基于3D点云数据的焊缝识别方法技术

一种基于3D点云数据的焊缝识别方法，包括以下步骤：步骤S1：利用线激光传感器获取焊缝处的初始焊缝点云数据，并进行预处理，得到预处理后的焊缝点云数据；步骤S2：进行焊缝识别，根据所述焊缝点云数据提取焊缝的特征点数据；步骤S3：根据步骤2得到的特征点数据计算得到焊缝的跟踪点数据，并对跟踪点数据进行拟合，作为机械臂TCP点的运动轨迹，并传输至焊接机器人；步骤S4：根据步骤2得到的特征点数据计算焊接位姿向量，并传输至焊接机器人；步骤S5：所述焊接机器人根据步骤S3传输的运动轨迹和步骤S4传输的姿态信息执行焊接操作。本发明专利技术能够提高机器人识别长焊缝特征时的速度和准确性，具有提取速度快、计算效率高等优点。计算效率高等优点。计算效率高等优点。

【技术实现步骤摘要】
基于3D点云数据的焊缝识别方法

：
[0001]本专利技术涉及机器人焊接
，尤其是一种基于3D点云数据的焊缝识别方法。

技术介绍

[0002]焊接技术是一种以高温或高压的方式连接金属或其他热塑性材料的制造技术。近年来，随着焊接技术与机器人技术、传感技术、信息技术的融合发展，焊接产业的自动化和智能化程度不断提高。焊缝跟踪技术是实现智能化焊接的重要一环，对焊缝的快速、准确、有效识别是焊缝跟踪技术的关键。
[0003]目前焊接机器人常用的视觉传感器为只能采集二维图像的相机，该类方法无法得到焊缝的深度信息，同时采集的图片占用存储空间大，处理速度缓慢。而线激光传感器采集的3D点云数据包含焊缝轮廓的三维坐标信息，精度更高。将线激光传感技术与焊接机器人结合并应用于焊缝跟踪技术是非常重要的研究方向。
[0004]当焊缝较长时，线激光传感器扫描得到的焊缝3D点云数据量较大。针对大体量的焊缝3D点云数据，若使用RANSAC等算法对焊缝的整体3D点云数据直接进行点云分割、点云配准等操作，会增大计算机的负担，大大降低处理速度。因此，有必要针对大体量长焊缝数据提供简单高效的计算方法。

