CN116046017B - 一种测量路径的校准方法、装置、存储介质和计算机设备 - Google Patents
一种测量路径的校准方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN116046017B CN116046017B CN202310065952.0A CN202310065952A CN116046017B CN 116046017 B CN116046017 B CN 116046017B CN 202310065952 A CN202310065952 A CN 202310065952A CN 116046017 B CN116046017 B CN 116046017B
- Authority
- CN
- China
- Prior art keywords
- point set
- feature
- characteristic
- generating
- characteristic point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 90
- 238000004088 simulation Methods 0.000 claims abstract description 38
- 230000008859 change Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000017105 transposition Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manipulator (AREA)
Abstract
本发明实施例提供了一种测量路径的校准方法、装置、存储介质和计算机设备。该方法包括：根据获取的仿真零件模型的第一特征点集合生成局部特征描述；基于设置的测量路径测量实际零件与局部特征描述对应的局部特征，生成点云数据；基于局部特征描述，生成第二特征点集合；根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化；基于点云数据与获取的实际的机器人参数构建安全运动空间约束；基于位姿变化和安全运动空间约束对测量路径进行校准。本发明实施例提供的技术方案中，免去了人工调整测量视点环节，提高了测量路径校准的工作效率。
Description
【技术领域】
本发明涉及自动化测量技术领域，尤其涉及一种测量路径的校准方法、装置、存储介质和计算机设备。
【背景技术】
随着工业自动化的发展，自动化测量技术领域的应用越来越多，预先在离线仿真的环境下完成测量视点与路径的规划，但是大多数人工或者自动生成的测量视点与路径往往只能在满足仿真场景的布局条件下进行使用，而实际的自动化测量场景往往很难与仿真环境完全一致，导致人工需要重新示教部分不合适的点位，工作效率较低。
【发明内容】
有鉴于此，本发明实施例提供了一种测量路径的校准方法、装置、存储介质和计算机设备，用以提高测量路径校准的工作效率。
一方面，本发明实施例提供了一种测量路径的校准方法，包括：
根据获取的仿真零件模型的第一特征点集合生成局部特征描述；
基于设置的测量路径测量实际零件与所述局部特征描述对应的局部特征，生成点云数据；
基于所述局部特征描述，生成第二特征点集合；
根据所述第一特征点集合和所述第二特征点集合，生成仿真零件模型与实际零件的位姿变化；
基于所述点云数据与获取的实际的机器人参数构建安全运动空间约束；
基于所述位姿变化和所述安全运动空间约束对所述测量路径进行校准。
可选地，所述第一特征点集合包括仿真零件模型的模型数据，所述根据获取的仿真零件模型的第一特征点集合生成局部特征描述，包括：
对所述模型数据进行计算，生成所述模型数据的高斯曲率、平均曲率、特征点位置和法线结果，所述模型数据的高斯曲率、平均曲率、特征点位置和法线结果共同构成所述局部特征描述。
可选地，所述基于所述局部特征描述，生成第二特征点集合，包括：
根据所述局部特征描述的几何特征，于所述点云数据中筛选出与所述第一特征点集合中的特征点具有相同曲率特征的第二特征点集合。
可选地，所述根据所述第一特征点集合和所述第二特征点集合，生成仿真零件模型与实际零件的位姿变化，包括：
计算所述第一特征点集合的第一重心坐标，以及所述第二特征点集合的第二重心坐标；
将所述第一重心坐标与原点重合，生成第三特征点集合；
将所述第二重心坐标与原点重合，生成第四特征点集合；
对所述第三特征点集合进行转置运算并与所述第四特征点集合进行相乘运算，生成特征矩阵；
将所述特征矩阵进行奇异值分解，生成仿真零件模型与实际零件的位姿变化。
可选地，所述基于所述点云数据与获取的实际的机器人参数构建安全运动空间约束，包括：
