CN114372981B - T型工件焊缝识别方法、装置、电子设备及存储介质 - Google Patents

T型工件焊缝识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114372981B
CN114372981B CN202210276946.5A CN202210276946A CN114372981B CN 114372981 B CN114372981 B CN 114372981B CN 202210276946 A CN202210276946 A CN 202210276946A CN 114372981 B CN114372981 B CN 114372981B
Authority
CN
China
Prior art keywords
point
points
altitude
cloud
height
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
CN202210276946.5A
Other languages
English (en)
Other versions
CN114372981A (zh
Inventor
岑洎涛
孙闯
易京亚
苏金宇
马章宇
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210276946.5A priority Critical patent/CN114372981B/zh
Publication of CN114372981A publication Critical patent/CN114372981A/zh
Application granted granted Critical
Publication of CN114372981B publication Critical patent/CN114372981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Abstract

本申请属于焊缝识别技术领域，公开了一种T型工件焊缝识别方法、装置、电子设备及存储介质，通过获取由激光雷达传感器沿垂直于T型工件长度方向的方向移动并扫描得到的初始点云数据；在初始点云数据中，根据各点云线上相邻云点之间的第一高度差对初始点云数据进行背景点云的删减；在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离去除由于遮挡导致异常的异常点云；在剩余的点云数据中，提取点云线上的高度突变点；根据高度突变点之间的距离对高度突变点进行分组；分别对各组高度突变点进行直线拟合得到对应的焊缝线；从而，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。

Description

T型工件焊缝识别方法、装置、电子设备及存储介质
技术领域
本申请涉及焊缝识别技术领域，具体而言，涉及一种T型工件焊缝识别方法、装置、电子设备及存储介质。
背景技术
目前，对于工件焊缝的识别一般都使用3D相机采集足够的点云数据，再利用点云的分割拟合模式识别等手段进行焊缝识别，但一般的3D相机的识别距离比较短，进行大视距大视野识别时，由于分辨率不足，识别精度较低。
船舶小组立是船舶装配作业的一个基本组成部分，是指拼板件或将两个以上的板材和型材零件经过一次或两次组装焊接后，形成片状结构组件的过程。船舶小组立过程使用的零件连接方式主要为焊接连接。在船舶小组立过程中，待焊接的工件一般包括多个并排设置的T型工件（见图4，每个T型工件包括横板91和竖板92），一般是通过自动焊接设备对T型工件的横板91和竖板92之间的焊缝进行焊接，因此需要进行焊缝识别，由于这些T型工件的尺寸较大，为保证工作效率，一般要求进行大视距大视野识别，采用传统的通过3D相机进行识别的方法，对焊缝的识别精度较低。
发明内容
本申请的目的在于提供一种T型工件焊缝识别方法、装置、电子设备及存储介质，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
第一方面，本申请提供了一种T型工件焊缝识别方法，用于对船舶小组立过程中的多个并列设置的T型工件的焊缝进行识别，包括步骤：
A1.获取由激光雷达传感器沿垂直于所述T型工件的长度方向的方向移动并扫描得到的初始点云数据；
A2.在所述初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对所述初始点云数据进行过滤处理，以删减背景点云；所述点云线是沿所述激光雷达传感器的移动方向依次排列的云点的连线；
A3.在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对所述剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；
A4.在剩余的点云数据中，提取点云线上的高度突变点；
A5.根据所述高度突变点之间的距离对所述高度突变点进行分组；
A6.分别对各组所述高度突变点进行直线拟合，得到对应的焊缝线。
该T型工件焊缝识别方法，由于激光雷达传感器扫描时沿垂直于所述T型工件的长度方向的方向移动，从而该移动方向实际上也是垂直于焊缝线的，激光雷达传感器的分辨率仅影响T型工件的长度方向上的云点的密度，可根据实际需要，通过控制激光雷达传感器扫描时的移动速度，即可调整点云线上的云点的密度，实现对焊缝线的准确识别，从而降低焊缝线的识别精度对激光雷达传感器的分辨率的依赖，在激光雷达传感器的分辨率不变的情况下，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
优选地，步骤A2包括：
在所述初始点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第一高度差；
把所有所述第一高度差均不大于第一预设阈值的所述点云线上的所有所述云点删除。
由于先删减背景点云，可减少后续步骤的计算量，提高识别效率。
优选地，步骤A3包括：
在所述剩余的点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第二高度差和距离；
以所有所述第二高度差均小于第二预设阈值且至少一个所述距离大于第三预设阈值的所述点云线为异常点云线，删除所述异常点云线上的云点。
通过去除由于遮挡导致异常的异常点云，可避免这些异常点云对焊缝识别结果的影响，提高识别精度。
优选地，步骤A4包括：
在剩余的点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第三高度差；
提取其与前方相邻的云点之间的所述第三高度差跟其与后方相邻的云点之间的所述第三高度差之间的偏差超过第四预设阈值的云点作为候选高度突变点；
根据所述候选高度突变点的高度对所述候选高度突变点进行筛选，以筛选出所述高度突变点。
优选地，步骤A5包括：
根据所述高度突变点之间的距离把所述高度突变点划分为多个高度突变点组，使每个所述高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值。
优选地，所述根据所述高度突变点之间的距离把所述高度突变点划分为多个高度突变点组，使每个所述高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值的步骤包括：
以其中一个所述高度突变点为起始点，搜索与所述起始点的距离小于第五预设阈值的其它高度突变点为目标点，再以所述目标点为新起始点，搜索与所述新起始点的距离小于第五预设阈值的其它高度突变点为新目标点，以此遍历所有所述高度突变点，把所述起始点和搜索到的所有高度突变点划分为同一个高度突变点组。
优选地，步骤A6包括：
采用最小二乘法对各组所述高度突变点进行直线拟合，得到对应的焊缝线。
第二方面，本申请提供了一种T型工件焊缝识别装置，用于对船舶小组立过程中的多个并列设置的T型工件的焊缝进行识别，包括：
第一获取模块，用于获取由激光雷达传感器沿垂直于所述T型工件的长度方向的方向移动并扫描得到的初始点云数据；
第一过滤模块，用于在所述初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对所述初始点云数据进行过滤处理，以删减背景点云；所述点云线是沿所述激光雷达传感器的移动方向依次排列的云点的连线；
第二过滤模块，用于在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对所述剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；
第一提取模块，用于在剩余的点云数据中，提取点云线上的高度突变点；
分组模块，用于根据所述高度突变点之间的距离对所述高度突变点进行分组；
拟合模块，用于分别对各组所述高度突变点进行直线拟合，得到对应的焊缝线。
该T型工件焊缝识别装置，由于激光雷达传感器扫描时沿垂直于所述T型工件的长度方向的方向移动，从而该移动方向实际上也是垂直于焊缝线的，激光雷达传感器的分辨率仅影响T型工件的长度方向上的云点的密度，可根据实际需要，通过控制激光雷达传感器扫描时的移动速度，即可调整点云线上的云点的密度，实现对焊缝线的准确识别，从而降低焊缝线的识别精度对激光雷达传感器的分辨率的依赖，在激光雷达传感器的分辨率不变的情况下，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
第三方面，本申请提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述T型工件焊缝识别方法中的步骤。
第四方面，本申请提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如前文所述T型工件焊缝识别方法中的步骤。
有益效果：
本申请提供的T型工件焊缝识别方法、装置、电子设备及存储介质，通过获取由激光雷达传感器沿垂直于所述T型工件的长度方向的方向移动并扫描得到的初始点云数据；在所述初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对所述初始点云数据进行过滤处理，以删减背景点云；所述点云线是沿所述激光雷达传感器的移动方向依次排列的云点的连线；在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对所述剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；在剩余的点云数据中，提取点云线上的高度突变点；根据所述高度突变点之间的距离对所述高度突变点进行分组；分别对各组所述高度突变点进行直线拟合，得到对应的焊缝线；从而，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。
附图说明
图1为本申请实施例提供的T型工件焊缝识别方法的流程图。
图2为本申请实施例提供的T型工件焊缝识别装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
图4为船舶小组立的T型工件的结构示意图。
图5为示例性的激光雷达传感器在同一位置的扫描区域的示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种T型工件焊缝识别方法，用于对船舶小组立过程中的多个并列设置的T型工件（如图4所示的T型工件）的焊缝进行识别，包括步骤：
A1.获取由激光雷达传感器沿垂直于T型工件的长度方向的方向移动（即沿T型工件的宽度方向移动）并扫描得到的初始点云数据；
A2.在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云；点云线是沿激光雷达传感器的移动方向依次排列的云点的连线；
A3.在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；
A4.在剩余的点云数据中，提取点云线上的高度突变点；
A5.根据高度突变点之间的距离对高度突变点进行分组；
A6.分别对各组高度突变点进行直线拟合，得到对应的焊缝线。
其中，多个T型工件并列设置是指多个T型工件之间的长度方向基本平行，且各T型工件的横板91放置在同一平面上；其中，T型工件的长度方向与其焊缝线平行。
其中，激光雷达传感器在同一位置是沿T型工件的长度方向进行扫描的，即在同一位置，其扫描方向与焊缝线平行。
该T型工件焊缝识别方法，由于激光雷达传感器扫描时沿垂直于T型工件的长度方向的方向移动，从而该移动方向实际上也是垂直于焊缝线的，激光雷达传感器的分辨率仅影响T型工件的长度方向上的云点的密度，可根据实际需要，通过控制激光雷达传感器扫描时的移动速度，即可调整点云线上的云点的密度，实现对焊缝线的准确识别，从而降低焊缝线的识别精度对激光雷达传感器的分辨率的依赖，在激光雷达传感器的分辨率不变的情况下，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别（船舶小组立的T型工件的尺寸较大，需要进行大视距大视野识别，以保证识别效率）时的识别精度。
其中，激光雷达传感器在同一位置，其扫描范围为一扇形区域，例如图5所示的扇形区域。激光雷达传感器的基本参数包括工作距离、工作角度、角分辨率和扫描频率，以SICK的LMS4000激光雷达传感器为例，其工作距离为0.7m-3m，工作角度为70°（见图5），角分辨率为0.0833°，扫描频率为600Hz；在同一位置，该激光雷达传感器在T型工件的长度方向上扫描得到的点数为70°/0.0833°≈841；假设工作距离（激光雷达传感器垂直朝下到工作平台的距离）为2.4m，则此时的视野范围为3.36m，因此当前的分辨率为3.49mm-4.36mm（平均值为4mm），即沿T型工件的长度方向的相邻两个点之间的距离为3.49mm-4.36mm，采用传统的焊缝识别方法，该分辨率一般难以满足焊缝识别精度要求。
采用该LMS4000激光雷达传感器，假如以60mm/s使激光雷达传感器沿沿垂直于T型工件的长度方向的方向移动，且在同一位置是沿T型工件的长度方向进行扫描的，则在移动方向上，分辨率为60mm/s÷600Hz=0.1mm（即在移动方向上相邻的点之间的距离为0.1mm），采用上述的T型工件焊缝识别方法的步骤识别的焊缝的位置精度则可以0.1mm，对比该激光雷达传感器的平均分辨率（4mm），可知，采用上述的T型工件焊缝识别方法能够有效提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
一般地，激光雷达传感器的移动速度越小则识别精度越高，但工作效率越低，具体的移动速度可根据实际需要设置。
在一些实施方式中，步骤A2包括：
A201.在初始点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第一高度差（为了便于与后文中的其它高度差做区分，此处，把相邻点云之间的高度差可称之为第一高度差）；
A202.把所有第一高度差均不大于第一预设阈值的点云线上的所有云点删除。
由于先删减背景点云，可减少后续步骤的计算量，提高识别效率。其中，背景点云是指承托T型工件的承托平面（一般为工作台面）上的点云，位于承托平面上的云点的高度一般是相同的，需要说明的是，通过上述方式删除背景点云，只能删除其所属点云线全部位于承托平面上的云点（所有第一高度差均不大于第一预设阈值的点云线上的云点均为承托平面上的云点），因此，删除的一般只是一部分背景点云，而非全部背景点云，但也能有效减少云点的数量，从而减少后续步骤的计算量。
其中，第一预设阈值可根据实际需要设置；例如，第一预设阈值为2h，h为T型工件的横板91的厚度，由于T型工件的竖板92的高度通常会大于2h，因此，只要点云线上有至少两个云点之间的第一高度差超过2h，即表示该点云线跨过T型工件，从而得到保留，可有效避免误删T型工件上的云点而影响焊缝的识别精度；但第一预设阈值的大小不限于此。
需要说明的是，沿激光雷达传感器的移动方向依次排列的一列云点在同一平面上（一般在承托平面上），则对应的点云线一般为一条直线；若沿激光雷达传感器的移动方向依次排列的一列云点分布在不同平面内（如部分云点在承托平面上，部分云点在横板91上，部分云点在竖板92上），则对应的点云线一般为折线。但同一点云线上的云点在承托平面上的投影通常是在同一直线上的。
其中，后方是指顺着激光雷达传感器移动方向。例如，同一点云线上有n个云点，从前到后，各云点的高度分布为h（1）、h（2）、…、h（n），则依次计算得到的第一高度差为g（1）=h（2）- h（1）、g（2）= h（3）- h（2）、…、g（n-1）= h（n）- h（n-1）；若g（1）至g（n-1）均不大于第一预设阈值，则把该点云线上的n个云点删除。
在一些实施方式中，步骤A3包括：
A301.在剩余的点云数据（即删减背景点云后的点云数据，也可称之为第一剩余点云数据）中，依次计算点云线上的各云点和后方相邻的云点之间的第二高度差（为了便于与文中的其它高度差做区分，此处，把相邻点云之间的高度差可称之为第二高度差）和距离；
A302.以所有第二高度差均小于第二预设阈值且至少一个距离大于第三预设阈值的点云线为异常点云线，删除异常点云线上的云点。
通过去除由于遮挡导致异常的异常点云，可避免这些异常点云对焊缝识别结果的影响，提高识别精度。
此处，计算第二高度差的过程可参考前文。
其中，第二预设阈值和第三预设阈值可根据实际需要设置，两者可相等也可不相等，例如均为2h，但不限于此。
优选地，步骤A4包括：
A401.在剩余的点云数据（即去除由于遮挡导致异常的异常点云后的点云数据，也可称之为第二剩余点云数据）中，依次计算点云线上的各云点和后方相邻的云点之间的第三高度差（为了便于与文中的其它高度差做区分，此处，把相邻点云之间的高度差可称之为第三高度差）；
A402.提取其与前方相邻的云点之间的第三高度差跟其与后方相邻的云点之间的第三高度差之间的偏差（为绝对值）超过第四预设阈值的云点作为候选高度突变点；
A403.根据候选高度突变点的高度对候选高度突变点进行筛选，以筛选出高度突变点。
此处，计算第三高度差的过程可参考前文。例如，点云线上的第i个云点与第i-1个云点之间的第三高度差跟第i+1个云点与第i个云点之间的第三高度差的偏差超过第四预设阈值，则该第i个云点为候选高度突变点。其中，第四预设阈值可根据需要设置。
有时候，位于竖板92顶部边缘或竖板92侧面上端的云点也会被判定为候选高度突变点，这些候选高度突变点需要被筛除，从而保证筛选出高度突变点为焊缝点。从而，在一些实施方式中，步骤A403包括：把高度小于预设高度阈值的候选高度突变点作为最终的高度突变点。该预设高度阈值可根据实际需要设置。
优选地，步骤A5包括：
A501.根据高度突变点之间的距离把高度突变点划分为多个高度突变点组，使每个高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值。
其中，可根据现有的聚类方法进行划分。或者，在一些实施方式中，根据高度突变点之间的距离把高度突变点划分为多个高度突变点组，使每个高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值的步骤包括：
以其中一个高度突变点为起始点，搜索与起始点的距离小于第五预设阈值的其它高度突变点为目标点，再以目标点为新起始点，搜索与新起始点的距离小于第五预设阈值的其它高度突变点为新目标点，以此遍历所有高度突变点，把起始点和搜索到的所有高度突变点划分为同一个高度突变点组。
在完成一个高度突变点组的划分后，对于剩余的高度突变点重复上述过程，如此循环，直到所有高度突变点均划分完毕。
通过该方式能够比较准确地把属于同一焊缝的高度突变点划分为一组。
其中，第五预设阈值可根据实际需要设置，例如为激光雷达传感器的分辨率的1.5倍（若激光雷达传感器的平均分辨率为4mm，则第五预设阈值为6mm），但不限于此。
在本实施例中，步骤A6包括：
采用最小二乘法对各组高度突变点进行直线拟合，得到对应的焊缝线。
实际应用中，也可以采用其它拟合方法进行焊缝线的拟合。
由上可知，该T型工件焊缝识别方法，通过获取由激光雷达传感器沿垂直于T型工件的长度方向的方向移动并扫描得到的初始点云数据；在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云；点云线是沿激光雷达传感器的移动方向依次排列的云点的连线；在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；在剩余的点云数据中，提取点云线上的高度突变点；根据高度突变点之间的距离对高度突变点进行分组；分别对各组高度突变点进行直线拟合，得到对应的焊缝线；从而，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度，并降低了对传感器性能（主要是分辨率）的要求，其识别算法简单，识别处理效率高，适用性广。
请参考图2，本申请提供了一种T型工件焊缝识别装置，用于对船舶小组立过程中的多个并列设置的T型工件的焊缝进行识别，包括：
第一获取模块1，用于获取由激光雷达传感器沿垂直于T型工件的长度方向的方向移动并扫描得到的初始点云数据；
第一过滤模块2，用于在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云；点云线是沿激光雷达传感器的移动方向依次排列的云点的连线；
第二过滤模块3，用于在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；
第一提取模块4，用于在剩余的点云数据中，提取点云线上的高度突变点；
分组模块5，用于根据高度突变点之间的距离对高度突变点进行分组；
拟合模块6，用于分别对各组高度突变点进行直线拟合，得到对应的焊缝线。
其中，多个T型工件并列设置是指多个T型工件之间的长度方向基本平行，且各T型工件的横板91放置在同一平面上；其中，T型工件的长度方向与其焊缝线平行。
其中，激光雷达传感器在同一位置是沿T型工件的长度方向进行扫描的，即在同一位置，其扫描方向与焊缝线平行。
该T型工件焊缝识别装置，由于激光雷达传感器扫描时沿垂直于T型工件的长度方向的方向移动，从而该移动方向实际上也是垂直于焊缝线的，激光雷达传感器的分辨率仅影响T型工件的长度方向上的云点的密度，可根据实际需要，通过控制激光雷达传感器扫描时的移动速度，即可调整点云线上的云点的密度，实现对焊缝线的准确识别，从而降低焊缝线的识别精度对激光雷达传感器的分辨率的依赖，在激光雷达传感器的分辨率不变的情况下，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
其中，激光雷达传感器在同一位置，其扫描范围为一扇形区域，例如图5所示的扇形区域。激光雷达传感器的基本参数包括工作距离、工作角度、角分辨率和扫描频率，以SICK的LMS4000激光雷达传感器为例，其工作距离为0.7m-3m，工作角度为70°（见图5），角分辨率为0.0833°，扫描频率为600Hz；在同一位置，该激光雷达传感器在T型工件的长度方向上扫描得到的点数为70°/0.0833°≈841；假设工作距离（激光雷达传感器垂直朝下到工作平台的距离）为2.4m，则此时的视野范围为3.36m，因此当前的分辨率为3.49mm-4.36mm（平均值为4mm），即沿T型工件的长度方向的相邻两个点之间的距离为3.49mm-4.36mm，采用传统的焊缝识别方法，该分辨率一般难以满足焊缝识别精度要求。
采用该LMS4000激光雷达传感器，假如以60mm/s使激光雷达传感器沿沿垂直于T型工件的长度方向的方向移动，且在同一位置是沿T型工件的长度方向进行扫描的，则在移动方向上，分辨率为60mm/s÷600Hz=0.1mm（即在移动方向上相邻的点之间的距离为0.1mm），采用上述的T型工件焊缝识别装置识别的焊缝的位置精度则可以0.1mm，对比该激光雷达传感器的平均分辨率（4mm），可知，采用该上述的T型工件焊缝识别装置能够有效提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度。
一般地，激光雷达传感器的移动速度越小则识别精度越高，但工作效率越低，具体的移动速度可根据实际需要设置。
在一些实施方式中，第一过滤模块2在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云，具体包括：
在初始点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第一高度差；
把所有第一高度差均不大于第一预设阈值的点云线上的所有云点删除。
由于先删减背景点云，可减少后续步骤的计算量，提高识别效率。其中，背景点云是指承托T型工件的承托平面（一般为工作台面）上的点云，位于承托平面上的云点的高度一般是相同的，需要说明的是，通过上述方式删除背景点云，只能删除其所属点云线全部位于承托平面上的云点（所有第一高度差均不大于第一预设阈值的点云线上的云点均为承托平面上的云点），因此，删除的一般只是一部分背景点云，而非全部背景点云，但也能有效减少云点的数量，从而减少后续步骤的计算量。
其中，第一预设阈值可根据实际需要设置；例如，第一预设阈值为2h，h为T型工件的横板91的厚度，由于T型工件的竖板92的高度通常会大于2h，因此，只要点云线上有至少两个云点之间的第一高度差超过2h，即表示该点云线跨过T型工件，从而得到保留，可有效避免误删T型工件上的云点而影响焊缝的识别精度；但第一预设阈值的大小不限于此。
需要说明的是，沿激光雷达传感器的移动方向依次排列的一列云点在同一平面上（一般在承托平面上），则对应的点云线一般为一条直线；若沿激光雷达传感器的移动方向依次排列的一列云点分布在不同平面内（如部分云点在承托平面上，部分云点在横板91上，部分云点在竖板92上），则对应的点云线一般为折线。但同一点云线上的云点在承托平面上的投影通常是在同一直线上的。
其中，后方是指顺着激光雷达传感器移动方向。例如，同一点云线上有n个云点，从前到后，各云点的高度分布为h（1）、h（2）、…、h（n），则依次计算得到的第一高度差为g（1）=h（2）- h（1）、g（2）= h（3）- h（2）、…、g（n-1）= h（n）- h（n-1）；若g（1）至g（n-1）均不大于第一预设阈值，则把该点云线上的n个云点删除。
在一些实施方式中，第二过滤模块3在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云，具体包括：
在剩余的点云数据（即删减背景点云后的点云数据，也可称之为第一剩余点云数据）中，依次计算点云线上的各云点和后方相邻的云点之间的第二高度差和距离；
以所有第二高度差均小于第二预设阈值且至少一个距离大于第三预设阈值的点云线为异常点云线，删除异常点云线上的云点。
通过去除由于遮挡导致异常的异常点云，可避免这些异常点云对焊缝识别结果的影响，提高识别精度。
此处，计算第二高度差的过程可参考前文。
其中，第二预设阈值和第三预设阈值可根据实际需要设置，两者可相等也可不相等，例如均为2h，但不限于此。
优选地，第一提取模块4在剩余的点云数据中，提取点云线上的高度突变点，具体包括：
在剩余的点云数据（即去除由于遮挡导致异常的异常点云后的点云数据，也可称之为第二剩余点云数据）中，依次计算点云线上的各云点和后方相邻的云点之间的第三高度差；
提取其与前方相邻的云点之间的第三高度差跟其与后方相邻的云点之间的第三高度差之间的偏差（为绝对值）超过第四预设阈值的云点作为候选高度突变点；
根据候选高度突变点的高度对候选高度突变点进行筛选，以筛选出高度突变点。
此处，计算第三高度差的过程可参考前文。例如，点云线上的第i个云点与第i-1个云点之间的第三高度差跟第i+1个云点与第i个云点之间的第三高度差的偏差超过第四预设阈值，则该第i个云点为候选高度突变点。其中，第四预设阈值可根据需要设置。
有时候，位于竖板92顶部边缘或竖板92侧面上端的云点也会被判定为候选高度突变点，这些候选高度突变点需要被筛除，从而保证筛选出高度突变点为焊缝点。从而，在一些实施方式中，第一提取模块4在根据候选高度突变点的高度对候选高度突变点进行筛选，以筛选出高度突变点的时候，执行：把高度小于预设高度阈值的候选高度突变点作为最终的高度突变点。该预设高度阈值可根据实际需要设置。
优选地，分组模块5用于在根据高度突变点之间的距离对高度突变点进行分组的时候，执行：
根据高度突变点之间的距离把高度突变点划分为多个高度突变点组，使每个高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值。
其中，可根据现有的聚类方法进行划分。或者，在一些实施方式中，分组模块5在根据高度突变点之间的距离把高度突变点划分为多个高度突变点组，使每个高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值的时候，执行：
以其中一个高度突变点为起始点，搜索与起始点的距离小于第五预设阈值的其它高度突变点为目标点，再以目标点为新起始点，搜索与新起始点的距离小于第五预设阈值的其它高度突变点为新目标点，以此遍历所有高度突变点，把起始点和搜索到的所有高度突变点划分为同一个高度突变点组。
在完成一个高度突变点组的划分后，对于剩余的高度突变点重复上述过程，如此循环，直到所有高度突变点均划分完毕。
通过该方式能够比较准确地把属于同一焊缝的高度突变点划分为一组。
其中，第五预设阈值可根据实际需要设置，例如为激光雷达传感器的分辨率的1.5倍（若激光雷达传感器的平均分辨率为4mm，则第五预设阈值为6mm），但不限于此。
在本实施例中，拟合模块6用于在分别对各组高度突变点进行直线拟合，得到对应的焊缝线的时候，执行：
采用最小二乘法对各组高度突变点进行直线拟合，得到对应的焊缝线。
实际应用中，也可以采用其它拟合方法进行焊缝线的拟合。
由上可知，该T型工件焊缝识别装置，通过获取由激光雷达传感器沿垂直于T型工件的长度方向的方向移动并扫描得到的初始点云数据；在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云；点云线是沿激光雷达传感器的移动方向依次排列的云点的连线；在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；在剩余的点云数据中，提取点云线上的高度突变点；根据高度突变点之间的距离对高度突变点进行分组；分别对各组高度突变点进行直线拟合，得到对应的焊缝线；从而，有利于提高对船舶小组立过程中的T型工件的焊缝进行大视距大视野识别时的识别精度，并降低了对传感器性能（主要是分辨率）的要求，其识别算法简单，识别处理效率高，适用性广。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的T型工件焊缝识别方法，以实现以下功能：获取由激光雷达传感器沿垂直于T型工件的长度方向的方向移动并扫描得到的初始点云数据；在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云；点云线是沿激光雷达传感器的移动方向依次排列的云点的连线；在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；在剩余的点云数据中，提取点云线上的高度突变点；根据高度突变点之间的距离对高度突变点进行分组；分别对各组高度突变点进行直线拟合，得到对应的焊缝线。
本申请实施例提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的T型工件焊缝识别方法，以实现以下功能：获取由激光雷达传感器沿垂直于T型工件的长度方向的方向移动并扫描得到的初始点云数据；在初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对初始点云数据进行过滤处理，以删减背景点云；点云线是沿激光雷达传感器的移动方向依次排列的云点的连线；在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；在剩余的点云数据中，提取点云线上的高度突变点；根据高度突变点之间的距离对高度突变点进行分组；分别对各组高度突变点进行直线拟合，得到对应的焊缝线。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory,简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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通信接口，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。
另外，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，既可以位于一个地方，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。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，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 (8)

1.一种T型工件焊缝识别方法，用于对船舶小组立过程中的多个并列设置的T型工件的焊缝进行识别，其特征在于，包括步骤：
A1.获取由激光雷达传感器沿垂直于所述T型工件的长度方向的方向移动并扫描得到的初始点云数据；
A2.在所述初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对所述初始点云数据进行过滤处理，以删减背景点云；所述点云线是沿所述激光雷达传感器的移动方向依次排列的云点的连线；
A3.在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对所述剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；
A4.在剩余的点云数据中，提取点云线上的高度突变点；
A5.根据所述高度突变点之间的距离对所述高度突变点进行分组；
A6.分别对各组所述高度突变点进行直线拟合，得到对应的焊缝线；
步骤A5包括：
根据所述高度突变点之间的距离把所述高度突变点划分为多个高度突变点组，使每个所述高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值；
所述根据所述高度突变点之间的距离把所述高度突变点划分为多个高度突变点组，使每个所述高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值的步骤包括：
以其中一个所述高度突变点为起始点，搜索与所述起始点的距离小于第五预设阈值的其它高度突变点为目标点，再以所述目标点为新起始点，搜索与所述新起始点的距离小于第五预设阈值的其它高度突变点为新目标点，以此遍历所有所述高度突变点，把所述起始点和搜索到的所有高度突变点划分为同一个高度突变点组。
2.根据权利要求1所述的T型工件焊缝识别方法，其特征在于，步骤A2包括：
在所述初始点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第一高度差；
把所有所述第一高度差均不大于第一预设阈值的所述点云线上的所有云点删除。
3.根据权利要求1所述的T型工件焊缝识别方法，其特征在于，步骤A3包括：
在所述剩余的点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第二高度差和距离；
以所有所述第二高度差均小于第二预设阈值且至少一个所述距离大于第三预设阈值的所述点云线为异常点云线，删除所述异常点云线上的云点。
4.根据权利要求1所述的T型工件焊缝识别方法，其特征在于，步骤A4包括：
在剩余的点云数据中，依次计算点云线上的各云点和后方相邻的云点之间的第三高度差；
提取其与前方相邻的云点之间的所述第三高度差跟其与后方相邻的云点之间的所述第三高度差之间的偏差超过第四预设阈值的云点作为候选高度突变点；
根据所述候选高度突变点的高度对所述候选高度突变点进行筛选，以筛选出所述高度突变点。
5.根据权利要求1所述的T型工件焊缝识别方法，其特征在于，步骤A6包括：
采用最小二乘法对各组所述高度突变点进行直线拟合，得到对应的焊缝线。
6.一种T型工件焊缝识别装置，用于对船舶小组立过程中的多个并列设置的T型工件的焊缝进行识别，其特征在于，包括：
第一获取模块，用于获取由激光雷达传感器沿垂直于所述T型工件的长度方向的方向移动并扫描得到的初始点云数据；
第一过滤模块，用于在所述初始点云数据中，根据各点云线上相邻云点之间的第一高度差，对所述初始点云数据进行过滤处理，以删减背景点云；所述点云线是沿所述激光雷达传感器的移动方向依次排列的云点的连线；
第二过滤模块，用于在剩余的点云数据中，根据点云线上相邻云点之间的第二高度差和距离，对所述剩余的点云数据进行过滤处理，以去除由于遮挡导致异常的异常点云；
第一提取模块，用于在剩余的点云数据中，提取点云线上的高度突变点；
分组模块，用于根据所述高度突变点之间的距离对所述高度突变点进行分组；
拟合模块，用于分别对各组所述高度突变点进行直线拟合，得到对应的焊缝线；
分组模块用于在根据所述高度突变点之间的距离对所述高度突变点进行分组的时候，执行：
根据所述高度突变点之间的距离把所述高度突变点划分为多个高度突变点组，使每个所述高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值；
分组模块在据所述高度突变点之间的距离把所述高度突变点划分为多个高度突变点组，使每个所述高度突变点组中，对于任意一个高度突变点均能找到至少一个其它高度突变点与其的距离小于第五预设阈值的时候，执行：
以其中一个所述高度突变点为起始点，搜索与所述起始点的距离小于第五预设阈值的其它高度突变点为目标点，再以所述目标点为新起始点，搜索与所述新起始点的距离小于第五预设阈值的其它高度突变点为新目标点，以此遍历所有所述高度突变点，把所述起始点和搜索到的所有高度突变点划分为同一个高度突变点组。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-5任一项所述T型工件焊缝识别方法中的步骤。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-5任一项所述T型工件焊缝识别方法中的步骤。
CN202210276946.5A 2022-03-21 2022-03-21 T型工件焊缝识别方法、装置、电子设备及存储介质 Active CN114372981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210276946.5A CN114372981B (zh) 2022-03-21 2022-03-21 T型工件焊缝识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210276946.5A CN114372981B (zh) 2022-03-21 2022-03-21 T型工件焊缝识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114372981A CN114372981A (zh) 2022-04-19
CN114372981B true CN114372981B (zh) 2022-06-17

Family

ID=81146360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210276946.5A Active CN114372981B (zh) 2022-03-21 2022-03-21 T型工件焊缝识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114372981B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111037174A (zh) * 2019-12-09 2020-04-21 中建钢构有限公司 焊接控制方法及焊接控制系统
WO2021128297A1 (zh) * 2019-12-27 2021-07-01 深圳市大疆创新科技有限公司 三维点云地图构建方法、系统和设备
CN113176585A (zh) * 2021-04-14 2021-07-27 浙江工业大学 一种基于三维激光雷达的路面异常检测方法
CN113298949A (zh) * 2021-05-11 2021-08-24 武汉工程大学 D类焊缝信息获取方法、装置及计算机存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110216664B (zh) * 2019-04-30 2020-12-22 北京云迹科技有限公司 基于点云数据的障碍物识别方法及装置
CN112462347B (zh) * 2020-12-28 2023-08-15 长沙理工大学 基于密度聚类的激光雷达点云快速分类滤波算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111037174A (zh) * 2019-12-09 2020-04-21 中建钢构有限公司 焊接控制方法及焊接控制系统
WO2021128297A1 (zh) * 2019-12-27 2021-07-01 深圳市大疆创新科技有限公司 三维点云地图构建方法、系统和设备
CN113176585A (zh) * 2021-04-14 2021-07-27 浙江工业大学 一种基于三维激光雷达的路面异常检测方法
CN113298949A (zh) * 2021-05-11 2021-08-24 武汉工程大学 D类焊缝信息获取方法、装置及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
船舶小组立焊接工位特征提取和检测;赵超奇;《组合机床与自动化加工技术》;20210830(第8期);第76-80页 *

Also Published As

Publication number Publication date
CN114372981A (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN104463871B (zh) 基于车载LiDAR点云数据的街景面片提取及优化方法
CN111259854B (zh) 一种文本图像中表格的结构化信息的识别方法及装置
CN109977466B (zh) 一种三维扫描视点规划方法、装置及计算机可读存储介质
CN111308500B (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
CN112650298A (zh) 一种无人机追踪降落方法及系统
CN111598952A (zh) 一种多尺度合作靶标设计与在线检测识别方法及系统
CN111496789A (zh) 一种离线复杂曲面喷涂轨迹规划系统及控制方法
CN113213054A (zh) 取放货装置的调整方法、装置、设备、机器人及仓储系统
KR101549155B1 (ko) 라이다 자료를 활용한 구조물의 직선경계 추출방법
CN111598780A (zh) 一种适用于机载LiDAR点云的地形自适应插值滤波方法
CN115861828A (zh) 一种建筑横切面轮廓提取方法、装置、介质及设备
CN114372981B (zh) T型工件焊缝识别方法、装置、电子设备及存储介质
CN113513991A (zh) 一种电池极片毛刺高度检测方法及装置
CN112233120A (zh) 一种基于点云数据处理的脱方检测方法及系统
CN110738223A (zh) 一种激光雷达的点云数据聚类方法及装置
CN108895976B (zh) 封闭空间设备变形监测方法及装置
CN103714528B (zh) 物体分割装置和方法
CN115267722A (zh) 一种角点提取方法、装置及存储介质
CN114419046B (zh) H型钢的焊缝识别方法、装置、电子设备和存储介质
JP4226360B2 (ja) レーザデータのフィルタリング方法及びプログラム
CN109377482A (zh) 一种基于点云数据的轮胎胎角性质检测方法
CN114240960A (zh) 最上层工件的提取方法、装置、设备、介质及产品
CN107092909B (zh) 基于三角形相似定理的角度检测算法
CN113487633A (zh) 一种点云轮廓提取方法、装置、计算机设备及存储介质
CN112215846B (zh) 一种基于三维点云的钢坯计数方法及系统

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