技术实现思路

[0005]针对现有技术存在的问题，面对长焊缝带来的处理大体量3D点云数据的困难，本专利技术提供一种基于3D点云数据的焊缝识别方法。采用分截面处理的方式，将大体量的长焊缝点云数据拆分成小体量的截面点云数据，使用基于差分思想的特征点提取算法循环处理各个截面点云数据，得到长焊缝的特征点数据并用于引导机器人焊接。/>[0006]本专利技术采用以下技术方案：
[0007]一种基于3D点云数据的焊缝识别方法，其特点在于：包括以下步骤：
[0008]步骤S1：利用线激光传感器获取焊缝处的初始焊缝点云数据，并进行预处理，得到预处理后的焊缝点云数据；
[0009]步骤S2：根据所述焊缝点云数据提取焊缝的特征点数据进行焊缝识别，具体包括：
[0010]步骤S2.1：从所述焊缝点云数据(X，Y，Z)中提取单一截面轮廓的点云数据，即提取X值相同的焊缝点云数据；
[0011]步骤S2.2：计算单一截面轮廓内相邻点Y值的差值，得到Y值的一阶差分，Y值的一阶差分最大处代表着焊缝所在处，通过比较得到Y值的一阶差分极大值及对应点坐标，该点及其相邻点即为对接焊缝的左、右端点，即特征点；
[0012]步骤S2.3：返回步骤2.1循环处理所有截面轮廓，直至得到焊缝的每个截面的特征点数据；
[0013]步骤S3：根据步骤2得到的特征点数据计算得到焊缝的跟踪点数据，并对跟踪点数据进行拟合，作为机械臂TCP点的运动轨迹，并传输至焊接机器人；
[0014]步骤S4：根据步骤2得到的特征点数据计算焊接位姿向量，并传输至焊接机器人；
[0015]步骤S5：所述焊接机器人根据步骤S3传输的运动轨迹和步骤S4传输的姿态信息执行焊接操作。
[0016]优选的，所述焊缝包括对接、搭接等接头形式、直线、曲线等形状的焊缝。
[0017]优选的，所述步骤S1中线激光传感器为单线结构光传感器，在采集数据时传感器的激光线发射方向应垂直于焊缝表面，传感器发射的激光线需跨越焊缝区域，即满足激光线在垂直焊缝方向上的投影长度要大于焊缝宽度。
[0018]优选的，所述线激光传感器发射的激光线最优应垂直于焊缝方向且在焊缝两边均匀分布。
[0019]优选的，焊缝的点云数据为传感器坐标系下焊缝的三维坐标值X、Y、Z。单一截面的点云数据为传感器采集一次得到的焊缝某一截面的三维坐标值，其中包含了该焊缝截面的轮廓信息。仅同一截面的点云的X坐标值相同，根据此特征可从整体焊缝中筛选出单一截面的点云进行处理。
[0020]优选的，通过计算截面点云的Y值、Z值的一阶差分、二阶差分，发现Y、Z值的一阶、二阶差分特征明显且能与对接、搭接焊缝的特征点关联；再考虑到计算的简单性，采用计算Y、Z值的一阶差分来提取焊缝的特征点数据。
[0021]优选的，所述步骤S1中的点云预处理方法包括点云体素栅格降采样、半径滤波算法和统计滤波算法等其中一种或相互的结合。其中，点云降采样用于保存点云数据特征的同时降低点云数据规模，滤波算法用于剔除离群点；
[0022]优选的，所述焊缝为对接焊缝，焊缝长度不低于0.5mm，所采用焊接方式为激光焊接。
[0023]优选的，所述线激光传感器采样频率为不低于500HZ。
[0024]与现有技术相比，本专利技术的有益效果如下：
[0025]本专利技术即使在长焊缝的情况下，也可以实现快速、高精度的检测。针对长焊缝产生的大体量点云数据，分截面进行处理，减轻计算机负担，提高处理速度；提取焊缝特征点所用的基于差分思想的特征点提取算法结构简单且识别准确，能迅速完成焊缝特征的识别。
附图说明
[0026]下面结合附图和具体实施方式对本专利技术进一步详细的说明：
[0027]附图1为本专利技术流程结构示意图；
[0028]附图2为本专利技术手眼标定坐标变换图解示意图；
[0029]附图3为本专利技术适用的对接焊缝接头形式示意图
[0030]附图4为本专利技术所针对的焊缝完整表面点云示意图
[0031]附图5为本专利技术所针对的焊缝单一截面点云示意图
[0032]附图6为本专利技术激光线投影与焊缝宽度关系示意图；
[0033]附图7为本专利技术适用的搭接接头形式示意图；
[0034]附图8为本专利技术适用的直线、曲线型焊缝示意图；
具体实施方式
[0035]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图对本专利技术进一步阐述。应理解，这些实例仅用于解释本专利技术而不用于限定本专利技术的范围，在阅读本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0036]对于对接直线长焊缝的情况，一种基于3D点云数据的焊缝识别方法具体包括以下步骤，如图1所示，：
[0037]步骤S1：通过眼在手上的方式将线激光传感器固定至机械臂末端，控制机械臂使线激光传感器沿焊缝扫描，使传感器采集反映焊缝轮廓的点云数据，通过手眼标定将点云数据从传感器坐标系转换到机械臂末端坐标系；
[0038]步骤S1的实现具体包括以下步骤：
[0039]步骤S1
‑
1：通过眼在手上的方式将线激光传感器固定于机械臂末端，如图2所示，调整机械臂姿态使线激光传感器扫描焊缝轮廓。控制机械臂沿焊缝运动，传感器沿焊缝扫描从而获得完整焊缝的点云数据，如图3所示。
[0040]步骤S1
‑
2：通过5点标定法进行机器人手眼标定，标定点选为标定块上的角点。示教移动机器人让激光条纹通过标定点，求得标定点在传感器坐标系下的数据，再示教移动机器人末端达到标定点，利用空间中的任一点在同一坐标系下坐标值相同可构建方程，求解得到传感器坐标系到机器人末端坐标系的转换矩阵的参数，将点云数据由传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于3D点云数据的焊缝识别方法，其特征在于：包括以下步骤：步骤S1：利用线激光传感器获取焊缝处的初始焊缝点云数据，并进行预处理，得到预处理后的焊缝点云数据；步骤S2：进行焊缝识别，根据所述焊缝点云数据提取焊缝的特征点数据，具体包括：步骤S2.1：从所述焊缝点云数据(X,Y,Z)中提取单一截面轮廓的点云数据，即提取X值相同的焊缝点云数据；步骤S2.2：计算单一截面轮廓内相邻点Y值的差值，得到Y值的一阶差分，Y值的一阶差分最大处代表着焊缝所在处，通过比较得到Y值的一阶差分极大值及对应点坐标，该点及其相邻点即为对接焊缝的左、右端点，即特征点；步骤S2.3：返回步骤2.1循环处理所有截面轮廓，直至得到焊缝的每个截面的特征点数据；步骤S3：根据步骤2得到的特征点数据计算得到焊缝的跟踪点数据，并对跟踪点数据进行拟合，作为机械臂TCP点的运动轨迹，并传输至焊接机器人；步骤S4：根据步骤2得到的特征点数据计算焊接位姿向量，并传输至焊接机器人；步骤S5：所述焊接机器人根据步骤S3传输的运动轨迹和步骤S4传输的姿态信息执行焊接操作。2.根据权利要求1所述的一种基于3D点云数据的焊缝识别方法，其特征在于：所述焊缝包括对接、搭接等接头形式、直线、曲线等形状的焊缝。3.根据权利要求1所述的一种基于3D点云数据的焊缝识别方法，其特征在于：所述步骤S1中线激光传感器为单线结构光传感器，在采集数据时传感器的激光线发射方向应垂直于焊缝表面，传感器发射的激光线需跨越焊缝区域，即满足激光线在垂直焊缝方向...

【专利技术属性】
技术研发人员：刘鹏，王艳俊，杨上陆，张庆伟，穆海华，
申请(专利权)人：中国科学院上海光学精密机械研究所，
类型：发明
国别省市：