CN116843631A - 一种轻钢行业非标零件叠料的3d视觉分料方法 - Google Patents
一种轻钢行业非标零件叠料的3d视觉分料方法 Download PDFInfo
- Publication number
- CN116843631A CN116843631A CN202310728377.8A CN202310728377A CN116843631A CN 116843631 A CN116843631 A CN 116843631A CN 202310728377 A CN202310728377 A CN 202310728377A CN 116843631 A CN116843631 A CN 116843631A
- Authority
- CN
- China
- Prior art keywords
- target
- target part
- image
- parts
- depth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 12
- 239000010959 steel Substances 0.000 title claims abstract description 12
- 239000000463 material Substances 0.000 title claims description 17
- 230000000007 visual effect Effects 0.000 title claims description 12
- 238000000926 separation method Methods 0.000 claims abstract description 6
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003466 welding Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种轻钢行业非标零件叠料的3D视觉分料方法，涉及工业视觉图像识别技术领域，首先对目标区域的标准图像和实时图像进行采集，将实时图像与标准图像进行相减，将实时图像中的背景进行分离，同时将背景分离后的实时图像进行处理，分别得到每个目标零件的位置，之后根据目标零件的位置，获取到目标零件的具体的尺寸信息，同时根据不同的目标零件的装配顺序，对目标区域上的零件的抓取顺序进行排序，同时根据其具体的尺寸信息，分别获取到每个目标零件的中心点的位置，由中心点的位置确定在抓取时对应设备的下落点的位置，提高抓取位置的准确性。
Description
技术领域
本发明属于工业视觉图像识别技术领域，具体是一种轻钢行业非标零件叠料的3D视觉分料方法。
背景技术
智能化和自动化是制造业的必然发展方向，随着智能焊接领域的快速发展，智能装配焊接机器人也得到广泛应用。对于装配机器人来说，想要实现对于非标件的自动装配，自然要完成对于非标零件的自动识别其关键信息，以供装配机器人自动抓取所需料件进行去指定位置装配。
而机器人在对零件进行识别和抓取时，一般只能识别其零件的位置信息，当存在多种零件同时进行分料时，机器无法根据不同的零件的安装顺序，对零件进行识别和抓取，使机器在使用时，要先对零件进行分类，会增加工人的工作量。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种轻钢行业非标零件叠料的3D视觉分料方法，用于解决上述所提出的技术问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种轻钢行业非标零件叠料的3D视觉分料方法，包括以下步骤：
步骤一：先对目标区域中的目标零件的深度信息的深度图进行提取，得到每个目标零件的位置；
步骤二：之后根据目标零件的位置，先对目标零件的外接矩形进行查找，获取到目标矩形的平面坐标位置，同时将平面坐标位置采用公式进行转化，得到外接矩形的绝对坐标系，同时采用公式进行计算得到目标区域的目标零件的具体的空间尺寸，再根据不同的目标零件的装配顺序，对目标区域上的零件的抓取顺序进行排序；
步骤三：之后根据目标零件的空间尺寸，获取目标零件的空间尺寸，根据目标零件的空间尺寸的最大值与仅次于最大值的值，将其对应的线段进行连线，得到交点，并将其作为目标零件的中心点的位置；
步骤四：根据目标零件的中心点的位置，以及对应的目标零件的装配顺序，对目标区域的零件进行抓取。
作为本发明的进一步方案，目标零件的具体的空间尺寸的方法为：
S31：首先选取料台桌面的中心点处的位置为原点，在目标区域内建立平面坐标系；
S32：之后根据每个目标零件的深度信息的深度图，同时结合CV图像处理技术，对目标零件的轮廓进行查找，分别得到每个目标零件的外接矩形，同时对所查找到的外接矩形内的目标零件采用CV图像处理，得到目标零件的具体的轮廓图；
