CN116225640A - 焊接数字孪生三维场景模型并发构建方法 - Google Patents

Abstract

本发明提供了一种焊接数字孪生三维场景模型并发构建方法，包括：根据数据规模及计算机内核数，进行任务分块；通过三角阵列获取每个数据分块的起始位置；根据计算机内核数量构建并查集；对各个并查集进行计算，并合并各个并查集；根据合并的并查集，进行场景合并运算，导出场景文件。本申请中的方法充分利用了现代计算机的多核特性，充分利用计算机算力提高模型运算速度，可以实现无精度损失，或者在可控的精度范围内，构建出复杂焊接系统的数字孪生场景，大幅缩短耗时，效率高。

Description

焊接数字孪生三维场景模型并发构建方法

技术领域

本发明涉及机器人焊接技术领域，具体地，涉及一种焊接数字孪生三维场景模型并发构建方法。

背景技术

机器人焊接数字孪生的基础是数字化和模型化，而相比传统的仿真或者离线编程，它多出了迈向智能制造的最为重要的一步，即双向的数据交换。对于机器人焊接数字孪生而言，它利用数字模型对生产制造流程进行优化，或者是提供更快更好的解决方案，从而对在物理实体中的生产产生价值。替代模型是基于从现场、实验和数字的物理或统计模型中获得的数据模型。

对于数字孪生或者交互程度较高、精度要求较高的离线编程程序而言，最首要的工作就是建立真实世界在虚拟世界中的数字表达，以机器人焊接系统为例，对于一个机器人焊接的数字孪生系统，其主要包括机器人的模型，工作台、加工工件的模型，以及场景模型。在模拟加工过程中，机器人会预先进行计算，规划出实际加工中的轨迹和姿态变换。在规划过程中，机器人与工件、工作台的模型由于需要精确地进行碰撞检测，因此需要进行逐一精确地计算包围盒。因此，在实际的场景构建过程中，存在以下的问题：

1)真实的场景焊接场景较为复杂，且焊接轨迹变化较大。如果需要计算得到更加简洁且可靠的加工轨迹，需要更精确的模型，数量也非常庞大，因此不可以直接完整地加载到场景中参与计算。

2)场景模型的获取往往可以通过多种渠道，如直接导入产品模型数据交互规范(Standard for the Exchange of Product Model Data，STEP)文件，或者通过点云获取等。不同渠道获取的场景信息需要进行整合合并到场景中，此过程也需要进行大量计算。

因此，需要在生成场景时，将一些复杂的模型或数据信息进行整合，去除冗余，尽可能提升速度。公开号为CN113987835A的专利：“焊接场景的数字孪生场景的构建和自动生成焊接轨迹方法、装置”提供了一种焊接场景的数字孪生场景的构建方法，其是在已经生成的零件模型中，选用和适配当前焊接场景匹配的模型，并根据焊接场景中的部分或全部实体的真实参数进行导入，然后生成当前的数字孪生场景。但是，其主要是针对场景中主要模型进行标记，如机械臂，而对其中次要的模型进行简化或忽略，未能解决场景过于复杂时计算量大幅增大的问题，也不能在进行多元设备采集场景信息时，如何整合到场景中的问题。

一种常规的方法是对其进行逐个判断和检查。例如，将不同的模型先进行是否重叠的判断，如果重叠，则进行两两的合并。如ABC互相连接，判断出ABC互相重叠后，依次合并AB，AC，BC。但是，当合并AB与AC后，BC其实已经是合并后的，无需再合并。因此就造成算力的大量浪费。但是，由于数字孪生的场景中模型数量庞大，位置也高度重合，所以对每一个模型进行逐个计算是低效且无意义的。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种焊接数字孪生三维场景模型并发构建方法。

第一方面，本申请实施例提供一种焊接数字孪生三维场景模型并发构建方法，包括：

步骤1：根据数据规模及计算机内核数，进行任务分块；

步骤2：通过三角阵列获取每个数据分块的起始位置；

步骤3：根据计算机内核数量构建并查集；

步骤4：对各个并查集进行计算，并合并各个并查集；

步骤5：根据合并的并查集，进行场景合并运算，导出场景文件。

可选地，所述步骤1包括：

步骤1.1：将模型文件加载到计算机内存中；

步骤1.2：将模型文件中的数据划分为n*(n-1)/2N个任务块，并向上取整，不能整除的余数部分归入最后一个任务块；其中，N表示计算机内核数量，n表示模型文件的总数。

可选地，所述步骤2包括：

步骤2.1：根据计算机的内核数目，创建相应数量的线程，并将线程依次填入三角阵列中；

步骤2.2：计算每个线程的起始元素在三角阵列中的位置，并根据起始元素的位置递推剩余元素的位置。

可选地，所述步骤3包括：建立N个容量大小为n的并查集，每个线程分别分配一个独立的并查集；其中，N表示计算机内核数量，n表示模型文件的总数。

可选地，所述步骤4包括：

步骤4.1：根据预先定义的合并规则判断是否需要进行合并；若需要合并，则执行步骤4.2；若不需要合并，则结束；

步骤4.2：对并查集进行标记；

步骤4.3：将标记的并查集进行合并。

可选地，所述步骤4.3包括：

步骤4.3.1：将标记的并查集进行连通；

步骤4.3.2：等待所有线程计算完毕后，合并到主线程；

步骤4.3.3：将各个并查集的结果整合到主线程的并查集中；

步骤4.3.4：获取并查集中的每个小集合，并进行整体的合并运算。

可选地，所述预先定义的合并规则包括：判断各个并查集是否存在重合区域，若存在重合区域，则进行合并。

可选地，所述步骤5包括：按照标记进行场景数据的合并，将合并后的结果写入文件中，得到场景文件，以使得在下次打开文件时，直接导出所述场景文件。

第二方面，本申请实施例提供一种焊接数字孪生三维场景模型并发构建设备，包括：处理器和存储器，所述存储器中存储有可执行的程序指令，所述处理器调用所述存储器中的程序指令时，所述处理器用于：

执行如第一方面中任一项所述的焊接数字孪生三维场景模型并发构建方法的步骤。

第三方面，本申请实施例提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现如第一方面中任一项所述的焊接数字孪生三维场景模型并发构建方法的步骤。

与现有技术相比，本发明具有如下的有益效果：

1)本申请实施例提供的焊接数字孪生三维场景模型并发构建方法，可以无精度损失，或者在可控的精度范围内，构建出复杂焊接系统的数字孪生场景，大幅缩短耗时，效率高。

2)本申请实施例提供的焊接数字孪生三维场景模型并发构建方法是一个预处理阶段，并不直接使用源数据，因此兼容性好，可导入不同设备获取的场景图元信息。

3)本申请实施例提供的焊接数字孪生三维场景模型并发构建方法，充分利用了现代计算机的多核特性，充分利用计算机算力提高模型运算速度，数据处理效率得到极大提升。

4)本申请实施例提供的焊接数字孪生三维场景模型并发构建方法只涉及相似位置图元的合并计算，因此在缩小存储体积的同时，不会造成场景精度的损耗。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本申请实施例提供的一种焊接数字孪生三维场景模型并发构建方法的流程示意图；

图2为用于验证运行正确性的可视化结果(100个数据)的示意图；

图3为用于验证运行正确性的可视化结果(900个数据)的示意图；

图4为不同算法的耗时的对比结果示意图；

图5为串行和并行方法下的耗时对比结果示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。

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。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明的说明书和权利要求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，以便这里描述的本发明的实施例，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、产品或设备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、产品或设备固有的其它步骤或单元。

下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

本申请实施例旨在提供一种焊接数字孪生三维场景模型并发构建方法，根据其在工作状态中参与计算的精确程度分为主要模型和次要模型，基于多核中央处理器(CentralProcessing Unit/Processor，CPU)加速的焊接数字孪生场景模型整合方法，将模型按总数量进行划分，然后按计算机的内核数目进行分配，实现并行地进行合并计算，本申请实施例中提出的基于三角阵列的任务分块方法，可以将任意规模的数据排布在此阵列中，从而易于给不同的处理器内核分配近似规模的数据处理量。本申请实施例避免了传统的逐个合并计算的方法，又充分利用了现代计算机的性能优势，提高了构建焊接数字孪生系统时场景模型的构建效率。

图1为本申请实施例提供的一种焊接数字孪生三维场景模型并发构建方法的流程示意图，如图1所示，本实施例中的方法可以包括：

步骤S1：根据数据规模及计算机内核数，进行任务分块。

本实施例中，步骤S1包括：

步骤S1.1：将模型文件加载到计算机内存中；

步骤S1.2：将模型文件中的数据划分为n*(n-1)/2N个任务块，并向上取整，不能整除的余数部分归入最后一个任务块；其中，N表示计算机内核数量，n表示模型文件的总数。

示例性的，先确定需要进行处理的场景文件，将其作为单独的文件，依次将加载到计算机内存中，导入的同时，将其使用边界表示法表示，从而保证数据格式的一致性。转换后需要处理的总模型数为n。计算n*(n-1)/2的值，这是构建合并图的总计算规模。对其进行标号1～n*(n-1)/2，调用计算机接口，获取计算机内核数N，根据计算机内核数，将所有数据划分为n*(n-1)/2N个任务块，向上取整，不能整除的余数部分归入最后一个任务块。

步骤S2：通过三角阵列获取每个数据分块的起始位置。

本实施例中步骤S2包括：

步骤S2.1：根据计算机的内核数目，创建相应数量的线程，并将线程依次填入三角阵列中；

步骤S2.2：计算每个线程的起始元素在三角阵列中的位置，并根据起始元素的位置递推剩余元素的位置。

本实施例中，可以建立N个容量大小为n的并查集，每个线程分别分配一个独立的并查集，将每一组数据依次分配给一个并查集，并在创建线程后，加入到线程中。将最后一组数据加入到主线程中。

示例性的，如表1所示，行和列分别从零开始计数，从第二行(标号为1)开始，进行数字的填充，然后一次递增，这样，第i行，行的标号是i-1，此行中有i-1个数字。对n*(n-1)/2个数依次填到上图的三角形阵列中，位置进行递推。

示例性的，当使用intel i5-9600KF处理器时，具有6核，因此，将表1的三角阵列划分成六个部分进行计算。如，总共有600个数据分布在表1的三角形中时，将分别为每组分配100个数据进行后续的计算。此过程在于确定分组数量，以及每个分组的第一个数在三角形阵列中的位置。

表1用于确定每个并行任务起始点的三角阵列

步骤S3：根据计算机内核数量构建并查集。

本实施例中，建立N个容量大小为n的并查集，每个线程分别分配一个独立的并查集。

步骤S4：对各个并查集进行计算，并合并各个并查集。

本实施例中，步骤S4包括：

步骤S4.1：根据预先定义的合并规则判断是否需要进行合并；若需要合并，则执行步骤S4.2；

步骤S4.2：对并查集进行标记；

步骤S4.3：将标记的并查集进行合并。

本实施例中，将标记的并查集进行连通。所有线程的计算方式一致。等待所有线程计算完毕后，合并到主线程，将各个并查集的结果整合到主线程的并查集中，获取并查集中的每个小集合，对其进行整体的合并运算。

具体地，首先根据预先定义的合并规则判断是否需要进行合并，如果需要合并，则进行标记，将其进行连通。各个线程依次开始任务处理，最后合并到主线程。需要说明的是，本实施例中将规则仅设置为是否有重合区域，判断速度在几个时钟周期内。

示例性的，将各个并查集的结果整合到主线程的并查集中，获取并查集中的每个小集合，对其进行整体的合并运算。例如：在6核处理器上，即是对六个并查集的结果进行合并。

可选地，将合并的耗时设置为1ms，在实际场景中，设置的时间可以根据计算要求的复杂程度发生变化。更新并查集，获取其各个子集，然后对其子集进行批量化整理合并。

步骤S5：根据合并的并查集，进行场景合并运算，导出场景文件。

本实施例中，按照标记好的数据进行场景数据的合并，将计算结果写入文件中，下次打开时，可以直接使用当前的计算结果。

示例性的，使用固定的随机数种子生成简化场景，对算法在并行和非并行的情况下结果进行可视化验证。

图2为用于验证运行正确性的可视化结果(100个数据)的示意图，图3为用于验证运行正确性的可视化结果(900个数据)的示意图。如图2、图3所示，在串行和并行的计算中，运算结果一致，保证前述各步骤操作流程正确无误。

图4为不同算法的耗时的对比结果示意图。对复杂场景，分别使用常规场景构建合并方法，以及本申请中提供的方法进行构建计算，多次计算的耗时的对比结果如图4所示。

图5为串行和并行方法下的耗时对比结果示意图。首先可以将计算用时从模型的指数级变为线性。在多核计算机上的执行结果如图5所示。参见图5可知，使用并发计算可以进一步提升运算速度，用时近似为计算机物理内核数的倒数。

示例性的，使用intel i5-9600KF处理器，具有6核，主频3.7GHz，以该计算机为例，在场景数据规模较大时，速度可以最好可以提升到接近原来的6倍，用时接近原来的1/6)。不同数据规模的优化程度可以查看表2。

表2在特定处理器下，场景计算用时比较

表3在特定处理器下，该方法串行和并行的耗时对比(单位：毫秒)

其中，由于用于判断合并规则的函数设置极其简单，所以耗时非常小，基本在几个时钟周期就可以完成。因此，当数据规模较小时，由于不同的线程直接进行数据合并也要额外耗时，所以优势并不显著。但是当数据规模达到5000以上，或者用于判断合并的规则耗时度增加时，此并行算法的优化将逐渐显著。最优情况下，耗时可以优化为物理内核的倒数时间，如图5所示。最后，将计算结果保存到场景数据文件中。

示例性的，本申请实施例中的文件模型，可以是导入的大量step模型，也可以是由3D扫描仪或3D相机等模型采集设备，也可以是其他方式获取的用于描述形状的数据。

本实施例在机器人焊接数字孪生的复杂场景构建过程中，可以分别在单核和多核计算机上进行场景合并构建计算，对比两种计算的合并次数，以及构建时间。通过多次计算，可以得到本申请实施例提供的方法即使在单核计算机上，也可以将计算用时从模型的指数级变为线性。在多核计算机上使用，可以进一步提升运算速度，用时近似为计算机物理内核数的倒数。

本申请实施例还提供一种焊接数字孪生三维场景模型并发构建设备可以包括：处理器和存储器。

存储器，用于存储程序；存储器，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random Access Memory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。

上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。

处理器，用于执行存储器存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。

具体可以参见前面方法实施例中的相关描述。

处理器和存储器可以是独立结构，也可以是集成在一起的集成结构。当处理器和存储器是独立结构时，存储器、处理器可以通过总线耦合连接。

本实施例的基于双目视觉的电弧增材沉积尺寸原位获取设备可以执行上述方法中的技术方案，其具体实现过程和技术原理参见上述方法中的相关描述，此处不再赘述。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。

此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的方法。

其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种焊接数字孪生三维场景模型并发构建方法，其特征在于，包括：

步骤1：根据数据规模及计算机内核数，进行任务分块；

步骤2：通过三角阵列获取每个数据分块的起始位置；

步骤3：根据计算机内核数量构建并查集；

步骤4：对各个并查集进行计算，并合并各个并查集；

步骤5：根据合并的并查集，进行场景合并运算，导出场景文件。

2.根据权利要求1所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述步骤1包括：

步骤1.1：将模型文件加载到计算机内存中；

步骤1.2：将模型文件中的数据划分为n*(n-1)/2N个任务块，并向上取整，不能整除的余数部分归入最后一个任务块；其中，N表示计算机内核数量，n表示模型文件的总数。

3.根据权利要求1所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述步骤2包括：

步骤2.1：根据计算机的内核数目，创建相应数量的线程，并将线程依次填入三角阵列中；

步骤2.2：计算每个线程的起始元素在三角阵列中的位置，并根据起始元素的位置递推剩余元素的位置。

4.根据权利要求1所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述步骤3包括：建立N个容量大小为n的并查集，每个线程分别分配一个独立的并查集；其中，N表示计算机内核数量，n表示模型文件的总数。

5.根据权利要求1所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述步骤4包括：

步骤4.1：根据预先定义的合并规则判断是否需要进行合并；若需要合并，则执行步骤4.2；若不需要合并，则结束；

步骤4.2：对并查集进行标记；

步骤4.3：将标记的并查集进行合并。

6.根据权利要求5所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述步骤4.3包括：

步骤4.3.1：将标记的并查集进行连通；

步骤4.3.2：等待所有线程计算完毕后，合并到主线程；

步骤4.3.3：将各个并查集的结果整合到主线程的并查集中；

步骤4.3.4：获取并查集中的每个小集合，并进行整体的合并运算。

7.根据权利要求5所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述预先定义的合并规则包括：判断各个并查集是否存在重合区域，若存在重合区域，则进行合并。

8.根据权利要求1所述的焊接数字孪生三维场景模型并发构建方法，其特征在于，所述步骤5包括：按照标记进行场景数据的合并，将合并后的结果写入文件中，得到场景文件，以使得在下次打开文件时，直接导出所述场景文件。

9.一种焊接数字孪生三维场景模型并发构建设备，其特征在于，包括：处理器和存储器，所述存储器中存储有可执行的程序指令，所述处理器调用所述存储器中的程序指令时，所述处理器用于：

执行如权利要求1-8中任一项所述的焊接数字孪生三维场景模型并发构建方法的步骤。

10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一项所述的焊接数字孪生三维场景模型并发构建方法的步骤。

Images