CN108037503A - 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 - Google Patents
一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 Download PDFInfo
- Publication number
- CN108037503A CN108037503A CN201711401340.5A CN201711401340A CN108037503A CN 108037503 A CN108037503 A CN 108037503A CN 201711401340 A CN201711401340 A CN 201711401340A CN 108037503 A CN108037503 A CN 108037503A
- Authority
- CN
- China
- Prior art keywords
- right angle
- straight line
- quick response
- response code
- cluster
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
一种面向家居板材上下料的基于激光雷达的平面多板材定位方法,所述定位方法包括以下步骤:(1)相机的二维码定位与识别:根据SSD来定位二维码,根据datamatrix库来识别二维码;(2)线激光的数据采集与分析;(3)结合二维码信息和线激光信息计算质心,过程如下:利用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心,用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心。本发明自动定位、精度较高、工作效率较高。
Description
技术领域
本发明属于平面多板材定位方法,涉及计算机视觉、图像处理、家具板材上下料、激光数据重建、板材自动定位等技术领域,尤其是针对板材自动定位方法。
背景技术
现有的大部分的家具板材上下料都是依靠人工手段,需要工人手动搬运板材,很少有企业针对结合视觉模块以及激光雷达来高精度的定位板材,然后利用机器人进行高效吸取释放的研发,因此,目前对于平面多板材定位方法的研究少之又少。市场仅有的几家针对结合机器人的家具板材上下的料***,都只是利用相机当做数据采集器,很少有像本此方法一样结合激光雷达来高精度采集数据,进行算法开发的。总体来说,市场上的机器人家居板材上下料仍存在精度问题,很难解决多块板材拼接的定位问题。
发明内容
为了克服已有板材定位方式的人工定位、精度较低、工作效率较低的不足,本发明提供一种自动定位、精度较高、工作效率较高的面向家居板材上下料的基于激光雷达的平面多板材定位方法。
本发明解决其技术问题所采用的技术方案是:
一种面向家居板材上下料的基于激光雷达的平面多板材定位方法,所述定位方法包括以下步骤:
(1)相机的二维码定位与识别:根据SSD来定位二维码,根据datamatrix库来识别二维码;
(2)线激光的数据采集与分析,过程如下:
利用多个RPLIDAR激光雷达采集数据,并对数据进行整合,通过对数据进行分析获得大致轮廓;
首先对每一个激光雷达进行标定,将多个激光雷达的坐标统一到一个坐标系下,然后利用多个RPLIDAR激光雷达采集数据,将数据保存在二维图像上,然后对每一幅图像上的数据进行整合,将其整合到一张图像上;
再对整合好的图像利用霍夫直线检测的方法进行直线检测,将检测到的直线段数据保存下来,保存的直线段信息包括直线段的两个端点,直线段的直线一般方程系数A,B,C,直线段斜率,直线段的长度,以及直线段的正切角。
完成直线段检测后,对直线段数据进行直线段拟合,将斜率相同距离很近的直线段进行拟合,拟合的情况有两种,第一种是两直线的距离小于一定阈值且斜率的差值小于一定阈值,将长度较短的直线投影到较长的直线上,若较短的直线的两端点的投影均在较长直线的两端点之间,则删去较短的直线。第二种是两直线的距离小于一定阈值且斜率的差值小于一定阈值,将长度较短的直线投影到较长的直线上,若较短的直线的有一个端点的投影在较长直线的两端点之间,另一个端点的投影没在较长直线的两端点之间,则保留该在较长直线上四个端点中距离最大的两个端点,并用该两个端点生成一条新的直线,将直线的两个直线剔除;
在拟合完直线后,将保留下来的直线段进行直角检测,根据直线的斜率以及两直线的距离来确定是否能够成直角,两直线的正切角差值接近π/2,且其中一条直线段的两端点和另一直线段的两端点中两两组合的最小距离值小于阈值,则认为构成直角,将检测出来的直角保留下来。直角的信息主要包括两直角边的直线段信息,直角点,直角的两个端点,直角的外切圆,以及外切圆圆心和半径等信息;
