CN115193643A - 一种基于机器视觉的汽车内饰喷胶设备 - Google Patents

一种基于机器视觉的汽车内饰喷胶设备 Download PDF

Info

Publication number
CN115193643A
CN115193643A CN202210330941.6A CN202210330941A CN115193643A CN 115193643 A CN115193643 A CN 115193643A CN 202210330941 A CN202210330941 A CN 202210330941A CN 115193643 A CN115193643 A CN 115193643A
Authority
CN
China
Prior art keywords
glue spraying
glue
point cloud
track
historical
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
Application number
CN202210330941.6A
Other languages
English (en)
Other versions
CN115193643B (zh
Inventor
张玉强
黄武
贾朋
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.)
Zhenyue Intelligent Equipment Foshan Co ltd
Original Assignee
Zhenyue Intelligent Equipment Foshan Co ltd
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 Zhenyue Intelligent Equipment Foshan Co ltd filed Critical Zhenyue Intelligent Equipment Foshan Co ltd
Priority to CN202210330941.6A priority Critical patent/CN115193643B/zh
Publication of CN115193643A publication Critical patent/CN115193643A/zh
Application granted granted Critical
Publication of CN115193643B publication Critical patent/CN115193643B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C5/00—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work
    • B05C5/02—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work
    • B05C5/0208—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work for applying liquid or other fluent material to separate articles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
    • B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
    • B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
    • B05C11/1015—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to a conditions of ambient medium or target, e.g. humidity, temperature ; responsive to position or movement of the coating head relative to the target
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C13/00—Means for manipulating or holding work, e.g. for separate articles
    • B05C13/02—Means for manipulating or holding work, e.g. for separate articles for particular articles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/7635—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks based on graphs, e.g. graph cuts or spectral clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30156—Vehicle coating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation
    • 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
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Graphics (AREA)
  • Quality & Reliability (AREA)
  • Optics & Photonics (AREA)
  • Geometry (AREA)
  • Robotics (AREA)
  • Spray Control Apparatus (AREA)

Abstract

本发明提供了一种基于机器视觉的汽车内饰喷胶设备，具有这样的特征，包括：喷胶室；输送装置，用于对待喷胶工件进行输送，输送装置至少有一部分位于喷胶室内；喷胶装置，位于喷胶室内，用于对待喷胶工件进行喷胶；摄像装置，设置在喷胶装置上，用于对待喷胶工件进行拍摄；控制装置，用于对摄像装置得到的三维图像进行处理得到喷胶参数，然后控制喷胶装置，按照喷胶参数进行喷胶操作。输送装置包括输送部、滑台、感应组件、第一驱动组件以及定位组件。输送部包括多个输送单元，多个输送单元拼接组成闭合环形形状，输送部至少有一部分位于喷胶室内。

Description

一种基于机器视觉的汽车内饰喷胶设备
技术领域
本发明属于喷涂设备领域，具体涉及一种基于机器视觉的汽车内饰喷胶设备。
背景技术
喷胶设备常用于对工件表面进行喷胶加工。传统的喷胶设备通常为对固定形状的工件进行喷胶加工，若需要更换待加工工件的种类，则需要对喷胶设备的控制器进行重新设置或调试程序，特别是对于一些小批量且种类多的工件，每次更换工件形状调试程序的时间会占用总加工时间较大的比例，降低加工效率。并且，随着技术发展和产品需求的提高，喷胶操作的空间轨迹越来越复杂，精度要求也越来越高，传统人工喷胶方式已难以满足需求，需要通过机器视觉来对喷胶操作进行更精确的定位引导，因此，出现了基于2D机器视觉一些自动化方法。
但是，由于2D机器视觉无法获得物体的空间坐标信息，所以不支持与形状相关的测量，诸如物体平面度、表面角度、体积，或者区分相同颜色的物体之类的特征，或者在具有接触侧的物体位置之间进行区分，而且2D机器视觉测量物体的对比度，这意味着特别依赖于光照和颜色/灰度变化，测量精度易受变量照明条件的影响，因此，基于2D机器视觉的方法难以满足上述的喷胶操作的需要。
此外，传统的喷胶设备通常需要装载工具或工人直接将待喷胶工件安装到喷头附近，喷胶完成后再将工件取下，依次逐个完成喷胶。此种方式通常效率低、人力资源浪费情况严重。
随着科技的发展，一些新的喷胶设备会与输送设备相配合，依靠输送设备对工件进行输送喷胶。然而，传统的输送设备只有传送功能，并不支持在输送过程中对产品进行加工。且传统的输送设备的输送通道为条状，且存在严格的供料点和卸料点，即供料点和卸料点位于输送通道的两端，因此通常需要在卸料点和供料点处分别设置装载工具或工人。这会极大地影响加工效率，并且对人力资源也会造成一定的浪费。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种基于机器视觉的汽车内饰喷胶设备。
本发明提供了一种基于机器视觉的汽车内饰喷胶设备，具有这样的特征，包括：喷胶室；输送装置，用于对待喷胶工件进行输送，输送装置至少有一部分位于喷胶室内；喷胶装置，位于喷胶室内，用于对待喷胶工件进行喷胶；摄像装置，设置在喷胶装置上，用于对待喷胶工件进行拍摄；控制装置，用于对摄像装置得到的三维图像进行处理得到喷胶参数，然后控制喷胶装置，按照喷胶参数进行喷胶操作。输送装置包括输送部、滑台、感应组件、第一驱动组件以及定位组件。输送部包括多个输送单元，多个输送单元拼接组成闭合环形形状，输送部至少有一部分位于喷胶室内。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，喷胶参数包括喷胶轨迹以及喷胶轨迹参数，控制装置包括：点云采集部，通过摄像装置采集待喷胶工件的三维点云，并对三维点云进行预处理；模型构建部，根据三维点云构建三维网格模型；喷胶轨迹生成部，基于三维网格模型以及预先设定的喷胶工艺参数，生成喷胶轨迹；喷胶控制部，控制喷胶装置根据喷胶轨迹对待喷胶工件进行喷胶操作。喷胶工艺参数包括喷幅、雾化、流量、喷涂次数以及喷涂速度。喷胶轨迹参数包括轨迹方向以及轨迹行间距。喷胶轨迹包括不需要进行喷胶的直线型移动轨迹，用于使喷胶装置移动至下一个待喷胶工件。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，点云采集部的工作过程为：步骤1-1，通过摄像装置从不同视点对待喷胶工件进行多次拍摄，得到多个深度图；步骤1-2，将多个深度图分别转换为多个部分点云，多个部分点云的集合为点云数据；步骤1-3，对点云数据进行点云滤波；步骤1-4，对点云数据进行下采样；步骤1-5，对点云数据进行特征描述及提取，得到点云特征；步骤1-6，基于点云特征，对点云数据进行点云拼接，得到三维点云；步骤1-7，基于点云特征，对三维点云进行点云分割，去除待喷胶工件的轮廓以外的点云。模型构建部的工作过程为：步骤 2-1，通过手眼标定方法得到坐标系转换矩阵；步骤2-2，基于坐标系转换矩阵，将基于相机坐标系的三维点云转换为基于机器人坐标系的三维点云；步骤2-3，对基于机器人坐标系的三维点云进行点云网格化，得到三维网格模型。手眼标定方法包括如下步骤：步骤A1，采用六点标定法标定机器人工具坐标系；步骤A2，将三维相机以及标定板进行固定，调整喷胶装置的末端位置姿态使其分别对准标定板上的各个标定物，得到末端位置姿态的数据，并通过三维相机进行拍摄，分别得到标定物在深度图中的像素位置；步骤A3，基于机器人工具坐标系、末端位置姿态以及像素位置，计算得到坐标系转换矩阵。喷胶轨迹生成部的工作过程为：步骤3-1，将三维网格模型进行分片，得到多个结构简单的子片；步骤3-2，基于喷胶工艺参数以及待喷胶工件的尺寸，生成喷胶轨迹参数；步骤3-3，基于喷胶轨迹参数，生成每个子片的子片喷胶轨迹；步骤3-4，将各个子片喷胶轨迹进行合并，得到喷胶轨迹。其中，喷胶轨迹为喷胶装置的末端位置姿态点的集合。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，喷胶参数包括历史喷胶轨迹以及历史喷胶轨迹参数。控制装置包括：点云采集部，通过摄像装置采集包含有待喷胶工件的场景点云，并对场景点云进行预处理得到场景点云，对场景点云进行点云聚类分割，得到每个汽车内饰的点云模型；历史模型存储部，存储有多个历史点云模型；目标识别部，从场景点云中识别出各个待喷胶工件，得到各个待喷胶工件的点云模型；模型比对部，将点云模型分别与各个历史点云模型进行比对，得到相似度最高的历史点云模型；喷胶轨迹生成部，获取与相似度最高的历史点云模型相对应的历史喷胶轨迹以及历史喷胶轨迹参数，并将历史喷胶轨迹转换到喷胶装置的坐标系；喷胶控制部，控制喷胶装置根据历史喷胶轨迹以及历史喷胶轨迹参数依次对待喷胶工件进行喷胶操作；以及喷胶轨迹优化部，根据喷胶结果对历史喷胶轨迹以及历史喷胶轨迹参数进行优化以及更新。点云聚类分割采用欧式点云聚类分割方法。历史喷胶轨迹参数包括轨迹方向以及轨迹行间距。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，模型比对部的工作过程为：步骤4-1，对点云模型以及历史点云模型分别进行重采样，得到当前模型关键点和历史模型关键点；步骤4-2，基于当前模型关键点计算当前模型描述子，基于历史模型关键点计算历史模型描述子；步骤4-3，对每个历史点云模型，基于当前模型描述子和历史描述子，将点云模型与历史点云模型进行点云匹配，得到匹配点对以及相似度；步骤4-4，获取相似度最高的历史点云模型以及对应的匹配点对；步骤4-5，基于匹配点对，计算点云模型和历史点云模型之间的变换矩阵。喷胶控制部的工作过程为：步骤5-1，对于每个待喷胶工件，通过变换矩阵将历史喷胶轨迹转换为本次喷胶轨迹，并通过变换矩阵将历史喷胶轨迹参数转换为本次喷胶轨迹参数；步骤5-2，按照预先设定的顺序依次将多个本次喷胶轨迹进行连接，得到最终的喷胶轨迹，并按照预先设定的顺序依次将多个本次喷胶轨迹参数进行合并，得到最终的喷胶轨迹参数；步骤5-3，基于最终的喷胶轨迹以及最终的喷胶轨迹参数，通过喷胶装置进行喷胶操作。喷胶轨迹优化部的工作过程为：步骤6-1，根据喷胶结果对本次喷胶轨迹以及本次喷胶轨迹参数进行相应的优化；步骤6-2，通过变换矩阵将优化后的本次喷胶轨迹和本次喷胶轨迹参数转换到历史喷胶轨迹的坐标系；步骤6-3，将历史喷胶轨迹更新为本次喷胶轨迹，并将历史喷胶轨迹参数更新为本次喷胶轨迹参数。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，输送装置包括输送部、滑台、感应组件、第一驱动组件以及定位组件。输送部包括多个输送单元，多个输送单元拼接组成闭合环形形状，输送部至少有一部分位于喷胶室内。输送单元包括两个平行设置的输送轨道，输送轨道为传动链条。滑台放置在两个输送轨道上，用于承托待喷胶工件。滑台的数量为多个，多个滑台依次排列设置在输送轨道上。滑台上固定有至少一个仿形模胎，仿形模胎的形状与待喷胶工件的形状相适配。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，定位组件用于将滑台定位在预定喷胶位置。定位组件包括至少一个气缸，该气缸设置在喷胶室内并用于对滑台的前部进行定位。第一驱动组件与输送部相连接，用于驱动输送部进行移动从而带动滑台移动。第一驱动组件包括与多个输送单元一一对应设置的多个电机。感应组件设置在喷胶室内，用于感应滑台是否到达喷胶室内的预定喷胶位置。感应组件为红外位置传感器。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，摄像装置包括三维相机。三维相机为三维结构光相机、双目相机、TOF相机以及三维激光相机中的任意一种。三维结构光相机具有两个光源以及两个摄像头，两个光源分别位于两个摄像头的两侧。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，喷胶装置包括：六轴式机器人，具有连接端和工作端；喷胶机构，与工作端连接，用于对待喷胶工件喷胶；移动机构，与连接端连接；以及限位导轨，用于引导移动机构沿该限位导轨移动，移动机构具有滑动组件以及第二驱动组件。滑动组件与限位导轨滑动连接。第二驱动组件用于驱动滑动组件沿限位导轨的延伸方向移动，进而带动六轴式机器人移动。六轴式机器人的末端设有机器人安装座，机器人安装座至少具有摄像安装面，摄像安装面用于安装摄像装置。
在本发明提供的基于机器视觉的汽车内饰喷胶设备中，还可以具有这样的特征：其中，滑动组件具有滑动平台以及移动滑块，滑动平台的一侧与移动滑块连接，另一侧与六轴式机器人连接，移动滑块套设在限位导轨上，该滑移动块与限位导轨相配合使得六轴式机器人沿限位导轨的延伸方向移动。限位导轨以及移动滑块的数量为两个，两个限位导轨相互平行，两个移动滑块分别套设在相对应的限位导轨上。第二驱动组件具有电机、丝杠、驱动滑块以及固定座，丝杠的一端与电机连接，另一端与固定座连接，驱动滑块套设在丝杠上，且与滑动平台连接。喷胶机构具有自动喷枪以及储胶组件，储胶组件用于存储喷胶用的胶液，自动喷枪用于喷出胶液，自动喷枪以及储胶组件连通设置。
发明的作用与效果
根据本发明所涉及的基于机器视觉的汽车内饰喷胶设备，因为包括：喷胶室；输送装置，用于对待喷胶工件进行输送，输送装置至少有一部分位于喷胶室内；喷胶装置，位于喷胶室内，用于对待喷胶工件进行喷胶；摄像装置，设置在喷胶装置上，用于对待喷胶工件进行拍摄；控制装置，用于对摄像装置得到的三维图像进行处理得到喷胶参数，然后控制喷胶装置，按照喷胶参数进行喷胶操作。输送装置包括输送部、滑台、感应组件、第一驱动组件以及定位组件。输送部包括多个输送单元，多个输送单元拼接组成闭合环形形状，输送部至少有一部分位于喷胶室内。
所以，本发明的基于机器视觉的汽车内饰喷胶设备中的控制装置对摄像装置拍摄到的待喷胶工件的三维图像进行处理，得到对应的喷胶参数，从而控制喷胶装置按照喷胶参数进行喷胶。该过程能够通过实时拍摄自动生成喷胶轨迹，并通过喷胶装置进行自动化喷胶，因此可以对多种具有不同表面的汽车内饰进行自动化喷胶，不需要通过人工干预来切换喷胶方法及喷胶参数，且汽车内饰在预定工作范围内可以以任意角度放置在任意位置，大大提高了生产效率。因此本发明的基于机器视觉的汽车内饰喷胶设备适用于小批量、多种类的工件加工。
此外，本发明的基于机器视觉的汽车内饰喷胶设备中的输送装置不仅具有最基本的传送功能，而且在感应组件和定位组件的作用下，可以使滑台上的待加工工件到达一定位置后直接进行加工。且输送部为闭合环形形状，可以在位于喷胶室下游的操作工位上取下加工完成的工件，然后再放置新的待加工工件，从而实现批量喷胶。也可以在环形形状的线路上的任意位置设置装载工具或工人，实现高效率的加工过程。
此外，本发明的基于机器视觉的汽车内饰喷胶设备可以快速高效地进行多个工件的加工，大大提高了整体的加工效率。
附图说明
图1是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备的正视图；
图2是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备中的输送装置的整体示意图；
图3是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备中的输送装置局部示意图；
图4是本发明的实施例一中位于喷胶室内的输送单元和待喷胶工件的示意图；
图5是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备中的摄像装置的结构示意图。
图6是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备的中喷胶装置的结构示意图一；
图7是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备的中喷胶装置的结构示意图二；
图8是本发明的实施例一中基于机器视觉的汽车内饰喷胶设备的中喷胶装置的六轴机器人工作端的结构示意图；
图9是本发明实施例一中喷胶装置的移动机构的结构示意图；
图10是本发明实施例一中喷胶装置的第二驱动组件的结构示意图；
图11为本发明的实施例一中的控制装置的结构框图
图12是本发明实施例一中喷胶轨迹的示意图；
图13是本发明实施例二中子片喷胶轨迹的示意图；
图14为本发明的实施例三中的控制装置的结构框图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明基于机器视觉的汽车内饰喷胶设备作具体阐述。
<实施例1>
本实施例提供了一种基于机器视觉的汽车内饰喷胶设备1000。本实施例中，待喷胶工件1的个数为三个。
图1是本实施例中基于机器视觉的汽车内饰喷胶设备的正视图。
如图1所示，本实施例的基于机器视觉的汽车内饰喷胶设备1000 包括喷胶室100、输送装置200、喷胶装置300、摄像装置400以及控制装置(图中未示出)。
图2是本实施例中基于机器视觉的汽车内饰喷胶设备中的输送装置的整体示意图。
图3是本实施例中基于机器视觉的汽车内饰喷胶中的输送装置局部示意图。
图4是本实施例中位于喷胶室内的输送单元和待喷胶工件的示意图。
如图2～图4所示，输送装置200包括输送部210、滑台220、感应组件230、第一驱动组件240以及定位组件250。
输送部210包括多个输送单元211，多个输送单元211拼接组成闭合环形线路260，输送部210有一部分位于喷胶室100内。本实施例中，输送单元211的数量为16个。
输送单元211包括两个平行设置的输送轨道2111，本实施例中的输送轨道2111为传动链条。
滑台220放置在两个输送轨道上211，滑台220上固定有三个仿形模胎，仿形模胎的形状与待喷胶工件1的形状相适配，从而承托待喷胶的工件1。滑台220的数量为多个，多个滑台220依次排列设置在输送轨道2111上。本实施例中滑台220的数量为16个。
第一驱动组件240与输送部210相连接，用于驱动输送部210进行移动从而带动滑台220移动。第一驱动组件240包括与多个输送单元211一一对应设置的多个电机。本实施例中，电机的数量为16个。
感应组件230设置在喷胶室100内，用于感应滑台220是否到达喷胶室100内的预定喷胶位置。本实施例中的感应组件230为红外位置传感器。
定位组件250用于将滑台220定位在预定喷胶位置。本实施例中，定位组件250包括一个气缸，该气缸设置在喷胶室100内并用于对滑台220的前部进行定位。本实施例中的滑台220前部具有一个凹槽，当滑台220到达预定喷胶位置时，气缸顶起与凹槽的形状相适配从而卡住滑台220，实现定位。
图5是本实施例中基于基于机器视觉的汽车内饰喷胶设备中的摄像装置的结构示意图。
如图5所示，本实施例中的摄像装置400包括三维相机410，用于拍摄待喷胶工件1的表面。三维相机410为三维结构光相机。三维相机410具有两个光源411以及两个摄像头412，两个光源411分别位于两个摄像头412的两侧。
通过三维相机410中的结构光源投射出黑白相间的结构光，该结构光投射到物体表面后，结构光所产生的黑白条纹或斑点根据物体表面的形状产生不同程度的变形，三维相机410能够基于该变形解算出物体表面点的位置信息，从而得到物体的深度图。
图6是本实施例中基于机器视觉的汽车内饰喷胶设备的中喷胶装置的结构示意图一。
图7是本实施例中基于机器视觉的汽车内饰喷胶设备的中喷胶装置的结构示意图二。
图8是本实施例中基于机器视觉的汽车内饰喷胶设备的中喷胶装置的六轴机器人工作端的结构示意图。
如图6～图8所示，喷胶装置300包括六轴式机器人310、喷胶机构320、移动机构330、限位导轨340以及底座360。
六轴式机器人310具有连接端311、工作端312以及机器人安装座313。连接端311与移动机构330连接。六轴式机器人310的末端为其工作端312。工作端312通过机器人安装座313与喷胶机构320 连接。
机器人安装座313具有摄像安装面3131、喷胶安装面3132以及连接侧面3133。摄像安装面3131用于安装三维相机410。
喷胶机构320用于对汽车内饰进行喷胶，设置在喷胶安装面3132 上。该喷胶机构320的结构为现有且常见的喷胶机构的结构。喷胶机构320具有自动喷枪321以及储胶组件(图中未示出)。储胶组件(图中未示出)用于存储喷胶用的胶液，自动喷枪321用于喷出胶液，自动喷枪321以及储胶组件连通设置。
图9是本实施例中喷胶装置的移动机构的结构示意图。
如图9所示，移动机构330具有滑动组件331以及第二驱动组件 332。
滑动组件331与限位导轨340滑动连接。滑动组件331具有滑动平台3311以及移动滑块3312。滑动平台3311的一侧与移动滑块3312 连接，另一侧与六轴式机器人310连接。移动滑块3312的数量为两个。两个移动滑块3312分别套设在相对应的两个限位导轨340上，该移动滑块3312与限位导轨340相配合，使得设置在滑动平台3311 上的六轴式机器人310水平移动。
图10是本实施例中喷胶装置的第二驱动组件的结构示意图。
如图10所示，第二驱动组件332具有电机3321、丝杠3322、驱动滑块3323以及固定座3324。该第二驱动组件332用于驱动滑动组件331沿限位导轨340的延伸方向运动，进而带动六轴式机器人310 运动。丝杠3322的一端与电机3321连接，另一端与固定座3324连接。固定座3324设置在底座360上。驱动滑块3323套设在丝杠3322 上，且与滑动平台3311连接。在电机3321的驱动下丝杠3322与驱动滑块3323相配合使得滑动平台3311沿限位导轨340的延伸方向运动。
限位导轨340设置在底座360上。限位导轨340数量为两个，且两个限位导轨340相互平行。
本实施例中的控制装置用于对摄像装置400得到的三维图像进行处理得到喷胶参数，然后控制喷胶装置300，按照喷胶参数进行喷胶操作。喷胶参数包括喷胶轨迹以及喷胶轨迹参数。
图11是本实施例中的控制装置的结构框图。
如图11所示，本实施例中，控制装置500为工控机，该工控机上安装有三维视觉喷涂软件、PCL(Point Cloud Library)库以及 OMPL(Open Motion Planning Library)库，三维视觉喷涂软件包括UI 界面、机器人模块、手眼标定模块、3D视觉模块、3D点云处理模块以及喷涂工艺包。该工控机分别与摄像装置400以及喷胶装置300相连接，用于控制摄像装置400对待喷胶工件进行点云采集，以及控制喷胶装置300对待喷胶工件进行喷胶。
本实施例中的控制装置500包括主控制部510、点云采集部520、模型构建部530、喷胶轨迹生成部540以及喷胶控制部550。主控制部510对其他各个工作部实行整体控制。
点云采集部520通过摄像装置400采集待喷胶工件的三维点云，并对三维点云进行预处理。工作过程为：
步骤S1-1，通过摄像装置400从不同视点对待喷胶工件1进行多次拍摄，得到多个深度图。
步骤S1-2，将多个深度图分别转换为多个部分点云，多个部分点云的集合为点云数据。
本实施例中，通过三维相机410从四个预先设置的视点对待喷胶工件1进行拍摄，得到四张深度图，这四张深度图完全覆盖整个预定工作范围，也即完全覆盖待喷胶工件1。
然后，基于相机内参，通过现有技术中的转换方法将四个深度图分别转为四个部分点云，这四个部分点云的集合为包含有待喷胶工件 1三维信息的点云数据。点云数据包含有空间分辨率、点位精度、表面法向量等信息，可以表达物体的空间轮廓和具体位置。
步骤S1-3，对点云数据进行点云滤波。
步骤S1-4，对点云数据进行下采样；步骤S1-5，对点云数据进行特征描述及提取，得到点云特征。
步骤S1-6，基于点云特征，对点云数据进行点云拼接，得到三维点云。
步骤S1-7，基于点云特征，对三维点云进行点云分割，去除待喷胶工件的轮廓以外的点云。
本实施例中，点云滤波、下采样以及点云特征提取的方法均为 PCL库中的现有方法。
通过点云滤波可以对三维点云进行平滑，解决三维点云数据密度不规则的问题，同时可以去除离群点等噪音数据。
通过下采样可以减少三维点云中点的数量，即减少了点云数据，并同时保持点云的形状特征，能够减少后续计算的计算量，同时一定程度上提升计算精度。
通过特征描述及提取能够得到三维点云的点云特征，本实施例中，点云特征包括点云单点特征以及点云局部特征。基于点云特征才能够进行后续步骤的点云拼接、点云分割等点云处理。
本实施例中，点云拼接采用PCL库中的ICP最近点迭代算法，将多个部分点云转换到同一坐标系，基于点云特征将不同部分点云中的相同点进行重叠，从而将四个部分点云拼接成完整的预定工作范围的三维点云。
本实施例中，点云分割采用现有技术的RANSAC随机采样一致性算法，可以去除三维点云中汽车内饰轮廓以外的点云，得到仅包含待喷胶工件1三维信息的三维点云。
因此，通过以上的预处理，得到的待喷胶工件1的三维点云更有利于后续步骤中喷胶轨迹的生成。
模型构建部530根据三维点云构建三维网格模型。工作过程为：
步骤S2-1，通过手眼标定方法得到坐标系转换矩阵。
步骤S2-2，基于坐标系转换矩阵，将基于相机坐标系的三维点云转换为基于机器人坐标系的三维点云。
步骤S2-3，对基于机器人坐标系的三维点云进行点云网格化，得到三维网格模型。
手眼标定方法包括如下步骤：
步骤SA1，采用六点标定法标定机器人工具坐标系。
本实施例中，以自动喷枪的喷嘴为基准采用六点标定法来标定六轴式机器人310工具坐标系，六轴式机器人310按照六种预定的姿态靠近圆锥标定板，工控机记录下对应的六个位置数据作为标定数据，并判断标定数据的误差是否在允许范围内，当判断为是时，六轴式机器人310工具坐标系的标定完成。
步骤SA2，将三维相机以及标定板进行固定，调整喷胶装置的末端位置姿态使其分别对准标定板上的各个标定物，得到末端位置姿态的数据，并通过三维相机进行拍摄，分别得到标定物在深度图中的像素位置。
本实施例中，标定板上的标定物为圆柱，圆柱的数量为4个，调整六轴式机器人310的末端位置姿态，通过三维相机410对每个圆柱进行4次拍摄，且每次拍摄六轴式机器人310的末端位置姿态均不同，也就是说，三维相机410以16个不同的视点进行拍摄，得到16个深度图，并且工控机记录下分别与16个深度图相对应的六轴式机器人 310的末端位置姿态数据。然后，在深度图中找出圆柱表面圆心的位置并进行记录。
步骤SA3，基于机器人工具坐标系、末端位置姿态以及像素位置，计算得到坐标系转换矩阵。
本实施例中，基于步骤SA1中得到的机器人工具坐标系以及步骤SA2中记录的标定数据，三维视觉喷涂软件利用旋转矩阵计算出坐标系转换矩阵。
通过上述的手眼标定方法得到坐标系转换矩阵后，就可以利用该坐标系转换矩阵将基于相机坐标系的三维点云转换为基于机器人坐标系的三维点云，并进一步生成三维网格模型。
本实施例中，点云网格化方法采用PCL库中的贪心投影三角化算法，对三维点云进行点云网格化，用一系列的三角形网格来近似拟合三维点云，得到的三维网格模型为由网格构成的三维曲面，可表达待喷涂汽车内饰的上表面的拓扑特性。将该三维网格模型写入XML 文件中并存储在工控机中。
喷胶轨迹生成部540基于三维网格模型以及预先设定的喷胶工艺参数，生成喷胶轨迹。工作过程为：
步骤S3-1，将三维网格模型进行分片，得到多个结构简单的子片。
步骤S3-2，基于喷胶工艺参数以及待喷胶工件的尺寸，生成喷胶轨迹参数。
步骤S3-3，基于喷胶轨迹参数，生成每个子片的子片喷胶轨迹。
步骤S3-4，将各个子片喷胶轨迹进行合并，得到喷胶轨迹。
本实施例中，喷胶工艺参数包括喷幅、雾化、流量、喷涂次数、喷涂速度等。喷胶轨迹参数包括轨迹方向、轨迹行间距等。
三维网格模型的分片、子片喷胶轨迹的生成以及合并都通过 OMPL库中的ROS全覆盖轨迹生成算法来生成，该算法基于三维网格模型的特征和参数，将其切分为多个结构简单的、适合轨迹规划的子片，并计算得到子片之间的遍历顺序，进一步，根据喷胶轨迹参数以及每个子片的特征和尺寸，生成子片区域内弓字形的覆盖轨迹，最后根据遍历顺序将多个子片的覆盖轨迹进行合并，形成最终的喷胶轨迹。
图12是本发明实施例中喷胶轨迹的示意图。
如图12所示，本实施例中，生成的三维网格模型为三个独立的曲面，相应地，生成的喷胶轨迹中包括三段弓字形全覆盖的喷胶轨迹以及两段直线型的移动轨迹，在两段直线型的移动轨迹中需要暂停喷胶。图12中两条虚线为两段直线型的移动轨迹。
本实施例中，喷胶轨迹参数还包括主针控制参数，当主针控制参数低于预先设定的阈值时，喷胶口暂停出胶，当主针控制参数高于设定的阈值时，喷胶口进行出胶，从而能够通过该参数在两段直线型移动轨迹中暂停喷胶。
喷胶控制部550用于控制喷胶装置300根据喷胶轨迹对多个待喷胶工件1依次进行喷胶操作。
本实施例中的基于机器视觉的汽车内饰喷胶设备1000的工作过程为：
输送单元211在驱动组件240的驱动作用下沿着图2所示的箭头方向进行移动，从而带动滑台220进行运动。
当滑台220上的三个工件1到达喷胶室100内的预定喷胶位置时，感应组件230发生感应，驱动组件240停止工作，输送单元211 停止移动，同时定位组件250中的气缸顶起从而顶住滑台220前部。摄像装置400对工件1进行拍摄，控制装置控制喷胶室100内的喷胶装置300按照喷胶参数对三个工件1依次进行喷胶。
喷胶完毕后气缸下移，同时驱动组件240继续工作，输送单元 211继续移动。
喷胶完成的三个工件1到达喷胶室100的下游被取下，替换为待加工的工件1，实现批量喷胶。或者也可以替换仿形模胎，从而更换不同形状的工件1，实现对不同形状的工件1的喷胶加工。
同时，环形线路260上的任意位置也可分别设置装载工具或工人，实现高效率的装载和加工运输过程。
<实施例2>
本实施例中，待喷胶工件1的个数为一个。本实施例中的基于机器视觉的汽车内饰喷胶设备的工作过程与实施例一相似。不同之处在于控制装置对于一个待喷胶工件生成的喷胶轨迹不同。
图13是本发明实施例中子片喷胶轨迹的示意图。
如图13所示，控制装置中的ROS算法所生成的每个子片的喷胶轨迹为弓字形的全覆盖轨迹。
<实施例3>
本实施例中，待喷胶工件1的个数为两个。本实施例中的基于机器视觉的汽车内饰喷胶设备2000的工作过程与实施例一相似。不同之处在于控制装置的工作过程不同，提供一种高精度自动化喷胶方法。
图14为本实施例中的控制装置的结构框图。
如图14所示，本实施例中的控制装置500’包括主控制部510’、点云采集部520’、历史模型存储部530’、目标识别部540’、模型比对部550’、喷胶轨迹生成部560’、喷胶控制部570’以及喷胶轨迹优化部580’。主控制部510’对其他几个工作部实行整体控制。
点云采集部520’通过摄像装置采集包含有待喷胶工件的场景点云，并对场景点云进行预处理得到场景点云，对场景点云进行点云聚类分割，得到每个汽车内饰的点云模型。工作过程与实施例一中相同。
历史模型存储部530’，存储有多个历史点云模型。
目标识别部540’，从场景点云中识别出各个待喷胶工件，得到各个待喷胶工件的点云模型。
模型比对部550’，将点云模型分别与各个历史点云模型进行比对，得到相似度最高的历史点云模型。工作过程为：
步骤S4-1，对点云模型以及历史点云模型分别进行重采样，得到当前模型关键点和历史模型关键点.
步骤S4-2，基于当前模型关键点计算当前模型描述子，基于历史模型关键点计算历史模型描述子。
步骤S4-3，对每个历史点云模型，基于当前模型描述子和历史描述子，将点云模型与历史点云模型进行点云匹配，得到匹配点对以及相似度。
步骤S4-4，获取相似度最高的历史点云模型以及对应的匹配点对。
步骤S4-5，基于匹配点对，计算点云模型和历史点云模型之间的变换矩阵。
本实施例中，重采样为PCL库中的均匀采样方法，均匀采样能够有效降低点云中的噪音数据，且不改变点云中点的位置，因此适合于提取关键点。
模型描述子为SHOT(法线方向直方图特征)描述子，可以通过 PCL库中的现有算法进行计算。
点云匹配采用PCL库中的KD-Tree近邻搜索算法，在点云模型中，为历史点云模型的每一个历史模型关键点匹配一个模型描述子最相似的当前模型关键点，从而得到多个点对，从多个点对中去除模型描述子距离过远的点对，得到多个匹配点对。匹配点对的数量即可作为两个模型的相似度。
变换矩阵通过PCL库中现有的点云转换方法来计算。变换矩阵包括旋转矩阵和平移矩阵。通过变换矩阵能够进行点云模型与历史点云模型之间的变换。
本实施例中，以汽车坐垫为例，将汽车坐垫的点云模型分别与多个存储的历史点云模型进行点云匹配，历史点云模型包括有汽车坐垫、汽车仪表板、汽车车门扶手等的点云模型，通过上述的计算和点云匹配，匹配点对数量最多的是汽车坐垫的历史点云模型，因此，就将该汽车坐垫的历史点云模型作为相似度最高的历史点云模型，并计算上述的变换矩阵。
如上，通过本实施例的模型比对部，匹配到了相似度最高的历史点云模型，并得到了两个模型间的变换矩阵。
喷胶轨迹生成部560’用于获取与相似度最高的历史点云模型相对应的历史喷胶轨迹以及历史喷胶轨迹参数，并将历史喷胶轨迹转换到喷胶装置的坐标系。
本实施例中，工控机中的历史点云模型和历史喷胶轨迹及历史喷胶轨迹参数为对应存储，因此找到相似度最高的历史点云模型后，可以直接读取得历史喷胶轨迹及参数。
喷胶控制部570’，控制喷胶装置根据历史喷胶轨迹以及历史喷胶轨迹参数依次对待喷胶工件进行喷胶操作。工作过程为：
步骤S5-1，对于每个待喷胶工件1，通过变换矩阵将历史喷胶轨迹转换为本次喷胶轨迹，并通过变换矩阵将历史喷胶轨迹参数转换为本次喷胶轨迹参数。
步骤S5-2，按照预先设定的顺序依次将多个本次喷胶轨迹进行连接，得到最终的喷胶轨迹，并按照预先设定的顺序依次将多个本次喷胶轨迹参数进行合并，得到最终的喷胶轨迹参数。
步骤S5-3，基于最终的喷胶轨迹以及最终的喷胶轨迹参数，通过六轴式机器人310进行喷胶操作。
本实施例中，由于设备条件、环境影响等因素，本次采集的点云与历史采集的点云之间不可避免会有一些距离、角度的差异，因此，需要通过上述的变换矩阵将历史喷胶轨迹转换到对应于当前的点云模型的机器人坐标系。
历史喷胶轨迹参数中包括轨迹方向以及轨迹行间距等，因此也需要通过上述的变换矩阵进行转换。
本实施例中，以喷胶机器人的位置为基准，预先设定的顺序为从近到远。
如上，通过实时三维拍摄、自动模型匹配及自动喷胶轨迹获取，对两个不同的汽车内饰依次进行了自动化的喷胶。
此外，本实施例中，操作人员还可以根据喷胶结果对历史喷胶轨迹以及历史喷胶轨迹参数进行优化及更新。该优化及更新可以异步于上述的喷胶过程进行，不影响喷胶过程。
喷胶轨迹优化部580’根据喷胶结果对历史喷胶轨迹以及历史喷胶轨迹参数进行优化以及更新。工作过程为：
步骤S6-1，根据喷胶结果对本次喷胶轨迹以及本次喷胶轨迹参数进行相应的优化。
步骤S6-2，通过变换矩阵将优化后的本次喷胶轨迹和本次喷胶轨迹参数转换到历史喷胶轨迹的坐标系。
步骤S6-3，将历史喷胶轨迹更新为本次喷胶轨迹，并将历史喷胶轨迹参数更新为本次喷胶轨迹参数。
本实施例中，喷胶结果包括以下的问题：汽车内饰的一角未被喷胶覆盖到、整体胶层稍厚。根据以上问题，操作人员通过工控机上的三维视觉喷涂软件进行相应的轨迹和参数优化，具体地，针对一角未覆盖到的问题，操作人员通过UI界面，手动对喷胶轨迹进行编辑，在相应的位置增加关键点并通过软件生成额外的喷胶轨迹段；针对整体胶层稍厚的问题，操作人员通过UI界面，在喷胶参数中的流量一栏输入一个更小的值。然后，操作人员将优化后的喷胶轨迹及参数通过上述的变换矩阵转换到历史喷胶轨迹的坐标系，并将转换后的喷胶轨迹及参数作为新的历史喷胶轨迹和新的历史喷胶轨迹参数存储到工控机中，以备下次喷胶调取使用。
实施例的作用与效果
根据上述实施例所涉及的基于机器视觉的汽车内饰喷胶设备，因为包括：喷胶室；输送装置，用于对待喷胶工件进行输送，输送装置至少有一部分位于喷胶室内；喷胶装置，位于喷胶室内，用于对待喷胶工件进行喷胶；摄像装置，设置在喷胶装置上，用于对待喷胶工件进行拍摄；控制装置，用于对摄像装置得到的三维图像进行处理得到喷胶参数，然后控制喷胶装置，按照喷胶参数进行喷胶操作。输送装置包括输送部、滑台、感应组件、第一驱动组件以及定位组件。输送部包括多个输送单元，多个输送单元拼接组成闭合环形形状，输送部至少有一部分位于喷胶室内。
所以，对于实施例一～二，基于机器视觉的汽车内饰喷胶设备中的控制装置对摄像装置拍摄到的待喷胶工件的三维图像进行处理，得到对应的喷胶参数，从而控制喷胶装置按照喷胶参数进行喷胶。该过程能够通过实时拍摄自动生成喷胶轨迹，并通过喷胶装置进行自动化喷胶，因此可以对多种具有不同表面的汽车内饰进行自动化喷胶，不需要通过人工干预来切换喷胶方法及喷胶参数，且汽车内饰在预定工作范围内可以以任意角度放置在任意位置，大大提高了生产效率。因此上述实施例的基于机器视觉的汽车内饰喷胶设备适用于小批量、多种类的工件加工。
此外，实施例一～二中的基于机器视觉的汽车内饰喷胶设备中的输送装置不仅具有最基本的传送功能，而且在感应组件和定位组件的作用下，可以使滑台上的待加工工件到达一定位置后直接进行加工。且输送部为闭合环形形状，可以在位于喷胶室下游的操作工位上取下加工完成的工件，然后再放置新的待加工工件，从而实现批量喷胶。也可以在环形形状的线路上的任意位置设置装载工具或工人，实现高效率的加工过程。
此外，实施例一的基于机器视觉的汽车内饰喷胶设备可以快速高效地进行多个工件的加工，大大提高了整体的加工效率。
所以，实施例一～二的基于机器视觉的汽车内饰喷胶设备中的输送装置不仅具有最基本的传送功能，而且在感应组件和定位组件的作用下，可以使滑台上的待加工工件到达一定位置后直接进行加工。且输送部为闭合环形形状，可以在位于喷胶室下游的操作工位上取下加工完成的工件，然后再放置新的待加工工件，从而实现批量喷胶。也可以在环形形状的线路上的任意位置设置装载工具或工人，实现高效率的加工过程。
此外，实施例一～二中的输送单元包括两个平行设置的输送轨道，滑台放置在并行设置的输送轨道上，实现更稳定的承托。且输送轨道为传动链条，使输送过程更为流畅。切本实施例中滑台的数量为多个，且每个滑台可以承托多个工件，实现了批量快速加工。大大提高了整体的加工效率。定位组件中的气缸通过顶住滑台前部进行定位，使得定位位置更加准确，加工效果更好。第一驱动组件包括多个和输送单元数量相同的电机，一一对应的驱动设计使得传送速度更快，且若某一个输送单元发生故障时仍可继续输送，不会影响整体的输送过程。
此外，实施例一中的喷胶装置，通过在六轴式机器人的连接端设置移动机构，从而使得六轴式机器人在更大范围内进行工作，实施例中的喷胶装置结构简单，易于安装。限位导轨以及移动滑块的数量均为两个，相比于仅具有一个限位导轨以及一个配套的移动滑块，本实施例的喷胶装置可以使得整个喷胶装置更为稳定。
此外，对于实施例三，除上述效果外，本实施例的方法基于实时三维图像和自动模型匹配来自动得到和各个汽车内饰所对应的喷胶轨迹和参数，因此，不需要根据汽车内饰的种类来人为切换喷胶轨迹和参数，也不需要再人为控制喷胶机器人，节省了大量的时间，大大提高了汽车内饰的生产效率，同时实现了同一批次汽车内饰的高精度加工。
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (10)

1.一种基于机器视觉的汽车内饰喷胶设备，其特征在于，包括：
喷胶室；
输送装置，用于对待喷胶工件进行输送，所述输送装置至少有一部分位于所述喷胶室内；
喷胶装置，位于所述喷胶室内，用于对所述待喷胶工件进行喷胶；
摄像装置，设置在所述喷胶装置上，用于对所述待喷胶工件进行拍摄；以及
控制装置，用于对所述摄像装置得到的三维图像进行处理得到喷胶参数，然后控制所述喷胶装置，按照所述喷胶参数进行喷胶操作，
所述输送装置包括输送部、滑台、感应组件、第一驱动组件以及定位组件，
所述输送部包括多个输送单元，多个所述输送单元拼接组成闭合环形形状，所述输送部至少有一部分位于所述喷胶室内。
2.根据权利要求1所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述喷胶参数包括喷胶轨迹以及喷胶轨迹参数，
所述控制装置包括：
点云采集部，通过所述摄像装置采集所述待喷胶工件的三维点云，并对所述三维点云进行预处理；
模型构建部，根据所述三维点云构建三维网格模型；
喷胶轨迹生成部，基于所述三维网格模型以及预先设定的喷胶工艺参数，生成喷胶轨迹；以及
喷胶控制部，控制所述喷胶装置根据所述喷胶轨迹对所述待喷胶工件进行所述喷胶操作，
所述喷胶工艺参数包括喷幅、雾化、流量、喷涂次数以及喷涂速度，
所述喷胶轨迹参数包括轨迹方向以及轨迹行间距，
所述喷胶轨迹包括不需要进行喷胶的直线型移动轨迹，用于使所述喷胶装置移动至下一个所述待喷胶工件。
3.根据权利要求2所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述点云采集部的工作过程为：
步骤1-1，通过所述摄像装置从不同视点对所述待喷胶工件进行多次拍摄，得到多个深度图；
步骤1-2，将多个所述深度图分别转换为多个部分点云，多个所述部分点云的集合为所述点云数据；
步骤1-3，对所述点云数据进行点云滤波；
步骤1-4，对所述点云数据进行下采样；
步骤1-5，对所述点云数据进行特征描述及提取，得到点云特征；
步骤1-6，基于所述点云特征，对所述点云数据进行点云拼接，得到所述三维点云；
步骤1-7，基于所述点云特征，对所述三维点云进行点云分割，去除所述待喷胶工件的轮廓以外的点云，
所述模型构建部的工作过程为：
步骤2-1，通过手眼标定方法得到坐标系转换矩阵；
步骤2-2，基于所述坐标系转换矩阵，将基于相机坐标系的所述三维点云转换为基于机器人坐标系的所述三维点云；
步骤2-3，对基于机器人坐标系的所述三维点云进行点云网格化，得到所述三维网格模型，
所述手眼标定方法包括如下步骤：
步骤A1，采用六点标定法标定机器人工具坐标系；
步骤A2，将所述三维相机以及标定板进行固定，调整所述喷胶装置的末端位置姿态使其分别对准所述标定板上的各个标定物，得到所述末端位置姿态的数据，并通过所述三维相机进行拍摄，分别得到所述标定物在深度图中的像素位置；
步骤A3，基于所述机器人工具坐标系、所述末端位置姿态以及所述像素位置，计算得到所述坐标系转换矩阵，
所述喷胶轨迹生成部的工作过程为：
步骤3-1，将所述三维网格模型进行分片，得到多个结构简单的子片；
步骤3-2，基于所述喷胶工艺参数以及所述待喷胶工件的尺寸，生成所述喷胶轨迹参数；
步骤3-3，基于所述喷胶轨迹参数，生成每个所述子片的子片喷胶轨迹；
步骤3-4，将各个所述子片喷胶轨迹进行合并，得到所述喷胶轨迹，
其中，所述喷胶轨迹为所述喷胶装置的末端位置姿态点的集合。
4.根据权利要求1所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述喷胶参数包括历史喷胶轨迹以及历史喷胶轨迹参数，
所述控制装置包括：
点云采集部，通过所述摄像装置采集包含有所述待喷胶工件的场景点云，并对所述场景点云进行预处理得到场景点云，对所述场景点云进行点云聚类分割，得到每个所述汽车内饰的点云模型；
历史模型存储部，存储有多个历史点云模型；
目标识别部，从所述场景点云中识别出各个所述待喷胶工件，得到各个所述待喷胶工件的点云模型；
模型比对部，将所述点云模型分别与各个所述历史点云模型进行比对，得到相似度最高的所述历史点云模型；
喷胶轨迹生成部，获取与相似度最高的所述历史点云模型相对应的历史喷胶轨迹以及历史喷胶轨迹参数，并将所述历史喷胶轨迹转换到所述喷胶装置的坐标系；
喷胶控制部，控制所述喷胶装置根据所述历史喷胶轨迹以及所述历史喷胶轨迹参数依次对所述待喷胶工件进行所述喷胶操作；以及
喷胶轨迹优化部，根据喷胶结果对所述历史喷胶轨迹以及历史喷胶轨迹参数进行优化以及更新，
所述点云聚类分割采用欧式点云聚类分割方法，
所述历史喷胶轨迹参数包括轨迹方向以及轨迹行间距。
5.根据权利要求4所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述模型比对部的工作过程为：
步骤4-1，对所述点云模型以及所述历史点云模型分别进行重采样，得到当前模型关键点和历史模型关键点；
步骤4-2，基于所述当前模型关键点计算当前模型描述子，基于所述历史模型关键点计算历史模型描述子；
步骤4-3，对每个所述历史点云模型，基于所述当前模型描述子和所述历史描述子，将点云模型与历史点云模型进行点云匹配，得到匹配点对以及相似度；
步骤4-4，获取相似度最高的所述历史点云模型以及对应的所述匹配点对；
步骤4-5，基于所述匹配点对，计算所述点云模型和所述历史点云模型之间的变换矩阵，
所述喷胶控制部的工作过程为：
步骤5-1，对于每个所述待喷胶工件，通过所述变换矩阵将所述历史喷胶轨迹转换为本次喷胶轨迹，并通过所述变换矩阵将所述历史喷胶轨迹参数转换为本次喷胶轨迹参数；
步骤5-2，按照预先设定的顺序依次将多个所述本次喷胶轨迹进行连接，得到最终的喷胶轨迹，并按照预先设定的顺序依次将多个所述本次喷胶轨迹参数进行合并，得到最终的喷胶轨迹参数；
步骤5-3，基于所述最终的喷胶轨迹以及所述最终的喷胶轨迹参数，通过所述喷胶装置进行所述喷胶操作，
所述喷胶轨迹优化部的工作过程为：
步骤6-1，根据所述喷胶结果对所述本次喷胶轨迹以及本次喷胶轨迹参数进行相应的优化；
步骤6-2，通过所述变换矩阵将优化后的所述本次喷胶轨迹和所述本次喷胶轨迹参数转换到所述历史喷胶轨迹的坐标系；
步骤6-3，将所述历史喷胶轨迹更新为所述本次喷胶轨迹，并将所述历史喷胶轨迹参数更新为所述本次喷胶轨迹参数。
6.根据权利要求1所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述输送单元包括两个平行设置的输送轨道，所述输送轨道为传动链条，
所述滑台放置在两个输送轨道上，用于承托所述待喷胶工件，
所述滑台的数量为多个，多个所述滑台依次排列设置在所述输送轨道上，
所述滑台上固定有至少一个仿形模胎，所述仿形模胎的形状与所述待喷胶工件的形状相适配。
7.根据权利要求6所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述定位组件用于将所述滑台定位在预定喷胶位置，
所述定位组件包括至少一个气缸，该气缸设置在所述喷胶室内并用于对所述滑台的前部进行定位，
所述第一驱动组件与所述输送部相连接，用于驱动所述输送部进行移动从而带动所述滑台移动，
所述第一驱动组件包括与所述多个输送单元一一对应设置的多个电机，
所述感应组件设置在所述喷胶室内，用于感应所述滑台是否到达所述喷胶室内的预定喷胶位置，
所述感应组件为红外位置传感器。
8.根据权利要求1所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述摄像装置包括三维相机，
所述三维相机为三维结构光相机、双目相机、TOF相机以及三维激光相机中的任意一种，
所述三维结构光相机具有两个光源以及两个摄像头，两个所述光源分别位于两个所述摄像头的两侧。
9.根据权利要求1所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述喷胶装置包括：
六轴式机器人，具有连接端和工作端；
喷胶机构，与所述工作端连接，用于对所述待喷胶工件喷胶；
移动机构，与所述连接端连接；以及
限位导轨，用于引导所述移动机构沿该限位导轨移动，
所述移动机构具有滑动组件以及第二驱动组件，
所述滑动组件与所述限位导轨滑动连接，
所述第二驱动组件用于驱动所述滑动组件沿所述限位导轨的延伸方向移动，进而带动所述六轴式机器人移动，
所述六轴式机器人的末端设有机器人安装座，所述机器人安装座至少具有摄像安装面，所述摄像安装面用于安装所述摄像装置。
10.根据权利要求9所述的基于机器视觉的汽车内饰喷胶设备，其特征在于：
其中，所述滑动组件具有滑动平台以及移动滑块，所述滑动平台的一侧与所述移动滑块连接，另一侧与所述六轴式机器人连接，所述移动滑块套设在所述限位导轨上，该滑移动块与所述限位导轨相配合使得所述六轴式机器人沿所述限位导轨的延伸方向移动，
所述限位导轨以及所述移动滑块的数量为两个，两个所述限位导轨相互平行，两个所述移动滑块分别套设在相对应的所述限位导轨上，
所述第二驱动组件具有电机、丝杠、驱动滑块以及固定座，所述丝杠的一端与所述电机连接，另一端与所述固定座连接，所述驱动滑块套设在所述丝杠上，且与所述滑动平台连接，
所述喷胶机构具有自动喷枪以及储胶组件，所述储胶组件用于存储喷胶用的胶液，所述自动喷枪用于喷出所述胶液，所述自动喷枪以及所述储胶组件连通设置。
CN202210330941.6A 2022-03-30 2022-03-30 一种基于机器视觉的汽车内饰喷胶设备 Active CN115193643B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210330941.6A CN115193643B (zh) 2022-03-30 2022-03-30 一种基于机器视觉的汽车内饰喷胶设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210330941.6A CN115193643B (zh) 2022-03-30 2022-03-30 一种基于机器视觉的汽车内饰喷胶设备

Publications (2)

Publication Number Publication Date
CN115193643A true CN115193643A (zh) 2022-10-18
CN115193643B CN115193643B (zh) 2023-06-23

Family

ID=83574823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210330941.6A Active CN115193643B (zh) 2022-03-30 2022-03-30 一种基于机器视觉的汽车内饰喷胶设备

Country Status (1)

Country Link
CN (1) CN115193643B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014144635A (ja) * 2013-01-07 2014-08-14 Mitsubishi Chemicals Corp 自動車内装材用積層フィルム及び自動車内装材
CN204288242U (zh) * 2014-11-10 2015-04-22 杭州保迪自动化设备有限公司 基于曲线三维重建的机器人喷涂轨迹提取装置
CN104549900A (zh) * 2015-01-20 2015-04-29 温州华耀数控科技有限公司 平板吸附输送摄像采样喷胶机
CN107899814A (zh) * 2017-12-20 2018-04-13 芜湖哈特机器人产业技术研究院有限公司 一种机器人喷涂系统及其控制方法
CN108235697A (zh) * 2017-09-12 2018-06-29 深圳前海达闼云端智能科技有限公司 一种机器人动态学习方法、系统、机器人以及云端服务器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014144635A (ja) * 2013-01-07 2014-08-14 Mitsubishi Chemicals Corp 自動車内装材用積層フィルム及び自動車内装材
CN204288242U (zh) * 2014-11-10 2015-04-22 杭州保迪自动化设备有限公司 基于曲线三维重建的机器人喷涂轨迹提取装置
CN104549900A (zh) * 2015-01-20 2015-04-29 温州华耀数控科技有限公司 平板吸附输送摄像采样喷胶机
CN108235697A (zh) * 2017-09-12 2018-06-29 深圳前海达闼云端智能科技有限公司 一种机器人动态学习方法、系统、机器人以及云端服务器
CN107899814A (zh) * 2017-12-20 2018-04-13 芜湖哈特机器人产业技术研究院有限公司 一种机器人喷涂系统及其控制方法

Also Published As

Publication number Publication date
CN115193643B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN109483369B (zh) 一种具有三维视觉的机器人打磨系统及其控制方法
CN110091333B (zh) 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法
CN108274092B (zh) 基于三维视觉与模型匹配的坡口自动切割系统及切割方法
CN104408408A (zh) 基于曲线三维重建的机器人喷涂轨迹提取方法及提取装置
CN109454642A (zh) 基于三维视觉的机器人涂胶轨迹自动生产方法
CN109702290B (zh) 基于视觉识别的钢板坡口切割方法
CN112862704B (zh) 一种基于3d视觉的喷胶及喷胶质量检测系统
CN114055255B (zh) 一种基于实时点云的大型复杂构件表面打磨路径规划方法
CN111229548A (zh) 一种基于流水线的自动跟踪点胶系统
CN111644935A (zh) 一种机器人三维扫描测量装置及工作方法
CN105841641A (zh) 一种基于激光三角法3d测量仪及平整度检测方法
CN114720475A (zh) 一种汽车车身漆面缺陷智能检测与打磨系统及方法
CN107598775A (zh) 一种通过激光进行检测并多轴机器人打磨的方法
CN102374860A (zh) 三维视觉定位方法及系统
CN114618704B (zh) 一种3d视觉引导机器人免编程的喷涂方法及其系统
CN1075420C (zh) 智能寻位加工方法
CN113290556A (zh) 一种机器人涂胶路径规划方法
CN115193643B (zh) 一种基于机器视觉的汽车内饰喷胶设备
CN105824237A (zh) 基于线激光传感器的自适应偏移控制方法
CN210689546U (zh) 一种汽车玻璃曲率激光检测装置
US20020120359A1 (en) System and method for planning a tool path along a contoured surface
CN114820804A (zh) 基于机器视觉进行自动化喷胶的方法及系统
CN115945324B (zh) 一种玩具模型表面喷涂系统及方法
CN204288242U (zh) 基于曲线三维重建的机器人喷涂轨迹提取装置
CN214583043U (zh) 一种用于工件涂装的三维扫描系统

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