CN108803621B - 一种钢轨焊缝修磨机器人路径规划方法 - Google Patents

一种钢轨焊缝修磨机器人路径规划方法 Download PDF

Info

Publication number
CN108803621B
CN108803621B CN201810841449.9A CN201810841449A CN108803621B CN 108803621 B CN108803621 B CN 108803621B CN 201810841449 A CN201810841449 A CN 201810841449A CN 108803621 B CN108803621 B CN 108803621B
Authority
CN
China
Prior art keywords
point
data points
points
adjacent
cube
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.)
Active
Application number
CN201810841449.9A
Other languages
English (en)
Other versions
CN108803621A (zh
Inventor
吴文强
张春良
李嘉龙
谢嘉亮
朱厚耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou University
Original Assignee
Guangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou University filed Critical Guangzhou University
Priority to CN201810841449.9A priority Critical patent/CN108803621B/zh
Publication of CN108803621A publication Critical patent/CN108803621A/zh
Application granted granted Critical
Publication of CN108803621B publication Critical patent/CN108803621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B27/00—Other grinding machines or devices
    • B24B27/0007—Movable machines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B9/00—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor
    • B24B9/02—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground
    • B24B9/04—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground of metal, e.g. skate blades
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Numerical Control (AREA)

Abstract

本发明涉及高铁钢轨焊缝修磨技术，尤其涉及钢轨焊缝修磨机器人路径规划方法，首先对钢轨模型进行毛坯设置，利用等距偏置方法对钢轨模型作横截面，再对钢轨模型与横截面形成的交叉曲线提取出数据点；求取数据点的法矢量信息；对已求取法矢量信息的数据点进行排序；根据已排好序的数据点生成运动轨迹。本发明使机器人系统可以根据表面位置数据并结合激光传感器采集的数据自动生成打磨运动轨迹，实现高效率、高精度的打磨。

Description

一种钢轨焊缝修磨机器人路径规划方法
技术领域
本发明涉及高铁钢轨焊缝修磨技术领域，尤其涉及钢轨焊缝修磨机器人路径规划方法。
背景技术
高铁的正常运行离不开无缝钢轨，而无缝钢轨是将几段标准钢轨焊接而成，其中焊接过程会产生焊缝，需要打磨提高无缝钢轨的质量。传统的打磨工作是依靠人手工完成的，不仅劳动强度大、效率低，而且精度难以保证。因此，使用机器人打磨钢轨成为必然趋势。然而，现有利用示教打磨点来规划机器人打磨运动的人工示教编程法难以控制修磨质量，且对操作者有较高要求。机器人的自动编程技术将使这一情况大大改善，而钢轨的表面位置获取是实现自动编程的关键所在；现有的钢轨打磨技术中，机器人轨迹路线的规划不够准确。
发明内容
为解决现有技术所存在的问题，本发明提供一种钢轨焊缝修磨机器人路径规划方法，使机器人系统可以根据表面位置数据并结合激光传感器采集的数据自动生成打磨运动轨迹，实现高效率、高精度的打磨。
为了解决上述的技术问题，本发明提供如下技术方案：一种钢轨焊缝修磨机器人路径规划方法，包括步骤：
S1、对钢轨模型进行毛坯设置，利用等距偏置方法对钢轨模型作横截面，再对钢轨模型与横截面形成的交叉曲线提取出数据点；
S2、求取数据点的法矢量信息；
S3、对已求取法矢量信息的数据点进行排序；
S4、根据已排好序的数据点生成运动轨迹。
在优选的实施例中，步骤S2包括以下步骤：
S21、利用八叉树空间分割方法对散乱数据点集进行分割并存储点云；
S22、利用散乱数据点集之间的空间分布关系，搜索出任意点V的m邻域点集；
S23、优化任意点V的m个邻域并剔除劣质点；
S24、利用m邻域点集与点V形成的m-1个三角形的顶点邻域三角形的形状因子与顶点到质心距离的比值作为比值构建法矢量。
优选地，所述八叉树空间分割方法采用最小的外接正方体包围被测的散乱数据点集所占有的空间,然后对最小的外接正方体按照每次被划分成8个立方体的规律顺序进行分割，直到立方体的体积满足V≤4δ2时停止递归分割，共分成2n个子立方体，其中δ为点云精度。
优选地，步骤S22首先确定一包含点V的子立方体C，搜索子立方体C的子立方体S的数据点集P；若数据点集P的数据点数目大于点V的m邻域点的数目，则令子立方体C＝S，否则结束循环进入下一步：求多个数据点到点V的距离，得出距离最近的m个点。
优选地，求多个数据点到点V的距离的过程如下：根据八进制的编码方式和点V所在的子立方体节点编号,由八叉树查到该子立方体的亲属立方体，从而获得该子立方体和亲属立方体中包含的多个数据点，从而计算多个数据点到点V(xv,yv,zv)的距离：
Figure GDA0003000454850000021
根据计算结果，获得距离最近的m个点作为任意点V的m邻域点集。
优选地，步骤S23优化任意点V的m个邻域时，通过点V与m-1个邻域点组成三角邻接面片；而三角邻接面片所形成的三角网格模型的质量，用三角邻接面片的可接受度Accept(Δ)来衡量：
Figure GDA0003000454850000031
α是三角邻接面片的最小内角；D是三角邻接面片外接圆的直径，Dmax是与点V相邻接的三角邻接面片中最大的外接圆直径；三角邻接面片和前后相邻的两三角邻接面片的夹角用β1、β2表示，假如不存在相邻的三角邻接面片，β1、β2的值为π；a、b、c三个权重系数的和为1；
首先分别计算去除两个邻近点后的顶点V的可接受度Accept1(v)和Accept2(v)；分别比较Accept1(v)、Accept2(v)和顶点V的可接受度Accept(v)，当Accept1(v)或者Accept2(v)最大的时候则去除相应的邻近点，否则进入循环，重新计算另外的邻近点，直至遍历完m邻域点集。
采用上述方案，本发明至少有如下有益效果：基于通用格式的钢轨模型，获取包含位姿信息的表面数据，并对获取的数据信息进行排序，形成能描述被选中面信息的数据点队列，有助于高效、准确地形成机器人打磨运动的规划路线。
附图说明
图1是本发明路径规划方法的流程图。
图2是本发明路径规划方法中的八叉树节点示意图。
图3是本发明路径规划方法中m邻域点搜索流程图。
图4是本发明路径规划方法中m邻域点的局部优化流程图。
图5是本发明路径规划方法中顶点V的邻域示意图，其中(a)为劣质点去除之前的邻域，(b)为劣质点去除后的邻域。
图6是点Vi的三角网络模型示意图。
图7是本发明路径规划方法中最小包围多边形示意图，其中(a)示意了排序后的数据点，(b)示意了按序生成的运动轨迹。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，本发明提供一种钢轨焊缝修磨机器人路径规划方法，主要步骤为：
S1、对钢轨模型进行毛坯设置，利用等距偏置方法对钢轨模型作横截面，再对钢轨模型与横截面形成的交叉曲线提取出数据点。
其中，对钢轨模型进行毛坯设置时，毛坯尺寸应略大于钢轨模型的最大尺寸，以避免毛坯过大造成生成的运动轨迹冗余，过小造成生成的运动轨迹不准确。
钢轨CAD模型转换成STL(StereoLithography interface specificati)数据文件，再采用截面法对数据进行切层，按照切层的间距获取层面上的数据点。STL数据文件是通过一系列的小三角形网格逼近钢轨CAD模型的表面，因此该钢轨CAD模型的表面就被转换成由小三角形顶点组成的数据点。接着用钢轨模型的横截面与之相交，得出一系列的相交曲线，从而提取出一系列的交点作为数据点。
S2、求取数据点的法矢量信息。
本实施例对数据点求取法矢量包括以下步骤：
S21、利用八叉树空间分割方法对三维散乱数据点集进行分割并存储点云，如图2所示，图2中的大圆点代表含有数据点的节点，小圆点代表不含有数据点的节点。
八叉树空间分割方法主要是采用最小的外接正方体包围被测的三维散乱数据点集所占有的空间,然后对最小的外接正方体按照每次被划分成8个立方体的规律顺序进行分割，直到立方体的体积满足V≤4δ2(δ为点云精度)时停止递归分割，共分成2n个子立方体。并且八叉树空间结构中任意一个子立方体的位置都可被一个八进制数唯一确定：
Q8＝qn-18n-1+qn-28n-2+…+qk8k+…+q181+q080,qk∈[0,7],i∈[1,n-1]
其中qk代表的是该节点在其同层节点间的八进制编码数；qk+1代表的是qk的上一层根节点在其同层节点间的八进制编码数。
S22、利用散乱数据点集之间的空间分布关系，快速地搜索出任意点V的m邻域点集，其流程如图3所示。
首先确定一包含点V的子立方体C，快速搜索子立方体C的子立方体S的数据点集P；若数据点集P的数据点数目大于点V的m邻域点的数目，则令子立方体C＝S，否则结束循环进入下一步：求多个数据点到点V的距离，得出距离最近的m个点。
利用散乱数据点集之间的分布关系快速搜索出点V的m邻域点集时，首先确定某一叶子立方体里的散乱数据点集为P＝{Pi(xi,yi,zi),i＝1,2,…n}，包含某个点V(xv,yv,zv)。计算散乱数据点集P其余n-1个点到点V的距离值，并从小到大进行排序，则称距离点V最近的m个点为点V的m邻域点集，记为：MNB|V|＝{P1,P2,…Pm}，它反映了该点V的局部信息。在本实施例中,若已知空间中任意一点V的坐标,根据八叉树空间分割方法的划分规律，可快速查询得相应的子立方体节点编号。根据八进制的编码方式和点V所在的子立方体节点编号,由八叉树可迅速查到该子立方体的亲属立方体，从而获得该子立方体和亲属立方体中包含的多个数据点，从而计算多个数据点到点V(xv,yv,zv)的距离：
Figure GDA0003000454850000061
根据计算结果，获得距离最近的m个点作为任意点V的m邻域点集。
S23、优化任意点V的m个邻域并剔除劣质点。局部任意点V的m邻域点集，去除劣质点判别的方法如图4所示，处理前的情况如图5中的(a)所示，处理后的结果如图5中的(b)所示。
优化任意点V的m个邻域时，通过点V与m-1个邻域点组成三角邻接面片；而三角邻接面片所形成的三角网格模型的质量，用三角邻接面片的可接受度Accept(Δ)来衡量：
Figure GDA0003000454850000062
α代表三角邻接面片的最小内角；D是三角邻接面片外接圆的直径，Dmax代表的是与点V相邻接的三角邻接面片中最大的外接圆直径；此三角邻接面片和前后相邻的两三角邻接面片的夹角用β1、β2表示，假如不存在相邻的三角邻接面片，β1、β2的值为π。上式可分为三项的和，a、b、c分别是这三项的权重系数，a、b、c这三个权重系数的和为1；其中，第一项是为了避免狭长三角邻接面片的出现，第二项和第三项都是为了避免三角网格模型中三角邻接面片的形状差异过大，导致产生突变的情况。
则对于顶点V，局部三角网格模型的优劣程度可用三角邻接面片的平均可接受度来衡量，即：
Figure GDA0003000454850000063
对于待生成的三角邻接面片，平均可接受度的判定范围K的计算公式为：
Figure GDA0003000454850000064
当三角邻接面片的可接受度超出判定范围K时，则认为该邻域点与顶点V形成的三角邻接面片为劣质面片，对顶点V的法矢量求取会产生较大的影响，需要将形成劣质面片的两个邻近点分别去除。
本实施例在去除劣质点时，首先分别计算出去除两个邻近点后的顶点V的可接受度Accept1(v)和Accept2(v)；分别比较Accept1(v)、Accept2(v)和顶点V的可接受度Accept(v)，当Accept1(v)或者Accept2(v)最大的时候则去除相应的邻近点，否则进入循环，重新计算另外的邻近点，直至遍历完m邻域点集。
S24、利用m邻域点集与点V形成的m-1个三角形的顶点邻域三角形的形状因子与顶点到质心距离的比值作为比值构建法矢量。
将m个邻域点两两与点V组成相交于点V的m-1个三角形，引用三角网格模型中顶点邻域三角形的形状因子与顶点到三角形质心距的比值作为权重，这m-1个三角形的外法矢量的加权平均值将代表点V处的法矢量。
本实施例中，采用三角形的形状因子与顶点到三角形质心距的比值作为权重的顶点法矢量估算方法。三角形的形状因子由其三边A、B、C决定，具体表示为：
Figure GDA0003000454850000071
顶点的单位法矢量通过公式
Figure GDA0003000454850000072
计算。λK为顶点邻域三角形的形状因子；GK＝||gK-Vi||，gK为顶点邻域三角形fK的质心，Vi为三角形的顶点，如图6所示，图中NVi为顶点Vi处的单位法矢量，NfK为三角形fK的单位法矢量，三角形fK的面积为AK，aK为三角形fK在顶点Vi处的顶角，GK为顶点Vi到质心gK的距离。单位法矢量即大小为一个单位的法矢量。
S3、对已求取法矢量信息的数据点进行排序。
本步骤S3对已求取的数据点进行排序的算法是依据边长差最小原则，将数据点插入到最小包围多边形中，形成包含所有数据点的多边形，顺序连接该多边形的各顶点，实现对横截面数据点的排序，如图7中的(a)所示。
具体来说，对已求取法矢量信息的数据点进行排序的算法是依据任意两向量PiPi-1与PiPi+1的夹角
Figure GDA0003000454850000081
使夹角θ最大，求得最小包围多边形。然后再将剩余的数据点插入到最小包围多边形中，形成包含所有数据点的多边形，顺序连接该多边形的各顶点，实现对横截面数据点的排序。
S4、根据已排好序的数据点生成运动轨迹，如图7中的(b)所示。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种钢轨焊缝修磨机器人路径规划方法，其特征在于，包括步骤：
S1、对钢轨模型进行毛坯设置，利用等距偏置方法对钢轨模型作横截面，再对钢轨模型与横截面形成的交叉曲线提取出数据点；
S2、求取数据点的法矢量信息；
S3、对已求取法矢量信息的数据点进行排序；
S4、根据已排好序的数据点生成运动轨迹；
步骤S2包括以下步骤：
S21、利用八叉树空间分割方法对散乱数据点集进行分割并存储点云；
S22、利用散乱数据点集之间的空间分布关系，搜索出任意点V的m邻域点集；
S23、优化任意点V的m个邻域并剔除劣质点；
S24、利用m邻域点集与点V形成的m-1个三角形的顶点邻域三角形的形状因子与顶点到质心距离的比值作为比值构建法矢量。
2.根据权利要求1所述的钢轨焊缝修磨机器人路径规划方法，其特征在于，所述八叉树空间分割方法采用最小的外接正方体包围被测的散乱数据点集所占有的空间,然后对最小的外接正方体按照每次被划分成8个立方体的规律顺序进行分割，直到立方体的体积满足V≤4δ2时停止递归分割，共分成2n个子立方体，其中δ为点云精度。
3.根据权利要求2所述的钢轨焊缝修磨机器人路径规划方法，其特征在于，步骤S22首先确定一包含点V的子立方体C，搜索子立方体C的子立方体S的数据点集P；若数据点集P的数据点数目大于点V的m邻域点的数目，则令子立方体C＝S，否则结束循环进入下一步：求多个数据点到点V的距离，得出距离最近的m个点。
4.根据权利要求3所述的钢轨焊缝修磨机器人路径规划方法，其特征在于，求多个数据点到点V的距离的过程如下：根据八进制的编码方式和点V所在的子立方体节点编号,由八叉树查到该子立方体的亲属立方体，从而获得该子立方体和亲属立方体中包含的多个数据点，从而计算多个数据点到点V(xv,yv,zv)的距离：
Figure FDA0003000454840000021
根据计算结果，获得距离最近的m个点作为任意点V的m邻域点集。
5.根据权利要求1所述的钢轨焊缝修磨机器人路径规划方法，其特征在于，步骤S23优化任意点V的m个邻域时，通过点V与m-1个邻域点组成三角邻接面片；而三角邻接面片所形成的三角网格模型的质量，用三角邻接面片的可接受度Accept(Δ)来衡量：
Figure FDA0003000454840000022
α是三角邻接面片的最小内角；D是三角邻接面片外接圆的直径，Dmax是与点V相邻接的三角邻接面片中最大的外接圆直径；三角邻接面片和前后相邻的两三角邻接面片的夹角用β1、β2表示，假如不存在相邻的三角邻接面片，β1、β2的值为π；a、b、c三个权重系数的和为1；
首先分别计算去除两个邻近点后的顶点V的可接受度Accept1(v)和Accept2(v)；分别比较Accept1(v)、Accept2(v)和顶点V的可接受度Accept(v)，当Accept1(v)或者Accept2(v)最大的时候则去除相应的邻近点，否则进入循环，重新计算另外的邻近点，直至遍历完m邻域点集。
6.根据权利要求1所述的钢轨焊缝修磨机器人路径规划方法，其特征在于，步骤S3依据边长差最小原则，将数据点插入到最小包围多边形中，形成包含所有数据点的多边形，顺序连接该多边形的各顶点，实现对横截面数据点的排序。
CN201810841449.9A 2018-07-27 2018-07-27 一种钢轨焊缝修磨机器人路径规划方法 Active CN108803621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810841449.9A CN108803621B (zh) 2018-07-27 2018-07-27 一种钢轨焊缝修磨机器人路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810841449.9A CN108803621B (zh) 2018-07-27 2018-07-27 一种钢轨焊缝修磨机器人路径规划方法

Publications (2)

Publication Number Publication Date
CN108803621A CN108803621A (zh) 2018-11-13
CN108803621B true CN108803621B (zh) 2021-06-25

Family

ID=64076726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810841449.9A Active CN108803621B (zh) 2018-07-27 2018-07-27 一种钢轨焊缝修磨机器人路径规划方法

Country Status (1)

Country Link
CN (1) CN108803621B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111438578B (zh) * 2020-03-26 2021-03-02 广东博智林机器人有限公司 一种墙面打磨路径规划方法、装置、电子设备及存储介质
CN111203766B (zh) * 2020-04-20 2020-08-14 广东博智林机器人有限公司 一种墙面打磨路径规划方法、装置、设备和介质
CN111815078B (zh) * 2020-09-02 2020-12-08 广东博智林机器人有限公司 一种拼缝打磨路径生成方法、装置、机器人及存储介质
CN111922793B (zh) * 2020-09-09 2021-01-22 广东博智林机器人有限公司 一种建筑物打磨方法、装置、系统、处理器及存储介质
CN113432558B (zh) * 2021-08-25 2021-11-26 山东捷瑞数字科技股份有限公司 一种基于激光的不规则物体表面积的测量装置及方法
CN114035509A (zh) * 2021-11-18 2022-02-11 无锡中车时代智能装备有限公司 针对多曲面的轨迹规划方法及设备
CN114393447A (zh) * 2022-01-20 2022-04-26 成都熊谷加世电器有限公司 一种管道打磨规划方法
CN114654308B (zh) * 2022-05-11 2024-03-08 上海中车瑞伯德智能系统股份有限公司 一种用于板状结构件焊缝自动柔性打磨方法
CN117891258B (zh) * 2024-03-12 2024-05-28 江苏韦尔汀轨道工程技术有限公司 一种轨道焊接路径智能规划方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101274629A (zh) * 2007-04-01 2008-10-01 冯云善 环城高架轻轨铁路电气化客车运输
JP2009142928A (ja) * 2007-12-13 2009-07-02 Honda Motor Co Ltd 研削方法と研削装置
CN201763384U (zh) * 2010-09-27 2011-03-16 西安科技大学 煤矿救援用多级机器人系统
CN102501172A (zh) * 2011-11-22 2012-06-20 清华大学 用于机器人修磨系统的面向空间曲面加工的在位测量方法
KR20160125580A (ko) * 2015-04-21 2016-11-01 한국로봇융합연구원 콘크리트 폴리싱 로봇용 툴 중첩배열방식 그라인딩 장치
EP2974827B1 (de) * 2014-07-17 2017-01-25 Franke Water Systems AG Verfahren zum Betreiben einer Bandschleifvorrichtung
CN106355178A (zh) * 2016-07-25 2017-01-25 北京航空航天大学 基于分层聚类和拓扑连接模型的海量点云自适应简化方法
CN106846425A (zh) * 2017-01-11 2017-06-13 东南大学 一种基于八叉树的散乱点云压缩方法
CN107169152A (zh) * 2017-03-23 2017-09-15 江苏科技大学 一种复杂曲面自动喷涂轨迹优化方法
CN107344360A (zh) * 2017-07-31 2017-11-14 广州大学 一种双自由度机器人模块

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101274629A (zh) * 2007-04-01 2008-10-01 冯云善 环城高架轻轨铁路电气化客车运输
JP2009142928A (ja) * 2007-12-13 2009-07-02 Honda Motor Co Ltd 研削方法と研削装置
CN201763384U (zh) * 2010-09-27 2011-03-16 西安科技大学 煤矿救援用多级机器人系统
CN102501172A (zh) * 2011-11-22 2012-06-20 清华大学 用于机器人修磨系统的面向空间曲面加工的在位测量方法
EP2974827B1 (de) * 2014-07-17 2017-01-25 Franke Water Systems AG Verfahren zum Betreiben einer Bandschleifvorrichtung
KR20160125580A (ko) * 2015-04-21 2016-11-01 한국로봇융합연구원 콘크리트 폴리싱 로봇용 툴 중첩배열방식 그라인딩 장치
CN106355178A (zh) * 2016-07-25 2017-01-25 北京航空航天大学 基于分层聚类和拓扑连接模型的海量点云自适应简化方法
CN106846425A (zh) * 2017-01-11 2017-06-13 东南大学 一种基于八叉树的散乱点云压缩方法
CN107169152A (zh) * 2017-03-23 2017-09-15 江苏科技大学 一种复杂曲面自动喷涂轨迹优化方法
CN107344360A (zh) * 2017-07-31 2017-11-14 广州大学 一种双自由度机器人模块

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
采用点云切片技术的喷漆机器人轨迹生成;周峰;《工程图学学报》;20090630;第61-66页 *

Also Published As

Publication number Publication date
CN108803621A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108803621B (zh) 一种钢轨焊缝修磨机器人路径规划方法
CN110126279B (zh) 一种面向曲面3d打印的随形切层及路径规划方法
CN110516388B (zh) 基于调和映射的曲面离散点云模型环切刀轨生成方法
CN105427317B (zh) 一种适用于多视角自动化配准多站地面激光点云数据的方法
CN107749079B (zh) 一种面向无人机扫描重建的点云质量评价和轨迹规划方法
CN108711194B (zh) 一种基于三次b样条插值的三维网格模型拼接方法
CN111696210A (zh) 一种基于三维点云数据特征轻量化的点云重构方法及系统
CN108776993A (zh) 带有孔洞的三维点云的建模方法及地下电缆工井建模方法
CN106570468A (zh) 一种重建LiDAR原始点云建筑物轮廓线的方法
Lin et al. A generic uniform scallop tool path generation method for five-axis machining of freeform surface
CN111986322B (zh) 一种基于结构分析的点云室内场景布局重建方法
CN110500969B (zh) 一种高陡度复杂曲面在位测量规划方法
CN109683552B (zh) 一种基面曲线导向的复杂点云模型上的数控加工路径生成方法
CN111027140B (zh) 基于多视角点云数据的飞机标准件模型快速重构方法
CN105654483A (zh) 三维点云全自动配准方法
CN112348867B (zh) 基于LiDAR点云数据的城市高精度三维地形构建方法及系统
CN108614939A (zh) 顾及三维拓扑的地下工井设施建模方法
CN112508895B (zh) 一种基于曲面配准的螺旋桨叶片质量评估方法
CN110599506A (zh) 一种复杂异形曲面机器人三维测量的点云分割方法
CN112439601B (zh) 一种面向大型船舶外立面的喷涂机器人自动轨迹规划方法
CN109558646B (zh) 一种多轴增材制造成型顺序优化方法
CN109544672A (zh) 一种三维建筑模型纹理映射方法及装置
CN108230452A (zh) 一种基于纹理合成的模型补洞方法
CN110750870A (zh) 一种基于模型体素化距离变换的増材制造方法
CN110415362B (zh) 重叠点云融合方法

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