然后在进行直角拟合,将距离相近的且方向一样的直角只保留有较长直线段的直角;
处理完获得直角数据后,对直角进行有公共边聚类,将有公共边的直角聚成一个类别主要方法是将直角信息和已有聚类里的直角进行判别是否存在公共直线段,若存在公共直线段,则该直角属于此聚类,若不存在,则对下一个聚类进行判断,若该直角与已有的聚类均不存在公共直线,则再重新添加一个聚类,并将该直角添加到该聚类之中,当完成一次聚类后,会存在“欠聚类问题”,比如有一个直角A分别存在两个与其两边有公共边的直角B,C,若A先进入聚类,然后B,C进入聚类则没问题;若B与C在A未进入聚类前先进入聚类,则B,C将不属于同一个聚类,为了解决该问题,在完成一次聚类之后,将已有的聚类进行公共边检测,将存在有公共边的两个聚类合并成一个聚类;
完成聚类之后,然后对聚类的直角进行的轮廓提取,在聚类中随机找到一个直角,并分别沿该直角的两个直角边方向检测是否存在有公共边的直角,若不存在,则停止搜寻;若存在,则依次找公共边直角是否仍存在公共边直角,直角找完所有直角,然后从该搜寻到的直角结果的一端开始依次记录下直角信息,该直角定点信息即为轮廓信息,再在轮廓中计算出预质心,若轮廓的直角数小于等于4个直角,则预质心为直角对应的外接圆半径最大的外接圆圆心;若轮廓直角大于四个直角,找到轮廓内X方向最大最小值,Y方向上的最大最小值,预质心的X为:X方向最大值加最小值除以2,预质心的Y为:Y方向最大值加最小值除以2,再将轮廓关于预质心位置进行排序;
(3)结合二维码信息和线激光信息计算质心,过程如下:
利用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心,用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心。
进一步,所述步骤(3)中,若轮廓里只有一个二维码,则直接计算质心;
若轮廓里有多个二维码,则需要先进行离二维码最近的直线聚类,每条直线在二维码所在位置能够投影到该直线上为前提,找最近的二维码;
若直线聚类数目最多的二维码存在4条直线,则可以直接找到三个直角,这样就能获得板材相邻两条边的信息,从而能够直接计算出板材的质心;
若直线聚类数目最多的二维码存在3条直线,则可以确定板材一条边的位置,找到该边所在直角,对二维码的信息进行解读,获取板材真是尺寸,然后和已知计算出来的一边尺寸进行匹配,再沿着直角的另一条边截取相应长度,然后计算出板材质心位置;
若直线聚类数目最多的二维码只存在2条直线,则判断该二维码所属板材是不是正方形,若是则沿着直角两边均截取相依的长度,然后计算质心;
若直线聚类数目最多的二维码只有小于等于两个边,且二维码的板材信息不是正方形,则根据二维码对轮廓进行逐一割取,直至所有割出的轮廓符合,自己的二维码在本轮廓中,其他二维码不在该轮廓中,且每个轮廓都在未割的大轮廓内,则认为找到一个正确的质心。
再进一步,所述步骤(1)中,在训练前需要对数据做些预处理,包括旋转模糊操作,然后使用更改过的深度学习网络对数据进行训练,得到一个caffe预测模型;之后调用这个模型对设备中输入的图像进行预测,判断出该图像中所包含的所有二维码所在区域,最后输出二维码所在的区域和信息;在SSD定位出二维码之后,然后利用libdmtx库进行识别,最后给出二维码的位置和信息。
本发明的有益效果主要表现在:结合视觉模块以及激光雷达来高精度的获取原始数据,然后进行板材质心定位。针对板材自动定位,成功的解决了多块板材的拼接层叠的定位问题。
附图说明
图1是***平台示意图,其中,1是相机,2是线激光,3是线激光旋转方向,4是工作平台。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种面向家居板材上下料的基于激光雷达的平面多板材定位方法,包括以下步骤:
设计了一个视觉模块平台(如图1所示),待上下料的板材放置于该平台中,该本来由四个激光雷达,6个相机,以及一个机器人组成。
(4)相机的二维码定位与识别:根据SSD来定位二维码,根据datamatrix库来识别二维码。
二维码定位是基于当今先进的caffe深度学习框架,以学习的方式对二维码进行定位,然后利用libdmtx库进行识别,所以事先需要在恒定的环境下对二维码采集大量的数据,并且进行正确的二维码标注,最后进行数据的训练。
在训练前需要对数据做些预处理,包括旋转模糊等操作,然后使用更改过的深度学习网络对数据进行训练,得到一个caffe预测模型。之后调用这个模型对设备中输入的图像进行预测,判断出该图像中所包含的所有二维码所在区域,最后输出二维码所在的区域和信息。在时间上可以达到每秒五十张图片的速度进行识别,能够进行实时的分类和定位,在应用中完全可以达到需求。
在SSD定位出二维码之后,然后利用libdmtx库进行识别,最后给出二维码的位置和信息。
(5)线激光的数据采集与分析:
利用多个RPLIDAR激光雷达采集数据,并对数据进行整合,通过对数据进行分析获得大致轮廓。
首先对每一个激光雷达进行标定,将多个激光雷达的坐标统一到一个坐标系下,然后利用多个RPLIDAR激光雷达采集数据,将数据保存在二维图像上,然后对每一幅图像上的数据进行整合,将其整合到一张图像上。
再对整合好的图像利用霍夫直线检测的方法进行直线检测,将检测到的直线段数据保存下来,保存的直线段信息包括直线段的两个端点,直线段的直线一般方程系数A,B,C,直线段斜率,直线段的长度,以及直线段的正切角。
完成直线段检测后,对直线段数据进行直线段拟合,将斜率相同距离很近的直线段进行拟合,拟合的情况有两种,第一种是两直线的距离小于一定阈值且斜率的差值小于一定阈值,将长度较短的直线投影到较长的直线上,若较短的直线的两端点的投影均在较长直线的两端点之间,则删去较短的直线。第二种是两直线的距离小于一定阈值且斜率的差值小于一定阈值,将长度较短的直线投影到较长的直线上,若较短的直线的有一个端点的投影在较长直线的两端点之间,另一个端点的投影没在较长直线的两端点之间,则保留该在较长直线上四个端点中距离最大的两个端点,并用该两个端点生成一条新的直线,将直线的两个直线剔除。
在拟合完直线后,将保留下来的直线段进行直角检测,根据直线的斜率以及两直线的距离来确定是否能够成直角,两直线的正切角差值接近π/2,且其中一条直线段的两端点和另一直线段的两端点中两两组合的最小距离值小于阈值,则认为构成直角,将检测出来的直角保留下来。直角的信息主要包括两直角边的直线段信息,直角点,直角的两个端点,直角的外切圆,以及外切圆圆心和半径等信息。
然后在进行直角拟合,将距离相近的且方向一样的直角只保留有较长直线段的直角。
处理完获得直角数据后,对直角进行有公共边聚类,将有公共边的直角聚成一个类别主要方法是将直角信息和已有聚类里的直角进行判别是否存在公共直线段,若存在公共直线段,则该直角属于此聚类,若不存在,则对下一个聚类进行判断,若该直角与已有的聚类均不存在公共直线,则再重新添加一个聚类,并将该直角添加到该聚类之中。当完成一次聚类后,会存在“欠聚类问题”,比如有一个直角A分别存在两个与其两边有公共边的直角B,C,若A先进入聚类,然后B,C进入聚类则没问题。若B与C在A未进入聚类前先进入聚类,则B,C将不属于同一个聚类,为了解决该问题,在完成一次聚类之后,将已有的聚类进行公共边检测,将存在有公共边的两个聚类合并成一个聚类。
完成聚类之后,然后对聚类的直角进行的轮廓提取,在聚类中随机找到一个直角,并分别沿该直角的两个直角边方向检测是否存在有公共边的直角,若不存在,则停止搜寻;若存在,则依次找公共边直角是否仍存在公共边直角,直角找完所有直角,然后从该搜寻到的直角结果的一端开始依次记录下直角信息,该直角定点信息即为轮廓信息,再在轮廓中计算出预质心,若轮廓的直角数小于等于4个直角,则预质心为直角对应的外接圆半径最大的外接圆圆心。若轮廓直角大于四个直角,找到轮廓内X方向最大最小值,Y方向上的最大最小值,预质心的X为:X方向最大值加最小值除以2,预质心的Y为:Y方向最大值加最小值除以2,再将轮廓关于预质心位置进行排序。
(6)结合二维码信息和线激光信息计算质心:
利用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心。用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心。
若轮廓里只有一个二维码,则直接计算质心。
若轮廓里有多个二维码,则需要先进行离二维码最近的直线聚类,每条直线在二维码所在位置能够投影到该直线上为前提,找最近的二维码。若直线聚类数目最多的二维码存在4条直线,则可以直接找到三个直角,这样就能获得板材相邻两条边的信息,从而能够直接计算出板材的质心,若直线聚类数目最多的二维码存在3条直线,则可以确定板材一条边的位置,找到该边所在直角,对二维码的信息进行解读,获取板材真是尺寸,然后和已知计算出来的一边尺寸进行匹配,再沿着直角的另一条边截取相应长度,然后计算出板材质心位置。若直线聚类数目最多的二维码只存在2条直线,则判断该二维码所属板材是不是正方形,若是则沿着直角两边均截取相依的长度,然后计算质心。若直线聚类数目最多的二维码只有小于等于两个边,且二维码的板材信息不是正方形,则根据二维码对轮廓进行逐一割取,直至所有割出的轮廓符合,自己的的二维码在本轮廓中,其他二维码不在该轮廓中,切每个轮廓都在未割的大轮廓内,则认为找到一个正确的质心。
