CN115033998B - 一种面向机械零部件的个性化2d数据集构建方法 - Google Patents
一种面向机械零部件的个性化2d数据集构建方法 Download PDFInfo
- Publication number
- CN115033998B CN115033998B CN202210827953.XA CN202210827953A CN115033998B CN 115033998 B CN115033998 B CN 115033998B CN 202210827953 A CN202210827953 A CN 202210827953A CN 115033998 B CN115033998 B CN 115033998B
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- shooting
- virtual
- virtual camera
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种面向机械零部件的个性化2D数据集构建方法,以常用三维建模软件Solidworks为基本***,利用其相机模块,合理设定相关参数,实现多类别、多位姿零部件图像自动采集,且渲染图像与实拍图像中零件轮廓高度一致,完成工业零部件图像数据集的构建,改善现有数据集构建技术于成像效率、操作便捷性、相机基准姿态设置准确性及零件模型格式兼容性等方面的不足和缺陷。
Description
技术领域
本发明涉及计算机辅助设计和计算机视觉技术领域,更具体的说是涉及一种面向机械零部件的个性化2D数据集构建方法。
背景技术
目前,深度学***台为其三大核心要素,当前已有ResNet、YOLO等诸多优异架构及高算力的计算设备,而均衡、完备、大批量数据集的缺乏往往是限制深度学习技术在工业领域进一步应用和发展的主要因素。
源于真实场景的实拍数据集虽具有强真实性,但其构建需要较高的人力和时间成本,尤其是对物体和相机的位置精度要求较高的位姿分析、三维重建等数据集。虚拟成像技术为提高图像获取效率的有力途径,常见于动画制作、宏观场景模拟验证等数字内容创作中,主要工具和软件为OpenGL/Unity3D。零部件模型通常由CAD建模软件进行设计和生成。而现有虚拟成像***对三维CAD模型格式兼容性较差,需利用3DMax等软件进行格式转换,导致构建渲染数据集时需额外工作量。且其相机参数和对象参数调节时复杂度较高。
因此,如何针对工业零部件图像提高数据集构建时的成像效率、操作便捷性、准确性和格式兼容性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种面向机械零部件的个性化2D数据集构建方法,以常用三维建模软件Solidworks为基本***,利用其相机模块,合理设定相关参数,结合二次开发技术实现多类别、多位姿零部件图像自动采集,且渲染图像与实拍图像中零件轮廓高度一致,完成工业零部件图像数据集的构建,改善现有数据集构建技术于成像效率、操作便捷性、相机基准姿态设置准确性及零件模型格式兼容性等方面的不足和缺陷。
为了实现上述目的,本发明采用如下技术方案:
一种面向机械零部件的个性化2D数据集构建方法,包括以下步骤:
步骤1:采集待拍摄零部件信息,包括零部件模型名称和零部件模型边界框尺寸;
步骤2:设定虚拟相机参数,根据实际相机的相关参数,获得虚拟相机参数之间的相关参数约束关系,根据相关参数约束条件利用虚拟相机模拟实际相机;
工业相机作为实际相机的工作距离、视野范围和视角的表达式分别为:
Wd=|tzw| (1)
其中,Wd为工作距离;Fov(w,h)为水平或竖直方向的视野范围;θ为相机视角;tzw为图像标定所得平移矩阵中的Z向分量;f为镜头焦距;Ts(w,h)为相机靶面水平或竖直方向的尺寸;Tsh表示相机靶面竖直方向的尺寸;
实际相机的实拍图像中每个像素代表的物理距离表达为式:
结合相机成像条件中工作距离与焦距间的基本限制,相关参数的约束关系如式(5)所示:
其中,P(w,h)为图像水平或竖直方向的像素数;
步骤3:根据零部件信息建立位置选取规则,根据位置选取规则设定位置参数模拟空间中的各个位置;根据位置参数通过虚拟相机和零件之间的相对运动获得机械零件不同位姿处的图像;
所选取的虚拟相机位置应尽量代表空间中的所有位置,但由于空间中位置无穷,因此需要将空间进行离散化,这个离散化的方法称为位置选区规则(比如利用多条经纬线将空间进行划分),而参数可指经纬线的数量;
步骤4:设定光源组合和背景图片;通过笛卡尔坐标或经纬坐标设定光源所在方位,模拟实际拍摄环境;
结合不同形式光源组合和不同背景图片构建各类模拟场景;
步骤5:利用虚拟相机在模拟空间和模拟实际拍摄环境中,拍摄零部件模型在不同位姿和环境下的图像,获得虚拟拍摄结果,对虚拟拍摄结果进行图像采集,获取虚拟图像构建数据集;
固定虚拟相机参数中的相机类型、相机目标点和相机视野,通过流程依次包括读取模型、设定虚拟相机参数、设置环境参数、设置位置参数和进行拍摄的二次开发程序根据模拟空间自动改变虚拟相机位置;相机目标点选为零部件模型边界框的中心,虚拟相机位置和零部件模型位置均通过笛卡尔坐标系下的坐标数值确定;
零部件模型根据虚拟相机的拍摄距离对应一个测定空间,将测定空间通过若干经纬线进行划分,划分所得若干交点作为习惯拍摄位置;
设定变动范围作为半径在该习惯拍摄位置处构建变动球体空间;
平行于基本拍摄平面的空间平面将变动空间分为两个半球,以上下半球中的三棱锥中除底面外所有棱边的中点作为习惯拍摄点,即相机的固定位置,在每个习惯拍摄点拍摄零部件模型的图像。
优选的,将实际相机拍摄的实拍图像和虚拟相机拍摄的渲染图像进行轮廓对比,用于检验Solidworks中的虚拟相机能否代替实际相机,对虚拟相机的有效性进行验证,具体过程为:采集相同参数条件下的虚拟相机和实际相机的图像;并利用张定友标定方法对实际相机拍摄所得的实际图像进行标定,并完成畸变校正;依据相关参数约束关系将虚拟相机的虚拟图像和处理后的实际图像缩放到同一尺度后利用Canny算子进行处理;
通过显示屏截图截取虚拟相机拍摄结果中某区域作为虚拟摄像***采集的虚拟图像;将虚拟相机成像视口缩放到Wvc×Hvc,截取的图像大小为Wend×Hend,且零部件在图像中的占比为rpart;零部件水平方向或竖直方向的最大尺寸为Lmax;拍摄获取不同位姿和环境下的虚拟图像构建成数据集;
则零部件在任一方向上所占最大比例的计算公式为:
将式(2)代入式(6)中,得:
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种面向机械零部件的个性化2D数据集构建方法,以具有完善设计渲染功能的Solidworks等CAD软件为基本***,进行成像分析实现设计模型与成像模型的格式匹配,改善了相机视场生成、光照模拟的操作复杂性及位姿设置的准确性。通过相机参数(相机类型、拍摄位置等)、环境参数(背景图像、光源组合等)的改变实现诸如零部件种类识别、表面缺陷检测、位姿分析等多种个性化图像数据集的构建。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的面向机械零部件的个性化2D数据集构建流程示意图;
图2附图为本发明提供的相机拍摄示意图;
图3附图为本发明提供的虚拟相机拍摄所得图像与虚拟摄像***最终采集图像间的关系示意图;
图4附图为本发明提供的实际相机与虚拟相机所得零件图像的轮廓对比示意图;
图5附图为本发明提供的工业零件各位姿处图像的自动获取示意图;
图6附图为本发明提供的光源对零件表面成像效果影响示意图;
图7附图为本发明提供的基于Solidworks二次开发的图像自动截取流程示意图;
图8附图为本发明提供的原始飞机CAD模型示意图;
图9附图为本发明提供的不同材质和光照下飞机模型渲染效果示意图;
图10附图为本发明提供的虚拟相机和实际相机成像关系示意图;
图11附图为本发明提供的典型机械零件多视角图像数据集示意图;
图12附图为本发明提供的飞机CAD模型多视角数据集示意图;
图13附图为本发明提供的螺栓零件不同位姿、不同参数尺寸数据集示意图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种面向机械零部件的个性化2D数据集构建方法,从常用工业软件Solidworks出发,利用其相机模块,首先合理设定相关参数,再通过二次开发技术实现多类别、多位姿零部件图像自动采集,且令渲染图像与实拍图像中零件轮廓高度一致,整体拍摄方案如图1所示。
虚拟图像的真实性有助于其在实际工业场景中的有效应用,为此理应在保证虚拟和实拍图像轮廓一致的基础上,使渲染效果更为真实。轮廓是否一致主要源于真实相机和虚拟相机的参数对应,而本发明借助于Solidworks中的“相机”模块,其中相机类型选为对准目标,视野参数需依据实际相机情况设定,相机位置及目标点位置可实时调节。渲染效果主要与光照组合、环境背景和零件材质有关,可依据需要进行设置。基于上述内容,将拍摄流程分为理论参数设计分析(虚拟相机参数、位置参数及光照组合设定)与程序开发(相机位置、环境背景自动改变)两大步骤。二次开发技术包括位置设定函数和环境设定函数。
(1)设定虚拟相机参数;
构建的实拍相机和虚拟相机的示意如图2所示。工业相机可近似看做小孔成像模型,其工作距离、视野范围和视角见式(1)、(2)和(3)。
Wd=|tzw| (1)
实际相机中图像每个像素代表的距离可表达为式(4):
结合相机成像条件中工作距离与焦距间的基本限制,相关参数的约束关系如式(5)所示:
式(1)-(5)中,Wd为工作距离,Fov(w,h)为水平或竖直方向的视野范围,θ为相机视角,ε为实拍图像中每个像素代表的物理距离,tzw为图像标定所得平移矩阵中的Z向分量;f为镜头焦距;Ts(w,h)为相机靶面水平或竖直方向的尺寸;Tsh表示相机靶面竖直方向的尺寸P(w,h)为图像水平或竖直方向的像素数。
本发明构建的虚拟摄像***依靠显示屏截图采集虚拟相机拍摄所得图像中的部分区域作为最终的数据集图像,虚拟摄像***采集图像和虚拟相机拍摄所得图像的关系如图3所示。受限于显示屏尺寸,我们将相机的成像视口放缩到Wvc×Hvc,同时为保证所截图像的尺寸不致太大进而造成过多的存储内存消耗。最终截取的图像大小为Wend×Hend,且零件在图像中的占比为rpart。设零件水平(或竖直)方向的最大尺寸为Lmax。
理论上零部件模型在某方向上所占的最大比例可通过式(6)计算:
将式(1)代入得:
然而,当前Solidworks中相机的视野模块无法动态调节,直接策略是依据软件默认参数先***相机最后再进行图像放缩等变换。但当实际镜头像素的纵横比和软件默认值(11:8.5)不同时,便会出现图像非等比例放缩需求。这将造成图像的内容畸变和失真。为此需首先结合相机和镜头参数将纵横比和视角写入零件,以保证两者等比例的变换关系,即采集一个实际的工业相机和镜头参数,利用虚拟相机构成的虚拟摄像***去模拟这个实际相机和实际镜头的拍摄效果;
其中,相机视角为根据实际相机和镜头参数而得的更进一步的拍摄参数信息;
写入零件就是如同构建零件CAD模型一般在模型构建时添加相机设置并将默认的相机参数更改为实际相机中的纵横比和视角信息;
等比例关系指的是实际工业相机拍摄所得的实拍图像与虚拟摄像***所得虚拟图像两图像在分辨率各方向上的比例是相同的,即实拍图像横向分辨率/虚拟图像横向分辨率=实拍图像纵向分辨率/虚拟图像纵向分辨率。
采集了同工作距离和视野范围下虚拟相机和实际相机所得的螺栓图像。实际相机已利用张定友标定方法进行标定并完成图像的畸变校正。在放缩到同一尺度后利用Canny算子处理两图像,其轮廓的对比结果如图4所示。
图4所示内容说明虚拟相机可确保图像中零件各尺寸参数的真实性,验证了所提虚拟拍摄方法的可行性(其偏移误差由相机拍摄平面与零件前端平面不平行导致)。
(2)位置参数设定
机械零件不同位姿处的图像可通过相机和零件之间的相对运动获取。固定相机参数中的相机类型、相机目标点和相机视野,通过二次开发程序自动改变相机位置。
相机目标点可选为零部件边界框的中心。相机和零件位置均通过笛卡尔坐标系下的坐标数值确定。其中,整个空间可离散化为很多模块,如图5所示,而零部件根据实际需求(拍摄距离)将对应某个合适的测定空间。为采集空间各视角处图像,先将测定空间(半球体)通过数条经纬线划分以获取多个交点(***行于基本拍摄平面的空间平面将变动空间分为两个半球,最后以上下半球中的三棱锥(习惯拍摄位置指向三棱锥底面三角形某顶点的方向与世界坐标系Y轴正方向同向,习惯拍摄位置指向三棱锥顶点的方向与世界坐标系Z轴正方向同向或反向)中除底面外所有棱边的中点为习惯拍摄点,即相机的固定位置。上述模拟零件在空间中可能存在的各种姿态的方法中,划分所用经纬线的数量与位姿分析的精度正相关。图5中选定的经纬线的数量分别为8条和7条,每个零件将对应336张各视角下的图像。
(3)光源组合设定
Solidworks中的光源主要可分为点光源、线光源和聚光源。通过笛卡尔坐标或经纬坐标设定光源所在方位,结合不同形式光源的组合可构建各类光照情况以模拟各种场景,如图6所示。
基于二次开发的相机位置和环境背景自动变换
程序编写基于Visual Studio平台,语言为C#。为保证拍摄结果规范性可先实现将各零件转变为同一视图(如后视图),同时记录零件基础信息(如边界框尺寸)功能。前者可保证零件拍摄初始视角相同,后者所记录信息可为位置参数设定等提供数据依据。
依据上述分析设定相机的参数,并根据个性化需求选择光源组合。将相机目标位置固定于零件边界框中心,通过控制拍摄位置处各方向的笛卡尔坐标值实现视角改变,与此同时更换背景并截取相机视角下图像作为最终结果。其构建流程如图7所示。
S1:通过OpenDoc6()读取待拍摄的零件模型;
S2:通过ShowNamedView2()进行视角转换将模型转换为后视图模式,并利用InsertGlobalBoundingBox()函数***零件边界框用Get3()记录其尺寸信息,通过边界框信息计算边界框的中心点坐标作为相机目标点;
S3:分别通过SetLightSourcePropertyValuesVB()和SetUserPreferenceStringValue()函数设定光源形式及拍摄背景模拟待拍摄环境;
S4:利用TargetPointPosition()函数将“(2)位置参数设定”中的习惯拍摄点作为相机固定位置且每更换一个位置便用CopyFromScreen()函数截取当前视角和位置处的图像,所截图像可作为虚拟摄像***最终构建的虚拟图像。
实施例
(1)原始飞机CAD模型如图8所示;
(2)基于虚拟摄像平台,不同零部件材质和光照下飞机模型渲染效果如图9所示,其中图像A的飞机模型材质为灰色高光泽塑料、B-x为抛光钢、C为榉木;且除B-2中为聚光源外,其余图像中均为6个线光源组合的光照形式。
(3)虚拟相机和实际相机图像转换关系如图10所示,其中,Dvir距离处对应的视场为虚拟相机成像结果,Dvir+Ddeta距离处对应的视场为实际相机的成像结果。两者之间可通过式(8)、(9)和(10)进行插值变换。
其中,Ptari,j,Poriu,v分别为实际视场和标准视场中某点的像素值,且
(4)零件轮廓对比实验中的参数选择
实际相机的型号为FLIR GS3-U3-91S6M-C,镜头焦距为23mm,靶面尺寸为12.7×9.6mm,图像分辨率为Pw,h=3376×2704。虚拟相机最终在Wvc×Hvc=1362×1091视口中截取像素大小为Wvc×Hvc=256×256的图像。实际中选取的工作距离为Wd=18Lmax,变动范围为
依托于Solidworks软件及Visual Studio平台,运行程序可实现指定零部件模型(stp、iges等格式)在各背景下多视角的图像获取。所构建的图像数据集示例如图11-13所示。
本发明的有益效果:
1)基准位姿的高精准性;
与真实数据集相比,本发明的虚拟拍摄技术可以依据机械建模软件精准设定相机和零件的位置,满足位姿分析和三维重建等任务对数据集高精度的要求。
2)成像效果的真实性;
可以根据不同类型光源组合、以及零部件材质的更换模拟真实环境中各光照条件下零件的成像效果,进而增加图像数据集在实际工业应用中的鲁棒性。
3)个性化需求设定的高便捷性
依托于Solidworks软件,可便捷设定零部件所处环境(光照、阴影)、拍摄基本参数、零部件材质等,同时可在短时间内实现大批量数据集获取。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种面向机械零部件的个性化2D数据集构建方法,其特征在于,包括以下步骤:
步骤1:采集待拍摄零部件信息,包括零部件模型名称和零部件模型边界框尺寸;
步骤2:设定虚拟相机参数,根据实际相机的相关参数,获得虚拟相机参数之间的相关参数约束关系,根据相关参数约束条件利用虚拟相机模拟实际相机;
步骤3:根据零部件信息建立位置选取规则,根据位置选取规则设定位置参数模拟空间中的各个位置;
步骤4:设定光源组合和背景图片,通过笛卡尔坐标或经纬坐标设定光源所在方位,模拟实际拍摄环境;
步骤5:利用虚拟相机在模拟空间和模拟实际拍摄环境中,拍摄零部件模型在不同位姿和环境下的图像,获得虚拟拍摄结果,对虚拟拍摄结果进行图像采集,获取虚拟图像构建数据集;
步骤51:固定虚拟相机参数中的相机类型、相机目标点和相机视野,根据模拟空间改变虚拟相机位置;相机目标点选为零部件模型边界框的中心,虚拟相机位置和零部件模型位置均通过笛卡尔坐标系下的坐标数值确定;
步骤52:零部件模型根据虚拟相机的拍摄距离对应一个测定空间,将测定空间通过若干经纬线进行划分,划分所得若干交点作为习惯拍摄位置;
步骤53:设定变动范围作为半径在习惯拍摄位置处构建变动球体空间;
步骤54:平行于基本拍摄平面的空间平面将变动空间分为两个半球,以上下半球中的三棱锥中除底面外所有棱边的中点作为习惯拍摄点,在每个习惯拍摄点拍摄零部件模型的图像。
2.根据权利要求1所述的一种面向机械零部件的个性化2D数据集构建方法,其特征在于,所述步骤2中,虚拟相机参数包括工作距离、视野范围和视角,实际相机的工作距离、视野范围和视角的表达式分别为:
Wd=|tzw| (1)
其中,Wd为工作距离;Fov(w,h)为水平或竖直方向的视野范围;θ为相机视角;tzw为图像标定所得平移矩阵中的Z向分量;f为镜头焦距;Ts(w,h)为相机靶面水平或竖直方向的尺寸;Tsh表示相机靶面竖直方向的尺寸;
实际相机的实拍图像中每个像素代表的物理距离表达为式:
结合相机成像条件中工作距离与焦距间的基本限制,相关参数约束关系如式(5)所示:
其中,P(w,h)为图像水平或竖直方向的像素数;ε为实拍图像中每个像素代表的物理距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210827953.XA CN115033998B (zh) | 2022-07-13 | 2022-07-13 | 一种面向机械零部件的个性化2d数据集构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210827953.XA CN115033998B (zh) | 2022-07-13 | 2022-07-13 | 一种面向机械零部件的个性化2d数据集构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115033998A CN115033998A (zh) | 2022-09-09 |
CN115033998B true CN115033998B (zh) | 2023-02-21 |
Family
ID=83128075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210827953.XA Active CN115033998B (zh) | 2022-07-13 | 2022-07-13 | 一种面向机械零部件的个性化2d数据集构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115033998B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2955409B1 (fr) * | 2010-01-18 | 2015-07-03 | Fittingbox | Procede d'integration d'un objet virtuel dans des photographies ou video en temps reel |
CN109887030A (zh) * | 2019-01-23 | 2019-06-14 | 浙江大学 | 基于cad稀疏模板的无纹理金属零件图像位姿检测方法 |
CN110706285A (zh) * | 2019-10-08 | 2020-01-17 | 中国人民解放军陆军工程大学 | 基于cad模型的物***姿预测方法 |
WO2022040983A1 (zh) * | 2020-08-26 | 2022-03-03 | 南京翱翔智能制造科技有限公司 | 基于cad模型的投影标记和机器视觉的实时注册方法 |
CN113269237B (zh) * | 2021-05-10 | 2022-12-27 | 青岛理工大学 | 基于注意力机制的装配体变化检测方法、设备和介质 |
CN113836722B (zh) * | 2021-09-24 | 2022-04-08 | 北京航空航天大学 | 基于可穿戴设备、场景与数模配准的装配状态感知方法 |
-
2022
- 2022-07-13 CN CN202210827953.XA patent/CN115033998B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115033998A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112444242B (zh) | 一种位姿优化方法及装置 | |
AU2011312140C1 (en) | Rapid 3D modeling | |
EP0930585B1 (en) | Image processing apparatus | |
CN109035327B (zh) | 基于深度学习的全景相机姿态估计方法 | |
CN110648274B (zh) | 鱼眼图像的生成方法及装置 | |
CN110458964B (zh) | 一种现实环境动态光照的实时计算方法 | |
CN106023307A (zh) | 基于现场环境的快速重建三维模型方法及*** | |
CN109214350A (zh) | 一种光照参数的确定方法、装置、设备及存储介质 | |
CN115527016A (zh) | 一种三维gis视频融合注册方法、***、介质、设备及终端 | |
CN111739103A (zh) | 一种基于单点标定物的多相机标定*** | |
CN114792345A (zh) | 一种基于单目结构光***的标定方法 | |
CN111340959A (zh) | 一种基于直方图匹配的三维模型无缝纹理贴图方法 | |
CN115033998B (zh) | 一种面向机械零部件的个性化2d数据集构建方法 | |
CN113744361B (zh) | 一种基于三目视觉的三维高精地图构建方法及装置 | |
CN113115024B (zh) | 一种3d信息采集设备 | |
CN115953460A (zh) | 基于自监督深度学习的视觉里程计方法 | |
CN110874820B (zh) | 一种物料仿真形变数据获取方法及装置 | |
Han et al. | 3D reconstruction of dense model based on the sparse frames using RGBD camera | |
CN113596432B (zh) | 可变视角的3d视频制作方法、装置、设备及存储介质 | |
CN110599587A (zh) | 一种基于单张图像的3d场景重构技术 | |
JP7504614B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
Pomaska et al. | Automated processing of digital image data in architectural surveying | |
CN118247429A (zh) | 一种空地协同快速三维建模方法及*** | |
CN115205490A (zh) | 一种全视角三维重建的方法及装置 | |
CN114972694A (zh) | 对象标注方法和装置、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 |