CN111238366B - 一种三维扫描路径规划方法及装置 - Google Patents

Abstract

本发明涉及一种三维扫描路径规划方法及装置，属于三维扫描技术领域。本发明基于待扫描区域集合计算扫描仪第i次扫描位置；根据扫描仪第i次扫描位置确定第i次最优有效坐标集合；基于第i次最优有效坐标集合，计算第i+1次扫描区域集合，当第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值则重复之前的步骤；经过多次循环步骤，最终可确定多个扫描位置，使已扫描区域集合不断生长，与待扫描区域集合达到约定的重合度，对最终的扫描仪第1次扫描位置到扫描仪第N次扫描位置进行排序，并将各个扫描位置转换为对应的机器人姿态，得到最优三维扫描路径，从而实现了机器人高效率、高精度和自动化扫描。

Description

一种三维扫描路径规划方法及装置

技术领域

本发明涉及三维扫描技术领域，具体涉及一种三维扫描路径规划方法及装置。

背景技术

机器人自动化三维扫描是利用机器人搭配三维扫描仪对被测物表面数据进行非接触测量的技术，为满足不同被测工件的尺寸形状与测量需求，往往需要机器人采用不同的拍摄路径。传统的拍摄路径规划工作通常由示教工程师依赖个人经验完成，当工程师收到被测件与用户的测量需求时，通过手动控制机器人运动到某一预估扫描位置，然后进行实际扫描，根据扫描结果来判断当前位置是否满足测量需求，如不满足则需要调整位置后重新扫描，如满足则记录下当前位置作为扫描路径点，如此反复迭代，直至满足用户全部测量需求时为止。

随着机器人自动化三维扫描技术的推广，单纯依赖工程师个人经验逐步示教三维扫描路径的工作模式已经不能满足快速增长的用户测量需求。首先，工程师的个人经验限制了其处理不同类型工件的能力，不同工程师之间的经验差异也会导致示教路径的差异，进而影响到测量效率甚至测量精度；其次，对于被测工件数量庞大或测量需求更新频率较高的用户，人工示教反复迭代过程中消耗的大量时间成本也是难以接受的；最后，对于提供三维检测服务的供应商而言，要通过人工示教的方式满足用户日益增长的测量需求，势必要维持一个较大规模的，由经验丰富的工程师组成的团队，这也意味着经营成本的增加。

发明内容

本发明提供了一种三维扫描路径规划方法及装置，以解决上述背景技术中存在的至少一个问题。

为了实现上述目的，第一方面，本发明实施例提供了一种三维扫描路径规划方法，包括：

基于待扫描标准件模型，得到待扫描区域集合，待扫描区域集合等于已扫描区域集合和未扫描区域集合之和；

针对待扫描区域集合，执行如下步骤：

获取扫描仪第i次扫描位置，其中i为1到N的正整数；

基于扫描仪第i次扫描位置，统计第i次有效坐标集合；

对第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，并将第i次最优有效坐标集合添加至已扫描区域集合；

基于第i次最优有效坐标集合，以及未扫描区域集合，得到第i+1次扫描区域集合；

若第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度；

对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，并将各个扫描仪扫描位置转换为对应的机器人姿态，得到机器人最优三维扫描路径。

第二方面，本发明实施例提供了一种三维扫描路径规划装置，包括：

坐标转换单元，用于基于待扫描标准件模型，得到待扫描区域集合，待扫描区域集合等于已扫描区域集合和未扫描区域集合之和；

针对待扫描区域集合，执行如下步骤：

第一计算单元，用于获取扫描仪第i次扫描位置，其中i为1到N的正整数；

优化单元，用于基于扫描仪第i次扫描位置，统计第i次有效坐标集合；

对第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，并将第i次最优有效坐标集合添加至已扫描区域集合；

第二计算单元，用于基于第i次最优有效坐标集合，以及未扫描区域集合，得到第i+1次扫描区域集合；

判断单元，用于若第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度；

路径规划单元，用于对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，并将各个扫描仪扫描位置转换为对应的机器人姿态，得到机器人最优三维扫描路径。

