CN114794669A - 鞋面涂胶轨迹生成方法、系统、计算机设备以及存储介质 - Google Patents
鞋面涂胶轨迹生成方法、系统、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN114794669A CN114794669A CN202210346038.9A CN202210346038A CN114794669A CN 114794669 A CN114794669 A CN 114794669A CN 202210346038 A CN202210346038 A CN 202210346038A CN 114794669 A CN114794669 A CN 114794669A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- coordinate system
- shoe mold
- rotating
- cloud data
- 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.)
- Pending
Links
- 238000004026 adhesive bonding Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 90
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000010073 coating (rubber) Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 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
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
- A43D25/00—Devices for gluing shoe parts
- A43D25/18—Devices for applying adhesives to shoe parts
- A43D25/183—Devices for applying adhesives to shoe parts by nozzles
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
- A43D119/00—Driving or controlling mechanisms of shoe machines; Frames for shoe machines
-
- 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
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43D—MACHINES, TOOLS, EQUIPMENT OR METHODS FOR MANUFACTURING OR REPAIRING FOOTWEAR
- A43D2200/00—Machines or methods characterised by special features
- A43D2200/10—Fully automated machines, i.e. machines working without human intervention
-
- 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
- G06T2207/30241—Trajectory
Abstract
本申请涉及制鞋技术领域,公开了一种鞋面涂胶轨迹生成方法、系统、计算机设备以及计算机可读存储介质。该方法包括:获取鞋模的多个第一点云数据;其中,鞋模固定于旋转机构,旋转机构可带动鞋模转动,多个第一点云数据基于相机坐标系、且对应鞋模的多个旋转角度;基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据;处理多个第二点云数据,得到鞋模的点云模型;基于点云模型,确定鞋模对应的涂胶轨迹。通过上述方法,能够实现涂胶轨迹的自动生成,减少了人工参与,大大提高了涂胶轨迹生成的效率以及稳定性。
Description
技术领域
本申请涉及制鞋技术领域,特别涉及一种鞋面涂胶轨迹生成方法、系统、计算机设备以及计算机可读存储介质。
背景技术
在制鞋行业中,鞋面涂胶自动化越来越受到关注。但是由于鞋面涂胶系统复杂,高精度并且稳定的涂胶存在很大挑战。当前利用机器人自动涂胶技术中,一般采用非接触式喷枪固定在机械臂末端,通过示教点位或者3D视觉识别轨迹点等方式引导机械臂喷涂。这种方式每次在鞋型更换时都需要重新进行点位的调整或者转换,操作过程都需要有经验的操作人员,导致人力成本上升、涂胶效率下降。
发明内容
本申请主要解决的技术问题是提供一种鞋面涂胶轨迹生成方法、系统、计算机设备以及计算机可读存储介质,能够解决鞋面涂胶过程中每次更换鞋型需要人工调整导致效率低的问题。
为解决上述技术问题,本申请第一方面采用的一个技术方案是:提供一种鞋面涂胶轨迹生成方法,该方法包括:获取鞋模的多个第一点云数据;其中,鞋模固定于旋转机构,旋转机构可带动鞋模转动,多个第一点云数据基于相机坐标系、且对应鞋模的多个旋转角度;基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据;处理多个第二点云数据,得到鞋模的点云模型;基于点云模型,确定鞋模对应的涂胶轨迹。
