CN114863077B - 一种用于沉浸式三维草图绘制的引导线推断方法 - Google Patents
一种用于沉浸式三维草图绘制的引导线推断方法 Download PDFInfo
- Publication number
- CN114863077B CN114863077B CN202210424660.7A CN202210424660A CN114863077B CN 114863077 B CN114863077 B CN 114863077B CN 202210424660 A CN202210424660 A CN 202210424660A CN 114863077 B CN114863077 B CN 114863077B
- Authority
- CN
- China
- Prior art keywords
- constraint
- stroke
- circle
- straight line
- inference
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000007654 immersion Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种用于三维草图绘制的引导线推断方法，具体为一种基于笔画走势和空间几何约束关系的引导线推断方法，可用于沉浸式三维草图设计系统。该方法首先推断笔画走势；然后根据笔画走势与已有笔画的位置关系推断其空间几何约束关系；最后生成推断的引导线。该方法不限制用户的绘制自由，能够实时推断与用户意图接近的引导线，实用性好。与已有的引导技术相比，本发明方法不需要预定义引导形状，而是通过实时推断当前笔画走势生成引导线，同时引导线的生成还考虑了当前笔画走势与已有笔画的空间位置关系，对于保证草图整体的结构有较好的作用，能够提高沉浸式三维草图绘制精度。
Description
所属领域
本发明涉及一种用于三维草图绘制的引导线推断方法，具体为一种基于笔画走势和空间几何约束关系的引导线推断方法，可用于沉浸式三维草图设计系统。
背景技术
沉浸式三维草图设计工具突破了传统二维输入草图的局限，避免了将设计思想投射到二维草图的必要性，具有直观、自然等优点，给用户更大的自由度表达创意，有着巨大的应用潜力。然而，用户在三维空间进行草图设计时不能很好地进行深度感知，附加的第三维使得精确的徒手绘图非常困难，不仅单条笔画的位置、形状难以把握，笔画之间的几何关系也不准确。因此，沉浸式草图设计工具普遍存在草图绘制精度较低的问题。草图绘制引导技术可在不约束用户绘制自由的前提下，提高绘制精度。其通过视觉线索帮助用户绘制意向的草图形状，而不以任何方式对齐、拉直或重新定位笔画。如何提供实时更新且符合用户意图的引导线索是当前草图绘制引导技术的一个重要内容，其效果直接影响到笔画绘制精度和用户适应性。
目前三维草图绘制引导技术大多不考虑笔画间的几何约束关系，发明人发现现有三维草图绘制引导技术存在以下问题：没有充分利用已有笔画信息，即没有充分考虑笔画间的位置关系；大多未实现自我推断引导，需提前设定引导线索。
发明内容：
本发明的目的是：针对在沉浸式环境中绘制草图精度低以及现有绘制引导技术存在的问题，本发明提出一种引导线推断方法。通过推断当前笔画的走势与已有笔画形成的线线几何约束关系，在用户绘制笔画的过程中，实时提供符合与已有笔画的几何约束关系的引导线，辅助用户绘制当前笔画。通过考虑与已有笔画几何约束关系且实时推断的引导线，降低沉浸式三维草图绘制的认知负荷和错误倾向，减少用户在绘制草图时为了把握草图特征之间更好的空间几何位置关系付出的努力，帮助用户提高在沉浸式环境中徒手绘制三维草图的笔画精度。
为了提高沉浸式草图的绘制精度，本发明提供一种基于线推断的草图绘制引导方法。该方法首先根据输入的部分笔画推断当前输入笔画的走势。然后根据当前笔画走势与已有笔画之间的空间关系，推断用户意图绘制的笔画形状。最后显示出目标形状作为引导线，并随着用户的绘制动态更新。
本发明的技术方案为：
所述一种用于沉浸式三维草图绘制的引导线推断方法，其特征在于：采用以下步骤：
步骤1：输入笔画走势推断：根据所输入笔画的部分推断当前笔画的走势，从而推断用户意图绘制的图元，分为3个步骤；
步骤1.1：笔画预处理：对输入的采样点序列采用中值滤波进行预处理，每个数据用它周围领域n个数据的中值代替，n>3；首尾采样点使用原始数据，与首尾采样点相邻的两个采样点使用与之相邻的三个采样点的中值来替代；
