CN113311833A - 一种基于机器人的预制板的收面方法以及装置 - Google Patents
一种基于机器人的预制板的收面方法以及装置 Download PDFInfo
- Publication number
- CN113311833A CN113311833A CN202110551506.1A CN202110551506A CN113311833A CN 113311833 A CN113311833 A CN 113311833A CN 202110551506 A CN202110551506 A CN 202110551506A CN 113311833 A CN113311833 A CN 113311833A
- Authority
- CN
- China
- Prior art keywords
- determining
- height
- prefabricated
- slab
- obstacle
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提供了一种基于机器人的预制板的收面方法以及装置,方法包括:对预制板进行扫描,得到扫描结果;根据扫描结果,确定预制板的非平整区域;根据非平整区域以及预制板中障碍物的位置,确定目标路径;控制机器人按照目标路径对预制板进行收面。解决了现有技术中,预制板收面方式存在劳动强度大,收面精度低,打磨力度不均,不合格率高的技术问题。
Description
技术领域
本发明涉及机器人技术领域,尤其是涉及一种基于机器人的预制板的收面方法以及装置。
背景技术
目前装配式建筑在新建建筑面积中的比例越来越大,住宅产业化已成为房地产行业的主要趋势;但是,装配式建筑中对于预制板的收面目前仍需要人工手持瓦刀进行,这种传统的预制板收面方式存在劳动强度大,收面精度低,打磨力度不均等缺点,进而导致预制板收面不合格率高。
发明内容
本发明提供了一种基于机器人的预制板的收面方法以及装置,以解决现有技术中,预制板收面方式存在劳动强度大,收面精度低,打磨力度不均,不合格率高的技术问题。
根据本发明的第一方面,提供了一种基于机器人的预制板的收面方法,方法包括:对预制板进行扫描,得到扫描结果;根据扫描结果,确定预制板的非平整区域;根据非平整区域以及预制板中障碍物的位置,确定目标路径;控制机器人按照目标路径对预制板进行收面。
进一步地,扫描结果至少包括预制板的点云数据,非平整区域包括预制板的凹陷区域以及凸起区域,其中,根据扫描结果,确定预制板的非平整区域包括:根据点云数据,生成预制板的高度热力图;根据高度热力图确定预制板是否平整;在预制板不平整的情况下,确定预制板的凹陷区域以及凸起区域。
进一步地,根据高度热力图确定预制板是否平整包括:从高度热力图中采样多个特征点,并且确定每个特征点的像素值;确定多个特征点中的像素最大值、像素最小值以及像素均值;在像素最大值、像素最小值以及像素均值符合第一预设条件的情况下,确定预制板平整;在像素最大值、像素最小值以及像素均值不符合第一预设条件的情况下,确定预制板不平整。
进一步地,在预制板不平整的情况下,确定预制板的凹陷区域以及凸起区域包括:根据高度热力图的高度确定预制板的凹陷区域以及凸起区域,其中,将高度热力图第一高度区域的中心位置确定为凹陷区域,将高度热力图的第二高度区域的中心位置确定为凸起区域。
进一步地,凹陷区域至少包括第一凹陷区域,凸起区域至少包括第一凸起区域,其中,根据非平整区域以及预制板中障碍物的位置,确定目标路径包括:获取与第一凸起区域存在第一预设距离的多个凹陷区域;根据第一凸起区域的高度以及第一凹陷区域的高度确定初始路径;在初始路径中不存在第一障碍物的情况下,将初始路径确定为目标路径;在初始路径存在第一障碍物的情况下,获取与第一障碍物存在第二预设距离的坐标点,并且根据初始路径以及坐标点生成目标路径。
进一步地,根据第一凸起区域的高度以及第一凹陷区域的高度确定初始路径包括:在第一凸起区域的高度以及第一凹陷区域的高度符合预设条件的情况下,将第一凸起区域以及第一凹陷区域的连线确定为初始路径。
进一步地,目标路径的方向为从凸起区域到凹陷区域的方向。
进一步地,机器人包括机械臂,机械臂连接有抹子,其中,控制机器人按照目标路径对预制板进行收面包括:控制机械臂按照目标路径进行运动,其中,机械臂带动抹子对预制板进行收面。
进一步地,方法包括:将样本数据输入深度神经网络,生成障碍物检测模型;其中,样本数据包括带有障碍物的预制板的图像以及障碍物的标注文件;获取预制板的实时图像;将实时图像输入障碍物检测模型,确定预制板中障碍物的位置。
根据本发明的第二方面,提供了一种基于机器人的预制板的收面装置,装置包括:扫描模块,用于对预制板进行扫描,得到扫描结果;确定模块,用于根据扫描结果,确定预制板的非平整区域;确定模块,用于根据非平整区域以及预制板中障碍物的位置,确定目标路径;控制模块,用于控制机器人按照目标路径对预制板进行收面。
本发明提供了一种基于机器人的预制板的收面方法以及装置,方法包括:对预制板进行扫描,得到扫描结果;根据扫描结果,确定预制板的非平整区域;根据非平整区域以及预制板中障碍物的位置,确定目标路径;控制机器人按照目标路径对预制板进行收面。解决了现有技术中,预制板收面方式存在劳动强度大,收面精度低,打磨力度不均,不合格率高的技术问题。
附图说明
图1为本发明实施例提供的基于机器人的预制板的收面方法的流程图;
图2~图5为本发明实施例提供的可选的基于机器人的预制板的收面方法的流程图;
图6为本发明实施例提供的收面路径的示意图;
图7为本发明实施例提供的机械臂与上位机交互的示意图;
图8为本发明实施例提供的障碍物检测的方法的示意图;以及
图9为本发明实施例提供的基于机器人的预制板的收面装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提供一种机器人自动收面的方法,所述方法包括:
步骤S11,对预制板进行扫描,得到扫描结果。
具体的,在本方案中,可以通过自动收面机器人的控制器来控制扫描装置,来对预制板来进行扫描,然后获得扫描结果,需要说明的是,上述扫描装置可以为安装于上述自动收面机器人的3D相机,上述扫描结果可以为通过3D相机采集到的预制板的点云数据。
步骤S13,根据所述扫描结果,确定所述预制板的非平整区域。
具体的,在本方案中,自动收面机器人可以针对上述扫描结果来确定预制板中的非平整区域,需要说明的是,上述非平整区域中包括凸起区域以及凹陷区域。
步骤S15,根据所述非平整区域以及所述预制板中障碍物的位置,确定目标路径。
具体的,在本方案中,自动收面机器人还可以确定预制板中障碍物的位置,需要说明的是,实际的预制板上会存在一些铆钉,线管等明显凸起的障碍物,障碍物定位模块对每一块待收面的预制板进行障碍物的检测。通过生成的障碍物在预制板上的具体位置坐标,可以保证收面机器人在工作过程中顺利躲避障碍物保证收面任务的完成,上述目标路径可以为自动收面机器人的机械臂在所述预制板上的移动轨迹。
这里需要说明的是,对于目标路径的确定亦或是本申请文件中的方法步骤,可以由自动收面机器人的控制器来完成,也可以由与自动机器人连接的上位机来完成。
步骤S17,控制所述机器人按照所述目标路径对所述预制板进行收面。
具体的,在本方案中,自动收面机器人控制器在确定目标路径之后,可以将目标路径发送至机械臂,从而控制机械臂按照上述目标路径进行移动,在机械臂移动的过程中,通过机械臂带动机械臂底部的电动抹子对待收面的预制板的不平整的部位进行收面,可以将预制板上凸起的混凝土刮到凹陷的区域,从而实现,预制板的表面的平整进而实现待收面的平整。
本发明的该实施例,对预制板表面平整度自动识别模块基于3D点云图像完成,精度高,误差小,极大地提高了预制板收面质量和稳定性,同时,结合了预制板的障碍物的位置,获取机器人的机械臂的移动轨迹,进而实现打磨力度均匀,精准收面,无需工作人员手持瓦刀进行收面,降低工作人员的劳动强度,提高了预制板收面的合格率,且可以节省大量的人力和时间,实现收面全自动化和智能化,有助于推动发展住宅产业化的进程。
这里还需要说明的是,本方案还可以根据目标路径还确定电动抹子的位姿信息,然后将目标路径以及电动抹子的位姿信息同时发送至机械臂,使得机械臂按照目标路径来带动抹子进行收面,同时电动抹子也保持最佳的位姿信息,位姿信息可以为电动抹子与预制板之间的角度参数,不同的路径,比如从A点走到B点,从C点走到D点,电动抹子的角度也会随不同的路径发生变化,从而保持最佳的收面的技术效果。
结合图2,介绍本方案的一种可选的实施例:
本方法的实现可以由障碍物定位,构件表面平整度识别,路径规划和工控机与机械臂通信四个模块来实现。障碍物定位对当前构件表面的障碍物进行检测,得到障碍物在构件上的具体位置。表面平整度识别通过测量构件表面密集点到平整度扫描设备的距离分布,从而计算出构件表面平整度标记出高点和低点。路径规划模块根据平整度识别结果和障碍物的位置,计算出机械臂运动的路径,即图2中的收面打磨路径规划。工控机与机械臂的通信模块,其中平整度识别,障碍物定位,路径规划模块均在工控机上进行计算,路径规划的计算结果通过寄存器串口通信的方式发送给机械臂的控制器,机械臂根据接收到的位置信息进行位姿的调整和移动进行打磨。
可选的,所述扫描结果至少包括所述预制板的点云数据,所述非平整区域包括所述预制板的凹陷区域以及凸起区域,其中,步骤S13根据所述扫描结果,确定所述预制板的非平整区域包括:
步骤S131,根据所述点云数据,生成所述预制板的高度热力图。
具体的,本方案可以通过对3D相机采集到的预制板的点云数据进行处理,提取点云中每一个像素点的高度信息,将高度值重组生成预制板表面高度热图。本方案可以通过对预制板点云数据中每一个像素点进行处理,提取每一个像素点的高度信息,做点云图像在XOY平面上的投影并投影图的每一个像素值等于其高度值,那么得到的该投影图像即为预制板的高度热图。
步骤S132,根据所述高度热力图确定所述预制板是否平整。
步骤S133,在所述预制板不平整的情况下,确定所述预制板的凹陷区域以及凸起区域。
具体的,在确定预制板不平整的情况下,本方案可以通过上述高度热力图来确定所述预制板的凹陷区域以及凸起区域,需要说明的是,本方案可以记录热力图中波峰以及波谷点坐标,波峰为本方案的凸起区域,波谷为本方案的凹陷区域。
具体的,步骤S132,根据所述高度热力图确定所述预制板是否平整包括:
步骤S1321,从所述高度热力图中采样多个特征点,并且确定每个特征点的像素值。
步骤S1322,确定所述多个特征点中的像素最大值、像素最小值以及像素均值。
步骤S1323,在所述像素最大值、像素最小值以及像素均值符合第一预设条件的情况下,确定所述预制板平整。
具体的,在本方案中,可以在高度热图中密集采样n个特征点,将n个特征点的像素值进行统计组成一个n维特征向量V,计算出V中最大值max(h),最小值min(h),均值E(h),需要说明的是,上述第一预设条件可以为最大值max(h)符合标准最大值、最小值min(h)符合标准最小值以及均值E(h)符合预设范围,即上述像素最大值、像素最小值以及像素均值均符合标准值的情况下,本方案才确定预制板平整。优选的,上述第一预设条件中的标准值以及范围可以分别为:Thre(max(h))=1003mm;Thre(min(h))=997mm;Thre(E(h))=[999mm,1001mm],本方案可以将获取到的V中最大值max(h),最小值min(h),均值E(h),分别与上述设定的对应的阈值进行比对,根据对比结果,确定预制板的平整度。
步骤S1324,在所述像素最大值、像素最小值以及像素均值不符合所述第一预设条件的情况下,确定所述预制板不平整。
具体的,结合图3,在上述像素最大值、像素最小值以及像素均值没有同时符合标准值的情况下,本方案则确定预制板不平整。
本发明的该实施例,采用预制板高度热力图中的最大值,最小值,均值等多个参数来评估预制板是否平整,使得预制板平整度的评价结果更加准确可靠,保障预制板收面的质量。
可选的,步骤S133,在所述预制板不平整的情况下,确定所述预制板的凹陷区域以及凸起区域包括:
步骤S1331,根据所述高度热力图的高度确定所述预制板的凹陷区域以及凸起区域,其中,将所述高度热力图第一高度区域的中心位置确定为所述凹陷区域,将所述高度热力图的第二高度区域的中心位置确定为所述凸起区域。
具体的,结合图4,本方案选用预制板热力图中的高度最大值,高度最小值,高度均值三个参数来评估预制板是否平整,如果不平整则记录波峰和波谷的位置,本方案可以根据热力图的高度信息,提取热力图中高度值较大的红色区域的中心即为波峰位置,高度值较小蓝色区域的中心即为波谷位置。
可选的,所述凹陷区域至少包括第一凹陷区域,所述凸起区域至少包括第一凸起区域,其中,步骤S15根据所述非平整区域以及所述预制板中障碍物的位置,确定目标路径包括:
步骤S151,获取与第一凸起区域存在第一预设距离的多个凹陷区域。
具体的,本方案中,预制板中可以包括多个凸起区域以及凹陷区域,上述凸起区域可以为热力图中的波峰,上述凹陷区域可以为热力图中的波谷,预制板的热力图中可以包括m个波峰H,n个波谷L,本方案可以先遍历所有的波峰,上述第一凸起区域可以为任意一个波峰H1,然后计算与H1存在第一预设距离的多个波谷(即凹陷区域)L1,L2…Ln。
步骤S152,根据所述第一凸起区域的高度以及所述第一凹陷区域的高度确定初始路径。
具体的,在本方案中,本方案可以根据H1的高度以及Ln的高度来确定初始路径,具体的,本方案可以预设一个规定高度h,然后计算H1-h与的差值,在n个波谷L中,如果第n个波谷Ln使得H1-h与的差值最小,那么本方案则根据H1以及Ln来确定上述初始路径,即该初始路径为第一凸起指向所述第一凹陷的直线,即H1Ln。
