CN111609847B - 一种面向薄板件的机器人拍照测量系统自动规划方法 - Google Patents
一种面向薄板件的机器人拍照测量系统自动规划方法 Download PDFInfo
- Publication number
- CN111609847B CN111609847B CN202010336494.6A CN202010336494A CN111609847B CN 111609847 B CN111609847 B CN 111609847B CN 202010336494 A CN202010336494 A CN 202010336494A CN 111609847 B CN111609847 B CN 111609847B
- Authority
- CN
- China
- Prior art keywords
- photographing
- measuring
- measurement
- robot
- point
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/0025—Measuring of vehicle parts
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种面向薄板件的机器人拍照测量系统自动规划方法,该方法首先结合光学测量系统信息与测量要求,分析了给定测头拍照点位下待测特征聚类方法,提取不同点位下测点集合;通过对测量特征的集合覆盖求解,获得全特征覆盖的最少拍照点位数;基于机器人‑待测物体间碰撞检测方法与避撞策略,提出面向检测时间最短的机器人检测路径规划方法。本发明实现了薄板件全特征高精度测量下机器人拍照检测系统的高效、自动规划,极大提升薄板件在线测量的规划效率以及测量过程时间效率。
Description
技术领域
本发明涉及机器人技术领域,尤其是涉及一种面向薄板件的机器人拍照测量系统自动规划方法。
背景技术
车身尺寸精度是影响着汽车整车质量的重要因素之一,车身尺寸质量评价、监控与诊断均离不开测量数据,而不同的测量方式影响着测量数据的精确性和有效性。长期以来,三坐标测量机作为传统接触式设备被广泛应用于车身制造过程,然而随着技术的进步,光学测量凭借非接触、采集数据量大、安全性高等优点正逐步取代接触式测量,其中拍照式测量具有高密度点云测下精度高、能耗低等特点,正逐渐应用于汽车薄板件的尺寸与几何精度检测,为车身结构的偏差可视化、质量分析与虚拟匹配提供基础。然而,现有拍照式拍照测量系统的拍照点位确定、机器人路径规划均高度依赖经验,且检测规划效率低,导致车身几何、尺寸特征的检测效率低,难以提供对产品质量的快速评估。
机器视觉的次序规划问题是要寻找一组满足覆盖要求的拍照点位,而且测量路径要满足可达、无碰撞以及路径最短、机械功最小等要求。Gonzalez-Banos提出了一种覆盖采样的随机Art-gallery算法,该算法通过对待检测表面的工作空间进行随机采样来生成可接受的拍照点位集。E.Glorieux等在随机抽样的基础上,提出目标拍照点位采样的策略,通过将测量特征数目最大化与拍照移动点位最小化等冲突目标的综合,采用迭代优化方法保证所有特征被测量,同时减少了随机抽样的次数。Vasquez-Gomez等提出了使用次优视图(NBV)框架来规划拍照点位,NBV方法基于拍照点位的信息增益以及其他优化目标和约束,根据感知过程中获取的信息,迭代地选择新的拍照点位。以上研究针对不同对象下的视点次序规划做了相应研究。
发明内容
本发明的目的在于提供一种面向薄板件的机器人拍照测量系统自动规划方法,实现在保证所有测量特征能被高效测量基础上,获得拍照点位数量最少,同时生成无碰撞测量路径,实现薄板件拍照式光学检测的自动高效规划,并提高待测部件的检测效率。
为实现上述目的,本发明所采用的技术方案为:一种面向车身薄板件的机器人拍照测量系统检测次序优化方法,包括如下步骤:
S101、提取机器人、拍照式光学测头、待测薄板件以及夹具等数模与测量任务与要求;提取待测薄板件测点信息,包括特征类型、空间坐标值、矢量方向及尺寸轮廓等;
S102、根据拍照式光学测头设备参数确定视野范围的大小,构建给定拍照点位下测点的检测质量及其影响因素(测点、测头矢量方向、测头中心光束的夹角等)的关系模型;
S103、记所有测点组成的测点全集为S={M1,M2,...,Mi,...,Mn},(i=1,2,…,n),根据上一步骤将第i个测点置于测头的视野中心时所能测量出来的所有测点集合,记为测点集Si;
S104、计算将每一个测点Mi(i=1,2,…,n)置于视野中心时所能得到的测点集分别为S1,S2,S3,...,Sn;
S105、通过集合覆盖求解,优化选取测点集S1,S2,S3,...,Sn的某种组合,使其能够覆盖所有的测点,且该种组合的数目最小;
S106、因为测量时将测点置于视野中心,由矢量方向以及视野中心到拍照测头的距离可以计算出拍照点位的位置;
S107、对任意两拍照点位之间的机器人运动路径进行碰撞检测,通过添加避撞点的方式生成无碰撞路径;
S108、针对无碰撞、可达的拍照点位组,同时考虑光学测头路径中的空间运动轨迹,计算可达点位间的机器人运动时间,并将不可达路径进行标记,以获得所有拍照点位间的检测时间矩阵;
S109、基于组合优化求解算法实现测量机器人的检测路径的全局规划实现全特征覆盖、且测量时间最短的机器人运动结果。
与现有技术相比,本发明的优点为:本发明包括拍照式测量中确定点位下测量特征的聚类、拍照点位优选方式、机器人点位点局部测量时间矩阵计算、全局路径规划等,结合待测车身薄板件的测点信息,通过算法程序与应用步骤的设计开发,实现车身薄板件无碰撞、高效的检测规划。本发明提取待测薄板件测量特征的空间坐标、矢量方向等信息;分析了给定拍照拍照点位下待测特征聚类方法,提取不同点位下测点集合;结合贪婪算法的集合覆盖求解,获得全特征覆盖的最少点位数;基于机器人-车身碰撞检测与避撞策略,给出了面向检测时间最短的机器人检测次序规划流程。提高了拍照式拍照测量系统自动化程度与测量效率。
附图说明
图1为薄板件的机器人拍照测量系统规划流程图。
图2为优化后拍照点位集对应的测头空间位置。
图3为顶盖测量的机器人优化检测次序。
具体实施方式
下面将结合示意图对本发明所采用的技术方案作进一步的说明。
图1给出了一种面向薄板件的机器人拍照测量系统自动规划方法的流程图,其包括机器人拍照检测系统、薄板件等数模及测量任务等信息→给定拍照点位下的特征聚类→集合覆盖问题求解的点位数目优化→机器人拍照系统膨胀检测与避撞方法→机器人拍照系统路径规划方法。
本发明的实施例中提供了一种面向薄板件的机器人拍照测量系统自动规划方法,其包括如下步骤:
S101、提取机器人、拍照式光学测头、待测薄板件以及夹具等数模与测量任务与要求;提取待测薄板件测点信息,包括特征类型、空间坐标值、矢量方向及尺寸轮廓等。
S102、根据拍照式光学测头设备参数确定视野范围的大小,构建给定拍照点位下测点的检测质量及其影响因素(测点、测头矢量方向、测头中心光束的夹角等)的关系模型。
S103、记所有测点组成的测点全集为S={M1,M2,...,Mi,...,Mn},(i=1,2,…,n),根据上一步骤将第i个测点置于测头的视野中心时所能测量出来的所有测点集合,记为测点集Si。
S104、计算将每一个测点Mi置于视野中心时所能得到的测点集分别为S1,S2,S3,...,Sn。
S105、通过集合覆盖求解,优化选取测点集S1,S2,S3,...,Sn的某种组合,使其能够覆盖所有的测点,且该种组合的数目最小。
S106、因为测量时将测点置于视野中心,由矢量方向以及视野中心到拍照测头的距离可以计算出拍照点位的位置。
S107、对任意两拍照点位之间的机器人运动路径进行碰撞检测,通过添加避撞点的方式生成无碰撞路径。
S108、针对无碰撞、可达的拍照点位组,考虑光学测头路径中的空间运动轨迹,计算可达点位间的机器人运动时间,并将不可达路径进行标记,以获得所有拍照点位间的检测时间矩阵。
S109、基于组合优化求解算法实现测量机器人的检测路径的全局规划实现全特征覆盖、且测量时间最短的机器人运动结果。
具体而言,步骤S101中准备好待测覆盖件测量特征信息,主要包括测空间坐标值、矢量方向、覆盖件尺寸大小及类型等。
步骤S102根据拍照测头的设备参数确定其视野范围,具体为以l为直径,高H(景深)的区域,其中视野中心点到测头的最佳距离为D。并构建拍照图像质量与入射角等参数的关联关系,确定拍照点位下的可测测点集。
步骤S103所有测点组成测点全集S={M1,M2,M3,...,Mn},规定将第i个测点置于测头的视野中心时所能测量出来的所有测点组成测点集Si。
步骤S104根据测量规则计算将每一个测点置于视野中心时所能得到的测点集分别为S1,S2,S3,...,Sn。
步骤S105结合集合覆盖求解算法,选取一组测点集,使这组测点集能够覆盖所有的测点,且拍照点位最少。
步骤S106测量时将测点置于视野中心,由测点的矢量方向以及视野中心到拍照测头的距离可以计算出拍照点位的位置。
步骤S107以包围盒方法对任意两拍照点位之间的机器人运动路径进行碰撞检测,通过添加避撞点的方式生成无碰撞路径。
步骤S108针对无碰撞、可达的拍照点位组,同时考虑光学测头路径中的空间运动轨迹,计算可达点位间的机器人运动时间,并将不可达路径进行标记,最终获得所有拍照点位间的检测时间矩阵。
步骤S109基于组合优化求解算法实现测量路径的旅行商问题优化求解,获得全特征覆盖的测量时间最短的拍照序列优化结果。
为验证本方法的有效性,选择图2所示的顶盖案例实现对测量次序的优化。
本案例中的汽车顶盖包含测点的空间坐标值和矢量方向等信息如表1所示,其中(X,Y,Z)为测点的空间位置,(i,j,k)为测点的矢量方向。拍照拍照式测量系统主要由三个部分组成:一个六自由度工业机器人、三个工业级数码相机组成的拍照测头、一个数字控制转盘,被测覆盖件被放置在转盘上。
表1
将汽车顶盖上测点依次编号组成测点全集S={M1,...,Mn},通过测量规则计算出当拍照测头每个点位下所形成的点集S1,S2,S3,...,Sn。基于贪婪算法对最小覆盖集进行求解,使其能够包含所有测点且满足点集的数量尽可能少,获得最小拍照点位及对应数目为如表2所示:
表2优化后拍照点位集
上述拍照点位集在空间中对应的测头位置如图2所示。
采用包围盒及待测物体离散化的综合方法做碰撞检测进行可达性分析,生成无碰撞路径并计算其局部测量时间,对不可达路径间时间记为无穷大。最终得到两两拍照点位之间的机器人测量时间矩阵,如表3所示。
表3机器人在不同拍照点位间的检测时间矩阵
最后,以检测工位内机器人测量时间最短为目标,通过模拟退火算法优化得到符合要求的最优拍照点位次序,如图3所示。
本发明针对拍照测量系统在检测规划中时间效率低、次序非最优以及经验高度依赖等问题,提出一种面向车身薄板件的机器人拍照测量系统自动规划方法。减少了拍照点位数量,优化了检测次序,节省了测量时间。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (1)
1.一种面向薄板件的机器人拍照测量系统自动规划方法,其特征在于,该方法包括如下步骤:
S101,提取机器人、拍照式光学测头、待测薄板件和夹具的数学模型,以及测量任务与要求;
S102,根据拍照式光学测头设备参数确定视野范围的大小,具体为以l为直径,高H的区域,其中视野中心点到测头的最佳距离为D,构建给定拍照点位下测点的检测质量及其影响因素的关系模型;
S103,记所有测点组成的测点全集为S={M1,M2,...,Mi,...,Mn},i=1,2,…,n,根据上一步骤将第i个测点置于测头的视野中心时所能测量出来的所有测点集合,记为测点集Si;
S104,计算将每一个测点Mi置于视野中心时所能得到的测点集分别为S1,S2,S3,...,Sn;
S105,通过集合覆盖求解,优化选取测点集S1,S2,S3,...,Sn的某种组合,使其能够覆盖所有的测点,且该种组合的数目最小;
S106,测量时将测点置于视野中心,由矢量方向以及视野中心到拍照侧头距离可以计算出拍照点位的位置;
S107,对任意两拍照点位之间的机器人运动路径进行碰撞检测,通过添加避撞点的方式生成无碰撞路径;
S108,针对无碰撞、可达的拍照点位组,同时考虑光学侧头路径中的空间运动轨迹,计算可达点位间的机器人运动时间,并将不可达路径进行标记,以获得所有拍照点位间的检测时间矩阵;
S109,基于整合优化求解算法实现测量机器人的检测路径的全局规划,实现全特征覆盖、且测量时间最短的机器人运动结果;
步骤S101中,提取待测薄板件测点信息,包括特征类型、空间坐标值、矢量方向以及尺寸轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010336494.6A CN111609847B (zh) | 2020-04-23 | 2020-04-23 | 一种面向薄板件的机器人拍照测量系统自动规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010336494.6A CN111609847B (zh) | 2020-04-23 | 2020-04-23 | 一种面向薄板件的机器人拍照测量系统自动规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111609847A CN111609847A (zh) | 2020-09-01 |
CN111609847B true CN111609847B (zh) | 2023-08-15 |
Family
ID=72199983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010336494.6A Active CN111609847B (zh) | 2020-04-23 | 2020-04-23 | 一种面向薄板件的机器人拍照测量系统自动规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111609847B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733428B (zh) * | 2020-12-17 | 2022-09-06 | 上海理工大学 | 一种光学测量的扫描姿态与覆盖路径规划方法 |
CN113340247B (zh) * | 2021-06-15 | 2022-07-12 | 上海理工大学 | 一种用于车身接触式三坐标测量的连续碰撞检测方法 |
CN113884042B (zh) * | 2021-10-26 | 2023-07-25 | 上海理工大学 | 面向电池包的三坐标测量自动规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332176A (zh) * | 2010-07-13 | 2012-01-25 | 中国科学院软件研究所 | 一种基于骨架的三维模型观察视点生成方法 |
CN108286949A (zh) * | 2017-12-29 | 2018-07-17 | 北京卫星制造厂 | 一种可移动式三维检测机器人系统 |
CN109682336A (zh) * | 2018-12-28 | 2019-04-26 | 上海理工大学 | 用于车身精度检测的三坐标测量路径自动规划与优化方法 |
CN110059879A (zh) * | 2019-04-16 | 2019-07-26 | 上海理工大学 | 车身三坐标测量的自动规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5551957B2 (ja) * | 2010-03-31 | 2014-07-16 | 富士フイルム株式会社 | 投影画像生成装置およびその作動方法、並びに投影画像生成プログラム |
-
2020
- 2020-04-23 CN CN202010336494.6A patent/CN111609847B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332176A (zh) * | 2010-07-13 | 2012-01-25 | 中国科学院软件研究所 | 一种基于骨架的三维模型观察视点生成方法 |
CN108286949A (zh) * | 2017-12-29 | 2018-07-17 | 北京卫星制造厂 | 一种可移动式三维检测机器人系统 |
CN109682336A (zh) * | 2018-12-28 | 2019-04-26 | 上海理工大学 | 用于车身精度检测的三坐标测量路径自动规划与优化方法 |
CN110059879A (zh) * | 2019-04-16 | 2019-07-26 | 上海理工大学 | 车身三坐标测量的自动规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111609847A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111609847B (zh) | 一种面向薄板件的机器人拍照测量系统自动规划方法 | |
CN109990701B (zh) | 一种大型复杂曲面三维形貌机器人移动测量系统及方法 | |
CN109029257B (zh) | 基于立体视觉和结构光视觉的大型工件位姿测量系统、方法 | |
CN108717715B (zh) | 一种用于弧焊机器人的线结构光视觉系统自动标定方法 | |
CN108871216B (zh) | 一种基于视觉引导的机器人多孔接触式自动测量方法 | |
CN104515478B (zh) | 一种高精度的航空发动机叶片自动三维测量方法和系统 | |
CN112325796A (zh) | 基于辅助定位多视角点云拼接的大型工件型面测量方法 | |
CN114011608B (zh) | 基于数字孪生的喷涂工艺优化系统及其喷涂优化方法 | |
CN111551111B (zh) | 一种基于标准球阵的零件特征机器人快速视觉定位方法 | |
CN112614098B (zh) | 一种基于增强现实的毛坯定位与加工余量分析方法 | |
CN103895023A (zh) | 一种基于编码方位装置的机械臂末端跟踪测量系统及方法 | |
CN109493389B (zh) | 一种基于深度学习的相机标定方法及系统 | |
CN112733428B (zh) | 一种光学测量的扫描姿态与覆盖路径规划方法 | |
CN109341532A (zh) | 一种面向自动装配的基于结构特征的零件坐标标定方法 | |
CN109129463B (zh) | 一种基于视觉的移动机械臂末端定位装置及方法 | |
CN113592961A (zh) | 一种基于精度控制场和点云特征相似性的点云拼接方法 | |
CN204269086U (zh) | 一种高精度的航空发动机叶片自动三维测量系统 | |
CN109202539B (zh) | 一种复合材料弱刚度异形结构在线检测方法 | |
CN112082483B (zh) | 仅有棱边特征工件的定位方法、应用及精度评价方法 | |
EP3693697B1 (en) | Method for calibrating a 3d measurement arrangement and 3d measurement arrangement | |
Wang et al. | A binocular vision method for precise hole recognition in satellite assembly systems | |
Shi et al. | Calibration of robotic area sensing system for dimensional measurement of automotive part surfaces | |
Hu et al. | The next-best-view for workpiece localization in robot workspace | |
Makris et al. | Vision guided robots. Calibration and motion correction | |
Garcia et al. | Machine Learning Based Position Prediction of a Target Tracked by Multi-Aperture Positioning System |
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 |