CN116197910A - 风电叶片轮式移动打磨机器人的环境感知方法和装置 - Google Patents
风电叶片轮式移动打磨机器人的环境感知方法和装置 Download PDFInfo
- Publication number
- CN116197910A CN116197910A CN202310254093.XA CN202310254093A CN116197910A CN 116197910 A CN116197910 A CN 116197910A CN 202310254093 A CN202310254093 A CN 202310254093A CN 116197910 A CN116197910 A CN 116197910A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser radar
- robot
- coordinate system
- frame
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005498 polishing Methods 0.000 title claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 5
- 238000007517 polishing process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 208000018569 Respiratory Tract disease Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
- B25J11/0065—Polishing or grinding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明公开了一种风电叶片轮式移动打磨机器人的环境感知方法和装置,其中方法包括:障碍物感知步骤和工件识别步骤;其中,障碍物感知步骤具体包括:S11,将前、后激光雷达采集到的原始点云数据进行时间同步;S12,基于点云标准数据类型解析时间同步后的原始点云数据,输出前激光雷达坐标系下前、后激光雷达点云中障碍物点的坐标;S13,获取前、后激光雷达坐标系分别到机器人坐标系的转换关系;S14,得到机器人坐标系下的前、后激光雷达点云;S15,获取机器人坐标系下的障碍物信息。本发明能够保证轮式机器人在不同场景中的作业安全,能够根据不同待加工件生成不同作业路径,提高加工作业效率的同时降低了人力和物力成本。
Description
技术领域
本发明涉及工业机器人技术领域,特别是关于一种风电叶片轮式移动打磨机器人的环境感知方法和装置。
背景技术
近年来,随着社会经济飞速发展、人们生活水平日益提高,劳动密集型生产制造业面临用人成本提升、生产附加污染严重等巨大挑战。如何利用智能制造创新技术加快推进劳动密集型制造业转型升级,持续提高工业生产力逐渐成为产业内的重要发展方向。
传统工业生产中通常存在较严重的环境污染,恶劣的生产环境极易对人体、生态环境造成破坏,同时大幅增加企业生产成本负担。特别在打磨工艺方面,大部分产品生产过程中打磨工艺工作量较大,且工人工作环境恶劣,同时打磨过程中会产生大量粉尘,对人呼吸道、皮肤、和眼睛等伤害较大,易增加人体感染呼吸道疾病、皮肤病等的几率。由于大部分工业零部件打磨工序较为复杂,对打磨技术要求较高,并且传统的工业机器人通常处于固定位置,无法满足规格多样打磨工件场景的作业要求。所以,目前大多数加工制造厂商仍然采用半手工半机器作业模式,这种模式存在的工作时间不连续、工作效率低等问题已经成为企业发展的重要制约因素。
目前,我国风电行业装备制造业发展缓慢,尤其是风电叶片的打磨工序在行业内尚不存在较为标准的作业流程和规范。根据相关调查数据显示,我国风电叶片长度一般在20到100余米,叶片直径和高度分别为1至4米和2至5米,重量达到50吨左右,在具有较大尺寸的同时为降低风阻通常具有较复杂的流线型外表面,打磨工艺较为繁琐,目前主要以机器辅助人工作业模式,尚未完全实现全自动化作业。这种作业模式存在工人位置随机性大、叶片去除余量和打磨位置难以控制等缺点,而且人工作业存在生产效率低、劳动强度大、操作稳定性和产品可靠性差、成本费用高等问题。
发明内容
本发明的目的在于提供一种风电叶片轮式移动打磨机器人的环境感知方法和装置来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的,本发明提供一种风电叶片轮式移动打磨机器人的环境感知方法,其包括:
障碍物感知步骤:接收由机器人的前、后的两个激光雷达采集得到的行驶路径周围的原始点云数据,获取行驶路径上的障碍物信息,并输出;
工件识别步骤:基于多线激光雷达的三维点云地图,对待加工件的和工件夹具轮廓进行提取和识别,并输出;
其中,障碍物感知步骤具体包括:
S11,将前、后激光雷达采集到的原始点云数据进行时间同步;
进一步地,步骤S11具体包括:
S113,判断时间戳与/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将时间戳/>前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光雷达点云投影到时间戳为/>的激光点云帧,与该帧已有的点云共同构成新的时间戳为的激光点云帧;
S114,判断和/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将时刻前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光点云数据投影到时间戳为/>的激光点云帧,与该帧已有的点云数据共同构成新的时间戳为/>的激光点云帧。
进一步地,步骤S13具体包括:
S131,分别基于前、后激光雷达进行以机器人本体中心为原点的室内定位,估计前、后激光雷达相对机器人本体中心的位姿变换;
S132,利用固定在机器人本体中心的全站仪测量路径散点轨迹作为机器人行驶的真实轨迹,再将前、后激光雷达的定位结果与机器人行驶的真实轨迹进行基于定位评估工具的绝对误差评估,利用该评估值对S131中的位姿变换进行误差分析和纠偏;
S133,将S132输出的纠偏后的位姿变换作为前、后激光雷达标定参数,对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定。
进一步地,工件识别步骤具体包括:
S21,去除三维点云地图中的点云噪声点;
S22,根据S21中去除点云噪声点后的三维点云地图创建三维体素栅格,将每个体素栅格中与其中心距离最近的点进行保留,而将其他点进行剔除,再将保留的点用于代替其所在体素栅格中的所有点;
S23,利用点云一致性分割算法对经过下采样后的三维点云地图进行进一步去掉地面点,同时,基于待加工件在三位点云地图中的位置信息,去除除待加工件之外的点云得到待加工件点云信息;
S24,将待加工件点云投射到多线激光雷达的激光雷达坐标系的XOY平面,得到激光雷达坐标系下的待加工件点云二维坐标;
S25,计算待加工件点云二维坐标中每个点的法向量;
S26,根据S25计算出的点云中点的法向量,依次计算待加工件点云二维坐标中所有点与其邻域点的夹角,再剔除与夹角大于预设角度阈值的邻域点,而保留预设角度阈值内的邻域点,作为待加工件的轮廓点云的二维坐标;
S27,S26中所提取到的待加工件轮廓点云的二维坐标包含与待加工件接触的夹具点云轮廓,需根据该部分点云的曲率信息进一步对夹具点云轮廓进行提取;
S28,将S27中提取到的夹具轮廓点云坐标从S26中提取到的待加工件轮廓点云二维坐标中剔除,得到待加工工件的轮廓点。
进一步地,步骤S25具体包括:
S251,根据S24得到的待加工件点云二维坐标设置邻域半径并提取任意点的邻域点,构建协方差矩阵;
S252,通过主成分分析方法分析S251中协方差矩阵的特征向量和特征值,其中,最大主成分为投影到自定义方向后方差最大方向,而法向量为投影到该方向后方差最小的方向;
S253,通过主成分分析变换,将S24的待加工件点云二维坐标投影到协方差矩阵特征值最小的方向,得到待加工件点云中每个点的法向量。
进一步地,工件识别步骤具体还包括:
根据S24的待加工件点云二维坐标,求取z坐标差值均值,并依据工件宽度尺寸设置阈值,若差值均值小于阈值,则表示待加工件为水平摆放,识别结果为“否”,此时需调整待加工件的摆放位置;若差值均值不小于阈值,则表示待加工件为竖直摆放,识别结果为“是”,此时待加工件摆放位置正确,可进行加工。
本发明还提供一种风电叶片轮式移动打磨机器人的环境感知装置,其包括:
障碍物感知单元,其用于接收由机器人的前、后的两个激光雷达采集得到的行驶路径周围的原始点云数据,获取行驶路径上的障碍物信息,并输出;
工件识别单元,其用于基于多线激光雷达的三维点云地图,对待加工件的和工件夹具轮廓进行提取和识别,并输出;
其中,障碍物感知单元具体包括:
时间同步子单元,其用于将前、后激光雷达采集到的原始点云数据进行时间同步;
转换关系获取子单元,其用于根据前、后激光雷达的安装位置,分别对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定,得到前、后激光雷达坐标系分别到机器人坐标系w的旋转转换关系和平移转换关系
进一步地,时间同步子单元具体包括:
前激光点云帧获取模块,其用于在时间戳小于时间戳/>的情形下,判断时间戳/>与/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将时间戳/>前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值为正值且小于激光雷达扫描时间间隔,再将前述删除的激光雷达点云投影到时间戳为/>的激光点云帧,与该帧已有的点云共同构成新的时间戳为/>的激光点云帧;
后激光点云帧获取模块,其用于在时间戳不小于时间戳/>的情形下,判断/>和/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将/>时刻前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光点云数据投影到时间戳为/>的激光点云帧,与该帧已有的点云数据共同构成新的时间戳为/>的激光点云帧。
进一步地,转换关系获取子单元具体包括:
激光雷达位姿变换模块,其用于分别基于前、后激光雷达进行以机器人本体中心为原点的室内定位,估计前、后激光雷达相对机器人本体中心的位姿变换;
误差纠偏模块,其用于利用固定在机器人本体中心的全站仪测量路径散点轨迹作为机器人行驶的真实轨迹,再将前、后激光雷达的定位结果与机器人行驶的真实轨迹进行基于定位评估工具的绝对误差评估,利用该评估值对激光雷达位姿变换模块中的位姿变换进行误差分析和纠偏;
单线激光雷达定位结果标定模块,其用于将误差纠偏模块输出的纠偏后的位姿变换作为前、后激光雷达标定参数,对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定。
由于本发明中轮式机器人上的感知行驶路径障碍物功能能够通过机器人前后侧激光雷达实时监测机器人周围物体分布情况,并将该情况实时传输至系统进行计算分析,从而对可能存在的障碍物进行预警和规避,避免机器人在作业过程中出现撞人、撞物等生产安全隐患。识别待加工件轮廓功能为机器人提供作业路径边界点,可根据不同待加工件生成不同作业路径。识别工件夹具功能通过识别待加工件轮廓并对其进行过滤识别待加工件上可能存在的夹具等其他可能影响打磨作业的结构或物体。因此,本发明在保证工业机器人成本经济性的同时,能够提高工业机器人在多种不同复杂工况下作业的灵活性与精确性,进而提升作业效率、作业可靠性和作业安全性。
附图说明
图1为本发明实施例提供的提取待加工件轮廓的流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
风电叶片轮式移动打磨机器人的本体包括全向运动底盘、多自由度机械臂、和相应的防尘装置等,机器人通过摄像头、激光雷达等传感器实现其在整个打磨作业过程中的全自动运行。该机器人的感知方法可使其在打磨任务开始前即可规划完成可避开工件上障碍物(如工件夹具)的打磨路径,且可避开运行环境中存在或突然出现的障碍物并告警,与此同时,机器人可实时在后台系统中更新其相对位置以确保多台机器人的安全、协调、高效运行,并且,作业过程中完全不需要人为干预调整机体位置、机械臂位置等。
本发明实施例提供的风电叶片轮式移动打磨机器人的环境感知方法以封闭厂房内部的类结构化道路为研究场景,包括:
障碍物感知步骤:接收由机器人的前激光雷达和后激光雷达采集得到的行驶路径周围的原始点云数据,获取行驶路径上的障碍物信息,并输出。其中,前激光雷达和后激光雷达在下文简化为前、后激光雷达。而且,“前”可以理解为激光雷达安装在机器人本体的前部,“前”可以理解为激光雷达安装在机器人本体的后部。
工件识别步骤:基于多线激光雷达的三维点云地图,对待加工件的和工件夹具轮廓进行提取和识别,并输出。其中,三维点云地图主要由多线激光雷达(例如:80线激光雷达)采集的多帧激光雷达点云投影到某一固定帧上构成得到。在加工作业开始前,受雷达扫描区域和待加工件尺寸限制,该80线激光雷达无法在作业路径上对待加工件进行整体扫描,故机器人需在预先设置的扫描区域对待加工件整体进行扫描,以获取由多帧激光雷达扫描结果构成的场景和待加工件三维点云地图。
在一个实施例中,障碍物感知是基于单线激光雷达的全向障碍物检测,其具体包括:
S11,将前、后激光雷达采集到的两原始点云数据进行时间同步。对前、后激光雷达原始输出数据进行时间同步,在订阅原始消息时即对不同激光雷达数据进行基于ROS时间的时间戳同步,以保证感知融合数据的准确性,从而保证机器人避障精度。
在一个实施例中,步骤S11可以采用如下展开的步骤实现,具体包括:
