CN115945324A - 一种玩具模型表面喷涂系统及方法 - Google Patents

一种玩具模型表面喷涂系统及方法 Download PDF

Info

Publication number
CN115945324A
CN115945324A CN202310233693.8A CN202310233693A CN115945324A CN 115945324 A CN115945324 A CN 115945324A CN 202310233693 A CN202310233693 A CN 202310233693A CN 115945324 A CN115945324 A CN 115945324A
Authority
CN
China
Prior art keywords
spraying
point cloud
model
path
registered
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
CN202310233693.8A
Other languages
English (en)
Other versions
CN115945324B (zh
Inventor
蔡泽民
陈栩聪
林祥麒
宁为博
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.)
Shantou University
Original Assignee
Shantou University
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 Shantou University filed Critical Shantou University
Priority to CN202310233693.8A priority Critical patent/CN115945324B/zh
Publication of CN115945324A publication Critical patent/CN115945324A/zh
Application granted granted Critical
Publication of CN115945324B publication Critical patent/CN115945324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Spray Control Apparatus (AREA)

Abstract

本发明公开了一种玩具模型表面喷涂系统及方法，方法包括：初始化喷涂系统；当未存储有待喷涂模型对应的喷涂路径时，获取并预处理模型的三维模型数据；构建针对喷涂轨迹间距和喷枪在轨迹上的移动速率的优化问题，并求解得到最优的喷涂路径；确定喷涂路径后，获取模型的三维图像，通过异尺度配准算法和手眼转换矩阵将喷涂路径配准至实际喷涂位置，执行喷涂；当前模型完成喷涂时，若下一待喷涂模型的类型出现变化，则进行对应的路径规划；反之，根据上一喷涂路径执行喷涂。本申请自适应地根据模型的类型或者姿态进行路径规划，精确地将喷涂路径配准到实际喷涂位置，减小喷涂路径的误差，降低了生产成本且提高了喷涂效率，实现精确喷涂。

Description

一种玩具模型表面喷涂系统及方法
技术领域
本发明涉及喷涂控制技术领域，特别涉及一种玩具模型表面喷涂系统及方法。
背景技术
喷涂上色是常见的玩具模型表面加工工艺，目前的玩具模型的喷涂工艺主要分为人工喷涂、往复式自动化喷涂和智能化喷涂三种方式。其中，人工喷涂方式是一种较为落后的喷涂方式，其对喷涂工人的技术和经验要求较高，产量较小，喷涂质量参差不齐，涂料的利用率较低，存在人工、耗材成本过高等问题。而往复式喷涂方式通过技术人员编程实现往复式喷涂，在对某种模型进行喷涂前，需要技术人员先进行设备调试。如果更换喷涂的玩具模型，需要再次调试，对技术人员的调试经验要求也比较高。这样的喷涂方式不适合个性化定制的小批量生产。
不同于人工喷涂方式和往复式喷涂方式，智能化喷涂方式结合、往复式机械结构、机器视觉以及智能算法的智能设备实现喷涂工作。它能够解决自动化喷涂中对于复杂工件喷涂的问题，也能自动进行路径规划并进行精细化喷涂，解决对人工的依赖等问题。然而，目前的智能化喷涂机器人技术发展较慢，并未被广泛应用，且其存在如下缺陷：
（1）在喷涂之前，通常需要事先根据玩具模型的类型定制对应的铜质喷油模具。对于小批量个性化定制的玩具模型，铜质喷油模具的定制会导致浪费生产时间和提高生产成本。当待喷涂模型的类型出现变化时，需要更换对应的模具，系统并不能根据待喷涂模型的类型自适应地进行路径规划；
（2）喷涂时，待喷涂模型在生产线上必须处于固定的姿态，系统并不能根据待喷涂模型的姿态自适应地进行路径规划，无法保证任意姿态的玩具模型都能够获得正确的喷涂路径；
（3）目前的路径规划算法并未考虑边缘处漆膜厚度不达标的情况，也未考虑喷枪喷涂时间较长的问题，不仅导致规划得到的喷涂路径与理想路径之间存在较大的差距，还导致出现喷涂时间长，喷涂效率低的问题；
（4）在喷涂机器人中，自动化喷枪喷涂过程会出现喷油飞溅的情况，很容易对相机模组造成污染。并且，规划的喷涂料路径为在玩具的三维模型上提前规划的喷涂路径，其坐标系为玩具三维模型的坐标系。而实际进行喷涂时的路径的坐标系为机械臂的基坐标系，喷涂路径的坐标系与实际进行喷涂的路径的坐标系不一致，如果无法将喷涂路径准确地配准到实际需要喷涂的位置，将会导致喷涂工作出现误差，无法得到理想的喷涂效果。
发明内容
本发明的目的是提供一种玩具模型表面喷涂系统及方法，以自适应地进行路径规划，确保喷涂路径的设计精度，使得喷涂路径准确地配准到实际需要喷涂的位置，提高喷涂效果。
本发明解决其技术问题的解决方案是：第一方面，本申请提供了一种玩具模型表面喷涂系统，包括：喷涂箱体和控制器终端，所述喷涂箱体的内部安装有六轴机械臂、转台组件和相机模组，所述六轴机械臂的末端设置有自动喷枪；所述转台组件包括第一喷涂平台、第二喷涂平台、转轴以及与所述转轴连接的步进电机，所述第一喷涂平台和所述第二喷涂平台用于放置玩具模型，所述第一喷涂平台和所述第二喷涂平台均与所述转轴连接，所述步进电机用于控制转轴180°旋转；所述第一喷涂平台与所述第二喷涂平台呈轴对称分布，所述喷涂箱体的侧面设置有开口，所述第一喷涂平台或所述第二喷涂平台中的任一个通过所述开口伸出至所述喷涂箱体外，所述相机模组设置在所述喷涂平台的正上方，所述控制器终端分别与六轴机械臂、相机模组和步进电机连接；
所述控制器终端用于控制所述相机模组采集待喷涂玩具模型的三维图像，获取待喷涂玩具模型的喷涂路径，根据三维图像转换喷涂路径的坐标系，得到实际喷涂路径，根据实际喷涂路径控制六轴机械臂执行喷涂工作，以及控制所述步进电机的工作。
作为上述技术方案的进一步改进，所述系统还包括：相机保护装置，所述相机保护装置包括装置箱体以及与所述装置箱体连接的箱门，所述箱门的四边安装有密封圈，所述装置箱体上与所述箱门相对的一面设置有穿线孔；所述装置箱体的内部安装有子步进电机、丝杠导轨、连接板和反拉液压杠，所述丝杠导轨上安装有滑台，所述滑台与所述丝杠导轨滑动连接，所述步进电机与所述滑台连接，所述滑台的一侧连接所述连接板，所述滑台的另一侧连接所述反拉液压杠的一端，所述反拉液压杠的另一端连接所述箱门，所述相机模组固定于所述连接板上。
第二方面，本申请提供了一种玩具模型表面喷涂方法，应用于所述玩具模型表面喷涂系统，包括如下步骤：
S100，初始化所述喷涂系统，待喷涂玩具模型被送入至喷涂箱体内；
S200，判断系统的数据库是否存储有所述待喷涂玩具模型的喷涂路径；如果否则转至S300；如果是，获取存储于数据库的所述待喷涂玩具模型的喷涂路径，并转至S500；
S300，获取所述待喷涂玩具模型的三维模型数据并对其进行预处理，得到点云块数据；
S400，根据所述点云块数据，建立喷枪喷涂累积速率模型和喷涂涂层累积厚度模型，利用所述速率模型和所述厚度模型，确定针对喷涂轨迹间距和喷枪在轨迹上的移动速率的优化问题，当所述优化问题存在最优解时，得到最优的喷涂轨迹间距和喷涂移动速率，进而构成所述待喷涂玩具模型的喷涂路径；
S500，采集所述待喷涂玩具模型的三维图像，通过异尺度点云配准算法将所述喷涂路径的尺度和位姿配准为所述三维图像的尺度和位姿，之后通过手眼转换矩阵转换所述喷涂路径的位姿，得到实际喷涂路径并根据此路径执行喷涂工作；
其中，所述手眼转换矩阵通过初始化后的机械臂和相机模组计算得到；
S600，当当前的玩具模型完成喷涂时，下一个待喷涂玩具模型被送入喷涂箱体内，判断当前待喷涂玩具模型的类型与上一个喷涂的玩具模型的类型是否一致；如果是，则返回S500；如果否，则返回S200。
作为上述技术方案的进一步改进，对所述三维模型数据进行预处理，得到点云块数据的步骤包括：
点云化所述三维模型数据，得到所述待喷涂玩具模型上的点云数据；
对所述点云数据进行分块处理，得到若干点云块初始数据；
通过主成分分析处理所述点云块初始数据，输出点云块数据。
作为上述技术方案的进一步改进，所述对所述点云数据进行分块处理，得到若干点云块初始数据，包括：
定义所述点云数据中的每一个点都有对应的所在三角网格的法向量，且定义模型喷涂要求的厚度为
Figure SMS_2
，最大喷涂厚度误差为
Figure SMS_5
，实际喷涂涂层最大厚度为
Figure SMS_6
，最小厚度为
Figure SMS_3
，曲面上任一点的厚度为
Figure SMS_4
，曲面法向量与曲面投影平面的法向量最大偏角为
Figure SMS_7
，其中
Figure SMS_8
，则确定所述法向量最大偏角
Figure SMS_1
的范围公式为：
Figure SMS_9
；
任意指定所述点云数据中的某一点为当前点云块的初始点，通过KD-Tree计算所述初始点周围的N个最邻近点的法向量与所述初始点的法向量的夹角
Figure SMS_10
；
判断所述夹角
Figure SMS_11
是否小于所述法向量最大偏角
Figure SMS_12
；如果是，则将所述最邻近点并入所述初始点所在的点云块；如果否，则将所述最邻近点作为另一点云块的初始点，并返回上一步骤；
当所述点云数据中的所有点均并入有对应的点云块时，得到所述若干点云块初始数据。
作为上述技术方案的进一步改进，所述建立喷枪喷涂累积速率模型和喷涂涂层累积厚度模型，利用所述速率模型和所述厚度模型，确定针对喷涂轨迹间距和喷枪在轨迹上的移动速率的优化问题，包括：
定义所述点云块数据为平面和所述喷枪在所述平面上形成的喷炬为圆形；
通过Goodman方法计算所述平面上的喷涂涂层累积速率，生成如下喷枪喷涂累积速率模型：
Figure SMS_13
；
其中，R表示平面上的喷涂半径，r表示平面上任一点S与喷枪在平面上的中心投影点之间的距离；
对于所述点云数据中的某一分块中两条距离为
Figure SMS_14
的相邻轨迹之间的某一点S’，定义点S’距离较近的轨道距离为x，则得到点S’的涂层厚度，即喷涂涂层累积厚度模型；所述厚度模型满足以下公式：
Figure SMS_15
其中：
Figure SMS_16
，
Figure SMS_17
，
Figure SMS_18
，
Figure SMS_19
，t为喷涂时间；
根据所述厚度模型，构建如下针对所述喷枪的喷涂厚度的优化函数：
Figure SMS_20
，
Figure SMS_21
；
其中，
Figure SMS_22
，
Figure SMS_23
，
Figure SMS_24
为模型喷涂要求的厚度，
Figure SMS_25
为喷枪的最大喷涂速率；
对于所述点云块数据中的某一分块，定义所述分块为长为L，宽为D，高为H的立方体，则完成一次喷涂的时间为：
Figure SMS_26
；
根据所述喷涂时间，构建如下针对所述喷枪的喷涂时间的优化函数：
Figure SMS_27
；
其中，
Figure SMS_28
，
Figure SMS_29
；
最终，得到如下针对喷枪的喷涂厚度和喷涂时间的优化问题，以通过NSGA-II算法对所述优化问题进行求解，得到最优的喷涂轨迹间距
Figure SMS_30
和喷涂移动速率
Figure SMS_31
；
Figure SMS_32
。
作为上述技术方案的进一步改进，所述通过异尺度点云配准算法将所述喷涂路径的尺度和位姿配准为所述三维图像的尺度和位姿，之后通过手眼转换矩阵转换所述喷涂路径的位姿，包括：
定义点云图像为待配准点云P和所述三维图像为目标点云Q，待配准点云P中点的数量为n，目标点云Q中点的数量为m；
根据待配准点云P和目标点云Q的质心计算得到预缩放尺度系数
Figure SMS_33
，根据预缩放尺度系数
Figure SMS_34
将待配准点云P缩放，得到待配准点云P’；
其中，所述点云图像为所述三维模型数据点云化处理后的图像，所述待配准点云P’的尺度近似于点云Q的尺度；
根据待配准点云P’和目标点云Q的特征描述子，通过SAC-IA粗配准算法计算得到转换矩阵
Figure SMS_35
，根据转换矩阵
Figure SMS_36
将待配准点云P’的位置和姿态进行转换，得到待配准点云P’’；
其中，所述待配准点云P’’的位置和姿态近似于点云Q的位置和姿态；
通过Scale-Adaptive ICP算法对所述待配准点云P’’和所述目标点云Q进行精配准处理，得到缩放尺度系数
Figure SMS_37
和转换矩阵
Figure SMS_38
；
构建如下待配准点云P和目标点云Q的转换关系式，通过所述转换关系式将所述喷涂路径的尺度配准为所述三维图像的尺度：
Figure SMS_39
Figure SMS_40
；
其中，
Figure SMS_41
为精配准得到的旋转矩阵，
Figure SMS_42
为精配准得到的位移矩阵，
Figure SMS_43
为粗配准得到的旋转矩阵，
Figure SMS_44
为精配准得到的位移矩阵；
获取手眼转换矩阵
Figure SMS_45
，根据以下公式将配准后的喷涂路径的坐标系转换至所述机械臂的基坐标系：
Figure SMS_46
；
其中，
Figure SMS_47
为配准后的喷涂路径，即目标点云Q;
Figure SMS_48
为处于机械臂的基坐标系下的喷涂路径。
作为上述技术方案的进一步改进，所述根据点云P和点云Q的质心计算得到预缩放尺度系数
Figure SMS_49
，包括：
分别计算所述待配准点云P和所述目标点云Q的质心
Figure SMS_50
和
Figure SMS_51
；
分别遍历点云P和点云Q中的所有点，通过以下公式计算每个点到质心
Figure SMS_52
和
Figure SMS_53
的欧式距离的均值
Figure SMS_54
和
Figure SMS_55
：
Figure SMS_56
；
Figure SMS_57
；
进而得到预缩放尺度系数
Figure SMS_58
：
Figure SMS_59
。
作为上述技术方案的进一步改进，所述根据待配准点云P’和目标点云Q的特征描述子，通过SAC-IA粗配准算法计算得到转换矩阵
Figure SMS_60
，包括：
分别计算待配准点云P’和目标点云Q的FPFH特征描述子，基于FPFH特征描述子对待配准点云P’和目标点云Q中的点进行匹配；
随机选择
Figure SMS_61
对配准点，通过SVD求解该匹配状态下的旋转矩阵
Figure SMS_62
和位移矩阵
Figure SMS_63
，计算此时的误差函数；
判断误差函数是否小于预期误差；如果否，则返回上一步骤；如果是，则输出旋转矩阵
Figure SMS_64
和位移矩阵
Figure SMS_65
，进而得到转换矩阵；
其中，所述转换矩阵满足：
Figure SMS_66
。
作为上述技术方案的进一步改进，所述通过Scale-Adaptive ICP算法对所述待配准点云P’’和所述目标点云Q进行精配准处理，得到缩放尺度系数
Figure SMS_67
和转换矩阵
Figure SMS_68
，包括：
定义
Figure SMS_69
和
Figure SMS_70
分别为待配准点云P’’和目标点云Q中的点，
Figure SMS_71
；
通过传统的ICP算法求解待配准点云P’’到目标点云Q的旋转矩阵
Figure SMS_72
；
构建误差函数为
Figure SMS_73
，找寻
Figure SMS_74
和
Figure SMS_75
使得误差函数最小，对s和t求偏导，可得：
Figure SMS_76
，
Figure SMS_77
；
Figure SMS_78
其中，
Figure SMS_79
，
Figure SMS_80
；
通过以上公式计算出s和t，当精配准的误差小于预期误差时，输出缩放尺度系数
Figure SMS_81
、旋转矩阵
Figure SMS_82
和位移矩阵
Figure SMS_83
，进而得到如下转换矩阵
Figure SMS_84
：
Figure SMS_85
。
本发明的有益效果是：提供一种玩具模型表面喷涂系统及方法，在传统的自动化喷涂设备中加入了用于拍摄待喷涂玩具模型的深度图像的深度相机，通过深度成像将玩具模型的位置和姿态数据化，利用多目标优化算法对玩具三维模型进行路径规划，代替了传统的人工规划，当待喷涂模型的类型或姿态出现变化时，无需更换对应的模具，系统可以自适应地根据模型的类型或者姿态进行路径规划，保证任意姿态或类型的玩具模型都能够获得正确的喷涂路径，这样不仅能够大大节省时间、人工和物料成本，提高喷涂效率，也能够实现小批量的个性化定制生产，提高了喷涂系统的通用性和易用化；另外，在路径规划完成后，本申请通过提出的异尺度点云配准算法结合深度图像进行点云配准，能够精确地将在玩具的三维模型上提前规划好的喷涂路径配准到实际需要喷涂的位置，减小规划得到的喷涂路径与理想路径之间存在较大的差距，实现精确喷涂。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本申请实施例提供的一种玩具模型表面喷涂系统的结构示意图；
图2为本申请实施例提供的相机保护装置的结构示意图；
图3为本申请实施例提供的一种玩具模型表面喷涂方法的流程图；
图4为本申请实施例提供的喷涂轨迹的示意图；
图5为本申请实施例提供的异尺度配准方法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
下面结合说明书附图和具体的实施例对本申请进行进一步的说明。所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
玩具生产制造基本工艺流程为：玩具设计、打样开模、注塑生产、产品修整、喷涂上色、组装包装。其中喷涂上色是常见的玩具模型表面加工工艺，玩具模型经过喷涂工艺之后，可以遮盖其表面缺陷，根据设计为模型表面上色，增加模型的硬度和耐擦伤性、耐候性，使其获得更好的外观和手感。目前，玩具工厂中对于玩具模型的喷涂工艺主要采用空气喷涂的方式，通常分为人工喷涂、往复式自动化喷涂和智能化喷涂三种方式。其中：
人工喷涂是一种传统落后的喷涂方式，由喷涂工人手持喷枪和夹住玩具模型的夹具进行喷涂作业。这种纯人工喷涂的方法不仅对喷涂工人的技术和经验要求较高，也容易造成喷涂工人患上呼吸道相关的疾病。并且，该喷涂方式的产量较小，喷涂质量参差不齐，涂料的利用率也仅在25%~35%左右，给企业带来人工、耗材成本过高等问题。
往复式喷涂，即自动化喷涂，利用各种往复式机械结构、自动喷枪和模型夹具等组成的往复式喷涂设备，通过技术人员编程实现往复式喷涂。对比人工喷涂方式，往复式喷涂方式能够保证喷涂的质量且显著提高生产效率，但对于一些比较复杂的工件的喷涂加工，采用往复式喷涂方式还需人工对工件的部分位置进行补喷。另外，在对某种模型进行喷涂前，技术人员需要先对往复式喷涂设备进行调试。若在喷涂期间需要更换喷涂的玩具模型，则需要技术人员对往复式喷涂设备再次调试。这无疑加重了技术人员的工作负担，同时也对技术人员的调试经验要求也比较高。这样的喷涂方式不适合个性化定制的小批量生产。
智能化喷涂的设备是结合机器人、往复式机械结构、机器视觉以及智能算法的智能设备。它能够解决自动化喷涂中对于复杂工件喷涂的问题，也能自动进行路径规划并进行精细化喷涂，解决对人工的依赖等问题。然而，目前的智能化喷涂机器人技术发展较慢，并未被广泛应用。
常见的智能化喷涂设备为基于视觉传感器的喷涂机器人，其使用点云切片算法获得喷枪在点云表面的投影点，根据此投影点结合路径规划算法得到喷涂路径，进而利用喷涂路径完成喷涂工作。然而，目前的喷涂机器人存在如下缺陷：
（1）现有的自动化喷涂方式都要求在喷涂工作之前需要针对玩具模型定制相对应的铜质喷油模具，用于在喷涂作业时遮盖住不需要喷涂的部分，或者是实现不同部位喷涂不同颜色的目的。根据玩具的复杂程度，需要定制的铜质喷油模具类型个数有所不同。这种喷涂方式不具备完全的通用性和易用性，特别是对于小批量个性化定制的玩具模型，铜质喷油模具的定制会造成生产时间和生产成本的浪费。当待喷涂模型的类型出现变化时，需要更换对应的模具，系统并不能根据待喷涂模型的类型自适应地进行路径规划。
（2）目前的点云切片算法为了计算的简单采用与坐标轴平行的切平面与点云求交，要求待喷涂模型在生产线上必须处于固定的姿态，系统并不能根据待喷涂模型的姿态自适应地进行路径规划，无法保证任意姿态的玩具模型都能够获得正确的喷涂路径。
（3）目前的路径规划算法并未考虑边缘处漆膜厚度不达标的情况，也未考虑喷枪喷涂时间较长的问题，不仅导致规划得到的喷涂路径与理想路径之间存在较大的差距，还导致出现喷涂时间长，喷涂效率低的问题。
（4）在喷涂机器人中，自动化喷枪喷涂过程会出现喷油飞溅的情况，很容易对相机模组造成污染。并且，规划的喷涂料路径为在玩具的三维模型上提前规划的喷涂路径，其坐标系为玩具三维模型的坐标系。而实际进行喷涂时的路径的坐标系为机械臂的基坐标系，喷涂路径的坐标系与实际进行喷涂的路径的坐标系不一致，如果无法将喷涂路径准确地配准到实际需要喷涂的位置，则将会导致喷涂工作出现误差，无法得到理想的喷涂效果。
针对上述问题，本申请实施例公开了一种玩具模型表面喷涂方法以及系统，在传统的自动化喷涂设备中加入了固定的深度相机，以拍摄待喷涂玩具模型的深度图像，使用深度相机成像的方式将玩具模型的位置和姿态数据化，利用多目标优化算法对玩具三维模型进行路径规划，代替了传统的人工规划。当待喷涂模型的类型或姿态出现变化时，无需更换对应的模具，系统可以自适应地根据模型的类型或者姿态进行路径规划，保证任意姿态或类型的玩具模型都能够获得正确的喷涂路径。本申请不仅能够大大节省时间、人工和物料成本，提高喷涂效率，也能够实现小批量的个性化定制生产，提高喷涂系统的通用性和易用化。
同时，本申请利用待喷涂玩具模型的三维模型和深度相机拍摄的三维图像，通过提出的异尺度点云配准算法结合深度图像进行点云配准，能够精确地将在玩具的三维模型上提前规划好的喷涂路径配准到实际需要喷涂的位置，消除喷涂工作因路径喷涂问题出现的误差，减小规划得到的喷涂路径与理想路径之间存在较大的差距，提高模型喷涂的效果和质量。
另外，在系统方面，本申请还公开了一种相机模组保护装置，在喷漆过程中通过丝杠滑台将相机模组回收到保护装置中并密封，保证相机模组不受喷漆污染，避免因污染问题导致对玩具模型进行三维成像的结果不准确的现象的出现。同时，在新的玩具模型通过转台进入喷涂工作台中，需要对其进行三维成像时能够将保护装置的保护盖打开并推出相机模组，为后续的配准提供准确的三维数据。
参照图1所示的玩具模型表面喷涂系统的结构示意图，本申请提供的系统包括：喷涂箱体100以及控制器终端200，喷涂箱体100的内部安装有六轴机械臂110、转台组件120和相机模组130。六轴机械臂110的末端的关节处连接有自动喷枪。自动喷枪的作用是对待喷涂玩具模型进行喷涂。
进一步地，转台组件120包括第一喷涂平台121、第二喷涂平台122、转轴123和步进电机，转轴123与步进电机连接；第一喷涂平台121和第二喷涂平台122均连接转轴123，且均用于放置玩具模型。第一喷涂平台121和第二喷涂平台122呈轴对称分布，步进电机的作用是控制转轴123进行180°旋转，转轴123在进行180°旋转时带动第一喷涂平台121和第二喷涂平台122绕转轴123旋转。
更进一步地，喷涂箱体100的侧面设置有开口，第一喷涂平台121或第二喷涂平台122中的任一个通过开口伸出至喷涂箱体100外。
进一步地，相机模组130设置在喷涂平台的正上方。相机模组130的作用是拍摄待喷涂玩具模型的三维图像。
进一步地，喷涂箱体100的侧面安装有放置平台，控制器终端200安装在放置平台上。控制器终端200分别连接六轴机械臂110、相机模组130以及步进电机。
本具体实施例中，控制器终端200的作用是：控制相机模组130采集待喷涂玩具模型的三维图像，获取待喷涂玩具模型的喷涂路径，根据三维图像转换喷涂路径的坐标系，得到实际喷涂路径，根据实际喷涂路径控制六轴机械臂110执行喷涂工作。
控制器终端200的作用还有：控制步进电机的工作。
可选地，控制器终端200包括：设备交互显示屏幕220和系统控制器210。而设备交互显示屏幕220与系统控制器210连接，设备交互显示屏幕220的作用是根据用户在显示屏幕上的触碰交互生成对应的指令，发送至系统控制器210中处理。系统控制器210根据指令执行上述作用。
可选地，喷涂箱体100由铝合金型材组成的框架和亚克力板围挡构成。
本具体实施例中，用户将需要进行喷涂的待喷涂玩具模型放置在伸出至箱体外的喷涂平台上，通过触碰显示屏幕控制控制器终端200开始喷涂作业。作业流程为：
首先，系统控制器210根据指令控制步进电机工作，使得转轴123旋转180°，承载有待喷涂玩具模型的喷涂平台进入箱体内部，且置于相机模组130的下方。然后，系统执行玩具模型表面喷涂方法，进而完成玩具模型的表面的喷涂工作。当完成喷涂作业时，控制器终端200控制转轴123再次旋转180°，使得承载有喷涂好的玩具模型的喷涂平台通过开口伸出至箱体外。与此同时，承载有待喷涂玩具模型的另一个喷涂平台进入箱体内部，系统对其进行表面喷涂工作。以此达到自动化、智能化和连续化执行玩具喷涂作业的效果。
参照图2所示的相机保护装置的结构示意图，本申请的一个实施例，为了保证相机模组130不受喷漆污染，避免因污染问题导致对玩具模型进行三维成像的结果不准确的现象的出现，本申请的系统还包括相机保护装置300，相机模组130安装在相机保护装置300的内部。下面将对相机保护装置300的结构进行说明和阐述。
相机保护装置300包括装置箱体310和箱门320，装置箱体310和箱门320通过合页连接，使箱门320可以开启或者闭合。装置箱体310内设置有子步进电机330、丝杠导轨340、相机模组连接板350和反拉液压杠360。丝杠导轨340上安装有一滑台370，滑台370滑动连接丝杠导轨340，子步进电机330连接滑台370，滑台370的一侧与相机模组连接板350连接，滑台370的另一侧与反拉液压杠360的一端连接，反拉液压杠360的另一端与箱门320连接。相机模组连接板350固定有相机模组130。
进一步地，箱门320的四边设置有密封圈，在箱门320闭合时能够保证喷漆不通过缝隙进入装置箱体310内。
进一步地，装置箱体310上与箱门320相对的一面设置有穿线孔311，相机模组130和子步进电机330的控制线和电源线通过穿线孔311与控制器终端连接。
本具体实施例中，反拉液压杠360的正常状态为收缩状态，当有外力拉拽时，反拉液压杠360能够伸长一定的长度。当子步进电机330控制滑台370沿着丝杠导轨340向着箱门320的方向移动时，反拉液压杠360推动箱门320打开，并且相机模组连接板350带动相机模组130伸出装置箱体310，相机模组130对玩具模型进行三维成像。当子步进电机330控制滑台370沿着丝杠导轨340朝远离箱门320的方向移动时，相机模组连接板350带动相机模组130回收到保护装置内，反拉液压杠360拉动箱门320使其关闭。另外，由于反拉液压杠360的拉伸会给箱门320施加压力，当箱门320关闭时，能够保证箱门320与装置箱体310紧闭，进而保证装置的密封性。
基于上述实施例，参照图3所示的一种玩具模型表面喷涂方法，喷涂方法应用于上述的喷涂系统。本申请的一个实施例，下面将对玩具模型表面喷涂方法进行说明和阐述。所述玩具模型表面喷涂方法可以包括但不限于以下步骤。
S100，初始化喷涂系统，待喷涂玩具模型被送入至喷涂箱体内。
本步骤中，系统在开机之后需要进行初始化，包括机械臂、转台、相机保护装置等运动到指定的初始位置，并通过需要软件对相机成像进行自检，确保相机模组正常工作。
S200，判断系统的数据库是否存储有所述待喷涂玩具模型的喷涂路径。如果否，则转至S300。如果是，获取存储于数据库的所述待喷涂玩具模型的喷涂路径，并转至S500。
需要说明的是，数据库搭载在控制器终端的软件中，数据库中存储有历史执行喷涂工作时的玩具模型的喷涂路径。
本步骤中，初始化完成之后系统开始喷涂作业。在开始喷涂作业时，首先需要确定喷涂的玩具模型是否是已经有规划过喷涂路径。如果此玩具模型是规划过的玩具模型，则只需要从控制器终端中选择已经规划过的路径文件。但是，如果此玩具模型是未规划喷涂路径的玩具模型，则需要将此玩具设计阶段产生时的玩具三维模型数据，如OBJ、STL等文件，输入至控制器终端的指定路径中，控制器终端的软件将通过三维模型文件对该玩具模型进行路径规划。
S300，获取待喷涂玩具模型的三维模型数据并对其进行预处理，得到点云块数据。
本步骤中，在进行路径规划之前，需要先预处理三维模型数据。其中，预处理主要包括三个方面：点云化处理三维模型数据，得到点云数据；对点云数据进行分块处理，得到点云块初始数据；利用主成分分析处理点云块初始数据，得到点云块数据。
S400，根据点云块数据，建立喷枪喷涂累积速率模型和喷涂涂层累积厚度模型，利用速率模型和厚度模型，确定针对喷涂轨迹间距和喷枪在轨迹上的移动速率的优化问题，当优化问题存在最优解时，得到最优的喷涂轨迹间距和喷涂移动速率，进而构成所述待喷涂玩具模型的喷涂路径。
本步骤中，在计算得到最优的喷涂轨迹间距和喷涂移动速率之后，根据此数据将待喷涂玩具模型的点云数据按照“Z”字型喷涂轨迹进行切片，并将切片后得到的点云文件作为喷涂路径保存于系统中。
S500，采集待喷涂玩具模型的三维图像，通过异尺度点云配准算法将所述喷涂路径的尺度和位姿配准为所述三维图像的尺度和位姿，之后通过手眼转换矩阵转换所述喷涂路径的位姿，得到实际喷涂路径并根据此路径执行喷涂工作。
本步骤中，在进行喷涂工作之前，需要将规划的路径配准到实际需要喷涂的位置。这就需要通过相机模组拍摄玩具模型的三维图像，将经过预处理后的三维图像与点云图像进行配准。点云图像定义为待喷涂玩具模型的三维模型数据点云化处理后生成的图像。由于相机模组拍摄和玩具三维模型绘制时的尺度不同，故需要进行异尺度点云配准。通过上述异尺度点云配准方法将玩具模型点云及玩具三维模型点云配准之后可以得到缩放尺度系数
Figure SMS_86
和转换关系矩阵
Figure SMS_87
。
在初始化系统之后，还包括：根据初始化后的六轴机械臂和相机模组计算得到手眼转换矩阵
Figure SMS_88
。通过以上手眼标定计算出的手眼转换矩阵
Figure SMS_89
和异尺度点云配准方法计算出缩放尺度系数和转换关系矩阵
Figure SMS_90
，可以将规划的喷涂路径转换到机械臂的基坐标系中，得到实际的喷涂路径。最后，通过给机械臂和自动喷枪发送运动指令，可以完成一个玩具模型的喷涂工作。
S600，当当前的玩具模型完成喷涂时，下一个待喷涂玩具模型被送入喷涂箱体内，判断当前待喷涂玩具模型的类型与上一个喷涂的玩具模型的类型是否一致。如果是，则返回至S500，以实现若干个玩具模型的连续性喷涂作业。如果否，则返回S200。
本申请的一个实施例，下面将对预处理三维模型数据进行进一步地说明和阐述。预处理三维模型数据，得到点云块数据的步骤可以包括但不限于以下步骤。
S310，点云化三维模型数据，得到待喷涂玩具模型上的点云数据。
本步骤中，在对玩具模型进行路径规划之前需要先将玩具的三维模型数据文件进行点云化处理。三维图像处理主要采用开源免费的PCL库，PCL是一个模块化的3D点云处理库，完全集成于ROS系统中，并已被移植到Windows，MacOS和Linux。玩具模型的三维模型数据点云化处理需要先将文件数据读取为mesh格式，确保mesh网格结构为三角网格组成。然后，根据所要求的点云密度，在mesh中均匀采样出相应数量的三角网格，并通过以下公式用这些三角网格的定点计算出一个随机点：
Figure SMS_91
；
其中，
Figure SMS_92
表示随机点，
Figure SMS_93
、
Figure SMS_94
、
Figure SMS_95
分别是三角面片的三个顶点，并且它们在面片中是以逆时针方向分布，
Figure SMS_96
和
Figure SMS_97
分别是两个归一化的随机数。
通过以上均匀采样之后，得到玩具模型上的点的集合，即为所需要的玩具模型的三维模型的点云数据。
S320，对点云数据进行分块处理，得到若干点云块初始数据。
本步骤中，进行路径规划时，由于点云的某些部分曲率较大，为了便于喷涂规划，将其进行分块处理，分块处理的过程如下：