S33：之后获取到目标零件的外接矩形的四个角的平面坐标位置，并将其标记为(Xi，Yi)，i＝1、2、3、4，之后采用公式 Zi＝Z得到目标零件的外接矩形的四点在本系统内绝对坐标系(Xwi，Ywi，Zi)，其中u、v、fx和fy分别为预设值，Z为目标零件的图像深度值；
S34：之后采用公式分别得到目标零件不同位置的空间尺寸Dc，其中n属于i，且在计算的过程中n与i的位置关系互不相同。
作为本发明的进一步方案，目标零件的中心点的位置的获取方法为：
根据目标零件的空间尺寸，将目标零件的空间尺寸按照降序的方法进行列，获取到目标零件的最大值和仅次于最大值的值，同时将所获取的空间尺寸的线段进行连线，获取到两个线段的交点，若存在两个线段的交点为线段的端点位置时，继续获取到第三个位置的空间尺寸的线段，同时将其与目标零件最大的空间尺寸的线段进行相交得到中心点的绝对坐标系，同时将中心点的绝对坐标系作为分拣零件的下落点的位置。
作为本发明的进一步方案，目标零件的深度信息的深度图进行提取的方法为：
首先对目标区域的图像进行采集，目标区域指放置零件的料台桌面，图像包括标准图像和实时图像，标准图像指目标区域无物料摆放时，空白桌面的图像，再通过3D点云技术进行采集，得到空白桌面的背景深度图，并将其作为标准图像，实时图像指当目标零件落入目标区域中时，通过3D点云技术对此时的目标区域的图像进行采集，并进行处理得到此时的前景深度图，同时将此时的前景深度图标记为实时图像；
之后对目标区域的图像进行处理，利用CV图像处理中的背景分离法，将实时图像中的画面与标准图像的画面相减，从而对实时图像中的背景进行分离。
作为本发明的进一步方案，目标零件的深度信息的深度图进行提取的另一种方法为：
当系统开始运行时，先直接采用3D点云技术对目标区域进行采集，之后将采集完成后的图像采用随机抽样一致性算法，对其进行计算，得到点云计算中最大平面，并将其作为目标平面，之后获取到目标平面上的所有的点云的集合，并将其作为目标集合，将其与对应的相机的参数进行点云转深度图处理，分别得到目标零件的深度信息的深度图。
与现有技术相比，本发明的有益效果是：首先将实时图像中的背景进行分离，同时将背景分离后的实时图像进行处理，分别得到每个目标零件的位置，之后根据目标零件的位置，获取到目标矩形的平面坐标位置，同时将平面坐标位置采用公式进行转化，得到外接矩形的绝对坐标系，同时采用公式进行计算得到目标获取到目标零件的具体的尺寸信息，再根据不同的目标零件的装配顺序，对目标区域上的零件的抓取顺序进行排序，从而使机器能够识别目标零件，并进行自动抓取，提高整体工作效率；
同时根据其具体的尺寸信息，分别获取到每个目标零件的中心点的位置，由中心点的位置确定在抓取时对应设备的下落点的位置，使抓取目标零件时的位置更加准确，防止因下落点位置偏差，抓取目标零件时使目标零件掉落，对目标零件造成损伤。
附图说明
图1为本发明系统框架原理图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
请参阅图1，本申请提供了一种轻钢行业非标零件叠料的3D视觉分料方法，包括以下步骤：
步骤一：首先对目标区域的图像进行采集，目标区域指放置零件的料台桌面，图像包括标准图像和实时图像，标准图像指目标区域无物料摆放时，空白桌面的图像，再通过3D点云技术进行采集，得到空白桌面的背景深度图，并将其作为标准图像，实时图像指当目标零件落入目标区域中时，通过3D点云技术对此时的目标区域的图像进行采集，并进行处理得到此时的前景深度图，同时将此时的前景深度图标记为实时图像，此处3D点云技术为现有技术，在此处不进行赘述；
步骤二：之后对目标区域的图像进行处理，利用CV图像处理中的背景分离法，将实时图像中的画面与标准图像的画面相减，从而对实时图像中的背景进行分离，分别得到目标区域内的目标零件的深度信息的深度图，同时对每个目标零件的深度信息的深度图进行处理，再结合3D点云技术，从而得到每个目标零件的位置，其中CV图像处理技术为现有技术，在此处不进行描述；
步骤三：之后根据目标零件的位置，再对目标零件的具体的尺寸信息进行分析，具体的分析方式为：
S31：首先选取料台桌面的中心点处的位置为原点，在目标区域内建立平面坐标系；
S32：之后根据每个目标零件的深度信息的深度图，同时结合CV图像处理技术，对目标零件的轮廓进行查找，分别得到每个目标零件的外接矩形，同时对所查找到的外接矩形内的目标零件采用CV图像处理，得到目标零件的具体的轮廓图，其中具体的轮廓图包括目标零件的缺角和圆孔等；
S33：之后获取到目标零件的外接矩形的四个角的平面坐标位置，并将其标记为(Xi，Yi)，i＝1、2、3、4，之后采用公式 Zi＝Z得到目标零件的外接矩形的四点在本系统内绝对坐标系(Xwi，Ywi，Zi)，其中u、v、fx和fy分别为预设值，其具体的值由相关的专业人员进行取值，Z为目标零件的图像深度值；
