一种基于曲面自适应的工业机器人高精度恒力打磨方法技术

本发明专利技术公开了一种基于曲面自适应的工业机器人高精度恒力打磨方法，包括：采用线结构光扫描方式获取待打磨工件表面的扫描采样点数据信息，获取待打磨工件的有序点云模型；通过点云预处理，建立待打磨工件表面STL模型；提取并利用待打磨工件表面STL模型的几何特征和拓扑特征，将待打磨工件曲面划分为若干不带空洞的平面；根据待打磨工件表面STL模型构建特征框，采用切割平面投影方法生成机器人打磨运动轨迹；机器人打磨过程中，根据实时力反馈实现恒力打磨控制。本方法的意义在于可以实现针对任意曲面的恒力打磨任务，改进打磨方法对曲面表面的适应性，提高打磨精度，从而有助于提高机器人打磨系统的智能性和自动化水平。

A high precision constant force grinding method of industrial robot based on surface adaptive

【技术实现步骤摘要】
一种基于曲面自适应的工业机器人高精度恒力打磨方法
本专利技术涉及工业机器人打磨应用等先进制造产业
，特别是涉及一种基于曲面自适应的工业机器人高精度恒力打磨方法。
技术介绍
工业机器人打磨应用作为工业机器人应用的重要组成部分之一，要求能够在软硬件协同的条件下，运用相关的算法，实现对待打磨工件表面模型的扫描与重建，并生成机器人运动路径形成机器人系统控制指令进行打磨工作。其中，机器人打磨作业实现方法的有效性、通用性、可扩展性是工业机器人打磨应用的重要评价指标。高精度、智能化的打磨作业要求机器人能够自主规划作业轨迹，并且需要保证作业过程中的恒力控制。传统的打磨作业实现方法可分为人工示教实现和离线编程实现两种，这两种实现方法存在以下问题：①打磨工件类型多样，人工示教实现和离线编程实现工作量大，代价高；②离线编程方式严重依赖于机器人3维模型；③人工示教和离线编程两种方式均不能满足高精度的恒力控制要求，从而影响打磨作业的实际效果。
技术实现思路
专利技术目的：为了克服已有的技术缺陷，解决人工示教与离线编程两种传统的打磨作业方法无法实现高精度的恒力控制要求的问题，提出了一种基于曲面自适应的工业机器人高精度恒力打磨方法，实现工业机器人打磨作业的有效性、高精度、扩展性。技术方案：为实现上述专利技术目的，本专利技术采用以下技术方案：一种基于曲面自适应的工业机器人高精度恒力打磨方法，包括以下步骤：(1)获取待打磨工件表面数据信息：采用线结构光扫描方式获取待打磨工件表面的扫描采样点数据信息，获取待打磨工件的有序点云模型；(2)建立工件表面STL模型：通过点云预处理，建立待打磨工件表面STL模型；(3)划分曲面：提取并利用待打磨工件表面STL模型的几何特征和拓扑特征，将待打磨工件曲面划分为若干不带空洞的平面；(4)生成机器人打磨运动轨迹：根据待打磨工件表面STL模型构建特征框，采用切割平面投影方法生成机器人打磨运动轨迹；(5)恒力打磨控制：机器人打磨过程中，根据实时力反馈实现恒力打磨控制。进一步的，步骤(1)包括以下步骤：(11)设置扫描的起始位姿，扫描间距、扫描方向、扫描次数。(12)在当前扫描路径点触发线结构光传感器进行一次扫描，得到由传感器坐标系表示的扫描数据。(13)将步骤(12)中得到的由传感器坐标系表示的扫描数据变换到机器人基坐标系中，坐标系的变换示意图如图2所示，变换关系如式(1)所示：其中，BP表示扫描数据再机器人基坐标系中的位置，表示机器人末端法兰盘坐标系到基坐标系的转换矩阵，表示传感器坐标系到机器人末端法兰盘坐标系的转换矩阵，SP表示传感器扫描数据在传感器坐标系中的位置。(14)若当前扫描点非最后一个扫描路径点，则移动到下一扫描路径点，并将该点作为当前点，返回步骤(12)；若该点为最后一个扫描路径点，则执行步骤(15)。(15)所有经坐标变换后的扫描数据组成待打磨工件的有序点云模型。