首先，假设对玩具模型进行喷涂，需要定义如下参数：
Figure SMS_98
表示模型喷涂要求的厚度；
Figure SMS_99
表示最大喷涂厚度误差；
Figure SMS_100
表示实际喷涂涂层最大厚度，
Figure SMS_101
则表示实际喷涂涂层最小厚度，；
Figure SMS_102
表示曲面上任一点的厚度；
Figure SMS_103
表示曲面法向量与曲面投影平面的法向量最大偏角。
则有：
Figure SMS_104
；
由于满足公式：
Figure SMS_105
；
故存在有：
Figure SMS_106
；
求解上述公式可以确定
Figure SMS_107
的范围公式：
Figure SMS_108
；
通过以上计算可以看出，若要满足喷涂均匀度的要求，即，最大喷涂厚度误差为
Figure SMS_109
，则喷涂的每个分块中的每一点的法向量与其所在分块投影平面的法向量最大偏角不能大于
Figure SMS_110
。
然后，在对玩具三维模型点云化后，得到若干点云数据，定义点云数据中的每一个点都有对应的所在三角网格的法向量。任意指定点云数据中的某一点为当前点云块的初始点，通过KD-Tree计算初始点周围的N个最邻近点的法向量与初始点的法向量的夹角
Figure SMS_111
。判断
Figure SMS_112
是否小于
Figure SMS_113
，进而判断该最临近点能否与初始点分为同一分块。若满足
Figure SMS_114
，则将最邻近点并入初始点所在的点云块；若不满足
Figure SMS_115
，则将最邻近点作为另一点云块的初始点，并返回上一步骤。当点云数据中的所有点均并入有对应的点云块时，得到若干点云块初始数据。
S330，通过主成分分析处理点云块初始数据，输出点云块数据。
需要说明的是，主成分分析法是一种被广泛应用的点云法矢量估计方法。
本申请的喷涂工艺中所使用的是“Z”字形喷涂轨迹，为了优化喷涂效率，提高喷涂质量，则必须尽量地减少喷涂轨迹的拐点数量。为了实现拐点数量最少化，本申请采用主成分分析计算出待喷涂玩具模型的点云主轴的方向，并规划喷涂轨迹的分段路径方向与主轴方向平行。
首先，定义点云中的点的三个方向的集合分别为
Figure SMS_116
，
Figure SMS_117
，
Figure SMS_118
。分别对上述三个方向的集合中的元素进行去中心化处理：
Figure SMS_119
，
Figure SMS_120
，
Figure SMS_121
；
然后，求协方差矩阵。对于三维数据，可以通过如下公式计算协方差矩阵：
Figure SMS_122
其中，
Figure SMS_123
。
最后，用特征值分解或者SVD分解矩阵的方法求协方差矩阵的特征值和特征向量。以上计算出的最大特征值对应的特征向量为主轴方向，即喷涂轨迹的分段路径方向。
参照图4所示的“Z”字型喷涂轨迹示意图。本申请的一个实施例，下面将对S400中的建立速率模型以及厚度模型，确定优化问题的步骤进行说明和阐述。
本申请中，喷枪喷涂的均匀度和喷涂效率主要与相邻两条轨迹间距
Figure SMS_124
及喷枪在轨迹上移动的速率
Figure SMS_125
相关，需要考虑喷枪喷涂涂层累积速率模型和“Z”字型喷涂轨迹。常见的喷涂轨迹有“Z”字型、螺旋形、三角型等轨迹。对于不规则的形状，适用性更高的是“Z”字型喷涂轨迹。因此，本申请采用“Z”字型轨迹进行喷涂工作。为了使玩具模型获得更好的均匀度，并且提高喷涂的效率，在路径规划时，需要优化相邻两条轨迹间距
Figure SMS_126
及喷枪在轨迹上移动的速率
Figure SMS_127
这两个受控变量。
对于均匀度，轨迹间距
Figure SMS_128
首先必须满足
Figure SMS_129
，否则会出现玩具模型没有被涂料完全覆盖的情况。另外，轨迹间距
Figure SMS_130
和喷枪移动速率
Figure SMS_131
是玩具模型上喷涂涂层累积厚度的两个因子，为了保证均匀度满足喷涂要求，本申请建立以轨迹间距
Figure SMS_132
和喷枪移动速率
Figure SMS_133
为变量的喷涂涂层累积厚度模型。
对于喷涂效率，轨迹间距
Figure SMS_134
直接决定了喷涂轨迹总长度。轨迹间距
Figure SMS_135
和喷枪移动速率
Figure SMS_136
共同决定了完成喷涂所需的时间。为了尽可能地提高喷涂效率，减少喷涂时间，本申请建立以轨迹间距
Figure SMS_137
和喷枪移动速率
Figure SMS_138
为变量的喷枪喷涂累积速率模型。
速率模型和厚度模型的建立过程如下：
首先，在前述处理中，本申请将三维模型数据进行了分块处理，故每一块的曲率都较小。为了减少硬件处理器的计算量和提高计算效率，本申请将每个分块都近似为平面，定义点云块数据为平面。另外，喷枪喷涂过程中，涂料形成的喷炬一般为圆锥形，本申请定义喷枪在平面上形成的喷炬为圆形。之后，采用Goodman方法计算平面上的喷涂涂层累积速率，得到喷枪喷涂累积速率模型。速率模型满足以下公式：
Figure SMS_139
；
其中，R表示平面上的喷涂半径，r表示平面上任一点S与喷枪在平面上的中心投影点之间的距离。
对于点云数据中的某一分块中两条距离为
Figure SMS_140
的相邻轨迹之间的某一点S’，定义其距离较近的轨迹距离为为x，则得到该点S’的涂层厚度，即喷涂涂层累积厚度模型，如下公式所示：
Figure SMS_141
其中：
Figure SMS_142
，
Figure SMS_143
，
Figure SMS_144
，
Figure SMS_145
，t为喷涂时间。
为了保证喷涂的均匀度，对于我们期望的喷涂厚度
Figure SMS_146
，构建以下针对喷枪的喷涂厚度的优化函数：
Figure SMS_147
，
Figure SMS_148
；
其中，
Figure SMS_149
，
Figure SMS_150
，
Figure SMS_151
喷枪的最大喷涂速率。当
Figure SMS_152
最小时，存在最优解
Figure SMS_153
。
对于点云块数据中的某一分块，由于其曲率变化不大，故根据其PCA计算结果定义分块为长为L，宽为D，高为H的立方体，则完成一次喷涂的时间为：
Figure SMS_154
；
为了提高喷涂速率，对于我们期望的喷涂时间，构建以下针对喷枪的喷涂时间的优化函数：
Figure SMS_155
；
其中，
Figure SMS_156
，
Figure SMS_157
。当
Figure SMS_158
最小时，存在最优解
Figure SMS_159
。
最终，得到如下针对喷枪的喷涂厚度和喷涂时间的优化问题：
Figure SMS_160
。
对上述优化问题进行求解，当优化问题存在最优解时，得到一组
Figure SMS_161
使得目标函数最小化，即得到最优的喷涂轨迹间距和喷涂移动速率，进而构成喷涂路径。
可选地，本具体实施例通过NSGA-II算法对上述优化问题进行计算求解，过程如下：
将
Figure SMS_162
分为
Figure SMS_163
等份，
Figure SMS_164
分为
Figure SMS_165
等份，分别对两组数据进行浮点数编码，所有的编码集合代表种群；
设置最大进化代数
Figure SMS_166
，初始进化代数
Figure SMS_167
，在种群中随机产生M个个体作为初始群体
Figure SMS_168
；
进行快速非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群，设置进化代数
Figure SMS_169
；
将父代种群与子代种群合并为新种群，计算新种群中个体的目标函数，并执行快速非支配排序、计算拥挤度、精英策略等操作生成新的父代种群；
对新的父代种群执行选择、交叉、变异操作生成子代种群；
判断
Figure SMS_170
是否成立，如果不成立，则执行
Figure SMS_171
并跳转到将父代种群与子代种群合并为新种群的步骤中继续执行。如果成立，则完成计算，最后筛选留下来的结果即为最优解。
基于上述实施例，玩具生产前需要进行玩具设计，设计阶段会产出玩具三维模型文件，例如OBJ，STL等，这些文件是直接用于指导玩具生产的，生产出来的玩具模型三维数据跟模型文件数据基本一致。因此，将模型文件作为直接指导喷涂系统对玩具模型进行喷涂不仅节省了三维模型建模的时间，提高运算速度和喷涂效率，且达到高精度地指导喷涂作业的效果，规避三维重建过程造成的误差。
上述技术方案在喷涂系统中的应用中，先通过玩具的三维模型提前进行路径规划，再将规划好的喷涂路径应用到进入喷涂区域的玩具模型上。由于玩具模型在喷涂区域中的位置和姿态不固定，故需要借助深度相机对玩具模型进行三维成像建模，由此来获得喷涂区域中玩具模型的位姿，再对玩具三维模型和三维成像模型进行配准，才能将规划好的喷涂路径应用到玩具模型上。另外，由于玩具的三维成像模型和玩具三维模型的建立并不是在同一个尺度下，这两个模型的配准需要考虑尺度变换，因此本发明提出了一种异尺度点云配准方法。
本申请所提出的异尺度点云配准方法能够实现如下效果：消除因为尺度差异导致的对齐误差，提高配准的准确性；支持多源数据处理，通过配准，能够将多个来源的不同尺度的点云数据融合分析处理；增强数据处理的能力，在相同尺度下的点云数据更适合进行数据分析和处理。
参照图5所示的异尺度点云配准的流程图，本申请的一个实施例，下面将对异尺度点云配准方法进行进一步地说明和阐述。所述异尺度点云配准方法主要包括三个方面：预缩放、粗配准和精配准。传统方法的配准过程一般是采用粗配准和精配准相结合的方式。粗配准能够为精配准提供一个相对准确的初始状态，避免精配准过程陷入局部最优解。在异尺度点云配准中，两个尺度差异过大的点云无法使用常用的粗配准方法进行配准，故在粗配准之前需要对两个源点云进行预缩放处理，缩放到与目标点云相近的尺度。预缩放之后的源点云，通过基于FPFH特征的SAC-IA粗配准算法，可以得到有一定误差的配准结果。若要得到更精确的配准结果，则需要通过在经典ICP中加入缩放尺度的Scale-Adaptive ICP精配准算法在预缩放和SAC-IA算法提供的初始配准状态下，Scale-Adaptive ICP算法能够计算出一个误差很小的配准结果，为提前规划好的喷涂路径应用到玩具模型上提供一个精确的转换矩阵，提高喷涂精度。
在完成异尺度点云配准后，根据以上手眼标定计算出的手眼转换矩阵
Figure SMS_172
、缩放尺度系数
Figure SMS_173
和转换关系矩阵
Figure SMS_174
，将规划的喷涂路径转换到机械臂的基坐标系中，得到实际喷涂路径，进而能够精确地将在玩具的三维模型上提前规划好的喷涂路径配准到实际需要喷涂的位置，消除喷涂工作因路径喷涂问题出现的误差，提高模型喷涂的效果和质量。
进一步地，所述通过异尺度点云配准算法将所述喷涂路径的尺度配准为所述三维图像的尺度可以包括但不限于以下步骤。
S510，定义点云图像为待配准点云P和三维图像为目标点云Q，点云P中点的数量为n，点云Q中点的数量为m，根据点云P和点云Q的质心计算得到预缩放尺度系数
Figure SMS_175
，根据
Figure SMS_176
将待配准点云P缩放，得到待配准点云P’。
需要说明的是，点云图像为三维模型数据点云化处理后的图像。
本步骤为预缩放的步骤。预缩放处理后，待配准点云P’与目标点云Q的尺度近似，但位置和姿态还有较大的差异。预缩放的过程如下：
S511，分别计算所述待配准点云P和所述目标点云Q的质心
Figure SMS_177
和
Figure SMS_178
；
S512，分别遍历点云P和点云Q中的所有点，通过以下公式计算每个点到质心
Figure SMS_179
和
Figure SMS_180
的欧式距离的均值
Figure SMS_181
和
Figure SMS_182
：
Figure SMS_183
；
Figure SMS_184
；
S513，计算均值
Figure SMS_185
和
Figure SMS_186
的比值，得到预缩放尺度系数
Figure SMS_187
：
Figure SMS_188
。
S520，根据待配准点云P’和目标点云Q的特征描述子，通过SAC-IA粗配准算法计算得到转换矩阵
Figure SMS_189
，根据转换矩阵
Figure SMS_190
将待配准点云P’的位置和姿态进行转换，得到待配准点云P’’；
本步骤为粗配准步骤。粗配准后的待配准点云P’’与目标点云Q的位置、姿态以及尺度都相近。粗配准的步骤如下：
S521，分别计算待配准点云P’和目标点云Q的FPFH特征描述子。
本步骤中，点云配准是为了让两个点云中具有相似几何特征的点对之间的距离尽可能的小，因此本申请选取FPFH（Fast Point Feature Histograms，快速点特征直方图）来作为准确描述点云局部几何特征的参数。快速点特征直方图对PFH 进行了简化，降低了特征维数同时也降低了计算的时间复杂度。
S522，基于FPFH特征描述子对待配准点云P’和目标点云Q中的点进行匹配；
S523，随机选择
Figure SMS_191
对配准点，通过SVD求解该匹配状态下的旋转矩阵
Figure SMS_192
和位移矩阵
Figure SMS_193
，计算此时的误差函数；
S524，判断误差函数是否小于预期误差；如果是，则转至S525；如果否则返回S523；
S525，输出旋转矩阵
Figure SMS_194
和位移矩阵
Figure SMS_195
，进而得到转换矩阵。
需要说明的是，转换矩阵满足：
Figure SMS_196
。
S530，通过Scale-Adaptive ICP算法对待配准点云P’’和目标点云Q进行精配准处理，得到缩放尺度系数
Figure SMS_197
以及转换矩阵
Figure SMS_198
。
本步骤为精配准步骤。位置、姿态和尺度与目标点云Q相近的待配准点云P’’，经过精配准的计算结果
Figure SMS_199
进行转换之后，待配准点云P已经转换到了目标点云Q在位置、姿态和尺度上几乎一致的状态。精配准的过程如下：
经典ICP基于最小二乘法实现，需要求解关于旋转矩阵R和平移矩阵t的公式
Figure SMS_200
的最小值，其中
Figure SMS_201
和
Figure SMS_202
分别为源点和目标点。然而ICP算法虽然具有一定的配准精度，但是其可能会陷入局部最优并且迭代计算速度较慢。本申请采用的是Scale-Adaptive ICP算法，此算法在经典的ICP框架中引入了比例缩放因子，在经典ICP每一次迭代过程中，求解旋转矩阵R之后，求解一个s和t使得
Figure SMS_203
最小化，其中
Figure SMS_204
，进而提高ICP算法的配准精度，同时避免陷入局部最优的问题。
首先，定义
Figure SMS_205
和
Figure SMS_206
分别为待配准点云P’’和目标点云Q中的点，其中，
Figure SMS_207
。通过传统的ICP算法求解待配准点云P’’到目标点云Q的旋转矩阵
Figure SMS_208
。
然后，找寻
Figure SMS_209
和
Figure SMS_210
使得误差函数公式最小，误差函数为：
Figure SMS_211
。分别对s和t求偏导，可以得到如下公式：
Figure SMS_212
，
Figure SMS_213
；
其中，
Figure SMS_214
。对上述公式整理后可得：
Figure SMS_215
其中，
Figure SMS_216
。通过计算
Figure SMS_217
计算出s和t。
重复以上两个步骤直到误差小于预期误差，输出缩放尺度系数
Figure SMS_218
、位移矩阵
Figure SMS_219
以及旋转矩阵
Figure SMS_220
。那么，精配准得到的转换矩阵为：
Figure SMS_221
，即
Figure SMS_222
。
S540，构建待配准点云P和目标点云Q的转换关系式，通过转换关系式将喷涂路径的尺度配准为三维图像的尺度。
需要说明的是，转换关系式满足：
Figure SMS_223
Figure SMS_224
。
在完成异尺度点云配准处理后，即完成将喷涂路径的尺度和位姿配准为三维图像的尺度和位姿后，还包括：通过手眼转换矩阵转换喷涂路径的位姿，使其位姿位于机械臂的基坐标系下。具体处理包括：
S550，获取手眼转换矩阵
Figure SMS_225
，根据以下公式将配准后的喷涂路径的坐标系转换至所述机械臂的基坐标系：
Figure SMS_226
。
需要说明的是，配准后的喷涂路径即目标点云通过
Figure SMS_227
来表示，处于机械臂的基坐标系下的喷涂路径通过
Figure SMS_228
来表示。
即，将通过三维模型规划得到的喷涂路径可以通过以下公式转换为机械臂的基坐标系下的喷涂路径：
Figure SMS_229
。
其中，P为通过三维模型规划得到的喷涂路径。
本发明提供的玩具模型表面喷涂方法和系统具有如下效果：
（1）异尺度点云配准方面：在传统自动化喷涂设备中加入了固定位置的深度相机，用于拍摄待喷涂玩具模型的深度图像，利用玩具三维模型和深度相机拍摄的三维图像，通过本发明提出的异尺度点云配准算法进行点云配准，能够精确地将在玩具三维模型上提前规划好的喷涂路径配准到实际需要喷涂的位置，减小规划得到的喷涂路径与理想路径之间存在较大的差距，实现精确喷涂。
（2）路径规划方面：利用玩具设计阶段产出的三维模型，对三维模型进行点云化和PCA主成分分析后，利用数学建模和多目标优化算法对玩具三维模型进行路径规划，代替了传统的人工规划。当需要更换玩具模型但系统中并未存储有对应的规划路径时，本申请的喷涂系统可以自适应地根据玩具模型的类型或者姿态得到精确的规划路径，不仅能够大大节省时间、人工和物料成本，提高喷涂效率，也能够实现小批量的个性化定制生产，提高了喷涂系统的通用性和易用化。
（3）提出了一种相机模组保护装置，在喷漆过程中通过丝杠滑台将相机模组回收到保护装置中并密封，保证其不受喷漆污染导致对玩具模型进行三维成像的结果不准确。同时，在新的玩具模型通过转台进入喷涂工作台中，需要拍摄三维图像时能够将保护装置的保护盖打开并推出相机模组，为后续的配准提供准确的三维数据。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或装置不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或装置固有的其他步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。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，在本申请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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，本申请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全部或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装置(可以是个人计算机、服务器或者网络装置等)执行本申请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：只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于上述方法实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

Claims (10)

1.一种玩具模型表面喷涂系统，其特征在于，包括：喷涂箱体和控制器终端，所述喷涂箱体的内部安装有六轴机械臂、转台组件和相机模组，所述六轴机械臂的末端设置有自动喷枪；所述转台组件包括第一喷涂平台、第二喷涂平台、转轴以及与所述转轴连接的步进电机，所述第一喷涂平台和所述第二喷涂平台用于放置玩具模型，所述第一喷涂平台和所述第二喷涂平台均与所述转轴连接，所述步进电机用于控制转轴180°旋转；所述第一喷涂平台与所述第二喷涂平台呈轴对称分布，所述喷涂箱体的侧面设置有开口，所述第一喷涂平台或所述第二喷涂平台中的任一个通过所述开口伸出至所述喷涂箱体外，所述相机模组设置在所述喷涂平台的正上方，所述控制器终端分别与六轴机械臂、相机模组和步进电机连接；
所述控制器终端用于控制所述相机模组采集待喷涂玩具模型的三维图像，获取待喷涂玩具模型的喷涂路径，根据三维图像转换喷涂路径的坐标系，得到实际喷涂路径，根据实际喷涂路径控制六轴机械臂执行喷涂工作，以及控制所述步进电机的工作。
2.根据权利要求1所述的一种玩具模型表面喷涂系统，其特征在于，还包括：相机保护装置，所述相机保护装置包括装置箱体以及与所述装置箱体连接的箱门，所述箱门的四边安装有密封圈，所述装置箱体上与所述箱门相对的一面设置有穿线孔；所述装置箱体的内部安装有子步进电机、丝杠导轨、连接板和反拉液压杠，所述丝杠导轨上安装有滑台，所述滑台与所述丝杠导轨滑动连接，所述步进电机与所述滑台连接，所述滑台的一侧连接所述连接板，所述滑台的另一侧连接所述反拉液压杠的一端，所述反拉液压杠的另一端连接所述箱门，所述相机模组固定于所述连接板上。
3.一种玩具模型表面喷涂方法，应用于如权利要求1至2任一项所述的玩具模型表面喷涂系统，其特征在于,包括如下步骤：
S100，初始化所述喷涂系统，待喷涂玩具模型被送入至喷涂箱体内；
S200，判断系统的数据库是否存储有所述待喷涂玩具模型的喷涂路径；如果否则转至S300；如果是，获取存储于数据库的所述待喷涂玩具模型的喷涂路径，并转至S500；
S300，获取所述待喷涂玩具模型的三维模型数据并对其进行预处理，得到点云块数据；
S400，根据所述点云块数据，建立喷枪喷涂累积速率模型和喷涂涂层累积厚度模型，利用所述速率模型和所述厚度模型，确定针对喷涂轨迹间距和喷枪在轨迹上的移动速率的优化问题，当所述优化问题存在最优解时，得到最优的喷涂轨迹间距和喷涂移动速率，进而构成所述待喷涂玩具模型的喷涂路径；
S500，采集所述待喷涂玩具模型的三维图像，通过异尺度点云配准算法将所述喷涂路径的尺度和位姿配准为所述三维图像的尺度和位姿，之后通过手眼转换矩阵转换所述喷涂路径的位姿，得到实际喷涂路径并根据此路径执行喷涂工作；
其中，所述手眼转换矩阵通过初始化后的机械臂和相机模组计算得到；
S600，当当前的玩具模型完成喷涂时，下一个待喷涂玩具模型被送入喷涂箱体内，判断当前待喷涂玩具模型的类型与上一个喷涂的玩具模型的类型是否一致；如果是，则返回S500；如果否，则返回S200。
4.根据权利要求3所述的一种玩具模型表面喷涂方法，其特征在于，对所述三维模型数据进行预处理，得到点云块数据的步骤包括：
点云化所述三维模型数据，得到所述待喷涂玩具模型上的点云数据；
对所述点云数据进行分块处理，得到若干点云块初始数据；
通过主成分分析处理所述点云块初始数据，输出点云块数据。
5.根据权利要求4所述的一种玩具模型表面喷涂方法，其特征在于，所述对所述点云数据进行分块处理，得到若干点云块初始数据，包括：
定义所述点云数据中的每一个点都有对应的所在三角网格的法向量，且定义模型喷涂要求的厚度为
Figure QLYQS_2
，最大喷涂厚度误差为
Figure QLYQS_5
，实际喷涂涂层最大厚度为
Figure QLYQS_7
，最小厚度为
Figure QLYQS_3
，曲面上任一点的厚度为
Figure QLYQS_4
，曲面法向量与曲面投影平面的法向量最大偏角为
Figure QLYQS_6
，其中
Figure QLYQS_8
，则确定所述法向量最大偏角
Figure QLYQS_1
的范围公式为：
Figure QLYQS_9
；
任意指定所述点云数据中的某一点为当前点云块的初始点，通过KD-Tree计算所述初始点周围的N个最邻近点的法向量与所述初始点的法向量的夹角
Figure QLYQS_10
；
判断所述夹角
Figure QLYQS_11
是否小于所述法向量最大偏角
Figure QLYQS_12
；如果是，则将所述最邻近点并入所述初始点所在的点云块；如果否，则将所述最邻近点作为另一点云块的初始点，并返回上一步骤；
当所述点云数据中的所有点均并入有对应的点云块时，得到所述若干点云块初始数据。
6.根据权利要求3所述的一种玩具模型表面喷涂方法，其特征在于，所述建立喷枪喷涂累积速率模型和喷涂涂层累积厚度模型，利用所述速率模型和所述厚度模型，确定针对喷涂轨迹间距和喷枪在轨迹上的移动速率的优化问题，包括：
定义所述点云块数据为平面和所述喷枪在所述平面上形成的喷炬为圆形；
通过Goodman方法计算所述平面上的喷涂涂层累积速率，生成如下喷枪喷涂累积速率模型：
Figure QLYQS_13
；
其中，R表示平面上的喷涂半径，r表示平面上任一点S与喷枪在平面上的中心投影点之间的距离；
对于所述点云数据中的某一分块中两条距离为
Figure QLYQS_14
的相邻轨迹之间的某一点S’，定义点S’距离较近的轨道距离为x，则得到点S’的涂层厚度，即喷涂涂层累积厚度模型；所述厚度模型满足以下公式：
Figure QLYQS_15
其中：
Figure QLYQS_16
，
Figure QLYQS_17
，
Figure QLYQS_18
，
Figure QLYQS_19
，t为喷涂时间；
根据所述厚度模型，构建如下针对所述喷枪的喷涂厚度的优化函数：
Figure QLYQS_20
，
Figure QLYQS_21
；
其中，
Figure QLYQS_22
，
Figure QLYQS_23
，
Figure QLYQS_24
为模型喷涂要求的厚度，
Figure QLYQS_25
为喷枪的最大喷涂速率；
对于所述点云块数据中的某一分块，定义所述分块为长为L，宽为D，高为H的立方体，则完成一次喷涂的时间为：
Figure QLYQS_26
；
根据所述喷涂时间，构建如下针对所述喷枪的喷涂时间的优化函数：
Figure QLYQS_27
；
其中，
Figure QLYQS_28
，
Figure QLYQS_29
；
最终，得到如下针对喷枪的喷涂厚度和喷涂时间的优化问题，以通过NSGA-II算法对所述优化问题进行求解，得到最优的喷涂轨迹间距
Figure QLYQS_30
和喷涂移动速率
Figure QLYQS_31
；
Figure QLYQS_32
。
7.根据权利要求3所述的一种玩具模型表面喷涂方法，其特征在于，所述通过异尺度点云配准算法将所述喷涂路径的尺度和位姿配准为所述三维图像的尺度和位姿，之后通过手眼转换矩阵转换所述喷涂路径的位姿，包括：
定义点云图像为待配准点云P和所述三维图像为目标点云Q，待配准点云P中点的数量为n，目标点云Q中点的数量为m；
根据待配准点云P和目标点云Q的质心计算得到预缩放尺度系数
Figure QLYQS_33
，根据预缩放尺度系数
Figure QLYQS_34
将待配准点云P缩放，得到待配准点云P’；
其中，所述点云图像为所述三维模型数据点云化处理后的图像，所述待配准点云P’的尺度近似于点云Q的尺度；
根据待配准点云P’和目标点云Q的特征描述子，通过SAC-IA粗配准算法计算得到转换矩阵
Figure QLYQS_35
，根据转换矩阵
Figure QLYQS_36
将待配准点云P’的位置和姿态进行转换，得到待配准点云P’’；
其中，所述待配准点云P’’的位置和姿态近似于点云Q的位置和姿态；
通过Scale-Adaptive ICP算法对所述待配准点云P’’和所述目标点云Q进行精配准处理，得到缩放尺度系数
Figure QLYQS_37
和转换矩阵
Figure QLYQS_38
；
构建如下待配准点云P和目标点云Q的转换关系式，通过所述转换关系式将所述喷涂路径的尺度配准为所述三维图像的尺度：
Figure QLYQS_39
Figure QLYQS_40
；
其中，
Figure QLYQS_41
为精配准得到的旋转矩阵，
Figure QLYQS_42
为精配准得到的位移矩阵，
Figure QLYQS_43
为粗配准得到的旋转矩阵，
Figure QLYQS_44
为精配准得到的位移矩阵；
获取手眼转换矩阵
Figure QLYQS_45
，根据以下公式将配准后的喷涂路径的坐标系转换至所述机械臂的基坐标系：
Figure QLYQS_46
；
其中，
Figure QLYQS_47
为配准后的喷涂路径，即目标点云Q；
Figure QLYQS_48
为处于机械臂的基坐标系下的喷涂路径。
8.根据权利要求7所述的一种玩具模型表面喷涂方法，其特征在于，所述根据点云P和点云Q的质心计算得到预缩放尺度系数
Figure QLYQS_49
，包括：
分别计算所述待配准点云P和所述目标点云Q的质心
Figure QLYQS_50
和
Figure QLYQS_51
；
分别遍历点云P和点云Q中的所有点，通过以下公式计算每个点到质心
Figure QLYQS_52
和
Figure QLYQS_53
的欧式距离的均值
Figure QLYQS_54
和
Figure QLYQS_55
：
Figure QLYQS_56
；
Figure QLYQS_57
；
进而得到预缩放尺度系数
Figure QLYQS_58
：
Figure QLYQS_59
。
9.根据权利要求7所述的一种玩具模型表面喷涂方法，其特征在于，所述根据待配准点云P’和目标点云Q的特征描述子，通过SAC-IA粗配准算法计算得到转换矩阵
Figure QLYQS_60
，包括：
分别计算待配准点云P’和目标点云Q的FPFH特征描述子，基于FPFH特征描述子对待配准点云P’和目标点云Q中的点进行匹配；
随机选择
Figure QLYQS_61
对配准点，通过SVD求解该匹配状态下的旋转矩阵
Figure QLYQS_62
和位移矩阵
Figure QLYQS_63
，计算此时的误差函数；
判断误差函数是否小于预期误差；如果否，则返回上一步骤；如果是，则输出旋转矩阵
Figure QLYQS_64
和位移矩阵
Figure QLYQS_65
，进而得到转换矩阵；
其中，所述转换矩阵满足：
Figure QLYQS_66
。
10.根据权利要求7所述的一种玩具模型表面喷涂方法，其特征在于，所述通过Scale-Adaptive ICP算法对所述待配准点云P’’和所述目标点云Q进行精配准处理，得到缩放尺度系数
Figure QLYQS_67
和转换矩阵
Figure QLYQS_68
，包括：
定义
Figure QLYQS_69
和
Figure QLYQS_70
分别为待配准点云P’’和目标点云Q中的点，
Figure QLYQS_71
；
通过传统的ICP算法求解待配准点云P’’到目标点云Q的旋转矩阵
Figure QLYQS_72
；
构建误差函数为
Figure QLYQS_73
，找寻
Figure QLYQS_74
和
Figure QLYQS_75
使得误差函数最小，对s和t求偏导，可得：
Figure QLYQS_76
，
Figure QLYQS_77
；
Figure QLYQS_78
其中，
Figure QLYQS_79
，
Figure QLYQS_80
；
通过以上公式计算出s和t，当精配准的误差小于预期误差时，输出缩放尺度系数
Figure QLYQS_81
、旋转矩阵
Figure QLYQS_82
和位移矩阵
Figure QLYQS_83
，进而得到如下转换矩阵
Figure QLYQS_84
：
Figure QLYQS_85
。
CN202310233693.8A 2023-03-13 2023-03-13 一种玩具模型表面喷涂系统及方法 Active CN115945324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310233693.8A CN115945324B (zh) 2023-03-13 2023-03-13 一种玩具模型表面喷涂系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310233693.8A CN115945324B (zh) 2023-03-13 2023-03-13 一种玩具模型表面喷涂系统及方法

Publications (2)

Publication Number Publication Date
CN115945324A true CN115945324A (zh) 2023-04-11
CN115945324B CN115945324B (zh) 2023-06-06

Family

ID=85886510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310233693.8A Active CN115945324B (zh) 2023-03-13 2023-03-13 一种玩具模型表面喷涂系统及方法

Country Status (1)

Country Link
CN (1) CN115945324B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116809345A (zh) * 2023-06-26 2023-09-29 珠海新泉包装容器有限公司 一种防锈瓶盖二维码的喷涂方法及装置
CN117290907A (zh) * 2023-11-22 2023-12-26 南昌华翔汽车内外饰件有限公司 一种汽车保险杠喷涂方法、系统及设备
CN118305021A (zh) * 2024-06-11 2024-07-09 四川吉埃智能科技有限公司 一种基于三维成像技术的自动喷涂机器人控制软件系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202479085U (zh) * 2012-01-11 2012-10-10 陆勇 六轴喷涂机
CN205887318U (zh) * 2016-08-08 2017-01-18 北京惠众智通机器人科技股份有限公司 机械臂喷涂系统
CN106423656A (zh) * 2016-08-11 2017-02-22 重庆大学 基于点云与图像匹配的自动喷涂系统及方法
CN106853433A (zh) * 2016-12-30 2017-06-16 吉林省天大精益智能制造技术有限公司 基于云计算的汽车智能喷漆方法
CN107908152A (zh) * 2017-12-26 2018-04-13 苏州瀚华智造智能技术有限公司 一种活动式机器人自动喷涂装置、控制系统及方法
WO2021103154A1 (zh) * 2019-11-25 2021-06-03 浙江明泉工业涂装有限公司 一种可用于多车型的智能喷涂的机器人控制方法
CN114618704A (zh) * 2022-02-23 2022-06-14 深圳远荣智能制造股份有限公司 一种3d视觉引导机器人免编程的喷涂方法及其系统
CN114792373A (zh) * 2022-04-24 2022-07-26 广东天太机器人有限公司 一种工业机器人的视觉识别喷涂方法及系统
CN115042834A (zh) * 2022-06-30 2022-09-13 株洲时代电子技术有限公司 铁路限界检测装置，包括该装置的线路检测车及作业方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202479085U (zh) * 2012-01-11 2012-10-10 陆勇 六轴喷涂机
CN205887318U (zh) * 2016-08-08 2017-01-18 北京惠众智通机器人科技股份有限公司 机械臂喷涂系统
CN106423656A (zh) * 2016-08-11 2017-02-22 重庆大学 基于点云与图像匹配的自动喷涂系统及方法
CN106853433A (zh) * 2016-12-30 2017-06-16 吉林省天大精益智能制造技术有限公司 基于云计算的汽车智能喷漆方法
CN107908152A (zh) * 2017-12-26 2018-04-13 苏州瀚华智造智能技术有限公司 一种活动式机器人自动喷涂装置、控制系统及方法
WO2021103154A1 (zh) * 2019-11-25 2021-06-03 浙江明泉工业涂装有限公司 一种可用于多车型的智能喷涂的机器人控制方法
CN114618704A (zh) * 2022-02-23 2022-06-14 深圳远荣智能制造股份有限公司 一种3d视觉引导机器人免编程的喷涂方法及其系统
CN114792373A (zh) * 2022-04-24 2022-07-26 广东天太机器人有限公司 一种工业机器人的视觉识别喷涂方法及系统
CN115042834A (zh) * 2022-06-30 2022-09-13 株洲时代电子技术有限公司 铁路限界检测装置，包括该装置的线路检测车及作业方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116809345A (zh) * 2023-06-26 2023-09-29 珠海新泉包装容器有限公司 一种防锈瓶盖二维码的喷涂方法及装置
CN117290907A (zh) * 2023-11-22 2023-12-26 南昌华翔汽车内外饰件有限公司 一种汽车保险杠喷涂方法、系统及设备
CN118305021A (zh) * 2024-06-11 2024-07-09 四川吉埃智能科技有限公司 一种基于三维成像技术的自动喷涂机器人控制软件系统

Also Published As

Publication number Publication date
CN115945324B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN115945324A (zh) 一种玩具模型表面喷涂系统及方法
CN106423656B (zh) 基于点云与图像匹配的自动喷涂系统及方法
CN104841593B (zh) 一种机器人自动喷涂系统的控制方法
CN102500498B (zh) 非规则多面体上的喷涂机器人喷枪轨迹优化方法
EP1435280B1 (en) A method and a system for programming an industrial robot
CN102909148B (zh) 一种多喷枪自适应建模的喷涂路径自动生成方法
CN112733461B (zh) 数字孪生驱动的实时渲染方法、系统和计算机可读介质
CN111530671A (zh) 一种基于喷涂系统的智能机器人喷涂方法
CN101920233A (zh) 一种基于虚拟现实技术的喷涂工业机器人综合控制系统及控制方法
CN106133628A (zh) 用于确定加工凹槽形状的刀具的路径的方法和系统
Feng et al. An analysis of motion blending techniques
WO2014025518A1 (en) System and method for determining an optimal trajectory for material dispensing robots
CN103464344A (zh) 一种经济型喷涂机器人喷枪轨迹规划方法
Guan et al. Trajectory planning method based on transitional segment optimization of spray painting robot on complex-free surface
CN201856249U (zh) 工业机器人运动规划与性能测试系统
Wang et al. A new point cloud slicing based path planning algorithm for robotic spray painting
Holden et al. Learning inverse rig mappings by nonlinear regression
JPH07168617A (ja) ロボットのオフライン教示方法
CN115283172B (zh) 一种基于点云处理的机器人自动喷涂方法
CN113276130A (zh) 一种基于点云切片的自由曲面喷涂路径规划方法及系统
Yu et al. Adaptive control for robotic manipulation of deformable linear objects with offline and online learning of unknown models
Liu et al. Learning articulated constraints from a one-shot demonstration for robot manipulation planning
Wang et al. An online collision-free trajectory generation algorithm for human–robot collaboration
Boscariol et al. Path planning for special robotic operations
Xia et al. Paint deposition pattern modeling and estimation for robotic air spray painting on free‐form surface using the curvature circle method

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