CN115383517B - 一种局部识别n点位置进行整体定位的方法和装置 - Google Patents
一种局部识别n点位置进行整体定位的方法和装置 Download PDFInfo
- Publication number
- CN115383517B CN115383517B CN202211325333.2A CN202211325333A CN115383517B CN 115383517 B CN115383517 B CN 115383517B CN 202211325333 A CN202211325333 A CN 202211325333A CN 115383517 B CN115383517 B CN 115383517B
- Authority
- CN
- China
- Prior art keywords
- positioning
- target object
- point
- coordinates
- camera
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/22—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring existing or desired position of tool or work
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/20—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring workpiece characteristics, e.g. contour, dimension, hardness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/24—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves
- B23Q17/2409—Arrangements for indirect observation of the working space using image recording means, e.g. a camera
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种局部识别N点位置进行整体定位的方法和装置,属于数控定位技术领域,其中方法包括步骤:获取定位区域P1~P8上确定的相机的中心坐标、左上角坐标和右下角坐标;控制相机依次运动到目标物体的定位区域P1~P8,拍摄获取定位区域P1~P8对应的图像,利用学习模型提取目标物体的边缘E1~E8;交点整合将所述目标物体的边缘E1~E8组合构成整体E;获取所述目标物体的粗轮廓C1;获取新的轮廓C2,将轮廓C2替换粗轮廓C1;重复迭代多次,定位完成。通过在材料四周取8个定位点的方式获取材料边缘图像,获取高精度边缘信息,然后根据8个点位的高精度边缘信息计算出材料和标准矢量之间的刚性变换矩阵,从而达到高精度定位的目的。
Description
技术领域
本发明涉及数控定位技术领域,具体涉及一种局部识别N点位置进行整体定位的方法和装置。
背景技术
针对一些大材料的高精度激光切割问题,大物体定位400mm以上尺寸、精度要求0.05mm 的大圆弧过渡的异形材料,由于相机的分辨率有限,不可能做到拍全整个材料后再定位。为了保证识别精度,相机只能获取材料局部非常小的视野范围内的图像。
在传统应用场景内,在物体上标记了mark点,mark点是电路板设计中PCB应用于自动贴片机上的位置识别点,mark点的选用直接影响到自动贴片机的贴片效率。mark点为1~5mm小圆点,通过识别四个小圆点即可进行对物体进行定位。但此方法只适用于加工完成的材料,待加工材料上没有mark点,不能对待加工材料进行定位。没有基于mark点识别四个大于等于90度角的位置,大圆弧过渡位置就定位不准。且此识别方法只有单方向有效,如拍到一条横线识别,左右位置不能确定,只能确定上下的位置。
因此,如何提供一种新型的定位方法,使其能对异形材料进行高精准定位,是本领域技术人员亟待解决的技术问题。
发明内容
