CN116883583A - 一种鞋帮打磨喷涂方法、系统、终端设备及存储介质 - Google Patents

Abstract

本申请涉及制鞋工艺领域，尤其涉及一种鞋帮打磨喷涂方法、系统、终端设备及存储介质。其方法包括，若当前目标鞋帮图像与运动轨迹模版图像对应的特征相似参数符合预设特征参数标准，则将运动轨迹模版图像转换至目标鞋帮图像上，并根据预设匹配算法生成对应的转换矩阵；随即基于转换矩阵，将运动轨迹模版图像中对应的运动轨迹转换至目标鞋帮图像的空间中，生成对应的目标运动轨迹。本申请提供一种鞋帮打磨喷涂方法、系统、终端设备及存储介质相比于现有技术，能够降低生产成本、并且大规模应用于鞋子加工领域，同时满足多样化生产需求，从而提升了鞋帮在打磨喷涂过程中的效率。

Description

一种鞋帮打磨喷涂方法、系统、终端设备及存储介质

技术领域

本申请涉及制鞋工艺领域，尤其涉及一种鞋帮打磨喷涂方法、系统、终端设备及存储介质。

背景技术

鞋帮打磨喷涂加工是一种制鞋工艺，通常用于保护鞋面以及提高鞋子的美观度。通过打磨和喷涂，可以使鞋子表面更加光滑、均匀，并增强其防水性和耐久性。

目前，制鞋机器设备通过计算机控制和机械臂运动来对鞋帮进行打磨喷涂，制鞋机器设备会使用激光测量仪、视觉系统或者其他传感器来获取鞋帮3D数据，并将其转换成程序化指令。然后，制鞋机器设备会将指令发送到机械臂上，并使用刷子、喷枪等工具对鞋帮进行处理。在此过程中，制鞋机器设备可以根据预设的参数来控制工具的速度、力度、角度等，以保证精度。

在实际运用中，鞋帮3D数据是通过激光测量仪、视觉系统或其他传感器获取的，它包括鞋帮的尺寸、形状、曲率等信息，这些数据可以被转换成计算机可识别的形式，并成为鞋帮轨迹生成算法的输入。制鞋机器设备在处理不同类型的鞋帮时，需要调整程序和工具满足自适应性，就需要额外的时间和人力进行调整，从而导致鞋帮的打磨喷涂效率较低。

发明内容

为了提升鞋帮在打磨喷涂过程中的效率，本申请提供一种鞋帮打磨喷涂方法、系统、终端设备及存储介质。

第一方面，本申请提供一种鞋帮打磨喷涂方法，包括以下步骤：

获取本地鞋帮数据；

对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型；

匹配所述三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像；

若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则将所述目标特征与所述模版特征进行定位，获取对应的定位数据；

根据定位数据将所述运动轨迹模版图像转换至所述目标鞋帮图像上，生成目标运动轨迹图像；

根据预设匹配算法处理所述运动轨迹模版图像和所述目标运动轨迹图像，生成对应的转换矩阵；

根据所述转换矩阵，将所述运动轨迹模版图像中对应的运动轨迹转换至所述目标鞋帮图像的空间中，生成对应的目标运动轨迹；

根据所述目标运动轨迹，对目标鞋帮进行打磨喷涂。

通过采用上述技术方案，根据本地鞋帮数据进行拼接及合并点云生成的三维鞋帮模型可为后续不同鞋帮类型的打磨喷涂提供准确的参考，减少了打磨喷涂过程中鞋帮类型不匹配或者错误情况的发生，进一步匹配三维鞋帮模型相应的打磨喷涂运动轨迹，生成各类型鞋帮打磨喷涂标准对应的运动轨迹模版图像，通过该运动轨迹模版图像可促使不同鞋帮类型在打磨喷涂过程中的快速配对，提升了鞋帮的打磨喷涂过程中的效率，具体地，若当前目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则说明当前待喷涂打磨的目标鞋帮与相应的打磨喷涂运动轨迹模版图像配对成功，进一步完成相应的轨迹图像转换以及最终执行运动轨迹的生成即目标运动轨迹，随即打磨喷涂设备根据该目标运动轨迹对当前目标鞋帮进行打磨喷涂，由于对本地各类型鞋帮三维模型的建立，以及各类型鞋帮打磨喷涂轨迹的匹配与模版生成，进而可快速完成不同类型鞋帮的精准匹配和其打磨喷涂轨迹的确定执行，从而提升了鞋帮在打磨喷涂过程中的效率。

可选的，所述本地鞋帮数据包括目标鞋帮类型对应的标定块多次扫描数据和标定块物体实际数据，所述对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型包括以下步骤：

所述对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型包括以下步骤：

对所述本地鞋帮数据进行拼接及合并点云，生成对应的点云数据；

对所述点云数据进行预处理，生成对应的目标点云数据；

根据预设三维重构算法所述目标点云数据进行处理，生成对应的所述三维鞋帮模型。

通过采用上述技术方案，可提升建立三维鞋帮模型的精度，减少了因鞋帮扫描数据误差较大造成后期鞋帮在打磨喷涂过程中频繁调试情况的发生，从而提升了鞋帮在打磨喷涂过程中的效率。

可选的，所述若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则将所述目标特征与所述模版特征进行定位，获取对应的定位数据包括以下步骤：

若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则获取当前所述运动轨迹模版图像的数量；

若所述运动轨迹模版图像的数量为多个，则获取各个所述运动轨迹模版图像与所述目标鞋帮图像对应的相似特征点；

获取所述相似特征点对应特征匹配度符合预设匹配标准的所述运动轨迹模版图像为目标运动轨迹模版图像；

根据所述目标运动轨迹模版图像对应的所述模版特征与所述目标特征进行定位，获取对应的所述定位数据。

通过采用上述技术方案，进一步对多个运动轨迹模版图像对应相似特征点进行分析，选取匹配度更高的运动轨迹模版图像为目标运动轨迹模版图像，从而可以更加准确地确定相应的定位数据，使得鞋帮打磨喷涂过程更加高效。

