CN111604598B - 一种机械臂进给式激光刻蚀系统的对刀方法 - Google Patents
一种机械臂进给式激光刻蚀系统的对刀方法 Download PDFInfo
- Publication number
- CN111604598B CN111604598B CN202010374268.7A CN202010374268A CN111604598B CN 111604598 B CN111604598 B CN 111604598B CN 202010374268 A CN202010374268 A CN 202010374268A CN 111604598 B CN111604598 B CN 111604598B
- Authority
- CN
- China
- Prior art keywords
- laser
- image
- mechanical arm
- aruco
- plane
- 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 76
- 238000010329 laser etching Methods 0.000 title claims abstract description 42
- 238000003384 imaging method Methods 0.000 claims abstract description 60
- 238000012937 correction Methods 0.000 claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 48
- 230000003287 optical effect Effects 0.000 claims description 43
- 238000005530 etching Methods 0.000 claims description 40
- 230000008569 process Effects 0.000 claims description 40
- 230000033001 locomotion Effects 0.000 claims description 34
- 238000013507 mapping Methods 0.000 claims description 31
- 230000000875 corresponding effect Effects 0.000 claims description 25
- 230000005484 gravity Effects 0.000 claims description 17
- 238000011068 loading method Methods 0.000 claims description 17
- 240000004282 Grewia occidentalis Species 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000005192 partition Methods 0.000 claims description 11
- 230000036544 posture Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 230000000087 stabilizing effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000011049 filling Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 206010034719 Personality change Diseases 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000002079 cooperative effect Effects 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000036961 partial effect Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 230000010287 polarization Effects 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000010008 shearing Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000000844 transformation Methods 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 238000003754 machining Methods 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007334 copolymerization reaction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000005304 optical glass Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/362—Laser etching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Abstract
本发明一种机械臂进给式激光刻蚀系统的对刀方法属于特种加工领域，涉及一种基于机器视觉技术的机械臂进给式激光刻蚀系统的对刀方法。本发明通过对激光刻蚀系统优化改进，加设视觉传感器及主动投射指示激光器，增添系统内异种空间非合作机电设备间交互信息获取功能。虑及倾斜视觉测量构型引入的非正视透视畸变及视觉传感器成像失真问题，采用逆透视变换几何校正及相机畸变补偿技术，进行图像信息修正。结合多帧序列图像动态变换及多轴驱动进给装置空间形位特征信息，实现工作空间内激光刻蚀聚焦平面与零件起始待加工特征点间的精确找正。该方法解决了激光刻蚀加工起始阶段的精确定位对刀问题，提升了目标工件的加工精度及成品质量。
Description
技术领域
本发明属于特种加工领域，涉及一种基于机器视觉技术的机械臂进给式激光刻蚀系统的对刀方法。
背景技术
典型的激光刻蚀是利用高能量密度的聚焦光能，依靠光热效应实现目标材料熔融去除的先进工艺，类属无接触式特种加工，具有高参数可控性及强材料适应性，进一步，激光刻蚀联合智能多轴驱动的工业机械臂可实现复杂加工环境及特殊曲面件的高精高效减材加工。现有自行搭建的机械臂进给式激光刻蚀系统中，激光发生设备与工业机械臂分属不同的独立控制系统，为异种空间非合作机电设备，常规信息通讯难以实现设备执行的精准交互，而针对精密零件的激光刻蚀往往首要依赖对刀点的定位找正，即对刀精度直接影响零件加工精度，应以工业机械臂理想起始点开始后续激光刻蚀流程。
专利号CN110722455A的《对刀装置及其对刀方法》采用带有压力传感器的对刀仪，通过判断对刀仪上盖压力值是否满足预设值实现数控机床刀具接触式间接定位对刀，但对刀过程极其依赖传感器分辨率与刀具实体特征，并且所测量参数有限，难以满足精度要求。专利号CN110751690A的《铣床刀头视觉定位方法》采用工业相机对铣床刀具彩色图像特征分析，通过深度卷积神经网络后处理得到高精度刀头位置，克服了金属的高光对光源的要求及对刀具定位精度的影响，但该类刀具视觉定位仅适用于常规光照场景下反光金属刀具定位，难以适配强对比度测量场景下极高亮度目标的辨识提取，极易受成像噪声干扰，具有一定适用局限性。专利号CN110779506A的《一种双探头四激光束焦点定位装置》采用具有斜置通孔的定位板，通过投射出厂焦距参数默认准确的两束定位激光穿过定位通孔，在定位板后方与焦距待测主激光空间交互，由此辨识并校正主激光汇聚焦平面实现激光定位，但定位过程需基于装置投射模型定制带通孔的定位板，难以应对主激光投射姿态动态变换场景，同时定位激光出厂参数难以通过高级别传感器提前标定，极易引入测量装置固有误差。
发明内容
本发明主要解决的技术问题是克服现有技术的欠缺或不足，发明一种机械臂进给式激光刻蚀系统的对刀方法，旨在面向空间非合作机电设备间相对位姿测量，通过将机器视觉技术与工业机械臂空间运动控制技术相结合，实现激光刻蚀起始阶段的精确定位对刀。将其应用于激光刻蚀过程中，解决了空间内激光刻蚀聚焦平面与零件起始待加工特征点间的精确找正问题，提升目标工件的加工精度及成品质量。
本发明采用的技术方案是一种机械臂进给式激光刻蚀系统的对刀方法，其特征在于，该方法基于单目视觉测量原理及主动结构光投射模型，通过对激光刻蚀系统优化改进，在系统内部加设视觉传感器及主动投射指示激光器，增添系统内异种空间非合作机电设备间交互信息获取功能；虑及倾斜视觉测量构型引入的非正视透视畸变及视觉传感器成像失真问题，采用逆透视变换几何校正及相机畸变补偿技术，进行图像信息修正；基于经典视觉标定技术，对视觉传感器及手眼构型配置进行内外参数标定，构建加工系统中工业相机与工业机械臂空间相对位置模型；结合多帧序列图像动态变换及多轴驱动进给装置空间形位特征信息，基于运动与图像的调制-被调制映射关系解算，实现工作空间内激光刻蚀聚焦平面与零件起始待加工特征点间的精确找正；机械臂进给式激光刻蚀系统的对刀方法具体步骤如下：
步骤一，安装机械臂进给式激光刻蚀系统
机械臂进给式激光刻蚀系统中，工业机械臂6固定在工业机械臂基座13上，在工业机械臂6末端安装夹具装载平台7；夹具装载平台7前端面上部装夹单目工业相机1，单目工业相机1与水平地面呈70°俯倾角度斜置；夹具装载平台7下部安装环形工件夹具8，环形工件夹具8顶端与夹具装载平台7前端面法向平行；单目工业相机1与环形工件夹具8相对位置在加工全过程恒定；在环形工件夹具8顶面远离夹具装载平台7的端面，黏附两幅一组ArUco方形基准码4，ArUco方形基准码4与环形工件夹具8顶面局部特征边缘共同处于单目工业相机1有效可及视场内；在加工系统内部的水平地面上固定棋盘格标定板5；立式稳定台12安装在工业机械臂6的前方，激光器主梁10安装在立式稳定台12前端面上，激光器主梁10的腔体内安装有电源和绿色刻蚀激光器9；在激光器主梁10前端加装正交于主梁中线的方形模块14，方形模块14内部横置红色指示激光器2及合束镜3，保持红色指示激光器2光轴与绿色刻蚀激光器9光轴正交，共同指向出射口处合束镜3的中心；红色指示激光器2投射光束可由扩束镜旋钮调节投射光斑直径及亮度，红色指示激光器2出射光路正交于绿色刻蚀激光器9投射的刻蚀激光光路，两束偏振激光共同指向合束镜3中心；合束镜3与刻蚀激光光轴呈起偏振角倾斜安置；据斯涅耳定律，设定θP为入射起偏振角，r1为空气标况折射率，r2为偏振片标况折射率，有光学折射等式：
r1sin(θp)＝r2sin(90°-θp)＝r2cos(θp) (1)
进而起偏振角
绿色刻蚀激光器9出射光束以相对起偏振角θP入射穿过合束镜3的后透射镜面，与经前反射镜面反射的红色指示激光器2出射光束实现同轴心合束；
其中，由单目工业相机1、红色指示激光器2、合束镜3、ArUco方形基准码4及棋盘格标定板5构成定位对刀装置；
上位机11与电控设备相连，工业机械臂6、单目工业相机1、绿色刻蚀激光器9和红色指示激光器2基于各自端口协议同上位机11建立通讯连接，多机电设备的协同动作统一由上位机内置的过程控制软件实现调度；
步骤二，单目工业相机内参数标定
单目工业相机1内参数标定在系统外部执行，通过棋盘格标定板5基于经典张氏标定法进行参数标定，即分别调整15种空间姿态拍摄棋盘格标定板5，求解多幅棋盘格标定板5成像图与棋盘格标定板5空间物平面间单应性矩阵，施以通用旋转变换，联立多组方程求解并辨识分离得到3×3归一化内参数矩阵
其中f为焦距，(uc,vc)为单目工业相机光轴同成像面交点坐标。
步骤三，基准码识别与正向视向校正
首先，对视场图像全域进行高斯滤波去噪，在预设标准差σ后，基于二维高斯分布式：
计算中心锚点八领域
形成3×3高斯卷积核，并对图像全域进行遍历卷积处理，滤除随机高斯噪声。
其次，统计目标图像域灰度分布情况，根据不同区域像素灰度分布，计算各区域局部灰度阈值，对目标视场进行灰度自适应阈值分割，生成黑白像素表征的二值图像，进而对上述二值图像进行Canny边缘识别，采用Hough变换提取直线特征，生成图像全域的特征轮廓；已知ArUco方形基准码4为规则几何正方形，内部嵌套表征ArUco方形基准码4序号的二维码，故提取特征轮廓图像中符合ArUco方形基准码4形状的完全闭合区域，由此提取得到图像中ArUco方形基准码4的四边分别为l1、l2、l3、l4；基于预设二维码字典库，在两个闭合区域内部遍历匹配二维码特征，识别ArUco方形基准码4二进制ID，实现目标视场内两幅ArUco方形基准码4的识别与编号；ArUco方形基准码4正方形四角的像素坐标由图像中已识别正方形四边l1、l2、l3、l4的交点确定，在提取方形四角点及周边特征基础上，采用单目视觉P4p(Perspective-4-Points)测量技术，解算目标ArUco方形基准码4相对单目工业相机1光心的位姿表征矩阵，具体为：设定ArUco方形基准码4正方形四个角点的基准码坐标系Pi＝(Ui,Vi,Wi)下坐标值为
其中ρ为ArUco方形基准码4实物边长。设定[RM|TM]为ArUco方形基准码4相对单目工业相机1光心的旋转平移矩阵，四个角点对应图像域内图像坐标点p1(u1,v1)，p2(u2,v2)，p3(u3,v3)，p4(u4,v4)，联合单目工业相机1内参数矩阵
定义透视模型为：
进而规定：
则逆推得像点预估初值
为：
其中，i为对应角点编号，εi与δi分别为服从高斯分布的白噪声，σ2为白噪声方差，再定义评价函数F为：
式中K1为常数，应用LM算法(Levenberg-Marquardt)对评价函数作负对数最小化约束的迭代：
式中K2为常数，最后对所求最优解QR矩阵分解，分离得到ArUco方形基准码4相对单目工业相机1的位姿表征矩阵[RM|TM]。
再次，在默认ArUco方形基准码4实物尺寸标值精确的基础上，将上述位姿表征矩阵[RM|TM]法向下沉ArUco方形基准码4厚度值Δt，即得ArUco方形基准码4粘附处环形工件夹具8上端面的局部位姿表征矩阵：
[Rf|Tf]＝[RM|TM][RΔt|TΔt] (8)
在ArUco方形基准码4周边li及周边li相交所得角点pi准确识别基础上，将图像域内ArUco方形基准码4粘附区域以比例K倍相似扩展至可完全包络红色指示激光器2投射光斑的尺寸，对放大扩展域进行逆透视变换重投影：即设定(xo,yo)为原始投影平面像点，(xt,yt)为规范化重投影面上对应像点，则有透视变换重投影映射公式：
其中，
表征缩放、剪切、旋转变换，[g h]表征平移，[c f]T表征透视映射。已知ArUco方形基准码4正视投影下为规则几何正方形，则相应设定规范化投影面目标域为规则正方形，且四角规范化投影面坐标依次为(0,0)、(1,0)、(0,1)、(1,1)，在原始投影图像中，由ArUco方形基准码4的四边相交提取得到的ArUco方形基准码4四个角点像素坐标设定为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)，定义：
代入方程(9)，联立得：
将式(11)回代到透视变换映射公式(9)中，对放大扩展域做重投影，可得正视平行射影下的几何校正图，则后续单目工业相机1捕获图像均默认变为不存在倾斜透视畸变的正视投影图。
最后，面向解决倾斜射影校正带来的图像远端分辨率稀疏的失真问题，结合对刀装置视觉测量实际构型，定义简化后的中心投影相机倾斜射影模型为二维平面内中心投影的三角形成像模型，该三角形成像模型有两段内部倾斜线。其中，三角形顶点表征单目工业相机1光心，顶点向下延伸的垂线表征单目工业相机1光轴；三角形底边为校正面S′，表征校正后虚拟成像物面；三角下部倾斜线为物面S，表征实际成像物面，即环形工件夹具8上端面的成像；三角上部倾斜线与下部倾斜线平行，表征单目工业相机1成像面s；光轴与物面S/成像面s有夹角θf，物面S与校正面S′有夹角θ，则有
为便于确定像素信任的分段分区，从以光心与物面S垂线为分割线的成像远端开始，将光心-纵向虚拟物点所成平面做n次Δ＝5°分度的扇形摆动，截交成像面s得到多段成像面s纵向分割线，截交校正面S′得到多段校正面S′纵向分割线，对应设定线段a表征光心与校正面S′连线截得的局部物面，线段b表征光心与校正面S′连线截得的局部校正面，线段c表征物面S与校正面S′截得的局部光心-校正面线段，分别依次存在对角A、对角B及对角C，进而可得线段a的对角A＝90°-n×5°-θ，线段b的对角B＝90°+n×5°，线段c的对角A＝θ。已知正弦角定理：
则在分度摆动过程中，基于单目工业相机1靶面尺寸、图像电子放大比例及校正图像尺寸，可求得校正面S′与成像面s物理尺寸，进而线段a与线段b长度及其多段比例关系全部可求，依据物面S与校正面S′多段截交线间距及其对应比例，辨识得校正面S′与物面S各分段成像放大关系，设定图像全域的动态信任分段分区的权重值，降低成像畸变影响。
步骤四，工业机械臂和单目工业相机的相对位姿标定
工业机械臂6和单目工业相机1相对位姿标定过程为：控制工业机械臂6在三种不同形位下对棋盘格标定板5拍摄成像，进而基于P4p(Perspective-4-Points)单目视觉测量原理测量解算棋盘格标定板5相对单目工业相机1光心的位姿表征矩阵[R|T]c1、[R|T]c2、[R|T]c3及其位姿间变换阵
记录工业机械臂6末端当前位姿表征矩阵[R|T]r1、[R|T]r2、[R|T]r3及其位姿间变换阵
规定单目工业相机1相对工业机械臂6转换关系为
i与j对应位姿变换次序，经过坐标系转换可得：
展开得：
将
与
进行罗德里戈旋转变换为归一化旋转向量
与
则修正的罗德里戈姿态变化参数
与
为：
单目工业相机1相对工业机械臂6末端的初始旋转向量`Pr c：
单目工业相机1相对工业机械臂6末端的旋转向量Pr c：
对旋转向量Pr c进行罗德里戈反转换为旋转矩阵
回代到公式(14)中得
最终，得到单目工业相机1相对工业机械臂6末端的旋转变换矩阵
步骤五，激光光斑提取及夹具边缘线识别
对红色指示激光器2投射光斑边缘及重心进行提取识别，为便于红色指示激光器2投射光斑的低损提取，对已几何校正的RGB原图像全域进行HSV颜色空间转换，即设目标图像各像素点RGB值为(R,G,B)，对(R,G,B)分量归一化处理得到(r,g,b)，其中r＝R/255，g＝G/255，b＝B/255，再经内部分量数值比对，预设Kmax＝max(r,g,b)，Kmin＝min(r,g,b)，Δ＝Kmax-Kmin，则目标图像各像素点HSV各分量为：
Value＝Kmax
面向红色指示激光器2投射光斑像素准确提取，在HSV色彩转换基础上，以红色指示光颜色在HSV颜色空间中的先验参数为基准，经颜色直方统计区间参数再细化，设定提取匹配区间，遍历目标图像，搜寻并记录符合要求的像素坐标，进而生成目标光斑像素点的像素集合ΩL及新掩模二值图像I。预设形态学n×n矩形结构元素M，对二值图像I基于结构元素M执行形态学闭运算
消除新掩模图像I有效区域内部因信息丢失造成的像素空洞。接下来，对形态学修正后的二值图像I进行Canny算子边缘提取，进而得到红色指示激光器2投射光斑边缘像素集合ΩE。为实现光斑中心
的识别定位，依据所记录红色指示激光器2投射光斑像素坐标集合ΩL，采用亚像素灰度重心法提取，即：
其中，G(u,v)为像素灰度值，
即为红色指示激光器2投射光斑亚像素重心。
最后，环形工件夹具8特征边缘的提取采用泛洪式图像填充算法。泛洪式图像填充算法具体搜索流程为：在单帧二值图像中，经过人眼观测分辨，初步确定环形工件夹具8边缘位置，交互选取多个边缘任意点为起始种子像素点P0，选用P0八领域
深度优先搜索策略，以“不间断连通”为包容原则，剔除“间断”拒绝原则排除的局部邻域点，并将搜索得到的领域像素点Pi作为新种子接续扩散，其中，部分错误选择的起始种子点P0及邻接延伸像素在搜索过程中呈现局部连通或离散独立状态，难以有向接续扩散，由此判断该起始种子点P0为误选取像素，进而终止该子搜索流程且直接剔除P0。最后，将多个种子起点P0及其漫延生长得到的目标像素Pi集合归类为环形工件夹具8边缘，进而快速得到环形工件夹具8边缘像素点集ΩF。
步骤六，系统模型构建及定位对刀
首先，已知基模高斯光束模型三维空间内几何模型为符合a2＝b2的标准单叶双曲面
曲面交x轴于(±a,0,0)，交y轴于(0,±b,0)，沿激光传播方向的半径变换遵循
双曲线延展，z为距焦平面距离，ω(z)为光斑半径，z0为瑞利长度。由此，可得空间内实际光束传播单叶双曲面模型为：
在环形工件夹具8与红色指示激光器2投射光束的空间交互过程中，激光光束传播受环形工件夹具8顶端面截断，在平面内投射形成二维特征光斑，并且红色指示激光器2投射光斑几何形状随环形工件夹具8空间位姿变换而被调制变形。将红色指示激光器2投射光斑被调制变形等效视为单叶双曲面(即红色指示激光器2出射光束)与任意空间平面Ax+By+Cz+D＝0(即环形工件夹具8上端面)的动态截交过程，结合空间单叶双曲面的平面截交线几何规律，截交线几何形状可知为“椭圆曲线”或“对称卵形曲线”。特别，激光高斯光束瑞利长度内近似准直，若实际瑞利长度接近或超出交互空间z向范围，激光光束的空间单叶双曲面模型应简化为空间圆柱模型。
其次，结合红色指示激光器2投射光斑边缘像素集合ΩE成像几何的人工观测，初步确定红色指示激光器2投射光斑成像的几何形状，进而在执行曲线拟合基础上，求解目标曲线几何参数：
①若红色指示激光器2投射光斑成像确定为椭圆曲线，此时光束截交有两种情况：1)环形工件夹具8上端面经过光束传播单叶双曲面x轴或y轴；2)环形工件夹具8上端面与瑞利长度接近或超出交互空间z向范围的高斯光束截交。对红色指示激光器2投射光斑边缘像素集合ΩE进行最小二乘椭圆拟合，基于平面椭圆一般式：
x2+Axy+By2+Cx+Dy+E＝0(24)
对红色指示激光器2投射光斑轮廓测量点集以下式为目标函数进行拟合：
为使目标函数F最小，对式(25)求偏导，即：
由此得：
解方程得：
其中(x0,y0)为所拟合椭圆中心点图像坐标，θ为椭圆轴倾角，a、b分别为椭圆短轴与长轴；
②若确定红色指示激光器2投射光斑成像为对称卵形曲线，此时环形工件夹具8上端面不穿过单叶双曲面坐标轴，以任意空间姿态同双曲面截交。已知单叶双曲面由特征双曲线围绕其主轴旋转而产生，任意空间平面与单叶双曲面截交所得对称卵形曲线，可由单叶双曲面XOZ/YOZ投影面上直线与双曲线截交线段的几何参数等效描述。其中，双曲线内部截线段长即为对称卵形曲线中轴M长度，双曲线内部截线上点到双曲线水平距离的两倍值即为对称卵形曲线对应横轴N长度，设双曲线与直线相交式：
解得交点P1(x1,y1)、P2(x2,y2)，其中：
故对称卵形曲线中轴长度为上述交点间距：
以对称卵形曲线中轴M划分，设直线y＝kx+m在双曲线内部任一点为Qn，每个位置横轴N长度为直线y＝kx+m任一点Qn平行于x轴交双曲线上点Pn到该任一点Qn的距离的二倍值，即N＝2|Qn Pn|。由此，求得该对称卵形曲线的中轴M长度与各横轴N长度。
再次，控制工业机械臂6末端环形工件夹具8做多组连续的空间小幅度非正交试探运动，对多次试探运动捕获的帧序列进行累积差分计算，设K为时间节点，imgK与imgK+1对应时间K与K+1节点下图像全域像素，将img K与imgK+1相减得到帧差分图像ΔimgK，设两帧间单像素灰度变化均值Δimgavg为自适应阈值，Δimgavg定义为：
若帧差分图像中某像素点d(i,j)灰度值大于Δimgavg，则确定d(i,j)为运动像素点。依次将多幅帧差分图像赋权ak，构成累积差分图像：
其中，权重ak取值取决于当前帧差分图像距离首帧的时序远近。在累积差分图像Δimgcum中，多帧图像间红色指示激光器2投射光斑成像差异区域被分别赋权标识，基于单帧投射光斑拟合所得几何参数，可有效辨识动态被调制过程中的红色指示激光器2投射光斑变形参数。同时，据激光光学先验知识，激光光斑灰度重心在动态调制过程中具有一定平移不变性及旋转不变性，则多帧图像中已识别的红色指示激光器2投射光斑灰度重心差分
为：
整合差分信息构建图像雅克比矩阵具体过程为：设
为图像特征参数微分变化量，
为笛卡尔空间运动微分变换量，J(r)是从笛卡尔空间运动微分空间到图像特征参数微分空间的映射变换，则有图像雅可比矩阵：
使得微分映射关系式
成立，其中，m对应微分特征数量，n为任务间维数。在时序可控的试探性动态调制过程中，帧间差分即为微分，则邻帧imgK与imgK+1间红色指示激光器2投射光斑几何变形参数、光斑灰度重心差分信息、光斑-夹具边缘间距等差分信息可视为图像特征微分变化量。同时，工业机械臂6末端环形工件夹具8多次试探运动下的形位变换阵，可由工业机械臂6控制系统计算并读取，然后基于试探动作时序求解形位变换速度阵，即对形位变换阵微分化，进而统一将图像特征微分变化量与形位变换速度阵代入微分映射关系式
解得图像雅克比矩阵Jr(r)，此即动作-图像调制被调制映射矩阵。
然后，对绿色刻蚀激光器9出射激光的焦平面进行寻焦再定位，结合上步已解算映射关系，将工业机械臂6末端环形工件夹具8上端面机动至与世界坐标系XOY面近似平行的位置，并且单目工业相机1在当前有效视场内可捕捉到红色指示激光器2投射目标光斑。为便于图像层面的光斑亮度判别，基于步骤五所得红色指示激光器2投射光斑像素集合ΩL，将目标光斑基于亮度转换公式计算得到对应亮度值Y：
Y＝0.299×R+0.587×G+0.114×B (36)
进而，在环形工件夹具8上端面保持绝对水平的条件下，以亮度值Y数值变换趋势突变为折返信号，驱动工业机械臂6做世界坐标系下Z向多步简谐运动，直到红色指示激光器2投射光斑半径最小且亮度最高，则当前环形工件夹具8上端面距离激光出光口的距离为红色指示激光器2出射激光的焦距，最后结合绿色刻蚀激光器9出射激光与红色指示激光器2出射激光的焦距比值换算得到绿色刻蚀激光器9出射激光真实焦平面的相对位置。
最后，基于所得动作-图像映射关系及激光焦平面位置，结合CAM工艺规划的加工起始点，进行最终定位对刀；对刀方法具体为：首先，基于动作-图像映射关系，调整工业机械臂末6端环形工件夹具8空间位姿，使红色指示激光器2投射光束以相对垂直姿态对准环形工件夹具8上端面。然后，调整环形工件夹具8空间z向位置，直到光斑呈半径最小、最逼近圆形的形状。最后，基于CAM工艺规划的加工起始点位置，结合目标工件毛坯件及环形工件夹具8几何模型，给定起始点处理想光斑成像信息，分析其与当前光斑成像差异，进而计算对应运动信息，以步骤五已提取的环形工件夹具8边缘像素点集ΩF为运动基准，执行机动，将红色指示激光器2投射光斑移动至对应加工起始点，实现定位对刀。
本发明的显著效果是发明了确保空间内刻蚀激光聚焦平面与零件起始待加工特征点间精准找正的机械臂进给式激光刻蚀系统的对刀方法。本发明采用单目视觉测量原理及主动结构光投射模型，基于倾斜手眼式视觉测量构型设计，引入试探动作，结合多帧图像分析及处理技术，完成了对机械臂进给式激光刻蚀系统的对刀，发明具有成像清晰稳定、找正误差小、安装方便可调、结构简单等特点，适用于激光刻蚀起始阶段的加工原点坐标找正，可提高激光刻蚀的柔性与零件的良品率。
附图说明
图1—机械臂进给式激光刻蚀系统的结构总图，图2—工业机械臂手部范围近景图。其中，1-单目工业相机，2-红色指示激光器，3-合束镜，4-ArUco方形基准码，5-棋盘格标定板，6-工业机械臂，7-夹具装载平台，8-环形工件夹具，9-绿色刻蚀激光器，10-激光器主梁，11-上位机，12-立式稳定台，13-工业机械臂基座，14-方形模块。
图3—机械臂进给式激光刻蚀系统的对刀流程图。
图4—ArUco方形基准码4和棋盘格标定板5示例图。
图5—机械臂进给式激光刻蚀系统中单目工业相机1某时刻下捕获实景灰度图像；其中，4-ArUco方形基准码，8-环形工件夹具。
图6—已逆透视几何校正的图像分辨率补偿模型图。
图7—红色指示激光器2出射激光光斑的椭圆拟合及其最小外接矩形局部放大图。
具体实施方式
为使本发明便于工程应用，下面将结合本发明提供的实施例及附图，对本发明涉及的系统配置及使用方法进行清晰、完整地叙述：
附图1及附图2所示即为机械臂进给式激光刻蚀系统的结构总图和工业机械臂手部范围近景图，其中，单目工业相机1、红色指示激光器2、合束镜3、ArUco方形基准码4、棋盘格标定板5构成定位对刀装置。
发明实施例中：工业机械臂6采用是允载20kg的中轻载六轴串联工业机械臂；红色指示激光器2采用电激励式驱动的半导体连续激光器，束腰半径为ωd＝5mm、焦距fd＝150mm、瑞利长度为zd＝123mm；绿色刻蚀激光器9为固体端面泵浦绿光激光器，束腰半径为ωe＝20μm、焦距fe＝180mm；单目工业相机1为工业级CCD相机；ArUco方形基准码4实例材质为无反光氧化铝，尺寸为1cm×1cm，厚度为0.15mm；棋盘格标定板5材质为覆有玻璃基板的氧化铝板；工件特征为非可展半球壳状薄壁曲面；环形工件夹具8、夹具装载平台7及激光器主梁10均为铝合金材质；数值计算及图像处理均借助微软Visual Studio 2013开发平台编写的基于Opencv图像处理及Eigen矩阵运算开源库的多功能集成软件。附图3是机械臂进给式激光刻蚀系统对刀流程图，方法的具体步骤如下：
步骤一，安装机械臂进给式激光刻蚀系统
机械臂进给式激光刻蚀系统中，工业机械臂6固定在工业机械臂基座13上，在工业机械臂6末端安装夹具装载平台7；夹具装载平台7前端面上部装夹单目工业相机1，单目工业相机1与水平地面呈70°俯倾角度斜置；夹具装载平台7下部安装环形工件夹具8，环形工件夹具8顶端与夹具装载平台7前端面法向平行；单目工业相机1与环形工件夹具8相对位置在加工全过程恒定；在环形工件夹具8顶面的远离夹具装载平台7的端面，黏附两幅一组尺寸为1cm×1cm的ArUco方形基准码4，默认标识为1号与2号，两幅ArUco方形基准码4与环形工件夹具8顶面局部边缘特征共同处于单目工业相机1有效可及视场内，其中，ArUco方形基准码4实例见附图4。将棋盘格标定板5固定在加工系统内部的水平地面上。
立式稳定台12安装在工业机械臂6的前方，激光器主梁10安装在立式稳定台12前端面上，激光器主梁10的腔体内安装有电源和绿色刻蚀激光器9。在激光器主梁10前端加装正交于主梁中线的方形模块14，方形模块14内部横置红色指示激光器2及合束镜3，保持红色指示激光器2光轴与绿色刻蚀激光器9光轴正交，共同指向出射口处合束镜3中心；红色指示激光器2投射光束可由扩束镜旋钮调节投射光斑直径及亮度；绿色刻蚀激光器9实例束腰半径仅为ωe＝20μm且光路不可见，将薄膜偏振片作为合束镜3实现两束激光合束；合束镜3基底为双层BK7光学玻璃，设定有前反射镜面与后透射镜面，其前反射镜面表面覆镀Zr02高反膜，大幅提升偏振激光反射率，后透射镜面可将起偏振角度入射的偏振激光低损透射。已知偏振片标况折射率r2＝1.51，空气标况折射率r1＝1.00027，据公式(1)，起偏振角：
则合束镜3与绿色刻蚀激光器9出射激光光轴呈56.478°角度安装，经绿色刻蚀激光器9与红色指示激光器2焦距fd＝150mm与fe＝180mm转换后，后续对红色指示激光器2投射光斑做识别定位等效于对绿色刻蚀激光器9出射激光进行处理。
工业机械臂6经由电控柜通过串口转TCP/IP转接板与上位机11建立连接，绿色刻蚀激光器9和红色指示激光器2则基于RS232串口协议接收上位机11指令，单目工业相机1经由FPGA图像采集卡与上位机11通讯，多机电设备协同运作统一由上位机11内置的过程控制软件实现通讯与调度。
步骤二，单目工业相机内参数标定
在系统外部，基于经典张氏标定法指导单目工业相机1内参标定，在十五种空间位姿下捕获棋盘格标定板5成像图，其中，棋盘格标定板5见附图4。软件解算得单目工业相机1的3×3内参矩阵为：
步骤三，基准码识别与正向视向校正
图5为机械臂进给式激光刻蚀系统中单目工业相机1某时刻下捕获实景灰度图像；以附图5为实例说明：
首先，预设标准差参数σ＝0.8，代入公式(2)计算中心锚点八领域，以形成3×3高斯卷积核
对图像全域进行遍历卷积处理，滤除随机高斯噪声。
其次，对目标视场内ArUco方形基准码4自适应阈值分割，提取内外部特征轮廓并识别ArUco方形基准码4二进制ID，经软件图像识别，得到1号与2号ArUco方形基准码4四角点亚像素坐标分别为：
已知ArUco方形基准码4实物尺寸1cm×1cm，设定1号及2号ArUco方形基准码4方形四角点的基准码坐标系Pi＝(Ui,Vi,Wi)下坐标值为
代入透视模型式(3)得：
转换透视模型为公式(4)表征形式，据公式(5)逆推得到1号ArUco方形基准码4四个角点预估初始值为
2号ArUco方形基准码4为
将两幅ArUco方形基准码4四角点预估初值表达式代入公式(6-7)计算，分离得到1号ArUco方形基准码4在单目工业相机1光心坐标下位姿表征R1与T1分别为：
R1＝[0.493076 -2.12569 -0.127024]
T1＝[0.101871 -0.025205 0.142427]
2号ArUco方形基准码4在单目工业相机1光心坐标下位姿表征R2与
T2分别为：R2＝[0.523901 -0.125871 -1.233411]
T2＝[0.102355 -0.036362 0.142427]
再次，将上述1号ArUco方形基准码4位姿表征矩阵[R1|T1]法向下沉ArUco方形基准码4的厚度值0.15mm，由式(8)得1号ArUco方形基准码4粘附处环形工件夹具8上端面的局部位姿表征矩阵：
基于人工观测指导，将图像域内1号ArUco方形基准码4周边以比例3倍相似扩展至可完全包络红色指示激光器2投射光斑的尺寸，设规范化投影面目标域为(0,0)、(1,0)、(0,1)、(0,1)，将原始投影平面测量得到的1号ArUco方形基准码4角点像坐标p1(2379.00,1332.00)，p2(2202.32,1540.86)，p3(2070.36,1349.08)，p4(2234.06,1136.49)代入方程(10-11)得：
进而：
将上述数值回代到透视变换映射公式(9)，对放大扩展域做重投影，可得正视平行射影下的几何校正图。因工业机械臂6与单目工业相机1的倾斜视觉测量构型在运动中恒定不变，故该重投影几何校正矩阵在运动全程中可重用。
最后，面向解决倾斜射影校正带来的几何校正图像远端分辨率稀疏的失真问题，基于上步所测1号ArUco方形基准码4的[R1|T1]，结合RPY矩阵变换可反解得到相对单目工业相机1光轴倾角θf＝68.4326°。
令简化后的中心投影相机倾斜射影模型如附图6所示，其中，三角形顶点表征单目工业相机1光心，顶点向下延伸的垂线表征单目工业相机1光轴；三角形底边为校正面S′，表征校正后虚拟成像物面；三角下部倾斜线为物面S，表征实际成像物面，即环形工件夹具8上端面的成像；三角上部倾斜线与下部倾斜线平行，表征单目工业相机1成像面s。光轴与物面S/成像面s有夹角θf，物面S与校正面S′有夹角θ，可得
已知单目工业相机1靶面尺寸为7.176mm×5.319mm，成像面电子放大比例30倍，则成像面校正图像尺寸253mm×167mm，从以光心与物面S垂线为分割线的成像远端开始，将光心-纵向虚拟物点所成平面做10次Δ＝5°分度的扇形摆动，分别截交物面S与校正面S′得到11条分段区域。在分度摆动过程中依据正弦角定理公式(12)，线段a与线段b长度及其远端侧多段比例关系全部可求，解析得成像面s与校正面S′各分段以1：1.235、1：1.316、1：1.456、1：1.590、1：1.701、1：1.863、1：2.032、1：2.991、1：3.290、1：3.597、1：4.222比例对应。由此可见，校正面远端部分在正向视向校正后被拉伸放大，引入稀疏像素失真问题，进而可根据成像面s与校正面S′对应区间比例，设定图像全域的动态信任分段分区的权重值，对超出放大置信区间的像素区域降低处理信任度以降低成像畸变影响，便于后续图像的准确处理，具体为：对应附图5及其校正图像，将比例1：2为置信分割阈值，后续图像处理步骤对比例1：2及其以下部分无需预处理即直接采纳；对比例1：2以上部分做低权重标识，即在提取及交互环节避开该区域涉及像素点，不予采用或少量采用。
步骤四，工业机械臂和单目工业相机的相对位姿标定
在机械臂进给式激光刻蚀系统中，多目标装置间坐标传递模型的准确建立是实现加工系统视觉定位对刀的关键步骤。已知环形工件夹具8与单目工业相机1以相对固定位姿安装于工业机械臂6末端(手部)，单目工业相机1视觉测量所得环形工件夹具8局部位姿在单目工业相机1光心坐标系下表征。面向环形工件夹具8及单目工业相机1空间位姿在工业机械臂6基座坐标系下的准确描述，拟结合工业机械臂6多形位下棋盘格标定板5捕获成像图及工业机械臂6形位转换矩阵，标定工业机械臂6与单目工业相机1的空间相对位姿关系，进而构建环形工件夹具8、单目工业相机1、工业机械臂6的坐标传递模型。
控制工业机械臂6在三种不同形位下对棋盘格标定板5拍摄成像，分别读取得到单目工业相机1与工业机械臂6的三种形位表征矩阵，进而分别解算得到两个单目工业相机1位姿变换阵与两个工业机械臂6的位姿转换阵。其中，单目工业相机1的位姿变换阵为：
工业机械臂6的位姿转换阵为：
将单目工业相机1的位姿变换阵与工业机械臂6的位姿转换阵依次代入公式(13-20)中，可得单目工业相机1相对工业机械臂6末端的旋转变换矩阵：
此即为工业机械臂6与单目工业相机1的相对位姿阵。
步骤五，激光光斑提取及夹具边缘线识别
激光光斑提取及夹具边缘线识别是视觉定位对刀的首要前提。已知绿色刻蚀激光器9与红色指示激光器2出射偏振光束通过合束镜3实现同轴合束，结合绿色刻蚀激光器9与红色指示激光器2的光束标值焦距，对视觉可见的红色指示激光器2投射的指示激光光斑二维成像信息进行解析提取，等效于对不可见的绿色刻蚀激光器9出射激光进行对应处理。同时，为便于后续环形工件夹具8与红色指示激光器2投射激光光斑动态交互关系在图像层面上的辨识，应对环形工件夹具8边缘线准确识别以提供交互目标与辨识基准。
首先，经过步骤三的基于逆透视变换重投影原理的正向视向校正，可知红色指示激光器2投射激光光斑及环形工件夹具8的特征边缘在规范重投影成像面下的新图像符合正向平行投影正视图。
其次，以附图5所提供图片为例，对红色指示激光器2投射激光光斑边缘及重心进行提取识别。常规工业相机捕获图像原件均采用RGB三基色模式表征，RGB通过红(red)、绿(green)、蓝(blue)三通道变化及叠加实现各式颜色表达，符合人眼观测所能感知的色彩信息，而相较于RGB色彩空间，由色调(hue)、饱和度(saturation)及明度(value)组成的HSV色彩空间对工业应用场景下的高亮度图像信息处理更为友好。对图像全域像素根据公式(21)进行遍历色彩转换，将RGB色彩空间转至相对机器友好的HSV色彩空间，即已知红色的HSV模糊分量区间为H(0～10)或(156～180)、S(43～255)、V(46～255)，在此区间基础上直方统计，进一步筛选细化区间，可得H(94～164)、S(105～177)、V(220～255)，将图中符合细化区间的像素点ΩL提取记录，并生成新掩模图像I，设定形态学5×5矩阵结构元素M，对图像I进行形态学闭运算及Canny算子边缘提取得到光斑边缘像素集合ΩE，其中，形态学闭运算采用模板遍历卷积形式，顺序执行连接局部离散像素点群实现形态学膨胀及分割离散边缘实现形态学腐蚀。最后运用亚像素灰度重心法公式(22)计算得到红色指示激光器2投射激光光斑亚像素中心为
最后，已知在消除图像噪声干扰基础上，单帧二值图像中目标物体特征边缘与背景区域具有强区分度，边缘多像素点间互相邻接连通，整体分布呈现严格闭合状态，但鉴于待处理二值图像中前景与背景像素特征信息繁多且分布紧密，常规边缘提取手段难以实现快速找准目标物体特征边缘，而泛洪式图像填充算法可在一定人工指导基础上快速准确提取边缘，且不受人工错误选取的非目标像素点干扰，具有强鲁棒性与高度准确性。以附图5所提供图片为例，面向环形工件夹具8边缘线快速准确提取，在单帧二值图像中，经过人眼观测分辨，初步确定环形工件夹具8边缘位置，交互选取多个边缘任意点为起始种子像素点P0，选择P0八领域
深度优先搜索策略，以“不间断连通”为包容原则，剔除“间断”拒绝原则排除的局部邻域点，并将搜索得到的领域像素点Pi作为新种子接续扩散，漫延搜索过程经有效判别自动滤除误选起始种子，进而将多个种子起点P0及其漫延生长得到的目标像素Pi集合归类为环形工件夹具8边缘，快速得到环形工件夹具8边缘像素点集ΩF，提取得共计12687个像素点为夹具边缘。
步骤六，系统模型构建及定位对刀
已知在静态单目视觉测量中，单帧图像表征被测量物体的某时刻成像信息，仅揭示目标设备的当前静止状态，难以由此完全解算非合作设备间相对空间位姿。鉴于红色指示激光器2与工业机械臂6呈空间非合作关联关系，引入环形工件夹具8与红色指示激光器2投射光束的空间动作交互，通过工业机械臂6多步试探动作调制红色指示激光器2投射光斑成像信息，在红色指示激光器2投射光斑拟合基础上，执行多帧图像累积差分处理，分析图像帧间光斑形变趋势及位移参数，然后基于激光光束传递规律，解析动态下运动-图像的调制被调制映射关系，求解环形工件夹具8与绿色刻蚀激光器9的空间相对位姿模型，最终在前述步骤所得设备：环形工件夹具8、单目工业相机1、工业机械臂6的坐标传递模型基础上，整合构建加工系统中全部设备包括绿色刻蚀激光器9、红色指示激光器2、单目工业相机1、环形工件夹具8、工业机械臂6的空间相对位姿模型，进而结合CAM工艺规划结果执行对刀机动，实现空间内激光刻蚀聚焦平面与零件起始待加工特征点间精确找正。
首先，实施例红色指示激光器2所投射基模高斯光束的束腰半径ωd＝5mm、瑞利长度zd＝123mm，由式(23)得其空间几何模型为符合方程
的单叶双曲面，考虑到后续试探交互动作的z向范围与激光光束的瑞利长度123mm接近，则可将单叶双曲面近似视为空间圆柱模型，且所截交几何曲线为平面椭圆。将步骤五提取得到红色指示激光器2投射光斑边缘像素集合ΩE的代入公式(24-28)中，得到当前拟合椭圆参数为a＝142.285、b＝120.298、x0＝1596.03、y0＝608.365、θ＝24.4382，红色指示激光器2投射激光光斑边缘及拟合最小外接矩形如附图7所示。
其次，控制工业机械臂6末端环形工件夹具8做多组连续的空间小幅度的非正交试探运动，对多次试探运动捕获的帧序列进行累积差分计算，得到帧间光斑几何变形参数、光斑灰度重心差分信息、光斑-夹具边缘间距，进而结合动作参数解析动作-图像映射关系，又已知环形工件夹具8边缘在单目工业相机1视场内成像恒定不变，由此将环形工件夹具8边缘像素点集ΩF视为红色指示激光器2投射光斑灰度重心动态平移的辨识基准，判断两者趋近-远离情况及测算间距。进而，将邻帧imgK与imgK+1间光斑几何变形参数、光斑灰度重心差分信息、光斑-夹具边缘间距作为图像在动态被调制过程中的微分变化特征，结合环形工件夹具8多次试探运动下的形位变换速度阵(微分阵)，构建单目工业相机1内参已标定情况下的参数已知简易图像雅克比矩阵。在工业机械臂视觉伺服控制领域，图像雅克比描述的是图像特征运动和环形工件夹具8三维运动的关系，具体为：设定附图5所示为K时刻(即当前零时刻)，第一步K+1时刻试探动作为笛卡尔空间x向不动的翻转平移运动，依据公式(33-35)可得图像雅克比矩阵：
可见K+1时刻对应的动作-图像映射矩阵第一行第三列数值为0.0000，符合动作观测及雅克比矩阵原理。接下来，复位到零时刻对应工业机械臂6的原形位，做K+2时刻笛卡尔空间y向不动的翻转平移运动，依据公式(33-35)可得图像雅克比矩阵：
可见K+2时刻对应的动作-图像映射矩阵第二行第三列数值为0.0000，符合动作观测及雅克比矩阵原理。继续复位到零时刻对应工业机械臂6的原形位，做K+3时刻笛卡尔空间任意小幅度翻转平移运动，依据公式(33-35)可得图像雅克比矩阵：
进而做多次类似上述的解算步骤，最终得到以K时刻(即当前零时刻)为基准的任意动作动作-图像映射关系。
再次，对绿色刻蚀激光器9出射激光的焦平面进行寻焦再定位，结合上步已解算映射关系，驱动工业机械臂6末端环形工件夹具8上端面机动至近似平行于世界坐标系XOY面的形位，并且保持红色指示激光器2投射光斑稳定清晰成像。据高斯激光光束模型
可知束腰处光斑半径最小且能量共聚，即在激光光束传播路径上，若环形工件夹具8上端面恰好与红色指示激光器2出射光束束腰处平面严格重合，则当前红色指示激光器2投射光斑亮度相较任意其他拦截成像位置为极大值，并且当前光斑半径为极小值此时，对成像图基于步骤五所述内容提取红色指示激光器2投射光斑像素集合ΩL，依据公式(36)进行亮度转换得到当前光斑亮度值Y，进而在环形工件夹具8上端面保持绝对水平的条件下，以亮度值Y数值变换趋势突变为折返信号，控制工业机械臂6做世界坐标系下Z向多步简谐运动，直到红色指示激光器2投射光斑半径最小且亮度最高，则当前环形工件夹具8上端面距离激光器主梁10出光口的距离为红色指示激光器2出射激光焦距。同时，已知红色指示激光器2焦距fd＝150mm且绿色刻蚀激光器9焦距fe＝180mm，进而驱动工业机械臂6继续Z向平移-30mm，实现绿色刻蚀激光的真实焦平面定位。
最后，基于所得动作-图像映射关系及激光焦平面位置，结合CAM工艺规划的加工起始点，进行最终定位对刀，对刀方法具体为：首先，基于动作-图像映射关系，调整工业机械臂6末端环形工件夹具8空间位姿，使红色指示激光器2投射光束以相对垂直姿态对准环形工件夹具8上端面。然后，调整环形工件夹具8空间z向位置，直到光斑呈半径最小、最逼近圆形的形状。最后，基于CAM工艺规划的加工起始点位置，结合目标非可展半球壳状薄壁曲面工件及环形工件夹具8几何模型，给定起始点处理想红色指示激光器2投射光斑成像信息，分析其与当前光斑成像差异，进而计算对应运动信息，以步骤五已提取的环形工件夹具8边缘像素点集ΩF为运动基准，执行机动，将红色指示激光器2投射光斑移动至对应加工起始点，实现定位对刀。
本发明实施例涉及的机械臂进给式激光刻蚀系统的对刀方法最终确保了空间内刻蚀激光聚焦平面与零件起始待加工特征点间精准找正，发明具有成像清晰稳定、找正误差小、安装方便可调、结构简单等特点，该对刀方法便于操作，适于工程实际应用。
Claims (1)
1.一种机械臂进给式激光刻蚀系统的对刀方法，其特征在于，该方法基于单目视觉测量原理及主动结构光投射模型，通过对激光刻蚀系统优化改进，在系统内部加设视觉传感器及主动投射指示激光器，增添系统内异种空间非合作机电设备间交互信息获取功能；虑及倾斜视觉测量构型引入的非正视透视畸变及视觉传感器成像失真问题，采用逆透视变换几何校正及相机畸变补偿技术，进行图像信息修正；基于经典视觉标定技术，对视觉传感器及手眼构型配置进行内外参数标定，构建加工系统中工业相机与工业机械臂空间相对位置模型；结合多帧序列图像动态变换及多轴驱动进给装置空间形位特征信息，基于运动与图像的调制-被调制映射关系解算，实现工作空间内激光刻蚀聚焦平面与零件起始待加工特征点间的精确找正；机械臂进给式激光刻蚀系统的对刀方法具体步骤如下：
步骤一，安装机械臂进给式激光刻蚀系统
机械臂进给式激光刻蚀系统中，工业机械臂(6)固定在工业机械臂基座(13)上，在工业机械臂(6)末端安装夹具装载平台(7)；夹具装载平台(7)前端面上部装夹单目工业相机(1)，单目工业相机(1)与水平地面呈70°俯倾角度斜置；夹具装载平台(7)下部安装环形工件夹具(8)，环形工件夹具(8)顶端与夹具装载平台(7)前端面法向平行；单目工业相机(1)与环形工件夹具(8)相对位置在加工全过程恒定；在环形工件夹具(8)顶面的远离夹具装载平台(7)的端面，黏附两幅一组ArUco方形基准码(4)，ArUco方形基准码(4)与环形工件夹具(8)顶面局部特征边缘共同处于单目工业相机(1)有效可及视场内；在加工系统内部的水平地面上固定棋盘格标定板(5)；立式稳定台(12)安装在工业机械臂(6)的前方，激光器主梁(10)安装在立式稳定台(12)前端面上，激光器主梁(10)的腔体内安装有电源和绿色刻蚀激光器(9)；在激光器主梁前端加装正交于主梁中线的方形模块(14)，方形模块(14)内部横置红色指示激光器(2)及合束镜(3)，保持红色指示激光器(2)光轴与绿色刻蚀激光器(9)光轴正交，共同指向出射口处合束镜(3)的中心，进而使两偏振激光合束同轴出射；红色指示激光器(2)投射光束可由扩束镜旋钮调节投射光斑直径及亮度，红色指示激光器出射光路正交于绿色刻蚀激光器(9)投射的刻蚀激光光路，两束偏振激光共同指向合束镜中心；合束镜与刻蚀激光光轴呈起偏振角倾斜安置；据斯涅耳定律，设定θP为入射起偏振角，r1为空气标况折射率，r2为偏振片标况折射率，有光学折射等式：
r1sin(θp)＝r2sin(90°-θp)＝r2cos(θp)(1)
进而起偏振角
绿色刻蚀激光器(9)出射光束以相对起偏振角θP入射穿过合束镜(3)的后透射镜面，与经前反射镜面反射的红色指示激光器(2)出射光束实现同轴心合束；
其中，由单目工业相机(1)、红色指示激光器(2)、合束镜(3)、ArUco方形基准码(4)及棋盘格标定板(5)构成定位对刀装置；
上位机(11)与电控设备相连，工业机械臂(6)、单目工业相机(1)、绿色刻蚀激光器(9)和红色指示激光器(2)基于各自端口协议同上位机(11)建立通讯连接，多机电设备的协同动作统一由上位机内置的过程控制软件实现调度；
步骤二，单目工业相机内参数标定
单目工业相机(1)内参数标定在系统外部执行，通过棋盘格标定板(5)基于经典张氏标定法进行参数标定，即分别调整15种空间姿态拍摄棋盘格标定板(5)，求解多幅棋盘格标定板(5)成像图与棋盘格标定板(5)空间物平面间单应性矩阵，施以通用旋转变换，联立多组方程求解并辨识分离得到3×3归一化内参数矩阵
其中f为焦距，(uc,vc)为单目工业相机光轴同成像面交点坐标；
步骤三，基准码识别与正向视向校正
首先，对视场图像全域进行高斯滤波去噪，在预设标准差σ后，基于二维高斯分布式：
计算中心锚点八领域
形成3×3高斯卷积核，并对图像全域进行遍历卷积处理，滤除随机高斯噪声；
其次，统计目标图像域灰度分布情况，根据不同区域像素灰度分布，计算各区域局部灰度阈值，对目标视场进行灰度自适应阈值分割，生成黑白像素表征的二值图像，进而对上述二值图像进行Canny边缘识别，采用Hough变换提取直线特征，生成图像全域的特征轮廓；已知ArUco方形基准码为规则几何正方形，内部嵌套表征ArUco方形基准码序号的二维码，故提取特征轮廓图像中符合ArUco方形基准码形状的完全闭合区域，由此提取得到图像中ArUco方形基准码四边分别为l1、l2、l3、l4；基于预设二维码字典库，在两个闭合区域内部遍历匹配二维码特征，识别ArUco方形基准码二进制ID，实现目标视场内两幅ArUco方形基准码的识别与编号；ArUco方形基准码正方形四角的像素坐标由图像中已识别正方形四边l1、l2、l3、l4的交点确定，在提取方形四角点及周边特征基础上，采用单目视觉P4p(Perspective-4-Points)测量技术，解算目标ArUco方形基准码相对单目工业相机光心的位姿表征矩阵，具体为：设定ArUco方形基准码正方形四个角点的基准码坐标系Pi＝(Ui,Vi,Wi)下坐标值为
其中ρ为ArUco方形基准码实物边长；设定[RM|TM]为ArUco方形基准码相对单目工业相机光心的旋转平移矩阵，四个角点对应图像域内图像坐标点p1(u1,v1)，p2(u2,v2)，p3(u3,v3)，p4(u4,v4)，联合单目工业相机内参数矩阵
定义透视模型为：
进而规定：
则逆推得像点预估初值
为：
其中，i为对应角点编号，εi与δi分别为服从高斯分布的白噪声，σ2为白噪声方差，再定义评价函数F为：
式中K1为常数，应用LM算法(Levenberg-Marquardt)对评价函数作负对数最小化约束的迭代：
式中K2为常数，最后对所求最优解QR矩阵分解，分离得到ArUco方形基准码相对单目工业相机的位姿表征矩阵[RM|TM]；
再次，在默认ArUco方形基准码实物尺寸标值精确的基础上，将上述位姿表征矩阵[RM|TM]法向下沉ArUco方形基准码厚度值Δt，即得ArUco方形基准码粘附处环形工件夹具上端面的局部位姿表征矩阵：
[Rf|Tf]＝[RM|TM][RΔt|TΔt](8)
在ArUco方形基准码周边li及周边li相交所得角点pi准确识别基础上，将图像域内ArUco方形基准码粘附区域以比例K倍相似扩展至可完全包络红色指示激光器投射光斑的尺寸，对放大扩展域进行逆透视变换重投影：即设定(xo,yo)为原始投影平面像点，(xt,yt)为规范化重投影面上对应像点，则有透视变换重投影映射公式：
其中，
表征缩放、剪切、旋转变换，[g h]表征平移，[c f]T表征透视映射；已知ArUco方形基准码正视投影下为规则几何正方形，则相应设定规范化投影面目标域为规则正方形，且四角规范化投影面坐标依次为(0,0)、(1,0)、(0,1)、(1,1)，在原始投影图像中，由ArUco方形基准码四边相交提取得到的ArUco方形基准码四个角点像素坐标设定为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)，定义：
代入方程(9)，联立得：
将式(11)回代到透视变换映射公式(9)中，对上述放大扩展域做重投影，可得正视平行射影下的几何校正图；
最后，面向解决倾斜射影校正带来的图像远端分辨率稀疏的失真问题，结合对刀装置视觉测量实际构型，定义简化后的中心投影相机倾斜射影模型为二维平面内中心投影的三角形成像模型，该三角形成像模型有两段内部倾斜线；其中，三角形顶点表征单目工业相机光心，顶点向下延伸的垂线表征单目工业相机光轴；三角形底边为校正面S′，表征校正后虚拟成像物面；三角下部倾斜线为物面S，表征实际成像物面，即环形工件夹具上端面的成像；三角上部倾斜线与下部倾斜线平行，表征单目工业相机成像面s；光轴与物面S/成像面s有夹角θf，物面S与校正面S′有夹角θ，则有
为便于确定像素信任的分段分区，从以光心与物面S垂线为分割线的成像远端开始，将光心-纵向虚拟物点所成平面做n次Δ＝5°分度的扇形摆动，截交成像面s得到多段成像面s纵向分割线，截交校正面S′得到多段校正面S′纵向分割线，对应设定线段a表征光心与校正面S′连线截得的局部物面，线段b表征光心与校正面S′连线截得的局部校正面，线段c表征物面S与校正面S′截得的局部光心-校正面线段，分别依次存在对角A、对角B及对角C，进而可得线段a的对角A＝90°-n×5°-θ，线段b的对角B＝90°+n×5°，线段c的对角A＝θ；已知正弦角定理：
则在分度摆动过程中，基于单目工业相机靶面尺寸、图像电子放大比例及校正图像尺寸，可求得校正面S′与成像面s物理尺寸，进而线段a与线段b长度及其多段比例关系全部可求，依据物面S与校正面S′多段截交线间距及其对应比例，辨识得校正面S′与物面S各分段成像放大关系，设定图像全域的动态信任分段分区的权重值，降低成像畸变影响；
步骤四，工业机械臂与单目工业相机相对位姿标定
工业机械臂(6)与单目工业相机(1)相对位姿标定过程为：控制工业机械臂(6)在三种不同形位下对棋盘格标定板(5)拍摄成像，进而基于单目视觉测量原理测量解算棋盘格标定板相对单目工业相机(1)光心的位姿表征矩阵[R|T]c1、[R|T]c2、[R|T]c3及其位姿间变换阵
记录工业机械臂末端当前位姿表征矩阵[R|T]r1、[R|T]r2、[R|T]r3及其位姿间变换阵
规定单目工业相机相对工业机械臂转换关系为
i与j对应位姿变换次序，经过坐标系转换可得：
展开得：
将
与
进行罗德里戈旋转变换为归一化旋转向量
与
则修正的罗德里戈姿态变化参数
与
为：
单目工业相机相对工业机械臂末端的初始旋转向量`Pr c：
单目工业相机相对工业机械臂末端的旋转向量
对旋转向量
进行罗德里戈反转换为旋转矩阵
回代到公式(14)中得
最终，得到单目工业相机相对工业机械臂末端的旋转变换矩阵
步骤五，激光光斑提取及夹具边缘线识别
对红色指示激光器(2)投射光斑边缘及重心进行提取识别；为便于红色指示激光器(2)投射光斑的低损提取，对已几何校正的RGB原图像全域进行HSV颜色空间转换，即设目标图像各像素点RGB值为(R,G,B)，对(R,G,B)分量归一化处理得到(r,g,b)，其中r＝R/255，g＝G/255，b＝B/255，再经内部分量数值比对，预设Kmax＝max(r,g,b)，Kmin＝min(r,g,b)，Δ＝Kmax-Kmin，则目标图像各像素点HSV各分量为：
面向红色指示激光器投射光斑像素准确提取，在HSV色彩转换基础上，以红色指示光颜色在HSV颜色空间中的先验参数为基准，经颜色直方统计区间参数再细化，设定提取匹配区间，遍历目标图像，搜寻并记录符合要求的像素坐标，进而生成目标光斑像素点的像素集合ΩL及新掩模二值图像I；预设形态学n×n矩形结构元素M，对二值图像I基于结构元素M执行形态学闭运算
消除新掩模图像I有效区域内部因信息丢失造成的像素空洞；接下来，对形态学修正后的二值图像I进行Canny算子边缘提取，进而得到红色指示激光器投射光斑边缘像素集合ΩE；为实现光斑中心
的识别定位，依据所记录红色指示激光器投射光斑像素坐标集合ΩL，采用亚像素灰度重心法提取，即：
其中G(u,v)为像素灰度值，
即为红色指示激光器投射光斑亚像素重心；
最后，环形工件夹具特征边缘的提取采用泛洪式图像填充算法；泛洪式图像填充算法具体搜索流程为：在单帧二值图像中，经过人眼观测分辨，初步确定环形工件夹具边缘位置，交互选取多个边缘任意点为起始种子像素点P0，选用P0八领域
深度优先搜索策略，以“不间断连通”为包容原则，剔除“间断”拒绝原则排除的局部邻域点，并将搜索得到的领域像素点Pi作为新种子接续扩散，其中，部分错误选择的起始种子点P0及邻接延伸像素在搜索过程中呈现局部连通或离散独立状态，难以有向接续扩散，由此判断该起始种子点P0为误选取像素，进而终止该子搜索流程且直接剔除P0；最后，将多个种子起点P0及其漫延生长得到的目标像素Pi集合归类为环形工件夹具边缘，快速得到环形工件夹具边缘像素点集ΩF；
步骤六，系统模型构建及定位对刀
首先，已知基模高斯光束模型三维空间内几何模型为符合a2＝b2的标准单叶双曲面
曲面交x轴于(±a,0,0)，交y轴于(0,±b,0)，沿激光传播方向的半径变换遵循
双曲线延展，z为距焦平面距离，ω(z)为光斑半径，z0为瑞利长度；由此，可得空间内实际光束传播单叶双曲面模型为：
在环形工件夹具与红色指示激光器投射光束的空间交互过程中，激光光束传播受环形工件夹具顶端面截断，在平面内投射形成二维特征光斑，并且红色指示激光器投射光斑几何形状随环形工件夹具空间位姿变换而被调制变形；将红色指示激光器投射光斑被调制变形等效视为单叶双曲面与任意空间平面Ax+By+Cz+D＝0，即环形工件夹具上端面的动态截交过程，结合空间单叶双曲面的平面截交线几何规律，截交线几何形状可知为“椭圆曲线”或“对称卵形曲线”；激光高斯光束瑞利长度内近似准直，若实际瑞利长度接近或超出交互空间z向范围，激光光束的空间单叶双曲面模型应简化为空间圆柱模型；
其次，结合红色指示激光器投射光斑边缘像素集合ΩE成像几何的人工观测，初步确定红色指示激光器投射光斑成像的几何形状，进而在执行曲线拟合基础上，求解目标曲线几何参数：
①若红色指示激光器投射光斑成像确定为椭圆曲线，此时光束截交有两种情况：1)环形工件夹具上端面经过光束传播单叶双曲面x轴或y轴；2)环形工件夹具上端面与瑞利长度接近或超出交互空间z向范围的高斯光束截交；对红色指示激光器投射光斑边缘像素集合ΩE进行最小二乘椭圆拟合，基于平面椭圆一般式：
x2+Axy+By2+Cx+Dy+E＝0(24)
对红色指示激光器(2)投射光斑轮廓测量点集以下式为目标函数进行拟合：
为使目标函数F最小，对式(25)求偏导，即：
由此得：
解方程得：
其中(x0,y0)为所拟合椭圆中心点图像坐标，θ为椭圆轴倾角，a、b分别为椭圆短轴与长轴；
②若确定红色指示激光器投射光斑成像为对称卵形曲线，此时环形工件夹具上端面不穿过单叶双曲面坐标轴，以任意空间姿态同双曲面截交；已知单叶双曲面由特征双曲线围绕其主轴旋转而产生，任意空间平面与单叶双曲面截交所得对称卵形曲线，可由单叶双曲面XOZ/YOZ投影面上直线与双曲线截交线段的几何参数等效描述；其中，双曲线内部截线段长即为对称卵形曲线中轴M长度，双曲线内部截线上点到双曲线水平距离的两倍值即为对称卵形曲线对应横轴N长度，设双曲线与直线相交式：
解得交点P1(x1,y1)、P2(x2,y2)，其中：
故对称卵形曲线中轴长度为上述交点间距：
以对称卵形曲线中轴M划分，设直线y＝kx+m在双曲线内部任一点为Qn，每个位置横轴N长度为直线y＝kx+m任一点Qn平行于x轴交双曲线上点Pn到该任一点Qn的距离的二倍值，即N＝2|Qn Pn|；由此，求得该对称卵形曲线的中轴M长度与各横轴N长度；
再次，控制工业机械臂末端环形工件夹具做多组连续的空间小幅度非正交试探运动，对多次试探运动捕获的帧序列进行累积差分计算，设K为时间节点，imgK与imgK+1对应时间K与K+1节点下图像全域像素，将imgK与imgK+1相减得到帧差分图像ΔimgK，设两帧间单像素灰度变化均值Δimgavg为自适应阈值，Δimgavg定义为：
若帧差分图像中某像素点d(i,j)灰度值大于Δimgavg，则确定d(i,j)为运动像素点；依次将多幅帧差分图像赋权ak，构成累积差分图像：
其中，权重ak取值取决于当前帧差分图像距离首帧的时序远近；在累积差分图像Δimgcum中，多帧图像间红色指示激光器投射光斑成像差异区域被分别赋权标识，基于单帧红色指示激光器投射光斑拟合所得几何参数，可有效辨识动态被调制过程中的红色指示激光器投射光斑变形参数；同时，据激光光学先验知识，激光光斑灰度重心在动态调制过程中具有一定平移不变性及旋转不变性，则多帧图像中已识别的红色指示激光器投射光斑灰度重心差分
为：
整合差分信息构建图像雅克比矩阵具体过程为：设
为图像特征参数微分变化量，
为笛卡尔空间运动微分变换量，J(r)是从笛卡尔空间运动微分空间到图像特征参数微分空间的映射变换，则有图像雅可比矩阵：
使得微分映射关系式
成立，其中，m对应微分特征数量，n为任务间维数；在时序可控的试探性动态调制过程中，帧间差分即为微分，则邻帧imgK与imgK+1间红色指示激光器投射光斑几何变形参数、红色指示激光器投射光斑灰度重心差分信息、光斑-夹具边缘间距等差分信息可视为图像特征微分变化量；同时，工业机械臂末端环形工件夹具多次试探运动下的形位变换阵可由工业机械臂控制系统计算并读取，然后基于试探动作时序求解形位变换速度阵，即对形位变换阵微分化，进而统一将图像特征微分变化量与形位变换速度阵代入微分映射关系式
解得图像雅克比矩阵Jr(r)，此即动作-图像调制被调制映射矩阵；
然后，对绿色刻蚀激光器出射激光的焦平面进行寻焦再定位，结合上步已解算映射关系，将工业机械臂末端环形工件夹具上端面机动至与世界坐标系XOY面近似平行的位置，并且单目工业相机在当前有效视场内可捕捉到红色指示激光器投射目标光斑；为便于图像层面的光斑亮度判别，基于步骤五所得红色指示激光器投射光斑像素集合ΩL，将目标光斑基于亮度转换公式计算得到对应亮度值Y：
Y＝0.299×R+0.587×G+0.114×B(36)
进而，在环形工件夹具上端面保持绝对水平的条件下，以亮度值Y数值变换趋势突变为折返信号，驱动工业机械臂做世界坐标系下Z向多步简谐运动，直到目标红色指示激光器投射光斑半径最小且亮度最高，则当前环形工件夹具上端面距离激光出光口的距离为红色指示激光器出射激光的焦距，最后结合绿色刻蚀激光器出射激光与红色指示激光器出射激光的焦距比值换算得到绿色刻蚀激光器出射激光真实焦平面的相对位置；
最后，基于所得动作-图像映射关系及激光焦平面位置，结合CAM工艺规划的加工起始点，进行最终定位对刀；对刀方法过程为：先基于动作-图像映射关系，调整工业机械臂末端环形工件夹具空间位姿，使红色指示激光器投射光束以相对垂直姿态对准环形工件夹具上端面；再调整环形工件夹具空间z向位置，直到光斑呈半径最小、最逼近圆形的形状；最后，基于CAM工艺规划的加工起始点位置，结合目标工件毛坯件及环形工件夹具几何模型，给定起始点处理想光斑成像信息，分析其与当前光斑成像差异，进而计算对应运动信息，以步骤五已提取的环形工件夹具边缘像素点集ΩF为运动基准，执行机动，将红色指示激光器投射光斑移动至对应加工起始点，实现定位对刀。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010374268.7A CN111604598B (zh) | 2020-05-06 | 2020-05-06 | 一种机械臂进给式激光刻蚀系统的对刀方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010374268.7A CN111604598B (zh) | 2020-05-06 | 2020-05-06 | 一种机械臂进给式激光刻蚀系统的对刀方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111604598A CN111604598A (zh) | 2020-09-01 |
| CN111604598B true CN111604598B (zh) | 2021-04-20 |
Family
ID=72201779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010374268.7A Active CN111604598B (zh) | 2020-05-06 | 2020-05-06 | 一种机械臂进给式激光刻蚀系统的对刀方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111604598B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112683193B (zh) * | 2020-11-06 | 2022-04-22 | 西安交通大学 | 基于机器视觉的刀具类型判别及几何参数检测方法及系统 |
| CN112541946A (zh) * | 2020-12-08 | 2021-03-23 | 深圳龙岗智能视听研究院 | 一种基于透视多点投影的机械臂的位姿实时检测方法 |
| CN113034608B (zh) * | 2021-03-11 | 2022-08-23 | 东北大学秦皇岛分校 | 一种角膜表面形态测量装置及方法 |
| CN112950511B (zh) * | 2021-03-26 | 2023-05-26 | 河北砺兵科技有限责任公司 | 一种检测850nm附近不可见激光光斑位置的方法 |
| CN113610919B (zh) * | 2021-07-30 | 2023-10-20 | 深圳明锐理想科技有限公司 | 一种粘尘装置的姿态校正方法和粘尘装置的姿态校正系统 |
| CN113916906B (zh) * | 2021-09-03 | 2024-01-09 | 江苏理工学院 | 视觉检测系统led光源照度优化方法及所用实验设备 |
| CN114257799A (zh) * | 2021-11-15 | 2022-03-29 | 深圳市普渡科技有限公司 | 机器人、投影方法和存储介质 |
| CN114688963B (zh) * | 2022-03-22 | 2023-02-21 | 西安交通大学 | 多波长点衍射干涉仪用光路合束质量检测校准方法及系统 |
| CN114654081B (zh) * | 2022-03-30 | 2022-11-15 | 大连理工大学 | 一种弱自由度深腔内表面图形的激光加工方法 |
| CN116061196B (zh) * | 2023-04-06 | 2023-07-18 | 广东工业大学 | 一种多轴运动平台运动学参数标定方法和系统 |
| CN117564488B (zh) * | 2024-01-15 | 2024-03-26 | 苏州鑫业诚智能装备有限公司 | 一种用于激光标刻的对象坐标定位方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108340211A (zh) * | 2018-01-12 | 2018-07-31 | 大连理工大学 | 基于单目视觉的数控机床轮廓误差三维测量方法 |
| CN108620955A (zh) * | 2018-04-18 | 2018-10-09 | 大连理工大学 | 基于单目视觉的机床回转轴误差测量与辨识方法 |
| CN110689579A (zh) * | 2019-10-18 | 2020-01-14 | 华中科技大学 | 基于合作目标的快速单目视觉位姿测量方法及测量系统 |
| EP3627447A1 (en) * | 2018-09-24 | 2020-03-25 | Tata Consultancy Services Limited | System and method of multirotor dynamics based online scale estimation for monocular vision |
-
2020
- 2020-05-06 CN CN202010374268.7A patent/CN111604598B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108340211A (zh) * | 2018-01-12 | 2018-07-31 | 大连理工大学 | 基于单目视觉的数控机床轮廓误差三维测量方法 |
| CN108620955A (zh) * | 2018-04-18 | 2018-10-09 | 大连理工大学 | 基于单目视觉的机床回转轴误差测量与辨识方法 |
| EP3627447A1 (en) * | 2018-09-24 | 2020-03-25 | Tata Consultancy Services Limited | System and method of multirotor dynamics based online scale estimation for monocular vision |
| CN110689579A (zh) * | 2019-10-18 | 2020-01-14 | 华中科技大学 | 基于合作目标的快速单目视觉位姿测量方法及测量系统 |
Non-Patent Citations (2)
| Title |
|---|
| A Flexible New Technique for Camera Calibration;张正友;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;20001130;第22卷(第11期);1330-1334 * |
| Monocular-vision-based contouring error detection and compensation for CNC machine tools;Xiao Li;《Precision Engineering》;20190131;第55卷;447-463 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111604598A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111604598B (zh) | 一种机械臂进给式激光刻蚀系统的对刀方法 | |
| WO2022142759A1 (zh) | 一种激光雷达与相机联合标定方法 | |
| CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
| CN108555908B (zh) | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 | |
| CN111089569B (zh) | 一种基于单目视觉的大型箱体测量方法 | |
| CN109612390B (zh) | 基于机器视觉的大尺寸工件自动测量系统 | |
| CN107942949B (zh) | 一种机床视觉定位方法及系统、机床 | |
| CN110202573B (zh) | 全自动手眼标定、工作平面标定方法及装置 | |
| CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
| CN109676243A (zh) | 基于双线激光结构光的焊缝识别与跟踪系统及方法 | |
| CN111775146A (zh) | 一种工业机械臂多工位作业下的视觉对准方法 | |
| CN111028340B (zh) | 精密装配中的三维重构方法、装置、设备及系统 | |
| CN111191625A (zh) | 一种激光-单目视觉融合的物体识别与定位方法 | |
| CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
| CN108406123A (zh) | 一种激光加工中三维零件标定系统及方法 | |
| CN112991467B (zh) | 基于相机的激光投影标识自动引导定位与实时校正方法 | |
| JPH0798214A (ja) | 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置 | |
| CN113554713A (zh) | 飞机蒙皮移动机器人制孔视觉定位及检测方法 | |
| CN112958960A (zh) | 一种基于光学靶标的机器人手眼标定装置 | |
| CN114963981B (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
| CN115908562A (zh) | 一种异面点合作标志器及测量方法 | |
| CN113592962B (zh) | 基于机器视觉的批量硅片标识识别方法 | |
| CN115830089A (zh) | 一种结合关键点信息的点云配准方法及其应用 | |
| CN112995641B (zh) | 一种3d模组成像装置及方法、电子设备 | |
| CN211824261U (zh) | 一种飞机装配中机器人与工装的相对位姿测量及装配系统 |
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 |