为此,本发明提供一种局部识别N点位置进行整体定位的方法和装置,以解决现有技术中由于异型材料上没有mark点而导致的定位不准确的问题。
为了实现上述目的,本发明提供如下技术方案:
根据本发明的第一方面,提供了一种局部识别N点位置进行整体定位的方法,包括以下步骤:
S1:目标物体放置在机台上,确定用于采集所述目标物体边缘的定位区域P1~P8,在机台坐标系下获取所述定位区域P1~P8的中心坐标即相机的中心坐标,获取所述定位区域P1~P8的左上角坐标即相机的左上角坐标,获取所述定位区域P1~P8的右下角坐标即相机的右下角坐标,并记形成的矩形区域为ROI1~ ROI8;
S2:根据所述定位区域P1~P8上确定的所述相机的中心坐标、左上角坐标和右下角坐标,控制所述相机依次运动到所述目标物体的所述定位区域P1~P8,拍摄获取所述定位区域P1~P8对应的图像,利用学习模型提取所述目标物体的边缘E1~ E8,并分别求取所述目标物体的边缘Ei与直线x=Cxi或y=Cyi的交点(Oxi,Oyi);
其中,(Cxi,Cyi)为定位区域Pi的中心坐标,i为1~8的正整数;
S3:采用交点整合将所述目标物体的边缘E1~ E8组合构成整体E,绘制整体E的最小旋转外接矩形,获取整体E的最小旋转外接矩形的中心坐标 (Orx,Ory),同时获取整体E的最小旋转外接矩形的水平轴与x轴的夹角θe;
S4:根据整体E的最小旋转外接矩形和所述目标物体的标准矢量的最小旋转外接矩形,对所述目标物体进行粗定位,获取所述目标物体的粗轮廓C1;
S5:基于获取的所述目标物体的粗轮廓C1与矩形区域ROI1~ ROI8计算目标物体与标准矢量之间的刚性变换矩阵HomMat2D;
S6:粗轮廓C1乘以刚性变换矩阵HomMat2D得到新的轮廓C2,将轮廓C2替换粗轮廓C1;
S7:重复步骤S5~S6,迭代计算m次,最终获取轮廓Cm,迭代结束,定位完成。
进一步地,所述步骤S4具体包括以下步骤:
S401:绘制所述目标物体的标准矢量的最小旋转外接矩形,获取所述目标物体的标准矢量的最小旋转外接矩形的中心坐标(Orstdx,Orstdy),同时获取所述目标物体的标准矢量的最小旋转外接矩形的水平轴与x轴的夹角θstd;
S402:对所述目标物体的标准矢量进行旋转和平移,旋转中心坐标为(Orstdx,Orstdy),旋转角度为θe-θstd,平移的距离为(Orx-Orstdx,Ory-Orstdy),旋转平移之后的结果粗轮廓记为C1。
进一步地,所述步骤S5具体包括以下步骤:
S501:分别取粗轮廓C1和矩形区域ROI1~ ROI8相交部分的相交轮廓CTemp1~CTemp8,分别求交点(Ox1,Oy1)~(Ox8,Oy8)到相交轮廓CTemp1~ CTemp8的最小距离D1~D8,并记录相交轮廓CTemp1~ CTemp8的最小距离点(Px1,Py1)~(Px8,Py8);计算D1~D8的平均距离Davr;
S502:计算点(Qxi,Qyi),使得该点在直线OP上,且离点(Oxi,Oyi)的距离为Davr;其中记线段OP的长度为|OP|,i为1~8的正整数;
S503:用最小二乘法计算从点列(Pxi,Pyi)到点列(Qxi,Qyi)的刚性变换矩阵HomMat2D。
进一步地,所述步骤S1中的所述相机的中心坐标为(Cxi,Cyi),所述相机的左上角坐标为(Cxi-W/2,Cyi+H/2),所述相机的右下角坐标为(Cxi+W/2,Cyi-H/2);
其中,W为所述相机拍摄时对应的机器幅面的宽度,H为所述相机拍摄时对应的机器幅面的高度,i为1~8的正整数。
进一步地,所述步骤S1中的所述定位区域P1~P8分别分布在所述目标物体的上左、上右、右上、右下、下右、下左、左下和左上。
进一步地,所述步骤S2中求取交点时,如果Pi是分布在水平方向上,则求边缘Ei和直线x=Cxi的交点;如果Pi是分布在竖直方向上,则求边缘Ei和直线y=Cyi的交点。
进一步地,所述步骤S2中的所述学习模型为使用多组数据通过机器学习训练得出的,所述多组数据为待检测物体的边缘矢量。
进一步地,所述步骤S502中计算点(Qxi,Qyi)的公式为:
Qxi = (Pxi*Davr - Oxi*Davr)/|OP|+Oxi;
Qyi = (Pyi*Davr - Oyi*Davr)/|OP|+Oyi;
其中,|OP|为线段OP的长度,i为1~8的正整数。
进一步地,所述步骤S503中的最小二乘法的公式为:
计算得到的刚性变换矩阵HomMat2D为:
其中R为旋转矩阵,t为平移向量,i为1~8的正整数。
进一步地,所述步骤S501中如果点(Oxi,Oyi)在粗轮廓C1外面,则Di为正,否则为负;其中,i为1~8的正整数。
根据本发明的第二方面,提供了一种局部识别N点位置进行整体定位的装置,用于上述任一项所述的局部识别N点位置进行整体定位的方法,包括经纬坐标模块、运动控制模块、相机和图像处理模块;
所述经纬坐标模块,获取在机台坐标系下的所述定位区域P1~P8的中心坐标、左上角坐标和右下角坐标;
所述运动控制模块,接收所述定位区域P1~P8的中心坐标、左上角坐标和右下角坐标,控制运动轴使所述相机分别运动到定位区域P1~P8;
所述相机,用于拍摄获取所述定位区域P1~P8对应的图像;
所述图像处理模块,用于处理所述定位区域P1~P8对应的图像,获取所述目标物体的轮廓Cm。
根据本发明的第三方面,提供了一种计算机可读存储介质,包括程序和指令,当所述程序或指令在计算机上运行时,上述任一项所述的局部识别N点位置进行整体定位的方法被实现。
本发明具有如下优点:
1、本发明根据整体E的最小旋转外接矩形和目标物体的标准矢量的最小旋转外接矩形,对目标物体进行粗定位,获取目标物体的粗轮廓C1的方式能加速后面迭代定位的收敛速度。
2、本发明基于获取的目标物体的粗轮廓C1与矩形区域ROI1~ ROI8计算目标物体与标准矢量之间的刚性变换矩阵HomMat2D;粗轮廓C1乘以刚性变换矩阵HomMat2D得到新的轮廓C2,将轮廓C2替换粗轮廓C1,考虑了目标物体和标准矢量之间的误差,使得定位更加准确。
3、目标物体为待加工材料,因为待加工材料由于加工误差的存在,待加工材料的大小和标准矢量并不一致,可能存在缩放。本发明假设待加工材料的加工误差是均匀的、缩放是均匀的,平均距离Davr就是代加工材料的平均误差。定位计算刚性变换矩阵HomMat2D的时候考虑了平均距离,使得待加工材料的定位更加准确,并且适用性更强。
4、重复步骤S5~S6,迭代计算m次,随着迭代计算次数的增多,轮廓Cm会越来越接近目标物体,使用迭代的方式让标准矢量到目标物体之间的映射更加精确。
5、本发明不仅适用于规则形状的材料的定位也适用于边缘由复杂曲线构成的异形材料的定位。
6、本发明只通过局部的8个点位就能估计计算出整体图像的旋转和平移。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明提供的一种局部识别N点位置进行整体定位的方法的流程图;
图2为本发明提供的定位方法中步骤S4的具体流程图;
图3为本发明提供的定位方法中步骤S5的具体流程图;
图4为本发明提供的定位方法中步骤S1中定位区域P1~P8的分布图;
图5为发明提供的一种局部识别N点位置进行整体定位的装置的连接框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
根据本发明的第一方面,提供了一种局部识别N点位置进行整体定位的方法,旨在解决现有异形材料定位误差大等问题,实现定位精准的效果。如图1所示的,包括以下步骤:
S1:目标物体放置在机台上,确定用于采集目标物体边缘的定位区域P1~P8,如图4所示的,定位区域P1~P8分别分布在目标物体的上左、上右、右上、右下、下右、下左、左下和左上。通过经纬坐标模块分别获取机台坐标系下的定位区域P1~P8的中心坐标(Cxi,Cyi)、左上角坐标(Cxi-W/2,Cyi+H/2)和右下角坐标(Cxi+W/2,Cyi-H/2),其中,W为相机拍摄时对应的机器幅面的宽度,H为相机拍摄时对应的机器幅面的高度,i为1~8的正整数。根据相机的机器幅面的长宽确定坐标,从而使相机拍摄到的图片为定位区域P1~P8的图像。
根据定位区域P1~P8的中心坐标(Cxi,Cyi)、左上角坐标(Cxi-W/2,Cyi+H/2)和右下角坐标(Cxi+W/2,Cyi-H/2)确定定位区域P1~P8形成的矩形区域为ROI1~ ROI8。
获取的定位区域P1~P8的中心坐标即相机的中心坐标,获取的定位区域P1~P8的左上角坐标即相机的左上角坐标,获取的定位区域P1~P8的右下角坐标即相机的右下角坐标,从而确定相机需要移动的坐标距离。
S2:运动控制模块根据定位区域P1~P8上确定的相机的中心坐标、左上角坐标和右下角坐标,控制相机依次运动到目标物体的定位区域P1~P8。相机的的覆盖面积与P1~P8的定位区域面积相同,使得相机拍摄的图片即为定位区域P1~P8对应的图像。
学习模型为使用多组数据通过机器学习训练得出的,多组数据为待检测物体的边缘矢量。利用学习模型提取目标物体的边缘E1~ E8,并分别求取所述目标物体的边缘Ei与直线x=Cxi或y=Cyi的交点(Oxi,Oyi),其中,(Cxi,Cyi)为定位区域Pi的中心坐标,i为1~8的正整数。
具体地,在定位区域P1~P8的位置上提取目标物体的边缘E1~ E8,由图4可知目标物体的边缘轮廓,目标物体的边缘E1~ E8为定位区域P1~P8的位置上的轮廓曲线。水平方向Pi内轮廓曲线为水平方向,与直线x=Cxi的交点只有一个;竖直平方向Pi内轮廓曲线为竖直方向,与直线y=Cyi的交点只有一个。
如果Pi是分布在水平方向上,则求边缘Ei和直线x=Cxi的交点;如果Pi是分布在竖直方向上,则求边缘Ei和直线y=Cyi的交点。
在本实施例中P1、P2、P5和P6在目标物体的水平方向上,求取E1和直线x=Cx1的交点(Ox1,Oy1),求取E2和直线x=Cx2的交点(Ox2,Oy2),E5和直线x=Cx5的交点(Ox5,Oy5),E6和直线x=Cx6的交点(Ox6,Oy6);P3、P4、P7和P8在目标物体的竖直方向上,求取E3和直线y=Cy3的交点(Ox3,Oy3),求取E4和直线y=Cy4的交点(Ox4,Oy4),E7和直线y=Cy7的交点(Ox7,Oy7),E8和直线y=Cy8的交点(Ox8,Oy8)。
S3:采用交点整合将目标物体的边缘E1~ E8组合构成整体E,绘制整体E的最小旋转外接矩形,获取整体E的最小旋转外接矩形的中心坐标(Orx,Ory),同时获取整体E的最小旋转外接矩形的水平轴与x轴的夹角θe。
在交点整合中,如果P1~P8是分布在水平方向上,求边缘E1~ E8和直线x=Cx1的交点,否则求边缘E1~ E8和直线y=Cy1的交点。
S4:根据整体E的最小旋转外接矩形和目标物体的标准矢量的最小旋转外接矩形,对目标物体进行粗定位,获取目标物体的粗轮廓C1。
如图2所示的,步骤S4具体包括以下步骤:
S401:绘制目标物体的标准矢量的最小旋转外接矩形,获取目标物体的标准矢量的最小旋转外接矩形的中心坐标(Orstdx,Orstdy),同时获取目标物体的标准矢量的最小旋转外接矩形的水平轴与x轴的夹角θstd。
S402:对目标物体的标准矢量进行旋转和平移,旋转中心坐标为(Orstdx,Orstdy),旋转角度为θe-θstd,平移的距离为(Orx-Orstdx,Ory-Orstdy),旋转平移之后的结果粗轮廓记为C1。
本发明根据整体E的最小旋转外接矩形和目标物体的标准矢量的最小旋转外接矩形,对目标物体进行粗定位,获取目标物体的粗轮廓C1的方式能加速后面迭代定位的收敛速度。
S5:基于获取的目标物体的粗轮廓C1与矩形区域ROI1~ ROI8计算目标物体与标准矢量之间的刚性变换矩阵HomMat2D;
如图3所示的,步骤S5具体包括以下步骤:
S501:分别取粗轮廓C1和矩形区域ROI1~ ROI8相交部分的相交轮廓CTemp1~CTemp8,分别求交点(Ox1,Oy1)~(Ox8,Oy8)到相交轮廓CTemp1~ CTemp8的最小距离D1~D8,并记录相交轮廓CTemp1~ CTemp8的最小距离点(Px1,Py1)~(Px8,Py8)。
如果点(Oxi,Oyi)在粗轮廓C1外面,则Di为正,否则为负;其中,i为1~8的正整数。
考虑到目标物体和标准矢量尺寸可能不一致,计算D1~D8的平均距离Davr,这里的平均距离Davr被认为是目标物体和标准矢量的平均距离。
S502:计算点(Qxi,Qyi),使得该点在直线OP上,且离点(Oxi,Oyi)的距离为Davr;其中记线段OP的长度为|OP|,i为1~8的正整数。
计算点(Qxi,Qyi)的公式为:
Qxi = (Pxi*Davr - Oxi*Davr)/|OP|+Oxi;
Qyi = (Pyi*Davr - Oyi*Davr)/|OP|+Oyi;
其中,|OP|为线段OP的长度,i为1~8的正整数。
OP为点(Oxi,Oyi)和点(Pxi,Pyi)的连接线,OP也可记为OiPi。
具体地,计算点(Qxi,Qyi),使得该点在直线OiPi上,且离点(Oxi,Oyi)的距离为Davr;其中,OiPi为点(Oxi,Oyi)和(Pxi,Pyi)的连线,记线段OiPi的长度为|OiPi|,i为1~8的正整数,OiPi为O1P1~O8P8。
上述计算点(Qxi,Qyi)的公式由等式(Qxi-Oxi)/(Pxi-Oxi)=Davr/|OP|化简得来,y坐标同理。
S503:用最小二乘法计算从点列(Pxi,Pyi)到点列(Qxi,Qyi)的刚性变换矩阵HomMat2D。
最小二乘法的公式为:
计算得到的刚性变换矩阵HomMat2D为:
其中R为旋转矩阵,t为平移向量,i为1~8的正整数。
S6:粗轮廓C1乘以刚性变换矩阵HomMat2D得到新的轮廓C2,将轮廓C2替换粗轮廓C1。
本发明的步骤S5~S6考虑了目标物体和标准矢量之间的误差,将将轮廓C2替换粗轮廓C1,使得定位更加准确。
S7:重复步骤S5~S6,迭代计算20次,随着迭代计算次数的增多,轮廓C20会越来越接近目标物体,迭代结束,定位完成。使用迭代的方式让标准矢量到目标物体之间的映射更加精确。材料的轮廓定位完成后,可控制机台上的激光头沿其轮廓进行切割处理。
本发明提供的目标物体为待加工材料,因为待加工材料由于加工误差的存在,待加工材料的大小和标准矢量并不一致,可能存在缩放。本发明假设待加工材料的加工误差是均匀的、缩放是均匀的,平均距离Davr就是代加工材料的平均误差。定位计算刚性变换矩阵HomMat2D的时候考虑了平均距离,使得待加工材料的定位更加准确,并且适用性更强。
本发明通过在材料四周取8个定位点的方式获取材料边缘图像,获取高精度边缘信息,然后根据8个点位的高精度边缘信息计算出材料和标准矢量之间的刚性变换矩阵,从而达到高精度定位的目的。不仅适用于规则形状的材料的定位也适用于边缘由复杂曲线构成的异形材料的定位。
根据本发明的第二方面,提供了一种局部识别N点位置进行整体定位的装置,用于上述任一项的局部识别N点位置进行整体定位的方法,如图5所示的,包括经纬坐标模块、运动控制模块、相机和图像处理模块。
经纬坐标模块,获取在机台坐标系下的定位区域P1~P8的中心坐标、左上角坐标和右下角坐标。
运动控制模块,接收定位区域P1~P8的中心坐标、左上角坐标和右下角坐标,控制运动轴使相机分别运动到定位区域P1~P8。
相机,用于拍摄获取定位区域P1~P8对应的图像。
图像处理模块,用于处理定位区域P1~P8对应的图像,迭代获取目标物体的轮廓Cm。
根据本发明的第三方面,提供了一种计算机可读存储介质,包括程序和指令,当程序或指令在计算机上运行时,上述任一项的局部识别N点位置进行整体定位的方法被实现。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (12)
1.一种局部识别N点位置进行整体定位的方法,其特征在于,包括以下步骤:
S1:目标物体放置在机台上,确定用于采集所述目标物体边缘的定位区域P1~P8,在机台坐标系下获取所述定位区域P1~P8的中心坐标即相机的中心坐标,获取所述定位区域P1~P8的左上角坐标即相机的左上角坐标,获取所述定位区域P1~P8的右下角坐标即相机的右下角坐标,并记形成的矩形区域为ROI1~ ROI8;
S2:根据所述定位区域P1~P8上确定的所述相机的中心坐标、左上角坐标和右下角坐标,控制所述相机依次运动到所述目标物体的所述定位区域P1~P8,拍摄获取所述定位区域P1~P8对应的图像,利用学习模型提取所述目标物体的边缘E1~ E8,并分别求取所述目标物体的边缘Ei与直线x=Cxi或y=Cyi的交点(Oxi,Oyi);
其中,(Cxi,Cyi)为定位区域Pi的中心坐标,i为1~8的正整数;
S3:采用交点整合将所述目标物体的边缘E1~ E8组合构成整体E,绘制整体E的最小旋转外接矩形,获取整体E的最小旋转外接矩形的中心坐标 (Orx,Ory),同时获取整体E的最小旋转外接矩形的水平轴与x轴的夹角θe;
S4:根据整体E的最小旋转外接矩形和所述目标物体的标准矢量的最小旋转外接矩形,对所述目标物体进行粗定位,获取所述目标物体的粗轮廓C1;
