CN115971004A - 一种针对车厢的智能腻子喷涂方法及系统 - Google Patents
一种针对车厢的智能腻子喷涂方法及系统 Download PDFInfo
- Publication number
- CN115971004A CN115971004A CN202310010987.4A CN202310010987A CN115971004A CN 115971004 A CN115971004 A CN 115971004A CN 202310010987 A CN202310010987 A CN 202310010987A CN 115971004 A CN115971004 A CN 115971004A
- Authority
- CN
- China
- Prior art keywords
- spraying
- point cloud
- sprayed
- putty
- path
- 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
Links
- 238000005507 spraying Methods 0.000 title claims abstract description 137
- 239000011248 coating agent Substances 0.000 claims abstract description 49
- 238000000576 coating method Methods 0.000 claims abstract description 49
- 239000007921 spray Substances 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008021 deposition Effects 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 230000007547 defect Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 5
- 239000003973 paint Substances 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000003466 welding Methods 0.000 abstract description 6
- 239000013598 vector Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种针对车厢的智能腻子喷涂方法及系统,该方法包括:深度相机扫描待喷涂部件,获取待喷涂部件的点云数据;根据所述点云数据通过CGAL构建所述待喷涂部件表面的三维模型;根据所述三维模型通过深度卷积网络检测出待喷涂区域;根据所述待喷涂区域通过点云切片的方式规划喷涂路径;根据喷涂工艺和所述喷涂路径建立腻子涂层厚度沉积模型和腻子涂层优化模型,优化喷涂参数;喷涂机器人按所述喷涂路径和所述喷涂参数对所述待喷涂区域进行喷涂。本发明采用深度相机采集点云数据,通过深度卷积网络识别车厢焊缝、凹槽,以点云切片的方式进行喷涂路径规划,实现了智能化的缺陷识别和腻子喷涂。
Description
技术领域
本发明涉及腻子喷涂技术领域,具体涉及一种针对车厢的智能腻子喷涂方法及系统。
背景技术
车厢车体多采用焊接成型,为保证车厢表面的平整度和美观度,需要在喷涂底漆后增加腻子涂层来平整车厢表面,当前多采取人工刮涂或人工喷涂的形式,人工作业的成本高、效率低,且刮涂、喷涂质量不一,难以应对车厢腻子涂层复杂、严格的要求。
现有的自动化喷涂机器人在应用于车厢腻子喷涂上还存在着许多问题。由于车厢多由板材焊接而成,存在焊缝、凹槽等不规则缺陷,现有的自动化喷涂机器人难以识别此类不规则缺陷,在喷涂时也难以预先编程规划喷涂。
综上所述,现有车厢腻子喷涂技术主要面临着人工刮涂效果差、自动化喷涂适用难的问题。
发明内容
针对上述现有技术,本发明提供一种针对车厢的智能腻子喷涂方法及系统,采用深度卷积网络识别车厢焊缝、凹槽,并通过点云切片的方式规划喷涂路径,实现了智能化的车厢腻子喷涂。
为实现上述目的,本发明通过以下技术方案得以实现:
第一方面,提供一种针对车厢的智能腻子喷涂方法,包括以下步骤:
深度相机扫描待喷涂部件,获取待喷涂部件的点云数据;
根据所述点云数据通过CGAL构建所述待喷涂部件表面的三维模型;
根据所述三维模型通过深度卷积网络检测出待喷涂区域;
根据所述待喷涂区域通过点云切片的方式规划喷涂路径;
根据喷涂工艺和所述喷涂路径建立腻子涂层厚度沉积模型和腻子涂层优化模型,优化喷涂参数;
喷涂机器人按所述喷涂路径和所述喷涂参数对所述待喷涂区域进行喷涂。
在第一方面的可选实施例中,根据所述点云数据通过CGAL构建所述待喷涂部件表面的三维模型包括以下步骤:
读取所述点云数据;
对所述点云数据进行预处理;
通过泊松算法、前进算法、尺度空间算法中的一种算法构建待喷涂部位的三维模型。
进一步地,所述预处理包括降噪、简化、平滑、点云配准、正态估计和定向中的至少一种处理方式。
在第一方面的可选实施例中,根据所述三维模型通过深度卷积网络检测出待喷涂区域包括以下步骤:
采用SSD作为检测网络检测所述待喷涂部位的三维模型,获取检测图像;
定位所述检测图像中待喷涂区域、紧固件、缺陷的位置,获取定位结果;
将所述检测图像和所述定位结果传输到分类网络中进行比对,获取比对结果;
根据所述比对结果获取待喷涂区域点云。
在第一方面的可选实施例中,根据所述待喷涂区域通过点云切片的方式规划喷涂路径包括以下步骤:
将所述点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下;
识别和变换所述待喷涂部件点云姿态;
对所述待喷涂区域点云进行切片;
通过切片与所述待喷涂区域点云相交获取喷涂路径点;
将所述喷涂路径点拟合成所述喷涂路径。
进一步地,根据所述待喷涂区域通过点云切片的方式规划喷涂路径还包括以下步骤:
将所述点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下;
通过边缘提取算法提取所述待喷涂区域边缘部分的点云数据;
分离所述边缘部分的点云数据;
对所述边缘部分的点云数据进行数据排序获取喷涂路径点;
将所述喷涂路径点拟合成所述喷涂路径。
在第一方面的可选实施例中,根据喷涂工艺和所述喷涂路径建立腻子涂层厚度沉积模型和腻子涂层优化模型,优化喷涂参数包括以下步骤:
基于椭圆双β喷涂厚度分布模型建立平面和曲面上的单点腻子涂层厚度沉积模型;
基于所述喷涂路径建立相邻路径腻子涂层厚度沉积模型;
以涂层厚度均匀性为优化目标建立所述腻子涂层优化模型,获取优化后的喷涂参数。
第二方面,提供一种针对车厢的智能腻子喷涂系统,包括:
点云采集模块,包括深度相机和数据采集器,用于采集待喷涂部件的点云数据;
路径规划模块,基于所述点云数据重建所述待喷涂部件的表面,识别待喷涂区域,规划腻子喷涂路径;
参数优化模块,包括腻子涂层厚度沉积模型和腻子涂层优化模型,用于优化喷涂参数;
腻子喷涂模块,包括PLC控制器、喷涂机器人、腻子供给装置,用于对待喷涂区域进行喷涂;
部件传输模块,用于传送所述待喷涂部件。
在第二方面的可选实施例中,所述点云采集模块包括多个深度相机,所述多个深度相机分别放置于不同方向,用于多角度采集待喷涂部件的点云数据。
在第二方面的可选实施例中,所述喷涂机器人包括:腻子喷枪、PLC控制器、流体控制器、驱控一体控制器、喷涂机械臂。
本申请提供的技术方案带来的有益效果是:
1.本发明实施例中通过深度相机采集待喷涂部位的点云数据,点云数据可精准还原待喷涂部件的具体信息。其中深度图可提供相机坐标系下的Z坐标,有助于后续识别焊缝、凹槽。
2.本发明实施例中还通过SSD神经网络进行焊缝、凹槽识别,并经过分类网络比对,精准定位了待喷涂区域,提高了焊缝、凹槽识别的精度和准确度。
3.本发明实施例中采用了点云切片的方式进行喷涂路径规划,并基于喷涂路径和喷涂工艺建立腻子涂层厚度沉积模型和腻子涂层优化模型来优化喷涂参数,基于此方法喷涂的腻子涂层相较于人工喷涂均匀性更高,有效提升了腻子喷涂质量。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,其中:
图1是本发明一实施例提供的一种针对车厢的智能腻子喷涂方法的流程图;
图2是本发明一实施例提供的一种重建待喷涂部件的表面的方法的流程图;
图3是本发明一实施例提供的待喷涂区域规划喷涂路径的方法的流程图;
图4是本发明一实施例提供的待喷涂区域的边缘喷涂路径的方法的流程图;
图5是本发明一实施例提供的一种针对车厢的智能腻子喷涂系统的示意图;
图6是本发明一实施例提供的一种针对车厢的智能腻子喷涂系统中点云采集模块和部件传输模块示意图;
图7是本发明一实施例提供的一种针对车厢的智能腻子喷涂系统中腻子喷涂模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
实施例一
如图1所示,提供一种针对车厢的智能腻子喷涂方法,包括如下步骤:
S101:深度相机扫描待喷涂部件,获取待喷涂部件的点云数据;
具体地,深度相机是除了彩色信息外还能采集深度信息的相机,其中RGB-D相机就是通过物理方式进行测距的深度相机,主要通过结构光法或飞行时间法(ToF)法计算被测物体与相机之间的距离。本实施例通过RGB-D相机采集待喷涂部件的深度信息和彩色信息,获取待喷涂部件的RGB-D图像。RGB-D图像包括深度图和RGB图,RGB图提供了相机坐标系下的x,y坐标,而深度图直接提供了相机坐标系下的z坐标(像素点深度信息)。根据RGB-D图像的信息和相机的内参,可以计算获得任何一个像素点在相机坐标系下的坐标。根据RGB-D图像的信息和相机的内参与外参,可以计算获得任何一个像素点在世界坐标系下的坐标。相机视野范围内,相机坐标系下的障碍物点的坐标,就是点云传感器数据,也就是相机坐标系下的点云数据,再加入采集到的彩色信息,即可构成彩色点云。
S102:根据所述点云数据通过CGAL构建所述待喷涂部件表面的三维模型;
具体地,CGAL是基于C++语言的计算几何算法库,通过CGAL中的重建算法可以根据S101步骤中深度相机采集到的待喷涂部件的点云数据重建待喷涂部件表面的三维模型。
S103:根据所述三维模型通过深度卷积网络检测出待喷涂区域;
具体地,根据所述三维模型通过深度卷积网络检测出待喷涂区域包括以下步骤:
采用SSD作为检测网络检测所述待喷涂部位的三维模型,获取检测图像;
定位所述检测图像中待喷涂区域、紧固件、缺陷的位置,获取定位结果;
将所述检测图像和所述定位结果传输到分类网络中进行比对,获取比对结果;
根据所述比对结果获取待喷涂区域点云。
需要说明的是,SSD算法是一种直接检测目标类别和边界框的多目标检测算法。将SSD作为检测网络,需要预先以车厢待喷涂部件的主要结构件、紧固件、焊缝、凹槽等缺陷图像集作为训练样本对检验网络进行训练。主要结构件待喷涂部件的主体,也是车厢中需要喷涂腻子的喷涂区域,识别定位主要结构件的目的在于确定腻子喷涂的大致区域;紧固件是用于紧固主要结构件的工件,喷涂作业完成后将被拆除,是无需喷涂的区域;缺陷是车厢主体拼接焊接形成的焊缝、凹槽,在喷涂腻子时需要着重喷涂填平,从而保证车厢主体的平整度。
SSD检测网络识别和定位检测检测图像中的主要结构件、紧固件和缺陷及其位置,主要是通过以下方式实现:检测图像输入网络后,将初始框根据输出的目标类别和偏移量进行对应调整,获得到预测框,并根据类别置信度确定其类别,过滤掉属于背景的预测框。
分类网络中对检测图像和预先定义的主要结构件、紧固件、缺陷图像进行比对和分类。根据比对识别结果来确定待喷涂区域,即紧固件外主要结构件区域,同时标记了需要重点喷涂的缺陷区域,最后将待喷涂区域的点云从待喷涂部件的点云数据中分离出来。
S104:根据所述待喷涂区域通过点云切片的方式规划喷涂路径;
具体地,常用的喷涂规划路径有光栅型、螺旋型、X型、三角型、W型。点云切片是通过一组规则平面对点云进行截取获取平面与点云相交的截面数据来生成喷涂区域的遍历路径的方法。由于喷涂路径的不同,切片的平面也不同,例如当喷涂路径为光栅型时,切片平面为一组相互平行的平面。
S105:基于椭圆双β喷涂厚度分布模型建立平面和曲面上的单点腻子涂层厚度沉积模型;
具体地,腻子粘度、喷枪型号、喷幅压力、喷射张角等因素都会影响腻子涂层的厚度、均匀性,进一步影响整体腻子喷涂的质量。为保证腻子涂层的喷涂质量,需要建立腻子涂层厚度沉积模型对喷涂参数进行调整。椭圆双β喷涂厚度分布模型的原理是在椭圆形喷涂区域内,垂直于同一条轴线不同断面上的漆膜厚度分布是相似的,并且垂直于x、y轴断面上的漆膜厚度分布分别服从β值为β1、β2的β分布,在相互平行的断面上的β值是相等的。基于以上原理,可以建立平面上的单点腻子涂层厚度沉积模型。利用微分集合放大原理,可以进一步获得曲面上的单点腻子涂层厚度沉积模型。
S106:基于所述喷涂路径建立相邻路径腻子涂层厚度沉积模型;
具体地,受喷涂路径的影响,单点腻子涂层厚度沉积模型在实际喷涂中并不使用,因此需要基于S104步骤中确定的喷涂路径,建立相邻路径腻子涂层厚度沉积模型。
S107:以涂层厚度均匀性为优化目标建立所述腻子涂层优化模型,获取优化后的喷涂参数;
具体地,基于S106步骤中建立的相邻路径腻子涂层厚度沉积模型,以涂层厚度均匀性为优化目标建立一个多约束单目标的腻子涂层优化模型,其中通过喷涂区域内所有点的实际涂层厚度与期望涂层厚度之间的偏差平方和的大小来描述喷涂区域内漆膜厚度的均匀性,偏差平方和的大小则代表腻子涂层的厚度越均匀。在引入腻子粘度、喷枪型号、喷幅压力、喷枪高度等喷涂过程中基本不变化的因素作为常量后,就可以基于这个多约束单目标的腻子涂层优化模型求解喷涂速度、喷涂路径相邻间隔等最佳喷涂参数。
S108:喷涂机器人按所述喷涂路径和所述喷涂参数对所述待喷涂区域进行喷涂。
具体地,流体控制器将喷涂参数调整至S107步骤中获得的最佳喷涂参数,驱控一体控制器控制喷涂机械臂按步骤S104中规划的喷涂路径对待喷涂区域进行喷涂。
实施例二
基于实施例一,如图2所示,提供一种重建待喷涂部件的表面的方法,包括如下步骤:
S201:读取待喷涂部件的点云数据;
具体地,深度相机采集待喷涂部件的点云数据,在CGAL中通过容器迭代器输入点云数据,并使用属性映射来访问点,点通常以纯文本格式存储。
S202:对点云数据进行降噪;
具体地,测量误差会导致点云数据中包括稀疏的离群点,需要对点云数据中的噪点、离群点进行处理,才能避免在曲面重建时产生错误的数值。降噪主要用到统计滤波的方法,统计滤波器将对每个点的邻域进行一个统计分析,去除掉不符合标准的点。基于在输入数据中对点到邻点的距离分布的计算。对每个点,计算其到自身所有邻近点的平均距离,若得到的结果符合高斯分布,其形状由均值和标准差决定,平均距离在标准范围内之外的点,则认为是离群点,其中标准范围由全局距离平均值和方差定义。
S202:对点云数据进行简化;
具体地,受环境和精度的影响,深度相机会采集到密度不均匀的点云,对于密度过大的点云数据。CGAL中提供了多种简化算法来处理这种情况,例如grid_simplify_point_set是在每个用户指定网格的大小内只保留一个点云数据;hierarchy_simplify_point_set是递归地将点集拆分为较小的聚类,直到聚类的元素少于用户指定的大小,并且其变异因子低于指定的数量。以上简化算法使得输入的点云数据更加均匀,也缩短了重建时间。
S203:对点云数据进行平滑;
具体地,通过CGAL中的平滑算法,可以处理点云数据中的小尺寸噪点,其中形状平滑算法Polygon_mesh_processing::smooth_shape通过使用平均曲率流来平滑网格的整体形状;网格平滑算法Polygon_mesh_processing::angle_and_area_smoothing通过移动使三角形角度和面积分布尽可能均匀。
S204:对多个深度相机采集到的点云数据进行配准;
具体地,当使用了多个深度相机采集点云数据时,需要是识别数据集中的对应点,然后找到能够最小化对应点之间距离的变换,将不同深度相机的点云变换到同一个坐标系中。本实施例中采用迭代最近点算法进行点云配准,通过不断的迭代点云关键点之间的对应关系找到最优的匹配点,利用SVD计算匹配点之间的变换关系。
S205:正态估计并定向法向量;
具体地,泊松算法应用时需要具有定向法向量的点,CGAL中通过pca_estimate_normals和jet_estimate_normals两个算法能够估计法向量,mst_orient_normals和scanline_orient_normals两个算法能定向法向量。
S206:通过泊松算法构建待喷涂部位的三维模型。
具体地,泊松算法是一种隐函数表面重建算法,输入点云数据后,构建八叉树存储点云数据,设置函数空间和向量空间,之后建立泊松方程并求解,最终提取等值面并输出网格。
实施例三
基于实施例一,提供通过点云切片规划喷涂路径的方法。
如图3所示,对于待喷涂区域,规划喷涂路径的方法包括如下步骤:
S301:将点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下;
具体地,规划喷涂路径需要基于腻子喷涂模块坐标系,点云数据的采集是基于点云采集模块坐标系,因此在路径规划之前要通过公式计算将点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下。
S302:识别和变换所述待喷涂部件点云姿态;
具体地,选择切片方向前需要识别待喷涂部件的点云姿态,因此先计算出工件的特征方向,利用特征方向将点云变换到一个固定的位置进行切片的计算。
S303:对所述待喷涂区域点云进行切片;
S304:通过切片与所述待喷涂区域点云相交获取喷涂路径点;
具体地,本实施例使用栅格型喷涂路径,因此使用一组平行平面来对点云进行截取,获取点云与平面的相交点作为喷涂路径点。
S305:将所述喷涂路径点拟合成所述喷涂路径。
进一步地,实际喷涂作业中,为了满足喷涂质量要求,还需要对待喷涂区域的边缘进行补喷。
如图4所示,对于待喷涂区域的边缘,规划喷涂路径的方法包括如下步骤:
S401:将点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下;
S402:通过边缘提取算法提取所述待喷涂区域边缘部分的点云数据;
具体地,边缘提取算法包括经纬线扫描法、网格划分法、法线估计法、alphashapes算法等,本实施例采用法线估计法,从点云数据上计算出法线,再由法线结合数据估计出边界。
S403:分离所述边缘部分的点云数据;
S404:对所述边缘部分的点云数据进行数据排序获取喷涂路径点;
具体地,S403步骤中分离后散乱的点云数据无法直接拟合成喷涂路径,因此使用KD树的方式进行近邻搜索,寻找与搜索点最近的点,从建立点与点之间的空间顺序。
S405:将所述喷涂路径点拟合成所述喷涂路径。
实施例四
本实施例提供一种针对车厢的智能腻子喷涂系统500,如图5、图6、图7所示,所述针对车厢的智能腻子喷涂系统包括:
点云采集模块501,包括深度相机601和数据采集器602,用于采集待喷涂部件的点云数据;
部件传输模块502,包括传送带603和稳固件604,传送带603用于传送待喷涂部件605,稳固件604用于固定待喷涂部件605;
路径规划模块503,基于所述点云数据重建所述待喷涂部件的表面,识别待喷涂区域,规划腻子喷涂路径;
参数优化模块504,包括腻子涂层厚度沉积模型和腻子涂层优化模型,用于优化喷涂参数;
腻子喷涂模块505,包括喷涂机器人710、腻子供给装置720,用于对待喷涂区域进行喷涂。
进一步地,喷涂机器人710包括腻子喷枪711、喷涂机械臂712、驱控一体控制器713、流体控制器714、PLC控制器715,驱控一体控制器713控制喷涂机械臂712移动,流体控制器714用于调整喷涂参数。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种针对车厢的智能腻子喷涂方法,其特征在于,包括以下步骤:
深度相机扫描待喷涂部件,获取待喷涂部件的点云数据;
根据所述点云数据通过CGAL构建所述待喷涂部件表面的三维模型;
根据所述三维模型通过深度卷积网络检测出待喷涂区域;
根据所述待喷涂区域通过点云切片的方式规划喷涂路径;
根据喷涂工艺和所述喷涂路径建立腻子涂层厚度沉积模型和腻子涂层优化模型,优化喷涂参数;
喷涂机器人按所述喷涂路径和所述喷涂参数对所述待喷涂区域进行喷涂。
2.根据权利要求1所述的方法,其特征在于,所述根据所述点云数据通过CGAL构建所述待喷涂部件表面的三维模型包括以下步骤:
读取所述点云数据;
对所述点云数据进行预处理;
通过泊松算法、前进算法、尺度空间算法中的一种算法构建待喷涂部位的三维模型。
3.根据权利要求2所述的方法,其特征在于,所述预处理包括降噪、简化、平滑、点云配准、正态估计和定向中的至少一种处理方式。
4.根据权利要求1所述的方法,其特征在于,所述根据所述三维模型通过深度卷积网络检测出待喷涂区域包括以下步骤:
采用SSD作为检测网络检测所述待喷涂部位的三维模型,获取检测图像;
定位所述检测图像中待喷涂区域、紧固件、缺陷的位置,获取定位结果;
将所述检测图像和所述定位结果传输到分类网络中进行比对,获取比对结果;
根据所述比对结果获取待喷涂区域点云。
5.根据权利要求1所述的方法,其特征在于,所述根据所述待喷涂区域通过点云切片的方式规划喷涂路径包括以下步骤:
将所述点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下;
识别和变换所述待喷涂部件点云姿态;
对所述待喷涂区域点云进行切片;
通过切片与所述待喷涂区域点云相交获取喷涂路径点;
将所述喷涂路径点拟合成所述喷涂路径。
6.根据权利要求1所述的方法,其特征在于,所述根据所述待喷涂区域通过点云切片的方式规划喷涂路径包括以下步骤:
将所述点云数据从点云采集模块坐标系下转换到腻子喷涂模块坐标系下;
通过边缘提取算法提取所述待喷涂区域边缘部分的点云数据;
分离所述边缘部分的点云数据;
对所述边缘部分的点云数据进行数据排序获取喷涂路径点;
将所述喷涂路径点拟合成所述喷涂路径。
7.根据权利要求1所述的方法,其特征在于,所述根据喷涂工艺和所述喷涂路径建立腻子涂层厚度沉积模型和腻子涂层优化模型,优化喷涂参数包括以下步骤:
基于椭圆双β喷涂厚度分布模型建立平面和曲面上的单点腻子涂层厚度沉积模型;
基于所述喷涂路径建立相邻路径腻子涂层厚度沉积模型;
以涂层厚度均匀性为优化目标建立所述腻子涂层优化模型,获取优化后的喷涂参数。
8.一种针对车厢的智能腻子喷涂系统,其特征在于,包括:
点云采集模块,包括深度相机和数据采集器,用于采集待喷涂部件的点云数据;
路径规划模块,基于所述点云数据重建所述待喷涂部件的表面,识别待喷涂区域,规划腻子喷涂路径;
参数优化模块,包括腻子涂层厚度沉积模型和腻子涂层优化模型,用于优化喷涂参数;
腻子喷涂模块,包括喷涂机器人和腻子供给装置,用于对待喷涂区域进行喷涂;
部件传输模块,用于传送所述待喷涂部件。
9.根据权利要求8所述的系统,其特征在于,所述点云采集模块包括多个深度相机,所述多个深度相机分别放置于不同方向,用于多角度采集待喷涂部件的点云数据。
10.根据权利要求8所述的系统,其特征在于,所述喷涂机器人包括:腻子喷枪、PLC控制器、流体控制器、驱控一体控制器、喷涂机械臂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010987.4A CN115971004A (zh) | 2023-01-05 | 2023-01-05 | 一种针对车厢的智能腻子喷涂方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010987.4A CN115971004A (zh) | 2023-01-05 | 2023-01-05 | 一种针对车厢的智能腻子喷涂方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115971004A true CN115971004A (zh) | 2023-04-18 |
Family
ID=85966490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310010987.4A Pending CN115971004A (zh) | 2023-01-05 | 2023-01-05 | 一种针对车厢的智能腻子喷涂方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115971004A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116689246A (zh) * | 2023-08-01 | 2023-09-05 | 深圳平显科技有限公司 | 显示屏生产的多通道注胶控制方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108763738A (zh) * | 2018-05-25 | 2018-11-06 | 大连交通大学 | 一种轨道车辆车体腻子自动化离线喷涂连续路径规划方法 |
CN110826242A (zh) * | 2019-11-14 | 2020-02-21 | 兰州理工大学 | 管道内喷涂轨迹优化系统及方法 |
CN111530671A (zh) * | 2020-05-07 | 2020-08-14 | 佛山科学技术学院 | 一种基于喷涂系统的智能机器人喷涂方法 |
CN111724436A (zh) * | 2020-06-23 | 2020-09-29 | 哈尔滨工业大学 | 一种基于点云数据处理的隧道喷射方量估算方法 |
US20200324417A1 (en) * | 2017-12-29 | 2020-10-15 | Dalian Newstar Automobile Equipment Co., Ltd. | Robot system |
CN112604841A (zh) * | 2020-12-10 | 2021-04-06 | 中国联合网络通信集团有限公司 | 车辆喷涂检测方法、装置、设备及存储介质 |
CN112632718A (zh) * | 2020-12-10 | 2021-04-09 | 浙江工业大学 | 一种基于改进的点云切片算法的喷涂机器人轨迹规划方法 |
CN113600358A (zh) * | 2021-07-29 | 2021-11-05 | 五邑大学 | 一种双目视觉检测缺陷的移动机器人标记装置 |
CN113744408A (zh) * | 2021-08-31 | 2021-12-03 | 北京航空航天大学 | 网格生成方法、装置及存储介质 |
CN114463495A (zh) * | 2022-01-25 | 2022-05-10 | 深圳市德润福环保科技有限公司 | 一种基于机器视觉技术的智能喷涂方法及系统 |
-
2023
- 2023-01-05 CN CN202310010987.4A patent/CN115971004A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20200324417A1 (en) * | 2017-12-29 | 2020-10-15 | Dalian Newstar Automobile Equipment Co., Ltd. | Robot system |
CN108763738A (zh) * | 2018-05-25 | 2018-11-06 | 大连交通大学 | 一种轨道车辆车体腻子自动化离线喷涂连续路径规划方法 |
CN110826242A (zh) * | 2019-11-14 | 2020-02-21 | 兰州理工大学 | 管道内喷涂轨迹优化系统及方法 |
CN111530671A (zh) * | 2020-05-07 | 2020-08-14 | 佛山科学技术学院 | 一种基于喷涂系统的智能机器人喷涂方法 |
CN111724436A (zh) * | 2020-06-23 | 2020-09-29 | 哈尔滨工业大学 | 一种基于点云数据处理的隧道喷射方量估算方法 |
CN112604841A (zh) * | 2020-12-10 | 2021-04-06 | 中国联合网络通信集团有限公司 | 车辆喷涂检测方法、装置、设备及存储介质 |
CN112632718A (zh) * | 2020-12-10 | 2021-04-09 | 浙江工业大学 | 一种基于改进的点云切片算法的喷涂机器人轨迹规划方法 |
CN113600358A (zh) * | 2021-07-29 | 2021-11-05 | 五邑大学 | 一种双目视觉检测缺陷的移动机器人标记装置 |
CN113744408A (zh) * | 2021-08-31 | 2021-12-03 | 北京航空航天大学 | 网格生成方法、装置及存储介质 |
CN114463495A (zh) * | 2022-01-25 | 2022-05-10 | 深圳市德润福环保科技有限公司 | 一种基于机器视觉技术的智能喷涂方法及系统 |
Non-Patent Citations (2)
Title |
---|
冰清-小魔鱼: ""CGAL例程:点云数据三维重建"", pages 272, Retrieved from the Internet <URL:https://blog.csdn.net/lijie45655/article/details/124653702> * |
刘君瑞: "《软件开发技术 Windows高级编程技术》", 西北工业大学出版社, pages: 272 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116689246A (zh) * | 2023-08-01 | 2023-09-05 | 深圳平显科技有限公司 | 显示屏生产的多通道注胶控制方法及装置 |
CN116689246B (zh) * | 2023-08-01 | 2023-10-03 | 深圳平显科技有限公司 | 显示屏生产的多通道注胶控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111337941B (zh) | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 | |
CN111461023A (zh) | 基于三维激光雷达的四足机器人自主跟随领航员的方法 | |
Broggi et al. | Terrain mapping for off-road autonomous ground vehicles using rational b-spline surfaces and stereo vision | |
CN113345008B (zh) | 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 | |
CN114061486A (zh) | 面向飞机大型蒙皮曲面的自动化测量装置及其测量方法 | |
US20220214159A1 (en) | Device and method for automatically detecting through-hole rate of honeycomb sandwich composite-based acoustic liner | |
CN112508895B (zh) | 一种基于曲面配准的螺旋桨叶片质量评估方法 | |
CN115971004A (zh) | 一种针对车厢的智能腻子喷涂方法及系统 | |
CN107392845A (zh) | 一种3d点云成像及定位的方法 | |
CN114549549B (zh) | 一种动态环境下基于实例分割的动态目标建模跟踪方法 | |
CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
CN113536959A (zh) | 一种基于立体视觉的动态障碍物检测方法 | |
CN117274167A (zh) | 一种基于三维信息的成形焊缝外观缺陷提取方法 | |
CN114863064A (zh) | 一种汽车轮廓曲面模型构建方法及系统 | |
CN112734619B (zh) | 一种面向检测特征扫描不确定度的自由曲面覆盖视点自动采样方法 | |
CN112381948B (zh) | 一种基于语义的激光条纹中心线提取及拟合方法 | |
CN112348950B (zh) | 一种基于激光点云分布特性的拓扑地图节点生成方法 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 | |
CN109903386A (zh) | 一种室内点云地图自动生成系统 | |
CN114331966A (zh) | 基于高斯过程占位图估计辅助的港口锁站方法及其系统 | |
CN113791400A (zh) | 一种基于激光雷达的楼梯参数自主检测方法 | |
Li et al. | Optimization of abnormal point cloud recognition in robot vision grinding system based on multidimensional improved eigenvalue method (MIEM) | |
CN114137562B (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN117324221A (zh) | 一种曲面构件腻子喷涂方法 |
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 |