CN117437291B - 一种基于双目视觉的数字化料堆可视方法 - Google Patents
一种基于双目视觉的数字化料堆可视方法 Download PDFInfo
- Publication number
- CN117437291B CN117437291B CN202311769054.XA CN202311769054A CN117437291B CN 117437291 B CN117437291 B CN 117437291B CN 202311769054 A CN202311769054 A CN 202311769054A CN 117437291 B CN117437291 B CN 117437291B
- Authority
- CN
- China
- Prior art keywords
- data
- dimensional
- scanning
- material pile
- bulk cargo
- 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
- 238000007794 visualization technique Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims abstract description 28
- 239000013590 bulk material Substances 0.000 claims abstract description 26
- 238000012800 visualization Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000256837 Apidae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
涉及散货码头智能化卸货技术领域的一种基于双目视觉的数字化料堆可视方法，S1、采用三维双目相机，建立散货三维扫描系统；S2、利用三维扫描系统进行散货扫描，采集三维数据并实时更新散货料堆相对高度；S3、对采集到的三维数据进行数据处理；数据处理包含散货三维坐标转换、干扰数据去除和规则网格DEM数据处理；S4、将处理好的三维数据进行可视化；该数字化料堆可视方法引入双目视觉系统，通过优化扫描方式和数据处理，实现散货料堆的可视化。
Description
技术领域
本发明涉及散货码头智能化卸货技术领域，尤其是涉及一种基于双目视觉的数字化料堆可视方法。
背景技术
随着国际贸易的不断发展和散货码头的年吞吐量与日剧增，国内各散货码头也已为迎接这种挑战，而提升自己的综合水平；要想在激烈的竞争中立于不败之地，港口不仅要规范管理流程，还要逐步改变传统的装卸工艺模式，提高智能化程度和装卸效率，降低工人劳动强度；在这样的背景下，信息化、数字化、智能化散货码头成为了人们研究和追逐的热点；而散货料堆的轮廓数据的获取和轮廓可视化，是目前对智能化抓斗卸船机控制研究过程中，需主要克服的一个难题。
发明内容
为了克服背景技术中的不足，解决现有的技术问题，本发明公开了一种基于双目视觉的数字化料堆可视方法，引入双目视觉系统，通过优化扫描方式和数据处理，实现散货料堆的可视化。
为实现上述发明目的，本发明采用如下技术方案：
一种基于双目视觉的数字化料堆可视方法，包含以下步骤：S1、采用三维双目相机，建立散货三维扫描系统；S2、利用三维扫描系统进行散货扫描，采集三维数据并实时更新散货料堆相对高度；S3、对采集到的三维数据进行数据处理；数据处理包含散货三维坐标转换、干扰数据去除和规则网格DEM数据处理；S4、将处理好的三维数据进行可视化。
进一步，在S1中，三维双目相机通过卸船机的大车和小车运行，来完成列扫描和行扫描，三维双目相机和卸船机的抓斗沿小车行进方向间隔排列安装于小车，大车和小车通过绝对值编码器反馈控制运行距离。
进一步，在S2中，散货扫描流程为：先移动大车到散货料堆一侧的起始位置后停下，然后控制小车移动并同时启动双目相机工作，对散货料堆的一行进行扫描，完成对下方散货料堆表面结构分布的计算；当小车扫描一行回到出发点后，根据散货料堆表面重建情况计算出大车移动到下一行的距离，移动大车至下一行，在移动小车对下一行区域进行扫描，直至整个料堆表面扫描重建结束。
进一步，在行扫描的路径中，包含卸船机的抓斗对应落料斗的第一位置点，双目相机对应散货料堆两端边缘的第二位置点和第三位置点，以及卸船机的抓斗对应散货料堆两端边缘的第四位置点和第五位置点。
进一步，在S2中，双目相机数据采集，是首先对釆集的散货堆料表面数据进行初步的解析和数据的可靠性检验，进而对通过经验证的数据按协定的的格式数据解析工作，从而获取极坐标表达形式的双目相机测量数据。
进一步，在S3中，干扰数据去除是指消除冗余数据和误差数据。
进一步，在S3中，三维坐标转换是以大车行使初始位置为坐标原点，以小车前进方向为y轴，大车行走方向为x轴建立散货料堆坐标系o-xyz，设B点坐标在双目相机坐标系下为(x,y,z)，在散货料堆系下为(u,v,w)，双目相机原点在散货料堆坐标系下为(u0,v0,w0)，那么可以得出双目相机坐标系到散货料堆坐标系的转换关系(u,v,w)=(x,y,z)+(u0,v0,w0)；其中u0,v0,w0均可通过大车和小车在散货料堆坐标系的位置计算得出；从而将双目相机输出的坐标转换为散货料堆坐标系下的散货的三维坐标。
进一步，在S3中，规则网格DEM数据处理包含离散化数据的网格规范化处理和空间插值。
进一步，在S4中，三维数据的可视化包括散货料堆表面重建和料堆数据三维可视化；完成DEM数据处理后，获得规则网格数据，将规则格网看作栅格图像，格网大小对应于图像像素大小，高程值对应灰度值，从而与数字图像等同起来；可视化工件是在Windows平台下VC++6.0作为开发工具，采用OpenGL实时绘制料堆三维表面动态变化情况，同时选用了Windows平台下的Direct3D。
由于采用如上所述的技术方案，本发明具有如下有益效果：
本发明公开的基于双目视觉的数字化料堆可视方法，通过引入双目相机来建立散货三维扫描系统，通过双目视觉测量的方法，大面积高分辨率地快速获取被测对象表面的三维坐标数据；双目相机能够计算两个摄像头之间的视差，从而得到场景中物体的深度信息，实现三维重建和深度感知；
本发明公开的基于双目视觉的数字化料堆可视方法，在抓斗取料返回时，能够实时扫描更新船体高度数据，大大提高了数据扫描采集的真实性和可靠性；
本发明公开的基于双目视觉的数字化料堆可视方法，对双目视觉获取的数据进行解析和错误处理、建立适当的坐标系进行坐标转换和数据滤波处理，对双目视觉获取的离散数据进行釆用规则网格数据进行处理，离散数据规则网格化之后转换成规则格网数据，接着对规则格网进行了线性插值从而形成连续的数据表面，并采用OpenGL实时绘制料堆三维表面动态变化情况；从而解决实现了抓斗卸船机智能化操作的重点和难点问题，以实现散货料堆的可视化。
附图说明
图1是本发明双目相机的安装布局示意图；
图2是本发明双目相机扫描工作点位的示意图；
图3是本发明通过双目相机在料堆投影平面中每一个位置获取物料表面信息所建立的双目相机坐标原理图；
图4是本发明中的物料表面某一点在相机的成像图；
图5是本发明中的散货料堆数据坐标变换图；
图6是本发明时更新船体高度的实时计算流程图；
图7是本发明图像分割的区域生长实施流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明的技术方案进行说明，在描述中，需要理解的是，若有术语“上”、“下”、“前”、“后”、“左”、“右”等指示的方位或位置关系，仅是与本发明的附图对应，为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位：
本发明基于双目视觉的数字化料堆可视方法，包含以下步骤：
步骤一，采用三维双目相机，建立散货三维扫描系统；
双目视觉测量技术的突出优点是，通过双目视觉测量的方法，大面积高分辨率地快速获取被测对象表面的三维坐标数据，可以快速、大量的采集空间点位信息，为快速建立物体的三维影像模型提供了一种全新的技术手段；由于其具有快速性，不接触性，穿透性，实时、动态、主动性，高密度、高精度，数字化、自动化等特性，双目相机可以计算两个摄像头之间的视差，从而得到场景中物体的深度信息，实现三维重建和深度感知；双目相机也可以提供更准确的物体定位和障碍检测，以及距离测量等功能；因此，在智能化抓斗卸船机散货三维数据采集过程中选用双目相机对散货实时扫描的主要仪器；结合港口上述环境，为保证可靠性和实用性，本申请选用了灰点Bumblebee系列双目相机；
扫描系统具体是三维双目相机通过卸船机的大车和小车运行，来完成列扫描和行扫描，如图1所示，三维双目相机和卸船机的抓斗沿小车行进方向间隔排列安装于小车，大车和小车通过绝对值编码器反馈控制运行距离；该三维扫描系统的优点在于，仅仅通过加长卸船机主梁长度，并固定抓斗与双目相机的距离，在抓斗移动过程中即可以完成对堆料区的两次扫描，不需要额外的扫描；此外，双目相机自身并未额外添加电机，它将在小车的带动下完成扫描工作，导轨及主梁电机配备有高精度绝对值编码器，其测量精度可以达到脉冲，满足扫描过程的需要，且本方案对其它系统并没有额外的要求。
如图3所示，两个相机的投影中心的连线的距离为 b，也叫做基线，三维空间任意一点 P 在左相机的成像点为 PL，在右相机的成像点为PR；根据光的直线传播的原理可知，三维空间点 P 就是两个相机的投影中心点与成像点连线的交点；线段L和R分别是左右相机成像点到左成像面的距离，则点 P 在左右相机的视差可以定义为XL-XR；两个成像点PL和PR之间的距离为b-(XL-L/2)-(L/2-XR)，简化后可得b-(XL-XR)；根据相似三角形理论可以得出(b-(XL-XR))/(Z-f)等于b/Z；则可以得到点 P 到投影中心平面的距离Z。
如图4所示，三维空间点 P 在相机的成像图；根据相似三角形原理，可知（x-x0）/f=X/Z，（y-y0）/f=Y/Z；求解可得点P坐标XY；因此，当已知三维空间上任意一点的在不同图像上的视差，再根据相机的参数，就可以知道该点的三维坐标。
步骤二，利用三维扫描系统进行散货扫描，采集三维数据并实时更新散货料堆相对高度；双目数据采集模块是为了实时获取真实的测量的三维数据，首先对釆集的散货堆料表面数据进行初步的解析和数据的可靠性检验，进而对通过经验证的数据按协定的的格式数据解析工作，从而获取极坐标表达形式的双目相机测量数据；
如图2所示，散货扫描流程为：先移动大车到散货料堆一侧的起始位置后停下，然后控制小车移动并同时启动双目相机工作，对散货料堆的一行进行扫描，完成对下方散货料堆表面结构分布的计算；当小车扫描一行回到出发点后，根据散货料堆表面重建情况计算出大车移动到下一行的距离，移动大车至下一行，在移动小车对下一行区域进行扫描，直至整个料堆表面扫描重建结束；需要注意的是，在行扫描的路径中，包含卸船机的抓斗对应落料斗的第一位置点，双目相机对应散货料堆两端边缘的第二位置点和第三位置点，以及卸船机的抓斗对应散货料堆两端边缘的第四位置点和第五位置点；
当散货船满载时，甲板高度会维持在比较的值，随着卸船工作不断进行，船整体不断上升，所以在卸船过程中甲板高度是随时变化的数据，考虑此因素的影响，本发明在抓斗取料返回时，实时扫描更新船体高度，具体的流程如图6所示。
步骤三，对采集到的三维数据进行数据处理；数据处理包含散货三维坐标转换、干扰数据去除和规则网格DEM数据处理；
三维坐标转换是以大车行使初始位置为坐标原点，以小车前进方向为y轴，大车行走方向为x轴建立散货料堆坐标系o-xyz，设B点坐标在双目相机坐标系下为(x,y,z)，在散货料堆系下为(u,v,w)，双目相机原点在散货料堆坐标系下为(u0,v0,w0)，那么可以得出双目相机坐标系到散货料堆坐标系的转换关系(u,v,w)=(x,y,z)+(u0,v0,w0)；其中u0,v0,w0均可通过大车和小车在散货料堆坐标系的位置计算得出；从而将双目相机输出的坐标转换为散货料堆坐标系下的散货的三维坐标；
干扰数据去除是指由双目扫描测量采集的数据密度大，在进行网格规范化之前必须进行数据处理，以消除冗余数据，便于进行规范化操作；此外，对数据进行滤波可以消除双目扫描测量的数据中存在误差，以利于快速和准确地进行数据处理；
规则网格DEM数据处理包含离散化数据的网格规范化处理和空间插值；离散数据的网格规范化处理就是将平面分布的离散测量点数据网格化，换句话说，用测量到的离散的点值对未检测到的网格点进行估值；由于计算速度的要求需要选用最适宜的插值算法，从而保证原始数据向内插值计算的数字高程模型传递过程中不丢失包括的地理特征，来保证插值的速度；离散数据经过规范化处理后可以表现为一个矩阵，而在计算机中，可以表现为一个二维数组，每个数组的一个元素对应一个高程值，离散数据经网格规范化后，会出现有的网格无数据的情况，为解决这种情况，需要选择合理的空间插值方式来插值处理，一般的空间插值方法主要有以下几种：移动平均法，距离倒数平方加权法，趋势面拟合技术，样条法函数，最邻近像素法，双线性内插法，三次卷积内插法等，其中考虑到计算的实时性和计算量问题，需选择一种快速的插值方式；按距离平方倒数加权法在每一网格点周围搜索若干靠近离散点，用以逐一内插网格点高程，即可建立一个网格；该算法易于实现，且速度快；若釆用其它插值方法，则需要缓冲附近多个测量值，考虑到本项目对实时性能的特殊要求，本申请采用了按距离平方倒数加权法。
步骤四，将处理好的三维数据进行可视化，三维数据的可视化包括散货料堆表面重建和料堆数据三维可视化；完成DEM数据处理后，获得规则网格数据，将规则格网看作栅格图像，格网大小对应于图像像素大小，高程值对应灰度值，将与数字图像等同起来的最大好处就是两者技术可以相互利用，同时减小计算机的运算时间；使用Windows平台下VC++6.0作为开发工具，采用OpenGL实时绘制料堆三维表面动态变化情况，同时选用了Windows平台下渲染能力最强的Direct3D，以充分发挥硬件加速的功能。
根据需要，本发明能够采用三维轮廓显示和散货高程值灰度图像显示两种可视化方式相结合，为更好的提取图像特征，采用区域生长法，具体实施流程如图7所示；首先，对每个要分割的区域选取一已知点作为某生长区域的种子点，将与该种子点具有相似特性的邻近点合并到种子点所在的区域；然后，对这个区域的灰度均值进行计算，满足生长的条件是：当该区域灰度均值与邻近点的灰度值的差值的绝对值小于规定的阈值；具体实施方法：以种子点为起始点，在其八连通方向上进行区域生长，当满足上述条件的邻近点符合生长条件，将其入该区域，然后利用新点作为生长起点，重复上述过程，直到所有的邻近点均不符合条件时，该区域生成过程终止。
本发明未详述部分为现有技术，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将上述实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求内容。
Claims (7)
1.一种基于双目视觉的数字化料堆可视方法，其特征是：包含以下步骤：
S1、采用三维双目相机，建立散货三维扫描系统；
具体为，三维双目相机通过卸船机的大车和小车运行，来完成列扫描和行扫描，三维双目相机和卸船机的抓斗沿小车行进方向间隔排列安装于小车，大车和小车通过绝对值编码器反馈控制运行距离；
S2、利用三维扫描系统进行散货扫描，采集三维数据并实时更新散货料堆相对高度；
散货扫描流程为：先移动大车到散货料堆一侧的起始位置后停下，然后控制小车移动并同时启动双目相机工作，对散货料堆的一行进行扫描，完成对下方散货料堆表面结构分布的计算；当小车扫描一行回到出发点后，根据散货料堆表面重建情况计算出大车移动到下一行的距离，移动大车至下一行，在移动小车对下一行区域进行扫描，直至整个料堆表面扫描重建结束；
随着卸船工作不断进行，船整体不断上升，所以在卸船过程中甲板高度是随时变化的数据，考虑此因素的影响，在抓斗取料返回时，能够实时扫描更新船体高度数据，具体扫描流程如下：
使用双目相机进行全局扫描，然后计算甲板高度，如果不能算出结果则持续扫描，直到算出甲板高度为止，然后再计算舱口位置；在卸船过程中进行局部扫描，包含小车去程扫描和回程扫描，单程扫描均进行甲板高度更新，更新完成后再更新舱口位置，否则持续扫描直到更新完成为止；
S3、对采集到的三维数据进行数据处理；数据处理包含散货三维坐标转换、干扰数据去除和规则网格DEM数据处理；
S4、将处理好的三维数据进行可视化。
2.根据权利要求1所述的基于双目视觉的数字化料堆可视方法，其特征是：在行扫描的路径中，包含卸船机的抓斗对应落料斗的第一位置点，双目相机对应散货料堆两端边缘的第二位置点和第三位置点，以及卸船机的抓斗对应散货料堆两端边缘的第四位置点和第五位置点。
3.根据权利要求1所述的基于双目视觉的数字化料堆可视方法，其特征是：在S2中，双目相机数据采集，是首先对釆集的散货堆料表面数据进行初步的解析和数据的可靠性检验，进而对通过经验证的数据按协定的的格式数据解析工作，从而获取极坐标表达形式的双目相机测量数据。
4.根据权利要求1所述的基于双目视觉的数字化料堆可视方法，其特征是：在S3中，干扰数据去除是指消除冗余数据和误差数据。
5.根据权利要求1所述的基于双目视觉的数字化料堆可视方法，其特征是：在S3中，三维坐标转换是以大车行使初始位置为坐标原点，以小车前进方向为y轴，大车行走方向为x轴建立散货料堆坐标系o-xyz，设B点坐标在双目相机坐标系下为(x,y,z)，在散货料堆系下为(u,v,w)，双目相机原点在散货料堆坐标系下为(u0,v0,w0)，那么可以得出双目相机坐标系到散货料堆坐标系的转换关系(u,v,w)=(x,y,z)+(u0,v0,w0)；其中u0,v0,w0均可通过大车和小车在散货料堆坐标系的位置计算得出；从而将双目相机输出的坐标转换为散货料堆坐标系下的散货的三维坐标。
6.根据权利要求1所述的基于双目视觉的数字化料堆可视方法，其特征是：在S3中，规则网格DEM数据处理包含离散化数据的网格规范化处理和空间插值。
7.根据权利要求1所述的基于双目视觉的数字化料堆可视方法，其特征是：在S4中，三维数据的可视化包括散货料堆表面重建和料堆数据三维可视化；完成DEM数据处理后，获得规则网格数据，将规则格网看作栅格图像，格网大小对应于图像像素大小，高程值对应灰度值，从而与数字图像等同起来；可视化工件是在Windows平台下VC++6.0作为开发工具，采用OpenGL实时绘制料堆三维表面动态变化情况，同时选用了Windows平台下的Direct3D。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311769054.XA CN117437291B (zh) | 2023-12-21 | 2023-12-21 | 一种基于双目视觉的数字化料堆可视方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311769054.XA CN117437291B (zh) | 2023-12-21 | 2023-12-21 | 一种基于双目视觉的数字化料堆可视方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117437291A CN117437291A (zh) | 2024-01-23 |
| CN117437291B true CN117437291B (zh) | 2024-05-17 |
Family
ID=89548394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311769054.XA Active CN117437291B (zh) | 2023-12-21 | 2023-12-21 | 一种基于双目视觉的数字化料堆可视方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117437291B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334897A (zh) * | 2007-06-27 | 2008-12-31 | 宝山钢铁股份有限公司 | 实现料堆实时动态跟踪的三维成像方法 |
| WO2018103693A1 (zh) * | 2016-12-07 | 2018-06-14 | 西安知象光电科技有限公司 | 一种三维轮廓的光学混合检测方法 |
| CN109816778A (zh) * | 2019-01-25 | 2019-05-28 | 北京百度网讯科技有限公司 | 物料堆三维重建方法、装置、电子设备和计算机可读介质 |
| WO2021098079A1 (zh) * | 2019-11-21 | 2021-05-27 | 大连理工大学 | 一种利用双目立体相机构建栅格地图的方法 |
| CN116222425A (zh) * | 2023-02-16 | 2023-06-06 | 北京航达青云科技有限公司 | 一种基于多目三维扫描装置的三维重建方法及系统 |
| CN117058211A (zh) * | 2022-05-05 | 2023-11-14 | 上海宝信软件股份有限公司 | 基于激光定位的抓斗防摇碰撞策略控制方法和系统 |
-
2023
- 2023-12-21 CN CN202311769054.XA patent/CN117437291B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334897A (zh) * | 2007-06-27 | 2008-12-31 | 宝山钢铁股份有限公司 | 实现料堆实时动态跟踪的三维成像方法 |
| WO2018103693A1 (zh) * | 2016-12-07 | 2018-06-14 | 西安知象光电科技有限公司 | 一种三维轮廓的光学混合检测方法 |
| CN109816778A (zh) * | 2019-01-25 | 2019-05-28 | 北京百度网讯科技有限公司 | 物料堆三维重建方法、装置、电子设备和计算机可读介质 |
| WO2021098079A1 (zh) * | 2019-11-21 | 2021-05-27 | 大连理工大学 | 一种利用双目立体相机构建栅格地图的方法 |
| CN117058211A (zh) * | 2022-05-05 | 2023-11-14 | 上海宝信软件股份有限公司 | 基于激光定位的抓斗防摇碰撞策略控制方法和系统 |
| CN116222425A (zh) * | 2023-02-16 | 2023-06-06 | 北京航达青云科技有限公司 | 一种基于多目三维扫描装置的三维重建方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| An automatic warehouse clearance scheme for bulk cargo unloading in ports;Pulin Li等;2022 2nd Asia-Pacific Conference on Communications Technology and Computer Science (ACCTCS);20221231;296-299 * |
| 基于双目视觉的智能化抓斗卸船机关键技术研究;陆成浩;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;20210815(第08期);C034-367 * |
| 自动抓斗卸船三维激光扫描系统的应用;何琼等;武汉职业技术学院学报;20111031;第10卷(第5期);1-4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117437291A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110969624B (zh) | 一种激光雷达三维点云分割方法 | |
| Kim et al. | SLAM-driven robotic mapping and registration of 3D point clouds | |
| CN109029254B (zh) | 一种基于点云数据处理的列车车厢载货体积及体密度质量检测方法 | |
| CN106709947B (zh) | 一种基于rgbd相机的三维人体快速建模系统 | |
| CN110194375B (zh) | 一种用于物料场的自动堆料、取料、堆取料方法和系统 | |
| CN110230998B (zh) | 基于线激光和双目相机的快速精密三维测量方法和装置 | |
| CN105160702A (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 | |
| CN111899328B (zh) | 一种基于rgb数据与生成对抗网络的点云三维重建方法 | |
| CN111476242B (zh) | 一种激光点云语义分割方法及装置 | |
| CN111192328B (zh) | 基于二维激光雷达的车厢容器三维扫描系统点云处理方法 | |
| CN114419130A (zh) | 一种基于图像特征和三维点云技术的散料体积测量方法 | |
| CN112833784B (zh) | 一种单目相机结合激光扫描的钢轨定位方法 | |
| CN112017248B (zh) | 一种基于点线特征的2d激光雷达相机多帧单步标定方法 | |
| Borsu et al. | Automated surface deformations detection and marking on automotive body panels | |
| WO2023142608A1 (zh) | 获得飞机面型的系统和方法 | |
| US20230267593A1 (en) | Workpiece measurement method, workpiece measurement system, and program | |
| CN111860321A (zh) | 一种障碍物识别方法及系统 | |
| CN114612632A (zh) | 一种基于三维激光点云数据的排序、插值处理方法 | |
| CN112525106B (zh) | 基于三相机协同激光的3d探测方法及装置 | |
| CN113819844A (zh) | 一种识别行车物料的方法、装置、设备及可读存储介质 | |
| CN117437291B (zh) | 一种基于双目视觉的数字化料堆可视方法 | |
| CN112164044A (zh) | 基于双目视觉的刚性接触网的磨耗分析方法 | |
| CN111402171A (zh) | 一种基于隧道通用断面的点云投影纠正方法 | |
| CN113722796B (zh) | 一种基于视觉-激光雷达耦合的贫纹理隧洞建模方法 | |
| CN115423958A (zh) | 一种基于视觉三维重建的矿区可行驶区域边界更新方法 |
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 |