本实施例中,相机的二维码定位与识别的预处理,所以事先需要在恒定的环境下对二维码采集大量的数据,并且进行正确的二维码标注,最后进行数据的训练。在训练前需要对数据做些预处理,包括旋转模糊等操作,然后使用更改过的深度学习网络对数据进行训练,得到一个caffe预测模型。之后调用这个模型对设备中输入的图像进行预测,判断出该图像中所包含的所有二维码所在区域,最后输出二维码所在的区域和信息。
然后开启激光雷达和相机,使用线激光的采集板材轮廓信息,利用相机检测和定位二维码。
结合二维码信息和线激光信息计算质心,利用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心。
Claims (3)
1.一种面向家居板材上下料的基于激光雷达的平面多板材定位方法,其特征在于:所述定位方法包括以下步骤:
(1)相机的二维码定位与识别:根据SSD来定位二维码,根据datamatrix库来识别二维码;
(2)线激光的数据采集与分析,过程如下:
利用多个RPLIDAR激光雷达采集数据,并对数据进行整合,通过对数据进行分析获得大致轮廓;
首先对每一个激光雷达进行标定,将多个激光雷达的坐标统一到一个坐标系下,然后利用多个RPLIDAR激光雷达采集数据,将数据保存在二维图像上,然后对每一幅图像上的数据进行整合,将其整合到一张图像上;
再对整合好的图像利用霍夫直线检测的方法进行直线检测,将检测到的直线段数据保存下来,保存的直线段信息包括直线段的两个端点,直线段的直线一般方程系数A,B,C,直线段斜率,直线段的长度,以及直线段的正切角。
完成直线段检测后,对直线段数据进行直线段拟合,将斜率相同距离很近的直线段进行拟合,拟合的情况有两种,第一种是两直线的距离小于一定阈值且斜率的差值小于一定阈值,将长度较短的直线投影到较长的直线上,若较短的直线的两端点的投影均在较长直线的两端点之间,则删去较短的直线。第二种是两直线的距离小于一定阈值且斜率的差值小于一定阈值,将长度较短的直线投影到较长的直线上,若较短的直线的有一个端点的投影在较长直线的两端点之间,另一个端点的投影没在较长直线的两端点之间,则保留该在较长直线上四个端点中距离最大的两个端点,并用该两个端点生成一条新的直线,将直线的两个直线剔除;
在拟合完直线后,将保留下来的直线段进行直角检测,根据直线的斜率以及两直线的距离来确定是否能够成直角,两直线的正切角差值接近π/2,且其中一条直线段的两端点和另一直线段的两端点中两两组合的最小距离值小于阈值,则认为构成直角,将检测出来的直角保留下来。直角的信息主要包括两直角边的直线段信息,直角点,直角的两个端点,直角的外切圆,以及外切圆圆心和半径等信息;
然后在进行直角拟合,将距离相近的且方向一样的直角只保留有较长直线段的直角;
处理完获得直角数据后,对直角进行有公共边聚类,将有公共边的直角聚成一个类别主要方法是将直角信息和已有聚类里的直角进行判别是否存在公共直线段,若存在公共直线段,则该直角属于此聚类,若不存在,则对下一个聚类进行判断,若该直角与已有的聚类均不存在公共直线,则再重新添加一个聚类,并将该直角添加到该聚类之中,当完成一次聚类后,会存在“欠聚类问题”,比如有一个直角A分别存在两个与其两边有公共边的直角B,C,若A先进入聚类,然后B,C进入聚类则没问题;若B与C在A未进入聚类前先进入聚类,则B,C将不属于同一个聚类,为了解决该问题,在完成一次聚类之后,将已有的聚类进行公共边检测,将存在有公共边的两个聚类合并成一个聚类;
完成聚类之后,然后对聚类的直角进行的轮廓提取,在聚类中随机找到一个直角,并分别沿该直角的两个直角边方向检测是否存在有公共边的直角,若不存在,则停止搜寻;若存在,则依次找公共边直角是否仍存在公共边直角,直角找完所有直角,然后从该搜寻到的直角结果的一端开始依次记录下直角信息,该直角定点信息即为轮廓信息,再在轮廓中计算出预质心,若轮廓的直角数小于等于4个直角,则预质心为直角对应的外接圆半径最大的外接圆圆心;若轮廓直角大于四个直角,找到轮廓内X方向最大最小值,Y方向上的最大最小值,预质心的X为:X方向最大值加最小值除以2,预质心的Y为:Y方向最大值加最小值除以2,再将轮廓关于预质心位置进行排序;
(3)结合二维码信息和线激光信息计算质心,过程如下:
利用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心,用二位码信息和激光雷达获得的轮廓信息,进行针对离二维码最近距离的直线聚类,再用直线聚类情况构成相关直角结合二维码信息计算出质心。
2.如权利要求1所述的一种面向家居板材上下料的基于激光雷达的平面多板材定位方法,其特征在于:所述步骤(3)中,若轮廓里只有一个二维码,则直接计算质心;
若轮廓里有多个二维码,则需要先进行离二维码最近的直线聚类,每条直线在二维码所在位置能够投影到该直线上为前提,找最近的二维码;
若直线聚类数目最多的二维码存在4条直线,则可以直接找到三个直角,这样就能获得板材相邻两条边的信息,从而能够直接计算出板材的质心;
若直线聚类数目最多的二维码存在3条直线,则可以确定板材一条边的位置,找到该边所在直角,对二维码的信息进行解读,获取板材真是尺寸,然后和已知计算出来的一边尺寸进行匹配,再沿着直角的另一条边截取相应长度,然后计算出板材质心位置;
若直线聚类数目最多的二维码只存在2条直线,则判断该二维码所属板材是不是正方形,若是则沿着直角两边均截取相依的长度,然后计算质心;
若直线聚类数目最多的二维码只有小于等于两个边,且二维码的板材信息不是正方形,则根据二维码对轮廓进行逐一割取,直至所有割出的轮廓符合,自己的二维码在本轮廓中,其他二维码不在该轮廓中,且每个轮廓都在未割的大轮廓内,则认为找到一个正确的质心。
3.如权利要求1或2所述的一种面向家居板材上下料的基于激光雷达的平面多板材定位方法,其特征在于:所述步骤(1)中,在训练前需要对数据做些预处理,包括旋转模糊操作,然后使用更改过的深度学习网络对数据进行训练,得到一个caffe预测模型;之后调用这个模型对设备中输入的图像进行预测,判断出该图像中所包含的所有二维码所在区域,最后输出二维码所在的区域和信息;在SSD定位出二维码之后,然后利用libdmtx库进行识别,最后给出二维码的位置和信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711401340.5A CN108037503B (zh) | 2017-12-22 | 2017-12-22 | 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711401340.5A CN108037503B (zh) | 2017-12-22 | 2017-12-22 | 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108037503A true CN108037503A (zh) | 2018-05-15 |
CN108037503B CN108037503B (zh) | 2021-02-19 |
Family
ID=62100258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711401340.5A Active CN108037503B (zh) | 2017-12-22 | 2017-12-22 | 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108037503B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414649A (zh) * | 2019-07-29 | 2019-11-05 | 广州柔视智能科技有限公司 | Dm码的定位方法、装置、终端及存储介质 |
CN111381207A (zh) * | 2020-03-31 | 2020-07-07 | 重庆双驰门窗有限公司 | 智能化数字车间物料差板定位*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2037293A1 (en) * | 2006-12-21 | 2009-03-18 | Galileo Avionica S.p.A. | Multiple-target radar recognition method and apparatus |
CN103198751A (zh) * | 2013-03-06 | 2013-07-10 | 南京邮电大学 | 一种移动机器人基于激光测距仪的线特征地图创建方法 |
CN104063868A (zh) * | 2014-06-30 | 2014-09-24 | 中国科学院自动化研究所 | 一种多边形工件检测定位方法 |
CN104573627A (zh) * | 2014-11-19 | 2015-04-29 | 湖南大学 | 基于二值图像的车道线保留与检测算法 |
CN105139416A (zh) * | 2015-10-10 | 2015-12-09 | 北京微尘嘉业科技有限公司 | 一种基于图像信息和深度信息的物体识别方法 |
CN105160341A (zh) * | 2015-09-01 | 2015-12-16 | 西北工业大学 | 一种基于直线段检测和内心性质的三角形检测方法 |
CN106093954A (zh) * | 2016-06-02 | 2016-11-09 | 邓湘 | 一种二维码激光测距车辆定位方法及其设备 |
JP2016205837A (ja) * | 2015-04-15 | 2016-12-08 | 佐藤工業株式会社 | トンネルの管理方法 |
CN106683137A (zh) * | 2017-01-11 | 2017-05-17 | 中国矿业大学 | 基于人工标志的单目多目标识别与定位方法 |
CN106874919A (zh) * | 2017-03-16 | 2017-06-20 | 广东工业大学 | 一种用于确定船体外板角点的方法与装置 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN107301648A (zh) * | 2017-06-09 | 2017-10-27 | 大连理工大学 | 基于重叠区域边界角度的冗余点云去除方法 |
CN107490379A (zh) * | 2017-08-28 | 2017-12-19 | 山东非凡智能科技有限公司 | 利用二维码地标定位agv工作点位置的方法及*** |
-
2017
- 2017-12-22 CN CN201711401340.5A patent/CN108037503B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2037293A1 (en) * | 2006-12-21 | 2009-03-18 | Galileo Avionica S.p.A. | Multiple-target radar recognition method and apparatus |
CN103198751A (zh) * | 2013-03-06 | 2013-07-10 | 南京邮电大学 | 一种移动机器人基于激光测距仪的线特征地图创建方法 |
CN104063868A (zh) * | 2014-06-30 | 2014-09-24 | 中国科学院自动化研究所 | 一种多边形工件检测定位方法 |
CN104573627A (zh) * | 2014-11-19 | 2015-04-29 | 湖南大学 | 基于二值图像的车道线保留与检测算法 |
JP2016205837A (ja) * | 2015-04-15 | 2016-12-08 | 佐藤工業株式会社 | トンネルの管理方法 |
CN105160341A (zh) * | 2015-09-01 | 2015-12-16 | 西北工业大学 | 一种基于直线段检测和内心性质的三角形检测方法 |
CN105139416A (zh) * | 2015-10-10 | 2015-12-09 | 北京微尘嘉业科技有限公司 | 一种基于图像信息和深度信息的物体识别方法 |
CN106093954A (zh) * | 2016-06-02 | 2016-11-09 | 邓湘 | 一种二维码激光测距车辆定位方法及其设备 |
CN106683137A (zh) * | 2017-01-11 | 2017-05-17 | 中国矿业大学 | 基于人工标志的单目多目标识别与定位方法 |
CN106874919A (zh) * | 2017-03-16 | 2017-06-20 | 广东工业大学 | 一种用于确定船体外板角点的方法与装置 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN107301648A (zh) * | 2017-06-09 | 2017-10-27 | 大连理工大学 | 基于重叠区域边界角度的冗余点云去除方法 |
CN107490379A (zh) * | 2017-08-28 | 2017-12-19 | 山东非凡智能科技有限公司 | 利用二维码地标定位agv工作点位置的方法及*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414649A (zh) * | 2019-07-29 | 2019-11-05 | 广州柔视智能科技有限公司 | Dm码的定位方法、装置、终端及存储介质 |
CN110414649B (zh) * | 2019-07-29 | 2023-06-06 | 广州柔视智能科技有限公司 | Dm码的定位方法、装置、终端及存储介质 |
CN111381207A (zh) * | 2020-03-31 | 2020-07-07 | 重庆双驰门窗有限公司 | 智能化数字车间物料差板定位*** |
CN111381207B (zh) * | 2020-03-31 | 2022-05-27 | 重庆双驰门窗有限公司 | 智能化数字车间物料差板定位*** |
Also Published As
Publication number | Publication date |
---|---|
CN108037503B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yeum et al. | Vision‐based automated crack detection for bridge inspection | |
US20150254499A1 (en) | Multi-view 3d object recognition from a point cloud and change detection | |
CN112801050B (zh) | 行李智能跟踪监测方法和*** | |
CN107346550B (zh) | 一种针对具有颜色信息的三维点云数据快速配准方法 | |
CN110189344A (zh) | 一种电力刀闸图像中直线段提取方法 | |
Nurunnabi et al. | Robust segmentation for multiple planar surface extraction in laser scanning 3D point cloud data | |
Kim et al. | Urban scene understanding from aerial and ground LIDAR data | |
CN109035329A (zh) | 基于深度特征的相机姿态估计优化方法 | |
CN104699755A (zh) | 一种基于数据挖掘的智能化多目标综合识别方法 | |
Li et al. | A method based on an adaptive radius cylinder model for detecting pole-like objects in mobile laser scanning data | |
Payet et al. | Scene shape from texture of objects | |
CN108037503A (zh) | 一种面向家居板材上下料的基于激光雷达的平面多板材定位方法 | |
CN109146918A (zh) | 一种基于分块的自适应相关目标定位方法 | |
CN110780276A (zh) | 一种基于激光雷达的托盘识别方法、***和电子设备 | |
Bernreiter et al. | Multiple hypothesis semantic mapping for robust data association | |
CN101782386B (zh) | 非视觉几何的摄像机阵列视频定位方法及*** | |
CN108629315B (zh) | 一种针对三维点云的多平面识别方法 | |
CN112967384A (zh) | 识别建筑测绘构件的点云智能化切分方法 | |
Zhang et al. | Dense 3d mapping for indoor environment based on feature-point slam method | |
CN117036623A (zh) | 一种基于三角剖分的匹配点筛选方法 | |
Han et al. | Accurate and robust vanishing point detection method in unstructured road scenes | |
CN108241837B (zh) | 一种遗留物检测方法和装置 | |
Zhang et al. | Real-time direct monocular slam with learning-based confidence estimation | |
Kim et al. | Semiautomatic building line extraction from Ikonos images through monoscopic line analysis | |
Khoshelham et al. | A Model‐Based Approach to Semi‐Automated Reconstruction of Buildings from Aerial Images |
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 |