CN106077971B - 一种能够自主识别的激光切割装置 - Google Patents
一种能够自主识别的激光切割装置 Download PDFInfo
- Publication number
- CN106077971B CN106077971B CN201610525718.1A CN201610525718A CN106077971B CN 106077971 B CN106077971 B CN 106077971B CN 201610525718 A CN201610525718 A CN 201610525718A CN 106077971 B CN106077971 B CN 106077971B
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- msub
- msup
- target
- 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
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
- B23K26/38—Removing material by boring or cutting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，目标识别装置基于视觉特征对目标进行识别跟踪，包括依次连接的怀疑目标获取模块、颜色信息处理模块、轮廓信息处理模块、特征评估模块，其中颜色信息处理模块对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，轮廓信息处理模块用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理。本发明具有识别精度高、识别速度快的优点。
Description
技术领域
本发明涉及激光切割领域，具体涉及一种能够自主识别的激光切割装置。
背景技术
相关技术中，在激光切割装置上采用雷达对目标进行跟踪在定位精度和跟踪成功率上具备很大优势，但仅从雷达获取的距离信息上很难对目标的特征进行区分，尤其在目标被遮挡和多目标情况下，很难实现目标有效识别跟踪。采用目标的视觉信息(如颜色、轮廓等)刻画目标特征，基于目标视觉特征对目标进行识别跟踪是解决上述问题的有效途径。
发明内容
针对上述问题，本发明提供一种能够自主识别的激光切割装置。
本发明的目的采用以下技术方案来实现：
一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤。
优选地，所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上。
优选地，所述动力旋转装置是旋转电机或旋转气缸。
优选地，所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
此处
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
优选地，所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
优选地，所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2；根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
本发明的有益效果为：
1、采用颜色信息和轮廓信息相结合的方式描述跟踪目标，对外界光照的变化具有很强的鲁棒性，避免了使用单一特征对目标进行描述，提高识别的精度；
2、修正后的颜色空间转化公式更加符合人类的视觉效果，能够反映更丰富的信息，便于实现快速识别跟踪，在色调颜色模型中引入空间权重划分，多次滤波，使模型更为科学，实用性更强；
3、设置轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，计算量并不复杂，平滑除噪效果好，考虑了轮廓在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡，根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的目标识别装置模块连接示意图。
图2是本发明的激光切割装置示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1，图2，本实施例一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤。
优选地，所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上。
优选地，所述动力旋转装置是旋转电机或旋转气缸。
优选地，所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
此处
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
优选地，所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
其中，所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2；根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
本实施例采用颜色信息和轮廓信息相结合的方式描述跟踪目标，对外界光照的变化具有很强的鲁棒性，避免了使用单一特征对目标进行描述，提高识别的精度；修正后的颜色空间转化公式更加符合人类的视觉效果，能够反映更丰富的信息，便于实现快速识别跟踪，在色调颜色模型中引入空间权重划分，多次滤波，使模型更为科学，实用性更强；设置轮廓信息处理模块，选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，考虑了轮廓在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡，根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别，其中设定的宽度为3，权值T的取值为0.2，识别精度提高了2％，识别速度提高了1％。
实施例2
参见图1，图2，本实施例一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤。
优选地，所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上。
优选地，所述动力旋转装置是旋转电机或旋转气缸。
优选地，所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
此处
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
优选地，所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
其中，所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2；根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
本实施例采用颜色信息和轮廓信息相结合的方式描述跟踪目标，对外界光照的变化具有很强的鲁棒性，避免了使用单一特征对目标进行描述，提高识别的精度；修正后的颜色空间转化公式更加符合人类的视觉效果，能够反映更丰富的信息，便于实现快速识别跟踪，在色调颜色模型中引入空间权重划分，多次滤波，使模型更为科学，实用性更强；设置轮廓信息处理模块，选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，考虑了轮廓在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡，根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别，其中设定的宽度为4，权值T的取值为0.3，识别精度提高了1％，识别速度提高了2％。
实施例3
参见图1，图2，本实施例一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤。
优选地，所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上。
优选地，所述动力旋转装置是旋转电机或旋转气缸。
优选地，所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
此处
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
优选地，所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
其中，所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2；根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
本实施例采用颜色信息和轮廓信息相结合的方式描述跟踪目标，对外界光照的变化具有很强的鲁棒性，避免了使用单一特征对目标进行描述，提高识别的精度；修正后的颜色空间转化公式更加符合人类的视觉效果，能够反映更丰富的信息，便于实现快速识别跟踪，在色调颜色模型中引入空间权重划分，多次滤波，使模型更为科学，实用性更强；设置轮廓信息处理模块，选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，考虑了轮廓在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡，根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别，其中设定的宽度为5，权值T的取值为0.4，识别精度提高了2％，识别速度提高了3％。
实施例4
参见图1，图2，本实施例一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤。
优选地，所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上。
优选地，所述动力旋转装置是旋转电机或旋转气缸。
优选地，所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
此处
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
优选地，所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
其中，所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2；根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
本实施例采用颜色信息和轮廓信息相结合的方式描述跟踪目标，对外界光照的变化具有很强的鲁棒性，避免了使用单一特征对目标进行描述，提高识别的精度；修正后的颜色空间转化公式更加符合人类的视觉效果，能够反映更丰富的信息，便于实现快速识别跟踪，在色调颜色模型中引入空间权重划分，多次滤波，使模型更为科学，实用性更强；设置轮廓信息处理模块，选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，考虑了轮廓在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡，根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别，其中设定的宽度为5，权值T的取值为0.5，识别精度提高了2％，识别速度提高了2.5％。
实施例5
参见图1，图2，本实施例一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤。
优选地，所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上。
优选地，所述动力旋转装置是旋转电机或旋转气缸。
优选地，所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
此处
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
优选地，所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
其中，所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2；根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别。
本实施例采用颜色信息和轮廓信息相结合的方式描述跟踪目标，对外界光照的变化具有很强的鲁棒性，避免了使用单一特征对目标进行描述，提高识别的精度；修正后的颜色空间转化公式更加符合人类的视觉效果，能够反映更丰富的信息，便于实现快速识别跟踪，在色调颜色模型中引入空间权重划分，多次滤波，使模型更为科学，实用性更强；设置轮廓信息处理模块，选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，考虑了轮廓在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡，根据不同点的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象，便于更准确对目标进行识别，其中设定的宽度为4，权值T的取值为0.3，识别精度提高了2.5％，识别速度提高了3.5％。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (1)
1.一种能够自主识别的激光切割装置，包括激光切割装置和与激光切割装置相连的目标识别装置，其特征是，所述激光切割装置包括：
支撑部件，所述支撑部件用来支撑所述激光切割装置，所述激光切割装置其他所有部件均直接或间接安装在所述支撑部件上；
旋转部件，所述旋转部件直接安装在所述支撑部件上，所述旋转部件包括动力旋转装置、旋转端部，所述旋转端部可在所述动力旋转装置的带动下进行旋转，所述旋转端部的端面为平面；
激光切割头，所述激光切割头倾斜直接或间接安装在所述旋转部件的所述旋转端部；
限位装置，安装在所述支撑部件上，防止切割头旋转时扰断所述激光切割头的光纤；
所述激光切割装置还包括固定部件，所述固定部件倾斜固定安装在所述旋转端部的端面上，所述激光切割头安装在所述固定部件上；
所述动力旋转装置是旋转电机或旋转气缸；
所述目标识别装置包括：
(1)怀疑目标获取模块，用于在监控视频中识别怀疑目标并读取包含怀疑目标的原始桢图像，其包括与现场计算机连接的红外电荷耦合器件，所述红外电荷耦合器件将输出的图像信号输入到现场计算机进行是否存在怀疑目标的判别处理；
(2)颜色信息处理模块，其对所述原始桢图像进行从RGB颜色空间到HSV颜色空间的转换并构建所述怀疑目标在HSV颜色空间的色调颜色模型，转换公式如下：
<mrow>
<mi>s</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>g</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>g</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>M</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>g</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>g</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>g</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>&NotEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
v＝Max(r,g,b)
其中，(r,g,b)为原始桢图像的像素点在RGB颜色空间的红绿蓝坐标值，有效值范围均为(0,1)；h为像素点在HSV颜色空间中的色相分量，s为像素点在HSV颜色空间中的饱和度分量，v为像素点在HSV颜色空间中的色调分量；
色调颜色模型如下：
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>h</mi>
<mi>u</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>{</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>h</mi>
<mi>u</mi>
<mi>e</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>w</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mi>n</mi>
<mo>;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>w</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>Q</mi>
<mrow>
<mi>h</mi>
<mi>u</mi>
<mi>e</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>b</mi>
<mi>w</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
此处
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>h</mi>
<mi>u</mi>
<mi>e</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>c</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msqrt>
<mn>2</mn>
</msqrt>
<msup>
<mi>h</mi>
<mo>&prime;</mo>
</msup>
<mi>&sigma;</mi>
</mrow>
</mfrac>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>&times;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mo>&lsqb;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>c</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msqrt>
<mn>2</mn>
</msqrt>
<msup>
<mi>h</mi>
<mo>&prime;</mo>
</msup>
<mi>&sigma;</mi>
</mrow>
</mfrac>
</mrow>
</msup>
<mo>&times;</mo>
<mi>&delta;</mi>
<mo>&lsqb;</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>w</mi>
<mo>&rsqb;</mo>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msup>
<mi>h</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>h</mi>
<mo>&times;</mo>
<mn>0.9</mn>
<mo>+</mo>
<mn>0.05</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>&times;</mo>
<mi>v</mi>
<mo>&GreaterEqual;</mo>
<mn>0.04</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>v</mi>
<mo>&times;</mo>
<mn>0.1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>&times;</mo>
<mi>v</mi>
<mo><</mo>
<mn>0.04</mn>
<mo>,</mo>
<mi>v</mi>
<mo><</mo>
<mn>0.2</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>v</mi>
<mo>&times;</mo>
<mn>0.1</mn>
<mo>-</mo>
<mn>0.01</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>&times;</mo>
<mi>v</mi>
<mo><</mo>
<mn>0.04</mn>
<mo>,</mo>
<mn>0.2</mn>
<mo>&le;</mo>
<mi>v</mi>
<mo><</mo>
<mn>0.8</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>v</mi>
<mo>&times;</mo>
<mn>0.1</mn>
<mo>-</mo>
<mn>0.05</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>&times;</mo>
<mi>v</mi>
<mo><</mo>
<mn>0.04</mn>
<mo>,</mo>
<mi>v</mi>
<mo>&GreaterEqual;</mo>
<mn>0.8</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，函数δ[d(xi)-w]为像素点xi在第w个子空间区域内的投影，w为特征空间的索引，bw为各子空间的权重，是以像素xc为中心在二维图像中的核函数；
所述目标识别装置还包括：
(3)轮廓信息处理模块，用于对所述原始桢图像的实际轮廓进行特征区域与非特征区域的区域类型划分、对相邻的同类型区域进行合并，并选取不同参数的滤波器对合并后的特征区域与非特征区域分别进行平滑处理，所述实际轮廓内的选定区域被判定为特征区域的判定条件为：
此处
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mi>N</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo><</mo>
<mi>T</mi>
<mo>&times;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>|</mo>
<msub>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mi>N</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mi>N</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mi>T</mi>
<mo>&times;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>|</mo>
<msub>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mi>N</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，t表示所述原始桢图像的实际轮廓的轮廓点，t0为预设的位于所述选定区域内的起始轮廓点，s为预设的延伸长度，延伸长度的值为选定区域的边缘轮廓点到所述起始轮廓点的距离，为起始轮廓点处的用于修正所述延伸长度s的实时曲率修正系数，为起始轮廓点的曲率半径，为由预设的宽度范围为[3,5]的窗函数得到的轮廓起始点的平均曲率半径；f(t)为判定轮廓点是否为特征点的特征函数，f(t)＝1表示该轮廓点为特征点，f(t)＝0表示该轮廓点为非特征点，Nf(t)＝1表示选定区域内所具有的特征点的数目，Ny为设定的作为特征区域需要包括的特征点的数目，k'N(t)为由所述窗函数对实际轮廓进行邻域平均而得到的实际轮廓曲率，max|k'N(t)|表示实际轮廓曲率的绝对值的最大值，T为权值且T的取值范围为[0.2,0.5]；
(4)特征评估模块，用于对处理过的颜色信息和轮廓信息与数据库中设定的目标特征进行比对匹配并计算匹配度，所述匹配度达到预设的匹配阈值时判定所述怀疑目标为跟踪目标并输出判定结果；
所述轮廓信息处理模块包括对所有特征区域进行平滑处理的第一滤波器和对所有非特征区域进行平滑处理的第二滤波器，所述第一滤波器的置信区间的长度为所有特征区域中的最小延伸长度的1/2，所述第二滤波器的置信区间的长度为所有非特征区域中的最小延伸长度的1/2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610525718.1A CN106077971B (zh) | 2016-06-29 | 2016-06-29 | 一种能够自主识别的激光切割装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610525718.1A CN106077971B (zh) | 2016-06-29 | 2016-06-29 | 一种能够自主识别的激光切割装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106077971A CN106077971A (zh) | 2016-11-09 |
| CN106077971B true CN106077971B (zh) | 2018-03-20 |
Family
ID=57212970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610525718.1A Active CN106077971B (zh) | 2016-06-29 | 2016-06-29 | 一种能够自主识别的激光切割装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106077971B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111438437B (zh) * | 2019-01-16 | 2021-06-22 | 深圳市创客工场科技有限公司 | 激光加工控制方法及装置、激光加工设备、可读存储介质 |
| CN113020817B (zh) * | 2021-03-25 | 2023-05-12 | 佛山市隆信激光科技有限公司 | 一种基于视觉识别管材特征的切割加工方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5921491A (ja) * | 1982-07-28 | 1984-02-03 | Shin Meiwa Ind Co Ltd | レ−ザ−加工ロボット |
| CN2712532Y (zh) * | 2004-06-15 | 2005-07-27 | 武汉楚天激光（集团）股份有限公司 | 光纤激光头用多轴支架 |
| CN202506952U (zh) * | 2012-03-09 | 2012-10-31 | 常州萨恩斯机电设备有限公司 | 一种倒挂可旋转机器人激光加工系统 |
| CN103559507A (zh) * | 2013-11-18 | 2014-02-05 | 沈阳工业大学 | 基于颜色与形状特征相结合的交通标志检测方法 |
| CN103617420A (zh) * | 2013-11-27 | 2014-03-05 | 上海电机学院 | 基于图像特征匹配的商品快速识别方法及系统 |
| CN104368910A (zh) * | 2013-08-15 | 2015-02-25 | 昆山思拓机器有限公司 | 一种激光切割装置 |
| CN105243380A (zh) * | 2015-11-18 | 2016-01-13 | 哈尔滨工业大学 | 基于选择性中值滤波和pca结合的单人脸图像识别方法 |
-
2016
- 2016-06-29 CN CN201610525718.1A patent/CN106077971B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5921491A (ja) * | 1982-07-28 | 1984-02-03 | Shin Meiwa Ind Co Ltd | レ−ザ−加工ロボット |
| CN2712532Y (zh) * | 2004-06-15 | 2005-07-27 | 武汉楚天激光（集团）股份有限公司 | 光纤激光头用多轴支架 |
| CN202506952U (zh) * | 2012-03-09 | 2012-10-31 | 常州萨恩斯机电设备有限公司 | 一种倒挂可旋转机器人激光加工系统 |
| CN104368910A (zh) * | 2013-08-15 | 2015-02-25 | 昆山思拓机器有限公司 | 一种激光切割装置 |
| CN103559507A (zh) * | 2013-11-18 | 2014-02-05 | 沈阳工业大学 | 基于颜色与形状特征相结合的交通标志检测方法 |
| CN103617420A (zh) * | 2013-11-27 | 2014-03-05 | 上海电机学院 | 基于图像特征匹配的商品快速识别方法及系统 |
| CN105243380A (zh) * | 2015-11-18 | 2016-01-13 | 哈尔滨工业大学 | 基于选择性中值滤波和pca结合的单人脸图像识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106077971A (zh) | 2016-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
| CN100474337C (zh) | 一种基于径向基神经网络的有噪运动模糊图像复原方法 | |
| CN111696107B (zh) | 一种实现闭合连通域的熔池轮廓图像提取方法 | |
| CN101625760A (zh) | 一种证件图像倾斜校正的办法 | |
| US8891824B2 (en) | Method and device for detecting fatigue driving and the automobile using the same | |
| CN104899554A (zh) | 一种基于单目视觉的车辆测距方法 | |
| CN104318258A (zh) | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 | |
| CN102750708A (zh) | 基于快速鲁棒特征匹配的仿射运动目标跟踪算法 | |
| CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
| CN108009494A (zh) | 一种基于无人机的道路交叉口车辆跟踪方法 | |
| CN106077971B (zh) | 一种能够自主识别的激光切割装置 | |
| CN106203273B (zh) | 多特征融合的车道线检测系统、方法及高级驾驶辅助系统 | |
| CN101930600B (zh) | 一种基于复合二阶分数阶次信号处理的边缘检测方法 | |
| CN110414425A (zh) | 一种基于灭点检测的宽度自适应车道线检测方法及系统 | |
| JPH06259534A (ja) | 人物認証装置 | |
| CN108510544A (zh) | 一种基于特征聚类的光条定位方法 | |
| CN110866863A (zh) | 汽车a柱透视算法 | |
| JP3807651B2 (ja) | 白線認識装置 | |
| CN106096587A (zh) | 具有目标识别功能的汽车监控系统 | |
| CN106101632A (zh) | 基于视觉特征的图像处理装置 | |
| CN106127187A (zh) | 一种具有识别功能的智能机器人 | |
| CN110171263A (zh) | 一种用于ecas系统的弯道识别及车高调节方法 | |
| Wang et al. | Lane boundary detection based on parabola model | |
| CN106199610B (zh) | 一种具有识别功能的超声波探测装置 | |
| CN105921886B (zh) | 一种高识别性能的激光加工机床 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ma Linlin Inventor before: Request for anonymity |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180209 Address after: West Economic and Technological Development Zone Industrial Park of Haian County in Jiangsu province Nantong city 226600 Applicant after: ZJMECH TECHNOLOGY Co.,Ltd. Address before: Gulou road Zhenhai District 315200 Zhejiang city of Ningbo province No. 32 Applicant before: Wei Xingfei |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220808 Address after: No.52, Linyin Road, Nantong Economic and Technological Development Zone, Jiangsu Province, 226000 Patentee after: SUMAITE INTELLIGENT TECHNOLOGY (JIANGSU) Co.,Ltd. Address before: Xichang Industrial Park, Economic and Technological Development Zone, Haian County, Nantong City, Jiangsu Province, 226600 Patentee before: ZJMECH TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221026 Address after: 226621 Jiangsu Nantong Haian County West Town Industrial Concentration Area Patentee after: ZJMECH TECHNOLOGY Co.,Ltd. Patentee after: SUMAITE INTELLIGENT TECHNOLOGY (JIANGSU) Co.,Ltd. Address before: No.52, Linyin Road, Nantong Economic and Technological Development Zone, Jiangsu Province, 226000 Patentee before: SUMAITE INTELLIGENT TECHNOLOGY (JIANGSU) Co.,Ltd. |