CN110039538B - 一种基于大型复杂构件点云信息的机器人轨迹规划方法 - Google Patents
一种基于大型复杂构件点云信息的机器人轨迹规划方法 Download PDFInfo
- Publication number
- CN110039538B CN110039538B CN201910266834.XA CN201910266834A CN110039538B CN 110039538 B CN110039538 B CN 110039538B CN 201910266834 A CN201910266834 A CN 201910266834A CN 110039538 B CN110039538 B CN 110039538B
- Authority
- CN
- China
- Prior art keywords
- track
- point
- robot
- cad model
- normal vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
本发明属于工业机器人加工领域，并公开了一种基于大型复杂构件点云信息的机器人轨迹规划方法。该方法包括：(a)将待加工构件的点云模型逆向重构获得CAD模型，设定该CAD模型的主法矢方向、投影方向和机器人移动的前进方向；(b)采对所述CAD模型进行切片获得多条轨迹线，将每条轨迹线离散为多个离散点，将每个离散点投影在CAD模型上获得其对应的轨迹点、其三维坐标和相应的U和V值；(c)求解轨迹点的切矢量、副切矢量和主法矢量获得轨迹点的六维信息，按照预设加工顺序储存每个轨迹点的六维信息，即获得所需的机器人加工轨迹。通过本发明，满足大型构件机器人加工轨迹规划需求，提高轨迹规划的精度，保证良好的加工质量。
Description
技术领域
本发明属于工业机器人加工领域，更具体地，涉及一种基于大型复杂构件点云信息的机器人轨迹规划方法。
背景技术
大型构件的加工中，如船体打磨、飞机蒙皮钻孔、风机叶片打磨等，因为操作复杂，加工精度高等要求，采用机器人加工可以有效的提高加工效率和质量。为了方便控制机器人的加工，需要先对机器人进行轨迹规划处理，获得预定的机器人加工轨迹。这个过程主要包括对加工对象的数据处理、参数设定、轨迹求解与矢量信息求解等操作。
机器人加工轨迹规划方法中，操作人员往往利用加工对象原有的设计模型来进行轨迹求解，对于刚性强、尺寸小的加工件比较适用。但是大型复杂构件因为体积巨大、摆放姿态发生变化或者刚度不够而局部发生形变，导致现场加工时的形态与原设计模型不匹配，通过原有的设计模型求解的轨迹并不能适用于大型构件的机器人轨迹规划工作。
随着测量技术的发展，利用一定的测量手段可以获得现场加工对象的点云信息，点云信息可以准确知道现场加工件的信息，从而消除了原始的设计模型带来的误差。相应地，本领域需要一种基于大型构件点云信息的机器人轨迹规划方法。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于大型复杂构件点云信息的机器人轨迹规划方法，通过利用大型复杂构件的点云信息，即通过对现场采集的点云模型处理和求解，获得机器人需要的轨迹信息，满足了大型构件机器人加工轨迹规划需求，解决了大型构件在现场的姿态信息与原有设计模型不匹配的技术问题。
为实现上述目的，按照本发明，提供了一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，该方法包括下列步骤：
(a)将待加工构件的点云模型进行逆向重构，以此获得所述待加工构件的CAD模型，设定该CAD模型的主法矢方向、投影方向和加工该CAD模型机器人移动的前进方向；
(b)采用多个平行的切平面沿所述前进方向对所述CAD模型进行切片，每个切平面与所述CAD模型外轮廓相交获得一条轨迹线，将每条轨迹线离散为多个离散点，将每个离散点投影在所述CAD模型上获得其对应的轨迹点，以及该轨迹点的三维坐标和其在CAD模型中相应的U和V值；
(c)利用每个所述轨迹点的U和V值求解该轨迹点的切矢量、副切矢量和主法矢量，由此获得每个轨迹点的六维信息，按照预设加工顺序储存每个轨迹点的六维信息，即获得所需的待加工构件的机器人加工轨迹。
进一步优选地，在步骤(a)中，所述将待加工构件的点云模型进行逆向重构具体包括下列步骤：
(a1)将待加工构件的点云模型转换成多面体模型，采用包容盒算法计算并获得所述多面体模型分别在坐标轴三个方向的最大值和最小值，根据该最大值和最小值设定多个平行的切平面与所述多面体模型相交，以此获得多条交线以及每条交线中包含的多条线段和端点；
