CN106423656B - 基于点云与图像匹配的自动喷涂系统及方法 - Google Patents

Abstract

本发明提供的基于点云与图像匹配的自动喷涂系统，包括三维扫描模块，用于扫描喷涂对象并根据扫描的三维点云数据获取点云模型，轨迹自动规划模块，用于规划位于点云空间的喷涂轨迹，视觉匹配模块，用于获取点云坐标系与喷涂机器人坐标系之间的转换关系，喷涂模块，用于对喷涂对象进行自动喷涂；本发明的有益效果：本发明中的基于点云与图像匹配的自动喷涂系统及方法，通过点云坐标系的机器人喷涂路径自动规划算法，再通过点云与图像匹配算法将点云坐标系与机器人坐标系联系起来，实现了对喷涂对象的自动喷涂，本发明可以在保证喷涂效率的基础上，大大提高喷涂质量，并且减少轨迹规划的计算量，提高了轨迹规划的质量。

Description

基于点云与图像匹配的自动喷涂系统及方法

技术领域

本发明涉及自动化控制领域，尤其涉及一种基于点云与图像匹配的自动喷涂系统及方法。

背景技术

随着工业机器人在工业生产中的不断普及，机器人的分类也越来越细化，由于喷涂作业的工作环境十分恶劣，油漆对人体的危害很大，因此，为保护工人的身体健康，提高喷漆质量，提高劳动生产率，应实现喷漆自动化，喷涂机器人也就应运而生，喷涂机器人又叫喷漆机器人(spray painting robot)，是可进行自动喷漆或喷涂其他涂料的工业机器人，1969年由挪威Trallfa公司发明。喷漆机器人主要由机器人本体、计算机和相应的控制系统组成，液压驱动的喷漆机器人还包括液压油源，如油泵、油箱和电机等。多采用5或6自由度关节式结构，手臂有较大的运动空间，并可做复杂的轨迹运动，其腕部一般有2～3个自由度，可灵活运动。较先进的喷漆机器人腕部采用柔性手腕，既可向各个方向弯曲，又可转动，其动作类似人的手腕，能方便地通过较小的孔伸入工件内部，喷涂其内表面。喷漆机器人一般采用液压驱动，具有动作速度快、防爆性能好等特点，可通过手把手示教或点位示数来实现示教。喷漆机器人广泛用于汽车、仪表、电器、搪瓷等工艺生产部门。

目前，国内针对自动喷涂的研究不是很多，机器视觉系统就是利用机器代替人眼来作各种测量和判断，但现有技术中针对通过视觉匹配系统将喷涂轨迹由点云坐标系转化到机器人坐标系中的研究很少。目前喷涂机器人在喷涂过程中还存在不足与不便之处，主要体现在调试困难和智能化程度低。机器人在投入生产前有大量安装调试工作及示教工作，据本文了解，国内某变速器生产厂商调试生产线喷涂机器人喷涂变速器外壳耗时将近一个月，当要喷涂另外一种产品时，即使两种产品外形变化不大，又需重新示教。这种现象不光存在于喷涂机器人，在其他对运动轨迹具有连续性要求或者位置精度要求较高的工业机器人上都普遍存在，如切割、铣削、焊接等。针对这种情况，国外大型机器人厂商相继开发了离线编程系统，运用虚拟仿真缩短实际调试周期。其中较为著名的有ABB的RobotStudio，西门子的Robcad，Fanuc的RoboGuide，法国达索公司的Delmia等。这些仿真软件在很大程度上缩短了调试周期，但是针对每个不同的工艺仍然需要操作人员进行大量离线调试，搭建工艺程序复杂的模型费时费力，针对不同生产工艺的定制化技术还有待提高。2015年ABB发布了其双臂机器人YuMi，这款机器人的各个关节阻尼可以调至稍微大于各关节所受重力矩，通过调试人员把持机器人末端即可进行“手把手”示教，脱离了示教器，大大提升了示教效率，类似的还有Rethink公司的双臂机器人，然而这样的机器人工作空间和负载都有限，所适用的工艺有限。因此，要提高现代化生产线的制造柔性，必须提高工业机器人的智能化水平。亟需一种实现喷涂机器人全自动化喷涂的方法，以提高喷涂的灵活性。

发明内容

有鉴于此，本发明提供一种基于点云与图像匹配的自动喷涂系统，以解决上述问题。

本发明提供的基于点云与图像匹配的自动喷涂系统，包括

三维扫描模块，用于扫描喷涂对象并根据扫描的三维点云数据获取点云模型，

轨迹自动规划模块，用于规划位于点云空间的喷涂轨迹，

视觉匹配模块，用于获取点云坐标系与喷涂机器人坐标系之间的转换关系，

喷涂模块，用于对喷涂对象进行自动喷涂。

进一步，还包括

预处理模块，用于根据获取的三维点云数据，获取三维点云模型并对模型进行预处理，预处理包括对点云模型进行降噪处理。

进一步，所述视觉匹配模块包括标定摄像机，将点云模型投影为二值图，并将所述二值图与摄像机拍摄的图像进行匹配，通过获取图像坐标系与点云坐标系的关系，确定点云坐标系与机器人坐标系的关系。

进一步，所述标定摄像机包括垂直于工作平台设置的标定摄像机Ⅰ和设置于工作平台侧面的标定摄像机Ⅱ，所述标定摄像机Ⅰ的光轴垂直于机器人坐标系的X-Y平面，所述标定摄像机Ⅱ的光轴垂直于机器人坐标系的Y-Z平面，所述工作平台位于喷涂机器人坐标系X-Y平面上。

进一步，通过轨迹自动规划模块建立圆柱表面漆膜厚度分布模型，通过一组夹角均为η的平面与点云模型进行求交，获取三维截面轮廓数据，将所述三维截面轮廓数据作为喷涂轨迹，

圆柱表面漆膜厚度分布模型表示为：

其中，a,b为平面单点喷涂实验得到的椭圆喷涂区域的长轴与短轴，θ_p为点p和喷枪的连线与喷枪轴线的夹角，h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，h_p为喷枪到平面M₂的距离，r_p为点p与喷枪轴线的距离；α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角，β为面o₁,o₂的法向量与圆柱表面上一微元面o₄的法向量n的夹角，S_max为平面单点喷涂漆膜厚度最大值,β1、β2表示平面喷涂实验数据拟合的得到的β分布函数的分布指数，x_p′、y表示喷涂点经过投影后在坐标系中的坐标。

本实施例还提供一种基于点云与图像匹配的自动喷涂方法，包括

a.获取喷涂对象的三维点云数据，建立点云模型

b.自动规划出位于点云坐标系的喷涂轨迹，并将喷涂对象输送至喷涂平台，

c.通过视觉匹配模块，获取点云坐标系和喷涂机器人坐标系之间的转换关系，并将位于点云坐标系的喷涂轨迹转化为基于机器人坐标系的喷涂轨迹，

d.通过喷涂机器人对喷涂对象进行自动喷涂。

进一步，所述步骤a还包括对获取的喷涂对象的三维点云数据进行预处理，所述预处理包括对点云模型进行降噪处理。

进一步，所述步骤c具体包括

c1.在喷涂机器人坐标系X-Y平面上设置工作平台，

c2.垂直于工作平台设置标定摄像机Ⅰ，在工作平台侧面的设置标定摄像机Ⅱ，所述标定摄像机Ⅰ的光轴垂直于机器人坐标系的X-Y平面，所述标定摄像机Ⅱ的光轴垂直于机器人坐标系的Y-Z平面，

c3.将点云模型投影为二值图，并将所述二值图与标定摄像机拍摄的图像进行匹配，通过获取图像坐标系与点云坐标系的关系，确定点云坐标系与机器人坐标系的关系，

进一步，所述步骤c3包括：

c31.同时采用标定摄像机Ⅰ和标定摄像机Ⅱ对喷涂对象进行拍摄，

c32.当喷涂对象为非轴对称时，通过比较点云投影图像与标定摄像机Ⅰ拍摄的图像，确定喷涂对象在机器人坐标系上的位置与点云模型在点云坐标系中位置的转换关系；

当喷涂对象为非轴对称，但喷涂对象在X-Y平面的投影图像为轴对称时，通过比较点云与标定摄像机Ⅱ拍摄的图像，确定点云模型在机器人坐标系中的位置；

c33.在喷涂平台上放置标定板，将机器人末端执行器移动到标定板上的多个标志点，获取每个标志点在机器人坐标系中X-Y平面的位置,然后通过标定摄像机Ⅰ拍摄的图像，获取标志点在图像中的坐标，确定图像坐标系与机器人坐标系的转换关系。

进一步，通过轨迹自动规划模块建立圆柱表面漆膜厚度分布模型，通过一组夹角均为η的平面与点云模型进行求交，获取三维截面轮廓数据，将所述三维截面轮廓数据作为喷涂轨迹，

圆柱表面漆膜厚度分布模型表示为：

其中，θ_p为点p和喷枪的连线与喷枪轴线的夹角，h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，h_p为喷枪到平面M₂的距离，r_p为点p与喷枪轴线的距离；α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角，β为面o₃的法向量与圆柱表面上一微元面o₄的法向量n的夹角,β1、β2表示平面喷涂实验数据拟合的得到的β分布函数的分布指数，x_p′、y表示喷涂点经过投影后在坐标系中的坐标。。

本发明的有益效果：本发明中的基于点云与图像匹配的自动喷涂系统及方法，通过点云点云坐标系的机器人喷涂路径自动规划算法，再通过点云与图像匹配算法将点云坐标系与机器人坐标系联系起来，实现了对喷涂对象的自动喷涂，本发明可以在保证喷涂效率的基础上，大大提高喷涂质量，并且减少轨迹规划的计算量，提高了轨迹规划的质量。相较于传统喷涂方法，系统具有智能化程度高，可自动实现喷涂轨迹的生成和转换，无需繁杂人工示教或离线编程的特点，降低了机器人使用难度；同时专用化程度高，系统专用于自动化喷涂，使用的机器人为设计开发的喷涂专用机器人，和喷涂工艺特点结合良好，轨迹的规划充分考虑喷涂时的工艺要求；因此提升了喷涂机器人效率和经济效益，使其可以进行随机的多类产品混合生产，便于生产计划调整，可缩短产品转换的调试周期。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1是本发明的结构示意图。

图2是本发明的流程示意图。

图3是本发明视觉匹配模块的平台布置示意图。

图4是本发明基于图像边缘几何特征的匹配算法流程图。

图5是本发明边缘闭合算法流程图。

图6是本发明圆柱表面喷涂模型示意图。

图7是本发明相关微元面夹角关系示意图。

图8是本发明圆柱面点云切片示意图。

图9是本发明圆柱表面双道喷涂漆膜厚度分布示意图。

图10是本发明圆柱面与点云求交示意图。

图11是本发明圆柱表面喷涂路径示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步描述：图1是本发明的原理示意图。

如图1所示，本实施例中的基于点云与图像匹配的自动喷涂系统，包括

三维扫描模块，用于扫描喷涂对象并根据扫描的三维点云数据获取点云模型，

轨迹自动规划模块，用于规划位于点云空间的喷涂轨迹，

视觉匹配模块，用于获取点云坐标系与喷涂机器人坐标系之间的转换关系，

喷涂模块，用于对喷涂对象进行自动喷涂。

在本实施例中，将喷涂产品置于平台上或吊装架上，通过三维造型获取模块，获取喷涂对象外形三维点云数据，对点云数据进行前期处理；利用轨迹自动规划模块自动规划出位于点云空间的喷涂轨迹；然后将产品输送至喷涂平台，通过视觉匹配模块，求得点云坐标系和实际机器人坐标系之间的转换关系，将位于点云坐标系的喷涂轨迹转化为基于机器人坐标系的喷涂轨迹，最终通过喷涂机器人实现对产品的自动喷涂。还包括预处理模块，用于根据获取的三维点云数据，获取三维点云模型并对模型进行预处理，预处理包括对点云模型进行降噪处理，本实施例在获取三维点云模型-密集点云后，通过降噪算法对点云模型进行降噪处理，

在本实施例中，视觉匹配模块包括标定摄像机，将点云模型投影为二值图，并将所述二值图与摄像机拍摄的图像进行匹配，通过获取图像坐标系与点云坐标系的关系，确定点云坐标系与机器人坐标系的关系，标定摄像机包括垂直于工作平台设置的标定摄像机Ⅰ和设置于工作平台侧面的标定摄像机Ⅱ，所述标定摄像机Ⅰ的光轴垂直于机器人坐标系的X-Y平面，所述标定摄像机Ⅱ的光轴垂直于机器人坐标系的Y-Z平面，所述工作平台位于喷涂机器人坐标系X-Y平面上。将点云模型投影为二值图，通过将投影二值图与摄像机拍摄的图像进行匹配，获取图像坐标系与点云坐标系的关系。在得知机器人坐标系与图像坐标系的关系，以及图像坐标系和点云坐标系的关系后，获取点云坐标系与机器人坐标系的关系，从而可以将基于点云坐标系的轨迹转化到机器人坐标系中。本实施例中，点云本身不带任何灰度信息，为提高后期图像处理的稳定性，尽量控制视觉匹配模块的现场光线，通过合理布置平台，使得摄像机拍摄的图像和点云转换成的二值图中都只包含一个对象，不涉及其他干扰对象的识别，视觉匹配模块的平台布置如图3所示，喷涂对象置于工作平台上，设定图3中的工作平台位于喷涂机器人坐标系X-Y平面上(实际中难以达到时，可平行于机器人坐标系X-Y平面)，并且喷涂对象点云模型的底面也与点云坐标系的x-y平面重合。在平台正上方布置标定摄像机ⅠC1，摄像机光轴垂直于机器人X-Y平面，在工作平台侧面设置一个标定摄像机ⅡC2，光轴垂直于机器人坐标系的Y-Z平面，用以上两台摄像机分别拍摄一幅图像,当喷涂对象为非轴对称时，通过比较点云投影图像与标定摄像机ⅠC1拍摄的图像即可完全确定喷涂对象在机器人坐标系上的位置与点云模型在点云坐标系中位置的转换关系；在一些特殊的情况下，如喷涂对象在X-Y平面的投影图像为轴对称，而物体本身不是轴对称时，通过标定摄像机ⅠC1无法完全确定喷涂对象在机器人坐标系中的位置，此时通过比较点云与标定摄像机ⅡC2拍摄的图像来辅助确定点云模型在机器人坐标系中的位置。本实施例中通过扫描获取的点云模型的坐标系z轴的朝向和机器人坐标z轴朝向一致。

在本实施例中，在大多数情况下通过标定摄像机ⅠC1即可完全确定喷涂对象位置，即确定点云坐标系和机器人坐标系的平移关系和旋转关系；标定摄像机ⅡC2只在特殊情况下起到确定喷涂对象绕Z轴旋转角度的辅助定位作用。

如图4所示，在本实施例中，标定摄像机Ⅰ采用基于图像边缘几何特征的匹配方法：

s1.利用标定摄像机Ⅰ对喷涂对象进行拍摄，提取图像边缘，补全边缘缺口，同时将点云向x-y平面投影，获取投影二值图，并提取二值图边缘，

s2.计算边缘几何特征，将图像边缘展开成代特征属性的链条，

s3.循环匹配链条上各点，获取最佳匹配位置。

基于边缘的图像匹配算法提取的边缘或线条信息对灰度变化带来的不利影响具有较好的抑制作用，可抵抗少量噪声和干扰点，算法具有强健的稳定性，在图像质量欠佳的情况下也可能达到稳定的匹配效果。但此类算法的缺点在于对图像边缘提取算法依赖性较强，所提取边缘的质量对匹配的结果有非常大的影响。

在本实施例中，在喷涂平台上放置标定板，将机器人末端执行器移动到标定板上的数个标志点，获取这些点在机器人坐标系中X-Y平面的位置(x,y)，然后通过C1拍摄图像，获取标志点在图像中的坐标(u,v)。由摄像机标定

获得图像坐标系与机器人坐标系的转换关系。得知喷涂对象在图像中像素点的位置，即可知道其在机器人坐标系X-Y平面中的位置。

通过标定建立C1图像坐标系和机器人坐标系关系后，拍摄喷涂对象，对图像进行降噪、增强对比等预处理，采用改进的Canny算子获取图像边缘。

在本实施例中，采用边缘闭合算法，在Canny算子提取的图像边缘基础上，找到边缘缺口点，将缺口点进行连接获取封闭的完整边缘，流程如下：

1.提取边缘点，任取一边缘点为起始点，

2.采用窗口搜索下一边缘点，Fp为1时正向搜索，否则反向搜索，

3.若搜索到下一边缘点，判断该点是否为起始点，若是，则停止搜索；若不是，则标记该点，并重复步骤2；

若为搜索到下一边缘点，则记录该点为起始点，当Fp为2时，判断边缘点是否还有未标记点，若有则重复步骤1，若没有则停止搜索；当Fp不为2时，则重复步骤2，直到全部边缘点都被标记。

在正向搜索和反向搜索时类似情况各有三种，遇到这六种情况时改变搜索策略，以便找到下一个边缘点。检测到开口点后，计算各开口点间欧式距离，将距离最近的开口点两两配对并相连，获取封闭边缘。喷涂平台中，喷涂对象的位置摆放是随机的，用边缘的几何特性作为匹配的特征空间就要求该几何特征具有旋转不变性。本文选取边缘曲率作为匹配的特征空间，将主成分分析法用到二维平面中，根据分辨率选取适当的窗口，可得到离散数值曲线各点的曲率近似值。在轮廓曲线更为复杂时，如长宽比很大，则应根据图像本身的一些属性更加合理的选取窗口大小。在获取拍摄图像并计算边缘的几何特性的同时，系统同时通过投影获取点云模型的投影二值图。将点云模型向点云坐标系x-y平面投影，得到x-y平面的散点图，并进行栅格划分，若栅格中包含数据点则该栅格数值为1，反之则为0，进而将点云投影转化为二值图像。得到拍摄图像边缘和点云投影图像边缘后，将边缘展开为链条。以边缘中任一点为起始点P₁，在八邻域内按在边缘连接算法中的窗口及搜索顺序搜索相邻边缘点P₂，并将起始点标记，然后以P₂点为起始点进行搜索，直到全部边缘点都被标记。以拍摄图像边缘任意点为起始点，循环比较点云边缘链条上各像素点曲率差之和E_i

q_j为图像边缘链像素点j对应的曲率，p_j为点云图像边缘链像素点j对应的曲率。以差之和最小时为最佳匹配，选取匹配边缘中曲率较大的若干个匹配点，由

计算点云坐标和机器人坐标的旋转和平移矩阵，(X,Y)为边缘点的机器人坐标，(x,y)为边缘点对应的点云坐标。至此完成点云在机器人坐标系中x-y平面的匹配定位。

在本实施例中，若喷涂对象在X-Y平面的投影是轴对称，而实物本身不是轴对称时，还需要通过C2拍摄的图像和点云做匹配，确定点云坐标系和机器人坐标系绕Z轴的旋转角度。通过匹配效果最好的若干次的差值和E_i的方差来判定物体在x-y平面投影是否为轴对称。

当S小于给定阈值时，即认为投影图像为轴对称。

由于C2的匹配是确定旋转角度，因此匹配方法和C1与点云图像的匹配方式不同。本实施例选取灰度配准方法，过程如下：

点云在x-y平面投影图计算点云旋转中心，并将C2拍摄图像转换为二值图；

旋转中心均匀划分36个平面，将点云向各个平面投影并转换为二值图像，将其与C2拍摄的二值图匹配，找到匹配最好的一幅I₁；

过旋转中心，以I₁前后10°为范围，均匀划分40个平面，重复步骤3，得到

最佳匹配面I₂，若有必要可以以I₂为对称中心继续划分平面并匹配。

由于喷涂对象在x-y平面的投影为轴对称，但本身却不是轴对称的，因此利用C1匹配时的投影图像边缘来计算点云的旋转中心。

(x_i,y_i)是图像边缘各点坐标值。

C2拍摄的图像采用边缘提取技术，获取连续的边缘，将边缘内部填充，进而将灰度图像转化为二值图像。

计算旋转中心后，过中心轴，划分投影平面，采用与C1匹配相同的方式获取

点云投影的二值图像，在与C2所获得的图像进行匹配时，由于采用的是刚性模板匹配的方式，不具备缩放不变性，因此栅格的分辨率应和C2中喷涂对象大小相匹配。找到最匹配的图像后按照第四步继续细分匹配平面，直到完成匹配。通过C1和C2两个方向的匹配，最终建立点云坐标系和机器人坐标系的转换关系，得到在机器人坐标系中表达的喷涂轨迹。

在本实施例中，通过轨迹自动规划模块建立圆柱表面漆膜厚度分布模型，通过一组夹角均为η的平面与点云模型进行求交，获取三维截面轮廓数据，将所述三维截面轮廓数据作为喷涂轨迹，

圆柱表面漆膜厚度分布模型表示为：

其中，θ_p为点p和喷枪的连线与喷枪轴线的夹角，h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，h_p为喷枪到平面M₂的距离，r_p为点p与喷枪轴线的距离；α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角，β为面o₃的法向量与圆柱表面上一微元面o₄的法向量n的夹角。

如图6所示，以截面圆心O点作为坐标原点建立笛卡尔空间坐标系。平面M₁为参考平面，过微元面o₂的中点p做平面M₂，且M₂//M₁；θ_p为点p和喷枪的连线与喷枪轴线的夹角；h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，通常采用建议的高度值；h_p为喷枪到平面M₂的距离，值随着θ_p的变化而改变；r_p为点p与喷枪轴线的距离；n为微元面o₂的法向量；α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角。喷炬在圆柱表面的投影各向不具备同一性，但是圆柱表面的喷涂区域在参考平面上的投影呈椭圆形，且涂料在圆柱面上的涂料累积量与在参考平面M₁上的涂料累积量相等，两个微元面的面积关系为：

其中，分别为两微元面o₂、o₁的面积，且为在喷射方向上的投影。

根据式(7)推导出微元面o₁与o₂上的漆膜厚度关系为：

其中，S_p、S_p′分别为微元面o₂与o₁上的漆膜厚度函数。

如图7所示，根据图中各微元面之间的关系，可得到微元面o₂、o₃及o₄上漆膜厚度的关系为：

S_p″′＝S(x,y)＝S_p″coSβ (10)

式(9)、(10)中S_p″为微元面o₃的漆膜累积厚度，S_p″′为微元面o₄的漆膜累积厚度。

由式(8)、(9)和(10)推导出圆柱表面上每点的漆膜厚度表达式为：

根据平面椭圆双β漆膜厚度分布函数推导出S_p′的表达式为：

半径为R的圆柱表面上每点的漆膜厚度分布函数可定义为：

由余弦定理可得：

其中：

x_p′＝h_p′·tanθ_p＝h_p′·x/h_p

式(13)可推导出MP是关于x_p′的函数。

式(12)、(13)、(14)、(15)中参数a、b、喷涂距离h_p′以及β分布参数β₁、β₂根据喷涂实验求得。得到圆柱表面漆膜厚度分布模型后，接下来引用点云切片算法和漆膜厚度分布模型对圆柱表面进行喷涂轨迹规划与优化。

三维扫描仪采集得到工件的点云模型是离散化的工件表面形状特征信息的表达，这些空间散乱点用空间集合表示为：

Ω＝{p(x_i,y_i,z_i),i＝1,2...n-1,n} (16)

点云切片是通过一组夹角均为η的平面与点云模型Ω进行求交，得到的交线即为三维截面轮廓数据。运用点云切片技术得到的点云轮廓数据便是我们所求的喷涂轨迹。如图9所示为圆柱表面点云切片示意图，Z为圆柱中心轴，E₁、E₂以及E₃为一组夹角为η的切平面。Z为圆柱中心轴，E₁、E₂以及E₃为一组夹角为η的切平面。切片厚度直接影响切片轮廓的质量和轨迹规划的效率，从而直接影响到漆膜厚度分布的均匀性以及喷涂效率。以喷涂转角η作为喷涂轨迹规划中喷枪旋转的角度。若η取得太小，漆膜重叠角度就越大，漆膜的平均厚度就较高，严重降低了喷涂效率；若η取得太大，漆膜重叠角度就越小，漆膜平均厚度就越低，严重降低了喷涂质量。因此根据建立的双道漆膜厚度分布模型确定切片角度η，如图9所示。

在本实施例中，对切平面与圆柱表面点云进行求交时，引入角度阈值ε(即经过圆柱表面点和旋转轴线形成的平面与切平面的夹角小于一定的值)，定义旋转轴为Z轴，取圆柱面任意横截面Z＝z_i，定义截面半径方向为X轴，极轴长度为R(圆柱截面半径)建立极坐标系，根据圆柱面半径的大小定义合适角度域值_ε。在极坐标系中位于第j个切平面E一侧的点云带以空间集合形式表示为Ω₁＝{p_li(R,θ_li,z_li),|θ_l-θ_j|≤ε,i＝0,1,…,n}，位于另外一侧点云带以空间集合表示为Ω₂＝{p_rj(R,θ_rj,z_rj),|θ_r-θ_j|≤ε,j＝0,1,…,n}，θ_l、θ_r分别表示平面E_l,j、E_r,j与切平面E的夹角，n为阈值范围内点云的数量，切片数据的计算方法按以下流程进行：

1).取Ω₁中任意一点p_li，然后从Ω₂遍历出与之距离最近的点p_rj；

采用限定范围搜索法来减少计算量，即以点p_li为圆心，步长r＝πRε/360°为半径，建立一个球形搜索空间，如图6所示，记位于空间内的点数量为N。若N＝0，增加一倍搜索半径，继续搜索，直到N>0；若N>0，中止搜索，在球形空间内遍历所有数据点，找到与点p_li距离最近的点p_ri。

2).同理，首先取点云带Ω₂中任意一点p_ri，然后从Ω₁寻找与点p_ri距离最近的点p_li′；计算判断p_li′与p_li是否为同一点。若为是，则将p_ri与p_li标记为匹配点对；若为否，则不用标记该点对，并将其标为已遍历。

3).重复1～2步骤，遍历完Ω₁中所有的数据点。

4).根据上面得到的匹配点p_ri、p_li，可以计算出两点的连线与切平面交点坐标p_i,j＝(R,θ_i,z_i,j)＝(x_i,j,y_i,j,z_i,j)

将极坐标转换成笛卡尔坐标，则点p_li与p_ri构成的空间直线可表示为：

将上式转换成角度表示为：

根据式(17)、(18)求得交点p_i在局部坐标系中的坐标：

将计算得到的点p_i,j存入数组Arr中。

5).采用上述算法遍历切平面两侧点云带中的所有数据点，求得截面轮廓数据点列为Arr＝{p_i,j(x_i,j,y_i,j,z_i,j)}，用于生成喷涂轨迹。

在本实施例中，为了提高喷涂轨迹质量，对求交法获取的点云数据再次进行排序处理得到有序的截面数据，减少轨迹规划的计算量以及提高其轨迹规划的质量。如图11所示，圆柱表面的喷涂轨迹是连续的，因此获取的相邻截面轮廓点云数据的排序方向必须相反。

在本实施例中，以漆膜厚度均匀性为目标罚函数对喷涂转角η和喷涂速度v进行优化，首先建立双道喷涂过程中漆膜厚度分布模型，，α表示最大喷射角度；η表示喷涂转角；θ_p′表示喷涂点P在第二道喷涂轨迹中的喷射角度，进行圆柱表面喷涂过程时，始终保持喷枪轴线垂直于圆柱表面。设喷涂速度为v，喷涂范围经过圆柱表面点p的总时间为

y＝y_p′＝b(1-x_p′ ²/a²)^1/2-vt，

结合式(4.6)推导出单道喷涂行程中点P的漆膜累积厚度函数表达式为：

其中：

d_max—单道喷涂过程中漆膜厚度最大值

根据式(20)再结合图9可推导出双道喷涂过程中点P的漆膜厚度累积函数表达式为：

当0≤α_p≤2α-η时有：

当α≤α_p≤η时有：

其中：

d_max—单道喷涂过程中漆膜厚度最大值。

通过式(22)、(23)可以求得一个包含变量α_p,η,v的分段函数。S_p,1(α_p,v)和S_p,2(α_p,η,v)表示半径为R的圆柱表面上点P的漆膜累积厚度。以圆柱表面漆膜厚度均匀性为目标进行轨迹优化，取p点的实际涂层厚度S_p与理想涂层平均厚度S_A间的方差和最小为优化目标建立喷涂轨迹优化模型：

以式(24)作为适应度函数，对参数η和v进行优化求解。

相应地，本实施例还提供一种基于点云与图像匹配的自动喷涂方法，包括

a.获取喷涂对象的三维点云数据，建立点云模型

b.自动规划出位于点云坐标系的喷涂轨迹，并将喷涂对象输送至喷涂平台，

c.通过视觉匹配模块，获取点云坐标系和喷涂机器人坐标系之间的转换关系，并将位于点云坐标系的喷涂轨迹转化为基于机器人坐标系的喷涂轨迹，

d.通过喷涂机器人对喷涂对象进行自动喷涂。

所述步骤a还包括对获取的喷涂对象的三维点云数据进行预处理，所述预处理包括对点云模型进行降噪处理。

所述步骤c具体包括

c1.在喷涂机器人坐标系X-Y平面上设置工作平台，

c2.垂直于工作平台设置标定摄像机Ⅰ，在工作平台侧面的设置标定摄像机Ⅱ，所述标定摄像机Ⅰ的光轴垂直于机器人坐标系的X-Y平面，所述标定摄像机Ⅱ的光轴垂直于机器人坐标系的Y-Z平面，

c3.将点云模型投影为二值图，并将所述二值图与标定摄像机拍摄的图像进行匹配，通过获取图像坐标系与点云坐标系的关系，确定点云坐标系与机器人坐标系的关系，

步骤c3包括：

c31.同时采用标定摄像机Ⅰ和标定摄像机Ⅱ对喷涂对象进行拍摄，

c32.当喷涂对象为非轴对称时，通过比较点云投影图像与标定摄像机Ⅰ拍摄的图像，确定喷涂对象在机器人坐标系上的位置与点云模型在点云坐标系中位置的转换关系；

当喷涂对象为非轴对称，但喷涂对象在X-Y平面的投影图像为轴对称时，通过比较点云与标定摄像机Ⅱ拍摄的图像，确定点云模型在机器人坐标系中的位置；

c33.在喷涂平台上放置标定板，将机器人末端执行器移动到标定板上的多个标志点，获取每个标志点在机器人坐标系中X-Y平面的位置,然后通过标定摄像机Ⅰ拍摄的图像，获取标志点在图像中的坐标，确定图像坐标系与机器人坐标系的转换关系。

通过轨迹自动规划模块建立圆柱表面漆膜厚度分布模型，通过一组夹角均为η的平面与点云模型进行求交，获取三维截面轮廓数据，将所述三维截面轮廓数据作为喷涂轨迹，

圆柱表面漆膜厚度分布模型表示为：

其中，θ_p为点p和喷枪的连线与喷枪轴线的夹角，h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，h_p为喷枪到平面M₂的距离，r_p为点p与喷枪轴线的距离；α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角，β为面o₃的法向量与圆柱表面上一微元面o₄的法向量n的夹角。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于点云与图像匹配的自动喷涂系统，其特征在于：包括

三维扫描模块，用于扫描喷涂对象并根据扫描的三维点云数据获取点云模型，

轨迹自动规划模块，用于规划基于点云空间的喷涂轨迹，

视觉匹配模块，用于获取点云坐标系与喷涂机器人坐标系之间的转换关系，

喷涂模块，用于对喷涂对象进行自动喷涂；通过轨迹自动规划模块建立圆柱表面漆膜厚度分布模型，通过一组夹角均为η的平面与点云模型进行求交，获取三维截面轮廓数据，将所述三维截面轮廓数据作为喷涂轨迹，

圆柱表面漆膜厚度分布模型表示为：

其中，θ_p为点p和喷枪的连线与喷枪轴线的夹角，h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，h_p为喷枪到平面M₂的距离，α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角，β为面o₃的法向量与圆柱表面上一微元面o₄的法向量n的夹角，β1、β2表示平面喷涂实验数据拟合的得到的β分布函数的分布指数，x_p′、y表示喷涂点经过投影后在坐标系中的坐标，a,b为平面单点喷涂实验得到的椭圆喷涂区域的长轴与短轴。

2.根据权利要求1所述的基于点云与图像匹配的自动喷涂系统，其特征在于：还包括

预处理模块，用于根据获取的三维点云数据，获取三维点云模型并对模型进行预处理，预处理包括对点云模型进行降噪处理。

3.根据权利要求2所述的基于点云与图像匹配的自动喷涂系统，其特征在于：所述视觉匹配模块包括标定摄像机，将点云模型投影为二值图，并将所述二值图与摄像机拍摄的图像进行匹配，通过获取图像坐标系与点云坐标系的关系，确定点云坐标系与机器人坐标系的关系。

4.根据权利要求3所述的基于点云与图像匹配的自动喷涂系统，其特征在于：所述标定摄像机包括垂直于工作平台设置的标定摄像机Ⅰ和设置于工作平台侧面的标定摄像机Ⅱ，所述标定摄像机Ⅰ的光轴垂直于机器人坐标系的X-Y平面，所述标定摄像机Ⅱ的光轴垂直于机器人坐标系的Y-Z平面，所述工作平台位于喷涂机器人坐标系X-Y平面上。

5.一种基于点云与图像匹配的自动喷涂方法，其特征在于：包括

a.获取喷涂对象的三维点云数据，建立点云模型

b.自动规划出位于点云坐标系的喷涂轨迹，并将喷涂对象输送至喷涂平台，

c.通过视觉匹配模块，获取点云坐标系和喷涂机器人坐标系之间的转换关系，并将位于点云坐标系的喷涂轨迹转化为基于机器人坐标系的喷涂轨迹，

d.通过喷涂机器人对喷涂对象进行自动喷涂；

通过轨迹自动规划模块建立圆柱表面漆膜厚度分布模型，通过一组夹角均为η的平面与点云模型进行求交，获取三维截面轮廓数据，将所述三维截面轮廓数据作为喷涂轨迹，

圆柱表面漆膜厚度分布模型表示为：

其中，θ_p为点p和喷枪的连线与喷枪轴线的夹角，h_p′为喷枪到平面M₁的距离即喷枪圆柱表面的喷涂距离，h_p为喷枪到平面M₂的距离；α_p为喷枪轴线与圆柱表面截面圆心和点p的连线的夹角，β为面o₃的法向量与圆柱表面上一微元面o₄的法向量n的夹角,β1、β2表示平面喷涂实验数据拟合的得到的β分布函数的分布指数，x_p′、y表示喷涂点经过投影后在坐标系中的坐标，a,b为平面单点喷涂实验得到的椭圆喷涂区域的长轴与短轴。

6.根据权利要求5中的基于点云与图像匹配的自动喷涂方法，其特征在于：所述步骤a还包括对获取的喷涂对象的三维点云数据进行预处理，所述预处理包括对点云模型进行降噪处理。

7.根据权利要求5中的基于点云与图像匹配的自动喷涂方法，其特征在于：所述步骤c具体包括

c1.在喷涂机器人坐标系X-Y平面上设置工作平台，

c2.垂直于工作平台设置标定摄像机Ⅰ，在工作平台侧面的设置标定摄像机Ⅱ，所述标定摄像机Ⅰ的光轴垂直于机器人坐标系的X-Y平面，所述标定摄像机Ⅱ的光轴垂直于机器人坐标系的Y-Z平面，

c3.将点云模型投影为二值图，并将所述二值图与标定摄像机拍摄的图像进行匹配，通过获取图像坐标系与点云坐标系的关系，确定点云坐标系与机器人坐标系的关系。

8.根据权利要求7中的基于点云与图像匹配的自动喷涂方法，其特征在于：所述步骤c3包括：

c31.同时采用标定摄像机Ⅰ和标定摄像机Ⅱ对喷涂对象进行拍摄，

c32.当喷涂对象为非轴对称时，通过比较点云投影图像与标定摄像机Ⅰ拍摄的图像，确定喷涂对象在机器人坐标系上的位置与点云模型在点云坐标系中位置的转换关系；

当喷涂对象为非轴对称，但喷涂对象在X-Y平面的投影图像为轴对称时，通过比较点云与标定摄像机Ⅱ拍摄的图像，确定点云模型在机器人坐标系中的位置；

c33.在喷涂平台上放置标定板，将机器人末端执行器移动到标定板上的多个标志点，获取每个标志点在机器人坐标系中X-Y平面的位置,然后通过标定摄像机Ⅰ拍摄的图像，获取标志点在图像中的坐标，确定图像坐标系与机器人坐标系的转换关系。