CN111351473B - 一种基于机器人的视点规划方法、装置及测量系统 - Google Patents
一种基于机器人的视点规划方法、装置及测量系统 Download PDFInfo
- Publication number
- CN111351473B CN111351473B CN202010343967.5A CN202010343967A CN111351473B CN 111351473 B CN111351473 B CN 111351473B CN 202010343967 A CN202010343967 A CN 202010343967A CN 111351473 B CN111351473 B CN 111351473B
- Authority
- CN
- China
- Prior art keywords
- robot
- viewpoint
- optimal
- blade
- dimensional reconstruction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 239000003550 marker Substances 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000000691 measurement method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Manipulator (AREA)
Abstract
本发明涉及精密测量技术领域,具体公开了一种基于机器人的视点规划方法,其中,基于机器人的视点规划方法应用于基于机器人的测量系统中,基于机器人的测量系统包括机器人、三维重建装置和待测叶片,待测叶片上设置有标志点,机器人用于根据所述方法调整三维重建装置的视点,所述方法包括:针对待测叶片上的每个标志点均生成多个待选视点;确定每个标志点的最优视点;根据待测叶片上的所有标志点的最优视点确定机器人带动三维重建装置移动的最优路径。本发明还公开了一种基于机器人的视点规划装置及基于机器人的测量系统。本发明提供的基于机器人的视点规划方法实现了对三维重建系统视点的规划。
Description
技术领域
本发明涉及精密测量技术领域,尤其涉及一种基于机器人的视点规划方法、基于机器人的视点规划装置及包括该基于机器人的视点规划装置的基于机器人的测量系统。
背景技术
复杂曲面是航空发动机、风电叶片等大型设备的重要构成部分,如何对其进行精确高效的测量也是困扰科研人员的难题之一。目前,大型复杂曲面的三维测量方法主要分为两类,即接触式测量和非接触式测量。近年来,随着机器视觉技术的发展,以摄影测量为代表的非接触式测量法得到了广泛应用。
摄影测量的原理是在待测对象上粘贴标志点,对测量区域拍摄多张照片,通过标志点将这些照片拼接起来,构成标志点全图。而后在标志点全图的基础上,利用三维重建构建精准的点云模型。对于标志点的拍摄是需要通过寻找视点进行的。然而,现阶段都是依靠有经验人工,对机器人进行人工示教,完成测量视点的编辑与路径规划。这一过程非常耗时,而且很难获得最优的测量视点和路径。这会增加不必要的视点数量和测量时间,无法发挥出测量设备的最大效能。实现自动化三维测量的重点和难点在于测量视点规划。自动化测量是由多自由度机器人引导三维重建装置,沿着规划的路径移动,从多个视点对物体进行测量,从而获得完整的三维数据。在测量过程中,视点直接决定了相机的测量姿态,测量得到的三维数据在很大程度上会受到视点的影响。同时,由于机器人带动相机沿路径移动,测量路径也就决定了测量任务的可行性和测量效率。
因此,如何能够获得机器人的视点路径成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种基于机器人的视点规划方法、基于机器人的视点规划装置及包括该基于机器人的视点规划装置的基于机器人的测量系统,解决相关技术中存在的无法获得机器人的视点路径的问题。
作为本发明的第一个方面,提供一种基于机器人的视点规划方法,其中,所述基于机器人的视点规划方法应用于基于机器人的测量系统中,所述基于机器人的测量系统包括机器人、三维重建装置和待测叶片,所述待测叶片上设置有标志点,所述三维重建装置与所述机器人的执行端连接,所述机器人用于根据所述机器人的视点规划方法调整所述三维重建装置的视点,所述基于机器人的视点规划方法包括:
针对所述待测叶片上的每个标志点均生成多个待选视点;
确定每个标志点的最优视点;
