CN115774452A - 一种基于形状约束的三维模型表面覆盖路径规划方法 - Google Patents

一种基于形状约束的三维模型表面覆盖路径规划方法 Download PDF

Info

Publication number
CN115774452A
CN115774452A CN202310106071.9A CN202310106071A CN115774452A CN 115774452 A CN115774452 A CN 115774452A CN 202310106071 A CN202310106071 A CN 202310106071A CN 115774452 A CN115774452 A CN 115774452A
Authority
CN
China
Prior art keywords
point
path
voxel
dimensional model
shape constraint
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
Application number
CN202310106071.9A
Other languages
English (en)
Other versions
CN115774452B (zh
Inventor
汪俊
戴佳佳
单忠德
贾文茹
李超
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202310106071.9A priority Critical patent/CN115774452B/zh
Publication of CN115774452A publication Critical patent/CN115774452A/zh
Application granted granted Critical
Publication of CN115774452B publication Critical patent/CN115774452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Processing Or Creating Images (AREA)

Abstract

本发明涉及自动化设备路径规划技术领域，解决了现有技术无法在三维物体表面检测过程中根据物体表面点云进行路径规划的技术问题，尤其涉及一种基于形状约束的三维模型表面覆盖路径规划方法，包括以下步骤：S1、通过三维模型下采样或三维激光扫描仪扫描获取其表面点云数据，然后对获取的点云数据进行去噪处理；S2、根据获取的点云数据生成路径点形状约束区域；S3、根据随机采样后融入工程约束进行筛选的方法生成路径点集，工程约束具体为干涉约束。本发明通过形状约束区域能在后续检测过程中有效约束规划路径在三维模型表面，以便获取近距离高质量数据，同时避免三维模型与检测工具发生干涉，进一步保证了工程安全。

Description

一种基于形状约束的三维模型表面覆盖路径规划方法
技术领域
本发明涉及自动化设备路径规划技术领域，尤其涉及一种基于形状约束的三维模型表面覆盖路径规划方法。
背景技术
路径规划是目前机器人自主导航规划研究的核心技术之一，目的是在起点和终点之间找到一条路径，该路径能够躲避所有的障碍物，且其长度为两点间路径最小值的最优解或近似最优解。近年来，国内外学者对机器人的路径规划进行了很多研究，并提出多种算法，包括人工势场法、A*算法、Dijkstra算法等。随着机器人领域的发展，对移动机器人的工作环境、工作效率和稳定性要求逐步提升，传统的路径搜索算法在路径规划问题中缺乏实用性和有效性。现在大多数采用群智能优化算法去解决路径规划问题，例如粒子群优化算法、遗传算法、鱼群算法、蚁群算法等。
基于视觉的自动化检测在复杂三维环境中的应用越来越受到业界和学术界的关注。这些检查任务需要设备在目标物体周围进行导航，以捕获目标表面区域的信息，以便进一步深入处理。检测通常是一项高度重复的任务，而且目标对象具有不同的大小和几何形状。因此，为各种目标对象自动生成高效的检测路径是至关重要的。这种针对检测应用的规划任务必须满足表面覆盖约束，因此通常被认为是覆盖路径规划问题。
基于上述背景，发明一种基于形状约束的三维模型表面覆盖路径规划方法具有重要意义。
发明内容
针对现有技术的不足，本发明提供了一种基于形状约束的三维模型表面覆盖路径规划方法，解决了现有技术无法在三维物体表面检测过程中根据物体表面点云进行路径规划的技术问题，通过形状约束区域能在后续检测过程中有效约束规划路径在三维模型表面，以便获取近距离高质量数据，同时避免三维模型与检测工具发生干涉，进一步保证了工程安全。
为解决上述技术问题，本发明提供了如下技术方案：一种基于形状约束的三维模型表面覆盖路径规划方法，包括以下步骤：
S1、通过三维模型下采样或三维激光扫描仪扫描获取其表面点云数据，然后对获取的点云数据进行去噪处理；
S2、根据获取的点云数据生成路径点形状约束区域；
S3、根据随机采样后融入工程约束进行筛选的方法生成路径点集，工程约束具体为干涉约束；
S4、根据生成的路径点集得到唯一路径，即为三维模型表面覆盖路径规划。
进一步地，在步骤S2中，根据获取的点云数据生成路径点形状约束区域，具体过程包括以下步骤：
S21、统计点云数据中X、Y、Z方向的坐标最大值与最小值，根据每个体素的尺寸对X、Y、Z方向的点云进行网格划分，落到一个网格内的点作为同一体素；
S22、设置膨胀体素值，对体素进行两次体素膨胀操作，得到膨胀后的体素
Figure SMS_1
；
S23、设置收缩体素值，进行一次体素收缩操作，得到收缩后的体素
Figure SMS_2
；
S24、计算体素
Figure SMS_3
与体素
Figure SMS_4
的差值得到形状约束区域
Figure SMS_5
。
进一步地，在步骤S22中，膨胀体素值设置为4。
进一步地，在步骤S23中，收缩体素值设置为4。
进一步地，在步骤S3中，根据随机采样后融入工程约束进行筛选的方法生成路径点集，具体过程包括以下步骤：
S31、设置起始点、目标点、步长及最大迭代次数，划定采样区域为大于三维模型点云的三维空间，并在形状约束区域范围内设置起始点
Figure SMS_6
和目标点
Figure SMS_7
，设置路径步长和采样的最大迭代次数；
S32、在划定采样区域内进行随机采样得到初始点
Figure SMS_8
；
S33、在已有的路径点中遍历与初始点
Figure SMS_9
的最近点
Figure SMS_10
得到初始路径点
Figure SMS_11
；
S34、判断初始路径点
Figure SMS_12
是否满足干涉约束筛选；
若满足干涉约束筛选，则进行步骤S35；
若不满足干涉约束筛选，则舍弃该点后重新进行步骤S32；
S35、判断通过筛选的初始路径点
Figure SMS_13
是否在形状约束区域
Figure SMS_14
的范围内；
若在范围内，则视为通过筛选的初始路径点
Figure SMS_15
通过形状约束筛选，执行步骤S36；
若不在范围内，则舍弃该点后重新进行步骤S32；
S36、将满足干涉约束筛选和形状约束区域的初始路径点
Figure SMS_16
加入到路径点集，并将初始路径点
Figure SMS_17
与最近点
Figure SMS_18
的有向连线加入到有向边集中；
S37、判断是否达到目标点，计算新加入到路径点集中的初始路径点
Figure SMS_19
与目标点
Figure SMS_20
的欧式距离；
若距离小于步长，视为达到目标点，则结束；否则执行步骤S38；