由上述技术内容，可以看出本发明具有以下有益效果：

基于待扫描区域集合计算扫描仪第i次扫描位置，根据扫描仪第i次扫描位置确定第i次有效坐标集合，然后对第i次有效坐标集合进行迭代得到第i次最优有效坐标集合以及更新后的第i次扫描位置，使每次扫描可以获取最多的点，每次获取的数据更准确，有效地减少了扫描的次数。基于第i次最优有效坐标集合，计算第i+1次扫描区域集合，当第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值则重复之前的步骤，从而判断是否继续进行扫描。经过多次循环步骤，最终可确定多个扫描仪的扫描位置，使已扫描区域集合不断生长，最终等于待扫描区域集合，对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，得到最优三维扫描路径，转化为对应的机器人扫描路径后，实现了机器人高效率、高精度和自动化扫描。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种三维扫描路径规划方法流程示意图；

图2为本发明实施例提供的一种计算扫描仪第i次扫描位置的方法流程示意图；

图3为本发明实施例提供的待扫描区域集合的空间包围盒示意图；

图4为本发明实施例提供的再一种计算扫描仪第i次扫描位置的方法流程示意图；

图5为本发明实施例提供的计算第i次最优有效坐标集合的方法流程示意图；

图6为本发明实施例提供的计算第i+1次扫描区域集合的方法流程示意图；

图7为本发明实施例提供的第i次最优有效坐标集合的空间包围盒示意图；

图8为本发明实施例提供了一种三维扫描路径规划装置结构示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

第一方面，如图1所示，本发明实施例提供了一种三维扫描路径规划方法，包括：

S101、基于待扫描标准件模型，得到待扫描区域集合，待扫描区域集合等于已扫描区域集合和未扫描区域集合之和；

针对待扫描区域集合，执行如下步骤：

S102、获取扫描仪第i次扫描位置，其中i为1到N的正整数；

S103、基于扫描仪第i次扫描位置，统计第i次有效坐标集合；

S104、对第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，并将第i次最优有效坐标集合添加至已扫描区域集合；

S105、基于第i次最优有效坐标集合，以及未扫描区域集合，得到第i+1次扫描区域集合；

S106、若第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度；

S107、对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，并将各个扫描仪扫描位置转换为对应的机器人姿态，得到机器人最优三维扫描路径。

具体地，待扫描标准件模型代表了待扫描物体的标准设计状态，包含了待扫描物体的尺寸、特征和空间坐标等参数。本发明实施例通过计算机模拟仿真技术，可根据导入计算机的待扫描标准件模型和用户的测量需求，得到待扫描区域集合M，集合M中的每个点的坐标表示待扫描标准件模型上相应部位的空间位置。待扫描区域集合M包含已扫描区域集合A和未扫描区域集合B，并且M＝A+B。当还未开始对待扫描标准件模型进行扫描时，已扫描区域集合A没有任何点，为空集。

基于待扫描区域集合M，可得到扫描仪第i次扫描位置，扫描位置指每次扫描过程中扫描仪在待扫描标准件模型坐标系下的绝对位置。然后基于扫描仪第i次扫描位置统计第i次有效坐标集合S_i＝{(X_i,j,Y_i,j,Z_i,j)i,j∈(1,2,3,…,n)}，其中X_i,j、Y_i,j、Z_i,j为第i次有效坐标集合S_i中点的三维坐标。有效坐标集合中的点表示每次扫描过程中，扫描仪可扫描到的最大区域中的点的坐标集合。

为了使扫描仪在一次扫描中可以获取到更多的有效坐标点，以减少扫描的次数，需要对每次扫描得到的有效坐标集合进行迭代，调整扫描仪的扫描姿态，从而得到第i次最优有效坐标集合S'_i＝{(X'_i,j,Y'_i,j,Z'_i,j)i,j∈(1,2,3,…,n)}，其中X'_i,j、Y'_i,j、Z'_i,j为第i次最优有效坐标集合S'_i中点的三维坐标，并可得到更新后扫描仪第i次扫描位置(即扫描仪第i次最终扫描姿态的位置)。最优有效坐标集合表示扫描仪在一次扫描中可以获取到的最多的点的集合，然后将第i次最优有效坐标集合S'_i添加到已扫描区域集合A中。

在进行第i+1次扫描时，需要以第i次最优有效坐标集合S'_i和未扫描区域集合B为基础，得到第i+1次扫描区域集合C_i+1。为了判断是否继续进行扫描，需要判断第i+1次扫描区域集合C_i+1中点的数量是否大于或者等于预设值，如果大于或者等于预设值，则获取第i+1次扫描位置，重复之前的步骤，即采用区域生长(Region seeds growing,RSG)算法在前一次最优有效坐标集合的基础上查找下一个有扫描需求的区域，使已扫描区域集合A不断生长，并不断更新下一次的扫描位置，直到已扫描区域集合A与待扫描区域集合M达到约定的重合度，整个扫描任务结束。

具体地，已扫描区域集合中与待扫描区域集合约定的重合度以实际扫描的工件而定；示例性地，对于较平面的工件，重合度可以为100％，对于特征较多的工件，重合度可以为80％；对于特征极其复杂的工件，重合度可以为60％～70％；对于只需扫描局部的工件，重合度也可以为20％～30％。

然后将更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行梳理排序，梳理扫描位置的方法可以是调整扫描位置的先后顺序，将较为接近的扫描位置调整到一起，尽量避免重复路径；再将各个扫描仪的扫描位置转换为对应的机器人姿态，然后按照调整后的顺序确定机器人的运动路径，从而得到一组合理高效的机器人运动路径。

机器人按照得到的最优三维扫描路径进行自动化扫描，从而可以将示教工程师从繁复的机器人姿态调整工作中解脱出来，既降低了部署扫描仪时对工程师经验技术的要求，提高了现场扫描工作的效率，又能够对各种形状的待扫描物体进行自动化扫描，并可以满足各种测量需求。

进一步地，基于待扫描标准件模型，得到待扫描区域集合具体包括：

基于待扫描标准件模型，将待扫描标准件模型由数模坐标系转换至机器人坐标系下，得到待扫描区域集合。

具体地，在使用机器人对待扫描物体进行扫描时，需要根据数模坐标系与机器人坐标系的对应关系，将待扫描标准件模型由数模坐标系转换到机器人坐标系下。具体的坐标转换方法可参照现有技术，本发明实施例不再赘述。将扫描仪扫描位置与机器人姿态之间进行转换也是本领域的公知常识，在此就不一一赘述。

进一步地，如图2所示，当i＝1时，获取扫描仪第i次扫描位置具体包括：

S201、采用包围盒算法计算待扫描区域集合的空间包围盒；

S202、将空间包围盒较大面的法向作为扫描方向，并将待扫描区域集合中距离待扫描区域集合的质心最近的点作为待扫描区域的中心点；

S203、基于待扫描区域的中心点，沿扫描方向的反向移动标准工作距离，得到扫描仪第1次扫描位置。

具体地，在本发明实施例中，计算扫描仪第1次扫描位置时，首先采用包围盒算法计算出待扫描区域集合M的空间包围盒。空间包围盒一般包含多个较大面，例如图3所示的空间包围盒，为前、后、上、下面相同的长方体，其包含四个较大面。由于这四个较大面相同，并且前、后面对称，上、下面对称，因此在确定待扫描区域的扫描方向时，只需要将任意一个较大面的法向作为扫描方向即可。此外，将待扫描区域集合M中距离待扫描区域集合M的质心最近的点作为待扫描区域的中心点。

然后通过对扫描仪进行标定，可获取扫描仪的标准工作距离和扫描范围。标定后的标准工作距离为定值，在后续的扫描过程中不再改变。扫描仪扫描时，单次扫描区域为矩形。

最后，以待扫描区域的中心点为起始点，沿扫描方向的反向移动标准工作距离，即可得到扫描仪第1次扫描位置。

需要说明的是，包围盒算法可采用AABB包围盒(Axis-aligned bounding box，轴对齐包围盒)或者方向包围盒OBB(Oriented bounding box)中的任一种，本发明实施例不做具体限制。

进一步地，如图4所示，当i≥2时，获取扫描仪第i次扫描位置具体包括：

S401、将第i次扫描区域集合的质心作为第i次扫描区域的中心点，并将第i次扫描区域集合中所有点的平均法向作为第i次扫描区域的扫描方向；

S402、基于第i次扫描区域的中心点，沿扫描方向反向移动标准工作距离，得到扫描仪第i次扫描位置。

具体地，在本发明实施例中，与计算扫描仪第1次扫描位置相同的是，在计算扫描仪第2次扫描位置到扫描仪第N次扫描位置时，扫描仪的标准工作距离不变。

与计算扫描仪第1次扫描位置不同的是，在计算扫描仪第2次扫描位置到扫描仪第N次扫描位置时，需要将第i次扫描区域集合C_i的质心作为第i次扫描区域的中心点，并将第i次扫描区域集合C_i中所有点的平均法向作为第i次扫描区域的扫描方向。

最后，以第i次扫描区域的中心点为起始点，沿扫描方向的反向标准工作距离，即可得到扫描仪第i次扫描位置。

进一步地，如图5所示，对第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，具体包括：

S501、对第i次有效坐标集合进行主成分分析，得到第i次有效坐标集合的最大特征值所对应的第一特征向量；

S502、若第i次扫描区域的长轴与第一特征向量的夹角大于或者等于第一预设角度，则旋转扫描仪的扫描姿态使第i次扫描区域的长轴与第一特征向量重合；

S503、根据扫描仪旋转后的扫描姿态重新统计第i次有效坐标集合与对应的第一特征向量；

S504、重复上述步骤，直至第i次扫描区域的长轴与对应的有效坐标集合的特征向量的夹角小于第一预设角度，将此时扫描仪的扫描位置作为更新后的扫描仪第i次扫描位置，并将最后一次重新统计的第i次有效坐标集合作为第i次最优有效坐标集合。

具体地，在本发明实施例中，采用主成分分析(Principal component analysis,PCA)算法对有效坐标集合进行迭代。首先，对第i次有效坐标集合S_i进行主成分分析，得到第i次有效坐标集合S_i的最大特征值λ_i所对应的特征向量ζ_i，特征向量ζ_i表示第i次有效坐标集合S_i的空间分布趋势。

为了减少扫描的次数，当第i次扫描区域的长轴l_i与特征向量ζ_i的夹角大于或者等于第一预设角度α时，则需要旋转扫描仪的扫描姿态，使第i次扫描区域的长轴l_i与特征向量ζ_i重合。第一预设角度α可根据实际的扫描任务进行设定，例如可以设置为45°，本发明实施例不做具体限制。

每旋转一次扫描仪的扫描姿态，则重新统计一次第i次有效坐标集合S_i。然后基于变动后的第i次扫描位置，对重新统计后的第i次有效坐标集合S_i继续进行主成分分析，重复之前的步骤，直至第i次扫描区域的长轴l_i与对应的有效坐标集合的特征向量的夹角小于第一预设角度α，将最后一次重新统计的第i次有效坐标集合S_i作为第i次最优有效坐标集合S_i'，将最后一次的扫描位置作为更新后的第i次扫描位置。经过多次旋转扫描仪的扫描姿态后，可以使单次扫描获取的点最多，从而减少扫描次数。

具体地，当第i次扫描区域的长轴l_i与特征向量ζ_i的夹角小于第一预设角度α时，则无需旋转扫描仪的扫描姿态，第i次有效坐标集合即为第i次最优有效坐标集合，可直接将第i次有效坐标集合S_i添加到集合A中。其中，扫描仪第i次扫描位置与更新后的扫描仪第i次扫描位置相同。

进一步地，如图6所示，基于第i次最优有效坐标集合，以及未扫描区域集合，得到第i+1次扫描区域集合具体包括：

S601、采用包围盒算法计算第i次最优有效坐标集合的空间包围盒；

S602、将空间包围盒较大面的长轴和短轴作为搜索方向，并将第i次最优有效坐标集合的质心作为第i+1次扫描区域的中心点；

S603、沿搜索方向搜索未扫描区域集合中与第i次最优有效坐标集合的欧氏距离小于设定阈值，且与第i+1次扫描区域的中心点的连线和搜索方向的夹角小于第二预设角度的点，得到第i+1次扫描区域集合。

具体地，在本发明实施例中，采用包围盒算法计算第i次最优有效坐标集合S_i'的空间包围盒。空间包围盒一般包含多个较大面，例如图7所示的空间包围盒，为前、后、上、下面相同的长方体，其包含四个较大面。在计算第i+1次扫描区域集合C_i+1时，将每个较大面的长轴和短轴作为搜索方向，并将第i次最优有效坐标集合S_i'的质心作为第i+1次扫描区域的中心点，在降低了算法复杂性的同时还可以很好地适用于对各种形状待扫描物体的扫描需求。需要说明的是，包围盒算法可采用AABB包围盒(Axis-aligned bounding box，轴对齐包围盒)或者方向包围盒OBB(Oriented bounding box)中的任一种，本发明实施例不做具体限制。

然后以第i+1次扫描区域的中心点为起点，沿搜索方向搜索未扫描区域集合B中与第i次最优有效坐标集合S'_i的欧氏距离小于设定阈值，且与第i+1次扫描区域的中心点的连线和搜索方向的夹角小于第二预设角度β的点，得到第i+1次扫描区域集合C_i+1。其中，设定阈值的大小根据扫描仪的扫描幅面进行设定，第二预设角度β的大小可根据实际扫描需求进行设定，例如在本发明实施例中可设定为60°，本发明实施例不做具体限制。

进一步地，第i次最优有效坐标集合的空间包围盒包括至少1个较大面，第i+1次扫描区域集合包括至少1个子集，其中，至少1个较大面与至少1个子集一一对应。

具体地，由第i次最优有效坐标集合得到的空间包围盒至少含有一个较大面。相应地，由每个较大面可以确定一个第i+1次扫描区域集合的子集。

进一步地，若第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度，具体包括：

若第i+1次扫描区域集合的特定子集中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度。

具体地，为判断是否继续进行扫描，需要判断第i+1次扫描区域集合C_i+1每个子集中的坐标点的数量是否大于或者等于预设值，满足条件的子集则重复之前的步骤，直到已扫描区域集合A与待扫描区域集合M达到约定的重合度。满足条件的子集均可以确定一个扫描位置，也就是说在一次扫描中，第i次最优有效坐标集合的空间包围盒的每个较大面均有可能确定一个扫描位置。

进一步地，若第i+1次扫描区域集合的特定子集中的坐标点的数量小于预设值，则结束对特定子集表示区域的扫描，并判断第i+1次扫描区域集合中其它子集中的坐标点的数量是否大于或者等于预设值。

具体地，若第i+1次扫描区域集合C_i+1中某个子集中的坐标点的数量小于预设值，则放弃对这一子集表示区域的扫描，然后判断其它子集中的坐标点的数量是否大于或者等于预设值。

第二方面，如图8所示，本发明实施例提供了一种三维扫描路径规划装置，包括：

坐标转换单元100，用于基于待扫描标准件模型，得到待扫描区域集合，待扫描区域集合等于已扫描区域集合和未扫描区域集合之和；

针对待扫描区域集合：

第一计算单元200，用于获取扫描仪第i次扫描位置，其中i为1到N的正整数；

优化单元300，用于基于扫描仪第i次扫描位置，统计第i次有效坐标集合；

对第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，并将第i次最优有效坐标集合添加至已扫描区域集合；

第二计算单元400，用于基于第i次最优有效坐标集合，以及未扫描区域集合，得到第i+1次扫描区域集合；

判断单元500，用于若第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度；

路径规划单元600，用于对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，并将各个扫描仪扫描位置转换为对应的机器人姿态，得到机器人最优三维扫描路径。

