CN116765569A - 一种基于点云的机器人柱钉辊堆焊路径规划方法 - Google Patents
一种基于点云的机器人柱钉辊堆焊路径规划方法 Download PDFInfo
- Publication number
- CN116765569A CN116765569A CN202310584989.4A CN202310584989A CN116765569A CN 116765569 A CN116765569 A CN 116765569A CN 202310584989 A CN202310584989 A CN 202310584989A CN 116765569 A CN116765569 A CN 116765569A
- Authority
- CN
- China
- Prior art keywords
- column
- path
- welding
- ceramic
- point cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003466 welding Methods 0.000 claims abstract description 82
- 239000000919 ceramic Substances 0.000 claims abstract description 72
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000000227 grinding Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910001208 Crucible steel Inorganic materials 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000003496 welding fume Substances 0.000 description 1
Landscapes
- Numerical Control (AREA)
Abstract
本发明涉及智能焊接制造技术领域,尤其是一种基于点云的机器人柱钉辊堆焊路径规划方法。堆焊路径通过两次辅助投影至柱钉辊圆柱中心轴线上完成陶瓷柱质心的行列顺序,同一列上相邻两个陶瓷柱的上下边缘分别为分段焊接路径的终点与起点,依次按序连接各小段焊接路径最终形成自动焊接轨迹,通过深度学习算法分割提取焊件关键特征,利用陶瓷柱凸起于焊件表面呈阶梯状的特性,模型感受到数据的高度尺寸,提高分割精度;先按列拟合空间三维圆再由各个圆心拟合直线的方式获取柱钉辊中心轴线;通过两次辅助投影完成质心的排序,最终实现堆焊路径的规划;工作内容发生变化时,无须进行示教,降低焊接操作人员的工作量,且适用范围广,提高堆焊质量稳定性。
Description
技术领域
本发明涉及智能焊接制造技术领域,尤其是一种基于点云的机器人柱钉辊堆焊路径规划方法。
背景技术
辊压装置是一种高效粉磨设备,在矿石、水泥、金属等加工中起到关键作用,是节能粉磨设备,是水泥粉磨和金属矿石粉碎环节中的中间设备之一,是能够实现多碎少磨的关键设备,可大幅度降低能源消耗。包括进料装置、铰接机架、活动辊、固定辊、压辊体及辊套,所述铰接机架装有两套带有柱钉辊面的压辊机构,其中一个压辊机构为固定辊,另一个压辊机构为可水平方向往复移动的活动辊,压辊体的辊面均匀设置若干硬质合金柱钉。
目前,传统的堆焊方法采用半自动与手工结合的方式进行。其中,半自动是指采用焊接机器人进行焊接。当前工业生产中的机器人大多为示教再现和离线编程型机器人。示教再现机器人需要焊接工人对其示教一次,焊接机器人就可以实现循环往复精准复现示教每一步的操作,相比于手工焊接,其在完成高重复性和高强度的焊接任务方面有无法替代的优势,但采用此方式的焊接设备自动化程度仍然较低。如果工作内容发生变化(也就是说对不同尺寸规格的柱钉辊进行焊接),便需要焊接工人再次进行示教。并且,由于示教再现型机器人不具有发送或接收反馈进而实时调整的功能,因此当机器人示教完成之后,如若焊件加工或者装配时存在误差,便会导致再现时焊接轨迹与示教轨迹发生不可接受的误差,从而使得焊接质量低下,进一步增加生产成本。同时示教再现型机器人高度依靠人工测绘,面对复杂的任务(即柱钉辊上陶瓷柱的数量较多)时,也会很难满足要求。
而对于手工焊接,劳动强度高且大部分焊接工作环境恶劣。在进行焊接工作的过程中,焊接工人需要不断地观察焊枪和焊缝的位置,进而及时的调整焊枪的位置和角度,使其对准焊缝。显而易见的是,传统焊接的质量往往取决于焊接操作人员的实际经验和技术,因此每个工人焊接出来的产品质量良莠不齐无法保证焊接质量的稳定可靠。
此外,焊接车间内不可避免地产生焊接烟尘、有害气体、噪音和光污染等一系列危害焊接操作人员身体健康的因素。单纯的保护措施也只能在一定程度上减少对操作人员的危害,并不能完全消除污染带来的损伤。
因此,传统堆焊方式所采用的半自动与手工结合存在示教时间久、工作量大、生产周期长、变化场景适应性差、焊工成本高、焊工招工难和堆焊质量稳定性差等问题。
发明内容
本发明要解决的技术问题是:为了解决上述背景技术中的现有技术存在的问题,提供一种改进的提升模型性能,提高分割精度,先按列拟合空间三维圆再由各个圆心拟合直线的方式获取柱钉辊中心轴线的方法;并通过两次辅助投影完成质心的排序,最终实现堆焊路径规划的基于点云的机器人柱钉辊堆焊路径规划方法。
本发明解决其技术问题所采用的技术方案是:一种基于点云的机器人柱钉辊堆焊路径规划方法,包括如下步骤:
步骤1:图像采集:利用深度相机采集柱钉辊焊件图像,并用点云数据进行表征;
步骤2:焊件特征提取,对步骤1采集到的柱钉辊焊件进行分割提取陶瓷柱;
步骤2.1:对采集到的图像进行降噪处理,采用直通滤波与高斯滤波结合的组合降噪方式进行,具体为:通过直通滤波滤除距离柱钉辊焊件较远外的噪声,再通过高斯滤波滤除柱钉辊焊件表面的离群点;
步骤2.2:对于降噪过后的点云图像采用深度学习的方法进行分割提取陶瓷柱;
步骤3:堆焊路径规划,具体为:堆焊路径通过两次辅助投影至柱钉辊圆柱中心轴线上完成陶瓷柱质心的行列顺序,同一列上相邻两个陶瓷柱的上下边缘分别为分段焊接路径的终点与起点,依次按序连接各小段焊接路径最终形成自动焊接轨迹,
步骤3.1:将陶瓷柱质心投影至柱钉辊圆柱中心轴线上,则位于同一列的质心会聚集成一簇,对中心轴线上的投影进行聚类,类别总数即为列数,比较各类中质心投影的坐标即可获得列排序;
步骤3.2:将陶瓷柱质心投影至垂直于柱钉辊圆柱中心轴线的平面上,则位于同一行的质心会聚集成一簇,对投影进行聚类,类别总数即为行数,对聚类好的结果进行排序,亦可获得行排序;
步骤3.3:各列按排好序的行便可进行分段路径的规划。
进一步的,所述的步骤3中拟合柱钉辊圆柱中心轴线的方法,具体包括如下步骤:
步骤3.1.1:同一行上相邻两点质心坐标间隔为ΔY,对质心坐标以Y值为依据,与阈值进行聚类,完成对陶瓷柱的粗分列;
步骤3.1.2:对每一列上各点拟合空间三维圆;
步骤3.1.3:对各列分别拟合空间三维圆;
步骤3.1.4:利用步骤3.1.3拟合出来的圆的半径与实际半径进行比较,对于误差较大的圆进行剔除,将剩余圆心进行拟合直线,所得直线便是柱钉辊圆柱的中心轴线。
进一步的,步骤2.2具体包括如下步骤;
步骤2.2.1:对滤波后的点云文件利用CloudCompare软件(CloudCompare是一个三维点云(网格)编辑和处理软件)进行数据标注,框选陶瓷柱并打上标签;
步骤2.2.2:采用PointNet++模型对其进行训练分割,具体为:在pointnet++模型的基础上设计了一套适用于陶瓷柱分割的训练策略以及数据增强手段,通过计算点云中每个点的z轴坐标与点云最低点z轴坐标的差值进行拼接作为新的一列特征。
进一步的,步骤3.1.2具体包括如下步骤:
步骤3.1.2.1:利用最小二乘法拟合每列所在的平面,计算出该平面的法向量,具体为:假设圆心坐标为C,任取两点为P1、P2,记P1和P2连线的向量vector1,圆心与P1、P2连线的中点坐标所构成的向量为vector2,则满足平面方程vector1·vector2=0,求解vector1·vector2的最小值;
步骤3.1.2.2:通过条件极值求解方法便可求解出圆心坐标;
步骤3.1.2.3:根据步骤3.1.2.2求出的圆心坐标到圆上各点的距离均值计算出半径。
进一步的,步骤3中对通过两次辅助投影对分割后的陶瓷柱的行列顺序进行排序,具体为:采用投影排序,焊接时按列进行,对排好序的每列依次遍历该列中的点,将列中的点按Y坐标的大小进行排序,相邻两点便是该列某一小分段路径的起点和终点。
进一步的,还包括步骤3.4:将每次取出的相邻陶瓷柱上两点与之前辅助面投影上的各个质心簇进行取交操作,同时存在于列投影簇和行投影簇中的点为实际的焊接特征点。
进一步的,步骤3.4具体包括如下步骤:
步骤3.4.1:对陶瓷柱质心坐标进行偏移,具体为:通过计算相邻两质心点的方向向量,沿此方向进行偏移便可获得实际的焊接点;
步骤3.4.2:计算陶瓷柱的垂直方向,具体为:将陶瓷柱质心和柱钉辊圆柱中心轴线上一点均投影至投影平面上,计算两个投影点的方向向量即为陶瓷柱的垂直方向,将实际焊接点沿该方向向量进行偏移为每次焊枪进入和离开的路径,连接各个焊接分段路径,最终形成完成的规划路径。
进一步的,还包括步骤4:验证路径规划方法是否满足焊接精度要求。
进一步的,步骤4包括如下步骤:
步骤4.1:各分段路径起点与终点坐标由陶瓷柱质心偏移后获得,根据路径两端的坐标可以计算规划所得各分段路径的长度;
步骤4.2:通过手动示教获得各分段路径焊点坐标,计算出示教模式下分段焊接路径长度;
步骤4.3:将步骤4.1得到的陶瓷柱质心偏移后获得规划路径与步骤4.2得到的手动示教获得示教路径对比,若在误差精度范围内,则为合格,若不在误差精度范围内,则为不合格。
进一步的,步骤1:图像采集,具体为:深度相机安装在机械臂的末端,为提升图像采集的精度需对相机和机械臂进行手眼标定;由于柱钉辊焊件尺寸远大于相机视场,单次拍摄所采集到的图像为柱钉辊焊件的局部区域,还需将多次拍摄采集到的柱钉辊焊件不同区域的图像进行拼接,完成柱钉辊焊件表面的三维重建,重建完成的柱钉辊焊件表面即为待加工的焊接面。
本发明的有益效果是,本发明的1)通过深度学习算法分割提取焊件关键特征,利用陶瓷柱凸起于焊件表面呈阶梯状的特性,寻找合适的数据增强手段,使模型感受到数据的高度尺寸,提升模型性能,提高分割精度,为焊接路径规划奠定基础;
2)对于小曲率残缺圆柱拟合过程中出现的较大误差,提出了一种先按列拟合空间三维圆再由各个圆心拟合直线的方式获取柱钉辊中心轴线的方法;并通过两次辅助投影完成质心的排序,最终实现堆焊路径的规划;
3)验证该路径规划方法满足焊接精度要求,对实现焊接自动化、提高生产效率具有一定意义;
4)自动化程度高,在工作内容发生变化时,无须进行示教,降低焊接操作人员的工作量,且适用范围广,适用于不同尺寸规格的柱钉辊和不同数量陶瓷柱的柱钉辊,焊接成本低,操作难度小,提高堆焊质量稳定性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的结构示意图;
图2是本发明陶瓷柱质心投影至柱钉辊圆柱中心轴线上同一列质心聚集的示意图;
图3是本发明陶瓷柱质心投影至柱钉辊圆柱中心轴线上同一行质心聚集的示意图;
图4是本发明现有技术两种残缺圆柱体曲率进行圆柱体拟合后的效果图;
图5是本发明对每一列上各点拟合空间三维圆得到柱钉辊圆柱中心轴线的示意图;
图6是本发明最终形成完成的规划路径的示意图;
图7是本发明规划路径与示教路径对比图;
图中:1.基板,2.陶瓷柱。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1~7所示的一种基于点云的机器人柱钉辊堆焊路径规划方法,柱钉辊的结构如图1所示,基板1的基材材料为铸钢,陶瓷柱2的高度h为5~6mm,该高度h实际为变量,可自动识别,相邻两个陶瓷柱2间质心间距e为36mm,质心间距e实际也为变量,可自动识别,需要用堆焊的方法把陶瓷柱周围的空隙填满,堆焊时陶瓷柱2不融化,
首先,利用深度相机采集柱钉辊焊件图像,深度相机是安装在机械臂的末端,为了提升图像采集的精度,需对相机和机械臂进行手眼标定;由于柱钉辊焊件尺寸远大于相机视场,单次拍摄所采集到的图像为柱钉辊焊件的局部区域,所以将多次拍摄采集到的柱钉辊焊件不同区域的图像进行拼接,得到三维的拼接图像,具体来说,由于每次数据采集所获得的点云是在相机坐标系下生成的,相机坐标系随相机拍摄位置的移动会发生变化,不同相机坐标系下的点云图像无法直接拼接形成完整焊接面,因此需要将点云坐标系统一至某一固定不变的参考坐标系下便可自动实现点云的拼接,完成焊接面的三维重建。由于机械臂固定安装在水平面上,在运动过程中其基底固定不变,因此可利用上述手眼标定所得坐标变换矩阵将相机坐标系下的点云坐标变换至机械臂基底坐标系下完成点云的拼接,从而完成柱钉辊焊件表面的三维重建,重建完成的柱钉辊焊件表面即为待加工的焊接面,并用点云数据进行表征;
然后,采集到的表征后的柱钉辊焊件表面进行分割,提取陶瓷柱,但是,受工业环境的影响,图像采集的过程中会产生大量的噪声,因此,首先对采集到的图像进行降噪处理,采用直通滤波与高斯滤波结合的组合降噪方式进行,通过直通滤波滤除距离柱钉辊焊件较远外的噪声,再通过高斯滤波滤除柱钉辊焊件表面的离群点;
其次,对于降噪过后的点云图像采用深度学习的方法进行分割提取陶瓷柱,这种算法稳定性好,首先,对滤波后的点云文件利用CloudCompare软件(CloudCompare是一个三维点云(网格)编辑和处理软件)进行数据标注,框选陶瓷柱并打上标签;然后采用PointNet++模型(PointNet++首先通过距离度量将点云集合划分呈一些重叠的局部区域,然后从邻域内提取局部特征,然后从这些局部特征中提取处更高层的特征。这一过程会不断重复直到得到整个点云集合的全局特征)对其进行训练分割。
在pointnet++模型的基础上设计了一套适用于陶瓷柱分割的数据增强手段,具体为:首先通过随机旋转和随机抖动扩充数据样本,接着利用点云重采样和标签平滑的方式提升模型分割精度,此外,考虑到陶瓷柱2为凸起于基板1表面呈阶梯状,具有显著的高度特征,因此进一步采用Heightappending的数据增强手段。然后,通过计算点云中每个点的z轴坐标与点云最低点z轴坐标的差值进行拼接作为新的一列特征,这样的作法旨在让深度学习感受数据的高度尺寸,使得模型能学习到不同点集的特征差异,为路径规划打下基础。
最后,堆焊路径通过两次辅助投影至柱钉辊圆柱中心轴线上完成陶瓷柱质心的行列顺序,同一列上相邻两个陶瓷柱的上下边缘分别为分段焊接路径的终点与起点,依次按序连接各小段焊接路径最终形成自动焊接轨迹。
由于陶瓷柱密度均匀且形状对称分布,因此其质心位于几何中心处,每个质心代表一个陶瓷柱。将陶瓷柱质心投影至柱钉辊圆柱中心轴线上,则位于同一列的质心会聚集成一簇,如图2所示,对中心轴线上的投影进行聚类,类别总数即为列数,比较各类中质心投影的坐标即可获得列排序;将陶瓷柱质心投影至垂直于柱钉辊圆柱中心轴线的平面上,则位于同一行的质心会聚集成一簇,如图3所示,对投影进行聚类,类别总数即为行数,对聚类好的结果进行排序,亦可获得行排序;各列按排好序的行便可进行分段路径的规划。
在传统点云算法库PCL中,对于柱钉辊这类外观呈圆柱状的物体拟合方式有利用Sample_consensus模块提供的SACMODEL_CYLINGER模型进行圆柱体拟合,可以得到圆柱体轴线上一点、轴线方向向量及圆柱体半径。受限于相机视场,每次拟合均是对三维重建后的残缺圆柱体进行。当相机视场内的残缺圆柱体曲率较大时可以获得较好的拟合效果如图4(b)所示。但若残缺圆柱体曲率较小则会造成较大的误差,如图4(a)所示。较大的误差会使得不同行或列的质心投影聚集到一处,从而无法准确划分行和列,最终影响堆焊路径的规划。
为了使计算柱钉辊圆柱中心轴线不受残缺圆柱曲率的影响,提高算法的稳定性。提出了一种拟合柱钉辊圆柱中心轴线的方法:
首先,同一行上相邻两点质心坐标间隔为ΔY为36mm,因此对质心坐标以Y值为依据,5为阈值进行聚类,完成对陶瓷柱的粗分列;
接下来,对每一列上各点拟合空间三维圆,先利用最小二乘法拟合每列所在的平面,计算出该平面的法向量,假设所有点均在空间圆上,则任意两点连线的中心轴线必过圆心。假设圆心坐标为C,任取两点为P1、P2,记P1和P2连线的向量vector1,圆心与P1、P2连线的中点坐标所构成的向量为vector2,则满足平面方程vector1·vector2=0,由于每列上点的数量大于3,因此通过该约束条件所构建的方程为超定方程(超定方程组是指方程个数大于未知量个数的方程组。对于方程组Ra=y,R为n×m矩阵,如果R列满秩,且n>m。则方程组没有精确解,此时称方程组为超定方程组),并且由于圆心位于最小二乘法所拟合出来的平面上,因此圆心也需要满足上述平面方程,最终在平面方程的约束下求解vector1·vector2的最小值;通过条件极值(条件极值是在某附加条件下的极值。条件极大值点与条件极小值点统称为条件极值点。条件极大值点与条件极小值点的函数值即为函数f(x)在限制条件gj(x)下的条件极值)求解方法便可求解出圆心坐标;根据圆心坐标到圆上各点的距离均值计算出半径。
如图5(a)所示,对各列分别拟合空间三维圆;如图5(b)所示,利用拟合出来的圆的半径与实际半径进行比较,对于误差较大的圆进行剔除;如图5(c)所示,将剩余圆心进行拟合直线,所得直线便是柱钉辊圆柱的中心轴线。
采用投影排序,由于焊接时按列进行,因此对排好序的每列依次遍历该列中的点,将列中的点按Y坐标的大小进行排序,相邻两点便是该列某一小分段路径的起点和终点。
但是考虑到位于该列上方或下方的噪声点在进行投影时也会与该列的点在投影直线上聚集成一簇,因此还需将每次取出的相邻陶瓷柱2上两点与之前辅助面投影上的各个质心簇进行取交操作,同时存在于列投影簇和行投影簇中的点为实际的焊接特征点。
由于起点和终点是以陶瓷柱质心描述的,而实际的焊接起点与终点应位于陶瓷柱边缘,对陶瓷柱质心坐标进行偏移,通过计算相邻两质心点的方向向量,沿此方向进行偏移便可获得实际的焊接点;
同时,陶瓷柱2存在高度,焊枪每次沿路径进行焊接时需要沿垂直于陶瓷柱2方向进入,焊接完每一小段后沿垂直方向离开,因此,还需要计算陶瓷柱2的垂直方向,将陶瓷柱质心和柱钉辊圆柱中心轴线上一点均投影至投影平面上,计算两个投影点的方向向量即为陶瓷柱2的垂直方向,将实际焊接点沿该方向向量进行偏移为每次焊枪进入和离开的路径,连接各个焊接分段路径,最终形成完成的规划路径,如图6所示。
完成路径规划后,对路径规划进行精度验证,进行如下实验:
首先,各分段路径起点与终点坐标由陶瓷柱质心偏移后获得,根据路径两端的坐标可以计算规划所得各分段路径的长度,如图7中实线所示的规划路径长度;
其次,通过手动示教获得各分段路径焊点坐标,计算出示教模式下分段焊接路径长度,如图7中虚线所示的示教路径长度;
然后,陶瓷柱质心偏移后获得规划路径长度与手动示教获得示教路径长度对比,图7中,纵坐标表示分段焊接路径长度,横坐标表示分段路径编号共106段,可以看出两者最大误差为0.98mm,最小误差为0.49mm,平均误差为0.746mm。再加上相机本身精度为±0.5mm,考虑到相机拍摄误差,规划所得的焊接路径与实际路径之间的误差若在误差精度范围内,则为合格,对实现焊接自动化、提高生产效率具有一定意义;若不在误差精度范围内,则为不合格。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:包括如下步骤:
步骤1:图像采集:利用深度相机采集柱钉辊焊件图像,并用点云数据进行表征;
步骤2:焊件特征提取,对步骤1采集到的柱钉辊焊件进行分割提取陶瓷柱;
步骤2.1:对采集到的图像进行降噪处理,采用直通滤波与高斯滤波结合的组合降噪方式进行,具体为:通过直通滤波滤除距离柱钉辊焊件较远外的噪声,再通过高斯滤波滤除柱钉辊焊件表面的离群点;
步骤2.2:对于降噪过后的点云图像采用深度学习的方法进行分割提取陶瓷柱;
步骤3:堆焊路径规划,具体为:堆焊路径通过两次辅助投影至柱钉辊圆柱中心轴线上完成陶瓷柱质心的行列顺序,同一列上相邻两个陶瓷柱的上下边缘分别为分段焊接路径的终点与起点,依次按序连接各小段焊接路径最终形成自动焊接轨迹;
步骤3.1:将陶瓷柱质心投影至柱钉辊圆柱中心轴线上,则位于同一列的质心会聚集成一簇,对中心轴线上的投影进行聚类,类别总数即为列数,比较各类中质心投影的坐标即可获得列排序;
步骤3.2:将陶瓷柱质心投影至垂直于柱钉辊圆柱中心轴线的平面上,则位于同一行的质心会聚集成一簇,对投影进行聚类,类别总数即为行数,对聚类好的结果进行排序,亦可获得行排序;
步骤3.3:各列按排好序的行便可进行分段路径的规划。
2.根据权利要求1所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤3中拟合柱钉辊圆柱中心轴线的方法,具体包括如下步骤:
步骤3.1.1:同一行上相邻两点质心坐标间隔为ΔY,对质心坐标以Y值为依据,与阈值进行聚类,完成对陶瓷柱的粗分列;
步骤3.1.2:对每一列上各点拟合空间三维圆;
步骤3.1.3:对各列分别拟合空间三维圆;
步骤3.1.4:利用步骤3.1.3拟合出来的圆的半径与实际半径进行比较,对于误差较大的圆进行剔除,将剩余圆心进行拟合直线,所得直线便是柱钉辊圆柱的中心轴线。
3.根据权利要求1所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤2.2具体包括如下步骤;
步骤2.2.1:对滤波后的点云文件利用CloudCompare软件进行数据标注,框选陶瓷柱并打上标签;
步骤2.2.2:采用PointNet++模型对其进行训练分割,具体为:在pointnet++模型的基础上设计了一套适用于陶瓷柱分割的训练策略以及数据增强手段,通过计算点云中每个点的z轴坐标与点云最低点z轴坐标的差值进行拼接作为新的一列特征。
4.根据权利要求2所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤3.1.2具体包括如下步骤:
步骤3.1.2.1:利用最小二乘法拟合每列所在的平面,计算出该平面的法向量,具体为:假设圆心坐标为C,任取两点为P1、P2,记P1和P2连线的向量vector1,圆心与P1、P2连线的中点坐标所构成的向量为vector2,则满足平面方程vector1·vector2=0,求解vector1·vector2的最小值;
步骤3.1.2.2:通过条件极值求解方法便可求解出圆心坐标;
步骤3.1.2.3:根据步骤3.1.2.2求出的圆心坐标到圆上各点的距离均值计算出半径。
5.根据权利要求1所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤3中对通过两次辅助投影对分割后的陶瓷柱的行列顺序进行排序,具体为:采用投影排序,焊接时按列进行,对排好序的每列依次遍历该列中的点,将列中的点按Y坐标的大小进行排序,相邻两点便是该列某一小分段路径的起点和终点。
6.根据权利要求1所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:还包括步骤3.4:将每次取出的相邻陶瓷柱上两点与之前辅助面投影上的各个质心簇进行取交操作,同时存在于列投影簇和行投影簇中的点为实际的焊接特征点。
7.根据权利要求6所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤3.4具体包括如下步骤:
步骤3.4.1:对陶瓷柱质心坐标进行偏移,具体为:通过计算相邻两质心点的方向向量,沿此方向进行偏移便可获得实际的焊接点;
步骤3.4.2:计算陶瓷柱的垂直方向,具体为:将陶瓷柱质心和柱钉辊圆柱中心轴线上一点均投影至投影平面上,计算两个投影点的方向向量即为陶瓷柱的垂直方向,将实际焊接点沿该方向向量进行偏移为每次焊枪进入和离开的路径,连接各个焊接分段路径,最终形成完成的规划路径。
8.根据权利要求1所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:还包括步骤4:验证路径规划方法是否满足焊接精度要求。
9.根据权利要求8所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤4包括如下步骤:
步骤4.1:各分段路径起点与终点坐标由陶瓷柱质心偏移后获得,根据路径两端的坐标可以计算规划所得各分段路径的长度;
步骤4.2:通过手动示教获得各分段路径焊点坐标,计算出示教模式下分段焊接路径长度;
步骤4.3:将步骤4.1得到的陶瓷柱质心偏移后获得规划路径与步骤4.2得到的手动示教获得示教路径对比,若在误差精度范围内,则为合格,若不在误差精度范围内,则为不合格。
10.根据权利要求1所述的一种基于点云的机器人柱钉辊堆焊路径规划方法,其特征在于:所述的步骤1:图像采集,具体为:深度相机安装在机械臂的末端,为提升图像采集的精度需对相机和机械臂进行手眼标定;由于柱钉辊焊件尺寸远大于相机视场,单次拍摄所采集到的图像为柱钉辊焊件的局部区域,还需将多次拍摄采集到的柱钉辊焊件不同区域的图像进行拼接,完成柱钉辊焊件表面的三维重建,重建完成的柱钉辊焊件表面即为待加工的焊接面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310584989.4A CN116765569A (zh) | 2023-05-23 | 2023-05-23 | 一种基于点云的机器人柱钉辊堆焊路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310584989.4A CN116765569A (zh) | 2023-05-23 | 2023-05-23 | 一种基于点云的机器人柱钉辊堆焊路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116765569A true CN116765569A (zh) | 2023-09-19 |
Family
ID=88009050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310584989.4A Pending CN116765569A (zh) | 2023-05-23 | 2023-05-23 | 一种基于点云的机器人柱钉辊堆焊路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116765569A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117047237A (zh) * | 2023-10-11 | 2023-11-14 | 太原科技大学 | 一种异形件智能柔性焊接系统与方法 |
-
2023
- 2023-05-23 CN CN202310584989.4A patent/CN116765569A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117047237A (zh) * | 2023-10-11 | 2023-11-14 | 太原科技大学 | 一种异形件智能柔性焊接系统与方法 |
CN117047237B (zh) * | 2023-10-11 | 2024-01-19 | 太原科技大学 | 一种异形件智能柔性焊接系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110227876A (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
CN112518072B (zh) | 一种基于线结构光视觉的空间相贯曲线焊缝结构建模方法 | |
CN108127217B (zh) | 螺旋板式换热器端面焊缝自动引导焊接的焊接装置和方法 | |
CN114571153B (zh) | 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法 | |
CN116765569A (zh) | 一种基于点云的机器人柱钉辊堆焊路径规划方法 | |
CN114720475A (zh) | 一种汽车车身漆面缺陷智能检测与打磨系统及方法 | |
CN113146620A (zh) | 基于双目视觉的双臂协作机器人系统和控制方法 | |
KR20230160276A (ko) | 오토노머스 웰딩 로봇 | |
CN112288707A (zh) | 一种基于特征点识别的机器人焊缝打磨算法 | |
CN114905507A (zh) | 一种基于环境视觉分析的焊接机器人精度控制方法 | |
CN116213884B (zh) | 管-法兰微分阵列式划分及自适应焊接路径规划方法 | |
CN115018813A (zh) | 一种机器人自主识别与精确定位焊缝的方法 | |
Geng et al. | A method of welding path planning of steel mesh based on point cloud for welding robot | |
Xiao et al. | An automatic calibration algorithm for laser vision sensor in robotic autonomous welding system | |
CN115965960A (zh) | 一种基于深度学习与3d点云的焊缝识别方法 | |
CN114434036A (zh) | 用于大型船舶结构件龙门式机器人焊接的三维视觉系统及运行方法 | |
US6597967B2 (en) | System and method for planning a tool path along a contoured surface | |
CN117047237B (zh) | 一种异形件智能柔性焊接系统与方法 | |
CN116542914A (zh) | 基于3d点云的焊缝提取与拟合方法 | |
CN115808425B (zh) | 在混凝土构件回弹检测过程中的缺陷识别和应对方法 | |
CN117444441A (zh) | 一种搭接焊缝智能焊接方法 | |
CN110370276A (zh) | 基于三维模型Morse分解的工业机器人加工轨迹自动规划方法 | |
CN113681133B (zh) | 一种带视觉的冗余自由度机器人智能焊接方法 | |
JP2000075914A (ja) | 産業用ロボットの作業経路作成方法および装置 | |
CN115722835A (zh) | 一种基于plc智能控制的智能焊接方法 |
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 |