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！

龙图腾网获悉江苏军尚智能科技有限公司申请的专利一种无序堆叠运动的圆形工件的识别、分拣方法和装置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：CN116977642B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310972155.0，技术领域涉及：G06V10/26；该发明授权一种无序堆叠运动的圆形工件的识别、分拣方法和装置是由吴锡生;吴滨;陆钧;陈磊设计研发完成，并于2023-08-03向国家知识产权局提交的专利申请。

本一种无序堆叠运动的圆形工件的识别、分拣方法和装置在说明书摘要公布了：本发明涉及人工智能和机械制造领域，提供了一种无序堆叠运动的圆形工件的识别、分拣方法和装置，其中，识别方法包括依次进行的以下步骤：建立模型库、数据预处理和识别算法，其特征在于，识别算法采用改进的Canny边缘检测算法，增加了对角线方向幅值的计算，并将原固定的上下阈值选取，修改成自适应动态选择阈值，可使生产现场工件的识别率从92.3％，提升到95.9％。

本发明授权一种无序堆叠运动的圆形工件的识别、分拣方法和装置在权利要求书中公布了：1.一种无序堆叠运动的圆形工件的识别方法，其包括依次进行的以下步骤： A建立模型库 获取工件于不同斜度下的特征值并建立模型库； 所述特征值包括直径、高度和结构； 所述特征值的获取操作如下，通过3D相机拍摄得到工件的图像数据信息，由图像数据信息提取工件的特征值； B数据预处理 第一步、数字滤波 1自适应去零滤波，在3D相机安装好后，先在工作面上设置一个标准面，此时用3D相机拍摄得到一组数据，对该数据进行第一次扫描，自适应的得到是零数据最大的邻域和第二大的邻域，然后分别用比最大邻域和第二大邻域大的长方形区间数据，对最大邻域为零区域和其它为零区域，作非零值平均的插值操作，填补所有零值区域，来完成去零滤波； 2中值滤波； 第二步、数据校正 在第一步处理数据的基础上，以中间区域数据的均值作为标准值，然后，这个用标准值与每个像素点做除法运算，从而得到每个像素点的校正系数，并保存； C识别算法 第一步、数据处理 对3D相机拍摄得到的实时数据，首先与所述数据预处理步骤中第一步一样，进行数字滤波，包括自适应去零滤波和中值滤波；然后利用所述B数据预处理第二步中得到的校正系数，对每个像素进行校正，获得当前值；在此基础上，再进行高斯滤波，得到最终的当前场景高度数据； 第二步、改进的Canny边缘检测算法 规则1： ， 其中，i，j为像素点的坐标，x、y分别代表水平方向和垂直方向，Cxi，j为像素点在水平方向上的差分，Cyi，j为像素点在垂直方向上的差分，Ci，j、θi，j分别为像素点i，j处的梯度幅值和梯度方向，fi,j为坐标i,j像素点的像素值； 规则2：非最大值抑制 计算得到梯度值和梯度方向后，再对图像进行全面的扫描，以去除不构成边缘的像素点；即对于每个像素，检查其在梯度方向上，是否是临近像素点中的局部最大值；如是，则保留该点，否则该点置0； 规则3：根据上下阀值，检测和确定边缘 如果边缘像素点梯度值大于上阀值，则被认为是强边缘点，该点置1； 如果边缘梯度值小于上阀值，大于下阀值，则标记为弱边缘点，小于下阀值的点则被抑制掉，该点置0； 而在上下阈值之间的边缘像素点，为待定边缘，如与强边缘连通，则认为是有效边缘，该点置1，否则置0，以得到完整的边缘图像； 第三步、工件及分布识别 利用圆的计算公式， 对所述C识别算法第二步得到的边缘图像，进行遍历扫描，计算所有可能圆的坐标及半径，然后按半径值和像素点的数量，得到候选工件位置，确定工件的实际分布情况，其中，作为候选工件位置，在有同心圆时，保留半径最大的圆，其余的删除； 第四步、根据边缘点像素分布状况及数量，自适应动态选择上下阈值，下阈值选择范围为1~7，上阈值选择范围为5~12，以此得到最佳的边缘。

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江苏军尚智能科技有限公司，其通讯地址为：214000 江苏省无锡市滨湖区无锡(国家)工业设计园建筑西路599号1号楼16楼；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”。

以上内容由龙图腾AI智能生成。