CN115631347B - 板材排样方法、设备和存储介质 - Google Patents

板材排样方法、设备和存储介质 Download PDF

Info

Publication number
CN115631347B
CN115631347B CN202211644877.5A CN202211644877A CN115631347B CN 115631347 B CN115631347 B CN 115631347B CN 202211644877 A CN202211644877 A CN 202211644877A CN 115631347 B CN115631347 B CN 115631347B
Authority
CN
China
Prior art keywords
pattern
convex hull
layout
point
points
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
Application number
CN202211644877.5A
Other languages
English (en)
Other versions
CN115631347A (zh
Inventor
阴雷鸣
冯斌
张胜帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Bodor Laser Co Ltd
Original Assignee
Jinan Bodor Laser Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Bodor Laser Co Ltd filed Critical Jinan Bodor Laser Co Ltd
Priority to CN202211644877.5A priority Critical patent/CN115631347B/zh
Publication of CN115631347A publication Critical patent/CN115631347A/zh
Application granted granted Critical
Publication of CN115631347B publication Critical patent/CN115631347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Factory Administration (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请属于程序控制技术领域，具体涉及一种板材排样方法、设备和存储介质，其中的方法包括：S1、针对目标零件对应的每个待排样图形，获取待排样图形的轮廓信息，基于轮廓信息得到待排样图形的外轮廓信息；S2、基于外轮廓信息，得到待排样图形的轨迹点信息；S3、基于待排样图形的轨迹点信息，确定轨迹点的最小凸包络矩形；S4、基于预先建立的排样坐标系，确定最小凸包络矩形与排样坐标系中x轴的夹角角度；S5、基于确定的夹角角度，将目标零件对应的待排样图形向x轴方向旋转夹角角度；S6、基于目标零件旋转后的待排样图形在板材中进行排样。通过本申请的板材处理方法不仅能有效提高板材利用率，还能缩短排样时间，提升排样效率。

Description

板材排样方法、设备和存储介质
技术领域
本申请属于程序控制技术领域，具体涉及一种板材排样方法。
背景技术
制造业在生产过程中需要通过排样确定切割下料方案，然后按照一切割下料方案将原材料切割成所需的坯料，再对坯料进行机械加工。因此，如何确定下料方案，提高原料利用率，是企业非常关注的问题。
目前,在实际的工程应用中，有基于人工经验的手工排样和机器按照一定规则自动排样两种方法。其中，手工排样完成一次排样所需时间较长，且过度依靠工作人员的经验，同时材料利用率在一定范围内将很难得到继续提升；自动排样中的旋转排样策略，虽然解决了人工排样时间较长、过于依赖经验的问题，但是却非常依赖于零件的初始姿态和排样规则。例如：导入的零件是倾斜的，那么设置的排样旋转角度过大，例如每90度一旋转，则排样后的零件依然可能是斜着排列；如果设置的排样旋转角度过小，例如每10度一旋转，则排样的时间可能成指数级别的上升。
为此，如何提升板材利用率，同时进一步提升排样效率成为当前需要解决的技术问题。
发明内容
（一）要解决的技术问题
鉴于现有技术的上述缺点、不足，本申请提供一种板材排样方法、设备和存储介质。
（二）技术方案
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请实施例提供一种板材排样方法，该方法包括以下步骤：
S1、针对目标零件对应的每个待排样图形，获取待排样图形的轮廓信息，基于所述轮廓信息得到所述待排样图形的外轮廓信息；
S2、基于所述外轮廓信息，得到所述待排样图形的轨迹点信息；
S3、基于待排样图形的轨迹点信息，确定轨迹点的最小凸包络矩形；
S4、基于预先建立的排样坐标系，确定所述最小凸包络矩形与所述排样坐标系中x轴的夹角角度；
S5、基于确定的夹角角度，将所述目标零件对应的待排样图形向x轴方向旋转所述夹角角度；
S6、基于目标零件旋转后的待排样图形在板材中进行排样。
可选地，步骤S6包括：
S61、确定所述目标零件所对应的各个待排样图形的整齐度，并将各个目标零件根据整齐度进行分类；
S62、对分类得到的每种目标零件，采用系统预设的排样策略进行优化排样处理；
S63、对各目标零件旋转后的待排样图形在系统预设的排样策略下进行排样，输出排样结果。
可选地，S3包括：
基于所述待排样图形的轨迹点信息，生成所有轨迹点的凸包络多边形；
旋转所述凸包络多边形，得到相应的所述凸包络多边形的外接矩形；
计算所述外接矩形的面积，将面积最小的外接矩形作为所述最小凸包络矩形。
可选地，旋转所述凸包络多边形的方法为：
分别获取所述凸包络多边形的相邻两个顶点，按照逆时针方向，获取向量，计算每个向量与X轴的夹角[θ1、θ2……θn]；
将所述凸包络多边形分别按照夹角[-θ1、-θ2……-θn]进行旋转。
可选地，基于所有待排样图形的轨迹点信息，生成所有轨迹点的凸包络多边形，包括：
获取所有轨迹点中x坐标最小的点或者x坐标相同、y坐标最小的点；
以该点为基准对其余的点进行极角排序，得到轨迹点序列；
建立栈stk[N]，从所述轨迹点序列中取出前两个轨迹点p[0], p[1]作为判断的初始点，压入该栈，stk[1]-stk[0]作为初始向量，并用k记录当前栈里的栈顶指针；
针对所述轨迹点序列中剩余的每个点，通过以下连续两个点的叉乘公式判断当前点是否在最外围，将得到的最外围的点作为凸包络多边形的顶点：
(stk[k]−stk[k−1])×(p[i]−stk[k−1])
其中，stk[k]和stk[k-1]分别为最新加入最外围连续两点，p[i]为需要判断是否需要加入最外围的点；
若叉乘大于零，则p[i]在向量stk[k]−stk[k−1]的左边，小于零，则该点在向量的右边；
如果当前点在右边，就将栈顶元素弹出，继续判断；
如果当前点在左边，向栈中压入新点p[i]；
将最后栈内留下的顶点作为所述凸包络多边形的顶点，相邻两个顶点的连线为所述凸包络多边形的边。
可选地，S1中基于所述轮廓信息得到所述待排样图形的外轮廓信息，包括以下步骤：
A1、将所述待排样图形分解成单线条轮廓；
A2、将所有单线条轮廓按照面积大小进行倒序排列，并存入队列中；
A3、按照树的数据结构，用字典记录所有轮廓之间的包含关系，将队列中面积最大的轮廓取出，加入到字典的Key中；
A4、将队列中当前面积最大的轮廓取出；
A5、判断当前取出的轮廓是否在字典所有Key的轮廓中；如果在，则将该轮廓添加到对应的value中的数组中；如果不在，则将该轮廓添加到字典的新的Key中；
A5、重复执行步骤A4-A5，直至队列为空；
A6、基于Key中的轮廓得到所述待排样图形的外轮廓信息。
可选地，所述待排样图形由线段和/或曲线段组成，所述线段的轨迹点为所述线段两端的端点，所述曲线段的轨迹点为从所述曲线段的一端开始，以预设长度为间距进行采样得到的采样点。
可选地，所述预设长度的取值范围为0.08mm-0.12mm。
第二方面，本申请实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上第一方面任一项所述的板材排样方法的步骤。
第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面任一项所述的板材排样方法的步骤。
（三）有益效果
本申请的有益效果是：本申请提出了一种板材排样方法、设备和可读存储介质，其中的方法包括：S1、针对目标零件对应的每个待排样图形，获取待排样图形的轮廓信息，基于轮廓信息得到待排样图形的外轮廓信息；S2、基于外轮廓信息，得到待排样图形的轨迹点信息；S3、基于待排样图形的轨迹点信息，确定轨迹点的最小凸包络矩形；S4、基于预先建立的排样坐标系，确定最小凸包络矩形与排样坐标系中x轴的夹角角度；S5、基于确定的夹角角度，将目标零件对应的待排样图形向x轴方向旋转夹角角度；S6、基于目标零件旋转后的待排样图形在板材中进行排样。本申请的方法通过在排样前对待排样图形进行预处理，获取零件外凸包络多边形，然后旋转凸包络多边形后，获取面积最小包络矩形，将零件摆正，从而大大了提升板材的利用率，并且缩短了排样时间，提升了排样效率。
进一步地，通过合理地确定轨迹点，可以有效缩短排样时间，提升排样效率。
附图说明
本申请借助于以下附图进行描述：
图1为本申请一个实施例中的板材排样方法流程示意图；
图2为本申请另一个实施例中的板材排样方法流程示意图；
图3为本申请另一个实施例中的目标零件的排样图；
图4为采用现有自动排样方法的排样结果示例图；
图5为采用本实施例的板材排样方法的排样结果示例图；
图6为本申请再一个实施例中的电子设备的架构示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。可以理解的是，以下所描述的具体的实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合；为了便于描述，附图中仅示出了与发明相关的部分。
本方法应用于计算机数控（Computerized Numerical Control ，CNC）系统中，具体地，可在CNC系统的主控设备中执行。
实施例一
图1为本申请一个实施例中的板材排样方法流程示意图，如图1所示，本实施例的板材排样方法包括：
S1、针对目标零件对应的每个待排样图形，获取待排样图形的轮廓信息，基于轮廓信息得到待排样图形的外轮廓信息；
S2、基于外轮廓信息，得到待排样图形的轨迹点信息；
S3、基于待排样图形的轨迹点信息，确定轨迹点的最小凸包络矩形；
S4、基于预先建立的排样坐标系，确定最小凸包络矩形与排样坐标系中x轴的夹角角度；
S5、基于确定的夹角角度，将目标零件对应的待排样图形向x轴方向旋转夹角角度；
S6、基于目标零件旋转后的待排样图形在板材中进行排样。
本实施例的板材排样方法，通过在排样前对待排样图形进行预处理，获取零件外凸包络多边形，然后旋转凸包络多边形后，获取面积最小包络矩形，将零件摆正，从而大大了提升板材的利用率，并且缩短了排样时间，提升了排样效率。
为了更好地理解本发明，以下对本实施例中的各步骤进行展开说明。
本实施例S1中，待排样图形可以是一个独立的图形，例如正方形、长方形、梯形等，也可以是由多个独立图形组合形成的图形。
需要说明的是，本申请的排样方法可用于各种不同形状的排样图形，本实施例对排样图形的形状不做具体限定。
本实施例S1中，轮廓信息包括构成图形外缘的线条和构成图形内缘的线条，外轮廓信息是构成图形外缘的线条。待排样图形的轮廓信息可以从CNC系统待加工的零件模型中提取。
本实施例S2中，基于外轮廓信息，得到待排样图形的轨迹点信息的方法可以根据图形组成线条的类型来确定。
例如，当线条为线段时，线段的轨迹点为线段两端的端点；
当线条为曲线段时，曲线段的轨迹点为从曲线段的一端开始，以预设长度为间距进行采样得到的采样点。
具体地，预设长度的取值范围为0.08mm-0.12mm。
实施例二
本实施例的执行主体可以是嵌入在激光切割系统的套料系统，可以包括存储器和处理器，在其他一些实施例中执行主体还可以是其他可实现相同或相似功能的电子设备，本实施例对此不加以限制。
本实施例在实施例一的基础上，对板材排样方法的实现过程进行详细说明。图2为本申请另一个实施例中的板材排样方法流程示意图，如图2所示，排样过程包括以下步骤：
S10、导入零件、点击排料。
S20、获取零件的所有待排样图形。
S30、筛选出待排样图形的外轮廓。
具体包括以下步骤：
S31、将待排样图形分解成单线条轮廓；
S32、将所有单线条轮廓按照面积大小进行倒序排列，并存入队列List中；
S33、按照树的数据结构，用字典记录所有轮廓之间的包含关系，将队列中面积最大的轮廓取出，加入到字典的Key中；
S34、将队列中当前面积最大的轮廓取出；
S35、判断当前取出的轮廓是否在字典所有Key的轮廓中；如果在，则将该轮廓添加到对应的value中的数组中；如果不在，则说明该轮廓属于最外层轮廓，则将该轮廓添加到字典的新的Key中；
S35、重复执行步骤S34- S35，直至队列为空；
S36、基于Key中的轮廓得到零件的外轮廓。
最终得到获取一个（Key，Value）字典的两层树结构， Key表示该图形中所有的外轮廓，Value表示对应Key的内轮廓，第一层（所有Key所对应的轮廓）即为该图形的外轮廓。
S40、获取外轮廓的凸包络多边形。
具体包括：
S41、基于外轮廓信息，得到待排样图形的轨迹点信息。
在外轮廓中的圆弧段采样得到多个离散点，采样间距精度控制在0.1mm，即弧长为0.1mm，将外轮廓中的直线段两个顶点作为轨迹点。如果精度控制过小，则计算量成指数级增长，如果精度控制过大，则圆弧段不够精确，导致最后的角度计算会有偏差。
S42、基于待排样图形的轨迹点信息，生成所有轨迹点的凸包络多边形。
具体包括：
获取所有轨迹点中x坐标最小的点或者x坐标相同、y坐标最小的点；
以该点为基准对其余所有的点进行极角排序，得到轨迹点序列；极角相等的情况下距离极点最近的优先；这里极角是指每相邻的两个点确定的向量，该向量与X轴或Y轴的夹角；
建立栈stk[N] 来存储所计算出的凸包络多边形的顶点，从轨迹点序列中取出前两个轨迹点p[0], p[1]作为判断的初始点，压入该栈，stk[1]-stk[0]作为初始向量，并用k记录当前栈里的栈顶指针；
针对所述轨迹点序列中剩余的每个点，通过以下连续两个点的叉乘公式判断当前点是否在最外围，然后不断地更新最外围的点，以便得到凸包络多边形的顶点：
(stk[k]−stk[k−1])×(p[i]−stk[k−1])
其中，stk[k]和stk[k-1]分别为最新加入最外围连续两点，p[i]为需要判断是否需要加入最外围的点；
若叉乘大于零，则p[i]在向量stk[k]−stk[k−1]的左边，小于零，则该点在向量的右边；
如果当前点在右边，就将栈顶元素弹出，继续判断；
如果当前点在左边，向栈中压入新点p[i]；
将最后栈内留下的顶点作为凸包络多边形的顶点，相邻两个顶点的连线为所述凸包络多边形的边。
S50、根据凸包络多边形的每个外角进行增量旋转。
具体为：
分别获取凸包络多边形的相邻两个顶点，按照逆时针方向，获取向量，计算每个向量与X轴的夹角[θ1、θ2……θn]；
将凸包络多边形分别按照夹角[-θ1、-θ2……-θn]进行旋转。
S60、获取凸包络矩形，并计算面积；
凸包络多边形每旋转一次，均可得到相应的凸包络多边形的外接矩形；
分别计算外接矩形的面积。
S70、判断凸包络多边形的外角是否循环完毕，若是则执行步骤S70，否则执行步骤S60；
S80、获取最小面积的凸包络矩形所对应的与x轴的夹角角度
基于各个外接矩形的面积，选取面积最小的矩形即为最小外接矩形，也是排样图形的最小外接矩形，将面积最小的外接矩形作为最小凸包络矩形；
基于最小凸包络矩形，得到最小凸包络矩形所对应的凸包络多边形的旋转角度θi，也即是与x轴的夹角角度θi。
这里凸包络多边形的旋转角度，也就是排样的图形需要摆正的角度。
S90、将原零件旋转-θi后参与排样。
排样的过程包括：
S91、确定零件所对应的各个待排样图形的整齐度，并将各个零件根据整齐度进行分类；
S92、对分类得到的每种目标零件，采用系统预设的排样策略，对零件排样前的摆放姿态进行优化排样处理；
S93、对各目标零件旋转后的待排样图形在系统预设的排样策略下进行排样，输出排样结果。
为了进一步说明本发明方法，以图3所示的正六边形为例，分别通过现有的自动排样方法和本发明的方法进行排样。
图3为本申请另一个实施例中的目标零件的排样图，如图3所示，该零件排样图形为八边形，底边与X轴的夹角为30度。排样板材的规格为2000*3000mm，排样时留边距设置为2mm，零件间距设置为2mm，不共边排样。
图4为采用现有自动排样方法的排样结果示例图，如图4所示，单张板材最多排样2240个，板材利用率为87.3%。
图5为采用本实施例的板材排样方法的排样结果示例图，如图5所示，单张板材最多排样2337个，板材利用率为91.08%。
由此可见，通过本实施例的板材排样方法，板材利用率提高了5%以上，使得单张板材能排布更多的零件。
并且由于提前将零件摆正，后续的排样过程中，不需要用非常小的角度（例如10度）进行旋转排样，能极大的提高排样的效率。此外，排样出来的零件非常整齐地排在板材上，给人赏心悦目的感觉。
实施例三
本申请第三方面通过实施例三提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上实施例中任意一项所述的板材排样方法的步骤。
图6为本申请再一个实施例中的电子设备的架构示意图。
图6所示的电子设备可包括：至少一个处理器101、至少一个存储器102、至少一个网络接口104和其他的用户接口103。电子设备中的各个组件通过总线系统105耦合在一起。可理解，总线系统105用于实现这些组件之间的连接通信。总线系统105除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图6中将各种总线都标为总线系统105。
其中，用户接口103可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball) 或者触感板等。
可以理解，本实施例中的存储器102可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器 (Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器 (Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Sync Link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本文描述的存储器102旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器102存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统1021和应用程序1022。
其中，操作系统1021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1022，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1022中。
在本发明实施例中，处理器101通过调用存储器102存储的程序或指令，具体的，可以是应用程序1022中存储的程序或指令，处理器101用于执行第一方面所提供的方法步骤。
上述本发明实施例揭示的方法可以应用于处理器101中，或者由处理器101实现。处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102，处理器101读取存储器102中的信息，结合其硬件完成上述方法的步骤。
另外，结合上述实施例中的板材排样方法，本发明实施例可提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上方法实施例中的任意一种板材排样方法。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例做出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (8)

1.一种板材排样方法，其特征在于，该方法包括以下步骤：
S1、针对目标零件对应的每个待排样图形，获取待排样图形的轮廓信息，基于所述轮廓信息得到所述待排样图形的外轮廓信息；
S2、基于所述外轮廓信息，得到所述待排样图形的轨迹点信息；
S3、基于待排样图形的轨迹点信息，确定轨迹点的最小凸包络矩形，包括：
基于所述待排样图形的轨迹点信息，生成所有轨迹点的凸包络多边形，包括：
获取所有轨迹点中x坐标最小的点或者x坐标相同、y坐标最小的点；
以该点为基准对其余的点进行极角排序，得到轨迹点序列；
建立栈stk[N]，从所述轨迹点序列中取出前两个轨迹点p[0], p[1]作为判断的初始点，压入该栈，stk[1]-stk[0]作为初始向量，并用k记录当前栈里的栈顶指针；
针对所述轨迹点序列中剩余的每个点，通过以下连续两个点的叉乘公式判断当前点是否在最外围，将得到的最外围的点作为凸包络多边形的顶点：其中，stk[k]和stk[k-1]分别为最新加入最外围连续两点，p[i]为需要判断是否需要加入最外围的点；
若叉乘大于零，则p[i]在向量的左边，小于零，则该点在向量的右边；
如果当前点在右边，就将栈顶元素弹出，继续判断；
如果当前点在左边，向栈中压入新点p[i]；
将最后栈内留下的顶点作为所述凸包络多边形的顶点，相邻两个顶点的连线为所述凸包络多边形的边；
旋转所述凸包络多边形，得到相应的所述凸包络多边形的外接矩形；
计算所述外接矩形的面积，将面积最小的外接矩形作为所述最小凸包络矩形；
S4、基于预先建立的排样坐标系，确定所述最小凸包络矩形与所述排样坐标系中x轴的夹角角度；
S5、基于确定的夹角角度，将所述目标零件对应的待排样图形向x轴方向旋转所述夹角角度；
S6、基于目标零件旋转后的待排样图形在板材中进行排样。
2.根据权利要求1所述的板材排样方法，其特征在于，步骤S6包括：
S61、确定所述目标零件所对应的各个待排样图形的整齐度，并将各个目标零件根据整齐度进行分类；
S62、对分类得到的每种目标零件，采用系统预设的排样策略进行优化排样处理；
S63、对各目标零件旋转后的待排样图形在系统预设的排样策略下进行排样，输出排样结果。
3.根据权利要求1所述的板材排样方法，其特征在于，旋转所述凸包络多边形的方法为：
分别获取所述凸包络多边形的相邻两个顶点，按照逆时针方向，获取向量，计算每个向量与X轴的夹角[θ1、θ2……θn]；
将所述凸包络多边形分别按照夹角[-θ1、-θ2……-θn]进行旋转。
4.根据权利要求1所述的板材排样方法，其特征在于，S1中基于所述轮廓信息得到所述待排样图形的外轮廓信息，包括以下步骤：
A1、将所述待排样图形分解成单线条轮廓；
