CN116985143B - 一种打磨机器人的打磨轨迹生成系统 - Google Patents

一种打磨机器人的打磨轨迹生成系统 Download PDF

Info

Publication number
CN116985143B
CN116985143B CN202311243356.3A CN202311243356A CN116985143B CN 116985143 B CN116985143 B CN 116985143B CN 202311243356 A CN202311243356 A CN 202311243356A CN 116985143 B CN116985143 B CN 116985143B
Authority
CN
China
Prior art keywords
coordinates
analysis
relevance
coordinate
iteration
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
CN202311243356.3A
Other languages
English (en)
Other versions
CN116985143A (zh
Inventor
于洪金
张号
张元�
刘众望
孟庆站
黄胜利
杜启恒
杨凯
莫建旭
张谦
李天骄
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.)
Shandong Lingzhi Robot Automation Co ltd
Shandong Institute Of Intelligent Robot & Applied Technology
Original Assignee
Shandong Lingzhi Robot Automation Co ltd
Shandong Institute Of Intelligent Robot & Applied Technology
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 Shandong Lingzhi Robot Automation Co ltd, Shandong Institute Of Intelligent Robot & Applied Technology filed Critical Shandong Lingzhi Robot Automation Co ltd
Priority to CN202311243356.3A priority Critical patent/CN116985143B/zh
Publication of CN116985143A publication Critical patent/CN116985143A/zh
Application granted granted Critical
Publication of CN116985143B publication Critical patent/CN116985143B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/005—Manipulators for mechanical processing tasks
    • B25J11/0065—Polishing or grinding

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)

Abstract

本发明涉及一种打磨机器人的打磨轨迹生成系统，尤其涉及零件打磨技术领域，包括，图像获取模块，用以获取打磨零件的图像信息；预处理模块，用以根据图像信息构建平面直角坐标系，以得到图像信息的像素点坐标；坐标提取模块，用以对预处理后的图像信息进行分析，以提取采样点信息；坐标分析模块，用以对采样点关联性进行分析；轨迹分析模块，用以根据采样点关联性对打磨轨迹进行分析；输出模块，用以对打磨轨迹进行输出；分析校正模块，用以获取样品图像，并根据样品图像对提取采样点信息和采样点关联性的分析过程进行校正。本发明实现了通过对打磨零件图像的分析得到打磨轨迹，解决了对打磨轨迹分析效率低，精度低的问题。

Description

一种打磨机器人的打磨轨迹生成系统
技术领域
本发明涉及零件打磨技术领域，尤其涉及一种打磨机器人的打磨轨迹生成系统。
背景技术
随着我国科技水平的不断发展，零件打磨使用人工打磨成本过高，打磨的精度要求更高，使用打磨机器人代替人工打磨可提高零件打磨效率，对于打磨机器人打磨零件需要设定精度较高的打磨轨迹，这使得需要根据零件图像生成打磨机器人的打磨轨迹的系统，以提高打磨机器人的打磨效率和打磨精度。
中国专利公开号：CN113420384A公开了一种轮毂打磨轨迹的生成方法及装置，包括：获取第一轮毂的第一轮毂点云，以及获取与所述第一轮毂对应的数模点云；基于目标变换矩阵和所述第一轮毂点云得到第二轮毂点云；其中，所述第二轮毂点云与所述数模点云匹配；创建与所述第二轮毂点云对应的第一投影图，以及创建与所述数模点云对应的第二投影图；基于所述第一投影图和所述第二投影图确定所述第一轮毂中每个肋窗的毛刺像素；基于所述毛刺像素在所述第一投影图中的坐标生成轮毂肋窗的毛刺打磨轨迹。该发明实现了对轮毂投影图的分析以生成毛刺打磨轨迹，未实现对像素点提取精度的分析以及对提取出的像素点的关联性的分析，存在对打磨轨迹的分析效率低，打磨轨迹精度低的问题。
发明内容
为此，本发明提供一种打磨机器人的打磨轨迹生成系统，用以克服现有技术中对打磨轨迹的分析效率低，打磨轨迹精度低的问题。
为实现上述目的，本发明提供一种打磨机器人的打磨轨迹生成系统，包括：
图像获取模块，用以获取打磨零件的图像信息；
预处理模块，用以根据图像信息构建平面直角坐标系，以得到图像信息的像素点坐标，还用以根据图像信息的各像素点灰度值对图像信息进行二化值处理；
坐标提取模块，用以对预处理后的图像信息进行分析，以提取采样点信息；图像分析单元，用以根据预处理后的图像信息的像素点灰度值对点图坐标和线图坐标进行分析；
坐标分析模块，用以根据采样点信息对采样点关联性进行分析；所述坐标分析模块设有端点分析单元，用以根据线图坐标对端点坐标和连续线图坐标进行分析所述坐标分析模块还设有关联性分析单元，用以根据线图坐标对端点坐标关联性进行分析，所述关联性分析单元还用以根据端点坐标和点图坐标对点图坐标关联性进行分析；所述坐标分析模块还设有关联性调整单元，用以端点坐标关联性对点图坐标关联性的分析过程进行调整；所述坐标分析模块还设有关联性迭代单元，用以根据无关联的点图坐标数量对点图坐标关联性的分析过程进行关联性迭代，所述关联性迭代单元还用以根据关联性迭代次数对点图坐标关联性分析过程的调整过程进行优化；
轨迹分析模块，用以根据采样点关联性对打磨轨迹进行分析；
输出模块，用以对打磨轨迹进行输出；
分析校正模块，用以获取根据打磨轨迹打磨的零件的样品图像，并根据样品图像对提取采样点信息和采样点关联性的分析过程进行校正。
进一步地，所述坐标提取模块设有图像分析单元，其用以根据预处理后的图像信息各像素点的灰度值计算灰度参数，并将灰度参数与第一灰度阈值进行比对，根据比对结果提取当前分析像素点坐标，其中：
当g(x,y)=0且L2＜α1时，所述图像分析单元判定提取当前分析像素点坐标作为线图坐标；
当g(x,y)=0且L2≥α1时，所述图像分析单元判定提取当前分析像素点坐标作为点图坐标；
当g(x,y)=255时，所述图像分析单元判定不提取当前分析像素点坐标。
进一步地，所述坐标提取模块还设有异常点判断单元，其用以将点图坐标的灰度参数与第二灰度阈值进行比对，并根据比对结果和与点图坐标对角线相邻的像素点灰度值，对点图坐标中的异常点进行判断，其中：
当L2＜α2时，所述异常点判断单元判定当前分析点图坐标非异常点；
当L2≥α2且NL255=nl时，所述异常点判断单元判定当前分析点图坐标为异常点；
所述坐标提取模块还设有预处理调整单元，其用以根据异常点数量对二化值阈值进行调整，调整后的二化值阈值为L1＇，设定L1＇=L1×βn，其中，β表示第一调整参数，其取值范围为0.9≤β＜1，n表示异常点数量。
进一步地，所述坐标提取模块还设有提取迭代单元，其用以根据异常点数量对图像信息的二化值处理过程进行提取迭代，其中：
当n=0时，所述提取迭代单元不对图像信息的二化值处理过程进行提取迭代；
当n＞0时，所述提取迭代单元对图像信息的二化值处理过程进行提取迭代；
所述提取迭代单元根据提取迭代次数与迭代阈值进行比对，并根据比对结果对二化值阈值的调整过程进行优化，其中：
当 t＞D时，所述提取迭代单元不对二化值阈值的调整过程进行优化，
当t≤D时，所述提取迭代单元对二化值阈值的调整过程进行优化，优化后的二化值阈值为L1＂，设定L1＂=L1＇/βt；
其中，t表示提取迭代次数，D表示迭代阈值，其取值范围为5≤D≤15。
进一步地，所述端点分析单元根据线图坐标对端点坐标和连续线图坐标进行分析，其中：
当与当前分析线图坐标上下左右相邻的方向上存在仅一个其他线图坐标时，所述端点分析单元判定当前分析线图坐标为端点坐标；
当与当前分析线图坐标上下左右相邻的方向上存在大于一个其他线图坐标时，所述端点分析单元判定当前分析线图坐标为连续线图坐标。
进一步地，所述关联性分析单元根据线图坐标对端点坐标关联性进行分析，其中：
当两个端点坐标为同一连续线图坐标中的线图坐标时，所述关联性分析单元判定端点坐标存在关联，端点坐标关联性为(Xj1,Yj1)⟺(Xj2,Yj2);
当两个端点坐标不为同一连续线图坐标中的线图坐标时，所述关联性分析单元判定端点坐标无关联；
其中，(Xj1,Yj1)和(Xj2,Yj2)表示当前分析的两个端点坐标，j表示端点坐标编号，j1∈j，j2∈j。
进一步地，所述关联性分析单元计算端点坐标与各点图坐标的距离，并将计算结果与距离阈值进行比对，根据比对结果对点图坐标关联性进行分析，其中：
当S[(xi,yi),(Xj1,Yj1)]＞s时，所述关联性分析单元判定当前分析点图坐标无关联；
当S[(xi,yi),(Xj1,Yj1)]≤s时，所述关联性分析单元判定当前分析点图坐标存在关联，点图坐标关联性为(xi,yi)→(Xj2,Yj2);
其中，S[(xi,yi),(Xj1,Yj1)]表示端点坐标与点图坐标的距离，设定
(xi,yi)表示点图坐标，i表示点图坐标编号，(xi,yi)→(Xj2,Yj2)表示由坐标点(xi,yi)指向坐标点(Xj2,Yj2)的向量，s表示距离阈值，其取值范围为1.5≤s＜2；
所述关联性调整单元根据无关联的端点坐标数量对距离阈值进行调整，调整后的距离阈值为s1，设定s1=s×γu，其中，γ表示第二调整参数，其取值范围为：1＜γ≤1.1，u表示无关联的端点坐标数量。
进一步地，所述关联性迭代单元根据无关联的点图坐标数量对点图坐标关联性的分析过程进行关联性迭代，其中：
当u=0时，所述关联性迭代单元不对点图坐标关联性的分析过程进行关联性迭代；
当u＞0时，所述关联性迭代单元对点图坐标关联性的分析过程进行关联性迭代；
所述关联性迭代单元将关联性迭代次数与迭代阈值进行比对，并根据比对结果对距离阈值的调整过程进行优化，其中：
当 T＞D时，所述关联性迭代单元不对距离阈值的调整过程进行优化，
当T≤D时，所述关联性迭代单元对距离阈值的调整过程进行优化，优化后的距离阈值为s2，设定s2=s1/βT；
其中，T表示关联性迭代次数。
进一步地，所述轨迹分析模块根据点图坐标关联性和端点坐标关联性对打磨轨迹进行分析，当两个不同的点图坐标关联性中的端点坐标存在关联时，将两个不同的点图坐标关联性中的点图坐标相关联，形成点图轨迹，将点图轨迹中相同的点图坐标进行连接，形成打磨轨迹。
进一步地，所述分析校正模块对样品图像进行预处理操作，并根据预处理后的样品图像的灰度值和预处理后的图像信息的灰度值对迭代阈值进行校正，其中：
当z1≤(PL255/pL255+PL0/pL0)/2≤z2时，所述分析校正模块判定打磨样品合格，不对迭代阈值进行校正；
当(PL255/pL255+PL0/pL0)/2＜z1或(PL255/pL255+PL0/pL0)/2＞z2时，所述分析校正模块判定打磨样品不合格，对迭代阈值进行校正，校正后的迭代阈值为D1，设定D1=D×z2/z1；
其中，z1表示第一校正阈值，z2表示第二校正阈值，0.8≤z1＜1＜z2≤1.2，PL255表示预处理后的样品图像中灰度值为255的像素点数量，PL0表示预处理后的样品图像中灰度值为0的像素点数量，pL255表示预处理后的图像信息的灰度值为255的像素点数量，pL0表示预处理后的图像信息的灰度值为0的像素点数量。
与现有技术相比，本发明的有益效果在于，通过所述图像获取模块对打磨零件图像信息的获取，以提高图像信息获取的准确度，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述预处理模块对图像信息的预处理操作，以提高系统对图像信息的分析效率，增加分析坐标的精准度，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述坐标提取模块对图像信息的分析，以提取出采样点信息，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述坐标分析模块对采样点信息的分析，以得到采样点关联性，从而分析出提取各点坐标的联系，进而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述轨迹分析模块对采样点关联性的分析，以分析出打磨轨迹，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述输出模块对打磨轨迹的输出，以将打磨轨迹传输至打磨机器人的控制端，从而实现控制打磨机器人打磨零件，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述分析校正模块对样品图像的获取，以根据样品图像对采样点信息和采样点关联性的分析过程进行校正，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
附图说明
图1为本实施例打磨机器人的打磨轨迹生成系统的结构框图；
图2为本实施例预处理模块的结构框图；
图3为本实施例坐标提取模块的结构框图；
图4为本实施例坐标分析模块的结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本实施例一种打磨机器人的打磨轨迹生成系统，包括：
图像获取模块，用以获取打磨零件的图像信息，所述图像信息的获取方式为用户交互上传，可以理解的是本实施例中所述打磨零件为轮毂，本实施例中不对打磨零件作具体限定，本领域技术人员可自由设置，打磨零件还可设置为其他存在纹理的零件，如齿轮、轴承和拨片等；
预处理模块，用以根据图像信息构建平面直角坐标系，以得到图像信息的像素点坐标，所述预处理模块还用以根据图像信息的各像素点灰度值对图像信息进行二化值处理，预处理模块与所述图像获取模块连接，所述像素点为矩形像素点；
坐标提取模块，用以对预处理后的图像信息进行分析，以提取采样点信息，坐标提取模块与所述预处理模块连接，所述采样点信息包括点图坐标和线图坐标，所述线图坐标包括连续线图坐标和端点坐标，所述线图坐标为表示打磨零件轮廓的坐标点；
坐标分析模块，用以根据采样点信息对采样点关联性进行分析，坐标分析模块与所述坐标提取模块连接，采样点关联性包括点图坐标关联性和端点坐标关联性；
轨迹分析模块，用以根据采样点关联性对打磨轨迹进行分析，轨迹分析模块与所述坐标分析模块连接；
输出模块，用以对打磨轨迹进行输出，输出模块与所述轨迹分析模块连接；
分析校正模块，用以获取根据打磨轨迹打磨的零件的样品图像，并根据样品图像对提取采样点信息和采样点关联性的分析过程进行校正。
请参阅图2所示，所述预处理模块包括：
第一预处理单元，用以根据图像信息构建平面直角坐标系，以得到图像信息的像素点坐标；
第二预处理单元，用以根据图像信息各像素点的灰度值对图像信息进行二化值处理，第二预处理单元与所述第一预处理单元连接。
请参阅图3所示，所述坐标提取模块包括：
图像分析单元，用以根据预处理后的图像信息的像素点灰度值对点图坐标和线图坐标进行分析；
异常点判断单元，用以根据点图坐标对异常点进行判断，异常点判断单元与所述图像分析单元连接；
预处理调整单元，用以根据异常点数量对图像信息的二化值处理过程进行调整，预处理调整单元与所述异常点判断单元连接；
提取迭代单元，用以根据异常点数量对图像信息的二化值处理过程进行提取迭代，所述提取迭代单元还用以根据提取迭代次数对二化值处理过程的调整过程进行优化，提取迭代单元与所述预处理调整单元连接。
请参阅图4所示，所述坐标分析模块包括：
端点分析单元，用以根据线图坐标对端点坐标和连续线图坐标进行分析；
关联性分析单元，用以根据线图坐标对端点坐标关联性进行分析，所述关联性分析单元还用以根据端点坐标和点图坐标对点图坐标关联性进行分析，关联性分析单元与所述端点分析单元连接；
关联性调整单元，用以端点坐标关联性对点图坐标关联性的分析过程进行调整，关联性调整单元与所述关联性分析单元连接；
关联性迭代单元，用以根据无关联的点图坐标数量对点图坐标关联性的分析过程进行关联性迭代，所述关联性迭代单元还用以根据关联性迭代次数对点图坐标关联性分析过程的调整过程进行优化，关联性迭代单元与所述关联性调整单元连接。
具体而言，本发明应用于打磨机器人的控制云端内，用以分析打磨零件的图像以形成打磨轨迹，本实施例中通过所述图像获取模块对打磨零件图像信息的获取，以提高图像信息获取的准确度，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述预处理模块对图像信息的预处理操作，以提高系统对图像信息的分析效率，增加分析坐标的精准度，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述坐标提取模块对图像信息的分析，以提取出采样点信息，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述坐标分析模块对采样点信息的分析，以得到采样点关联性，从而分析出提取各点坐标的联系，进而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述轨迹分析模块对采样点关联性的分析，以分析出打磨轨迹，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述输出模块对打磨轨迹的输出，以将打磨轨迹传输至打磨机器人的控制端，从而实现控制打磨机器人打磨零件，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述分析校正模块对样品图像的获取，以根据样品图像对采样点信息和采样点关联性的分析过程进行校正，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述第一预处理单元以图像信息的左下角像素点为坐标原点，将与坐标原点相邻的两条边作为x轴和y轴，建立平面直角坐标系，x轴从左向右依次增大，y轴从下向上依次增大，用直角坐标表示图像信息各像素点坐标。
具体而言，本实施例中通过所述第一预处理单元对图像信息的分析，以使用坐标点表示图像信息的各像素位置，从而使分析数据更加清晰准确，进而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述第二预处理单元将图像信息各像素点的灰度值与二化值阈值进行比对，并根据比对结果设置当前分析像素点的灰度值，其中：
当f(x,y)＞L1时，所述第二预处理单元判定增大当前分析像素点的灰度值，并设置当前分析像素点的灰度值为g(x,y)，设定g(x,y)=255；
当f(x,y)≤L1时，所述第二预处理单元判定减小当前分析像素点的灰度值，并设置当前分析像素点的灰度值为g(x,y)，设定g(x,y)=0；
其中，f(x,y)表示图像信息各像素点的灰度值，L1表示二化值阈值，设定L1=[f(0,0)+f(1,0)+...+f(xmax,ymax)]/[(xmax+1)×(ymax+1)]，xmax表示图像信息的平面直角坐标系的最大横坐标，ymax表示图像信息的平面直角坐标系的最大纵坐标。
具体而言，本实施例中通过所述第二预处理单元对图像信息的二化值处理，以将图像信息处理为灰度值单一的图像信息，使图像信息中的各轮廓特征更加清晰明确，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述图像分析单元根据预处理后的图像信息各像素点的灰度值计算灰度参数，并将灰度参数与第一灰度阈值进行比对，根据比对结果提取当前分析像素点坐标，其中：
当g(x,y)=0且L2＜α1时，所述图像分析单元判定提取当前分析像素点坐标作为线图坐标；
当g(x,y)=0且L2≥α1时，所述图像分析单元判定提取当前分析像素点坐标作为点图坐标；
当g(x,y)=255时，所述图像分析单元判定不提取当前分析像素点坐标；
其中，L2表示灰度参数，α1表示第一灰度阈值，其取值范围为65≤α≤125，设定L2=[g(x-1,y)+g(x+1,y)+g(x,y-1)+g(x,y+1)]/4，g(x-1,y)、g(x+1,y)、g(x,y-1)和g(x,y+1)表示与当前分析像素点上下左右相邻的像素点的灰度值。可以理解的是，本实施例中不对第一灰度阈值的取值作具体限定，本领域技术人员可自由设置，只需满足对像素点坐标的提取即可，第一灰度阈值的最佳取值为：α=100。
具体而言，本实施例中通过所述图像分析单元对各像素点灰度参数的计算，以对各像素点进行提取并分类，使提取的采样点信息更加准确，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述异常点判断单元将点图坐标的灰度参数与第二灰度阈值进行比对，并根据比对结果和与点图坐标对角线相邻的像素点灰度值，对点图坐标中的异常点进行判断，其中：
当L2＜α2时，所述异常点判断单元判定当前分析点图坐标非异常点；
当L2≥α2且NL255=nl时，所述异常点判断单元判定当前分析点图坐标为异常点；
其中，α2表示第二灰度参数，其取值范围为：192≤α2≤255，NL255表示与点图坐标对角线相邻的像素点灰度值为255的像素点数量，nl表示数量参数，其取值范围为nl={0,2,4}。可以理解的是，本实施例中不对第二灰度阈值的取值作具体限定，本领域技术人员可自由设置，只需满足对异常点的判断即可，第二灰度阈值的最佳取值为：α2=200。
具体而言，本实施例中通过所述异常点判断单元对提取的点图信息的灰度参数的分析，以分析出点图信息中的异常点，减少点图信息中异常信息对点图坐标分析的影响，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述预处理调整单元根据异常点数量对二化值阈值进行调整，调整后的二化值阈值为L1＇，设定L1＇=L1×βn，其中，β表示第一调整参数，其取值范围为0.9≤β＜1，n表示异常点数量。可以理解的是，本实施例中不对第一调整参数的取值作具体限定，本领域技术人员可自由设置，只需满足对二化值阈值的调整即可，第一调整参数的最佳取值为：β=0.95。
具体而言，本实施例中通过所述预处理调整单元对异常点数量的分析，以对二化值阈值进行调整，降低二化值阈值的数值以减少点图信息中异常点的数量，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述提取迭代单元根据异常点数量对图像信息的二化值处理过程进行提取迭代，其中：
当n=0时，所述提取迭代单元不对图像信息的二化值处理过程进行提取迭代；
当n＞0时，所述提取迭代单元对图像信息的二化值处理过程进行提取迭代。
具体而言，本实施例中所述提取迭代单元根据提取迭代次数与迭代阈值进行比对，并根据比对结果对二化值阈值的调整过程进行优化，其中：
当 t＞D时，所述提取迭代单元不对二化值阈值的调整过程进行优化，
当t≤D时，所述提取迭代单元对二化值阈值的调整过程进行优化，优化后的二化值阈值为L1＂，设定L1＂=L1＇/βt；
其中，t表示提取迭代次数，D表示迭代阈值，其取值范围为5≤D≤15。可以理解的是，本实施例中不对迭代阈值的取值作具体限定，本领域技术人员可自由设置，只需满足对二化值阈值的优化即可，迭代阈值的最佳取值为：D=8。
具体而言，本实施例中通过所述提取迭代单元对异常点数量的分析，以对二化值处理过程进行迭代操作，减少对预处理图像信息中异常点的数量，从而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述提取迭代单元对提取迭代次数的分析，以对二化值阈值的调整过程进行优化，降低二化值阈值的变化幅度，从而增加提取采集点信息的精度，进而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述端点分析单元根据线图坐标对端点坐标和连续线图坐标进行分析，其中：
当与当前分析线图坐标上下左右相邻的方向上存在仅一个其他线图坐标时，所述端点分析单元判定当前分析线图坐标为端点坐标；
当与当前分析线图坐标上下左右相邻的方向上存在大于一个其他线图坐标时，所述端点分析单元判定当前分析线图坐标为连续线图坐标。
具体而言，本实施例中通过所述端点分析单元对线图坐标的分析，以判断出线图坐标中的端点坐标和连续线图坐标，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述关联性分析单元根据线图坐标对端点坐标关联性进行分析，其中：
当两个端点坐标为同一连续线图坐标中的线图坐标时，所述关联性分析单元判定端点坐标存在关联，端点坐标关联性为(Xj1,Yj1)⟺(Xj2,Yj2);
当两个端点坐标不为同一连续线图坐标中的线图坐标时，所述关联性分析单元判定端点坐标无关联；
其中，(Xj1,Yj1)和(Xj2,Yj2)表示当前分析的两个端点坐标，j表示端点坐标编号，j1∈j，j2∈j。
具体而言，本实施例中通过所述关联性分析单元对线图坐标的分析，以分析出端点坐标的关联性，使同一轮廓中的端点相关联，从而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述关联性分析单元计算端点坐标与各点图坐标的距离，并将计算结果与距离阈值进行比对，根据比对结果对点图坐标关联性进行分析，其中：
当S[(xi,yi),(Xj1,Yj1)]＞s时，所述关联性分析单元判定当前分析点图坐标无关联；
当S[(xi,yi),(Xj1,Yj1)]≤s时，所述关联性分析单元判定当前分析点图坐标存在关联，点图坐标关联性为(xi,yi)→(Xj2,Yj2);
其中，S[(xi,yi),(Xj1,Yj1)]表示端点坐标与点图坐标的距离，设定
(xi,yi)表示点图坐标，i表示点图坐标编号，(xi,yi)→(Xj2,Yj2)表示由坐标点(xi,yi)指向坐标点(Xj2,Yj2)的向量，s表示距离阈值，其取值范围为1.5≤s＜2。可以理解的是，本实施例中不对距离阈值的取值作具体限定，本领域技术人员可自由设置，只需满足对采集点关联性的分析即可，距离阈值的最佳取值为：s=1.6。
具体而言，本实施例中通过所述关联性分析单元对端点坐标与点图坐标距离的计算，以判断出点图坐标是否与端点坐标相邻或相近，从而判断出点图坐标与端点坐标的关联性，进而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述关联性调整单元根据无关联的端点坐标数量对距离阈值进行调整，调整后的距离阈值为s1，设定s1=s×γu，其中，γ表示第二调整参数，其取值范围为：1＜γ≤1.1，u表示无关联的端点坐标数量。可以理解的是，本实施例中不对第二调整参数的取值作具体限定，本领域技术人员可自由设置，只需满足对距离阈值的调整即可，第二调整参数的最佳取值为：γ=1.05。
具体而言，本实施例中通过所述关联性调整单元对无关联的端点坐标数量的分析，以对距离阈值进行调整，增大距离阈值的取值，从而将各端点坐标与点图坐标相关联，进而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述关联性迭代单元根据无关联的点图坐标数量对点图坐标关联性的分析过程进行关联性迭代，其中：
当u=0时，所述关联性迭代单元不对点图坐标关联性的分析过程进行关联性迭代；
当u＞0时，所述关联性迭代单元对点图坐标关联性的分析过程进行关联性迭代。
具体而言，本实施例中所述关联性迭代单元将关联性迭代次数与迭代阈值进行比对，并根据比对结果对距离阈值的调整过程进行优化，其中：
当 T＞D时，所述关联性迭代单元不对距离阈值的调整过程进行优化，
