CN117173240B - 伺服控制驱动器的ar辅助装配方法、装置、设备及介质 - Google Patents
伺服控制驱动器的ar辅助装配方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117173240B CN117173240B CN202311452229.4A CN202311452229A CN117173240B CN 117173240 B CN117173240 B CN 117173240B CN 202311452229 A CN202311452229 A CN 202311452229A CN 117173240 B CN117173240 B CN 117173240B
- Authority
- CN
- China
- Prior art keywords
- assembly
- image information
- servo control
- real
- control driver
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000000265 homogenisation Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 8
- 238000000546 chi-square test Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及AR辅助装配的领域,尤其是涉及伺服控制驱动器的AR辅助装配方法、装置、设备及介质。方法包括:获取实时图像信息以及虚拟装配模型,基于实时图像信息确定伺服控制驱动器当前的装配环节,并将装配环节以及虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数,将虚拟环节图像以及虚拟装配参数与实时图像信息进行融和,得到装配图像信息,然后对装配图像信息进行监测分析,得到实时装配参数,计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,本申请具有提高伺服控制驱动器装配效率的效果。
Description
技术领域
本申请涉及AR辅助装配的领域,尤其是涉及伺服控制驱动器的AR辅助装配方法、装置、设备及介质。
背景技术
伺服控制驱动器又称为“伺服控制器”,是用来控制伺服电机的一种控制器,其作用类似于变频器作用于普通交流马达,属于伺服系统的一部分,主要应用于高精度的定位系统。一般是通过位置、速度和力矩三种方式对伺服电机进行控制,实现高精度的传动系统定位。
目前,伺服控制驱动器的装配作业通常占伺服控制驱动器生产总工作量的20%-70%,占生产总时间的40%-60%。随着工业5.0的快速发展和优化升级,在伺服控制驱动器制造前后阶段存在业务相关者之间的知识转移障碍,使得传统辅助装配系统已经不能满足细致作业任务的需求。在复杂装配场景下,可利用具有虚实结合、实时交互、三维注册特点的增强现实(Augmented Reality,AR)技术,将辅助装配的虚拟信息与实际的作业对象融合,工作者可利用AR系统辅助完成装配任务,有效提升装配效率、缩短装配周期、降低装配成本。
AR设备(如Hololens、LightWear等)捕获装配现场场景后,需要利用鲁棒的三维注册方法检测待注册对象在空间中的位姿,精确渲染多维虚拟信息到待注册对象上。现有的AR注册方法主要为基于视觉图像纹理特征理解分析的注册方法,该类方法需要确定待注册对象在场景中的位置和姿态,将虚拟世界三维坐标与现实世界三维坐标对齐,进而实现虚实场景的融合。
在采用的AR装配系统中,定位过程包含有标识定位和无标识定位两类。有标识定位的方式多采用二维码,通过相机扫描识别到产品上的定位标识点或二维码标识实现虚拟模型与现实产品的定位,采用二维码进行标定定位主要应用在二维平面装配过程,其缺点是二维码标识较大,放置在装配工作区域时,易于受到装配人员的肢体、工具等的遮挡。同时采集的真实图像中如果二维码倾斜较大或因使用次数过多出现磨损,将会导致识别错误。其次采用无标识定位的方法主要采集相机拍摄到的实物,提取图像特征点,利用算法实现实物与模型特征点的匹配,从而完成装配定位过程。由此可见,无标识定位的方法相较于有标识定位的方法来说,更适用于当下生产装配环境,也因此,生产工厂更青睐于无标识定位的方法。
无标识定位的方法虽然可以通过实物与模型特征点匹配来实现装配定位的过程,但是工人实际的装配过程中,每个装配环节所实际的装配参数与装配模型对应的装配环节对应虚拟装配参数并无法完全一致,而这种不完全一致就容易导致在对伺服控制驱动器装配完成后,伺服控制驱动器出现异常故障的情况。
发明内容
为了解决以上至少一项技术问题,本申请提供了伺服控制驱动器的AR辅助装配方法、装置、设备及介质。
第一方面,本申请提供一种伺服控制驱动器的AR辅助装配方法,采用如下的技术方案:
一种伺服控制驱动器的AR辅助装配方法,包括:
获取实时图像信息以及虚拟装配模型,所述实时图像信息为伺服控制驱动器进行装配过程中的实时图像信息,所述虚拟装配模型为所述伺服控制驱动器装配的虚拟空间模型;
基于所述实时图像信息确定所述伺服控制驱动器当前的装配环节,并将所述装配环节以及所述虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数;
将所述虚拟环节图像以及虚拟装配参数与所述实时图像信息进行融和,得到装配图像信息;
对所述装配图像信息进行监测分析,得到实时装配参数;
计算更新所述实时装配参数与所述虚拟装配参数之间的参数差值,并将所述参数差值与所述装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示。
在另一种可能实现的方式中,所述对所述装配图像信息进行监测分析,得到实时装配参数,包括:
对所述装配图像信息进行监测,判断所述装配图像信息中是否存在因人员操作而导致所述伺服控制驱动器装配结构发生变动;
若存在,则生成同步指令,控制所述装配图像信息中虚拟环节图像对应装配结构进行同步更新,并对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数。
在另一种可能实现的方式中,所述对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数,包括:
基于所述装配图像信息确定第一地图点以及共视图,并判断所述伺服控制驱动器的装配特征点是否具有深度值以及与所述第一地图点存在关联,所述第一地图点为所述装配图像信息中所述伺服控制驱动器对应视觉关键帧的原始地图点,所述共视图为所述第一地图点对应的共视图;
若所述装配特征点具有深度值且与所述第一地图点存在关联,则将所述装配特征点输入至预设模型中进行训练,得到实时装配参数;
若所述装配特征点不具有深度值,则对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,并基于所述第二地图点对所述装配特征点进行更新,得到共视特征点;
将所述共视特征点输入至预设模型中进行训练,得到实时装配参数。
在另一种可能实现的方式中,所述若所述装配特征点具有深度值且与所述第一地图点存在关联,之前还包括:
基于所述伺服控制驱动器对应的视觉关键帧确定图像金字塔,并对所述图像金字塔的每层图像提取特征点,得到具有深度值的特征点;
对所述特征点进行均匀化处理,得到处理后的装配特征点。
在另一种可能实现的方式中,所述对所述特征点进行均匀化处理,得到处理后的装配特征点,之后还包括:
计算所述装配特征点的旋转主方向,得到方向变化量;
将所述方向变化量与所述装配特征点进行绑定,得到绑定后的特征点。
在另一种可能实现的方式中,所述对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,包括:
获取第一共视关键帧以及第二共视关键帧,所述第一共视关键帧为满足所述伺服控制驱动器对应的视觉关键帧共视程度要求的关键帧,所述第二共视关键帧为满足所述第一共视关键帧共视程度要求的关键帧;
分别将所述伺服控制驱动器对应的视觉关键帧与所述第一共视关键帧、第二共视关键帧进行特征点匹配,得到匹配特征点;
将所述匹配特征点通过三角化构建,得到第二地图点。
在另一种可能实现的方式中,所述计算更新所述实时装配参数与所述虚拟装配参数之间的参数差值,并将所述参数差值与所述装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,之后还包括:
判断所述参数差值是否满足预设差值范围,若不满足,则将所述参数差值进行标记。
第二方面,本申请提供一种伺服控制驱动器的AR辅助装配装置,采用如下的技术方案:
一种伺服控制驱动器的AR辅助装配装置,包括:
获取模块,用于获取实时图像信息以及虚拟装配模型,所述实时图像信息为伺服控制驱动器进行装配过程中的实时图像信息,所述虚拟装配模型为所述伺服控制驱动器装配的虚拟空间模型;
匹配模块,用于基于所述实时图像信息确定所述伺服控制驱动器当前的装配环节,并将所述装配环节以及所述虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数;
融和模块,用于将所述虚拟环节图像以及虚拟装配参数与所述实时图像信息进行融和,得到装配图像信息;
分析模块,用于对所述装配图像信息进行监测分析,得到实时装配参数;
计算模块,用于计算更新所述实时装配参数与所述虚拟装配参数之间的参数差值,并将所述参数差值与所述装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示。
在一种可能的实现方式中,所述分析模块在对所述装配图像信息进行监测分析,得到实时装配参数时,具体用于:
对所述装配图像信息进行监测,判断所述装配图像信息中是否存在因人员操作而导致所述伺服控制驱动器装配结构发生变动;
若存在,则生成同步指令,控制所述装配图像信息中虚拟环节图像对应装配结构进行同步更新,并对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数。
在另一种可能的实现方式中,所述分析模块在对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数时,具体用于:
基于所述装配图像信息确定第一地图点以及共视图,并判断所述伺服控制驱动器的装配特征点是否具有深度值以及与所述第一地图点存在关联,所述第一地图点为所述装配图像信息中所述伺服控制驱动器对应视觉关键帧的原始地图点,所述共视图为所述第一地图点对应的共视图;
若所述装配特征点具有深度值且与所述第一地图点存在关联,则将所述装配特征点输入至预设模型中进行训练,得到实时装配参数;
若所述装配特征点不具有深度值,则对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,并基于所述第二地图点对所述装配特征点进行更新,得到共视特征点;
将所述共视特征点输入至预设模型中进行训练,得到实时装配参数。
在另一种可能的实现方式中,所述装置还包括:特征提取模块以及均匀处理模块,其中,
特征提取模块,用于基于所述伺服控制驱动器对应的视觉关键帧确定图像金字塔,并对所述图像金字塔的每层图像提取特征点,得到具有深度值的特征点;
所述均匀处理模块,用于对所述特征点进行均匀化处理,得到处理后的装配特征点。
在另一种可能实现方式中,所述装置还包括:方向计算模块以及绑定模块,其中,
所述方向计算模块,用于计算所述装配特征点的旋转主方向,得到方向变化量;
所述绑定模块,用于将所述方向变化量与所述装配特征点进行绑定,得到绑定后的特征点。
在另一种可能的实现方式中,所述分析模块在对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点时,具体用于:
获取第一共视关键帧以及第二共视关键帧,所述第一共视关键帧为满足所述伺服控制驱动器对应的视觉关键帧共视程度要求的关键帧,所述第二共视关键帧为满足所述第一共视关键帧共视程度要求的关键帧;
分别将所述伺服控制驱动器对应的视觉关键帧与所述第一共视关键帧、第二共视关键帧进行特征点匹配,得到匹配特征点;