可选的，在所述获取所述相似特征点对应特征匹配度符合预设匹配标准的所述运动轨迹模版图像为目标运动轨迹模版图像之后还包括以下步骤：

若所述目标运动轨迹模版图像为多个，则标定各个所述目标运动轨迹模版图像为预选运动轨迹模版图像；

对各个所述预选运动轨迹模版图像进行预处理，获取对应的图像特征点；

计算所述图像特征点之间的相似性参数和距离指标；

对所述相似性参数和所述距离指标进行加权和归一化处理，生成各个所述预选运动轨迹模版图像之间的差异稳定性参数；

选取所述差异稳定性参数符合预设模版参数标准的预选运动轨迹模版图像为所述目标运动轨迹模版图像。

通过采用上述技术方案，计算各个预选运动轨迹模版图像之间的差异稳定性参数，可筛选出更加稳定可靠的模版图像，进而提高了目标运动轨迹模版图像识别获取的准确性，提升了目标鞋帮匹配相应打磨喷涂轨迹的效率。

可选的，所述匹配所述三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像包括以下步骤：

对所述打磨喷涂运动轨迹进行数据清洗，生成对应的预选打磨喷涂运动轨迹；

将所述预选打磨喷涂运动轨迹转换为运动轨迹模型；

根据平均值平滑算法对所述运动轨迹模型进行分段平滑处理，生成对应的所述运动轨迹模版图像。

通过采用上述技术方案，根据平均值平滑算法优化后的运动轨迹模版图像可缩短鞋帮打磨喷涂时间，即减少鞋帮打磨喷涂过程中停留和重复，提高了打磨喷涂机器设备的工作效率。

可选的，所述根据所述目标运动轨迹，对目标鞋帮进行打磨喷涂包括以下步骤：

判断所述目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准；

若所述目标运动轨迹的所述数据格式符合所述鞋帮加工设备的所述数据处理标准，则将所述目标运动轨迹对应的点位信息从原始坐标系转换到所述鞋帮加工设备对应的运动坐标系中，并生成对应的可执行文件；

所述鞋帮加工设备根据所述可执行文件对所述目标鞋帮进行打磨喷涂。

通过采用上述技术方案，判断目标运动轨迹是否符合鞋帮加工设备的数据处理标准，并将其转换到鞋帮加工设备对应的运动坐标系统中，从而可减少手动调整和测量的时间和误差，提高了鞋帮打磨喷涂加工的效率。

可选的，在所述判断所述目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准之后还包括以下步骤：

若所述目标运动轨迹的所述数据格式不符合所述鞋帮加工设备的所述数据处理标准，则获取所述目标运动轨迹对应的数据异常类型；

若所述数据异常类型为多个，则根据各个所述数据异常类型建立对应的异常分布图表。

通过采用上述技术方案，根据数据异常类型建立对应异常分布图表，进而通过该异常分布图表可以更直观地反映出目标运动轨迹在执行时所出现过的异常类型，从而可对该些数据异常类型进行有效集中处理，提高了异常处理效率。

第二方面，本申请提供一种鞋帮打磨喷涂系统，包括：

第一获取模块，用于获取本地鞋帮数据；

拼接模块，用于对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型；

匹配模块，用于匹配所述三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像；

定位模块，若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则所述定位模块用于将所述目标特征与所述模版特征进行定位，获取对应的定位数据；

第一生成模块，用于根据定位数据将所述运动轨迹模版图像转换至所述目标鞋帮图像上，生成目标运动轨迹图像；

第二生成模块，用于根据预设匹配算法处理所述运动轨迹模版图像和所述目标运动轨迹图像，生成对应的转换矩阵；

转换模块，用于根据所述转换矩阵，将所述运动轨迹模版图像中对应的运动轨迹转换至所述目标鞋帮图像的空间中，生成对应的目标运动轨迹；

打磨喷涂模块，用于根据所述目标运动轨迹，对目标鞋帮进行打磨喷涂。

通过采用上述技术方案，根据第一获取模块获取的本地鞋帮数据通过拼接模块进行拼接及合并点云，进而生成的三维鞋帮模型可为后续不同鞋帮类型的打磨喷涂提供准确的参考，减少了打磨喷涂过程中鞋帮类型不匹配或者错误情况的发生，进一步通过匹配模块匹配三维鞋帮模型相应的打磨喷涂运动轨迹，生成各类型鞋帮打磨喷涂标准对应的运动轨迹模版图像，通过该运动轨迹模版图像可促使不同鞋帮类型在打磨喷涂过程中的快速配对，提升了鞋帮的打磨喷涂过程中的效率，具体地，若当前目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则说明当前待喷涂打磨的目标鞋帮与相应的打磨喷涂运动轨迹模版图像配对成功，进一步通过匹配模块和定位模块完成目标鞋帮相应的轨迹图像转换，以及通过第一生成模块和第二生成模块生成目标鞋帮最终的执行运动轨迹即目标运动轨迹，随即通过打磨喷涂模块控制打磨喷涂设备根据该目标运动轨迹对当前目标鞋帮进行打磨喷涂，由于对本地各类型鞋帮三维模型的建立，以及各类型鞋帮打磨喷涂轨迹的匹配与模版生成，进而可快速完成不同类型鞋帮的精准匹配和其打磨喷涂轨迹的确定执行，从而提升了鞋帮在打磨喷涂过程中的效率。

第三方面，本申请提供一种终端设备，采用如下的技术方案：

一种终端设备，包括存储器和处理器，所述存储器中存储有能够在处理器上运行的计算机指令，所述处理器加载并执行计算机指令时，采用了上述的一种鞋帮打磨喷涂方法。

通过采用上述技术方案，通过将上述的一种鞋帮打磨喷涂方法生成计算机指令，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便使用。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器加载并执行时，采用了上述的一种鞋帮打磨喷涂方法。

通过采用上述技术方案，通过将上述的一种鞋帮打磨喷涂方法生成计算机指令，并存储于计算机可读存储介质中，以被处理器加载并执行，通过计算机可读存储介质，方便计算机指令的可读及存储。

综上所述，本申请包括以下至少一种有益技术效果：根据本地鞋帮数据进行拼接及合并点云生成的三维鞋帮模型可为后续不同鞋帮类型的打磨喷涂提供准确的参考，减少了打磨喷涂过程中鞋帮类型不匹配或者错误情况的发生，进一步匹配三维鞋帮模型相应的打磨喷涂运动轨迹，生成各类型鞋帮打磨喷涂标准对应的运动轨迹模版图像，通过该运动轨迹模版图像可促使不同鞋帮类型在打磨喷涂过程中的快速配对，提升了鞋帮的打磨喷涂过程中的效率，具体地，若当前目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则说明当前待喷涂打磨的目标鞋帮与相应的打磨喷涂运动轨迹模版图像配对成功，进一步完成相应的轨迹图像转换以及最终执行运动轨迹的生成即目标运动轨迹，随即打磨喷涂设备根据该目标运动轨迹对当前目标鞋帮进行打磨喷涂，由于对本地各类型鞋帮三维模型的建立，以及各类型鞋帮打磨喷涂轨迹的匹配与模版生成，进而可快速完成不同类型鞋帮的精准匹配和其打磨喷涂轨迹的确定执行，从而提升了鞋帮在打磨喷涂过程中的效率。

附图说明

图1是本申请一种鞋帮打磨喷涂方法中步骤S101至步骤S108的流程示意图。

图2是本申请一种鞋帮打磨喷涂方法中的点云轨迹平滑示意图。

图3是本申请一种鞋帮打磨喷涂方法中的点云轨迹平滑示意图。

图4是本申请一种鞋帮打磨喷涂方法中步骤S201至步骤S203的流程示意图。

图5是本申请一种鞋帮打磨喷涂方法中步骤S301至步骤S304的流程示意图。

图6是本申请一种鞋帮打磨喷涂方法中步骤S401至步骤S405的流程示意图。

图7是本申请一种鞋帮打磨喷涂方法中步骤S501至步骤S503的流程示意图。

图8是本申请一种鞋帮打磨喷涂方法中步骤S601至步骤S603的流程示意图。

图9是本申请一种鞋帮打磨喷涂方法中步骤S701至步骤S702的流程示意图。

图10是本申请一种鞋帮打磨喷涂系统的模块示意图。

附图标记说明：

1、第一获取模块；2、拼接模块；3、匹配模块；4、定位模块；5、第一生成模块；6、第二生成模块；7、转换模块；8、打磨喷涂模块。

具体实施方式

以下结合附图1-10对本申请作进一步详细说明。

本申请实施例公开一种鞋帮打磨喷涂方法，如图1所示，包括以下步骤：

S101.获取本地鞋帮数据；

S102.对本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型；

S103.匹配三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像；

S104.若目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则将目标特征与模版特征进行定位，获取对应的定位数据；

S105.根据定位数据将运动轨迹模版图像转换至目标鞋帮图像上，生成目标运动轨迹图像；

S106.根据预设匹配算法处理运动轨迹模版图像和目标运动轨迹图像，生成对应的转换矩阵；

S107.根据转换矩阵，将运动轨迹模版图像中对应的运动轨迹转换至目标鞋帮图像的空间中，生成对应的目标运动轨迹；

S108.根据目标运动轨迹，对目标鞋帮进行打磨喷涂。

在步骤S101中，本地鞋帮数据是指存储在本地计算机或服务器中的鞋帮相关数据文件，这些数据文件包括鞋帮的设计图纸、模型文件、制造工艺参数、加工方案、质量检测报告等多种类型数据。

例如，设计图纸包含了鞋帮的外观形状、尺寸、颜色、材料等信息，可以作为加工制造的参考；制造工艺参数包含了鞋帮的生产过程中需要的工艺参数；加工方案则是针对不同鞋帮类型和需求制定的具体生产计划和流程。

在步骤S102中，本地鞋帮数据进行扫描建模前，需要先进行扫描平台和结构光相机标定。具体地，将高精度标准标定块夹持在机台上，通过旋转平台的四次旋转（每次旋转90°），以及结构光相机扫描模组的移动扫描，分别完成标定块的四次独立扫描，其次将结构光相机扫描到的四次数据和标定块的物体实际数据进行对应标定，形成固定的数据转化关系公式，通过该数据转化关系公式将四次扫描数据合并拼接成一个完整的数据。

其中，固定的数据转化关系公式一般包括以下步骤：通过结构光相机标定获得结构光相机的内部参数和外部参数，并计算出结构光相机到标定块的距离和相对位置关系，针对圆柱体的特殊形状，可以使用旋转加平移的变换矩阵，将四次圆柱数据映射到三维空间中的一个标准圆柱体模型上，计算结构光相机坐标系对应的坐标变换矩阵，以确保点云数据在全局坐标系下的精准定位和测量，将经过旋转、平移和坐标变换后的点云数据与标准圆柱体模型进行对比匹配，从而获得相应的数据转化关系公式。

其次，上述固定数据转化公式的作用是实现点云数据的高精度测量和重构，从而为后续的鞋帮设计、生产和质检等环节提供基础数据支持。它可以使得机器人和计算机系统能够更加准确地识别、定位和操作点云数据，并确保鞋帮建模的精度和准确性。

进一步，本地鞋帮数据不同鞋帮类型的建模扫描数据，其具体的建模扫描过程为：将不同类型鞋帮夹持在扫描旋转平台上，通过旋转平台的分四次旋转，以及结构光相机扫描模组的移动扫描，分别完成四次独立的扫描，然后将四次扫描数据进行拼接及合并点云，对合并后的点云数据进行表面重建或网格化处理，生成不同鞋帮类型的三维鞋帮模型。

在步骤S103中，根据不同鞋帮类型的三维鞋帮模型匹配对应的打磨喷涂运动轨迹，该打磨喷涂运动轨迹适应于不同鞋帮类型的打磨喷涂需求，进一步生成各个鞋帮类型打磨喷涂的运动轨迹模版图像。

具体地，根据打磨喷涂机器人的轨迹规划程序，获取当前三维鞋帮模型相匹配的运动轨迹数据，这些运动轨迹数据包括打磨喷涂机器人在鞋帮上的打磨或者喷涂运动轨迹，如图2和图3所示，为点云轨迹平滑图，将获取的运动轨迹数据与上述三维鞋帮模型进行匹配，通过点云配准等算法实现精准匹配，获取每个点在运动轨迹中对应的位置信息，并生成对应的运动轨迹模版图像。

在步骤S104中，目标鞋帮图像是指当前待打磨喷涂的鞋帮扫描图像，判断目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数是否符合预设特征参数标准，其过程是匹配当前待打磨喷涂鞋帮对应的运动轨迹模版图像。

具体地，从目标鞋帮图像和本地生成的运动轨迹模版图像中分别提取特征信息。例如，使用SURF、SIFT或ORB算法提取关键特征点，或者采用形态学处理等方法提取目标形状和颜色等特征。

进一步，将目标鞋帮图像中提取的特征即目标特征与运动轨迹图像中的模版特征进行匹配，根据相似度参数标准即预设特征参数标准，确定两者之间的特征相似参数是否有足够相似度和特征点对，可以采用RANSAC算法进行特征点筛选，提高匹配的准确性和鲁棒性。其中，预设特征参数标准是根据当前实际应用场景进行设置的，在鞋帮打磨喷涂场景中，如果使用SURF算法提取特征，并采用RANSAC算法进行筛选和匹配，相似度阈值即预设特征参数标准一般设定在0.7左右，因为SURF算法对旋转、缩放和亮度变化具有较好的不变性，但可能受到视角变化和噪声的影响，因此需要较高的相似度阈值去除误匹配。

其次，经过上述分析判定，若目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则说明两幅图像之间存在较高的相似度，进而当前匹配的运动轨迹模版图像可以提供目标鞋帮打磨喷涂的运动轨迹以及姿态信息。

具体地，如果上述两者特征向量之间的距离小于设定的阈值，即两者特征相似参数符合预设特征参数标准，则可以认为它们相似度高，即目标鞋帮图像中的目标特征与运动轨迹模版图像中的模版特征之间具有足够的匹配点对，可实现目标定位并获取对应的定位数据。

在步骤S105中，定位数据包括，目标鞋帮图像和运行轨迹模版图像的特征点位置信息（特征点可以是SURF算法提取出来的关键点）、目标鞋帮图像和运行轨迹模版图像之间的相对位置关系（目标鞋帮图像中心和运动轨迹模版图像中心点之间的距离，以及它们的旋转角度等信息）、目标鞋帮图像和运行轨迹模版图像的尺寸和比例关系（用于根据目标鞋帮图像的大小自适应的调整运动轨迹模版图像的大小）。

进一步，根据上述定位数据将运动轨迹图像转换至目标鞋帮图像上，该过程可以使用基于像素级别的变换或透视变换技术实现，随即生成相应的目标运动轨迹图像，通过该目标运动轨迹图像可显示目标鞋帮对应打磨喷涂轨迹的分布情况。其中，目标运动轨迹图像可以不同方式呈现，如以色彩或灰度的形式显示出来，以反映不同打磨喷涂运动轨迹的密度和分布情况。

在步骤S106至步骤S107中，为了进一步提升运动轨迹模版图像与目标鞋帮图像之间的精准匹配，预设匹配算法可以为计算机视觉算法，通过该计算机视觉算法提取运动轨迹模版图像和目标运动轨迹图像的关键点，并对这些关键点进行匹配，进而可得到上述关键点在运动轨迹模版图像和目标运动轨迹图像之间的对应关系，随即可通过随机抽样一致性算法对该对应关系进行筛选，去掉不符合要求的匹配点，计算出相应的转换矩阵，该转换矩阵用于将运动轨迹模版图像转换成与目标鞋帮图像对齐的形态。

进一步，根据上述生成的转换矩阵将运动轨迹模版图像中对应的运动轨迹转换至目标鞋帮图像的空间中，生成当前待打磨喷涂鞋帮的目标运动轨迹，该目标运动轨迹可以准确反映出运动轨迹模版图像中的运动轨迹在目标鞋帮图像中的位置和形态。

具体地，首先，可使用开源计算机视觉库加载转换矩阵和运动轨迹模版图像，接着，根据该转换矩阵对运动轨迹模版图像进行像素坐标变换，将其映射至目标鞋帮图像的坐标系中，可通过矩阵乘法的方式将模版图像中的各个像素点坐标，与转换矩阵相乘，得到目标鞋帮图像坐标系中的对应位置。

然后，将变换后的像素坐标绘制成对应的运动轨迹线条，在目标鞋帮图像上展示出来，可以使用相关计算机视觉库函数将变换后的像素坐标连接起来，形成运动轨迹的路径。

最后，可以保存生成的目标运动轨迹图像，并进行后续的处理操作。例如，可以将其与原始目标鞋帮图像进行叠加，以直观地展示出运动轨迹在鞋帮表面上的分布情况。

在步骤S108中，打磨喷涂机器设备可根据上述生成的目标运动轨迹，对目标鞋帮即待打磨喷涂鞋帮实施打磨喷涂操作。

具体地，首先，可将生成的目标运动轨迹导入到相应的磨鞋生产设备中，可以通过连接计算机和设备，使用相应的控制软件或API等方式实现。

接着，可以在设备上设置所需的打磨、喷涂参数，并启动设备进行操作。根据目标运动轨迹的位置和形态信息，设备可以自动调整工作头的运动轨迹和喷涂量，以达到预期的效果。需要说明的是，在打磨和喷涂过程中，还需要及时监控和调整设备的工作状态。可以使用相应的传感器和监测工具，实时获取目标鞋帮表面的高度、颜色等信息，并根据实际情况进行调节和校正。

需要说明的是，本方案相比于现有技术（采用高精度楦头，高精度楦头的成本是普通楦头的6-10倍，因此高精度楦头只能小规模应用），能够降低生产成本、并且大规模应用于鞋子加工领域，同时满足多样化生产需求，其中多样化是指不同大小的鞋帮。

本实施例提供的鞋帮打磨喷涂方法，根据本地鞋帮数据进行拼接及合并点云生成的三维鞋帮模型可为后续不同鞋帮类型的打磨喷涂提供准确的参考，减少了打磨喷涂过程中鞋帮类型不匹配或者错误情况的发生，进一步匹配三维鞋帮模型相应的打磨喷涂运动轨迹，生成各类型鞋帮打磨喷涂标准对应的运动轨迹模版图像，通过该运动轨迹模版图像可促使不同鞋帮类型在打磨喷涂过程中的快速配对，提升了鞋帮的打磨喷涂过程中的效率，具体地，若当前目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则说明当前待喷涂打磨的目标鞋帮与相应的打磨喷涂运动轨迹模版图像配对成功，进一步完成相应的轨迹图像转换以及最终执行运动轨迹的生成即目标运动轨迹，随即打磨喷涂设备根据该目标运动轨迹对当前目标鞋帮进行打磨喷涂，由于对本地各类型鞋帮三维模型的建立，以及各类型鞋帮打磨喷涂轨迹的匹配与模版生成，进而可快速完成不同类型鞋帮的精准匹配和其打磨喷涂轨迹的确定执行，从而提升了鞋帮在打磨喷涂过程中的效率。

在本实施例其中一种实施方式中，如图4所示，步骤S102即对本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型包括以下步骤：

S201.对本地鞋帮数据进行拼接及合并点云，生成对应的点云数据；

S202.对点云数据进行预处理，生成对应的目标点云数据；

S203.根据预设三维重构算法目标点云数据进行处理，生成对应的三维鞋帮模型。

在步骤S201中，为了提升鞋帮数据建模速度，则对本地鞋帮数据进行拼接及合并点云，生成对应点云数据。具体地，使用3D扫描仪获取本地鞋帮各个部位数据，并将其转换为标准格式，并根据鞋帮各个部位的位置关系进行部位数据拼接，生成完成的鞋帮点云数据。

在步骤S202中，对上述生成的点云数据进行预处理，该预处理包括去除离群点、滤波、配准处理，以确保点云数据的准确性和一致性。例如，对点云数据进行去除离群点，由于鞋帮的形状比较规则，因此可以使用基于统计分析的Z-Score方法来去除离群点，Z-Score方法是一种基于统计学的数据处理方法，用于识别和去除数据集中的离群点。

在步骤S203中，预设三维重构算法是根据当前具体应用场景和实际建模需求进行选择的，包括三角网格重建算法、基于光线跟踪算法以及基于深度学习算法等。例如，采用三角网格重建算法，将点云数据进行三角化处理，形成三角面片模型，然后可通过表面重建算法将三角面片模型进行拓扑修复、表面平滑处理，生成更为完整的三维鞋帮模型。

本实施方式提供的鞋帮打磨喷涂方法，可提升建立三维鞋帮模型的精度，减少了因鞋帮扫描数据误差较大造成后期鞋帮在打磨喷涂过程中频繁调试情况的发生，从而提升了鞋帮在打磨喷涂过程中的效率。

在本实施例的其中一种实施方式中，如图5所示，步骤S104即若目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则将目标特征与模版特征进行定位，获取对应的定位数据包括以下步骤：

S301.若目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则获取当前运动轨迹模版图像的数量；

S302.若运动轨迹模版图像的数量为多个，则获取各个运动轨迹模版图像与目标鞋帮图像对应的相似特征点；

S303.获取相似特征点对应特征匹配度符合预设匹配标准的运动轨迹模版图像为目标运动轨迹模版图像；

S304.根据目标运动轨迹模版图像对应的模版特征与目标特征进行定位，获取对应的定位数据。

在步骤S301中，在目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准的基础上，可能出现一个目标鞋帮图像匹配到多个运动轨迹模版图像的情况，从而降低了匹配适宜运动轨迹模版图像效率。

例如，运动轨迹模板数量较多，即如果运动轨迹模板的数量比较多，那么即使每个模板与目标鞋帮图像之间相似性都不高，仍然可能存在多个模板与之匹配；特征提取和匹配误差，即特征提取和匹配过程中可能会出现一定的误差，导致多个模板与目标鞋帮图像之间存在误匹配；相似参数阈值设置不合理，即如果匹配相似参数阈值设置过低，将会导致多个运动轨迹模板图像都能够通过匹配阈值而与目标鞋帮图像发生匹配。

进一步，为了有效解决上述存在的问题，在步骤S302至步骤S304中，若当前运动轨迹模版图像的数量为多个，则获取各个运动轨迹模版图像与目标鞋帮图像对应的相似特征点，然后获取当前多个运动轨迹模版图像分别与目标鞋帮图像的相似特征点对应特征匹配度符合预设匹配标准的运动轨迹模版图像为目标运动轨迹模版图像。

其中，预设匹配标准包括特征点匹配度阈值和最小匹配特征点数。特征点匹配度阈值用于衡量模板图像中的特征点与目标图像中的特征点之间的相似程度。如果两个特征点之间的距离小于这个阈值，则认为它们是匹配的。通常，这个值需要根据具体场景进行调整，比如匹配的精度要求、噪声干扰程度等因素；最小匹配特征点数表示在某个模板图像与目标图像之间至少需要匹配多少个特征点，才能被认为是匹配成功。通常，这个值需要根据具体场景进行设定，比如图像难度、匹配要求等因素。

例如，使用图像处理技术获取目标鞋帮图像中的特征点，使用相似度度量方法比如欧式距离，将它与每个模板特征点进行比较，如果它们之间的距离小于特征点匹配度阈值，则认为它们匹配成功，然后统计成功匹配的特征点数量，如果该特征点数量大于最小匹配特征点数，则将其对应的运动轨迹模版图像标记为目标运动轨迹模版图像，随即根据该目标运动轨迹模版图像对应的模版特征与目标特征进行定位，获取对应的定位数据。

本实施方式提供的鞋帮打磨喷涂方法，进一步对多个运动轨迹模版图像对应相似特征点进行分析，选取匹配度更高的运动轨迹模版图像为目标运动轨迹模版图像，从而可以更加准确地确定相应的定位数据，使得鞋帮打磨喷涂过程更加高效。

在本实施例的其中一种实施方式中，如图6所示，在步骤S302即获取相似特征点对应特征匹配度符合预设匹配标准的运动轨迹模版图像为目标运动轨迹模版图像之后还包括以下步骤：

S401.若目标运动轨迹模版图像为多个，则标定各个目标运动轨迹模版图像为预选运动轨迹模版图像；

S402.对各个预选运动轨迹模版图像进行预处理，获取对应的图像特征点；

S403.计算图像特征点之间的相似性参数和距离指标；

S404.对相似性参数和距离指标进行加权和归一化处理，生成各个预选运动轨迹模版图像之间的差异稳定性参数；

S405.选取差异稳定性参数符合预设模版参数标准的预选运动轨迹模版图像为目标运动轨迹模版图像。

在步骤S401中，若目标运动轨迹模版图像为多个，则说明当前图像的识别过程可能出现异常。例如，在图像中存在一些噪声或者其他干扰，这些成分可能会使得特征点匹配出现误差，导致匹配到多个符合预设匹配标准的运动轨迹模版图像，当算法匹配到多个符合预设匹配标准的运动轨迹模版图像，那么就会导致难以确定目标鞋帮图像对应的打磨喷涂位置和运动轨迹。故为了便于进一步分析筛选，则将多个符合预设匹配标准的运动轨迹模版图像标定为预选运动轨迹模版图像；

在步骤S402中，预处理一般包括：提取特征点，使用SIFT算法从每个预选模版图像中提取出代表性的特征点，此处代表性的特征点是那些经过筛选、描述符生成和匹配等步骤后，能够最好地描述目标物体并且对后续的跟踪和匹配具有较好稳定性和鲁棒性的点；特征点描述符，对于每个提取的特征点，生成一个与之相关联的特征点描述符，该描述符可以帮助区分不同的特征带你并确定它们在图像中的位置和方向等信息；特征点匹配，对于每个目标帧图像，使用相同的算法将其特征点提取出来，并与每个预选运动轨迹模版图像的特征点进行匹配，通常采用基于距离或相似度的方法来确定匹配程度；匹配筛选，对匹配结果进行筛选，去除一些误匹配的特征点对，例如使用RANSAC算法进行模型拟合和异常值检测等方法。

在步骤S403至步骤S405中，通过比较预选运动轨迹模版图像之间的差异稳定性参数，并选取差异稳定性最小的图像作为目标运动轨迹模版图像，可以提高跟踪的准确度和稳定性，减少出现误判或漂移等问题发生。另外，采用自动化的方法选择目标运动轨迹模版图像，可以减少人工干预，降低运行成本，提高运行效率。

具体地，上述具体分析过程如下：计算特征点间的相似性参数和距离指标，即比较两个特征点之间的相似性，并计算它们之间的距离指标，例如欧式距离；加权和归一化处理，即对每个预选运动轨迹模版图像中的所有特征点对，对其相似性参数和短距离指标进行加权和归一化处理，以消除数量级、缩放和偏差等因素的影响，加权和归一化处理方法根据当前实际情况选择，例如可以使用最大值和最小值归一化，使用高斯函数进行加权。

进一步，生成差异稳定性参数，即将每个预选运动轨迹模版图像中所有特征点进行提取，并计算该些特征点之间的相似性参数和距离指标，对每个特征点对的相似性参数和距离指标进行加权和归一化处理，统计每个预选运动轨迹模版图像中所有特征点对的加权和归一化后的相似性参数和距离指标，并将它们综合起来得到一个差异稳定性参数，这个参数可以反映该预选运动轨迹图像与其他预选运动轨迹模版图像之间的差异程度和稳定性；选择目标运动轨迹模版图像，将所有预选运动轨迹模版图像的差异稳定性参数进行比较，并根据预设模版参数标准选取符合要求的预选运动轨迹模版图像作为目标运动轨迹模版图像，例如，可以选择差异稳定性参数最小的模版图像。

需要说明的是，预设模版参数标准是指在进行目标运动轨迹模版图像选择时，根据具体应用需要事先设定的一些评价指标或阈值，通过比较预选运动轨迹模版图像之间的差异稳定性参数，从而选取符合要求的预选运动轨迹模版图像作为目标运动轨迹模版图像。例如，目标运动轨迹模版图像中可能存在噪声、遮挡和干扰等因素，这些因素会影响特征点的提取和描述符的稳定性，可以设定预设参数标准来分析目标跟踪在不同噪声和干扰条件下的鲁棒性。

本实施方式提供的鞋帮打磨喷涂方法，计算各个预选运动轨迹模版图像之间的差异稳定性参数，可筛选出更加稳定可靠的模版图像，进而提高了目标运动轨迹模版图像识别获取的准确性，提升了目标鞋帮匹配相应打磨喷涂轨迹的效率。

在本实施例的其中一种实施方式中，如图7所示，步骤S103即匹配三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像包括以下步骤：

S501.对打磨喷涂运动轨迹进行数据清洗，生成对应的预选打磨喷涂运动轨迹；

S502.将预选打磨喷涂运动轨迹转换为运动轨迹模型；

S503.根据平均值平滑算法对运动轨迹模型进行分段平滑处理，生成对应的运动轨迹模版图像。

在步骤S501中，为了得到更为平滑的打磨喷涂运动轨迹，则对打磨喷涂运动轨迹进行数据清洗，生成对应的预选打磨喷涂运动轨迹。例如，对匹配的打磨喷涂运动轨迹进行去除噪声、异常值等，保留准确有效的数据，然后对清洗后的数据进行分析，即通过对数据进行筛选和分类，生成预选打磨喷涂运动轨迹。

其中，对数据进行筛选和分类具体包括以下步骤：将清洗后的数据导入数据分析工具中例如Python，基于当前需求选择适当的特征提取方法，常见的特征包括位置、速度、加速度等，可通过数学模型、时域分析、频域分析等方法进行提取，然后将提取到的特征数据进行可视化，以便于观察和分析，随即利用聚类、分类或者回归算法对提取到的特征数据进行筛选和分类，得到对应的预选打磨喷涂运动轨迹，从而可节省大量人力和时间成本，提高效率和准确性。

在步骤S502至步骤S503中，将预选打磨运动轨迹模型转换为运动轨迹模型，可便于对目标鞋帮对应打磨喷涂的运动轨迹进行控制和优化。例如，将预选打磨喷涂运动轨迹整合为一个完整的数据集，利用数学方法构建运动轨迹模型，常见的方法包括多项式拟合、样条曲线等，根据实际情况选择合适的方法进行建模，然后确定运动轨迹模型的参数，例如起点、终点、控制点等，以便后续的分析和优化，最后对生成的运动轨迹模型进行评估和验证，确保其满足要求并能够实现。

进一步，将上述生成的运动轨迹模型经过平均值算法做平滑处理，即将运动轨迹模型按照长度或者时间因素进行分段，得到若干个字段，然后对每个子段采用平均值平滑算法进行平滑处理，即将每个数据点替换为相邻几个数据点的平均值，可减少噪声和抖动，使运动轨迹更加平滑，其次，将处理后的子段合并为一张完整的图像，即为运动轨迹模版图像。因此，通过平均值算法对运动轨迹模型进行处理，可以消除的运动轨迹中的不规则波动，使其更加平稳和连续。

本实施方式提供的鞋帮打磨喷涂方法，根据平均值平滑算法优化后的运动轨迹模版图像可缩短鞋帮打磨喷涂时间，即减少鞋帮打磨喷涂过程中停留和重复，提高了打磨喷涂机器设备的工作效率。

在本实施例的其中一种实施方式中，如图8所示，步骤S108即根据目标运动轨迹，对目标鞋帮进行打磨喷涂包括以下步骤：

S601.判断目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准；

S602.若目标运动轨迹的数据格式符合鞋帮加工设备的数据处理标准，则将目标运动轨迹对应的点位信息从原始坐标系转换到鞋帮加工设备对应的运动坐标系中，并生成对应的可执行文件；

S603.鞋帮加工设备根据可执行文件对目标鞋帮进行打磨喷涂。

在步骤S601中，为了确保目标运动轨迹的数据格式符合鞋帮打磨喷涂加工设备的数据处理标准，减少因数据格式不匹配而导致的错误而影响鞋帮打磨喷涂的效率，故判断当前目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准。

在步骤S602至步骤S603中，首先确认鞋帮加工设备的数据处理标准，即所使用的数据格式和相关参数，然后将目标运动轨迹的数据格式与鞋帮加工设备的数据处理标准进行比较，检查其是否符合要求，其次，根据比较结果判断目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准，如果目标运动轨迹的数据格式不符合要求，则将对应的点位信息从原始坐标转换到鞋帮加工设备对应的运动坐标系中，并生成可执行文件，对生成的可执行文件进行验证和测试，确保其能够正确执行，随即将鞋帮放置在鞋帮加工设备上，运行生成的可执行文件，完成对鞋帮的打磨喷涂操作。

其中，将对应的点位信息从原始坐标转换到鞋帮加工设备对应的运动坐标系中，其对应的具体步骤为，获取原始坐标系和鞋帮的加工设备对应的运动坐标系，根据上述知悉的两个坐标系，建立坐标系转换模型，常见的方法包括仿射变换或者欧拉角变换等，利用建立完成的坐标系转换模型，将目标运动轨迹的点位信息从原始坐标系转换到鞋帮加工设备对应的运动坐标系中，将转换后的点位信息进行编码，生成可执行文件，用于控制鞋帮加工设备进行打磨喷涂操作。

本实施方式提供的鞋帮打磨喷涂方法，判断目标运动轨迹是否符合鞋帮加工设备的数据处理标准，并将其转换到鞋帮加工设备对应的运动坐标系统中，从而可减少手动调整和测量的时间和误差，提高了鞋帮打磨喷涂加工的效率。

在本实施例的其中一种实施方式中，如图9所示，在步骤S601即判断目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准之后还包括以下步骤：

S701.若目标运动轨迹的数据格式不符合鞋帮加工设备的数据处理标准，则获取目标运动轨迹对应的数据异常类型；

S702.若数据异常类型为多个，则根据各个数据异常类型建立对应的异常分布图表。

在步骤S701至步骤S702中，若当前目标运动轨迹的数据格式不符合鞋帮加工设备的数据处理标准，则说明当前目标运动轨迹对应数据格式出现异常。例如，数据缺失，目标运动轨迹中一些数据缺失或不完整，如某些点位信息没有记录或者记录不完整；格式错误，目标运动轨迹的数据格式和鞋帮加工设备要求的数据格式不相同，如坐标系不匹配、数据类型不符等；离群点，目标运动轨迹中部分点位信息偏离了正常的数据分布范围，可能是由于传感器故障、测量误差等原因引起的异常数据。

进一步，为了便于找出数据异常的原因和类型，为后续的数据处理提供参考，则经过上述分析获取当前目标运动轨迹对应的数据异常类型，如果当前存在多种数据异常类型，则可以针对每种异常类型建立对应的异常分布图表，以便于更好地观察和分析数据异常情况。

本实施方式提供的鞋帮打磨喷涂方法，根据数据异常类型建立对应异常分布图表，进而通过该异常分布图表可以更直观地反应出目标运动轨迹在执行时所出现过的异常类型，从而可对该些数据异常类型进行有效集中处理，提高了异常处理效率。

本申请实施例公开一种鞋帮打磨喷涂系统，如图10所示，包括：

第一获取模块1，用于获取本地鞋帮数据；

拼接模块2，用于对本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型；

匹配模块3，用于匹配三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像；

定位模块4，若目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则定位模块4用于将目标特征与模版特征进行定位，获取对应的定位数据；

第一生成模块5，用于根据定位数据将运动轨迹模版图像转换至目标鞋帮图像上，生成目标运动轨迹图像；

第二生成模块6，用于根据预设匹配算法处理运动轨迹模版图像和目标运动轨迹图像，生成对应的转换矩阵；

转换模块7，用于根据转换矩阵，将运动轨迹模版图像中对应的运动轨迹转换至目标鞋帮图像的空间中，生成对应的目标运动轨迹；

打磨喷涂模块8，用于根据目标运动轨迹，对目标鞋帮进行打磨喷涂。

本实施例提供的鞋帮打磨喷涂系统，根据第一获取模块1获取的本地鞋帮数据通过拼接模块2进行拼接及合并点云，进而生成的三维鞋帮模型可为后续不同鞋帮类型的打磨喷涂提供准确的参考，减少了打磨喷涂过程中鞋帮类型不匹配或者错误情况的发生，进一步通过匹配模块3匹配三维鞋帮模型相应的打磨喷涂运动轨迹，生成各类型鞋帮打磨喷涂标准对应的运动轨迹模版图像，通过该运动轨迹模版图像可促使不同鞋帮类型在打磨喷涂过程中的快速配对，提升了鞋帮的打磨喷涂过程中的效率，具体地，若当前目标鞋帮图像对应的目标特征与运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则说明当前待喷涂打磨的目标鞋帮与相应的打磨喷涂运动轨迹模版图像配对成功，进一步通过匹配模块3和定位模块4完成目标鞋帮相应的轨迹图像转换，以及通过第一生成模块5和第二生成模块6生成目标鞋帮最终的执行运动轨迹即目标运动轨迹，随即通过打磨喷涂模块8控制打磨喷涂设备根据该目标运动轨迹对当前目标鞋帮进行打磨喷涂，由于对本地各类型鞋帮三维模型的建立，以及各类型鞋帮打磨喷涂轨迹的匹配与模版生成，进而可快速完成不同类型鞋帮的精准匹配和其打磨喷涂轨迹的确定执行，从而提升了鞋帮在打磨喷涂过程中的效率。

需要说明的是，本申请实施例所提供的一种鞋帮打磨喷涂系统，还包括与上述任意一种鞋帮打磨喷涂方法的逻辑功能或逻辑步骤所对应的各个模块和/或对应的子模块，实现与各个逻辑功能或者逻辑步骤相同的效果，具体在此不再累述。

本申请实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机指令，其中，处理器执行计算机指令时，采用了上述实施例中的任意一种鞋帮打磨喷涂方法。

其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。

其中，处理器可以采用中央处理单元（CPU），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。

其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡（SMC）、安全数字卡（SD）或者闪存卡（FC）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机指令以及终端设备所需的其他指令和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本申请对此不做限制。

其中，通过本终端设备，将上述实施例中的任意一种鞋帮打磨喷涂方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，方便使用。

本申请实施例还公开一种计算机可读存储介质，并且，计算机可读存储介质存储有计算机指令，其中，计算机指令被处理器执行时，采用了上述实施例中的任意一种鞋帮打磨喷涂方法。

其中，计算机指令可以存储于计算机可读介质中，计算机指令包括计算机指令代码，计算机指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带计算机指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM）、随机存取存储器（RAM）、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。

其中，通过本计算机可读存储介质，将上述实施例中的任意一种鞋帮打磨喷涂方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便上述方法的存储及应用。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种鞋帮打磨喷涂方法，其特征在于，包括以下步骤：

获取本地鞋帮数据；

对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型；

匹配所述三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像；

若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则将所述目标特征与所述模版特征进行定位，获取对应的定位数据；

根据定位数据将所述运动轨迹模版图像转换至所述目标鞋帮图像上，生成目标运动轨迹图像；

根据预设匹配算法处理所述运动轨迹模版图像和所述目标运动轨迹图像，生成对应的转换矩阵；

根据所述转换矩阵，将所述运动轨迹模版图像中对应的运动轨迹转换至所述目标鞋帮图像的空间中，生成对应的目标运动轨迹；

根据所述目标运动轨迹，对目标鞋帮进行打磨喷涂。

2.根据权利要求1所述的一种鞋帮打磨喷涂方法，其特征在于，所述对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型包括以下步骤：

对所述本地鞋帮数据进行拼接及合并点云，生成对应的点云数据；

对所述点云数据进行预处理，生成对应的目标点云数据；

根据预设三维重构算法所述目标点云数据进行处理，生成对应的所述三维鞋帮模型。

3.根据权利要求1所述的一种鞋帮打磨喷涂方法，其特征在于，所述若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则将所述目标特征与所述模版特征进行定位，获取对应的定位数据包括以下步骤：

若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则获取当前所述运动轨迹模版图像的数量；

若所述运动轨迹模版图像的数量为多个，则获取各个所述运动轨迹模版图像与所述目标鞋帮图像对应的相似特征点；

获取所述相似特征点对应特征匹配度符合预设匹配标准的所述运动轨迹模版图像为目标运动轨迹模版图像；

根据所述目标运动轨迹模版图像对应的所述模版特征与所述目标特征进行定位，获取对应的所述定位数据。

4.根据权利要求3所述的一种鞋帮打磨喷涂方法，其特征在于，在所述获取所述相似特征点对应特征匹配度符合预设匹配标准的所述运动轨迹模版图像为目标运动轨迹模版图像之后还包括以下步骤：

若所述目标运动轨迹模版图像为多个，则标定各个所述目标运动轨迹模版图像为预选运动轨迹模版图像；

对各个所述预选运动轨迹模版图像进行预处理，获取对应的图像特征点；

计算所述图像特征点之间的相似性参数和距离指标；

对所述相似性参数和所述距离指标进行加权和归一化处理，生成各个所述预选运动轨迹模版图像之间的差异稳定性参数；

选取所述差异稳定性参数符合预设模版参数标准的预选运动轨迹模版图像为所述目标运动轨迹模版图像。

5.根据权利要求1所述的一种鞋帮打磨喷涂方法，其特征在于，所述匹配所述三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像包括以下步骤：

对所述打磨喷涂运动轨迹进行数据清洗，生成对应的预选打磨喷涂运动轨迹；

将所述预选打磨喷涂运动轨迹转换为运动轨迹模型；

根据平均值平滑算法对所述运动轨迹模型进行分段平滑处理，生成对应的所述运动轨迹模版图像。

6.根据权利要求1所述的一种鞋帮打磨喷涂方法，其特征在于，所述根据所述目标运动轨迹，对目标鞋帮进行打磨喷涂包括以下步骤：

判断所述目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准；

若所述目标运动轨迹的所述数据格式符合所述鞋帮加工设备的所述数据处理标准，则将所述目标运动轨迹对应的点位信息从原始坐标系转换到所述鞋帮加工设备对应的运动坐标系中，并生成对应的可执行文件；

所述鞋帮加工设备根据所述可执行文件对所述目标鞋帮进行打磨喷涂。

7.根据权利要求6所述的一种鞋帮打磨喷涂方法，其特征在于，在所述判断所述目标运动轨迹的数据格式是否符合鞋帮加工设备的数据处理标准之后还包括以下步骤：

若所述目标运动轨迹的所述数据格式不符合所述鞋帮加工设备的所述数据处理标准，则获取所述目标运动轨迹对应的数据异常类型；

若所述数据异常类型为多个，则根据各个所述数据异常类型建立对应的异常分布图表。

8.一种鞋帮打磨喷涂系统，其特征在于，包括：

第一获取模块（1），用于获取本地鞋帮数据；

拼接模块（2），用于对所述本地鞋帮数据进行拼接及合并点云，生成对应的三维鞋帮模型；

匹配模块（3），用于匹配所述三维鞋帮模型对应的打磨喷涂运动轨迹，生成对应的运动轨迹模版图像；

定位模块（4），若目标鞋帮图像对应的目标特征与所述运动轨迹模版图像对应的模版特征之间的特征相似参数符合预设特征参数标准，则所述定位模块（4）用于将所述目标特征与所述模版特征进行定位，获取对应的定位数据；

第一生成模块（5），用于根据定位数据将所述运动轨迹模版图像转换至所述目标鞋帮图像上，生成目标运动轨迹图像；

第二生成模块（6），用于根据预设匹配算法处理所述运动轨迹模版图像和所述目标运动轨迹图像，生成对应的转换矩阵；

转换模块（7），用于根据所述转换矩阵，将所述运动轨迹模版图像中对应的运动轨迹转换至所述目标鞋帮图像的空间中，生成对应的目标运动轨迹；

打磨喷涂模块（8），用于根据所述目标运动轨迹，对目标鞋帮进行打磨喷涂。

9.一种终端设备，包括存储器和处理器，其特征在于，所述存储器中存储有能够在所述处理器上运行的计算机指令，所述处理器加载并执行所述计算机指令时，采用了如权利要求1至7中任一项所述的一种鞋帮打磨喷涂方法。

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，其特征在于，所述计算机指令被处理器加载并执行时，采用了如权利要求1至7中任一项所述的一种鞋帮打磨喷涂方法。