S5:基于获取的所述目标物体的粗轮廓C1与矩形区域ROI1~ ROI8计算目标物体与标准矢量之间的刚性变换矩阵HomMat2D;
S6:粗轮廓C1乘以刚性变换矩阵HomMat2D得到新的轮廓C2,将轮廓C2替换粗轮廓C1;
S7:重复步骤S5~S6,迭代计算m次,最终获取轮廓Cm,迭代结束,定位完成。
2.如权利要求1所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S4具体包括以下步骤:
S401:绘制所述目标物体的标准矢量的最小旋转外接矩形,获取所述目标物体的标准矢量的最小旋转外接矩形的中心坐标(Orstdx,Orstdy),同时获取所述目标物体的标准矢量的最小旋转外接矩形的水平轴与x轴的夹角θstd;
S402:对所述目标物体的标准矢量进行旋转和平移,旋转中心坐标为(Orstdx,Orstdy),旋转角度为θe-θstd,平移的距离为(Orx-Orstdx,Ory-Orstdy),旋转平移之后的结果粗轮廓记为C1。
3.如权利要求1所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S5具体包括以下步骤:
S501:分别取粗轮廓C1和矩形区域ROI1~ ROI8相交部分的相交轮廓CTemp1~ CTemp8,分别求交点(Ox1,Oy1)~(Ox8,Oy8)到相交轮廓CTemp1~ CTemp8的最小距离D1~D8,并记录相交轮廓CTemp1~ CTemp8的最小距离点(Px1,Py1)~(Px8,Py8);计算D1~D8的平均距离Davr;
S502:计算点(Qxi,Qyi),使得该点在直线OP上,且离点(Oxi,Oyi)的距离为Davr;其中记线段OP的长度为|OP|,i为1~8的正整数;
S503:用最小二乘法计算从点列(Pxi,Pyi)到点列(Qxi,Qyi)的刚性变换矩阵HomMat2D。
4.如权利要求1所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S1中的所述相机的中心坐标为(Cxi,Cyi),所述相机的左上角坐标为(Cxi-W/2,Cyi+H/2),所述相机的右下角坐标为(Cxi+W/2,Cyi-H/2);
其中,W为所述相机拍摄时对应的机器幅面的宽度,H为所述相机拍摄时对应的机器幅面的高度,i为1~8的正整数。
5.如权利要求1所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S1中的所述定位区域P1~P8分别分布在所述目标物体的上左、上右、右上、右下、下右、下左、左下和左上。
6.如权利要求1所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S2中求取交点时,如果Pi是分布在水平方向上,则求边缘Ei和直线x=Cxi的交点;如果Pi是分布在竖直方向上,则求边缘Ei和直线y=Cyi的交点。
7.如权利要求1所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S2中的所述学习模型为使用多组数据通过机器学习训练得出的,所述多组数据为待检测物体的边缘矢量。
8.如权利要求3所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S502中计算点(Qxi,Qyi)的公式为:
Qxi = (Pxi*Davr- Oxi*Davr)/|OP|+Oxi;
Qyi = (Pyi*Davr- Oyi*Davr)/|OP|+Oyi;
其中|OP|为线段OP的长度,i为1~8的正整数。
10.如权利要求3所述的局部识别N点位置进行整体定位的方法,其特征在于,所述步骤S501中如果点(Oxi,Oyi)在粗轮廓C1外面,则Di为正,否则为负;其中,i为1~8的正整数。
11.一种局部识别N点位置进行整体定位的装置,用于执行如权利要求1-10任一项所述的局部识别N点位置进行整体定位的方法,其特征在于,包括经纬坐标模块、运动控制模块、相机和图像处理模块;
所述经纬坐标模块,获取在机台坐标系下的所述定位区域P1~P8的中心坐标、左上角坐标和右下角坐标;
所述运动控制模块,接收所述定位区域P1~P8的中心坐标、左上角坐标和右下角坐标,控制运动轴使所述相机分别运动到定位区域P1~P8;
所述相机,用于拍摄获取所述定位区域P1~P8对应的图像;
所述图像处理模块,用于处理所述定位区域P1~P8对应的图像,获取所述目标物体的轮廓Cm。
12.一种计算机可读存储介质,其特征在于,包括程序和指令,当所述程序或指令在计算机上运行时,如权利要求1-10任一项所述的局部识别N点位置进行整体定位的方法被实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325333.2A CN115383517B (zh) | 2022-10-27 | 2022-10-27 | 一种局部识别n点位置进行整体定位的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211325333.2A CN115383517B (zh) | 2022-10-27 | 2022-10-27 | 一种局部识别n点位置进行整体定位的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115383517A CN115383517A (zh) | 2022-11-25 |
CN115383517B true CN115383517B (zh) | 2022-12-20 |
Family
ID=84127724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211325333.2A Active CN115383517B (zh) | 2022-10-27 | 2022-10-27 | 一种局部识别n点位置进行整体定位的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115383517B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118180994B (zh) * | 2024-05-15 | 2024-07-23 | 黑龙江交通职业技术学院 | 一种机床定位方法及定位装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1549840A (en) * | 1975-06-10 | 1979-08-08 | Sofermo | Method of recognizing shapes of isolated three-dimensional objects and apparatus therefor |
JP2003317033A (ja) * | 2002-04-23 | 2003-11-07 | Ikegami Tsushinki Co Ltd | 画像処理におけるアフィン変換係数算出方法および画像処理装置 |
CN101464948A (zh) * | 2009-01-14 | 2009-06-24 | 北京航空航天大学 | 一种基于关键点的仿射不变矩的目标识别方法 |
CN106709909A (zh) * | 2016-12-13 | 2017-05-24 | 重庆理工大学 | 一种基于深度学习的柔性机器人视觉识别与定位系统 |
CN110110760A (zh) * | 2019-04-17 | 2019-08-09 | 浙江工业大学 | 一种基于机器视觉的工件定位与识别方法 |
WO2021147670A1 (zh) * | 2020-01-23 | 2021-07-29 | 华为技术有限公司 | 图像处理的方法和装置 |
-
2022
- 2022-10-27 CN CN202211325333.2A patent/CN115383517B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1549840A (en) * | 1975-06-10 | 1979-08-08 | Sofermo | Method of recognizing shapes of isolated three-dimensional objects and apparatus therefor |
JP2003317033A (ja) * | 2002-04-23 | 2003-11-07 | Ikegami Tsushinki Co Ltd | 画像処理におけるアフィン変換係数算出方法および画像処理装置 |
CN101464948A (zh) * | 2009-01-14 | 2009-06-24 | 北京航空航天大学 | 一种基于关键点的仿射不变矩的目标识别方法 |
CN106709909A (zh) * | 2016-12-13 | 2017-05-24 | 重庆理工大学 | 一种基于深度学习的柔性机器人视觉识别与定位系统 |
CN110110760A (zh) * | 2019-04-17 | 2019-08-09 | 浙江工业大学 | 一种基于机器视觉的工件定位与识别方法 |
WO2021147670A1 (zh) * | 2020-01-23 | 2021-07-29 | 华为技术有限公司 | 图像处理的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115383517A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292927B (zh) | 一种基于双目视觉的对称运动平台位姿测量方法 | |
CN108805934B (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
CN111968177B (zh) | 一种基于固定摄像头视觉的移动机器人定位方法 | |
CN110163912B (zh) | 二维码位姿标定方法、装置及系统 | |
CN106529587B (zh) | 基于目标点识别的视觉航向识别方法 | |
CN109272574B (zh) | 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法 | |
CN105046684B (zh) | 一种基于多边形广义霍夫变换的图像匹配方法 | |
CN115383517B (zh) | 一种局部识别n点位置进行整体定位的方法和装置 | |
JP2004213332A (ja) | キャリブレーション装置、キャリブレーション方法、キャリブレーション用プログラム、及び、キャリブレーション治具 | |
CN115609591B (zh) | 一种基于2D Marker的视觉定位方法和系统、复合机器人 | |
CN104766309A (zh) | 一种平面特征点导航定位方法与装置 | |
EP0157299B1 (en) | Image processing apparatus | |
CN113012226A (zh) | 相机位姿的估计方法、装置、电子设备及计算机存储介质 | |
CN114413788A (zh) | 基于双目视觉和反向模型重构的零件表面图案检测方法 | |
CN115555648A (zh) | 一种数控切割方法、系统、设备及介质 | |
CN113977160B (zh) | 一种基于三维视觉的焊枪位姿规划方法及系统 | |
CN105991912A (zh) | 一种在摄像模组自动调心过程中识别特征对象的方法 | |
CN105425724A (zh) | 一种基于机器视觉扫描成像的高精度运动定位方法及装置 | |
JPH07103715A (ja) | 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置 | |
CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN110458951B (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
CN115908562A (zh) | 一种异面点合作标志器及测量方法 | |
CN114485479B (zh) | 基于双目相机和惯性导航的结构光扫描测量方法及系统 | |
CN113506347B (zh) | 一种基于单幅照片的相机内参处理方法及系统 | |
CN110969661A (zh) | 图像处理装置及方法、位置标定系统及方法 |
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 |