-
公开(公告)号：CN116749150A
公开(公告)日：2023-09-15
申请号：CN202311052473.1
申请日：2023-08-21
Applicant: 南京埃斯顿自动化股份有限公司 , 南京埃斯顿机器人工程有限公司
Abstract: 本发明公开了一种多轴机器人系统运动规划方法、电子设备及介质，通过求取目标位姿对应的手腕中心，利用机器人的几何空间特性，能够快速的对空间中目标位姿的可达性进行判断，提高搜索效率，同时，通过快速的求解出该点处对应的附加轴有效取值范围，可以有效的降低附加轴的搜索范围，加快求解速度；并且在传统的运动规划空间中增加附加轴信息，使待求解点的附加轴优先在临近点周围取值，可以有效减少附加轴的频繁移动，提高路径规划质量。
-
公开(公告)号：CN116749150B
公开(公告)日：2023-12-12
申请号：CN202311052473.1
申请日：2023-08-21
Applicant: 南京埃斯顿自动化股份有限公司 , 南京埃斯顿机器人工程有限公司
Abstract: 本发明公开了一种多轴机器人系统运动规划方法、电子设备及介质，通过求取目标位姿对应的手腕中心，利用机器人的几何空间特性，能够快速的对空间中目标位姿的可达性进行判断，提高搜索效率，同时，通过快速的求解出该点处对应的附加轴有效取值范围，可以有效的降低附加轴的搜索范围，加快求解速度；并且在传统的运动规划空间中增加附加轴信息，使待求解点的附加轴优先在临近点周围取值，可以有效减少附加轴的频繁移动，提高路径规划质量。
-
公开(公告)号：CN113989241B
公开(公告)日：2024-08-02
申请号：CN202111269603.8
申请日：2021-10-29
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06T7/00 , G06V10/764 , G06T7/10
Abstract: 本发明公开了一种基于图像处理与深度学习融合的光伏组件EL缺陷检测方法，涉及工业产品生产检测领域。通过对M行N列光伏组件图像进行预分割得到每块光伏板的图像，再对单个光伏板进行正常或可能异常的预分类，对于可能异常的光伏板进行深度学习提取特征，以便于进行更准确的二次缺陷检测。按以下步骤进行：步骤1、组件图像预分割；步骤2、组件类型预分类；步骤3、深度学习二次缺陷检测。一方面，本发明减少了深度学习输入图像的尺寸，降低了计算资源需求，且提升了小缺陷的检出率；另一方面，本发明引入单块电池板OK、NG、CNG初分类机制，大量的正样本无需进行深度学习目标检测，极大减少了光伏组件缺陷检测耗时，提高了检测效率。
-
公开(公告)号：CN113989241A
公开(公告)日：2022-01-28
申请号：CN202111269603.8
申请日：2021-10-29
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06T7/00 , G06V10/764 , G06T7/10 , G06K9/62
Abstract: 本发明公开了一种基于图像处理与深度学习融合的光伏组件EL缺陷检测方法，涉及工业产品生产检测领域。通过对M行N列光伏组件图像进行预分割得到每块光伏板的图像，再对单个光伏板进行正常或可能异常的预分类，对于可能异常的光伏板进行深度学习提取特征，以便于进行更准确的二次缺陷检测。按以下步骤进行：步骤1、组件图像预分割；步骤2、组件类型预分类；步骤3、深度学习二次缺陷检测。一方面，本发明减少了深度学习输入图像的尺寸，降低了计算资源需求，且提升了小缺陷的检出率；另一方面，本发明引入单块电池板OK、NG、CNG初分类机制，大量的正样本无需进行深度学习目标检测，极大减少了光伏组件缺陷检测耗时，提高了检测效率。
-
Patent Agency Ranking
公开(公告)号：CN117710460A
公开(公告)日：2024-03-15
申请号：CN202311721473.6
申请日：2023-12-14
Applicant: 南京埃斯顿机器人工程有限公司
IPC: G06T7/73 , G06T7/33 , G06V20/56 , G06V20/64 , G06V20/70 , G06V10/26 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种基于仿真点云数据的工件定位方法、装置及终端，方法包括：构建工件在实际场景中的仿真场景模型，并获取仿真场景模型中工件的仿真点云数据集；构建点云实例分割模型，利用工件点云数据对实例分割模型进行训练；构建工件的模板点云，并在工件模板点云上设置模板抓取点位姿；获取实际工件场景点云数据，输入训练好的点云实例分割模型获得若干独立工件点云作为目标点云；将目标点云与模板点云进行ICP配准，获得模板点云和目标点云的最优转换矩阵；通过模板点云和目标点云的最优转换矩阵，求取目标点云的抓取位姿。本申请利用仿真点云数据对深度学习网络模型训练，减少对现实生产场景的依赖，有利于快速响应市场生产需求。
-
公开(公告)号：CN116797803B
公开(公告)日：2024-02-06
申请号：CN202310857030.3
申请日：2023-07-13
Applicant: 南京埃斯顿自动化股份有限公司
Inventor： 付寅飞
Abstract: 本发明公开了一种基于分段式解耦的点云匹配方法、电子设备及介质，属于三维点云匹配技术领域，本发明将点云匹配的粗匹配过程分为两个阶段，把一次性的参数求解过程拆分成两组参数，分两次计算，利用场景的特点简化了算法过程，避开了传统算法中难以解决的一些误差问题。这样三维匹配问题转化为二维图像匹配问题，这样显著减少了三维点云匹配的数据量和计算量，可用于工业机器人的各种应用场景中，适合于表面纹理简单、曲率变化很小的物体，能够有效提高匹配的计算效率，减少计算时间，也能够获得较高的精度。
-
公开(公告)号：CN115393298A
公开(公告)日：2022-11-25
申请号：CN202210973828.X
申请日：2022-08-15
Applicant: 南京埃斯顿自动化股份有限公司
Inventor： 付寅飞
IPC: G06T7/00 , G06T7/11 , G06V10/25 , G06V10/26 , G06V10/28 , G06V10/56 , G06V10/774 , G06V10/82 , G06T5/00
Abstract: 本发明公开一种基于深度网络的猪半胴体切割轨迹线识别方法，包括以下步骤：S1，获得猪半胴体的图像；S2，将猪半胴体的图像从RGB颜色空间转化到YCbCr颜色空间上，获得转化图像；S3，利用深度网络模型对转化图像进行定位处理，获得目标分割区域图像；S4，对目标分割区域图像进行细化处理，获得单像素中心线图像；S5，对单像素中心线图像进行平滑处理，获得切割轨迹线；本发明采用级联模型构成端到端深度网络模型，提高了对设定的分割区域的定位精度，再配合使用细化处理和平滑处理，能够获得精度高的切割轨迹线。
-
公开(公告)号：CN116797803A
公开(公告)日：2023-09-22
申请号：CN202310857030.3
申请日：2023-07-13
Applicant: 南京埃斯顿自动化股份有限公司
Inventor： 付寅飞
Abstract: 本发明公开了一种基于分段式解耦的点云匹配方法、电子设备及介质，属于三维点云匹配技术领域，本发明将点云匹配的粗匹配过程分为两个阶段，把一次性的参数求解过程拆分成两组参数，分两次计算，利用场景的特点简化了算法过程，避开了传统算法中难以解决的一些误差问题。这样三维匹配问题转化为二维图像匹配问题，这样显著减少了三维点云匹配的数据量和计算量，可用于工业机器人的各种应用场景中，适合于表面纹理简单、曲率变化很小的物体，能够有效提高匹配的计算效率，减少计算时间，也能够获得较高的精度。
-
公开(公告)号：CN118305497A
公开(公告)日：2024-07-09
申请号：CN202410117651.2
申请日：2024-01-26
Applicant: 南京埃斯顿自动化股份有限公司
Abstract: 本发明公开了一种自适应模型匹配的角焊缝感知方法及存储介质，涉及自动化焊接技术领域。可适用于标准基础构件、拼接构件、混合构件的角焊缝识别场景，自适应匹配长度和高度尺寸变化的构件，智能感知由基础构件构成的混合构件焊缝。本发明的技术方案为：步骤1、对基础构件模型焊缝信息识别；步骤2、将基础构件模型与实际工件点云匹配；步骤3、对实际工件的所有焊缝信息推算。本案可有效自适应工件装配误差，精简工件模型数据库，同时降低了相机成像质量要求和拍摄次数，简化智能焊接机器人系统焊缝识别工作流程。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.047 seconds)