步骤S153,在所述初始路径中不存在第一障碍物的情况下,将所述初始路径确定为所述目标路径。
具体的,如果在H1Ln的直线中没有第一障碍物,本方案则直接将H1Ln确定为目标路径。
步骤S154,在所述初始路径存在所述第一障碍物的情况下,获取与所述第一障碍物存在第二预设距离的坐标点,并且根据所述初始路径以及所述坐标点生成所述目标路径。
具体的,如果在H1Ln的直线中存在第一障碍物,本方案则任取第一障碍物附近一点P1(即上述第二预设距离的坐标点),然后将H1P1Ln作为目标路径。
下面结合图5以及图6,介绍本方案的一种可选的实施例:
在预制板的热力图中包括m个波峰H,n个波峰L,同时确定了热力图中的障碍物的位置以及预设了规定高度h。
本方案首先判断是否所有波峰已遍历完成,若是,则检测是否还剩下波谷Ln,若是,则剩下的波谷的收面路径为LnLn,保存路径,若无剩下的波谷,则保存路径;判断还有波峰未完成收面,则计算H1邻域内所有波谷L1到Ln;
接着,连接H1与Ln的直线是否经过障碍物,若否,则路径即为H1Ln,保存路径;若经过障碍物,则任取障碍物附近一点P1,使得H1Ln不经过障碍物,路径即为H1P1Ln,保存路径。
以图6为例,结合障碍物的位置以及波谷波峰的位置和高度值并基于收面打磨路径规则,机械臂的运动路径为H1P1L1、H2L2、H3P2L3、H4L4、H5L5、H5L6、H5L7。
本方案可以通过路径规划模块,结合表面平整度识别模块得到的波峰、波谷的位置和障碍物定位模块得到的障碍物的位置进行收面机器人运动路径的规划,收面机器人路径规划的原理是一方面将构件表面突起位置(波峰)的水泥推向凹陷(波谷)位置使得构件表面平整,另一方面又要在移动过程中避开障碍物,因此本模块根据这两点来进行整个预制板表面打磨的路径计算。
可选的,步骤S152,根据所述第一凸起区域的高度以及所述第一凹陷区域的高度确定初始路径包括:
步骤S1521,在所述第一凸起区域的高度以及所述第一凹陷区域的高度符合预设条件的情况下,将所述第一凸起区域以及所述第一凹陷区域的连线确定为所述初始路径。
可选的,上述目标路径的方向为从所述凸起区域到所述凹陷区域的方向,通过上述路径来进行收面,可以将预制板上凸起的混凝土抹向预制板的凹陷处,提高了收面的效果。
可选的,所述机器人包括机械臂,所述机械臂连接有抹子,步骤S17,控制所述机器人按照所述目标路径对所述预制板进行收面包括:
步骤S171,控制所述机械臂按照所述目标路径进行运动,其中,所述机械臂带动所述抹子对所述预制板进行收面。
具体的,结合图7,在本方案中,工控机与机械臂通信模块实现工控机与机械臂控制器之间的交互功能。工控机上实现算法的计算得到机械臂实现当前预制板平面收面打磨的路径的规划及平整识别的结果,通过通信模块工控机将路径等参数写入寄存器中,机械臂控制器读取逐条读取寄存器中的路径等参数,根据从寄存器中读取到的打磨路径和位姿信息来指导机械臂移动及末端抹子的姿态最后完成整个构件平面的打磨。
可选的,本方案还可以包括如下步骤:
步骤S101,将样本数据输入深度神经网络,生成障碍物检测模型;其中,所述样本数据包括带有障碍物的预制板的图像以及障碍物的标注文件;
步骤S102,获取所述预制板的实时图像;
步骤S103,将所述实时图像输入所述障碍物检测模型,确定所述预制板中障碍物的位置。
具体的,实际的预制板上会存在一些铆钉,线管等明显凸起的障碍物,本方案可以通过障碍物定位模块对每一块待收面的预制板进行障碍物的检测。通过生成的障碍物在预制板上的具体位置坐标,可以保证收面机器人在工作过程中顺利躲避障碍物保证收面任务的完成。在本方案中,结合图8,障碍物在预制板中的定位检测可以使用深度神经网络检测yolov5实现训练检测。
可选的,在本方案中,若判断预制板不平整,则根据收面打磨路径规则确定打磨路径以及电动抹子位姿信息,并发送给机械臂控制器,机械臂控制器接收路径和位姿消息,机械臂末端带动电动抹子进行收面打磨,并重复上述步骤,直至预制板的平整度评价为平整为止。其中,收面打磨路径规则为是一方面将预制板表面凸起位置(波峰)的水泥推向凹陷(波谷)位置使得预制板表面平整,另一方面又要在移动过程中避开障碍物。本发明的该实施例,综合预制板表面高度热力图和障碍物的位置,自动计算出机器人收面的运动路径和电动抹子的位姿,实现收面过程的全自动化。
如图9所示,本方案还提供了一种基于机器人的预制板的收面装置,该装置可以用于执行上述收面方法,该装置也可以包含于自动收面机器人中,该装置可以包括:
扫描模块90,用于对预制板进行扫描,得到扫描结果;确定模块92,用于根据所述扫描结果,确定所述预制板的非平整区域;确定模块94,用于根据所述非平整区域以及所述预制板中障碍物的位置,确定目标路径;控制模块96,用于控制所述机器人按照所述目标路径对所述预制板进行收面。
本发明上述装置,可以实现对预制板表面平整度自动识别模块基于3D点云图像完成,精度高,误差小,极大地提高了预制板收面质量和稳定性,同时,结合了预制板的障碍物的位置,获取机器人的机械臂的移动轨迹,进而实现打磨力度均匀,精准收面,无需工作人员手持瓦刀进行收面,降低工作人员的劳动强度,提高了预制板收面的合格率,且可以节省大量的人力和时间,实现收面全自动化和智能化,有助于推动发展住宅产业化的进程。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述的是本发明的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本发明所述的原理前提下还可以作出若干改进和润饰,这些改进和润饰也在本发明的保护范围内。
Claims (10)
1.一种基于机器人的预制板的收面方法,其特征在于,所述方法包括:
对预制板进行扫描,得到扫描结果;
根据所述扫描结果,确定所述预制板的非平整区域;
根据所述非平整区域以及所述预制板中障碍物的位置,确定目标路径;
控制所述机器人按照所述目标路径对所述预制板进行收面。
2.根据权利要求1所述的方法,其特征在于,所述扫描结果至少包括所述预制板的点云数据,所述非平整区域包括所述预制板的凹陷区域以及凸起区域,其中,根据所述扫描结果,确定所述预制板的非平整区域包括:
根据所述点云数据,生成所述预制板的高度热力图;
根据所述高度热力图确定所述预制板是否平整;
在所述预制板不平整的情况下,确定所述预制板的凹陷区域以及凸起区域。
3.根据权利要求2所述的方法,其特征在于,根据所述高度热力图确定所述预制板是否平整包括:
从所述高度热力图中采样多个特征点,并且确定每个特征点的像素值;
确定所述多个特征点中的像素最大值、像素最小值以及像素均值;
在所述像素最大值、像素最小值以及像素均值符合第一预设条件的情况下,确定所述预制板平整;
在所述像素最大值、像素最小值以及像素均值不符合所述第一预设条件的情况下,确定所述预制板不平整。
4.根据权利要求2所述的方法,其特征在于,在所述预制板不平整的情况下,确定所述预制板的凹陷区域以及凸起区域包括:
根据所述高度热力图的高度确定所述预制板的凹陷区域以及凸起区域,其中,将所述高度热力图第一高度区域的中心位置确定为所述凹陷区域,将所述高度热力图的第二高度区域的中心位置确定为所述凸起区域。
5.根据权利要求2所述的方法,其特征在于,所述凹陷区域至少包括第一凹陷区域,所述凸起区域至少包括第一凸起区域,其中,根据所述非平整区域以及所述预制板中障碍物的位置,确定目标路径包括:
获取与第一凸起区域存在第一预设距离的多个凹陷区域;
根据所述第一凸起区域的高度以及所述第一凹陷区域的高度确定初始路径;
在所述初始路径中不存在第一障碍物的情况下,将所述初始路径确定为所述目标路径;
在所述初始路径存在所述第一障碍物的情况下,获取与所述第一障碍物存在第二预设距离的坐标点,并且根据所述初始路径以及所述坐标点生成所述目标路径。
6.根据权利要求5所述的方法,其特征在于,根据所述第一凸起区域的高度以及所述第一凹陷区域的高度确定初始路径包括:
在所述第一凸起区域的高度以及所述第一凹陷区域的高度符合预设条件的情况下,将所述第一凸起区域以及所述第一凹陷区域的连线确定为所述初始路径。
7.根据权利要求2所述的方法,其特征在于,所述目标路径的方向为从所述凸起区域到所述凹陷区域的方向。
8.根据权利要求1所述的方法,其特征在于,所述机器人包括机械臂,所述机械臂连接有抹子,其中,控制所述机器人按照所述目标路径对所述预制板进行收面包括:
控制所述机械臂按照所述目标路径进行运动,其中,所述机械臂带动所述抹子对所述预制板进行收面。
9.根据权利要求1所述的方法,其特征在于,所述方法包括:
将样本数据输入深度神经网络,生成障碍物检测模型;其中,所述样本数据包括带有障碍物的预制板的图像以及障碍物的标注文件;
获取所述预制板的实时图像;
将所述实时图像输入所述障碍物检测模型,确定所述预制板中障碍物的位置。
10.一种基于机器人的预制板的收面装置,其特征在于,所述装置包括:
扫描模块,用于对预制板进行扫描,得到扫描结果;
确定模块,用于根据所述扫描结果,确定所述预制板的非平整区域;
确定模块,用于根据所述非平整区域以及所述预制板中障碍物的位置,确定目标路径;
控制模块,用于控制所述机器人按照所述目标路径对所述预制板进行收面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551506.1A CN113311833B (zh) | 2021-05-20 | 2021-05-20 | 一种基于机器人的预制板的收面方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551506.1A CN113311833B (zh) | 2021-05-20 | 2021-05-20 | 一种基于机器人的预制板的收面方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113311833A true CN113311833A (zh) | 2021-08-27 |
CN113311833B CN113311833B (zh) | 2023-06-20 |
Family
ID=77373944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551506.1A Active CN113311833B (zh) | 2021-05-20 | 2021-05-20 | 一种基于机器人的预制板的收面方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311833B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106499159A (zh) * | 2016-12-22 | 2017-03-15 | 罗天才 | 一体化全自动墙面粉刷机组及其使用方法 |
CN108398950A (zh) * | 2018-03-13 | 2018-08-14 | 安捷睿(厦门)机器人有限公司 | 一种地面磨平机器人及地面磨平机器人控制方法 |
CN109518917A (zh) * | 2018-11-08 | 2019-03-26 | 张幸 | 找平方法及其找平系统、存储介质 |
CN109828592A (zh) * | 2019-04-22 | 2019-05-31 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种障碍物检测的方法及设备 |
CN111367318A (zh) * | 2020-03-31 | 2020-07-03 | 华东理工大学 | 一种基于视觉语义信息的动态障碍环境导航方法和装置 |
CN112794629A (zh) * | 2021-01-27 | 2021-05-14 | 江苏德和绝热科技有限公司 | 基于泡沫玻璃粉料的刮平控制方法以及刮料系统 |
-
2021
- 2021-05-20 CN CN202110551506.1A patent/CN113311833B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106499159A (zh) * | 2016-12-22 | 2017-03-15 | 罗天才 | 一体化全自动墙面粉刷机组及其使用方法 |
CN108398950A (zh) * | 2018-03-13 | 2018-08-14 | 安捷睿(厦门)机器人有限公司 | 一种地面磨平机器人及地面磨平机器人控制方法 |
CN109518917A (zh) * | 2018-11-08 | 2019-03-26 | 张幸 | 找平方法及其找平系统、存储介质 |
CN109828592A (zh) * | 2019-04-22 | 2019-05-31 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种障碍物检测的方法及设备 |
CN111367318A (zh) * | 2020-03-31 | 2020-07-03 | 华东理工大学 | 一种基于视觉语义信息的动态障碍环境导航方法和装置 |
CN112794629A (zh) * | 2021-01-27 | 2021-05-14 | 江苏德和绝热科技有限公司 | 基于泡沫玻璃粉料的刮平控制方法以及刮料系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113311833B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | SLAM-driven robotic mapping and registration of 3D point clouds | |
US9701019B2 (en) | System and method for the automatic generation of robot programs | |
Xu et al. | Ceiling-based visual positioning for an indoor mobile robot with monocular vision | |
CN111037552B (zh) | 一种配电房轮式巡检机器人的巡检配置及实施方法 | |
US11880943B2 (en) | Photogrammetry of building using machine learning based inference | |
Stepan et al. | Robust data fusion with occupancy grid | |
CN111027118B (zh) | 一种实测实量任务点搜索与任务派发方法及系统 | |
US11568559B2 (en) | Localization of a surveying instrument | |
JP2016522089A (ja) | 複雑な表面検査及び加工のための制御された自律型ロボットシステム | |
CN112561998B (zh) | 一种基于三维点云配准的机器人定位和自主充电方法 | |
Huang et al. | Active image-based modeling with a toy drone | |
Zhang et al. | An approach to restaurant service robot SLAM | |
CN113311833A (zh) | 一种基于机器人的预制板的收面方法以及装置 | |
CN113601501A (zh) | 机器人柔性作业方法、装置及机器人 | |
Xu et al. | Industrial robot base assembly based on improved Hough transform of circle detection algorithm | |
Nielsen | Robust lidar-based localization in underground mines | |
Wang et al. | Robot floor-tiling control method based on finite-state machine and visual measurement in limited FOV | |
Siemiątkowska et al. | Mobile robot navigation with the use of semantic map constructed from 3D laser range scans | |
Kriegel | Autonomous 3D modeling of unknown objects for active scene exploration | |
Nakhaeinia et al. | Surface following with an RGB-D vision-guided robotic system for automated and rapid vehicle inspection | |
Hu et al. | The next-best-view for workpiece localization in robot workspace | |
Rink et al. | Streaming Monte Carlo pose estimation for autonomous object modeling | |
Marzorati et al. | Particle-based sensor modeling for 3d-vision slam | |
Pevzner et al. | Construction Operation Assessment and Correction Using Laser Scanning and Projection Feedback | |
Li et al. | CAD-vision-range-based self-localization for mobile robot using one landmark |
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 |