S34：之后采用公式分别得到目标零件不同位置的空间尺寸Dc，其中n属于i，且在计算的过程中n与i的位置关系互不相同；
S35：同时根据目标零件的绝对坐标系的位置和尺寸，再结合目标零件的具体的轮廓图，对目标零件的中心点进行获取，先根据目标零件的空间尺寸，将目标零件的空间尺寸按照降序的方法进行列，获取到目标零件的最大值和仅次于最大值的值，同时将所获取的空间尺寸的线段进行连线，获取到两个线段的交点，若存在两个线段的交点为线段的端点位置时，继续获取到第三个位置的空间尺寸的线段，同时将其与目标零件最大的空间尺寸的线段进行相交得到中心点的绝对坐标系，同时将中心点的绝对坐标系作为分拣零件的下落点的位置；
步骤四：之后根据目标区域内的零件的具体的轮廓图和尺寸的大小，再结合装配时不同的零件的装配顺序，先对目标区域内的目标零件的分拣顺序进行排序，得到目标零件的分拣顺序，同时再结合目标零件的中心的绝对坐标系的位置，对抓取目标零件时的下落点的位置进行定位，使抓取目标零件时的位置更加准确，防止因下落点位置偏差，抓取目标零件时使目标零件掉落，对目标零件造成损伤。
作为本发明的实施例二，与实施例一的差别之处在于，提取目标区域内的目标零件的深度信息的深度图的方式不同，本实施例中具体的提取目标零件的深度信息的深度图的方式为：
首先，当系统开始运行时，先直接采用3D点云技术对目标区域进行采集，之后将采集完成后的图像采用随机抽样一致性算法，对其进行计算，得到点云计算中最大平面，并将其作为目标平面，之后获取到目标平面上的所有的点云的集合，并将其作为目标集合，将其与对应的相机的参数进行点云转深度图处理，分别得到目标零件的深度信息的深度图。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：首先对目标区域的标准图像和实时图像进行采集，将实时图像与标准图像进行相减，将实时图像中的背景进行分离，同时将背景分离后的实时图像进行处理，分别得到每个目标零件的位置，之后根据目标零件的位置，先对目标零件的外接矩形进行查找，之后获取到目标矩形的平面坐标位置，同时将平面坐标位置采用公式进行转化，得到外接矩形的绝对坐标系，同时采用公式进行计算得到目标获取到目标零件的具体的尺寸信息，再根据不同的目标零件的装配顺序，对目标区域上的零件的抓取顺序进行排序，同时根据其具体的空间尺寸信息，分别获取到每个目标零件的中心点的位置，由中心点的位置确定在抓取时对应设备的下落点的位置。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (5)
1.一种轻钢行业非标零件叠料的3D视觉分料方法，其特征在于，包括以下步骤：
步骤一：先对目标区域中的目标零件的深度信息的深度图进行提取，得到每个目标零件的位置；
步骤二：之后根据目标零件的位置，先对目标零件的外接矩形进行查找，获取到目标矩形的平面坐标位置，同时将平面坐标位置采用公式进行转化，得到外接矩形的绝对坐标系，同时采用公式进行计算得到目标区域的目标零件的具体的空间尺寸，再根据不同的目标零件的装配顺序，对目标区域上的零件的抓取顺序进行排序；
步骤三：之后根据目标零件的空间尺寸，获取目标零件的空间尺寸，根据目标零件的空间尺寸的最大值与仅次于最大值的值，将其对应的线段进行连线，得到交点，并将其作为目标零件的中心点的位置；
步骤四：根据目标零件的中心点的位置，以及对应的目标零件的装配顺序，对目标区域的零件进行抓取。
2.根据权利要求1所述的一种轻钢行业非标零件叠料的3D视觉分料方法，其特征在于，目标零件的具体的空间尺寸的方法为：
S31：首先选取料台桌面的中心点处的位置为原点，在目标区域内建立平面坐标系；
S32：之后根据每个目标零件的深度信息的深度图，同时结合CV图像处理技术，对目标零件的轮廓进行查找，分别得到每个目标零件的外接矩形，同时对所查找到的外接矩形内的目标零件采用CV图像处理，得到目标零件的具体的轮廓图；
S33：之后获取到目标零件的外接矩形的四个角的平面坐标位置，并将其标记为(Xi，Yi)，i＝1、2、3、4，之后采用公式Zi＝Z得到目标零件的外接矩形的四点在本系统内绝对坐标系(Xwi，Ywi，Zi)，其中u、v、fx和fy分别为预设值，Z为目标零件的图像深度值；
S34：之后采用公式分别得到目标零件不同位置的空间尺寸Dc，其中n属于i，且在计算的过程中n与i的位置关系互不相同。
3.根据权利要求1所述的一种轻钢行业非标零件叠料的3D视觉分料方法，其特征在于，目标零件的中心点的位置的获取方法为：
根据目标零件的空间尺寸，将目标零件的空间尺寸按照降序的方法进行列，获取到目标零件的最大值和仅次于最大值的值，同时将所获取的空间尺寸的线段进行连线，获取到两个线段的交点，若存在两个线段的交点为线段的端点位置时，继续获取到第三个位置的空间尺寸的线段，同时将其与目标零件最大的空间尺寸的线段进行相交得到中心点的绝对坐标系，同时将中心点的绝对坐标系作为分拣零件的下落点的位置。
4.根据权利要求1所述的一种轻钢行业非标零件叠料的3D视觉分料方法，其特征在于，目标零件的深度信息的深度图进行提取的方法为：
首先对目标区域的图像进行采集，目标区域指放置零件的料台桌面，图像包括标准图像和实时图像，标准图像指目标区域无物料摆放时，空白桌面的图像，再通过3D点云技术进行采集，得到空白桌面的背景深度图，并将其作为标准图像，实时图像指当目标零件落入目标区域中时，通过3D点云技术对此时的目标区域的图像进行采集，并进行处理得到此时的前景深度图，同时将此时的前景深度图标记为实时图像；
之后对目标区域的图像进行处理，利用CV图像处理中的背景分离法，将实时图像中的画面与标准图像的画面相减，从而对实时图像中的背景进行分离。
5.根据权利要求1所述的一种轻钢行业非标零件叠料的3D视觉分料方法，其特征在于，目标零件的深度信息的深度图进行提取的另一种方法为：
当系统开始运行时，先直接采用3D点云技术对目标区域进行采集，之后将采集完成后的图像采用随机抽样一致性算法，对其进行计算，得到点云计算中最大平面，并将其作为目标平面，之后获取到目标平面上的所有的点云的集合，并将其作为目标集合，将其与对应的相机的参数进行点云转深度图处理，分别得到目标零件的深度信息的深度图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310728377.8A CN116843631B (zh) | 2023-06-20 | 2023-06-20 | 一种轻钢行业非标零件叠料的3d视觉分料方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310728377.8A CN116843631B (zh) | 2023-06-20 | 2023-06-20 | 一种轻钢行业非标零件叠料的3d视觉分料方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116843631A true CN116843631A (zh) | 2023-10-03 |
| CN116843631B CN116843631B (zh) | 2024-04-02 |
Family
ID=88171740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310728377.8A Active CN116843631B (zh) | 2023-06-20 | 2023-06-20 | 一种轻钢行业非标零件叠料的3d视觉分料方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116843631B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117325181A (zh) * | 2023-11-16 | 2024-01-02 | 安徽工布智造工业科技有限公司 | 一种基于3d视觉识别h型钢端头进行整体抓料的方法 |
| CN117710396A (zh) * | 2023-12-14 | 2024-03-15 | 安徽工布智造工业科技有限公司 | 一种基于3d点云的轻钢行业非标零件的识别方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170066092A1 (en) * | 2014-03-11 | 2017-03-09 | Hitachi, Ltd. | Apparatus for generating assembly sequence and method for generating assembly sequence |
| CN106570903A (zh) * | 2016-10-13 | 2017-04-19 | 华南理工大学 | 一种基于rgb‑d摄像头的视觉识别与定位方法 |
| CN108109174A (zh) * | 2017-12-13 | 2018-06-01 | 上海电气集团股份有限公司 | 一种用于散乱零件随机分拣的机器人单目引导方法和系统 |
| CN108555908A (zh) * | 2018-04-12 | 2018-09-21 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
| US20200265256A1 (en) * | 2019-02-14 | 2020-08-20 | Denso Wave Incorporated | Device and method for analyzing state of manual work by worker, and work analysis program |
| CN112802105A (zh) * | 2021-02-05 | 2021-05-14 | 梅卡曼德（北京）机器人科技有限公司 | 对象抓取方法及装置 |
| CN113313815A (zh) * | 2021-05-24 | 2021-08-27 | 北京航空航天大学 | 一种机械臂抓取物体实时三维重建方法 |
| CN113524187A (zh) * | 2021-07-20 | 2021-10-22 | 熵智科技(深圳)有限公司 | 一种工件抓取顺序的确定方法、装置、计算机设备及介质 |
| CN113538582A (zh) * | 2021-07-20 | 2021-10-22 | 熵智科技(深圳)有限公司 | 一种工件抓取顺序的确定方法、装置、计算机设备及介质 |
| CN115272859A (zh) * | 2022-08-02 | 2022-11-01 | 清华大学 | 一种多尺度sar图像目标检测方法、装置、设备和介质 |
| CN115648197A (zh) * | 2021-07-09 | 2023-01-31 | 深圳富泰宏精密工业有限公司 | 零部件识别方法及系统 |
| WO2023035832A1 (zh) * | 2021-09-08 | 2023-03-16 | 中建钢构工程有限公司 | 一种基于视觉识别的机器人分拣方法及存储介质 |
| WO2023050589A1 (zh) * | 2021-09-30 | 2023-04-06 | 北京工业大学 | 一种基于rgbd相机的货物箱智能装载方法及系统 |
| KR20230064648A (ko) * | 2021-11-03 | 2023-05-11 | 동국대학교 산학협력단 | 위치 추정 장치 및 방법 |
-
2023
- 2023-06-20 CN CN202310728377.8A patent/CN116843631B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170066092A1 (en) * | 2014-03-11 | 2017-03-09 | Hitachi, Ltd. | Apparatus for generating assembly sequence and method for generating assembly sequence |
| CN106570903A (zh) * | 2016-10-13 | 2017-04-19 | 华南理工大学 | 一种基于rgb‑d摄像头的视觉识别与定位方法 |
| CN108109174A (zh) * | 2017-12-13 | 2018-06-01 | 上海电气集团股份有限公司 | 一种用于散乱零件随机分拣的机器人单目引导方法和系统 |
| CN108555908A (zh) * | 2018-04-12 | 2018-09-21 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
| US20200265256A1 (en) * | 2019-02-14 | 2020-08-20 | Denso Wave Incorporated | Device and method for analyzing state of manual work by worker, and work analysis program |
| CN112802105A (zh) * | 2021-02-05 | 2021-05-14 | 梅卡曼德（北京）机器人科技有限公司 | 对象抓取方法及装置 |
| CN113313815A (zh) * | 2021-05-24 | 2021-08-27 | 北京航空航天大学 | 一种机械臂抓取物体实时三维重建方法 |
| CN115648197A (zh) * | 2021-07-09 | 2023-01-31 | 深圳富泰宏精密工业有限公司 | 零部件识别方法及系统 |
| CN113524187A (zh) * | 2021-07-20 | 2021-10-22 | 熵智科技(深圳)有限公司 | 一种工件抓取顺序的确定方法、装置、计算机设备及介质 |
| CN113538582A (zh) * | 2021-07-20 | 2021-10-22 | 熵智科技(深圳)有限公司 | 一种工件抓取顺序的确定方法、装置、计算机设备及介质 |
| WO2023035832A1 (zh) * | 2021-09-08 | 2023-03-16 | 中建钢构工程有限公司 | 一种基于视觉识别的机器人分拣方法及存储介质 |
| WO2023050589A1 (zh) * | 2021-09-30 | 2023-04-06 | 北京工业大学 | 一种基于rgbd相机的货物箱智能装载方法及系统 |
| KR20230064648A (ko) * | 2021-11-03 | 2023-05-11 | 동국대학교 산학협력단 | 위치 추정 장치 및 방법 |
| CN115272859A (zh) * | 2022-08-02 | 2022-11-01 | 清华大学 | 一种多尺度sar图像目标检测方法、装置、设备和介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117325181A (zh) * | 2023-11-16 | 2024-01-02 | 安徽工布智造工业科技有限公司 | 一种基于3d视觉识别h型钢端头进行整体抓料的方法 |
| CN117710396A (zh) * | 2023-12-14 | 2024-03-15 | 安徽工布智造工业科技有限公司 | 一种基于3d点云的轻钢行业非标零件的识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116843631B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116843631B (zh) | 一种轻钢行业非标零件叠料的3d视觉分料方法 | |
| CN105787486B (zh) | 一种基于图像处理的钢梁裂纹检测方法 | |
| CN112509063A (zh) | 一种基于边缘特征匹配的机械臂抓取系统及方法 | |
| CN111476841B (zh) | 一种基于点云和图像的识别定位方法及系统 | |
| CN109013405A (zh) | 一种具有铸件表面自主检测及次品分拣功能的机器人系统 | |
| CN105563481B (zh) | 一种用于轴孔装配的机器人视觉引导方法 | |
| CN111761575B (zh) | 工件及其抓取方法和生产线 | |
| KR102634535B1 (ko) | 포인트 집단 분석을 이용한 작업대상물의 터치교시점 인식방법 | |
| CN106778779A (zh) | 一种电动注塑机模具检测方法 | |
| CN113240798B (zh) | 基于数字孪生和ar的物料完备性智能检测与配置方法 | |
| CN113538459B (zh) | 一种基于落点区域检测的多模式抓取避障检测优化方法 | |
| CN111598172A (zh) | 基于异构深度网络融合的动态目标抓取姿态快速检测方法 | |
| CN114473309A (zh) | 用于自动焊接系统的焊接位置识别方法及自动焊接系统 | |
| CN113744247A (zh) | 一种pcb焊点缺陷识别方法和系统 | |
| CN113420839B (zh) | 用于堆叠平面目标物体的半自动标注方法及分割定位系统 | |
| Sano et al. | Automatic micromanipulation system using stereoscopic microscope | |
| CN115464651A (zh) | 一种六组机器人物体抓取系统 | |
| Qian et al. | The autonomous detection of sheet metal parts using imageprocessing | |
| CN107316302A (zh) | 基于双目视觉的行车自动定位装置及其对应的定位方法 | |
| CN107020545A (zh) | 识别机械工件位姿的装置和方法 | |
| CN116977998B (zh) | 涂装生产线工件上件视觉识别系统及识别方法 | |
| KR100373084B1 (ko) | 조립용로보트의위치제어방법 | |
| Fu et al. | Robotic arm intelligent grasping system for garbage recycling | |
| Simeth et al. | Using Artificial Intelligence to Facilitate Assembly Automation in High-Mix Low-Volume Production Scenario | |
| Kawollek et al. | Machine vision for three-Dimensional modelling of gerbera jamesonii for automated robotic harvesting |
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 |