CN114399761A - 转向架的叠加部件数量识别方法、装置和系统 - Google Patents
转向架的叠加部件数量识别方法、装置和系统 Download PDFInfo
- Publication number
- CN114399761A CN114399761A CN202111650180.4A CN202111650180A CN114399761A CN 114399761 A CN114399761 A CN 114399761A CN 202111650180 A CN202111650180 A CN 202111650180A CN 114399761 A CN114399761 A CN 114399761A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional point
- cloud data
- bogie
- boundary
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 description 6
- 239000011295 pitch Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 102100021766 E3 ubiquitin-protein ligase RNF138 Human genes 0.000 description 1
- 101001106980 Homo sapiens E3 ubiquitin-protein ligase RNF138 Proteins 0.000 description 1
- 101000961846 Homo sapiens Nuclear prelamin A recognition factor Proteins 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/20028—Bilateral filtering
-
- 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
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种转向架的叠加部件数量识别方法、装置和系统。所述方法包括:获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;计算相邻两条边界直线之间的距离,得到多个直线间距;将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。采用本方法能够降低人工的劳动成本。
Description
技术领域
本申请涉及机器视觉测量技术领域,特别是涉及一种转向架的叠加部件数量识别方法、装置和系统。
背景技术
铁路车辆的转向架落成中,具有多个下心盘垫板以及多个横跨梁垫板,多个下心盘垫板以及横跨梁垫板均是通过多个垫板叠加的方式进行使用,在对转向机落成的测量中,需要对下心盘垫板以及横跨梁垫板的数量进行统计。同时需要对各个下心盘垫板的厚度以及横跨梁垫板的厚度进行测量。
现有方法中,通过人工观察的方法对下心盘垫板以及横跨梁垫板的数量进行统计。然而,利用人工对转向架叠加的部件数量进行统计,难以降低劳动成本。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低劳动成本的转向架的叠加部件数量识别方法、装置和系统。
第一方面,本申请提供了一种转向架的叠加部件数量识别方法。所述方法包括:
获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;
对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
计算相邻两条边界直线之间的距离,得到多个直线间距;
将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。
在其中一个实施例中,根据比较的结果,统计叠加的多个部件的数量的步骤,包括:
对于每一直线间距,若直线间距大于固定阈值,则将直线间距对应的两边界直线确定为同一部件的两边界直线;
统计大于固定阈值的直线间距的数量,得到叠加的多个部件的数量。
在其中一个实施例中,对三维点云数据进行预处理的步骤,包括:
对三维点云数据进行点云滤波处理;
对三维点云滤波处理后的三维点云数据进行点云关键点提取,得到预处理后的三维点云数据。
在其中一个实施例中,获取转向架叠加的多个部件侧面的三维点云数据的步骤之前,包括:
控制结构光投射器向转向架叠加的多个部件侧面投射3D结构光。
在其中一个实施例中,3D结构光为格雷码光栅。
在其中一个实施例中,所述方法还包括:
对于每一直线间距,根据比较的结果,将大于固定阈值的直线间距确定为对应的部件的厚度,并将小于或等于固定阈值的直线间距确定为对应的两个部件之间的间隙距离。
第二方面,本申请还提供了一种转向架的叠加部件数量识别装置。所述装置包括:
点云获取模块,用于获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;