进一步地，基于待扫描标准件模型，得到待扫描区域集合具体包括：

基于待扫描标准件模型，将待扫描标准件模型由数模坐标系转换至机器人坐标系下，得到待扫描区域集合。

进一步地，当i＝1时，获取扫描仪第i次扫描位置具体包括：

采用包围盒算法计算待扫描区域集合的空间包围盒；

将空间包围盒较大面的法向作为扫描方向，并将待扫描区域集合中距离待扫描区域集合的质心最近的点作为待扫描区域的中心点；

基于待扫描区域的中心点，沿扫描方向的反向移动标准工作距离，得到扫描仪第1次扫描位置。

进一步地，当i≥2时，获取扫描仪第i次扫描位置具体包括：

将第i次扫描区域集合的质心作为第i次扫描区域的中心点，并将第i次扫描区域集合中所有点的平均法向作为第i次扫描区域的扫描方向；

基于第i次扫描区域的中心点，沿扫描方向反向移动标准工作距离，得到扫描仪第i次扫描位置。

进一步地，对第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，具体包括：

对第i次有效坐标集合进行主成分分析，得到第i次有效坐标集合的最大特征值所对应的第一特征向量；

若第i次扫描区域的长轴与第一特征向量的夹角大于或者等于第一预设角度，则旋转扫描仪的扫描姿态使第i次扫描区域的长轴与第一特征向量重合；

根据扫描仪旋转后的扫描姿态重新统计第i次有效坐标集合与对应的第一特征向量；

重复上述步骤，直至第i次扫描区域的长轴与对应的有效坐标集合的特征向量的夹角小于第一预设角度，将此时扫描仪的扫描位置作为更新后的扫描仪第i次扫描位置，并将最后一次重新统计的第i次有效坐标集合作为第i次最优有效坐标集合。

进一步地，若第i次扫描区域的长轴与第一特征向量的夹角小于第一预设角度，则无需旋转扫描仪的扫描姿态，并将第i次有效坐标集合作为第i次最优有效坐标集合；其中，更新后的扫描仪第i次扫描位置与扫描仪第i次扫描位置相同。

进一步地，基于第i次最优有效坐标集合，以及未扫描区域集合，得到第i+1次扫描区域集合具体包括：

采用包围盒算法计算第i次最优有效坐标集合的空间包围盒；

将空间包围盒较大面的长轴和短轴作为搜索方向，并将第i次最优有效坐标集合的质心作为第i+1次扫描区域的中心点；

沿搜索方向搜索未扫描区域集合中与第i次最优有效坐标集合的欧氏距离小于设定阈值，且与第i+1次扫描区域的中心点的连线和搜索方向的夹角小于第二预设角度的点，得到第i+1次扫描区域集合。

进一步地，第i次最优有效坐标集合的空间包围盒包括至少1个较大面，第i+1次扫描区域集合包括至少1个子集，其中，至少1个较大面与至少1个子集一一对应。

进一步地，若第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度，具体包括：

若第i+1次扫描区域集合的特定子集中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到已扫描区域集合与待扫描区域集合达到约定的重合度。

进一步地，若第i+1次扫描区域集合的特定子集中的坐标点的数量小于预设值，则结束对特定子集表示区域的扫描，并判断第i+1次扫描区域集合中其它子集中的坐标点的数量是否大于或者等于预设值。

上述三维扫描路径规划装置，可以用于执行图1到图7所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种三维扫描路径规划方法，其特征在于，包括：

基于待扫描标准件模型，得到待扫描区域集合，所述待扫描区域集合等于已扫描区域集合和未扫描区域集合之和；

针对所述待扫描区域集合，执行如下步骤：

获取扫描仪第i次扫描位置，其中i为1到N的正整数；

基于所述扫描仪第i次扫描位置，统计第i次有效坐标集合；

对所述第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，并将所述第i次最优有效坐标集合添加至所述已扫描区域集合；

基于所述第i次最优有效坐标集合，以及所述未扫描区域集合，得到第i+1次扫描区域集合；

若所述第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到所述已扫描区域集合与所述待扫描区域集合达到约定的重合度；

对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，并将各个扫描仪扫描位置转换为对应的机器人姿态，得到机器人最优三维扫描路径。

2.如权利要求1所述的方法，其特征在于，当i＝1时，所述获取扫描仪第i次扫描位置具体包括：

采用包围盒算法计算所述待扫描区域集合的空间包围盒；

将所述空间包围盒较大面的法向作为扫描方向，并将所述待扫描区域集合中距离所述待扫描区域集合的质心最近的点作为待扫描区域的中心点；

基于所述待扫描区域的中心点，沿所述扫描方向的反向移动标准工作距离，得到扫描仪第1次扫描位置。

3.如权利要求1所述的方法，其特征在于，当i≥2时，所述获取扫描仪第i次扫描位置具体包括：

将第i次扫描区域集合的质心作为第i次扫描区域的中心点，并将所述第i次扫描区域集合中所有点的平均法向作为所述第i次扫描区域的扫描方向；

基于所述第i次扫描区域的中心点，沿所述扫描方向反向移动标准工作距离，得到扫描仪第i次扫描位置。

4.如权利要求1所述的方法，其特征在于，所述对所述第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，具体包括：

对所述第i次有效坐标集合进行主成分分析，得到所述第i次有效坐标集合的最大特征值所对应的第一特征向量；

若第i次扫描区域的长轴与第一特征向量的夹角大于或者等于第一预设角度，则旋转扫描仪的扫描姿态使第i次扫描区域的长轴与第一特征向量重合；

根据扫描仪旋转后的扫描姿态重新统计第i次有效坐标集合与对应的第一特征向量；

重复上述步骤，直至所述第i次扫描区域的长轴与对应的有效坐标集合的特征向量的夹角小于第一预设角度，将此时扫描仪的扫描位置作为更新后的扫描仪第i次扫描位置，并将最后一次重新统计的第i次有效坐标集合作为第i次最优有效坐标集合。

5.如权利要求4所述的方法，其特征在于，若第i次扫描区域的长轴与第一特征向量的夹角小于第一预设角度，则无需旋转扫描仪的扫描姿态，并将第i次有效坐标集合作为第i次最优有效坐标集合；其中，更新后的扫描仪第i次扫描位置与扫描仪第i次扫描位置相同。

6.如权利要求1所述的方法，其特征在于，所述基于所述第i次最优有效坐标集合，以及所述未扫描区域集合，得到第i+1次扫描区域集合具体包括：

采用包围盒算法计算所述第i次最优有效坐标集合的空间包围盒；

将所述空间包围盒较大面的长轴和短轴作为搜索方向，并将所述第i次最优有效坐标集合的质心作为第i+1次扫描区域的中心点；

沿所述搜索方向搜索所述未扫描区域集合中与所述第i次最优有效坐标集合的欧氏距离小于设定阈值，且与所述第i+1次扫描区域的中心点的连线和所述搜索方向的夹角小于第二预设角度的点，得到第i+1次扫描区域集合。

7.如权利要求6所述的方法，其特征在于，所述第i次最优有效坐标集合的空间包围盒包括至少1个较大面，所述第i+1次扫描区域集合包括至少1个子集，其中，所述至少1个较大面与所述至少1个子集一一对应。

8.如权利要求7所述的方法，其特征在于，所述若所述第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值则重复上述步骤，直到所述已扫描区域集合与所述待扫描区域集合达到约定的重合度，具体包括：

若所述第i+1次扫描区域集合的特定子集中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到所述已扫描区域集合与所述待扫描区域集合达到约定的重合度。

9.如权利要求8所述的方法，其特征在于，

若所述第i+1次扫描区域集合的特定子集中的坐标点的数量小于预设值，则结束对所述特定子集表示区域的扫描，并判断所述第i+1次扫描区域集合中其它子集中的坐标点的数量是否大于或者等于预设值。

10.一种三维扫描路径规划装置，其特征在于，包括：

坐标转换单元，用于基于待扫描标准件模型，得到待扫描区域集合，所述待扫描区域集合等于已扫描区域集合和未扫描区域集合之和；

针对所述待扫描区域集合：

第一计算单元，用于获取扫描仪第i次扫描位置，其中i为1到N的正整数；

优化单元，用于基于所述扫描仪第i次扫描位置，统计第i次有效坐标集合；

对所述第i次有效坐标集合进行迭代，得到第i次最优有效坐标集合，更新扫描仪第i次扫描位置，并将所述第i次最优有效坐标集合添加至所述已扫描区域集合；

第二计算单元，用于基于所述第i次最优有效坐标集合，以及所述未扫描区域集合，得到第i+1次扫描区域集合；

判断单元，用于若所述第i+1次扫描区域集合中的坐标点的数量大于或者等于预设值，则重复上述步骤，直到所述已扫描区域集合与所述待扫描区域集合达到约定的重合度；

路径规划单元，用于对更新后的扫描仪第1次扫描位置到更新后的扫描仪第N次扫描位置进行排序，并将各个扫描仪扫描位置转换为对应的机器人姿态，得到机器人最优三维扫描路径。

Images