S113,判断时间戳与/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将时间戳/>前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光雷达点云投影到时间戳为/>的激光点云帧,与该帧已有的点云共同构成新的时间戳为的激光点云帧。其中,由于0.1s内的时间误差对打磨机器人避障影响较小,因此,激光雷达扫描时间间隔可以设置为0.1s。
S114,判断和/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将/>时刻前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光点云数据投影到时间戳为/>的激光点云帧,与该帧已有的点云数据共同构成新的时间戳为/>的激光点云帧。
实质上,步骤S11还可以采用时间戳顺序插值方法、基于最小二乘的时间戳差值优化方法等现有方法实现。
S12,基于点云标准数据类型解析S11中时间同步后的原始点云数据,输出前激光雷达坐标系下前激光雷达点云中障碍物点的坐标/>和后激光雷达坐标系下后激光雷达点云/>中障碍物点的坐标/>其中,x、y分别为激光雷达坐标系中的横、纵坐标信息。
在一个实施例中,步骤S13具体包括:
S131,分别基于前、后激光雷达进行以机器人本体中心为原点的室内定位,估计前、后激光雷达相对机器人本体中心的位姿变换。
S132,利用固定在机器人本体中心的全站仪测量路径散点轨迹作为机器人行驶的真实轨迹,再将前、后激光雷达的定位结果与机器人行驶的真实轨迹进行基于定位评估(Evaluation of Odometry,EVO)工具的绝对误差评估,利用该评估值对S131中的位姿变换进行误差分析和纠偏。
S133,将S132输出的纠偏后的位姿变换作为前、后激光雷达标定参数,对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定。
步骤S13还可以采用手眼标定法、多激光雷达点云拼接对齐方法等现有方法实现。
通常封闭厂房环境中杂物或人员密度较低,且与加工作业相关的零部件摆放方式与位置均有标准规范,障碍物类型和运动方式相对单一,采用基于单线激光雷达的感知方法不仅适用于该类型环境下的障碍物检测需求,同时最大程度上降低生产成本。基于对角固定在轮式工业机器人底座的两个单线激光雷达提取机器人行驶路径周围的障碍物坐标信息,同时基于机器人底层控制特性设置危险障碍物的距离判断阈值,以保证机器人作业过程中的安全性。
在一个实施例中,如图1所示,工件识别步骤具体包括:
S21,去除三维点云地图中的点云噪声点,以减少其对后续步骤造成的轮廓提取偏差和夹具识别不准确等消极影响。其中,点云噪声点主要指远离点云主体的稀疏点或小块点云,这类点云与主体点云基本没有关联,且蕴含环境信息较少,但对算法正常运行存在干扰。
S22,根据S21中去除点云噪声点后的三维点云地图创建三维体素栅格,将每个体素栅格中与其中心距离最近的点进行保留,而将其他点进行剔除,再将保留的点用于代替其所在体素栅格中的所有点。
S23,利用点云一致性分割算法对经过下采样后的三维点云地图进行进一步去掉地面点,同时,基于待加工件在三位点云地图中的位置信息,去除除待加工件之外的点云得到待加工件点云信息。由于三维点云地图中点云数量较多,直接处理会严重降低算法的实时性,在保证点云质量的基础上对点云地图进行均匀下采样,其原理为基于点云数据创建三维体素栅格,保留每个体素栅格中与体素栅格中心距离最近的点并剔除其余点,以此点代替该体素栅格中所有点。虽然均匀下采样算法复杂度相对较高,但该方法可最大程度上保留三维点云地图中的特征信息,以确保后续步骤所提取待加工件轮廓的精确度和点云均匀度。
S24,将待加工件点云投射到多线激光雷达的激光雷达坐标系的XOY平面,得到激光雷达坐标系下的待加工件点云二维坐标。其中,多线激光雷达的激光雷达坐标系的XOY平面的X、Y分别为以多线激光雷达的中心为原点的激光雷达坐标系X、Y轴,O为激光雷达坐标系原点。80线激光雷达的坐标系为x轴沿雷达电源线朝前,y轴沿雷达电源线垂直方向朝左,z轴朝竖直方向。
S25,计算待加工件点云二维坐标中每个点的法向量。
例如:通过估计二维平面中某点法向量的过程近似于估计某一点与临近点所拟合平面的相切面法线,便可以获得待加工件点云二维坐标中每个点的法向量。
还例如,步骤S25还可以具体包括:
S251,根据S24得到的待加工件点云二维坐标设置邻域半径并提取任意点的邻域点,构建协方差矩阵。其中,邻域半径根据点云信息的稀疏程度设置,通常设置为0.01m,邻域点通过K-D树(K-Dimensional Tree)提取。
S252,通过主成分分析(Principal Component Analysis,PCA)方法分析S251中协方差矩阵的特征向量和特征值,其中,最大主成分为投影到自定义方向后方差最大方向,而法向量为投影到该方向后方差最小的方向。
S253,通过主成分分析变换,将S24的待加工件点云二维坐标投影到协方差矩阵特征值最小的方向,得到待加工件点云中每个点的法向量。
S26,根据S25计算出的点云中点的法向量,依次计算待加工件点云二维坐标中所有点与其邻域点的夹角,再剔除与夹角大于预设角度阈值的邻域点,而保留预设角度阈值内的邻域点,作为待加工件的轮廓点云的二维坐标。其中,邻域点数量可以为8个,预设角度阈值的设置与邻域点在邻域中的分布相关,目前设置为3°。
S27,S26中所提取到的待加工件轮廓点云的二维坐标包含与待加工件接触的夹具点云轮廓,需根据该部分点云的曲率信息进一步对夹具点云轮廓进行提取。
S28,将S27中提取到的夹具轮廓点云坐标从S26中提取到的待加工件轮廓点云二维坐标中剔除,得到待加工工件的轮廓点。
在一个实施例中,在机器人对待加工件进行加工前需判断待加工件的摆放位置是否正确,因此,工件识别步骤具体还包括:
根据S24的待加工件点云二维坐标,求取z坐标差值均值,并依据工件宽度尺寸设置阈值,该阈值可以但不限于设置为1.5m。若差值均值小于阈值,则表示待加工件为水平摆放,识别结果为“否”,此时需调整待加工件的摆放位置;若差值均值不小于阈值,则表示待加工件为竖直摆放,识别结果为“是”,此时待加工件摆放位置正确,可进行加工。
本发明实施例提供一种风电叶片轮式移动打磨机器人的环境感知装置,其包括障碍物感知单元和工件识别单元,其中:
障碍物感知单元用于接收由机器人的前、后的两个激光雷达采集得到的行驶路径周围的原始点云数据,获取行驶路径上的障碍物信息,并输出。
工件识别单元,其用于基于多线激光雷达的三维点云地图,对待加工件的和工件夹具轮廓进行提取和识别,并输出。
其中,障碍物感知单元具体包括时间同步子单元、障碍物点解析子单元、转换关系获取子单元、激光雷达点云获取子单元和障碍物信息获取子单元,其中:
时间同步子单元用于将前、后激光雷达采集到的原始点云数据进行时间同步。
转换关系获取子单元,其用于根据前、后激光雷达的安装位置,分别对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定,得到前、后激光雷达坐标系分别到机器人坐标系w的旋转转换关系和平移转换关系
在一个实施例中,时间同步子单元具体包括原始点云解析模块、前激光点云帧获取模块和后激光点云帧获取模块,其中:
前激光点云帧获取模块,其用于在时间戳小于时间戳/>的情形下,判断时间戳/>与/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将时间戳/>前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值为正值且小于激光雷达扫描时间间隔,再将前述删除的激光雷达点云投影到时间戳为/>的激光点云帧,与该帧已有的点云共同构成新的时间戳为/>的激光点云帧。
后激光点云帧获取模块,其用于在时间戳不小于时间戳/>的情形下,判断/>和/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将/>时刻前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光点云数据投影到时间戳为/>的激光点云帧,与该帧已有的点云数据共同构成新的时间戳为/>的激光点云帧。
在一个实施例中,转换关系获取子单元具体包括激光雷达位姿变换模块、误差纠偏模块和单线激光雷达定位结果标定模块,其中:
激光雷达位姿变换模块用于分别基于前、后激光雷达进行以机器人本体中心为原点的室内定位,估计前、后激光雷达相对机器人本体中心的位姿变换。
误差纠偏模块,其用于利用固定在机器人本体中心的全站仪测量路径散点轨迹作为机器人行驶的真实轨迹,再将前、后激光雷达的定位结果与机器人行驶的真实轨迹进行基于定位评估工具的绝对误差评估,利用该评估值对激光雷达位姿变换模块中的位姿变换进行误差分析和纠偏。
单线激光雷达定位结果标定模块,其用于将误差纠偏模块输出的纠偏后的位姿变换作为前、后激光雷达标定参数,对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种风电叶片轮式移动打磨机器人的环境感知方法,其特征在于,包括:
障碍物感知步骤:接收由机器人的前、后的两个激光雷达采集得到的行驶路径周围的原始点云数据,获取行驶路径上的障碍物信息,并输出;
工件识别步骤:基于多线激光雷达的三维点云地图,对待加工件的和工件夹具轮廓进行提取和识别,并输出;
其中,障碍物感知步骤具体包括:
S11,将前、后激光雷达采集到的原始点云数据进行时间同步;
2.如权利要求1所述的风电叶片轮式移动打磨机器人的环境感知方法,其特征在于,步骤S11具体包括:
S113,判断时间戳与/>的差值/>是否大于激光雷达扫描时间间隔,若是,则将时间戳/>前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光雷达点云投影到时间戳为/>的激光点云帧,与该帧已有的点云共同构成新的时间戳为/>的激光点云帧;
3.如权利要求1所述的风电叶片轮式移动打磨机器人的环境感知方法,其特征在于,步骤S13具体包括:
S131,分别基于前、后激光雷达进行以机器人本体中心为原点的室内定位,估计前、后激光雷达相对机器人本体中心的位姿变换;
S132,利用固定在机器人本体中心的全站仪测量路径散点轨迹作为机器人行驶的真实轨迹,再将前、后激光雷达的定位结果与机器人行驶的真实轨迹进行基于定位评估工具的绝对误差评估,利用该评估值对S131中的位姿变换进行误差分析和纠偏;
S133,将S132输出的纠偏后的位姿变换作为前、后激光雷达标定参数,对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定。
5.如权利要求1-4中任一项所述的风电叶片轮式移动打磨机器人的环境感知方法,其特征在于,工件识别步骤具体包括:
S21,去除三维点云地图中的点云噪声点;
S22,根据S21中去除点云噪声点后的三维点云地图创建三维体素栅格,将每个体素栅格中与其中心距离最近的点进行保留,而将其他点进行剔除,再将保留的点用于代替其所在体素栅格中的所有点;
S23,利用点云一致性分割算法对经过下采样后的三维点云地图进行进一步去掉地面点,同时,基于待加工件在三位点云地图中的位置信息,去除除待加工件之外的点云得到待加工件点云信息;
S24,将待加工件点云投射到多线激光雷达的激光雷达坐标系的XOY平面,得到激光雷达坐标系下的待加工件点云二维坐标;
S25,计算待加工件点云二维坐标中每个点的法向量;
S26,根据S25计算出的点云中点的法向量,依次计算待加工件点云二维坐标中所有点与其邻域点的夹角,再剔除与夹角大于预设角度阈值的邻域点,而保留预设角度阈值内的邻域点,作为待加工件的轮廓点云的二维坐标;
S27,S26中所提取到的待加工件轮廓点云的二维坐标包含与待加工件接触的夹具点云轮廓,需根据该部分点云的曲率信息进一步对夹具点云轮廓进行提取;
S28,将S27中提取到的夹具轮廓点云坐标从S26中提取到的待加工件轮廓点云二维坐标中剔除,得到待加工工件的轮廓点。
6.如权利要求5所述的风电叶片轮式移动打磨机器人的环境感知方法,其特征在于,步骤S25具体包括:
S251,根据S24得到的待加工件点云二维坐标设置邻域半径并提取任意点的邻域点,构建协方差矩阵;
S252,通过主成分分析方法分析S251中协方差矩阵的特征向量和特征值,其中,最大主成分为投影到自定义方向后方差最大方向,而法向量为投影到该方向后方差最小的方向;
S253,通过主成分分析变换,将S24的待加工件点云二维坐标投影到协方差矩阵特征值最小的方向,得到待加工件点云中每个点的法向量。
7.如权利要求6所述的风电叶片轮式移动打磨机器人的环境感知方法,其特征在于,工件识别步骤具体还包括:
根据S24的待加工件点云二维坐标,求取z坐标差值均值,并依据工件宽度尺寸设置阈值,若差值均值小于阈值,则表示待加工件为水平摆放,识别结果为“否”,此时需调整待加工件的摆放位置;若差值均值不小于阈值,则表示待加工件为竖直摆放,识别结果为“是”,此时待加工件摆放位置正确,可进行加工。
8.一种风电叶片轮式移动打磨机器人的环境感知装置,其特征在于,包括:
障碍物感知单元,其用于接收由机器人的前、后的两个激光雷达采集得到的行驶路径周围的原始点云数据,获取行驶路径上的障碍物信息,并输出;
工件识别单元,其用于基于多线激光雷达的三维点云地图,对待加工件的和工件夹具轮廓进行提取和识别,并输出;
其中,障碍物感知单元具体包括:
时间同步子单元,其用于将前、后激光雷达采集到的原始点云数据进行时间同步;
转换关系获取子单元,其用于根据前、后激光雷达的安装位置,分别对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定,得到前、后激光雷达坐标系分别到机器人坐标系w的旋转转换关系和平移转换关系/>
9.如权利要求8所述的风电叶片轮式移动打磨机器人的环境感知装置,其特征在于,时间同步子单元具体包括:
前激光点云帧获取模块,其用于在时间戳小于时间戳/>的情形下,判断时间戳/>与的差值/>是否大于激光雷达扫描时间间隔,若是,则将时间戳/>前的/>激光点云数据逐帧删除,直至所得到的新的点云/>中的第一帧时间戳/>与/>的差值/>为正值且小于激光雷达扫描时间间隔,再将前述删除的激光雷达点云投影到时间戳为/>的激光点云帧,与该帧已有的点云共同构成新的时间戳为/>的激光点云帧;
10.如权利要求8或9所述的风电叶片轮式移动打磨机器人的环境感知装置,其特征在于,转换关系获取子单元具体包括:
激光雷达位姿变换模块,其用于分别基于前、后激光雷达进行以机器人本体中心为原点的室内定位,估计前、后激光雷达相对机器人本体中心的位姿变换;
误差纠偏模块,其用于利用固定在机器人本体中心的全站仪测量路径散点轨迹作为机器人行驶的真实轨迹,再将前、后激光雷达的定位结果与机器人行驶的真实轨迹进行基于定位评估工具的绝对误差评估,利用该评估值对激光雷达位姿变换模块中的位姿变换进行误差分析和纠偏;
单线激光雷达定位结果标定模块,其用于将误差纠偏模块输出的纠偏后的位姿变换作为前、后激光雷达标定参数,对前、后激光雷达坐标系和机器人坐标系w进行基于单线激光雷达定位结果的标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310254093.XA CN116197910B (zh) | 2023-03-16 | 2023-03-16 | 风电叶片轮式移动打磨机器人的环境感知方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310254093.XA CN116197910B (zh) | 2023-03-16 | 2023-03-16 | 风电叶片轮式移动打磨机器人的环境感知方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116197910A true CN116197910A (zh) | 2023-06-02 |
CN116197910B CN116197910B (zh) | 2024-01-23 |
Family
ID=86507651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310254093.XA Active CN116197910B (zh) | 2023-03-16 | 2023-03-16 | 风电叶片轮式移动打磨机器人的环境感知方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116197910B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441791A (zh) * | 2019-08-14 | 2019-11-12 | 深圳无境智能机器人有限公司 | 一种基于前倾2d激光雷达的地面障碍物检测方法 |
CN110599506A (zh) * | 2019-10-16 | 2019-12-20 | 湖南大学 | 一种复杂异形曲面机器人三维测量的点云分割方法 |
WO2021072710A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 移动物体的点云融合方法、系统及计算机存储介质 |
WO2022041921A1 (zh) * | 2020-08-25 | 2022-03-03 | 同方威视技术股份有限公司 | 导向控制方法、装置、安检车辆、介质和程序产品 |
CN114998864A (zh) * | 2022-05-27 | 2022-09-02 | 重庆长安汽车股份有限公司 | 一种障碍物检测方法、装置、设备及存储介质 |
CN114994635A (zh) * | 2022-05-18 | 2022-09-02 | 上海涵润汽车电子有限公司 | 一种智能驾驶可行驶区域检测方法和装置 |
-
2023
- 2023-03-16 CN CN202310254093.XA patent/CN116197910B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441791A (zh) * | 2019-08-14 | 2019-11-12 | 深圳无境智能机器人有限公司 | 一种基于前倾2d激光雷达的地面障碍物检测方法 |
CN110599506A (zh) * | 2019-10-16 | 2019-12-20 | 湖南大学 | 一种复杂异形曲面机器人三维测量的点云分割方法 |
WO2021072710A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 移动物体的点云融合方法、系统及计算机存储介质 |
WO2022041921A1 (zh) * | 2020-08-25 | 2022-03-03 | 同方威视技术股份有限公司 | 导向控制方法、装置、安检车辆、介质和程序产品 |
CN114994635A (zh) * | 2022-05-18 | 2022-09-02 | 上海涵润汽车电子有限公司 | 一种智能驾驶可行驶区域检测方法和装置 |
CN114998864A (zh) * | 2022-05-27 | 2022-09-02 | 重庆长安汽车股份有限公司 | 一种障碍物检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
谢国涛: "不确定性条件下智能车辆动态环境认知方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
高翊博: "四足机器人多传感器融合定位与建图的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN116197910B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110370286B (zh) | 基于工业机器人和单目相机的定轴运动刚体空间位置识别方法 | |
WO2021103154A1 (zh) | 一种可用于多车型的智能喷涂的机器人控制方法 | |
CN111192307B (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
CN106705847B (zh) | 一种自由曲面内缝隙几何尺寸测量方法及装置 | |
CN112581451B (zh) | 一种基于激光雷达的仓库线卷位置检测系统及方法 | |
CN114049294B (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
CN111815717B (zh) | 一种多传感器融合外参联合半自主标定方法 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN109872355B (zh) | 一种基于深度相机的最短距离获取方法及装置 | |
CN113725473B (zh) | 一种锂电池卷绕极耳错位实时纠偏系统及方法 | |
He et al. | A critical review for machining positioning based on computer vision | |
CN104400265A (zh) | 一种激光视觉引导的焊接机器人角接焊缝特征的提取方法 | |
Xia et al. | Workpieces sorting system based on industrial robot of machine vision | |
CN114473309A (zh) | 用于自动焊接系统的焊接位置识别方法及自动焊接系统 | |
CN110702028A (zh) | 一种果园树干三维检测定位方法及装置 | |
CN110370287B (zh) | 基于视觉引导的地铁列检机器人路径规划系统及方法 | |
Ge et al. | Online 3-D modeling of complex workpieces for the robotic spray painting with low-cost RGB-D cameras | |
CN114283139A (zh) | 一种基于面阵结构光3d视觉的焊缝检测分割方法及装置 | |
CN116197910B (zh) | 风电叶片轮式移动打磨机器人的环境感知方法和装置 | |
CN111947647B (zh) | 一种视觉与激光雷达融合的机器人精准定位方法 | |
CN116642420A (zh) | 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 | |
CN116499359A (zh) | 一种运载火箭舱段智能化检测方法 | |
CN115971004A (zh) | 一种针对车厢的智能腻子喷涂方法及系统 | |
CN115167412A (zh) | 一种巡检机器人和基于巡检机器人的配电房设备操控方法 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |