CN114419046A - H型钢的焊缝识别方法、装置、电子设备和存储介质 - Google Patents
H型钢的焊缝识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114419046A CN114419046A CN202210325587.8A CN202210325587A CN114419046A CN 114419046 A CN114419046 A CN 114419046A CN 202210325587 A CN202210325587 A CN 202210325587A CN 114419046 A CN114419046 A CN 114419046A
- Authority
- CN
- China
- Prior art keywords
- plane
- point cloud
- cloud data
- planes
- steel web
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及图像识别领域,具体为一种H型钢的焊缝识别方法、装置、电子设备和存储介质。该H型钢的焊缝识别方法的步骤包括:获取H型钢的点云数据;对点云数据进行多次平面拟合以获取多个初始平面;对所有初始平面进行筛选以提取出钢腹板平面;获取钢腹板平面的第一法向量和钢腹板平面的第一方向向量,第一方向向量与纵向平行;根据第一法向量和第一方向向量,从多个初始平面中区分出两个翼缘板平面;根据钢腹板平面和两个翼缘板平面,从H型钢的点云数据中分离出横向劲肋的上表面的点云数据;根据横向劲肋的上表面的点云数据获取焊缝路径,本发明能够实现准确而快速的焊缝识别,为焊接机器人自动化作业提供数据支撑。
Description
技术领域
本发明涉及图像识别领域,具体涉及一种H型钢的焊缝识别方法、装置、电子设备和存储介质。
背景技术
H型钢在建筑钢结构体系中有重要地位,被广泛应用于国民经济建设的各个领域,特别是重工业厂房中的承重框架梁、柱构件,而为了确保H型钢能够满足强度、整体稳定和刚度三个主要要求,一般通过在H型钢中增加横向劲肋实现,大部分横向劲肋都是后期通过焊接加工上H型钢中的,现阶段焊接横向劲肋大部分时候都是依靠人工焊接,然而这种方式耗费大量人力物力,作业效率低下。为此,可以使用焊接机器人进行自动焊接,以提高作业效率,但使用焊接机器人进行自动焊接的前提是要准确地识别出焊缝,因此,需要寻求一种能够准确快速地识别出H型钢的焊缝的方法。
发明内容
本发明的目的在于提供一种H型钢的焊缝识别方法、装置、电子设备和存储介质,能够准确快速地识别出焊缝路径,为焊接机器人自动化作业提供数据支撑。
第一方面,本申请提供一种H型钢的焊缝识别方法,用于焊接机器人的图像识别系统,所述H型钢的焊缝识别方法包括以下步骤:
S1.获取H型钢的点云数据;
S2.对所述点云数据进行多次平面拟合以获取多个初始平面;
S3.对所有所述初始平面进行筛选以提取出钢腹板平面;
S4.获取所述钢腹板平面的第一法向量和所述钢腹板平面的第一方向向量,所述第一方向向量与纵向平行;
S5.根据所述第一法向量和所述第一方向向量,从多个所述初始平面中区分出两个翼缘板平面;
S6.根据所述钢腹板平面和两个所述翼缘板平面,从所述H型钢的点云数据中分离出横向劲肋的上表面的点云数据;
S7.根据所述横向劲肋的上表面的点云数据获取焊缝路径。
获取H型钢的点云数据,通过平面拟合和数据分析,从中提取出需焊接的横向劲肋点云数据,并准确获得其与钢腹板和两侧的翼缘板之间的焊缝路径,有利于焊接机器人实现相比于人工更加快速、精准的焊接作业。
进一步的,步骤S1中的具体步骤包括:
S11.使用线激光3D视觉系统扫描H型钢以获取H型钢的3D模型;
S12.对所述3D模型进行点云分析以获取所述点云数据。
利用线激光扫描H型钢,能够直接获得3D模型,简化了建模过程,同时能够确保模型完全符合真实的H型钢,有利于确保最终焊缝路径的准确度。
进一步的,步骤S3中的具体步骤包括:
S31.计算除第一平面和第二平面外的点云数据的第一重心坐标;所述第一平面为点云数据量第一大的平面,所述第二平面为点云数据量第二大的平面;
S32.根据所述第一重心坐标,从所述第一平面和所述第二平面中区分出钢腹板平面和背景平面;
S33.删除所述背景平面对应的点云数据。
利用点云数据量和第一重心坐标,快速区分出钢腹板平面和背景平面,算法简单,实现难度小。
进一步的,步骤S4中的具体步骤包括:
S41.对所述钢腹板平面的点云数据进行聚类分析,获得多个钢腹板子平面;所述钢腹板子平面为所述钢腹板平面被各个所述横向劲肋分割形成的局部平面;
S42.分别计算各所述钢腹板子平面的点云数据的第二重心坐标;
S43.选择两个所述钢腹板子平面对应的第二重心坐标用以计算出所述第一方向向量。
通过聚类分析方法能够快速获得钢腹板子平面,再经过简单运算即可获得第一方向向量,计算简单,处理速度快。
进一步的,步骤S5中的具体步骤包括:
S51.分别计算除所述钢腹板平面之外的各个平面的第二法向量;
S52.筛选出其所述第二法向量垂直于所述第一法向量和所述第一方向向量的对应平面,得到所述翼缘板平面。
进一步的,步骤S6中的具体步骤包括:
S611.计算其中一个所述翼缘板平面的第三重心坐标,和另一个所述翼缘板平面的第四重心坐标,以及两个所述翼缘板平面整体的第五重心坐标;
S612.获取从所述第五重心坐标的位置点指向所述第三重心坐标的位置点的第二方向向量,和从所述第五重心坐标的位置点指向所述第四重心坐标的位置点的第三方向向量;
S613.获取第一剪裁平面和第二剪裁平面,所述第一剪裁平面为所述第三重心坐标对应的翼缘板平面按预设的第一偏移量沿所述第二方向向量的负方向移动后的平面;所述第二剪裁平面为所述第四重心坐标对应的翼缘板平面按预设的第二偏移量沿所述第三方向向量的负方向移动后的平面;
S621.计算所述钢腹板平面的第六重心坐标;
S622.计算除所述钢腹板平面外的点云数据的第七重心坐标;
S623.获取从所述第六重心坐标的位置点指向以所述第七重心坐标的位置点的第四方向向量;
S624.获取第三剪裁平面,所述第三剪裁平面为所述钢腹板平面按预设的第三偏移量沿所述第四方向向量的正方向移动后的平面;
S63.根据所述第一剪裁平面、所述第二剪裁平面和所述第三剪裁平面,对所述点云数据进行删减以分离出所述横向劲肋的上表面的点云数据。
进一步的,步骤S7包括对每一个所述横向劲肋均执行以下步骤:
S711.获取所述横向劲肋的上表面的两条沿横向方向延伸的边线;
S712.将两条所述沿横向方向延伸的边线沿竖向投影到所述钢腹板平面上,以获取两条投影线;
S713.将每条所述沿横向方向延伸的边线的两侧端点分别与对应的所述投影线的同一侧端点相连,以获取端点连线;
S714.结合所述投影线和对应的所述端点连线,以构成所述焊缝路径。
第二方面,本发明还提供了一种H型钢的焊缝识别装置,用于焊接机器人的图像识别系统,所述H型钢的焊缝识别装置包括:
第一获取模块,用于获取H型钢的点云数据;
第二获取模块,用于对所述点云数据进行多次平面拟合以获取多个初始平面;
筛选模块,用于对所有所述初始平面进行筛选以提取出钢腹板平面;
第三获取模块,用于获取所述钢腹板平面的第一法向量和所述钢腹板平面的第一方向向量,所述第一方向向量与纵向平行;
区分模块,用于根据所述第一法向量和所述第一方向向量,从多个所述初始平面中区分出两个翼缘板平面;
分离模块,用于根据所述钢腹板平面和两个所述翼缘板平面,从所述H型钢的点云数据中分离出横向劲肋的上表面的点云数据;
第四获取模块,用于根据所述横向劲肋的上表面的点云数据获取焊缝路径。
以向量和点云数据量区分出各个平面,过程简单易懂,免除复杂的算法,在实现准确区分的前提下,数据处理的速度更快,有利于实现快速获取焊缝路径。
第三方面,本发明提供了一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述H型钢的焊缝识别方法中的步骤。
第四方面,本发明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上述H型钢的焊缝识别方法中的步骤。
由上可知,将点云数据拟合得到H型钢的各个平面,再以向量作为判别,从大量点云数据中快速且准确区分出H型钢各个部分,最后从中提取出横向劲肋的上表面的点云数据并根据该点云数据获取焊缝路径,其算法简单易懂,稳定性强,测量精度较高,有利于焊接机器人后续进行精准焊接作业。
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实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本申请实施例提供的H型钢的焊缝识别方法的一种流程图。
图2为本申请实施例中使用线激光3D视觉系统扫描H型钢时的示意图。
图3为本申请实施例中对点云数据进行多次平面拟合后的效果图。
图4为本申请实施例中第一法向量和第二方向向量的示意图。
图5为本申请实施例中翼缘板平面的第二法向量的示意图。
图6为本申请实施例中正视纵向方向时第一剪裁平面、第二剪裁平面和第三剪裁平面之间的位置关系示意图。
图7为本申请实施例中区分出的横向劲肋的上表面的效果图。
图8为本申请实施例中各个横向劲肋对应的焊缝路径的效果图。
图9为图8中标号为a的局部示意图。
图10为本申请实施例H型钢的焊缝识别装置的一种结构示意图。
图11为本申请实施例提供的电子设备的结构示意图。
标号说明:
1、钢腹板;2、翼缘板;3、横向劲肋;4、背景平面;5、钢腹板平面;6、翼缘板平面;7、横向劲肋的上表面;8、第一方向向量;9、第一法向量;10、第二法向量;11、第一剪裁平面;12、第二剪裁平面;13、第三剪裁平面;14、焊缝路径;100、第一获取模块;200、第二获取模块;300、筛选模块;400、第三获取模块;500、区分模块;600、分离模块;700、第四获取模块;1301、处理器;1302、存储器;1303、通信总线。
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。
需要说明的是,参考附图2,纵向指的是沿H型钢(钢腹板1)长度方向延伸的方向,横向指的是沿H型钢(钢腹板1)宽度方向延伸的方向,竖向指的是同时垂直于纵向和横向的方向。
在某些实施例中,参考附图1,一种H型钢的焊缝识别方法,用于焊接机器人的图像识别系统,包括步骤:
S1.获取H型钢的点云数据;
S2.对点云数据进行多次平面拟合以获取多个初始平面;
S3.对所有初始平面进行筛选以提取出钢腹板平面5;
S4.获取钢腹板平面5的第一法向量9(第一法向量9即钢腹板平面5的法向量,为了方便与其它平面的法向量做区分,此处把该法向量称为第一法向量9)和钢腹板平面5的第一方向向量8,第一方向向量8与纵向平行;
S5.根据第一法向量9和第一方向向量8,从多个初始平面中区分出两个翼缘板平面6;
S6.根据钢腹板平面5和两个翼缘板平面6,从H型钢的点云数据中分离出横向劲肋的上表面7的点云数据;
S7.根据横向劲肋的上表面7的点云数据获取焊缝路径14。
进一步的,步骤S1中的具体步骤包括:
S11.使用线激光3D视觉系统扫描H型钢以获取H型钢的3D模型;
S12.对3D模型进行点云分析以获取点云数据。
上述实施例中,现实中的H型钢各个组成部件(翼缘板2、钢腹板1和横向劲肋3)均有厚度,即为立体结构,而线激光3D视觉系统的激光光束是从单个激光头射出并以一定角度呈扇形或三角形向外散发的,当H型钢置于地面(钢腹板1与地面平行)进行点云扫描时,该激光头位于H型钢的正上方(处于两个翼缘板2之间位置的上方),呈扇形或三角形的扫描平面垂直于H型钢的长度方向并沿H型钢的长度方向移动进行全面扫描,此时,该激光光束只会经过地面、两侧翼缘板2的内侧面(翼缘板2的内侧面指的是翼缘板2与横向劲肋3贴合的一面)和上表面、钢腹板1的上表面和横向劲肋的上表面7,因此经扫描亦只会获得上述表面的点云数据,在进一步进行平面拟合后,得到的翼缘板平面6指的是对应现实H型钢的翼缘板2的内侧面,钢腹板平面5指的是对应现实H型钢的钢腹板1的上表面。
需要说明的是,因为横向劲肋的上表面7会阻挡激光,因此激光扫描时,钢腹板1的上表面和两侧的翼缘板平面6会被分割成多个子平面,然而事实上钢腹板子平面都是属于钢腹板1的上表面的,翼缘板子平面都是属于翼缘板2内侧面的,因此同一平面提取的子平面中的点云数据之间总是存在关联(例如某轴的坐标值接近,或重心坐标位置相近等),经过平面拟合算法(现有技术,不再赘述)进行平面拟合后,所有相关联的点云数据都会拟合成同一个平面,即钢腹板子平面之间不再相互分隔,而是拟合成为同一个钢腹板平面5,翼缘板平面6同理,在此不再赘述。
在某些实施例中,参考附图3和附图4,步骤S3中的具体步骤包括:
S31.计算除第一平面和第二平面外的点云数据的第一重心坐标;第一平面为点云数据量第一大的平面,第二平面为点云数据量第二大的平面;
S32.根据第一重心坐标,从第一平面和第二平面中区分出钢腹板平面5和背景平面4;
S33.删除背景平面4对应的点云数据。
本实施例中,激光扫过的平面中,其面积最大的必然为背景平面4或钢腹板平面5,当背景平面4面积最大时,则钢腹板平面5为面积第二大的平面,当钢腹板平面5面积最大时,则背景平面4为面积第二大的平面,而点云数据量与面积成正比,因此通过比较所拟合的各个初始平面之间的点云数据量,提取出点云数据量第一大和第二大的两个平面,这两个平面必然为背景平面4和钢腹板平面5。
进一步的,因为横向劲肋的上表面7和两侧的翼缘板平面6均位于钢腹板平面5上方,除第一平面和第二平面外的点云数据绝大部分都属于横向劲肋3和翼缘板2,因此所计算出的第一重心坐标必然位于钢腹板平面5的上方,而因为第一重心坐标与钢腹板平面5的距离相对于与背景平面4的距离近,进而根据第一重心坐标分别到第一平面和第二平面的距离即可区分出钢腹板平面5和背景平面4(距离第一重心坐标最近的即为钢腹板平面5),最后去除背景平面4的点云数据,优化点云数据避免干扰后续的处理。
其中,第一重心坐标的三个坐标值分别为除第一平面和第二平面外的点云数据各点云的三个坐标值的均值。例如,第一平面和第二平面外的点云数据包括n个云点的三维坐标数据(x1,y1,z1)、(x2,y2,z3)…(xn,yn,zn),则第一重心坐标为(X1,Y1,Z1),其中,X1=(x1+x2+…+xn)/n,Y1=(y1+y2+…+yn)/n,Z1=(z1+z2+…+xn)/n。
在某些实施例中,参考附图3和附图4,步骤S4中的具体步骤包括:
S41.对钢腹板平面5的点云数据进行聚类分析,获得多个钢腹板子平面;钢腹板子平面为钢腹板平面5被各个横向劲肋3分割形成的局部平面;
S42.分别计算各钢腹板子平面的点云数据的第二重心坐标(具体计算过程参考第一重心坐标的计算过程);
S43.选择两个钢腹板子平面对应的第二重心坐标用以计算出第一方向向量8(根据两个点的坐标计算其方向向量为公知常识,在此不再赘述)。
本实施例中,利用聚类算法对钢腹板平面5的点云数据进行分析后,钢腹板平面5被聚类分割为多个钢腹板子平面,然后根据各个钢腹板子平面的点云数据计算各个钢腹板子平面的第二重心坐标,任意选取两个第二重心坐标计算出第一方向向量8(实际上,第一方向向量8所指示出的方向即为钢腹板平面5的纵向延伸方向,即钢腹板平面5的长度方向)。
需要说明的是,一般情况下,相距较远的两个钢腹板子平面能够更加准确地反映出钢腹板平面5的纵向延伸方向(相邻的两个钢腹板子平面所计算出的第一方向向量8可能精度较低),有利于后续精确区分翼缘板平面6的点云数据。
在某些实施例中,参考附图5,步骤S5中的具体步骤包括:
S51.分别计算除钢腹板平面5之外的各个平面的第二法向量10(第二法向量10即为这些平面的法向量,为了方便与其它平面的法向量做区分,此处把该法向量称为第二法向量10);
S52.筛选出其第二法向量10垂直于第一法向量9和第一方向向量8的对应平面,得到翼缘板平面6。
事实上,翼缘板平面6的第二法向量10的方向应当与第一法向量9和第一方向向量8存在较大的角度(假设所有处理过程无任何误差,则翼缘板平面6的第二法向量10的方向应与第一法向量9和第一方向向量8垂直,然而实际上所获得的第一法向量9和第一方向向量8一般都会有误差,但翼缘板平面6的第二法向量10与其夹角都会接近90°),而横向劲肋的上表面7的第二法向量10则与第一法向量9平行,因此翼缘板平面6和横向劲肋的上表面7能够被区分。
需要说明的是,本实施例中的步骤是基于背景平面4的点云数据被删除后再执行的。
在某些实施例中,参考附图6,步骤S6中的具体步骤包括:
S611.计算其中一个翼缘板平面6的第三重心坐标,和另一个翼缘板平面6的第四重心坐标,以及两个翼缘板平面6整体的第五重心坐标(第三重心坐标、第四重心坐标和第五重心坐标的具体计算过程参考第一重心坐标的计算过程);
S612.获取从第五重心坐标的位置点指向第三重心坐标的位置点的第二方向向量,和从第五重心坐标的位置点指向第四重心坐标的位置点的第三方向向量;
S613.获取第一剪裁平面11和第二剪裁平面12,第一剪裁平面11为第三重心坐标对应的翼缘板平面6按预设的第一偏移量沿第二方向向量的负方向移动后的平面;第二剪裁平面12为第四重心坐标对应的翼缘板平面6按预设的第二偏移量沿第三方向向量的负方向移动后的平面;
对于两个翼缘板2,在区分出两个翼缘板平面6后,并不清楚哪一个翼缘板平面6是左侧的翼缘板2,哪个翼缘板平面6是右侧的翼缘板2,因此在本实施例中,计算出的第五重心坐标必然位于两个翼缘板平面6之间,进而计算出的第二方向向量和第三方向向量均分别正对对应的翼缘板平面6从内指向外,最后根据第二方向向量和第三方向向量,分别沿第二方向向量和第三方向向量的相反方向按预设的偏移量分别对对应的翼缘板平面6进行偏移从而获得第一剪裁平面11和第二剪裁平面12,第一剪裁平面11和第二剪裁平面12均平行于对应的翼缘板平面6(对应于平面方程的运算上,若第二方向向量的方向与翼缘板平面6的法向量的方向为同向,则该翼缘板平面6对应的平面方程上进行减值运算,所减的值即为第一偏移量(或者为第二偏移量,则另一个翼缘板平面6对应所加的值是第一偏移量),另一个翼缘板平面6对应的平面方程则进行加值运算,所加的值即为第二偏移量;同理,若第二方向向量的方向与翼缘板平面6的法向量的方向为反向,则该翼缘板平面6对应的平面方程上进行加值运算,所加的值即为第一偏移量(或者为第二偏移量,则另一个翼缘板平面6对应所减的值是第一偏移量),另一个翼缘板平面6对应的平面方程则进行减值运算,所减的值即为第二偏移量;例如,翼缘板平面6的平面方程为Ax+By+Cz=0,则该翼缘板2的法向量为(A,B,C),若第二方向向量为(a,b,c),因为(A,B,C)和(a,b,c)均为正值,因此翼缘板2的法向量和第二方向向量为同向,因此对Ax+By+Cz=0进行减值,得到第一剪裁平面11的平面方程Ax+By+Cz-D=0,其中D则为第一偏移量;若第二方向向量为(-a,-b,-c),因为(A,B,C)为正值而(-a,-b,-c)为负值,因此翼缘板2的法向量和第二方向向量为反向,因此对Ax+By+Cz=0进行加值,得到第一剪裁平面11的平面方程Ax+By+Cz+D=0)。
需要说明的是,两个的翼缘板平面6的平面方程的法向量方向保持一致,即左侧翼缘板平面6法向量的方向和右侧翼缘板平面6法向量的方向均指向左向或右向。
还需要说明的是,附图6仅作为其中一种实施例的示意图,并不在于限定第一剪裁平面11位于左侧,第二剪裁平面12位于右侧,第一剪裁平面11和第二剪裁平面12的实际位置应根据具体的计算结果进行判断,在某些实施例中,第一剪裁平面11也可能在右侧,第二剪裁平面12也可能在左侧。
S621.计算钢腹板平面5的第六重心坐标;
S622.计算除钢腹板平面5外的点云数据的第七重心坐标(第六重心坐标和第七重心坐标的具体计算过程参考第一重心坐标的计算过程);
S623.获取从第六重心坐标的位置点指向以第七重心坐标的位置点的第四方向向量;
S624.获取第三剪裁平面13,第三剪裁平面13为钢腹板平面5按预设的第三偏移量沿第四方向向量的正方向移动后的平面;
S63.根据第一剪裁平面11、第二剪裁平面12和第三剪裁平面13,对点云数据进行删减以分离出横向劲肋的上表面7的点云数据。
对于钢腹板1,因为其他平面(如翼缘板平面6、横向劲肋的上表面7)均位于钢腹板平面5上方,因此第七重心坐标也必然位于钢腹板平面5上方,因此第四方向向量必然是沿竖向从下指向上,沿与第四方向向量相同的方向按预设的偏移量对钢腹板平面5进行偏移从而获得第三剪裁平面13,第三剪裁平面13平行于钢腹板平面5(对应于平面方程的运算上,若第四方向向量的方向与钢腹板平面5的法向量为同向,则该钢腹板平面5对应的平面方程进行加值运算,所加的值即为第三偏移量;若第四方向向量的方向与钢腹板平面5的法向量为反向,则该钢腹板平面5对应的平面方程进行减值运算,所减的值即为第三偏移量,其具体计算过程参考上述第一剪裁平面11和第二剪裁平面12的计算过程,在此不再赘述)。
在某些实施例中,如直接删除钢腹板平面5和翼缘板平面6所对应的点云数据,可能会出现删除不彻底的情况,例如实际上H型钢两侧的翼缘板2会有一定厚度,在进行激光扫描时,翼缘板2的上表面也会被扫描从而获得点云数据,因而在平面拟合时也会拟合出平面,然而翼缘板平面6的点云数据并不包含翼缘板2的上表面的点云数据,因此仅仅删除钢腹板平面5和翼缘板平面6所对应的点云数据,并不足以确保剩下的点云数据均属于横向劲肋的上表面7,而为了简化运算过程,只需要通过本实施例的方式获得第一剪裁平面11、第二剪裁平面12和第三剪裁平面13,并删除第一剪裁平面11、第二剪裁平面12和第三剪裁平面13的外侧的所有点云数据,即可确保保留的点云数据均属于横向劲肋的上表面7,因而从众多点云数据中区分出属于横向劲肋的上表面7的点云数据。
需要说明的是,第一剪裁平面11的外侧指的是第一剪裁平面11背向第二剪裁平面12的一侧;第二剪裁平面12的外侧指的是第二剪裁平面12背向第一剪裁平面11的一侧;第三剪裁平面13的外侧指的是以第三剪裁平面13为基准面,与第四方向向量指向相反的一侧。
另外,删除第一剪裁平面11、第二剪裁平面12和第三剪裁平面13的外侧的所有点云数据仅是为了从所有点云数据中快速区分出属于横向劲肋的上表面7的点云数据,实际上所有拟合的初始平面和各个初始平面对应的点云数据并不是不再使用,后续步骤中还需要利用各个初始平面之间关系继续处理才能够获得焊缝路径14。
还需要说明的是,因为第一剪裁平面11、第二剪裁平面12和第三剪裁平面13都是基于翼缘板平面6和钢腹板平面5向内侧偏移,因此在对点云数据进行删除时,在一定程度上也删除部分属于横向劲肋的上表面7的点云数据(具体的删除数量与所设置的第一偏移量、第二偏移量和第三偏移量有关),但实际应用时,控制偏移量在规定的范围内,其影响可以忽略不计。
在某些实施例中,参考附图7、附图8和附图9,步骤S7包括对每一个横向劲肋3均执行以下步骤:
S711.获取横向劲肋的上表面7的两条沿横向方向延伸的边线;
S712.将两条沿横向方向延伸的边线沿竖向投影到钢腹板平面5上,以获取两条投影线;
S713.将每条沿横向方向延伸的边线的两侧端点分别与对应的投影线的同一侧端点相连,以获取端点连线;
S714.结合投影线和对应的端点连线,以构成焊缝路径14。
实际上,每个横向劲肋3所需要进行焊接的位置为:横向劲肋3与两侧翼缘板2的内侧面之间的交线,以及横向劲肋3与钢腹板1的上表面之间的交线。通过本实施例的方式,投影线即为横向劲肋3与钢腹板1的上表面之间的交线,端点连线即为横向劲肋3与两侧翼缘板2的内侧面之间的交线。在获取焊缝路径14后,即可指示焊接机器人沿焊缝路径14对各个横向劲肋3进行焊接作业。
请参照图10,图10是本申请一些实施例中的一种H型钢的焊缝识别装置,用于焊接机器人的图像识别系统,该H型钢的焊缝识别装置以计算机程序的形式集成在该H型钢的焊缝识别装置的后端控制设备中,该H型钢的焊缝识别装置包括:
第一获取模块100,用于获取H型钢的点云数据;
第二获取模块200,用于对点云数据进行多次平面拟合以获取多个初始平面;
筛选模块300,用于对所有初始平面进行筛选以提取出钢腹板平面5;
第三获取模块400,用于获取钢腹板平面5的第一法向量9和钢腹板平面5的第一方向向量8,第一方向向量8与纵向平行;
区分模块500,用于根据第一法向量9和第一方向向量8,从多个初始平面中区分出两个翼缘板平面6;
分离模块600,用于根据钢腹板平面5和两个翼缘板平面6,从H型钢的点云数据中分离出横向劲肋的上表面7的点云数据;
第四获取模块700,用于根据横向劲肋的上表面7的点云数据获取焊缝路径14。
在某些实施例中,第一获取模块100用于在获取H型钢的点云数据的时候,具体执行以下步骤:
S11.使用线激光3D视觉系统扫描H型钢以获取H型钢的3D模型;
S12.对3D模型进行点云分析以获取点云数据。
在某些实施例中,筛选模块300用于在对所有平面进行筛选以提取出钢腹板平面5的时候,具体执行以下步骤:
S31.计算除第一平面和第二平面外的点云数据的第一重心坐标;第一平面为点云数据量第一大的平面,第二平面为点云数据量第二大的平面;
S32.根据第一重心坐标,从第一平面和第二平面中区分出钢腹板平面5和背景平面4;
S33.删除背景平面4对应的点云数据。
在某些实施例中,第三获取模块400用于在获取钢腹板平面5的第一法向量9和钢腹板平面5的第一方向向量8,第一方向向量8与纵向平行的时候,具体执行以下步骤:
S41.对钢腹板平面5的点云数据进行聚类分析,获得多个钢腹板子平面;钢腹板子平面为钢腹板平面5被各个横向劲肋3分割形成的局部平面;
S42.分别计算各钢腹板子平面的点云数据的第二重心坐标;
S43.选择两个钢腹板子平面对应的第二重心坐标用以计算出第一方向向量8。
在某些实施例中,区分模块500用于在根据第一法向量9和第一方向向量8,从多个平面中区分出两个翼缘板平面6的时候,具体执行以下步骤:
S51.分别计算除钢腹板平面5之外的各个平面的第二法向量10;
S52.筛选出其第二法向量10垂直于第一法向量9和第一方向向量8的对应平面,得到翼缘板平面6。
在某些实施例中,分离模块600用于在根据钢腹板平面5和两个翼缘板平面6,从H型钢的点云数据中分离出横向劲肋的上表面7的点云数据的时候,具体执行以下步骤:
S611.计算其中一个翼缘板平面6的第三重心坐标,和另一个翼缘板平面6的第四重心坐标,以及两个翼缘板平面6整体的第五重心坐标;
S612.获取从第五重心坐标的位置点指向第三重心坐标的位置点的第二方向向量,和从第五重心坐标的位置点指向第四重心坐标的位置点的第三方向向量;
S613.获取第一剪裁平面11和第二剪裁平面12,第一剪裁平面11为第三重心坐标对应的翼缘板平面6按预设的第一偏移量沿第二方向向量的负方向移动后的平面;第二剪裁平面12为第四重心坐标对应的翼缘板平面6按预设的第二偏移量沿第三方向向量的负方向移动后的平面;
S621.计算钢腹板平面5的第六重心坐标;
S622.计算除钢腹板平面5外的点云数据的第七重心坐标;
S623.获取从第六重心坐标的位置点指向以第七重心坐标的位置点的第四方向向量;
S624.获取第三剪裁平面13,第三剪裁平面13为钢腹板平面5按预设的第三偏移量沿第四方向向量的正方向移动后的平面;
S63.根据第一剪裁平面11、第二剪裁平面12和第三剪裁平面13,对点云数据进行删减以分离出横向劲肋的上表面7的点云数据。
在某些实施例中,第四获取模块700用于在获取横向劲肋的上表面7的点云数据获取焊缝路径14的时候,对每一个横向劲肋3均执行以下步骤:
S711.获取横向劲肋的上表面7的两条沿横向方向延伸的边线;
S712.将两条沿横向方向延伸的边线沿竖向投影到钢腹板平面5上,以获取两条投影线;
S713.将每条沿横向方向延伸的边线的两侧端点分别与对应的投影线的同一侧端点相连,以获取端点连线;
S714.结合投影线和对应的端点连线,以构成焊缝路径14。
请参照图11,图11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1301和存储器1302,处理器1301和存储器1302通过通信总线1303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器1302存储有处理器1301可执行的计算机程序,当计算设备运行时,处理器1301执行该计算机程序,以执行上述第一方面的实施例的任一可选的实现方式中的H型钢的焊缝识别方法,以实现以下功能:获取H型钢的点云数据;对点云数据进行多次平面拟合以获取多个初始平面;对所有初始平面进行筛选以提取出钢腹板平面;获取钢腹板平面的第一法向量和钢腹板平面的第一方向向量,第一方向向量与纵向平行;根据第一法向量和第一方向向量,从多个初始平面中区分出两个翼缘板平面;根据钢腹板平面和两个翼缘板平面,从H型钢的点云数据中分离出横向劲肋的上表面的点云数据;根据横向劲肋的上表面的点云数据获取焊缝路径。
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,执行上述第一方面的实施例的任一可选的实现方式中的H型钢的焊缝识别方法,以实现以下功能:获取H型钢的点云数据;对点云数据进行多次平面拟合以获取多个初始平面;对所有初始平面进行筛选以提取出钢腹板平面;获取钢腹板平面的第一法向量和钢腹板平面的第一方向向量,第一方向向量与纵向平行;根据第一法向量和第一方向向量,从多个初始平面中区分出两个翼缘板平面;根据钢腹板平面和两个翼缘板平面,从H型钢的点云数据中分离出横向劲肋的上表面的点云数据;根据横向劲肋的上表面的点云数据获取焊缝路径。
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 Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read 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-OnlyMemory, 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,即可以位于一个地方,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 (10)
1.一种H型钢的焊缝识别方法,用于焊接机器人的图像识别系统,其特征在于,包括步骤:
S1.获取H型钢的点云数据;
S2.对所述点云数据进行多次平面拟合以获取多个初始平面;
S3.对所有所述初始平面进行筛选以提取出钢腹板平面;
S4.获取所述钢腹板平面的第一法向量和所述钢腹板平面的第一方向向量,所述第一方向向量与纵向平行;
S5.根据所述第一法向量和所述第一方向向量,从多个所述初始平面中区分出两个翼缘板平面;
S6.根据所述钢腹板平面和两个所述翼缘板平面,从所述H型钢的点云数据中分离出横向劲肋的上表面的点云数据;
S7.根据所述横向劲肋的上表面的点云数据获取焊缝路径。
2.根据权利要求1所述的H型钢的焊缝识别方法,其特征在于,步骤S1中的具体步骤包括:
S11.使用线激光3D视觉系统扫描所述H型钢以获取所述H型钢的3D模型;
S12.对所述3D模型进行点云分析以获取所述点云数据。
3.根据权利要求1所述的H型钢的焊缝识别方法,其特征在于,步骤S3中的具体步骤包括:
S31.计算除第一平面和第二平面外的点云数据的第一重心坐标;所述第一平面为点云数据量第一大的平面,所述第二平面为点云数据量第二大的平面;
S32.根据所述第一重心坐标,从所述第一平面和所述第二平面中区分出所述钢腹板平面和背景平面;
S33.删除所述背景平面对应的点云数据。
4.根据权利要求1所述的H型钢的焊缝识别方法,其特征在于,步骤S4中的具体步骤包括:
S41.对所述钢腹板平面的点云数据进行聚类分析,获得多个钢腹板子平面;所述钢腹板子平面为所述钢腹板平面被各个所述横向劲肋分割形成的局部平面;
S42.分别计算各所述钢腹板子平面的点云数据的第二重心坐标;
S43.选择两个所述钢腹板子平面对应的第二重心坐标用以计算出所述第一方向向量。
5.根据权利要求3所述的H型钢的焊缝识别方法,其特征在于,步骤S5中的具体步骤包括:
S51.分别计算除所述钢腹板平面之外的各个平面的第二法向量;
S52.筛选出其所述第二法向量垂直于所述第一法向量和所述第一方向向量的平面,得到所述翼缘板平面。
6.根据权利要求1所述的H型钢的焊缝识别方法,其特征在于,步骤S6中的具体步骤包括:
S611.计算其中一个所述翼缘板平面的第三重心坐标,另一个所述翼缘板平面的第四重心坐标,以及两个所述翼缘板平面整体的第五重心坐标;
S612.获取从所述第五重心坐标的位置点指向所述第三重心坐标的位置点的第二方向向量,和从所述第五重心坐标的位置点指向所述第四重心坐标的位置点的第三方向向量;
S613.获取第一剪裁平面和第二剪裁平面,所述第一剪裁平面为所述第三重心坐标对应的翼缘板平面按预设的第一偏移量沿所述第二方向向量的负方向移动后的平面;所述第二剪裁平面为所述第四重心坐标对应的翼缘板平面按预设的第二偏移量沿所述第三方向向量的负方向移动后的平面;
S621.计算所述钢腹板平面的第六重心坐标;
S622.计算除所述钢腹板平面外的点云数据的第七重心坐标;
S623.获取从所述第六重心坐标的位置点指向以所述第七重心坐标的位置点的第四方向向量;
S624.获取第三剪裁平面,所述第三剪裁平面为所述钢腹板平面按预设的第三偏移量沿所述第四方向向量的正方向移动后的平面;
S63.根据所述第一剪裁平面、所述第二剪裁平面和所述第三剪裁平面,对所述点云数据进行删减以分离出所述横向劲肋的上表面的点云数据。
7.根据权利要求1所述的H型钢的焊缝识别方法,其特征在于,步骤S7包括对每一个所述横向劲肋均执行以下步骤:
S711.获取所述横向劲肋的上表面的两条沿横向方向延伸的边线;
S712.将两条所述沿横向方向延伸的边线沿竖向投影到所述钢腹板平面上,以获取两条投影线;
S713.将每条所述沿横向方向延伸的边线的两侧端点分别与对应的所述投影线的同一侧端点相连,以获取端点连线;
S714.结合所述投影线和对应的所述端点连线,以构成所述焊缝路径。
8.一种H型钢的焊缝识别装置,用于焊接机器人的图像识别系统,其特征在于,所述H型钢的焊缝识别装置包括:
第一获取模块,用于获取H型钢的点云数据;
第二获取模块,用于对所述点云数据进行多次平面拟合以获取多个初始平面;
筛选模块,用于对所有所述初始平面进行筛选以提取出钢腹板平面;
第三获取模块,用于获取所述钢腹板平面的第一法向量和所述钢腹板平面的第一方向向量,所述第一方向向量与纵向平行;
区分模块,用于根据所述第一法向量和所述第一方向向量,从多个所述初始平面中区分出两个翼缘板平面;
分离模块,用于根据所述钢腹板平面和两个所述翼缘板平面,从所述H型钢的点云数据中分离出横向劲肋的上表面的点云数据;
第四获取模块,用于根据所述横向劲肋的上表面的点云数据获取焊缝路径。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-7任一项所述H型钢的焊缝识别方法中的步骤。
10.一种存储介质,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1-7任一项所述H型钢的焊缝识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210325587.8A CN114419046B (zh) | 2022-03-30 | 2022-03-30 | H型钢的焊缝识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210325587.8A CN114419046B (zh) | 2022-03-30 | 2022-03-30 | H型钢的焊缝识别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419046A true CN114419046A (zh) | 2022-04-29 |
CN114419046B CN114419046B (zh) | 2022-06-28 |
Family
ID=81262730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210325587.8A Active CN114419046B (zh) | 2022-03-30 | 2022-03-30 | H型钢的焊缝识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419046B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782526A (zh) * | 2022-06-22 | 2022-07-22 | 季华实验室 | H型钢的焊缝轨迹计算方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455187A (zh) * | 2019-08-21 | 2019-11-15 | 哈尔滨工业大学 | 一种基于三维视觉的盒体工件焊缝的检测方法 |
CN111272091A (zh) * | 2020-03-09 | 2020-06-12 | 东南大学 | 一种基于三维激光扫描的焊接工字钢大变形自动识别方法 |
CN112958973A (zh) * | 2021-02-08 | 2021-06-15 | 西安知象光电科技有限公司 | 一种基于结构光三维视觉的中厚板机器人焊接视觉寻位装置 |
CN113744245A (zh) * | 2021-09-03 | 2021-12-03 | 江南大学 | 一种点云中的结构加强筋焊缝定位方法及系统 |
CN114170176A (zh) * | 2021-12-02 | 2022-03-11 | 南昌大学 | 一种基于点云的钢格板焊缝自动检测方法 |
-
2022
- 2022-03-30 CN CN202210325587.8A patent/CN114419046B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455187A (zh) * | 2019-08-21 | 2019-11-15 | 哈尔滨工业大学 | 一种基于三维视觉的盒体工件焊缝的检测方法 |
CN111272091A (zh) * | 2020-03-09 | 2020-06-12 | 东南大学 | 一种基于三维激光扫描的焊接工字钢大变形自动识别方法 |
CN112958973A (zh) * | 2021-02-08 | 2021-06-15 | 西安知象光电科技有限公司 | 一种基于结构光三维视觉的中厚板机器人焊接视觉寻位装置 |
CN113744245A (zh) * | 2021-09-03 | 2021-12-03 | 江南大学 | 一种点云中的结构加强筋焊缝定位方法及系统 |
CN114170176A (zh) * | 2021-12-02 | 2022-03-11 | 南昌大学 | 一种基于点云的钢格板焊缝自动检测方法 |
Non-Patent Citations (4)
Title |
---|
SYEDA MARIAM AHMED ET AL.: "Edge and Corner Detection for Unorganized 3D Point Clouds with Application to Robotic Welding", 《2018 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 * |
SYEDA MARIAM AHMED ET AL.: "Edge and Corner Detection for Unorganized 3D Point Clouds with Application to Robotic Welding", 《2018 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》, 1 October 2018 (2018-10-01), pages 7350 - 7355, XP033491197, DOI: 10.1109/IROS.2018.8593910 * |
许燕玲 等: "海工装备机器人智能化焊接关键问题及技术研究", 《金属加工(热加工)》 * |
许燕玲 等: "海工装备机器人智能化焊接关键问题及技术研究", 《金属加工(热加工)》, no. 6, 30 June 2021 (2021-06-30), pages 1 - 10 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782526A (zh) * | 2022-06-22 | 2022-07-22 | 季华实验室 | H型钢的焊缝轨迹计算方法、装置、电子设备及存储介质 |
CN114782526B (zh) * | 2022-06-22 | 2022-09-02 | 季华实验室 | H型钢的焊缝轨迹计算方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114419046B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10628712B2 (en) | Method and apparatus for processing high-precision map data, storage medium and device | |
CN112734852B (zh) | 一种机器人建图方法、装置及计算设备 | |
CN113781582B (zh) | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 | |
US20210049784A1 (en) | Localization of a surveying instrument | |
CN114419046B (zh) | H型钢的焊缝识别方法、装置、电子设备和存储介质 | |
CN112050732B (zh) | 一种悬臂式掘进机空间位姿自动检测方法及系统 | |
CN102224523B (zh) | 立体匹配处理系统、立体匹配处理方法和记录媒介 | |
CN107622530B (zh) | 一种高效鲁棒的三角网切割方法 | |
CN115240047A (zh) | 一种融合视觉回环检测的激光slam方法及系统 | |
CN108286978B (zh) | 道路路网自动化生成方法和装置以及混合导航系统 | |
CN115439621A (zh) | 一种煤矿井下巡检机器人三维地图重建及目标检测方法 | |
CN108895976B (zh) | 封闭空间设备变形监测方法及装置 | |
CN109064482B (zh) | 一种三维倾斜摄影场景中自动获取房屋轮廓的方法及装置 | |
Filip et al. | Lidar SLAM Comparison in a Featureless Tunnel Environment | |
CN116977628A (zh) | 一种应用于动态环境的基于多模态语义框架的slam方法及系统 | |
Contreras et al. | Efficient decentralized collaborative mapping for outdoor environments | |
US20210383141A1 (en) | Sign position identification system and program | |
CN113772363B (zh) | 一种刮板输送机位姿模型建立方法和系统 | |
CN113744245A (zh) | 一种点云中的结构加强筋焊缝定位方法及系统 | |
CN114511590A (zh) | 基于单目视觉3d车辆检测与跟踪的路口多引导线构建方法 | |
CN108151712B (zh) | 一种人体三维建模及测量方法和系统 | |
JP4101677B2 (ja) | 動作シミュレーション装置 | |
CN116524031B (zh) | 一种基于yolov8的大范围月球车定位建图方法 | |
CN112966373B (zh) | 开采工艺决策方法、系统、设备及可读存储介质 | |
US20230110609A1 (en) | Self-localization device |
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 |