一种基于k最近邻的3D鞋底喷胶路径规划方法技术

本发明专利技术涉及一种基于k最近邻的3D鞋底喷胶路径规划方法，其包括：步骤1、通过激光器对鞋底进行扫描，获取原始鞋底点云数据；步骤2、对原始鞋底点云数据进行过滤，获取处理后的鞋底点云数据；步骤3、根据处理后的鞋底云数据，提取鞋底的外轮廓；步骤4、根据鞋底的外轮廓提取鞋底内轮廓，对鞋底内轮廓进行处理，形成喷胶路径点集。本发明专利技术基于点云数据，综合高度阈值及基于kNN的邻域滤波算法，过滤掉噪声点及异常点，避免了传统方法过滤后仍存在噪声团簇的问题，有效地提升了滤波效率，从而提高了喷胶路径的精确度。

A path planning method of 3D sole spray based on K nearest neighbor

【技术实现步骤摘要】
一种基于k最近邻的3D鞋底喷胶路径规划方法
本专利技术涉及自动化喷胶
，具体涉及一种基于k最近邻的3D鞋底喷胶路径规划方法。
技术介绍
制鞋是典型的劳动密集型产业,目前制鞋的大部分工序采用手工或半自动化操作,生产效率非常低。此外，工人的工作环境也相当恶劣,尤其是在喷胶工序中,胶黏剂挥发出来的有毒气体严重威胁着工人的健康,制约了制鞋行业的健康发展。因而，自动化喷胶具有重要意义。自动化喷胶的关键是喷胶路径的规划算法。当前的路径规划算法主要有几种：其一，基于CAD模型的；其二，基于图像的；其三，基于激光点云的。基于CAD模型主要是基于鞋底CAD模型文件进行路径规划，由于鞋底存在一定的膨胀及变形，实际生产的鞋底与CAD模型有一定的差异。因而，该方法只能针对少部分鞋型有效，很难应用于实际生产中。基于视觉的方法主要是通过视觉的边缘检测算法提取路径。基于视觉的方法只能提取二维信息，提取的路径缺乏高度信息。此外，由于边缘提取的像素误差以及标定误差等原因，其轮廓提取精度并不是特别高。这制约了该方法的应用。基于激光点云的方法，本文档来自技高网...

【技术保护点】
1.一种基于k最近邻的3D鞋底喷胶路径规划方法，其特征在于：所述方法包括：/n步骤1、通过激光器对鞋底进行扫描，获取原始鞋底点云数据；/n步骤2、对原始鞋底点云数据进行过滤，获取处理后的鞋底点云数据；/n首先，通过高度阈值对原始鞋底点云数据进行过滤：高度大于高度阈值的点为地面点，高度小于高度阈值的点为鞋底点，将所有鞋底点作为初过滤后的鞋底点云数据；/n然后，采用基于kNN的邻域滤波算法对初过滤后的鞋底点云数据进行过滤，获取处理后的鞋底点云数据；/n步骤3、根据处理后的鞋底云数据，提取鞋底的外轮廓；/n步骤4、根据鞋底的外轮廓提取鞋底内轮廓，对鞋底内轮廓进行处理，形成喷胶路径点集。/n

【技术特征摘要】
1.一种基于k最近邻的3D鞋底喷胶路径规划方法，其特征在于：所述方法包括：
步骤1、通过激光器对鞋底进行扫描，获取原始鞋底点云数据；
步骤2、对原始鞋底点云数据进行过滤，获取处理后的鞋底点云数据；
首先，通过高度阈值对原始鞋底点云数据进行过滤：高度大于高度阈值的点为地面点，高度小于高度阈值的点为鞋底点，将所有鞋底点作为初过滤后的鞋底点云数据；
然后，采用基于kNN的邻域滤波算法对初过滤后的鞋底点云数据进行过滤，获取处理后的鞋底点云数据；
步骤3、根据处理后的鞋底云数据，提取鞋底的外轮廓；
步骤4、根据鞋底的外轮廓提取鞋底内轮廓，对鞋底内轮廓进行处理，形成喷胶路径点集。


2.根据权利要求1所述的一种基于k最近邻的3D鞋底喷胶路径规划方法，其特征在于：所述步骤2中，采用基于kNN的邻域滤波算法对初过滤后的鞋底点云数据进行过滤具体如下：
针对初过滤后的鞋底点云数据，构建KDTree；
在KDTree结构基础上，提取初过滤后的鞋底点云数据中每个点的k’各最近邻居点；
计算每个点与其k个最近邻居点的距离；
若每个点与其第k个最近邻居点的距离大于设定阈值，则该点判定为异常点或噪声点，否则为鞋底点；
所有鞋底点构成处理后的鞋底点云数据。


3.根据权利要求1所述的一种基于k最近邻的3D鞋底喷胶路径规划方法，其特征在于：所述激光器为线激光器；所述步骤3中，提取外轮廓的步骤具体如下：
将处理后的鞋底点云数据分割呈若干条不同的扫描线；
取每条扫描线的中间点；
将扫描线分为两段：最左边点到中间点，最右边点到中间点；
针对“最左边点到中间点”这段，从左到右遍历并提取第一个出现的最大值点A；针对“最右边到最中间点”这段，从右到左遍历并提取第一个出现的最大值点B；
A与B则为鞋边缘点，A与B之间的点为鞋底点；
所有扫描线的A点和B点构成了鞋底的外轮廓。
<...

【专利技术属性】
技术研发人员：庄加福，曾辉雄，李俊，杨林杰，高银，白成云，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：福建;35