CN117226855B - 一种基于三维点云的焊缝打磨轨迹规划方法 - Google Patents
一种基于三维点云的焊缝打磨轨迹规划方法 Download PDFInfo
- Publication number
- CN117226855B CN117226855B CN202311514552.XA CN202311514552A CN117226855B CN 117226855 B CN117226855 B CN 117226855B CN 202311514552 A CN202311514552 A CN 202311514552A CN 117226855 B CN117226855 B CN 117226855B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- points
- sets
- weld
- 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
- 238000005498 polishing Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003466 welding Methods 0.000 claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 11
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Numerical Control (AREA)
Abstract
本发明提供一种基于三维点云的焊缝打磨轨迹规划方法，属于焊缝图像处理技术领域，包括：步骤S1、获取焊缝的三维原始点云数据Csrc；步骤S2、对Csrc进行分类，将Csrc减去点数量最多的集合Smax1得到点云数据Sf1，对其进行处理得到焊缝点云数据Tmax，以及完整的工件基准面点云Tbase；步骤S3、沿着焊缝的长度方向，将Sf1等间隔分割成多个点云集合P1‑Pm，剔除这些点云集合中的异常点云集合后分别计算各剩余的点云集合的点云质心Pz1‑Pzm'，并得到新的点云质心P'z1‑P'zm'，以及焊缝的轨迹坐标，进而得到打磨轨迹；步骤S4、获取机器人的打磨姿态。本发明适用于各种类型产品，轨迹提取的准确度更高。
Description
技术领域
本发明属于焊缝图像处理技术领域，特别涉及一种基于三维点云的焊缝打磨轨迹规划方法。
背景技术
传统的焊缝打磨基本上是采用人工打磨的方式，人工手持打磨工具对焊缝进行打磨，这种打磨方式存在打磨效率低、劳动强度大、打磨的一致性不好的缺陷，而且打磨的噪声和粉尘会对工人产生不良影响。因此，近几年来，越来越多的企业为了提升打磨效果和效率、减少人工作业，开始对如何实现焊缝自动化打磨展开深入研究，比如设计一套打磨装置对某样产品进行批量打磨，比如采用打磨机器人进行示教打磨等等。但现有的自动化方案往往只是针对某一单一产品，或较为简单的焊缝，且对产品的装夹位置偏差要求较为严格，而当更换不同类型产品后，往往需要重新修改打磨装置或重新示教打磨轨迹，且，对非直线的焊缝提取效果不佳，甚至无法提取，这使得现有的自动化方案无法灵活适应不同的焊缝，使用场景非常受限。
发明内容
本发明提出一种基于三维点云的焊缝打磨轨迹规划方法,适用于各种类型产品，也适用于直线焊缝和非直线焊缝，对焊缝的基准面要求也较低，轨迹提取的准确度更高。
本发明通过以下技术方案实现：
一种基于三维点云的焊缝打磨轨迹规划方法，包括如下步骤：
步骤S1、获取焊缝的三维原始点云数据Csrc；
步骤S2、对三维原始点云数据Csrc进行分类，得到多个点集合，将三维原始点云数据Csrc减去点数量最多的集合Smax1得到点云数据Sf1，并利用区域生长算法对点云数据Sf1进行处理得到完整的焊缝点云数据Tmax，将三维原始点云数据Csrc减去焊缝点云数据Tmax即得到完整的工件基准面点云Tbase，其中，分类标准为两相邻点的法线之间的夹角小于角度设定值，且两相邻点之间的距离小于距离设定值；
步骤S3、沿着焊缝的长度方向，将点云数据Sf1等间隔分割成多个点云集合P1-Pm，剔除这些点云集合中的异常点云集合后分别计算各剩余的点云集合的点云质心Pz1-Pzm'，并采用KDTree算法根据点云质心Pz1-Pzm'得到新的点云质心P'z1-P'zm'，再将点云质心中P'z1-P'zm'的异常点剔除后得到焊缝的轨迹坐标，将焊缝的轨迹坐标拟合得到打磨轨迹；
步骤S4、根据打磨轨迹获取和机器人的本体设计信息，获取旋转欧拉角，并根据打磨轨迹和欧拉角获取机器人的打磨姿态。
进一步的，所述步骤S1中，采用3D线扫相机对焊缝进行扫描，得到所述焊缝的三维原始点云数据Csrc。
进一步的，所述步骤S2中的点云分类具体包括：采用NormalEstimation算法对三维原始点云数据Csrc进行点云法线估计，计算出每个点云的法线；以三维原始点云数据Csrc中的第一个点作为起点，若该起点与其相邻点的法线之间的夹角小于角度设定值，且该两点之间的距离小于距离设定值，则将该相邻点与起点作为同一类点，放入点集合S1；对于剩余的点，均按照上述分类标准进行分类，直至所有点均已分类，得到多个点集合S1,S2,…,Sn。
进一步的，所述步骤S2中，利用区域生长算法对点云数据Sf1进行处理，生成多个区域的点云集合T1,T2,…,TL，从这些点云集合中提取点数最多的点云集合，即为焊缝点云数据Tmax。
进一步的，所述步骤S3中，当点云集合Pi的点数量小于设定值时，判断该点云集合为异常点云集合，其中，1≤i≤m。
进一步的，所述步骤S3中，得到新的点云质心P'z1-P'zm'具体为：采用KDTree算法，以点云质心Pzj为搜索点，以工件基准面点云Tbase作为输入点云，计算工件基准面点云Tbase与Pzj距离最近的k个点，并计算这k个点的平均高度Zavg，将点云质心Pzj的z坐标用Zavg代替，得到新的点云质心P'zj，其中，1≤j≤m'，k为整数。
进一步的，所述步骤S3中，点云质心中P'z1-P'zm'的异常点判断过程为：分别计算点P'z2-P'zm'-1之间每两个点的平均距离Davg，分别计算点P'z2-P'zm'-1中各点与前一个点的距离D1、与后一个点的距离D2，当点P'zi'的D1和D2的值同时大于Davg时，判定点P'zi'为异常点，其中，2≤i'≤m'-1。
进一步的，所述步骤S3中，采用三次B样条曲线拟合算法将焊缝的轨迹坐标拟合以得到打磨轨迹。
进一步的，所述步骤S4具体为：对于打磨轨迹中的各点，以当前点到下一点的方向作为X方向，X方向向量表示为（Nx，Ny，Nz），垂直于工件基准面向上作为Z方向，Z方向的向量表示为（Ox，Oy，Oz），然后根据右手法则确定Y方向，Y方向的向量表示为（Yx，Yy，Yz），根据XYZ方向的向量得到旋转矩阵，根据旋转矩阵和机器人的本体设计信息，获取旋转欧拉角，将打磨轨迹的XYZ坐标与旋转欧拉角进行一一对应，即为打磨姿态。
本发明具有如下有益效果：
1、本发明首先通过对三维原始点云数据进行分类后减去点数量最多的集合得到点云数据Sf1，并利用区域生长算法对点云数据Sf1处理得到完整的焊缝点云数据，其次沿着焊缝的长度方向，将点云数据Sf1等间隔分割成多个点云集合，并采用KDTree算法确定这些点云集合新的点云质心，进而得到打磨轨迹，进而确定打磨姿态，相对于现有技术中的焊缝提取算法只支持直线焊缝，对非直线的焊缝提取效果不佳甚至无法提取的缺陷，本发明不仅能够支持直线焊缝提取，也支持非直线焊缝提取，还适用于不同类型的产品，适用性更广，且本发明对焊缝的基准面的要求也较低，同时支持基准面为平面、曲面的焊缝提取，提取算法的准确度更高。
附图说明
下面结合附图对本发明做进一步详细说明。
图1为本发明的流程图。
图2为本发明需要打磨的工件。
图3为图2中工件的原始点云图片。
图4为图2中工件的打磨轨迹图片。
具体实施方式
如图1所示，基于三维点云的焊缝打磨轨迹规划方法，包括如下步骤：
步骤S1、获取焊缝的三维原始点云数据Csrc，具体为：采用六关节打磨机器人末端夹持3D线扫相机，对如图2所示的焊缝进行扫描，得到如图3所示的原始点云图片；
步骤S2、对三维原始点云数据Csrc进行分类，得到多个点集合，将三维原始点云数据Csrc减去点数量最多的集合Smax1得到点云数据Sf1，并利用区域生长算法对点云数据Sf1进行处理得到完整的焊缝点云数据Tmax，将三维原始点云数据Csrc减去焊缝点云数据Tmax即得到完整的工件基准面点云Tbase，其中，分类标准为两相邻点的法线之间的夹角小于角度设定值，且两相邻点之间的距离小于距离设定值；
更具体地，对三维原始点云数据Csrc进行分类后得到多个点集合S1,S2,…,Sn，分别判断各点集合内的点数量，并取出点数最多的集合Smax1，该集合Smax1即为工件的参考基准面点云，但该参考基准面点云可能存在孔洞、边缘点云缺失的情况，需做进一步处理；将三维原始点云数据Csrc减去该点数量最多的集合Smax1得到点云数据Sf1，该点云数据Sf1包含的数据有焊缝点云数据、噪点和参考基准面表面上的焊渣点云；利用区域生长算法对点云数据Sf1进行处理得到完整的焊缝点云数据Tmax，将三维原始点云数据Csrc减去焊缝点云数据Tmax即得到完整的工件基准面点云Tbase，其中，分类标准为两相邻点的法线之间的夹角小于角度设定值，且两相邻点之间的距离小于距离设定值；
其中，点云分类具体包括：
采用PCL开源库的NormalEstimation算法对三维原始点云数据Csrc进行点云法线估计，计算出每个点云的法线；以三维原始点云数据Csrc中的第一个点作为起点，若该起点与其相邻点的法线之间的夹角小于角度设定值，且该起点与其相邻点之间的距离小于距离设定值，则将该相邻点与起点作为同一类点，放入点集合S1；再以点集合Sn中的第一个点作为起点，判断该起点与其相邻点的发现之间的夹角是否小于角度设定值，且该起点与其相邻点之间的距离是否小于距离设定值，若是，则将该相邻点与起点作为同一类点，放入集合S2中；对于剩余的点，均按照上述分类标准进行分类，直至所有点均已分类，得到多个点集合S1,S2,…,Sn。其中，角度设定值和距离设定值均按照经验设定。n为整数。
利用区域生长算法对点云数据Sf1进行处理后，生成多个区域的点云集合T1,T2,…,TL，从这些点云集合中提取点数最多的点云集合，即为完整的焊缝点云数据Tmax，其中，L为整数。
步骤S3、沿着焊缝的长度方向，将点云数据Sf1等间隔分割成多个点云集合P1-Pm，剔除这些点云集合中的异常点云集合后分别计算各剩余的点云集合的点云质心Pz1-Pzm'，并采用KDTree算法根据点云质心Pz1-Pzm'得到新的点云质心P'z1-P'zm'，再将点云质心中P'z1-P'zm'的异常点剔除后得到焊缝的轨迹坐标，将焊缝的轨迹坐标拟合得到打磨轨迹；
更具体的，剔除点云集合P1-Pm中的异常点云集合后,剩余的点云集合为记为P1-Pm',分别计算各剩余的点云集合P1-Pm'的点云质心Pz1-Pzm'，并采用PCL开源库的KDTree算法根据点云质心Pz1-Pzm'得到新的点云质心P'z1-P'zm'，再将点云质心中P'z1-P'zm'的异常点剔除后得到焊缝的轨迹坐标，采用三次B样条曲线拟合算法将焊缝的轨迹坐标拟合得到打磨轨迹，如图4所示；m、m'均为整数，m'≤m；
其中，异常点云集合的判断标准为：当点云集合Pi的点数量小于设定值时，判断该点云集合为异常点云集合，其中，1≤i≤m，设定值依据经验设定；
得到新的点云质心P'z1-P'zm'具体过程为：采用PCL开源库的KDTree算法，以点云质心Pzj为搜索点，以工件基准面点云Tbase作为输入点云，计算工件基准面点云Tbase与Pzj距离最近的k个点，并计算这k个点的平均高度Zavg，将点云质心Pzj的z坐标用Zavg代替，得到新的点云质心P'zj，其中，1≤j≤m'，k为整数，在本实施例中，k取值为30。
点云质心中P'z1-P'zm'的异常点判断过程为：分别计算点P'z2-P'zm'-1之间每两个点的平均距离Davg，分别计算点P'z2-P'zm'-1中各点与其前一个点的距离D1、与其后一个点的距离D2，当点P'zi'的D1和D2的值同时大于Davg时，判定点P'zi'为异常点，其中，2≤i'≤m'-1。
步骤S4、根据打磨轨迹获取和机器人的本体设计信息，获取旋转欧拉角，并根据打磨轨迹和欧拉角获取机器人的打磨姿态；
具体为：对于打磨轨迹中的各点，以当前点到下一点的方向作为X方向，X方向向量表示为（Nx，Ny，Nz），（Nx，Ny，Nz）的具体数值由下一点坐标减去当前点坐标得到；垂直于工件基准面向上作为Z方向，Z方向的向量表示为（Ox，Oy，Oz），本实施例中，（Ox，Oy，Oz）取值为（0,0,1）；然后根据右手法则确定Y方向，Y方向的向量表示为（Yx，Yy，Yz），（Yx，Yy，Yz）的值可根据（Nx，Ny，Nz）和（Ox，Oy，Oz）的值确定；对XYZ方向的向量进行单位化处理，最终得到得到旋转矩阵；根据打磨机器人的本体设计信息，确定机器人笛卡尔坐标系的XYZ三轴旋转顺序，如本实施例中采用的ZYX旋转顺序，则根据欧拉角旋转公式得到的3x3矩阵和NOA的数据一一对应，分别计算ZYX轴的旋转欧拉角ABC，再将打磨轨迹的XYZ坐标与旋转欧拉角进行一一对应，即为打磨姿态，通过机器人通信接口发送给机器人，机器人根据生成的数据完成打磨作业。
以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，即依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。
Claims (9)
1.一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：包括如下步骤：
步骤S1、获取焊缝的三维原始点云数据Csrc；
步骤S2、对三维原始点云数据Csrc进行分类，得到多个点集合，将三维原始点云数据Csrc减去点数量最多的集合Smax1得到点云数据Sf1，并利用区域生长算法对点云数据Sf1进行处理得到完整的焊缝点云数据Tmax，将三维原始点云数据Csrc减去焊缝点云数据Tmax即得到完整的工件基准面点云Tbase，其中，分类标准为两相邻点的法线之间的夹角小于角度设定值，且两相邻点之间的距离小于距离设定值；
步骤S3、沿着焊缝的长度方向，将点云数据Sf1等间隔分割成多个点云集合P1-Pm，剔除这些点云集合中的异常点云集合后分别计算各剩余的点云集合的点云质心Pz1-Pzm'，并采用KDTree算法根据点云质心Pz1-Pzm'得到新的点云质心P'z1-P'zm'，再将点云质心中P'z1-P'zm'的异常点剔除后得到焊缝的轨迹坐标，将焊缝的轨迹坐标拟合得到打磨轨迹；
步骤S4、根据打磨轨迹获取和机器人的本体设计信息，获取旋转欧拉角，并根据打磨轨迹和欧拉角获取机器人的打磨姿态。
2.根据权利要求1所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S1中，采用3D线扫相机对焊缝进行扫描，得到所述焊缝的三维原始点云数据Csrc。
3.根据权利要求1所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S2中的点云分类具体包括：采用NormalEstimation算法对三维原始点云数据Csrc进行点云法线估计，计算出每个点云的法线；以三维原始点云数据Csrc中的第一个点作为起点，若该起点与其相邻点的法线之间的夹角小于角度设定值，且该两点之间的距离小于距离设定值，则将该相邻点与起点作为同一类点，放入点集合S1；对于剩余的点，均按照上述分类标准进行分类，直至所有点均已分类，得到多个点集合S1,S2,…,Sn。
4.根据权利要求1或2或3所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S2中，利用区域生长算法对点云数据Sf1进行处理，生成多个区域的点云集合T1,T2,…,TL，从这些点云集合中提取点数最多的点云集合，即为焊缝点云数据Tmax。
5.根据权利要求1或2或3所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S3中，当点云集合Pi的点数量小于设定值时，判断该点云集合为异常点云集合，其中，m表示将点云数据Sf1等间隔分割成的点云集合数量，1≤i≤m。
6.根据权利要求1或2或3所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S3中，得到新的点云质心P'z1-P'zm'具体为：采用KDTree算法，以点云质心Pzj为搜索点，以工件基准面点云Tbase作为输入点云，计算工件基准面点云Tbase与Pzj距离最近的k个点，并计算这k个点的平均高度Zavg，将点云质心Pzj的z坐标用Zavg代替，得到新的点云质心P'zj，其中，m'表示m个点云集合中的异常点云集合被剔除后剩余的点云集合数量，1≤j≤m'，k为整数。
7.根据权利要求1或2或3所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S3中，点云质心中P'z1-P'zm'的异常点判断过程为：分别计算点P'z2-P'zm'-1之间每两个点的平均距离Davg，分别计算点P'z2-P'zm'-1中各点与前一个点的距离D1、与后一个点的距离D2，当点P'zi'的D1和D2的值同时大于Davg时，判定点P'zi'为异常点，其中，m'表示m个点云集合中的异常点云集合被剔除后剩余的点云集合数量，2≤i'≤m'-1。
8.根据权利要求1或2或3所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S3中，采用三次B样条曲线拟合算法将焊缝的轨迹坐标拟合以得到打磨轨迹。
9.根据权利要求1或2或3所述的一种基于三维点云的焊缝打磨轨迹规划方法，其特征在于：所述步骤S4具体为：对于打磨轨迹中的各点，以当前点到下一点的方向作为X方向，X方向向量表示为（Nx，Ny，Nz），垂直于工件基准面向上作为Z方向，Z方向的向量表示为（Ox，Oy，Oz），然后根据右手法则确定Y方向，Y方向的向量表示为（Yx，Yy，Yz），根据XYZ方向的向量得到旋转矩阵，根据旋转矩阵和机器人的本体设计信息，获取旋转欧拉角，将打磨轨迹的XYZ坐标与旋转欧拉角进行一一对应，即为打磨姿态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311514552.XA CN117226855B (zh) | 2023-11-15 | 2023-11-15 | 一种基于三维点云的焊缝打磨轨迹规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311514552.XA CN117226855B (zh) | 2023-11-15 | 2023-11-15 | 一种基于三维点云的焊缝打磨轨迹规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117226855A CN117226855A (zh) | 2023-12-15 |
| CN117226855B true CN117226855B (zh) | 2024-03-15 |
Family
ID=89093365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311514552.XA Active CN117226855B (zh) | 2023-11-15 | 2023-11-15 | 一种基于三维点云的焊缝打磨轨迹规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117226855B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117745719B (zh) * | 2024-02-19 | 2024-04-26 | 常熟理工学院 | 一种机器人焊缝铣削轨迹的提取方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013045141A (ja) * | 2011-08-22 | 2013-03-04 | Dainippon Screen Mfg Co Ltd | 画像処理装置、そのプログラムおよび画像処理方法 |
| CN112405123A (zh) * | 2020-11-19 | 2021-02-26 | 泉州华中科技大学智能制造研究院 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
| CN115358965A (zh) * | 2022-07-08 | 2022-11-18 | 广东工业大学 | 焊接变形量自适应的直线焊缝打磨轨迹生成方法及装置 |
| CN115564792A (zh) * | 2022-09-19 | 2023-01-03 | 南京南暄禾雅科技有限公司 | 基于八叉树区域生长的焊接路径提取方法 |
| CN115641418A (zh) * | 2022-10-07 | 2023-01-24 | 北京工业大学 | 一种基于点云信息的雷达罩分区域自适应修型方法 |
| CN116021391A (zh) * | 2022-04-21 | 2023-04-28 | 泉州华中科技大学智能制造研究院 | 一种基于视觉及力控的柔性打磨抛光设备及方法 |
| CN116542914A (zh) * | 2023-04-17 | 2023-08-04 | 福州大学 | 基于3d点云的焊缝提取与拟合方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11188752B2 (en) * | 2018-03-08 | 2021-11-30 | Regents Of The University Of Minnesota | Crop biometrics detection |
-
2023
- 2023-11-15 CN CN202311514552.XA patent/CN117226855B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013045141A (ja) * | 2011-08-22 | 2013-03-04 | Dainippon Screen Mfg Co Ltd | 画像処理装置、そのプログラムおよび画像処理方法 |
| CN112405123A (zh) * | 2020-11-19 | 2021-02-26 | 泉州华中科技大学智能制造研究院 | 基于聚类算法的鞋底打粗轨迹规划方法及装置 |
| CN116021391A (zh) * | 2022-04-21 | 2023-04-28 | 泉州华中科技大学智能制造研究院 | 一种基于视觉及力控的柔性打磨抛光设备及方法 |
| CN115358965A (zh) * | 2022-07-08 | 2022-11-18 | 广东工业大学 | 焊接变形量自适应的直线焊缝打磨轨迹生成方法及装置 |
| CN115564792A (zh) * | 2022-09-19 | 2023-01-03 | 南京南暄禾雅科技有限公司 | 基于八叉树区域生长的焊接路径提取方法 |
| CN115641418A (zh) * | 2022-10-07 | 2023-01-24 | 北京工业大学 | 一种基于点云信息的雷达罩分区域自适应修型方法 |
| CN116542914A (zh) * | 2023-04-17 | 2023-08-04 | 福州大学 | 基于3d点云的焊缝提取与拟合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于倾斜影像点云的建筑物提取算法研究;刘宇;李晓天;付伟锋;孟妮娜;;河南科学(09);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117226855A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117226855B (zh) | 一种基于三维点云的焊缝打磨轨迹规划方法 | |
| CN109397282B (zh) | 机械手臂加工方法、系统及计算机可读取纪录媒体 | |
| CN110065068B (zh) | 一种基于逆向工程的机器人装配作业演示编程方法及装置 | |
| CN1162681C (zh) | 三维物体识别方法及使用该方法的零件抓取系统 | |
| JP4004899B2 (ja) | 物品の位置姿勢検出装置及び物品取出し装置 | |
| CN114571153A (zh) | 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法 | |
| JP6222898B2 (ja) | ３次元計測装置及びロボット装置 | |
| CN111805051B (zh) | 切坡口方法、装置电子设备及系统 | |
| CN111192307A (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
| JP2012026974A (ja) | ３次元物体認識装置及び３次元物体認識方法 | |
| JP2010210576A (ja) | 形状認識装置 | |
| CN113554757A (zh) | 基于数字孪生的工件轨迹三维重构方法及系统 | |
| Geidenstam et al. | Learning of 2D grasping strategies from box-based 3D object approximations | |
| JP2020027439A (ja) | 情報処理装置、情報処理方法 | |
| CN111275758B (zh) | 混合型3d视觉定位方法、装置、计算机设备及存储介质 | |
| CN114022542A (zh) | 一种基于三维重建的3d数据库制作方法 | |
| CN115446487A (zh) | 工件坡口切割轨迹获取方法、装置、切割方法及切割装置 | |
| CN115358965A (zh) | 焊接变形量自适应的直线焊缝打磨轨迹生成方法及装置 | |
| CN117506931A (zh) | 一种基于机器视觉的坡口切割路径规划及校正设备与方法 | |
| JP2018146347A (ja) | 画像処理装置、画像処理方法、及びコンピュータプログラム | |
| JP2017116404A (ja) | 形状認識装置、及び形状認識方法 | |
| CN211915840U (zh) | 一种基于单目视觉的三维五轴激光切割机床 | |
| CN109807890B (zh) | 设备误差的校准方法及装置 | |
| JP5515177B2 (ja) | 形状認識装置 | |
| JP2017219359A (ja) | 形状測定装置、ロボット制御装置、及びロボット |
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 |