步骤1.2：图元识别：将笔画识别为直线段和圆两种基本图元。首先求得预处理后的采样点序列的最小方向包围盒，设最小包围盒的长、宽、高分别为l、w、h，根据经验公式r＝w×h/l2识别图元类型，直线与圆的识别阈值设为p；
步骤1.3：图元拟合：若r＜p，则对该笔画采用最小二乘法进行空间直线拟合，规定拟合后直线的首尾端点通过笔画首尾点与拟合直线做垂线求得。否则对该笔画进行空间圆拟合；
步骤2：空间几何约束推断：根据拟合笔画与已有笔画之间的空间位置关系，推断出当前笔画与已有笔画之间的潜在几何约束关系，根据其确定当前笔画引导线的参数，分为3个步骤：
步骤2.1：几何约束定义：定义系统检测的空间几何约束关系，如线线平行、线线垂直、点在线上等，同时设定满足各几何关系对应的阈值；
步骤2.2：“成本参数”定义：成本参数Cost的设定考虑两方面的因素：系统满足特定隐式几何约束需要的工作量和笔画与笔画之前的距离。计算上节定义的各几何约束关系的成本参数，Cost＝N×D。如直线段与直线段平行的成本参数记为： Cost＝angle/np×dist/Maxdist，其中angle为两直线段的夹角(取锐角)，np上节设定地直线段平行的阈值，计算为当前图元和空间各直线段的最短空间距离disti (i＝1,2...n，n为空间已有直线段的个数)，disti中的最大值记为Maxdist，dist为当前图元与指定图元的最短空间距离；
步骤2.3：几何约束推断：系统对直线段的4个参数(起点、终点、方向、长度) 和圆的3个参数(圆心、半径、法向量)根据设定的约束类型进行比较。根据各个约束的阈值确定约束集，约束集中包含所有满足阈值的约束。再分别计算这些约束对应的成本参数，然后比较成本参数的大小，最小的成本参数对应的约束即为所求。对直线段和圆两种基本图元分别进行几何约束推断，步骤如下：
1)若识别为直线段，对直线起点位置、推断直线斜率和推断直线终点进行几何约束推断；
2)若识别为圆，对圆的圆心位置、法向量和圆的半径进行几何约束推断；
步骤3：根据几何约束推断结果生成引导线，步骤如下；
步骤3.1：直线段的引导线为射线，其根据推断直线的起点和斜率确定；
步骤3.2：圆的引导线为圆，其根据推断的圆心、半径和法向量确定；
步骤4：存储最终的图元特征：直线段的特征包括起点、终点、方向和长度，圆的特征包括圆心、半径和法向量；
步骤5：等时间间隔的重复上述步骤，不断更新引导线；
所述一种用于沉浸式三维草图绘制的引导线推断方法，其特征在于：空间圆拟合采用最小二乘拟合，首先根据采样点拟合空间平面，拟合平面的法向量N即为空间圆的法向量，然后根据采样点拟合圆，确定空间圆的半径r和圆心C。
所述一种用于沉浸式三维草图绘制的引导线推断方法，其特征在于：p为0.04。
所述一种用于沉浸式三维草图绘制的引导线推断方法，其特征在于：np为15°。
所述一种用于沉浸式三维草图绘制的引导线推断方法，其特征在于：图元的几何约束推断是将拟合图元的起点等特征与存储的图元特征进行比较，观察其是否满足系统所设定的约束关系，将符合阈值的约束存储在约束集中，并计算其成本参数。比较约束集中各约束的成本参数大小，得到最小成本参数对应的约束，根据其确定拟合图元的参数。
本发明的有益效果：针对沉浸式三维草图绘制精度低及草图绘制引导技术存在的问题提出一种用于沉浸式三维草图绘制的引导线推断方法。该方法首先推断笔画走势；然后根据笔画走势与已有笔画的位置关系推断其空间几何约束关系；最后生成推断的引导线。该方法不限制用户的绘制自由，能够实时推断与用户意图接近的引导线，实用性好。与已有的引导技术相比，本发明方法不需要预定义引导形状，而是通过实时推断当前笔画走势生成引导线，同时引导线的生成还考虑了当前笔画走势与已有笔画的空间位置关系，对于保证草图整体的结构有较好的作用，能够提高沉浸式三维草图绘制精度。
附图说明
图1：引导线推断方案图；
图2：引导线推断算法流程图；
图3：笔画走势推断说明图；
图4：笔画最小方向包围盒；
图5：直线终点推断流程图；
图6：推断引导线辅助绘制实例；
其中(a)-(d)为绘制过程；(e)为绘制结果。
具体实施实例
下面结合具体实施例、附图对本发明作进一步描述：
本实施例中采用用于沉浸式三维草图绘制的引导线推断方法，采用以下步骤：
如图1所示，一种用于沉浸式三维草图绘制的引导线推断方案，首先对输入的笔画进行笔画走势推断，然后将推断结果与已有笔画进行几何约束推断，根据推断结果确定引导线。引导线推断流程如图2所示，包括以下步骤：
步骤1：输入笔画走势推断，根据所输入笔画的部分推断当前笔画的走势，从而推断用户意图绘制的图元，如图3所示。图中粗实线为用户连续绘制的笔画，黑色箭头为绘制笔画方向，虚线所示的是识别后利用最小二乘拟合不断更新的引导线。当用户起笔绘制笔画为图中的绿色线条时，根据识别算法判断用户绘制意图为直线，因此给出图中绿色虚线作为引导线。在用户不断绘制的过程中，由于笔画采样点序列的不断增加，系统连续识别，当绘制笔画为图中棕色线条部分时，判断用户绘制意图为圆，因此引导线更新为棕色虚线表示的圆。当用户持续绘制到图中蓝色线条位置时，系统判断用户意图笔画为半径更大的圆，引导线更新为图示蓝色虚线部分。
具体步骤如下；
步骤1.1：对输入的采样点序列采用中值滤波进行预处理，每个数据用它周围领域7个数据的中值代替，首尾采样点使用原始数据，与首尾采样点相邻的两个采样点使用与之相邻的三个采样点的中值来替代。输出预处理后的采样点序列；
步骤1.2：将笔画识别为直线段和圆两种基本图元。首先求得预处理后的采样点序列的最小方向包围盒，通过确定笔画方向来确定长边，其余两边设为宽和高，如图 4所示。设最小包围盒的长、宽、高分别为l、w、h，根据经验公式r＝w×h/l2识别图元类型，直线与圆的识别阈值设为p(本发明取0.04)；
步骤1.3：根据识别结果拟合图元；
步骤1.3.1：若r＜p，则对该笔画采用最小二乘法进行空间直线拟合，规定拟合后直线的首尾端点通过笔画首尾点与拟合直线做垂线求得。
步骤1.3.2：若r＞p，采用最小二乘法对该笔画进行空间圆拟合，首先根据采样点拟合空间平面，拟合平面的法向量N即为空间圆的法向量，然后根据采样点拟合圆，确定空间圆的半径r和圆心C；
步骤2：对笔画走势推断的结果进行空间几何约束推断，根据拟合笔画与已有笔画之间的空间位置关系，推断出当前笔画与已有笔画之间的潜在几何约束关系，根据其确定当前笔画引导线的参数，分为3个步骤：
步骤2.1：几何约束定义：定义系统检测的空间几何约束关系，如线线平行、线线垂直、点在线上等，同时设定满足各几何关系对应的阈值；
步骤2.2：“成本参数”定义：成本参数Cost的设定考虑两方面的因素：系统满足特定隐式几何约束需要的工作量和笔画与笔画之前的距离。计算上节定义的各几何约束关系的成本参数，Cost＝N×D。如直线段与直线段平行的成本参数记为： Cost＝angle/np×dist/Maxdist，其中angle为两直线段的夹角(取锐角)，np(本发明取15°)为上节设定地直线段平行的阈值，计算为当前图元和空间各直线段的最短空间距离disti(i＝1,2...n，n为空间已有直线段的个数)，disti中的最大值记为Maxdist，dist 为当前图元与指定图元的最短空间距离；
所述的当前图元和空间各直线段的最短空间距离的计算方法参考文献“Shen Y,Jia Q,Chen G,Wang Y,et al.Study of Rapid Collision Detection Algorithm forManipulator[J].Proceedings of the 201510th IEEE Conference on IndustrialElectronics and Applications,ICIEA 2015,2015:934–938.”中计算两直线段最短距离的方法。
步骤2.3：几何约束推断：系统对直线段的4个参数(起点、终点、方向、长度) 和圆的3个参数(圆心、半径、法向量)根据设定的约束类型进行比较。根据各个约束的阈值确定约束集，约束集中包含所有满足阈值的约束。再分别计算这些约束对应的成本参数，然后比较成本参数的大小，最小的成本参数对应的约束即为所求。对直线段和圆两种基本图元分别进行几何约束推断，步骤如下：
步骤2.3.1：对直线段进行几何约束推断；
1)推断直线起点位置。将拟合直线段的起点位置与存储的图元特征进行比较，观察其是否满足系统所设定的约束关系(如点在线上)，将符合阈值的约束存储在起点约束集中，并计算其成本参数。比较起点约束集中各约束的成本参数大小，得到最小成本参数对应的约束，根据其确定起点位置；
2)推断直线斜率。将拟合直线段的斜率与存储的图元特征进行比较，观察其是否满足系统所设定的约束关系(平行、垂直)，将符合阈值的约束存储在直线约束集中，并计算其成本参数。比较直线约束集中各约束的成本参数大小，得到最小成本参数对应的约束，根据其确定直线段的斜率；
3)推断直线终点位置，将符合点点/点线关系的约束(含约束类型和约束的成本参数)存入终点约束集。比较终点约束集与直线约束集中斜率约束的成本参数大小，选用成本参数更小的约束来确定终点坐标。若终点约束集中的约束的成本参数较小，则根据起点和终点确定直线段；若直线约束集中斜率约束的成本参数较小，则根据起点和斜率确定直线段，此处判断是否满足等长约束，若满足则根据长度确定终点，若不满足则终点位置的确定方法与步骤1.3.1中直线段拟合的方法一致，流程图如图5 所示；