S38、判断是否达到最大迭代次数，若达到，则结束，否则继续执行步骤S32。
进一步地，在步骤S31中，划定采样区域为步骤S21中X、Y、Z方向的坐标最大值与最小值分别向外扩张2个体素的大小，步长设置为10倍体素尺寸的大小。
进一步地，在步骤S4中，根据生成的路径点集得到唯一路径，具体过程包括：
根据步骤S3中的算法结果，可以得到从起始点
Figure SMS_21
到目标点
Figure SMS_22
的唯一通路，即在点集和有向边集中，可以从目标点
Figure SMS_23
开始反向搜索必定会到达起始点
Figure SMS_24
，即得到规划完成的路径。
借由上述技术方案，本发明提供了一种基于形状约束的三维模型表面覆盖路径规划方法，至少具备以下有益效果：
1、本发明能快速有效规划三维模型表面路径，提高了自动化检测效率，且通过形状约束区域能在后续检测过程中缩减三维模型与检测工具（如无人机）之间的距离，将检测工具有效的限制在三维模型的表面空间进行近距离高精度的数据采集，同时避免发生碰撞，进一步保证了工程安全。
2、本发明可以在三维物体表面检测过程中根据物体表面点云进行路径规划，并提供鲁棒的检测路径。
3、本发明通过形状约束区域能在后续检测过程中有效约束规划路径在三维模型表面，以便获取近距离高质量数据，同时避免三维模型与检测工具发生干涉，进一步保证了工程安全。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明路径规划方法的流程图；
图2为本发明路径规划方法形状约束区域形成过程示意图。
实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，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用存储介质(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。
请参照图1-图2，示出了本实施例的一种具体实施方式，本实施例通过形状约束区域能在后续检测过程中有效约束规划路径在三维模型表面，以便获取近距离高质量数据，同时避免三维模型与检测工具发生干涉，进一步保证了工程安全。
可以在三维物体表面检测过程中根据物体表面点云进行路径规划，并提供鲁棒的检测路径。
请参照图1，本实施例提出了一种基于形状约束的三维模型表面覆盖路径规划方法，该方法包括以下步骤：
S1、通过三维模型下采样或三维激光扫描仪扫描获取其表面点云数据，然后对获取的点云数据进行去噪处理，可选地，点云获取设备可选用形创公司c-track搭配metrascan进行扫描；
S2、根据获取的点云数据生成路径点形状约束区域；
请参照图2，在步骤S2中，根据获取的点云数据生成路径点形状约束区域，具体过程包括以下步骤：
S21、统计点云数据中X、Y、Z方向的坐标最大值与最小值，根据每个体素的尺寸对X、Y、Z方向的点云进行网格划分，落到一个网格内的点作为同一体素；
具体的，物体点云体素化，统计点云数据X、Y、Z方向的坐标最大值与最小值，根据每个体素的尺寸对X、Y、Z方向的点云进行网格划分，落到一个网格内的点作为同一体素；可选地，将体素的尺寸设置为三个最大值减最小值中较大值的1/200，体素示意图参见图2（a）；
S22、设置膨胀体素值，对体素进行两次体素膨胀操作，得到膨胀后的体素
Figure SMS_25
；
具体的，点云体素膨胀，综合考虑干涉问题和体素大小，设置膨胀体素值，进行两次体素膨胀操作，得到膨胀后的体素
Figure SMS_26
；可选地，设置膨胀体素值为4，体素膨胀示意图参见图2（b）；
S23、设置收缩体素值，进行一次体素收缩操作，得到收缩后的体素
Figure SMS_27
；
具体的，点云体素收缩，设置与膨胀体素值相同的收缩体素值4，进行一次体素收缩操作，得到收缩后的体素
Figure SMS_28
；体素收缩示意图参见图2（c）；
S24、计算体素
Figure SMS_29
与体素
Figure SMS_30
的差值得到形状约束区域
Figure SMS_31
；
具体的，形状约束区域生成，将S2-2与S2-3得到的体素做差得到形状约束区域
Figure SMS_32
，即：
Figure SMS_33
形状约束区域参见图2（d），后续初始生成点筛选过程中，应确保路径点落在形状约束区域内，即生成点属于
Figure SMS_34
视为通过筛选。
S3、根据随机采样后融入工程约束进行筛选的方法生成路径点集，工程约束具体为干涉约束；
在步骤S3中，根据随机采样后融入工程约束进行筛选的方法生成路径点集，具体过程包括以下步骤：
S31、设置起始点、目标点、步长及最大迭代次数，划定采样区域为大于三维模型点云的三维空间，并在形状约束区域范围内设置起始点
Figure SMS_35
和目标点
Figure SMS_36
，设置路径步长和采样的最大迭代次数；
具体的，划定采样区域为步骤S21中X、Y、Z方向的坐标最大值与最小值分别向外扩张2个体素的大小，步长设置为10倍体素尺寸的大小。
S32、在划定采样区域内进行随机采样得到初始点
Figure SMS_37
；
具体的，基于随机采样的初始点生成，在步骤S31所述的采样区域内进行随机采样得到初始点
Figure SMS_38
。
S33、在已有的路径点中遍历与初始点
Figure SMS_39
的最近点
Figure SMS_40
得到初始路径点
Figure SMS_41
；
具体的，基于固定步长的初始路径点生成，在已有的路径点中遍历步骤S32中初始点
Figure SMS_42
的最近点
Figure SMS_43
，在
Figure SMS_44
和
Figure SMS_45
的连线上取
Figure SMS_46
距离为步骤S31中步长的点
Figure SMS_47
作为初始路径点。
S34、判断初始路径点
Figure SMS_48
是否满足干涉约束筛选；
若满足干涉约束筛选，则进行步骤S35；
若不满足干涉约束筛选，则舍弃该点后重新进行步骤S32；
具体的，判断是否满足干涉约束筛选，判断步骤S33中得到的初始路径点
Figure SMS_49
与最近点
Figure SMS_50
的连线是否与步骤S23中的体素
Figure SMS_51
有交叉，即遍历体素
Figure SMS_52
中的每一个体素，计算直线与体素六个面所形成六个平面的交点，再判断交点是否在六个面上，若存在一个体素形成的平面与直线的交点在体素的面上，则视为连线与体素有交叉，即不满足干涉约束筛选，舍弃该点后重新进行步骤S32；否则视为满足干涉约束筛选，进行步骤S35。
在筛选过程中，若直线与平面平行且直线不属于平面，视为交点不在面上。
S35、判断通过筛选的初始路径点
Figure SMS_53
是否在形状约束区域
Figure SMS_54
的范围内；
若在范围内，则视为通过筛选的初始路径点
Figure SMS_55
通过形状约束筛选，执行步骤S36；
若不在范围内，则舍弃该点后重新进行步骤S32；
具体的，判断是否满足形状约束筛选，对于步骤S34中通过筛选的初始路径点
Figure SMS_56
，判断该点是否在步骤S24形状约束区域
Figure SMS_57
范围内。即遍历形状约束区域
Figure SMS_58
内的每一个体素，根据步骤S21的体素坐标范围，判断通过筛选的初始路径点
Figure SMS_59
是否属于该体素，若形状约束区域
Figure SMS_60
内存在一个体素包含通过筛选的初始路径点
Figure SMS_61
，则视为通过筛选的初始路径点
Figure SMS_62
通过形状约束筛选，执行步骤S36，否则舍弃该点后重新进行步骤S32。
S36、将满足干涉约束筛选和形状约束区域的初始路径点
Figure SMS_63
加入到路径点集，并将初始路径点
Figure SMS_64
与最近点
Figure SMS_65
的有向连线加入到有向边集中；
S37、判断是否达到目标点，计算新加入到路径点集中的初始路径点
Figure SMS_66
与目标点
Figure SMS_67
的欧式距离；
若距离小于步长，视为达到目标点，则结束；否则执行步骤S38；
S38、判断是否达到最大迭代次数，若达到，则结束，否则继续执行步骤S32。
S4、根据生成的路径点集得到唯一路径，即为三维模型表面覆盖路径规划；
在步骤S4中，根据生成的路径点集得到唯一路径，具体过程包括：
根据步骤S3中的算法结果，可以得到从起始点
Figure SMS_68
到目标点
Figure SMS_69
的唯一通路，即在点集和有向边集中，可以从目标点
Figure SMS_70
开始反向搜索必定会到达起始点
Figure SMS_71
，即得到规划完成的路径。
本实施例能快速有效规划三维模型表面路径，提高了自动化检测效率，且通过形状约束区域能在后续检测过程中缩减三维模型与检测工具（如无人机）之间的距离，将检测工具有效的限制在三维模型的表面空间进行近距离高精度的数据采集，同时避免发生碰撞，进一步保证了工程安全。
以上实施方式对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种基于形状约束的三维模型表面覆盖路径规划方法，其特征在于，包括以下步骤：
S1、通过三维模型下采样或三维激光扫描仪扫描获取其表面点云数据，然后对获取的点云数据进行去噪处理；
S2、根据获取的点云数据生成路径点形状约束区域；
S3、根据随机采样后融入工程约束进行筛选的方法生成路径点集，工程约束具体为干涉约束；
S4、根据生成的路径点集得到唯一路径，即为三维模型表面覆盖路径规划。
2.根据权利要求1所述的路径规划方法，其特征在于：在步骤S2中，根据获取的点云数据生成路径点形状约束区域，具体过程包括以下步骤：
S21、统计点云数据中X、Y、Z方向的坐标最大值与最小值，根据每个体素的尺寸对X、Y、Z方向的点云进行网格划分，落到一个网格内的点作为同一体素；
S22、设置膨胀体素值，对体素进行两次体素膨胀操作，得到膨胀后的体素
Figure QLYQS_1
；
S23、设置收缩体素值，进行一次体素收缩操作，得到收缩后的体素
Figure QLYQS_2
；
S24、计算体素
Figure QLYQS_3
与体素
Figure QLYQS_4
的差值得到形状约束区域
Figure QLYQS_5
。
3.根据权利要求2所述的路径规划方法，其特征在于：在步骤S22中，膨胀体素值设置为4。
4.根据权利要求2所述的路径规划方法，其特征在于：在步骤S23中，收缩体素值设置为4。
5.根据权利要求1所述的路径规划方法，其特征在于：在步骤S3中，根据随机采样后融入工程约束进行筛选的方法生成路径点集，具体过程包括以下步骤：
S31、设置起始点、目标点、步长及最大迭代次数，划定采样区域为大于三维模型点云的三维空间，并在形状约束区域范围内设置起始点
Figure QLYQS_6
和目标点
Figure QLYQS_7
，设置路径步长和采样的最大迭代次数；
S32、在划定采样区域内进行随机采样得到初始点
Figure QLYQS_8
；
S33、在已有的路径点中遍历与初始点
Figure QLYQS_9
的最近点
Figure QLYQS_10
得到初始路径点
Figure QLYQS_11
；
S34、判断初始路径点
Figure QLYQS_12
是否满足干涉约束筛选；
若满足干涉约束筛选，则进行步骤S35；
若不满足干涉约束筛选，则舍弃该点后重新进行步骤S32；
S35、判断通过筛选的初始路径点
Figure QLYQS_13
是否在形状约束区域
Figure QLYQS_14
的范围内；
若在范围内，则视为通过筛选的初始路径点
Figure QLYQS_15
通过形状约束筛选，执行步骤S36；
若不在范围内，则舍弃该点后重新进行步骤S32；
S36、将满足干涉约束筛选和形状约束区域的初始路径点
Figure QLYQS_16
加入到路径点集，并将初始路径点
Figure QLYQS_17
与最近点
Figure QLYQS_18
的有向连线加入到有向边集中；
S37、判断是否达到目标点，计算新加入到路径点集中的初始路径点
Figure QLYQS_19
与目标点
Figure QLYQS_20
的欧式距离；
若距离小于步长，视为达到目标点，则结束；否则执行步骤S38；
S38、判断是否达到最大迭代次数，若达到，则结束，否则继续执行步骤S32。
6.根据权利要求5所述的路径规划方法，其特征在于：在步骤S31中，划定采样区域为步骤S21中X、Y、Z方向的坐标最大值与最小值分别向外扩张2个体素的大小，步长设置为10倍体素尺寸的大小。
7.根据权利要求1所述的路径规划方法，其特征在于：在步骤S4中，根据生成的路径点集得到唯一路径，具体过程包括：
根据步骤S3中的算法结果，得到从起始点
Figure QLYQS_21
到目标点
Figure QLYQS_22
的唯一通路，即在点集和有向边集中，可以从目标点
Figure QLYQS_23
开始反向搜索必定会到达起始点
Figure QLYQS_24
，即得到规划完成的路径。
CN202310106071.9A 2023-02-13 2023-02-13 一种基于形状约束的三维模型表面覆盖路径规划方法 Active CN115774452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310106071.9A CN115774452B (zh) 2023-02-13 2023-02-13 一种基于形状约束的三维模型表面覆盖路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310106071.9A CN115774452B (zh) 2023-02-13 2023-02-13 一种基于形状约束的三维模型表面覆盖路径规划方法

Publications (2)

Publication Number Publication Date
CN115774452A true CN115774452A (zh) 2023-03-10
CN115774452B CN115774452B (zh) 2023-05-05

Family

ID=85393681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310106071.9A Active CN115774452B (zh) 2023-02-13 2023-02-13 一种基于形状约束的三维模型表面覆盖路径规划方法

Country Status (1)

Country Link
CN (1) CN115774452B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619679A (zh) * 2019-09-10 2019-12-27 真健康（北京）医疗科技有限公司 一种路径自动规划装置及方法
CN111678524A (zh) * 2020-07-31 2020-09-18 中国民用航空飞行学院 一种基于飞行安全的救援航空器路径规划方法及系统
CN112161622A (zh) * 2020-08-28 2021-01-01 深圳市优必选科技股份有限公司 一种机器人足迹规划方法、装置、可读存储介质及机器人
CN113589753A (zh) * 2021-07-12 2021-11-02 西安电子科技大学 三维模型表面路径规划方法、系统、设备、终端及应用
CN113778130A (zh) * 2021-09-24 2021-12-10 南京航空航天大学 一种基于三维模型的无人机覆盖路径规划方法
CN114355956A (zh) * 2021-12-27 2022-04-15 武汉理工大学 一种基于三维点云的水下机器人路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619679A (zh) * 2019-09-10 2019-12-27 真健康（北京）医疗科技有限公司 一种路径自动规划装置及方法
CN111678524A (zh) * 2020-07-31 2020-09-18 中国民用航空飞行学院 一种基于飞行安全的救援航空器路径规划方法及系统
CN112161622A (zh) * 2020-08-28 2021-01-01 深圳市优必选科技股份有限公司 一种机器人足迹规划方法、装置、可读存储介质及机器人
CN113589753A (zh) * 2021-07-12 2021-11-02 西安电子科技大学 三维模型表面路径规划方法、系统、设备、终端及应用
CN113778130A (zh) * 2021-09-24 2021-12-10 南京航空航天大学 一种基于三维模型的无人机覆盖路径规划方法
CN114355956A (zh) * 2021-12-27 2022-04-15 武汉理工大学 一种基于三维点云的水下机器人路径规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENMING WU 等: "Energy-Efficient Coverage Path Planning for General Terrain Surfaces" *
SOOHWAN SONG 等: "Online Inspection Path Planning for Autonomous 3D Modeling using a Micro-Aerial Vehicle" *
张世勇 等: "旋翼无人机环境覆盖与探索规划方法综述" *

Also Published As

Publication number Publication date
CN115774452B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
Macenski et al. SLAM Toolbox: SLAM for the dynamic world
CN110340891B (zh) 基于点云模板匹配技术的机械臂定位抓取系统及方法
Carsten et al. 3d field d: Improved path planning and replanning in three dimensions
Rodenberg et al. Indoor A* pathfinding through an octree representation of a point cloud
JP4905285B2 (ja) 工具参照面を作成する装置と方法とプログラム
Patil et al. Extraction of weld seam in 3d point clouds for real time welding using 5 dof robotic arm
CN114119804A (zh) 平面模型包围多边形生成方法、装置及家具轮廓识别方法
CN116604212A (zh) 一种基于面阵结构光的机器人焊缝识别方法和系统
Xu et al. A new welding path planning method based on point cloud and deep learning
CN105184854A (zh) 针对地下空间扫描点云成果数据的快速建模方法
CN117162098B (zh) 一种狭小空间机器人姿态自主规划系统及方法
WO2023231640A1 (zh) 动态沿边路径生成方法、装置、计算机设备和存储介质
Fan et al. Fast global collision detection method based on feature-point-set for robotic machining of large complex components
CN115774452A (zh) 一种基于形状约束的三维模型表面覆盖路径规划方法
CN115542896A (zh) 一种机器人路径生成方法、系统及存储介质
KR20110098252A (ko) 카메라 포즈 결정 방법
Zhang et al. An improvement algorithm for OctoMap based on RGB-D SLAM
CN114998381A (zh) 管板焊接中焊接轨迹拟合方法、装置、设备及存储介质
Smirnova et al. A technique of natural visual landmarks detection and description for mobile robot cognitive navigation
JP4622987B2 (ja) 工具参照面データの作成装置と作成方法
Chen et al. Max orientation coverage: efficient path planning to avoid collisions in the CNC milling of 3D objects
Yukhimets Tool Path Planning Method for Industrial Manipulators Based on 3D-Model Obtained From Computer Vision Systems
CN117058358B (zh) 一种场景边界检测方法和移动平台
Charalampous et al. 3d maps registration and path planning for autonomous robot navigation
Zhang et al. Coverage enhancement for deployment of multi-camera networks

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