CN113126664B - 一种基于结构光三维标定融合算法的在线折弯控制方法 - Google Patents

Abstract

本发明公开了一种基于结构光三维标定融合算法的在线折弯控制方法，包括重型折弯设备、3D标定融合模块和折弯数据库，其中：折弯数据库连接重型折弯设备且折弯数据库内设有AI数据孪生模型，用于实现分段差异效果量化与重型折弯设备的控制系统关联，AI数据孪生模型用于在线自动反馈和优化重型折弯设备的控制参数，降低对人工经验值的要求；重型折弯设备连接3D标定融合模块；3D标定融合模块包括多组扫描组件、机械臂、导轨和标定量块，扫描组件包括高速相机和激光器。本发明通过多组扫描组件对折弯效果进行三维重建，实现折弯机折弯效果的数字化和折弯参数的在线控制，降低人工调整折弯参数的经验要求。

Description

一种基于结构光三维标定融合算法的在线折弯控制方法

技术领域

本发明涉及折弯设备技术领域，具体涉及一种基于结构光三维标定融合算法的在线折弯控制方法。

背景技术

现有技术中，重型折弯机在面板折弯机折弯过程中，依然采用人工使用标准量块量测折弯效果，依靠人工经验调整折弯机的折弯参数，改善重型折弯机的折弯效果。该发明采用大幅宽结构光及多目相机三维标定融合算法实现面板折弯曲面的实时重建，与标准量块轮廓对比实现折弯效果数字化，将折弯机的控制参数与折弯效果之间实现关联，最终实现折弯机的在线控制优化。

人工使用标准量块量测折弯效果：每折弯一段距离，如20cm左右，需要量测一次，作业时间较长，量测抽象点较少，例如12m折弯长度，量测点只有4-6个点，量测实际预计在2-3分钟；量测的折弯效果无法数字化，数据丢失；同时，量测折弯效果依赖人工经验改进后续折弯参数：折弯效果依赖于人眼看到与标准量块之间的间隙作为经验值，调整折弯机的折弯控制参数，过分依赖经验值调整；量测的数据无法量化；量测的中间段数据及两侧数据无法权衡。

发明内容

为解决上述问题，本发明提出了一种基于结构光三维标定融合算法的在线折弯控制方法，通过多组扫描组件对折弯效果进行三维重建，实现折弯机折弯效果的数字化，降低人工调整折弯参数的经验要求。

本发明采用的技术方案是：

本申请提出了一种基于结构光三维标定融合算法的在线折弯控制系统，包括重型折弯设备、3D标定融合模块和折弯数据库，其中：所述折弯数据库连接重型折弯设备且折弯数据库内设有AI数据孪生模型，用于实现分段差异效果量化与重型折弯设备的控制系统关联，所述AI数据孪生模型用于在线自动反馈和优化重型折弯设备的控制参数，降低对人工经验值的要求；

所述重型折弯设备连接3D标定融合模块；

所述3D标定融合模块包括多组扫描组件、机械臂、导轨和标定量块，所述扫描组件包括高速相机和激光器，所述高速相机与激光器之间形成夹角，高速相机设于机械臂末端，机械臂设于导轨下，用于实现折弯板长度方向上的扫描和三维重建，相邻组扫描组件间形成角度且所述角度可调，所述标定量块用于与三维重建结构进行多点位比对差异，确保测量标定精度。

优先地，所述激光器采用大角度宽幅线性激光器。

优先地，所述标定量块中心处设有凹槽，用于高速相机多角度扫描后，扫描的数据与凹槽内槽深进行比对，确保测量精度。

基于上述的基于结构光三维标定融合算法的在线折弯控制系统，本申请还提出了一种使用上述的基于结构光三维标定融合算法的在线折弯控制系统的控制方法，包括如下步骤：

S1.调整相邻扫描组件之间的角度，调节高速相机与激光器之间的夹角；

S2.高速相机与激光器对折弯板同一位置进行扫描，多组扫描组件进行多角度扫描，将多角度的扫描融合于同一坐标系下，机械臂带动高速相机与激光器在导轨上滑动，通过三维标定算法且融合高帧率扫描的点云数据，实现对折弯板长度方向的整体曲面扫描、拟合；

S3.整体曲面扫描结果沿径向方向截取多个截面，所述截面与标定量块进行分段比对，计算差异值且差异值上传至折弯数据库内；

S4.折弯数据库根据差异值和AI数据孪生模型，训练形成重型折弯设备的折弯控制参数模型，并反馈至重型折弯设备的参数控制模块中。

优先地，步骤S2中，采用激光三角测量法，使高速相机与激光器分离，实现折弯板幅宽的全面扫描。

优先地，步骤S2中，高速相机采用亚像素的光心提取算法，实现1/64的亚像素提取。

优先地，步骤S3中，标定量块的凹槽深度已知，高速相机在凹槽内的成像深度与凹槽深度形成映射关系，进而计算出高速相机的倾斜角。

本发明的有益效果是：通过扫描组件的整体扫描和三维重建，通过折弯效果的数字化，形成AI数据孪生模型，并通过折弯数据库反馈至重型折弯设备，达到在线优化和控制折弯机控制系统的目的，提升折弯效率，实现降低人工调整折弯参数的经验要求。

附图说明

附图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，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的在线折弯控制系统的控制流程图。

具体实施方式

如图1所示，本申请提出了一种基于结构光三维标定融合算法的在线折弯控制系统，包括重型折弯设备、3D标定融合模块和折弯数据库，其中：折弯数据库连接重型折弯设备且折弯数据库内设有AI数据孪生模型，用于实现分段差异效果量化与重型折弯设备的控制系统关联，AI数据孪生模型用于在线自动反馈和优化重型折弯设备的控制参数，降低对人工经验值的要求。

如图1所示，重型折弯设备连接3D标定融合模块。

如图1所示，3D标定融合模块包括多组扫描组件、机械臂、导轨和标定量块，扫描组件包括高速相机和激光器，激光器采用大角度宽幅线性激光器。高速相机与激光器之间形成夹角，高速相机设于机械臂末端，机械臂设于导轨下，用于实现折弯板长度方向上的扫描和三维重建，相邻组扫描组件间形成角度且角度可调，标定量块用于与三维重建结构进行多点位比对差异，标定量块中心处设有凹槽，用于高速相机多角度扫描后，扫描的数据与凹槽内槽深进行比对，确保测量标定精度。

如图1所示，基于上述的基于结构光三维标定融合算法的在线折弯控制系统，本申请还提出了一种使用上述的基于结构光三维标定融合算法的在线折弯控制系统的控制方法，包括如下步骤：

S1.调整相邻扫描组件之间的角度，调节高速相机与激光器之间的夹角。

S2.高速相机与激光器对折弯板同一位置进行扫描，多组扫描组件进行多角度扫描，将多角度的扫描融合于同一坐标系下，机械臂带动高速相机与激光器在导轨上滑动，通过三维标定算法且融合高帧率扫描的点云数据，实现对折弯板长度方向的整体曲面扫描、拟合，检测精度可达0.02mm。采用激光三角测量法，使高速相机与激光器分离，实现折弯板幅宽的全面扫描。高速相机采用亚像素的光心提取算法，实现1/64的亚像素提取。

S3.整体曲面扫描结果沿径向方向截取多个截面，截面与标定量块进行分段比对，计算差异值且差异值上传至折弯数据库内。标定量块的凹槽深度已知，高速相机在凹槽内的成像深度与凹槽深度形成映射关系，进而计算出高速相机的倾斜角。

S4.折弯数据库根据差异值和AI数据孪生模型，训练形成重型折弯设备的折弯控制参数模型，并反馈至重型折弯设备的参数控制模块中。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (1)

1.一种基于结构光三维标定融合算法的在线折弯控制方法，包括基于结构光三维标定融合算法的在线折弯控制系统，其特征在于：基于结构光三维标定融合算法的在线折弯控制系统包括重型折弯设备、3D标定融合模块和折弯数据库，其中：所述折弯数据库连接重型折弯设备且折弯数据库内设有AI数据孪生模型，用于实现分段差异效果量化与重型折弯设备的控制系统关联，所述AI数据孪生模型用于在线自动反馈和优化重型折弯设备的控制参数，降低对人工经验值的要求；

所述重型折弯设备连接3D标定融合模块；

所述3D标定融合模块包括多组扫描组件、机械臂、导轨和标定量块，所述扫描组件包括高速相机和激光器，所述高速相机与激光器之间形成夹角，高速相机设于机械臂末端，机械臂设于导轨下，用于实现折弯板长度方向上的扫描和三维重建，相邻组扫描组件间形成角度且所述角度可调，所述标定量块用于与三维重建结构进行多点位比对差异，确保测量标定精度；所述激光器采用大角度宽幅线性激光器；所述标定量块中心处设有凹槽，用于高速相机多角度扫描后，扫描的数据与凹槽内槽深进行比对，确保测量精度；

在线折弯控制方法包括如下步骤：

S1.调整相邻扫描组件之间的角度，调节高速相机与激光器之间的夹角；

S2.高速相机与激光器对折弯板同一位置进行扫描，多组扫描组件进行多角度扫描，将多角度的扫描融合于同一坐标系下，机械臂带动高速相机与激光器在导轨上滑动，通过三维标定算法且融合高帧率扫描的点云数据，实现对折弯板长度方向的整体曲面扫描、拟合；

S3.整体曲面扫描结果沿径向方向截取多个截面，所述截面与标定量块进行分段比对，计算差异值且差异值上传至折弯数据库内；

S4.折弯数据库根据差异值和AI数据孪生模型，训练形成重型折弯设备的折弯控制参数模型，并反馈至重型折弯设备的参数控制模块中；

步骤S2中，高速相机采用亚像素的光心提取算法，实现1/64的亚像素提取；步骤S2中，采用激光三角测量法，使高速相机与激光器分离，实现折弯板幅宽的全面扫描；步骤S3中，标定量块的凹槽深度已知，高速相机在凹槽内的成像深度与凹槽深度形成映射关系，进而计算出高速相机的倾斜角。

Images