根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径。
进一步地,所述基于机器人的视点规划方法还包括在所述确定每个标志点的最优视点的步骤前进行的:
根据预设标准检测每个所述待选视点的有效性。
进一步地,所述待测叶片上的标志点包括编码标志点和非编码标志点,所述预设标准包括能够同时观测到至少一个编码标志点和至少两个非编码标志点的视点。
进一步地,所述确定每个标志点的最优视点,包括:
针对每个编码标志点所对应的满足所述预设标准的所有合格视点,计算在每个所述合格视点下所述机器人从初始位姿移动至当前合格视点的位置的运动距离;
选择所述机器人移动的最短的运动距离所对应的合格视点作为最优视点。
进一步地,所述根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径,包括:
以所述机器人的初始位姿为起点,对所述待测叶片上的所有标志点的最优视点进行最优排序,获得所述机器人经过所有所述最优视点的最短距离的最优序列;
对所述最优序列进行坐标变换和逆向求解获得所述机器人带动所述三维重建装置移动的最优路径。
进一步地,所述针对所述待测叶片上的每个标志点均生成多个待选视点,包括:
针对所述待测叶片上的每个标志点,通过圆锥体获取能够观测到当前标志点的全部视点空间范围;
在所述圆锥体的底面一周均匀选取多个视点作为当前标志点的待选视点。
作为本发明的另一个方面,提供一种基于机器人的视点规划装置,其中,所述基于机器人的视点规划装置应用于基于机器人的测量系统中,所述基于机器人的测量系统包括机器人、三维重建装置和待测叶片,所述待测叶片上设置有标志点,所述三维重建装置与所述机器人的执行端连接,所述机器人用于根据所述机器人的视点规划装置调整所述三维重建装置的视点,所述基于机器人的视点规划装置包括:
视点生成模块,用于针对所述待测叶片上的每个标志点均生成多个待选视点;
最优视点确定模块,用于确定每个标志点的最优视点;
最优路径确定模块,用于根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径。
作为本发明的另一个方面,提供一种基于机器人的测量系统,其中,包括:机器人、摄像测量装置、三维重建装置、待测叶片和前文所述的基于机器人的视点规划装置,所述待测叶片上设置有标志点,所述摄影测量装置和所述三维重建装置均与所述机器人的执行端连接,所述摄影测量装置、三维重建装置和机器人均与所述基于机器人的测量装置通信连接,
所述摄影测量装置用于采集所述待测叶片上的标志点的图像;
所述三维重建装置用于对所述待测叶片上的标志点进行构建得到点云模型;
所述基于机器人的视点规划装置用于获取所述机器人的视点的最优路径;
所述机器人用于根据所述基于机器人的视点规划装置确定的视点的最优路径带动所述三维重建装置移动。
进一步地,所述摄像测量装置包括摄影测量相机。
进一步地,所述三维重建装置包括双目立体相机。
本发明提供的基于机器人的视点规划方法,通过生成待选视点,然后确定标志点的最优视点,最后根据最优视点确定机器人的最优路径,这种基于机器人的视点规划方法,实现了对三维重建系统视点的规划,另外一方面借助机器人运动灵活的特性扩大了测量系统的量程,另一方面增加测量系统整体的柔性和自动化程度,保证了测量精度。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。
图1为本发明提供的基于机器人的视点规划方法的流程图。
图2为本发明提供的基于机器人的测量系统的结构示意图。
图3为本发明提供的生成待选视点的结构示意图。
图4为本发明提供的相机坐标系与视点坐标系的映射示意图。
图5为本发明提供的相机拍摄的待测叶片上的编码标志点和非编码标志点的示意图。
图6为本发明提供的最优视点选取的示意图。
图7为本发明提供的基于机器人的测量方法的流程图。
图8为本发明提供的视点规划的具体实施方式流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包括,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种基于机器人的视点规划方法,图1是根据本发明实施例提供的基于机器人的视点规划方法的流程图,图2是根据本发明实施例提供的基于机器人的测量系统的结构示意图,所述基于机器人的视点规划方法应用于基于机器人的测量系统中,所述基于机器人的测量系统包括机器人1、三维重建装置3和待测叶片6,所述待测叶片上设置有标志点5,所述三维重建装置3与所述机器人1的执行端连接,所述机器人1用于根据所述机器人的视点规划方法调整所述三维重建装置3的视点,如图1和图2所示,所述基于机器人的视点规划方法包括:
