[發(fā)明專利]一種基于3D點云的焊縫識別與機器人焊縫跟蹤方法

有效

• 申請?zhí)枺?/td>: 202210361871.0
• 申請日: 2022-04-07
• 公開（公告）號: CN114571153B
• 公開（公告）日: 2023-10-10
• 發(fā)明（設計）人: 吳海彬;薛坤斌
• 申請（專利權(quán)）人: 福州大學
• 主分類號: G06T17/20
• 分類號: G06T17/20;G05B19/042;B25J9/16;B23K37/00
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 郭東亮;蔡學俊

1.一種基于3D點云的焊縫識別與機器人焊縫跟蹤系統(tǒng)，其特征在于：所述系統(tǒng)硬件包括：機器人、結(jié)構(gòu)光傳感器、焊槍、電腦、待檢測工件；

所述待檢測工件安裝于工作臺；所述結(jié)構(gòu)光傳感器固定在工作臺，所述結(jié)構(gòu)光傳感器與所述電腦連接，電腦從結(jié)構(gòu)光傳感器讀取點云數(shù)據(jù)以識別待檢測工件中的焊縫軌跡；所述機器人包含機械臂和機器人控制器；所述機械臂的底座設有可識別的基座坐標系，所述機械臂的末端設有可識別的工具坐標系；所述機器人控制器與所述電腦連接；所述焊槍安裝于所述機器人的機械臂末端；電腦將識別出的焊縫軌跡發(fā)送給機器人。

2.一種基于3D點云的焊縫識別與機器人焊縫跟蹤方法，其特征在于：所述方法采用基于3D點云的焊縫識別與機器人焊縫跟蹤系統(tǒng)，所述結(jié)構(gòu)光傳感器為結(jié)構(gòu)光相機，包括以下步驟：

步驟S1、利用結(jié)構(gòu)光相機獲取點云數(shù)據(jù)，通過手眼標定將點云數(shù)據(jù)從相機坐標系轉(zhuǎn)換到相機坐標系；

步驟S2、對點云數(shù)據(jù)進行點云預處理，通過直通濾波、體素濾波器、統(tǒng)計濾波、歐式聚類的方法，從所有點云數(shù)據(jù)中提取出焊件點云數(shù)據(jù)；

步驟S3、焊縫識別，通過RANSAC算法擬合平面，KD-tree進行最鄰域搜索，從焊件點云數(shù)據(jù)獲取焊縫點云數(shù)據(jù)；

步驟S4、軌跡規(guī)劃，利用D-H參數(shù)法進行機器人運動學建模，利用RANSAC擬合直線獲取整條焊縫的空間直線；根據(jù)直線插補算法在焊縫空間直線上插值取點，利用運動學逆解求出各個插值點的位姿，將各個點的位姿信息發(fā)送給機器人，機器人根據(jù)各個點的位姿運動來完成焊縫跟蹤。

3.根據(jù)權(quán)利要求2所述的一種基于3D點云的焊縫識別與機器人焊縫跟蹤方法，其特征在于：所述步驟S2的實現(xiàn)包括以下步驟：

步驟S2-1，使用直通濾波，遍歷輸入的所有點云數(shù)據(jù)，將Z軸坐標大于0的點云數(shù)據(jù)保留，去除其余點云數(shù)據(jù)，便可以達到去除支撐平面的效果。

步驟S2-2，使用體素濾波器，設置體素柵格大小，用體素柵格內(nèi)所有點的重心來代替體素柵格內(nèi)的點，在可以降低點云密度的情況下，不破壞點云本身的結(jié)構(gòu)。

步驟S2-3，使用統(tǒng)計濾波，設置搜索的鄰近點個數(shù)為n，計算任意點與鄰近n個點的平均距離，該距離大于距離閾值則判斷為離群點，去除離群點達到去噪聲的效果。

步驟S2-4，使用歐式聚類，設置歐式聚類鄰域距離閾值利用KD-tree進行鄰域搜索，以某點為中心找到k個與某點距離最近的點，將距離小于閾值的點設置為同一類點，隨機的選取點云數(shù)據(jù)中的其他點重復上述鄰域搜索的過程直到聚類中的點不再變化的時候至此聚類結(jié)束，即完成對焊件的點云數(shù)據(jù)提取。

4.根據(jù)權(quán)利要求2所述的一種基于3D點云的焊縫識別與機器人焊縫跟蹤方法，其特征在于：步驟S3的實現(xiàn)包括以下步驟：

步驟S3-1，利用RANSAC算法進行平面擬合，在點云數(shù)據(jù)中隨機的抽取三個點來建立平面模型，計算其他點到該平面模型的歐式距離，當距離小于閾值時將該點定義為平面內(nèi)點，不斷重復上述的過程，找到包含內(nèi)點數(shù)量最多的平面模型，將符合平面模型的點記為平面模型1，將其余點作為第二次RANSAC平面擬合的原始點云數(shù)據(jù)，方法同上通過RANSAC算法進行平面擬合便可得到平面模型2；

在所有點云數(shù)據(jù)中隨機的抽取三個點，然后根據(jù)平面方程計算平面模型參數(shù)A、B、C、D；用剩下的所有數(shù)據(jù)驗證步驟平面參數(shù)模型，計算誤差并與所設定的誤差閾值進行比較，若誤差小于閾值則該點確定為內(nèi)點，找到含內(nèi)點數(shù)量最多的平面模型參數(shù)；以公式表述為

AC+BY+CZ＝D。

步驟S3-2，利用KD-tree進行最鄰近搜索，設置距離閾值，用平面模型1中的所有的在平面模型2中進行最鄰近搜索，當平面模型1中的點與平面模型2中的最鄰近點的歐氏距離小于閾值時，將該點設置為焊縫點云；以公式表述為

具體為：基于RANSAC算法擬合平面，引入Q₅，構(gòu)建平面模型，得到焊接的兩個平面點云Q₆與Q₇；基于三維空間歐式距離公式，KD-tree數(shù)據(jù)結(jié)構(gòu)建立點云拓撲關系引入Q₆與Q₇，得到焊縫點云Q₈；設置距離閾值，隨機抽取Q₆中的點云為中心，在Q₇中利用KD-tree數(shù)據(jù)結(jié)構(gòu)進行最鄰域搜索，當歐式距離小于距離閾值的將該點定義為兩片點云的重疊點即焊縫點。