面向3C装配领域微力锁付缺陷检测的深度学习方法

    公开(公告)号:CN115130541A

    公开(公告)日:2022-09-30

    申请号:CN202210447120.0

    申请日:2022-04-15

    Abstract: 一种面向3C装配领域微力锁付缺陷检测的深度学习方法,通过建立缺陷数据集样本并利用无监督学习的卷积自编码思想的时序数据特征提取方法,从中提取特征维度一致的锁付缺陷检测评估的特征数据,生成锁付缺陷检测的特征数据集,将原始锁付特征数据集和增强锁付的特征数据集结合后输入轻量级卷积神经分类网络模型进行迭代训练,得到一种有效分类锁付缺陷推理的网络模型。本发明通过普适性的特征提取和特征降维方法以及时序信号深度学习网络,可以判断锁付质量并识别具体的锁付缺陷种类。能够显著提高精密微力锁付质量检测的准确性、稳定性和效率。

    基于物理运算引擎的三维点云数据集生成方法

    公开(公告)号:CN114581609B

    公开(公告)日:2024-08-16

    申请号:CN202210207763.8

    申请日:2022-03-03

    Abstract: 一种基于物理运算引擎的三维点云数据集生成方法,通过载入物体和场景的三维模型后,随机初始化物体位姿并初始化PhysX物理世界并进行仿真;然后在OpenGL内设立拍摄系统,将PhysX物理世界中的物体位姿与三维模型中的材质、表面纹理参数输入OpenGL,在OpenGL中绘制生成场景初始点云;再通过色彩映射得到场景的语义和实例标签图像,并通过色彩逆映射实现对场景点云各点增加标签,与位姿标签数据一并作为三维点云数据集。本发明直接使用OpenGL接口对所需场景进行三维绘制,不仅能实现点云数据的仿真获取,还能够大幅提升点云数据集生成的效率和质量,适应于工业分拣、无人驾驶、智能家居等多领域应用中的高效低成本的数据集生成。

    基于物理运算引擎的三维点云数据集生成方法

    公开(公告)号:CN114581609A

    公开(公告)日:2022-06-03

    申请号:CN202210207763.8

    申请日:2022-03-03

    Abstract: 一种基于物理运算引擎的三维点云数据集生成方法,通过载入物体和场景的三维模型后,随机初始化物体位姿并初始化PhysX物理世界并进行仿真;然后在OpenGL内设立拍摄系统,将PhysX物理世界中的物体位姿与三维模型中的材质、表面纹理参数输入OpenGL,在OpenGL中绘制生成场景初始点云;再通过色彩映射得到场景的语义和实例标签图像,并通过色彩逆映射实现对场景点云各点增加标签,与位姿标签数据一并作为三维点云数据集。本发明直接使用OpenGL接口对所需场景进行三维绘制,不仅能实现点云数据的仿真获取,还能够大幅提升点云数据集生成的效率和质量,适应于工业分拣、无人驾驶、智能家居等多领域应用中的高效低成本的数据集生成。

Patent Agency Ranking