(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210627892.2 (22)申请日 2022.06.06 (65)同一申请的已公布的文献号 申请公布号 CN 114708587 A (43)申请公布日 2022.07.05 (73)专利权人 中科航迈数控软件 （深圳） 有限公 司 地址 518000 广东省深圳市南 山区桃源街 道平山社区留仙大道 4168号众冠时代 广场A座2010 (72)发明人 吴承科　刘祥飞　谭家娟　鲁江权　 杨之乐　蒋锐　郭媛君　李骁　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 陈专 (51)Int.Cl. G06V 20/64(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/521(2017.01) B23Q 1/00(2006.01) (56)对比文件 CN 105867300 A,2016.08.17 CN 108120 373 A,2018.0 6.05 CN 112614098 A,2021.04.0 6 CN 101634544 A,2010.01.27 CN 114048556 A,2022.02.15 US 2011137450 A1,201 1.06.09 JP 2005224942 A,20 05.08.25 WO 20212486 50 A1,2021.12.16 EP 2213805 A1,2010.08.04 审查员 张笑迪 (54)发明名称 一种基于图像识别的数控机床工件加工余 量确定方法 (57)摘要 本发明公开了一种基于图像识别的数控机 床工件加工余量确定方法， 方法包括： 获取待加 工工件的图像数据， 并对图像数据进行特征识 别， 确定图像数据中的工件形状特征， 并基于工 件形状特征， 确定与工件形状特征所对应的参考 3D模型， 参考3D 模型用于反映待加工工件在加工 完成后的工件 形状； 获取待加工工件的激光点云 数据， 并基于激光点云数据， 确定待加工工件的 实时3D模型； 根据实时3D模型与参考3D模型， 确 定待加工工件的加工余量。 本发 明可实现对加工 余量的实时追 踪， 方便对 待加工工件进行加工 。 权利要求书3页 说明书9页 附图2页 CN 114708587 B 2022.09.02 CN 114708587 B 1.一种基于图像识别的数控机床工件加工余 量确定方法， 其特 征在于， 方法包括： 获取待加工工件的图像数据， 对所述图像数据进行特征识别， 确定所述图像数据中的 工件形状特征， 并基于所述工件形状特征， 确定与所述工件 形状特征所对应的参考3D模型， 所述参考3D模型用于反映待加工 工件在加工 完成后的工件形状； 获取所述待加工工件的激光点云数据， 并基于所述激光点云数据， 确定待加工工件的 实时3D模型； 根据所述实时3D模型与所述 参考3D模型， 确定所述待加工 工件的加工余 量； 所述获取待加工工件的图像数据， 对所述图像数据进行特征识别， 确定所述图像数据 中的工件形状特 征， 包括： 基于图像采集装置， 采集所述待加工 工件的图像数据； 将所述图像数据输入至预设的CNN边缘检测模型， 确定所述图像数据中的图像边缘数 据， 其中， 所述CNN  边缘检测模型是基于训练 图像对CNN网络训练而成的， 所述训练图像中 包含了各种形状的工件的图像， 且 还对每一张图像中的工件轮廓进行了标注； 对所述图像边缘数据进行灰度 特征提取， 得到灰度 特征数据， 其中， 所述灰度特征数据 是待加工 工件的边 缘上的灰度数据， 反映的是待加工 工件的图像与背景之间的分界； 根据所述灰度特 征数据， 确定所述工件形状特 征； 所述获取 所述待加工 工件的激光 点云数据， 包括： 在所述待加工 工件在加工时， 对所述待加工 工件进行扫描， 得到稀疏点云数据； 基于MVS算法对所述稀疏点云数据进行处理， 得到稠密点云数据， 并将所述稠密点云数 据作为所述激光 点云数据； 所述基于所述激光 点云数据， 确定待加工 工件的实时3D模型， 包括： 对所述激光点云数据进行分析， 从所述激光点云数据中， 确定所述待加工工件的实时 形状特征以及实时加工环境； 根据所述实时加工环境， 确定所述实时加工环境所对应的加工 工艺信息； 将所述实时形状特征与所述加工工艺信息进行匹配， 确定所述加工工艺信息中， 与所 述实时形状特 征所对应的加工进程； 基于所述加工进程与所述实时形状特 征， 生成实时3D模型； 所述对所述激光点云数据进行分析， 从所述激光点云数据中， 确定所述待加工工件的 实时形状特 征以及实时加工环境， 包括： 基于预设的分割 模型来对激光点云数据进行分割处理， 从所述激光点云数据中分别分 割出用于反映实时形状特 征的激光 点云数据以及用于反映实时加工环境的激光 点云数据； 分别对这两种激光点云数据进行分析， 确定所述实时形状特征以及所述实时加工环 境； 或者， 在所述待加工 工件 在加工过程中拍摄图像数据， 对图像数据进行识别； 从所述图像数据中得到工件形状特征以及加工环境特征， 并根据工件形状特征确定工 件的所述实时形状特 征， 以及根据加工环境特 征确定所述实时加工环境。 2.根据权利要求1所述的基于图像识别的数控机床工件加工余量确定方法， 其特征在 于， 所述基于所述工件形状特 征， 确定与所述工件形状特 征所对应的参 考3D模型， 包括：权　利　要　求　书 1/3 页 2 CN 114708587 B 2基于所述工件形状特 征， 确定所述待加工 工件所对应的工件类型； 将所述工件类型与预设的模型模板库进行匹配， 确定所述参考3D模型， 其中， 所述模型 模板库中用于 反映所述工件形状特征、 所述工件类型以及所述参考3D模型三者之间的映射 关系。 3.根据权利要求2所述的基于图像识别的数控机床工件加工余量确定方法， 其特征在 于， 所述将所述工件类型与预设的模型模板库进行匹配， 确定所述 参考3D模型， 包括： 基于所述工件类型， 在模型模板中找出与所述工件类型 所对应的候选参 考3D模型； 将所述工件形状特征与所述候选参考3D模型进行匹配， 确定与所述工件形状特征所对 应的所述 参考3D模型。 4.根据权利要求1所述的基于图像识别的数控机床工件加工余量确定方法， 其特征在 于， 所述根据所述实时3D模型与所述 参考3D模型， 确定所述待加工 工件的加工余 量， 包括： 将所述参考3D模型以及所述 参考3D模型 所对应的工件形状特 征作为监控基准； 将所述参考3D模型所对应的工件形状特征与所述实时3D模型所对应的工件形状特征 进行参数对比， 确定加工余 量。 5.根据权利要求1所述的基于图像识别的数控机床工件加工余量确定方法， 其特征在 于， 所述将所述参考3D模 型所对应的工件形状特征与所述 实时3D模 型所对应的工件形状特 征进行参数对比， 确定加工余 量， 包括： 将所述参考3D模型所对应的工件形状特征与所述实时3D模型所对应的工件形状特征 进行参数对比， 确定所述参考3D模 型所对应的工件形状特征与所述 实时3D模型所对应的工 件形状特 征之间的差异数据； 根据所述差异数据， 确定待加工 工件的加工余 量。 6.一种基于图像识别的数控机床工件加工余 量确定系统， 其特 征在于， 系统包括： 参考3D模型确定模块， 用于获取待加工工件的图像数据， 对所述图像数据进行特征识 别， 确定所述图像数据中的工件形状特征， 并基于所述工件形状特征， 确定与所述工件形状 特征所对应的参考3D模型， 所述参考3D模型用于反映待加工工件在加工完成后的工件形 状； 实时3D模型生成模块， 用于获取所述待加工工件的激光点云数据， 并基于所述激光点 云数据， 确定待加工 工件的实时3D模型； 加工余量确定模块， 用于获取所述待加工工件的激光点云数据， 并基于所述激光点云 数据， 确定待加工 工件的实时3D模型； 根据所述实时3D模型与所述 参考3D模型， 确定所述待加工 工件的加工余 量； 所述参考3D模型确定模块， 包括： 图像数据采集单 元， 用于基于图像采集装置， 采集待加工 工件的图像数据； 边缘数据提取单元， 用于将图像数据输入至预设的CNN边缘检测模型， 确定图像数据中 的图像边缘数据， 其中， 所述CNN  边缘检测模型是基于训练 图像对CNN网络训练而成的， 所 述训练图像中包含了各种形状的工件的图像， 且还对每一张图像中的工件轮廓进行了标 注； 灰度特征提取单元， 用于对图像边缘数据进行灰度特征提取， 得到灰度特征数据， 其 中， 所述灰度特征数据是待加工工件的边缘上 的灰度数据， 反映的是待加工工件的图像与权　利　要　求　书 2/3 页 3 CN 114708587 B 3