将所述匹配特征点通过三角化构建,得到第二地图点。
在另一种可能实现方式中,所述装置还包括:标记模块,其中,
所述标记模块,用于判断所述参数差值是否满足预设差值范围,若不满足,则将所述参数差值进行标记。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行如第一方面中任一可能的实现方式所示的伺服控制驱动器的AR辅助装配方法。
第四方面,提供了一种计算机可读存储介质,存储介质存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面中任一可能的实现方式所示的伺服控制驱动器的AR辅助装配方法。
综上所述,本申请包括以下至少一种有益技术效果:
本申请提供了伺服控制驱动器的AR辅助装配方法、装置、设备及介质,与相关技术相比,在本申请中,在对伺服控制驱动器进行装配时,获取伺服控制驱动器在装配过程中的实时图像信息以及虚拟装配模型,然后基于实时图像信息确定伺服控制驱动器当前的装配环节,并将装配环节以及虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数,将虚拟环节图像以及虚拟装配参数与实时图像信息进行融和,得到装配图像信息,然后对装配图像信息进行监测分析,得到实时装配参数,然后计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,工作人员根据显示的参数差值对装配结构进行调整,使得每个装配环节所实际的装配参数与装配模型对应的装配环节对应虚拟装配参数一致,避免伺服控制驱动器装配过程中出现装配误差问题,从而降低了伺服控制驱动器装配完成后成品发生故障的频率,进而提高了伺服控制驱动器的装配效率。
附图说明
图1是本申请实施例一种伺服控制驱动器的AR辅助装配方法的流程示意图;
图2是本申请实施例一种伺服控制驱动器的AR辅助装配装置的方框示意图;
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种伺服控制驱动器的AR辅助装配方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括:
步骤S10,获取实时图像信息以及虚拟装配模型。
其中,实时图像信息为伺服控制驱动器进行装配过程中的实时图像信息,虚拟装配模型为伺服控制驱动器装配的虚拟空间模型。
在本申请实施例中,获取实时图像信息的装置包括摄像头以及扫描仪等,该装置可以设置于工作人员佩戴的AR眼镜中,也可以设置于装配伺服控制驱动器周围,以拍摄伺服控制驱动器的装配过程中的实时图像,并将实时图像以信息的形式实时传递至电子设备,电子设备对实时图像进行接收,从而获取到实时图像信息。
对于本申请实施例来说,虚拟装配模型为预先根据伺服控制驱动器制作的装配模型,通过记录资深员工对伺服驱动控制器的装配过程,并将该装配过程进行模拟,形成该装配模型。然后利用AR技术将装配模型与现实相结合,使得人员通过佩戴AR眼镜即可查看改模型的装配过程。模型的创建对于新装配员工来说具有重大教学意义,可以有效改善新员工对装配环节不熟悉的问题。
步骤S11,基于实时图像信息确定伺服控制驱动器当前的装配环节,并将装配环节以及虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数。
具体地,实时图像信息记录了当前装配人员对伺服控制驱动器的真实装配场景,因此将实时图像信息输入至训练好的神经网络模型中进行识别,确定当前伺服控制驱动器的装配环节。
对于本申请实施例来说,神经网络模型在进行训练时,采集存在标注的伺服控制驱动器图像作为训练样本,伺服控制驱动器图像分别为不同装配环节的图像,其对应的标注则是用于表示当前图像所对应装配环节,然后将伺服控制驱动器图像输入至神经网络模型中进行训练,得到训练好的神经网络模型。
另外,由于虚拟装配模型本身就是依据伺服控制驱动器在不同装配环节对应的装配操作所制定的,因此实时图像信息所对应的装配环节直接与虚拟装配模型中的装配环节进行匹配,即可得到虚拟环节图像以及虚拟装配参数,其中虚拟装配参数用于表示在装配环节中每个装配部件所对应的装配参数,例如:电路板放置位置与芯片放置位置之间的对应数据、电路板表面不同接线端所对应的接线参数等。
步骤S12,将虚拟环节图像以及虚拟装配参数与实时图像信息进行融和,得到装配图像信息。
对于本申请实施例来说,以增强现实技术实现虚拟环节图像、虚拟装配参数与实时图像信息进行融和,包括但不限于该一种实现方式。
步骤S13,对装配图像信息进行监测分析,得到实时装配参数。
步骤S14,计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示。
本申请实施例提供了一种伺服控制驱动器的AR辅助装配方法,在对伺服控制驱动器进行装配时,获取伺服控制驱动器在装配过程中的实时图像信息以及虚拟装配模型,然后基于实时图像信息确定伺服控制驱动器当前的装配环节,并将装配环节以及虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数,将虚拟环节图像以及虚拟装配参数与实时图像信息进行融和,得到装配图像信息,然后对装配图像信息进行监测分析,得到实时装配参数,然后计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,工作人员根据显示的参数差值对装配结构进行调整,使得每个装配环节所实际的装配参数与装配模型对应的装配环节对应虚拟装配参数一致,避免伺服控制驱动器装配过程中出现装配误差问题,从而降低了伺服控制驱动器装配完成后成品发生故障的频率,进而提高了伺服控制驱动器的装配效率。
本申请实施例的一种可能的实现方式,对装配图像信息进行监测分析,得到实时装配参数,包括:对装配图像信息进行监测,判断装配图像信息中是否存在因人员操作而导致伺服控制驱动器装配结构发生变动。若存在,则生成同步指令,控制装配图像信息中虚拟环节图像对应装配结构进行同步更新,并对装配图像信息中伺服控制驱动器的装配特征点进行分析,得到实时装配参数。
本申请实施例的一种可能的实现方式,对装配图像信息中伺服控制驱动器的装配特征点进行分析,得到实时装配参数,包括:基于装配图像信息确定第一地图点以及共视图,并判断伺服控制驱动器的装配特征点是否具有深度值以及与第一地图点存在关联,第一地图点为装配图像信息中伺服控制驱动器对应视觉关键帧的原始地图点,共视图为第一地图点对应的共视图;若装配特征点具有深度值且与第一地图点存在关联,则将装配特征点输入至预设模型中进行训练,得到实时装配参数;若装配特征点不具有深度值,则对第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,并基于第二地图点对装配特征点进行更新,得到共视特征点;将共视特征点输入至预设模型中进行训练,得到实时装配参数。
具体地,新的关键帧(记为)已与前一关键帧(记为/>)进行了特征点匹配,记/>中的某特征点为/>,/>有如下几种情况:
1. 在/>中有匹配特征点,且该匹配特征点有关联的第一地图点(记为/>),则以/>和/>对/>进行关联和更新,并对共视图进行更新。
2. 在/>中有匹配特征点,该匹配特征点没有关联的第一地图点,但/>具有深度值,则/>可以构建为第二地图点,若/>没有深度值,则/>可以与该匹配特征点通过三角法构建第三地图点。
3. 在/>中没有匹配特征点,但有深度值,则/>可以通过小孔成像模型构建为第二地图点。
4. 在/>中没有匹配特征点,也没有深度值,则对/>和/>对/>进行关联和更新。
具体地,关联到/>,/>加入到/>的观测关键帧集合,/>世界坐标保持不变,取出/>的当前所有观测关键帧(记为/>,含/>)中对应特征点的描述子(记为/>),计算/>中每个描述子/>到其他描述子/>的距离/>,/>到其他描述子/>的平均距离/>,n为描述子个数,具有最小的描述子更新为最佳描述子,计算/>与/>的观测距离(记为),扩展/>的观测距离范围(记为/>),使得包含/>,计算/>中每个观测关键帧对/>的观测方向(记为),/>的均值用来更新为/>的平均观测方向。
具体地,作为新的顶点加入共视图中,/>关联的第一地图点/>的观测关键帧集合为/>,/>中所有关键帧(除/>自身)即为/>的共视关键帧,其中某个共视关键帧/>在/>中出现的次数即为共视图中两关键帧对应顶点连线的权重,意为两关键帧共视地图点的个数。
本申请实施例的一种可能的实现方式,若装配特征点具有深度值且与第一地图点存在关联,之前还包括:基于伺服控制驱动器对应的视觉关键帧确定图像金字塔,并对图像金字塔的每层图像提取特征点,得到具有深度值的特征点;对特征点进行均匀化处理,得到处理后的装配特征点。
具体地,对视觉帧图像进行多级缩放,例如原图480*640分辨率,作为第0层图像,经过1.2比例缩放得到400*533分辨率的第1层图像,333*444分辨率的第2层图像,依次缩放所得各层图像构成该视觉帧的图像金字塔,可根据工程设置对应的缩放比例和金字塔层数,对每层图像进行特征点提取。图像金字塔是对当前视觉帧的更加完备的描述,其用处为:在距离目标物体较近处获取的视觉帧图像,记为帧1,距离目标物体较远处获取的视觉帧图像,记为帧2,那么很有可能在帧1和帧2的原始图像或者图像金字塔同层级图像中无法匹配到目标物体的特征点,而在帧1的高层级图像与帧2的低层级图像中可以匹配到目标物体的特征点,通俗理解就是近景缩小后更容易和远景匹配上。
具体地,一般图像提取特征点后很容易出现特征点聚集现象,直接生成地图点,会给位姿计算带来很大的误差,这里对其进行均匀化处理,减少特征点聚集。如:480*640分辨率的图像,可以划分为10*10共100个区域,每个区域为48*64分辨率,选取每个区域最优的10个特征点。划分区域的方式和区域最优特征点个数可根据工程需要进行配置。
本申请实施例的一种可能的实现方式,对特征点进行均匀化处理,得到处理后的装配特征点,之后还包括:计算装配特征点的旋转主方向,得到方向变化量;将方向变化量与装配特征点进行绑定,得到绑定后的特征点。
具体地,提取以特征点所在像素为中心一定距离范围内的图像块,该图像块所有像素其坐标以其像素灰度值加权求和即为灰度中心,特征点所在像素坐标为该图像块的几何中心,几何中心指向灰度中心的向量方向即为特征点的旋转主方向。其作用为:两图像进行特征点匹配时,大多数匹配特征点其旋转主方向的变化应当是接近的,可以此对匹配结果进行筛选,提高匹配的准确率。
本申请实施例的一种可能的实现方式,对第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,包括:获取第一共视关键帧以及第二共视关键帧,第一共视关键帧为满足伺服控制驱动器对应的视觉关键帧共视程度要求的关键帧,第二共视关键帧为满足第一共视关键帧共视程度要求的关键帧;分别将伺服控制驱动器对应的视觉关键帧与第一共视关键帧、第二共视关键帧进行特征点匹配,得到匹配特征点;将匹配特征点通过三角化构建,得到第二地图点。
具体地,共视程度要求为共视程度最高的前十个,第一共视关键帧为与该关键帧共视程度最高的前十个关键帧,第二共视关键帧为与第一共视关键帧共视程度最高的十个关键帧/>,即第一第二共视关键帧总数最多有/>个,所有第一和第二共视关键帧记为/>。
具体地,将视觉关键帧依次与中每一个共视关键帧进行特征点匹配,匹配方式同步骤S102中帧与帧之间的特征点匹配。只是这里在匹配前需要先进行一步场景深度检验,具体为:对每一个/>,其所有具有深度值的特征点的深度值中值即为场景深度中值,并计算/>与视觉关键帧的相对位移(作为三角法计算中的基线),该相对位移与/>的场景深度中值比值很小,则跳过,因为此时通过三角法构建的地图点不可靠。
具体地,视觉关键帧的特征点,/>对应的匹配特征点/>,若/>有关联的第一地图点/>,将/>重投影到/>,对重投影误差进行卡方检验,若卡方检验通过,则直接将/>关联到/>,若卡方检验没有通过或者/>没有关联的第一地图点,则通过三角法构建地图点,这些地图点分别重投影到/>和/>上,计算出重投影误差,并对重投影误差进行卡方检验,卡方检验通过则该地图点为第二地图点,否则丢弃。
