CN115625435A - 智能识别切割方法、装置及系统 - Google Patents
智能识别切割方法、装置及系统 Download PDFInfo
- Publication number
- CN115625435A CN115625435A CN202211417400.3A CN202211417400A CN115625435A CN 115625435 A CN115625435 A CN 115625435A CN 202211417400 A CN202211417400 A CN 202211417400A CN 115625435 A CN115625435 A CN 115625435A
- Authority
- CN
- China
- Prior art keywords
- cutting path
- cloth
- path diagram
- target cutting
- reference image
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010586 diagram Methods 0.000 claims abstract description 116
- 239000004744 fabric Substances 0.000 claims abstract description 90
- 238000003384 imaging method Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 54
- 230000009466 transformation Effects 0.000 claims description 43
- 238000000605 extraction Methods 0.000 claims description 35
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000003698 laser cutting Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/38—Removing material by boring or cutting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/40—Removing material taking account of the properties of the material involved
- B23K26/402—Removing material taking account of the properties of the material involved involving non-metallic material, e.g. isolators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种智能识别切割方法、装置及系统,涉及布料切割技术领域;所述智能识别切割方法包括:驱动投影设备根据预设规则在上料区上投影基准网格;驱动移动设备将所述布料由所述上料区移动至成像区;驱动拍摄设备拍摄所述成像区内的布料图像集;获取所述拍摄设备所拍摄的所述布料图像集;将所述布料图像集拼合成基准图像;根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸;驱动所述投影设备根据所述投影尺寸将所述目标切割路径图投影至所述布料上;驱动切割设备根据所述目标切割路径图切割所述布料。采用本发明,可实现自动扫描成像,自动匹配目标切割路径图,自动寻边切割裁剪,减少大量的人工识别匹配动作。
Description
技术领域
本发明涉及布料切割技术领域,尤其涉及一种智能识别切割方法、装置及系统。
背景技术
近年来,激光技术在科学研究、机械制造、材料加工、能源和医疗器械等各行各业中得到了迅速的发展与应用;其中,激光切割技术以其环保的工艺过程、无接触性、工件变形小以及切缝窄等优点,在工业领域得了广泛应用,是激光技术中发展最快和发展最广的技术;它为传统的机械制造行业提供了改造创新的技术,创造了新的发展机遇和前景。
随着生产技术水平的不断提高,对激光切割的质量要求也不可避免地提高,同时随着计算机视觉技术的不断发展,计算机视觉也在诸多领域得到了一定的应用;目前,激光切割结合视觉的应用并不多,激光切割设备中的视觉应用将使激光切割更加自动化,因此,利用计算机视觉中的图像识别技术,实现激光切割行业的高效、快速识别具有十分重要的意义。
现有的大幅面多目标视觉识别激光切割系统在识别过程中存在着实时性差,目标识别率低,甚至出现无法识别的问题。
发明内容
本发明所要解决的技术问题在于,提供一种智能识别切割方法、智能识别装置及智能识别切割系统,精确度高,可减少大量的人工识别匹配动作。
为了解决上述技术问题,本发明提供了一种智能识别切割方法,包括:驱动投影设备根据预设规则在上料区上投影基准网格,以使布料铺设于所述上料区的基准网格内时,所述布料与所述基准网格一一对应;驱动移动设备将所述布料由所述上料区移动至成像区;驱动拍摄设备拍摄所述成像区内的布料图像集;获取所述拍摄设备所拍摄的所述布料图像集;将所述布料图像集拼合成基准图像;根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸;驱动所述投影设备根据所述投影尺寸将所述目标切割路径图投影至所述布料上;驱动切割设备根据所述目标切割路径图切割所述布料。
作为上述方案的改进,所述根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸的步骤包括:提取所述基准图像及所有预设的切割路径图的特征信息,所述特征信息包括边界轮廓特征、几何特征及纹理特征中的任意一种或几种;根据所述特征信息,将与所述基准图像相似度最高的切割路径图作为目标切割路径图;提取所述基准图像的基准轮廓点及所述目标切割路径图的路径轮廓点;根据所述基准轮廓点及路径轮廓点对所述目标切割路径图进行仿射变换,以调整所述目标切割路径图的投影尺寸。
作为上述方案的改进,所述提取所述基准图像及所有预设的切割路径图的特征信息的步骤包括:分别在所述基准图像及所有预设的切割路径图中提取花型轮廓;提取所述花型轮廓的边界轮廓特征;提取所述花型轮廓的几何特征,所述几何特征包括纵横轴比、圆形度、面积凹凸比及矩形度;提取所述花型轮廓内部的纹理特征,所述纹理特征包括角二阶矩的均值、角二阶矩的标准差、对比度的均值、对比度的标准差及熵的均值。
作为上述方案的改进,所述根据所述基准轮廓点及路径轮廓点对所述目标切割路径图进行仿射变换,以调整所述目标切割路径图的投影尺寸的步骤包括:
构建所述基准图像与目标切割路径图之间的仿射变换矩阵,所述仿射变换矩阵为:
其中,x’为所述目标切割路径图的x轴坐标,y’为所述目标切割路径图的y轴坐标,x为所述基准图像的x轴坐标,y为所述基准图像的y轴坐标,A2×2为所述基准图像与目标切割路径图之间的线性变换矩阵,T2×1为所述基准图像与目标切割路径图之间的平移变换矩阵;
根据所述基准轮廓点及路径轮廓点求解所述仿射变换矩阵;
根据求解后的所述仿射变换矩阵,调整所述切割路径图的投影尺寸。
作为上述方案的改进,所述路径轮廓点根据工艺要求及布料特征预先设置。
作为上述方案的改进,所述切割路径图为CAD图。
相应地,本发明还提供了一种智能识别装置,包括:移动驱动模块,用于驱动移动设备将布料由上料区移动至成像区;拍摄驱动模块,用于驱动拍摄设备拍摄所述成像区内的布料图像集;获取模块,用于获取所述拍摄设备所拍摄的所述布料图像集;图像拼合模块,用于将所述布料图像集拼合成基准图像;路径提取模块,用于根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸;投影驱动模块,用于驱动投影设备根据预设规则在上料区上投影基准网格,还用于驱动所述投影设备根据所述投影尺寸将所述目标切割路径图投影至所述布料上;切割驱动模块,用于驱动切割设备根据所述目标切割路径图切割所述布料。
作为上述方案的改进,所述路径提取模块包括:特征提取单元,用于提取所述基准图像及所有预设的切割路径图的特征信息,所述特征信息包括边界轮廓特征、几何特征及纹理特征中的任意一种或几种;路径图提取单元,用于根据所述特征信息,将与所述基准图像相似度最高的切割路径图作为目标切割路径图; 轮廓点提取单元,用于提取所述基准图像的基准轮廓点及所述目标切割路径图的路径轮廓点;尺寸调整单元,用于根据所述基准轮廓点及路径轮廓点对所述目标切割路径图进行仿射变换,以调整所述目标切割路径图的投影尺寸。
作为上述方案的改进,所述特征提取单元包括:轮廓提取子单元,用于在所述基准图像及所有预设的切割路径图中提取花型轮廓;边界提取子单元,用于提取所述花型轮廓的边界轮廓特征;几何提取子单元,用于提取所述花型轮廓的几何特征,所述几何特征包括纵横轴比、圆形度、面积凹凸比及矩形度;纹理提取子单元,用于提取所述花型轮廓内部的纹理特征,所述纹理特征包括角二阶矩的均值、角二阶矩的标准差、对比度的均值、对比度的标准差及熵的均值。
相应地,本发明还提供了一种智能识别切割系统,包括:投影设备,用于根据预设规则在上料区上投影基准网格,并根据投影尺寸将目标切割路径图投影至布料上;移动设备,用于将布料由上料区移动至成像区;拍摄设备,用于拍摄所述成像区内的布料图像集;切割设备,用于根据目标切割路径图切割布料;上述智能识别装置。
通过本发明可实现印花布料的蕾丝对位、对条对格及裁片精修。具体地:
本发明利用投影设备自动投影基准网格,便于操作员铺设布料,操作方便;本发明还利用投影设备自动投影目标切割路径图,便于操作员实时观测切割路径,直观性强;
本发明利用拍摄设备实现自动扫描成像,操作方便,准确度高;
本发明还利用特征提取的方式实现图像的自动识别,从而自动匹配目标切割路径图,实现寻边切割裁剪,减少大量的人工识别匹配动作。
附图说明
图1是本发明智能识别切割方法的实施例流程图;
图2是本发明智能识别切割系统的结构示意图;
图3是本发明智能识别切割系统的另一视角的结构示意图;
图4是本发明智能识别装置的结构示意图;
图5是本发明智能识别装置中路径提取模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
参见图1,图1显示了本发明智能识别切割方法的实施例流程图,其包括:
S101,驱动投影设备根据预设规则在上料区上投影基准网格;
参见图2及图3,投影设备5在上料区A上投影出基准网格后,操作员可根据基准网格在上料区A铺设布料,并保证布料铺设于上料区A的基准网格内,不可摆放在基准网格线上,且布料不可褶皱、不可放置过于紧凑、布料与基准网格一一对应;
S102,驱动移动设备3将布料由上料区A移动至成像区B(参见图2及图3);
S103,驱动拍摄设备拍摄成像区内的布料图像集;
布料图像集包括至少一张图像。需要说明的是,拍摄设备可以为多个,其分布于成像区域的上方,用于实现对成像区域的分区拍摄;每一拍摄设备分别针对对应的拍摄区域,拍摄一张图像;所有拍摄设备的所有图像即可组成布料图像集。
S104,获取拍摄设备所拍摄的布料图像集;
S105,将布料图像集拼合成基准图像;
也就是说,将多张图像拼合成一幅基准图像。
S106,根据基准图像提取目标切割路径图,并调整目标切割路径图的投影尺寸;
具体地,根据基准图像提取目标切割路径图,并调整目标切割路径图的投影尺寸的步骤包括:
(1)提取基准图像及所有预设的切割路径图的特征信息;
优选地,切割路径图为CAD图,并预存于CAD数据库内。同时,特征信息包括边界轮廓特征、几何特征及纹理特征中的任意一种或几种,可根据实际情况进行调整。
具体地,提取基准图像及所有预设的切割路径图的特征信息的步骤包括:
1.1分别在基准图像及所有预设的切割路径图中提取花型轮廓;
需要说明的是,本发明中可采用Live Wire交互式图像分割算法提取花型轮廓,其原理如下:
将待分割的图像(即基准图像及切割路径图)作为一个加权有向图,通过定义两个像素(节点)间的代价函数计算它们之间的代价值,然后在待分割部位人工设定起始点和第一个终止点,最后通过最短路径搜索的方法(Dijkstra算法)来找到两个点的最短距离,这个最短距离即是目标边界;定义局部代价函数:
l(p,q)=ωG·fG(q)+ωZ·fZ(q)+ωD·fD(q)
其中:
p、q 为一对相邻像素;
ωG为fG(q)的加权系数;
ωZ为fZ(q)的加权系数;
ωD为fD(q)的加权系数;
fG(q)为像素q处的梯度幅值;
fZ(q)为用二值边缘特征(0和1)进行边缘定位的拉普拉斯0交叉点;
fD(q)为光滑度约束函数,其反应了相邻两像素在梯度方向上变化剧烈程度。
fD(q)=(2/3π){cos[D(p)|p-q|]-1+cos[D(q)|p-q|]-1}
其中:
G为像素梯度幅值;
G(q)为q处的梯度幅值;
Ix为q在x方向的梯度分量;
Iy为q在y方向的梯度分量;
L(q)为像素q的拉普拉斯值;
D(q)为像素q处梯度的单位法向量;
D(p)为像素p处梯度的单位法向量。
1.2提取花型轮廓的边界轮廓特征;
提取出花型轮廓之后,首先提取花型轮廓的边界轮廓特征。
傅立叶描述子是物体边界轮廓曲线的傅立叶变换系数,具有很好的图型轮廓描述能力。它的基本思想是: 将目标轮廓看成一个复平面,选取花型轮廓曲线上任意一点作为起始点,沿着轮廓曲线逆时针运动一周的复函数为:
p(l)=xm(l)+jym(l)
其中,l为花型轮廓曲线上的所有点,l=0,1,…n-1,n;xm为复数序列的实轴,ym为复数序列的虚轴,j为虚轴的系数。
上述复函数可以用一维傅立叶变换系数z(k)表示,z(k)即傅立叶描述子:
其中,n为花型轮廓曲线上点的数量,n可根据实际情形进行预设。
未经归一化处理的傅立叶描述子z(k)与花型轮廓的方向及轮廓上起始点位置有关,而归一化的傅立叶描述子具有旋转不变性且鲁棒的特点,因此将z(k)进行归一化处理。将起始点移动a,物体面积扩大r倍,旋转θ,移动( x0,y0 ) 后,得到新的傅立叶变换系数为:
其中,i为变换后的虚轴系数,xm'为变换后的实轴,ym'为变换后的虚轴。
将l的值代入z'(k)中,可得z'(l),即:
从而定义新的傅立叶描述子为:
d(k)=||z(k)||/||z(l)||,k=1,2,…,n-1
选取前12阶频谱分量作为花型轮廓的傅立叶描述子。
1.3提取花型轮廓的几何特征;
几何特征包括纵横轴比、圆形度、面积凹凸比及矩形度;其中,纵横轴比为花型轮廓的最小外接矩形的长宽比,圆形度为花型轮廓的内切圆半径与外接圆半径比,面积凹凸比为花型轮廓的面积与凸包面积比,矩形度为花型轮廓的面积与其最小外接矩形面积比。
1.4提取花型轮廓内部的纹理特征;
灰度共生矩阵可通过计算像素对之间的灰度相关性来表征图像内部纹理复杂程度。具体地,可选角二阶矩的均值、角二阶矩的标准差、对比度的均值、对比度的标准差及熵的均值这5 个特征量作为纹理特征。
其中:
相关度fcor,用于度量空间灰度共生矩阵元素在行或列方向上的相似程度,因此,相关度的大小反映了图像中局部灰度相关性;当矩阵元素值均匀相等时,相关度就大;相反,如果矩阵像元值相差很大则相关度小;
其中,N为Pi,j的行数或列数,fmean_r为灰度矩阵行的均值,fvar_r为灰度矩阵行的方差,fmean_c为灰度矩阵列的均值,fvar_c为灰度矩阵列的方差;Pi,j表示灰度共生矩阵,它是一个L×L的矩阵(L为灰度级,就是一幅图中包含的不同灰度或者颜色的个数,为了降低计算量且不影响识别率,将灰度级量化为128),是具有空间位置关系且灰度分别为i和j的两个像素出现的次数或频率(归一化)。
角二阶矩fasm:
熵fent,度量了图像包含的随机性,表现了图像的复杂程度;当共生矩阵所有值均相等或像素值表现出最大的随机性时,熵最大;
对比度fcon,反应了图像的清晰度和纹理的沟纹深浅. 纹理越清晰反差越大,对比度也就越大;
(2)根据特征信息,将与基准图像相似度最高的切割路径图作为目标切割路径图;
每种特征信息均可通过相似性度量来反映两幅图像(即基准图像及切割路径图)之间的相似程度。本发明使用欧氏距离表示基准图像与切割路径图之间的相似度。
通过利用相似度度量,匹配CAD数据库内的切割路径图,选出相似度最高的切割路径图,即为该基准图像的目标切割路径图。
(3)提取基准图像的基准轮廓点及目标切割路径图的路径轮廓点;
其中,基准图像的基准轮廓点优选为基准图像的角点,而目标切割路径图的路径轮廓点由技术人员根据工艺要求及布料特征进行预先设置。
(4)根据基准轮廓点及路径轮廓点对目标切割路径图进行仿射变换,以调整目标切割路径图的投影尺寸。
具体地,根据基准轮廓点及路径轮廓点对目标切割路径图进行仿射变换,以调整目标切割路径图的投影尺寸的步骤包括:
4.1构建基准图像与目标切割路径图之间的仿射变换矩阵;
由于布料铺料后,会发生变形,因此需计算基准图像与目标切割路径图之间的仿射变换矩阵,使目标切割路径图适应布料的实际变形。具体的仿射变换矩阵为:
其中,
x’为目标切割路径图的x轴坐标,y’为目标切割路径图的y轴坐标;
x为基准图像的x轴坐标,y为基准图像的y轴坐标;
A2×2为2×2矩阵,是基准图像与目标切割路径图之间的线性变换矩阵;
T2×1为2×1矩阵,是基准图像与目标切割路径图之间的平移变换矩阵;
4.2根据基准轮廓点及路径轮廓点求解仿射变换矩阵;
4.3根据求解后的仿射变换矩阵,调整切割路径图的投影尺寸。
代入基准图像的基准轮廓点及目标切割路径图的路径轮廓点即可求解仿射变换矩阵。相应地,对目标切割路径图中的全部点均应用仿射变换矩阵进行变换处理,即可得出变换后的目标切割路径图并投影至布料上。
S107,驱动投影设备根据投影尺寸将目标切割路径图投影至布料上;
S108,驱动切割设备根据目标切割路径图切割布料。
因此,通过本发明可实现印花布料的蕾丝对位、对条对格及裁片精修。具体地:本发明利用拍摄设备实现自动扫描成像,操作方便,准确度高;同时,本发明还利用特征提取的方式实现图像的自动识别,从而自动匹配目标切割路径图,实现寻边切割裁剪,减少大量的人工识别匹配动作。
参见图2及图3,图2及图3显示了本发明智能识别切割系统的具体结构,其包括智能识别装置1、机床2、设于机床2上的移动设备3及切割设备4、设于机床2上方的投影设备5、拍摄设备6,具体地:设于上料区A上方的投影设备5用于根据预设规则在上料区A上投影基准网格,设于拍摄成像区B上方的投影设备5用于根据投影尺寸将目标切割路径图投影至布料上;移动设备3用于将布料由上料区A移动至成像区B;拍摄设备6用于拍摄成像区B内的布料图像集;切割设备4用于根据目标切割路径图切割布料。
如图4所示,智能识别装置1执行时实现上述智能识别切割方法的步骤,其具体包括:
移动驱动模块11,用于驱动移动设备3将布料由上料区A移动至成像区B;
拍摄驱动模块12,用于驱动拍摄设备6拍摄成像区B内的布料图像集;
获取模块13,用于获取拍摄设备6所拍摄的布料图像集;
图像拼合模块14,用于将布料图像集拼合成基准图像;
路径提取模块15,用于根据基准图像提取目标切割路径图,并调整目标切割路径图的投影尺寸;
投影驱动模块16,用于驱动投影设备5根据预设规则在上料区A上投影基准网格,还用于驱动投影设备5根据投影尺寸将目标切割路径图投影至布料上;
切割驱动模块17,用于驱动切割设备4根据目标切割路径图切割布料。
工作时,投影驱动模块16驱动投影设备5根据预设规则在上料区A上投影基准网格;然后,操作员根据基准网格在上料区A铺设布料,并保证布料铺设于上料区A的基准网格内;接着,移动驱动模块11驱动移动设备3将布料由上料区A移动至成像区B;随后,拍摄驱动模块12驱动拍摄设备6拍摄成像区B内的布料图像集,并将布料图像集发送至获取模块13;获取模块13获取到拍摄设备6所拍摄的布料图像集后,图像拼合模块14将布料图像集拼合成基准图像,再由路径提取模块15根据基准图像提取目标切割路径图,并调整目标切割路径图的投影尺寸;接着,投影驱动模块16驱动投影设备5根据投影尺寸将目标切割路径图投影至布料上;最后,切割驱动模块17驱动切割设备4根据目标切割路径图切割布料,从而实现布料的智能识别切割,精确度高,可有效减少大量的人工识别匹配动作。
如图5所示,路径提取模块15包括特征提取单元151、路径图提取单元152、轮廓点提取单元153及尺寸调整单元154,具体地:
特征提取单元151用于提取基准图像及所有预设的切割路径图的特征信息。优选地,切割路径图为CAD图,并预存于CAD数据库内。同时,特征信息包括边界轮廓特征、几何特征及纹理特征中的任意一种或几种,可根据实际情况进行调整。
路径图提取单元152用于根据特征信息,将与基准图像相似度最高的切割路径图作为目标切割路径图。每种特征信息均可通过相似性度量来反映两幅图像(即基准图像及切割路径图)之间的相似程度;本发明使用欧氏距离表示基准图像与切割路径图之间的相似度;通过利用相似度度量,匹配CAD数据库内的切割路径图,选出相似度最高的切割路径图,即为该基准图像的目标切割路径图。
轮廓点提取单元153用于提取基准图像的基准轮廓点及目标切割路径图的路径轮廓点。其中,目标切割路径图的路径轮廓点由技术人员根据工艺要求及布料特征进行预先设置。
尺寸调整单元154用于根据基准轮廓点及路径轮廓点对目标切割路径图进行仿射变换,以调整目标切割路径图的投影尺寸。
进一步,特征提取单元151包括轮廓提取子单元、边界提取子单元、几何提取子单元及纹理提取子单元,具体地:
轮廓提取子单元用于在基准图像及所有预设的切割路径图中提取花型轮廓;需要说明的是,本发明中可采用Live Wire交互式图像分割算法提取花型轮廓。
边界提取子单元用于提取花型轮廓的边界轮廓特征;提取出花型轮廓之后,可通过傅立叶描述子描述花型轮廓的边界轮廓特征。
几何提取子单元用于提取花型轮廓的几何特征;几何特征包括纵横轴比、圆形度、面积凹凸比及矩形度;其中,纵横轴比为花型轮廓的最小外接矩形的长宽比,圆形度为花型轮廓的内切圆半径与外接圆半径比,面积凹凸比为花型轮廓的面积与凸包面积比,矩形度为花型轮廓的面积与其最小外接矩形面积比。
纹理提取子单元用于提取花型轮廓内部的纹理特征;需要说明的是,灰度共生矩阵可通过计算像素对之间的灰度相关性来表征图像内部纹理复杂程度。具体地,可选角二阶矩的均值、角二阶矩的标准差、对比度的均值、对比度的标准差及熵的均值这5 个特征量作为纹理特征。
相应地,尺寸调整单元154包括矩阵构建子单元、矩阵计算子单元及尺寸调整子单元,具体地:
矩阵构建子单元用于构建基准图像与目标切割路径图之间的仿射变换矩阵;由于布料铺料后,会发生变形,因此需计算基准图像与目标切割路径图之间的仿射变换矩阵,使目标切割路径图适应布料的实际变形。具体的仿射变换矩阵为:
其中,
x’为目标切割路径图的x轴坐标,y’为目标切割路径图的y轴坐标;
x为基准图像的x轴坐标,y为基准图像的y轴坐标;
A2×2为2×2矩阵,是基准图像与目标切割路径图之间的线性变换矩阵;
T2×1为2×1矩阵,是基准图像与目标切割路径图之间的平移变换矩阵。
矩阵计算子单元,用于根据基准轮廓点及路径轮廓点求解仿射变换矩阵;
尺寸调整子单元,用于根据求解后的仿射变换矩阵,调整切割路径图的投影尺寸。
需要说明的是,代入基准图像的基准轮廓点及目标切割路径图的路径轮廓点即可求解仿射变换矩阵。相应地,对目标切割路径图中的全部点均应用仿射变换矩阵进行变换处理,即可得出变换后的目标切割路径图并投影至布料上。
综上所述,本发明具有以下有益效果:
本发明利用投影设备5自动投影基准网格,便于操作员铺设布料,操作方便;本发明还利用投影设备5自动投影目标切割路径图,便于操作员实时观测切割路径,直观性强;
本发明利用拍摄设备6实现自动扫描成像,操作方便,准确度高;
本发明还利用特征提取的方式实现图像的自动识别,从而自动匹配目标切割路径图,实现寻边切割裁剪,减少大量的人工识别匹配动作。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种智能识别切割方法,其特征在于,包括:
驱动投影设备根据预设规则在上料区上投影基准网格,以使布料铺设于所述上料区的基准网格内时,所述布料与所述基准网格一一对应;
驱动移动设备将所述布料由所述上料区移动至成像区;
驱动拍摄设备拍摄所述成像区内的布料图像集;
获取所述拍摄设备所拍摄的所述布料图像集;
将所述布料图像集拼合成基准图像;
根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸;
驱动所述投影设备根据所述投影尺寸将所述目标切割路径图投影至所述布料上;
驱动切割设备根据所述目标切割路径图切割所述布料。
2.如权利要求1所述的智能识别切割方法,其特征在于,所述根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸的步骤包括:
提取所述基准图像及所有预设的切割路径图的特征信息,所述特征信息包括边界轮廓特征、几何特征及纹理特征中的任意一种或几种;
根据所述特征信息,将与所述基准图像相似度最高的切割路径图作为目标切割路径图;
提取所述基准图像的基准轮廓点及所述目标切割路径图的路径轮廓点;
根据所述基准轮廓点及路径轮廓点对所述目标切割路径图进行仿射变换,以调整所述目标切割路径图的投影尺寸。
3.如权利要求2所述的智能识别切割方法,其特征在于,所述提取所述基准图像及所有预设的切割路径图的特征信息的步骤包括:
分别在所述基准图像及所有预设的切割路径图中提取花型轮廓;
提取所述花型轮廓的边界轮廓特征;
提取所述花型轮廓的几何特征,所述几何特征包括纵横轴比、圆形度、面积凹凸比及矩形度;
提取所述花型轮廓内部的纹理特征,所述纹理特征包括角二阶矩的均值、角二阶矩的标准差、对比度的均值、对比度的标准差及熵的均值。
4.如权利要求2所述的智能识别切割方法,其特征在于,所述根据所述基准轮廓点及路径轮廓点对所述目标切割路径图进行仿射变换,以调整所述目标切割路径图的投影尺寸的步骤包括:
构建所述基准图像与目标切割路径图之间的仿射变换矩阵,所述仿射变换矩阵为:
其中,x’为所述目标切割路径图的x轴坐标,y’为所述目标切割路径图的y轴坐标,x为所述基准图像的x轴坐标,y为所述基准图像的y轴坐标,A2×2为所述基准图像与目标切割路径图之间的线性变换矩阵,T2×1为所述基准图像与目标切割路径图之间的平移变换矩阵;
根据所述基准轮廓点及路径轮廓点求解所述仿射变换矩阵;
根据求解后的所述仿射变换矩阵,调整所述切割路径图的投影尺寸。
5.如权利要求2所述的智能识别切割方法,其特征在于,所述路径轮廓点根据工艺要求及布料特征预先设置。
6.如权利要求2所述的智能识别切割方法,其特征在于,所述切割路径图为CAD图。
7.一种智能识别装置,其特征在于,包括:
移动驱动模块,用于驱动移动设备将布料由上料区移动至成像区;
拍摄驱动模块,用于驱动拍摄设备拍摄所述成像区内的布料图像集;
获取模块,用于获取所述拍摄设备所拍摄的所述布料图像集;
图像拼合模块,用于将所述布料图像集拼合成基准图像;
路径提取模块,用于根据所述基准图像提取目标切割路径图,并调整所述目标切割路径图的投影尺寸;
投影驱动模块,用于驱动投影设备根据预设规则在上料区上投影基准网格,还用于驱动所述投影设备根据所述投影尺寸将所述目标切割路径图投影至所述布料上;
切割驱动模块,用于驱动切割设备根据所述目标切割路径图切割所述布料。
8.如权利要求7所述的智能识别装置,其特征在于,所述路径提取模块包括:
特征提取单元,用于提取所述基准图像及所有预设的切割路径图的特征信息,所述特征信息包括边界轮廓特征、几何特征及纹理特征中的任意一种或几种;
路径图提取单元,用于根据所述特征信息,将与所述基准图像相似度最高的切割路径图作为目标切割路径图;
轮廓点提取单元,用于提取所述基准图像的基准轮廓点及所述目标切割路径图的路径轮廓点;
尺寸调整单元,用于根据所述基准轮廓点及路径轮廓点对所述目标切割路径图进行仿射变换,以调整所述目标切割路径图的投影尺寸。
9.如权利要求8所述的智能识别装置,其特征在于,所述特征提取单元包括:
轮廓提取子单元,用于在所述基准图像及所有预设的切割路径图中提取花型轮廓;
边界提取子单元,用于提取所述花型轮廓的边界轮廓特征;
几何提取子单元,用于提取所述花型轮廓的几何特征,所述几何特征包括纵横轴比、圆形度、面积凹凸比及矩形度;
纹理提取子单元,用于提取所述花型轮廓内部的纹理特征,所述纹理特征包括角二阶矩的均值、角二阶矩的标准差、对比度的均值、对比度的标准差及熵的均值。
10.一种智能识别切割系统,其特征在于,包括:
如权利要求7~9任一项所述的智能识别装置;
投影设备,用于根据预设规则在上料区上投影基准网格,并根据投影尺寸将目标切割路径图投影至布料上;
移动设备,用于将布料由上料区移动至成像区;
拍摄设备,用于拍摄所述成像区内的布料图像集;
切割设备,用于根据目标切割路径图切割布料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211417400.3A CN115625435B (zh) | 2022-11-14 | 2022-11-14 | 智能识别切割方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211417400.3A CN115625435B (zh) | 2022-11-14 | 2022-11-14 | 智能识别切割方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115625435A true CN115625435A (zh) | 2023-01-20 |
CN115625435B CN115625435B (zh) | 2023-05-26 |
Family
ID=84910088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211417400.3A Active CN115625435B (zh) | 2022-11-14 | 2022-11-14 | 智能识别切割方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115625435B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116512340A (zh) * | 2023-05-04 | 2023-08-01 | 广州东融手袋制品有限公司 | 一种用于数控剪裁的智能控制方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314676A (zh) * | 2010-07-05 | 2012-01-11 | 汉王科技股份有限公司 | 用于电池板的图像拼接方法 |
CN104923923A (zh) * | 2015-03-19 | 2015-09-23 | 上海咔咻智能科技有限公司 | 一种基于大幅面视觉引导和变形矫正的激光定位切割系统 |
CN105654421A (zh) * | 2015-12-21 | 2016-06-08 | 西安电子科技大学 | 基于变换不变低秩纹理的投影变换图像匹配方法 |
CN107268259A (zh) * | 2017-08-08 | 2017-10-20 | 广东溢达纺织有限公司 | 裁片对条格自动裁割方法 |
CN108269251A (zh) * | 2017-12-28 | 2018-07-10 | 上海咔咻智能科技有限公司 | 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质 |
CN108465946A (zh) * | 2018-04-02 | 2018-08-31 | 青岛布雷斯塔信息科技发展有限公司 | 一种宽幅多功能激光机的切割拼接方法 |
CN109525762A (zh) * | 2018-12-05 | 2019-03-26 | 深圳英微智能科技有限公司 | 大幅面图像获取方法及设备 |
CN109782688A (zh) * | 2018-11-27 | 2019-05-21 | 佛山市奥策科技有限公司 | 一种织物自动分割成像方法及装置 |
CN111709876A (zh) * | 2020-04-20 | 2020-09-25 | 中国科学院空天信息创新研究院 | 一种图像拼接的方法及装置、设备、存储介质 |
CN112388182A (zh) * | 2019-07-19 | 2021-02-23 | 东莞理工学院 | 一种激光切割扫描系统的工作方法 |
CN112907527A (zh) * | 2021-02-07 | 2021-06-04 | 电子科技大学 | 一种针对大尺寸曲面试件的红外热成像拼接检测方法 |
CN113660473A (zh) * | 2021-07-07 | 2021-11-16 | 深圳市睿达科技有限公司 | 一种基于投影仪的辅助定位方法 |
CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能系统股份有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN114998106A (zh) * | 2022-06-06 | 2022-09-02 | 华南农业大学 | 一种显微子图像拼接方法及其大批量图像的拼接方法 |
-
2022
- 2022-11-14 CN CN202211417400.3A patent/CN115625435B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314676A (zh) * | 2010-07-05 | 2012-01-11 | 汉王科技股份有限公司 | 用于电池板的图像拼接方法 |
CN104923923A (zh) * | 2015-03-19 | 2015-09-23 | 上海咔咻智能科技有限公司 | 一种基于大幅面视觉引导和变形矫正的激光定位切割系统 |
CN105654421A (zh) * | 2015-12-21 | 2016-06-08 | 西安电子科技大学 | 基于变换不变低秩纹理的投影变换图像匹配方法 |
CN107268259A (zh) * | 2017-08-08 | 2017-10-20 | 广东溢达纺织有限公司 | 裁片对条格自动裁割方法 |
CN108269251A (zh) * | 2017-12-28 | 2018-07-10 | 上海咔咻智能科技有限公司 | 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质 |
CN108465946A (zh) * | 2018-04-02 | 2018-08-31 | 青岛布雷斯塔信息科技发展有限公司 | 一种宽幅多功能激光机的切割拼接方法 |
CN109782688A (zh) * | 2018-11-27 | 2019-05-21 | 佛山市奥策科技有限公司 | 一种织物自动分割成像方法及装置 |
CN109525762A (zh) * | 2018-12-05 | 2019-03-26 | 深圳英微智能科技有限公司 | 大幅面图像获取方法及设备 |
CN112388182A (zh) * | 2019-07-19 | 2021-02-23 | 东莞理工学院 | 一种激光切割扫描系统的工作方法 |
CN111709876A (zh) * | 2020-04-20 | 2020-09-25 | 中国科学院空天信息创新研究院 | 一种图像拼接的方法及装置、设备、存储介质 |
CN112907527A (zh) * | 2021-02-07 | 2021-06-04 | 电子科技大学 | 一种针对大尺寸曲面试件的红外热成像拼接检测方法 |
CN113660473A (zh) * | 2021-07-07 | 2021-11-16 | 深圳市睿达科技有限公司 | 一种基于投影仪的辅助定位方法 |
CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能系统股份有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN114998106A (zh) * | 2022-06-06 | 2022-09-02 | 华南农业大学 | 一种显微子图像拼接方法及其大批量图像的拼接方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116512340A (zh) * | 2023-05-04 | 2023-08-01 | 广州东融手袋制品有限公司 | 一种用于数控剪裁的智能控制方法及系统 |
CN116512340B (zh) * | 2023-05-04 | 2023-11-03 | 广州东融手袋制品有限公司 | 一种用于数控剪裁的智能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115625435B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2680765C1 (ru) | Автоматизированное определение и обрезка неоднозначного контура документа на изображении | |
KR101007276B1 (ko) | 3차원 안면 인식 | |
US8379014B2 (en) | System and method for 3D object recognition | |
CN109961399B (zh) | 基于图像距离变换的最佳缝合线搜寻方法 | |
CN111401266B (zh) | 绘本角点定位的方法、设备、计算机设备和可读存储介质 | |
CN111523545B (zh) | 一种结合深度信息的物品查找方法 | |
CN105654421B (zh) | 基于变换不变低秩纹理的投影变换图像匹配方法 | |
Urban et al. | Finding a good feature detector-descriptor combination for the 2D keypoint-based registration of TLS point clouds | |
CN112734832B (zh) | 一种即时获得线上物体实际尺寸测量方法 | |
CN111695431A (zh) | 一种人脸识别方法、装置、终端设备及存储介质 | |
CN115625435B (zh) | 智能识别切割方法、装置及系统 | |
CN114331995A (zh) | 一种基于改进2d-icp的多模板匹配实时定位方法 | |
CN113393524A (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
CN110503051B (zh) | 一种基于图像识别技术的珍贵木材识别系统及方法 | |
CN112950528A (zh) | 证件姿态确定方法、模型训练方法、装置、服务器及介质 | |
CN113642397A (zh) | 一种基于手机视频的物体长度测量方法 | |
US11080920B2 (en) | Method of displaying an object | |
CN111047513B (zh) | 一种用于柱面全景拼接的鲁棒性图像对齐方法及装置 | |
CN111179271A (zh) | 一种基于检索匹配的物体角度信息标注方法及电子设备 | |
CN111626307A (zh) | 一种基于l-orb算法的植株图像实时拼接方法 | |
CN116206320A (zh) | 图纸特征与数字匹配的方法、系统、设备及介质 | |
CN112734916B (zh) | 基于图像处理的彩色共聚焦并行测量三维形貌还原方法 | |
CN115410014A (zh) | 一种鱼眼图像的自监督特征点匹配方法及其存储介质 | |
Tang et al. | An SIFT-Based Fast Image Alignment Algorithm for High-Resolution Image | |
Zhu et al. | Efficient stitching method of tiled scanned microelectronic images |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Intelligent recognition of cutting methods, devices, and systems Granted publication date: 20230526 Pledgee: Bank of China Limited Foshan Nanhai Sub branch Pledgor: GUANGDONG RUIZHOU TECHNOLOGY Co.,Ltd. Registration number: Y2024980015897 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |