CN111673235B - 一种机器人电弧3d打印层高调控方法及系统 - Google Patents
一种机器人电弧3d打印层高调控方法及系统 Download PDFInfo
- Publication number
- CN111673235B CN111673235B CN202010651466.3A CN202010651466A CN111673235B CN 111673235 B CN111673235 B CN 111673235B CN 202010651466 A CN202010651466 A CN 202010651466A CN 111673235 B CN111673235 B CN 111673235B
- Authority
- CN
- China
- Prior art keywords
- robot
- height
- point cloud
- welding
- path
- 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
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
- B23K9/00—Arc welding or cutting
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
-
- 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
- B23K9/00—Arc welding or cutting
- B23K9/04—Welding for other purposes than joining, e.g. built-up welding
-
- 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
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
本发明涉及金属增材制造技术领域,公开了一种机器人电弧3D打印层高调控方法及系统,包括:S1:针对于三维模型进行存储和表示;S2:根据实际测量的高度对三维模型中当前层进行切片,并进行路径规划;S3:获取机器人的实时位置信息,并给机器人中的寄存器进行赋值,将路径点传输给机器人进行堆焊;S4:建立机器人与视觉传感器之间的坐标转换关系,并通过视觉传感器获得焊道点云数据;S5:通过对点云数据进行处理,获得工件的实际高度,反馈到步骤S2的对三维模型进行切片,并进行路径规划的过程中。通过采集堆焊过程中的点云信息,获得工件的几何特征,如工件表面的高度,再反馈到切片阶段,更新路径规划信息,从而保证工件堆积的可靠性。
Description
技术领域
本发明涉及金属增材制造技术领域,更具体地说,它涉及一种机器人电弧3D打印层高调控方法及系统。
背景技术
机器人电弧熔丝3D打印具有金属沉积速度快、成型复杂大型工件、力学性能好、制造周期短等优势,在金属3D打印领域引起了广泛的关注。目前,已有很多研究人员对电弧增材的控制系统进行了研究,包括有限元技术的应用、复杂的切片算法如曲面切片、自适应层高切片,路径规划算法如光栅型路径、轮廓偏置型算法等,一般的电弧增材沉积控制策略是针对三维模型进行切片,然后进行每一层的路径规划,最后根据所有的路径信息生成机代码,再进行实际的工件成型。将三维模型导入之后,按照一定的工艺参数(切片层高、焊道间距)对三维模型进行切片再进行路径规划,将得到的轮廓和点的数据存储起来用于工件的堆积成型,这种常用的控制模式具有非常大的误差,因为堆焊是一个极度非线性的动态剧烈反应过程,对于层高和沉积层间距这样重要的工艺参数,统一固定的设置将会产生极大的误差,甚至堆焊过程都难以进行,常见的失败案例便是将层高设置得比实际堆焊层高略微较大,然后随着沉积的进行,误差的积累,当高度达到一定高度的时候,工件表面已经与焊枪有一定的距离,此时已经不能正常起弧,工件沉积失败,所以有必要在堆焊的过程中实时地监控工件的位置和尺寸信息,反馈到3D模型的切片和路径规划,来保证工件的成型精度。
根据文献检索,国内已申请的电弧增材方面的专利大多数与工艺相关,如利用激光、铣削等各种工艺流程优化电弧增材过程与结果。在电弧增材系统的传感信息反馈方面申请号为CN106643525A“用于电弧增材制造熔敷道尺寸无滞后实时检测装置及实时检测方法”属于智能化增材制造领域,为解决现有技术无法实现熔敷道宽度和高度无滞后检测的问题,但是这只是信息的检测和获取,该方法无法反馈到3D模型的切片和路径规划算法的实时修正过程中进行下一步的工件成型。
发明内容
针对现有通用电弧增材制造控制系统的不足,基于机器人GMA-AM过程,本发明的目的在于提供一种机器人电弧3D打印层高调控方法及系统,其方法为一种带有视觉传感信息的机器人电弧送丝3D打印控制系统的实现方法,重点是其中的视觉模块的搭建和使用,以及3D模型的切片和路径规划方法,并在FANUC焊接机器人上实现了这一方法。主要包括三维模型导入、三维模型切片、轮廓偏置路径、机器人和视觉传感器视觉标定、激光点云数据采集及处理、位置信息的反馈等。
本发明方法侧重以下三点:1、构建具有视觉点云信息反馈的电弧增材制造系统,形成闭环系统;2、设计点云处理算法,寻找沉积层的特征点如焊顶和焊趾位置;3、将反馈工件实时的高度信息指导3D模型的切片,并在FANUC 焊接机器人上实现,实现工件的精准堆积。
本发明的上述发明目的是通过以下技术方案得以实现的:
一种机器人电弧3D打印层高调控方法,包括以下步骤:
S1:针对于需进行3D打印的三维模型进行存储和表示,并根据所述三维模型提取出点坐标和法向量,并对包括所述点坐标和所述法向量在内的原始数据进行优化,形成一个完整的包含后续计算信息的所述三维模型;
S2:根据实际测量的高度对所述三维模型当前层进行切片,并进行路径规划;
S3:通过机器人控制模块获取机器人的实时位置信息,并给机器人中的寄存器进行赋值,将路径点传输给机器人进行堆焊;
S4:建立机器人与视觉传感器之间的坐标转换关系,并通过所述视觉传感器获得焊道点云数据;
S5:通过对所述点云数据进行处理,获得工件的实时测量的实际高度,反馈到步骤S2的对所述三维模型进行切片,并进行路径规划的过程中,进行下一层的切片和路径规划。
进一步地,在步骤S1中,存储的所述三维模型为以三角形面片为单位存储的STL模型,所述STL模型采用文本文件存储,本质是由点和三角形面片组成的三维网络模型。
进一步地,在步骤S1中,对包括所述点坐标和所述法向量在内的原始数据进行优化具体包括:
设置适合于电弧增材的阈值 来去除过短和冗余的线段,再对所述三维模型进行包括每一个点的相邻点和相邻面片的记录,每一条线段的相邻线段和相邻面的记录,每一个所述三角形面片及其相邻面片在内的拓扑关系的存储。
进一步地,在步骤S2中,根据实际测量的高度对所述三维模型进行切片,具体为:
对于某一高度的切平面,不断与该高度下的所述三角形面片进行相交计算,得到所有的点,并通过所述拓扑关系,将这些点连接成一条完整的轮廓,并设置阈值 ,将过短和冗余的线段去除。
进一步地,在步骤S2中,路径规划,具体为:
采用轮廓偏置算法,将轮廓不断往内偏置,每偏置一次便是一条完整的路径,直到工件堆积完成。
进一步地,在步骤S3中,还包括:对路径点的文本文件进行处理,具体为:
根据路径点的文本文件,生成基于ASCII码的LS文本文件,再将所述 LS文本文件转换为机器人实际运行的二进制TP文件,当TP程序执行时,通过读取寄存器中的路径点信息,而进行工件的堆积工作。
进一步地,在步骤S5中,还包括对所述点云数据进行滤波处理,采用直通滤波去除所述点云数据上的噪音,采用基于领域统计滤波去除所述点云数据上的离群点。
进一步地,在对所述点云数据进行滤波处理之后,还包括:对所述点云数据进行数据分析,具体为:
为了获得z方向上的高度信息,通过yoz平面或xoz平面截取点云,再将点云二维化,分别沿着x,y方向进行多次截取,得到z高度再取均值,再将截取点云沿着切片垂直的方向进行投影,获得二维的点云数据,并对所述二维点云数据进行角度的旋转矫正。
进一步地,在获得所述二维点云数据之后,还包括对焊道特征点的提取,具体为:
提取的特征点包括焊顶和焊趾,两焊道将分别进行单独处理,对于焊顶,由于其一般位于点云最高处,所以选择最高点作为焊顶,对于焊趾,一般认为位于焊道底部左右高度变化最大的位置,可以以焊顶为界,分别向左向右寻找一阶差分、及累计差分绝对值最大的点,来获得左右两个焊趾的位置,从而获得沉积工件的实时高度H,以及当前沉积层的实时厚度d;
最后将获得的工件沉积层的实时高度H加上当前层的实时厚度d得到新的切片高度H’,再用H’进行所述三维模型的切片和路径规划,得到下一层的路径点信息,传输给机器人进行下一层的堆焊,直至工件的完成。
一种采用上述机器人电弧3D打印层高调控方法进行打印的机器人电弧 3D打印层高调控系统,包括:焊接机器人、机器人控制柜,焊枪、焊接电源、焊接保护器、送丝机,工控机和视觉传感器;
其中,所述工控机包括实现人机交互、设定电弧增材的各项参数、切片并生成路径、传输机器人位置信息、视觉传感器的控制、点云信息的处理在内的功能;
以所述机器人为服务端,所述工控机通过接口获取所述机器人的实时姿态信息,并对所述机器人传输路径信息;所述视觉传感器为线结构光主动视觉传感器,硬件由包括线激光器,CCD相机,光学镜片构成的减光滤光模块, 3d打印壳体在内的模块组成。
与现有技术相比,本发明的有益效果为:
通过采集堆焊过程中的点云信息,获得工件的几何特征,如工件表面的高度,再反馈到切片阶段,更新路径规划信息,从而保证工件堆积的可靠性。
附图说明
图1为一般的电弧增材控制策略示意图;
图2为本发明的带有反馈位置信息的电弧增材控制流程图;
图3为本发明带有反馈位置信息的电弧增材控制过程示意图;
图4为本发明带有反馈位置信息的电弧增材系统硬件组成图;
图5为本发明软件模块及堆焊流程对应图;
图6为没有反馈信息的固定层高的切片示意图;
图7为有层高反馈信息的实时高度层高切片示意图;
图8为轮廓偏置路径规划示意图;
图9为本发明设计的针对焊道的点云处理算法示意图;
图10为本发明x方向截取点云示意图;
图11为x方向矫正后的某一截片二维点集的示意图
图12为本发明堆焊过程中某一层焊道二维点集特征尺寸及特征点信息的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
如图1所示,传统的电弧增材制造的控制模式是对三维模型进行整体切片和路径规划,然后进行工件的堆积,这可能会导致堆焊过程中,焊丝离工件表面距离过大而不能正常起弧的问题,从而导致工件成型失败,所以如图 2和图3所示,本发明增加视觉传感器,通过采集堆焊过程中工件的点云信息获得工件的几何特征,如工件表面的高度,再反馈会切片阶段,更新路径规划信息,从而保证工件堆积的可靠性。
图4为本发明使用的带有反馈位置信息的机器人GMA-AM电弧填丝3D电弧增材系统,主要包括FANUC焊接机器人、机器人控制柜、焊枪、Fronius CMT 焊接电源、焊接保护气体、送丝机、工控机、视觉传感器。其中,工控机是系统中的核心设备,包括以下几个功能:实现人机交互、设定电弧增材的各项参数、切片并生成路径、传输机器人位置信息、视觉传感器的控制、点云信息的处理等。
本发明采用的焊接机器人型号是FANUC M-10iA 12,焊接控制器型号为 R-30iA,控制器目前的系统软件为V7.7版本,采用FANUC自研的Robot Interface通讯接口,以机器人为服务端,工控机可通过接口获取机器人的实时姿态信息,并对机器人传输路径信息;视觉传感器为实验室自主研发的线结构光主动视觉传感器,硬件包括线激光器,CCD相机,光学镜片构成的减光滤光系统,3d打印壳体等组成,内部具有精心的结构内部结构使得传感器的在保证必要的功能和散热等前提下实现了小型化和轻量化,保证视觉传感器安装在焊枪之上时保持稳定。以上仅是举个实例,还可以选用其他装置,在此不再详细说明。
如图5所示为本发明的带有反馈位置信息的机器人GMA-AM电弧填丝3D 电弧增材系统的软件模块组成图及与实际工作流程的对应图,包含三维模型存储及表示,切片和路径规划算法,工控机和机器人通讯模块,视觉标定,点云处理模块。软件使用VC++15标准编写。同时为了提高开发效率,以CGAL (Computational Geometry Algorithms Library)库为基础建立了基础图形单位,完成了一些图形几何计算;其中视觉标定采用自主开发的自动化标定程序,原理是张正友标定法;点云数据存储和通用的函数基于PCL(Point CloudLibrary)库接口,其余算法部分自主开发实现。
第一实施例
本实施例提供了一种机器人电弧3D打印层高调控方法,包括三维模型存储及表示,切片和路径规划算法,工控机和机器人通讯模块,视觉标定,点云处理模块等组成,执行时,具体包括以下步骤:
S1:针对于需进行3D打印的三维模型进行存储和表示,并根据所述三维模型提取出点坐标和法向量,并对包括所述点坐标和所述法向量在内的原始数据进行优化,形成一个完整的包含后续计算信息的所述三维模型。
在步骤S1中,存储的所述三维模型为以三角形面片为单位存储的STL(STereoLithograph)模型,所述STL模型采用文本文件存储,本质是由点和三角形面片组成的三维网络模型。格式简单,可以直接使用文本文件存储,被广泛用于快速成型、3D打印和计算机辅助制造。
在步骤S1中,对包括所述点坐标和所述法向量在内的原始数据进行优化具体包括:
设置适合于电弧增材的阈值 来去除过短和冗余的线段,再对所述三维模型进行包括每一个点的相邻点和相邻面片的记录,每一条线段的相邻线段和相邻面的记录,每一个所述三角形面片及其相邻面片在内的拓扑关系的存储。
S2:根据实际测量的高度对所述三维模型当前层进行切片,并进行路径规划。
如图7所示,本发明的创新之处是不再使用固定切片层高进行三维模型的切片,取而代之的是通过处理视觉传感器采集的点云获得工件实时高度,从而更新切片和路径信息,进行下一层的堆焊,保证堆积过程中的可靠性,图6是固定层高切片,图7是基于反馈高度信息切片示意图,所以每层切片层高不是固定的,而是由工件实时堆积的高度决定的。
在步骤S2中,根据实际测量的高度对所述三维模型进行切片,具体为:
对于某一高度的切平面,不断与该高度下的所述三角形面片进行相交计算,得到所有的点,并通过所述拓扑关系,将这些点连接成一条完整的轮廓,并设置阈值 ,将过短和冗余的线段去除。
在本实施例中,切片主要采用的三维模型的切片算法:根据用户给出的切平面高度,形成一系列与模型形成相交的互相平行的切平面。每个切平面的切片流程为:对于高度为hi的切平面,首先根据预处理中的拓扑关系提取出此高度上相关的所有三角网格,再依次将这组三角网格按照相邻的顺序与切平面求相交线段,相邻平面上的线段首尾相接得到hi高度上的二维轮廓。
在步骤S2中,路径规划,具体为:
采用轮廓偏置算法,如图8所示,该算法的基本处理方式是将轮廓不断往内偏置,每偏置一次便是一条完整的路径,直到工件堆积完成,该算法非常适合薄壁工件且具有较高的表面平整度。
S3:通过机器人控制模块获取机器人的实时位置信息,并给机器人中的寄存器进行赋值,将路径点传输给机器人进行堆焊。
在步骤S3中,还包括:对路径点的文本文件进行处理,具体为:
根据路径点的文本文件,生成基于ASCII码的LS文本文件,再将所述 LS文本文件转换为机器人实际运行的二进制TP文件,当TP程序执行时,通过读取寄存器中的路径点信息,而进行工件的堆积工作,从而成型复杂形状的几何工件。
S4:建立机器人与视觉传感器之间的坐标转换关系,并通过所述视觉传感器获得焊道点云数据。
本发明的视觉标定模块是为了建立机器人、视觉传感器之间的坐标系转换关系,在本发明中具有非常重要的作用。标定是视觉传感器运行的前提和线结构光视觉传感器精度的决定因素之一,主要包括两个过程,一个为反映从空间激光条纹像素坐标点到相机三维空间坐标点转换关系的激光平面标定,一个反映相机坐标与世界坐标的转换关系的手眼标定。本发明的视觉传感系统采用自主开发的自动化标定程序,该标定程序的基本原理是张正友标定法,一般过程是通过操作机器人在不同姿态下拍摄有标准标定板的图片,拍摄完成后通过计算相关矩阵完成标定。
S5:通过对所述点云数据进行处理,获得工件的实时测量的实际高度,反馈到步骤S2的对所述三维模型进行切片,并进行路径规划的过程中,进行下一层的切片和路径规划。
图9所示本发明自行设计的针对焊道点云的算法,本发明的点云处理模块的目的是获取工件的实时高度和当前层的厚度,再反馈到3D模型的切片和路径规划过程,是本发明的核心过程。传感器采集得到的点云数据往往容易受到周围环境光、震动等影响,先进行多种滤波处理,然后本发明为了获得工件准确的高度和当前层厚度设计了针对焊道的点云处理算法,包括滤波、识别焊顶、差分计算识别焊趾等过程。点云数据存储和通用的函数基于PCL (Point Cloud Library)库接口。
采用直通滤波去除所述点云数据上的噪音,采用基于领域统计滤波去除所述点云数据上的离群点。
在对所述点云数据进行滤波处理之后,还包括:对所述点云数据进行数据分析,主要是为了获得z方向上的高度信息,可以通过yoz平面或xoz平面截取点云,再将点云二维化,获得z方向上的信息,这样既可以降低算法的计算时间,又可以提高实时性。为了获得整个工件实时的z方向上的高度,可以分别沿着x,y方向进行多次截取,得到z高度再取均值,截取间隔取 10mm,每一小块点云厚度取1mm,再将截取点云沿着切片垂直的方向进行投影,获得二维的点云数据,截取二维点云如图10所示。直接切片得到的二维点集有一定倾角的,有必要进行一定角度的旋转矫正,本发明采用的策略是在二维点集上,找到(ymin,z1),(ymax,z2)两个点,构成旋转向量从而将二维点集进行矫正,矫正之后如图11所示。
获取二维点云信息后,进行该焊道特征点的提取,本发明主要获得的信息是焊道高度和当前层厚度,提取的特征点包括焊顶和焊趾,两焊道将分别进行单独处理,对于焊顶,由于其一般位于焊道点云最高处,所以选择焊道最高点作为焊顶,对于焊趾,一般认为位于焊道底部左右高度变化最大的位置,可以以焊顶为界,分别向左向右寻找一阶差分、及累计差分绝对值最大的点,来获得左右两个焊趾的位置,方法如公式1-1和1-2所示,H1是焊道某点p(i)与右边十个点的高度差分和,H2是焊道某点p(i)与左边边十个点的高度差分和,H3是累计的差分和,可以判定左右高度变化最大的位置,即焊趾,提取到的焊道特征点如图12所示。
H=H1+H2(1-3)
最后将获得的焊缝高度H加上当前层的厚度d(焊顶高度减焊趾高度) 得到下一层切片高度H’,并用于3D模型切片,更新切片和路径规划,得到下一层的路径点信息,传输给机器人进行下一层的堆焊,直至工件的完成,得到完整的工件。
第二实施例
本实施例提供了一种采用如第一实施例中机器人电弧3D打印层高调控方法进行打印的机器人电弧3D打印层高调控系统,其特征在于,包括:焊接机器人、机器人控制柜,焊枪、焊接电源、焊接保护器、送丝机,工控机和视觉传感器。
其中,工控机是系统中的核心设备,所述工控机包括实现人机交互、设定电弧增材的各项参数、切片并生成路径、传输机器人位置信息、视觉传感器的控制、点云信息的处理在内的功能。
焊接机器人型号是FANUC M-10iA 12,焊接控制器型号为R-30iA,控制器目前的系统软件为V7.7版本,采用FANUC自研的Robot Interface通讯接口以机器人为服务端,工控机可通过接口获取机器人的实时姿态信息,并对机器人传输路径信息;视觉传感器为实验室自主研发的线结构光主动视觉传感器,硬件包括线激光器,CCD相机,光学镜片构成的减光滤光系统,3D打印壳体等组成,内部具有精心的结构内部结构使得传感器的在保证必要的功能和散热等前提下实现了小型化和轻量化,保证视觉传感器安装在焊枪之上时保持稳定,视觉传感器的详细参数如表1所示。
表1.视觉传感器主要参数
一种计算机可读存储介质,计算机可读存储介质存储有计算机代码,当计算机代码被执行时,如上述方法被执行。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
Claims (8)
1.一种机器人电弧3D打印层高调控方法,其特征在于,包括以下步骤:
S1:针对于需进行3D打印的三维模型进行存储和表示,并根据所述三维模型提取出点坐标和法向量,并对包括所述点坐标和所述法向量在内的原始数据进行优化,形成一个完整的包含后续计算信息的所述三维模型;
S2:根据实际测量的高度对所述三维模型当前层进行切片,并进行路径规划;
S3:通过机器人控制模块获取机器人的实时位置信息,并给机器人中的寄存器进行赋值,将路径点传输给机器人进行堆焊;
S4:建立机器人与视觉传感器之间的坐标转换关系,并通过所述视觉传感器获得焊道点云数据;
S5:通过对所述点云数据进行处理,获得工件的实时测量的实际高度,反馈到步骤S2的对所述三维模型进行切片,并进行路径规划的过程中,进行下一层的切片和路径规划;