进一步的，步骤(2)包括以下步骤：(21)点云滤波：对于步骤(15)得到的待打磨工件的有序点云模型，进行滤波处理，得到精确的待打磨工件的有序点云模型，具体包括以下步骤：(211)根据机器人安装的位置及运动范围，剔除与待打磨工件无关的采样区域，得到机器人参考坐标系下带有噪声的待打磨工件的有序点云模型；(212)通过中值滤波算法剔除步骤(211)得到的带有噪声的待打磨工件的有序点云模型中的噪声点：对步骤(211)得到的带有噪声的待打磨工件的有序点云模型中的每个数据点pi，以pi为中值窗口中心，取中值窗口边长为w，则对中值窗口内的w×w个扫描数据求取中值当时，当时，pi保持不变；其中，δ表示中值滤波器滤波阈值；从而得到机器人参考坐标系下的精确的待打磨工件的有序点云模型。(22)点云平滑处理：对于步骤(21)得到的精确的待打磨工件的有序点云模型，由于采样过程中传感器的不确定性，得到的精确的待打磨工件的有序点云模型存在一定的不确定性，其表现就是点云不够平滑。对此，本实例采用基于移动最小二乘法的曲面拟合方法对点云进行平滑，以去除传感器精度等带来的扫描误差问题，得到平滑的点云模型。采用移动最小二乘曲面拟合方法，对于步骤(21)得到的精确的待打磨工件的有序点云模型，进行平滑处理，得到平滑的点云模型。步骤(22)具体包括：(221)将步骤(21)得到的精确的待打磨工件的有序点云模型所在区域网格化；(222)修正每个网格点的坐标：首先确定网格点的影响区域大小，然后确定位于网格点影响区域内的点(xI,yI,zI)，I＝1、2、…、n，n表示网格点影响区域内点的总数；随后根据式(2)所示的拟合函数得出修正后的网格点坐标：z＝f(x,y)＝pT(x,y)α(x,y)(2)；式中，p(x,y)＝[1,x,y]T表示线性基，上标T表示转置，α(x,y)表示系数矢量，α(x,y)根据优化方程取得极小值求得；(223)连接网格点，形成拟合曲面：根据修正后的网格点坐标连接网格点，形成拟合曲面；(224)将点云投影到步骤(223)的拟合曲面上，得到平滑的点云模型。(23)构建工件表面的STL模型：采用贪婪投影三角形方法对步骤(22)得到的平滑的点云模型进行处理，生成工件曲面的STL模型。如图4所示，步骤(23)具体包括：(231)任取一个平面，将步骤(22)得到的平滑点云模型中的点云作为原始点云，投影到该平面，得到与原始点云中的点一一对应的平面点云；图4中，原始点云p1、p2、p3、p4、p5、p6和p7，对应的平面点云为p′1、p′2、p′3、p′4、p′5、p′6和p′7；(232)对于步骤(231)得到的平面点云，随机选取三个点连接为一个样本三角片作为初始曲面，采用区域生长算法不断对三角片合并以扩张曲面边界，形成完整的三角网格曲面；(233)根据投影点云的连接关系，采用反投影方法确定各原始三维点间的拓扑连接，所得三角网格为重建得到的工件表面的曲面网格模型；三角网格是先将空间原始点投影到一个平面，得到平面投影三角形网格，然后根据投影的一一对应关系进行反投影，得到空间原始点的三角网格；(234)将步骤(233)生成的曲面网格模型根据STL文件格式标准进行存储，得到待打磨工件表面的STL模型。进一步的，步骤(3)包括以下步骤：(31)平面模型点云分割：对步骤(22)得到的平滑点云模型，采用基于随机采样一致性的点云分割算法进行分割，设定分割模型为平面模型、模型局内点的最小数目以及算法允许偏差距离绝对值，分割得到一组由待打磨工件表面不同平面点集组成的平面点集集合以及各个平面点集的拟合参数；(32)检测内外边界关键点：具体包括：(321)点云投影：将平面点集Si中的所有点投影到拟合参数表示的平面中，得到该平面点集无偏差的平面点云模型；(322)检测内外包边界：提取点云的内外边界关键点序列集合：对于每个平面点云模型本文档来自技高网...

【技术保护点】
1.一种基于曲面自适应的工业机器人高精度恒力打磨方法，其特征在于，包括以下步骤：/n(1)获取待打磨工件表面数据信息：采用线结构光扫描方式获取待打磨工件表面的扫描采样点数据信息，获取待打磨工件的有序点云模型；/n(2)建立工件表面STL模型：通过点云预处理，建立工件表面STL模型；/n(3)划分曲面：提取并利用待打磨工件表面STL模型的几何特征和拓扑特征，将待打磨工件曲面划分为若干不带空洞的平面；/n(4)生成机器人打磨运动轨迹：根据待打磨工件表面STL模型构建特征框，采用切割平面投影方法生成机器人打磨运动轨迹；/n(5)恒力打磨控制：机器人打磨过程中，根据实时力反馈实现恒力打磨控制。/n

【技术特征摘要】
1.一种基于曲面自适应的工业机器人高精度恒力打磨方法，其特征在于，包括以下步骤：
(1)获取待打磨工件表面数据信息：采用线结构光扫描方式获取待打磨工件表面的扫描采样点数据信息，获取待打磨工件的有序点云模型；
(2)建立工件表面STL模型：通过点云预处理，建立工件表面STL模型；
(3)划分曲面：提取并利用待打磨工件表面STL模型的几何特征和拓扑特征，将待打磨工件曲面划分为若干不带空洞的平面；
(4)生成机器人打磨运动轨迹：根据待打磨工件表面STL模型构建特征框，采用切割平面投影方法生成机器人打磨运动轨迹；
(5)恒力打磨控制：机器人打磨过程中，根据实时力反馈实现恒力打磨控制。


2.根据权利要求1所述的一种基于曲面自适应的工业机器人高精度恒力打磨方法，其特征在于，步骤(1)包括以下步骤：
(11)设置扫描的起始位姿、扫描间距、扫描方向和扫描次数；
(12)在当前扫描路径点触发线结构光传感器进行一次扫描；
(13)将步骤(12)中得到的由线结构光传感器坐标系表示的扫描数据变换到机器人基坐标系中，坐标变换关系为：



其中，BP表示扫描数据再机器人基坐标系中的位置，表示机器人末端法兰盘坐标系到基坐标系的转换矩阵，表示传感器坐标系到机器人末端法兰盘坐标系的转换矩阵，SP表示传感器扫描数据在传感器坐标系中的位置；
(14)若当前扫描点非最后一个扫描路径点，则移动到下一扫描路径点，并将该点作为当前点，返回步骤(12)；若该点为最后一个扫描路径点，则执行步骤(15)；
(15)所有经坐标变换后的扫描数据组成待打磨工件的有序点云模型。


3.根据权利要求1所述的一种基于曲面自适应的工业机器人高精度恒力打磨方法，其特征在于，步骤(2)包括以下步骤：
(21)点云滤波：对于步骤(1)得到的待打磨工件的有序点云模型，进行滤波处理，得到精确的待打磨工件的有序点云模型，具体包括：
(211)根据机器人安装的位置及运动范围，剔除与待打磨工件无关的采样区域，得到机器人参考坐标系下带有噪声的待打磨工件的有序点云模型；
(212)通过中值滤波算法剔除步骤(211)得到的带有噪声的待打磨工件的有序点云模型中的噪声点：对步骤(211)得到的带有噪声的待打磨工件有序点云模型中的每个数据点pi，以pi为中值窗口中心，取中值窗口边长为w，则对中值窗口内的w×w个扫描数据求取中值当时，当时，pi保持不变；其中，δ表示中值滤波器滤波阈值；从而得到机器人参考坐标系下的精确的待打磨工件的有序点云模型；
(22)点云平滑处理：采用移动最小二乘曲面拟合方法，对于步骤(21)得到的精确的待打磨工件的有序点云模型，进行平滑处理，得到平滑的点云模型；具体包括：
(221)将步骤(21)得到的精确的待打磨工件的有序点云模型所在区域网格化；
(222)修正每个网格点的坐标：首先确定网格点的影响区域大小，然后确定位于网格点影响区域内的点(xI,yI,zI)，I＝1、2、…、n，n表示网格点影响区域内点的总数；随后根据下式所示的拟合函数得出修正后的网格点坐标：
z＝f(x,y)＝pT(x,y)α(x,y)；
式中，p(x,y)＝[1,x,y]T表示线性基，上标T表示转置，α(x,y)表示系数矢量，α(x,y)根据优化方程取得极小值求得；
(223)连接网格点，形成拟合曲面：根据修正后的网格点坐标连接网格点，形成拟合曲面；
(224)将点云投影到步骤(223)的拟合曲面上，得到平滑点云模型；
(23)构建工件表面的STL模型：采用贪婪投影三角形方法对步骤(22)得到的平滑的点云模型进行处理，生成工件曲面的STL模型；具体包括：
(231)任取一个平面，将步骤...

【专利技术属性】
技术研发人员：周波，刘会昌，甘亚辉，房芳，钱堃，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32