S110、针对所述待测叶片上的每个标志点均生成多个待选视点;
S120、确定每个标志点的最优视点;
S130、根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径。
本发明实施例提供的基于机器人的视点规划方法,通过生成待选视点,然后确定标志点的最优视点,最后根据最优视点确定机器人的最优路径,这种基于机器人的视点规划方法,实现了对三维重建系统视点的规划,另外一方面借助机器人运动灵活的特性扩大了测量系统的量程,另一方面增加测量系统整体的柔性和自动化程度,保证了测量精度。
如图2所示,本发明实施例提供的基于机器人的测量系统主要包括机器人1,摄影测量装置2,三维重建装置3,上位机4,编码标志点与非编码标志点5和待测叶片6。机器人1的执行端通过工装装有摄影测量装置2和三维重建装置3,摄影测量装置2和三维重建装置3接至上位机4,机器人1的下位机通过网口与上位机4通信,标志点5粘贴于待测叶片6的表面。由于摄影测量的特性,对于机器人及待测对象的相对位置没有严格要求,只需确保待测对象位于机器人工作空间范围内。
具体地,所述针对所述待测叶片上的每个标志点均生成多个待选视点,包括:
针对所述待测叶片上的每个标志点,通过圆锥体获取能够观测到当前标志点的全部视点空间范围;
在所述圆锥体的底面一周均匀选取多个视点作为当前标志点的待选视点。
具体地,所述基于机器人的视点规划方法还包括在所述确定每个标志点的最优视点的步骤前进行的:
根据预设标准检测每个所述待选视点的有效性。
进一步具体地,所述待测叶片上的标志点包括编码标志点和非编码标志点,所述预设标准包括能够同时观测到至少一个编码标志点和至少两个非编码标志点的视点。
应当理解的是,在确定标志点的待选视点时,由于每个标志点均确定了多个待选视点,而针对每个标志点的多个待选视点需要根据预设标准来检测其有效性,即确定视点是否有效。而所述预设标准示意满足三维重建条件设定的,即针对每个视点若要判断其是否有效需要判断在该视点处是否能够同时观测到至少一个编码标志点和至少两个非编码标志点,若能够满足这一条件,则判定该视点为合格的有效视点。
可以理解的是,创建视点的方法如图3所示,对于粘贴在待测对象上的每一个摄影测量编码点,基于Zussman提出的可视锥理论,用一个圆锥体来表示可以观测到曲面上某一标志点的全部视点空间范围,在该圆锥体的底面一周均匀选取4至6个点作为一组待选视点。机器人控制相机运动至视点位置,完成对该区域的拍摄。
如图3所示,记待测曲面上某编码标志点为codeMark1,在此处构建编码点坐标系。视点坐标系如图4所示,机器人控制相机运动使得相机坐标系与视点坐标系重合,即可进行对该区域的拍摄。
随后,在生成的视点vp[i]位置分别构建视点坐标系。其中,视点坐标系的Z轴方向始终指向编码点。以第一个视点vp1为基准,每两个等角距排列视点间相差度。视点在两个坐标系中的位姿变换可描述为以下形式:
其中,从视点坐标系到编码点坐标系的映射关系为:
生成视点后,可在仿真软件中控制相机运动到所有的待选视点处,通过编码点识别和霍夫圆检测逐一检查相机视场中是否包含至少1个编码点和3个非编码标志点,筛选出所有满足点云拼接的视点。图5所示为相机拍摄的待测叶片的示意图。
具体地,所述确定每个标志点的最优视点,包括:
针对每个编码标志点所对应的满足所述预设标准的所有合格视点,计算在每个所述合格视点下所述机器人从初始位姿移动至当前合格视点的位置的运动距离;
选择所述机器人移动的最短的运动距离所对应的合格视点作为最优视点。
应当理解的是,完成初筛后,对于每一个编码标志点所拥有的合格视点,通过计算机器人从初始位姿移动到此处的运动距离,选出距离最短的视点最为对应该编码点的最优视点。
机器人在由空间中一点运动到另一点时,在路径上生成连续的一组点位。如图6所示,机器人的位姿可由处于路径上各个位置时的状态{Config1,Config2,…,Config(n)}来表示,每一个位置的config都由6个关节的角度{joint[1],joint[2],…,joint[n]}组成。通过定义一种机器人运动路径长度的算法,来计算机器人开始和结束两种状态关节配置之间的距离。
具体地,所述根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径,包括:
以所述机器人的初始位姿为起点,对所述待测叶片上的所有标志点的最优视点进行最优排序,获得所述机器人经过所有所述最优视点的最短距离的最优序列;
