CN113237896A - 一种基于光源扫描的家具板材动态监测***及方法 - Google Patents
一种基于光源扫描的家具板材动态监测***及方法 Download PDFInfo
- Publication number
- CN113237896A CN113237896A CN202110637089.2A CN202110637089A CN113237896A CN 113237896 A CN113237896 A CN 113237896A CN 202110637089 A CN202110637089 A CN 202110637089A CN 113237896 A CN113237896 A CN 113237896A
- Authority
- CN
- China
- Prior art keywords
- furniture
- target furniture
- light source
- dimensional
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000007689 inspection Methods 0.000 claims abstract description 110
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims description 88
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000010521 absorption reaction Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 239000000463 material Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于光源扫描的家具板材动态监测***及方法,包括:基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据,同时,获取所述目标家具的三维表面形态,基于所述目标家具的三维表面形态获取对应的虚拟点云数据,将所述点云数据与所述虚拟点云数据一一匹配获取所述目标家具的三维彩色图像,提取所述目标家具三维彩色图像裂纹,并显示,利用以上两种方法同时获取家具的的点云数据并进行匹配,解决了单一检测方法的的误差,提高了检验结果的可信度。
Description
技术领域
本发明涉及光源扫描检测领域,特别涉及一种基于光源扫描的家具板材动态监测***及方法。
背景技术
随着人类生活质量日益提高,人类在使用家具时不仅要求其可以满足基本功能,还要求所使用家具外表美观,由此催生出多种多样美观大气的家具,但也存在由于使用不当或使用时长产生裂纹的家具。
传统检验家具是否出现裂纹的方法均为直接拍摄待检家具,利用图像处理获取家具上的裂纹,这类检测方式难以确定裂纹的具***置,有时还会采集到非家具所有的其他物件,浪费检测成本,且利用拍摄设备获取待检家具的图像容易受到外界光线的干扰,容易漏检待检家具上的较小裂纹,检验结果与实际结果误差较大,难以达到部分用户的需求。
鉴于以上情况,目前市面上还没有利用光线扫描结合拍摄三维图像两方面获取家具裂纹的方法,本发明利用以上两种方法同时获取家具的的点云数据并进行匹配,这样一来,解决了单一检测方法的的误差,提高了检验结果的可信度。
发明内容
本发明提供一种基于光源扫描的家具板材动态监测***及方法,用以根据利用光线扫描结合拍摄三维图像两方面获取家具裂纹,解决了单一检测方法的的误差,提高了检验结果的可信度。
本发明提供一种基于光源扫描的家具板材动态监测***及方法,包括:
步骤1:基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据;
步骤2:拍摄并采集所述目标家具的三维表面形态,来获取对应的虚拟点云数据;
步骤3:将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像;
步骤4:提取所述目标家具的三维图像中的裂纹,并显示。
在一种可实现的方式中,
基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据,包括:
基于所述目标家具的当前位置,设定扫描起点;
控制所述移动检验光源从扫描起点对所述目标家具进行第一扫描工作,获取所述目标家具的检验点云数据;
其中,对所述目标家具进行第一扫描工作的过程中,还包括:
分别获取所述目标家具每一表面对所述移动检验光源的反射光线;
基于所述目标家具每一表面对应的所述移动检验光源与所述反射光线的能量差,获取所述目标家具每一表面对移动检验光源的吸收量;
将吸收量相同的目标家具的表面进行标定,并划分为一组。
在一中可实现的方式中,
确定所述吸收量相同的目标家具表面属于同一材料,同时划分为一组之前包括:
获取所述目标家具每一表面对应的吸收量;
基于所述目标家具每一表面与所述移动检验光源的距离,对对应的吸收量进行修正。
在一种可实现的方式中,
将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像,包括:
消除所述检验点云数据中不属于所述目标家具的检验点,并将剩余点云数据定义为实际点云数据;
将所述虚拟点云数据包含的虚拟点与所述实际点云数据包含的实际点进行一次匹配,将匹配成功的实际点代替所述虚拟点,放置在预先建立好的三维坐标系的对应位置上;
分别获取未一次匹配成功的所述虚拟点与所述实际点对应的第一变换矩阵和第二变换矩阵;
基于所述第一变换矩阵奇异值与所述第二变换矩阵奇异值的绝对差值,获取所述第一变换矩阵与所述第二变换矩阵之间的矩阵误差值;
利用所述矩阵误差值分别校正未一次匹配成功的虚拟点与所述实际点;
将校正后的虚拟点与所述实际点进行二次匹配;
将二次匹配成功的实际点代替所述虚拟,放置在所述三维坐标系的对应位置上;
分别获取未二次匹配成功的所述虚拟点与所述实际点对应的虚拟三维坐标点和实际三维坐标点;
分别将所述虚拟三维坐标与实际三维坐标放置在空白三维坐标系中;
按照距离最近原则,将所述虚拟三维坐标和实际三维坐标进行一一对应,并获取一一对应坐标连线上的中点坐标;
将所述中点坐标代替所述虚拟点,放置在所述三维坐标系的对应位置上;
依据家具绘制规则,并基于所述三维坐标系上的位置点,绘制所述目标家具的三维图像;
其中,基于所述目标家具中每一表面对应的相同的修正后的吸收量,来对所述目标家具的对应表面进行相同色彩的填充,获取所述目标家具的三维彩色图像。
在一种可实现的方式中,
获取所述目标家具的三维彩色图像之后,还包括;
获取所述三维彩色图像的边缘线条;
获取所述边缘线条像素点对应的梯度值,判断同一所述边缘线条上每个像素点的梯度值是否在预设变化范围内;
若是,依次连接在预设变化范围内的像素点,获取无裂纹三维图像;
将所述三维彩色图像与所述无裂纹三维图像进行对比,获取所述三维彩色图像上除边缘线条的剩余线条;
获取所述剩余线条在所述目标家具上的位置,并定义为第一裂纹;
否则,将所述三维彩色图像划分多个预设大小的采样格;
分别采集所述采样格上指定区域的多个采样点,并获取每一采样点的像素,进而获取对应采样格的灰度特征;
获取所有采样格的灰度特征,并确定对应的灰度特征值,进而绘制特征折线图;
将所述折线图上离散度高于标准离散度的灰度特征值对应的采样格定义为裂纹采样格;
获取所述裂纹采样格对应的二值化图像,获取所述二值化图像上的第二裂纹;
基于所述二值化图像上的第二裂纹的位置,确定所述第二裂纹在所述目标家具上的位置;
基于所述第一裂纹、第二裂纹在所述目标家具上的位置,生成所述目标家具所有裂纹的三维图像,并传输到指定终端进行显示。
在一种可实现的方式中,
生成所述目标家具所有裂纹的三维图像,并传输到指定终端进行显示,包括:
基于所述目标家具的三维彩色图像上不同表面的色彩;
获取所述彩色三维图像的色彩分布情况;
将所述目标家具所有裂纹的三维图像对应的表面填充对应的色彩,获取三维彩色裂纹图像;
增强所述三维彩色裂纹图像上的裂纹,传输到指定终端进行显示。
在一种可实现的方式中,
获取所有采样格的灰度特征,并确定对应的灰度特征值,包括:
获取每个采样格对应的指定区域;
获取每个采样格上对应的指定区域的长宽高;
获取所述指定区域内对应的所述采样点的的灰度值;
基于所述采样点的的灰度值,并根据公式(Ⅰ)计算对应采样格平均灰度值;
其中,Tm表示第m个所述采样格的平均灰度值,a表示第m个所述采样格的指定区域的长度,b表示第m个所述采样格的指定区域的宽度,c表示第m个所述采样格的指定区域的高度,d表示第m个所述采样格的指定区域中采样点的灰度值,k表示所述采样格的指定区域的横坐标最大取值,横坐标的取值范围为:j表示所述采样格的指定区域的纵坐标最大取值,横坐标的取值范围为:i表示所述采样格的指定区域的竖坐标最大取值,竖坐标的取值范围为:(xk,yj,zi)表示第i个所述采样点基于指定区域的坐标,dn(xk,yj,zi)表示指定区域中的第n个所述采样点的灰度值,表示对采样点所处坐标为(xk,yj,zi)的综合修正值,表示对xk的坐标修正值,表示对yj的坐标修正值,表示对zi的坐标修正值;
根据获取的每一采样格的平均灰度值,来获取对应所述采样格的灰度特征,进而确定对应的灰度特征值。
在一种可实现的方式中,
基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据后,包括:
获取所述移动检验光源的光强值,以及与所述移动检测光源移动过程中每一所述目标家具表面对应的反射光线的光强值;
根据公式(Ⅱ)计算所述所述反射光线传输过程中损失的光强;
c=F-F′-q(Ⅱ)
其中,c表示所述移动检验光源的光强值与对应的所述目标家具表面反射光线光强值的光差,F表示所述移动检验光源的光强值,F′表示对应的所述目标家具表面反射光线的光强值,q表示对应的所述目标家具表面吸收的光强值;
当存在损失的光强大于预设损失时,确定对应的所述目标家具表面,定义为待检表面;
根据公式(Ⅲ)计算所述移动检验光源再次扫描待检表面时,所述目标家具所在环境存在的干扰信号强度;
其中,p表示所述目标家具所在环境存在的干扰信号强度,r0表示所述目标家具所在环境光线的光强,ηu表示对应的所述目标家具表面上第u个扫描点对移动检验光源进行反射后所对应的光程差,w表示对应的所述目标家具表面上扫描点的数量,表示所述移动检验光源与所述反射光线的相位差,ζu表示第u个扫描点对所述移动检验光源的反射波长,r1表示所述反射光线的光强,α表示对应的所述目标家具表面上所有扫描点的所述反射光线与所述移动检验光源的平均角度;
当公式(Ⅲ)的计算结果不在预设范围内时,基于公式(Ⅲ)的计算结果,调节所述移动检验光源的光强,重新扫描对应的目标家具表面。
在一种可实现的方式中,
定位模块,用于获取所述目标家具的位置;
处理模块,用于基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据;
采集模块,用于获取所述目标家具的三维表面形态;
所述处理模块,还用于基于所述目标家具的三维表面形态获取对应的虚拟点云数据;
匹配模块,用于将所述点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维彩色图像;
显示模块,用于提取所述目标家具三维彩色图像裂纹,并显示。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明实施例提供的一种基于光源扫描的家具板材动态监测方法示意图;
图2为本发明实施例提供的一种基于光源扫描的家具板材动态监测***示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本发明实施例提供一种基于光源扫描的家具板材动态监测方法,如图1所示,包括:
步骤1:基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据;
步骤2:拍摄并采集所述目标家具的三维表面形态,来获取对应的虚拟点云数据;
步骤3:将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像;
步骤4:提取所述目标家具的三维图像中的裂纹,并显示。
该实例中,检验点云数据表示经移动检验光源扫描获取的三维坐标的合集;
该实例中,检验点表示检验点云数据中目标家具上的点;
例如:一组检验点云数据包含A,B,C,D四个检验点组成一个矩形,其中A点表示矩形上的第一点,B表示第二点,以此类推;
该实例中,三维表面形态表示目标家具在三维空间下的形态;
该实例中,虚拟点云数据表示三维表面上的三维坐标的合集;
该实例中,虚拟点表示虚拟点云数据中三维表面形态上的点。
上述设计方案的有益效果是:利用移动检验光源扫描目标家具获取检验点云数据,以及采集目标家具的三维表面形态获取虚拟点云数据,将两次所采集的点云数据进行匹配,获取与目标家具相符率最高的三维图像,两种检验方式相互制衡,提高了检测结果的可靠性,为用户还原最真实的目标家具的裂纹情况。
实施例2
基于实施例1步骤1的基础上,一种基于光源扫描的家具板材动态监测方法,基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据,包括:
基于所述目标家具的当前位置,设定扫描起点;
控制所述移动检验光源从扫描起点对所述目标家具进行第一扫描工作,获取所述目标家具的检验点云数据;
其中,对所述目标家具进行第一扫描工作的过程中,还包括:
分别获取所述目标家具每一表面对所述移动检验光源的反射光线;
基于所述目标家具每一表面对应的所述移动检验光源与所述反射光线的能量差,获取所述目标家具每一表面对移动检验光源的吸收量;
将吸收量相同的目标家具的表面进行标定,并划分为一组。
该实例中,目标家具的当前位置表示目标家具在待检测区域的位置;
例如,一待检桌子的边缘位于待检区域的左端;
该实例中,扫描起点仅由目标家具的当前位置决定;
该实例中,吸收量表示当移动检验光源照射目标家具表面时被目标家具表面吸收的能量值;
该实例中,反射光线表示经过目标家具表面反射的移动检验光线。
上述设计方案的有益效果是:通过扫描目标家具,获取目标家具的检验点云数据,以及每一表面对检验光源能量的吸收量,进行相应划分为一组,通过获取三维表面形态,可以得到目标家具在三维空间中的基本形态,得到关于目标家具的基本轮廓,方便获取虚拟点云数据。
实施例3
基于实施例2的基础上,一种基于光源扫描的家具板材动态监测方法,将吸收量相同的目标家具的表面进行标定,并划分为一组之前包括:
获取所述目标家具每一表面对应的吸收量;
基于所述目标家具每一表面与所述移动检验光源的距离,对对应的吸收量进行修正。
该实例中,每一表面与移动检验光源的距离表示扫描起点与目标家具表面的垂直距离。
上述设计方案的有益效果是:由于目标家具每一表面与移动检验光源的距离不尽相同,故扫描距离较远的家具表面时的能量损失大于扫描距离较近的家具表面,此类情况下,为了避免距离对吸收量的影响,对不同的表面吸收量进行修正。
实施例4
基于实施例1的步骤3的基础上,一种基于光源扫描的家具板材动态监测方法,将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像,包括:
消除所述检验点云数据中不属于所述目标家具的检验点,并将剩余点云数据定义为实际点云数据;
将所述虚拟点云数据包含的虚拟点与所述实际点云数据包含的实际点进行一次匹配,将匹配成功的实际点代替所述虚拟点,放置在预先建立好的三维坐标系的对应位置上;
分别获取未一次匹配成功的所述虚拟点与所述实际点对应的第一变换矩阵和第二变换矩阵;
基于所述第一变换矩阵奇异值与所述第二变换矩阵奇异值的绝对差值,获取所述第一变换矩阵与所述第二变换矩阵之间的矩阵误差值;
利用所述矩阵误差值分别校正未一次匹配成功的虚拟点与所述实际点;
将校正后的虚拟点与所述实际点进行二次匹配;
将二次匹配成功的实际点代替所述虚拟,放置在所述三维坐标系的对应位置上;
分别获取未二次匹配成功的所述虚拟点与所述实际点对应的虚拟三维坐标点和实际三维坐标点;
分别将所述虚拟三维坐标与实际三维坐标放置在空白三维坐标系中;
按照距离最近原则,将所述虚拟三维坐标和实际三维坐标进行一一对应,并获取一一对应坐标连线上的中点坐标;
将所述中点坐标代替所述虚拟点,放置在所述三维坐标系的对应位置上;
依据家具绘制规则,并基于所述三维坐标系上的位置点,绘制所述目标家具的三维图像;
其中,基于所述目标家具中每一表面对应的相同的修正后的吸收量,来对所述目标家具的对应表面进行相同色彩的填充,获取所述目标家具的三维彩色图像。
该实例中,不属于所述目标家具的检验点表示检验点云数据中非目标家具的点;
例如:目标家具周围的其他物品,目标家具周围墙壁上的其他物品;
该实例中,第一变换矩阵表示以矩阵的形式表示未一次匹配成功的虚拟点的表达形式,同理表示第二变换矩阵;
当未匹配成功的虚拟点数量不为3时,分别获取所述每一虚拟点对应的模值,建立行矩阵;
该实例中,奇异值表示对应矩阵与转置矩阵的非负平方根;
该实例中,一次匹配和二次匹配的匹配方法一致,均为利用实际点替换对应位置上的虚拟点;
该实例中,虚拟三维坐标表示以三维坐标的形式表达未二次匹配成功的虚拟点的表达形式,同理表达实际点;
该实例中,空白三维坐标系表示不含任何坐标点的坐标系;
该实例中,中点坐标表示实际三维坐标与虚拟三维坐标的连线的中点位置对应的坐标。
上述设计方案的有益效果是:利用检验点云数据与虚拟点云数据的匹配结果替换三维坐标系上虚拟点云数据的位置,避免直接利用检验点云数据绘制三维轮廓图像时容易产生定位漂移,造成生成的三维轮廓图像与实际目标家具不符的情况,利用虚拟点云数据的位置,为检验点云数据确立一放置区域,提高了三维轮廓图像与目标家具的相似性。
实施例5
基于实施例4,一种基于光源扫描的家具板材动态监测方法,获取所述目标家具的三维彩色图像之后,还包括:
获取所述三维彩色图像的边缘线条;
获取所述边缘线条像素点对应的梯度值,判断同一所述边缘线条上每个像素点的梯度值是否在预设变化范围内;
若是,依次连接在预设变化范围内的像素点,获取无裂纹三维图像;
将所述三维彩色图像与所述无裂纹三维图像进行对比,获取所述三维彩色图像上除边缘线条的剩余线条;
获取所述剩余线条在所述目标家具上的位置,并定义为第一裂纹;
否则,将所述三维彩色图像划分多个预设大小的采样格;
分别采集所述采样格上指定区域的多个采样点,并获取每一采样点的像素,进而获取对应采样格的灰度特征;
获取所有采样格的灰度特征,并确定对应的灰度特征值,进而绘制特征折线图;
将所述折线图上离散度高于标准离散度的灰度特征值对应的采样格定义为裂纹采样格;
获取所述裂纹采样格对应的二值化图像,获取所述二值化图像上的第二裂纹;
基于所述二值化图像上的第二裂纹的位置,确定所述第二裂纹在所述目标家具上的位置;
基于所述第一裂纹、第二裂纹在所述目标家具上的位置,生成所述目标家具所有裂纹的三维图像,并传输到指定终端进行显示。
该实例中,剩余线条表示无裂纹三维图像上不存在的线条,且可定义为三维彩色图像上存在的裂纹线条;
该实例中,梯度值表示边缘线条某一像素点上的包含的图像与前一像素点的上包含的图像的角度差;
该实例中,第一裂纹、第二裂纹均表示目标家具上的裂纹,相互之间不进行比较;
该实例中,灰度特征表示采样格的灰度;
该实例中,裂纹采样格表示包含裂纹的采样格。
上述设计方案的有益效果是:为了获取目标家具上的全部裂纹,避免遗漏细小的裂纹,获取无裂纹图像,提取三维彩色图像的裂纹,获取目标家具上的第一裂纹,若无法生成无裂纹图像,表明三维彩色图像的边缘上存在裂纹,若直接进行特征处理,容易当成目标家具边缘处理,难以获得,故将彩色图像进行划分,进行采样检测,最后将所有裂纹绘制在无裂纹图像上,供用户参考。
实施例6
基于实施例5,一种基于光源扫描的家具板材动态监测方法,生成所述目标家具所有裂纹的三维图像,并传输到指定终端进行显示,包括:
获取所述彩色三维图像的色彩分布情况;
将所述目标家具所有裂纹的三维图像对应的表面填充对应的色彩,获取三维彩色裂纹图像;
增强所述三维彩色裂纹图像上的裂纹,传输到指定终端进行显示。
该实例中,增强三维彩色裂纹图像上的裂纹的目的为:避免终端分辨率过低,目标家具上的细小裂纹显示不明显;
该实例中,增强三维彩色裂纹图像上的裂纹的方法为:对三维彩色裂纹图像进行锐化。
上述设计方案的有益效果是:在生成有裂纹三维图像过后,为了方便用户区分目标家具的每一表面,将彩色三维图像上每一面对应的色彩填充在有裂纹三维图像上,执行此操作虽然便于用户区分目标家具的每一表面,但当用户使用分辨率过低的终端显示三维彩色裂纹图像时,其上包含的细小裂纹不容易显现,故增强三维彩色裂纹图像上的裂纹,再进行传输工作,使用户在各种终端下均可观察到目标家具表面的裂纹情况。
实施例7
基于实施例5,一种基于光源扫描的家具板材动态监测方法,获取所有采样格的灰度特征,并确定对应的灰度特征值,包括:
获取每个采样格对应的指定区域;
获取每个采样格上对应的指定区域的长宽高;
获取所述指定区域内对应的所述采样点的的灰度值;
基于所述采样点的的灰度值,并根据公式(Ⅰ)计算对应采样格平均灰度值;
其中,Tm表示第m个所述采样格的平均灰度值,a表示第m个所述采样格的指定区域的长度,b表示第m个所述采样格的指定区域的宽度,c表示第m个所述采样格的指定区域的高度,d表示第m个所述采样格的指定区域中采样点的灰度值,k表示所述采样格的指定区域的横坐标最大取值,横坐标的取值范围为:j表示所述采样格的指定区域的纵坐标最大取值,横坐标的取值范围为:i表示所述采样格的指定区域的竖坐标最大取值,竖坐标的取值范围为:(xk,yj,zi)表示第i个所述采样点基于指定区域的坐标,dn(xk,yj,zi)表示指定区域中的第n个所述采样点的灰度值,表示对采样点所处坐标为(xk,yj,zi)的综合修正值,表示对xk的坐标修正值,表示对yj的坐标修正值,表示对zi的坐标修正值;
根据获取的每一采样格的平均灰度值,来获取对应所述采样格的灰度特征,进而确定对应的灰度特征值。
该实例中,每个灰度特征与计算得到的灰度特征值之间一一对应。
上述设计方案的有益效果是:在获取采样格灰度值的工作中,若采用直接获取采样格的整体平均灰度值的方法进行操作时,需要较长的计算时长和繁琐的计算步骤,故在采样格上选定指定区域,对指定区域进行采样计算,这样一来不仅可以获取采样格的特征灰度值,即,平均灰度值,且大大缩短了所需的计算时长,减少了计算步骤,为用户节约了等待时长和计算成本。
实施例8
基于实施例1的步骤1,种基于光源扫描的家具板材动态监测方法,基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据后,包括:
获取所述移动检验光源的光强值,以及与所述移动检测光源移动过程中每一所述目标家具表面对应的反射光线的光强值;
根据公式(Ⅱ)计算所述所述反射光线传输过程中损失的光强;
c=F-F′-q(Ⅱ)
其中,c表示所述移动检验光源的光强值与对应的所述目标家具表面反射光线光强值的光差,F表示所述移动检验光源的光强值,F′表示对应的所述目标家具表面反射光线的光强值,q表示对应的所述目标家具表面吸收的光强值;
当存在损失的光强大于预设损失时,确定对应的所述目标家具表面,定义为待检表面;
根据公式(Ⅲ)计算所述移动检验光源再次扫描待检表面时,所述目标家具所在环境存在的干扰信号强度;
其中,p表示所述目标家具所在环境存在的干扰信号强度,r0表示所述目标家具所在环境光线的光强,ηu表示对应的所述目标家具表面上第u个扫描点对移动检验光源进行反射后所对应的光程差,w表示对应的所述目标家具表面上扫描点的数量,表示所述移动检验光源与所述反射光线的相位差,ζu表示第u个扫描点对所述移动检验光源的反射波长,r1表示所述反射光线的光强,α表示对应的所述目标家具表面上所有扫描点的所述反射光线与所述移动检验光源的平均角度;
当公式(Ⅲ)的计算结果不在预设范围内时,基于公式(Ⅲ)的计算结果,调节所述移动检验光源的光强,重新扫描对应的目标家具表面。
该实例中,光强值表示光线的发光强度;
该实例中,光程差表示移动检验光线与反射光线的光程之差,在这里表示移动检验光线传播的几何路程与介质折射率的乘积与反射光线传播的几何路程与介质折射率的乘积之间的差值;
该实例中,空气折射率取标准状态下空气对可见光的折射率约为1.00029。
上述设计方案的有益效果是:在利用检验光线扫描目标家具时,由于目标家具所处环境不一定为无干扰环境,故在扫描时,外界光线可能会影响扫描结果,为了减少计算量,由目标家具表面的反射光线与移动检验光源之间的光差,来判断在扫描这一表面时是否受到外界光干扰,且在受到外界光干扰的情况下计算外界光的干扰强度,及时调制移动检验光源,仅对这一表面进行二次扫描,这一一来不仅可以满足扫描要求,还可以减少工作量,提高工作效率。
实施例9
为实施例1-8所提到的实现方式,建立***构架,一种基于光源扫描的家具板材动态监测***,如图2所示包括:
定位模块,用于获取所述目标家具的位置;
处理模块,用于基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据;
采集模块,用于获取所述目标家具的三维表面形态;
所述处理模块,还用于基于所述目标家具的三维表面形态获取对应的虚拟点云数据;
匹配模块,用于将所述点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维彩色图像;
显示模块,用于提取所述目标家具三维彩色图像裂纹,并显示。
该实例中,处理模块分别与定位模块、采集模块、匹配模块、显示模块连接。
上述设计方案的有益效果是:根据实施例1-8所提到的基于光源扫描的家具板材动态监测方法,将现有的模块连接并赋予对应的功能,这一来为所创新的方法提供了技术构架,实现了基于光源扫描的家具板材动态监测***。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于光源扫描的家具板材动态监测方法,其特征在于,包括:
步骤1:基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据;
步骤2:拍摄并采集所述目标家具的三维表面形态,来获取对应的虚拟点云数据;
步骤3:将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像;
步骤4:提取所述目标家具的三维图像中的裂纹,并显示。
2.根据权利要求1所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:步骤1:基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据,包括:
基于所述目标家具的当前位置,设定扫描起点;
控制所述移动检验光源从扫描起点对所述目标家具进行第一扫描工作,获取所述目标家具的检验点云数据;
其中,对所述目标家具进行第一扫描工作的过程中,还包括:
分别获取所述目标家具每一表面对所述移动检验光源的反射光线;
基于所述目标家具每一表面对应的所述移动检验光源与所述反射光线的能量差,获取所述目标家具每一表面对移动检验光源的吸收量;
将吸收量相同的目标家具的表面进行标定,并划分为一组。
3.根据权利要求2所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:将吸收量相同的目标家具的表面进行标定,并划分为一组之前包括:
获取所述目标家具每一表面对应的吸收量;
基于所述目标家具每一表面与所述移动检验光源的距离,对对应的吸收量进行修正。
4.根据权利要求1所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:步骤3:将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像,包括:
消除所述检验点云数据中不属于所述目标家具的检验点,并将剩余点云数据定义为实际点云数据;
将所述虚拟点云数据包含的虚拟点与所述实际点云数据包含的实际点进行一次匹配,将匹配成功的实际点代替所述虚拟点,放置在预先建立好的三维坐标系的对应位置上;
分别获取未一次匹配成功的所述虚拟点与所述实际点对应的第一变换矩阵和第二变换矩阵;
基于所述第一变换矩阵奇异值与所述第二变换矩阵奇异值的绝对差值,获取所述第一变换矩阵与所述第二变换矩阵之间的矩阵误差值;
利用所述矩阵误差值分别校正未一次匹配成功的虚拟点与所述实际点;
将校正后的虚拟点与所述实际点进行二次匹配;
将二次匹配成功的实际点代替所述虚拟,放置在所述三维坐标系的对应位置上;
分别获取未二次匹配成功的所述虚拟点与所述实际点对应的虚拟三维坐标点和实际三维坐标点;
分别将所述虚拟三维坐标与实际三维坐标放置在空白三维坐标系中;
按照距离最近原则,将所述虚拟三维坐标和实际三维坐标进行一一对应,并获取一一对应坐标连线上的中点坐标;
将所述中点坐标代替所述虚拟点,放置在所述三维坐标系的对应位置上;
依据家具绘制规则,并基于所述三维坐标系上的位置点,绘制所述目标家具的三维图像;
其中,基于所述目标家具中每一表面对应的相同的修正后的吸收量,来对所述目标家具的对应表面进行相同色彩的填充,获取所述目标家具的三维彩色图像。
5.根据权利要求4所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:获取所述目标家具的三维彩色图像之后,还包括:
获取所述三维彩色图像的边缘线条;
获取所述边缘线条像素点对应的梯度值,判断同一所述边缘线条上每个像素点的梯度值是否在预设变化范围内;
若是,依次连接在预设变化范围内的像素点,获取无裂纹三维图像;
将所述三维彩色图像与所述无裂纹三维图像进行对比,获取所述三维彩色图像上除边缘线条的剩余线条;
获取所述剩余线条在所述目标家具上的位置,并定义为第一裂纹;
否则,将所述三维彩色图像划分多个预设大小的采样格;
分别采集所述采样格上指定区域的多个采样点,并获取每一采样点的像素,进而获取对应采样格的灰度特征;
获取所有采样格的灰度特征,并确定对应的灰度特征值,进而绘制特征折线图;
将所述折线图上离散度高于标准离散度的灰度特征值对应的采样格定义为裂纹采样格;
获取所述裂纹采样格对应的二值化图像,获取所述二值化图像上的第二裂纹;
基于所述二值化图像上的第二裂纹的位置,确定所述第二裂纹在所述目标家具上的位置;
基于所述第一裂纹、第二裂纹在所述目标家具上的位置,生成所述目标家具所有裂纹的三维图像,并传输到指定终端进行显示。
6.根据权利要求5所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:生成所述目标家具所有裂纹的三维图像,并传输到指定终端进行显示,包括:
获取所述彩色三维图像的色彩分布情况;
将所述目标家具所有裂纹的三维图像对应的表面填充对应的色彩,获取三维彩色裂纹图像;
增强所述三维彩色裂纹图像上的裂纹,传输到指定终端进行显示。
7.根据权利要求5所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:获取所有采样格的灰度特征,并确定对应的灰度特征值,包括:
获取每个采样格对应的指定区域;
获取每个采样格上对应的指定区域的长宽高;
获取所述指定区域内对应的所述采样点的的灰度值;
基于所述采样点的的灰度值,并根据公式(Ⅰ)计算对应采样格平均灰度值;
其中,Tm表示第m个所述采样格的平均灰度值,a表示第m个所述采样格的指定区域的长度,b表示第m个所述采样格的指定区域的宽度,c表示第m个所述采样格的指定区域的高度,d表示第m个所述采样格的指定区域中采样点的灰度值,k表示所述采样格的指定区域的横坐标最大取值,横坐标的取值范围为:j表示所述采样格的指定区域的纵坐标最大取值,横坐标的取值范围为:i表示所述采样格的指定区域的竖坐标最大取值,竖坐标的取值范围为:(xk,yj,zi)表示第i个所述采样点基于指定区域的坐标,dn(xk,yj,zi)表示指定区域中的第n个所述采样点的灰度值,表示对采样点所处坐标为(xk,yj,zi)的综合修正值,表示对xk的坐标修正值,表示对yj的坐标修正值,表示对zi的坐标修正值;
根据获取的每一采样格的平均灰度值,来获取对应所述采样格的灰度特征,进而确定对应的灰度特征值。
8.根据权利要求1所述的一种基于光源扫描的家具板材动态监测方法,其特征在于:步骤1:基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据后,包括:
获取所述移动检验光源的光强值,以及与所述移动检测光源移动过程中每一所述目标家具表面对应的反射光线的光强值;
根据公式(Ⅱ)计算所述所述反射光线传输过程中损失的光强;
c=F-F′-q (Ⅱ)
其中,c表示所述移动检验光源的光强值与对应的所述目标家具表面反射光线光强值的光差,F表示所述移动检验光源的光强值,F′表示对应的所述目标家具表面反射光线的光强值,q表示对应的所述目标家具表面吸收的光强值;
当存在损失的光强大于预设损失时,确定对应的所述目标家具表面,定义为待检表面;
根据公式(Ⅲ)计算所述移动检验光源再次扫描待检表面时,所述目标家具所在环境存在的干扰信号强度;
其中,p表示所述目标家具所在环境存在的干扰信号强度,r0表示所述目标家具所在环境光线的光强,ηu表示对应的所述目标家具表面上第u个扫描点对移动检验光源进行反射后所对应的光程差,w表示对应的所述目标家具表面上扫描点的数量,表示所述移动检验光源与所述反射光线的相位差,ζu表示第u个扫描点对所述移动检验光源的反射波长,r1表示所述反射光线的光强,α表示对应的所述目标家具表面上所有扫描点的所述反射光线与所述移动检验光源的平均角度;
当公式(Ⅲ)的计算结果不在预设范围内时,基于公式(Ⅲ)的计算结果,调节所述移动检验光源的光强,重新扫描对应的目标家具表面。
9.一种基于光源扫描的家具板材动态监测***,其特征在于,包括:
定位模块,用于获取所述目标家具的位置;
处理模块,用于基于移动检验光源扫描目标家具,获取所述目标家具的检验点云数据;
采集模块,用于获取所述目标家具的三维表面形态;
所述处理模块,还用于基于所述目标家具的三维表面形态获取对应的虚拟点云数据;
匹配模块,用于将所述点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维彩色图像;
显示模块,用于提取所述目标家具三维彩色图像裂纹,并显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637089.2A CN113237896B (zh) | 2021-06-08 | 2021-06-08 | 一种基于光源扫描的家具板材动态监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637089.2A CN113237896B (zh) | 2021-06-08 | 2021-06-08 | 一种基于光源扫描的家具板材动态监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113237896A true CN113237896A (zh) | 2021-08-10 |
CN113237896B CN113237896B (zh) | 2024-02-20 |
Family
ID=77137150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110637089.2A Active CN113237896B (zh) | 2021-06-08 | 2021-06-08 | 一种基于光源扫描的家具板材动态监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113237896B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114550382A (zh) * | 2022-01-26 | 2022-05-27 | 南京科融数据***股份有限公司 | 一种atm机钱箱管理方法及*** |
CN117011503A (zh) * | 2023-08-07 | 2023-11-07 | 青岛星美装饰服务有限公司 | 一种加工数据确定方法、装置、设备和可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6974964B1 (en) * | 2002-06-17 | 2005-12-13 | Bu-Chin Wang | Method and apparatus for three-dimensional surface scanning and measurement of a moving object |
KR20070060866A (ko) * | 2005-12-09 | 2007-06-13 | 한국전자통신연구원 | 3차원 피부 측정 장치 및 방법 |
KR20120038762A (ko) * | 2010-10-14 | 2012-04-24 | 경북대학교 산학협력단 | 휴대용 3차원 스캐너 및 그것의 3차원 형상 복원 방법 |
WO2014044126A1 (zh) * | 2012-09-21 | 2014-03-27 | Wei Yiqun | 坐标获取装置、实时三维重建***和方法、立体交互设备 |
US20150003723A1 (en) * | 2013-06-27 | 2015-01-01 | Chevron U.S.A. Inc. | System and method of detecting objects in scene point cloud |
US20190235062A1 (en) * | 2017-08-23 | 2019-08-01 | Tencent Technology (Shenzhen) Company Limited | Method, device, and storage medium for laser scanning device calibration |
CN110726726A (zh) * | 2019-10-30 | 2020-01-24 | 中南大学 | 一种隧道成型质量及其缺陷的定量化检测方法及*** |
CN111610193A (zh) * | 2020-05-29 | 2020-09-01 | 武汉至科检测技术有限公司 | 采用多镜头拍摄巡检地铁隧道管片结构缺陷的***及方法 |
CN111644935A (zh) * | 2020-05-15 | 2020-09-11 | 江苏兰菱机电科技有限公司 | 一种机器人三维扫描测量装置及工作方法 |
CN112669436A (zh) * | 2020-12-25 | 2021-04-16 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于3d点云的深度学习样本生成方法 |
-
2021
- 2021-06-08 CN CN202110637089.2A patent/CN113237896B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6974964B1 (en) * | 2002-06-17 | 2005-12-13 | Bu-Chin Wang | Method and apparatus for three-dimensional surface scanning and measurement of a moving object |
KR20070060866A (ko) * | 2005-12-09 | 2007-06-13 | 한국전자통신연구원 | 3차원 피부 측정 장치 및 방법 |
KR20120038762A (ko) * | 2010-10-14 | 2012-04-24 | 경북대학교 산학협력단 | 휴대용 3차원 스캐너 및 그것의 3차원 형상 복원 방법 |
WO2014044126A1 (zh) * | 2012-09-21 | 2014-03-27 | Wei Yiqun | 坐标获取装置、实时三维重建***和方法、立体交互设备 |
US20150003723A1 (en) * | 2013-06-27 | 2015-01-01 | Chevron U.S.A. Inc. | System and method of detecting objects in scene point cloud |
US20190235062A1 (en) * | 2017-08-23 | 2019-08-01 | Tencent Technology (Shenzhen) Company Limited | Method, device, and storage medium for laser scanning device calibration |
CN110726726A (zh) * | 2019-10-30 | 2020-01-24 | 中南大学 | 一种隧道成型质量及其缺陷的定量化检测方法及*** |
CN111644935A (zh) * | 2020-05-15 | 2020-09-11 | 江苏兰菱机电科技有限公司 | 一种机器人三维扫描测量装置及工作方法 |
CN111610193A (zh) * | 2020-05-29 | 2020-09-01 | 武汉至科检测技术有限公司 | 采用多镜头拍摄巡检地铁隧道管片结构缺陷的***及方法 |
CN112669436A (zh) * | 2020-12-25 | 2021-04-16 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于3d点云的深度学习样本生成方法 |
Non-Patent Citations (2)
Title |
---|
周薇;马晓丹;张丽娇;郭彩玲;刘刚;: "基于多源信息融合的果树冠层三维点云拼接方法研究", 光学学报, no. 12, 10 December 2014 (2014-12-10) * |
李晓飞;: "基于多Kinect的家具自由曲面造型扫描***设计", 现代电子技术, no. 02, 15 January 2020 (2020-01-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114550382A (zh) * | 2022-01-26 | 2022-05-27 | 南京科融数据***股份有限公司 | 一种atm机钱箱管理方法及*** |
CN117011503A (zh) * | 2023-08-07 | 2023-11-07 | 青岛星美装饰服务有限公司 | 一种加工数据确定方法、装置、设备和可读存储介质 |
CN117011503B (zh) * | 2023-08-07 | 2024-05-28 | 青岛星美装饰服务有限公司 | 一种加工数据确定方法、装置、设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113237896B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764257B (zh) | 一种多视角的指针式仪表识别方法 | |
US10706571B2 (en) | Imaging device, image processing device, storage medium, and imaging system | |
CN113237896A (zh) | 一种基于光源扫描的家具板材动态监测***及方法 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN109816680B (zh) | 一种农作物株高的高通量计算方法 | |
CN111899296B (zh) | 一种基于计算机视觉的原木材积检测方法与装置 | |
CN109872309B (zh) | 检测***、方法、装置及计算机可读存储介质 | |
CN112233187B (zh) | 一种方便稳定的rgbd相机外参数标定方法 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN110428762B (zh) | 基于像素点亮度的oled面板老化测试发光特性检测方法 | |
CN111551530A (zh) | 一种作物群体冠层叶绿素荧光三维分布信息获取方法与装置 | |
CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
CN103644852A (zh) | 一种镜片膜厚度自动检测*** | |
CN112884880B (zh) | 一种基于线激光的蜜柚三维建模装置和方法 | |
CN110769229A (zh) | 投影画面颜色亮度的检测方法、装置及*** | |
CN113720282B (zh) | 极耳的平面度测量方法及测量装置 | |
CN106770322A (zh) | 校准点深度检测方法及温控器外观检测方法 | |
CN108109138A (zh) | 一种针对类镜面物体的高光区域自适应匀光的方法 | |
CN104034729A (zh) | 用于电路板分选的五维成像***及其成像方法 | |
CN103876706A (zh) | 检眼镜中的改进以及与检眼镜相关的改进 | |
CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 | |
CN114638805B (zh) | 一种轨道板裂缝检测方法、***及存储介质 | |
CN109612408A (zh) | 半导体激光器发射角度测试方法、装置及可读存储介质 | |
CN109035390A (zh) | 基于激光雷达的建模方法及装置 | |
CN112308933B (zh) | 相机内参标定的方法、装置及计算机存储介质 |
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 |