基于所述点云数据获取测量空间范围；
基于所述机器人参数获取机器人的工作空间范围；
将所述测量空间范围与所述工作空间范围的交集范围，作为所述安全运动空间约束。
可选地，所述基于所述位姿变化和所述安全运动空间约束对所述测量路径进行校准，包括：
将所述测量路径与所述位姿变化相乘，生成计算后的测量路径；
删除计算后的测量路径中未位于所述安全运动空间约束中的部分，生成校准后的测量路径。
可选地，所述根据获取的仿真零件模型的第一特征点集合生成局部特征描述之前，包括：
基于仿真零件模型的三角面片格式数据构建拓扑结构关系，计算仿真零件模型的面片中心点与相邻面片中心点的法线夹角；
将所述法线夹角与所述面片中心点的距离大于设定阈值的特征点作为第一特征点集合。
另一方面，本发明实施例提供了一种测量路径的校准装置，包括：
第一生成模块，用于根据获取的仿真零件模型的第一特征点集合生成局部特征描述；
第二生成模块，用于基于设置的离线路径测量实际零件，生成点云数据；
第三生成模块，用于基于所述局部特征描述，生成第二特征点集合；
第四生成模块，用于根据所述第一特征点集合和所述第二特征点集合，生成仿真零件模型与实际零件的位姿变化；
构建模块，用于基于所述点云数据与获取的实际的机器人参数构建安全运动空间约束；
校准模块，用于基于所述位姿变化和所述安全运动空间约束对所述测量路径进行校准。
另一方面，本发明实施例提供了一种存储介质，其中，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述测量路径的校准方法。
另一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其中，所述程序指令被处理器加载并执行时实现上述测量路径的校准方法的步骤。
本发明实施例提供的测量路径的校准方法的技术方案中，根据获取的仿真零件模型的第一特征点集合生成局部特征描述；基于设置的测量路径测量实际零件与局部特征描述对应的局部特征，生成点云数据；基于局部特征描述，生成第二特征点集合；根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化；基于点云数据与获取的实际的机器人参数构建安全运动空间约束；基于位姿变化和安全运动空间约束对测量路径进行校准。本发明实施例提供的技术方案中，免去了人工调整测量视点环节，提高了测量路径校准的工作效率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一实施例提供的一种测量路径的校准方法的流程图；
图2为本发明一实施例提供的根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化的流程图；
图3为本发明一实施例提供的基于点云数据与获取的实际的机器人参数构建安全运动空间约束的流程图；
图4为本发明一实施例提供的构建安全运动空间约束的示意图；
图5为本发明一实施例提供的基于位姿变化和安全运动空间约束对测量路径进行校准的流程图；
图6为本发明一实施例提供的校准测量路径的示意图；
图7为本发明一实施例提供的一种测量路径的校准装置的结构示意图；
图8为本发明实施例提供的一种计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本发明一实施例提供了一种测量路径的校准方法，图1为本发明一实施例提供的一种测量路径的校准方法的流程图，如图1所示，该方法包括：
步骤102、根据获取的仿真零件模型的第一特征点集合生成局部特征描述。
本发明一实施例中，各步骤由计算机设备执行。例如，计算机设备包括计算机、平板电脑等。
本发明一实施例中，步骤102之前还包括：
步骤S1、基于仿真零件模型的三角面片格式数据构建拓扑结构关系，计算仿真零件模型的面片中心点与相邻面片中心点的法线夹角。
步骤S2、将法线夹角与面片中心点的距离大于设定阈值的特征点作为第一特征点集合。
本发明一实施例中，第一特征点集合包括仿真零件模型的模型数据，例如，模型数据包括仿真零件模型的表面位置坐标、法线等。
本发明一实施例中，第一特征点集合为在仿真零件模型的表面选取的曲率变化较大的特征点的集合，其中，法线夹角与面片中心点的距离可作为曲率变化较大判断的参数。
具体地，步骤102包括：对模型数据进行计算，生成模型数据的高斯曲率、平均曲率、特征点位置和法线结果，模型数据的高斯曲率、平均曲率、特征点位置和法线结果共同构成局部特征描述，即计算第一特征点集合的高斯曲率、平均曲率、特征点位置和法线结果。
步骤104、基于设置的测量路径测量实际零件与局部特征描述对应的局部特征，生成点云数据。
本发明实施例中，可以在离线仿真场景中预先规划好测量路径，该测量路径可作为校准参考路径。
步骤106、基于局部特征描述，生成第二特征点集合。
具体地，步骤106包括：根据局部特征描述的几何特征，于点云数据中筛选出与第一特征点集合中的特征点具有相同曲率特征的第二特征点集合。
本发明一实施例中，针对第一特征点集合，可利用局部特征描述来描述第一特征点集合的几何特征，考虑在线测量的差异与噪声误差，可以以第一特征点集合的平均曲率、高斯曲率参数，建立约束条件，筛选找到点云数据中具有相同曲率特征的第二特征点集合。
步骤108、根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化。
图2为本发明一实施例提供的根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化的流程图，如图2所示，步骤108包括：
步骤1082、计算第一特征点集合的第一重心坐标，以及第二特征点集合的第二重心坐标。
步骤1084、将第一重心坐标与原点重合，生成第三特征点集合。
步骤1086、将第二重心坐标与原点重合，生成第四特征点集合。
步骤1088、对第三特征点集合进行转置运算并与第四特征点集合进行相乘运算，生成特征矩阵。
本发明一实施例中，特征矩阵为旋转平移变换矩阵。
步骤1090、将特征矩阵进行奇异值分解，生成仿真零件模型与实际零件的位姿变化。
步骤110、基于点云数据与获取的实际的机器人参数构建安全运动空间约束。
图3为本发明一实施例提供的基于点云数据与获取的实际的机器人参数构建安全运动空间约束的流程图，如图3所示，步骤110包括：
步骤1102、基于点云数据获取测量空间范围。
步骤1104、基于机器人参数获取机器人的工作空间范围。
本发明一实施例中，基于测量装置与机器人的手眼标定结果，统一测量范围空间范围至机器人的坐标系下，获取机器人的工作空间范围。
步骤1106、将测量空间范围与工作空间范围的交集范围，作为安全运动空间约束。
图4为本发明一实施例提供的构建安全运动空间约束的示意图，如图4所示，测量空间范围为图4右侧测量装置的工作范围，工作空间范围为图4左侧机器人的摄像头的取景范围，可以将测量空间范围与工作空间范围的交集范围，作为安全运动空间约束。
步骤112、基于位姿变化和安全运动空间约束对测量路径进行校准。
图5为本发明一实施例提供的基于位姿变化和安全运动空间约束对测量路径进行校准的流程图，如图5所示，步骤112包括：
步骤1122、将测量路径与位姿变化相乘，生成计算后的测量路径。
具体地，通过公式L2＝L1*T1对测量路径与位姿变化进行计算，生成计算后的测量路径。其中，L1为测量路径，T1为位姿变化，L2为计算后的测量路径。
步骤1124、删除计算后的测量路径中未位于安全运动空间约束中的部分，生成校准后的测量路径。
本发明一实施例中，基于安全运动空间约束筛选出计算后的测量路径L2中不符合当前范围内的测量点位，基于视场深度与成像可视性约束，自动迭代计算不符合测量范围内的测量点位，直至同时满足有效工作空间，与成像需求，更新不符合要求的测量点位，得到最终的校准后的测量路径。
图6为本发明一实施例提供的校准测量路径的示意图，如图6所示，计算仿真零件模型与实际零件的位姿变化P P’T，计算方法可参见步骤108，将测量空间范围与工作空间范围的交集范围，作为安全运动空间约束C1，计算方法可参见步骤110，可基于位姿变化P P’T和安全运动空间约束C1对测量路径进行校准。
本发明实施例提供的技术方案中，根据获取的仿真零件模型的第一特征点集合生成局部特征描述；基于设置的测量路径测量实际零件与局部特征描述对应的局部特征，生成点云数据；基于局部特征描述，生成第二特征点集合；根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化；基于点云数据与获取的实际的机器人参数构建安全运动空间约束；基于位姿变化和安全运动空间约束对测量路径进行校准。本发明实施例提供的技术方案中，免去了人工调整测量视点环节，提高了测量路径校准的工作效率。
本发明实施例提供的技术方案中，校准后的测量路径保证了实际在线测量时的扫描覆盖区域完整性，点位可达性和安全性。
本发明一实施例提供了一种测量路径的校准装置。图7为本发明一实施例提供的一种测量路径的校准装置的结构示意图，如图7所示，该装置包括：第一生成模块11、第二生成模块12、第三生成模块13、第四生成模块14、构建模块15和校准模块16。
第一生成模块11用于根据获取的仿真零件模型的第一特征点集合生成局部特征描述。
第二生成模块12用于基于设置的离线路径测量实际零件，生成点云数据。
第三生成模块13用于基于局部特征描述，生成第二特征点集合。