对所述最优序列进行坐标变换和逆向求解获得所述机器人带动所述三维重建装置移动的最优路径。
选出所有最优视点后,以机器人初始姿态为起点,将区域内所有最优视点作为改进的TSP问题,计算不重复地通过所有视点的最优排序,最终生成使得机器人经过所有视点总距离最短的最优序列。依照该序列将所有视点的位姿发送给上位机,经过坐标变换和逆向求解得到机器人最终的运动路径。
综上,本发明实施例提供的基于机器人的视点规划方法,首先,用可视锥理论生成相应的待选视点,并以满足三维重建条件为标准对所有视点的有效性进行检查。随后,通过度量机器人到达每个有效视点的距离,选取机器人移动距离最短的点作为最优视点。最后计算通过所有视点的最优排序,进而找到一条使得连接所有视点距离总和最短的路径。通过上述视点规划方法,一方面借助机器人运动灵活的特性扩大了测量系统量程,另一方面增加测量系统整体的柔性和自动化程度,保证了测量精度。
下面结合图7和图8对利用上述基于机器人的视点规划方法进行测量的过程进行详细描述。
如图7所示,本发明实施例提供的基于机器人的测量方法具体可以包括如下步骤:
步骤201,测量标定包含摄影测量装置视场同三维重建装置视场的测量体积标定,以及机器人法兰盘坐标系与相机坐标系之间的手眼标定;
步骤202,预定位主要进行点云与测量对象的匹配,将待测对象变换至机器人基坐标系;
步骤203,将编码标志点及非编码标志点粘贴在待测对象的适当位置;
步骤204,通过示教机器人来调整多组摄影测量装置的位置并拍摄标志点图像,建立摄影测量标志点全图;
步骤205,对于所有测量视点进行规划;
步骤206,通过所有视点依次扫描图像;
步骤207,将扫描图像根据标志点全图进行拼接;
步骤208,对测量件与标准件之间的偏差、形位公差进行分析、生成报告。
可以理解的是,所述标志点包括编码点和非编码点,所述编码点和非编码点均设置在所述待测叶片的预设位置。
需要说明的是,所述摄像测量装置的视场范围内至少包括一个编码点和至少两个非编码点。
如图8所示,为步骤205的具体实现过程。
步骤301对粘贴的每一个摄影测量编码点,用可视锥理论生成一组待选视点;步骤302对所有视点的有效性进行检查,确保每个视点都满足三维重建的拼接要求,即视场范围内至少有一个编码点及两个非编码点;步骤303对满足初步要求的视点逐一规划机器人到达此处的运动路径并度量路径长度,根据距离最小原则优选出每个编码点对应的最佳视点;步骤304对所有的最佳视点排序,起点为机器人的末端执行器当前位置,规划出最短路径的视点序列;步骤305根据视点序列,规划出机器人的最优路径。
如图3所示,对于如何创建测量点,本发明实施例通过基于Zussman提出的可视锥理论,用一个圆锥体来表示可以观测到曲面上某一标志点的全部视点空间范围,在该圆锥体的底面一周均匀选取4至6个点作为待选视点。编码点坐标系以及其中一个视点坐标系参见图4所示,视点坐标系的Z轴方向指向编码点,X轴与编码点坐标系的X轴同向。机器人控制摄影测量装置运动使得相机坐标系与视点坐标系重合,即可进行对该区域的拍摄。
如图6所示,机器人控制摄影测量装置运动到所有的待选视点处,逐一检查摄影测量装置的视场中是否包含至少1个编码点和2个非编码标志点,筛选出所有满足摄影测量条件的视点。完成初筛后,对于每一个编码点所拥有的合格视点,通过计算机器人从初始位姿移动到此处的运动距离,选出距离最短的视点作为对应该编码点的最优视点。若某个编码点的所有视点均不合格,则可通过机器人示教手动添加视点。
选出所有最优视点后,以机器人初始姿态为起点,将区域内所有最优视点作为改进的旅行商问题,计算不重复地通过所有视点的最优排序,最终生成使得机器人经过所有视点总距离最短的最优序列。依照该序列将所有视点的位姿发送给上位机,经过坐标变换和逆向求解得到机器人最终的运动路径。
综上,本发明实施例提供的基于机器人的测量方法,通过采用前文的基于机器的视点规划方法,由机器人参与测量工作大幅提升了测量系统的灵活性与高效性。另外本发明提出的视点生成及可靠性检查,可为三维重建提供精准、高效的视点位置,为后续的扫描拼接工作提供了方便;本发明提出的最优视点计算方法,可在短时间内遴选出适宜机器人工作的最优视点,保证可靠性的同时提升了时间效率。
作为本发明的另一实施例,提供一种基于机器人的视点规划装置,其中,所述基于机器人的视点规划装置应用于基于机器人的测量系统中,所述基于机器人的测量系统包括机器人、三维重建装置和待测叶片,所述待测叶片上设置有标志点,所述三维重建装置与所述机器人的执行端连接,所述机器人用于根据所述机器人的视点规划装置调整所述三维重建装置的视点,所述基于机器人的视点规划装置包括:
视点生成模块,用于针对所述待测叶片上的每个标志点均生成多个待选视点;
最优视点确定模块,用于确定每个标志点的最优视点;
最优路径确定模块,用于根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径。
本发明实施例提供的基于机器人的视点规划装置,通过生成待选视点,然后确定标志点的最优视点,最后根据最优视点确定机器人的最优路径,这种基于机器人的视点规划装置,实现了对三维重建系统视点的规划,另外一方面借助机器人运动灵活的特性扩大了测量系统的量程,另一方面增加测量系统整体的柔性和自动化程度,保证了测量精度。
需要说明的是,关于本发明实施例中的基于机器人的视点规划装置的具体实施过程可以参照前文的基于机器人的视点规划方法的描述,此处不再赘述。
作为本发明的另一实施例,提供一种基于机器人的测量系统,其中,如图2所示,包括:机器人1、摄像测量装置2、三维重建装置3、待测叶片6和前文所述的基于机器人的视点规划装置,所述待测叶片6上设置有标志点5,所述摄影测量装置2和所述三维重建装置3均与所述机器人1的执行端连接,所述摄影测量装置2、三维重建装置3和机器人1均与所述基于机器人的测量装置通信连接,
所述摄影测量装置2用于采集所述待测叶片上的标志点的图像;
所述三维重建装置3用于对所述待测叶片上的标志点进行构建得到点云模型;
所述基于机器人的视点规划装置用于获取所述机器人的视点的最优路径;
所述机器人1用于根据所述基于机器人的视点规划装置确定的视点的最优路径带动所述三维重建装置移动。
本发明实施例提供的基于机器人的测量系统,采用了前文的基于机器人的视点规划装置,在获得机器人的最优路径后,通过机器人调整三维重建装置的位置,并构建标志点全图,最终得到测量结果,这种通过机器人参与测量工作,能够大幅提升测量系统的灵活性与高效性。
优选地,所述摄像测量装置包括摄影测量相机。
优选地,所述三维重建装置包括双目立体相机。
应当理解的是,本发明实施例中的基于机器人的视点规划装置即为前文所述的上位机4。
需要说明的是,关于本发明实施例中的基于机器人的测试系统的具体实施过程可以参照前文的基于机器人的视点规划方法的描述,此处不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (9)
1.一种基于机器人的视点规划方法,其特征在于,所述基于机器人的视点规划方法应用于基于机器人的测量系统中,所述基于机器人的测量系统包括机器人、三维重建装置和待测叶片,所述待测叶片上设置有标志点,所述三维重建装置与所述机器人的执行端连接,所述机器人用于根据所述机器人的视点规划方法调整所述三维重建装置的视点,所述基于机器人的视点规划方法包括:
针对所述待测叶片上的每个标志点均生成多个待选视点;
确定每个标志点的最优视点;
根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径;
所述针对所述待测叶片上的每个标志点均生成多个待选视点,包括:
针对所述待测叶片上的每个标志点,通过圆锥体获取能够观测到当前标志点的全部视点空间范围;
在所述圆锥体的底面一周均匀选取多个视点作为当前标志点的待选视点。
2.根据权利要求1所述的基于机器人的视点规划方法,其特征在于,所述基于机器人的视点规划方法还包括在所述确定每个标志点的最优视点的步骤前进行的:
根据预设标准检测每个所述待选视点的有效性。
3.根据权利要求2所述的基于机器人的视点规划方法,其特征在于,所述待测叶片上的标志点包括编码标志点和非编码标志点,所述预设标准包括能够同时观测到至少一个编码标志点和至少两个非编码标志点的视点。
4.根据权利要求3所述的基于机器人的视点规划方法,其特征在于,所述确定每个标志点的最优视点,包括:
针对每个编码标志点所对应的满足所述预设标准的所有合格视点,计算在每个所述合格视点下所述机器人从初始位姿移动至当前合格视点的位置的运动距离;
选择所述机器人移动的最短的运动距离所对应的合格视点作为最优视点。
5.根据权利要求4所述的基于机器人的视点规划方法,其特征在于,所述根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径,包括:
以所述机器人的初始位姿为起点,对所述待测叶片上的所有标志点的最优视点进行最优排序,获得所述机器人经过所有所述最优视点的最短距离的最优序列;
对所述最优序列进行坐标变换和逆向求解获得所述机器人带动所述三维重建装置移动的最优路径。
