CN112001936A - 视觉定位的处理方法、装置、电子设备与存储介质 - Google Patents
视觉定位的处理方法、装置、电子设备与存储介质 Download PDFInfo
- Publication number
- CN112001936A CN112001936A CN202010862006.5A CN202010862006A CN112001936A CN 112001936 A CN112001936 A CN 112001936A CN 202010862006 A CN202010862006 A CN 202010862006A CN 112001936 A CN112001936 A CN 112001936A
- Authority
- CN
- China
- Prior art keywords
- target
- position information
- target point
- image
- processing
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Numerical Control (AREA)
Abstract
本发明提供了一种视觉定位的处理方法、装置、电子设备与存储介质,其中,视觉定位的处理方法,包括:获取参考位置信息,所述参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置;根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
Description
技术领域
本发明涉及材料加工领域,尤其涉及一种视觉定位的处理方法、装置、电子设备与存储介质。
背景技术
在材料加工领域(例如激光切割的加工领域),为了保证加工位置与上一道工序的相对位置关系,在加工之前会针对于目标材料进行视觉定位。
现有的相关技术中,在视觉定位时,通常会控制机床运动到靶标点(或称mark点),此时,会控制机床减速到0,等待视觉设备采集图像和图像识别,进而完成靶标点的定位,此过程一般至少需要500ms,在完成一个靶标点的定位后,可加速运动到下一个靶标点,重复以上过程。
可见,在以上过程中,机床需要频繁的加减速,还需要停下来等待图像处理,浪费了大量的时间,加工效率较低。
发明内容
本发明提供一种视觉定位的处理方法、装置、电子设备与存储介质,以解决浪费了大量的时间,加工效率较低的问题。
根据本发明的第一方面,提供了一种视觉定位的处理方法,其中,用于被视觉定位的目标材料中设有多个靶标点,所述多个靶标点包括第一靶标点与至少一个第二靶标点,视觉定位的处理方法,包括:
获取参考位置信息,所述参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置;所述运动结构为用于加工对应材料的加工结构,或者:用于承载对应材料的承载结构,所述视觉设备直接或间接固定连接所述加工结构;
根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;
在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
可选的,通过所述视觉设备获取对应的目标图像,包括:
控制所述视觉设备采集N张连续图像,其中的N为大于或等于1的奇数;
确定N-1张连续图像中每张连续图像相对于第n张连续图像的最大似然变换矩阵;其中,N=2n-1;所述N-1张连续图像为所述N张连续图像中除所述第n张连续图像之外的其余连续图像;
根据所述最大似然变换矩阵,对所述N-1张连续图像进行变换,得到N-1张变换后图像;
根据所述N-1张变换后图像,或者所述N-1张变换后图像与所述第n张连续图像,确定所述目标图像。
可选的,确定N-1张连续图像中每张连续图像相对于第n张连续图像的最大似然变换矩阵,包括:
对所述N张连续图像进行角点检测,确定每张连续图像中的角点;
根据所述N张连续图像中角点的分布情况,确定所述最大似然变换矩阵。
可选的,定位所述目标图像中的目标标靶点,包括:
在所述目标图像中提取所述目标标靶点的轮廓线;
计算所述轮廓线的包络框;
根据所述包络框,定位所述目标图像中的标靶点。
可选的,在所述目标图像中提取目标标靶点的轮廓线,包括:
确定所述目标图像对应的灰度图像;
对所述灰度图像进行二值化处理,得到二值化图像;
在所述二值化图像中提取所述轮廓线。
可选的,在所述目标图像中提取标靶点的轮廓线,包括:
对所述目标图像进行边缘检测,得到边缘线条;
采用随机抽样的方式,自所述边缘线条中提取出特征相近的线条,得到所述轮廓线。
可选的,确定所述运动结构的位置与任意之一预估位置信息相匹配,包括:
检测到所述运动结构的实际位置信息与任意之一预估位置信息相匹配。
可选的,确定所述运动结构的位置与任意之一预估位置信息相匹配,包括:
检测到所述运动结构的运动时间信息与任意之一预估位置信息所对应的预估时间信息相匹配,所述预估时间信息是根据所述预估位置信息与所述运动结构的规划运动速度确定的。