第四生成模块14用于根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化。
构建模块15用于基于点云数据与获取的实际的机器人参数构建安全运动空间约束。
校准模块16用于基于位姿变化和安全运动空间约束对测量路径进行校准。
本发明一实施例中，第一特征点集合包括仿真零件模型的模型数据，第一生成模块11具体用于对模型数据进行计算，生成模型数据的高斯曲率、平均曲率、特征点位置和法线结果，模型数据的高斯曲率、平均曲率、特征点位置和法线结果共同构成局部特征描述。
本发明一实施例中，第三生成模块13具体用于根据局部特征描述的几何特征，于点云数据中筛选出与第一特征点集合中的特征点具有相同曲率特征的第二特征点集合。
本发明一实施例中，第四生成模块14具体用于：
计算第一特征点集合的第一重心坐标，以及第二特征点集合的第二重心坐标；
将第一重心坐标与原点重合，生成第三特征点集合；
将第二重心坐标与原点重合，生成第四特征点集合；
对第三特征点集合进行转置运算并与第四特征点集合进行相乘运算，生成特征矩阵；
将特征矩阵进行奇异值分解，生成仿真零件模型与实际零件的位姿变化。
本发明一实施例中，构建模块15具体用于：
基于点云数据获取测量空间范围；
基于机器人参数获取机器人的工作空间范围；
将测量空间范围与所述工作空间范围的交集范围，作为安全运动空间约束。
本发明一实施例中，校准模块16具体用于：
将测量路径与位姿变化相乘，生成计算后的测量路径；
删除计算后的测量路径中未位于安全运动空间约束中的部分，生成校准后的测量路径。
本发明一实施例中，该装置还用于：基于仿真零件模型的三角面片格式数据构建拓扑结构关系，计算仿真零件模型的面片中心点与相邻面片中心点的法线夹角；将法线夹角与面片中心点的距离大于设定阈值的特征点作为第一特征点集合。
本发明实施例提供的技术方案中，根据获取的仿真零件模型的第一特征点集合生成局部特征描述；基于设置的测量路径测量实际零件与局部特征描述对应的局部特征，生成点云数据；基于局部特征描述，生成第二特征点集合；根据第一特征点集合和第二特征点集合，生成仿真零件模型与实际零件的位姿变化；基于点云数据与获取的实际的机器人参数构建安全运动空间约束；基于位姿变化和安全运动空间约束对测量路径进行校准。本发明实施例提供的技术方案中，免去了人工调整测量视点环节，提高了测量路径校准的工作效率。
本实施例提供的测量路径的校准装置可用于实现上述图1中的测量路径的校准方法，具体描述可参见上述测量路径的校准方法的实施例，此处不再重复描述。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述测量路径的校准方法的实施例的各步骤，具体描述可参见上述测量路径的校准方法的实施例。
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述测量路径的校准方法的实施例的各步骤，具体描述可参见上述测量路径的校准方法的实施例。
图8为本发明实施例提供的一种计算机设备的示意图。如图8所示，该实施例的计算机设备20包括：处理器21、存储器22以及存储在存储器22中并可在处理器21上运行的计算机程序23，该计算机程序23被处理器21执行时实现实施例中的应用于测量路径的校准方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器21执行时实现实施例中应用于测量路径的校准装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备20包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，图8仅仅是计算机设备20的示例，并不构成对计算机设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器22可以是计算机设备20的内部存储单元，例如计算机设备20的硬盘或内存。存储器22也可以是计算机设备20的外部存储设备，例如计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器22还可以既包括计算机设备20的内部存储单元也包括外部存储设备。存储器22用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器22还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明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，可以通过其它的方式实现。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，在本发明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，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明保护的范围之内。
Claims (7)
1.一种测量路径的校准方法，其特征在于，包括：
根据获取的仿真零件模型的第一特征点集合生成局部特征描述；
基于设置的测量路径测量实际零件与所述局部特征描述对应的局部特征，生成点云数据；
基于所述局部特征描述，生成第二特征点集合；
根据所述第一特征点集合和所述第二特征点集合，生成仿真零件模型与实际零件的位姿变化；
基于所述点云数据与获取的实际的机器人参数构建安全运动空间约束；
基于所述位姿变化和所述安全运动空间约束对所述测量路径进行校准；
所述基于所述局部特征描述，生成第二特征点集合，包括：
根据所述局部特征描述的几何特征，于所述点云数据中筛选出与所述第一特征点集合中的特征点具有相同曲率特征的第二特征点集合；
所述根据所述第一特征点集合和所述第二特征点集合，生成仿真零件模型与实际零件的位姿变化，包括：
计算所述第一特征点集合的第一重心坐标，以及所述第二特征点集合的第二重心坐标；
将所述第一重心坐标与原点重合，生成第三特征点集合；
将所述第二重心坐标与原点重合，生成第四特征点集合；
对所述第三特征点集合进行转置运算并与所述第四特征点集合进行相乘运算，生成特征矩阵；
将所述特征矩阵进行奇异值分解，生成仿真零件模型与实际零件的位姿变化；
所述基于所述点云数据与获取的实际的机器人参数构建安全运动空间约束，包括：
基于所述点云数据获取测量空间范围；
基于所述机器人参数获取机器人的工作空间范围；
将所述测量空间范围与所述工作空间范围的交集范围，作为所述安全运动空间约束。
2.根据权利要求1所述的方法，其特征在于，所述第一特征点集合包括仿真零件模型的模型数据，所述根据获取的仿真零件模型的第一特征点集合生成局部特征描述，包括：
对所述模型数据进行计算，生成所述模型数据的高斯曲率、平均曲率、特征点位置和法线结果，所述模型数据的高斯曲率、平均曲率、特征点位置和法线结果共同构成所述局部特征描述。
3.根据权利要求1所述的方法，其特征在于，所述基于所述位姿变化和所述安全运动空间约束对所述测量路径进行校准，包括：
将所述测量路径与所述位姿变化相乘，生成计算后的测量路径；
删除计算后的测量路径中未位于所述安全运动空间约束中的部分，生成校准后的测量路径。
4.根据权利要求1所述的方法，其特征在于，所述根据获取的仿真零件模型的第一特征点集合生成局部特征描述之前，包括：
基于仿真零件模型的三角面片格式数据构建拓扑结构关系，计算仿真零件模型的面片中心点与相邻面片中心点的法线夹角；
将所述法线夹角与所述面片中心点的距离大于设定阈值的特征点作为第一特征点集合。
5.一种测量路径的校准装置，其特征在于，包括：
第一生成模块，用于根据获取的仿真零件模型的第一特征点集合生成局部特征描述；
第二生成模块，用于基于设置的离线路径测量实际零件，生成点云数据；
第三生成模块，用于基于所述局部特征描述，生成第二特征点集合；
第四生成模块，用于根据所述第一特征点集合和所述第二特征点集合，生成仿真零件模型与实际零件的位姿变化；
构建模块，用于基于所述点云数据与获取的实际的机器人参数构建安全运动空间约束；
校准模块，用于基于所述位姿变化和所述安全运动空间约束对所述测量路径进行校准；
所述第三生成模块具体用于根据所述局部特征描述的几何特征，于所述点云数据中筛选出与所述第一特征点集合中的特征点具有相同曲率特征的第二特征点集合；
所述第四生成模块具体用于：计算所述第一特征点集合的第一重心坐标，以及所述第二特征点集合的第二重心坐标；将所述第一重心坐标与原点重合，生成第三特征点集合；将所述第二重心坐标与原点重合，生成第四特征点集合；对所述第三特征点集合进行转置运算并与所述第四特征点集合进行相乘运算，生成特征矩阵；将所述特征矩阵进行奇异值分解，生成仿真零件模型与实际零件的位姿变化；
所述构建模块具体用于：基于所述点云数据获取测量空间范围；基于所述机器人参数获取机器人的工作空间范围；将所述测量空间范围与所述工作空间范围的交集范围，作为所述安全运动空间约束。
6.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的测量路径的校准方法。
7.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1至4中任意一项所述的测量路径的校准方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310065952.0A CN116046017B (zh) | 2023-01-18 | 2023-01-18 | 一种测量路径的校准方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310065952.0A CN116046017B (zh) | 2023-01-18 | 2023-01-18 | 一种测量路径的校准方法、装置、存储介质和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116046017A CN116046017A (zh) | 2023-05-02 |
| CN116046017B true CN116046017B (zh) | 2024-05-07 |
Family
ID=86113176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310065952.0A Active CN116046017B (zh) | 2023-01-18 | 2023-01-18 | 一种测量路径的校准方法、装置、存储介质和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116046017B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104424382A (zh) * | 2013-08-21 | 2015-03-18 | 北京航天计量测试技术研究所 | 一种多特征点位置姿态冗余解算方法 |
| JP2015207280A (ja) * | 2014-04-18 | 2015-11-19 | 株式会社リコー | 目標識別方法及び目標識別装置 |
| CN109118574A (zh) * | 2018-07-04 | 2019-01-01 | 北京航空航天大学 | 一种基于三维特征提取的快速逆向建模方法 |
| CN110648361A (zh) * | 2019-09-06 | 2020-01-03 | 深圳市华汉伟业科技有限公司 | 一种三维目标物体的实时位姿估计方法及定位抓取系统 |
| CN110807461A (zh) * | 2020-01-08 | 2020-02-18 | 深圳市越疆科技有限公司 | 一种目标位置检测方法 |
| CN112070832A (zh) * | 2020-08-07 | 2020-12-11 | 清华大学 | 基于点云dca特征的非合作目标位姿跟踪方法及装置 |
| CN114419294A (zh) * | 2022-01-27 | 2022-04-29 | 中国人民解放军战略支援部队信息工程大学 | 一种曲面变分阈值的自适应确定方法 |
| CN114972459A (zh) * | 2022-05-31 | 2022-08-30 | 哈尔滨理工大学 | 一种基于低维点云局部特征描述符的点云配准方法 |
| CN115409886A (zh) * | 2022-11-02 | 2022-11-29 | 南京航空航天大学 | 一种基于点云的零件几何特征测量方法、装置及系统 |
| CN115578469A (zh) * | 2022-09-23 | 2023-01-06 | 武汉理工大学 | 一种面向大型复杂工件的多视角联合标定方法 |
-
2023
- 2023-01-18 CN CN202310065952.0A patent/CN116046017B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104424382A (zh) * | 2013-08-21 | 2015-03-18 | 北京航天计量测试技术研究所 | 一种多特征点位置姿态冗余解算方法 |
| JP2015207280A (ja) * | 2014-04-18 | 2015-11-19 | 株式会社リコー | 目標識別方法及び目標識別装置 |
| CN109118574A (zh) * | 2018-07-04 | 2019-01-01 | 北京航空航天大学 | 一种基于三维特征提取的快速逆向建模方法 |
| CN110648361A (zh) * | 2019-09-06 | 2020-01-03 | 深圳市华汉伟业科技有限公司 | 一种三维目标物体的实时位姿估计方法及定位抓取系统 |
| CN110807461A (zh) * | 2020-01-08 | 2020-02-18 | 深圳市越疆科技有限公司 | 一种目标位置检测方法 |
| CN112070832A (zh) * | 2020-08-07 | 2020-12-11 | 清华大学 | 基于点云dca特征的非合作目标位姿跟踪方法及装置 |
| CN114419294A (zh) * | 2022-01-27 | 2022-04-29 | 中国人民解放军战略支援部队信息工程大学 | 一种曲面变分阈值的自适应确定方法 |
| CN114972459A (zh) * | 2022-05-31 | 2022-08-30 | 哈尔滨理工大学 | 一种基于低维点云局部特征描述符的点云配准方法 |
| CN115578469A (zh) * | 2022-09-23 | 2023-01-06 | 武汉理工大学 | 一种面向大型复杂工件的多视角联合标定方法 |
| CN115409886A (zh) * | 2022-11-02 | 2022-11-29 | 南京航空航天大学 | 一种基于点云的零件几何特征测量方法、装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116046017A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3654125B1 (en) | Industrial safety monitoring configuration using a digital twin | |
| CN111640180B (zh) | 一种三维重建方法、装置及终端设备 | |
| CN112965047B (zh) | 一种车辆多激光雷达标定方法、系统、终端及存储介质 | |
| CN114387347A (zh) | 确定外参标定的方法、装置、电子设备及介质 | |
| CN111982124B (zh) | 基于深度学习的玻璃场景下三维激光雷达导航方法及设备 | |
| CN114758005B (zh) | 激光雷达与相机外参标定方法及装置 | |
| CN115131437A (zh) | 位姿估计方法及相关模型的训练方法、装置、设备、介质 | |
| US20160267352A1 (en) | System and method for constructing a statistical shape model | |
| CN116046017B (zh) | 一种测量路径的校准方法、装置、存储介质和计算机设备 | |
| CN116342704B (zh) | 一种扫描点类别确定方法、装置、计算机设备及存储介质 | |
| CN115542301B (zh) | 激光雷达外部参数的校准方法、装置、设备及存储介质 | |
| CN117437357A (zh) | 模型构建方法、装置、非易失性存储介质及电子设备 | |
| EP4086853A2 (en) | Method and apparatus for generating object model, electronic device and storage medium | |
| CN115063489A (zh) | 一种外参标定方法、装置、设备和存储介质 | |
| CN114910892A (zh) | 一种激光雷达的标定方法、装置、电子设备及存储介质 | |
| CN117788606A (zh) | 激光雷达与相机的标定方法、装置、电子设备及存储介质 | |
| CN111429581A (zh) | 游戏模型外轮廓确定、游戏特效添加方法和装置 | |
| CN117252993B (zh) | 特征点提取算法的验证方法、装置、电子设备及存储介质 | |
| CN115488535B (zh) | 一种中组立焊接焊缝的焊枪轨迹生成方法及装置 | |
| CN117455977B (zh) | 一种基于三维激光扫描的堆料体积计算方法及系统 | |
| CN117151020B (zh) | 基于四叉树的覆铜形状相交状态快速判断方法及装置 | |
| US20240153207A1 (en) | Systems, methods, and media for filtering points of a point cloud utilizing visibility factors to generate a model of a scene | |
| CN117351157A (zh) | 单视图三维场景位姿估计方法、系统及设备 | |
| CN115629368A (zh) | 一种仿真动态点云数据的生成方法和系统 | |
| CN117095262A (zh) | 交通标识牌识别对象处理方法、装置、设备及存储介质 |
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 |