CN114926539A - 面向大型铸件打磨的高效三维视觉定位方法及装置 - Google Patents

面向大型铸件打磨的高效三维视觉定位方法及装置 Download PDF

Info

Publication number
CN114926539A
CN114926539A CN202210418819.4A CN202210418819A CN114926539A CN 114926539 A CN114926539 A CN 114926539A CN 202210418819 A CN202210418819 A CN 202210418819A CN 114926539 A CN114926539 A CN 114926539A
Authority
CN
China
Prior art keywords
casting
point cloud
industrial camera
globally
reconstructed
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.)
Pending
Application number
CN202210418819.4A
Other languages
English (en)
Inventor
甘汤键
陈新度
吴磊
刘跃生
杨国成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210418819.4A priority Critical patent/CN114926539A/zh
Publication of CN114926539A publication Critical patent/CN114926539A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B19/00—Single-purpose machines or devices for particular grinding operations not covered by any other main group
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及面向大型铸件打磨的高效三维视觉定位方法，包括以下：完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。本发明利用机器视觉处理系统进行点云配准，完成对铸件三维点云模型的重构，从而实现打磨机器人精确定位加工所需的空间位置。该方法定位精度高，定位速度快。

Description

面向大型铸件打磨的高效三维视觉定位方法及装置
技术领域
本发明涉及机器人视觉定位技术领域，尤其涉及面向大型铸件打磨的高效三维视觉定位方法及装置。
背景技术
目前，我国铸造企业不断增加且铸件产量大，但还是存在很多企业的铸造装备相对落后。大型铸件外表面在生产过程中容易形成飞边、毛刺和浇冒口等缺陷，所以需要结合切割、铣削和打磨等后处理技术，进一步提高其表面质量。在进行铸件打磨前，往往需要对大型铸件进行定位。
企业大部分以工业机器人示教再现的模式或者离线编程逆向构建铸件模型，以实现铸件打磨。这两种传统方法缺乏灵活性与需要高昂的时间成本，无法满足实际逐渐打磨要求。利用三维视觉重构铸件模型以引导机器人的打磨方式有利于绿色生产，避免危险，提高效率，弥补上述前两种方法的缺点。
发明内容
本发明的目的是为了至少解决现有技术的不足之一，提供面向大型铸件打磨的高效三维视觉定位方法及装置。
为了实现上述目的，本发明采用以下的技术方案，
具体的，提出面向大型铸件打磨的高效三维视觉定位方法，包括以下：
完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；
按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；
进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；
对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。
进一步，具体的，3D工业相机与旋转平台的标定工作通过以下方式完成，
将视觉标准板放在旋转平台的主轴中心上，对所述3D工业相机进行调焦，使所述3D工业相机对准目标铸件。
进一步，具体的，预设的单次旋转角度为60度，旋转方向为正转，相对应的拍摄次数为6次。
进一步，具体的，多视角点云配准过程包括以下，
计算任意两视点云的重叠度W，假设两视点云中三维点的数量分别为m和n，利用K-D树检测该两视点云中所有的近似同名点，并假定其数量为N，则该两视点云的重叠度W计算公式如下：
Figure BDA0003606024100000021
将满足重叠度要求W>0.2的两视点云进行配准，假设满足重叠度要求的两视点云分别为P＝{p1,...,pn}，Q＝{q1,...,qn}，现在想要找到一个欧式变换R,t，使得
Figure BDA0003606024100000022
构造最小二乘问题
Figure BDA0003606024100000023
当目标函数达到最小时，求解出最佳旋转矩阵R与平移矩阵t，
定义误差
Figure BDA0003606024100000024
设定迭代次数最大值为50次，当迭代次数大于50次或e＜0.001时，停止迭代，否则进入迭代，
输出旋转平移矩阵真值并绘制配准后图像，得到全局重构的铸件点云模型。
进一步，具体的，对全局重构的铸件点云模型进行局部信息缺失补全，包括以下，通过工业相机对目标铸件的局部表面进行二次不同视角感知，得到局部稠密点云模型，
将全局模型与局部稠密模型进行配准，构建基于权重的ICP点云配准模型：假设存在P'＝{p'1,p'2,...,p'n}与Q'＝{q'1,q'2,...,q'n}两组对应点，想要找到一个欧式变换R,t，
使得：
Figure BDA0003606024100000025
其中ωi＞0是对应每个点对的权重，
结合威尔士函数求解权重的数学模型，其中威尔士函数与权重的数学关系如下，
Figure BDA0003606024100000026
对于系数ν的取值，由于初始配准阶段配准点数较多且点对距离较大，选取曲线较为平滑的ν＝2作为第一次配准的系数，每经过一次迭代，比例系数变化为上一次的0.9倍，即νn＝0.9νn-1，
依照以上进行迭代剔除离群值，完成局部信息缺失补全。
本发明还提出面向大型铸件打磨的高效三维视觉定位装置，包括：
标定模块，用于完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；
点云数据获取模块，用于按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；
点云配准模块，用于进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；
信息缺失补全模块，用于对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。
本发明还提出面向大型铸件打磨的高效三维视觉平台，应用了所述的任意一项面向大型铸件打磨的高效三维视觉定位方法，包括，
机器人本体，用于末端固定相机并调整相机拍照高度与角度，在定位后便于机器人对铸件进行加工；
3D工业相机，设置于所述机器人本体的一端，用于拍摄多个不同视角的铸件点云数据；
旋转平台，与所述机器人本体适配设置，设置于所述3D工业相机的下方，用于放置目标铸件，并带动所述目标铸件旋转；
上位机，用于完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件，
按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据，
进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型，
对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位；
所述上位机通过信号线连接机器人本体以及旋转平台。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以上中任一项所述面向大型铸件打磨的高效三维视觉定位方法的步骤。
本发明的有益效果为：
本发明通过提出面向大型铸件打磨的高效三维视觉定位方法，针对大型铸件的视觉定位准确性和效率问题，本发明在机器人末端的搭载3D工业相机，通过旋转平台在上位机控制下旋转对应角度，对放置在平台上的大型铸件进行多视角的点云数据获取，并利用机器视觉处理系统进行点云配准，完成对铸件三维点云模型的重构，从而实现打磨机器人精确定位加工所需的空间位置。该方法定位精度高，定位速度快。该方法对工业中大型铸件的定位很有意义。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为本发明面向大型铸件打磨的高效三维视觉定位方法的流程图；
图2所示为本发明面向大型铸件打磨的高效三维视觉平台的结构示意图；
图3所示为本发明面向大型铸件打磨的高效三维视觉定位方法的控制原理图；
图4所示为本发明面向大型铸件打磨的高效三维视觉定位方法的全局稀疏与局部稠密点云配准程序流程图；
图5所示为本发明面向大型铸件打磨的高效三维视觉定位方法的铸件多视角数据图；
图6所示为本发明面向大型铸件打磨的高效三维视觉定位方法的铸件配准效果图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图1以及图3，实施例1，本发明提出面向大型铸件打磨的高效三维视觉定位方法，包括以下：
步骤110、完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；
步骤120、按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；
步骤130、进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；
步骤140、对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。
在本优选实施方式中，本发明在机器人末端的搭载3D工业相机，通过旋转平台在上位机控制下旋转对应角度，对放置在平台上的大型铸件进行多视角的点云数据获取，并利用机器视觉处理系统进行点云配准，完成对铸件三维点云模型的重构，从而实现打磨机器人精确定位加工所需的空间位置。该方法定位精度高，定位速度快。该方法对工业中大型铸件的定位很有意义。针对大型铸件的视觉定位准确性和效率问题，本发明设计了新的扫描平台，并通过机器人末端搭载线扫相机，对大型铸件进行较少视角、大范围全局几何信息捕获。在此基础上，对机器人需进行打磨加工的局部位置进行二次高分辨率扫描，以保证机器人的定位效率及精度。
作为本发明的优选实施方式，具体的，3D工业相机与旋转平台的标定工作通过以下方式完成，
将视觉标准板放在旋转平台的主轴中心上，对所述3D工业相机进行调焦，使所述3D工业相机对准目标铸件。
作为本发明的优选实施方式，具体的，预设的单次旋转角度为60度，旋转方向为正转，相对应的拍摄次数为6次。
参照图4，作为本发明的优选实施方式，具体的，多视角点云配准过程包括以下，
计算任意两视点云的重叠度W，假设两视点云中三维点的数量分别为m和n，利用K-D树检测该两视点云中所有的近似同名点，并假定其数量为N，则该两视点云的重叠度W计算公式如下：
Figure BDA0003606024100000051
定义当W>0.2时，该两视点云具有一定重叠度
将满足重叠度要求W>0.2的两视点云进行配准，假设满足重叠度要求的两视点云分别为P＝{p1,...,pn}，Q＝{q1,...,qn}，现在想要找到一个欧式变换R,t，使得
Figure BDA0003606024100000052
构造最小二乘问题
Figure BDA0003606024100000061
当目标函数达到最小时，求解出最佳旋转矩阵R与平移矩阵t，
定义误差
Figure BDA0003606024100000062
设定迭代次数最大值为50次，当迭代次数大于50次或e＜0.001时，停止迭代，否则进入迭代，
输出旋转平移矩阵真值并绘制配准后图像，得到全局重构的铸件点云模型。
作为本发明的优选实施方式，具体的，对全局重构的铸件点云模型进行局部信息缺失补全，包括以下，
通过工业相机对目标铸件的局部表面进行二次不同视角感知，得到局部稠密点云模型，
将全局模型与局部稠密模型进行配准，构建基于权重的ICP点云配准模型：假设存在P'＝{p'1,p'2,...,p'n}与Q'＝{q'1,q'2,...,q'n}两组对应点，想要找到一个欧式变换R,t，
使得：
Figure BDA0003606024100000063
其中ωi＞0是对应每个点对的权重，
结合威尔士函数求解权重的数学模型，其中威尔士函数与权重的数学关系如下，
Figure BDA0003606024100000064
对于系数ν的取值，由于初始配准阶段配准点数较多且点对距离较大，选取曲线较为平滑的ν＝2作为第一次配准的系数，每经过一次迭代，比例系数变化为上一次的0.9倍，即νn＝0.9νn-1，
依照以上进行迭代剔除离群值，完成局部信息缺失补全。
图5所示为本发明的方法在应用时所获取到的铸件多视角数据图，在通过本发明方法处理后能够得到图6所示的铸件配准效果图。
本发明还提出面向大型铸件打磨的高效三维视觉定位装置，包括：
标定模块，用于完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；
点云数据获取模块，用于按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；
点云配准模块，用于进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；
信息缺失补全模块，用于对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。
参照图2，本发明还提出面向大型铸件打磨的高效三维视觉平台，应用了所述的任意一项面向大型铸件打磨的高效三维视觉定位方法，包括，
机器人本体，用于末端固定相机并调整相机拍照高度与角度，在定位后便于机器人对铸件进行加工；
3D工业相机，设置于所述机器人本体的一端，用于拍摄多个不同视角的铸件点云数据；
旋转平台，与所述机器人本体适配设置，设置于所述3D工业相机的下方，用于放置目标铸件，并带动所述目标铸件旋转；
上位机，用于完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件，
按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据，
进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型，
对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位；
所述上位机通过信号线连接机器人本体以及旋转平台。
本平台在运行时，如下，
1.完成3D工业相机与旋转平台的标定工作。先使用视觉标准板，放在旋转平台的主轴中心上，对深度相机进行调焦，使得深度相机基本对准工件。
2.运行多视角扫描铸件程序。旋转平台依次正转60°，每正转一次拍照一次，直到旋转平台旋转360°，输出铸件对应的多视角点云数据。
3.运行多视角点云配准程序。结合强泛化性的多视角点云配准算法将获得的点云配准到机器人世界坐标系下，获取全局重构的铸件点云模型。
4.补全局部信息缺失。通过高分辨率扫描出铸件局部位置点云，运行全局稀疏与局部稠密点云配准程序，获得更精确的铸件定位信息。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以上中任一项所述面向大型铸件打磨的高效三维视觉定位方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包括的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (8)

1.面向大型铸件打磨的高效三维视觉定位方法，其特征在于，包括以下：
完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；
按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；
进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；
对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。
2.根据权利要求1所述的面向大型铸件打磨的高效三维视觉定位方法，其特征在于，具体的，3D工业相机与旋转平台的标定工作通过以下方式完成，
将视觉标准板放在旋转平台的主轴中心上，对所述3D工业相机进行调焦，使所述3D工业相机对准目标铸件。
3.根据权利要求1所述的面向大型铸件打磨的高效三维视觉定位方法，其特征在于，具体的，预设的单次旋转角度为60度，旋转方向为正转，相对应的拍摄次数为6次。
4.根据权利要求1所述的面向大型铸件打磨的高效三维视觉定位方法，其特征在于，具体的，多视角点云配准过程包括以下，
计算任意两视点云的重叠度W，假设两视点云中三维点的数量分别为m和n，利用K-D树检测该两视点云中所有的近似同名点，并假定其数量为N，则该两视点云的重叠度W计算公式如下：
Figure FDA0003606024090000011
将满足重叠度要求W>0.2的两视点云进行配准，假设满足重叠度要求的两视点云分别为P＝{p1,...,pn}，Q＝{q1,...,qn}，现在想要找到一个欧式变换R,t，使得
Figure FDA0003606024090000012
pi＝Rqi+t，构造最小二乘问题
Figure FDA0003606024090000013
当目标函数达到最小时，求解出最佳旋转矩阵R与平移矩阵t，
定义误差
Figure FDA0003606024090000021
设定迭代次数最大值为50次，当迭代次数大于50次或e<0.001时，停止迭代，否则进入迭代，
输出旋转平移矩阵真值并绘制配准后图像，得到全局重构的铸件点云模型。
5.根据权利要求1所述的面向大型铸件打磨的高效三维视觉定位方法，其特征在于，具体的，对全局重构的铸件点云模型进行局部信息缺失补全，包括以下，
通过工业相机对目标铸件的局部表面进行二次不同视角感知，得到局部稠密点云模型，
将全局模型与局部稠密模型进行配准，构建基于权重的ICP点云配准模型：假设存在P'＝{p'1,p'2,...,p'n}与Q'＝{q'1,q'2,...,q'n}两组对应点，想要找到一个欧式变换R,t，
使得：
Figure FDA0003606024090000022
其中ωi>0是对应每个点对的权重，
结合威尔士函数求解权重的数学模型，其中威尔士函数与权重的数学关系如下，
Figure FDA0003606024090000023
对于系数ν的取值，由于初始配准阶段配准点数较多且点对距离较大，选取曲线较为平滑的ν＝2作为第一次配准的系数，每经过一次迭代，比例系数变化为上一次的0.9倍，即νn＝0.9νn-1，
依照以上进行迭代剔除离群值，完成局部信息缺失补全。
6.面向大型铸件打磨的高效三维视觉定位装置，其特征在于，包括：
标定模块，用于完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件；
点云数据获取模块，用于按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据；
点云配准模块，用于进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型；
信息缺失补全模块，用于对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位。
7.面向大型铸件打磨的高效三维视觉平台，其特征在于，应用了上述权利要求1-5所述的任意一项面向大型铸件打磨的高效三维视觉定位方法，包括，
机器人本体，用于末端固定相机并调整相机拍照高度与角度，在定位后便于机器人对铸件进行加工；
3D工业相机，设置于所述机器人本体的一端，用于拍摄多个不同视角的铸件点云数据；
旋转平台，与所述机器人本体适配设置，设置于所述3D工业相机的下方，用于放置目标铸件，并带动所述目标铸件旋转；
上位机，用于完成3D工业相机与旋转平台的标定工作，以使所述3D工业相机对准目标铸件，
按照预设的单次旋转角度以及旋转方向对所述目标铸件进行多视角扫描，根据所述旋转平台旋转360度的拍摄次数，得到拍摄次数值的多个不同视角的铸件点云数据，
进行多视角点云配准，将获得的多个不同视角的铸件点云数据配准到机器人世界坐标系下，获得全局重构的铸件点云模型，
对全局重构的铸件点云模型进行局部信息缺失补全，完成视觉定位；
所述上位机通过信号线连接机器人本体以及旋转平台。
8.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。
CN202210418819.4A 2022-04-20 2022-04-20 面向大型铸件打磨的高效三维视觉定位方法及装置 Pending CN114926539A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210418819.4A CN114926539A (zh) 2022-04-20 2022-04-20 面向大型铸件打磨的高效三维视觉定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210418819.4A CN114926539A (zh) 2022-04-20 2022-04-20 面向大型铸件打磨的高效三维视觉定位方法及装置

Publications (1)

Publication Number Publication Date
CN114926539A true CN114926539A (zh) 2022-08-19

Family

ID=82805974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210418819.4A Pending CN114926539A (zh) 2022-04-20 2022-04-20 面向大型铸件打磨的高效三维视觉定位方法及装置

Country Status (1)

Country Link
CN (1) CN114926539A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117381553A (zh) * 2023-12-08 2024-01-12 创新奇智(青岛)科技有限公司 一种工件打磨方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117381553A (zh) * 2023-12-08 2024-01-12 创新奇智(青岛)科技有限公司 一种工件打磨方法、装置、电子设备及存储介质
CN117381553B (zh) * 2023-12-08 2024-02-23 创新奇智(青岛)科技有限公司 一种工件打磨方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110728715B (zh) 一种智能巡检机器人摄像机角度自适应调整方法
CN110815213B (zh) 一种基于多维度特征融合的零件识别装配方法和装置
CN105716542B (zh) 一种基于柔性特征点的三维数据拼接方法
WO2012053521A1 (ja) 光学情報処理装置、光学情報処理方法、光学情報処理システム、光学情報処理プログラム
CN113063368A (zh) 一种线激光旋转扫描三维轮廓测量方法及装置
CN110741282A (zh) 外参标定方法、装置、计算设备以及计算机存储介质
CN110009690A (zh) 基于极线校正的双目立体视觉图像测量方法
CN106504321A (zh) 使用照片或视频重建三维牙模的方法及使用rgbd图像重建三维牙模的方法
CN110942506B (zh) 一种物体表面纹理重建方法、终端设备及系统
Yang et al. A calibration method for binocular stereo vision sensor with short-baseline based on 3D flexible control field
CN109685845B (zh) 一种用于fod检测机器人的基于pos系统的实时图像拼接处理方法
CN109584288A (zh) 一种五轴系统中三维模型的重构方法及系统
CN109360243B (zh) 一种多自由度可动视觉系统的标定方法
CN113724337B (zh) 一种无需依赖云台角度的相机动态外参标定方法及装置
CN111189415A (zh) 一种基于线结构光的多功能三维测量重建系统及方法
CN114926539A (zh) 面向大型铸件打磨的高效三维视觉定位方法及装置
CN115880344A (zh) 一种双目立体匹配数据集视差真值获取方法
CN111798453A (zh) 用于无人驾驶辅助定位的点云配准方法及其系统
CN113554559B (zh) 带有多重复杂曲面旋转对称模型的三维重建方法及装置
CN112525106B (zh) 基于三相机协同激光的3d探测方法及装置
CN110969650B (zh) 一种基于中心投影的强度图像与纹理序列间的配准方法
CN112767494A (zh) 基于标定算法的精确测量定位方法
CN114565720A (zh) 一种基于线结构光旋转扫描的主动式三维重建系统及方法
CN211915840U (zh) 一种基于单目视觉的三维五轴激光切割机床
Zamanakos et al. A cooperative LiDAR-camera scheme for extrinsic calibration

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