-
公开(公告)号:CN110807781B
公开(公告)日:2023-09-29
申请号:CN201911016983.7
申请日:2019-10-24
Applicant: 华南理工大学
Abstract: 本发明公开的一种保留细节与边界特征的点云精简方法,包括以下步骤,读取原始点云模型数据,得到原始点云数据并进行栅格化处理,建立局部k‑d树;拟合最小微切平面,计算该点云数据的投影点的加权等效合力Fi及其平均值F,当Fi>F,则为边界点并保留,得到边界精简子集PSet1;对于非边界点,估算其局部密度ρi并进行分块得到相应子集;计算非边界点的法向量,根据局部密度ρi计算局部特征因子Di及其平均值D,分别为相应子集选定阈值μTH,当Di/D>μTH,保留该点云数据,得到特征点精简子集PSet2;将边界精简子集PSet1和特征点精简子集PSet2合并,获得精简点云数据集PSet,本发明便于获取数据量合适且不失真的点云模型,提高点云精简效率,使曲面细节特征和边界特征描述更精确。
-
公开(公告)号:CN107798326B
公开(公告)日:2020-09-22
申请号:CN201710983538.2
申请日:2017-10-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种轮廓视觉检测方法,所述方法包括下列步骤:工件亚像素边缘的提取、去噪以及轮廓补齐,轮廓匹配,偏差计算。本新型工件轮廓缺陷视觉检测的高精度算法先提取了工件轮廓,再基于形状上下文特征进行轮廓匹配,然后根据迭代最近点算法进行精确匹配,最后通过邻域法计算匹配偏差。根据大量实验对比,采用本新型轮廓视觉检测方法可以精确检测工件任意形状的轮廓缺陷,检测精度可以达到0.5个像素点,将其应用在工业检测上,可以智能化、高精度地检测精密固件的加工和生产,大幅地提高生产效率。
-
公开(公告)号:CN109472230A
公开(公告)日:2019-03-15
申请号:CN201811279874.X
申请日:2018-10-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于行人检测和互联网的运动员自动摄像推荐系统,包括用户图片管理云服务器、通信连接的摄像终端和用户终端。本发明还公开了一种基于行人检测和互联网的运动员自动摄像推荐方法,包括步骤:1)用户终端获取账号信息、号码牌图片和号码值并发送至图片管理云服务器;2)摄像终端获取对应账号用户的图片数据;3)图片管理云服务器接收所述用户终端的账号信息和所述摄像终端的图片数据自动推荐给对应账户的用户终端。本发明通过智能图像处理技术自动拍摄马拉松运动员的图片,将图片与马拉松运动员号码牌绑定,智能地将图片推荐给马拉松运动员,避免了繁琐和昂贵的人工拍摄方式,整个系统简单易用,实用性强,省时省力。
-
公开(公告)号:CN104002481A
公开(公告)日:2014-08-27
申请号:CN201410199927.2
申请日:2014-05-13
Applicant: 华南理工大学
IPC: B29C67/00
Abstract: 本发明公开了一种可重构铸造成型快速3D打印方法,基于可重构铸模,包括步骤:步骤1、基于Solidwork、Pro/E三维建模软件建立零部件的三维模型;步骤2、对所述三维模型进行解析,获得stl格式的标准格式模型;步骤3、解析stl格式的标准格式模型获得包络球运动轨迹的g代码;步骤4、以g代码作为驱动,对可重构铸模进行重构,使重构的铸模与三维零件模型匹配;步骤5、基于重新构造的可重构铸模,向铸模腔内浇灌加热后的液态半液态3D打印材料;步骤6、浇灌完成后,对铸模进行拆卸,获得成型成性的零件模型。本发明采用基于铸造及可重构铸模的方式实现零部件的成型成性,大大提高零件3D打印的速度和效率及适用范围。
-
公开(公告)号:CN111460974B
公开(公告)日:2023-04-28
申请号:CN202010236858.3
申请日:2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于优化的散乱点云数据全局特征提取方法包括以下步骤:初始化散乱点云标签,根据阈值划分特征点和非特征点;判断每个点的局部统一性,根据标签划分统一点和不统一点,把标签为1的统一点的记作特征点集合;通过高斯分布拟合三维散乱模型点云数据中不统一点的属性信息;求取不统一点标签l的马尔科夫随机场的状态分布函数;求取不统一点标签l的目标优化函数并优化,得到不统一点的最优标签分布,进而得到不统一点特征点集合;合并两个特征点集合,得到全局特征点集合,本发明直接对点云数据进行处理,将特征提取问题转化为马尔科夫随机场能量最小化问题,并利用了模拟退火算法求取每个点的最优标签,在全局范围内得到最优解。
-
公开(公告)号:CN111462068B
公开(公告)日:2023-03-21
申请号:CN202010237885.2
申请日:2020-03-30
Applicant: 华南理工大学
IPC: G06T7/00
Abstract: 本发明公开的一种基于迁移学习的螺钉螺母检测方法,包括以下步骤:获取螺钉螺母图像,建立数据集,对数据集进行数据增强;构建基于迁移学习第一网络模型并进行对比,选择最优网络模型;修改最优网络模型的全连接层,重新添加用于识别螺钉螺母的全连接层,构建迁移学习第二网络模型;通过数据集对迁移学习第二网络模型进行训练,得到螺钉螺母识别模型;利用迁移学习第二网络模型,对检测结果进行判断,得到检测结果;本发明采用迁移学习,并利用适当的因子卷积和正则化方法对网络进行放大,提高了网络的附加计算效率,通过固定部分的训练权值和调整部分层的结构,提高了模型的精确率,减少了训练时间,解决了数据集不足的问题。
-
公开(公告)号:CN109472230B
公开(公告)日:2022-04-22
申请号:CN201811279874.X
申请日:2018-10-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于行人检测和互联网的运动员自动摄像推荐系统,包括用户图片管理云服务器、通信连接的摄像终端和用户终端。本发明还公开了一种基于行人检测和互联网的运动员自动摄像推荐方法,包括步骤:1)用户终端获取账号信息、号码牌图片和号码值并发送至图片管理云服务器;2)摄像终端获取对应账号用户的图片数据;3)图片管理云服务器接收所述用户终端的账号信息和所述摄像终端的图片数据自动推荐给对应账户的用户终端。本发明通过智能图像处理技术自动拍摄马拉松运动员的图片,将图片与马拉松运动员号码牌绑定,智能地将图片推荐给马拉松运动员,避免了繁琐和昂贵的人工拍摄方式,整个系统简单易用,实用性强,省时省力。
-
公开(公告)号:CN111462068A
公开(公告)日:2020-07-28
申请号:CN202010237885.2
申请日:2020-03-30
Applicant: 华南理工大学
IPC: G06T7/00
Abstract: 本发明公开的一种基于迁移学习的螺钉螺母检测方法,包括以下步骤:获取螺钉螺母图像,建立数据集,对数据集进行数据增强;构建基于迁移学习第一网络模型并进行对比,选择最优网络模型;修改最优网络模型的全连接层,重新添加用于识别螺钉螺母的全连接层,构建迁移学习第二网络模型;通过数据集对迁移学习第二网络模型进行训练,得到螺钉螺母识别模型;利用迁移学习第二网络模型,对检测结果进行判断,得到检测结果;本发明采用迁移学习,并利用适当的因子卷积和正则化方法对网络进行放大,提高了网络的附加计算效率,通过固定部分的训练权值和调整部分层的结构,提高了模型的精确率,减少了训练时间,解决了数据集不足的问题。
-
公开(公告)号:CN111460974A
公开(公告)日:2020-07-28
申请号:CN202010236858.3
申请日:2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于优化的散乱点云数据全局特征提取方法包括以下步骤:初始化散乱点云标签,根据阈值划分特征点和非特征点;判断每个点的局部统一性,根据标签划分统一点和不统一点,把标签为1的统一点的记作特征点集合;通过高斯分布拟合三维散乱模型点云数据中不统一点的属性信息;求取不统一点标签l的马尔科夫随机场的状态分布函数;求取不统一点标签l的目标优化函数并优化,得到不统一点的最优标签分布,进而得到不统一点特征点集合;合并两个特征点集合,得到全局特征点集合,本发明直接对点云数据进行处理,将特征提取问题转化为马尔科夫随机场能量最小化问题,并利用了模拟退火算法求取每个点的最优标签,在全局范围内得到最优解。
-
公开(公告)号:CN111353993A
公开(公告)日:2020-06-30
申请号:CN202010236890.1
申请日:2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于机器视觉的螺纹角度测量方法,包括以下步骤,获取螺纹图像,并调整螺纹轴线和坐标轴水平线使其平行;对螺纹图像进行二值化处理,得到二值化图像;对该图像进行边缘检测,获取二值化图像边缘;对二值化图像进行像素互补,得到像素互补图像并扫描,得到像素互补图像的像素行坐标和像素列坐标;根据像素行坐标和像素列坐标,得到螺峰和螺谷,进而得到螺距值;根据螺距值判断相连的波峰,获取相连波峰的两个波峰像素点和波谷像素点,通过三个像素点计算得到牙型角;本发明利用螺距对螺纹图像进行分析,判断图像波峰像素点和波谷像素点出现的先后关系,进行参数求解,简化螺纹参数计算过程,提高了图像法螺纹测量的适应性。
-
-
-
-
-
-
-
-
-