一种基于模型驱动的发动机铸件表面数据采集路径规划方法技术

本发明专利技术公开了一种基于模型驱动的发动机铸件表面数据采集路径规划方法，使用激光扫描仪获取发动机铸件表面深度图像信息；基于发动机铸件表面深度图像信息建立发动机铸件表面障碍模型；采用最小代价生成树的路径规划算法，基于障碍模型规划相机在发动机铸件表面获取图像数据的行动路径；使用机械臂驱动相机，沿行动路径完成发动机铸件表面图像数据采集。具有采集效率高，路径规划稳定的特点，能显著提升发动机铸件表面数据采集过程的稳定性，保证采集数据的质量。证采集数据的质量。证采集数据的质量。

【技术实现步骤摘要】
一种基于模型驱动的发动机铸件表面数据采集路径规划方法


[0001]本专利技术属于发动机铸件
，具体涉及一种基于模型驱动的发动机铸件表面数据采集路径规划方法。

技术介绍

[0002]铸件是使用各种铸造方法得到的金属成型物件，如将冶炼后的液态金属用浇注、压射、吸入或其他浇铸方法注入预先准备好的铸件模型中，待冷却后经打磨等加工手段后得到的具有一定形状、尺寸和性能的金属物件。
[0003]汽车发动机铸件由于结构复杂、尺寸精度要求高以及铸件表面质量和强度要求苛刻等原因，是铸造难度最高的铸件类型之一。
[0004]多年来，发动机铸件的铸造工艺水平有了长足的进步。但在发动机铸件的铸造过程中，因为生产工艺和人员操作手段等因素，发动机铸件表面难以避免地会出现缺陷。这些缺陷会在发动机铸件的后续使用过程中埋下严重的安全隐患。因此有必要在铸件出厂前对其表面进行缺陷检测。
[0005]而在进行发动机铸件表面检测任务之前，如何稳定高效的获取表面高质量图像是保障表检任务顺利进行的一个关键步骤。在目前的生产实践中，针对发动机铸件表面数据采集主要依靠人为拍摄的方法。但该方法效率和可靠性均偏低，且费时费力，难以满足高效的生产需求。

技术实现思路

[0006]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于模型驱动的发动机铸件表面数据采集路径规划方法。
[0007]为实现上述技术目的，本专利技术采取的技术方案为：
[0008]一种基于模型驱动的发动机铸件表面数据采集路径规划方法，包括：
[0009]步骤1，使用激光扫描仪获取发动机铸件表面深度图像信息；
[0010]步骤2，基于发动机铸件表面深度图像信息建立发动机铸件表面障碍模型；
[0011]步骤3，采用最小代价生成树的路径规划算法，基于障碍模型规划相机在发动机铸件表面获取图像数据的行动路径；
[0012]步骤4，使用机械臂驱动相机，沿行动路径完成发动机铸件表面图像数据采集。
[0013]为优化上述技术方案，采取的具体措施还包括：
[0014]上述的步骤1中获取的发动机铸件表面深度图像信息格式为(x,y,z)
×
H
×
W；
[0015]其中，H和W表示发动机铸件表面的采样长度和宽度，即在铸件长和宽尺度上的采样点数量；x和y表示采样点的水平横纵坐标；z表示采样点的高度坐标。
[0016]上述的高度坐标为经过统一化处理得到的值，具体为：取深度图像信息中高度坐标最大值z
max
为参照原点，将其他所有高度坐标值修改为与z
max
的相对差值，该差值非负。
[0017]上述的步骤2建立的发动机铸件表面障碍模型为S
ob
＝[i,x
ob
,y
ob
,l
x
,l
y
,μ
i
]；
[0018]其中，i表示当前障碍块的标号，x
ob
,y
ob
表示每个障碍块的水平标定位置坐标；
[0019]l
x
,l
y
表示障碍块的横向宽度和纵向长度，其分别基于采样点的水平横纵坐标x和y计算得到；
[0020]μ
i
表示高度障碍因子。
[0021]上述的高度障碍因子，其由下式计算得出：
[0022][0023]其中，max(z)
i
表示障碍块范围内高度坐标的最大值，min(z)
i
表示障碍块范围内高度坐标的最小值。
[0024]上述的步骤3包含以下步骤：
[0025]步骤3.1、根据每个障碍块的高度障碍因子，计算得出相邻第i和第j个障碍块之间的权重值ω
i,j
＝|μ
i
‑
μ
j
|，该权重为无负值；
[0026]步骤3.2、以权重值为相邻障碍块的权值边，将整个发动机铸件表面障碍模型抽象为带权值的无向图A，并生成该无向图A对应的最小代价树集合{γ0→
n
}，n表示最小代价树的数量；
[0027]步骤3.3、对于每一棵最小代价树，选定相机模型的标定初始坐标，即代表第一块障碍块的点为路径起点，遍历整棵树中代表障碍块的结点，并计算遍历权重得到遍历权重集合{W
n
}；
[0028]其中，OP表示遍历操作数量，ω
k
表示第k次遍历操作对应最小代价树中操作边的权重；
[0029]步骤3.4、筛选得到遍历权重集合{W
n
}中最小值对应的遍历路径，即为最小代价生成树的路径规划算法输出的基于障碍模型规划相机在发动机铸件表面获取图像数据的行动路径。
[0030]上述的步骤3.2所述无向图A为：
[0031][0032]上述的步骤3.3所述相机模型的标定初始坐标为(x
c
,y
c
,z
c
)；
[0033]其中，x
c
,y
c
为发动机铸件表面最左上角点水平横、纵坐标，z
c
为发动机铸件表面深度图像信息中采样点的高度坐标z的最大值z
max
。
[0034]本专利技术具有以下有益效果：
[0035]本专利技术使用激光扫描仪获取发动机铸件表面深度图像信息；基于发动机铸件表面深度图像信息建立发动机铸件表面障碍模型；采用最小代价生成树的路径规划算法，基于障碍模型规划相机在发动机铸件表面获取图像数据的行动路径；使用机械臂驱动相机，沿行动路径完成发动机铸件表面图像数据采集。具有采集效率高，路径规划稳定的特点，能显著提升发动机铸件表面数据采集过程的稳定性，保证采集数据的质量。
附图说明
[0036]图1为本专利技术中基于模型驱动的发动机铸件表面数据采集路径规划方法的流程示意图；
[0037]图2为本专利技术中发动机铸件表面障碍模型中障碍块划分的示意图；
[0038]图3为本专利技术中发动机铸件表面障碍模型抽象为无向图的示意图。
具体实施方式
[0039]以下结合附图对本专利技术的实施例作进一步详细描述。
[0040]参见图1，一种基于模型驱动的发动机铸件表面数据采集路径规划方法，包括：
[0041]步骤1，使用激光扫描仪获取发动机铸件表面深度图像信息；
[0042]所述步骤1中获取的发动机铸件表面深度图像信息格式为(x,y,z)
×
H
×
W；
[0043]其中，H和W表示发动机铸件表面的采样长度和宽度，即在铸件长和宽尺度上的采样点数量；x和y表示采样点的水平横纵坐标；z表示采样点的高度坐标。
[0044]该高度坐标为经过统一化处理得到的值，具体为：取深度图像信息中高度坐标最大值z
max...

【技术保护点】

【技术特征摘要】
1.一种基于模型驱动的发动机铸件表面数据采集路径规划方法，其特征在于，包括：步骤1，使用激光扫描仪获取发动机铸件表面深度图像信息；步骤2，基于发动机铸件表面深度图像信息建立发动机铸件表面障碍模型；步骤3，采用最小代价生成树的路径规划算法，基于障碍模型规划相机在发动机铸件表面获取图像数据的行动路径；步骤4，使用机械臂驱动相机，沿行动路径完成发动机铸件表面图像数据采集。2.根据权利要求1所述的一种基于模型驱动的发动机铸件表面数据采集路径规划方法，其特征在于，所述步骤1中获取的发动机铸件表面深度图像信息格式为(x,y,z)
×
H
×
W；其中，H和W表示发动机铸件表面的采样长度和宽度，即在铸件长和宽尺度上的采样点数量；x和y表示采样点的水平横纵坐标；z表示采样点的高度坐标。3.根据权利要求2所述的一种基于模型驱动的发动机铸件表面数据采集路径规划方法，其特征在于，所述高度坐标为经过统一化处理得到的值，具体为：取深度图像信息中高度坐标最大值z
max
为参照原点，将其他所有高度坐标值修改为与z
max
的相对差值，该差值非负。4.根据权利要求2所述的一种基于模型驱动的发动机铸件表面数据采集路径规划方法，其特征在于，所述步骤2建立的发动机铸件表面障碍模型为S
ob
＝[i,x
ob
,y
ob
,l
x
,l
y
,μ
i
]；其中，i表示当前障碍块的标号，x
ob
,y
ob
表示每个障碍块的水平标定位置坐标；l
x
,l
y
表示障碍块的横向宽度和纵向长度，其分别基于采样点的水平横纵坐标x和y计算得到；μ
i
表示高度障碍因子。5.根据权利要求4所述的一种基于模型驱动的发动机铸件表面数据采集路径规划方法，其特征在于，所述高度障碍因子，其由...

【专利技术属性】
技术研发人员：贾佳，
申请(专利权)人：南京耘瞳科技有限公司，
类型：发明
国别省市：