可选地,基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据,包括:
确定相机坐标系下旋转机构的旋转轴和旋转中心;基于旋转轴和旋转中心,确定点云滤波范围,对多个第一点云数据进行滤波处理;基于旋转轴、旋转中心以及对应的旋转角度,确定相机坐标系和旋转机构坐标系的转换关系,将滤波后的多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据。
可选地,确定相机坐标系下旋转机构的旋转轴和旋转中心,包括:
获取多个旋转角度的标定物图像;其中,标定物固定于旋转机构,标定物中设有多个特征点;处理标定物图像,确定标定物图像中特征点的像素坐标;对多个标定物图像中的同一特征点进行匹配,获取多个特征点坐标集;基于多个特征点坐标集,确定相机坐标系下旋转机构的旋转轴和旋转中心。
可选地,基于多个特征点坐标集,确定相机坐标系下旋转机构的旋转轴和旋转中心,包括:
获取特征点坐标集对应的相机坐标系下特征点的3D坐标集;对任一所述3D坐标集进行圆心拟合确定对应特征点的旋转圆心,进而获取多个特征点的旋转圆心;基于多个旋转圆心,确定旋转机构坐标系对应的旋转轴和旋转中心;其中,旋转轴为旋转圆心拟合的空间直线,旋转中心为旋转圆心坐标的均值。
可选地,处理多个第二点云数据,得到鞋模的点云模型,包括:
将多个第二点云数据进行拼接,得到鞋模的初始点云模型;对初始点云模型进行预处理,获取鞋模的标准点云模型,预处理包括去噪处理和降采样处理;对标准点云模型进行平面拟合,确定鞋底平面,进而确定鞋底中心;基于鞋底平面和鞋底中心,建立鞋模坐标系,得到基于鞋模坐标系的鞋模的点云模型。
可选地,基于点云模型,确定鞋模对应的涂胶轨迹,包括:
根据预设参数信息确定点云模型中对应的离散涂胶轨迹点;对离散涂胶轨迹点进行空间曲线拟合,获取连续的涂胶轨迹;对连续的涂胶轨迹中的离散涂胶轨迹点进行排序,从而获取鞋模对应的涂胶轨迹。
可选地,根据预设参数信息确定点云模型中对应的离散涂胶轨迹点,包括:
获取点云模型中点云的颜色信息,基于预设的注册线颜色信息确定初始涂胶轨迹点,注册线为人工预先设置的与鞋模其他部分颜色形成明显区别的涂胶轨迹标识线;获取初始涂胶轨迹点的法向量信息,基于预设的法向量过滤范围过滤初始涂胶轨迹点中的干扰点;基于过滤后的初始涂胶轨迹点,获取点云模型中对应的离散涂胶轨迹点。
为解决上述技术问题,本申请第二方面采用的一个技术方案是:提供一种鞋面涂胶轨迹生成系统,该系统包括:
点云获取模块,用于获取鞋模的多个第一点云数据;其中,鞋模固定于旋转机构,旋转机构可带动鞋模转动,多个第一点云数据基于相机坐标系、且对应鞋模的多个旋转角度。
点云转换模块,用于基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据。
模型获取模块,用于处理多个第二点云数据,得到鞋模的点云模型。
轨迹生成模块,用于基于点云模型,确定鞋模对应的涂胶轨迹。
可选地,点云转换模块还包括标定模块,标定模块用于获取多个旋转角度的标定物图像;其中,标定物固定于旋转机构,标定物中设有多个特征点;处理标定物图像,确定标定物图像中特征点的像素坐标;对多个标定物图像中的同一特征点进行匹配,获取多个特征点坐标集;基于多个特征点坐标集,确定相机坐标系下旋转机构的旋转轴和旋转中心。
为解决上述技术问题,本申请第三方面采用的一个技术方案是:提供一种计算机设备,该计算机设备包括处理器和存储器。
可选地,处理器和存储器相互连接,其中,存储器用于存储计算机程序,计算机程序包括程序指令,处理器被配置用于调用程序指令,执行上述鞋面涂胶轨迹生成方法。
为解决上述技术问题,本申请第四方面采用的一个技术方案是:提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时使处理器执行上述鞋面涂胶轨迹生成方法。
区别于现有技术,本申请提供了一种鞋面涂胶轨迹生成方法、系统、计算机设备以及计算机可读存储介质,该方法包括:获取鞋模的多个第一点云数据;其中,鞋模固定于旋转机构,旋转机构可带动鞋模转动,多个第一点云数据基于相机坐标系、且对应鞋模的多个旋转角度;基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据;处理多个第二点云数据,得到鞋模的点云模型;基于点云模型,确定鞋模对应的涂胶轨迹。通过上述方法,获取多个旋转角度的鞋模的点云数据,并通过已标定的相机坐标系和旋转机构坐标系的转换关系对点云进行坐标变换并结合对应的旋转角度对点云进行拼接处理,能够快速准确地获取鞋模的点云模型,大大减少了点云的处理量,进而基于点云模型确定鞋模对应的涂胶轨迹,能够实现涂胶轨迹的自动生成,减少了人工参与,大大提高了涂胶轨迹生成的效率以及稳定性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请提供的鞋面涂胶轨迹生成方法一实施例的流程示意图;
图2是图1中S12的流程示意图;
图3是图2中S121的流程示意图;
图4是图3中S1214的流程示意图;
图5是图1中S13的流程示意图;
图6是图1中S14的流程示意图;
图7是图6中S141的流程示意图;
图8是本申请提供的鞋面涂胶轨迹生成系统一实施例的结构示意图;
图9是本申请提供的计算机设备一实施例的结构示意图;
图10是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例中的步骤并不一定是按照所描述的步骤顺序进行处理,可以按照需求有选择的将步骤打乱重排,或者删除实施例中的步骤,或者增加实施例中的步骤,本申请实施例中的步骤描述只是可选的顺序组合,并不代表本申请实施例的所有步骤顺序组合,实施例中的步骤顺序不能认为是对本申请的限制。
本申请实施例中的术语“和/或”指的是包括相关联的列举项目中的一个或多个的任何和全部的可能组合。还要说明的是:当用在本说明书中时,“包括/包含”指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在,但是不排除一个或多个其他特征、整数、步骤、操作、元件和/或组件和/或它们的组群的存在或添加。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
参阅图1,图1是本申请提供的鞋面涂胶轨迹生成方法一实施例的流程示意图,该方法包括:
S11:获取鞋模的多个第一点云数据;其中,所述鞋模固定于旋转机构,所述旋转机构可带动所述鞋模转动,所述多个第一点云数据基于相机坐标系、且对应所述鞋模的多个旋转角度。
可选地,将鞋模固定于旋转机构上,使鞋模可以随着旋转机构转动而转动。这里鞋模可以是制鞋行业中套有鞋面的鞋楦,或待涂胶的鞋底等,旋转机构一般指转台,按实际需要在转台上固定鞋模使得通过转台旋转,相机可获取完整的涂胶轨迹信息。如对于鞋面涂胶,一般将套有鞋面的鞋楦倒置固定在转台上。
可选地,控制器触发拍照指令,利用3D相机拍照获取鞋模图像数据,然后控制器发送信号给驱动机构,控制驱动机构驱动旋转机构转动预设角度,待旋转停止再利用3D相机拍照获取鞋模图像数据,重复这个过程若干次,以获取到鞋模的多个第一点云数据。一般需确定旋转零点,最终各个旋转角度以旋转零点为基准进行计算。
可选地,预设角度可以在(0°,360°)之间随机选取若干角度,也可以均匀选取。较好的处理方式是根据待拍摄物体的形状特点和涂胶轨迹的位置,在拍摄效果不好或涂胶轨迹曲率大的地方增加拍摄频率,以提高点云模型的准确性。如对于鞋模,其鞋头和鞋跟位置可以每旋转5°-10°拍摄一次,其他位置每旋转20°拍摄一次。
可选地,点云是指目标表面特性的海量点集合。在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为点云。点云数据可以通过对鞋模图像数据进行处理得到。
可选地,第一点云数据的数量越多,得到的模型越精确,相应的数据处理量也越大,第一点云数据的数量可根据实际情况进行设置,在此不做具体限定。
可选地,多个第一点云数据是指基于3D相机的相机坐标系、且对应鞋模的多个旋转角度。
S12:基于所述相机坐标系和旋转机构坐标系的转换关系,将所述多个第一点云数据转化为基于所述旋转机构坐标系的多个第二点云数据。
可选地,相机坐标系与旋转机构坐标系的转换关系可以预先通过标定旋转轴和旋转中心得到,这里的旋转机构坐标系是以旋转中心为原点,以旋转轴为Z轴建立的坐标系,在旋转平面内任选一单位向量为X轴,进而根据正交关系和右手定则确定Y轴。通常情况下,以旋转机构的旋转归零位所在径向向量为X轴,便于后续进行坐标运算。
可选地,根据相机坐标系与旋转机构坐标系的转换关系对多个第一点云数据进行坐标变换,从而得到多个第二点云数据。
通过上述坐标处理,可以将多个旋转角度的第一点云数据统一到同一个旋转机构坐标系中,便于后续对点云进行处理。
S13:处理所述多个第二点云数据,得到所述鞋模的点云模型。
可选地,对多个第二点云数据进行拼接、预处理、平面拟合等处理,以得到鞋模的基于鞋模坐标系的点云模型。
通过上述点云处理,将无规则的点云数据转化为符合一定规则的点云模型,且点云模型定义到鞋模本身的坐标系下保证了点云模型的独立性,便于后续对轨迹进行调整,更适用于实际应用。
S14:基于所述点云模型,确定所述鞋模对应的涂胶轨迹。
可选地,基于点云模型,根据预设参数信息确定点云模型的离散涂胶轨迹点,根据涂胶轨迹点可以生成鞋模对应的涂胶轨迹。
相比于现有技术,本实施例提供了一种鞋面涂胶轨迹生成方法,该方法包括:获取鞋模的多个第一点云数据;其中,鞋模固定于旋转机构,旋转机构可带动鞋模转动,多个第一点云数据基于相机坐标系、且对应鞋模的多个旋转角度;基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据;处理多个第二点云数据,得到鞋模的点云模型;基于点云模型,确定鞋模对应的涂胶轨迹。通过上述方法,获取多个旋转角度的鞋模的点云数据,并通过已标定的相机坐标系和旋转机构坐标系的转换关系对点云进行坐标变换并结合对应的旋转角度对点云进行拼接处理,能够快速准确地获取鞋模的点云模型,大大减少了点云的处理量,进而基于点云模型确定鞋模对应的涂胶轨迹,能够实现涂胶轨迹的自动生成,减少了人工参与,大大提高了涂胶轨迹生成的效率以及稳定性。
参阅图2,图2是图1中S12的流程示意图,S12还可以包括:
S121:确定所述相机坐标系下旋转机构的旋转轴和旋转中心。
可选地,在旋转过程中,旋转轴和旋转中心是固定不变的。一般可在旋转机构上固定标定物,通过获取多个旋转角度的标定物图像,对图像进行处理从而可以确定相机坐标系下旋转机构的旋转轴和旋转中心。
可选地,在相机和旋转机构不发生相对位姿变化的情况下,只需一次性确定相机坐标系下旋转机构的旋转轴和旋转中心,就可将其作为默认参数,多次用于提取不同的鞋模涂胶轨迹。
S122:基于所述旋转轴和旋转中心,确定点云滤波范围,对所述多个第一点云数据进行滤波处理。
可选地,以旋转中心为球心,以鞋模中的点距离旋转轴的最远距离为半径而定义的圆球体作为点云滤波范围,利用滤波器对多个第一点云数据进行滤波处理,以过滤图像背景中的其他无关点云,减少后续的点云处理量。
S123:基于所述旋转轴、旋转中心以及对应的旋转角度,确定所述相机坐标系和旋转机构坐标系的转换关系,将滤波后的所述多个第一点云数据转化为基于所述旋转机构坐标系的多个第二点云数据。
可选地,在旋转过程中,实际的旋转机构坐标系也在发生绕自身Z轴(即旋转轴)的旋转,对于每一次旋转,都需根据旋转轴、旋转中心以及对应的旋转角度重新确定相机坐标系和旋转机构坐标系的转换关系,进而进行坐标转换。
上述的坐标变换处理只需要根据旋转角度更新转换关系,就可以轻松地将滤波后的多个第一点云数据转化为基于同一旋转机构坐标系的多个第二点云数据,便于后续对点云进行处理。参阅图3,图3是图2中S121的流程示意图,S121还可以包括:
S1211:获取多个旋转角度的标定物图像;其中,所述标定物固定于所述旋转机构,所述标定物中设有多个特征点。
可选地,标定物为标定板,标定板或块固定于旋转机构上,应选择合适尺寸的标定板并调整标定板的安装角度,使得标定板位于3D相机的视野中心,且图像清晰合焦。
可选地,标定板可以为棋盘格,阵列圆环或者已知的其他标定板,本实施例使用的是9*11的阵列圆点标定板,标定板平面与旋转机构的旋转轴相平行。
可选地,控制器触发拍照指令,利用3D相机拍照获取标定板图像,然后控制器发送信号给驱动机构,控制驱动机构驱动旋转机构转动预设角度,再利用3D相机拍照获取标定板图像,重复这个过程若干次,以获取到多个转动角度的标定板图像。
可选地,预设角度可以是10°,15°等,这里预设角度可以是固定的(如每次都转过15°),也可以是变化的(如第一次转过10°,第二次再转8°,第三次再转15°等),可以根据实际情况进行设置,在此不做具体限定。
一般为了方便下次采集图像,再采集完预设数量的标定板图像后,驱动机构驱动旋转机构复位,回到旋转归零位。
S1212:处理所述标定物图像,确定所述标定物图像中特征点的像素坐标。
可选地,对标定板图像进行处理,以确定标定板图像中特征点的像素坐标。
可选地,对于阵列圆点标定板,其特征点即为各个圆点的圆心,确定圆心像素坐标的步骤具体为:
a1,使用n组灰度阈值,对采集的所有标定板图像进行二值化处理,得到n组二值化后的标定板图像;
a2,在每一张二值化后的标定板图像上检测轮廓;
a3,计算轮廓的圆度、面积,根据圆度、面积对圆形轮廓进行筛选,其中,根据圆度判断轮廓是否为圆形,根据面积判断是否为目标圆形轮廓;
a4,通过圆心拟合计算目标圆形轮廓的圆心像素坐标;
a5,在n组二值化后的标定板图像均进行上述圆心检测步骤,匹配同一旋转角度对应的标定板图像中同一位置的圆心,其中,圆心间距离小于设定距离阈值的为同一位置的圆心,将这些圆心合并成一个圆心组;
a6,统计各圆心组中圆心的数量;删除数量小于设定数量阈值的圆心组,对剩余的各个对应位置的圆心像素坐标各自取平均值,得到同一旋转角度对应的标定板图像中各圆点的圆心像素坐标。
通过上述方法确定的圆心像素坐标排除了环境光的干扰,计算结果准确可靠。
S1213:对多个所述标定物图像中的同一特征点进行匹配,获取多个特征点坐标集。
可选地,利用图像匹配算法,对于不同旋转角度对应的标定板图像中的同一特征点进行匹配,从而得到标定板中的某一个特征点在各旋转角度下对应的像素坐标,上述多个像素坐标组成一个特征点坐标集。匹配多个特征点,从而获的多个特征点坐标集。
S1214:基于多个所述特征点坐标集,确定所述相机坐标系下旋转机构的旋转轴和旋转中心。
参阅图4,图4是图3中S1214的流程示意图,S1214还可以包括:
S12141:获取所述特征点坐标集对应的相机坐标系下特征点的3D坐标集。
可选地,通过3D相机提供的映射关系,根据每一特征点的像素坐标计算对应的相机坐标系下的3D坐标,获取特征点坐标集对应的3D坐标集。
S12142:对任一所述3D坐标集进行圆心拟合确定对应特征点的旋转圆心,进而获取多个特征点的所述旋转圆心。
可选地,采用随机采样一致性算法对每一3D坐标集进行圆心拟合确定对应特征点的旋转圆心,进而获取多个特征点的旋转圆心。
可选地,随机采样一致性算法计算过程如下:
第一步:从任一3D坐标集中随机选取一个最小子集,使用这个子集拟合一个圆;
第二步:根据上一步求解出的圆的方程去判断所有数据,将数据分为outlier(外点)和inlier(内点);
第三步:如果内点太少,则返回第一步重新选取子集;如果内点数量有所增加,则根据划分出的所有内点重新拟合模型,返回第二步去判断所有数据;如果内点数量满足要求,那么跳出循环,输出圆的方程或旋转圆心的3D坐标。
按上述方法对所有的特征点3D坐标集进行处理,获取多个特征点的对应的旋转圆心。
S12143:基于多个所述旋转圆心,确定所述旋转机构坐标系对应的旋转轴和旋转中心;其中,所述旋转轴为所述旋转圆心拟合的空间直线,所述旋转中心为所述旋转圆心坐标的均值。
可选地,对多个旋转圆心坐标值求均值,所得即为旋转机构坐标系对应的旋转中心,即原点;对于旋转轴的计算,通常采用最小二乘法、霍夫变换、基于RANSAC空间直线拟合等对多个旋转圆心进行空间直线拟合,显然,旋转中心位于旋转轴上。
参阅图5,图5是图1中S13的流程示意图,S13还可以包括:
S131:将所述多个第二点云数据进行拼接,得到所述鞋模的初始点云模型。
可选地,每一第一点云数据均对应一旋转角度,包含在该旋转角度下相机可拍摄得到的部分鞋模点云,在多个旋转角度下的第一点云数据转化为基于同一旋转角度的第二点云数据后,多个第二点云数据统一在同一坐标系下,即旋转机构坐标系,将多个第二点云数据进行组合,就可以得到一个包含完整鞋模点云的初始点云模型。
S132:对所述初始点云模型进行预处理,获取所述鞋模的标准点云模型,所述预处理包括去噪处理和降采样处理。
可选地,对初始点云模型进行去噪处理,以去除初始点云模型存在的噪声点和离群点。一般根据所有点之间的距离的标准差和平方差均值来设定一个滤波范围,将不在该范围内的点作为离群点去除。
可选地,对初始点云模型进行降采样处理,以减少初始点云模型中点云的数量,同时保持初始点云模型的形状特征不变。
经过上述处理后,进一步减少了点云模型中的无效点、干扰点,便于后续进行轨迹提取。
S133:对所述标准点云模型进行平面拟合,确定鞋底平面,进而确定鞋底中心。
可选地,可直接利用PCL工具(Point Cloud Library,点云库)通过RANSAC算法(Random Sample Consensus)对三维的点云数据进行平面拟合,也可以利用其它平面拟合算法,在此不做赘述。
可选地,确定鞋底平面后,可将点云模型投影到该平面上,提取鞋底轮廓,计算鞋底轮廓的外接矩形,外接矩形中心即为鞋底中心。此外根据实际需要也可以将鞋底中心确定为旋转轴与鞋底平面的交点,或其它便于实际应用的点,在此不做赘述。
S134:基于所述鞋底平面和鞋底中心,建立鞋模坐标系,得到基于所述鞋模坐标系的所述鞋模的点云模型。
可选地,以鞋底中心为原点,鞋底平面为XOY平面,则鞋底平面法向量方向为Z轴方向,在鞋底平面中任取一向量方向为X轴方向,一般取鞋底轮廓的外接矩形的长度方向为X轴方向,根据右手定则和正交关系确定Y轴方向,从而建立鞋模坐标系,将标准点云模型转换至鞋模坐标系中,得到基于鞋模坐标系的鞋模的点云模型。
通过上述处理,获取以鞋模自身为参考坐标系建立的鞋模点云模型,更容易基于鞋模自身的特征的参数对鞋模点云模型进行调整优化,也有利于鞋模点云模型的应用。
参阅图6,图6是图1中S14的流程示意图,S14还可以包括:
S141:根据预设参数信息确定所述点云模型中对应的离散涂胶轨迹点。
可选地,预设参数信息一般根据涂胶轨迹的特定特征预设,对于用特定颜色标识在实际鞋模上涂胶轨迹,可利用该特定颜色信息进行轨迹点的确定;也可以根据点云的法向量方向在鞋底平面边缘发生剧烈变化的特点预设法向量方向阈值,从而确定轨迹点;此外可以将点云模型投影到鞋模平面上,进行边缘提取确定轨迹点等等,在此不做赘述。
可选地,对于提取的轨迹点进行离散化采样,并对采样保留的离散轨迹点及其法向量进行调整修正,得到对应的离散涂胶轨迹点。一般,为了使处理结果直观,可将采样保留的离散轨迹点及其法向量通过可视化手段显示在屏幕中,通过人工选点的方式进行离散轨迹点及其法向量的修改、删除、增加等等。
可选地,对于曲率较大处,应增加离散化的采样频率。
S142:对所述离散涂胶轨迹点进行空间曲线拟合,获取连续的涂胶轨迹。
可选地,空间曲线拟合主要的方法有拉格朗日拟合法,分段三次埃尔米特拟合法,圆弧样条曲线拟合拟合法,NURBS样条曲线拟合法等。
可选地,为了使处理结果直观,可将拟合的空间直线通过可视化手段显示在屏幕中。
可选地,S143:对所述连续的涂胶轨迹中的所述离散涂胶轨迹点进行排序,从而获取所述鞋模对应的涂胶轨迹。
可选地,基于涂胶轨迹,对离散涂胶轨迹点进行排序,以确定离散涂胶轨迹点的到达顺序,即确定涂胶轨迹的运行顺序,得到鞋模对应的涂胶轨迹。
参阅图7,图7是图6中S141的流程示意图,S141还可以包括:
S1411:获取所述点云模型中点云的颜色信息,基于预设的注册线颜色信息确定初始涂胶轨迹点,所述注册线为人工预先设置的与鞋模其他部分颜色形成明显区别的涂胶轨迹标识线。
可选地,获取点云模型中点云的颜色信息,基于预设的注册线颜色确定初始涂胶轨迹点。
可选地,注册线为人工预先设置的与鞋模其他部分颜色形成明显区别的涂胶轨迹标识线。在本实施例中,对鞋模进行了前置处理,一般在待涂胶区域黏上纯色胶带或美纹纸作为纯色背景,使用其他与背景部分形成明显区别的彩色笔绘出鞋模鞋底的边缘线,即注册线。
S1412:获取所述初始涂胶轨迹点的法向量信息,基于预设的法向量过滤范围过滤所述初始涂胶轨迹点中的干扰点。
可选地,这里的干扰点主要指位于鞋底平面的与注册线颜色相同的干扰点,因此通常预设的法向量过滤范围通常根据法向量与鞋底平面的夹角设定,如设定夹角值大于某一特定值如80°以上的点为干扰点。
S1413:基于过滤后的初始涂胶轨迹点,获取所述点云模型中对应的离散涂胶轨迹点。
可选地,对初始涂胶轨迹点进行过滤后,确定剩余的涂胶轨迹点为点云模型中对应的离散涂胶轨迹点。
参阅图8,图8是本申请提供的鞋面涂胶轨迹生成系统一实施例的结构示意图,该鞋面涂胶轨迹生成系统100包括点云获取模块110、点云转换模块120、模型获取模块130和轨迹生成模块140。
可选地,点云获取模块110用于获取鞋模的多个第一点云数据;其中,鞋模固定于旋转机构,旋转机构可带动鞋模转动,多个第一点云数据基于相机坐标系、且对应鞋模的多个旋转角度。
可选地,点云转换模块120用于基于相机坐标系和旋转机构坐标系的转换关系,将多个第一点云数据转化为基于旋转机构坐标系的多个第二点云数据。
可选地,模型获取模块130用于处理多个第二点云数据,得到鞋模的点云模型。
可选地,轨迹生成模块140用于基于点云模型,确定鞋模对应的涂胶轨迹。
可选地,点云转换模块120还包括标定模块121,标定模块121用于获取多个旋转角度的标定物图像;其中,标定物固定于旋转机构,标定物中设有多个特征点;处理标定物图像,确定标定物图像中特征点的像素坐标;对多个标定物图像中的同一特征点进行匹配,获取多个特征点坐标集;基于多个特征点坐标集,确定相机坐标系下旋转机构的旋转轴和旋转中心。
参阅图9,图9是本申请提供的计算机设备一实施例的结构示意图,该计算机设备200包括处理器201和存储器202。
可选地,处理器201和存储器202相互连接,存储器202用于存储计算机程序,计算机程序包括程序指令,处理器201被配置用于调用该程序指令,执行上述实施例中任一个或任一不冲突的组合所提供的方法。
可选地,处理器201为中央处理器(CPU),是电子计算机的主要设备之一,电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令,对指令译码并执行指令的核心部件。中央处理器主要包括两个部分,即控制器、运算器,其中还包括高速缓冲存储器及实现它们之间联系的数据、控制的总线。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。在计算机体系结构中,CPU是对计算机的所有硬件资源(如存储器、输入输出单元)进行控制调配、执行通用运算的核心硬件单元。CPU是计算机的运算和控制核心。计算机系统中所有软件层的操作,最终都将通过指令集映射为CPU的操作。
可选地,存储器202为只读存储器(ROM)或随机存取存储器(RAM),是计算机系统中的记忆设备,主要用来存放程序和数据。计算机中的全部信息,包括输入的原始数据、计算机程序、中间运行结果和最终运行结果,都保存在存储器中。它是根据控制器指定的位置存入和取出信息。
参阅图10,图10是本申请提供的计算机可读存储介质一实施例的结构示意图,该计算机可读存储介质300存储有计算机程序,计算机程序包括程序指令301,程序指令301当被处理器执行时使处理器执行上述实施例中任一个或任一不冲突的组合所提供的方法。其中,计算机可读存储介质300的容量大小能够满足存储程序指令301的要求。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质300(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可读存储介质300实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可读存储介质300到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的程序指令301产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机可读存储介质300也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储介质300中的程序指令301产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机可读存储介质300也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的程序指令301提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种鞋面涂胶轨迹生成方法,其特征在于,所述方法包括:
获取鞋模的多个第一点云数据;其中,所述鞋模固定于旋转机构,所述旋转机构可带动所述鞋模转动,所述多个第一点云数据基于相机坐标系、且对应所述鞋模的多个旋转角度;
基于所述相机坐标系和旋转机构坐标系的转换关系,将所述多个第一点云数据转化为基于所述旋转机构坐标系的多个第二点云数据;
处理所述多个第二点云数据,得到所述鞋模的点云模型;
基于所述点云模型,确定所述鞋模对应的涂胶轨迹。
2.根据权利要求1所述的方法,其特征在于,
所述基于所述相机坐标系和旋转机构坐标系的转换关系,将所述多个第一点云数据转化为基于所述旋转机构坐标系的多个第二点云数据,包括:
确定所述相机坐标系下旋转机构的旋转轴和旋转中心;
基于所述旋转轴和旋转中心,确定点云滤波范围,对所述多个第一点云数据进行滤波处理;
基于所述旋转轴、旋转中心以及对应的旋转角度,确定所述相机坐标系和旋转机构坐标系的转换关系,将滤波后的所述多个第一点云数据转化为基于所述旋转机构坐标系的多个第二点云数据。
3.根据权利要求2所述的方法,其特征在于,
所述确定所述相机坐标系下旋转机构的旋转轴和旋转中心,包括:
获取多个旋转角度的标定物图像;其中,所述标定物固定于所述旋转机构,所述标定物中设有多个特征点;
处理所述标定物图像,确定所述标定物图像中特征点的像素坐标;
对多个所述标定物图像中的同一特征点进行匹配,获取多个特征点坐标集;
基于多个所述特征点坐标集,确定所述相机坐标系下旋转机构的旋转轴和旋转中心。
4.根据权利要求3所述的方法,其特征在于,
所述基于多个所述特征点坐标集,确定所述相机坐标系下旋转机构的旋转轴和旋转中心,包括:
获取所述特征点坐标集对应的相机坐标系下特征点的3D坐标集;
对任一所述3D坐标集进行圆心拟合确定对应特征点的旋转圆心,进而获取多个特征点的所述旋转圆心;
基于多个所述旋转圆心,确定所述旋转机构坐标系对应的旋转轴和旋转中心;其中,所述旋转轴为所述旋转圆心拟合的空间直线,所述旋转中心为所述旋转圆心坐标的均值。
5.根据权利要求1所述的方法,其特征在于,
所述处理所述多个第二点云数据,得到所述鞋模的点云模型,包括:
将所述多个第二点云数据进行拼接,得到所述鞋模的初始点云模型;
对所述初始点云模型进行预处理,获取所述鞋模的标准点云模型,所述预处理包括去噪处理和降采样处理;
对所述标准点云模型进行平面拟合,确定鞋底平面,进而确定鞋底中心;
基于所述鞋底平面和鞋底中心,建立鞋模坐标系,得到基于所述鞋模坐标系的所述鞋模的点云模型。
6.根据权利要求1所述的方法,其特征在于,
所述基于所述点云模型,确定所述鞋模对应的涂胶轨迹,包括:
根据预设参数信息确定所述点云模型中对应的离散涂胶轨迹点;
对所述离散涂胶轨迹点进行空间曲线拟合,获取连续的涂胶轨迹;
对所述连续的涂胶轨迹中的所述离散涂胶轨迹点进行排序,从而获取所述鞋模对应的涂胶轨迹。
7.根据权利要求6所述的方法,其特征在于,
所述根据预设参数信息确定所述点云模型中对应的离散涂胶轨迹点,包括:
获取所述点云模型中点云的颜色信息,基于预设的注册线颜色信息确定初始涂胶轨迹点,所述注册线为人工预先设置的与鞋模其他部分颜色形成明显区别的涂胶轨迹标识线;
获取所述初始涂胶轨迹点的法向量信息,基于预设的法向量过滤范围过滤所述初始涂胶轨迹点中的干扰点;
基于过滤后的初始涂胶轨迹点,获取所述点云模型中对应的离散涂胶轨迹点。
8.一种鞋面涂胶轨迹生成系统,其特征在于,所述系统包括:
点云获取模块,用于获取鞋模的多个第一点云数据;其中,所述鞋模固定于旋转机构,所述旋转机构可带动所述鞋模转动,所述多个第一点云数据基于相机坐标系、且对应所述鞋模的多个旋转角度;
点云转换模块,用于基于所述相机坐标系和旋转机构坐标系的转换关系,将所述多个第一点云数据转化为基于所述旋转机构坐标系的多个第二点云数据;
模型获取模块,用于处理所述多个第二点云数据,得到所述鞋模的点云模型;
轨迹生成模块,用于基于所述点云模型,确定所述鞋模对应的涂胶轨迹。
9.根据权利要求8所述的系统,其特征在于,
所述点云转换模块还包括标定模块,所述标定模块用于获取多个旋转角度的标定物图像;其中,所述标定物固定于所述旋转机构,所述标定物中设有多个特征点;处理所述标定物图像,确定所述标定物图像中特征点的像素坐标;对多个所述标定物图像中的同一特征点进行匹配,获取多个特征点坐标集;基于多个所述特征点坐标集,确定所述相机坐标系下旋转机构的旋转轴和旋转中心。
10.一种计算机设备,其特征在于,包括处理器和存储器,所述处理器和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346038.9A CN114794669A (zh) | 2022-03-31 | 2022-03-31 | 鞋面涂胶轨迹生成方法、系统、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346038.9A CN114794669A (zh) | 2022-03-31 | 2022-03-31 | 鞋面涂胶轨迹生成方法、系统、计算机设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114794669A true CN114794669A (zh) | 2022-07-29 |
Family
ID=82533590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210346038.9A Pending CN114794669A (zh) | 2022-03-31 | 2022-03-31 | 鞋面涂胶轨迹生成方法、系统、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114794669A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578376A (zh) * | 2022-11-11 | 2023-01-06 | 泉州华中科技大学智能制造研究院 | 基于3d视觉的机器人鞋面喷胶轨迹提取方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101161151A (zh) * | 2007-11-08 | 2008-04-16 | 浙江理工大学 | 基于线结构光传感器自动生成鞋底喷胶轨迹的方法及系统 |
CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
CN106510099A (zh) * | 2016-12-30 | 2017-03-22 | 哈尔滨福特威尔科技有限公司 | 全自动完整鞋楦三维数据测量装置及方法 |
CN107808415A (zh) * | 2017-11-17 | 2018-03-16 | 中国科学院合肥物质科学研究院 | 基于机器视觉的鞋底边缘轨迹及涂胶位姿提取方法 |
CN109454642A (zh) * | 2018-12-27 | 2019-03-12 | 南京埃克里得视觉技术有限公司 | 基于三维视觉的机器人涂胶轨迹自动生产方法 |
KR102142690B1 (ko) * | 2019-11-27 | 2020-08-07 | 한국로봇융합연구원 | 신발 중창의 3d 형상 데이터에서 자동 접착제 도포 작업을 위한 작업점 추출방법 및 추출장치 |
CN113197395A (zh) * | 2021-04-30 | 2021-08-03 | 泉州华中科技大学智能制造研究院 | 一种鞋面自动成型生产方法及生产线 |
CN114049366A (zh) * | 2021-10-28 | 2022-02-15 | 福建屹立智能化科技有限公司 | 一种鞋底3d视觉提取涂胶轨迹方法和存储设备 |
-
2022
- 2022-03-31 CN CN202210346038.9A patent/CN114794669A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101161151A (zh) * | 2007-11-08 | 2008-04-16 | 浙江理工大学 | 基于线结构光传感器自动生成鞋底喷胶轨迹的方法及系统 |
CN104463851A (zh) * | 2014-11-19 | 2015-03-25 | 哈尔滨工业大学深圳研究生院 | 一种基于机器人的鞋底边缘线自动跟踪方法 |
CN106510099A (zh) * | 2016-12-30 | 2017-03-22 | 哈尔滨福特威尔科技有限公司 | 全自动完整鞋楦三维数据测量装置及方法 |
CN107808415A (zh) * | 2017-11-17 | 2018-03-16 | 中国科学院合肥物质科学研究院 | 基于机器视觉的鞋底边缘轨迹及涂胶位姿提取方法 |
CN109454642A (zh) * | 2018-12-27 | 2019-03-12 | 南京埃克里得视觉技术有限公司 | 基于三维视觉的机器人涂胶轨迹自动生产方法 |
KR102142690B1 (ko) * | 2019-11-27 | 2020-08-07 | 한국로봇융합연구원 | 신발 중창의 3d 형상 데이터에서 자동 접착제 도포 작업을 위한 작업점 추출방법 및 추출장치 |
CN113197395A (zh) * | 2021-04-30 | 2021-08-03 | 泉州华中科技大学智能制造研究院 | 一种鞋面自动成型生产方法及生产线 |
CN114049366A (zh) * | 2021-10-28 | 2022-02-15 | 福建屹立智能化科技有限公司 | 一种鞋底3d视觉提取涂胶轨迹方法和存储设备 |
Non-Patent Citations (2)
Title |
---|
廉旭刚: "《三维激光扫描技术工程应用实践》", 1 September 2017 * |
郭明: "《激光雷达技术与结构分析方法》", 1 February 2017 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578376A (zh) * | 2022-11-11 | 2023-01-06 | 泉州华中科技大学智能制造研究院 | 基于3d视觉的机器人鞋面喷胶轨迹提取方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110426051B (zh) | 一种车道线绘制方法、装置及存储介质 | |
US10551854B2 (en) | Method for detecting target object, detection apparatus and robot | |
CN110673115B (zh) | 雷达与组合导航系统的联合标定方法、装置、设备及介质 | |
CN110570477B (zh) | 一种标定相机和旋转轴相对姿态的方法、装置和存储介质 | |
US11407363B2 (en) | Method for calculating a tow hitch position | |
US20100231690A1 (en) | Model display method for three-dimensional optical sensor and three-dimensional optical sensor | |
CN110926330B (zh) | 图像处理装置和图像处理方法 | |
CN109345589A (zh) | 基于自动驾驶车辆的位置检测方法、装置、设备及介质 | |
CN111324145A (zh) | 一种无人机自主着陆方法、装置、设备及存储介质 | |
CN115176274A (zh) | 一种异源图像配准方法及系统 | |
CN107238374B (zh) | 一种不规则平面零件的分类和识别定位方法 | |
CN112258574A (zh) | 标注位姿信息的方法、装置及计算机可读存储介质 | |
CN112348890B (zh) | 一种空间定位方法、装置及计算机可读存储介质 | |
CN115578376B (zh) | 基于3d视觉的机器人鞋面喷胶轨迹提取方法及装置 | |
CN114794669A (zh) | 鞋面涂胶轨迹生成方法、系统、计算机设备以及存储介质 | |
EP4209313A1 (en) | Error detection method and robot system based on a plurality of pose identifications | |
CN115049821A (zh) | 一种基于多传感器融合的三维环境目标检测方法 | |
CN114310901A (zh) | 用于机器人的坐标系标定方法、装置、系统以及介质 | |
CN114170284B (zh) | 基于主动标志点投射辅助的多视图点云配准方法 | |
CN110096999B (zh) | 棋盘识别方法、棋盘识别装置、电子设备和可存储介质 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN113744409A (zh) | 工件定位方法、装置、系统、设备与介质 | |
CN114794665B (zh) | 鞋面涂胶方法、装置、系统以及计算机可读存储介质 | |
Takimoto et al. | Shape reconstruction from multiple RGB-D point cloud registration | |
Jørgensen et al. | Geometric Edge Description and Classification in Point Cloud Data with Application to 3D Object Recognition. |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |