CN112906232A - 一种汽修用车辆快速建模及喷漆路径规划方法 - Google Patents

Abstract

本发明公开了一种汽修用车辆快速建模及喷漆路径规划方法，基于车辆尺寸的基本参数，首先利用激光雷达扫描获得车头车尾位置，然后重新进行精确扫描，获得车身所在的精确位置，再进行第三次扫描，获得车身上的目标部件的精确数据，对激光雷达扫描数据进行筛选、格式转化、分割聚合、计算法向量得到包含法向量信息、且适宜计算喷枪轨迹的法向量点云，以法向量点云、喷枪的喷幅、喷枪步进长度为基本数据计算喷枪的运动轨迹。由此，本发明的汽修用车辆快速建模及喷漆路径规划方法不需要提前获知车辆的精确数据，适用于汽修领域种类繁多，需要快速实时建模并生成喷枪运动轨迹的场景，成功的将喷漆机器人引入了汽修领域。

Description

一种汽修用车辆快速建模及喷漆路径规划方法

技术领域

本发明涉及汽修领域，尤其涉及一种汽修用车辆快速建模及喷漆路径规划方法。

背景技术

随着汽车市场的不断发展，相应的汽车维修服务需求也与日俱增，其中汽车喷漆维修是维修服务中非常重要的一项。

传统的汽车喷漆维修都是依靠工人手持喷枪进行工作，通过手动进气压力控制出漆量，同时随机根据汽车表面变化调节喷枪与汽车表面的距离，这样就导致喷涂厚度不均匀、质量主要依靠喷漆工的个人感觉和个人的技术水平等问题，不仅喷漆质量完全是不可控的，而且喷漆效率也比较低下。

而在汽车生产领域使用的全自动喷漆机器人，不仅价格昂贵，且由于采用人工示教等方式规划喷漆路径，只适用于特定车型，特定部件的固定流水线喷漆工作，显然是无法适应汽车维修市场车型丰富多样，各部件表面差异巨大的应用场景。

要想将喷漆机器人应用于汽修领域，提高喷漆质量，必须要解决的问题是：

1、现场对车辆快速建模，因为汽修行业，每次维修的车辆都不尽相同，要想提前涵盖市面上所有车企、各种规格的车辆的数据模型既不现实，也没有必要，更何况很多车主会对自己的车辆进行个性化改造，也导致厂家提供的标准模型并不适用于市面上真正的车辆。

2、要精确测量喷枪与车辆的位置关系。传统的车辆建模，主要是模型本身上各个零部件之间的位置关系准确即可，但是若用于喷漆，则必须获知车辆自身各个面与喷枪的具体位置关系，考虑到汽修领域，车辆进入维修场所时停靠的位置不可能像整车厂家生产环节那么精准，所以喷漆机器人必须适应这样的场景变换，能够在车辆每次停靠位置不同的情况下，准确获知喷枪与车辆表面精确的位置关系，以便进行喷漆控制。

发明内容

本发明所要解决的技术问题是：提供一种汽修用车辆快速建模及喷漆路径规划方法。

为解决上述技术问题，本发明所采用的技术方案是：

一种汽修用车辆快速建模及喷漆路径规划方法，包括：

S1、建立车型数据，所述车型数据包括车身基本尺寸数据、车身上各部件尺寸数据及各部件与车辆各基准点的位置关系；

S2、使用激光雷达进行粗略扫描，确定车辆所在位置；

S3、基于车辆所在的位置，结合需要建模的目标部件与基准点的位置关系，确定精确扫描路径，对目标部件进行精确扫描，获得原始点云；

S4、采集目标部件的精确数据，得到原始点云source_cloud；将原始点云source_cloud内的激光雷达的数据进行方格划分及格式转化，转换为三维坐标数据，得到三维坐标矩阵；

S5、将三维坐标矩阵内的三维坐标数据进行格式转化，存储为矩阵点云，计算矩阵点云中各个点的法向量，获得法向量点云；

S6、根据喷枪喷幅、法向量点云中各点的坐标、各点的法向量进行喷漆轨迹的规划。

与现有技术相比，本发明具有如下技术效果：

无需提前建立各种车型的精细模型，使喷漆机器人能适应汽车维修市场丰富多样的车型和部位形状差异大等复杂的应用场景，提高维修服务中汽车喷漆的质量和工作效率。

在上述技术方案的基础上，本发明还可以做如下改进。

优选地，所述车辆所在位置，包括车头、车尾、车顶、车左侧、车右侧的位置。

优选地，所述车身基本尺寸数据包括车辆的长度、宽度、高度；所述部件基本尺寸数据包括各部件自身的长度、宽度、高度及各部件距离车尾、车顶、车头、车左侧、车右侧的距离。

采用上述进一步方案的有益效果是，以车辆的车头、车尾、车顶、车左侧、车右侧为基准点，定位车辆各部位的相对位置关系，只要提前存储各类车辆的极简基本信息模型即可，降低了投入成本，且以相对位置关系来定义各部件位置，更好的适应车辆维修场景下，车辆停放位置不一致的问题。

优选地，所述步骤S2，具体包括以下子步骤：

S2-1、控制激光雷达沿车辆长度方向对车身进行第一次扫描；

S2-2、根据第一次扫描的结果进行计算，获得车头和车尾的大概位置；

S2-3、根据步骤S2-2确定的车头和车尾的大概位置，限定扫描范围在车头与车尾之间，计算第二次扫描路径，对车辆整体进行第二次扫描；

S2-4、根据第一次扫描结果和第二次扫描结果，计算获取车头、车尾、车左侧、车右侧、车顶的中线坐标；

采用上述进一步方案的有益效果是，第一次扫描确认车辆的大致位置，从而利用原始记录的车辆各部件的相对于车头、车尾等的位置关系，计算出各部位的准确位置，提升车辆在当前空间下的位置信息的准确度。

优选地，所述步骤S3，具体包括以下子步骤：

S3-1、根据步骤S1及步骤S2中获取的数据，计算出位于目标部件中部的第一条精确扫描路径；

S3-2、设定激光雷达扫描宽幅，以第一条精确扫描路径为起始点，计算目标部件的剩余扫描路径；

采用上述进一步方案的有益效果是，利用目标部件中部的数据准确度更高的特点，提高数据的精度。

优选地，所述步骤S4，具体包括以下子步骤：

S4-1、采集位于目标部件范围内的激光雷达扫描数据，存入source_cloud点云中；

S4-2、将source_cloud点云中的激光雷达数据进行格式转换为三维坐标数据，得到三维坐标矩阵；

优选地，所述步骤S4中，将目标部件的表面划分为若干个矩阵格子，每个矩阵格子的面积为a×b；矩阵格子的中心坐标作为本矩阵格子的坐标；生成以矩阵格子为基本单元的三维坐标矩阵。

采用上述进一步方案的有益效果是，针对喷枪的控制精度，对原始点云中的数据进行处理，在保证控制精度的前提下，可以降低计算量，提高工作效率。

优选地，所述步骤S5，具体是包括：

S5-1、将三维坐标矩阵转化为点云格式的数据获得matrix_cloud点云；

S5-2、使用PCL(Point cloud Libriary点云库)公开的点云计算方法，计算matrix_cloud点云中每个点的法向量，获得包含有法向量数据的法向量点云matrix_normal_cloud。

附图说明

图1为本发明的汽修用车辆快速建模及喷漆路径规划方法的流程图；

图2是根据本发明实施例的一种可选的扫描车身位置的路径规划示意图；

图3是本发明实施例中激光雷达处于90度时与汽车表面的位置关系示意图；

图4是本发明实施例中激光雷达处于汽车右侧时与汽车表面的位置关系示意图；

图5是实施例中精确扫描车辆部件的路径规划示意图；

图6是实施例中右车门路径规划结果示意图；

图7是本实施例中所用激光雷达的结构示意图。

图中各标号表示的部件名称如下：

1、激光雷达本体；2、激光线。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

请参照图1所示，其为本发明的汽修用车辆快速建模及喷漆路径规划方法的结构示意图。

步骤S1:建立汽车车型数据,包括车辆所有部件到指定位置的距离，用于计算后续激光雷达扫描规划路径，具体地：

将车辆按结构分成车顶、引擎盖、左前门、左后门、右前门、右后门、前保险杠、后保险杠、后备箱、左前翼子板、左后翼子板、右前翼子板、右后翼子板、左A柱、右A柱、左B柱、右B柱、左C柱、右C柱、左顶棚横梁、右顶棚横梁等部件。

测量所有部件的长、宽、高以及部件位置X、部件位置Y、部件位置Z，具体含义如下：

部件长：定义为部件从车尾到车头方向的距离，用length来表示；

部件宽：定义为部件从车左侧到右侧方向的距离，用width来表示；

部件高：定义为部件最高处到最低处的距离，用height来表示；

部件位置X：从车尾到部件开始处的距离，用length_position来表示；

部件位置Y：左侧部件为从车辆最左侧到部件的距离，即车辆最左侧所在面与部件的最短距离，右侧部件为从车辆最右侧到部件的距离，用width_position来表示，即车辆最右侧所在面与部件的最短距离；

部件位置Z：车顶到部件最高处的位置，用height_position来表示。

以上是以车辆的车头、车尾、车最左侧、车最右侧、车顶为基准点，确定车体上各部件的相对位置关系。

步骤S2：将待处理车辆置于预设空间内中，使用激光雷达扫描整个车身数据，确定车身位置。本实施例中使用的激光雷达为360度激光扫描激光雷达，激光雷达本体可在如图2所示的XYZ三维空间内移动，空间零点坐标位于左上角，激光雷达本体可在XOY面绕平行于Z轴的旋转轴进行360度旋转，其旋转角度定义为激光雷达转轴角度，可实时获取到激光雷达本体在当前空间中的坐标(xl,yl,zl)及激光雷达转轴角度。激光雷达如图7所示，激光雷达本体1在工作时始终360度旋转，其发射出的激光线2会扫描形成一个面。激光雷达本体1具有朝向外部空间的正面和与安装面重合的反面。

所述步骤S2具体包括以下步骤：

步骤S2-1：移动激光雷达本体到预设位置，开始沿着车尾到车头方向移动，扫描车身。在本实施例中，设车辆车头朝向X轴正方向，定义激光雷达本体正面朝向Y轴正方向时，激光雷达转轴角度为0度，顺着Z轴正向看去，逆时针旋转激光雷达转轴角度为增加，将激光雷达转轴角度调整至90度位置，此时激光雷达本体正面朝向X轴正向，激光线形成的平面与X轴垂直，与Y轴平行，这样采集到的激光雷达数据，计算成空间坐标时才准确，否则XY坐标会随着激光雷达偏差角度出现一定程度的偏差。

步骤S2-2：根据扫描数据计算出大概车尾及车头位置。

激光雷达采集的数据格式为(angle,dist)，如图3所示，定义激光雷达零点中心线与Z轴平行且方向向下(即与Z轴正方向相同)，angle为汽车表面的目标位置同激光雷达本体中心的连线与激光雷达零点中心线的夹角，定义为雷达激光角度θ(即图中的θ，请注意与激光雷达转轴角度进行区分)，激光雷达零点中心线与目标位置同激光雷达本体中心的连线确定一参考面，从垂直于此参考面、且正视激光雷达正面的视角来看，定义雷达激光角度顺时针方向增加。dist为激光雷达本体中心到汽车表面上目标位置的距离。

图3为激光雷达转轴角度处于90度、激光雷达扫描车顶时，激光雷达与汽车表面的位置关系示意图；已知激光雷达本体的坐标(xl，yl，zl)及当前雷达激光角度θ，可根据公式(1)计算出车身表面的位置点坐标(x,y,z)。

将距离地面指定高度的所有车身表面位置点坐标数据存入90度数据点云，用cloud_90来表示，即激光雷达转轴角度为90度时的点云，计算出90度数据点云中x的最小值x_min与最大值x_max，记为车尾与车头位置。

步骤S2-3：根据S2-2的计算结果，重新计算后续扫描路径，按新路径继续移动激光雷达，采集车身数据。

具体的后续扫描路径为：

将激光雷达移动至x_max位置处，使激光雷达转轴角度调整至180度，此时激光线形成的平面与Y轴垂直，与X轴平行，以激光发射方向指向Z轴正方向为基准线，采集此基准线前后30度角度之内的激光雷达数据，并按公式(2)计算所有点坐标，将坐标数据存入180度数据点云中，用cloud_180来表示，即激光雷达转轴角度为180度时的点云；

激光雷达移动到车辆右侧附近，激光雷达转轴角度调整至90度位置，以激光发射方向指向Z轴正方向为基准线，采集此基准线前后30度角度之内的激光雷达数据，并按公式(1)计算所有点坐标，将坐标数据存入点云cloud_90；

移动激光雷达至车尾x_min位置，激光雷达转轴角度调整到180度，以激光发射方向指向Z轴正方向为基准线，采集此基准线前后30度角度之内的激光雷达数据，并按公式(2)计算所有点坐标，将坐标数据存入cloud_180点云。

步骤S2-4：扫描完成后，根据两次扫描数据，计算出整个车身的车尾、车头、车左、车右及车顶在坐标系中的位置。

根据公式(3)，计算出准确的车辆在空间坐标系中的位置，其中back为车辆车尾位置，front为车辆车头位置，left为车辆左侧位置，right为车辆右侧位置，top为车辆车顶位置。

步骤S3根据车型数据及车身位置计算车辆部件的精确扫描路径，具体步骤为：

步骤S3-1：根据S1测量的部件数据，以及S2计算出的车身的车尾、车头、车左、车右及车顶在坐标系中的位置，计算出部件中间的第一条精确扫描路径。

以右后车门为例，激光雷达开始扫描时的路径起始位置可按公式(4)计算。

其中startX为X方向的起始位置，endX为X方向的结束位置，startY为Y方向的位置，startZ为Z方向的位置，lidarDistance为扫描时激光雷达到车身的距离。扫描右后门时，激光雷达的一次扫描应固定在同一个Y和Z的位置，在X方向上从startX移动至endX。

步骤S3-2：按S3-1计算的路径采集部件数据，计算激光雷达扫描宽度，并计算剩余部分的扫描路径。

如图4所示，此时视角平行于X轴，且方向指向X轴的负方向，激光雷达转轴角度调 整至90度位置，激光线所在平面与Y轴平行，与X轴垂直。由于360激光雷达在激光雷达零点中心线附近的数据最准确，超过一定角度，汽车表面会向其他角度分散一部分激光，导致数据稀疏，因此为了激光雷达采集数据的准确，以激光发射方向指向Y轴负方向为基准线，采集此基准线前后30度角度之内的激光雷达数据，此时应按公式(5)计算坐标。

将采集的数据存入部件原始数据点云中，用source_cloud来表示，由于激光雷达的扫描宽度会受车身颜色以及倾斜角度影响，因此每次扫描都需要计算出实际的扫描宽度，取部件中间位置startX+length/2±100mm内的数据作为中段数据，之所以取部件中段数据，是因为此段数据受倾斜角度影响最小，相比部件开始结束位置，所得扫描宽度更容易覆盖整个部件，计算出z_min、z_max,则由公式(6)可以计算出当前激光雷达的扫描宽度，用scan_width来表示，取z轴数据最大、最小值差的绝对值。

scan_width＝abs(z_max-z_min) (6)

如图5所示，有了当前激光雷达的扫描宽度scan_width，可以计算出剩余部分的扫描路径，将剩余路径分成上下两部分，上部分由Z轴startZ处依次向上移动scan_width宽度，直到扫描宽度覆盖部件上侧边缘，下部分由startZ处依次向下移动scan_width宽度，直到扫描跨度覆盖部件下侧边缘。

可选地，步骤S4根据路径扫描相应部件，采集部件范围内的数据，进行方格划分并转换为三维坐标矩阵，具体的步骤为：

步骤S4-1：将激光雷达按S3计算出的路径移动，采集移动范围内符合条件(位于部件的长宽高范围内)的激光雷达数据；

按S3扫描路径扫描部件，将所有采集坐标存入source_cloud点云中；

步骤S4-2：进行方格划分、建立三维坐标矩阵，将激光雷达采集数据存入三维坐标矩阵中；

为了方便后续计算喷漆路径，将部件所在右侧平面按10×10mm每格，划分为M×N的矩阵，M×10、N×10为空间宽度和高度，其中矩阵元素为gride_mn＝(grideX_mn,grideY_mn,grideZ_mn),

m＝x/10，n＝z/10，grideX_mn，grideY_mn，grideZ_mn按公式(7)计算。

遍历source_cloud点云的所有数据，根据m、n的位置将每个数据统计到矩阵格子中，其中grideSumX、grideSumY、grideSumZ为当前矩阵格子中所有点对应的X、Y、Z的和，grideCount为落入当前矩阵格子中点的数量，计算完成后将gride_mn＝(grideX_mn,grideY_mn,grideZ_mn)定义为三维坐标矩阵中的点。

可选地，步骤S5将车身三维坐标矩阵转换为点云数据获得矩阵点云，利用点云数据计算所有矩阵元素点法向量，具体步骤为：

步骤S5-1：将部件范围内矩阵所有数据转换为点云数据；

本实施例使用PCL点云库，其中的点云是由pcl::PointXYZ类型的数据组成，pcl::PointXYZ表示一个点的坐标(x,y,z)。定义一个pcl::PointXYZ类型的数据p，令p.x＝grideXmn,p.y＝grideYmn,p.z＝grideZmn，就可以将矩阵的元素数据转换为对应的点云数据，将所有矩阵元素添加进点云，就得到了整个矩阵点云。

将满足公式8条件的元素，即在部件范围内的元素都加入到矩阵点云中，用matrix_cloud来表示。

步骤S5-2：使用矩阵点云的数据，计算出所有点的法向量，并将法向量存储起来用于后续喷漆路径计算。

本实施例使用PCL点云库(Point cloud Libriary)公开的点云计算方法，计算点云中每个点的法向量，以matrix_cloud作为输入点云，最终得到法向量点云matrix_normal_cloud。

可选地，步骤S6：根据喷枪喷幅计算喷漆轨迹，具体步骤包括：

S6-1：根据实际喷漆时，喷漆可以覆盖汽车表面的喷幅，计算在汽车表面的喷漆路径；

假设根据实际喷漆宽度以及喷漆工艺要求，确定喷漆喷幅为sprayWidth,喷漆步进幅度为step，遍历矩阵，可以根据公式(9)找到喷枪在汽车表面移动的路径点在矩阵中的位置(m,n)

其中l为当前路径的行数，c为在当前行的第几个路径点，当l为偶数行时喷漆方向为X轴正向，为奇数行时，喷漆方向为X轴负向。将所有找到的路径点gride_mn存入路径向量routeVector。

S6-2：根据喷漆需要距离汽车表面的距离，计算出喷枪垂直于汽车表面的移动路径：

对routeVector中所有路径点，在法向量点云中matrix_normal_cloud找到gride_mn对应的法向量normal_mn(normalX_mn,normalY_mn,normalZ_mn)，假设喷枪距离汽车表面的距离为distance，根据公式(10)，计算喷枪的路径点spray_mn，存入喷枪路径向量sprayVector。

如图6为右后门路径规划结果的示意图，其中，matrix_cloud为激光雷达扫描的车门数据转换为的矩阵点云，spray_mn为根据喷枪的喷幅和步进距离计算出的路径点，spray_mn决定喷头运动到的实际喷漆位置，normal_mn为当前路径点的法向量，normal_mn决定喷头的实际喷漆角度，将喷枪路径点坐标spray_mn以及对应的法向量normal_mn组成的点数据，传送给工业喷漆机器人，作为喷漆机器人的移动路径，通过机器人运动控制算法将点坐标及法向量转换成控制机器人运动的电机脉冲，就可以准确的控制机器人移动到路径点所对应的实际喷漆位置及角度。因为法向量是与汽车表面垂直的，因此就可以实现喷漆机器人始终垂直于汽车表面喷漆，且保持固定的喷漆距离移动，从而可以适应汽车表面不同部件，不同形状，并且达到均匀的高质量的喷漆效果。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种汽修用车辆快速建模及喷漆路径规划方法，其特征在于，包括以下步骤：

S1、建立车型数据，所述车型数据包括车身基本尺寸数据、车身上各部件尺寸数据及各部件与车辆各基准点的位置关系；

S2、使用激光雷达对预设空间进行粗略扫描，确定车辆所在位置；

S3、基于车辆所在的位置，结合需要建模的目标部件与基准点的位置关系，确定精确扫描路径，对目标部件进行精确扫描；

S4、采集目标部件的精确数据，得到原始点云source_cloud，将原始点云source_cloud内的激光雷达的数据进行方格划分及格式转化，转换为三维坐标数据，得到三维坐标矩阵；

S5、将三维坐标矩阵内的三维坐标数据进行格式转化，存储为矩阵点云，计算矩阵点云中各个点的法向量，获得法向量点云；

S6、根据喷枪喷幅、法向量点云中各点的坐标、各点的法向量进行喷漆轨迹的规划。

2.根据权利要求1所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述车辆所在位置包括车头、车尾、车顶、车左侧、车右侧的坐标。

3.根据权利要求1所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述车身基本尺寸数据包括车辆的长度、宽度、高度；所述部件基本尺寸数据包括各部件自身的长度、宽度、高度及各部件距离车尾、车顶、车头、车左侧、车右侧的距离。

4.根据权利要求1所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述步骤S2，具体包括以下子步骤：

S2-1、控制激光雷达沿车辆长度方向对车身进行第一次扫描；

S2-2、根据第一次扫描的结果进行计算，获得车头和车尾的大概位置；

S2-3、根据步骤S2-2确定的车头和车尾的大概位置，限定扫描范围在车头与车尾之间，计算第二次扫描路径，对车辆整体进行第二次扫描；

S2-4、根据第一次扫描结果和第二次扫描结果，计算获取车头、车尾、车左侧、车右侧、车顶的中线坐标。

5.根据权利要求1所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述步骤S3，具体包括以下子步骤：

S3-1、根据步骤S1及步骤S2中获取的数据，计算出位于目标部件中部的第一条精确扫描路径；

S3-2、设定激光雷达扫描宽幅，以第一条精确扫描路径为起始点，计算目标部件的剩余扫描路径。

6.根据权利要求1所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述步骤S4，具体包括以下子步骤：

S4-1、采集位于目标部件范围内的激光雷达扫描数据，存入source_cloud点云中；

S4-2、将source_cloud点云中的激光雷达数据转换为三维坐标数据，得到三维坐标矩阵。

7.根据权利要求6所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述步骤S4中，将目标部件的表面划分为若干个矩阵格子，每个矩阵格子的面积为a×b；矩阵格子的中心坐标作为本矩阵格子的坐标；生成以矩阵格子为基本单元的三维坐标矩阵。

8.根据权利要求1所述的汽修用车辆快速建模及喷漆路径规划方法，其特征在于，所述步骤S5，具体是包括：

S5-1、将三维坐标矩阵转化为点云格式的数据获得matrix_cloud点云；

S5-2、使用PCL(Point cloud Libriary点云库)公开的点云计算方法，计算matrix_cloud点云中每个点的法向量，获得包含有法向量数据的法向量点云matrix_normal_cloud。

Images