【技术实现步骤摘要】
本专利技术涉及波纹管波谷识别和点胶，具体涉及一种基于扁平波纹管波谷识别的机器人定位点胶方法。
技术介绍
1、随着现代制造业对产品质量、生产效率及工艺精细化程度要求的不断提升，尤其是在扁平波纹管领域，波谷处的密封性能至关重要。传统的点胶作业通常依赖人工操作，存在定位不准确、一致性差、效率低下以及劳动强度大等问题。现有技术中虽有部分波纹管加工设备能够进行自动化处理，但往往无法有效应对扁平波纹管复杂的三维波谷特征，且缺乏对波谷位置进行实时、精确识别与定位的技术手段，导致点胶作业难以达到理想的精度和一致性。即使使用机器人进行示教点胶，也存在装夹扁平波纹管时，扁平波纹管产生形变、翘曲，导致示教的点胶位置出现偏移。同时，扁平波纹管因其特殊的三维结构，波谷位置深浅不一、形状各异，增加了识别与定位难度。
2、因此，开发一种能够自动识别波谷位置并由机器人进行精确定位点胶的方法，对于提高生产效率、确保产品质量、降低生产成本具有重要意义。
技术实现思路
1、本申请的目的在于针对上述提到的技术问题提出一种基于扁平波纹管波谷识别的机器人定位点胶方法。
2、第一方面，本专利技术提供了一种基于扁平波纹管波谷识别的机器人定位点胶方法，包括以下步骤：
3、获取扁平波纹管的原始点云数据；
4、根据原始点云数据利用随机采样一致性算法对扁平波纹管所在的平面进行建模，得到平面模型和平面模型的法向量，并计算原始点云数据中各点的法向量及其与平面模型的法向量之间的夹角，根据预设角度
5、利用改良型区域生长算法对波谷点云进行分割，得到波谷点云簇，根据主成分分析算法计算每个波谷点云簇的质心点、主方向向量和次主方向向量，并根据所有波谷点云簇的主方向向量对波谷点云簇进行排序，得到排序后波谷点云簇；
6、根据排序后波谷点云簇的质心点、主方向向量和次主方向向量确定点胶工具在排序后波谷点云簇的点胶位姿，获取3d线扫相机坐标系到点胶工具坐标系之间的变换关系，根据所有点胶工具在排序后波谷点云簇的点胶位姿和3d线扫相机坐标系到点胶工具坐标系之间的变换关系计算得到点胶路径，将点胶路径传输给机器人执行点胶操作。
7、作为优选，根据原始点云数据利用随机采样一致性算法对扁平波纹管所在的平面进行建模，得到平面模型和平面模型的法向量，并计算原始点云数据中各点的法向量及其与平面模型的法向量之间的夹角，根据预设角度范围以及原始点云数据中各点与平面模型的空间位置确定扁平波纹管的波谷点云，具体包括：
8、构建扁平波纹管所在的平面的平面模型，如下式所示：
9、 ax+by+cz=d；
10、其中， a、b、c分别为平面的单位法向量，且满足 a 2 +b 2 +c 2 =1， d为原点到平面的距离， d大于0，（ x， y， z）表示平面上的点的坐标；
11、选取原始点云数据中的至少三个点，判断选取的至少三个点是否共线，若是则重新选取至少三个点，否则根据至少三个点的坐标计算平面模型的参数 a、b、c、d；
12、计算原始点云数据中除至少三个点之外的其余各点到平面模型的距离，如下式所示：
13、 d s =| ax s +by s +cz s -d|；
14、其中， d s表示原始点云数据中第 s个点到平面模型的距离， s=1,2,…, n， n表示原始点云数据中除至少三个点之外的其余点的数目，（ x s， y s， z s）表示原始点云数据中第 s个点的坐标；
15、根据预设的距离阈值和所有原始点云数据中第s个点到平面模型的距离 d s对原始点云数据中除至少三个点之外的其余各点进行筛选，得到局内点和局外点，所有局内点构成局内点集合并统计局内点的数量；
16、重复以上步骤进行m次迭代，得到m个局内点集合，将局内点的数量最多的局内点集合作为最优子集，根据最优子集重新计算平面模型的参数 a、b、c、d，得到扁平波纹管所在的平面的平面模型和平面法向量 n plane =(a,b,c)；
17、计算原始点云数据中第 i个点 p i的局部邻域中第 j个邻域点 q ij与点 p i的位置向量，得到点 p i的邻域向量 v ij，如下式所示：
18、 v ij =q ij -p i；
19、其中， j=1,2,…, k， k表示点 p i的局部邻域点数量；
20本文档来自技高网...
【技术保护点】
1.一种基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述根据所述原始点云数据利用随机采样一致性算法对扁平波纹管所在的平面进行建模，得到平面模型和平面模型的法向量，并计算所述原始点云数据中各点的法向量及其与所述平面模型的法向量之间的夹角，根据预设角度范围以及所述原始点云数据中各点与所述平面模型的空间位置确定扁平波纹管的波谷点云，具体包括：
3.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述利用改良型区域生长算法对所述波谷点云进行分割，得到波谷点云簇，具体包括：
4.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述根据主成分分析算法计算每个所述波谷点云簇的质心点、主方向向量和次主方向向量，并根据所有所述波谷点云簇的主方向向量对所述波谷点云簇进行排序，得到排序后波谷点云簇，具体包括：
5.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述
6.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，还包括：
7.一种基于扁平波纹管波谷识别的机器人定位点胶装置，其特征在于，包括：
8.一种电子设备，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述根据所述原始点云数据利用随机采样一致性算法对扁平波纹管所在的平面进行建模，得到平面模型和平面模型的法向量，并计算所述原始点云数据中各点的法向量及其与所述平面模型的法向量之间的夹角，根据预设角度范围以及所述原始点云数据中各点与所述平面模型的空间位置确定扁平波纹管的波谷点云，具体包括：
3.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述利用改良型区域生长算法对所述波谷点云进行分割，得到波谷点云簇，具体包括：
4.根据权利要求1所述的基于扁平波纹管波谷识别的机器人定位点胶方法，其特征在于，所述根据主成分分析算法计算每个所述波谷点云簇的质心点、主方向向量和次主方向向量，并根据所有所述波谷点云簇的主方向向量对所述波谷点云簇进行排序，得到排序后波谷点云簇，具体包括：
【专利技术属性】
技术研发人员：王嘉鑫，钟治魁，陈文奇，苏德全，柳龙杰，黄剑峰，王平江，刘俊强，刘旭升，钟剑兵，
申请(专利权)人：泉州华中科技大学智能制造研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。