本发明属于铣削加工相关技术领域，其公开了一种五轴加工轨 迹中刀具圆环体向三角片的边投影的算法，其包括以下步骤:(1)判断 刀具圆环体向三角片的边投影的特殊情况，若存在特殊情况，则转至 步骤(5)，否则转至步骤(2);(2)根据第一几何约束条件来确定初始迭代 角度;(3)基于第二几何约束条件及第三几何约束条件来计算及离散初 始迭代角度区域，以确定较优初始迭代角度;(4)基于第二几何约束条 件及第三几何约束条件，采用割线法搜索最优角度，若成功则转至步 骤(5)，否则结束;(5)依据搜索到的所述最优角度计

本发明公开了一种基于机器视觉的光栅立体图像平板打印机，用于实现光栅板基体上的立体打印，该打印机包括打印系统、视觉测量系统和纠偏处理系统，其中，所述视觉测量系统用于获得打印系统上的光栅板图像以检测其位置和角度，所述纠偏处理系统根据该位置和角度计算其与打印图像的位置偏差，然后根据该偏差控制所述打印系统作相应的位置纠偏，从而在精确位置进行打印获得立体图像。该发明针对现有光栅立体图像印刷工艺中打印精度低、操作复杂、难以实现自动化等缺陷，采用机器视觉测量定位、机械和视觉辅助纠偏的方法，实现基于光栅板进行立体图

本发明公开了一种基于机器视觉的三维网状物缺陷在线检测系统，包括正面位置传感器、正面光源、正面相机、反面位置传感器、反面光源、反面相机、光电编码器、第一传送带机构、第二传送带机构、机架、操控平台、报警指示模块、显示模块、控制按钮、以及主控系统，正面位置传感器、正面光源、正面相机、反面位置传感器、反面光源、反面相机、光电编码器均固定在机架上，正面位置传感器高于第一传送带机构、第二传送带机构的上平面，本发明能够解决现有三维网状物缺陷在线检测系统存在的只能够扫描工件的一个面、工作效率低、多次扫描易出现工件磕

本发明公开了一种基于机器视觉的三维网状物缺陷在线检测系 统，包括正面位置传感器、正面光源、正面相机、反面位置传感器、 反面光源、反面相机、光电编码器、第一传送带机构、第二传送带机 构、机架、操控平台、报警指示模块、显示模块、控制按钮、以及主 控系统，正面位置传感器、正面光源、正面相机、反面位置传感器、 反面光源、反面相机、光电编码器均固定在机架上，正面位置传感器 高于第一传送带机构、第二传送带机构的上平面，本发明能够解决现 有三维网状物缺陷在线检测系统存在的只能够扫描工件的一个面、工 作效率低、多次

人工智能3D喷胶柔性生产线主要由工业机器人机器人，3D视觉系统，自动喷胶系统、自动清洗系统、产品输送线、安全系统及限属设备组成。系统中机器人无需编程，由3D视觉算法引导机器人执行喷胶作业喷胶轨迹根据产品型号、位置、歪斜角度等自动调整。人工智能3D视觉喷胶系统内置多种先进深度学习算法，可识别包括金属件、盒状物体、袋状物体、瓶状物体等在内的多种物体，物体既可紧密贴合，亦可随意堆叠。支持带有复杂图案，反光胶带，面单的物体，支持表面反光或暗色的物体。流程化的界面，简单易懂;完全开放式的后台，支持用户进行定制化算法开发，帮助实现全自动化标定;可视化、无代码的编程界面，一键仿真;用户无需编写任何代码，即可学会操作机器人;完全图形化交互界面，功能图标直观易懂，拖式操作能快速搭建视觉方案

myCobot 由大象机器人和M5stack联合出品，是世界最小最轻的六轴协作机器人，可根据用户的需求进行二次开发，实现用户个性化定制，是生产力工具也是想象力边界的拓展工具。 myCobot 自重850g，有效载荷250g，有效工作半径280mm；体积小巧但功能强大，既可搭配多种末端执行器适配多种应用场景，也可支持多平台软件的二次开发，满足科研教育、智能家居，商业探索等各种场景需求。 产品特性 独特工业设计，极致小巧 一体化设计，整体机身结构紧凑，净重仅850g，十分便于携带 模块化设计，备件少、维护成本低，可快速拆卸更换，实现即插即用 高配置，搭载两块显示屏 内含6个高性能伺服电机，响应快，惯量小，转动平滑 机身携带两块显示屏，支持 fastLED库，便于拓展应用交互输出 乐高接头，M5STACK数千应用生态 底座以 M5STACK Basic 作为主控，数千应用案例可直接使用 底座及末端带有乐高科技件接口，适用于各项微型嵌入式设备开发 图形化编程，支持工业机器人软件 采用 myBlockly 可视化编程软件，掌上自如编程，操作简单易上手。 支持 Arduino + ROS 开源系统。 轨迹录入，点位保存 摆脱传统的路径点存模式，无需编程，myCobot拖动示教功能可让你手把手教会它每一个你想要的动作和指令 记录已存入的路径，最多可保存长达60mins不同的路径 应用场景     myCobot体积小巧但功能强大，是生产力工具也是想象力边界的拓展工具。既可搭配多种末端执行器适配多种应用场景，也可支持多平台软件的二次开发，满足科研教育、智能家居、 轻工业及商业应用等各种场景需求。 联系我们：深圳市大象机器人科技有限公司 官网：https://www.elephantrobotics.com淘宝官网链接：https://shop504055678.taobao.com/?spm=a1z10.1-c-s.0.0.2b0e58e7PY8UhV电话：+86 (0755) 8696 8565/+86 181 2384 1923地址：深圳市福田区华强北电子科技大厦D座智方舟国际智能硬件创新中心D403 D504 D505

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。

一种基于机器视觉的无人机自动检测方法及无人机管制方法,利用图像采集装置自动巡天；自适应光照变化并躲避强光的直射，获取待检测区域的图像序列，利用序列图像之间的目标运动特性和单幅图像中的目标与背景的差异，自动检测无人机等低空飞行器，并通过对其卫星定位信道和遥控信道进行无线电干扰以实现无人机管制的目的

本发明公开了一种基于机器视觉的无人机自动检测方法及无人机管制方法,利用图像采集装置自动巡天；自适应光照的变化并躲避强光的直射，获取待检测区域的图像序列，利用序列图像之间的目标运动特性和单幅图像中的目标与背景的差异，自动检测无人机等低空飞行器，并通过对其卫星定位信道和遥控信道进行无线电干扰以实现无人机管制的目的；本方法可对全天域进行监控，并在巡天过程中自动调整光学成像传感器的指向以避免被强光直射，可以实时自动学习环