(a2)对于每条交线，判断其是开环还是闭环：
当所述交线是开环时，对于每条交线中包含的多个端点，将每个端点按照预设的投影方向进行投影，将所有端点按照其在投影方向上的值的大小进行排序，
当所述交线是闭环时，对于每条交线中包含的多条线段，搜索每条线段相邻的线段，按照首尾相连的方式将所述多条线段进行连接，将连接后的线段上的端点按照线段连接的顺序进行相应的排序；
(a3)将每条交线对应的排序后的端点分别拟合为B样条曲线，以此获得多条样条曲线，将该多条样条曲线拟合为NURBS曲面，即获得所需的CAD模型。
进一步优选地，在步骤(a2)中，对于每条交线，判断其是开环还是闭环时，通过判断是否每个端点都存在于两条线段中，当每个端点均存在于两条线段中时，则为闭环，否则为开环。
进一步优选地，在步骤(a)中，所述设定该CAD模型的主法矢方向、投影方向和加工该CAD模型机器人移动的前进方向优选按照下列步骤：
(a4)采用主成分分析法分析所述CAD模型，获得三个相互垂直的方向X、Y和Z，将该三个方向设置为初始的主法矢方向，投影方向和机器人移动的前进方向；
(a5)采用包容盒法计算所述CAD模型，获得三个相互垂直的方向x’、y’和z’，将x’、y’和z’方向中最接近所述X方向的设定为新的X方向，以此类推，设定新的Y和Z方向；
(a6)将所述新的X、Y和Z设定为最终的主法矢方向、投影方向和加工该CAD模型机器人移动的前进方向。
进一步优选地，在步骤(c)中，所述利用每个所述轨迹点的U和V值求解该轨迹点的切矢量、副切矢量和主法矢量优选按照下列步骤：
(c1)根据每个轨迹点的U和V值计算该轨迹点对应的ΔV和ΔU；
(c2)分别计算所述ΔV和ΔU与所述机器人前进方向的夹角，夹角小的为切矢量，夹角大的为副法矢量；
(c3)利用所示切矢量和副法矢量叉乘计算获得主法矢量。
进一步优选地，在步骤(c)中，所述每个轨迹点的六维信息包括每个轨迹点的三维坐标和其对应的主法矢量，副法矢量和切矢量。
进一步优选地，在步骤(b)中，所述多个平行的切平面与所述主法矢方向和投影方向所在平面平行。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1、本发明方法通过利用现场采集的大型构建的点云信息，有效解决因大型构件现场加工时与原有设计模型数据不匹配带来的加工效果不好，加工精度不高问题，过现场采集的点云信息可以重新求解加工件的模型信息，进而求解机器人的加工轨迹，可以满足智能制造过程中机器人离线编程技术、自动轨迹规划技术等不同领域的广泛需求；
2、大型复杂构件在现场摆放后会因为刚度不够或者人为搬运等原因，造成自身变形，变形之后的大型复杂构件不能用变形前的模型信息规划该机器人加工的轨迹，所以对于变形后的大型复杂构件，可以利用点云信息表征变形后的构件，本发明在应用于大型的复杂的构件加工中，利用点云信息求解这类变形后的构件的加工机器人轨迹，无需人工示教操作获得大型复杂构件加工机器人轨迹，实现大型的复杂的构件加工中机器人轨迹规划自动化。
附图说明
图1是按照本发明的优选实施例所构建的基于大型构件点云信息的机器人离线加工轨迹规划的整体流程；
图2是按照本发明的优选实施例所构建的点云模型逆向重构获得CAD模型的流程图；
图3是按照本发明的优选实施例所构建的逆向重构中获得交线的示意图；
图4是按照本发明的优选实施例所构建的逆向重构中获得B样条曲线的示意图；
图5是按照本发明的优选实施例所构建的设定CAD模型姿态的示意图；
图6是按照本发明的优选实施例所构建的轨迹点六维信息求解的示意图。
在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：
31-端点，32-交线，33-切片方向，34-包容盒，35-多面体模型，36-投影方向，41-NURBS曲面，42-排序后的点，43-B样条曲线，51-主法矢方向，52-投影方向，53-工件，54-前进方向，61-V线，62-U线，63-法矢量，64-切矢量，65-副法矢量，66-轨迹线，67-轨迹点，68-横截面。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明构建的机器人轨迹规划方法包括以下步骤：
步骤1，对点云信息转换成STL格式的多面体形式的模型，即对点云模型的逆向重构，获得CAD模型。传统的点云模型是由三维扫描文件对工件扫描获得的离散点，这些需要转换为网格模型，一般为STL文件。
(11)将点云模型转换成STL格式的多面体形式的模型35；
