Способ и система определения местоположения складских паллет на основе изображений трехмерных датчиков

Изобретение относится к области вычислительной техники. Технический результат направлен на повышение точности и скорости автоматического обнаружения паллеты. Способ определения местоположения складских паллет на основе изображений трехмермерных датчиков, характеризующийся тем, что получают облако точек паллеты от по меньшей мере одного трехмерного датчика, осуществляют фильтрацию полученных на предыдущем шаге точек, выполняют проекцию отфильтрованных точек на вертикальную плоскость, получая матрицу проекции паллеты, осуществляют локализацию фронта паллеты на матрице проекции паллеты, аппроксимируют фронт паллеты отфильтрованными точками облака точек, лежащими в области локализованного фронта паллеты, определяют координаты складской паллеты на основании результатов аппроксимации фронта паллеты, полученных на предыдущем шаге. 3 з.п. ф-лы, 7 ил.

 

ОБЛАСТЬ ТЕХНИКИ

[1] Данное техническое решение в целом относится к области вычислительной техники, в частности к способам и системам обнаружения паллет в облаке точек и вычисления их координат.

УРОВЕНЬ ТЕХНИКИ

[2] В текущем уровне техники не выявлено аналогов к данному техническому решению. Актуальность технического решения появилась лишь в последние годы в связи с появлением новых технологий распознавания трехмерной сцены и удешевлением аппаратуры, необходимой для экономически целесообразной автоматизации логистических процессов на не автоматизированных складах.

[3] Единственным выявленным похожим решением в уровне техники является способ от американской компании Love Park Robotics: «Real-Time Pallet Tracking in 3D with Time-of-Flight Depth Sensors» (источник - официальный сайт компании: http://loveparkrobotics.com/?p=1041). Демонстрируемое решение находится на стадии прототипа; компания планирует выводить технологию на рынок, информация о способе ее реализации не разглашается.

[4] На рекламном видео показано распознавание пустой паллеты, стоящей отдельно от других предметов и развернутой к камере стороной для вилочного захвата. Демонстрируется сопровождение паллеты на дистанциях от 1,8 до 2,2 метра и при небольшом повороте камеры. Визуализация показывает выделение фронтальных участков паллеты (шашки, верхнюю и нижнюю планку), что позволяет считать, что способ использует их для локализации. Однако не показана способность способа детектировать паллету на дистанции менее 1.8 м или более 2.2 м, детектировать повернутую паллету, паллету в пленке и паллету с грузом, детектировать паллеты разных видов, выделять паллету из окружения и обрабатывать случаи плотной установки паллет. Нет оснований считать показанное решение промышленно применимым.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[5] Данное техническое решение направлено на устранение недостатков, присущих существующим техническим решениям.

[6] Технической задачей в данном техническом решении является обнаружение паллеты в облаке точек и вычисление ее координат.

[7] Техническим результатом, достигаемым в данном техническом решении, является повышение точности и скорости автоматического обнаружения паллеты.

[8] Указанный технический результат достигается благодаря способу определения местоположения складских паллет на основе изображений трехмерных датчиков, характеризующийся тем, что для определения местоположения паллеты получают облако точек от по меньшей мере одного трехмерного датчика; осуществляют фильтрацию полученных на предыдущем шаге точек, оставляя только те, которые лежат на фронтальных поверхностях объектов; выполняют проекцию отфильтрованных точек на вертикальную плоскость, получая матрицу проекции; осуществляют локализацию фронта паллеты на матрице проекции, полученной на предыдущем шаге; аппроксимируют фронт паллеты отфильтрованными точками облака точек, лежащими в области локализованного фронта паллеты; определяют координаты складской паллеты на основании результатов аппроксимации фронта паллеты, полученных на предыдущем шаге.

[9] В некоторых вариантах осуществления трехмерным датчиком является времяпролетный датчик, или активная и пассивная стереокамера, или триангуляционный сканер, или лидар.

[10] В некоторых вариантах осуществления трехмерный датчик перемещается в процессе работы.

[11] В некоторых вариантах осуществления при фильтрации облака точек используют способы выделения плоскостей в облаке точек.

[12] В некоторых вариантах осуществления при локализации фронта паллета на матрице проекции паллеты, используют маску профиля паллеты.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[13] Признаки и преимущества настоящего изобретения станут очевидными из приведенного ниже подробного описания технического решения и прилагаемых чертежей, на которых:

[14] Фиг. 1 показывает основной принцип функционирования одного из классов трехмерных датчиков - времяпролетных камер.

[15] Фиг. 2 показывает пример сцены с искомой паллетой и тремя посторонними объектами различных форм, также показана базовая система координат (xyz) и искомые координаты паллеты: X, Y, Z.

[16] Фиг. 3 показывает выделение фронтальных поверхностей объектов на примере сцены из Фиг. 2.

[17] Фиг. 4 показывает преобразование фронтальных поверхностей объектов для получения матрицы проекции.

[18] Фиг. 5 показывает получение масок проекций паллеты.

[19] Фиг. 6 показывает пример осуществления способа определения местоположения складских паллет на основе изображений трехмерных датчиков;

[20] Фиг. 7 показывает пример осуществления карты откликов при поиске паллеты.

ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

[21] Данное техническое решение может быть реализовано в виде системы, осуществляющей выполнение инструкций для реализации вышеупомянутого способа.

[22] Техническое решение может быть реализовано в виде распределенной в пространстве системы.

Ниже будут описаны термины и понятия, необходимые для осуществления настоящего технического решения.

[23] Система - это компьютерная система, ЭВМ (электронно-вычислительная машина), СЧПУ (система с числовым программным управлением), ПЛК (программируемый логический контроллер), компьютеризированные системы управления и любые другие устройства, способные выполнять определенную последовательность операций (действий, инструкций).

[24] Вычислительное устройство - это устройство, под которым может пониматься удаленный или локальный контроллер, или микроконтроллер, или ЭВМ, или ПЛК, или центральный процессор, или графический процессор, исполняющий машинные инструкции (программы).

[25] Устройство управления - устройство, осуществляющее управление процессами реализации способа. Может быть вычислительным устройством.

[26] Устройства хранения - это устройства хранения данных, в роли которых могут выступать, но, не ограничиваясь, жесткие диски (HDD), флеш-память, ПЗУ (постоянное запоминающее устройство), твердотельные накопители (SSD), оптические приводы.

[27] Программа - последовательность инструкций, предназначенных для исполнения устройством управления или вычислительным устройством.

[28] На Фиг. 8 показана блок-схема способа определения местоположения складских паллет на основе изображений трехмерных датчиков, в котором:

[29] Шаг 101: получают облако точек паллеты от по меньшей мере одного трехмерного датчика;

[30] В качестве трехмерного датчика могут использоваться устройства, основанные на различных физических принципах: времяпролетные датчики, активные и пассивные стереокамеры, триангуляционные сканеры, лидары и прочие.

[31] Трехмерный датчик может в процессе работы перемещаться в пространстве. В этом случае для осуществления технического решения движение датчика компенсируется, чтобы получаемые входные данные представляли собой облако точек, отражающее сцену - например, показания датчика представляются в системе координат, неподвижной относительно сцены.

[32] Облако точек состоит из трехмерных векторов в заданной системе координат, каждый из которых соответствует малой видимой области сцены.

[33] Шаг 102: осуществляют фильтрацию полученных на предыдущем шаге точек, оставляя только те, которые лежат на фронтальных поверхностях объектов.

[34] Фильтрация облака точек производится для отбрасывания точек, гарантированно не лежащих на фронтальной плоскости паллеты. Для этого используются способы выделения плоскостей в облаке точек, известные из уровня техники, например, локальный RANSAC (Random Sample Consensus), классификатор на картах градиентов, бинаризация по карте нормалей или другие.

[35] Шаг 103: выполняют проекцию точек, прошедших фильтрацию, на вертикальную плоскость, получая матрицу проекции паллеты.

[36] Угол поворота проекционной плоскости в горизонтальной плоскости может определяться априорной информацией об ожидаемом повороте паллеты или варьироваться итерационно в заданных пределах. В простейшем случае он нулевой - используется проекционная плоскость камеры.

[37] Точки, прошедшие фильтрацию, ортогонально проецируются на проекционную плоскость, их координаты дискретизируются и представляются в виде координат элементов матрицы проекции. Для дискретизации проекционная плоскость разбивается прямоугольной сеткой с заранее заданным постоянным шагом - проекционным разрешением. Ячейки этой сетки соответствуют элементам матрицы проекции. Каждой точке облака, таким образом, соответствует определенная ячейка сетки на проекционной плоскости и определенный элемент матрицы проекции.

[38] Для ячеек сетки, построенной на предыдущем шаге, вводится функционал, характеризующий качество аппроксимации плоскостью спроецированных в них точек. В простейшем случае это булева функция: 1 - спроецированные точки есть, 0 - точек нет. Значения функционала для ячеек заносятся в соответствующие элементы матрицы проекции.

[39] Шаг 104: осуществляют локализацию фронта паллеты на матрице проекции, полученной на предыдущем шаге.

[40] Для локализации фронта паллеты или его элементов используются маски профиля паллеты - матрицы одного размера, описывающие профиль паллеты. Размер маски профиля определяется размером профиля паллеты и ранее принятым проекционным разрешением. Элемент маски профиля соответствует прямоугольному участку на фронтальной плоскости паллеты.

[41] Матрицы профиля паллеты описывают различные элементы паллеты: шашки, доску настила, отверстия для вилочного захвата, и заполняются ненулевыми элементами в областях, соответствующих описываемым ими элементам паллеты. В простейшем случае используется всего одна маска профиля паллеты с отрицательными элементами на отверстиях для вилочного захвата и положительными в остальных областях.

[42] Для матрицы проекции и каждой из масок профиля паллеты, полученных на предыдущем шаге, методом цифровой корреляции изображений получают карту откликов - массив, составленный из коэффициентов взаимной корреляции элементов матрицы проекции и рассматриваемой маски профиля паллеты.

[43] Множество двумерных карт отклика, полученных на предыдущем шаге, можно представить в виде трехмерной карты отклика, размерность элемента которой равна числу используемых масок профиля. Проекция элемента такой карты на заданный вектор образует скалярный отклик элемента матрицы проекции. Выполняя такую проекцию для всех элементов, получают итоговую карту отклика.

[44] Локальные максимумы итоговой карты отклика, полученной на предыдущем шаге, соответствуют перспективным локализациям паллеты - областям матрицы проекции, наилучшим образом совпадающим с маской профиля паллеты. Для определения положения паллеты используется наилучшая локализация паллеты - область матрицы проекции, соответствующая глобальному максимуму итоговой карты отклика.

[45] Шаг 105: аппроксимируют фронт паллеты отфильтрованными точками облака точек, лежащими в области локализованного фронта паллеты.

[46] Помещают маску профиля паллеты на наилучшую локализацию паллеты и выделяют области маски профиля паллеты, описывающие шашки паллеты. Выделяют покрываемые ими элементы матрицы проекции и ячейки на проекционной плоскости, соответствующие этим элементам. Затем выделяют точки входного облака точек, спроецированные в выделенные ячейки, и используют эти точки для определения положения паллеты.

[47] Аппроксимируют плоскостью точки, выделенные на предыдущем шаге: отсеивают выбросы, используя RANSAC или другой робастный способ, и минимизируют отклонение остальных точек от искомой плоскости, варьируя ее положение. Для минимизации может быть использован алгоритм Левенберга-Марквардта, алгоритм Ньютона или любой другой алгоритм численной оптимизации, известный из уровня техники.

[48] Шаг 106: определяют координаты складской паллеты на основании результатов аппроксимации фронта паллеты, полученных на предыдущем шаге.

[49] Определяют координаты центра проекции паллеты - геометрического центра области матрицы проекции, соответствующей наилучшей локализации паллеты - в координатах проекционной плоскости. Данные координаты описывают боковое и вертикальное смещение паллеты в координатах проекционной плоскости.

[50] Вычисляют проекцию центра проекции паллеты на вычисленную плоскость фронта паллеты. Расстояние от полученной точки до проекционной плоскости определяет расстояние от паллеты до проекционной плоскости.

[51] Переводят смещение паллеты относительно проекционной плоскости, вычисленное на предыдущих шагах, в исходную систему координат. Переводят поворот плоскости фронта паллеты относительно проекционной плоскости в исходную систему координат.

ПРИМЕРЫ ОСУЩЕСТВЛЕНИЯ

На Фиг. 2 приведен пример сцены, содержащей паллету с грузом (по центру), коробку без паллеты (слева) и бочку (справа).

Точки P1, P2, P3 лежат на фронтальной части паллеты, Р4 - на крышке паллеты, Р5 - на фронтальной поверхности груза, стоящего на полу, Р6 и Р7 - на бочке, Р8 - на полу перед паллетой, Р9 - на грузе над паллетой. Допустим, точки P1…9 имеют координаты в системе координат камеры XYZ

Р1=[2 -0.3 -0.4]T,

P2=[1.8 -0.6 -0.4]T,

Р3=[2.2 0 -0.4]T,

Р4=[2.5 -0.3 -0.35]T,

Р5=[2.2 0.6 -0.2]T,

Р6=[1.8-1.2 -0.1]T,

Р7=[1.7 -1.3 -0.2]T,

P8=[1.6 -0.4 -0,4]T,

Р9=[2.2 0 -0.39]T.

Для фильтрации облака точек используется карта нормалей, описывающая ориентацию окрестностей точек облака: она состоит из единичных векторов, направленных перпендикулярно поверхностям, задаваемым точками облака. Для построения такого вектора в каждой точке облака вычисляются частные производные по нормализованным координатам, результат их векторного произведения нормируется и принимается в качестве нормали. Для вычисления частных производных применяются численные методы, например метод Собеля.

Допустим, нормали в рассматриваемых точках P1…9 таковы:

N1=N2=[-0.95 0.31 0],

N3=[-0.93 0.31 0.2],

N4=N8=[0 0 1],

N5=[-1 0 0],

N6=[0 0.10],

N7=N9=[-0.85 0.53 0].

Фронтальными считаются поверхности, нормаль к которым имеет модуль глубинной составляющей X не ниже порогового значения: в данном примере осуществления для заранее заданного порога 0.8 проверку пройдут только точки Р1-3, Р5, Р7 иР9 - они будут спроецированы.

При проецировании на проекционную плоскость (Фиг. 2) координаты Y и Z точек дискретизируются в соответствии с принятым проекционным разрешением s и переводятся в координаты элементов матрицы проекции. Так, при s=0.01 м / пкс и окне проекции размером 6×3 метра с серединой в начале координат матрица проекции будет иметь разрешение [600×300], а точке P1 будет соответствовать элемент с координатами M1=[270 110] (точка [0 0] находится в левом нижнем углу). Аналогично, точкам Р2, Р3, P5, Р7 и Р9 будут соответствовать точки

М2=[360 100]T,

М3=[300 100]T,

М5=[240 130]T,

М7=[430 130]T,

М9=[300 100]T.

Данные элементы и другие элементы, соответствующие фронтальным поверхностям, в матрице проекции будут единичными, а остальные - нулевыми (Фиг. 3).

Для локализации фронта паллеты на матрице проекции используются маски профиля, каждая из которых соответствует структурному элементу профиля поддона. Например, для этого используются пять масок: три для шашек и две для отверстий для вилочного захвата. При ширине профиля в 800 мм, высоте в 100 мм и проекционном разрешении 0.01 маски профиля имеют разрешение [80×10] элементов.

Область маски профиля паллеты, соответствующая описываемому ей материальному элементу паллеты, заполняется положительными значениями, а соответствующая его отсутствию - отрицательными, остальная часть маски заполняется нулями (Фиг. 5). Заполняющие значения выбраны таким образом, чтобы обеспечить единичный модуль их суммы: так, например, центральной шашке шириной 80 мм соответствует маска с прямоугольной областью [8×10], каждый элемент которой равен 0.0125.

Корреляция матрицы проекции с пятью заданными масками профиля формирует пять карт отклика. Например, большие значения на карте отклика для центральной шашки паллеты будут на заполненных областях, а на карте для левого отверстия - на слабо заполненных областях. Карта откликов для левого бруска будет напоминать карту отклика для центрального, сдвинутую вправо на половину ширины маски профиля.

Отклик элемента маски проекции может быть представлен в виде пятимерного вектора в пространстве заполненностей. Проекция этого вектора на заданный вектор (его координаты - параметры алгоритма) образует итоговый отклик, для данной точки описывающий меру соответствия ее окрестности шаблону паллеты.

Локальные максимумы итоговой карты откликов по очереди перебираются до достижения условия окончания поиска (максимальное число итераций или минимальная величина очередного максимума) или до успешного обнаружения паллеты.

Для аппроксимации фронта паллеты в облаке точек используются точки облака, соответствующие элементам матрицы проекции, совпавшим с положительными элементами масок профиля (Фиг. 7). Так, в аппроксимации будут участвовать точки Р1-3, лежащие на искомом профиле, и Р9, лежащая вне профиля, но попавшая в ту же ячейку проекционной плоскости, что Р3.

При аппроксимации методом RANSAC с большой вероятностью будет принята гипотеза, которой будут хорошо удовлетворять точки Р1-3 и плохо - точка Р9, в результате чего последняя будет исключена из рассмотрения. Минимизация отклонений оставшихся точек достигается решением СЛАУ

(P-C)⋅n=0,

где P - матрица, строки которой представляют собой координаты точек облака, C - матрица, составленная из строк cT - координат центра масс используемых точек, n - искомая нормаль к плоскости. Определив c и решив данную систему, получим

c=[2 -0.3 -0.4]T,

n=[-0.95 0.31 0]T,

что полностью описывает положение плоскости относительно камеры. Для проверки возможности и безопасности захвата обнаруженной паллеты проводится ряд дополнительных проверок. Так, например, проверяется наличие точек облака непосредственно над отверстиями для вилочного захвата паллеты - до этого момента способ мог принять за паллету отдельно стоящие кубики. Проверяется разреженность облака в отверстиях для вилочного захвата - наличие там посторонних предметов сделает захват опасным. Наконец, участок пола перед паллетой проверяется на отсутствие мелких объектов и неровностей.

Если локализованная и аппроксимированная паллета проходит эти проверки, она принимается в качестве результата работы технического решения и захватывается роботом.

1. Способ определения местоположения складских паллет на основе изображений трехмермерных датчиков, характеризующийся тем, что:

- получают облако точек паллеты от по меньшей мере одного трехмерного датчика;

- осуществляют фильтрацию полученных на предыдущем шаге точек, оставляя только те, которые лежат на фронтальных поверхностях объектов, используя бинаризацию по карте нормалей для выделения фронтальной плоскости;

- выполняют проекцию отфильтрованных точек на вертикальную плоскость, получая матрицу проекции паллеты;

- осуществляют локализацию фронта паллеты на матрице проекции паллеты, полученной на предыдущем шаге, используя маску паллеты с положительными и отрицательными откликами;

- аппроксимируют фронт паллеты отфильтрованными точками облака точек, лежащими в области локализованного фронта паллеты;

- определяют координаты складской паллеты на основании результатов аппроксимации фронта паллеты, полученных на предыдущем шаге.

2. Способ по п. 1, характеризующийся тем, что трехмерным датчиком является времяпролетный датчик, или активная и пассивная стереокамера, или триангуляционный сканер, или лидар.

3. Способ по п. 1, характеризующийся тем, что трехмерный датчик перемещается в процессе работы.

4. Способ по п. 1, характеризующийся тем, что при фильтрации облака точек используются способы выделения плоскостей в облаке точек.



 

Похожие патенты:

Изобретение относится к области компьютерных технологий. Технический результат – повышение точности при рекомендации облачной карты контактному субъекту.

Изобретение относится к вычислительной технике. Технический результат заключается в преобразовании частоты кадров в реальном времени на мобильном устройстве при улучшенном сочетании энергопотребления, качества и производительности.

Группа изобретений относится к области обработки данных компьютерной томографии (КТ) и может быть использована для сегментации изображений очагов легких. Получают данные КТ органов грудной клетки, содержащие изображения.

Изобретение относится к медицинской технике. Система содержит интерфейс, выполненный с возможностью приема потока данных, содержащего данные изображений, представляющие всю наблюдаемую область, содержащую по меньшей мере один исследуемый объект; разделительный блок, выполненный с возможностью образования множества подобластей в общей области; а также классификатор, выполненный с возможностью классификации множества подобластей по меньшей мере на один индикативный тип области и по меньшей мере один вспомогательный тип области, при этом по меньшей мере один индикативный тип области содержит по меньшей мере одну индикативную область исследования, по меньшей мере частично представляющую исследуемый объект.

Изобретение относится к области анализа и обработки изображений документов. Технический результат – повышение точности разделения текстов и иллюстраций в изображениях документов и минимизация ошибок такого разделения.

Группа изобретений относится к медицине. Группа изобретений представлена способом определения жизненно важных показателей человеческого тела, устройством для определения жизненно важных показателей, способом аутентификации человека и способом для распознавания реакции человека.

Изобретение относится к технологиям визуально-измерительного контроля (ВИК), позволяющим по зарегистрированным изображениям обнаружить искомые элементы поверхности контролируемых объектов в труднодоступных внутренних полостях различных технических устройств и сооружений и измерить геометрические характеристики этих элементов.

Группа изобретений относится к медицинской технике, а именно к медицинским системам ультразвуковой диагностики. Система ультразвуковой диагностики содержит матричный зонд, выполненный с возможностью сканирования в режиме реального времени множества плоскостей изображения в области тела, контроллер для управления сканированием посредством матричного зонда, процессор изображений, соединенный с матричный зондом, дисплей, соединенный с процессором изображений, данные, представляющие анатомическую модель анатомического объекта, процессор совмещения изображений, при этом контроллер сконфигурирован для побуждения матричного зонда сканировать в режиме реального времени плоскость изображения, соответствующую данным ориентации плоскости изображения.

Группа изобретений относится к медицинской технике, а именно к ультразвуковым системам визуализации. Система ультразвуковой визуализации включает ультразвуковой датчик, имеющий матрицу измерительных преобразователей, который обеспечивает ультразвуковой сигнал приема, блок обработки объема B-режима, который генерирует объем B-режима на основе ультразвукового сигнала приема, блок обработки изображений B-режима, обеспечивающий текущее изображение B-режима на основе объема B-режима, блок сегментации сосуда, создающий трехмерную карту сосудов путем выполнения методики сегментации сосуда до вставки инвазивного медицинского устройства во время процедуры наведения по ультразвуковому изображению, память, которая хранит предварительно полученные трехмерные карты сосудов, блок совмещения, совмещающий ранее полученные трехмерные карты сосудов с объемом B-режима и выбирающий части трехмерной карты сосудов, которые соответствуют текущему изображению B-режима, причем блок совмещения выполнен с возможностью получения информации об отслеживании положения ультразвукового измерительного преобразователя для того, чтобы выбрать части трехмерной карты сосудов, соответствующие текущему изображению B-режима, дисплей, отображающий живое ультразвуковое изображение, которое обновляется в реальном времени во время вставки инвазивного медицинского устройства, основанного на текущем изображении B-режима и выбранной части трехмерной карты сосудов, блок обработки изображений, выполненный с возможностью наложения текущего изображения B-режима и выбранной части трехмерной карты сосудов для того, чтобы обеспечить живое ультразвуковое изображение.

Изобретение относится к дистанционному мониторингу транспортных средств. Техническим результатом является усовершенствование процесса определения местоположения и отслеживания транспортного средства.

Изобретение относится к управлению технологическим процессом. Система управления технологическим процессом содержит: периферийное устройство управления состоянием процесса; беспроводный датчик контроля процесса на возникновение события; систему дистанционного управления, удаленную от периферийного устройства и включающую в себя первый контроллер, первую память, первый процессор и первый модуль беспроводного обмена данными.

Изобретение относится к автоматизированным системам разработки конструирования изделий, автоматизированным системам технологических процессов и станкам с числовым программным управлением.

Изобретение относится к сверлильно-клепальному оборудованию и может быть использовано при клепке криволинейных панелей. Автомат содержит верхнюю силовую головку, поддерживающе-выравнивающее устройство для панели, систему управления и три датчика-дальномера для измерения расстояния до поверхности панели.

Изобретение относится к устройству управления для использования в системе управления окружающим светом для управления окружающим светом, поступающим в пространство через отверстие.

Изобретение относится к способу управления роботами (3, 4) с соответствующими рабочими пространствами, включающими по меньшей мере одну общую область, с обеспечением управления движениями роботов и предотвращения контакта между ними в их общей области.

Изобретение относится к самонастраивающейся системе управления электроприводом. Самонастраивающийся электропривод манипуляционного робота содержит электродвигатель, редуктор, датчики положения и скорости, сумматоры, блоки умножения, задатчики сигнала, квадраторы, дифференциатор и функциональные преобразователи: синусные и косинусные.

Изобретение относится к самонастраивающейся системе управления электроприводом. Самонастраивающийся электропривод содержит последовательно соединенные первый сумматор, корректирующее устройство, усилитель, электродвигатель, связанный непосредственно с датчиком скорости и через редуктор - с датчиком положения.

Изобретение относится к управлению фрезерными станками. Технический результат - повышение точности и производительности станков.

Изобретение относится к машиностроению и может быть использовано при клепке криволинейных панелей в автоматическом режиме. Производят выравнивание поверхности криволинейной панели в зонах клепки путем ее ориентирования по нормали к оси силовой головки сверлильно-клепального автомата.

Изобретение относится к области автоматики и предназначено для использования в системах управления испытательных машин с электрогидравлическим следящим приводом.

Изобретение относится к области вычислительной техники. Технический результат направлен на повышение точности и скорости автоматического обнаружения паллеты. Способ определения местоположения складских паллет на основе изображений трехмермерных датчиков, характеризующийся тем, что получают облако точек паллеты от по меньшей мере одного трехмерного датчика, осуществляют фильтрацию полученных на предыдущем шаге точек, выполняют проекцию отфильтрованных точек на вертикальную плоскость, получая матрицу проекции паллеты, осуществляют локализацию фронта паллеты на матрице проекции паллеты, аппроксимируют фронт паллеты отфильтрованными точками облака точек, лежащими в области локализованного фронта паллеты, определяют координаты складской паллеты на основании результатов аппроксимации фронта паллеты, полученных на предыдущем шаге. 3 з.п. ф-лы, 7 ил.

Наверх