CN108765571A - 一种大型料堆点云补全方法 - Google Patents
一种大型料堆点云补全方法 Download PDFInfo
- Publication number
- CN108765571A CN108765571A CN201810525952.3A CN201810525952A CN108765571A CN 108765571 A CN108765571 A CN 108765571A CN 201810525952 A CN201810525952 A CN 201810525952A CN 108765571 A CN108765571 A CN 108765571A
- Authority
- CN
- China
- Prior art keywords
- point
- coordinate
- point cloud
- height
- interpolation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种大型料堆点云补全方法,通过静态安息角插值,近邻高度中心点插值及高斯核卷积滤波等方法步骤,使大面积点云缺失的补全成为可能。所述方法具体包括,判断矫正、格网化、有序化、安息角插值、近邻高度中心点插值、精简、平滑、再次格网化、近邻高度中心点再次插值及高度调整等步骤。通过该方法可降低点云采集的成本:采集次数、采集设备(激光)个数、采集总时间。实现了平滑无缝补全,满足了MATLAB等点云计算软件的处理要求。
Description
技术领域
发明涉及三维图像的修复领域,尤其涉及一种大型料堆点云图像补全方法。
背景技术
大型料堆点云补全方法主要用于港口料场、矿场等散料料堆采集的堆料点云数据分析处理,用于后续自动化控制、工业设备智能化调度管理和大规模农业自动化及粮食仓储管理等。
目前点云补全的技术研究方向主要集中在孔洞、动植物、工件、建筑等小范围缺失或形态规则明显且确定的对象上。
现有技术“一种植物器官点云修复方法”(专利号:201310154400.3),“基于局部结构和方向感知的树点云三维重建方法”(专利号:201510664854.4)及“建筑点云的自适应分割方法”(201110259080.9),都涉及点云修复处理相关手段和方法,但共同存在的问题是无法解决大面积点云缺失问题,不适用大尺度误差和噪点,不适用料堆这种三维形体多变且不确定的补全问题。
发明内容
针对现有技术存在的缺陷,本发明要解决的技术问题是提供一种基于安息角和近邻卷积的大型料堆点云补全方法,通过静态安息角插值,近邻高度中心点插值及高斯核卷积滤波等方法步骤,使大面积点云缺失的补全成为可能。
本发明的技术方案是这样实现的:
一种大型料堆点云补全方法,所述方法中空间位置采用的坐标系X轴和Y轴构成的平面代表地面,Z轴代表距离地面的高度,所述方法包括以下步骤:
S1-1判断矫正,根据外部参数判断点云阴面朝向,并通过方向矫正使其朝向统一;
S1-2格网化,按照精度需求,对点云数据进行格网化处理;
S1-3有序化,依次按X坐标和Y坐标大小对点进行从小到大排序;
S1-4安息角插值,从点云边缘点向Y轴正方向,以物料静态安息角向下逐格插点;
S1-5近邻高度中心点插值,根据周围已知点高度的中心点对未知点进行补全,将点云补全为无缝的满点阵;
S1-6精简步骤,按精简单位对插值后的点云数据进行下采样;
S1-7平滑步骤,采用基于高斯内核的卷积滤波方法对插值后的点云数据进行平滑光顺处理;
S1-8再次格网化,重复步骤S1-2;
S1-9近邻高度中心点再次插值,重复步骤S1-5,保证最终点云数据无缝;
S1-10高度调整,遍历所有点云数据,按处理前后的最高高度比例进行乘积,弥补平滑处理造成的高度损失;
S1-11再次判断矫正,判断点云数据是否经过矫正,如果是,则按照逆操作进行还原,如果否,则保持不变。
进一步的,步骤S1-1中所述方向矫正的具体过程为:判断点云阴面是否朝向Y轴正方向,如果是,直接进入S1-2,如果否,则对点云按XZ轴构成的平面进行镜面翻转或按Z轴旋转使其朝向统一。
进一步的,步骤S1-2中所述格网化处理的具体过程为:将点数据按X坐标和Y坐标归并到刻度上,并去除任一个X坐标和Y坐标重复的点,以确保每个刻度上至多有一个点,实现点云的格网化。
进一步的,步骤S1-3中所述排序的具体过程为:优先判断点的X坐标,依X值大小进行排序,如果X坐标值相等,则比较Y坐标值,对X坐标值相等的点再依Y值大小进行排序。
进一步的,步骤S1-4中所述边缘点为同时满足以下条件的点:一是Z坐标值不低于堆料最大高度的0.8倍;二是距离边界线不小于堆料整体宽度的三分之一;三是与下一个边缘点的Y差值大于Z差值。
进一步的,步骤S1-5中所述近邻高度中心点插值的具体步骤为:
S6-1将格网化后的有序点云填充为满点阵,即保证X轴和Y轴方向上每0.1个单位都有一个点;