A2、将所有单线条轮廓按照面积大小进行倒序排列，并存入队列中；
A3、按照树的数据结构，用字典记录所有轮廓之间的包含关系，将队列中面积最大的轮廓取出，加入到字典的Key中；
A4、将队列中当前面积最大的轮廓取出；
A5、判断当前取出的轮廓是否在字典所有Key的轮廓中；如果在，则将该轮廓添加到对应的value中的数组中；如果不在，则将该轮廓添加到字典的新的Key中；
A5、重复执行步骤A4-A5，直至队列为空；
A6、基于Key中的轮廓得到所述待排样图形的外轮廓信息。
5.根据权利要求1所述的板材排样方法，其特征在于，所述待排样图形由线段和/或曲线段组成，所述线段的轨迹点为所述线段两端的端点，所述曲线段的轨迹点为从所述曲线段的一端开始，以预设长度为间距进行采样得到的采样点。
6.根据权利要求5所述的板材排样方法，其特征在于，所述预设长度的取值范围为0.08mm-0.12mm。
7.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上权利要求1至6任一项所述的板材排样方法的步骤。
8.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如上权利要求1至6任一项所述的板材排样方法的步骤。
CN202211644877.5A 2022-12-21 2022-12-21 板材排样方法、设备和存储介质 Active CN115631347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211644877.5A CN115631347B (zh) 2022-12-21 2022-12-21 板材排样方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211644877.5A CN115631347B (zh) 2022-12-21 2022-12-21 板材排样方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN115631347A CN115631347A (zh) 2023-01-20
CN115631347B true CN115631347B (zh) 2023-05-16

Family

ID=84909658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211644877.5A Active CN115631347B (zh) 2022-12-21 2022-12-21 板材排样方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115631347B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116894942B (zh) * 2023-07-12 2024-01-23 广东工业大学 一种基于图形缩放的余料识别方法
CN117745807B (zh) * 2024-02-19 2024-04-26 上海方菱计算机软件有限公司 一种确认打标位置的方法及装置
CN118037828B (zh) * 2024-04-12 2024-07-16 季华实验室 一种工序间转角确认方法、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989605A (zh) * 2016-03-04 2016-10-05 安徽工程大学 一种不规则零件下料的排样定位方法
CN110059864A (zh) * 2019-03-26 2019-07-26 华中科技大学 一种基于知识迁移的矩形智能排样方法及系统
CN110909947A (zh) * 2019-11-29 2020-03-24 华中科技大学 一种基于灰狼算法的矩形件排样方法及设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3875389A (en) * 1972-08-30 1975-04-01 Leboeuf Lamb Leiby & Macrae Method and apparatus for automatic optimal layout of shapes to be cut from material
JP2710202B2 (ja) * 1993-03-24 1998-02-10 インターナショナル・ビジネス・マシーンズ・コーポレイション 閉じた輪郭イメージを凸多角形で境界づける方法及びデータ処理装置
CN103678800A (zh) * 2013-12-09 2014-03-26 华南理工大学 一种不规则零件在矩形板材上的排样方法
CN106570824A (zh) * 2016-10-12 2017-04-19 网易（杭州）网络有限公司 一种散图拼接方法和装置
CN107180240B (zh) * 2017-04-18 2020-02-04 燕山大学 基于可变夹角链码的二维轮廓排样方法
CN106926212A (zh) * 2017-04-28 2017-07-07 燕山大学 基于轮廓骨架特征的二维轮廓排样方法
CN107886199A (zh) * 2017-11-22 2018-04-06 中国计量大学 一种对经过一次加工后原材料下料排样方法
CN112489166B (zh) * 2020-11-17 2024-08-09 娄底景明新材料有限公司 汽车板激光切割自动排版制图方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989605A (zh) * 2016-03-04 2016-10-05 安徽工程大学 一种不规则零件下料的排样定位方法
CN110059864A (zh) * 2019-03-26 2019-07-26 华中科技大学 一种基于知识迁移的矩形智能排样方法及系统
CN110909947A (zh) * 2019-11-29 2020-03-24 华中科技大学 一种基于灰狼算法的矩形件排样方法及设备

Also Published As

Publication number Publication date
CN115631347A (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
CN115631347B (zh) 板材排样方法、设备和存储介质
US4864520A (en) Shape generating/creating system for computer aided design, computer aided manufacturing, computer aided engineering and computer applied technology
US20100175041A1 (en) Adjustment of mask shapes for improving printability of dense integrated circuit layout
CN116090667A (zh) 板材切割过程中的余料处理方法、装置、设备和存储介质
Scheurer et al. Lost in parameter space?
JP2010140021A (ja) 連続スケール上で定義した製造可能性の連続的微分可能性を用いたリソグラフィ・マスクの製造可能性の計算方法
CN110598358A (zh) 一种增材制造应力变形仿真方法、装置、设备及存储介质
CN112765700A (zh) 墙面砌块排布模型生成方法、装置和计算机设备
CN115270242B (zh) 基于bim的基础大样配筋图生成方法、设备、可读介质
JP3286225B2 (ja) パターン設計方法
CN116931383A (zh) 电子束曝光剂量的确定方法及装置
CN112396569B (zh) 一种对图像进行数据增强的方法
US7439971B2 (en) Mesh generation method for numerical simulation
JP2005079392A (ja) 描画データ作成方法
CN113268798B (zh) 柱截面内钢筋的生成方法、计算机设备及可读存储介质
JPH03166039A (ja) 数値制御情報作成機能における内径加工方法の決定方法及び装置
CN112052641A (zh) 大规模集成电路版图非结构网格偏心中点生成方法和系统
CN112836266B (zh) 楼面生成方法、装置、计算机设备和存储介质
CN110471251A (zh) 一种基于模型的opc修正方法
TWI745888B (zh) 遞迴式排版系統與排版方法
CN114692241B (zh) Cad图纸绘制方法、装置、存储介质及计算机设备
CN118013629B (zh) 一种整装墙板的设计方法及系统
CN117689773B (zh) 贴图方法、装置、电子设备和存储介质
JPH0493992A (ja) 文字・図形描画装置
JPS6193695A (ja) 格子状配線パタ−ン作成方法

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