公开(公告)号：CN109712174A

公开(公告)日：2019-05-03

申请号：CN201811595800.7

申请日：2018-12-25

Applicant: 湖南大学

Inventor： 王耀南 ,  吴昊天 ,  彭伟星 ,  曾凯 ,  刘俊阳 ,  贾林 ,  陈南凯 ,  张荣华

IPC: G06T7/30 ,  G06T15/00

Abstract: 本发明公开了一种复杂异形曲面机器人三维测量的点云误配准滤除方法及系统，该方法包括以下几个步骤：步骤1：将输入的配准点云对划分为三组，从每组配准点云对中选取一个点云对，求解出对应的变换矩阵Ri；步骤2：将求得的变换矩阵转换为欧拉旋转角，构建欧拉旋转角集合D；步骤3：对D中的欧拉旋转角进行自适应密度聚类，选出聚类结果中包含欧拉旋转角数量最多的类，并将用于求解该类欧拉旋转角的配准点云对作为可信配准点云对，从而完成误配准点云对滤除；该方法充分利用了给定点云配准对的空间信息，进行有效分解，并高效聚类，从而能够有效排除三维点云配准中误配准点，对点云的噪声、配准位置偏移等有较强适应性。该系统结构简单，操作方便。

公开(公告)号：CN109389625B

公开(公告)日：2021-09-14

申请号：CN201811169910.7

申请日：2018-10-08

Applicant: 湖南大学

Inventor： 王耀南 ,  田吉委 ,  吴昊天 ,  彭伟星 ,  贾林 ,  姚盼盼

IPC: G06T7/30

Abstract: 本发明公开了一种基于多尺度描述子筛除误匹配的三维图像配准方法，该方法通过构造一种新型的多尺度描述子，更好的描述对应关键点的特征，并初步获得对应匹配点；并以此为特征遍历待配准点云中与之有相似多尺度描述子的点云集，极大的提高了点云粗配准的运行效率，减小了计算机的计算量，为点云配准带来了极大的便利；该方法能够在更短的时间里获得更加准确的配准效果，且鲁棒性更好，适用于存在噪声、结构复杂、对配准要求高的精密测量领域。

公开(公告)号：CN113192115B

公开(公告)日：2022-07-19

申请号：CN202110463262.1

申请日：2021-04-23

Applicant: 湖南大学

Inventor： 王耀南 ,  吴昊天 ,  毛建旭 ,  朱青 ,  张辉 ,  刘敏 ,  彭伟星 ,  史雅兰 ,  刘俊阳 ,  贾林 ,  陈南凯

IPC: G06T7/50 ,  G06T7/64 ,  G06T7/33 ,  G01B21/20

Abstract: 本发明提供了一种基于时间函数的三维复杂工件测量方法及系统。所述的一种基于时间函数的三维复杂工件测量方法为：在三维测量配准中，通过估计打磨时间来构建配准误差函数，所述配准误差函数通过对测量点加权，以补偿配准偏移和优化工件各表面的余量分布，并通过非线性优化算法求解，得到扫描点云测量结果。本发明充分考虑了打磨效率、测量点云分布情况及凹凸面不同的打磨余量要求，构建配准误差函数，并高效求解，从而能够在保证打磨质量的条件下，极大的提高机器人打磨的效率，同时对扫描点云的非规则分布、配准初始位置偏离等有较强适应性，该系统结构简单，操作方便。

公开(公告)号：CN109712174B

公开(公告)日：2020-12-15

申请号：CN201811595800.7

申请日：2018-12-25

Applicant: 湖南大学

Inventor： 王耀南 ,  吴昊天 ,  彭伟星 ,  曾凯 ,  刘俊阳 ,  贾林 ,  陈南凯 ,  张荣华

IPC: G06T7/30 ,  G06T15/00

Abstract: 本发明公开了一种复杂异形曲面机器人三维测量的点云误配准滤除方法及系统，该方法包括以下几个步骤：步骤1：将输入的配准点云对划分为三组，从每组配准点云对中选取一个点云对，求解出对应的变换矩阵Ri；步骤2：将求得的变换矩阵转换为欧拉旋转角，构建欧拉旋转角集合D；步骤3：对D中的欧拉旋转角进行自适应密度聚类，选出聚类结果中包含欧拉旋转角数量最多的类，并将用于求解该类欧拉旋转角的配准点云对作为可信配准点云对，从而完成误配准点云对滤除；该方法充分利用了给定点云配准对的空间信息，进行有效分解，并高效聚类，从而能够有效排除三维点云配准中误配准点，对点云的噪声、配准位置偏移等有较强适应性。该系统结构简单，操作方便。

公开(公告)号：CN108717262B

公开(公告)日：2020-10-02

申请号：CN201810454177.7

申请日：2018-05-14

Applicant: 湖南大学

Inventor： 王耀南 ,  彭伟星 ,  曾凯 ,  吴昊天 ,  刘俊阳 ,  贾林 ,  陈南凯 ,  张荣华

IPC: G05B13/04

Abstract: 本发明公开了一种基于矩特征学习神经网络的异形曲面跟踪方法及系统，所述方法包括如下步骤：获取期望矩特征向量；获取初始矩特征向量、初始矩特征向量的雅可比矩阵、机械臂的目标关节角速度向量；利用期望矩特征向量、初始矩特征向量以及械臂关节角速度矩阵对B样条基的神经网络控制器进行深度离线训练；机械臂关节角速度向量将当前矩特征向量与所述期望矩特征向量的特征误差输入训练后的B样条基的神经网络控制器得到当前位姿下机械臂关节角速度向量；依据当前位姿下机械臂关节角速度向量控制机械臂运动使机械臂端的相机随之移动。本发明通过上述方法可以实现异形曲面精确定位跟踪。

公开(公告)号：CN110009633A

公开(公告)日：2019-07-12

申请号：CN201910315903.1

申请日：2019-04-19

Applicant: 湖南大学

Inventor： 毛建旭 ,  姚盼盼 ,  王耀南 ,  刘彩苹 ,  朱青 ,  代扬 ,  刘晨 ,  吴昊天 ,  田吉委 ,  李娟慧 ,  贾林

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T5/30 ,  G06T5/00

Abstract: 本发明公开了一种基于反向高斯差分的钢轨表面缺陷检测方法，所述方法包括以下步骤：S1、通过图像采集装置获取钢轨表面全景图像；S2、利用垂直投影法从所述步骤S1获取的钢轨表面全景图像中提取目标区域部分的钢轨图像；S3、对所述步骤S2提取的钢轨图像进行反向高斯滤波,得到钢轨反向高斯滤波图像；S4、将所述步骤S2提取的钢轨图像与所述步骤S3得到的钢轨反向高斯滤波图像进行差分，得到钢轨差分图像；S5、对所述步骤S4中的钢轨差分图像进行二值化，得到钢轨二值化图像；S6、将所述步骤S5中的钢轨二值化图像进行面积滤波和闭运算，从而完成钢轨表面缺陷区域的检测。本发明适用于各种不同的轨道环境，均能够获得很好的钢轨表面缺陷检测效果。