(12)利用包容盒算法获得多面体形式的模型的三维尺寸
通过导入STL模型的数据，如图3所示，利用包容盒算法求解出包含模型的最小包容盒34，并求解出工件坐标系中xyz三个方向上的最大最小尺寸Xmin，Ymin，Zmin，Xmax，Ymax，Zmax，设定切片方向33和投影方向36；
(13)利用平面与模型求交的方式获得交点
沿切片方向33设定一系列垂直于切片方向的平面，利用平面与模型求交获得交线32，其中，该交线32中包含多条无序的线段和多个无序的端点31；
(14)判断交线的闭合状态，提取交线中线段的端点31，并按照顺序储存起来，具体地，
根据闭合点同时存在于两个线段的原则，搜寻是否存在点只为一条线段的端点。如果有则为开环，如果没有则为闭环。对于开环情况，先提取交线中的多个端点，然后将每个端点按照步骤(12)中设定的投影方向36进行投影，将所述多个端点按照其投影方向上的值依次排序；对于闭环情况，每根交线中包含多条无序的线段，搜寻每个线段相邻的线段，通过首尾相连的方式获得重新排序的交线，提取交线的端点，按照顺序将端点进行存储；
(15)将排序后的端点拟合成B样条曲线，具体地，
如图4所示，对排序后的点42进行拟合，获得拟合后的B样条曲线43。点42将作为N+1个控制点。如下为控制点公式：
N+1个控制点
及参数节点向量
这里获得k阶B样条曲线公式：
在3阶B样条曲线基函数中，根据点42依照储存顺序带入进行拟合。
简化后，得到：
(16)将切片方向33设定为重构方向，将步骤(15)中的一系列曲线拟合成曲面，生成NURBS曲面41，即CAD模型，其中，将曲线拟合成曲面优选采用直纹面法。
步骤2，求解CAD模型53的姿态信息。通过主成分分析法获得CAD模型的三个相互垂直的方向XYZ，将三个方向设定为初始的主法矢方向，投影方向和机器人移动的前进方向，通过OBB包容盒算法获得CAD模型的三个方向x’y’z’，将x’y’z’与XYZ相匹配，将x’y’z’中最接近X方向的设定为新的X方向，以此类推设定新的YZ方向，如图5所示，并将新的XYZ设定为最终的主法矢方向51，投影方向52和机器人移动的前进方向54；
根据点云的点信息，获得点p的平均三维信息，分别求解每个点对应的协方差矩阵C,
λj是协方差矩阵的第j个特征值，
是第j个特征向量。这里，特征向量的意义是经过过这种特定的变换后保持方向不变。只是进行长度上的伸缩而已。而特征值的意义是一个变换(矩阵)可由它的所有特征向量完全表示，而每一个向量所对应的特征值。通过协方差矩阵求解出三个矢量的矢量信息λj。
步骤3，先通过步骤2中的前进方向54设定横截面68，通过横截面与CAD模型求交的方式获得轨迹线66，通过离散轨迹线获得轨迹线一系列包含三维坐标轨迹点67，因为离散时产生的误差，轨迹点有时不在CAD模型上，通过投影法将该轨迹点投影到CAD模型上，获得CAD模型上对应的点，如图6所示，CAD模型中的V线61,U线62，获得CAD模型上该点对应的U和V值，利用参数微分的方式获得每个轨迹点ΔV和ΔU；
在CAD模型参数曲面中，模型的数据由基函数表示，其表示方法为：
r＝r(u,v)＝[x(u,v),y(u,v),z(u,v)]
三维坐标信息由参数U、V表示：
步骤4，利用步骤2中的前进方向，将每个轨迹点的ΔV和ΔU与该轨迹点对应的副法矢量65和切矢量64进行匹配，分别比较ΔV和ΔU与前进方向的夹角，夹角小的方向为切矢量64，夹角大的为副法矢量65，通过副法矢量与切矢量的叉乘矢量获得法矢量63，至此，获得每个轨迹点六个维度的信息，即[x,y,z,主法矢量，副法矢量，切矢量]；
按照预设的加工顺序存储上述每个轨迹点信息，以此生成机器人加工轨迹。
采用本发明的一种基于点云信息的大型构件机器人轨迹规划方法，可以根据现场采集的工件信息即可生成机器人加工轨迹，无需原设计文件，提高了机器人轨迹规划的精度和适用范围，提高了生产质量。更重要的是，机器人轨迹规划方法可以从点云模型中获得加工需要的切矢量和法矢量，可以为高自由度控制的机器人提供更全面的轨迹信息，满足了机器人复杂作业的需求。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，该方法包括下列步骤：
(a)将待加工构件的点云模型进行逆向重构，以此获得所述待加工构件的STL格式的多面体形式的CAD模型，设定该CAD模型的主法矢方向、投影方向和加工该CAD模型机器人移动的前进方向；
其中，所述设定该CAD模型的主法矢方向、投影方向和加工该CAD模型机器人移动的前进方向按照下列步骤：
(a4)采用主成分分析法分析所述CAD模型，获得三个相互垂直的方向X、Y和Z，将该三个方向设置为初始的主法矢方向，投影方向和机器人移动的前进方向；
(a5)采用包容盒法计算所述CAD模型，获得三个相互垂直的方向x’、y’和z’，将x’、y’和z’方向中最接近所述X方向的设定为新的X方向，以此类推，设定新的Y和Z方向；
(a6)将所述新的X、Y和Z设定为最终的主法矢方向、投影方向和加工该CAD模型机器人移动的前进方向；
(b)采用多个平行的切平面沿所述前进方向对所述CAD模型进行切片，每个切平面与所述CAD模型外轮廓相交获得一条轨迹线，将每条轨迹线离散为多个离散点，将每个离散点投影在所述CAD模型上获得其对应的轨迹点，以及该轨迹点的三维坐标和其在CAD模型中相应的U和V值；
(c)利用每个所述轨迹点的U和V值求解该轨迹点的切矢量、副切矢量和主法矢量，由此获得每个轨迹点的六维信息，按照预设加工顺序储存每个轨迹点的六维信息，即获得所需的待加工构件的机器人加工轨迹。
2.如权利要求1所述的一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，在步骤(a)中，所述将待加工构件的点云模型进行逆向重构具体包括下列步骤：
(a1)将待加工构件的点云模型转换成多面体模型，采用包容盒算法计算并获得所述多面体模型分别在坐标轴三个方向的最大值和最小值，根据该最大值和最小值设定多个平行的切平面与所述多面体模型相交，以此获得多条交线以及每条交线中包含的多条线段和端点；
(a2)对于每条交线，判断其是开环还是闭环：
当所述交线是开环时，对于每条交线中包含的多个端点，将每个端点按照预设的投影方向进行投影，将所有端点按照其在投影方向上的值的大小进行排序，
当所述交线是闭环时，对于每条交线中包含的多条线段，搜索每条线段相邻的线段，按照首尾相连的方式将所述多条线段进行连接，将连接后的线段上的端点按照线段连接的顺序进行相应的排序；
(a3)将每条交线对应的排序后的端点分别拟合为B样条曲线，以此获得多条样条曲线，将该多条样条曲线拟合为NURBS曲面，即获得所需的CAD模型。
3.如权利要求2所述的一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，在步骤(a2)中，对于每条交线，判断其是开环还是闭环时，通过判断是否每个端点都存在于两条线段中，当每个端点均存在于两条线段中时，则为闭环，否则为开环。
4.如权利要求1所述的一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，在步骤(c)中，所述利用每个所述轨迹点的U和V值求解该轨迹点的切矢量、副切矢量和主法矢量按照下列步骤：
(c1)根据每个轨迹点的U和V值计算该轨迹点对应的ΔV和ΔU；
(c2)分别计算所述ΔV和ΔU与所述机器人前进方向的夹角，夹角小的为切矢量，夹角大的为副法矢量；
(c3)利用所示切矢量和副法矢量叉乘计算获得主法矢量。
5.如权利要求1所述的一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，在步骤(c)中，所述每个轨迹点的六维信息包括每个轨迹点的三维坐标和其对应的主法矢量，副法矢量和切矢量。
6.如权利要求1所述的一种基于大型复杂构件点云信息的机器人轨迹规划方法，其特征在于，在步骤(b)中，所述多个平行的切平面与所述主法矢方向和投影方向所在平面平行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910266834.XA CN110039538B (zh) | 2019-04-03 | 2019-04-03 | 一种基于大型复杂构件点云信息的机器人轨迹规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910266834.XA CN110039538B (zh) | 2019-04-03 | 2019-04-03 | 一种基于大型复杂构件点云信息的机器人轨迹规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110039538A CN110039538A (zh) | 2019-07-23 |
| CN110039538B true CN110039538B (zh) | 2020-12-08 |
Family
ID=67275971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910266834.XA Active CN110039538B (zh) | 2019-04-03 | 2019-04-03 | 一种基于大型复杂构件点云信息的机器人轨迹规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110039538B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553291B (zh) * | 2020-04-30 | 2023-10-17 | 北京爱笔科技有限公司 | 行人轨迹的生成方法、装置、设备及计算机存储介质 |
| CN111806720B (zh) * | 2020-06-24 | 2021-12-07 | 成都飞机工业（集团）有限责任公司 | 一种基于翼身对接实测数据的整流蒙皮构造方法 |
| CN112076072B (zh) * | 2020-07-27 | 2022-12-30 | 深圳瀚维智能医疗科技有限公司 | 曲线按摩轨迹规划方法、装置、设备及计算机存储介质 |
| CN112076059B (zh) * | 2020-07-27 | 2022-12-30 | 深圳瀚维智能医疗科技有限公司 | 螺旋按摩轨迹规划方法、装置、设备及计算机存储介质 |
| CN111898219B (zh) * | 2020-07-29 | 2022-04-12 | 华中科技大学 | 大型复杂构件机器人化表面加工的区域划分方法及设备 |
| CN112214906B (zh) * | 2020-10-22 | 2022-10-14 | 华中科技大学 | 一种基于主成分分析的填充轨迹规划方法 |
| CN113019763B (zh) * | 2020-12-10 | 2022-01-14 | 浙江工业大学 | 一种基于网格投影算法的喷涂机器人轨迹规划方法 |
| CN112734830B (zh) * | 2020-12-30 | 2022-05-03 | 无锡祥生医疗科技股份有限公司 | 基于点云数据的位姿控制方法、装置、设备及存储介质 |
| CN113231910B (zh) * | 2021-04-29 | 2022-10-18 | 武汉中观自动化科技有限公司 | 一种获取鞋底边缘打磨轨迹的方法及其*** |
| CN113376649A (zh) * | 2021-06-30 | 2021-09-10 | 华中科技大学 | 基于全局粗略扫描成像后的机器人自动局部扫描规划方法 |
| CN114055253B (zh) * | 2021-11-16 | 2023-06-30 | 四川航天长征装备制造有限公司 | 一种大型复杂形面零件的工艺特征测量构建及加工方法 |
| CN114260902B (zh) * | 2022-01-17 | 2024-04-12 | 山东中科先进技术有限公司 | 一种基于3d扫描的工业机器人轨迹离线生成方法及*** |
| CN114663513B (zh) * | 2022-05-17 | 2022-09-20 | 广州纳丽生物科技有限公司 | 一种操作仪工作端移动轨迹的实时位姿估计与评估方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150106065A1 (en) * | 2013-10-11 | 2015-04-16 | Livermore Software Technology Corporation | Joining Imperfectly-Matching NURBS Patches To Form a Computerized Model Suitable For FEA |
| KR101628155B1 (ko) * | 2015-04-23 | 2016-06-08 | 국방과학연구소 | Ccl을 이용한 실시간 미확인 다중 동적물체 탐지 및 추적 방법 |
| CN106547969B (zh) * | 2016-11-02 | 2019-05-28 | 浙江大学 | 一种基于t样条曲面的三维打印切片方法 |
| CN107562015B (zh) * | 2017-08-29 | 2020-03-24 | 沈阳航空航天大学 | 一种基于数控加工编程的工序几何模型构建方法 |
| CN108445834A (zh) * | 2018-04-18 | 2018-08-24 | 华中科技大学 | 一种大型复杂构件机器人加工离线轨迹规划方法 |
-
2019
- 2019-04-03 CN CN201910266834.XA patent/CN110039538B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110039538A (zh) | 2019-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110039538B (zh) | 一种基于大型复杂构件点云信息的机器人轨迹规划方法 | |
| CN115147437B (zh) | 机器人智能引导加工方法与*** | |
| CN110722576B (zh) | 工业机器人铣削加工路径全局光顺方法及*** | |
| CN109822576B (zh) | 一种机器人加工虚拟夹具的生成方法 | |
| Zhen et al. | Adaptive automatic robot tool path generation based on point cloud projection algorithm | |
| Makhanov et al. | Advanced numerical methods to optimize cutting operations of five axis milling machines | |
| CN108608425B (zh) | 六轴工业机器人铣削加工离线编程方法及*** | |
| CN113587807A (zh) | 一种飞机壁板加工特征面的扫描路径生成方法 | |
| Ye et al. | Geometric parameter optimization in multi-axis machining | |
| CN109676603A (zh) | 一种柔性超冗余度机器人控制方法 | |
| CN115937468A (zh) | 一种无数模工件机器人加工程序自动生成方法 | |
| CN112372631B (zh) | 一种大型复杂构件机器人加工的快速碰撞检测方法及设备 | |
| Wang et al. | A deep learning based automatic surface segmentation algorithm for painting large-size aircraft with 6-DOF robot | |
| CN111709095B (zh) | 一种面向复杂曲面6d虚拟夹具构造方法 | |
| Hong et al. | Offline programming method and implementation of industrial robot grinding based on VTK | |
| CN113467376B (zh) | 一种面向多加工场景的多轴轨迹压缩方法 | |
| CN110370276A (zh) | 基于三维模型Morse分解的工业机器人加工轨迹自动规划方法 | |
| Deng et al. | A new visual-guided and partition-based multi-setup 3D printing system | |
| Yun et al. | A geometric postprocessing method for 5-axis machine tools using locations of joint points | |
| CN111061218B (zh) | 一种基于acis的复杂曲面加工切削力预测方法及设备 | |
| CN116394235B (zh) | 一种基于三维测量的大型零部件机器人干冰清洗轨迹规划***及方法 | |
| Yang et al. | Verification of NC machining processes using swept volumes | |
| US11787051B2 (en) | Method for automatically processing structure-reinforcing member of aircraft | |
| CN118052088A (zh) | 基于体素的铣削整形在线仿真***及建立方法 | |
| Sallinen et al. | Robotic deburring system of foundry castings based on flexible workobject localization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |