CN117066702B - 一种基于激光器的激光打标控制*** - Google Patents
一种基于激光器的激光打标控制*** Download PDFInfo
- Publication number
- CN117066702B CN117066702B CN202311086797.7A CN202311086797A CN117066702B CN 117066702 B CN117066702 B CN 117066702B CN 202311086797 A CN202311086797 A CN 202311086797A CN 117066702 B CN117066702 B CN 117066702B
- Authority
- CN
- China
- Prior art keywords
- pose
- product
- laser
- information
- determining
- 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
- 238000010330 laser marking Methods 0.000 title claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 7
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/362—Laser etching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及激光器控制技术领域,特别是涉及一种基于激光器的激光打标控制***,包括:图像采集设备、激光器、数据库、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤,根据A1,确定标准矩形信息C1=[w1 c,h1 c],根据B,确定当前矩形信息D=[wd,hd],若min[|w1 c‑wd|,|w1 c‑hd|,|h1 c‑wd|,|h1 c‑hd|]≠0,则将B和An匹配,得到n个距离差异程度值en,确定min(en)对应的参考标识信息为目标标识信息F,根据B、F和F对应的参考位姿αF,得到第一预测位姿αB,根据αB,调整激光器的位姿,以位姿调整后的激光器对所属当前产品进行打标。
Description
技术领域
本发明涉及激光器控制技术领域,特别是涉及一种基于激光器的激光打标控制***。
背景技术
目前,随着激光器应用的快速发展,采用激光器为产品进行激光打标已广泛应用于产品流水线生产过程中,从而极大地提升了产品流水线生产的效率。
由于激光打标需要保证产品在流水线上的摆放位姿固定,因此需要对产品位姿进行监控,现有方式通常采用特征点核验的方式确定当前产品的位姿是否与标准位姿一致,进而在产品位姿出现异常能够及时预警,但是,现有方式会导致激光打标过程的自动化程度降低,也即在出现产品位姿异常时,需要采用人工方式进行异常产品调整,因此,在激光器位姿可变换的基础上,现有技术可以根据特征点偏移信息确定激光器位姿调整方式,从而实现自动化的激光打标过程。
然而,由于用于特征点提取的图像通常是二维图像,仅能准确表征出产品在传送带水平表面上的旋转信息,在产品因传送带表面不平整、震动等因素而出现在垂直于传送带水平表面方向的旋转情况时,采用现有方式将会导致激光器位姿调整错误,进而导致激光打标的准确率大幅下降,因此,如何提高激光打标的准确率成为了亟待解决的问题。
发明内容
针对上述技术问题,本发明采用的技术方案为一种基于激光器的激光打标控制***,激光打标控制***包括:图像采集设备、激光器、数据库、处理器和存储有计算机程序的存储器,其中,数据库中包括待打标产品的参考标识信息集合A={A1,A2,…,An,…,AN}和当前产品的当前标识信息B,An是指待打标产品对应第n个参考位姿的第n个参考标识信息,A1是指待打标产品在标准参考位姿下的参考标识信息,An={An 1,An 2,…,An m,…,An Mn},An m是指第n个参考标识信息中的第m个参考标识点坐标,n的取值范围为[1,2,…,N],m的取值范围为[1,2,…,Mn],B={B1,B2,…,Bk,…,BK},Bk是指第k个当前标识点坐标,k的取值范围为[1,2,…,K],当计算机程序被处理器执行时,实现以下步骤:
S11,根据A1,确定待打标产品的最小外接矩形,得到标准矩形信息C1=[w1 c,h1 c]。
S12,根据B,确定当前产品的最小外接矩形,得到当前矩形信息D=[wd,hd]。
S13,若min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]≠0,则将B和An分别进行匹配,得到n个匹配对及其对应的距离差异程度值en。
其中,S13步骤还包括以下步骤:
S131,若k<mn,则从An中确定对应Bk的匹配点Gn k,使得min[σ2(Bk-Gn k)]。
S132,计算en=ΣK k=1(Bk-Gn k)/K。
S14,确定min(en)对应的参考标识信息为目标标识信息F。
S15,根据B、F和F对应的参考位姿αF,对B的位姿信息进行预测,得到第一预测位姿αB。
S16,根据αB,调整激光器的位姿,以位姿调整后的激光器对所属当前产品进行打标。
本发明与现有技术相比具有明显的有益效果,借由上述技术方案,本发明提供的一种基于激光器的激光打标控制***可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有以下有益效果:
本发明提供了一种基于激光器的激光打标控制***,激光打标控制***包括:图像采集设备、激光器、数据库、处理器和存储有计算机程序的存储器,其中,数据库中包括待打标产品的参考标识信息集合A={A1,A2,…,An,…,AN}和当前产品的当前标识信息B,An是指待打标产品对应第n个参考位姿的第n个参考标识信息,A1是指待打标产品在标准参考位姿下的参考标识信息,An={An 1,An 2,…,An m,…,An Mn},An m是指第n个参考标识信息中的第m个参考标识点坐标,n的取值范围为[1,2,…,N],m的取值范围为[1,2,…,Mn],B={B1,B2,…,Bk,…,BK},Bk是指第k个当前标识点坐标,k的取值范围为[1,2,…,K],当计算机程序被处理器执行时,实现以下步骤,根据A1,确定待打标产品的最小外接矩形,得到标准矩形信息C1=[w1 c,h1 c],根据B,确定当前产品的最小外接矩形,得到当前矩形信息D=[wd,hd],若min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]≠0,则将B和An分别进行匹配,得到n个匹配对及其对应的距离差异程度值en,确定min(en)对应的参考标识信息为目标标识信息F,根据B、F和F对应的参考位姿αF,对B的位姿信息进行预测,得到第一预测位姿αB,根据αB,调整激光器的位姿,以位姿调整后的激光器对所属当前产品进行打标。
可知,根据待打标产品和当前产品的最小外接矩形的边长进行比对判断,能够以较小的计算量快速确定出当前产品存在位姿异常的情况,而且,通过标识点整体匹配的方式,能够在仅有二维信息的基础上更加充分地表征出产品的位姿信息,相较于现有技术直接通过特征点独立匹配的方式,避免了特征点匹配冲突等情况,从而提高了产品位姿预测的准确率,进而提高了激光器进行激光打标的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于激光器的激光打标控制***的计算机程序执行的流程图。
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,本领域技术人员在没有作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。
本发明实施例提供一种基于激光器的激光打标控制***,激光打标控制***包括:图像采集设备、激光器、数据库、处理器和存储有计算机程序的存储器。
其中,数据库中包括待打标产品的参考标识信息集合A={A1,A2,…,An,…,AN}和当前产品的当前标识信息B,待打标产品和当前产品为同一批次生产的产品。
An是指待打标产品对应第n个参考位姿的第n个参考标识信息,A1是指待打标产品在标准参考位姿下的参考标识信息,标准参考位姿可以是指待打标产品在传送带上水平放置时的位姿,不同参考位姿可以通过对待打标产品进行旋转得到,实施者可以通过人为调整待打标产品位姿,使用图像采集设备采集图像,对采集图像进行特征点提取的方式获取到A,也可以通过计算机仿真的方式得到A,在此不作限制,由于A的获取可以是在实际激光打标过程之前执行的,因此并不影响激光打标过程的效率。
An={An 1,An 2,…,An m,…,An Mn},An m是指第n个参考标识信息中的第m个参考标识点坐标,参考标识点坐标为二维坐标,n的取值范围为[1,2,…,N],m的取值范围为[1,2,…,Mn],图像采集设备以俯视视角设置,也即图像采集设备可以采集待打标产品的顶视图,设待打标产品对应第n个参考位姿的顶视图为Pn,参考标识信息可以使用特征点提取算法对Pn进行处理得到,特征点提取算法可以采用Harris角点检测算法、ORB特征点检测算法、SIFT特征点检测算法等。
B={B1,B2,…,Bk,…,BK},Bk是指第k个当前标识点坐标,参考标识点坐标也为二维坐标,k的取值范围为[1,2,…,K],设当前产品对应的顶视图为Q,当前标识信息可以使用特征点提取算法对Q进行处理得到。
当计算机程序被处理器执行时,实现以下步骤:
S11,根据A1,确定待打标产品的最小外接矩形,得到标准矩形信息C1=[w1 c,h1 c]。
其中,w1 c可以是指待打标产品的最小外接矩形中的宽,h1 c可以是指待打标产品的最小外接矩形中的高。
S12,根据B,确定当前产品的最小外接矩形,得到当前矩形信息D=[wd,hd]。
其中,wd可以是指当前产品的最小外接矩形中的宽,hd可以是指当前产品的最小外接矩形中的高。
在一种具体的实施方式中,最小外接矩形通过minAreaRect函数确定。
其中,由于图像采集设备采集到的P1和Q为二维图像,因此可以直接应用OpenCV库中的minAreaRect()函数实现最小外接矩形的提取。
S13,若min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]≠0,则将B和An分别进行匹配,得到n个匹配对及其对应的距离差异程度值en。
其中,min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]≠0可以表示当前产品未以平行于w1 c或者h1 c的轴线进行旋转,单个匹配对中包含若干个匹配关系,一个匹配关系中包含B中的一个当前标识点坐标与An中一个参考标识点坐标。
具体地,产品的位姿异常可以分为四种情况,第一种情况为产品在传送带水平表面上出现旋转,此时,产品的旋转轴线与传送带水平表面垂直,该情况下当前产品和待打标产品的最小外接矩形的宽和高均相同,可以直接通过最小外接矩形进行旋转匹配来确定位姿变化情况,第二种情况为产品在传送带水平表面上出现移动,该情况下当前产品和待打标产品的最小外接矩形的宽和高也均相同,同样可以直接通过最小外接矩形进行匹配来确定位姿变化情况,因此在本实施例中默认上述第一种情况和第二种情况是易于处理的。
第三种情况为产品以平行于产品宽边或者高边的轴线进行旋转,该情况下当前产品和待打标产品的最小外接矩形的宽和高中仅有一个相同,第四种情况为产品未以平行于产品宽边或者高边的轴线进行旋转,且该轴线不与传送带水平表面垂直,该情况下当前产品和待打标产品的最小外接矩形的宽和高均不相同,第四种情况也即满足min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]≠0的情况。
在一种具体的实施方式中,计算机程序被处理器执行时,还实现以下步骤:
S21,若min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]=0,则计算边长差异信息I=max[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|];
S22,若I≠0,则根据I和获取到的待打标产品的三维结构信息J,确定B的第二预测位姿。
其中,min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]=0,说明当前产品属于上述第一种情况、第二种情况和第三种情况,而此时若I≠0,则说明当前说明产品属于上述第三种情况,由于第一种情况和第二种情况默认是易于处理的,因此若I=0,则根据A1和B即可确定B的第三预测位姿。
具体地,当产品处于第三种情况时,在已知三维结构信息的基础上,其沿轴线的旋转角度、轴线位置与其边长差异信息之间存在映射关系,实施者可以采用在***数据库中预先存储映射表的方式实现对第二预测位姿的查找,也可以根据已获取的边长差异信息与其对应的轴线位置和旋转角度进行预测模型的训练,采用经训练的预测模型进行第二预测位姿的预测,预测得到的轴线位置和旋转角度即为B的第二预测位姿。
在一种具体的实施方式中,S22步骤中还包括以下步骤:
S221,根据I和获取到的待打标产品的三维结构信息J,使用预设的第一位姿预测模型进行位姿预测,得到初始预测位姿;
S222,将A1按照初始预测位姿映射,得到映射结果K;
S223,计算映射差异信息dis=||K-B||2;
S224,在dis小于预设阈值margin时,确定初始预测位姿为第二预测位姿。
其中,预设的第一位姿预测模型即为上述经训练的预测模型,初始预测位姿可以是指经训练的预测模型的输出结果。
在dis小于预设阈值margin时,说明此时所得到的初始预测位姿符合当前产品的实际情况,以初始预测位姿作为第二预测位姿。
在一种具体的实施方式中,S22步骤中还包括以下步骤:
S225,在dis大于或者等于margin时,以dis作为训练损失对第一位姿预测模型进行微调,得到经微调的第一位姿预测模型;
S226,根据I和J,使用经微调的第一位姿预测模型进行位姿预测,得到目标预测位姿,确定目标预测位姿为第二预测位姿。
其中,在dis大于或者等于margin时,说明此时所得到的初始预测位姿不符合当前产品的实际情况,而其原因可能是经训练的预测模型未采用对应的训练数据进行训练,导致经训练的预测模型泛化能力较差,因此以dis作为训练损失对第一位姿预测模型进行微调,得到更为准确的经微调的第一位姿预测模型,再根据I和J,使用经微调的第一位姿预测模型进行位姿预测,得到目标预测位姿,确定目标预测位姿为第二预测位姿,需要说明的是,微调过程以训练损失收敛为结束,此时经微调的第一位姿预测模型能够在历史学习到的边长差异信息和三维结构信息,及与其对应的轴线位置和旋转角度之间的映射关系基础上适应当前产品的实际情况,从而得到更为准确的目标预测位姿。
其中,S13步骤还包括以下步骤:
S131,若k<mn,则从An中确定对应Bk的匹配点Gn k,使得min[σ2(|Bk-Gn k|)];
S132,计算en=ΣK k=1(|Bk-Gn k|)/K。
其中,k<mn时说明An中的参考标识点数量大于B中的当前标识点数量,因此从An中为每个Bk确定一个对应的匹配点Gn k,|Bk-Gn k|可以表示Bk与其对应匹配点Gn k之间的距离差异信息,σ2(|Bk-Gn k|)可以表征各个Bk与其对应匹配点之间的距离差异信息的稳定程度。
具体地,由于参考标识点和当前标识点均是通过特征点提取算法得到的,因此参考标识点和当前标识点均携带有特征点描述信息,以特征点描述信息之间的相似度,作为对应参考标识点和当前标识点之间的匹配权重,采用二分匹配算法即可为每个Bk确定出对应的Gn k,并使得整体匹配权重之和最大,在本实施例中,在整体匹配权重之和约束匹配过程的基础上,添加了使得min[σ2(Bk-Gn k)]的条件,以保证各个匹配结果之间的距离稳定,由于位姿异常而导致当前产品相较于待打标产品出现特征点的新增或者减少,额外增加约束条件能够有效避免出现错误匹配,提高匹配过程的准确率。
在一种具体的实施方式中,将B和An分别进行匹配时采用KM匹配算法。
其中,KM匹配算法属于二分匹配算法,实施者也可以选用匈牙利匹配算法实现匹配。
S14,确定min(en)对应的参考标识信息为目标标识信息F。
其中,min(en)可以表示参考标识信息与当前标识信息作为接近,因此以min(en)对应的参考标识信息作为目标标识信息F。
在一种具体的实施方式中,计算机程序被处理器执行时,还实现以下步骤:
S31,若k≥mn,则从Bk中确定对应An的匹配点Gn mn,使得min[σ2(Bk-Gn mn)];
S32,计算en=ΣMn mn=1(Bk-Gn mn)/Mn;
S33,确定min(en)对应的参考标识信息为目标标识信息F。
其中,k≥mn时说明An中的参考标识点数量小于或者等于B中的当前标识点数量,因此从Bk中为每个An确定一个对应的匹配点Gn mn,|Bk-Gn mn|可以表示Bk与其对应匹配点Gn mn之间的距离差异信息,σ2(|Bk-Gn mn|)可以表征各个Bk与其对应匹配点之间的距离差异信息的稳定程度。
S15,根据B、F和F对应的参考位姿αF,对B的位姿信息进行预测,得到第一预测位姿αB。
其中,由于标准参考位姿是已知的,F对应的参考位姿αF也是已知的,也即αF相对于标准参考位姿的位姿变化情况是已知的,根据B和F能够得到B和F分别对应的位姿之间的关系,则能够预测B相对于标准参考位姿的位姿变化情况。
在一种具体的实施方式中,S15步骤中还包括以下步骤:
S151,根据B、F,使用第一编码器提取得到标识特征信息U1;
S152,根据αF,使用第二编码器提取得到位姿特征信息U2;
S153,根据U1和U2,使用解码器对B的位姿信息进行预测,得到αB。
其中,第一编码器可以用于根据B和F,提取得到标识信息之间的关联特征,也即标识特征信息U1,第二编码器可以用于αF的位姿特征信息U2,需要说明的是,U2和U1之间需要进行尺寸归一化操作,尺寸归一化操作可以采用补零方式实现,将U2和U1拼接,将拼接结果输入到解码器中,由解码器将拼接结果映射到预测位姿信息的输出空间中,得到αB。
S16,根据αB,调整激光器的位姿,以位姿调整后的激光器对所属当前产品进行打标。
其中,激光器位姿和产品位姿存在关联关系,该关联关系也可以存储于数据库中,在已知αB的情况下,可以根据关联关系确定激光器的位姿调整方式,从而以位姿调整后的激光器对所属当前产品进行打标,实现自动化地异常位姿产品打标。
本实施例中,根据待打标产品和当前产品的最小外接矩形的边长进行比对判断,能够以较小的计算量快速确定出当前产品存在位姿异常的情况,而且,通过标识点整体匹配的方式,能够在仅有二维信息的基础上更加充分地表征出产品的位姿信息,相较于现有技术直接通过特征点独立匹配的方式,避免了特征点匹配冲突等情况,从而提高了产品位姿预测的准确率,进而提高了激光器进行激光打标的准确率。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (5)
1.一种基于激光器的激光打标控制***,其特征在于,所述激光打标控制***包括:图像采集设备、激光器、数据库、处理器和存储有计算机程序的存储器,其中,所述数据库中包括待打标产品的参考标识信息集合A={A1,A2,…,An,…,AN}和当前产品的当前标识信息B,An是指所述待打标产品对应第n个参考位姿的第n个参考标识信息,A1是指所述待打标产品在标准参考位姿下的参考标识信息,An={An 1,An 2,…,An m,…,An Mn},An m是指第n个参考标识信息中的第m个参考标识点坐标,n的取值范围为[1,2,…,N],m的取值范围为[1,2,…,Mn],B={B1,B2,…,Bk,…,BK},Bk是指第k个当前标识点坐标,k的取值范围为[1,2,…,K],当所述计算机程序被处理器执行时,实现以下步骤:
S11,根据A1,确定待打标产品的最小外接矩形,得到标准矩形信息C1=[w1 c,h1 c];
S12,根据B,确定当前产品的最小外接矩形,得到当前矩形信息D=[wd,hd];
S13,若min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]≠0,则将B和An分别进行匹配,得到n个匹配对及其对应的距离差异程度值en;
其中,S13步骤还包括以下步骤:
S131,若k<mn,则从An中确定对应Bk的匹配点Gn k,使得min[σ2(|Bk-Gn k|)];
S132,计算en=ΣK k=1(|Bk-Gn k|)/K;
S14,确定min(en)对应的参考标识信息为目标标识信息F;
S15,根据B、F和F对应的参考位姿αF,对B的位姿信息进行预测,得到第一预测位姿αB;
S16,根据αB,调整所述激光器的位姿,以位姿调整后的激光器对所述当前产品进行打标;
其中,所述计算机程序被处理器执行时,还实现以下步骤:
S21,若min[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|]=0,则计算边长差异信息I=max[|w1 c-wd|,|w1 c-hd|,|h1 c-wd|,|h1 c-hd|];
S22,若I≠0,则根据I和获取到的所述待打标产品的三维结构信息J,确定B的第二预测位姿,其中,S22步骤中还包括以下步骤:
S221,根据I和获取到的所述待打标产品的三维结构信息J,使用预设的第一位姿预测模型进行位姿预测,得到初始预测位姿;
S222,将A1按照所述初始预测位姿映射,得到映射结果K;
S223,计算映射差异信息dis=||K-B||2;
S224,在dis小于预设阈值margin时,确定所述初始预测位姿为所述第二预测位姿;
S225,在dis大于或者等于margin时,以dis作为训练损失对所述第一位姿预测模型进行微调,得到经微调的第一位姿预测模型;
S226,根据I和J,使用所述经微调的第一位姿预测模型进行位姿预测,得到目标预测位姿,确定所述目标预测位姿为所述第二预测位姿。
2.根据权利要求1所述的激光打标控制***,其特征在于,所述最小外接矩形通过minAreaRect函数确定。
3.根据权利要求1所述的激光打标控制***,其特征在于,将B和An分别进行匹配时采用KM匹配算法。
4.根据权利要求1所述的激光打标控制***,其特征在于,所述计算机程序被处理器执行时,还实现以下步骤:
S31,若k≥mn,则从Bk中确定对应An的匹配点Gn mn,使得min[σ2(Bk-Gn mn)];
S32,计算en=ΣMn mn=1(Bk-Gn mn)/Mn;
S33,确定min(en)对应的参考标识信息为所述目标标识信息F。
5.根据权利要求1所述的激光打标控制***,其特征在于,S15步骤中还包括以下步骤:
S151,根据B、F,使用第一编码器提取得到标识特征信息U1;
S152,根据αF,使用第二编码器提取得到位姿特征信息U2;
S153,根据U1和U2,使用解码器对B的位姿信息进行预测,得到αB。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311086797.7A CN117066702B (zh) | 2023-08-25 | 2023-08-25 | 一种基于激光器的激光打标控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311086797.7A CN117066702B (zh) | 2023-08-25 | 2023-08-25 | 一种基于激光器的激光打标控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117066702A CN117066702A (zh) | 2023-11-17 |
CN117066702B true CN117066702B (zh) | 2024-04-19 |
Family
ID=88716793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311086797.7A Active CN117066702B (zh) | 2023-08-25 | 2023-08-25 | 一种基于激光器的激光打标控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117066702B (zh) |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815303A (zh) * | 2005-02-03 | 2006-08-09 | 精工爱普生株式会社 | 光学装置的制造装置、其制造方法以及投影机 |
CN103676242A (zh) * | 2013-12-23 | 2014-03-26 | 合肥京东方光电科技有限公司 | 彩膜基板的修补方法 |
CN104439698A (zh) * | 2014-11-26 | 2015-03-25 | 北京凌云光技术有限责任公司 | 用于激光加工***的标定方法及装置 |
CN107170002A (zh) * | 2017-05-04 | 2017-09-15 | 中国科学院微电子研究所 | 一种图像自动对焦方法和设备 |
CN107389688A (zh) * | 2017-07-21 | 2017-11-24 | 中国工程物理研究院激光聚变研究中心 | 大口径熔石英光学元件表面微缺陷多工位集成修复方法 |
CN107486628A (zh) * | 2017-08-24 | 2017-12-19 | 广东工业大学 | 一种在线视觉引导对位的激光打标***和激光打标方法 |
CN108015428A (zh) * | 2017-12-30 | 2018-05-11 | 深圳泰德激光科技有限公司 | 三维激光打标方法、装置及存储介质 |
EP3460385A1 (en) * | 2016-05-16 | 2019-03-27 | Hangzhou Hikrobot Technology Co., Ltd | Method and apparatus for determining volume of object |
CN110216374A (zh) * | 2019-05-09 | 2019-09-10 | 霍夫纳格智能科技(上海)有限公司 | 激光加工***和激光加工方法 |
CN110434516A (zh) * | 2019-08-28 | 2019-11-12 | 浙江大学城市学院 | 一种智能焊接机器人***及焊接方法 |
EP3605461A1 (en) * | 2017-03-24 | 2020-02-05 | Dalian Czur Tech Co., Ltd. | Marker for occluding foreign matter in acquired image, method for recognizing foreign matter marker in image and book scanning method |
CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
CN111496344A (zh) * | 2020-04-08 | 2020-08-07 | 济南重工股份有限公司 | 一种基于激光传感器的v型坡口信息处理方法 |
CN111604598A (zh) * | 2020-05-06 | 2020-09-01 | 大连理工大学 | 一种机械臂进给式激光刻蚀***的对刀方法 |
CN112108774A (zh) * | 2020-09-04 | 2020-12-22 | 深圳泰软软件科技有限公司 | 三维激光位图打标方法、装置及计算机可读存储介质 |
CN112388185A (zh) * | 2020-11-23 | 2021-02-23 | 西安中科微精光子制造科技有限公司 | 针对非线性形变的激光切割补偿方法、装置及存储介质 |
CN112631303A (zh) * | 2020-12-26 | 2021-04-09 | 北京云迹科技有限公司 | 一种机器人定位方法、装置及电子设备 |
CN112669381A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
CN112689135A (zh) * | 2021-03-19 | 2021-04-20 | 深圳市火乐科技发展有限公司 | 投影校正方法、装置、存储介质及电子设备 |
CN112730449A (zh) * | 2020-12-16 | 2021-04-30 | 上海辛玮智能科技有限公司 | 自动对焦液晶模组围观三维立体检测光学方法 |
CN113176696A (zh) * | 2021-04-29 | 2021-07-27 | 歌尔光学科技有限公司 | 一种镜头的自动调焦方法、装置及*** |
CN113268055A (zh) * | 2021-04-07 | 2021-08-17 | 北京拓疆者智能科技有限公司 | 工程车辆避障控制方法、装置及机械设备 |
CN113510703A (zh) * | 2021-06-25 | 2021-10-19 | 深圳市优必选科技股份有限公司 | 机器人位姿的确定方法、装置、机器人及存储介质 |
CN114241316A (zh) * | 2021-12-22 | 2022-03-25 | 杭州萤石软件有限公司 | 一种物体空间信息标签的生成方法、装置、存储介质和电子设备 |
CN114266831A (zh) * | 2021-12-30 | 2022-04-01 | 杭州堃博生物科技有限公司 | 辅助手术的数据处理方法、装置、设备、介质与*** |
WO2022105024A1 (zh) * | 2020-11-17 | 2022-05-27 | 深圳市优必选科技股份有限公司 | 机器人位姿的确定方法、装置、机器人及存储介质 |
KR20220106567A (ko) * | 2021-01-22 | 2022-07-29 | 한길씨앤씨 주식회사 | 특징점 매칭쌍 필터링을 이용한 이미지 포즈 추정 시스템 및 이를 이용한 이미지 포즈 추정방법 |
CN115424008A (zh) * | 2022-09-06 | 2022-12-02 | 哈工大机器人(合肥)国际创新研究院 | 一种激光投影仪产线调光聚焦检测方法及*** |
CN115682937A (zh) * | 2022-11-18 | 2023-02-03 | 中国科学院长春光学精密机械与物理研究所 | 一种自动化三维激光扫描仪的校准方法 |
CN115728943A (zh) * | 2021-09-02 | 2023-03-03 | 成都极米科技股份有限公司 | Vr投影*** |
CN116147477A (zh) * | 2022-12-29 | 2023-05-23 | 浙江大华技术股份有限公司 | 联合标定方法、孔位检测方法、电子设备以及存储介质 |
CN116165216A (zh) * | 2023-03-16 | 2023-05-26 | 苏州鼎纳自动化技术有限公司 | 一种液晶显示屏微划伤瑕疵3d检测方法、***及计算设备 |
-
2023
- 2023-08-25 CN CN202311086797.7A patent/CN117066702B/zh active Active
Patent Citations (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815303A (zh) * | 2005-02-03 | 2006-08-09 | 精工爱普生株式会社 | 光学装置的制造装置、其制造方法以及投影机 |
CN103676242A (zh) * | 2013-12-23 | 2014-03-26 | 合肥京东方光电科技有限公司 | 彩膜基板的修补方法 |
CN104439698A (zh) * | 2014-11-26 | 2015-03-25 | 北京凌云光技术有限责任公司 | 用于激光加工***的标定方法及装置 |
EP3460385A1 (en) * | 2016-05-16 | 2019-03-27 | Hangzhou Hikrobot Technology Co., Ltd | Method and apparatus for determining volume of object |
EP3605461A1 (en) * | 2017-03-24 | 2020-02-05 | Dalian Czur Tech Co., Ltd. | Marker for occluding foreign matter in acquired image, method for recognizing foreign matter marker in image and book scanning method |
CN107170002A (zh) * | 2017-05-04 | 2017-09-15 | 中国科学院微电子研究所 | 一种图像自动对焦方法和设备 |
CN107389688A (zh) * | 2017-07-21 | 2017-11-24 | 中国工程物理研究院激光聚变研究中心 | 大口径熔石英光学元件表面微缺陷多工位集成修复方法 |
CN107486628A (zh) * | 2017-08-24 | 2017-12-19 | 广东工业大学 | 一种在线视觉引导对位的激光打标***和激光打标方法 |
CN108015428A (zh) * | 2017-12-30 | 2018-05-11 | 深圳泰德激光科技有限公司 | 三维激光打标方法、装置及存储介质 |
CN110216374A (zh) * | 2019-05-09 | 2019-09-10 | 霍夫纳格智能科技(上海)有限公司 | 激光加工***和激光加工方法 |
CN110434516A (zh) * | 2019-08-28 | 2019-11-12 | 浙江大学城市学院 | 一种智能焊接机器人***及焊接方法 |
CN111496344A (zh) * | 2020-04-08 | 2020-08-07 | 济南重工股份有限公司 | 一种基于激光传感器的v型坡口信息处理方法 |
CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
CN111604598A (zh) * | 2020-05-06 | 2020-09-01 | 大连理工大学 | 一种机械臂进给式激光刻蚀***的对刀方法 |
CN112108774A (zh) * | 2020-09-04 | 2020-12-22 | 深圳泰软软件科技有限公司 | 三维激光位图打标方法、装置及计算机可读存储介质 |
WO2022105024A1 (zh) * | 2020-11-17 | 2022-05-27 | 深圳市优必选科技股份有限公司 | 机器人位姿的确定方法、装置、机器人及存储介质 |
CN112388185A (zh) * | 2020-11-23 | 2021-02-23 | 西安中科微精光子制造科技有限公司 | 针对非线性形变的激光切割补偿方法、装置及存储介质 |
CN112730449A (zh) * | 2020-12-16 | 2021-04-30 | 上海辛玮智能科技有限公司 | 自动对焦液晶模组围观三维立体检测光学方法 |
CN112631303A (zh) * | 2020-12-26 | 2021-04-09 | 北京云迹科技有限公司 | 一种机器人定位方法、装置及电子设备 |
CN112669381A (zh) * | 2020-12-28 | 2021-04-16 | 北京达佳互联信息技术有限公司 | 一种位姿确定方法、装置、电子设备及存储介质 |
KR20220106567A (ko) * | 2021-01-22 | 2022-07-29 | 한길씨앤씨 주식회사 | 특징점 매칭쌍 필터링을 이용한 이미지 포즈 추정 시스템 및 이를 이용한 이미지 포즈 추정방법 |
CN112689135A (zh) * | 2021-03-19 | 2021-04-20 | 深圳市火乐科技发展有限公司 | 投影校正方法、装置、存储介质及电子设备 |
CN113268055A (zh) * | 2021-04-07 | 2021-08-17 | 北京拓疆者智能科技有限公司 | 工程车辆避障控制方法、装置及机械设备 |
CN113176696A (zh) * | 2021-04-29 | 2021-07-27 | 歌尔光学科技有限公司 | 一种镜头的自动调焦方法、装置及*** |
CN113510703A (zh) * | 2021-06-25 | 2021-10-19 | 深圳市优必选科技股份有限公司 | 机器人位姿的确定方法、装置、机器人及存储介质 |
WO2022267285A1 (zh) * | 2021-06-25 | 2022-12-29 | 深圳市优必选科技股份有限公司 | 机器人位姿的确定方法、装置、机器人及存储介质 |
CN115728943A (zh) * | 2021-09-02 | 2023-03-03 | 成都极米科技股份有限公司 | Vr投影*** |
CN114241316A (zh) * | 2021-12-22 | 2022-03-25 | 杭州萤石软件有限公司 | 一种物体空间信息标签的生成方法、装置、存储介质和电子设备 |
CN114266831A (zh) * | 2021-12-30 | 2022-04-01 | 杭州堃博生物科技有限公司 | 辅助手术的数据处理方法、装置、设备、介质与*** |
CN115424008A (zh) * | 2022-09-06 | 2022-12-02 | 哈工大机器人(合肥)国际创新研究院 | 一种激光投影仪产线调光聚焦检测方法及*** |
CN115682937A (zh) * | 2022-11-18 | 2023-02-03 | 中国科学院长春光学精密机械与物理研究所 | 一种自动化三维激光扫描仪的校准方法 |
CN116147477A (zh) * | 2022-12-29 | 2023-05-23 | 浙江大华技术股份有限公司 | 联合标定方法、孔位检测方法、电子设备以及存储介质 |
CN116165216A (zh) * | 2023-03-16 | 2023-05-26 | 苏州鼎纳自动化技术有限公司 | 一种液晶显示屏微划伤瑕疵3d检测方法、***及计算设备 |
Non-Patent Citations (5)
Title |
---|
一种基于正方形内插点的二维平面 视觉定位算法;秦亚敏等;河 北 省 科 学 院 学 报;20230228;第40卷(第1期);全文 * |
一种基于激光三维成像雷达距离像的目标检测方法;黄明晶;蹇渊;王雪梅;孟伟杰;马蒙蒙;;激光与红外;20200720(07);全文 * |
基于姿态估计的单幅图像三维人脸重建;詹红燕;张磊;陶培亚;;微电子学与计算机;20150905(09);全文 * |
基于梯度卷积的激光光斑图像分割;杨世坤;杨逸峰;姜丽辉;左乐;;激光与红外;20200620(06);全文 * |
基于激光雷达的远距离运动车辆位姿估计;张名芳;付锐;石涌泉;程文冬;;公路交通科技;20171215(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117066702A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241947B (zh) | 目标检测模型的训练方法、装置、存储介质和计算机设备 | |
CN110866934B (zh) | 基于规范性编码的复杂点云分割方法及*** | |
CN107784288B (zh) | 一种基于深度神经网络的迭代定位式人脸检测方法 | |
CN109740633B (zh) | 一种图像相似度计算方法、装置、存储介质 | |
CN110969627B (zh) | 图像分割模型训练方法、图像处理方法及装置 | |
CN110838145B (zh) | 一种室内动态场景的视觉定位与建图方法 | |
US9129152B2 (en) | Exemplar-based feature weighting | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
CN110766075A (zh) | 轮胎区域图像比对方法、装置、计算机设备和存储介质 | |
CN107609565B (zh) | 一种基于图像全局特征主成分线性回归的室内视觉定位方法 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络*** | |
CN110826554B (zh) | 一种红外目标检测方法 | |
CN114529583A (zh) | 基于残差回归网络的电力设备跟踪方法及跟踪*** | |
CN117066702B (zh) | 一种基于激光器的激光打标控制*** | |
CN116228776B (zh) | 一种机电设备焊接缺陷识别方法及*** | |
CN108694411A (zh) | 一种识别相似图像的方法 | |
CN113129332A (zh) | 执行目标对象跟踪的方法和装置 | |
CN113591949A (zh) | 一种立木特征点匹配方法、装置、设备及介质 | |
CN111369532A (zh) | 乳腺x射线影像的处理方法和装置 | |
CN111476129A (zh) | 一种基于深度学习的土壤杂质检测方法 | |
CN117670881B (zh) | 基于目标分割的橡胶手套生产质量检测方法及*** | |
CN117952979B (zh) | 一种建设工程质量检测监管方法及*** | |
CN114240946B (zh) | 一种***异常检测方法、***、存储介质及计算设备 | |
CN112396648B (zh) | 一种可定位目标物质心的目标识别方法和*** | |
CN116681898A (zh) | 一种图像识别及定位方法 |
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 |