直线化模块,用于对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
间距模块,用于计算相邻两条边界直线之间的距离,得到多个直线间距;
阈值比较模块,用于将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。
第三方面,本申请还提供了一种转向架的叠加部件数量识别系统。所述系统包括:
结构光投射器,用于向转向架叠加的多个部件侧面投射3D结构光;
点云图像获取器,连接结构光投射器,用于获取叠加的多个部件侧面的三维点云数据;
上位机,分别连接结构光投射器和点云图像获取器,上位机包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述的方法的步骤。
第四方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行计算机程序时实现上述的方法的步骤。
第五方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述转向架的叠加部件数量识别方法、装置和系统,通过获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;对预处理后的三维点云数据进行边界点云直线化处理,可以得到多条边界直线;计算相邻两条边界直线之间的距离,得到多个直线间距;将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。如此,通过上述方法对机器视觉的三维点云数据进行处理,得到部件的边界直线,通过将相邻两边界直线的距离与固定阈值进行比较,确定相邻两边界直线是否为同一部件的两边界直线,如此可以根据确定的多个叠加部件,统计叠加的多个部件的数量,从而可以降低人工的劳动成本。
附图说明
图1为一个实施例中转向架的叠加部件数量识别方法的流程示意图;
图2为一个实施例中对三维点云数据进行预处理的步骤的流程示意图;
图3为一个具体的实施例中对下心盘垫板数量进行识别以及获取下心盘垫板厚度的步骤的流程示意图;
图4为一个实施例中转向架的叠加部件数量识别装置的结构框图;
图5为一个实施例中转向架的叠加部件数量识别系统的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种转向架的叠加部件数量识别方法,该方法包括:步骤S102至步骤S108。
步骤S102,获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理。
其中,叠加多个部件侧面可识别出部件间的间隙以及部件边界信息,三维点云数据包括部件的边界点云。
作为一个示例,部件可以是下心盘垫板,也可以是横跨梁垫板。
具体地,获取转向架中叠加的多个部件的侧面三维点云数据,并对三维点云进行预处理,预处理可以得到更能体现叠加部件的特征的三维点云数据,更好地对三维点云数据进行分析。
作为一个示例,可通过双目3D相机获取多个部件侧面的三维点云数据。
步骤S104,对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线。
其中,边界点云直线化处理使各部件的边界点云形成直线,边界直线为部件叠加处的边界直线。
具体地,预处理后的三维点云数据具有更显著的部件边界特征,也即各部件的边界点云更显著。识别预处理后的三维点云数据中各部件的边界点云,对预处理后的三维点云数据进行边界点云直线化处理,使得边界点云形成具有更显著特征的直线,从而可以使部件之间的间隙更加明显化。通过边界点云直线化处理,可以得到多条边界直线,当投射的结构光与部件形成一定时,通过边界点云直线化处理可以优化缺失的三维点云数据。可以理解,每个部件至少包括两条边界直线,这两条边界直线为部件叠加处的边界直线。
本步骤中,对预处理后的三维点云数据进行边界点云直线化处理,可以使锯齿点云数据形成直线点,从而可以优化边界点云的特征,剔除干扰点云,从而可以提高数量识别的准确性。
步骤S106,计算相邻两条边界直线之间的距离,得到多个直线间距。
具体地,计算相邻两条边界直线之间的距离,可以得到多条直线间距。可以理解,同一条边界直线,有两条边界直线与其相邻。
步骤S108,将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。
其中,固定阈值可根据标准部件的厚度以及一般的部件之间的间隙进行设置。作为一个示例,部件厚度在5mm(毫米)以上,部件之间的间隙为0.05mm左右,可设置固定阈值为0.1-0.2mm之间。
具体地,将各直线间距分别与固定阈值进行比较,可以得到每一直线间距与固定阈值比较的结果,根据比较的结果,统计叠加的多个部件的数量。
本实施例中,通过获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;对预处理后的三维点云数据进行边界点云直线化处理,可以得到多条边界直线;计算相邻两条边界直线之间的距离,得到多个直线间距;将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。如此,通过上述方法对机器视觉的三维点云数据进行处理,得到部件的边界直线,通过将相邻两边界直线的距离与固定阈值进行比较,确定相邻两边界直线是否为同一部件的两边界直线,如此可以根据确定的多个叠加部件,统计叠加的多个部件的数量,从而可以降低人工的劳动成本。
在一个实施例中,根据比较的结果,统计叠加的多个部件的数量的步骤,包括:对于每一直线间距,若直线间距大于固定阈值,则将直线间距对应的两边界直线确定为同一部件的两边界直线;
统计大于固定阈值的直线间距的数量,得到叠加的多个部件的数量。
具体地,同一部件至少包括两边界直线。对于每一直线间距,若该直线间距大于设定的固定阈值,则该直线间距所对应的两边界直线为同一个部件的两边界直线;若该直线间距小于或等于设定的固定阈值,则该直线间距所对应的两边界直线分别为两个部件的边界直线。如此,可从叠加的部件中识别出每一个独立的部件,统计大于固定阈值的直线间距的数量,可以得到叠加的多个部件的数量。
在其中一个实施例中,若直线间距小于或等于设定的固定阈值,则该直线间距对应的两条边界直线之间的距离为部件间隙的距离。
在一个实施例中,如图2所示,对三维点云数据进行预处理的步骤,包括:
步骤S202,对三维点云数据进行点云滤波处理;
步骤S204,对三维点云滤波处理后的三维点云数据进行点云关键点提取,得到预处理后的三维点云数据。
其中,三维点云数据中往往包含大量散列点、孤立点;点云滤波处理为去除三维点云数据中的噪声。点云滤波处理的方法包括双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致滤波、VoxelGrid滤波。点云关键点提取的算法包括:ISS3D、Harris3D、NARF、SIFT3D。
具体地,对获取到的三维点云数据进行点云滤波处理,以去除三维点云数据中的噪声,对进行三维点云滤波处理后的三维点云数据进行点云关键点处理,提取去除噪声后的三维点云数据的关键点。
本实施例中,去除三维点云数据中的噪声,可以提高后续对三维点云数据分析的准确性。进行点云关键点提取后的三维点云数据相比于进行三维点云滤波处理后的三维点云数据的数据量减少了很多,可以加快后续的三维点云数据处理,提高了对三维点云数据进行分析的效率。
在一个实施例中,获取转向架叠加的多个部件侧面的三维点云数据的步骤之前,包括:
控制结构光投射器向转向架叠加的多个部件侧面投射3D结构光。
具体地,结构光投射器可以投射3D结构光。控制结构光投射器向转向架叠加的多个部件侧面投射3D结构光,从而可以获取转向架叠加的多个部件侧面的三维点云数据。
在一个实施例中,3D结构光为格雷码光栅。
在一个实施例中,所述方法还包括:对于每一直线间距,根据比较的结果,将大于固定阈值的直线间距确定为对应的部件的厚度,并将小于或等于固定阈值的直线间距确定为对应的两个部件之间的间隙距离。
具体地,根据各个直线间距与固定阈值比较的结果,大于固定阈值的直线间距对应的两边界直线为同一部件的两边界直线,小于或等于固定阈值的直线间距对应的两边界直线分别为不同部件的边界直线。可以将大于固定阈值的直线间距确定为对应的部件的厚度,将小于或等于固定阈值的直线间距确定为对应的两个部件之间的间隙距离。
在一个具体的实施例中,如图3所示,可应用于对下心盘垫板进行数量识别,转向架包括叠加的多个下心盘垫板。对下心盘垫板数量进行识别以及获取下心盘垫板厚度的步骤,包括:
步骤S301,控制结构光投射器向叠加的多个下心盘垫板侧面投射格雷码光栅;
步骤S302,获取多个下心盘垫板侧面的三维点云数据;
步骤S303,对三维点云数据进行点云滤波处理;并对三维点云滤波处理后的三维点云数据进行点云关键点提取,得到预处理后的三维点云数据。
步骤S304,对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
步骤S305,计算相邻两条边界直线之间的距离,得到多个直线间距;
步骤S306,将各直线间距分别与固定阈值进行比较;对于每一直线间距,若直线间距大于固定阈值,则将直线间距对应的两边界直线确定为同一部件的两边界直线;统计大于固定阈值的直线间距的数量,得到叠加的多个部件的数量;
步骤S307,对于每一直线间距,根据比较的结果,将大于固定阈值的直线间距确定为对应的部件的厚度,并将小于或等于固定阈值的直线间距确定为对应的两个部件之间的间隙距离。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的转向架的叠加部件数量识别方法的转向架的叠加部件数量识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个转向架的叠加部件数量识别装置实施例中的具体限定可以参见上文中对于转向架的叠加部件数量识别方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种转向架的叠加部件数量识别装置,包括:点云获取模块410、直线化模块420、间距模块430和阈值比较模块440,其中:
点云获取模块410用于获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;
直线化模块420用于对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
间距模块430用于计算相邻两条边界直线之间的距离,得到多个直线间距;
阈值比较模块440用于将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。
在一个实施例中,阈值比较模块440包括直线确定单元和数量统计单元。
直线确定单元用于对于每一直线间距,若直线间距大于固定阈值,则将直线间距对应的两边界直线确定为同一部件的两边界直线;
数量统计单元用于统计大于固定阈值的直线间距的数量,得到叠加的多个部件的数量。
在一个实施例中,点云获取模块410包括滤波单元和关键点单元。
滤波单元用于对三维点云数据进行点云滤波处理;
关键点单元用于对三维点云滤波处理后的三维点云数据进行点云关键点提取,得到预处理后的三维点云数据。
在一个实施例中,所述装置还包括结构光投射模块。
结构光投射模块用于控制结构光投射器向转向架叠加的多个部件侧面投射3D结构光。
在一个实施例中,所述装置还包括厚度确定单元。
厚度确定单元用于对于每一直线间距,根据比较的结果,将大于固定阈值的直线间距确定为对应的部件的厚度,并将小于或等于固定阈值的直线间距确定为对应的两个部件之间的间隙距离。
上述转向架的叠加部件数量识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的转向架的叠加部件数量识别方法的转向架的叠加部件数量识别系统。
在一个实施例中,如图5所示,提供了一种转向架的叠加部件数量识别系统,所述系统包括:结构光投射器510、点云图像获取器520、上位机530。
结构光投射器510用于向转向架叠加的多个部件侧面投射3D结构光。
作为一个示例,结构光投射器510为可投射格雷码光栅的3D相机。
点云图像获取器520连接结构光投射器510,用于获取叠加的多个部件侧面的三维点云数据。
作为一个示例,点云图像获取器520为双目3D相机。
其中,可通过结构光投射器510触发点云图像获取器520,也可以通过点云图像获取器520触发结构光投射器510。
上位机530分别连接结构光投射器510和点云图像获取器520,上位机530包括存储器和处理器,存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取转向架叠加的多个部件侧面的三维点云数据,并对三维点云数据进行预处理;
对预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
计算相邻两条边界直线之间的距离,得到多个直线间距;
将各直线间距分别与固定阈值进行比较,并根据比较的结果,统计叠加的多个部件的数量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对于每一直线间距,若直线间距大于固定阈值,则将直线间距对应的两边界直线确定为同一部件的两边界直线;
统计大于固定阈值的直线间距的数量,得到叠加的多个部件的数量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对三维点云数据进行点云滤波处理;
对三维点云滤波处理后的三维点云数据进行点云关键点提取,得到预处理后的三维点云数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
控制结构光投射器向转向架叠加的多个部件侧面投射3D结构光。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对于每一直线间距,根据比较的结果,将大于固定阈值的直线间距确定为对应的部件的厚度,并将小于或等于固定阈值的直线间距确定为对应的两个部件之间的间隙距离。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种转向架的叠加部件数量识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其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各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种转向架的叠加部件数量识别方法,其特征在于,所述方法包括:
获取转向架叠加的多个部件侧面的三维点云数据,并对所述三维点云数据进行预处理;
对所述预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
计算相邻两条边界直线之间的距离,得到多个直线间距;
将各所述直线间距分别与固定阈值进行比较,并根据所述比较的结果,统计叠加的多个部件的数量。
2.根据权利要求1所述的方法,其特征在于,根据所述比较的结果,统计叠加的多个部件的数量的步骤,包括:
对于每一直线间距,若所述直线间距大于所述固定阈值,则将所述直线间距对应的两边界直线确定为同一部件的两边界直线;
统计大于所述固定阈值的直线间距的数量,得到所述叠加的多个部件的数量。
3.根据权利要求1所述的方法,其特征在于,对所述三维点云数据进行预处理的步骤,包括:
对所述三维点云数据进行点云滤波处理;
对所述三维点云滤波处理后的三维点云数据进行点云关键点提取,得到预处理后的三维点云数据。
4.根据权利要求1所述的方法,其特征在于,获取转向架叠加的多个部件侧面的三维点云数据的步骤之前,包括:
控制结构光投射器向转向架叠加的多个部件侧面投射3D结构光。
5.根据权利要求4所述的方法,其特征在于,所述3D结构光为格雷码光栅。
6.根据权利要求1所述的方法,其特征在于,还包括:
对于每一所述直线间距,根据所述比较的结果,将大于所述固定阈值的所述直线间距确定为对应的部件的厚度,并将小于或等于所述固定阈值的所述直线间距确定为对应的两个部件之间的间隙距离。
7.一种转向架的叠加部件数量识别装置,其特征在于,所述装置包括:
点云获取模块,用于获取转向架叠加的多个部件侧面的三维点云数据,并对所述三维点云数据进行预处理;
直线化模块,用于对所述预处理后的三维点云数据进行边界点云直线化处理,得到多条边界直线;
间距模块,用于计算相邻两条边界直线之间的距离,得到多个直线间距;
阈值比较模块,用于将各所述直线间距分别与固定阈值进行比较,并根据所述比较的结果,统计叠加的多个部件的数量。
8.一种转向架的叠加部件数量识别系统,其特征在于,所述系统包括:
结构光投射器,用于向转向架叠加的多个部件侧面投射3D结构光;
点云图像获取器,连接所述结构光投射器,用于获取叠加的多个部件侧面的三维点云数据;
上位机,分别连接所述结构光投射器和所述点云图像获取器,所述上位机包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,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实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650180.4A CN114399761B (zh) | 2021-12-29 | 2021-12-29 | 转向架的叠加部件数量识别方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650180.4A CN114399761B (zh) | 2021-12-29 | 2021-12-29 | 转向架的叠加部件数量识别方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399761A true CN114399761A (zh) | 2022-04-26 |
CN114399761B CN114399761B (zh) | 2024-06-14 |
Family
ID=81228025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111650180.4A Active CN114399761B (zh) | 2021-12-29 | 2021-12-29 | 转向架的叠加部件数量识别方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399761B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2021621A1 (en) * | 1989-11-22 | 1991-05-23 | Kevin Franklin King | Fourth generation helical scanning |
CN109737874A (zh) * | 2019-01-17 | 2019-05-10 | 广东省智能制造研究所 | 基于三维视觉技术的物体尺寸测量方法及装置 |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN109895763A (zh) * | 2018-05-17 | 2019-06-18 | 华为技术有限公司 | 基于超声波雷达的泊车车位检测方法和终端 |
CN111815706A (zh) * | 2020-06-23 | 2020-10-23 | 熵智科技(深圳)有限公司 | 面向单品类拆垛的视觉识别方法、装置、设备及介质 |
CN112184599A (zh) * | 2020-12-01 | 2021-01-05 | 矿冶科技集团有限公司 | 爆堆块度的识别方法、装置及电子设备 |
CN113538558A (zh) * | 2020-04-15 | 2021-10-22 | 深圳市光鉴科技有限公司 | 基于ir图的体积测量优化方法、系统、设备及存储介质 |
CN113836733A (zh) * | 2021-09-29 | 2021-12-24 | 国能铁路装备有限责任公司 | 车辆曲线通过性能监测设备的布局位置确定方法及装置 |
-
2021
- 2021-12-29 CN CN202111650180.4A patent/CN114399761B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2021621A1 (en) * | 1989-11-22 | 1991-05-23 | Kevin Franklin King | Fourth generation helical scanning |
US20190178989A1 (en) * | 2017-12-11 | 2019-06-13 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN109895763A (zh) * | 2018-05-17 | 2019-06-18 | 华为技术有限公司 | 基于超声波雷达的泊车车位检测方法和终端 |
