CN115556113A - 一种基于机器人坡口切割工作站的坡口切割方法 - Google Patents

Abstract

本发明公开了一种基于机器人坡口切割工作站的坡口切割方法，对放置在物料台上的工件不再需要进行位置的搜寻，可以直接通过边缘检测确定工件的位置，不再限定放置的准确性。并通过点云图像的采集与枪头的计算调整能够适配切割角度的机械臂姿态与枪头角度的最佳化。且可以提取出工件信息并传递给机器人进行调整切割姿态，解决了工件随意放置后的跟踪切割问题。并且，机械臂根据获取到的特征点位信息，按切割方向进行切割，对工件切割进度的不同类型进行分别处理。机械臂与枪头的复合姿态调整切割在部分运用场景存在运用潜力。

Description

一种基于机器人坡口切割工作站的坡口切割方法

技术领域

本发明涉及视觉识别工装领域，具体涉及一种基于机器人坡口切割工作站的坡口切割方法。

背景技术

现有的坡口切割工艺中往往都是直接在钢板上进行坡口工艺加工，相比工件上再开坡口会浪费更多的钢材。直接给工件上开坡口，则存在着以下问题：1、工件的位置与摆放角度在不用工装夹具定位时可能存在偏差，而使用工装夹具定位对工件类型，坡口位置都有限制。2、受坡口角度、坡口方向和工件大小等影响，机器人的末端切割枪的姿态不好处理。传统工艺普遍采用6轴旋转去到达坡口角度，切割枪能加工的工件大小将受到极大限制。

发明内容

本发明目的在于提供一种基于机器人坡口切割工作站的坡口切割方法，对放置在物料台上的工件不再需要工装夹具精准定位，可以直接通过边缘检测识别确定工件的位置，不再限定放置的准确性。并通过点云图像的采集与枪头的计算调整能够使得工作站在准备对坡口进行切割时能够让对应切割角度的机械臂姿态与枪头角度达到最佳化。

本发明通过下述技术方案实现：

一种基于机器人坡口切割工作站的坡口切割方法，包括步骤：

S1:将工件放置在物料台上，对其边缘检测，扫描确定第一锚定轮廓，并将第一锚定轮廓打包到工作站；工作站对打包的第一锚定轮廓进行预处理，并生成第二锚定轮廓；

S2：引导机械臂移动图像采集装置到正确工位后对工件进行边缘采集，将边缘采集的图像信息与第二锚定轮廓进行重合定位，确定匹配度后打开光栅，生成工件的点云图像信息；

S3:对点云图像信息进噪点过滤处理，并通过第一预设值与第二预设值对噪点过滤处理后的点云图像信息融合提取，重构工件点云图像；工件点云图像包括至少一个与工件相关联的特征点位，将特征点位的分布情况传输至工作站；

S4：将上述步骤S3获取的工件点云图像按照工件类型、坡口角度、坡口方向的相关特征点位信息按照外轮廓顺时针，内孔逆时针的顺序传输到机器臂中，机器臂根据特征点位的区别程度分为第一类型与第二类型，并按照特征点位的传递顺序进行坡口切割姿态准备；

S5：根据工件的位置与预切割坡口的方向调整机器臂末端枪头姿态。

进一步的，在上述步骤S1中，边缘检测包括：

通过相机拍摄工件摆放在物料台上的图像，对图像高斯滤波进行除噪声处理，并传入坐标模型，坐标模型通过YOLOV5算法对工件进行识别与迭代学习，识别工件中心在以物料台为坐标系中的坐标参数；

采用相机标定确定内参矩阵，通过手眼标定得到外参矩阵，再将上述矩阵与工件中心在上述坐标系中的坐标参数相乘转化为工件在坐标系中的物理位置。

进一步的，在上述步骤S1中，预处理为对第一锚定轮廓进行局部标注点矫正，在第一锚定轮廓的边缘上任意选取多个标注点，将多个标注点移动到图像的梯度峰上，对其进行局部线性拟合将多个标注点拟合成曲线，再通过插值与矫正采样，输出优化后的第二锚定图像。

进一步的，在上述步骤S3中，第一预设值为高度，第二预设值为大小；降噪处理过程包括：

根据工件点云图像生成Kd树，在Kd树上任取一点作为基点，在基点的一定半径内的邻域，计算基点邻域范围中的其他任意一点的平均值，并判断其平均值是否超过阈值，若其平均值大于阈值则视邻域范围内的该点为噪点，对其进行剔除。

进一步的，在上述步骤S3中，融合提取为通过高度与大小的阈值，配合降噪后的点云图像信息生成与工件三维匹配的工件点云图像。

进一步的，在上述步骤S4中，第一类型为直线，第二类型为圆弧；姿态准备的判断过程是将当前姿态与目标姿态与中间竖直姿态绕X、Y轴旋转角度的比较，再计算各自竖直姿态绕Z轴旋转的差值；其包括：

机械臂接收到特征点位后，获取枪头当前位置，判断当前位置是否是特征点位，若为特征点位，则判断枪头与特征点是否水平数值；若不是特征点位，则将起点位置替换为当前位置进行判断；

根据上述的水平竖直判断结果，计算斜率的反正切值为Z轴时的旋转角度，并绕Z轴进行对应的旋转，再对特征点位的高度进行判断是否一致；

根据上述的高度结果，计算斜率的反正切值为X轴时的旋转角度，并绕X轴进行对应的旋转；之后通过第一类型与第二类型的区分，并通过坡口方向的特征点位信息选择沿Z轴的旋转方向，采用欧拉角与四元数的转换更新符合特征点位的姿态。

进一步的，工作站采用ABB机器人，其通过四元数记录角度，带动机械臂绕Z轴旋转实现对工件在不同高度上的追踪。

进一步的，还包括在实际运行中对机械臂的位置监控，判断其是否达到了预设姿态与改变姿态的临界点，监控过程包括：

建立机械臂与工作站终端的socket协议通讯通道，向终端发送信息获取请求；

清空原始数据组，等待数据发送完成；

将原始数据进行接收并以此存放到数组中；

按ASCII码解包原始数据，并且判断结尾符是否符合预设值，若不符合预设结尾符的值，则将该值存入临时字符串的末尾，直到当前数据与结尾符预设值相同，保存该临时字符串到数据数组中。

进一步的，还包括输入显示装置，输入显示装置用于人工输入所述工件的工件类型、坡口角度、坡口方向等信息。

进一步的，图像采集装置为3d相机。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明提供的基于机器人坡口切割工作站的坡口切割方法，可以提取出工件信息并传递给机器人进行调整切割姿态，解决了工件随意放置后的跟踪切割问题。并且，机械臂根据获取到的特征点位信息，按切割方向进行切割，对工件切割进度的不同类型进行分别处理。机械臂与枪头的复合姿态调整切割在部分运用场景存在运用潜力。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明实施例提供的基于机器人坡口切割工作站的坡口切割方法流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例

请参阅图1，本实施例提供了一种基于机器人坡口切割工作站的坡口切割方法，包括步骤：

S1:将工件放置在物料台上，对其边缘检测，扫描确定第一锚定轮廓，并将第一锚定轮廓打包到工作站；工作站对打包的第一锚定轮廓进行预处理，并生成第二锚定轮廓。落实到本实施例中，第一锚定轮廓为初步检索的工件轮廓，第二锚定轮廓为优化的更加清洗的工件轮廓。其中，预处理为对第一锚定轮廓进行局部标注点矫正，在第一锚定轮廓的边缘上任意选取多个标注点，将多个标注点移动到图像的梯度峰上，对其进行局部线性拟合将多个标注点拟合成曲线，再通过插值与矫正采样，输出优化后的第二锚定图像。具体而言，首先在第一锚定轮廓上人工一下一下标注多个标注点，并将其连接形成闭环，再进行拟合。但是由于人工标注的标准点不一定是均匀与光滑的，所以还要对其空隙较大的地方进行插值处理。工作站采用ABB机器人，其通过四元数记录角度，带动机械臂绕Z轴旋转实现对工件在不同高度上的追踪。

S2：引导机械臂移动图像采集装置到正确工位后对工件进行边缘采集，将边缘采集的图像信息与第二锚定轮廓进行重合定位，确定匹配度后打开光栅，生成工件的点云图像信息。所述图像采集装置在本实施例中选用3d相机进行图像采集。将3d相机的相片与第二锚定轮廓进行重合匹配，判断其实际图像与采集图像的重合程度高低，在本实施中，若二者以同一中点进行灰度重合比较，若灰度重合面积达到95％以上则为可以使用，开始生成工件的点云图像信息。

S3:对点云图像信息进噪点过滤处理，并通过第一预设值与第二预设值对噪点过滤处理后的点云图像信息融合提取，重构工件点云图像；融合提取为通过高度与大小的阈值，配合降噪后的点云图像信息生成与工件三维匹配的工件点云图像。

工件点云图像包括至少一个与工件相关联的特征点位，将特征点位的分布情况传输至工作站，调整工作站机器臂的姿态；其降噪处理过程包括：根据工件点云图像生成Kd树，在Kd树上任取一点作为基点，在基点的一定半径内的邻域，计算基点邻域范围中的其他任意一点的平均值，并判断其平均值是否超过阈值，若其平均值大于阈值则视邻域范围内的该点为噪点，对其进行剔除。

S4：由于切割方案是等离子电源，为减小工件的热变形，根据工件的坡口位置为外轮廓还是内孔，上位机把工件类型、坡口角度、坡口方向等信息和特征点按照分别外轮廓顺时针，内孔逆时针的顺序传输到机器臂中，机器臂根据特征点位的区别程度分为第一类型与第二类型，按照特征点位的传递顺序依次对两种类型进行坡口切割姿态准备。在本实施例中，第一类型为直线，第二类型为圆弧。姿态准备的判断过程是将当前姿态与目标姿态与中间竖直姿态绕X、Y轴旋转角度的比较，再计算各自竖直姿态绕Z轴旋转的差值。其包括：

机械臂接收到特征点位后，获取枪头当前位置，判断当前位置是否是特征点位，若为特征点位，则判断枪头与特征点是否水平数值；若不是特征点位，则将起点位置替换为当前位置进行判断；

根据上述的水平竖直判断结果，计算斜率的反正切值为Z轴时的旋转角度，并绕Z轴进行对应的旋转，再对特征点位的高度进行判断是否一致；

根据上述的高度结果，计算斜率的反正切值为X轴时的旋转角度，并绕X轴进行对应的旋转；之后通过第一类型与第二类型的区分，并通过坡口方向的特征点位信息选择沿Z轴的旋转方向，采用欧拉角与四元数的转换更新符合特征点位的姿态。这样，工作站的机械臂根据终端给出的特征点信息，按切割方向进行切割，并根据工作站终端提供的工件信息，对直线和圆弧段等进行分别处理。尤其是在转弯的交点处，根据相邻边的类型以及两边的夹角为锐角，钝角来判断实际交点处的切割方式。

S5：根据工件的位置与预切割坡口的方向调整机器臂末端枪头姿态。

角度的计算公式采用先将当前姿态和目标姿态与中间竖直姿态绕X、Y旋转角度比较，再计算各自竖直姿态的绕Z轴旋转的差值。最终机器人执行效果是多轴同步运动，在有余料的情况下多轴转动会切出工件以调整姿态。这样调整姿态的目的是为了适应参数化编程的需求。另外，由于abb机器人自带的字符串接收方式只能接收50个字符，实际运用中只够2到3个点的信息。为此直接对原始二进制数据以数组方式进行接收，解包为ASCII码。提取坐标点等信息时，自动检测标志符，若当前数组中的元素没有以标志符结尾，则将下一个元素的信息进行拼接，以保证特征点信息的完整传输。

所以为了保证实际运行中对机械臂的位置监控，判断其是否达到了预设姿态与改变姿态的临界点，监控过程包括：建立机械臂与工作站终端的socket协议通讯通道，向终端发送信息获取请求；清空原始数据组，等待数据发送完成；将原始数据进行接收并以此存放到数组中；按ASCII码解包原始数据，并且判断结尾符是否符合预设值，若不符合预设结尾符的值，则将该值存入临时字符串的末尾，直到当前数据与结尾符预设值相同，保存该临时字符串到数据数组中。

通过上述技术方案，通过工作站终端控制相机提取出工件信息并传递给机器臂调整切割姿态，包含工件信息提取，数据传输，姿态计算等内容，解决了工件随意放置后的跟踪切割问题。并单从机械臂的运动来说，多边连续运行时，复合姿态的调整对机器人本体的关节的限制较小。单Z轴转动在机器人程序控制上更加简单，实际切割出的凸圆弧效果更佳实用，方便后续焊接。但是受机器人关节的物理限制，实际运用场景仅在小尺寸的U形能够运用。复合姿态调整切割出的内圆弧可能在部分运用场景存在一定的运用潜力。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，包括步骤：

S1:将工件放置在物料台上，对其边缘检测，扫描确定第一锚定轮廓，并将第一锚定轮廓打包到工作站；工作站对打包的第一锚定轮廓进行预处理，并生成第二锚定轮廓；

S2：引导机械臂移动图像采集装置到正确工位后对所述工件进行边缘采集，将边缘采集的图像信息与第二锚定轮廓进行重合定位，确定匹配度后打开光栅，生成所述工件的点云图像信息；

S3:对所述点云图像信息进噪点过滤处理，并通过第一预设值与第二预设值对噪点过滤处理后的所述点云图像信息融合提取，重构工件点云图像；所述工件点云图像包括至少一个与所述工件相关联的特征点位，将所述特征点位的分布情况传输至工作站；

S4：将上述步骤S3获取的工件点云图像按照工件类型、坡口角度、坡口方向的相关特征点位信息按照外轮廓顺时针，内孔逆时针的顺序传输到机器臂中，机器臂根据特征点位的区别程度分为第一类型与第二类型，并按照特征点位的传递顺序进行坡口切割姿态准备；

S5：根据所述工件的位置与预切割坡口的方向调整机器臂末端枪头姿态。

2.根据权利要求1所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，在上述步骤S1中，所述边缘检测包括：

通过相机拍摄所述工件摆放在所述物料台上的图像，对图像高斯滤波进行除噪声处理，并传入坐标模型，所述坐标模型通过YOLOV5算法对所述工件进行识别与迭代学习，识别所述工件中心在以物料台为坐标系中的坐标参数；

采用相机标定确定内参矩阵，通过手眼标定得到外参矩阵，再将上述矩阵与所述工件中心在上述坐标系中的坐标参数相乘转化为所述工件在坐标系中的物理位置。

3.根据权利要求2所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，在上述步骤S1中，所述预处理为对第一锚定轮廓进行局部标注点矫正，在所述第一锚定轮廓的边缘上任意选取多个标注点，将多个标注点移动到图像的梯度峰上，对其进行局部线性拟合将多个标注点拟合成曲线，再通过插值与矫正采样，输出优化后的第二锚定图像。

4.根据权利要求3所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，在上述步骤S3中，所述第一预设值为高度，所述第二预设值为大小；降噪处理过程包括：

根据所述工件点云图像生成Kd树，在Kd树上任取一点作为基点，在所述基点的一定半径内的邻域，计算所述基点邻域范围中的其他任意一点的平均值，并判断其平均值是否超过阈值，若其平均值大于阈值则视所述邻域范围内的该点为噪点，对其进行剔除。

5.根据权利要求4所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，在上述步骤S3中，融合提取为通过高度与大小的阈值，配合降噪后的点云图像信息生成与所述工件三维匹配的工件点云图像。

6.根据权利要求5所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，在上述步骤S4中，所述第一类型为直线，第二类型为圆弧；所述姿态准备的判断过程是将当前姿态与目标姿态与中间竖直姿态绕X、Y轴旋转角度的比较，再计算各自竖直姿态绕Z轴旋转的差值；其包括：

所述机械臂接收到特征点位后，获取枪头当前位置，判断当前位置是否是特征点位，若为特征点位，则判断枪头与特征点位是否水平数值；若不是特征点位，则将起点位置替换为当前位置进行判断；

根据上述的水平竖直判断结果，计算斜率的反正切值为Z轴时的旋转角度，并绕Z轴进行对应的旋转，再对特征点位的高度进行判断是否一致；

根据上述的高度判断结果，计算斜率的反正切值为X轴时的旋转角度，并绕X轴进行对应的旋转；之后通过所述第一类型与第二类型的区分，并通过坡口方向的特征点位信息选择沿Z轴的旋转方向，采用欧拉角与四元数的转换更新符合特征点位的姿态。

7.根据权利要求1所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，所述工作站采用ABB机器人，其通过四元数记录角度，带动机械臂绕Z轴旋转实现对所述工件在不同高度上的追踪。

8.根据权利要求7所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，还包括在实际运行中对机械臂的位置监控，判断其是否达到了预设姿态与改变姿态的临界点，所述监控过程包括：

建立机械臂与工作站终端的socket协议通讯通道，向终端发送信息获取请求；

清空原始数据组，等待数据发送完成；

将原始数据进行接收并以此存放到数组中；

按ASCII码解包原始数据，并且判断结尾符是否符合预设值，并将不符合预设结尾符的值存入临时字符串的末尾，直到当前数据与结尾符预设值相同，保存该临时字符串到数据数组中。

9.根据权利要求1所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，还包括输入显示装置，所述输入显示装置用于人工输入所述工件的工件类型、坡口角度、坡口方向等信息。

10.根据权利要求1所述的一种基于机器人坡口切割工作站的坡口切割方法，其特征在于，所述图像采集装置为3d相机。

Images