CN106774165A - 一种喷涂机器人加工工件的方法以及*** - Google Patents

Abstract

本发明公开了一种喷涂机器人加工工件的方法以及***，通过获取待加工工件的点云数据；提取上述点云数据边界点，生成上述待加工工件轮廓图形，对上述轮廓图形进行区域分割，得出多个规则子轮廓图形，建立上述子轮廓图形的喷涂模型；根据上述子轮廓图形的形状，选择相应的加工工艺，基于上述喷涂模型，生成上述子轮廓图形的加工轨迹以及加工参数；根据上述加工轨迹以及上述加工参数，自动生成G代码。基于点云数据，建立喷涂模型，根据喷涂模型生成所需的加工轨迹以及加工参数，最终根据加工参数和加工轨迹，自动生成G代码，不用人为地参与G代码编写和加工轨迹生成。可见，本申请自动生成喷涂机器人的G代码以及加工轨迹，提高了加工效率。

Description

一种喷涂机器人加工工件的方法以及***

技术领域

本发明涉及机器人领域，特别是涉及一种喷涂机器人加工工件的方法以及***。

背景技术

随着机器人技术的发展进步，机器人已经广泛应用于各行各业。

喷涂机器人主要用于对工件进行喷涂加工，例如，木材。其一般是抓取喷枪等喷涂工具按照一定的轨迹运动，以完成对工件的喷涂加工，其中，喷涂机器人可以通过运行已编写好的G代码，来使喷枪按特定的轨迹进行加工。

喷涂自动化的关键在于加工轨迹和G代码的自动生成。而现有的喷涂机器人的轨迹生成方法主要是离线编程法，离线编程法采用人机交互方式编写G代码，即具备相应的工艺经验以及轨迹编程经验编程人员，利用人机交互进行编写代码。喷涂机器人的G代码以及加工轨迹均是人为生成的，进而在一定程度上降低了喷涂机器人的加工效率。

发明内容

本发明的目的是提供一种喷涂机器人加工工件的方法以及***，目的在于解决现有人为地生成喷涂机器人的加工轨迹和G代码从而造成加工效率较低的问题。

为解决上述技术问题，本发明提供一种喷涂机器人加工工件的方法，该方法包括：

获取待加工工件的点云数据；

提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；

根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；

根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。

可选地，所述提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型包括：

利用边界提取算法对所述点云数据进行分析，找出所述边界点，所述边界提取算法为经纬线扫描法、网格划分法以及最小凸边法中的任意一种；

连接所述边界点，生成所述待加工工件的所述轮廓图形；

基于点云数据切割算法，将所述轮廓图形分割成多个规则的所述子轮廓图形；

分别建立多个所述子轮廓图形的喷涂模型。

可选地，在所述获取待加工工件的点云数据之后还包括：

对所述点云数据进行预处理，去除所述点云数据的噪声点以及冗余数据。

可选地，所述根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数包括：

根据所述子轮廓图形的形状，选择相应的加工工艺；

对所述喷涂模型进行分析处理，自动生成所述加工轨迹；

根据所述加工轨迹，计算得出所述加工参数；

其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

可选地，所述根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件包括：

将所述加工参数转换为预设格式的参数数据；

根据所述参数数据以及所述加工轨迹，自动生成所述G代码，以使喷涂机器人自动化加工所述待加工工件。

此外，本发明还提供了一种喷涂机器人加工工件的***，该***包括：

获取模块，获取待加工工件的点云数据；

喷涂模型建立模块，用于提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；

轨迹生成模块，用于根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；

G代码生成模块，用于根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。

可选地，所述喷涂模型建立模块包括：

边界点提取单元，用于利用边界提取算法对所述点云数据进行分析，找出所述边界点，所述边界提取算法为经纬线扫描法、网格划分法以及最小凸边法中的任意一种；

边界点连接单元，用于连接所述边界点，生成所述待加工工件的所述轮廓图形；

分割单元，用于基于点云数据切割算法，将所述轮廓图形分割成多个规则的所述子轮廓图形；

建立单元，用于分别建立多个所述子轮廓图形的喷涂模型。

可选地，还包括：

预处理模块，用于对所述点云数据进行预处理，去除所述点云数据的噪声点以及冗余数据。

可选地，所述轨迹生成模块包括：

选择单元，用于根据所述子轮廓图形的形状，选择相应的加工工艺；

轨迹自动生成单元，用于对所述喷涂模型进行分析处理，自动生成所述加工轨迹；

参数计算单元，根据所述加工轨迹，计算得出所述加工参数；

其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

可选地，所述G代码生成模块包括：

转换单元，用于将所述加工参数转换为预设格式的参数数据；

代码自动生成单元，用于根据所述参数数据以及所述加工轨迹，自动生成所述G代码，以使喷涂机器人自动化加工所述待加工工件。

本发明所提供的一种喷涂机器人加工工件的方法以及***，通过获取待加工工件的点云数据；提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。基于获取的点云数据，建立相应的矢量方程即喷涂模型，然后根据喷涂模型生成所需的加工轨迹以及加工参数，最终根据加工参数和加工轨迹，自动生成G代码，不用人为地参与编写G代码以及加工轨迹的生成。可见，本申请自动生成喷涂机器人的G代码以及加工轨迹，实现了喷涂自动化，提高了喷涂机器人的加工效率。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的喷涂机器人加工工件方法的一种具体实施方式的流程示意图；

图2为本发明实施例提供的喷涂机器人加工工件***的结构示意框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参见图1，图1为本发明实施例所提供的喷涂机器人加工工件方法的一种具体实施方式的流程示意图，该方法包括：

步骤101：获取待加工工件的点云数据；

需要说明的是，上述待加工工件可以是指待喷涂工件，其可以是木材材质工件，也可以是其它材质的工件，例如，待加工工件可以为待喷涂的桌子。而待加工工件可以是指整体的工件，例如，整个桌子；也可以是指物体的其中一部分，例如，汽车的车门。

上述点云数据是指待加工工件的三维数据，即可以通过点云数据可以重构出待加工工件的三维图像。点云数据可以是通过检测装置扫描待加工工件得到的。

获取得到的点云数据可能存在着一些干扰数据以及冗余数据，为了保证后续处理步骤的准确性以及效率性，故需要对点云数据进行预处理操作。

在本发明的一些实施例中，其预处理过程可以具体为：对所述点云数据进行预处理，去除所述点云数据的噪声点以及冗余数据。

可以理解的是，由于检测装置存在着***误差和随机误差，以及待加工工件的表面粗糙度不同，表面存在有波纹以及缺陷等原因，使得采集得到的点云数据有干扰点，即在点云数据采样过程中，不可避免地在真实数据点中混有不合理的噪声点。

去除点云数据中的噪声点例如可以利用平滑滤波算法，也可以利用其它的去噪算法，在此不作限定。

在处理庞大的点云数据时，需要占用大量计算机资源以及花费大量时间。进一步地，过多的点云数据反而可能会影响待加工工件三维曲面的光顺性，故对测量的海量数据进行数据简化是十分必要的。

数据简化的方法有很多，例如，可以采用最小距离法对点云数据进行精简，其通过设定一个最小距离d_min，沿扫描线方向依次比较相邻两点间的距离d；若d<d_min，则记录后一个数；逐一判断所有扫描点，最后根据实际情况判断这些记录点是否要剔除。显而易见地，去除点云数据的冗余数据的方法并不限于上述所提及的方法。

步骤102：提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；

需要说明的是，上述喷涂模型可以是指三维矢量方程。可以通过基于同一剖面上的若干点坐标，得到待加工工件与剖面交线的三维矢量方程。对矢量方程进行处理，可以生成并优化得到的加工轨迹。

基于获取的点云数据，经过边界提取以及区域分割，最终生成相应的矢量方程即喷涂模型。

在本发明的一些实施例中，点云数据生成矢量方程的过程可以具体为：利用边界提取算法对所述点云数据进行分析，找出所述边界点，所述边界提取算法为经纬线扫描法、网格划分法以及最小凸边法中的任意一种；连接所述边界点，生成所述待加工工件的所述轮廓图形；基于点云数据切割算法，将所述轮廓图形分割成多个规则的所述子轮廓图形；分别建立多个所述子轮廓图形的喷涂模型。

将点云数据分割成多个小部分数据进行处理，可以大大减少后续轨迹优化的计算量，从而提高了计算速度，提高了加工效率。

可以理解的是，点云数据中的数据点可以分为边界点和内部点，点云数据边界点可以是指能够描述点云数据形态轮廓的少量点集。点云数据边界点通常都有一个特性:它附近的邻近点都位于同一侧分布，而不是分布在四周。基于边界点特性，可以采用数据点及其邻近点的分布均匀性来判定边界点和非边界点。然后根据相应的边界点，可以确定待加工工件的几何图形形状。

常见的平面点云的边界特征提取方法有很多，例如可以有经纬线扫描法、网格划分法、最小凸边算法。

网格划分法一般包括三个流程，即网格划分、寻找边界网格以及提取边界线。其首先建立点云数据的最小包围矩形，用设定间隔的矩形网格将数据分割；然后寻找边界网格，把边界网格依顺序连接构成一条由边界网格组成的“粗边界”；最后对每个边界网格中的数据依据一定的规则判断其是否是边界点，从而得到点云的边界点信息。

显而易见地，上述经纬线扫描法以及最小凸边算法均是本领域技术人员所熟知的技术，在此不再赘述。当然，点云数据的边界点提取方法还可以为其它方法，在此不作限定。

将提取出边界点连接起来，可以生成待加工工件的轮廓图形形状，而由于生成的轮廓图形形状不一定满足加工工艺的要求，因此，还可以对点云数据进行区域分割，即将整体的待加工工件根据加工工艺的要求，分割为若干个规则的几何图形。

为了使得喷涂机器人加工工件的路径更优，故可以在对点云数据进行分片时，遵从多个分片原则，例如规则多边形原则、凸多边形原则、尽量减少转折点原则以及片之间的公共边长尽量短原则。

由于规则多边形的路径规划相对简单，分片时应尽量分解为规则多边形。例如，当子轮廓图形近似于直角多边形，喷涂机器人的加工路径规划及机器人的运动控制效果较好；而子轮廓图形为内角为锐角的多边形，由于存在一些较小的边角，使得喷涂机器人运动控制实现比较困难。

可以理解的是，与凸多边形相比，凹多边形的喷涂路径方向变化更多一些，沿着凸多边形上的喷涂路径进行喷涂效果会更好一些，故可以使得子轮廓图形尽可能为凸多边形。

需要说明的是，在喷涂路径的转折点处，喷涂机器人的运动控制难度较大，进而导致喷涂效果变差；进一步地，喷涂机器人在转折点处必须经过减速和加速过程才能平稳过渡，进而使得喷涂时间也会变长，喷涂效率降低。因此，点云数据分割过程中应尽量选择转折点较少的分割方案，即垂直于喷涂路径方向的子轮廓图形的边长长度要尽量小。

各个子轮廓图形交界处上的涂层厚度是由两个子轮廓图形上的喷涂轨迹所决定的，因此，如果子轮廓图形交界处的公共边长较长，可能造成公共边周围涂层厚度的不一致，故应遵循子轮廓图形之间的公共边长尽量短原则。

将待加工工件分割成多个规则的子轮廓图形后，可以生成每个子轮廓图形的矢量方程即喷涂模型。

步骤103：根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；

具体地，根据子轮廓图形的几何形状，确定每个子轮廓图形的加工工艺，例如，当子轮廓图形为正方形时，则该子轮廓图形使用的喷涂路径为螺旋形加工轨迹。然后利用相应的转换算法，对喷涂模型即矢量方程进行处理，即可生成对应的加工轨迹，并对生成的加工轨迹进行优化；最后由生成加工轨迹生成几何信息即加工参数。例如，确定喷涂的起始位置，喷枪的加速、匀速以及减速阶段，喷枪角度问题，转弯阶段以及喷涂不同位置时喷枪的转向角度等，以完成加工轨迹的规划。

需要说明的是，上述子轮廓图形的形状一般为规则的多边形，例如，正方形、长方形、类正方形以及类长方形。子轮廓图形的划分一般是按区域分割的，例如，对整个桌子进行分割，可以将桌面分割为子轮廓图形，将底座作为一个子轮廓图形。

上述加工工艺可以是指预先根据子轮廓图形的集合图形形状的不同，将加工工艺进行分类。一般地，喷涂机器人喷涂路径通常有两种模式:Z字形路径和螺旋形路径。Z字形路径规划比较简单，缺点是喷涂后在每一片的边界处涂层厚度均匀性较差；螺旋形路径避免了这个缺点，但在喷涂过程中喷枪路径上容易出现断点。在实际生产中，机器人喷涂路径一般都为Z字形路径。螺旋形路径适合喷涂中空的区域。

在本发明的一些实施例中，轨迹生成以及优化的过程可以具体为：根据所述子轮廓图形的形状，选择相应的加工工艺；对所述喷涂模型进行分析处理，自动生成所述加工轨迹；根据所述加工轨迹，计算得出所述加工参数；其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

可以理解的是，上述加工参数可以是指喷枪等喷涂工具相关的参数，例如，喷枪方向以及喷枪速度，当然，加工参数还包括其它的加工参数，均是本领域技术人员所熟知的，在此不再赘述。

自动生成加工轨迹，以及利用矢量方程对加工轨迹进行优化，以得出最优的加工路径，提高了喷涂质量，降低了材料的消耗，提高了加工效率。

步骤104：根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。

具体地，可以将加工参数，以及加工轨迹按照预设的格式输入到硬件执行机构，以自动生成可执行的G代码，然后喷涂机器人运行生成的G代码，对待加工工件进行加工。

可以理解的是，由于加工轨迹以及加工参数均是子轮廓图形的，即生成的加工轨迹以及加工参数对应于待加工工件的局部区域。在对整个工件进行加工喷涂时，可以将多个区域的加工轨迹按照一定的加工顺序组合起来，即整个工件的加工阶段，按区域分为多个阶段。例如，当待加工工件为桌子时，将桌子划分为桌面和底座两个子轮廓，生成相应的加工轨迹以及加工参数；加工工件时，可以根据桌面的加工路径以及参数加工完桌面，再根据底座的加工路径以及加工参数加工底座，最后完成整个工件的加工。当然，工件的各个区域的加工先后顺序可以是任意地，在此不作限定。

在本发明的一些实施例中，自动生成G代码的过程可以具体为：将所述加工参数转换为预设格式的参数数据；根据所述参数数据以及所述加工轨迹，自动生成所述G代码，以使喷涂机器人自动化加工所述待加工工件。

需要说明的是，上述预设格式数据可以是指文本格式，即将加工参数按照一定的先后顺序填写在text文本中，然后将text文本输入至硬件平台，以使硬件平台读取文本中的数据，根据相应的加工轨迹，自动生成相应的G代码。运行相应的G代码，可以实现喷涂机器人的自动化，即自动生成加工轨迹以及G代码，继而自动加工相应的工件。显而易见地，自动生成G代码的方法并不限于上述所提及的方法。

本发明实施例所提供的喷涂机器人加工工件的方法，基于获取的点云数据，建立相应的矢量方程即喷涂模型，然后根据喷涂模型生成所需的加工轨迹以及加工参数，最终根据加工参数和加工轨迹，自动生成G代码，不用人为地参与编写G代码以及加工轨迹的生成。可见，该方法自动生成喷涂机器人的G代码以及加工轨迹，实现了喷涂自动化，提高了喷涂机器人的加工效率。

下面对本发明实施例提供的喷涂机器人加工工件***进行介绍，下文描述的喷涂机器人加工工件的***与上文描述的喷涂机器人加工工件的方法可相互对应参照。

图2为本发明实施例提供的喷涂机器人加工工件***的结构示意框图，参照图2喷涂机器人加工工件***可以包括：

获取模块201，获取待加工工件的点云数据；

喷涂模型建立模块202，用于提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；

轨迹生成模块203，用于根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；

G代码生成模块204，用于根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。

可选地，所述喷涂模型建立模块包括：

边界点提取单元，用于利用边界提取算法对所述点云数据进行分析，找出所述边界点，所述边界提取算法为经纬线扫描法、网格划分法以及最小凸边法中的任意一种；

边界点连接单元，用于连接所述边界点，生成所述待加工工件的所述轮廓图形；

分割单元，用于基于点云数据切割算法，将所述轮廓图形分割成多个规则的所述子轮廓图形；

建立单元，用于分别建立多个所述子轮廓图形的喷涂模型。

可选地，还包括：

预处理模块，用于对所述点云数据进行预处理，去除所述点云数据的噪声点以及冗余数据。

可选地，所述轨迹生成模块包括：

选择单元，用于根据所述子轮廓图形的形状，选择相应的加工工艺；

轨迹自动生成单元，用于对所述喷涂模型进行分析处理，自动生成所述加工轨迹；

参数计算单元，根据所述加工轨迹，计算得出所述加工参数；

其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

可选地，所述G代码生成模块包括：

转换单元，用于将所述加工参数转换为预设格式的参数数据；

代码自动生成单元，用于根据所述参数数据以及所述加工轨迹，自动生成所述G代码，以使喷涂机器人自动化加工所述待加工工件。

本发明实施例所提供的喷涂机器人加工工件的***，基于获取的点云数据，建立相应的矢量方程即喷涂模型，然后根据喷涂模型生成所需的加工轨迹以及加工参数，最终根据加工参数和加工轨迹，自动生成G代码，不用人为地参与编写G代码以及加工轨迹的生成。可见，该***自动生成喷涂机器人的G代码以及加工轨迹，实现了喷涂自动化，提高了喷涂机器人的加工效率。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的喷涂机器人加工工件的方法以及***进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种喷涂机器人加工工件的方法，其特征在于，包括：

获取待加工工件的点云数据；

提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；

根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；

根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。

2.如权利要求1所述的方法，其特征在于，所述提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型包括：

利用边界提取算法对所述点云数据进行分析，找出所述边界点，所述边界提取算法为经纬线扫描法、网格划分法以及最小凸边法中的任意一种；

连接所述边界点，生成所述待加工工件的所述轮廓图形；

基于点云数据切割算法，将所述轮廓图形分割成多个规则的所述子轮廓图形；

分别建立多个所述子轮廓图形的喷涂模型。

3.如权利要求2所述的方法，其特征在于，在所述获取待加工工件的点云数据之后还包括：

对所述点云数据进行预处理，去除所述点云数据的噪声点以及冗余数据。

4.如权利要求1所述的方法，其特征在于，所述根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数包括：

根据所述子轮廓图形的形状，选择相应的加工工艺；

对所述喷涂模型进行分析处理，自动生成所述加工轨迹；

根据所述加工轨迹，计算得出所述加工参数；

其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

5.如权利要求1至4任一项所述的方法，其特征在于，所述根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件包括：

将所述加工参数转换为预设格式的参数数据；

根据所述参数数据以及所述加工轨迹，自动生成所述G代码，以使喷涂机器人自动化加工所述待加工工件。

6.一种喷涂机器人加工工件的***，其特征在于，包括：

获取模块，获取待加工工件的点云数据；

喷涂模型建立模块，用于提取所述点云数据的边界点，生成所述待加工工件的轮廓图形，对所述轮廓图形进行区域分割，得出多个规则的子轮廓图形，建立所述子轮廓图形的喷涂模型；

轨迹生成模块，用于根据所述子轮廓图形的形状，选择相应的加工工艺，基于所述喷涂模型，生成所述子轮廓图形的加工轨迹以及加工参数；

G代码生成模块，用于根据所述加工轨迹以及所述加工参数，自动生成G代码，以使喷涂机器人自动化加工所述待加工工件。

7.如权利要求6所述的***，其特征在于，所述喷涂模型建立模块包括：

边界点提取单元，用于利用边界提取算法对所述点云数据进行分析，找出所述边界点，所述边界提取算法为经纬线扫描法、网格划分法以及最小凸边法中的任意一种；

边界点连接单元，用于连接所述边界点，生成所述待加工工件的所述轮廓图形；

分割单元，用于基于点云数据切割算法，将所述轮廓图形分割成多个规则的所述子轮廓图形；

建立单元，用于分别建立多个所述子轮廓图形的喷涂模型。

8.如权利要求7所述的***，其特征在于，还包括：

预处理模块，用于对所述点云数据进行预处理，去除所述点云数据的噪声点以及冗余数据。

9.如权利要求6所述的***，其特征在于，所述轨迹生成模块包括：

选择单元，用于根据所述子轮廓图形的形状，选择相应的加工工艺；

轨迹自动生成单元，用于对所述喷涂模型进行分析处理，自动生成所述加工轨迹；

参数计算单元，根据所述加工轨迹，计算得出所述加工参数；

其中，所述加工参数包括喷枪方向参数以及喷枪速度参数。

10.如权利要求6至9任一项所述的***，其特征在于，所述G代码生成模块包括：

转换单元，用于将所述加工参数转换为预设格式的参数数据；

代码自动生成单元，用于根据所述参数数据以及所述加工轨迹，自动生成所述G代码，以使喷涂机器人自动化加工所述待加工工件。