CN110340738A

CN110340738A - 一种基于pca的机器人拉丝高铁白车身工件精确标定方法

Info

Publication number: CN110340738A
Application number: CN201910542951.4A
Authority: CN
Inventors: 朱大虎; 渠超
Original assignee: Wuhan University of Technology WUT
Current assignee: Wuhan University of Technology WUT
Priority date: 2019-06-21
Filing date: 2019-06-21
Publication date: 2019-10-18
Anticipated expiration: 2039-06-21
Also published as: CN110340738B

Abstract

本发明提出一种基于PCA的机器人拉丝高铁白车身工件精确标定方法。该方法首先通过机器人末端夹持扫描设备获取工件相对于机器人本体大地坐标的3D点云信息；然后运用主成分分析法确定点云边界值，并生成包围盒确定加工工件实际尺寸；最后采用满足加工精度要求的点云降维简化方法和二分法快速确定加工工件的位置，提出适用于机器人标定大型待加工工件的标定策略，最终实现机器人拉丝高铁白车身工件精确标定。通过本发明能有效解决传统机器人示教器标定方法所产生的标定精度低的缺点，同时消除大型工件由于安装误差所带来的标定误差，能大幅提升大型工件标定的速度和精确度。

Description

一种基于PCA的机器人拉丝高铁白车身工件精确标定方法

技术领域

本发明属于工业机器人自动化加工技术领域，涉及一种加工过程中标定方法，具体涉及一种基于PCA的机器人拉丝高铁白车身工件精确标定方法。

背景技术

拉丝是当前较流行的一种无涂装金属表面处理技术，将其与机器人技术进行结合，应用于高铁白车身车体表面加工，能有效提升车体表面质感，减少传统化学涂装方法带来的环境污染，是一种先进的车体制造工艺。高铁白车身机器人拉丝加工过程中，精确标定工件坐标系是实现精密拉丝作业效果的前提。申请号为201610017584.2的中国发明专利申请公开了一种基于工业相机采集工件信息的大型工件标定系统及方法，该方法通过在加工工件四个边角位置设置特征点，从而得到加工工件实际位置。此外，当前针对大型复杂构件的坐标系标定主要是运用传统的机器人示教器“三点法”和“五点法”，其在标定过程中只考虑标定工件边缘位置的表面特征。但由于待加工工件表面通常不平整、表面形貌起伏较大，以上标定方法尚未充分考虑待标定工件的整体表面特征，从而导致标定精度不高，无法满足后续机械加工精度要求。

发明内容

本发明针对现有技术在解决大型复杂构件机器人加工过程中存在的工件坐标系标定精度不足，提出一种基于点云的主成分分析(PCA)方法用于提升机器人拉丝高铁白车身的工件标定精度。该方法通过扫描得到的待加工点云表面的位置信息和加工表面的法向量，指导机器人自动生成加工路径，通过考虑工件的几何特征提升标定的精确度，最终保证拉丝加工工件的表面粗糙度和平整度。

为了实现上述目的，本发明采用的技术方案是：

一种基于PCA的机器人拉丝高铁白车身工件精确标定方法，其特征在于，包括以下步骤：

步骤1、点云获取，机器人末端夹持扫描设备获取工件相对于机器人本体大地坐标的3D点云；

步骤2、利用PCA获取目标点云的主成分；

步骤3、根据目标点云的主成分确定最小点云包围盒的边界值，根据边界值获取点云最小包围盒和包围盒的几何中心

步骤4、根据根据待加工工件的工件加工后的几何模型确定待加工平面∑_xyz相对工件加工后的几何模型的几何中心O的偏移量ε，计算出实际的初始加工平面

步骤5、判断初始加工平面是否能加工，如果初始平面内任意两点之间最大值小于该方向的精度要求，则能加工，执行步骤7，如果不满足精度要求，则执行步骤6；

步骤6，对于点云数据不满足精度要求，则根据二分法在中心平面和初始加工平面之间选取中间平面，并按照步骤5方法判断中间平面是否满足精度要求，如果不满足则根据二分法继续选取新的中间平面进行判断，直至满足精度要求，然后将中间平面或者新的中间平面作为初始加工平面；

步骤7、根据初始加工平面和工件加工后的几何模型求取实际标定中心，完成标定。

作为优选，所述步骤2中，目标点云的主成分包括以下五种：

1)数据初始化并求取初始化矩阵和旋转矩阵，结合两个矩阵确定初始化变化矩阵；

2)获取加工工件点云质心；

3)计算点云协方差；

4)获取协方差矩阵求取协方差矩阵的特征值和三个特征向量；

5)根据特征向量确定点云的三个主方向，标定所求加工平面法向量即为主方向之一。

作为优选，所述步骤3中具体方法为：

根据步骤2中三个特征向量组成的特征向量矩阵对点云数据进行旋转变化，确定最小点云包围盒的边界值{X_min,Y_min,Z_min}和{X_max,Y_max,Z_max}，确定点云最小包围盒和包围盒的几何中心后比较点云最小包围盒尺寸和工件加工后的几何模型尺寸，如果点云包围盒几何尺寸大于工件加工后的几何模型几何尺寸，认为工件可以加工继续标定，否则认为工件无法标定，退出标定工作。

作为优选，所述步骤4中，初始加工平面按照机器人本体大地坐标系x、y、z三个方向分别计算。

作为优选，所述步骤5中判断初始加工平面是否能加工具体步骤如下：

步骤5.1、将空间三维点云降维到平面，确定加工平面y值是否在满足包围盒尺寸要求，如果超出包围盒边界尺寸{Y_min,Y_max}区间，则无法标定，如果满足继续进行标定并做出简化等效该y值下满足精度要求的点集为

步骤5.2、将平面点云集{(x_m,z_m)}划分为多个{(x_m)}集合实现降维，对平面中心z值沿z方向偏移ε_z，作为初始位置，ε_z＝z/2，此时对应x方向集合为：

将初始z值ε_z依次减少△_z将平面点集划分成若干个关于x点集，z值满足包围盒沿z方向的边界{Z_min,Z_max}；

步骤5.3、判定点集{(x_n)}是否满足在包围盒边界内{X_min,X_max}的要求；计算点集的最大值与最小值之差α_y应不小于x方向几何尺寸，即α_x≥x；计算点集相邻两点之差的最大值应当小于x方向精度要求，即max_xn≤△_x，满足以上三点判定要求的平面即为可加工平面。

作为优选，根据步骤2中计算得到的初始化变化矩阵，将步骤7中确定的标定几何中心坐标转化为实际加工位置信息，输出工件在工作站的标定位置。

与现有技术相比，本发明的有益效果是：

本发明充分考虑加工工件的几何特征和待加工平面的位置信息，提出一种适用于机器人拉丝高铁白车身工件标定方法，该方法基于工件整体进行标定并快速确定标定信息，能够有效解决传统“三点法”和“五点法”标定大型工件误差较大难题，最终分析点云数据得到最优加工平面，实现大型复杂构件的精确标定，提升拉丝加工表面质量。

附图说明

图1为本发明实施标定流程图。

图2为本发明实施例的结构示意图。

图3为加工表面位置关系图。

图4为PCA修正前后点云数据对比图。

图5为工件加工后的几何模型和点云包围盒对比图。

图6为可加工平面判定模型简化原理图。

图7为二分法确定最优可加工平面原理图。

图中：1-高铁白车身，2-安全围栏，3-末端扫描仪，4-机器人本体，5-机器人操作台，6-机器人控制柜，7-标定杆，8-包围盒中心平面，9-实际工件平面，10-理想加工平面，11-包围盒边界平面，12-几何模型，13-包围盒模型，14-几何模型中心平面，15-初始加工平面。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细描述：

本发明提出一种基于PCA的机器人拉丝高铁白车身工件精确标定方法，主要工作流程如图1所示，本发明采用的实际加工设备示意图如图2所示，包括安全围栏、末端扫描仪、机器人本体、机器人操作台、机器人控制柜和标定杆，在机器人操作台进行操作，控制机器人本体的末端机械臂带动末端扫描仪对高铁白车身进行扫描获取3D点云模型，之后对点云数据进行处理，并基于PCA进行工件标定。

传统的标定方法主要通过机器人示教器“三点法”或“五点法”完成标定。但由于大型工件表面存在较大的形状变化，上述传统标定方法基于少数边缘位置信息难以实现对整个平面的准确标定，无法准确找到满足精度要求的最优加工平面，如图3。基于以上问题，本申请充分考虑加工工件的三维点云和加工精度要求，通过分析目标点云的主成分，提出一种适用于机器人加工大型工件的工件精确标定策略，解决由于工件表面的形状误差和安装误差对加工表面的影响。

本发明所设计的一种基于PCA(主成分分析)的机器人拉丝高铁白车身工件精确标定方法包括如下步骤：

S1、在机器人末端安装扫描仪，获取待加工工件相对于机器人本体大地坐标系的3D点云模型；

S2、对点云数据进行处理，并基于PCA进行工件标定，包含如下步骤：

S2.1、利用PCA获取目标点云的主成分，包括：1)数据初始化并求取初始化矩阵和旋转矩阵，结合两个矩阵确定初始化变化矩阵；2)获取加工工件点云质心；3)计算点云协方差；4)获取协方差矩阵求取协方差矩阵的特征值和三个特征向量；5)根据特征向量确定点云的三个主方向，标定所求加工平面法向量即为主方向之一。

S2.2、根据S2.1取得的三个特征向量组成的特征向量矩阵对点云数据进行旋转变化，确定最小点云包围盒的边界值，图4分别为原始点云数据和PCA修正后点云数据，左图为为原始点云数据，右图为PCA修正后点云数据，求取点云边界值{X_min,Y_min,Z_min}和{X_max,Y_max,Z_max}，根据边界值获取点云最小包围盒(能够包容点云的最小体积)和几何中心比较点云包围盒几何尺寸和工件加工后的几何模型几何尺寸，如果点云包围盒几何尺寸大于工件加工后的几何模型几何尺寸{X≥x,Y≥y,Z≥z}，认为工件可以加工继续标定，否则认为工件无法标定，如图5。

S2.3、根据加工工件的工件加工后的几何模型确定待加工平面Σ_xyz相对工件加工后的几何模型中心{x,y,z}的偏移量ε(这里假设加工表面法向量为y轴方向，即ε＝ε_y＝y/2)，如图二，所以初始加工平面

S2.4、判定S2.3确定的待加工平面Σ_xy1z，判定其是否能够加工，判定方法满足精度要求下允许点云在三个主方向允许两点之间最小值△_max＝{△_x,△_y,△_z}，在判定过程中分为以下几步：1)将空间三维点云降维到平面，确定加工平面y值是否在满足包围盒尺寸要求，如果超出包围盒边界尺寸{Y_min,Y_max}区间，则无法标定，如果满足继续进行标定并做出简化等效该y值下满足精度要求的点集为

2)将平面点云集{(x_m,z_m)}划分为多个{(x_m)}集合实现降维，对平面中心z值沿z方向偏移ε_z(ε_z＝z/2)作为初始位置，此时对应x方向集合为将初始z值ε_z依次减少△_z将平面点集划分成若干个关于x点集，如图6所示，z值满足包围盒沿z方向的边界{Z_min,Z_max}。

3)判定点集{(x_n)}是否满足要求，点集满足在包围盒边界内{X_min,X_max}；计算点集的最大值与最小值之差应大于x方向几何尺寸，即α_x≥x；计算点集相邻两点之差的最大值应当小于x方向精度要求，即max_xn≤△_x。满足以上三点判定要求的平面即为可加工平面。

S2.5、若点云数据满足精度要求则该平面可以加工，如果不满足根据二分法在中心平面和平面之间选取中间平面Σ_xy2z，并判定平面Σ_xy2z是否在x和z方向上满足精度要求，若满足在平面和平面Σ_xy2z选取平面Σ_xy3z，若不满足在平面Σ_xy2z和中心平面选取平面Σ_xy4z，如图7。同理依次选取指导两平面之间的距离小于y方向的精度要求△_y，并输两平面的边界平面为加工平面，此时对应的y值y_act。

S2.6、根据S2.5确定的加工平面和工件加工后的几何模型求取实际标定中心完成标定。

S3、根据S2.1计算得到的初始化变化矩阵，将S2.5确定的标定几何中心坐标转化为实际加工位置信息，输出工件在工作站的标定位置。

S4、将求解得到的加工工件体积中心坐标导入ABB机器人离线编程软件RobotStudio中进行工作站标定，同时再用Powerpac自动生成加工路径时设置加工面法向量，完成虚拟工作站加工路径的生成。

本发明具有以下特点：1)、建立一种基于PCA的机器人拉丝高铁白车身工件精确标定方法；2)、能实现机器人加工大型工件的工件坐标系精确标定；3)、提出一种基于工件体积特征的工件标定方法以及一种三维点云的降维方法。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims

1.一种基于PCA的机器人拉丝高铁白车身工件精确标定方法，其特征在于，包括以下步骤：

步骤2、利用PCA获取目标点云的主成分；

2.如权利要求1所述的机器人拉丝高铁白车身工件精确标定方法，其特征在于：所述步骤2中，目标点云的主成分包括以下五种：

2)获取加工工件点云质心；

3)计算点云协方差；

3.如权利要求2所述的机器人拉丝高铁白车身工件精确标定方法，其特征在于：所述步骤3中具体方法为：

4.如权利要求3所述的机器人拉丝高铁白车身工件精确标定方法，其特征在于：所述步骤4中，初始加工平面按照机器人本体大地坐标系x、y、z三个方向分别计算。

5.如权利要求4所述的机器人拉丝高铁白车身工件精确标定方法，其特征在于：所述步骤5中判断初始加工平面是否能加工具体步骤如下：

将初始z值ε_z依次减少Δ_z将平面点集划分成若干个关于x点集，z值满足包围盒沿z方向的边界{Z_min,Z_max}；

步骤5.3、判定点集{(x_n)}是否满足在包围盒边界内{X_min,X_max}的要求；计算点集的最大值与最小值之差α_y应不小于x方向几何尺寸，即α_x≥x；计算点集相邻两点之差的最大值应当小于x方向精度要求，即max_xn≤Δ_x，满足以上三点判定要求的平面即为可加工平面。

6.如权利要求5所述的机器人拉丝高铁白车身工件精确标定方法，其特征在于：根据步骤2中计算得到的初始化变化矩阵，将步骤7中确定的标定几何中心坐标转化为实际加工位置信息，输出工件在工作站的标定位置。