可选的,所述相对位置关系是根据所述目标材料的图纸上各靶标点的位置确定的。
根据本发明的第二方面,提供了一种视觉定位的处理装置,用于被视觉定位的目标材料中设有多个靶标点,所述多个靶标点包括第一靶标点与至少一个第二靶标点,材料加工的视觉处理装置,包括:
获取模块,用于获取参考位置信息,所述参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置;所述运动结构为用于加工对应材料的加工结构,或者:用于承载对应材料的承载结构,所述视觉设备直接或间接固定连接所述加工结构;
预估模块,用于根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;
视觉定位模块,用于在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
根据本发明的第三方面,提供了一种电子设备,包括处理器与存储器,
所述存储器,用于存储代码和相关数据;
所述处理器,用于执行所述存储器中的代码用以实现第一方面及其可选方案涉及的方法。
根据本发明的第四方面,提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面及其可选方案涉及的方法。
本发明提供的视觉定位的处理方法、装置、电子设备与存储介质中,根据第一靶标点对应的位置信息预估了各第二靶标点的位置信息,进而,通过预估位置信息,可以为图像采集时机的选定提供较为准确的依据。可见,本发明保障了:不论运动过程中是否停顿,均可在机床运动至对应靶标点位置时实施图像采集,进而,由于运动过程中的停顿不再是必须实施的过程,对应的加减速也并非是必须实施的过程,基于本发明,视觉定位的时长不再局限于较长的时间范围内,从而可有利于节约时间,有效提高加工效率。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中视觉定位的处理方法的流程示意图一;
图2是本发明一实施例中机床的构造示意图;
图3是本发明一实施例中步骤S13的流程示意图一;
图4是本发明一实施例中步骤S132的流程示意图;
图5是本发明一实施例中步骤S13的流程示意图二;
图6是本发明一实施例中步骤S135的流程示意图一;
图7是本发明一实施例中步骤S135的流程示意图二;
图8是本发明一实施例中视觉定位的处理方法的流程示意图二;
图9是本发明一实施例中视觉定位的处理装置的模块示意图;
图10是本发明一实施例中电子设备的构造示意图。
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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
请参考图1与图2,本发明实施例所涉及的视觉定位的处理方法与装置,可应用于机床的控制设备,也可应用于能够与机床交互的服务器、终端等。
请参考图2,机床中可设有加工结构201,其可用于加工对应的材料。根据加工的方式不同,加工结构201可以任意配置,例如:若加工的方式为切割,则加工结构201可以为切割头(例如激光切割头)。再例如:若加工的方式为喷码,则加工结构201可以为喷码组件,若加工的方式为裂片,则加工结构201可以为裂片组件。不论采用何种加工结构,均不脱离本发明实施例的范围。
机床中还可设有视觉设备202,视觉设备202可以直接或间接固定连接加工结构201,该视觉设备202可以是具备图像采集能力的任意设备,进一步的,视觉设备202还可集成有滤波、放大的功能,不论采用何种视觉设备202,均不脱离本发明实施例的范围。
机床中还可设有承载结构204,所需加工的材料可设于承载结构204,即:承载结构204可用于承载对应的材料。在视觉定位时,可将目标材料203设于承载结构204。该目标材料即为用于被视觉定位的材料。
其中的机床可配置为利用承载结构204作为运动结构,进而通过承载结构204的运动实现材料相对于加工结构201与视觉设备202的运动,其中的机床也可配置为利用加工结构201及视觉设备202的运动实现材料相对于加工结构201与视觉设备202的运动。
其中的目标材料中设有多个靶标点,所述多个靶标点包括第一靶标点与至少一个第二靶标点,其中的靶标点也可理解为mark点。若材料为板材,则:通过确定板材上mark点的机械坐标(即其在机床的机械坐标系下的位置),即可确定整个板材的机械坐标。
请参考图1,视觉定位的处理方法,包括:
S11:获取参考位置信息;
S12:根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;
S13:在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
其中的参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置。其中的参考位置信息可以例如采用机床的机械坐标系下的坐标来描述。
若参考位置信息表征的是对应运动结构的位置,则在确定预估位置信息时,可直接基于相对位置关系换算,若参考位置信息表征的是对应第一标靶点的位置,则在确定预估位置信息时可结合相对位置关系与加工结构(例如切割头)与视觉设备的相对位置偏差来换算。
参考位置信息可以是开始视觉定位后获取的,也可以是在未开始视觉定位前就获取的(例如:在安装时就可将第一靶标点安装于可被视觉设备采集到进而实现定位的位置)。同时,参考位置信息可以是在不停顿的运动过程中获取的,也可以是停顿之后获取的。不论采用何种方式获取参考位置信息,均不脱离本发明实施例的范围。进一步的,第一靶标点可以是多个靶标点中的第一个靶标点。
其中一种实施方式中,所述相对位置关系是根据所述目标材料的图纸上各靶标点的位置确定的。相对位置关系具体可以采用目标材料的cad图纸上各mark点在图纸中的相对位置关系,或基于此图纸中的相对位置关系计算确定。
步骤S13中运动结构的位置与预估位置信息的匹配,可以指相同,也可以指偏差满足一定的要求。
其中一种实施方式中,确定所述运动结构的位置与任意之一预估位置信息相匹配,可以具体包括:检测到所述运动结构的实际位置信息与任意之一预估位置信息相匹配。
其中,实际位置信息可以是编码器反馈的信号,或基于编码器反馈的信号确定的。
另一实施方式中,确定所述运动结构的位置与任意之一预估位置信息相匹配,可以具体包括:
检测到所述运动结构的运动时间信息与任意之一预估位置信息所对应的预估时间信息相匹配,所述预估时间信息是根据所述预估位置信息与所述运动结构的规划运动速度确定的。
其中的预估时间信息可以指时间点,也可以指时间长度。例如可预估x秒之后可到达某预估位置信息所表征的位置,那么,在累计运动了x秒之后,可认为此时运动结构的位置应是与预估位置信息匹配的。再例如可预估18:00到达某预估位置信息所表征的位置,那么,在时间到达18:00时,可认为此时运动结构的位置应是与预估位置信息匹配的。
在具体实施过程中,也可同时基于预估位置信息与预估时间信息双重检测的方式来实现。
步骤S13中的运动可以是完全不停顿的,同时也不排除在部分或全部靶标点的位置停顿的方案。可见,本发明实施例下,可以选择停顿还是不停顿,相较而言,现有技术中的停顿为必须实施的过程。
此外,运动结构的运动,可以是基于预设的轨迹控制的,也可以是基于前文所涉及的预估位置信息控制的。
请参考图3,其中一种实施方式中,步骤S13(具体指其中的通过所述视觉设备获取对应的目标图像)可以包括:
S131:控制所述视觉设备采集N张连续图像,其中的N为大于或等于1的奇数;
S132:确定N-1张连续图像中每张连续图像相对于第n张连续图像的最大似然变换矩阵;其中,N=2n-1;所述N-1张连续图像为所述N张连续图像中除所述第n张连续图像之外的其余连续图像;
S133:根据所述最大似然变换矩阵,对所述N-1张连续图像进行变换,得到N-1张变换后图像;
S134:根据所述N-1张变换后图像,或所述N-1张变换后图像与所述第n张连续图像,确定所述目标图像。
通过以上实施方式,可以最大似然变换矩阵为依据,兼顾各连续图像中内容,形成较佳的同一性,进而能够有助于互相弥补瞬间的图像采集而产生的缺陷,可见,该实施方式是针对于运动中图像采集的需求而特别设计的。
具体实施过程中,请参考图4,步骤S132可以包括:
S1321:对所述N张连续图像进行角点检测,确定每张连续图像中的角点;
S1322:根据所述N张连续图像中角点的分布情况,确定所述最大似然变换矩阵。
通过以上过程,可找到连续图像中的角点,进而,基于角点,可为最大似然变换矩阵的确定提供清晰、充分的依据,保障变换矩阵能够快速、准确地被计算出来。
在步骤S134中,可针对于N-1张变换后图像(或N-1张变换后图像与第n张连续图像)中每一个位置的像素取平均值,进而求出图像的平均值作为所述目标图像。
请参考图5,其中一种实施方式中,步骤S13(具体指其中的定位所述目标图像中的目标标靶点)可以包括:
S135:在所述目标图像中提取所述目标标靶点的轮廓线;
S136:计算所述轮廓线的包络框;
S137:根据所述包络框,定位所述目标图像中的标靶点。
其中的包络框可例如是矩形包络框,其他举例中,包络框也可以是圆形包络框、椭圆包络框,包络框的形状可优选为规则图形(例如对称图形),进而,可有利于利用其规则性来准确定位出对应的信息。不过,本发明实施例也不排除采用不规则图形的实施方式。
在步骤S137中,可计算包络框的角度和中心坐标,从而基于此来表征出定位结果。
具体举例中,在步骤S135之前,可先对目标图像进行图像滤波,去除其噪声,得到降噪(或去噪)后的目标图像。
请参考图6,一种举例中,步骤S135可以包括:
S1351:确定所述目标图像对应的灰度直方图;
S1352:根据所述灰度直方图,确定灰度波谷值;
S1353:根据所述灰度波谷值,对所述目标图像进行二值化处理,得到二值化图像;
S1354:在所述二值化图像中提取所述轮廓线。
步骤S1351中,具体可统计像素灰度直方图,在将其平滑处理为具有两段波峰的形状。对应的,步骤S1352中的灰度波谷值可具体为平滑处理后的两段波峰之间的波谷。
请参考图7,另一种举例中,步骤S135可以包括:
S1355:对所述目标图像进行边缘检测,得到边缘线条;
S1356:采用随机抽样的方式,自所述边缘线条中提取出特征相近的线条,得到所述轮廓线。
请参考图8,以下可采用一个具体的举例对视觉定位的处理方法的具体实现过程进行描述,其中的主要步骤为:
1、准备板材(即目标材料),开始视觉定位;
2、根据cad图纸上各mark点(即靶标点)的相对位置关系,以及第一个mark点(即第一靶标点)的初始机械坐标(即参考位置信息),计算所有mark点的初始机械坐标(即预估位置信息)。
3、判断是否经过所有的mark点。如果已经经过所有mark点,则执行步骤8,否则同时执行步骤4以及步骤5、6、7;
4、向下一个mark点运动。之后进入步骤3;
5、采集编码器反馈(即获取实时位置信息),与mark点初始机械坐标(即预估位置信息)进行对比,当编码器反馈等于初始机械坐标(即预估位置信息)时,可认为设备运动到初始mark点位置;
6、相机拍照;
7、图像识别;
8、视觉定位完成。
实际应用过程中,为了提高视觉定位效率,其中的视觉设备具体可采用高速运动相机,通过实时监测编码器反馈,对比mark点的初始机械坐标(即预估位置信息),当设备经过mark点初始机械坐标时,立马给相机(即视觉设备)发送IO指令进行拍照,保证相机在设备刚好经过对应mark点时采集了图像。之后,设备继续向下一个mark点运动的过程中,同时可进行图像传输和图像识别,进而,在视觉定位的过程中,设备可以一直处于运动状态无停顿,明显提高了视觉定位的效率。
基于以上方案,可以极大的加快视觉定位速度,减少视觉定位耗时。具体举例中,假设作为目标材料的一张加工板材可具有4个mark点,视觉定位时,相较于现有技术,可以节约3次加减速和4次拍照识别的时间,每次加减速节约200ms,总计可以节约2600ms。
可见,本发明实施例提供的视觉定位的处理方法中,根据第一靶标点对应的位置信息预估了各第二靶标点的位置信息,进而,通过预估位置信息,可以为图像采集时机的选定提供较为准确的依据。可见,本发明保障了:不论运动过程中是否停顿,均可在机床运动至对应靶标点位置时实施图像采集,进而,由于运动过程中的停顿不再是必须实施的过程,对应的加减速也并非是必须实施的过程,基于本发明实施例,视觉定位的时长不再局限于较长的时间范围内,从而可有利于节约时间,有效提高加工效率。
请参考图9,本发明实施例提供了一种视觉定位的处理装置,用于被视觉定位的目标材料中设有多个靶标点,所述多个靶标点包括第一靶标点与至少一个第二靶标点,材料加工的视觉处理装置300,包括:
获取模块301,用于获取参考位置信息,所述参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置;所述运动结构为用于加工对应材料的加工结构,或者:用于承载对应材料的承载结构,所述视觉设备直接或间接固定连接所述加工结构;
预估模块302,用于根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;
视觉定位模块303,用于在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
可选的,视觉定位模块303,具体用于:
控制所述视觉设备采集N张连续图像,其中的N为大于或等于1的奇数;
确定N-1张连续图像中每张连续图像相对于第n张连续图像的最大似然变换矩阵;其中,N=2n-1;所述N-1张连续图像为所述N张连续图像中除所述第n张连续图像之外的其余连续图像;
根据所述最大似然变换矩阵,对所述N-1张连续图像进行变换,得到N-1张变换后图像;
根据所述N-1张变换后图像,确定所述目标图像。
可选的,视觉定位模块303,具体用于:
对所述N张连续图像进行角点检测,确定每张连续图像中的角点;
根据所述N张连续图像中角点的分布情况,确定所述最大似然变换矩阵。
可选的,视觉定位模块303,具体用于:
在所述目标图像中提取所述目标标靶点的轮廓线;
计算所述轮廓线的包络框;
根据所述包络框,定位所述目标图像中的标靶点。
可选的,视觉定位模块303,具体用于:
确定所述目标图像对应的灰度直方图;
根据所述灰度直方图,确定灰度波谷值;
根据所述灰度波谷值,对所述目标图像进行二值化处理,得到二值化图像;
在所述二值化图像中提取所述轮廓线。
可选的,视觉定位模块303,具体用于:
对所述目标图像进行边缘检测,得到边缘线条;
采用随机抽样的方式,自所述边缘线条中提取出特征相近的线条,,得到所述轮廓线。
可选的,视觉定位模块303,具体用于:
检测到所述运动结构的实际位置信息与任意之一预估位置信息相匹配。
可选的,视觉定位模块303,具体用于:
检测到所述运动结构的运动时间信息与任意之一预估位置信息所对应的预估时间信息相匹配,所述预估时间信息是根据所述预估位置信息与所述运动结构的规划运动速度确定的。
可选的,所述相对位置关系是根据所述目标材料的图纸上各靶标点的位置确定的。
可见,本发明实施例提供的视觉定位的处理装置中,根据第一靶标点对应的位置信息预估了各第二靶标点的位置信息,进而,通过预估位置信息,可以为图像采集时机的选定提供较为准确的依据。可见,本发明保障了:不论运动过程中是否停顿,均可在机床运动至对应靶标点位置时实施图像采集,进而,由于运动过程中的停顿不再是必须实施的过程,对应的加减速也并非是必须实施的过程,基于本发明实施例,视觉定位的时长不再局限于较长的时间范围内,从而可有利于节约时间,有效提高加工效率。
图10是本发明一实施例中电子设备的构造示意图。
请参考图10,提供了一种电子设备40,包括:
处理器41;以及,
存储器42,用于存储所述处理器的可执行指令;
其中,所述处理器41配置为经由执行所述可执行指令来执行以上所涉及的方法。
处理器41能够通过总线43与存储器42通讯。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以上所涉及的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取的存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种视觉定位的处理方法,其中,用于被视觉定位的目标材料中设有多个靶标点,所述多个靶标点包括第一靶标点与至少一个第二靶标点,其特征在于,视觉定位的处理方法,包括:
获取参考位置信息,所述参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置;所述运动结构为用于加工对应材料的加工结构,或者:用于承载对应材料的承载结构,所述视觉设备直接或间接固定连接所述加工结构;
根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;
在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
2.根据权利要求1所述的视觉定位的处理方法,其特征在于,通过所述视觉设备获取对应的目标图像,包括:
控制所述视觉设备采集N张连续图像,其中的N为大于或等于3的奇数;
确定N-1张连续图像中每张连续图像相对于第n张连续图像的最大似然变换矩阵;其中,N=2n-1;所述N-1张连续图像为所述N张连续图像中除所述第n张连续图像之外的其余连续图像;
根据所述最大似然变换矩阵,对所述N-1张连续图像进行变换,得到N-1张变换后图像;
根据所述N-1张变换后图像,或者所述N-1张变换后图像与所述第n张连续图像,确定所述目标图像。
3.根据权利要求2所述的视觉定位的处理方法,其特征在于,确定N-1张连续图像中每张连续图像相对于第n张连续图像的最大似然变换矩阵,包括:
对所述N张连续图像进行角点检测,确定每张连续图像中的角点;
根据所述N张连续图像中角点的分布情况,确定所述最大似然变换矩阵。
4.根据权利要求1所述的视觉定位的处理方法,其特征在于,定位所述目标图像中的目标标靶点,包括:
在所述目标图像中提取所述目标标靶点的轮廓线;
计算所述轮廓线的包络框;
根据所述包络框,定位所述目标图像中的标靶点。
5.根据权利要求4所述的视觉定位的处理方法,其特征在于,在所述目标图像中提取目标标靶点的轮廓线,包括:
确定所述目标图像对应的灰度直方图;
根据所述灰度直方图,确定灰度波谷值;
根据所述灰度波谷值,对所述目标图像进行二值化处理,得到二值化图像;
在所述二值化图像中提取所述轮廓线。
6.根据权利要求4所述的视觉定位的处理方法,其特征在于,在所述目标图像中提取标靶点的轮廓线,包括:
对所述目标图像进行边缘检测,得到边缘线条;
采用随机抽样的方式,自所述边缘线条中提取出特征相近的线条,得到所述轮廓线。
7.根据权利要求1至6任一项所述的视觉定位的处理方法,其特征在于,确定所述运动结构的位置与任意之一预估位置信息相匹配,包括:
检测到所述运动结构的实际位置信息与任意之一预估位置信息相匹配。
8.根据权利要求1至6任一项所述的视觉定位的处理方法,其特征在于,确定所述运动结构的位置与任意之一预估位置信息相匹配,包括:
检测到所述运动结构的运动时间信息与任意之一预估位置信息所对应的预估时间信息相匹配,所述预估时间信息是根据所述预估位置信息与所述运动结构的规划运动速度确定的。
9.根据权利要求1至6任一项所述的视觉定位的处理方法,其特征在于,所述相对位置关系是根据所述目标材料的图纸上各靶标点的位置确定的。
10.一种视觉定位的处理装置,用于被视觉定位的目标材料中设有多个靶标点,所述多个靶标点包括第一靶标点与至少一个第二靶标点,其特征在于,材料加工的视觉处理装置,包括:
获取模块,用于获取参考位置信息,所述参考位置信息表征了机床的视觉设备采集并定位出所述第一靶标点时,所述机床的运动结构或所述第一靶标点的位置;所述运动结构为用于加工对应材料的加工结构,或者:用于承载对应材料的承载结构,所述视觉设备直接或间接固定连接所述加工结构;
预估模块,用于根据所述参考位置信息,以及所述多个靶标点之间的相对位置关系,确定每个第二靶标点对应的预估位置信息;
视觉定位模块,用于在所述运动结构运动时,若确定所述运动结构的位置与任意之一预估位置信息相匹配,则通过所述视觉设备获取对应的目标图像,并定位所述目标图像中的目标标靶点。
11.一种电子设备,其特征在于,包括处理器与存储器,
所述存储器,用于存储代码和相关数据;
所述处理器,用于执行所述存储器中的代码用以实现权利要求1至9任一项所述的方法。
12.一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010862006.5A CN112001936B (zh) | 2020-08-25 | 2020-08-25 | 视觉定位的处理方法、装置、电子设备与存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010862006.5A CN112001936B (zh) | 2020-08-25 | 2020-08-25 | 视觉定位的处理方法、装置、电子设备与存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112001936A true CN112001936A (zh) | 2020-11-27 |
| CN112001936B CN112001936B (zh) | 2024-07-02 |
Family
ID=73471800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010862006.5A Active CN112001936B (zh) | 2020-08-25 | 2020-08-25 | 视觉定位的处理方法、装置、电子设备与存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112001936B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030996A (zh) * | 2021-03-03 | 2021-06-25 | 首钢京唐钢铁联合有限责任公司 | 一种产线设备位置偏移检测方法、系统、设备和介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101127128A (zh) * | 2007-09-14 | 2008-02-20 | 清华大学 | 一种环形摄像机阵列校准系统及其方法 |
| CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
| CN104607369A (zh) * | 2014-12-29 | 2015-05-13 | 深圳市轴心自控技术有限公司 | 飞行扫描方法及使用该飞行扫描方法的点胶方法 |
| CN106303235A (zh) * | 2016-08-11 | 2017-01-04 | 广东小天才科技有限公司 | 拍照处理方法及装置 |
| CN108510553A (zh) * | 2018-06-21 | 2018-09-07 | 深圳辰视智能科技有限公司 | 一种基于机器视觉的运动装置标定方法及其装置 |
| CN108921905A (zh) * | 2018-07-16 | 2018-11-30 | 意力(广州)电子科技有限公司 | 靶标定位方法、装置、计算机设备和可读存储介质 |
| CN111369520A (zh) * | 2020-03-02 | 2020-07-03 | 紫光日东科技(深圳)有限公司 | 一种点胶机快速定位工件的方法 |
-
2020
- 2020-08-25 CN CN202010862006.5A patent/CN112001936B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101127128A (zh) * | 2007-09-14 | 2008-02-20 | 清华大学 | 一种环形摄像机阵列校准系统及其方法 |
| CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
| CN104607369A (zh) * | 2014-12-29 | 2015-05-13 | 深圳市轴心自控技术有限公司 | 飞行扫描方法及使用该飞行扫描方法的点胶方法 |
| CN106303235A (zh) * | 2016-08-11 | 2017-01-04 | 广东小天才科技有限公司 | 拍照处理方法及装置 |
| CN108510553A (zh) * | 2018-06-21 | 2018-09-07 | 深圳辰视智能科技有限公司 | 一种基于机器视觉的运动装置标定方法及其装置 |
| CN108921905A (zh) * | 2018-07-16 | 2018-11-30 | 意力(广州)电子科技有限公司 | 靶标定位方法、装置、计算机设备和可读存储介质 |
| CN111369520A (zh) * | 2020-03-02 | 2020-07-03 | 紫光日东科技(深圳)有限公司 | 一种点胶机快速定位工件的方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113030996A (zh) * | 2021-03-03 | 2021-06-25 | 首钢京唐钢铁联合有限责任公司 | 一种产线设备位置偏移检测方法、系统、设备和介质 |
| CN113030996B (zh) * | 2021-03-03 | 2022-12-13 | 首钢京唐钢铁联合有限责任公司 | 一种产线设备位置偏移检测方法、系统、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112001936B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114549519B (zh) | 一种汽车喷涂生产线视觉检测方法、系统和可读存储介质 | |
| CN111604942B (zh) | 物体检测装置、控制装置以及物体检测用计算机程序 | |
| JP5787642B2 (ja) | 対象物保持装置、対象物保持装置の制御方法、およびプログラム | |
| JPH01196501A (ja) | ロボットの物体認識装置 | |
| CN112200830A (zh) | 一种目标跟踪方法及设备 | |
| CN108907526A (zh) | 一种具有高鲁棒性的焊缝图像特征识别方法 | |
| CN112828892B (zh) | 一种工件抓取方法、装置、计算机设备及存储介质 | |
| CN118334087B (zh) | 视觉对位校准方法、装置、设备及存储介质 | |
| JP2019025634A (ja) | 物品搬送装置 | |
| EP1640937B1 (en) | Collision time estimation apparatus and method for vehicles | |
| CN113485318B (zh) | 位置修正方法、装置、设备和存储介质 | |
| JP2015032001A (ja) | 情報処理装置および情報処理手法、プログラム | |
| CN119897684B (zh) | 内存装配方法、系统、电子设备、存储介质以及产品 | |
| CN112001936A (zh) | 视觉定位的处理方法、装置、电子设备与存储介质 | |
| CN118795843A (zh) | 一种基于机器视觉的追剪控制系统及方法 | |
| CN114549406B (zh) | 热轧线的管理方法、装置及系统、计算设备和存储介质 | |
| CN112614172B (zh) | 基于三维视觉的平面和/或曲面划分方法以及系统 | |
| CN111805533B (zh) | 用于工件下料的装置、基于视觉定位的工件下料的方法 | |
| US20100027847A1 (en) | Motion estimating device | |
| KR20220089968A (ko) | 철강제품용 태그 부착 시스템 및 방법 | |
| US6473537B1 (en) | Process and system for detecting bend angle | |
| CN210038833U (zh) | 一种用于钢卷信息识别的装置 | |
| CN115582840A (zh) | 无边框钢板工件分拣抓取位姿计算方法、分拣方法及系统 | |
| CN118355416A (zh) | 作业分析装置 | |
| CN118514089B (zh) | 一种基于视觉检测的摆盘调节方法及摆盘设备 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 200241 No. 1000, Lanxiang Hunan Road, Minhang District, Shanghai Applicant after: SHANGHAI FRIENDESS ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: 200241, room 1033, building B, 555 Dongchuan Road, Shanghai, Minhang District Applicant before: SHANGHAI FRIENDESS ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant |