-
公开(公告)号:CN113219903A
公开(公告)日:2021-08-06
申请号:CN202110497213.X
申请日:2021-05-07
Applicant: 东北大学
Abstract: 本发明提供一种基于深度视觉的钢坯最优剪切控制方法及系统。本发明包括将深度相机设置好,设定世界坐标系;标定深度相机的参数;采集钢坯的RGB和深度视图;通过针孔相机模型,得到每个像素点的三维坐标,然后通过直通滤波和离群点去除进行预处理;使用随机采样一致性算法拟合出钢坯上表面的平面,然后将平面投影到2D平面,再采用中心扩展法计算出最优剪切线;根据钢坯的移动速度与待剪切位置头部坐标,获得头部和剪切刀口的距离,计算出控制剪切头剪切的时刻。本发明利用图像信息解决钢坯头尾部的剪切线检测问题,达到节约能源和材料的目的,深度相机得到的世界坐标精度高,省却了复杂的标定过程,布置简单。
-
公开(公告)号:CN112894489A
公开(公告)日:2021-06-04
申请号:CN202110120103.1
申请日:2021-01-28
Applicant: 东北大学
Abstract: 本发明提供一种基于形状识别的宽厚板优化剪切方法,采集待剪切宽厚板的图像,并根据宽厚板的图像信息提取宽厚板边缘轮廓的数据点,根据宽厚板的切头长度、切尾长度计算宽厚板的有效长度;然后根据宽厚板边缘轮廓的数据点计算宽厚板的侧弯量和有效宽度;最后根据宽厚板的平面形状特征和子板的订单信息制定优化剪切策略,本发明能有效、快速的对每一块钢板进行决策,包括根据平面形状特点判断该钢板是否需要下线火切,避免不需要的加工处理,还可以计算钢板粗分位置,结合激光测速仪精确剪切可以提高成材率,节省人工及管理成本,适用于高速运行的宽厚板的自动剪切操作。
-
公开(公告)号:CN112184655A
公开(公告)日:2021-01-05
申请号:CN202011017558.2
申请日:2020-09-24
Applicant: 东北大学
Abstract: 本发明提供一种基于卷积神经网络的宽厚板轮廓检测方法,首先制作样本数据集,并构建卷积神经网络模型,然后利用样本数据集对网络模型进行训练,利用训练好的卷积神经网络将图像的高层语义信息与底层特征信息相结合,对宽厚板和背景进行有效分割;通过对分割后的图像进行边缘亚像素提取,最终获得宽厚板精确轮廓,本发明提供的方法学习能力强,可以有效抑制背景的干扰,对于不同对比度的原始图像,无需更改模型参数就可以有效地提取宽厚板轮廓,具有较强的鲁棒性。
-
-