步骤2.3.2：对圆进行几何约束推断；
1)推断圆心位置。将拟合的圆心位置与点集、直线段集、圆集中存储的特征进行比较，观察其是否满足系统所设定的约束关系(点在线上、点在圆上)，将符合阈值的约束存储在圆心约束集中，并计算其成本参数。比较圆心约束集中成本参数，得到最小成本参数对应的约束，根据其确定圆心位置；
2)推断圆的法向量。将拟合的圆的法向量与直线段集、圆集中存储的特征进行比较，观察其是否满足系统所设定的约束(平行、垂直)，将符合阈值的约束存储法向量约束集中，并计算其成本参数。比较法向量约束集中成本参数，得到最小成本参数对应的约束，根据其确定当前圆的法向量；
3)推断圆的半径。将拟合的圆的半径与圆集中存储的特征，观察其是否满足系统所设定的约束关系(圆的半径相等)，将符合阈值的约束存储到半径约束集中，并计算其成本参数。比较半径约束集中成本参数，得到最小成本参数对应的约束，即为当前圆的半径；
所述约束集存储满足阈值的约束和其对应的成本参数；
步骤3：根据几何约束推断结果生成引导线，步骤如下；
步骤3.1：直线段的引导线为射线，其根据推断直线的起点和斜率确定；
步骤3.2：圆的引导线为圆，其根据推断的圆心、半径和法向量确定；
步骤4：存储最终的图元特征：直线段包括起点、终点、方向和长度，圆包括圆心、半径和法向量；
步骤5：等时间间隔的重复上述步骤，不断更新引导线；
由图6可见，本发明方法可以实时推断用于辅助绘图的引导线，提高沉浸式环境中绘制草图的精度。图6中(a)-(d)显示的绘制笔画的过程与实时推断的引导线， (e)显示的是绘制结果，可以看到草图笔画之间有良好的结构关系，即通过推断的引导线可以提高三维草图绘制精度。
Claims (4)
1.一种用于沉浸式三维草图绘制的引导线推断方法，其特征在于，包括以下步骤：
步骤1：输入笔画走势推断：根据所输入笔画的部分推断当前笔画的走势，从而推断用户意图绘制的图元，分为3个子步骤；
步骤1.1：笔画预处理：对输入的采样点序列采用中值滤波进行预处理，每个数据用它周围领域n个数据的中值代替，n>3；首尾采样点使用原始数据，与首尾采样点相邻的两个采样点使用与之相邻的三个采样点的中值来替代；
步骤1.2：图元识别：将笔画识别为直线段和圆两种基本图元；首先求得预处理后的采样点序列的最小方向包围盒，设最小包围盒的长、宽、高分别为l、w、h，根据经验公式r＝w×h/l2识别图元类型，直线与圆的识别阈值设为p；
步骤1.3：图元拟合：若r＜p，则对该笔画采用最小二乘法进行空间直线拟合，规定拟合后直线的首尾端点通过笔画首尾点与拟合直线做垂线求得；否则对该笔画进行空间圆拟合；
步骤2：空间几何约束推断：根据拟合笔画与已有笔画之间的空间位置关系，推断出当前笔画与已有笔画之间的潜在几何约束关系，根据其确定当前笔画引导线的参数，分为3个子步骤：
步骤2.1：几何约束定义：定义系统检测的空间几何约束关系同时设定满足各几何关系对应的阈值；
步骤2.2：“成本参数”定义：成本参数Cost的设定考虑两方面的因素：系统满足特定隐式几何约束需要的工作量N和笔画与笔画之前的距离D，计算各几何约束关系的成本参数，Cost＝N×D；
步骤2.3：几何约束推断：系统对直线段的4个参数，包括起点、终点、方向、长度，和圆的3个参数，包括圆心、半径、法向量，根据设定的约束类型进行比较；根据各个约束的阈值确定约束集，约束集中包含所有满足阈值的约束；再分别计算这些约束对应的成本参数，然后比较成本参数的大小，最小的成本参数对应的约束即为所求；对直线段和圆两种基本图元分别进行几何约束推断分别如下：
1)若识别为直线段，对直线起点位置、推断直线斜率和推断直线终点进行几何约束推断；
2)若识别为圆，对圆的圆心位置、法向量和圆的半径进行几何约束推断；
步骤3：根据几何约束推断结果生成引导线，包括如下子步骤；
步骤3.1：直线段的引导线为射线，其根据推断直线的起点和斜率确定；
步骤3.2：圆的引导线为圆，其根据推断的圆心、半径和法向量确定；
步骤4：存储最终的图元特征：直线段的特征包括起点、终点、方向和长度，圆的特征包括圆心、半径和法向量；
步骤5：等时间间隔的重复上述步骤，不断更新引导线。
2.一种如权利要求1所述的用于沉浸式三维草图绘制的引导线推断方法，其特征在于，所述子步骤1.3中空间圆拟合采用最小二乘拟合，首先根据采样点拟合空间平面，拟合平面的法向量N即为空间圆的法向量，然后根据采样点拟合圆，确定空间圆的半径r和圆心C。
3.一种如权利要求1所述的用于沉浸式三维草图绘制的引导线推断方法，其特征在于，所述子步骤1.3中p为0.04。
