大型筒件局部特征机器人扫描测量路径调整方法技术

本发明专利技术公开了一种大型筒件局部特征机器人扫描测量路径调整方法，包括：构建大型筒件机器人扫描测量场，基于理论模型得到大型筒件理论位姿，基于大型筒件理论位姿得到理论扫描测量路径，机器人基于理论扫描测量路径得到大型筒件的三维点云数据；基于大型筒件的三维点云数据判断大型筒件的局部特征点云的完整性，得到判断结果；基于判断结果得到机器人运动程序，基于机器人运动程序得到机器人最终扫描测量路径。本发明专利技术可以有效地保证在大型筒件实际位姿与理论位姿发生偏差的情况下，仍能保证测量结果点云的完整性。量结果点云的完整性。量结果点云的完整性。

【技术实现步骤摘要】
大型筒件局部特征机器人扫描测量路径调整方法


[0001]本专利技术涉及大型构件的自动化三维扫描测量
，特别涉及一种大型筒件局部特征机器人扫描测量路径调整方法。

技术介绍

[0002]大型筒件是航空航天领域应用十分广泛的产品部件，大型筒件局部特征是分布于大型筒件表面的用于与外部设备进行装配的关键部分，如装配界面、有效载荷支撑等，这些局部特征具有离散分布的特性，考虑到大型筒件的大尺寸特点，其生产制造存在较大的困难。为了满足大型筒件局部特征的制造工艺需求，面向大型筒件局部特征高效且准确的大尺寸测量手段是十分必要的。
[0003]三维扫描测量是指通过激光或结构光获取工件表面形貌的测量手段，可以通过三维点云为工件加工提供准确的位姿及余量信息。机器人扫描测量是指在机器人末端夹持三维扫描测量设备，由机器人辅助实现大范围扫描的自动化测量方法，其具有测量效率高、能够获取完整工件表面信息的特点，可以有效适应大型筒件局部特征的测量需求。然而当前关于机器人扫描测量的路径规划基本都是基于理论CAD模型的，当实际的工件位姿与理论的CAD模型的姿态之间发生一定的偏差时，将造成局部区域无法被扫描的情况，这种情况会导致获取的点云发生缺失，影响扫描结果的完整性。而对于大型筒件局部特征的扫描测量而言，造成点云缺失的主要因素可总结为以下几点：(1)大型筒件的装夹过程多为人工操作，其初始位姿存在较大的不确定性；(2)局部特征的尺寸相对于大型筒件整体尺寸较小，大型筒件的微小位姿偏差将导致特征的较大位移；(3)局部特征多由孔、平面和规则曲面组成，结构相对复杂，位姿偏差会使测量难度加大。
[0004]因此，在大型构件机器人扫描测量中，基于理论模型规划的扫描测量路径无法适应大型筒件的实际状态。

技术实现思路

[0005]本专利技术针对大型筒件局部特征机器人扫描测量过程中，由于大型构件的实际位姿与理论模型存在偏差，因此基于工件理论模型规划的测量路径无法有效地适应工件的实际状态，进而造成扫描结果不完整即点云缺失的问题，提出一种大型筒件局部特征机器人扫描测量路径调整方法，该方法首先判断基于理论模型规划的机器人扫描测量路径的扫描测量结果是否完整，如果完整则结束测量，如果不完整，则提取不完整的局部特征点云，然后，根据该不完整点云估计大型筒件的实际位姿，最后，根据估计的实际位姿调整机器人扫描测量路径，再次进行扫描测量，从而保证测量结果的完整性。
[0006]本专利技术提供的一种大型筒件局部特征机器人扫描测量路径调整方法，包括：
[0007]构建大型筒件机器人扫描测量场，基于理论模型得到大型筒件理论位姿，基于所述大型筒件理论位姿得到理论扫描测量路径，机器人基于所述理论扫描测量路径得到大型筒件的三维点云数据；
[0008]基于所述大型筒件的三维点云数据判断大型筒件的局部特征点云的完整性，得到判断结果；
[0009]基于所述判断结果得到机器人运动程序，基于所述机器人运动程序得到机器人最终扫描测量路径。
[0010]优选地，大型筒件表面安装的零部件的点云构成大型筒件的局部特征点云；
[0011]其中，所述大型筒件表面的零部件包括由平面、规则曲面和孔组成的零部件。
[0012]优选地，获得机器人最终扫描测量路径的过程包括：
[0013]S1、基于理论模型得到大型筒件理论位姿，基于所述大型筒件理论位姿得到理论扫描测量路径和大型筒件的三维点云数据；
[0014]S2、基于人工观察方式判断大型筒件的局部特征点云的完整性，得到判断结果；
[0015]其中，当所述判断结果为完整时，则结束测量，得到所述理论扫描测量路径，基于所述理论扫描测量路径得到机器人最终扫描测量路径；
[0016]当所述判断结果为不完整时，执行S3；
[0017]S3、对所述大型筒件的三维点云数据进行分割处理，得到不完整局部特征点云；基于所述大型筒件理论位姿得到标准局部特征点云；
[0018]S4、构建点云补全模型，基于所述点云补全模型对所述不完整局部特征点云进行补全，得到补全局部特征点云；
[0019]S5、基于所述标准局部特征点云对所述补全局部特征点云进行配准，得到大型筒件的实际位姿；
[0020]S6、基于所述大型筒件的实际位姿修改机器人路径仿真中的工件坐标系，得到调整路径；
[0021]S7、基于仿真判断所述调整路径的可达性，基于所述调整路径的可达性得到机器人最终扫描测量路径；
[0022]其中，当所述调整路径可达，则基于调整路径生成机器人运动程序，基于所述机器人运动程序得到机器人最终扫描测量路径；
[0023]当所述路径不可达，则基于所述大型筒件的实际位姿对大型筒件进行调整，循环执行S1
‑
S7，直至路径可达，得到机器人最终扫描测量路径。
[0024]优选地，所述S3的具体过程包括：
[0025]基于随机采样一致性方法对所述大型筒件的三维点云数据进行分割处理，得到若干局部特征点云；
[0026]基于K
‑
均值方法对若干所述局部特征点云进行聚类，得到若干聚类中心和聚类中心对应的若干局部特征点云。
[0027]优选地，基于所述大型筒件理论位姿得到标准局部特征点云的过程包括：
[0028]基于大型筒件理论位姿得到局部特征理论位姿；
[0029]基于所述局部特征理论位姿得到局部特征CAD模型；
[0030]基于所述局部特征CAD模型得到标准局部特征点云。
[0031]优选地，基于深度学习算法构建所述点云补全模型，其中，所述点云补全模型包括：标准特征提取模块、编码模块和解码模块。
[0032]优选地，基于所述点云补全模型对所述不完整局部特征点云进行补全，得到补全
局部特征点云的过程包括：
[0033]将所述标准局部特征点云和所述不完整局部特征点云输入所述标准特征提取模块经多层卷积、矩阵相乘、多层卷积计算得到第一结果；
[0034]将所述不完整局部特征点云输入所述编码模块，经多层卷积和池化计算得到第二结果；
[0035]将所述第一结果与所述第二结果结合，经数据展开和最大池化处理，得到第三结果；
[0036]将所述第三结果输入所述解码模块，经多层卷积得到稀疏补全结果；
[0037]对所述稀疏补全结果进行上采样得到稠密补全结果。
[0038]优选地，所述S5的具体过程包括：
[0039]基于SACIA
‑
ICP方法对所述稠密补全结果和所述标准局部特征点云进行配准得到第一位姿转换矩阵，基于所述第一位姿转换矩阵对所述稀疏补全结果进行位姿变换，得到位姿变换后的稀疏补全结果；
[0040]基于ICP方法对所述位姿变换后的稀疏补全结果和所述标准局部特征点云进行配准得到第二位姿转换矩阵；
[0041]基于所述第一位姿转换矩阵和所述第二位姿转换矩阵得到第三位姿转换矩阵；
[0042]基于所述第三位姿转换本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大型筒件局部特征机器人扫描测量路径调整方法，其特征在于，包括：构建大型筒件机器人扫描测量场，基于理论模型得到大型筒件理论位姿，基于所述大型筒件理论位姿得到理论扫描测量路径，机器人基于所述理论扫描测量路径得到大型筒件的三维点云数据；基于所述大型筒件的三维点云数据判断大型筒件的局部特征点云的完整性，得到判断结果；基于所述判断结果得到机器人运动程序，基于所述机器人运动程序得到机器人最终扫描测量路径。2.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径调整方法，其特征在于，大型筒件表面安装的零部件的点云构成大型筒件的局部特征点云；其中，所述大型筒件表面的零部件包括由平面、规则曲面和孔组成的零部件。3.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径调整方法，其特征在于，获得机器人最终扫描测量路径的过程包括：S1、基于理论模型得到大型筒件理论位姿，基于所述大型筒件理论位姿得到理论扫描测量路径和大型筒件的三维点云数据；S2、基于人工观察方式判断大型筒件的局部特征点云的完整性，得到判断结果；其中，当所述判断结果为完整时，则结束测量，得到所述理论扫描测量路径，基于所述理论扫描测量路径得到机器人最终扫描测量路径；当所述判断结果为不完整时，执行S3；S3、对所述大型筒件的三维点云数据进行分割处理，得到不完整局部特征点云；基于所述大型筒件理论位姿得到标准局部特征点云；S4、构建点云补全模型，基于所述点云补全模型对所述不完整局部特征点云进行补全，得到补全局部特征点云；S5、基于所述标准局部特征点云对所述补全局部特征点云进行配准，得到大型筒件的实际位姿；S6、基于所述大型筒件的实际位姿修改机器人路径仿真中的工件坐标系，得到调整路径；S7、基于仿真判断所述调整路径的可达性，基于所述调整路径的可达性得到机器人最终扫描测量路径；其中，当所述调整路径可达，则基于调整路径生成机器人运动程序，基于所述机器人运动程序得到机器人最终扫描测量路径；当所述路径不可达，则基于所述大型筒件的实际位姿对大型筒件进行调整，循环执行S1
‑
S7，直至路径可达，得到机器人最终扫描测量路径。4.根据权利要求3所述的大型筒...

【专利技术属性】
技术研发人员：樊伟，张学鑫，郑联语，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：