[发明专利]基于增强现实和机器学习的主动弯曲原竹构件匹配的方法

权利要求书

1.基于增强现实和机器学习的主动弯曲原竹构件匹配的参数化材料数据库建立，其特征在于，具体包括以下步骤：

S1.预设二维码

在建设需要使用的原竹材端点及节点上粘贴预设的二维码贴纸；

S2.进行数据化

对所有被扫描的竹材b，通过空间坐标进行原竹材料的参数化模型集B。

2.根据权利要求1所述的基于增强现实和机器学习的主动弯曲原竹构件匹配的参数化材料数据库建立，其特征在于：所述S1中进一步的为用手持增强现实设备对贴纸所在空间坐标进行扫描。

3.基于增强现实和机器学习的主动弯曲原竹构件匹配的机器学习模型预测，其特征在于，具体的为以建立用于机器学习的竹节点位置与竹材弯折形态数据库的方法步骤：

a.初步准备

采用与建造所用相同竹材，用工业机器人于黑色背景环境前弯折；

b.图像处理

对图像以计算机视觉进行部分截取及对比度处理，侦测竹材弯折时的形态及节点位置；

c.建立模型

建立机器学习模型，将竹材弯折中机器人抓取端中间曲线均分为1000个点，并标注竹节点在1000个点中的序号o；

d.曲线预测

基于以上机器学习模型，输入任一主动弯曲竹材曲线，即可进行预测形成该曲线需要的竹节点个数n及相对长度L‘；

e.获取竹材

使用取得的竹节点个数n及相对长度集合L‘，在参数化模型集B中通过单目标优化检索，获得最适宜该形态建造的竹材b。

4.根据权利要求3所述的基于增强现实和机器学习的主动弯曲原竹构件匹配的机器学习模型预测，其特征在于：所述步骤a中进一步的为在弯折过程中采用录像设备全程摄录，并截取关键帧完成数据采集准备工作。

5.根据权利要求3所述的基于增强现实和机器学习的主动弯曲原竹构件匹配的机器学习模型预测，其特征在于：所述步骤c中即可得出竹节点的相对长度lm＝o/1000。

6.根据权利要求3所述的基于增强现实和机器学习的主动弯曲原竹构件匹配的机器学习模型预测，其特征在于：所述步骤d中相对长度L‘＝{l‘1,l’2,…,l‘n}。