4.一种如权利要求1所述的用于沉浸式三维草图绘制的引导线推断方法，其特征在于，所述子步骤2.3中图元的几何约束推断是将拟合图元的起点等特征与存储的图元特征进行比较，观察其是否满足系统所设定的约束关系，将符合阈值的约束存储在约束集中，并计算其成本参数，比较约束集中各约束的成本参数大小，得到最小成本参数对应的约束，根据其确定拟合图元的参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210424660.7A CN114863077B (zh) | 2022-04-21 | 2022-04-21 | 一种用于沉浸式三维草图绘制的引导线推断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210424660.7A CN114863077B (zh) | 2022-04-21 | 2022-04-21 | 一种用于沉浸式三维草图绘制的引导线推断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114863077A CN114863077A (zh) | 2022-08-05 |
| CN114863077B true CN114863077B (zh) | 2024-02-23 |
Family
ID=82632944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210424660.7A Active CN114863077B (zh) | 2022-04-21 | 2022-04-21 | 一种用于沉浸式三维草图绘制的引导线推断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114863077B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101799937A (zh) * | 2010-03-23 | 2010-08-11 | 南京大学 | 一种采用草图创建三维模型的方法 |
| CN102831638A (zh) * | 2012-07-06 | 2012-12-19 | 南京大学 | 一种采用手绘草图的三维人体多姿态建模方法 |
| CN103400109A (zh) * | 2013-07-10 | 2013-11-20 | 西安交通大学 | 一种手绘草图离线识别与整形方法 |
| CN105046287A (zh) * | 2015-06-29 | 2015-11-11 | 西北工业大学 | 一种在线多笔画重复绘制草图的聚类与拟合方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9779292B2 (en) * | 2014-10-15 | 2017-10-03 | William Ng | System and method for interactive sketch recognition based on geometric contraints |
| US9489572B2 (en) * | 2014-12-02 | 2016-11-08 | Myscript | System and method for recognizing geometric shapes |
-
2022
- 2022-04-21 CN CN202210424660.7A patent/CN114863077B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101799937A (zh) * | 2010-03-23 | 2010-08-11 | 南京大学 | 一种采用草图创建三维模型的方法 |
| CN102831638A (zh) * | 2012-07-06 | 2012-12-19 | 南京大学 | 一种采用手绘草图的三维人体多姿态建模方法 |
| CN103400109A (zh) * | 2013-07-10 | 2013-11-20 | 西安交通大学 | 一种手绘草图离线识别与整形方法 |
| CN105046287A (zh) * | 2015-06-29 | 2015-11-11 | 西北工业大学 | 一种在线多笔画重复绘制草图的聚类与拟合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于笔画容差带的手绘草图间断多笔画判定与拟合方法;周晶;方贵盛;;计算机科学;20171115(第S2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114863077A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Calhoun et al. | Recognizing multi-stroke symbols | |
| CN110176078B (zh) | 一种训练集数据的标注方法及装置 | |
| US9089966B2 (en) | Workpiece pick-up apparatus | |
| CN109191576A (zh) | 一种将建筑图纸转换为三维bim模型的图层分类方法 | |
| EP4166281A1 (en) | Method and apparatus for robot to grab three-dimensional object | |
| Mörwald et al. | Geometric data abstraction using b-splines for range image segmentation | |
| CN104359415B (zh) | 一种水火弯板角变形量测量方法及系统 | |
| CN114863077B (zh) | 一种用于沉浸式三维草图绘制的引导线推断方法 | |
| Zhang et al. | A topological solution of entanglement for complex-shaped parts in robotic bin-picking | |
| CN114474067A (zh) | 一种基于机器视觉的智能工业机器人执行动作精准性分析方法 | |
| Zhu et al. | An autonomous eye-in-hand robotic system for elevator button operation based on deep recognition network | |
| Zhang et al. | Augmented reality material management system based on post-processing of aero-engine blade code recognition | |
| Hu et al. | Vgpn: Voice-guided pointing robot navigation for humans | |
| CN112927364B (zh) | 一种面向地质结构力学分析的复合场网格构造方法 | |
| Song et al. | Vision based topological state recognition for deformable linear object untangling conducted in unknown background | |
| CN117058404A (zh) | 一种基于三维点云的多类型焊接坡口特征提取方法 | |
| CN115351450B (zh) | 坡口焊接路径规划方法、装置、电子设备及存储介质 | |
| Sanders et al. | Pre-locating corners in images in order to improve the extraction of Fourier descriptors and subsequent recognition of shipbuilding parts | |
| Wu et al. | A novel cable-grasping planner for manipulator based on the operation surface | |
| CN111091565B (zh) | 一种自适应运动特征匹配与识别的弓网接触点检测方法 | |
| CN109359366B (zh) | 一种机电标识的自动识别方法、装置、设备及存储介质 | |
| CN112861694A (zh) | 一种基于模板的联机书写评分方法 | |
| CN113487542A (zh) | 一种接触网导线磨耗区域的提取方法 | |
| Hua et al. | 3D point-to-keypoint voting network for 6D pose estimation | |
| JPH07117986B2 (ja) | 文字認識装置 |
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 |