CN117681205B - 一种机械臂的感知与校准方法 - Google Patents

Abstract

本发明涉及智能设备控制调节技术领域，具体涉及一种机械臂的感知与校准方法。该方法包括：获取三维点云数据，确定焊接区域；根据待测点的反射强度数据和待测点与焊接区域的中心点的距离，确定飞溅影响系数；根据待测点与所有同温点的反射强度数据差异，确定反射影响系数；进而确定待测点的飞溅可能性；根据待测点和邻域点的飞溅可能性、邻域点至待测点的距离，确定数据贡献度；对待测点的数据贡献度进行修正，得到优选系数；确定目标点，根据目标点的分布对机械臂进行定位校准。本发明能够对机械臂进行精准定位感知，消除了飞溅效果和弱特征对定位控制调节的影响，提升的定位控制调节的准确性与可靠性，增强定位校准的鲁棒性。

Description

一种机械臂的感知与校准方法

技术领域

本发明涉及智能设备控制调节技术领域，具体涉及一种机械臂的感知与校准方法。

背景技术

机械臂的使用大大提高了制造业的发展情况，其针对重复的流水线工作机械臂存在良好的性能。在焊接和涂装工艺中，控制机械臂可以精确执行复杂的动作，提高生产效率和质量。机械臂在进行工作时需要感知周围的环境信息，根据环境信息对自身进行定位控制调节，才可以完成复杂精确的工作。

相关技术中，基于二维图像分析的方式对机械臂的运行进行定位控制调节，这种方式下，由于机械臂在应用于焊接控制时会产生飞溅效果，导致图像模糊，且由于焊接强光会导致焊接区域无法被准确识别，进而导致定位控制调节的准确性与可靠性不足，定位控制调节的鲁棒性较差。

发明内容

为了解决相关技术中由于飞溅效果导致图像模糊，且由于焊接强光会导致焊接区域无法被准确识别，导致定位控制调节的准确性与可靠性不足，定位控制调节的鲁棒性较差的技术问题，本发明提供一种机械臂的感知与校准方法，所采用的技术方案具体如下：

本发明提出了一种机械臂的感知与校准方法，方法包括：

获取不同角度下机械臂在焊接过程中的三维点云数据，其中，所述三维点云数据为三维点云空间中的数据点，每个数据点均具有对应的反射强度数据和温度数据，根据所有数据点的所述温度数据，确定所述三维点云空间中的焊接区域；

将所述三维点云空间中任一数据点作为待测点，确定与所述待测点的温度数据相同的数据点为同温点，根据所述待测点的反射强度数据数值和待测点与所述焊接区域的中心点的距离，确定所述待测点的飞溅影响系数；根据所述待测点与所有同温点的反射强度数据差异，确定所述待测点的反射影响系数；结合所述飞溅影响系数和所述反射影响系数，确定所述待测点的飞溅可能性；

在所述三维点云空间内，将以所述待测点为中心的预设邻域范围内的其他数据点作为邻域点，根据所述待测点的飞溅可能性、所述邻域点的飞溅可能性和邻域点至所述待测点的距离，确定所述待测点的数据贡献度；根据所有邻域点的数量和数据贡献度对待测点的数据贡献度进行修正，得到所述待测点的优选系数；

根据所有数据点的优选系数确定目标点，根据所有三维点云数据所对应目标点的分布对所述机械臂进行定位校准。

进一步地，所述根据所述待测点的反射强度数据数值和待测点与所述焊接区域的中心点的距离，确定所述待测点的飞溅影响系数，包括：

计算所述待测点的反射强度数据数值和待测点与所述焊接区域的中心点的距离的乘积的反比例归一化值，得到飞溅影响系数。

进一步地，所述根据所述待测点与所有同温点的反射强度数据差异，确定所述待测点的反射影响系数，包括：

计算所述待测点分别与每一同温点的反射强度数据所对应数值的差值绝对值作为反射差异；

计算所有反射差异的方差，负相关映射并归一化处理，得到反射影响权重；

将所有反射差异的均值与所述反射影响权重的乘积的归一化值作为所述待测点的反射影响系数。

进一步地，所述飞溅影响系数与所述待测点的飞溅可能性呈正相关关系，所述反射影响系数与所述待测点的飞溅可能性呈正相关关系，所述待测点的飞溅可能性的取值为归一化后的数值。