当T≤D时，所述关联性迭代单元对距离阈值的调整过程进行优化，优化后的距离阈值为s2，设定s2=s1/βT；
其中，T表示关联性迭代次数。
具体而言，本实施例中通过所述关联性迭代单元对无关联的点图坐标数量的分析，以对点图关联性的分析过程进行迭代，从而将各端点坐标与点图坐标相关联，进而提高系统对打磨轨迹的分析效率，提高分析的精准度，通过所述关联性迭代单元对关联性迭代次数的分析，以对距离阈值的调整过程进行优化，降低距离阈值的变化幅度，从而增加点图信息关联性分析的准确度，进而提高系统对打磨轨迹的分析效率，提高分析的精准度。
具体而言，本实施例中所述轨迹分析模块根据点图坐标关联性和端点坐标关联性对打磨轨迹进行分析，当两个不同的点图坐标关联性中的端点坐标存在关联时，将两个不同的点图坐标关联性中的点图坐标相关联，形成点图轨迹，将点图轨迹中相同的点图坐标进行连接，形成打磨轨迹。
具体而言，本实施例中所述轨迹分析模块根据点图关联性为(x1,y1)→(Xj2,Yj2)，(x2,y2)→(Xj1,Yj1)，端点坐标关联性为(Xj1,Yj1)⟺(Xj2,Yj2)对打磨轨迹进行分析，因为两个点图关联性中的端点坐标存在关联，故将点图坐标相关联，形成点图轨迹为(x1,y1)→(x2,x2)，如当点图轨迹中有点图轨迹为(x2,y2)→(x3,x3)时，连接点图轨迹形成打磨轨迹为(x1,y1)→(x2,x2)→(x3,x3)。
具体而言，本实施例中所述分析校正模块对样品图像进行预处理操作，并根据预处理后的样品图像的灰度值和预处理后的图像信息的灰度值对迭代阈值进行校正，其中：
当z1≤(PL255/pL255+PL0/pL0)/2≤z2时，所述分析校正模块判定打磨样品合格，不对迭代阈值进行校正；
当(PL255/pL255+PL0/pL0)/2＜z1或(PL255/pL255+PL0/pL0)/2＞z2时，所述分析校正模块判定打磨样品不合格，对迭代阈值进行校正，校正后的迭代阈值为D1，设定D1=D×z2/z1；
其中，z1表示第一校正阈值，z2表示第二校正阈值，0.8≤z1＜1＜z2≤1.2，PL255表示预处理后的样品图像中灰度值为255的像素点数量，PL0表示预处理后的样品图像中灰度值为0的像素点数量，pL255表示预处理后的图像信息的灰度值为255的像素点数量，pL0表示预处理后的图像信息的灰度值为0的像素点数量。可以理解的是，本实施例中不对第一校正阈值和第二校正阈值的取值作具体限定，本领域技术人员可自由设置，只需满足对迭代阈值的校正即可，第一校正阈值和第二校正阈值的最佳取值为：z1=0.85，z2=1.15。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种打磨机器人的打磨轨迹生成系统，其特征在于，包括：
图像获取模块，用以获取打磨零件的图像信息；
预处理模块，用以根据图像信息构建平面直角坐标系，以得到图像信息的像素点坐标，还用以根据图像信息的各像素点灰度值对图像信息进行二化值处理；
坐标提取模块，用以对预处理后的图像信息进行分析，以提取采样点信息；图像分析单元，用以根据预处理后的图像信息的像素点灰度值对点图坐标和线图坐标进行分析；
坐标分析模块，用以根据采样点信息对采样点关联性进行分析；所述坐标分析模块设有端点分析单元，用以根据线图坐标对端点坐标和连续线图坐标进行分析所述坐标分析模块还设有关联性分析单元，用以根据线图坐标对端点坐标关联性进行分析，所述关联性分析单元还用以根据端点坐标和点图坐标对点图坐标关联性进行分析；所述坐标分析模块还设有关联性调整单元，用以端点坐标关联性对点图坐标关联性的分析过程进行调整；所述坐标分析模块还设有关联性迭代单元，用以根据无关联的点图坐标数量对点图坐标关联性的分析过程进行关联性迭代，所述关联性迭代单元还用以根据关联性迭代次数对点图坐标关联性分析过程的调整过程进行优化；
轨迹分析模块，用以根据采样点关联性对打磨轨迹进行分析；
输出模块，用以对打磨轨迹进行输出；
分析校正模块，用以获取根据打磨轨迹打磨的零件的样品图像，并根据样品图像对提取采样点信息和采样点关联性的分析过程进行校正。
2.根据权利要求1所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述坐标提取模块设有图像分析单元，其用以根据预处理后的图像信息各像素点的灰度值计算灰度参数，并将灰度参数与第一灰度阈值进行比对，根据比对结果提取当前分析像素点坐标，其中：
当g(x,y)=0且L2＜α1时，所述图像分析单元判定提取当前分析像素点坐标作为线图坐标；
当g(x,y)=0且L2≥α1时，所述图像分析单元判定提取当前分析像素点坐标作为点图坐标；
当g(x,y)=255时，所述图像分析单元判定不提取当前分析像素点坐标；
其中，L2表示灰度参数，α1表示第一灰度阈值，其取值范围为65≤α1≤125，g(x,y)表示当前分析像素点的灰度值，设定L2=[g(x-1,y)+g(x+1,y)+g(x,y-1)+g(x,y+1)]/4，g(x-1,y)、g(x+1,y)、g(x,y-1)和g(x,y+1)表示与当前分析像素点上下左右相邻的像素点的灰度值。
3.根据权利要求2所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述坐标提取模块还设有异常点判断单元，其用以将点图坐标的灰度参数与第二灰度阈值进行比对，并根据比对结果和与点图坐标对角线相邻的像素点灰度值，对点图坐标中的异常点进行判断，其中：
当L2＜α2时，所述异常点判断单元判定当前分析点图坐标非异常点；
当L2≥α2且NL255=nl时，所述异常点判断单元判定当前分析点图坐标为异常点；
其中，α2表示第二灰度参数，其取值范围为：192≤α2≤255，NL255表示与点图坐标对角线相邻的像素点灰度值为255的像素点数量，nl表示数量参数，其取值范围为nl={0,2,4}；
所述坐标提取模块还设有预处理调整单元，其用以根据异常点数量对二化值阈值进行调整，调整后的二化值阈值为L1＇，设定L1＇=L1×βn，其中，β表示第一调整参数，其取值范围为0.9≤β＜1，n表示异常点数量。
4.根据权利要求3所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述坐标提取模块还设有提取迭代单元，其用以根据异常点数量对图像信息的二化值处理过程进行提取迭代，其中：
当n=0时，所述提取迭代单元不对图像信息的二化值处理过程进行提取迭代；
当n＞0时，所述提取迭代单元对图像信息的二化值处理过程进行提取迭代；
所述提取迭代单元根据提取迭代次数与迭代阈值进行比对，并根据比对结果对二化值阈值的调整过程进行优化，其中：
当 t＞D时，所述提取迭代单元不对二化值阈值的调整过程进行优化，
当t≤D时，所述提取迭代单元对二化值阈值的调整过程进行优化，优化后的二化值阈值为L1＂，设定L1＂=L1＇/βt；
其中，t表示提取迭代次数，D表示迭代阈值，其取值范围为5≤D≤15。
5.根据权利要求2所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述端点分析单元根据线图坐标对端点坐标和连续线图坐标进行分析，其中：
当与当前分析线图坐标上下左右相邻的方向上存在仅一个其他线图坐标时，所述端点分析单元判定当前分析线图坐标为端点坐标；
当与当前分析线图坐标上下左右相邻的方向上存在大于一个其他线图坐标时，所述端点分析单元判定当前分析线图坐标为连续线图坐标。
6.根据权利要求5所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述关联性分析单元根据线图坐标对端点坐标关联性进行分析，其中：
当两个端点坐标为同一连续线图坐标中的线图坐标时，所述关联性分析单元判定端点坐标存在关联，端点坐标关联性为(Xj1,Yj1)(Xj2,Yj2);
当两个端点坐标不为同一连续线图坐标中的线图坐标时，所述关联性分析单元判定端点坐标无关联；
其中，(Xj1,Yj1)和(Xj2,Yj2)表示当前分析的两个端点坐标，j表示端点坐标编号，j1∈j，j2∈j。
7.根据权利要求6所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述关联性分析单元计算端点坐标与各点图坐标的距离，并将计算结果与距离阈值进行比对，根据比对结果对点图坐标关联性进行分析，其中：
当S[(xi,yi),(Xj1,Yj1)]＞s时，所述关联性分析单元判定当前分析点图坐标无关联；
当S[(xi,yi),(Xj1,Yj1)]≤s时，所述关联性分析单元判定当前分析点图坐标存在关联，点图坐标关联性为(xi,yi)→(Xj2,Yj2);
其中，S[(xi,yi),(Xj1,Yj1)]表示端点坐标与点图坐标的距离，设定
(xi,yi)表示点图坐标，i表示点图坐标编号，(xi,yi)→(Xj2,Yj2)表示由坐标点(xi,yi)指向坐标点(Xj2,Yj2)的向量，s表示距离阈值，其取值范围为1.5≤s＜2；
所述关联性调整单元根据无关联的端点坐标数量对距离阈值进行调整，调整后的距离阈值为s1，设定s1=s×γu，其中，γ表示第二调整参数，其取值范围为：1＜γ≤1.1，u表示无关联的端点坐标数量。
8.根据权利要求7所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述关联性迭代单元根据无关联的点图坐标数量对点图坐标关联性的分析过程进行关联性迭代，其中：
当u=0时，所述关联性迭代单元不对点图坐标关联性的分析过程进行关联性迭代；
当u＞0时，所述关联性迭代单元对点图坐标关联性的分析过程进行关联性迭代；
所述关联性迭代单元将关联性迭代次数与迭代阈值进行比对，并根据比对结果对距离阈值的调整过程进行优化，其中：
当 T＞D时，所述关联性迭代单元不对距离阈值的调整过程进行优化，
当T≤D时，所述关联性迭代单元对距离阈值的调整过程进行优化，优化后的距离阈值为s2，设定s2=s1/βT；
其中，T表示关联性迭代次数，β表示第一调整参数，D表示迭代阈值。
9.根据权利要求8所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述轨迹分析模块根据点图坐标关联性和端点坐标关联性对打磨轨迹进行分析，当两个不同的点图坐标关联性中的端点坐标存在关联时，将两个不同的点图坐标关联性中的点图坐标相关联，形成点图轨迹，将点图轨迹中相同的点图坐标进行连接，形成打磨轨迹。
10.根据权利要求1所述的打磨机器人的打磨轨迹生成系统，其特征在于，所述分析校正模块对样品图像进行预处理操作，并根据预处理后的样品图像的灰度值和预处理后的图像信息的灰度值对迭代阈值进行校正，其中：
当z1≤(PL255/pL255+PL0/pL0)/2≤z2时，所述分析校正模块判定打磨样品合格，不对迭代阈值进行校正；
当(PL255/pL255+PL0/pL0)/2＜z1或(PL255/pL255+PL0/pL0)/2＞z2时，所述分析校正模块判定打磨样品不合格，对迭代阈值进行校正，校正后的迭代阈值为D1，设定D1=D×z2/z1；
其中，D表示迭代阈值，z1表示第一校正阈值，z2表示第二校正阈值，0.8≤z1＜1＜z2≤1.2，PL255表示预处理后的样品图像中灰度值为255的像素点数量，PL0表示预处理后的样品图像中灰度值为0的像素点数量，pL255表示预处理后的图像信息的灰度值为255的像素点数量，pL0表示预处理后的图像信息的灰度值为0的像素点数量。
CN202311243356.3A 2023-09-26 2023-09-26 一种打磨机器人的打磨轨迹生成系统 Active CN116985143B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311243356.3A CN116985143B (zh) 2023-09-26 2023-09-26 一种打磨机器人的打磨轨迹生成系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311243356.3A CN116985143B (zh) 2023-09-26 2023-09-26 一种打磨机器人的打磨轨迹生成系统

Publications (2)

Publication Number Publication Date
CN116985143A CN116985143A (zh) 2023-11-03
CN116985143B true CN116985143B (zh) 2024-01-09

Family

ID=88526890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311243356.3A Active CN116985143B (zh) 2023-09-26 2023-09-26 一种打磨机器人的打磨轨迹生成系统

Country Status (1)

Country Link
CN (1) CN116985143B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118181324B (zh) * 2024-05-13 2024-07-09 广东凯莎科技有限公司 基于人工智能的工业机器人智能控制系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014120068A (ja) * 2012-12-18 2014-06-30 Canon Inc 情報処理装置および情報処理方法
CN105798927A (zh) * 2016-05-23 2016-07-27 广东工业大学 基于图像的坩埚缺陷磨削加工方法及应用其的加工系统
CN108326850A (zh) * 2018-01-10 2018-07-27 温州大学 一种机器人准确移动机械臂到达指定位置的方法及系统
CN108508439A (zh) * 2018-05-01 2018-09-07 南京理工大学 双机载sar对目标协同成像立体定位的方法
CN210550070U (zh) * 2019-08-20 2020-05-19 上海腾中机电设备有限公司 一种基于机器人的钢轨端面倒棱打磨装置和系统
CN111615437A (zh) * 2017-12-26 2020-09-01 Abb瑞士股份有限公司 用于机器人加工的方法和装置
CN113506211A (zh) * 2021-09-10 2021-10-15 深圳市信润富联数字科技有限公司 轮毂肋窗的打磨方法、装置、终端设备以及存储介质
CN114399461A (zh) * 2021-12-02 2022-04-26 郑州煤矿机械集团股份有限公司 智能化焊趾机械打磨疲劳延寿方法
WO2022100457A1 (zh) * 2020-11-11 2022-05-19 广东博智林机器人有限公司 作业路线规划方法、装置、电子设备以及可读存储介质
CN115019056A (zh) * 2022-04-02 2022-09-06 浙江大学 一种基于图像处理的轮毂毛刺定位和路径规划方法
CN115661076A (zh) * 2022-10-26 2023-01-31 重庆滨渝科技发展有限公司 一种铸件待打磨区域智能视觉评估及标定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3018618B1 (fr) * 2014-03-11 2017-09-22 Univ Nantes Procede et systeme de controle d'un poncage orbital
US9681022B2 (en) * 2014-12-25 2017-06-13 Ricoh Company, Ltd. Image processing apparatus, image processing method, and recording medium
US9919421B2 (en) * 2015-04-15 2018-03-20 Abb Schweiz Ag Method and apparatus for robot path teaching

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014120068A (ja) * 2012-12-18 2014-06-30 Canon Inc 情報処理装置および情報処理方法
CN105798927A (zh) * 2016-05-23 2016-07-27 广东工业大学 基于图像的坩埚缺陷磨削加工方法及应用其的加工系统
CN111615437A (zh) * 2017-12-26 2020-09-01 Abb瑞士股份有限公司 用于机器人加工的方法和装置
CN108326850A (zh) * 2018-01-10 2018-07-27 温州大学 一种机器人准确移动机械臂到达指定位置的方法及系统
CN108508439A (zh) * 2018-05-01 2018-09-07 南京理工大学 双机载sar对目标协同成像立体定位的方法
CN210550070U (zh) * 2019-08-20 2020-05-19 上海腾中机电设备有限公司 一种基于机器人的钢轨端面倒棱打磨装置和系统
WO2022100457A1 (zh) * 2020-11-11 2022-05-19 广东博智林机器人有限公司 作业路线规划方法、装置、电子设备以及可读存储介质
CN113506211A (zh) * 2021-09-10 2021-10-15 深圳市信润富联数字科技有限公司 轮毂肋窗的打磨方法、装置、终端设备以及存储介质
CN114399461A (zh) * 2021-12-02 2022-04-26 郑州煤矿机械集团股份有限公司 智能化焊趾机械打磨疲劳延寿方法
CN115019056A (zh) * 2022-04-02 2022-09-06 浙江大学 一种基于图像处理的轮毂毛刺定位和路径规划方法
CN115661076A (zh) * 2022-10-26 2023-01-31 重庆滨渝科技发展有限公司 一种铸件待打磨区域智能视觉评估及标定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向轮毂打磨的机器人冲击最优轨迹规划;程禛溢;郭强;鱼海东;;农业装备与车辆工程(07);第71-75页 *

Also Published As

Publication number Publication date
CN116985143A (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN116985143B (zh) 一种打磨机器人的打磨轨迹生成系统
CN108961235A (zh) 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法
CN113705590B (zh) 基于人工智能的钢结构智能打磨控制方法
TWI497450B (zh) 視訊物件追蹤方法
CN108492263B (zh) 一种镜头径向畸变校正方法
CN110853064B (zh) 一种基于最小模糊散度的图像协同分割方法
CN111783773B (zh) 一种面向角度倾斜电线杆标识牌的矫正方法
CN109359604B (zh) 面向巡检机器人的阴影干扰下仪表识别方法
CN115409831A (zh) 基于最优背景估计的星点质心提取方法及系统
CN110849354A (zh) 一种星敏感器寿命末期条件下星点提取与补偿方法
CN116862986B (zh) 一种脊柱外科手术用机械臂视觉定位方法及系统
CN112598002B (zh) 一种雾气和噪声影响下的车牌识别方法
CN115953604B (zh) 一种不动产地理信息测绘数据采集方法
CN116434208B (zh) 一种用于仪表扇形区域的视觉识别方法
CN116579989B (zh) 一种基于深度相机的隧道打孔倾角修正方法
CN109829511B (zh) 基于纹理分类的下视红外图像中云层区域检测方法
CN117253062A (zh) 一种任意姿态下的继电器触点图像特征快速匹配方法
CN112084840A (zh) 一种基于三维nmi的指静脉识别方法
CN113132693A (zh) 一种色彩校正方法
Torre et al. Agricultural-field extraction on aerial images by region competition algorithm
CN110348452B (zh) 一种图像二值化处理方法及其系统
CN111062343B (zh) 基于平均曲率和正态分布变换的三维人耳识别方法
KR100951315B1 (ko) Ａａｍ을 이용한 얼굴검출 방법 및 장치
CN110298799B (zh) 一种pcb图像定位校正方法
CN109598207B (zh) 一种基于卷积神经网络的快速人眼跟踪方法

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