CN117173376A - 一种医美设备的移动轨迹规划方法及系统 - Google Patents
一种医美设备的移动轨迹规划方法及系统 Download PDFInfo
- Publication number
- CN117173376A CN117173376A CN202311155395.8A CN202311155395A CN117173376A CN 117173376 A CN117173376 A CN 117173376A CN 202311155395 A CN202311155395 A CN 202311155395A CN 117173376 A CN117173376 A CN 117173376A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- carrying
- medical equipment
- laser source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 239000011159 matrix material Substances 0.000 claims abstract description 144
- 238000001228 spectrum Methods 0.000 claims abstract description 92
- 230000033001 locomotion Effects 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 238000000513 principal component analysis Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 31
- 238000005259 measurement Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 24
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 239000003550 marker Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及人工智能领域，公开了一种医美设备的移动轨迹规划方法及系统，用于提高医美设备移动轨迹规划的准确率。方法包括：通过光束移动状态分析模型对每个物体表面进行反射光束分析，得到每个物体表面的反射光束；通过主成分分析算法对多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；进行三维点云映射，得到目标物体中每个物体表面的初始轮廓信息；进行拟合建模，得到多个初始轮廓模型并进行关键目标识别，得到多个目标表面信息；进行标记信息提取，得到特征部位的目标标记信息；对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系并进行激光源轨迹动态规划，得到目标激光源移动轨迹。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种医美设备的移动轨迹规划方法及系统。
背景技术
随着人工智能和自动化技术的不断发展，智能设备在工业、医疗、交通、农业等各个领域得到了广泛应用。特别是在医疗美容领域，智能设备的应用正在不断推动着生产效率和工作质量的提升。在这些应用场景中，对目标物体进行准确的定位、识别和控制是至关重要的一环。
现有方案依赖于摄像头、传感器或者激光测距仪等单一设备的数据，这些方法可能受到环境光线、噪声和干扰的影响，导致识别和定位的精度不高。而且，面对复杂的场景和多个物体，传统方法的效率和精度往往难以满足实际需求。即现有方案的准确率较低。
发明内容
本发明提供了一种医美设备的移动轨迹规划方法及系统，用于提高医美设备移动轨迹规划的准确率。
本发明第一方面提供了一种医美设备的移动轨迹规划方法，所述医美设备的移动轨迹规划方法包括：
通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；
分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；
创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息；
根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息；
根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息；
根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹。
结合第一方面，在本发明第一方面的第一实现方式中，所述通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束，包括：
通过预置的医美设备中的移动激光源，对待处理的目标物体进行多面激光投影；
获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群；
在对每个物体表面进行激光投影之后，采集光束的状态变量以及测量变量，其中，所述状态变量包括光束位置、光束移动速度以及移动加速度，所述测量变量包括实际测量值；
根据所述状态变量以及所述测量变量，建立光束移动状态分析模型，并根据所述光束移动状态分析模型计算光束初始状态矩阵；
通过预置的卡尔曼滤波算法，对所述光束初始状态矩阵进行状态估计和状态更新，得到更新后的状态矩阵；
根据所述更新后的状态矩阵，并通过预置的光束接收器进行反射光束补偿计算，得到反射光束补偿数据，并根据所述反射光束补偿数据采集得到每个物体表面的反射光束。
结合第一方面，在本发明第一方面的第二实现方式中，所述分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征，包括：
分别对每个物体表面的反射光束进行明暗场识别，得到第一识别信息，以及分别对每个物体表面的反射光束进行波长和能量级别分析，得到第二识别信息；
将所述第一识别信息和所述第二识别信息作为所述多个光谱识别信息；
对所述多个光谱识别信息进行标准化处理，得到多个标准光谱信息，并将所述多个标准光谱信息转换为数据矩阵，其中，所述数据矩阵的每一行代表一个样本，每一列代表一个光谱特征；
对所述数据矩阵进行矩阵转换，得到协方差矩阵，并对所述协方差矩阵进行特征值分解，得到特征值与对应的特征向量，其中，所述特征值表示主成分的方差，所述特征向量表示数据在主成分方向上的投影；
根据所述特征值的大小，选择前k个主成分，并根据前k个主成分的特征向量构建特征向量矩阵；
将所述数据矩阵和所述特征向量矩阵相乘，将数据映射到新的k维空间，得到特征转换后的数据矩阵，并根据所述特征转换后的数据矩阵生成多个物体表面特征。
结合第一方面，在本发明第一方面的第三实现方式中，所述创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息，包括：
基于所述多个物体表面特征设置几何特征定位模型的模型参数；
根据所述几何特征定位模型对所述目标物体与所述医美设备进行坐标系映射，得到定位坐标系；
对所述激光投影点集群进行三维点云填充，得到每个物体表面的激光投影点云；
根据每个物体表面的激光投影点云，生成所述目标物体中每个物体表面的初始轮廓信息。
结合第一方面，在本发明第一方面的第四实现方式中，所述根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息，包括：
根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行三维建模和拟合处理，得到多个初始轮廓模型；
对所述多个初始轮廓模型进行多面轮廓成像，得到多个目标轮廓模型；
对所述多个目标轮廓模型进行目标识别和特征提取，得到多个目标表面信息。
结合第一方面，在本发明第一方面的第五实现方式中，所述根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息，包括：
根据所述多个目标表面信息，对所述目标物体的特征部位进行特征匹配，得到所述特征部位对应的特征匹配点集群；
对所述特征匹配点集群进行标记信息转换，得到所述特征部位对应的目标标记信息；
获取所述医美设备中的激光源位置信息。
结合第一方面，在本发明第一方面的第六实现方式中，所述根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹，包括：
根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系；
根据所述目标位置关系，对所述医美设备进行位姿规划，得到第一位姿信息；
对所述第一位姿信息和所述目标标记信息进行激光源参数补偿，得到第二位姿信息；
根据所述第二位姿信息，对所述医美设备进行激光源轨迹动态规划，得到目标激光源移动轨迹。
本发明第二方面提供了一种医美设备的移动轨迹规划系统，所述医美设备的移动轨迹规划系统包括：
投影模块，用于通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；
识别模块，用于分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；
创建模块，用于创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息；
成像模块，用于根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息；
提取模块，用于根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息；
规划模块，用于根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹。
结合第二方面，在本发明第二方面的第一实现方式中，所述投影模块具体用于：
通过预置的医美设备中的移动激光源，对待处理的目标物体进行多面激光投影；
获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群；
在对每个物体表面进行激光投影之后，采集光束的状态变量以及测量变量，其中，所述状态变量包括光束位置、光束移动速度以及移动加速度，所述测量变量包括实际测量值；
根据所述状态变量以及所述测量变量，建立光束移动状态分析模型，并根据所述光束移动状态分析模型计算光束初始状态矩阵；
通过预置的卡尔曼滤波算法，对所述光束初始状态矩阵进行状态估计和状态更新，得到更新后的状态矩阵；
根据所述更新后的状态矩阵，并通过预置的光束接收器进行反射光束补偿计算，得到反射光束补偿数据，并根据所述反射光束补偿数据采集得到每个物体表面的反射光束。
结合第二方面，在本发明第二方面的第二实现方式中，所述识别模块具体用于：
分别对每个物体表面的反射光束进行明暗场识别，得到第一识别信息，以及分别对每个物体表面的反射光束进行波长和能量级别分析，得到第二识别信息；
将所述第一识别信息和所述第二识别信息作为所述多个光谱识别信息；
对所述多个光谱识别信息进行标准化处理，得到多个标准光谱信息，并将所述多个标准光谱信息转换为数据矩阵，其中，所述数据矩阵的每一行代表一个样本，每一列代表一个光谱特征；
对所述数据矩阵进行矩阵转换，得到协方差矩阵，并对所述协方差矩阵进行特征值分解，得到特征值与对应的特征向量，其中，所述特征值表示主成分的方差，所述特征向量表示数据在主成分方向上的投影；
根据所述特征值的大小，选择前k个主成分，并根据前k个主成分的特征向量构建特征向量矩阵；
将所述数据矩阵和所述特征向量矩阵相乘，将数据映射到新的k维空间，得到特征转换后的数据矩阵，并根据所述特征转换后的数据矩阵生成多个物体表面特征。
结合第二方面，在本发明第二方面的第三实现方式中，所述创建模块具体用于：
基于所述多个物体表面特征设置几何特征定位模型的模型参数；
根据所述几何特征定位模型对所述目标物体与所述医美设备进行坐标系映射，得到定位坐标系；
对所述激光投影点集群进行三维点云填充，得到每个物体表面的激光投影点云；
根据每个物体表面的激光投影点云，生成所述目标物体中每个物体表面的初始轮廓信息。
结合第二方面，在本发明第二方面的第四实现方式中，所述成像模块具体用于：
根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行三维建模和拟合处理，得到多个初始轮廓模型；
对所述多个初始轮廓模型进行多面轮廓成像，得到多个目标轮廓模型；
对所述多个目标轮廓模型进行目标识别和特征提取，得到多个目标表面信息。
结合第二方面，在本发明第二方面的第五实现方式中，所述提取模块具体用于：
根据所述多个目标表面信息，对所述目标物体的特征部位进行特征匹配，得到所述特征部位对应的特征匹配点集群；
对所述特征匹配点集群进行标记信息转换，得到所述特征部位对应的目标标记信息；
获取所述医美设备中的激光源位置信息。
结合第二方面，在本发明第二方面的第六实现方式中，所述规划模块具体用于：
根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系；
根据所述目标位置关系，对所述医美设备进行位姿规划，得到第一位姿信息；
对所述第一位姿信息和所述目标标记信息进行激光源参数补偿，得到第二位姿信息；
根据所述第二位姿信息，对所述医美设备进行激光源轨迹动态规划，得到目标激光源移动轨迹。
本发明第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的医美设备的移动轨迹规划方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的医美设备的移动轨迹规划方法。
本发明提供的技术方案中，通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；通过主成分分析算法对多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；进行三维点云映射，得到目标物体中每个物体表面的初始轮廓信息；进行拟合建模，得到多个初始轮廓模型并进行关键目标识别，得到多个目标表面信息；进行标记信息提取，得到特征部位的目标标记信息；对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系并进行激光源轨迹动态规划，得到目标激光源移动轨迹，本发明通过光谱识别及特征转换，从反射光束中提取了多个物体表面特征，使得物体的定位和匹配更加准确和可靠。并且本发明通过标记信息的提取和位置关系计算，能够快速确定目标的位置和方向信息，进而提高了光学定位检测的准确率，以及提高了激光源移动轨迹的规划效率。通过多面激光投影和光谱识别技术，可以实现对目标物体的高精度定位和识别。准确的目标物体定位可以确保医美设备在进行处理、操作或交互时的准确位置，从而提高生产过程中的精度和稳定性。医美设备可以同时对目标物体的多个表面进行处理，不再局限于单一视角。这使得医美设备可以在更短的时间内完成对目标物体的识别和处理，从而大幅提高工作效率，进而提高了医美设备移动轨迹规划的准确率。
附图说明
图1为本发明实施例中医美设备的移动轨迹规划方法的一个实施例示意图；
图2为本发明实施例中光谱识别和特征转换的流程图；
图3为本发明实施例中构建初始轮廓信息的流程图；
图4为本发明实施例中多面轮廓成像的流程图；
图5为本发明实施例中医美设备的移动轨迹规划系统的一个实施例示意图；
图6为本发明实施例中计算机设备的一个实施例示意图
具体实施方式
本发明实施例提供了一种医美设备的移动轨迹规划方法及系统，用于提高医美设备移动轨迹规划的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中医美设备的移动轨迹规划方法的一个实施例包括：
S101、通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个物体表面进行反射光束分析，得到每个物体表面的反射光束；
可以理解的是，本发明的执行主体可以为医美设备的移动轨迹规划系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
需要说明的是，通过医美设备中的激光器，对物体进行曝光和投影。需要说明的是，医美设备中的激光器会对目标物体进行曝光和投影，得到物体表面的激光投影点集群。这些投影点可以对目标物体的表面进行三维重建，得到物体表面的三维形状信息，当物体表面被投影激光点照射后，每个点表面会反射一定的光束。通过医美设备中的相机，可以采集这些反射光束，并提取相应的反射光谱信息，对采集的反射光谱信息进行计算和识别，在特征转换的过程中得到物体表面的特征属性。这些特征属性可以包括物体表面的颜色、纹理等信息，最终，利用多面投影点集群和物体表面的初始轮廓信息，对每个物体表面进行多面轮廓成像，得到多个目标表面信息。利用多面激光投影和采集的反射光束信息。服务器通过预置的医美设备中的移动激光源进行多面激光投影，医美设备中的移动激光源通过控制系统控制其运动，以覆盖目标物体的各个表面。这通过机械臂、移动平台或旋转激光头等方式实现。在投影过程中，激光源在不同位置和角度下照射目标物体，形成多个激光投影面。例如：假设有一台智能激光扫描仪，其激光源通过机械臂控制进行移动。在目标物体为三维物体的情况下，激光扫描仪通过控制机械臂的位置和角度，对目标物体的各个表面进行扫描。服务器获取每个物体表面与激光投影相交的点，得到激光投影点集群，在每个激光投影面上，激光光束与目标物体表面相交，形成一系列激光投影点。通过激光扫描仪或传感器，可以捕捉这些激光投影点的三维坐标信息，形成激光投影点集群。例如：激光扫描仪在进行激光投影时，通过内置的传感器实时捕捉激光点的三维坐标信息，并将这些坐标数据记录下来。服务器采集光束的状态变量以及测量变量，在对每个物体表面进行激光投影之后，激光源的位置、移动速度和加速度等状态信息，以及激光光束的实际测量值，即测量变量，需要被采集和记录。例如：激光扫描仪的控制系统通过传感器或编码器实时监测激光源的位置和运动状态，并记录光束的状态变量。同时，激光传感器采集激光光束的实际测量值，如反射光强、波长等信息。服务器建立光束移动状态分析模型，并计算光束初始状态矩阵，根据采集到的光束状态变量和测量变量，可以建立光束移动状态分析模型。该模型可以用于预测和估计激光源在不同投影面上的位置、速度和加速度等参数。通过该模型计算光束在投影开始时的初始状态矩阵。例如：通过对激光源的运动轨迹和光束测量数据进行分析，可以建立激光光束的运动模型，预测在特定投影面上的初始位置和速度。服务器利用卡尔曼滤波算法进行状态估计和状态更新，卡尔曼滤波算法是一种递归估计算法，常用于对动态系统进行状态估计和状态更新。在这个步骤中，利用预先建立的光束移动状态分析模型，结合实际测量值，通过卡尔曼滤波算法对光束的初始状态矩阵进行状态估计和状态更新，得到更新后的状态矩阵。例如：将预测的光束状态与实际测量的光束状态进行比较，通过卡尔曼滤波算法融合两者的信息，得到更准确的光束状态估计。服务器通过预置的光束接收器进行反射光束补偿计算，得到反射光束补偿数据，在激光投影过程中，光束会与目标物体表面发生反射，形成反射光束。通过预置的光束接收器，可以接收并记录这些反射光束的信息。利用光束移动状态分析模型和卡尔曼滤波算法计算得到的光束状态，可以对反射光束进行补偿计算，得到反射光束补偿数据。例如：光束接收器通过接收并记录反射光束的强度、波长等信息。结合之前得到的光束状态估计结果，可以对反射光束进行补偿计算，从而得到更准确的目标物体表面反射光束数据。本实施例中，医美设备可以对待处理的目标物体进行多面激光投影，并获取每个物体表面的激光投影点集群，同时采集光束的状态变量和测量变量。通过建立光束移动状态分析模型和卡尔曼滤波算法，可以估计光束的初始状态，并对反射光束进行补偿计算，得到每个物体表面的反射光束数据。
S102、分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；
具体的，服务器分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，针对每个光谱识别信息进行计算，得到更加准确的物体表面特征信息，在本步骤中，服务器通过滤波、转换和匹配等操作对每个光谱识别信息进行计算，其中，需要说明的是，滤波是为了去除光谱信号中的噪声，转换是为了将信号从时间域转换到频率域，匹配则是为了找到光谱特征之间的相似性和差异性，当完成对每个光谱识别信息计算之后，最终服务器将每个光谱识别信息转化成对应的物体表面特征。进一步地，服务器明暗场识别与波长能量级别分析，通过光谱传感器，对每个物体表面的反射光束进行光谱分析。首先，进行明暗场识别，将光谱数据区分为明场和暗场两类，明场表示较高光强的区域，暗场表示较低光强的区域。对每个物体表面的反射光束进行波长和能量级别分析，提取光谱数据中的特征信息。服务器构建多个光谱识别信息，将明暗场识别和波长能量级别分析得到的信息，分别作为第一识别信息和第二识别信息，构建多个光谱识别信息。每个光谱识别信息代表每个物体表面的光谱特征。服务器标准化处理得到多个标准光谱信息，对多个光谱识别信息进行标准化处理，使得光谱数据在数量级和范围上相同，得到多个标准光谱信息。标准化处理确保不同物体表面的光谱数据能够在同一尺度上进行比较。服务器构建数据矩阵并进行矩阵转换，将多个标准光谱信息转换为数据矩阵，其中每一行代表一个样本（即每个物体表面），每一列代表一个光谱特征。对数据矩阵进行矩阵转换，得到协方差矩阵。服务器特征值分解与主成分选择，对协方差矩阵进行特征值分解，得到特征值和对应的特征向量。特征值表示数据在主成分方向上的方差，特征向量表示数据在主成分方向上的投影。根据特征值的大小，选择前k个主成分。服务器构建特征向量矩阵与数据映射，根据前k个主成分的特征向量，构建特征向量矩阵。将数据矩阵和特征向量矩阵相乘，将光谱数据映射到新的k维空间，得到特征转换后的数据矩阵。每个样本现在用k个主成分的值来表示，即得到了多个物体表面特征。例如：假设我们有一台医美设备用于对目标物体进行品质检测，该设备通过激光光束照射不同目标物体表面，并收集反射的光谱数据。在明暗场识别中，该设备能够区分目标物体表面光强较高的部分和光强较低的部分。同时，该设备对反射光束进行波长和能量级别分析，得到光谱数据的特征信息。对于不同种类的目标物体，根据光谱识别信息，我们可以得到多个光谱特征，包括明暗场信息、波长能量级别信息等。对这些光谱特征进行标准化处理，将它们转换为数据矩阵，并进行矩阵转换得到协方差矩阵。进行特征值分解，选择前几个主成分。这些主成分构成了特征向量矩阵。将原始光谱数据与特征向量矩阵相乘，得到特征转换后的数据矩阵。每一行代表一个目标物体表面的特征，其中的数值代表在新的k维空间上的坐标值。通过这些坐标值，我们得到了多个物体表面特征。
S103、创建目标物体与医美设备之间的定位坐标系，并根据激光投影点集群在定位坐标系进行三维点云映射，得到目标物体中每个物体表面的初始轮廓信息；
需要说明的是，建立物体与医美设备之间的坐标系，建立该坐标系是为了确保目标物体位于定位设备的适当位置，其中，该坐标系的原点必须恰好落在物体的中心，并且必须经过旋转和平移变换以保证完美匹配，在本步骤中，首先基于多个物体表面特征设置几何特征定位模型的模型参数，进一步的，服务器根据该几何特征定位模型对该目标物体与该医美设备进行坐标系映射，得到定位坐标系。具体的，通过医美设备对目标物体进行激光投影，以获取物体表面上的投影点集群，进而基于该每个物体表面的激光投影点云对物体表面进行三维重建，获取物体的三维形状信息，需要说明的是，激光投影获得的点云存在噪音点和离群点等干扰，需要对点云进行预处理，如噪音滤波和消除离群点的操作，以便获得更准确而稳定的激光点云数据，联合不同视角的点云数据，利用点云匹配算法，进行多幅点云的配准，以实现单幅点云的合并构建，将配准后的点云数据通过计算机视觉中的拟合算法，进行曲面拟合和平面拟合，在得到更高质量的三维表面，根据物体表面的几何特征，对点云进行分割，分成不同区域。利用点云分割的结果，提取出每个表面的轮廓，以实现物体表面的三维展开。最终得到目标物体中每个物体表面的初始轮廓信息。
S104、根据多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个初始轮廓模型进行关键目标识别，得到多个目标表面信息；
具体的，服务器首先对该多个物体表面特征进行特征信息读取，获取对应的特征信息，其中，该特征信息包括物体表面边缘、物体表面角点以及物体表面纹理等信息，进而通过三维重建算法对该特征信息进行三维模型重建，并对生成的初始三维模型进行拟合，得到多个初始轮廓图像，进一步的，服务器根据该多个初始轮廓图像进行多面轮廓成像处理，得到多个目标表面信息。服务器对每个物体表面的初始轮廓信息进行三维建模和拟合处理，根据之前获取的物体表面的初始轮廓信息，利用三维建模和拟合算法对每个物体表面进行三维重建。这可以将二维的初始轮廓信息转换为三维的点云或曲面模型，更加准确地反映物体表面的形状。服务器对多个初始轮廓模型进行多面轮廓成像，利用多面轮廓成像技术，通过不同角度的观测或旋转，获取物体表面的多个轮廓投影图像。这些投影图像将包含物体表面的不同部分和特征，使得目标物体的形状和细节可以更全面地被捕捉。服务器对多个目标轮廓模型进行目标识别和特征提取，根据多个轮廓投影图像，进行目标识别和特征提取。可以使用计算机视觉和图像处理技术，对目标轮廓进行分析，提取物体的特征信息，例如颜色、纹理、形状等。这些特征可以用于后续的目标识别和分类。
S105、根据多个目标表面信息，对目标物体的特征部位进行标记信息提取，得到特征部位对应的目标标记信息，以及获取医美设备中的激光源位置信息；
具体的，在本步骤中，服务器从多个目标表面信息中提取特征，如角点、边缘、纹理、颜色等信息。进而，通过提取到的特征对多个目标表面的特征进行匹配，得到特征部位对应的特征匹配点集群，其中，在进行特征匹配点集群匹配时，服务器首先根据提取到的特征进行特征部分分析，确定对应的特征部位，进而服务器根据该特征部位进行标记信息提取，得到该特征部位对应的目标标记信息，最终获取医美设备中的激光源位置信息。服务器对多个目标表面信息进行特征匹配，根据之前得到的多个目标表面信息，使用特征匹配算法对目标物体的特征部位进行匹配。这些特征可以是在目标表面上提取的颜色、纹理、形状等特征，也可以是预先定义的关键点或标志性特征。服务器得到特征匹配点集群，特征匹配算法会将匹配成功的特征点或特征区域聚集成特征匹配点集群。每个点集群代表一个特征部位在多个目标表面信息中的匹配结果。服务器进行标记信息转换，根据特征匹配点集群，将特征部位的标记信息从多个目标表面信息中转换提取出来。这些标记信息可以是目标物体的ID、位置、朝向、属性等。服务器获取医美设备中的激光源位置信息，医美设备配备有激光源，通过传感器获取激光源的位置信息。这些传感器可以是激光跟踪仪、编码器或其他定位设备。获取激光源位置信息可以用于后续的激光投影和轨迹规划。
S106、根据定位坐标系，对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系，并根据目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹。
需要说明的是，定位坐标系是确定物体位置的参考系，其坐标系的旋转和平移需要通过精确测量和刻度传感器确定。在本申请中，为了确定物体的真实位置，需要建立定位坐标系来确定参照点，以便对物体的位置进行描述和计算，并且，目标标记信息指的是标记在目标物体表面上的几个特定的点。这些点可以是通过人工操作标记在物体上的，也可以是通过计算机视觉技术自动识别的，激光源位置信息是指投影设备的位置信息，是通过测量设备的坐标位置和旋转角度得出。在本申请中，通过投影仪将光线投射到目标对象表面上，得到目标标记信息的影像，从而确定目标位置和姿态信息。进而根据该目标位置以及姿态信息确定目标位置关系，最终，根据该目标位置关系进行激光源轨迹规划，得到目标激光源移动轨迹。进一步地，服务器根据定位坐标系计算目标位置关系，根据定位坐标系中的坐标转换和几何关系，将目标标记信息和激光源位置信息进行位置关系计算。这涉及到将目标标记信息映射到定位坐标系下，得到目标相对于医美设备的位置关系。服务器进行医美设备的位姿规划，根据目标位置关系，进行医美设备的位姿规划。位姿规划包括确定医美设备的位置和姿态，以使得激光源可以准确地照射到目标的特征部位。服务器进行激光源参数补偿，根据位姿规划的结果，对激光源进行参数补偿。这可能涉及调整激光的投影角度、强度或其他参数，以确保激光可以准确地照射到目标的特征部位。服务器进行激光源轨迹动态规划，根据补偿后的激光源参数和位姿规划信息，进行激光源的轨迹动态规划。这涉及确定激光源在运动过程中的路径和速度，以保证激光的投影准确覆盖目标的特征部位。
本发明实施例中，通过光束移动状态分析模型对每个物体表面进行反射光束分析，得到每个物体表面的反射光束；通过主成分分析算法对多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；进行三维点云映射，得到目标物体中每个物体表面的初始轮廓信息；进行拟合建模，得到多个初始轮廓模型并进行关键目标识别，得到多个目标表面信息；进行标记信息提取，得到特征部位的目标标记信息；对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系并进行激光源轨迹动态规划，得到目标激光源移动轨迹，本发明通过光谱识别及特征转换，从反射光束中提取了多个物体表面特征，使得物体的定位和匹配更加准确和可靠。并且本发明通过标记信息的提取和位置关系计算，能够快速确定目标的位置和方向信息，进而提高了光学定位检测的准确率，以及提高了激光源移动轨迹的规划效率。通过多面激光投影和光谱识别技术，可以实现对目标物体的高精度定位和识别。准确的目标物体定位可以确保医美设备在进行处理、操作或交互时的准确位置，从而提高生产过程中的精度和稳定性。医美设备可以同时对目标物体的多个表面进行处理，不再局限于单一视角。这使得医美设备可以在更短的时间内完成对目标物体的识别和处理，从而大幅提高工作效率，进而提高了医美设备移动轨迹规划的准确率。
在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：
（1）通过预置的医美设备中的移动激光源，对待处理的目标物体进行多面激光投影；
（2）获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群；
（3）在对每个物体表面进行激光投影之后，采集光束的状态变量以及测量变量，其中，状态变量包括光束位置、光束移动速度以及移动加速度，测量变量包括实际测量值；
（4）根据状态变量以及测量变量，建立光束移动状态分析模型，并根据光束移动状态分析模型计算光束初始状态矩阵；
（5）通过预置的卡尔曼滤波算法，对光束初始状态矩阵进行状态估计和状态更新，得到更新后的状态矩阵；
（6）根据更新后的状态矩阵，并通过预置的光束接收器进行反射光束补偿计算，得到反射光束补偿数据，并根据反射光束补偿数据采集得到每个物体表面的反射光束。
需要说明的是，医美设备由多个激光发射器和接收器组成。移动的激光源通过控制系统沿着特定的轨迹对待处理的目标物体进行多面激光投影。针对每个激光源，通过医美设备，获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群。通过距离计、像素匹配等算法来实现点云的获取和处理。在对每个物体表面进行激光投影之后，通过预置的光束接收器对反射光束进行跟踪采集，得到每个物体表面的反射光束。光束接收器包含多个摄像头和透镜组合，用于捕获激光反射的光束。每个摄像头需要存储其位置和方向等特征。在得到每个物体表面的激光投影点集群和反射光束之后，通过点云数据处理技术对原始点云数据进行去噪、滤波、配准等处理，以得到更精确的三维点云数据。进一步地，服务器进行激光投影和光束采集，通过预置的医美设备中的移动激光源，对待处理的目标物体进行多面激光投影。激光源的移动通过机器人臂、运动平台或其他控制机构实现。获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群。利用相应的视觉或光学传感器，可以捕获激光投影点的位置信息。服务器进行光束状态和测量变量的采集，采集光束的状态变量，包括光束的位置、光束移动速度以及移动加速度。这些参数通过传感器测量光束投影点的时间变化，从而计算得到光束的速度和加速度。采集测量变量，即实际测量值。例如，如果激光用于测距，那么可以采集光束与目标物体表面的反射距离。其他应用中，可能会采集光束的能量、角度或其他特征。服务器进行建立光束移动状态分析模型和计算初始状态矩阵，基于所采集的光束状态变量和测量变量，建立光束移动状态分析模型。这个模型根据光束的初始位置、速度和加速度，预测光束在未来的运动状态。利用所建立的光束移动状态分析模型，计算光束的初始状态矩阵。初始状态矩阵包含光束的位置、速度和加速度的估计值。服务器进行卡尔曼滤波进行状态估计和更新，使用预置的卡尔曼滤波算法对光束的初始状态矩阵进行状态估计和状态更新。卡尔曼滤波是一种用于状态估计的优化算法，根据测量值和模型预测值，逐步更新状态的估计值，从而提高状态估计的精度。得到更新后的状态矩阵，它包含了更准确的光束位置、速度和加速度信息。服务器进行光束补偿和反射光束采集，根据更新后的状态矩阵，进行光束的补偿计算。根据预设的补偿算法，对光束的位置、速度和加速度进行调整，以消除可能的误差和偏移。利用预置的光束接收器，采集经过补偿后的光束信息。光束接收器可以测量光束在目标物体表面的反射信息，从而得到每个物体表面的反射光束。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、分别对每个物体表面的反射光束进行明暗场识别，得到第一识别信息，以及分别对每个物体表面的反射光束进行波长和能量级别分析，得到第二识别信息；
S202、将第一识别信息和第二识别信息作为多个光谱识别信息；
S203、对多个光谱识别信息进行标准化处理，得到多个标准光谱信息，并将多个标准光谱信息转换为数据矩阵，其中，数据矩阵的每一行代表一个样本，每一列代表一个光谱特征；
S204、对数据矩阵进行矩阵转换，得到协方差矩阵，并对协方差矩阵进行特征值分解，得到特征值与对应的特征向量，其中，特征值表示主成分的方差，特征向量表示数据在主成分方向上的投影；
S205、根据特征值的大小，选择前k个主成分，并根据前k个主成分的特征向量构建特征向量矩阵；
S206、将数据矩阵和特征向量矩阵相乘，将数据映射到新的k维空间，得到特征转换后的数据矩阵，并根据特征转换后的数据矩阵生成多个物体表面特征。
具体的，服务器通过预置的光谱分析设备，对每个物体表面的反射光束进行明暗场识别，得到第一识别信息。，可以从反射光谱中提取和分析该信息，比如使用CCD传感器获取光电流并进行处理。同时，也需要对反射光束的波长和能量级别进行分析，得到第二识别信息。这些信息可以用于区分不同的物质，获取它们的表面特征信息。将第一识别信息和第二识别信息作为多个光谱识别信息，并结合实际应用需求，选择合适的光谱分析方法，如可见光分析、近红外光谱分析、匹配滤波等，在本发明步骤中，通过近红外光谱分析进行光谱分析，将不同的光谱数据进行整合，以获取更为全面和准确的物体表面特征信息。基于预置的主成分分析模型，通过预置的主成分分析算法对多个光谱识别信息进行矩阵特征提取分析，生成多个物体表面特征。主成分分析算法通过特征值和特征向量的计算，将多维光谱数据降维到少数几个维度，以便更加高效地提取物体表面的特征信息，最终生成多个物体表面特征。进一步地，服务器进行标准化处理和数据矩阵转换，对多个光谱识别信息进行标准化处理，将其转化为多个标准光谱信息。标准化通过去除均值并使数据的标准差为1来实现，以确保不同光谱数据具有相同的尺度。将标准化后的多个光谱信息组合成数据矩阵，其中每一行代表一个样本，每一列代表一个光谱特征。这样的数据矩阵被称为光谱数据矩阵，可以用于后续的特征提取和分析。服务器进行协方差矩阵和特征值分解，对光谱数据矩阵进行矩阵转换，得到协方差矩阵。协方差矩阵描述了光谱数据之间的相关性，它通过将数据矩阵转置后与原数据矩阵相乘得到。对协方差矩阵进行特征值分解，得到特征值与对应的特征向量。特征值表示主成分的方差，特征向量表示数据在主成分方向上的投影。服务器进行特征向量矩阵和特征转换，根据所得到的特征值，选择前k个主成分。，选择特征值排序后最大的k个主成分，这些主成分所包含的信息量最多。根据前k个主成分的特征向量构建特征向量矩阵。特征向量矩阵是一个k维矩阵，每一列是一个特征向量，代表一个主成分方向。将光谱数据矩阵和特征向量矩阵相乘，将数据映射到新的k维空间，得到特征转换后的数据矩阵。这个新的数据矩阵代表了光谱数据在主成分方向上的投影，即对光谱信息进行了降维处理。根据特征转换后的数据矩阵生成多个物体表面特征。这些特征可以用于进一步的目标识别、分类、聚类等应用，从而对目标物体进行更精确的表征和分析。例如：假设有一组包含10个样本的光谱数据，每个样本有100个光谱特征。首先，对这组光谱数据进行标准化处理，得到标准化后的光谱数据矩阵。然后，根据光谱数据矩阵计算协方差矩阵，并进行特征值分解，得到特征值和特征向量。假设选择前3个主成分，根据这些特征向量构建特征向量矩阵。最后，将光谱数据矩阵与特征向量矩阵相乘，得到3维空间中的特征转换后的数据矩阵。这样，每个样本就被表示为一个具有3个特征的向量，这些特征是原始光谱数据在主成分方向上的投影。这些特征可以用于目标的分类、聚类或其他分析任务，从而更好地理解目标的光谱特性。
在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：
S301、基于多个物体表面特征设置几何特征定位模型的模型参数；
S302、根据几何特征定位模型对目标物体与医美设备进行坐标系映射，得到定位坐标系；
S303、对激光投影点集群进行三维点云填充，得到每个物体表面的激光投影点云；
S304、根据每个物体表面的激光投影点云，生成目标物体中每个物体表面的初始轮廓信息。
具体的，服务器根据多个物体表面特征，建立包括平移、旋转、缩放等变换操作的几何特征定位模型，并设置相应的参数。通过对定位对象的三维点云进行特征匹配和配准，确定各个参数的取值。利用几何特征定位模型，对目标物体与医美设备进行坐标系映射，得到定位坐标系。这个坐标系与实际操作坐标系不同，需要进行一定的标定和校正。对激光投影点集群进行三维点云填充，以得到每个物体表面的激光投影点云。根据每个物体表面的激光投影点云，在定位坐标系中，生成目标物体中每个物体表面的初始轮廓信息。这个过程通过图像处理和计算几何等方法，如利用卷积运算、形态学过滤等处理原始点云数据，得到物体表面的边缘信息。根据边缘信息，生成物体表面的轮廓图像。服务器基于多个物体表面特征设置几何特征定位模型的模型参数，通过预先收集的物体表面特征数据，建立几何特征定位模型，该模型描述了物体表面的几何形状和结构。根据所收集的物体表面特征数据，确定几何特征定位模型的参数，例如物体表面的形状、曲率、角度等。服务器对目标物体与医美设备进行坐标系映射，在医美设备中安装合适的传感器，如摄像头或激光扫描仪，用于感知目标物体的位置和姿态。通过将已知的几何特征定位模型与实时感知的目标物体数据进行匹配，可以确定目标物体与医美设备之间的坐标系映射关系，从而建立定位坐标系。服务器对激光投影点集群进行三维点云填充，使用医美设备中的激光投影仪对目标物体进行多面激光投影，得到物体表面的激光投影点集群。这些点集群可能不完整或有一定的噪声。为了获取更准确的目标物体表面信息，对激光投影点集群进行三维点云填充，利用点云处理算法填补激光未能覆盖到的区域，并去除可能的噪声。服务器生成物体表面的初始轮廓信息，基于填充后的三维点云数据，生成每个物体表面的初始轮廓信息。这些轮廓信息可以表示物体表面的形状和边界，例如在二维图像中的轮廓线或在三维空间中的边界曲面。这些信息将作为后续步骤的基础，用于目标物体的进一步处理和分析。
在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：
S401、根据多个物体表面特征，对每个物体表面的初始轮廓信息进行三维建模和拟合处理，得到多个初始轮廓模型；
S402、对多个初始轮廓模型进行多面轮廓成像，得到多个目标轮廓模型；
S403、对多个目标轮廓模型进行目标识别和特征提取，得到多个目标表面信息。
具体的，服务器根据多个物体表面特征，对每个物体表面的初始轮廓信息进行三维建模和拟合处理，得到多个初始轮廓模型，对多个初始轮廓模型进行多面轮廓成像，以得到多个目标轮廓模型。在本步骤中，通过对初始模型进行旋转、平移等变换操作，并将各个成像结果进行合并，得到物体表面的完整轮廓信息。对多个目标轮廓模型进行目标识别和特征提取，以得到多个目标表面信息。该过程需要利用计算几何、图像处理、机器学习等方法，对物体表面的几何形状、纹理特征、颜色等进行分析和提取。比如，可以采用全局特征描述符、局部特征描述符等算法，将目标表面的几何和纹理特征提取为特征向量，然后利用分类器或聚类算法等进行目标识别和分类，实现对多个目标轮廓模型进行目标识别和特征提取，得到多个目标表面信息。
在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：
（1）根据多个目标表面信息，对目标物体的特征部位进行特征匹配，得到特征部位对应的特征匹配点集群；
（2）对特征匹配点集群进行标记信息转换，得到特征部位对应的目标标记信息；
（3）获取医美设备中的激光源位置信息。
具体的，根据多个目标表面信息，对目标物体的特征部位进行特征匹配，得到特征部位对应的特征匹配点集群。这个过程通过各种特征点匹配算法完成，如SIFT、SURF、ORB等。特征点匹配的目的是根据物体表面的几何和纹理特征，找到目标表面不同位置之间的对应关系，以确定特定部位的三维坐标位置。对特征匹配点集群进行标记信息转换，得到特征部位对应的目标标记信息。标记信息用于记录物体表面的特定特征点，和物体坐标系之间的对应关系。这个过程通过计算几何和图像处理等方法完成，比如通过拟合几何形状、投射和统计等技术，对特征匹配点集群进行分类和标记。获取医美设备中的激光源位置信息。该信息通过设备的配置信息或者内部测量功能得到，用于确定物体坐标系相对于医美设备坐标系的位置和方向信息，最终获取医美设备中的激光源位置信息。
在一具体实施例中，执行步骤S106的过程可以具体包括如下步骤：
（1）根据定位坐标系，对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系；
（2）根据目标位置关系，对医美设备进行位姿规划，得到第一位姿信息；
（3）对第一位姿信息和目标标记信息进行激光源参数补偿，得到第二位姿信息；
（4）根据第二位姿信息，对医美设备进行激光源轨迹动态规划，得到目标激光源移动轨迹。
具体的，根据定位坐标系，对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系。根据目标位置关系，对医美设备进行位姿规划，得到第一位姿信息。这个过程通过运动学和动力学等理论，结合设备自身特性和控制算法，进行位姿控制和运动规划。其中，位姿信息包括设备的位置和朝向等参数，通过不同的控制模式和优化算法进行计算和调整。对第一位姿信息和目标标记信息进行激光源参数补偿，得到第二位姿信息。这个过程主要是为了消除医美设备中的误差和偏差，使得设备能够更加准确地确定物体位置和方向。参数补偿根据设备的测量精度和校准数据，进行补偿矫正，并利用数学建模和模拟等方法进行计算和验证。根据第二位姿信息，对医美设备进行激光源轨迹动态规划，得到目标激光源移动轨迹。通过运动学和控制理论，结合设备的特性和物体运动规律，进行轨迹规划和动态控制。其中，轨迹信息包括设备的运动轨迹和速度等参数，通过优化算法和自适应控制等方法进行计算和调整。
上面对本发明实施例中医美设备的移动轨迹规划方法进行了描述，下面对本发明实施例中医美设备的移动轨迹规划系统进行描述，请参阅图5，本发明实施例中医美设备的移动轨迹规划系统一个实施例包括：
投影模块501，用于通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；
识别模块502，用于分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；
创建模块503，用于创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息；
成像模块504，用于根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息；
提取模块505，用于根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息；
规划模块506，用于根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹。
可选的，所述投影模块501具体用于：
通过预置的医美设备中的移动激光源，对待处理的目标物体进行多面激光投影；
获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群；
在对每个物体表面进行激光投影之后，采集光束的状态变量以及测量变量，其中，所述状态变量包括光束位置、光束移动速度以及移动加速度，所述测量变量包括实际测量值；
根据所述状态变量以及所述测量变量，建立光束移动状态分析模型，并根据所述光束移动状态分析模型计算光束初始状态矩阵；
通过预置的卡尔曼滤波算法，对所述光束初始状态矩阵进行状态估计和状态更新，得到更新后的状态矩阵；
根据所述更新后的状态矩阵，并通过预置的光束接收器进行反射光束补偿计算，得到反射光束补偿数据，并根据所述反射光束补偿数据采集得到每个物体表面的反射光束。
可选的，所述识别模块502具体用于：
分别对每个物体表面的反射光束进行明暗场识别，得到第一识别信息，以及分别对每个物体表面的反射光束进行波长和能量级别分析，得到第二识别信息；
将所述第一识别信息和所述第二识别信息作为所述多个光谱识别信息；
对所述多个光谱识别信息进行标准化处理，得到多个标准光谱信息，并将所述多个标准光谱信息转换为数据矩阵，其中，所述数据矩阵的每一行代表一个样本，每一列代表一个光谱特征；
对所述数据矩阵进行矩阵转换，得到协方差矩阵，并对所述协方差矩阵进行特征值分解，得到特征值与对应的特征向量，其中，所述特征值表示主成分的方差，所述特征向量表示数据在主成分方向上的投影；
根据所述特征值的大小，选择前k个主成分，并根据前k个主成分的特征向量构建特征向量矩阵；
将所述数据矩阵和所述特征向量矩阵相乘，将数据映射到新的k维空间，得到特征转换后的数据矩阵，并根据所述特征转换后的数据矩阵生成多个物体表面特征。
可选的，所述创建模块503具体用于：
基于所述多个物体表面特征设置几何特征定位模型的模型参数；
根据所述几何特征定位模型对所述目标物体与所述医美设备进行坐标系映射，得到定位坐标系；
对所述激光投影点集群进行三维点云填充，得到每个物体表面的激光投影点云；
根据每个物体表面的激光投影点云，生成所述目标物体中每个物体表面的初始轮廓信息。
可选的，所述成像模块504具体用于：
根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行三维建模和拟合处理，得到多个初始轮廓模型；
对所述多个初始轮廓模型进行多面轮廓成像，得到多个目标轮廓模型；
对所述多个目标轮廓模型进行目标识别和特征提取，得到多个目标表面信息。
可选的，所述提取模块505具体用于：
根据所述多个目标表面信息，对所述目标物体的特征部位进行特征匹配，得到所述特征部位对应的特征匹配点集群；
对所述特征匹配点集群进行标记信息转换，得到所述特征部位对应的目标标记信息；
获取所述医美设备中的激光源位置信息。
可选的，所述规划模块506具体用于：
根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系；
根据所述目标位置关系，对所述医美设备进行位姿规划，得到第一位姿信息；
对所述第一位姿信息和所述目标标记信息进行激光源参数补偿，得到第二位姿信息；
根据所述第二位姿信息，对所述医美设备进行激光源轨迹动态规划，得到目标激光源移动轨迹。
通过上述各个组成部分的协同合作，通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；通过主成分分析算法对多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；进行三维点云映射，得到目标物体中每个物体表面的初始轮廓信息；进行拟合建模，得到多个初始轮廓模型并进行关键目标识别，得到多个目标表面信息；进行标记信息提取，得到特征部位的目标标记信息；对目标标记信息以及激光源位置信息进行位置关系计算，得到目标位置关系并进行激光源轨迹动态规划，得到目标激光源移动轨迹，本发明通过光谱识别及特征转换，从反射光束中提取了多个物体表面特征，使得物体的定位和匹配更加准确和可靠。并且本发明通过标记信息的提取和位置关系计算，能够快速确定目标的位置和方向信息，进而提高了光学定位检测的准确率，以及提高了激光源移动轨迹的规划效率。通过多面激光投影和光谱识别技术，可以实现对目标物体的高精度定位和识别。准确的目标物体定位可以确保医美设备在进行处理、操作或交互时的准确位置，从而提高生产过程中的精度和稳定性。医美设备可以同时对目标物体的多个表面进行处理，不再局限于单一视角。这使得医美设备可以在更短的时间内完成对目标物体的识别和处理，从而大幅提高工作效率，进而提高了医美设备移动轨迹规划的准确率。
上面图5从模块化功能实体的角度对本发明实施例中的医美设备的移动轨迹规划系统进行详细描述，下面从硬件处理的角度对本发明实施例中计算机设备进行详细描述。
图6是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对计算机设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在计算机设备600上执行存储介质630中的一系列指令操作。
计算机设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Server，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述医美设备的移动轨迹规划方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述医美设备的移动轨迹规划方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种医美设备的移动轨迹规划方法，其特征在于，所述医美设备的移动轨迹规划方法包括：
通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；
分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；
创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息；
根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息；
根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息；
根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹。
2.根据权利要求1所述的医美设备的移动轨迹规划方法，其特征在于，所述通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束，包括：
通过预置的医美设备中的移动激光源，对待处理的目标物体进行多面激光投影；
获取每个物体表面与激光投影相交的点，得到每个物体表面的激光投影点集群；
在对每个物体表面进行激光投影之后，采集光束的状态变量以及测量变量，其中，所述状态变量包括光束位置、光束移动速度以及移动加速度，所述测量变量包括实际测量值；
根据所述状态变量以及所述测量变量，建立光束移动状态分析模型，并根据所述光束移动状态分析模型计算光束初始状态矩阵；
通过预置的卡尔曼滤波算法，对所述光束初始状态矩阵进行状态估计和状态更新，得到更新后的状态矩阵；
根据所述更新后的状态矩阵，并通过预置的光束接收器进行反射光束补偿计算，得到反射光束补偿数据，并根据所述反射光束补偿数据采集得到每个物体表面的反射光束。
3.根据权利要求1所述的医美设备的移动轨迹规划方法，其特征在于，所述分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征，包括：
分别对每个物体表面的反射光束进行明暗场识别，得到第一识别信息，以及分别对每个物体表面的反射光束进行波长和能量级别分析，得到第二识别信息；
将所述第一识别信息和所述第二识别信息作为所述多个光谱识别信息；
对所述多个光谱识别信息进行标准化处理，得到多个标准光谱信息，并将所述多个标准光谱信息转换为数据矩阵，其中，所述数据矩阵的每一行代表一个样本，每一列代表一个光谱特征；
对所述数据矩阵进行矩阵转换，得到协方差矩阵，并对所述协方差矩阵进行特征值分解，得到特征值与对应的特征向量，其中，所述特征值表示主成分的方差，所述特征向量表示数据在主成分方向上的投影；
根据所述特征值的大小，选择前k个主成分，并根据前k个主成分的特征向量构建特征向量矩阵；
将所述数据矩阵和所述特征向量矩阵相乘，将数据映射到新的k维空间，得到特征转换后的数据矩阵，并根据所述特征转换后的数据矩阵生成多个物体表面特征。
4.根据权利要求1所述的医美设备的移动轨迹规划方法，其特征在于，所述创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息，包括：
基于所述多个物体表面特征设置几何特征定位模型的模型参数；
根据所述几何特征定位模型对所述目标物体与所述医美设备进行坐标系映射，得到定位坐标系；
对所述激光投影点集群进行三维点云填充，得到每个物体表面的激光投影点云；
根据每个物体表面的激光投影点云，生成所述目标物体中每个物体表面的初始轮廓信息。
5.根据权利要求1所述的医美设备的移动轨迹规划方法，其特征在于，所述根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息，包括：
根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行三维建模和拟合处理，得到多个初始轮廓模型；
对所述多个初始轮廓模型进行多面轮廓成像，得到多个目标轮廓模型；
对所述多个目标轮廓模型进行目标识别和特征提取，得到多个目标表面信息。
6.根据权利要求1所述的医美设备的移动轨迹规划方法，其特征在于，所述根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息，包括：
根据所述多个目标表面信息，对所述目标物体的特征部位进行特征匹配，得到所述特征部位对应的特征匹配点集群；
对所述特征匹配点集群进行标记信息转换，得到所述特征部位对应的目标标记信息；
获取所述医美设备中的激光源位置信息。
7.根据权利要求1所述的医美设备的移动轨迹规划方法，其特征在于，所述根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹，包括：
根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系；
根据所述目标位置关系，对所述医美设备进行位姿规划，得到第一位姿信息；
对所述第一位姿信息和所述目标标记信息进行激光源参数补偿，得到第二位姿信息；
根据所述第二位姿信息，对所述医美设备进行激光源轨迹动态规划，得到目标激光源移动轨迹。
8.一种医美设备的移动轨迹规划系统，其特征在于，所述医美设备的移动轨迹规划系统包括：
投影模块，用于通过预置的医美设备对待处理的目标物体进行多面激光投影，得到每个物体表面的激光投影点集群，并通过光束移动状态分析模型对每个所述物体表面进行反射光束分析，得到每个物体表面的反射光束；
识别模块，用于分别对每个物体表面的反射光束进行光谱识别，得到多个光谱识别信息，并通过预置的主成分分析算法对所述多个光谱识别信息进行矩阵特征提取，生成多个物体表面特征；
创建模块，用于创建所述目标物体与所述医美设备之间的定位坐标系，并根据所述激光投影点集群在所述定位坐标系进行三维点云映射，得到所述目标物体中每个物体表面的初始轮廓信息；
成像模块，用于根据所述多个物体表面特征，对每个物体表面的初始轮廓信息进行拟合建模，得到多个初始轮廓模型，并对多个所述初始轮廓模型进行关键目标识别，得到多个目标表面信息；
提取模块，用于根据所述多个目标表面信息，对所述目标物体的特征部位进行标记信息提取，得到所述特征部位对应的目标标记信息，以及获取所述医美设备中的激光源位置信息；
规划模块，用于根据所述定位坐标系，对所述目标标记信息以及所述激光源位置信息进行位置关系计算，得到目标位置关系，并根据所述目标位置关系进行激光源轨迹动态规划，得到目标激光源移动轨迹。
9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行如权利要求1-7中任一项所述的医美设备的移动轨迹规划方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的医美设备的移动轨迹规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311155395.8A CN117173376B (zh) | 2023-09-08 | 2023-09-08 | 一种医美设备的移动轨迹规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311155395.8A CN117173376B (zh) | 2023-09-08 | 2023-09-08 | 一种医美设备的移动轨迹规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117173376A true CN117173376A (zh) | 2023-12-05 |
| CN117173376B CN117173376B (zh) | 2024-07-09 |
Family
ID=88946744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311155395.8A Active CN117173376B (zh) | 2023-09-08 | 2023-09-08 | 一种医美设备的移动轨迹规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173376B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954971A (zh) * | 2014-05-22 | 2014-07-30 | 武汉大学 | 机载彩色三维扫描激光雷达 |
| US20170236024A1 (en) * | 2016-02-15 | 2017-08-17 | Pictometry International Corp. | Automated system and methodology for feature extraction |
| CN107092021A (zh) * | 2017-04-05 | 2017-08-25 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
| CN115588127A (zh) * | 2022-10-18 | 2023-01-10 | 武汉际上导航科技有限公司 | 一种机载激光点云与多光谱影像融合的方法 |
| EP4141474A1 (en) * | 2021-08-25 | 2023-03-01 | Hexagon Geosystems Services AG | System for 3d surveying by an autonomous robotic vehicle using lidar-slam and an estimated point distribution map for path planning |
| CN116630394A (zh) * | 2023-07-25 | 2023-08-22 | 山东中科先进技术有限公司 | 一种三维建模约束的多模态目标物体姿态估计方法及系统 |
| CN116679317A (zh) * | 2023-03-08 | 2023-09-01 | 北京航空航天大学 | 基于高光谱激光雷达的环境建模方法及装置 |
| CN116698043A (zh) * | 2023-06-28 | 2023-09-05 | 南京信息工程大学 | 一种室内移动机器人视觉导航方法 |
-
2023
- 2023-09-08 CN CN202311155395.8A patent/CN117173376B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954971A (zh) * | 2014-05-22 | 2014-07-30 | 武汉大学 | 机载彩色三维扫描激光雷达 |
| US20170236024A1 (en) * | 2016-02-15 | 2017-08-17 | Pictometry International Corp. | Automated system and methodology for feature extraction |
| CN107092021A (zh) * | 2017-04-05 | 2017-08-25 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
| EP4141474A1 (en) * | 2021-08-25 | 2023-03-01 | Hexagon Geosystems Services AG | System for 3d surveying by an autonomous robotic vehicle using lidar-slam and an estimated point distribution map for path planning |
| CN115588127A (zh) * | 2022-10-18 | 2023-01-10 | 武汉际上导航科技有限公司 | 一种机载激光点云与多光谱影像融合的方法 |
| CN116679317A (zh) * | 2023-03-08 | 2023-09-01 | 北京航空航天大学 | 基于高光谱激光雷达的环境建模方法及装置 |
| CN116698043A (zh) * | 2023-06-28 | 2023-09-05 | 南京信息工程大学 | 一种室内移动机器人视觉导航方法 |
| CN116630394A (zh) * | 2023-07-25 | 2023-08-22 | 山东中科先进技术有限公司 | 一种三维建模约束的多模态目标物体姿态估计方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117173376B (zh) | 2024-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
| CN109903313B (zh) | 一种基于目标三维模型的实时位姿跟踪方法 | |
| US9189855B2 (en) | Three dimensional close interactions | |
| Oehler et al. | Efficient multi-resolution plane segmentation of 3D point clouds | |
| US8792726B2 (en) | Geometric feature extracting device, geometric feature extracting method, storage medium, three-dimensional measurement apparatus, and object recognition apparatus | |
| CN111640158B (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
| Muñoz-Bañón et al. | Targetless camera-LiDAR calibration in unstructured environments | |
| CN108229416A (zh) | 基于语义分割技术的机器人slam方法 | |
| CN115330958A (zh) | 基于激光雷达的实时三维重建方法及装置 | |
| Wellhausen et al. | Reliable real-time change detection and mapping for 3D LiDARs | |
| CN113674402B (zh) | 植物三维高光谱点云模型生成方法、校正方法及其装置 | |
| CN118244281A (zh) | 一种视觉与雷达融合的目标定位方法及装置 | |
| CN117173376B (zh) | 一种医美设备的移动轨迹规划方法及系统 | |
| Cui et al. | ACLC: Automatic Calibration for non-repetitive scanning LiDAR-Camera system based on point cloud noise optimization | |
| Zhao et al. | A 3D image processing method for manufacturing process automation | |
| Tamas et al. | 3D map building with mobile robots | |
| CN116952154A (zh) | 基于机器视觉的传爆管装配体口部深度测量方法及系统 | |
| KR101693811B1 (ko) | 밸브 모델링 방법 및 장치 | |
| Peng et al. | Real time and robust 6D pose estimation of RGBD data for robotic bin picking | |
| Ferreira et al. | A comparison between different feature-based methods for ROV vision-based speed estimation | |
| CN111915632A (zh) | 一种基于机器学习的贫纹理目标物体真值数据库构建方法 | |
| Weinmann et al. | A step towards dynamic scene analysis with active multi-view range imaging systems | |
| Lourenço et al. | Extrinsic calibration of 2D laser range finders using planar features | |
| Araujo et al. | A New Approach of Monocular Visual Odometry to Trajectory Estimation Within a Plantation | |
| Pfeifer et al. | Early stages of LiDAR data processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for mobile trajectory planning of medical beauty equipment Granted publication date: 20240709 Pledgee: Bank of China Limited Hangzhou Binjiang Branch Pledgor: Hangzhou Youlai Technology Co.,Ltd. Registration number: Y2024330001782 |