这里的重投影误差卡方检验有两种情形,地图点MP (包括第一地图点和三角法新构建的地图点)重投影到关键帧KF上,重投影坐标为,MP在KF上对应的特征点坐标为P,若P没有深度值,则进行2自由度卡方检验,即只计算P与/>的像素坐标(两个方向)误差,若P有深度值,则进行3自由度卡方检验,加上了深度方向的误差,该误差需要归一化处理,假设这三个方向的误差独立且为正态分布。
本申请实施例的一种可能的实现方式,计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,之后还包括:判断参数差值是否满足预设差值范围,若不满足,则将参数差值进行标记。
上述实施例从方法流程的角度介绍一种伺服控制驱动器的AR辅助装配方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种伺服控制驱动器的AR辅助装配装置,具体详见下述实施例。
本申请实施例提供一种伺服控制驱动器的AR辅助装配装置,如图2所示,该伺服控制驱动器的AR辅助装配装置20具体可以包括:获取模块21、匹配模块22、融和模块23、分析模块24以及计算模块25,其中,
获取模块21,用于获取实时图像信息以及虚拟装配模型,实时图像信息为伺服控制驱动器进行装配过程中的实时图像信息,虚拟装配模型为伺服控制驱动器装配的虚拟空间模型;
匹配模块22,用于基于实时图像信息确定伺服控制驱动器当前的装配环节,并将装配环节以及虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数;
融和模块23,用于将虚拟环节图像以及虚拟装配参数与实时图像信息进行融和,得到装配图像信息;
分析模块24,用于对装配图像信息进行监测分析,得到实时装配参数;
计算模块25,用于计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示。
本申请实施例的一种可能的实现方式,分析模块24在对装配图像信息进行监测分析,得到实时装配参数时,具体用于:
对装配图像信息进行监测,判断装配图像信息中是否存在因人员操作而导致伺服控制驱动器装配结构发生变动;
若存在,则生成同步指令,控制装配图像信息中虚拟环节图像对应装配结构进行同步更新,并对装配图像信息中伺服控制驱动器的装配特征点进行分析,得到实时装配参数。
本申请实施例的另一种可能的实现方式,分析模块24在对装配图像信息中伺服控制驱动器的装配特征点进行分析,得到实时装配参数时,具体用于:
基于装配图像信息确定第一地图点以及共视图,并判断伺服控制驱动器的装配特征点是否具有深度值以及与第一地图点存在关联,第一地图点为装配图像信息中伺服控制驱动器对应视觉关键帧的原始地图点,共视图为第一地图点对应的共视图;
若装配特征点具有深度值且与第一地图点存在关联,则将装配特征点输入至预设模型中进行训练,得到实时装配参数;
若装配特征点不具有深度值,则对第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,并基于第二地图点对装配特征点进行更新,得到共视特征点;
将共视特征点输入至预设模型中进行训练,得到实时装配参数。
本申请实施例的另一种可能的实现方式,装置20还包括:特征提取模块以及均匀处理模块,其中,
特征提取模块,用于基于伺服控制驱动器对应的视觉关键帧确定图像金字塔,并对图像金字塔的每层图像提取特征点,得到具有深度值的特征点;
均匀处理模块,用于对特征点进行均匀化处理,得到处理后的装配特征点。
本申请实施例的另一种可能的实现方式,装置20还包括:方向计算模块以及绑定模块,其中,
方向计算模块,用于计算装配特征点的旋转主方向,得到方向变化量;
绑定模块,用于将方向变化量与装配特征点进行绑定,得到绑定后的特征点。
本申请实施例的另一种可能的实现方式,分析模块24在对第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点时,具体用于:
获取第一共视关键帧以及第二共视关键帧,第一共视关键帧为满足伺服控制驱动器对应的视觉关键帧共视程度要求的关键帧,第二共视关键帧为满足第一共视关键帧共视程度要求的关键帧;
分别将伺服控制驱动器对应的视觉关键帧与第一共视关键帧、第二共视关键帧进行特征点匹配,得到匹配特征点;
将匹配特征点通过三角化构建,得到第二地图点。
本申请实施例的另一种可能的实现方式,装置20还包括:标记模块,其中,
标记模块,用于判断参数差值是否满足预设差值范围,若不满足,则将参数差值进行标记。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备,如图3所示,图3所示的电子设备300除常规配置装置外包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与现有技术相比,本申请实施例中,在对伺服控制驱动器进行装配时,获取伺服控制驱动器在装配过程中的实时图像信息以及虚拟装配模型,然后基于实时图像信息确定伺服控制驱动器当前的装配环节,并将装配环节以及虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数,将虚拟环节图像以及虚拟装配参数与实时图像信息进行融和,得到装配图像信息,然后对装配图像信息进行监测分析,得到实时装配参数,然后计算更新实时装配参数与虚拟装配参数之间的参数差值,并将参数差值与装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,工作人员根据显示的参数差值对装配结构进行调整,使得每个装配环节所实际的装配参数与装配模型对应的装配环节对应虚拟装配参数一致,避免伺服控制驱动器装配过程中出现装配误差问题,从而降低了伺服控制驱动器装配完成后成品发生故障的频率,进而提高了伺服控制驱动器的装配效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时0刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种伺服控制驱动器的AR辅助装配方法,其特征在于,包括:
获取实时图像信息以及虚拟装配模型,所述实时图像信息为伺服控制驱动器进行装配过程中的实时图像信息,所述虚拟装配模型为所述伺服控制驱动器装配的虚拟空间模型;
基于所述实时图像信息确定所述伺服控制驱动器当前的装配环节,并将所述装配环节以及所述虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数;
将所述虚拟环节图像以及虚拟装配参数与所述实时图像信息进行融和,得到装配图像信息;
对所述装配图像信息进行监测分析,得到实时装配参数;
所述对所述装配图像信息进行监测分析,得到实时装配参数,包括:
对所述装配图像信息进行监测,判断所述装配图像信息中是否存在因人员操作而导致所述伺服控制驱动器装配结构发生变动;
若存在,则生成同步指令,控制所述装配图像信息中虚拟环节图像对应装配结构进行同步更新,并对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数;
所述对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数,包括:
基于所述装配图像信息确定第一地图点以及共视图,并判断所述伺服控制驱动器的装配特征点是否具有深度值以及与所述第一地图点存在关联,所述第一地图点为所述装配图像信息中所述伺服控制驱动器对应视觉关键帧的原始地图点,所述共视图为所述第一地图点对应的共视图;
若所述装配特征点具有深度值且与所述第一地图点存在关联,则将所述装配特征点输入至预设模型中进行训练,得到实时装配参数;
若所述装配特征点不具有深度值,则对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,并基于所述第二地图点对所述装配特征点进行更新,得到共视特征点;
将所述共视特征点输入至预设模型中进行训练,得到实时装配参数;
计算更新所述实时装配参数与所述虚拟装配参数之间的参数差值,并将所述参数差值与所述装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示。
2.根据权利要求1所述的一种伺服控制驱动器的AR辅助装配方法,其特征在于,所述若所述装配特征点具有深度值且与所述第一地图点存在关联,之前还包括:
基于所述伺服控制驱动器对应的视觉关键帧确定图像金字塔,并对所述图像金字塔的每层图像提取特征点,得到具有深度值的特征点;
对所述特征点进行均匀化处理,得到处理后的装配特征点。
3.根据权利要求2所述的一种伺服控制驱动器的AR辅助装配方法,其特征在于,所述对所述特征点进行均匀化处理,得到处理后的装配特征点,之后还包括:
计算所述装配特征点的旋转主方向,得到方向变化量;
将所述方向变化量与所述装配特征点进行绑定,得到绑定后的特征点。
4.根据权利要求1所述的一种伺服控制驱动器的AR辅助装配方法,其特征在于,所述对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,包括:
获取第一共视关键帧以及第二共视关键帧,所述第一共视关键帧为满足所述伺服控制驱动器对应的视觉关键帧共视程度要求的关键帧,所述第二共视关键帧为满足所述第一共视关键帧共视程度要求的关键帧;
分别将所述伺服控制驱动器对应的视觉关键帧与所述第一共视关键帧、第二共视关键帧进行特征点匹配,得到匹配特征点;
将所述匹配特征点通过三角化构建,得到第二地图点。
5.根据权利要求4所述的一种伺服控制驱动器的AR辅助装配方法,其特征在于,所述计算更新所述实时装配参数与所述虚拟装配参数之间的参数差值,并将所述参数差值与所述装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示,包括:
判断所述参数差值是否满足预设差值范围,若不满足,则将所述参数差值进行标记。
6.一种伺服控制驱动器的AR辅助装配装置,其特征在于,包括:
获取模块,用于获取实时图像信息以及虚拟装配模型,所述实时图像信息为伺服控制驱动器进行装配过程中的实时图像信息,所述虚拟装配模型为所述伺服控制驱动器装配的虚拟空间模型;
匹配模块,用于基于所述实时图像信息确定所述伺服控制驱动器当前的装配环节,并将所述装配环节以及所述虚拟装配模型中的装配环节进行匹配,得到虚拟环节图像以及虚拟装配参数;
融和模块,用于将所述虚拟环节图像以及虚拟装配参数与所述实时图像信息进行融和,得到装配图像信息;
分析模块,用于对所述装配图像信息进行监测分析,得到实时装配参数;
所述分析模块在对所述装配图像信息进行监测分析,得到实时装配参数时,具体用于:
对所述装配图像信息进行监测,判断所述装配图像信息中是否存在因人员操作而导致所述伺服控制驱动器装配结构发生变动;
若存在,则生成同步指令,控制所述装配图像信息中虚拟环节图像对应装配结构进行同步更新,并对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数;
所述分析模块在对所述装配图像信息中所述伺服控制驱动器的装配特征点进行分析,得到实时装配参数时,具体用于:
基于所述装配图像信息确定第一地图点以及共视图,并判断所述伺服控制驱动器的装配特征点是否具有深度值以及与所述第一地图点存在关联,所述第一地图点为所述装配图像信息中所述伺服控制驱动器对应视觉关键帧的原始地图点,所述共视图为所述第一地图点对应的共视图;
若所述装配特征点具有深度值且与所述第一地图点存在关联,则将所述装配特征点输入至预设模型中进行训练,得到实时装配参数;
若所述装配特征点不具有深度值,则对所述第一地图点、第一共视关键帧以及第二共视关键帧进行三角化构建,得到第二地图点,并基于所述第二地图点对所述装配特征点进行更新,得到共视特征点;
将所述共视特征点输入至预设模型中进行训练,得到实时装配参数;
计算模块,用于计算更新所述实时装配参数与所述虚拟装配参数之间的参数差值,并将所述参数差值与所述装配图像信息中发生变动的伺服控制驱动器装配结构进行绑定显示。
7.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~5任一项所述的一种伺服控制驱动器的AR辅助装配方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~5任一项所述的一种伺服控制驱动器的AR辅助装配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452229.4A CN117173240B (zh) | 2023-11-03 | 2023-11-03 | 伺服控制驱动器的ar辅助装配方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452229.4A CN117173240B (zh) | 2023-11-03 | 2023-11-03 | 伺服控制驱动器的ar辅助装配方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117173240A CN117173240A (zh) | 2023-12-05 |
CN117173240B true CN117173240B (zh) | 2024-02-06 |
Family
ID=88939906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311452229.4A Active CN117173240B (zh) | 2023-11-03 | 2023-11-03 | 伺服控制驱动器的ar辅助装配方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173240B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103991077A (zh) * | 2014-02-19 | 2014-08-20 | 吉林大学 | 一种基于力融合的机器人手控器共享控制方法 |
CN109189213A (zh) * | 2018-08-15 | 2019-01-11 | 华中科技大学 | 一种基于可移动计算机的产品装配工艺增强现实指导方法 |
CN109434870A (zh) * | 2018-09-18 | 2019-03-08 | 国网江苏省电力有限公司盐城供电分公司 | 一种用于机器人带电作业的虚拟现实操作系统 |
CN110400334A (zh) * | 2019-07-10 | 2019-11-01 | 佛山科学技术学院 | 一种基于配准的虚实融合仿真实验数据采集方法及系统 |
CN110443826A (zh) * | 2019-07-10 | 2019-11-12 | 佛山科学技术学院 | 一种虚实融合仿真实验错误辅助方法及系统 |
CN112330818A (zh) * | 2020-11-03 | 2021-02-05 | 北京卫星环境工程研究所 | 基于增强现实的无人机零部件手工铺层辅助系统和方法 |
CN115134578A (zh) * | 2022-06-13 | 2022-09-30 | 郑州君恩信息技术有限责任公司 | 一种具有ar技术的超融合管理平台 |
CN115346413A (zh) * | 2022-08-19 | 2022-11-15 | 南京邮电大学 | 一种基于虚实融合的装配指导方法及系统 |
CN115826510A (zh) * | 2022-10-27 | 2023-03-21 | 银河航天科技(南通)有限公司 | 一种远程装配系统 |
CN115984516A (zh) * | 2022-12-16 | 2023-04-18 | 工业富联(杭州)数据科技有限公司 | 基于slam算法的增强现实方法及相关设备 |
CN116310231A (zh) * | 2022-09-09 | 2023-06-23 | 江苏徐工工程机械研究院有限公司 | 一种基于混合现实的工程装备实时交互系统及运动仿真方法 |
CN116912195A (zh) * | 2023-07-12 | 2023-10-20 | 武汉理工大学 | 旋转目标检测方法、系统、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130083061A1 (en) * | 2011-09-30 | 2013-04-04 | GM Global Technology Operations LLC | Front- and rear- seat augmented reality vehicle game system to entertain & educate passengers |
US20220229689A1 (en) * | 2019-06-26 | 2022-07-21 | Nippon Telegraph And Telephone Corporation | Virtualization platform control device, virtualization platform control method, and virtualization platform control program |
-
2023
- 2023-11-03 CN CN202311452229.4A patent/CN117173240B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103991077A (zh) * | 2014-02-19 | 2014-08-20 | 吉林大学 | 一种基于力融合的机器人手控器共享控制方法 |
CN109189213A (zh) * | 2018-08-15 | 2019-01-11 | 华中科技大学 | 一种基于可移动计算机的产品装配工艺增强现实指导方法 |
CN109434870A (zh) * | 2018-09-18 | 2019-03-08 | 国网江苏省电力有限公司盐城供电分公司 | 一种用于机器人带电作业的虚拟现实操作系统 |
CN110400334A (zh) * | 2019-07-10 | 2019-11-01 | 佛山科学技术学院 | 一种基于配准的虚实融合仿真实验数据采集方法及系统 |
CN110443826A (zh) * | 2019-07-10 | 2019-11-12 | 佛山科学技术学院 | 一种虚实融合仿真实验错误辅助方法及系统 |
CN112330818A (zh) * | 2020-11-03 | 2021-02-05 | 北京卫星环境工程研究所 | 基于增强现实的无人机零部件手工铺层辅助系统和方法 |
CN115134578A (zh) * | 2022-06-13 | 2022-09-30 | 郑州君恩信息技术有限责任公司 | 一种具有ar技术的超融合管理平台 |
CN115346413A (zh) * | 2022-08-19 | 2022-11-15 | 南京邮电大学 | 一种基于虚实融合的装配指导方法及系统 |
CN116310231A (zh) * | 2022-09-09 | 2023-06-23 | 江苏徐工工程机械研究院有限公司 | 一种基于混合现实的工程装备实时交互系统及运动仿真方法 |
CN115826510A (zh) * | 2022-10-27 | 2023-03-21 | 银河航天科技(南通)有限公司 | 一种远程装配系统 |
CN115984516A (zh) * | 2022-12-16 | 2023-04-18 | 工业富联(杭州)数据科技有限公司 | 基于slam算法的增强现实方法及相关设备 |
CN116912195A (zh) * | 2023-07-12 | 2023-10-20 | 武汉理工大学 | 旋转目标检测方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117173240A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898676B (zh) | 一种虚实物体之间碰撞及遮挡检测方法及系统 | |
Yuan et al. | A novel intelligent inspection robot with deep stereo vision for three-dimensional concrete damage detection and quantification | |
Ahn et al. | 2D drawing visualization framework for applying projection-based augmented reality in a panelized construction manufacturing facility: Proof of concept | |
US11436755B2 (en) | Real-time pose estimation for unseen objects | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN112652016A (zh) | 点云预测模型的生成方法、位姿估计方法及其装置 | |
CN113377888A (zh) | 训练目标检测模型和检测目标的方法 | |
US20240062528A1 (en) | Spatial localization design service | |
US11821751B2 (en) | Verifying map data using challenge questions | |
Zhou et al. | Image-based onsite object recognition for automatic crane lifting tasks | |
CN115578433B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US11631195B2 (en) | Indoor positioning system and indoor positioning method | |
CN114219855A (zh) | 点云法向量的估计方法、装置、计算机设备和存储介质 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
Al-Sabbag et al. | Enabling human–machine collaboration in infrastructure inspections through mixed reality | |
Assadzadeh et al. | Automatic far‐field camera calibration for construction scene analysis | |
CN115909157A (zh) | 一种基于机器视觉的识别检测方法、装置、设备及介质 | |
US11003812B2 (en) | Experience driven development of mixed reality devices with immersive feedback | |
Yu et al. | Collaborative SLAM and AR-guided navigation for floor layout inspection | |
Scheuermann et al. | Mobile augmented reality based annotation system: A cyber-physical human system | |
CN117173240B (zh) | 伺服控制驱动器的ar辅助装配方法、装置、设备及介质 | |
CN115578432B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112381873A (zh) | 一种数据标注方法及装置 | |
CN115773759A (zh) | 自主移动机器人的室内定位方法、装置、设备及存储介质 | |
CN115982824A (zh) | 施工现场工人空间管理方法、装置、电子设备及存储介质 |
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 |