CN109737874A (zh) * | 2019-01-17 | 2019-05-10 | 广东省智能制造研究所 | 基于三维视觉技术的物体尺寸测量方法及装置 |
CN113538558A (zh) * | 2020-04-15 | 2021-10-22 | 深圳市光鉴科技有限公司 | 基于ir图的体积测量优化方法、系统、设备及存储介质 |
CN111815706A (zh) * | 2020-06-23 | 2020-10-23 | 熵智科技(深圳)有限公司 | 面向单品类拆垛的视觉识别方法、装置、设备及介质 |
CN112184599A (zh) * | 2020-12-01 | 2021-01-05 | 矿冶科技集团有限公司 | 爆堆块度的识别方法、装置及电子设备 |
CN113836733A (zh) * | 2021-09-29 | 2021-12-24 | 国能铁路装备有限责任公司 | 车辆曲线通过性能监测设备的布局位置确定方法及装置 |
Non-Patent Citations (2)
Title |
---|
杨硕;彭双;肖昌炎;: "用于叠层纸张图像分析计数的快速直线增长算法", 计算机应用与软件, no. 09, 15 September 2015 (2015-09-15) * |
王鹏;姜寿山;: "基于工程图的多视图分离及视图毗邻关系的确定", 制造业自动化, no. 10, 25 May 2011 (2011-05-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN114399761B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7000627B2 (ja) | 標的細胞標識方法、装置、記憶媒体及び端末デバイス | |
CN111079755B (zh) | 一种财务报销数据处理方法、装置及系统 | |
EP2742442B1 (en) | A method for detecting a copy of a reference video, corresponding apparatus for extracting a spatio-temporal signature from video data and corresponding computer readable storage medium | |
CN112016538B (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
WO2020062702A1 (zh) | 短信发送的方法、装置、计算机设备和存储介质 | |
CN112100167A (zh) | 一种生态保护红线数据的质检方法及装置 | |
CN111522859A (zh) | 告警分析方法、装置、计算机设备和存储介质 | |
CN109360205B (zh) | 双录视频质检方法、装置、介质和电子设备 | |
CN116610821B (zh) | 一种基于知识图谱的企业风险分析方法、系统和存储介质 | |
CN114399761A (zh) | 转向架的叠加部件数量识别方法、装置和系统 | |
CN109544352A (zh) | 基于随机数的抽检方法、装置、计算机设备及存储介质 | |
CN116137061A (zh) | 数量统计模型的训练方法、装置、电子设备及存储介质 | |
CN116610583A (zh) | Sca工具成熟度评价方法、装置、设备、介质和产品 | |
CN111459932A (zh) | 基于区块链的数据存证方法、装置及存储介质 | |
CN115690431A (zh) | 条码图像二值化方法、装置、存储介质及计算机设备 | |
CN115034686A (zh) | 作业行为量化方法、装置、计算机设备和存储介质 | |
CN111950753A (zh) | 一种景区客流预测的方法及装置 | |
CN112364948B (zh) | 一种基于主成分分析的车辆信息存储方法 | |
CN109963150A (zh) | 一种检测方法、系统及计算机存储介质 | |
CN115035192B (zh) | 一种烟叶布料车和传送带的位置确定方法及装置 | |
CN114022576A (zh) | 图像压缩方法、装置、计算机设备和计算机可读存储介质 | |
CN116380158B (zh) | 车辆荷载信息确定系统、方法、装置、设备和介质 | |
CN114782400B (zh) | 金属物料渣点检测方法、装置、设备、介质和程序产品 | |
US9607266B2 (en) | Systems and methods for signal detection in pharmacovigilance using distributed processing, analysis and representing of the signals in multiple forms | |
CN114841817A (zh) | 团险险种粒度赔付率预测方法及相关设备 |
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 |