进一步地，所述根据所述待测点的飞溅可能性、所述邻域点的飞溅可能性和邻域点至所述待测点的距离，确定所述待测点的数据贡献度，包括：

计算所述待测点至所有所述邻域点的距离的方差的归一化值，得到邻域距离系数；

计算所述待测点与每一邻域点的飞溅可能性的差值绝对值作为飞溅差异；

根据所述邻域距离系数和所述飞溅差异，确定所述待测点的贡献权重；

将所述待测点的飞溅可能性反相关映射并归一化处理，得到初始贡献值；

将所述待测点的贡献权重与所述待测点的初始贡献值进行相乘并归一化，得到所述待测点的数据贡献度。

进一步地，所述根据所述邻域距离系数和所述飞溅差异，确定所述待测点的贡献权重，包括：

计算所有所述飞溅差异的均值，得到飞溅均值；

根据所述飞溅均值与所述邻域距离系数，确定所述待测点的贡献权重，其中，所述飞溅均值与所述待测点的贡献权重呈负相关关系，所述邻域距离系数与所述待测点的贡献权重呈负相关关系，所述待测点的贡献权重的取值为归一化后的数值。

进一步地，所述根据所有邻域点的数量和数据贡献度对待测点的数据贡献度进行修正，得到所述待测点的优选系数，包括：

将所有邻域点的数据贡献度的均值作为邻域贡献均值；

计算所述邻域贡献均值与所述邻域点的数量的乘积归一化值，得到优选修正系数；

将所述优选修正系数与所述待测点的数据贡献度的乘积的归一化值作为所述待测点的优选系数。

进一步地，所述根据所有数据点的优选系数确定目标点，包括：

将所述优选系数大于预设优选阈值的数据点作为目标点。

进一步地，所述根据所有三维点云数据所对应目标点的分布对所述机械臂进行定位校准，包括：

基于最近点数据配准算法，对不同角度下三维点云数据的目标点进行数据配准，得到所述机械臂的定位信息。

进一步地，所述根据所有数据点的所述温度数据，确定所述三维点云空间中的焊接区域，包括：

基于预设温度阈值对所述温度数据进行阈值分割，将所述温度数据大于预设温度阈值的数据点组成的区域作为焊接区域。

本发明具有如下有益效果：

本发明通过获取不同角度下机械臂在焊接过程中的三维点云数据，结合多角度三维点云数据进行分析，能够提升三维点云数据的准确性与可靠性。确定三维点云空间中的焊接区域；根据待测点的反射强度数据数值、待测点与焊接区域的中心点的距离、待测点与所有同温点的反射强度数据差异，确定待测点的飞溅可能性。飞溅可能性能够准确表征待测点受飞溅效果影响的概率，也即待测点为飞溅所产生异常点的可能性，从而便于后续根据飞溅可能性对机械臂焊接过程中的飞溅效果进行分析，提升定位控制调节的准确性。之后，在三维点云空间内，根据待测点的飞溅可能性、邻域点的飞溅可能性和邻域点至待测点的距离，确定待测点的数据贡献度，数据贡献度则能够有效表征待测点对于感知定位校准的贡献能力，可以结合数据贡献度和所有邻域点的数量对所有数据点进行筛选，确定目标点，目标点即为消除特征较弱的数据点和飞溅产生的异常点之后的强特征数据点，通过所有三维点云数据所对应目标点的分布，能够对机械臂进行精准定位感知，消除了飞溅效果和弱特征对定位控制调节的影响，提升的定位控制调节的准确性与可靠性，增强定位校准的鲁棒性。

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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种机械臂的感知与校准方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种机械臂的感知与校准方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

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发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种机械臂的感知与校准方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种机械臂的感知与校准方法流程图，该方法包括：

S101：获取不同角度下机械臂在焊接过程中的三维点云数据，其中，三维点云数据为三维点云空间中的数据点，每个数据点均具有对应的反射强度数据和温度数据，根据所有数据点的温度数据，确定三维点云空间中的焊接区域。

本发明的一种具体的实施场景为，通过机械臂控制执行焊接过程，该焊接过程可以具体例如为激光焊接，对此不做限制。可以理解的是，在机械臂执行焊接过程中，需要对机械臂进行精准定位，以实现自适应的焊接调整，机械臂实时定位的精度要求较高。相关技术中通过在机械臂周围设置激光雷达，通过获取机械臂的三维点云数据，从而对机械臂的焊接过程进行定位，这种方式下，由于机械臂在焊接过程中易产生飞溅现象，飞溅会导致采集到的三维点云数据中存在噪声，同时飞溅还会遮挡其飞溅获取的三维点云数据，影响机械臂定位的准确性。由此，本发明通过获取多角度的三维点云数据，而后，对多角度的三维点云数据进行分析，从而消除飞溅现象影响，并对多角度的三维点云数据进行匹配融合，提升定位的精确性，其具体过程参见后续实施例。

本发明实施例中，可以在机械臂的不同角度下设置多个激光雷达，每个激光雷达获取机械臂的三维点云数据，而后将每个激光雷达对应的三维点云数据在空间中进行表征，得到每个激光雷达所对应的三维点云空间，三维点云空间的数据点即为三维点云数据所对应的坐标点。

其中，反射强度数据，为激光雷达的反射强度，反射强度数据与获取的机械臂表面光滑情况、物体材质和距离检测物品的距离有关，同时，温度的变化会影响激光雷达的反射强度，由此，本发明还需要获取得到每个数据点的温度数据。

本发明实施例中，温度数据可以具体使用红外设备对机械臂进行红外图像获取，从而确定机械臂各区域的红外情况，并根据红外情况确定每个数据点的温度数据，或者，也可以使用温度传感器，对不同位置的温度数据进行获取，从而作为对应区域的数据点的温度数据，可以理解的是，温度数据和反射强度数据均为本领域所熟知的数据，其获取过程也为本领域的现有技术，对此不作进一步的限定与赘述。

进一步地，在本发明的一些实施例中，根据所有数据点的温度数据，确定三维点云空间中的焊接区域，包括：基于预设温度阈值对温度数据进行阈值分割，将温度数据大于预设温度阈值的数据点组成的区域作为焊接区域。

其中，预设温度阈值，为温度数据的门限值，可选地，预设温度阈值可以具体例如为200度，也即将温度大于200度的数据点组成的区域作为焊接区域，可以理解的是，焊接过程中的飞溅区域通常在焊接点的周围，也即距离焊接区域越近，飞溅现象更明显，由此，本发明圈定焊接区域，同时也便于对焊接点进行更为精确的定位。

S102：将三维点云空间中任一数据点作为待测点，确定与待测点的温度数据相同的数据点为同温点，根据待测点的反射强度数据数值和待测点与焊接区域的中心点的距离，确定待测点的飞溅影响系数；根据待测点与所有同温点的反射强度数据差异，确定待测点的反射影响系数；结合飞溅影响系数和反射影响系数，确定待测点的飞溅可能性。

本发明实施例中，可以分别对每一角度的三维点云数据进行分析，也即将三维点云空间中任一数据点作为待测点，确定与待测点的温度数据相同的数据点为同温点，在同一角度下的三维点云数据中，同温点即为与待测点具备相同温度属性的数据点，可以理解的是，由于机械臂本身的结构特征，正常机械臂部件，其同温点应聚集在一起，而对于飞溅效果产生的噪声点，其温度变化与正常机械臂部件的温度变化具有明显的差异，也即飞溅的异常点与其他正常同温点的分布较为离散。

可以理解的是，飞溅效果产生的噪声点，其本身分布比较混乱，同时其携带信息的能力比较差，也即对应的反射强度数值较小，由此，可以结合距离和反射强度对飞溅影响系数进行分析。

由此，进一步地，本发明实施例中，根据待测点的反射强度数据数值和待测点与焊接区域的中心点的距离，确定待测点的飞溅影响系数，包括：计算待测点的反射强度数据数值和待测点与焊接区域的中心点的距离的乘积的反比例归一化值，得到飞溅影响系数。

本发明实施例可以计算焊接区域所有数据点的坐标值的均值，得到中心坐标值，并将与中心坐标值相距最近的数据点作为焊接区域的中心点，或者，也可以分析焊接区域的重心点作为中心点，本发明实施例中，焊接区域中心点的获取过程为本领域所熟知的过程，对此不作进一步赘述与限定。

可以理解的是，焊接区域中心点按照正常的焊接效果，其应该为焊接点位，也即对应的为温度最高点，由此，本发明计算待测点至焊接区域的中心点的距离，该距离越大，对应的受飞溅影响越小。又由于飞溅效果产生的噪声点，其本身分布比较混乱，同时其携带信息的能力比较差，也即对应的反射强度数值较小，由此，本发明计算所述待测点的反射强度数据数值和待测点与所述焊接区域的中心点的距离的乘积的反比例归一化值，得到飞溅影响系数。也即飞溅影响系数越大，对应的待测点受飞溅效果影响程度越大。

其中，反比例归一化，即为负相关映射后并归一化，本发明实施例中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。本发明实施例中，可以计算待测点至焊接区域的中心点的距离的负数，并对该负数进行归一化处理，得到距离因子，或者，也可以在待测点不为焊接区域的中心点时，计算待测点至焊接区域的中心点的距离的倒数，并对该倒数进行归一化处理，得到距离因子，对此不做限制。

进一步地，在本发明的一些实施例中，根据待测点与所有同温点的反射强度数据差异，确定待测点的反射影响系数，包括：计算待测点分别与每一同温点的反射强度数据所对应数值的差值绝对值作为反射差异；计算所有反射差异的方差，负相关映射并归一化处理，得到反射影响权重；将所有反射差异的均值与反射影响权重的乘积的归一化值作为待测点的反射影响系数。

本发明实施例中，由于待测点与同温点表征相同温度下的数据点，而在实际的机械臂中，相同温度下的数据点其反射强度差异较小，也即呈现整体的平稳分布趋势，由此，本发明可以计算待测点分别与每一同温点的反射强度数据所对应数值的差值绝对值作为反射差异，在反射差异的方差越大时，表示对应温度下所有同温点的数据分布离散程度越大，则对应的可靠性越小，因此，本发明对方差进行负相关映射并归一化处理，得到反射影响权重。

可以理解的是，由于所有反射差异的均值越大，表征待测点与所有同温点的分布越异常，而反射影响权重越大，则表示对应的反射差异越符合实际的点云分析情况，由此，本发明计算所有反射差异的均值与反射影响权重的乘积的归一化值作为待测点的反射影响系数，反射影响系数越大，表示对应待测点的分布越异常，越符合飞溅效果所产生的异常点的特征。

综上，本发明结合飞溅影响系数和反射影响系数，确定待测点的飞溅可能性，由于飞溅影响系数越大，对应的待测点受飞溅效果影响程度越大，且反射影响系数越大，表示对应待测点的分布越异常，越符合飞溅效果所产生的异常点的特征，由此，本发明实施例中，飞溅影响系数与待测点的飞溅可能性呈正相关关系，反射影响系数与待测点的飞溅可能性呈正相关关系，待测点的飞溅可能性的取值为归一化后的数值。

举例而言，本发明可以计算飞溅影响系数和反射影响系数的乘积，并使用最大最小值归一化得到待测点的飞溅可能性，或者，也可以计算飞溅影响系数和反射影响系数的和值并归一化得到待测点的飞溅可能性，对此不做限制。

S103：在三维点云空间内，将以待测点为中心的预设邻域范围内的其他数据点作为邻域点，根据待测点的飞溅可能性、邻域点的飞溅可能性和邻域点至待测点的距离，确定待测点的数据贡献度；根据所有邻域点的数量和数据贡献度对待测点的数据贡献度进行修正，得到待测点的优选系数。

本发明在确定飞溅可能性之后，可以根据飞溅可能性结合待测点本身的分布特征，对待测点进行进一步地数据分析。

其中，预设邻域范围，为以待测点为中心的邻域范围，本发明实施例中的预设邻域范围可以具体例如为以待测点为球心，半径为5cm的球形范围空间，或者，也可以根据实际检测需求确定预设邻域范围，对此不做限制。本发明实施例中，将预设邻域范围内的其他数据点作为待测点的邻域点。

进一步地，在本发明的一些实施例中，根据待测点的飞溅可能性、邻域点的飞溅可能性和邻域点至待测点的距离，确定待测点的数据贡献度，包括：计算待测点至所有邻域点的距离的方差的归一化值，得到邻域距离系数；计算待测点与每一邻域点的飞溅可能性的差值绝对值作为飞溅差异；根据邻域距离系数和飞溅差异，确定待测点的贡献权重；将待测点的飞溅可能性反相关映射并归一化处理，得到初始贡献值；将待测点的贡献权重与待测点的初始贡献值进行相乘并归一化，得到待测点的数据贡献度。

本发明实施例中，由于在焊接过程中，飞溅所产生的异常点在空间上为向外溅射的点，而机械臂上的点位排列的正常的点，由此，本发明可以根据待测点在局部范围内的数据点的分布，进行数据贡献度的分析。

本发明实施例中，计算待测点至所有邻域点的距离的方差的归一化值，得到邻域距离系数，也即是说，邻域距离系数表征对应待测点与所有领域点距离分布的混乱程度，邻域距离系数越大，表示对应分布越复杂，也即待测点所处局部范围内数据点越混乱。

本发明实施例中，计算待测点与每一邻域点的飞溅可能性的差值绝对值作为飞溅差异，飞溅差异既表征待测点与每一邻域点的飞溅可能性的差异特征，可以理解的是，在待测点为机械臂上的数据点时，对应的待测点在邻域内具有多个机械臂上的数据点，则其飞溅可能性差异较小，由于是朝向外侧进行飞溅，在待测点为飞溅形成的异常点时，则对应的与预设淋浴范围内机械臂上的点的差异较大，由此，本发明通过飞溅差异表征待测点本身的邻域分布特征。

可以理解的是，待测点为机械臂上的正常点时，其对应的贡献较大，而为飞溅形成的异常点时，其贡献较小，由此，进一步地，在本发明的一些实施例中，可以根据邻域距离系数和飞溅差异，确定待测点的贡献权重，包括：计算所有飞溅差异的均值，得到飞溅均值；根据飞溅均值与邻域距离系数，确定待测点的贡献权重，其中，飞溅均值与待测点的贡献权重呈负相关关系，邻域距离系数与待测点的贡献权重呈负相关关系，待测点的贡献权重的取值为归一化后的数值。

其中，贡献权重，为待测点对于感知定位校准的贡献能力的权重，则在待测点为飞溅所引起的异常点时，对应的待测点对感知定位校准的贡献能力较差，甚至产生干扰，由此，对应的贡献权重较小。

由于飞溅差异越大，越可能为异常点，因此，计算所有飞溅差异的均值，得到飞溅均值，则飞溅均值的数值越大，对应的待测点为飞溅产生的异常点的概率越大。则飞溅均值与待测点的贡献权重呈负相关关系，由于邻域距离系数越大，表示对应分布越复杂，也即待测点所处局部范围内数据点越混乱，则待测点本身的贡献越小，邻域距离系数与待测点的贡献权重呈负相关关系。

本发明可以计算飞溅均值和邻域距离系数的乘积，并将该乘积的负数归一化处理得到贡献权重，或者，在飞溅均值和邻域距离系数均不为0时，将飞溅均值和邻域距离系数的乘积的倒数归一化处理得到待测点的贡献权重，对此不做限制。

综上，本发明实施例中，将待测点的飞溅可能性反相关映射并归一化处理，得到初始贡献值；将待测点的贡献权重与待测点的初始贡献值进行相乘并归一化，得到待测点的数据贡献度，则数据贡献度表征待测点对于感知定位校准的贡献度，可以结合数据贡献度对所有数据点进行筛选。

进一步地，在本发明的一些实施例中，根据所有邻域点的数量和数据贡献度对待测点的数据贡献度进行修正，得到待测点的优选系数，包括：将所有邻域点的数据贡献度的均值作为邻域贡献均值；计算邻域贡献均值与邻域点的数量的乘积归一化值，得到优选修正系数；将优选修正系数与待测点的数据贡献度的乘积的归一化值作为待测点的优选系数。

由于数据贡献度表示待测点对于感知定位校准的贡献度，则本发明实施例可根据预设邻域范围内所有邻域点的局部特征，对待测点进行进一步分析，将所有邻域点的数据贡献度的均值作为邻域贡献均值，计算邻域贡献均值与邻域点的数量的乘积归一化值，得到优选修正系数，也即是说，邻域点数量越多，且所有邻域点越符合正常的机械臂上的数据点的特征，则待测点本身越可能为正常的机械臂上的数据点，对应的优选修正系数的值越大，由此，将优选修正系数与待测点的数据贡献度的乘积的归一化值作为待测点的优选系数。

本发明实施例中的优选系数，可以表征对应待测点的优选程度，可以在后续实施例结合优选系数对待测点进行选取。

S104：根据所有数据点的优选系数确定目标点，根据所有三维点云数据所对应目标点的分布对机械臂进行定位校准。

进一步地，在本发明的一些实施例中，根据所有数据点的优选系数确定目标点，包括：将优选系数大于预设优选阈值的数据点作为目标点。

本发明实施例中，预设优选阈值，为优选系数的门限值，本发明实施例中，可以将预设优选阈值设置为0.5，也即是说，数据点的优选系数大于0.5时，将数据点作为目标点，而在数据点的优选系数小于等于0.5时，可以将数据点作为飞溅产生的异常点或特征较不明显的数据点，由此，进行筛除。

进一步地，在本发明的一些实施例中，根据所有三维点云数据所对应目标点的分布对机械臂进行定位校准，包括：基于最近点数据配准算法，对不同角度下三维点云数据的目标点进行数据配准，得到机械臂的定位信息，根据定位信息控制机械臂进行校准调节。

本发明实施例中，在筛选得到目标点之后，将目标点作为最近点数据配准算法的配准点，对不同角度下三维点云数据的目标点进行配准，以结合多角度下的三维点云数据，得到更为准确有效的机械臂的定位信息。

本发明实施例中，对机械臂的感知与调节可以具体例如为定位的控制调节，也即在获得准确的定位之后，针对预设的焊接流程实时进行定位调节，保证焊接过程的精确性。

本发明通过获取不同角度下机械臂在焊接过程中的三维点云数据，结合多角度三维点云数据进行分析，能够提升三维点云数据的准确性与可靠性。确定三维点云空间中的焊接区域；根据待测点的反射强度数据数值、待测点与焊接区域的中心点的距离、待测点与所有同温点的反射强度数据差异，确定待测点的飞溅可能性。飞溅可能性能够准确表征待测点受飞溅效果影响的概率，也即待测点为飞溅所产生异常点的可能性，从而便于后续根据飞溅可能性对机械臂焊接过程中的飞溅效果进行分析，提升定位准确性。之后，在三维点云空间内，根据待测点的飞溅可能性、邻域点的飞溅可能性和邻域点至待测点的距离，确定待测点的数据贡献度，数据贡献度则能够有效表征待测点对于感知定位校准的贡献能力，可以结合数据贡献度和所有邻域点的数量对所有数据点进行筛选，确定目标点，目标点即为消除特征较弱的数据点和飞溅产生的异常点之后的强特征数据点，通过所有三维点云数据所对应目标点的分布，能够对机械臂进行精准定位，消除了飞溅效果和弱特征对定位感知的影响，提升的定位感知的准确性与可靠性，增强定位校准的鲁棒性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (3)

1.一种机械臂的感知与校准方法，其特征在于，所述方法包括：

获取不同角度下机械臂在焊接过程中的三维点云数据，其中，所述三维点云数据为三维点云空间中的数据点，每个数据点均具有对应的反射强度数据和温度数据，根据所有数据点的所述温度数据，确定所述三维点云空间中的焊接区域，包括：基于预设温度阈值对所述温度数据进行阈值分割，将所述温度数据大于预设温度阈值的数据点组成的区域作为焊接区域；

将所述三维点云空间中任一数据点作为待测点，确定与所述待测点的温度数据相同的数据点为同温点，根据所述待测点的反射强度数据数值和待测点与所述焊接区域的中心点的距离，确定所述待测点的飞溅影响系数，包括：计算所述待测点的反射强度数据数值和待测点与所述焊接区域的中心点的距离的乘积的反比例归一化值，得到飞溅影响系数；根据所述待测点与所有同温点的反射强度数据差异，确定所述待测点的反射影响系数，包括：计算所述待测点分别与每一同温点的反射强度数据所对应数值的差值绝对值作为反射差异，计算所有反射差异的方差，负相关映射并归一化处理，得到反射影响权重，将所有反射差异的均值与所述反射影响权重的乘积的归一化值作为所述待测点的反射影响系数，结合所述飞溅影响系数和所述反射影响系数，确定所述待测点的飞溅可能性；

在所述三维点云空间内，将以所述待测点为中心的预设邻域范围内的其他数据点作为邻域点，根据所述待测点的飞溅可能性、所述邻域点的飞溅可能性和邻域点至所述待测点的距离，确定所述待测点的数据贡献度，包括：计算所述待测点至所有所述邻域点的距离的方差的归一化值，得到邻域距离系数，计算所述待测点与每一邻域点的飞溅可能性的差值绝对值作为飞溅差异，根据所述邻域距离系数和所述飞溅差异，确定所述待测点的贡献权重，将所述待测点的飞溅可能性反相关映射并归一化处理，得到初始贡献值，将所述待测点的贡献权重与所述待测点的初始贡献值进行相乘并归一化，得到所述待测点的数据贡献度；根据所有邻域点的数量和数据贡献度对待测点的数据贡献度进行修正，得到所述待测点的优选系数，包括：将所有邻域点的数据贡献度的均值作为邻域贡献均值，计算所述邻域贡献均值与所述邻域点的数量的乘积归一化值，得到优选修正系数，将所述优选修正系数与所述待测点的数据贡献度的乘积的归一化值作为所述待测点的优选系数；

根据所有数据点的优选系数确定目标点，包括：将所述优选系数大于预设优选阈值的数据点作为目标点；根据所有三维点云数据所对应目标点的分布对所述机械臂进行定位校准，包括：基于最近点数据配准算法，对不同角度下三维点云数据的目标点进行数据配准，得到所述机械臂的定位信息，根据定位信息控制所述机械臂进行校准调节。

2.如权利要求1所述的一种机械臂的感知与校准方法，其特征在于，所述飞溅影响系数与所述待测点的飞溅可能性呈正相关关系，所述反射影响系数与所述待测点的飞溅可能性呈正相关关系，所述待测点的飞溅可能性的取值为归一化后的数值。

3.如权利要求1所述的一种机械臂的感知与校准方法，其特征在于，所述根据所述邻域距离系数和所述飞溅差异，确定所述待测点的贡献权重，包括：

计算所有所述飞溅差异的均值，得到飞溅均值；

根据所述飞溅均值与所述邻域距离系数，确定所述待测点的贡献权重，其中，所述飞溅均值与所述待测点的贡献权重呈负相关关系，所述邻域距离系数与所述待测点的贡献权重呈负相关关系，所述待测点的贡献权重的取值为归一化后的数值。