在步骤S5中,还包括对所述点云数据进行滤波处理,采用直通滤波去除所述点云数据上的噪音,采用基于领域统计滤波去除所述点云数据上的离群点;
在对所述点云数据进行滤波处理之后,还包括:对所述点云数据进行数据分析,具体为:
为了获得z方向上的高度信息,通过yoz平面或xoz平面截取点云,再将点云二维化,分别沿着x,y方向进行多次截取,得到z高度再取均值,再将截取点云沿着切片垂直的方向进行投影,获得二维的点云数据,并对所述二维点云数据进行角度的旋转矫正。
2.根据权利要求1所述的机器人电弧3D打印层高调控方法,其特征在于,在步骤S1中,存储的所述三维模型为以三角形面片为单位存储的STL模型,所述STL模型采用文本文件存储,本质是由点和三角形面片组成的三维网络模型。
3.根据权利要求2所述的机器人电弧3D打印层高调控方法,其特征在于,在步骤S1中,对包括所述点坐标和所述法向量在内的原始数据进行优化具体包括:
设置适合于电弧增材的阈值 来去除过短和冗余的线段,再对所述三维模型进行包括每一个点的相邻点和相邻面片的记录,每一条线段的相邻线段和相邻面的记录,每一个所述三角形面片及其相邻面片在内的拓扑关系的存储。
4.根据权利要求3所述的机器人电弧3D打印层高调控方法,其特征在于,在步骤S2中,根据实际测量的高度对所述三维模型进行切片,具体为:
对于某一高度的切平面,不断与该高度下的所述三角形面片进行相交计算,得到所有的点,并通过所述拓扑关系,将这些点连接成一条完整的轮廓,并设置阈值 ,将过短和冗余的线段去除。
5.根据权利要求1所述的机器人电弧3D打印层高调控方法,其特征在于,在步骤S2中,路径规划,具体为:
采用轮廓偏置算法,将轮廓不断往内偏置,每偏置一次便是一条完整的路径,直到工件堆积完成。
6.根据权利要求1所述的机器人电弧3D打印层高调控方法,其特征在于,在步骤S3中,还包括:对路径点的文本文件进行处理,具体为:
根据路径点的文本文件,生成基于ASCII码的LS文本文件,再将所述LS文本文件转换为机器人实际运行的二进制TP文件,当TP程序执行时,通过读取寄存器中的路径点信息,而进行工件的堆积工作。
7.根据权利要求1所述的机器人电弧3D打印层高调控方法,其特征在于,在获得所述二维点云数据之后,还包括对焊道特征点的提取,具体为:
提取的特征点包括焊顶和焊趾,两焊道将分别进行单独处理,对于焊顶,由于其一般位于点云最高处,所以选择最高点作为焊顶,对于焊趾,一般认为位于焊道底部左右高度变化最大的位置,可以以焊顶为界,分别向左向右寻找一阶差分、及累计差分绝对值最大的点,来获得左右两个焊趾的位置,从而获得沉积工件的实时高度H,以及当前沉积层的实时厚度d;
最后将获得的工件沉积层的实时高度H加上当前层的实时厚度d得到新的切片高度H’,再用H’进行所述三维模型的切片和路径规划,得到下一层的路径点信息,传输给机器人进行下一层的堆焊,直至工件的完成。
8.一种采用如权利要求1-7中任意一项机器人电弧3D打印层高调控方法进行打印的机器人电弧3D打印层高调控系统,其特征在于,包括:焊接机器人、机器人控制柜,焊枪、焊接电源、焊接保护器、送丝机,工控机和视觉传感器;
其中,所述工控机包括实现人机交互、设定电弧增材的各项参数、切片并生成路径、传输机器人位置信息、视觉传感器的控制、点云信息的处理在内的功能;
以所述机器人为服务端,所述工控机通过接口获取所述机器人的实时姿态信息,并对所述机器人传输路径信息;所述视觉传感器为线结构光主动视觉传感器,硬件由包括线激光器,CCD相机,光学镜片构成的减光滤光模块,3D打印壳体在内的模块组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010651466.3A CN111673235B (zh) | 2020-07-08 | 2020-07-08 | 一种机器人电弧3d打印层高调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010651466.3A CN111673235B (zh) | 2020-07-08 | 2020-07-08 | 一种机器人电弧3d打印层高调控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111673235A CN111673235A (zh) | 2020-09-18 |
CN111673235B true CN111673235B (zh) | 2022-02-08 |
Family
ID=72457450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010651466.3A Active CN111673235B (zh) | 2020-07-08 | 2020-07-08 | 一种机器人电弧3d打印层高调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111673235B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112191991A (zh) * | 2020-10-26 | 2021-01-08 | 苏州鑫之博科技有限公司 | 电弧增材的多传感器智能喷头及增材制造方法 |
CN112620652B (zh) * | 2020-11-27 | 2022-09-27 | 哈尔滨工业大学 | 一种电弧增材制造过程的自适应控制系统及方法 |
CN112518082A (zh) * | 2020-12-08 | 2021-03-19 | 上海交通大学 | 一种基于多传感信息的机器人热丝tig增材质量监控系统 |
CN112846445B (zh) * | 2020-12-31 | 2022-04-15 | 南京英尼格玛工业自动化技术有限公司 | 一种金属结构多层多道复合电弧增材制造方法及系统 |
CN113042858B (zh) * | 2021-04-02 | 2022-02-22 | 华东理工大学 | 一种自适应调参的电弧增材制造方法及系统 |
CN113218330B (zh) * | 2021-04-27 | 2022-04-08 | 大连理工大学 | 基于pcl库的大型薄壁构件测量及数据处理方法 |
CN114101853B (zh) * | 2021-12-15 | 2022-08-30 | 北京理工大学 | 一种电弧增材表面平整与高度的控制方法及装置 |
CN115139298B (zh) * | 2022-05-25 | 2023-10-10 | 南京衍构科技有限公司 | 一种降低机器人振动对增材质量影响的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109532021A (zh) * | 2018-10-10 | 2019-03-29 | 浙江大学 | 基于结构光线性异常点的3d打印熔积缺陷逐层检测方法 |
CN110524580A (zh) * | 2019-09-16 | 2019-12-03 | 西安中科光电精密工程有限公司 | 一种焊接机器人视觉组件及其测量方法 |
CN111215726A (zh) * | 2019-12-02 | 2020-06-02 | 上海交通大学 | 一种机器人gma-am过程电弧填丝3d打印控制系统及控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019055017A1 (en) * | 2017-09-14 | 2019-03-21 | Hewlett-Packard Development Company, L.P. | AUTOMATED CALIBRATION TARGET SUPPORTS |
-
2020
- 2020-07-08 CN CN202010651466.3A patent/CN111673235B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109532021A (zh) * | 2018-10-10 | 2019-03-29 | 浙江大学 | 基于结构光线性异常点的3d打印熔积缺陷逐层检测方法 |
CN110524580A (zh) * | 2019-09-16 | 2019-12-03 | 西安中科光电精密工程有限公司 | 一种焊接机器人视觉组件及其测量方法 |
CN111215726A (zh) * | 2019-12-02 | 2020-06-02 | 上海交通大学 | 一种机器人gma-am过程电弧填丝3d打印控制系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111673235A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111673235B (zh) | 一种机器人电弧3d打印层高调控方法及系统 | |
CN110227876B (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
US10814439B2 (en) | Turbomachine repair using additive manufacturing | |
CN106041937B (zh) | 一种基于双目立体视觉的机械手抓取控制系统的控制方法 | |
CN111192307B (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
CN111805131B (zh) | 一种焊缝轨迹实时定位方法、装置、存储介质及终端 | |
CN114571153B (zh) | 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法 | |
CN112161619B (zh) | 位姿检测方法、三维扫描路径规划方法和检测系统 | |
CN110988586B (zh) | 一种配网带电作业机器人作业精准定位方法及系统 | |
CN105844067B (zh) | 一种船体曲板焊接变坡口自动加工数据的获取方法 | |
CN115685876B (zh) | 一种基于轨迹补偿的平面激光切割控制方法及系统 | |
EP1286309A2 (en) | An automated CAD guided sensor planning process | |
CN113910612A (zh) | 后处理3d打印部件 | |
CN109910294A (zh) | 一种基于机器视觉的3d打印成型精度检测方法 | |
CN114742883A (zh) | 一种基于平面类工件定位算法的自动化装配方法及系统 | |
CN114022542A (zh) | 一种基于三维重建的3d数据库制作方法 | |
CN115965960A (zh) | 一种基于深度学习与3d点云的焊缝识别方法 | |
CN117853742A (zh) | 一种基于结构光的焊缝坡口特征提取方法及焊接机器人 | |
Lettori et al. | A review of geometry representation and processing methods for cartesian and multiaxial robot-based additive manufacturing | |
CN115018813A (zh) | 一种机器人自主识别与精确定位焊缝的方法 | |
CN112462689B (zh) | 生成工艺品数字模型随型雕刻四轴三联动刀具路径的方法 | |
Preissler et al. | Approach for process control in additive manufacturing through layer-wise analysis with 3-dimensional pointcloud information | |
CN110153582A (zh) | 焊接方案生成方法、装置以及焊接系统 | |
Goodwin et al. | Vision-based localization for cooperative robot-CNC hybrid manufacturing | |
CN114223018A (zh) | 元件复制方法、装置和系统 |
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 |