S6-2将原有的空点高度赋值为负最大值,负最大值定义为-99999;
S6-3对满点阵依次按X坐标和Y坐标方向进行逐点遍历,如果点的Z值为负最大值,则视为原始空点,并通过X,Y坐标计算该点周围半径r内的所有点的Z值的中心值,并将计算所得中心值赋予该点Z值,如果点的Z值不为负最大值,则保持不变;
S6-4重新遍历所有点,对Z值仍为负最大值,即没有找到周围点的Z值赋地面初始值。
更进一步的,步骤S6-3中所述所述周围半径r根据物料规模、性质和点云采集稀疏程度不同进行设定,对于100m x 50m规模的大型堆料,设定为5m。
本发明的有益效果在于:
1.降低点云采集的成本:采集次数、采集设备(激光)个数、采集总时间。
2.实现了平滑无缝补全,满足了MATLAB等点云计算软件的处理要求。
附图说明
附图1为本发明大型料堆点云补全方法流程图;
附图2为补全前有缺失的点云图;
附图3为补全后的无缝点云高程图。
具体实施方式
下面结合附图对本发明具体实施方式做进一步说明。
如附图1所示,一种大型料堆点云补全方法,所述方法中空间位置采用的坐标系X轴和Y轴构成的平面代表地面,Z轴代表距离地面的高度,所述方法包括以下步骤:
S1-1判断矫正,根据外部参数判断点云阴面朝向,并通过方向矫正使其朝向统一;
S1-2格网化,按照精度需求,对点云数据进行格网化处理;
S1-3有序化,依次按X坐标和Y坐标大小对点进行从小到大排序;
S1-4安息角插值,从点云边缘点向Y轴正方向,以物料静态安息角向下逐格插点;
S1-5近邻高度中心点插值,根据周围已知点高度的中心点对未知点进行补全,将点云补全为无缝的满点阵;
S1-6精简步骤,按精简单位对插值后的点云数据进行下采样;
S1-7平滑步骤,采用基于高斯内核的卷积滤波方法对插值后的点云数据进行平滑光顺处理;
S1-8再次格网化,重复步骤S1-2;
S1-9近邻高度中心点再次插值,重复步骤S1-5,保证最终点云数据无缝;
S1-10高度调整,遍历所有点云数据,按处理前后的最高高度比例进行乘积,弥补平滑处理造成的高度损失;
S1-11再次判断矫正,判断点云数据是否经过矫正,如果是,则按照逆操作进行还原,如果否,则保持不变。
进一步的,步骤S1-1中所述方向矫正的具体过程为:判断点云阴面是否朝向Y轴正方向,如果是,直接进入S1-2,如果否,则对点云按XZ轴构成的平面进行镜面翻转或按Z轴旋转使其朝向统一。
进一步的,步骤S1-2中所述格网化处理的具体过程为:将点数据按X坐标和Y坐标归并到刻度上,并去除任一个X坐标和Y坐标重复的点,以确保每个刻度上至多有一个点,实现点云的格网化。
进一步的,步骤S1-3中所述排序的具体过程为:优先判断点的X坐标,依X值大小进行排序,如果X坐标值相等,则比较Y坐标值,对X坐标值相等的点再依Y值大小进行排序。
进一步的,步骤S1-4中所述边缘点为同时满足以下条件的点:一是Z坐标值不低于堆料最大高度的0.8倍;二是距离边界线不小于堆料整体宽度的三分之一;三是与下一个边缘点的Y差值大于Z差值。
进一步的,步骤S1-5中所述近邻高度中心点插值的具体步骤为:
S6-1将格网化后的有序点云填充为满点阵,即保证X轴和Y轴方向上每0.1个单位都有一个点;
S6-2将原有的空点高度赋值为负最大值,负最大值定义为-99999;
S6-3对满点阵依次按X坐标和Y坐标方向进行逐点遍历,如果点的Z值为负最大值,则视为原始空点,并通过X,Y坐标计算该点周围半径r内的所有点的Z值的中心值,并将计算所得中心值赋予该点Z值,如果点的Z值不为负最大值,则保持不变;
S6-4重新遍历所有点,对Z值仍为负最大值,即没有找到周围点的Z值赋地面初始值。
更进一步的,步骤S6-3中所述所述周围半径r根据物料规模、性质和点云采集稀疏程度不同进行设定,对于100m x 50m规模的大型堆料,设定为5m。
上述实施方式中,所述S1-1判断矫正步骤具体为:根据外部参数判断点云阴面(遮挡导致的盲区)是否朝向Y轴正方向,如果料堆点云阴面朝向不是Y轴方向,对点云进行按XZ轴构成的平面进行镜面翻转或按Z轴旋转,使之阴面朝向统一,以保证后续插值算法效果。所述S1-2格网化步骤具体为:按照精度需求,对点云数据进行格网化处理,将点数据按X坐标和Y坐标归并到刻度上,并去除任一个X坐标和Y坐标重复的点(邻近点高度误差不大),确保每个刻度上至多有一个点,以便后续点云有序化处理。所述S1-3有序化步骤具体为:依次按X坐标和Y坐标大小对点进行从小到大排序,优先判断点的X坐标,如果X坐标相等,比较Y坐标。所述S1-4安息角插值步骤具体为:依据堆料安息角原理,从点云边缘点向Y轴正方向,以40度角向下逐格插点。判断是否为“边缘点”的具体条件为:Z值不低于最大高度乘以0.8,且距离边界线有一定距离l,且与下一个点的Y值差高于Z值高度。插值完成后,可获得堆料整体形态。所述S1-5近邻高度中心点插值步骤具体为:近邻高度中心点插值为本专利主要发明点。本方法基于如下假设:料堆上表面成空间连续性;料堆上表面点在同一个XY坐标格上不会同时存在两个以上高度点。具体步骤为:将格网化后的有序点云填充为满点阵,原始空点高度为负最大值;对满点阵按X坐标和Y坐标方向进行逐点遍历,对于原始空点,计算周围半径r内的所有点的高度的中心值,将该值赋予点的Z值,直至所有点遍历完毕。对没有找到周围点的Z值赋0。所述S1-6精简步骤按精简单位对插值后的点云数据进行下采样。所述S1-7平滑步骤采用基于高斯内核的卷积滤波方法对插值后的点云数据进行平滑光顺处理。所述S1-8再次格网化步骤由于基于高斯内核的卷积滤波插值会导致点云位置偏移,此处需要再次格网化,方法同S1-2。所述S1-9近邻高度中心点再次插值步骤方法同S1-5,以保证最终点云数据无缝。所述S1-10高度调整步骤遍历所有点云数据,按处理前后的最高高度比例进行乘积,弥补平滑等处理造成的高度损失。所述S1-11再次判断矫正步骤判断点云数据是否经过矫正,如果是,则按照逆操作进行还原,如果否,则保持不变。
如附图2、3所示,为通过上述点云补全方法处理前后的点云对比图。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何利用点云补全法实现大型堆料点云数据修复的的方法思路均属于本发明技术构思的保护范围,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种大型料堆点云补全方法,所述方法中空间位置采用的坐标系X轴和Y轴构成的平面代表地面,Z轴代表距离地面的高度,所述方法包括以下步骤:
S1-1判断矫正,根据外部参数判断点云阴面朝向,并通过方向矫正使其朝向统一;
S1-2格网化,按照精度需求,对点云数据进行格网化处理;
S1-3有序化,依次按X坐标和Y坐标大小对点进行从小到大排序;
S1-4安息角插值,从点云边缘点向Y轴正方向,以物料静态安息角向下逐格插点;
S1-5近邻高度中心点插值,根据周围已知点高度的中心点对未知点进行补全,将点云补全为无缝的满点阵;
S1-6精简步骤,按精简单位对插值后的点云数据进行下采样;
S1-7平滑步骤,采用基于高斯内核的卷积滤波方法对插值后的点云数据进行平滑光顺处理;
S1-8再次格网化,重复步骤S1-2;
S1-9近邻高度中心点再次插值,重复步骤S1-5,保证最终点云数据无缝;
S1-10高度调整,遍历所有点云数据,按处理前后的最高高度比例进行乘积,弥补平滑处理造成的高度损失;
S1-11再次判断矫正,判断点云数据是否经过矫正,如果是,则按照逆操作进行还原,如果否,则保持不变。
2.根据权利要求1所述的方法,其特征在于,步骤S1-1中所述方向矫正的具体过程为:判断点云阴面是否朝向Y轴正方向,如果是,直接进入S1-2,如果否,则对点云按XZ轴构成的平面进行镜面翻转或按Z轴旋转使其朝向统一。
3.根据权利要求1所述的方法,其特征在于,步骤S1-2中所述格网化处理的具体过程为:将点数据按X坐标和Y坐标归并到刻度上,并去除任一个X坐标和Y坐标重复的点,以确保每个刻度上至多有一个点,实现点云的格网化。
4.根据权利要求1所述的方法,其特征在于,步骤S1-3中所述排序的具体过程为:优先判断点的X坐标,依X值大小进行排序,如果X坐标值相等,则比较Y坐标值,对X坐标值相等的点再依Y值大小进行排序。
5.根据权利要求1所述的方法,其特征在于,步骤S1-4中所述边缘点为同时满足以下条件的点:一是Z坐标值不低于堆料最大高度的0.8倍;二是距离边界线不小于堆料整体宽度的三分之一;三是与下一个边缘点的Y差值大于Z差值。
6.根据权利要求1所述的方法,其特征在于,步骤S1-5中所述近邻高度中心点插值的具体步骤为:
S6-1将格网化后的有序点云填充为满点阵,即保证X轴和Y轴方向上每0.1个单位都有一个点;
S6-2将原有的空点高度赋值为负最大值,负最大值定义为-99999;
S6-3对满点阵依次按X坐标和Y坐标方向进行逐点遍历,如果点的Z值为负最大值,则视为原始空点,并通过X,Y坐标计算该点周围半径r内的所有点的Z值的中心值,并将计算所得中心值赋予该点Z值,如果点的Z值不为负最大值,则保持不变;
S6-4重新遍历所有点,对Z值仍为负最大值,即没有找到周围点的Z值赋地面初始值。
7.根据权利要求6所述的方法,其特征在于:步骤S6-3中所述所述周围半径r根据物料规模、性质和点云采集稀疏程度不同进行设定,对于100m x 50m规模的大型堆料,设定为5m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810525952.3A CN108765571A (zh) | 2018-05-29 | 2018-05-29 | 一种大型料堆点云补全方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810525952.3A CN108765571A (zh) | 2018-05-29 | 2018-05-29 | 一种大型料堆点云补全方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765571A true CN108765571A (zh) | 2018-11-06 |
Family
ID=64003029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810525952.3A Pending CN108765571A (zh) | 2018-05-29 | 2018-05-29 | 一种大型料堆点云补全方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765571A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861941A (zh) * | 2020-07-31 | 2020-10-30 | 富德康(北京)科技股份有限公司 | 一种三维空间测量结果数据的补偿算法 |
US20210295568A1 (en) * | 2019-04-09 | 2021-09-23 | Peking Universtiy Shenzhen Graduate School | Attribute-Based Point Cloud Strip Division Method |
US12039762B2 (en) * | 2019-04-09 | 2024-07-16 | Peking University Shenzhen Graduate School | Attribute-based point cloud strip division method |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011079421A1 (zh) * | 2009-12-30 | 2011-07-07 | 中国科学院自动化研究所 | 对点云数据进行全局参数化和四边形网格化方法 |
CN103701466A (zh) * | 2012-09-28 | 2014-04-02 | 上海市政工程设计研究总院(集团)有限公司 | 基于特征保留的散乱点云压缩算法 |
CN103886555A (zh) * | 2014-03-12 | 2014-06-25 | 北京昊峰东方科技有限公司 | 一种基于海量三维激光扫描点云数据的处理方法 |
CN104063898A (zh) * | 2014-06-30 | 2014-09-24 | 厦门大学 | 一种三维点云自动补全方法 |
CN107024174A (zh) * | 2017-05-18 | 2017-08-08 | 北京市建筑工程研究院有限责任公司 | 基于三维激光扫描技术的粉状堆料体积测量装置及方法 |
CN107330903A (zh) * | 2017-06-29 | 2017-11-07 | 西安理工大学 | 一种人体点云模型的骨架提取方法 |
-
2018
- 2018-05-29 CN CN201810525952.3A patent/CN108765571A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011079421A1 (zh) * | 2009-12-30 | 2011-07-07 | 中国科学院自动化研究所 | 对点云数据进行全局参数化和四边形网格化方法 |
CN103701466A (zh) * | 2012-09-28 | 2014-04-02 | 上海市政工程设计研究总院(集团)有限公司 | 基于特征保留的散乱点云压缩算法 |
CN103886555A (zh) * | 2014-03-12 | 2014-06-25 | 北京昊峰东方科技有限公司 | 一种基于海量三维激光扫描点云数据的处理方法 |
CN104063898A (zh) * | 2014-06-30 | 2014-09-24 | 厦门大学 | 一种三维点云自动补全方法 |
CN107024174A (zh) * | 2017-05-18 | 2017-08-08 | 北京市建筑工程研究院有限责任公司 | 基于三维激光扫描技术的粉状堆料体积测量装置及方法 |
CN107330903A (zh) * | 2017-06-29 | 2017-11-07 | 西安理工大学 | 一种人体点云模型的骨架提取方法 |
Non-Patent Citations (1)
Title |
---|
罗德安: "基于建筑结构分布规律的点云孔洞修补", 《大地测量与地球动力学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210295568A1 (en) * | 2019-04-09 | 2021-09-23 | Peking Universtiy Shenzhen Graduate School | Attribute-Based Point Cloud Strip Division Method |
US12039762B2 (en) * | 2019-04-09 | 2024-07-16 | Peking University Shenzhen Graduate School | Attribute-based point cloud strip division method |
CN111861941A (zh) * | 2020-07-31 | 2020-10-30 | 富德康(北京)科技股份有限公司 | 一种三维空间测量结果数据的补偿算法 |
CN111861941B (zh) * | 2020-07-31 | 2024-03-22 | 富德康(北京)科技股份有限公司 | 一种三维空间测量结果数据的补偿算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109541997A (zh) | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 | |
CN105511471B (zh) | 一种机器人终端行驶路线偏差的纠正方法及装置 | |
CN110181516A (zh) | 一种喷涂机器人的路径规划方法、装置、***及存储介质 | |
CN106363304A (zh) | 一种多相机矫正和定位方法及玻璃激光切割的装置 | |
CN106935683A (zh) | 一种太阳能电池片高速视觉定位及矫正***及其方法 | |
CN112828892B (zh) | 一种工件抓取方法、装置、计算机设备及存储介质 | |
CN112193706B (zh) | 一种应用于智能仓储的自适应控制方法和仓储控制*** | |
CN108490871A (zh) | 四轴数控铣床加工方法、装置、计算机设备和存储介质 | |
CN108765571A (zh) | 一种大型料堆点云补全方法 | |
WO2023207022A1 (zh) | 农机自动作业的路径规划方法、***、设备及存储介质 | |
CN115415694B (zh) | 一种钣金工艺用焊接方法、***及装置 | |
CN114663764A (zh) | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 | |
Xiao et al. | High-throughput calculation of organ-scale traits with reconstructed accurate 3D canopy structures using a UAV RGB camera with an advanced cross-circling oblique route | |
CN110153582B (zh) | 焊接方案生成方法、装置以及焊接*** | |
CN112956961B (zh) | 扫地机器人及其重新定位方法、装置和存储介质 | |
CN114505864A (zh) | 一种手眼标定方法、装置、设备及存储介质 | |
CN109916346A (zh) | 一种基于视觉***的工件平整度的检测装置及检测方法 | |
CN105929792B (zh) | 点云模型五轴无局部干涉刀轴偏角范围计算方法 | |
CN114303680B (zh) | 打顶控制方法、装置、打顶设备、电子设备及介质 | |
CN114839976A (zh) | 一种复杂边界农田的路径规划方法及农田机器操作*** | |
CN113379681B (zh) | Led芯片倾斜角度的获取方法、***、电子装置及存储介质 | |
CN112056173B (zh) | 一种割胶轨迹规划方法、装置、电子设备及存储介质 | |
CN103076760A (zh) | 一种滑槽的铣削加工方法 | |
Ji et al. | Apple recognition and picking sequence planning for harvesting robot in a complex environment | |
CN113253675A (zh) | 一种面向二维的三轴刀位点运算方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |