基于点云的曲线焊缝识别方法研究.pdf

基于点云的曲线焊缝识别方法研究王传玺(长安大学 工程机械学院陕西 西安)摘 要:三维曲线焊缝是焊接工艺中较为常见的一种焊缝其具有复杂多变和曲线不规则等特点使得对其识别难度大、精度低 针对自动化焊接过程中的三维曲线焊缝提出了一种基于点云的识别方法该方法具有效率高、识别精度高、应用范围广以及可靠性强等优点 其原理是通过使用三维面结构光扫描仪获取工件表面的原始点云数据通过使用 点云库进行降采样、分割、边界提取和曲线拟合等实现焊缝边界的精确的提取并拟合出焊枪末端的实际运行轨迹关键词:曲面焊缝 点云 特征提取 曲线拟合中图分类号:文献标识码:文章编号:():.:引言焊接技术被称为“工业的裁缝”是现代化工业制造中至关重要的一环无论是在车辆生产、船舶制造、航空航天以及数码产品的制造其应用领域十分广泛 而随着自动化技术与计算机技术的升级和发展焊接机器人技术得到前所未有的提高自动化焊接技术的主要研究内容包括焊缝识别、路径规划、轨迹跟踪与焊缝质量控制等其中焊缝识别的精度和实时性是评价焊接工艺的重要指标 焊缝识别技术以传感技术为基础通过传感器检测焊缝位置来引导焊枪按照实际轨迹曲线进行焊接 由此可见焊缝的识别在机器人焊接过程中作用重大其识别的精度关乎着整个焊接过程的质量 .:.鄢万斌余晓波卢再毅等.变速器振动噪声分析及轮齿修形优化.液压与气动():.作者简介:贺春辉()男长安大学工程机械学院硕士在读研究方向:机械电子工程(齿轮 与闪温优化、电池 与 估计)收稿日期:为此本文提出一种基于点云的三维曲线焊缝的识别方法并搭建实验平台验证了该方法的可行性与稳定性 实验平台搭建三维焊缝点云识别系统如图 所示主要由关节型机器人、运动控制器、面结构光扫描仪、手操器、被测工件和上位机等组成三维面结构光扫描仪固定安装在机器人末端是系统自动化工作所依赖的核心部件之一负责采集工件的原始点云数据 运动控制柜内有运动控制器与伺服驱动器运动控制器负责机器人控制、收集传感器的数据、与上位机交换数据等任务伺服驱动器负责接收运动控制器的指令并驱动机器人各关节电机按照预定轨迹运行 上位机负责图像处理、曲线拟合等任务图 焊缝识别系统组成 点云数据预处理由于直接使用结构光相机拍摄获取的原始点云数据往往具有点云密度大、离群点较多的特点使用点云数据完成视觉任务前通常需要对原始数据进行预处理 点云预处理方案具有以下目的:()保留工件原有形状特征的基础上大幅度降低点云数量用以提升后续一系列点云数据处理算法的运行速度()在各轴方向上设定约束条件获取指定阈值范围内的点云数据提高运行速度的同时快速定位工件与焊缝位置()去除点云数据中的离群点提高后续点云拼接和焊缝特征线提取的准确性.点云体素降采样体素降采样是众多点云滤波方法中最为常用的一种其原理是将原始点云数据体素划分即创建一个三维体素栅格然后在所有的三维体素栅格内用体素中所有的重心来近似地表示体素栅格中其他的点这样该体素区域内的点就可以用一个重心采样点来表示其具有效率高、采样点分布均匀和采样后点云的稀疏可控性好等优点 图 是体素降采样原理示意图图 基于体素重心最近邻域点的降密度采样示意图已知一个非空体素 其边长为 其中包含 个点则该体素的质心()可表示为:()此过程中可以通过改变 的长度即体素 的体积来调整点云滤波后的密度 越大体素的体积就越大个数就越少最终降采样后的密度就越稀疏本实验过程中将体素边长设为.降采样前后对比图如图 所示BC图 体素降采样前后对比图.随机样本一致性()工件分割随机采样一致()算法最早由 和 于 年提出该算法主要思想是在点云数据中随机抽取一部分作为样本根据所选的点数验证所求模型是否最优通过迭代多次求出最优模型 其具体流程图如图 所示图 算法流程图图 分割后的工件效果图 焊缝边界提取与曲线拟合.点云 法边界提取在得到分割好的工件后需对工件边缘进行检测和提取 边界提取的方法大致分为两类:一类是将三维点云信息转化为二维数据点在二维平面中建立点集的最小包围盒分别计算出 和 的最大最小值 另一类是根据临近点的局部特征直接在三维点云中提取边缘点 为提高提取的精确度本文采用第二类提取边界点方法即 法 其原理是通过采样点与其临近点在拟合平面的投影点中存在两个点间构成向量的夹角远大于其他向量之间的夹角则判断该采样点为边缘点其具体流程如下:假设当前点为 对其邻域向其切平面投影注意经过投影后 的位置并未发生改变然后将投影后的近邻点以 为角点按照逆时针顺序两两与 连接形成一系列夹角 其中 找到 中最大的夹角()当 越大那么 就可能为边界点 通过设置一个角度阈值 当 时判定 为边界点 其原理示意图如图 所示11图 法边界提取算法原理图经上述边界提取方法最终得到焊缝边缘检测图 焊缝边界点效果图点如图 所示.最小二乘法曲线拟合 最小二乘法拟合曲线的实质为寻找一个函数()使得所有数据点到该曲线的距离平方和最小 具体过程为:设待拟合数据点为()其中 则有多项式()():()()拟合函数 为系数 的多元函数其表达式为:()()()则问题转化为求拟合函数 的最小值由多元函数的充要条件得:()()其中 表示为矩阵形式:()式()中系数矩阵为对称正定阵存在唯一解其解即为()的表达式经过以上基于最小二乘法的多项式曲线拟合我们完成了焊缝空间轨迹位姿估计的第二步:焊缝特征线的拟合进一步获得了焊缝轨迹点的位置坐标最终的焊缝轨迹点拟合效果图如图 所示焊缝识别精度对比为了验证识别焊缝轨迹的精度本节构建了与图 焊缝轨迹点拟合效果图实验所用两半圆工件相同规格参数的三维模型 如图 所示 并以此得到两半圆柱面方程如式()所示 ()由于所需要识别焊缝即为两半圆工件边界处的中线进而得到其参数方程式如式()所示其中取 的步长为.得到一系列两边界中线上的点如图 所示图 半圆管道工件三维模型 图 理想焊缝轨迹点 ()()()得到理想轨迹点坐标后为了描述其与识别焊缝轨迹的重合效果本文采用拟合曲线上采样获得的轨迹点测量值与理想轨迹点坐标作对比如图 所示其中空心点为识别焊缝轨迹点实际值实心点为工件三维重建后轨迹点理想值9:;图 测量值与理想值对比通过图 对比显示出本文提取的焊缝轨迹对于理想轨迹有着较好的拟合效果为了进一步量化焊缝轨迹的识别精度在测量轨迹与理想轨迹曲线方程上均匀取 个采样点并在理想点中取采样点最为相近的点计算两点间的欧式距离作为偏差量计算结果如表 所示由表 可以看出在采样的 个点中轨迹点测量值与轨迹点理想值的最小距离偏差为.最大距离偏差为.平均偏差.识别精度能够达到实际要求表 焊缝轨迹上采样点的定位结果轨迹点测量值三维坐标/轨迹点理想值三维坐标/距离偏差/.结论本文提出了一种提取三维焊缝的新方法 搭建了由焊接机器人、控制器、面结构光三维扫描仪、上位机、工控机和工件等组成的实验平台 通过定向扫描拍摄获取原始点云数据、体素降采样进行点云滤波、随机样本一致性()对点云数据分割、法对点云边界提取以及最小二乘法对特征点曲线拟合等方法实现了对半圆管道焊缝的精确提取并重建了工件的三维模型根据焊缝理想值与实际值的距离偏差得到其最大偏差为.平均偏差为.焊缝识别效果良好参考文献 张弓脱帅华曹学鹏等.焊接机器人焊缝跟踪技术的现状与发展趋势.科学技术与工程():.韦傲.基于结构光的复杂工件焊缝轨迹特征提取与重建技术研究.济南:山东大学.常露.图像的精确配准理论与方法.西安:西安电子科技大学.徐阳翰林军康高强等.露天矿山运输车辆相机与激光雷达标定算法研究.控制与信息技术():.脱帅华.基于激光测量与视觉信息提取的焊缝跟踪系统研究.西安:长安大学.作者简介:王传玺()男长安大学硕士研究生主要研究方向为三维复杂焊缝的识别与跟踪收稿日期: