;
确定切割加工区域;
确定切割点位以及切割角度优化,具体是:
(a)设定第一刀的切割点位在所述切割加工区域的边沿,同时设定切割角度α;
(b)根据鱿鱼块产品质量要求,以与第一刀相同的角度向后遍历,找到第二刀的切割点位d1,计算第二刀与上表面的交点p1;计算切割出鱿鱼块的对角线长度参考值L;
(c)计算第三刀切割点位时,先根据对角线长度参考值从鱿鱼上表面获得落刀位置p2和下表面切割点位d2,然后计算当前落刀位置与上一落刀位置间的切片体积是否满足质量要求;如果满足,直接进行切割,如果不满足,调整根据切刀角度α;若干次角度调整后,仍无法满足质量要求时,恢复切割角度至α,同时根据质量差平移切刀位置;
(d)按照与求解第三刀切割点位及切割角度相同的方式,求出剩余切割加工区域的切割点位及切割角度;
(e)将计算出的鱿鱼白片切割点位和切割角度最优解发送给控制系统,进行切割,直至结束。
2.根据权利要求1所述的鱿鱼白片智能切割计算方法,其特征在于:对激光点云数据进行优化处理具体是:首先通过滤波算法抑制点云数据噪声,其次结合鱿鱼白片的边缘特征,根据传感器视角投影进行直角边优化,还原鱿鱼白片边缘的真实数据。
3.根据权利要求2所述的鱿鱼白片智能切割计算方法,其特征在于:所述滤波算法采用中值滤波,滤波窗口为9*5。
4.根据权利要求1所述的鱿鱼白片智能切割计算方法,其特征在于:提取鱿鱼白片有效区域具体是:通过行、列向量遍历得到鱿鱼白片边缘所在的行列坐标,并以行列坐标对点云数据进行裁剪,从而缩小矩阵规模,去除大量无效行、列数据。
5.根据权利要求1所述的鱿鱼白片智能切割计算方法,其特征在于:确定切割零点具体是:是以可检测的鱿鱼白片最前沿作为零点坐标,将其作为切割装置以及图像处理系统的共同零点坐标。
6.根据权利要求5所述的鱿鱼白片智能切割计算方法,其特征在于:所述共同零点坐标为鱿鱼点云图像的横坐标起点位置,该位置在切割装置上通过对射传感器检测获得,切割装置以该坐标为零点将鱿鱼白片的头部推送到切刀位等待切割。
7.根据权利要求1所述的鱿鱼白片智能切割计算方法,其特征在于:确定切割加工区域具体是:是基于合格的鱿鱼块产品边缘缺失率边界条件找到切割加工区域。
8.鱿鱼白片智能切割计算装置,其特征在于,包括:
点云数据读取模块,用于读取鱿鱼白片的三维形貌激光点云数据;
数据优化模块,用于对激光点云数据进行优化处理;
区域提取模块,用于提取鱿鱼白片有效区域;
零点确定模块,用于确定切割零点;
区域确定模块,用于确定切割加工区域;
切割调整模块,用于确定切割点位以及切割角度优化,该模块具体执行以下操作:
(a)设定第一刀的切割点位在所述切割加工区域的边沿,同时设定切割角度α;
(b)根据鱿鱼块产品质量要求,以与第一刀相同的角度向后遍历,找到第二刀的切割点位d1,计算第二刀与上表面的交点p1;计算切割出鱿鱼块的对角线长度参考值L;
(c)计算第三刀切割点位时,先根据对角线长度参考值从鱿鱼上表面获得落刀位置p2和下表面切割点位d2,然后计算当前落刀位置与上一落刀位置间的切片体积是否满足质量要求;如果满足,直接进行切割,如果不满足,调整根据切刀角度α;若干次角度调整后,仍无法满足质量要求时,恢复切割角度至α,同时根据质量差平移切刀位置;
(d)按照与求解第三刀切割点位及切割角度相同的方式,求出剩余切割加工区域的切割点位及切割角度;
(e)将计算出的鱿鱼白片切割点位和切割角度最优解发送给控制系统,进行切割,直至结束。
9.一种鱿鱼白片智能切割计算设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述权利要求1-7任一所述的鱿鱼白片智能切割计算方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的鱿鱼白片智能切割计算方法。
CN202111658818.9A 2021-12-31 2021-12-31 鱿鱼白片智能切割计算方法、装置、设备及存储介质 Active CN114372227B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202111658818.9A CN114372227B (zh) 2021-12-31 2021-12-31 鱿鱼白片智能切割计算方法、装置、设备及存储介质
US17/932,289 US11751578B2 (en) 2021-12-31 2022-09-14 Intelligent methods and devices for cutting squid white slices
JP2022164947A JP7411146B2 (ja) 2021-12-31 2022-10-13 イカ白スライスのスマート切断方法及び装置
US18/355,404 US11832621B1 (en) 2021-12-31 2023-07-19 Methods and systems for intelligent processing of aquatic products

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111658818.9A CN114372227B (zh) 2021-12-31 2021-12-31 鱿鱼白片智能切割计算方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114372227A CN114372227A (zh) 2022-04-19
CN114372227B true CN114372227B (zh) 2023-04-14

Family

ID=81142898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111658818.9A Active CN114372227B (zh) 2021-12-31 2021-12-31 鱿鱼白片智能切割计算方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114372227B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021109988A1 (zh) * 2019-12-06 2021-06-10 广州柏视医疗科技有限公司 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置
WO2021151319A1 (zh) * 2020-07-30 2021-08-05 平安科技(深圳)有限公司 卡片边框检测方法、装置、设备及可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268609B (zh) * 2013-05-17 2016-04-20 清华大学 一种有序提取地面的点云分割方法
CN103778429B (zh) * 2014-01-24 2017-03-08 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
CN110148144B (zh) * 2018-08-27 2024-02-13 腾讯大地通途(北京)科技有限公司 点云数据的分割方法和装置、存储介质、电子装置
CN113551615B (zh) * 2021-07-05 2022-11-11 浙江大学舟山海洋研究中心 一种用于鱿鱼白片加工的线激光轮廓传感器数据处理装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021109988A1 (zh) * 2019-12-06 2021-06-10 广州柏视医疗科技有限公司 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置
WO2021151319A1 (zh) * 2020-07-30 2021-08-05 平安科技(深圳)有限公司 卡片边框检测方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN114372227A (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN111932688B (zh) 一种基于三维点云的室内平面要素提取方法、系统及设备
CN113298833A (zh) 目标物点云特征线面提取方法及系统
CN108022307B (zh) 基于增材再制造点云模型的自适应平面分层方法
CN110379022A (zh) 一种航拍地形三维重建系统中的点云及网格分块方法
CN104851126B (zh) 基于广义圆柱体的三维模型分割方法及装置
CN108763702A (zh) 一种深度梯度变化微织构车刀仿生设计方法
CN111612888B (zh) 一种文物建筑图形的自动生成方法、系统及存储介质
CN111243091A (zh) 基于分布式系统的海量dem金字塔切片并行构建方法
CN101853525A (zh) 基于网格分割的带纹理模型细节保持简化方法
CN1866299A (zh) 基于视觉特征度量的三维模型简化方法
Altantsetseg et al. 3d surface reconstruction of stone tools by using four-directional measurement machine
CN114372227B (zh) 鱿鱼白片智能切割计算方法、装置、设备及存储介质
CN113021873A (zh) 一种三维打印方法、装置、计算机设备及存储介质
CN106169021B (zh) 一种基于路径分离的四面体网格虚拟切割方法
JP7482492B2 (ja) 船舶のstl三次元モデルに基づくrov船底自主巡検方法
EP4044116A1 (en) Segmenting a 3d modeled object representing a mechanical part
CN114119902A (zh) 一种基于无人机倾斜三维模型的建筑物提取方法
CN111008429A (zh) 一种基于点云的异构cad几何一致性对比方法
CN114357354B (zh) 带鱼定重智能切段计算方法、装置、设备及存储介质
Chica et al. Pressing: Smooth isosurfaces with flats from binary grids
CN113112417A (zh) 基于三维点云的喷涂工件建模方法
CN114814796A (zh) 基于高精度地图的水面可行驶区域提取方法、装置及设备
US11832621B1 (en) Methods and systems for intelligent processing of aquatic products
Chen et al. A method for dynamic simplification of massive point cloud
CN113763563A (zh) 一种基于平面识别的三维点云几何网格结构生成方法

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