6.一种基于机器人的视点规划装置,用于实现权利要求1至5中任意一项所述的基于机器人的视点规划方法,其特征在于,所述基于机器人的视点规划装置应用于基于机器人的测量系统中,所述基于机器人的测量系统包括机器人、三维重建装置和待测叶片,所述待测叶片上设置有标志点,所述三维重建装置与所述机器人的执行端连接,所述机器人用于根据所述机器人的视点规划装置调整所述三维重建装置的视点,所述基于机器人的视点规划装置包括:
视点生成模块,用于针对所述待测叶片上的每个标志点均生成多个待选视点;
最优视点确定模块,用于确定每个标志点的最优视点;
最优路径确定模块,用于根据所述待测叶片上的所有标志点的最优视点确定所述机器人带动所述三维重建装置移动的最优路径。
7.一种基于机器人的测量系统,其特征在于,包括:机器人、摄像测量装置、三维重建装置、待测叶片和权利要求6所述的基于机器人的视点规划装置,所述待测叶片上设置有标志点,所述摄像测量装置和所述三维重建装置均与所述机器人的执行端连接,所述摄像测量装置、三维重建装置和机器人均与所述基于机器人的测量装置通信连接,
所述摄像测量装置用于采集所述待测叶片上的标志点的图像;
所述三维重建装置用于对所述待测叶片上的标志点进行构建得到点云模型;
所述基于机器人的视点规划装置用于获取所述机器人的视点的最优路径;
所述机器人用于根据所述基于机器人的视点规划装置确定的视点的最优路径带动所述三维重建装置移动。
8.根据权利要求7所述的基于机器人的测量系统,其特征在于,所述摄像测量装置包括摄影测量相机。
9.根据权利要求7所述的基于机器人的测量系统,其特征在于,所述三维重建装置包括双目立体相机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010343967.5A CN111351473B (zh) | 2020-04-27 | 2020-04-27 | 一种基于机器人的视点规划方法、装置及测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010343967.5A CN111351473B (zh) | 2020-04-27 | 2020-04-27 | 一种基于机器人的视点规划方法、装置及测量系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111351473A CN111351473A (zh) | 2020-06-30 |
CN111351473B true CN111351473B (zh) | 2022-03-04 |
Family
ID=71193562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010343967.5A Active CN111351473B (zh) | 2020-04-27 | 2020-04-27 | 一种基于机器人的视点规划方法、装置及测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111351473B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258445B (zh) * | 2020-08-21 | 2022-08-02 | 西北工业大学 | 一种航空发动机错漏装检测视点求解方法 |
CN112402020B (zh) * | 2020-12-01 | 2022-02-22 | 北京天智航医疗科技股份有限公司 | 用于手术机器人机械臂的控制方法和装置、介质、设备 |
CN116604571B (zh) * | 2023-07-14 | 2023-10-27 | 湖南大学 | 一种基于深度强化学习的机器人三维测量路径规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1888814A (zh) * | 2006-07-25 | 2007-01-03 | 深圳大学 | 三维主动视觉传感器的多视点姿态估计和自标定方法 |
CN101566461A (zh) * | 2009-05-18 | 2009-10-28 | 西安交通大学 | 大型水轮机叶片快速测量方法 |
CN109064549A (zh) * | 2018-07-16 | 2018-12-21 | 中南大学 | 标志点检测模型生成方法及标志点检测方法 |
CN109684709A (zh) * | 2018-12-20 | 2019-04-26 | 中国民航大学 | 一种航空发动机叶片修复的自适应定位方法 |
CN111060006A (zh) * | 2019-04-15 | 2020-04-24 | 深圳市易尚展示股份有限公司 | 一种基于三维模型的视点规划方法 |
-
2020
- 2020-04-27 CN CN202010343967.5A patent/CN111351473B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1888814A (zh) * | 2006-07-25 | 2007-01-03 | 深圳大学 | 三维主动视觉传感器的多视点姿态估计和自标定方法 |
CN101566461A (zh) * | 2009-05-18 | 2009-10-28 | 西安交通大学 | 大型水轮机叶片快速测量方法 |
CN109064549A (zh) * | 2018-07-16 | 2018-12-21 | 中南大学 | 标志点检测模型生成方法及标志点检测方法 |
CN109684709A (zh) * | 2018-12-20 | 2019-04-26 | 中国民航大学 | 一种航空发动机叶片修复的自适应定位方法 |
CN111060006A (zh) * | 2019-04-15 | 2020-04-24 | 深圳市易尚展示股份有限公司 | 一种基于三维模型的视点规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111351473A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111351473B (zh) | 一种基于机器人的视点规划方法、装置及测量系统 | |
CN1322961C (zh) | 计量装置 | |
US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
CN103153553B (zh) | 视觉引导对准系统和方法 | |
CN109955249A (zh) | 机械手臂自动加工系统及其方法 | |
CN101504275A (zh) | 一种基于空间无线定位的手持式线激光三维测量系统 | |
CN108090959A (zh) | 室内外一体建模方法及装置 | |
Ahmed et al. | Using digital photogrammetry for pipe-works progress tracking | |
CN108858187B (zh) | 一种带电接搭引流线作业现场的快速重构方法 | |
Antonello et al. | A fully automatic hand-eye calibration system | |
CN112577447A (zh) | 一种三维全自动扫描系统及方法 | |
CN105136128A (zh) | 基于两点定位的机体结构测量方法 | |
CN109916300A (zh) | 基于在线图像处理的面向三维扫描的标志点粘贴指示方法 | |
CN105157564B (zh) | 一种网架单元拼装精度快速自动化摄影测量方法 | |
CN103900535B (zh) | 面向文物微小变化检测的相机四点重定位方法 | |
Porrill et al. | TINA: The Sheffeild AIVRU Vision System. | |
CN116330322B (zh) | 基于机器视觉的高精度工业协作机器人系统及控制方法 | |
CN107543549A (zh) | 无人机单侧成像约束条件下的路线规划方法 | |
Fan et al. | Binocular vision and priori data based intelligent pose measurement method of large aerospace cylindrical components | |
CN115179302B (zh) | 一种涉核环境下寻位-规划-纠偏的焊接机器人控制方法 | |
CN117078873A (zh) | 一种三维高精度地图生成方法、系统及云平台 | |
CN108875164B (zh) | 一种带电更换跌落式熔断器作业场景的快速重构方法 | |
CN110081861A (zh) | 一种基于图像识别的激光快速测绘系统及测绘方法 | |
CN109889526A (zh) | 一种基于位置坐标的燃气管线数据采集方法和采集装置 | |
CN112304250B (zh) | 一种移动物体之间的三维匹配设备及方法 |
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 |