买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于模板轮廓学习的在装产品装配状态识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115170827B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210821549.1，技术领域涉及：G06V10/44；该发明授权一种基于模板轮廓学习的在装产品装配状态识别方法是由张杰;李伟博;蒋家祺;季宝宁;余剑峰设计研发完成，并于2022-07-12向国家知识产权局提交的专利申请。

本一种基于模板轮廓学习的在装产品装配状态识别方法在说明书摘要公布了：本发明涉及一种基于模板轮廓学习的在装产品装配状态识别方法，首先建立产品数字模型装配状态包围盒，在获取到包围盒上的虚拟视点后进行扩充；利用数字模型和虚拟视点完成了对数字模型装配状态的投影，构建特征描述符；对拍摄到的在装产品图像进行优化，得到外形轮廓完整、特征清晰以及曝光度适宜的高质量在装产品图像；基于获取的数字模型特征描述符和在装产品图像，建立可用于卷积神经网络训练和测试的数据集；构造卷积神经网络，并利用数字模型特征描述符训练数据集对网络进行训练。本方法在无标识的情况下，通过分析在装产品的实拍图像实现；同时实现了计算机对装配过程中在装产品装配状态的自动识别，能够使产品装配作业效率得到有效提升。

本发明授权一种基于模板轮廓学习的在装产品装配状态识别方法在权利要求书中公布了：1.一种基于模板轮廓学习的在装产品装配状态识别方法，其特征在于，包括以下步骤： 步骤1：定义由n个零件构成的待装配产品表示为：A＝{part1,part2,…,partn}，通过梳理其产品装配流程，建立由n个表示其装配状态的点云模型构成的装配序列SE； 其中，ASi表示产品处于第i个装配状态时的装配体点云模型，parti表示第i个装配状态时所需安装的零件； 步骤2：对装配体不同装配状态的数字模型建立外接正多面体，获得的顶点和面中心点的集合就是该装配状态下的初始虚拟视点集合； 步骤3：对于每个装配状态点云，通过视图投影获取其模板特征描述符；包括以下子步骤： 步骤3.1：将投影平面统一旋转至三维坐标系中的xoy平面后再进行投影；o_model为装配体模型的形心，用xo，yo，zo表示该形心坐标；CVi为第i个虚拟视点，用xi，yi，zi表示该虚拟视点坐标将原始点云沿着方向L＝xi-x0,yi-y0,zi-z0向xoy平面进行投影，其中xi,yi,zi表示第i个虚拟视点的三维坐标，x0,y0,z0表示装配点云的形心点三维坐标；投影后的三维点云坐标表示为： AS'i＝ASi*Rj 其中，为第i个虚拟视点下将点云模型旋转至需求位置的旋转矩阵，可以表示为： 步骤S3.2：构造一个的二维直方图并对其进行初始化，使其中每个值为0，其中m表示维数； 步骤S3.3：统计AS'i中每个点落在中的位置，并统计其最大值： 其中idx，idy＝1,2,…,m为点x,y,z落在中的位置索引，按照以下方式计算： 其中，[·]为向上取整函数； 步骤S3.4：重复步骤S3.3，直至遍历AS'i中的所有点，并将作为装配状态点云在ASi在虚拟视点fpj方向的投影轮廓描述符； 步骤S3.5：重复步骤S3.1-S3.4，直至获取状态AS1-ASn在虚拟视点fp1-fpk下的所有描述符 步骤4：为突出表达在装产品外形特征，需要对采集到的在装产品图像进行优化处理； 步骤5：采用卷积神经网络实现装配状态的识别；步骤2得到的数字模型描述符作为训练集；步骤3得到的在装产品图像作为测试集，其中输入层用于接收图像输入，在输入层后再依次接入卷积层，然后是激活函数层，接着接入最大池化层等后续网络层级；输出层用于输出识别结果信息，即分类层； 步骤6：对建立的神经网络进行前向传播和反向传播的络训练，其中前向传播求出的输出值还需要与目标值进行误差的计算，计算结果若不满足要求则进入反向传播过程，若满足则直接输出结果，需要设定反向传播的损失函数； 步骤7：使用训练好的卷积神经网络对在装产品图像测试数据集进行识别，输出对应的识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。