一种基于巷道三维点云的自动喷浆机器人轨迹规划方法技术

本发明专利技术公开了一种基于巷道三维点云的自动喷浆机器人轨迹规划方法，实现喷浆机器人自动完成巷道三维点云处理并自主规划喷浆路径等一系列流程；步骤为：激光雷达采集按照预设的多个采样点采集初始数据并保存为不同的pcd格式的点云文件；将原始的点云数据进行坐标变换、去除离群点、直通滤波、体素滤波等操作；利用点云库中的PCA算法计算点云法线以确保机器人的喷枪始终垂直待喷面；通过粗拼接与精拼接算法相结合的方法对多张点云图进行拼接以构建完整的初始点云图；对处理后的巷道点云提取出一系列离散点并经过逆解得到离散的位姿；对轨迹点进行轨迹规划以使喷浆机器人可以进行平滑的运动。该方法可以使喷浆机器人在巷道下面进行完整的自主规划作业。面进行完整的自主规划作业。面进行完整的自主规划作业。

【技术实现步骤摘要】
一种基于巷道三维点云的自动喷浆机器人轨迹规划方法


[0001]本专利技术涉及三维点云处理及机器人轨迹规划领域，尤其涉及基于巷道三维点云处理后对机器人的位姿进行求解并完成自主轨迹规划的方法。

技术介绍

[0002]随着时代步入工业化智能化的方向，机器人技术已经越发地被应用于生产生活当中。目前智能化发展的机器人已经得到了社会的广泛支持，而智能化技术的应用也会使机器人的功能愈发完善，执行能力也得到增强。但是在一些复杂且对人体有害的环境下，机器人的应用还需进一步研究发掘，例如煤矿职工在煤矿下对隧道曲面进行喷涂时会接触到粉尘、有毒有害气体、放射性污染等职业危害因素，对劳动者的健康和生命构成巨大威胁，用机器人实现代替人工进行此类高危作业已经成为当下需要解决的迫切问题。因此使机器人在此类巷道中可以进行自主处理点云并规划喷涂路线从而代替人工喷涂对于保护人员健康提升工作效率有着重要的现实意义。但是，由于复杂的巷道环境对于点云数据的获取和处理都有着很大的干扰，这样处理对于机器人的最终位姿的估计以及整体喷涂流程的轨迹规划都有着很大的影响。
>[0003]根据现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于巷道三维点云的自动喷浆机器人轨迹规划方法，其特征在于，喷浆机器人具有激光雷达对巷道进行实时扫描来获取点云数据，并对点云数据处理后进行机器人自主喷浆轨迹规划，以上所述的机器人将按照以下步骤进行巷道下的三维点云重建和轨迹规划；其具体步骤如下：S1：初始化，机械臂底座伸缩关节上的激光雷达移动至初始点，计算机和激光雷达建立通讯连接，计算机通过倍福ADS通信模块与下位机之间建立通讯连接；S2：机械臂底座伸缩关节带动激光雷达按照一定频率依次到达各个预设好的采样点进行数据采集，并将点云数据保存为不同的PCD文件；S3：将S2采集得到的原始点云数据进行数据预处理操作：将原始的点云数据进行坐标变换、去除离群点、直通滤波、体素滤波操作；S4：通过S3处理精简后的点云图，利用点云库中的PCA算法计算点云法线和曲率估计，对后面的特征点检测和点云配准有着更好的效果，从而确保后续机器人运动轨迹中的喷枪始终垂直待喷面以保证均匀喷浆；S5：将S4处理后的点云数据通过SAC
‑
IA粗配准与ICP精配准相结合的算法方法对多张点云图进行拼接以构建完整的初始点云图；S6：对点云图提取出一系列离散点，并经过逆解得到一连串离散的位姿；S7：对S6得到的轨迹点进行关节空间的轨迹规划方法以使喷浆机器人的机械臂可以进行连续平滑的运动；S8：喷浆机器人完成一部分巷道的完整喷浆流程后，移动至下一部分重复上述步骤。2.根据权利要求1所述的一种基于巷道三维点云的自动喷浆机器人轨迹规划方法，其特征在于，步骤S3中采用的点云数据预处理算法，具体步骤为：计算机通过与激光雷达采集器将IP地址设置到同一网段下以通过UDP协议来获取原始的点云数据；数据包采用低字节在前，高字节在后的Little
‑
endian格式；采集完点云信息后将其保存为PCD格式的点云文件；对于采集后的点云数据需要进行数据预处理后才可使用，点云数据的预处理步骤为：S3
‑
1：需要对点云进行坐标变换使得点云和机器人的坐标方向相同；S3
‑
2：由于保存的点云文件中点与点之间的拓扑关系不完整，所以使用KD树对任意一点点云P建立空间拓朴关系，找到距离任意点P最近的N个点组成集合P
n
＝{P1,P2,
…
,P
N
}；S3
‑
3：计算对于任意点P与其搜索范围N邻域内所有点之间的平均距离得到：S3
‑
4：计算全局内所有搜索点的平均距离d
u
和均方差σ
u
:S3
‑
5:满足统计滤波滤除离群点后的范围为：(d
u
‑
ασ
u
,d
u
+ασ
u
)
其中α为合适的均方差倍数；S3
‑
6:将滤除后的点云数据集导入直通滤波后设置合适的字段和范围后进行去噪得到新的点云；S3
‑
7:将S3
‑
6得到的点云数据创建一个三维体素栅格进行体素下采样，并对滤波后的点云保存为新的点云文件；至此点云数据得到精简并对提高了后续处理精度。3.根据权利要求1所述的一种基于巷道三维点云的自动喷浆机器人轨迹规划方法，其特征在于，步骤S4中利用PCL点云库中的PCA算法进行数据降维并估算点云法线，具体步骤为：S4
‑
1：建立点云的拓扑关系，查找当前点云中任意一点P
i
，查找与当前采样点距离最近的k个点，对邻域内所有点进行去中心化，即减去这一行的均值得到一个新的数据集：S4
‑
2：定义一个协方差矩阵H，将法向量计算问题转化为协方差矩阵进行求解：S4
‑
3：协方差矩阵H为半正定矩阵，因此具有三个特征值且都为正数，且λ1＜λ2＜λ3时，协方差矩阵H中最小特征值λ1对应的向量e0就是法向量；S4
‑
4：采样点处的曲率可以由协方差矩阵的特征值计算得到；且λ1,λ2,λ3代表了此点在该特征方向上的特征的显著性，点云P
i
处的曲率ρ
i
可以由此计算得到：采用上述PCA算法可以完整的得到所有点的方向量，对后续的点云配准，调整喷枪位姿使喷枪关节垂直待喷面都具有重要作用。4.根据权利要求1所述的一种基于巷道三维点云的自动喷浆机器人轨迹规划方法，其特征在于：步骤S5中计算机对预处理后的多副点云图进行基于FPFH特征的SAC
‑
IA粗配准和ICP精配准的处理，让点云之间的空间位置差异最小化从而更好的拼接在一起，对最后的巷道点云图的精度有着很大的影响；S5
‑
1：直接对输入点云提取特征会出现计算量较大，计算效率低下的问题，因此提取关键点以减少特征点的数量是非常必要的，采用内部形状描述子来描述点云的局部特征：取任意一点点云P
i
，计算邻域点P
ij
处的权重：设N(P
i
)为点P
i
的邻域，计算每个点P
i
处的协方差矩阵：将协方差矩阵的特征值从大到小依次降序排列为设定阈值为ε1,ε2，满足下列判断标准的点即为ISS关键点：
S5
‑
2：为了尽可能实现点云图拼接的精度，使用点云配准让具有相似特征的点对之间的距离缩减至接近于0，使用FPFH描述点云的几何特征；对某一采样点P
...

【专利技术属性】
技术研发人员：欧阳奇，张兴兰，赵海浩，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：