CN112288707A - 一种基于特征点识别的机器人焊缝打磨算法 - Google Patents
一种基于特征点识别的机器人焊缝打磨算法 Download PDFInfo
- Publication number
- CN112288707A CN112288707A CN202011162255.XA CN202011162255A CN112288707A CN 112288707 A CN112288707 A CN 112288707A CN 202011162255 A CN202011162255 A CN 202011162255A CN 112288707 A CN112288707 A CN 112288707A
- Authority
- CN
- China
- Prior art keywords
- robot
- weld
- welding seam
- information
- algorithm
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 44
- 238000005498 polishing Methods 0.000 title claims abstract description 19
- 238000003466 welding Methods 0.000 claims abstract description 110
- 239000013598 vector Substances 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 6
- 239000002184 metal Substances 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000010953 base metal Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
- B25J11/0065—Polishing or grinding
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Robotics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于特征点识别的机器人焊缝打磨算法,包括以下步骤:S1、将整体焊缝分割成很多小段,机器人分段扫描,获得焊缝打磨场景的点云模型;S2、对点云模型进行局部焊缝识别算法,完成局部焊缝信息的识别;S3、利用局部焊缝算法提取到的信息,调整机器人的运动,自动完成焊缝扫描,并不断更新全局焊缝信息,从而获得焊缝的全局位置和高度信息;S4、利用焊缝信息,控制机器人完成焊缝自动打磨工作。本发明采用具有的优点:(1)通过分段识别,保证机器人末端严格按照预定方向运动;(2)焊缝特征提取速度快,计算效率高。
Description
技术领域
本发明属于机器人打磨技术领域,更具体地,涉及一种基于特征点识别的机器人焊缝打磨算法。
背景技术
目前,打磨机器人的应用越来越广泛,但其常用的轨迹规划方法只有逐点示教法与离线编程法两种。逐点示教法通常用于表面规整、形貌简单物体的打磨。而磨削表面形貌复杂的钢轨焊缝,就需要采用离线编程,根据焊缝的模型,合理地规划打磨轨迹。
为获得焊缝模型,在机器人末端固接一个激光位移传感器,通过测量传感器表面到钢轨焊缝表面的垂直距离,并借助建立好的机器人正运动学模型计算出焊缝表面点在机器人基坐标系下的坐标值,连续测量,转换坐标系得到点云数据,重构焊缝模型。但要计算得到焊缝表面点在基坐标系下的坐标,还需知道激光位移传感器与机器人末端间的位姿关系,即完成机器人、传感器的手眼标定。
将智能传感器与工业机器人结合,使机器人对外界环境具有一定的感知功能,这已成为工业机器人的发展趋势,这样机器人就可以“看见”焊缝,并且通过重构得到焊缝在机器人基坐标系下的模型,然后根据得到模型再离线规划打磨轨迹,最终完成对焊缝的磨削。
焊缝打磨机器人能够完成焊缝自动打磨工作,需要提取整段焊缝的方向信息和高度信息,同时为了调整打磨工具末端的姿态,还需要提取焊缝所在平面的法向量。由于焊缝很长,通过一次扫描提取所有焊缝信息会存在两个问题:a.机器人末端按照预定的方向运动;b.—次扫描完很长的焊缝,得到的三维点云模型的数据点太多,提取速度太慢,同时对内存要求太高。
发明内容
针对现有技术的以上缺陷或改进需求,为了保证机器人末端严格按照预定方向运动,同时,提高三维点云模型的提取速度,降低内存存储量,本发明采用“分段识别”策略,将整条焊缝分割成很多小段,机器人自主运动扫描每一段焊缝完成局部焊缝信息的识别,并更新全局焊缝信息,同时利用当前段提取的信息调整机器人末端位姿并且引导机器人自主运动,完成每一小段焊缝的提取后,就得到了焊缝的全局位置和高度信息,从而控制机器人完成焊缝打磨任务。
本发明通过下述技术方案实现:
一种基于特征点识别的机器人焊缝打磨算法,包括如下步骤:
S1、将整体焊缝分割成很多小段,通过机器人分段扫描,获得整体焊缝打磨场景的点云模型;
S2、对点云模型进行局部焊缝识别算法,完成局部焊缝信息的识别;
S3、利用局部焊缝算法提取到的信息,调整机器人的运动,自动完成焊缝扫描,并不断更新全局焊缝信息,从而获得焊缝的全局位置和高度信息;
S4、利用焊缝信息,控制机器人完成焊缝自动打磨工作。
对本发明技术方案的优选,步骤S2中局部识别算法为:
(1)通过交互界面控制机器人移动到初始位置,并设定机器人初始运动方向和初始运动距离,完成第一段焊缝的扫描识别;
(2)利用当前段焊缝的方向向量确定下一段扫描过程机器人的运动方向;利用当前段扫描焊缝的长度确定下一段扫描过程机器人的运动距离,后续段扫描依此类推,直至扫描完整条焊缝。
对本发明技术方案的优选,局部焊缝识别算法是从三维点云模型中提取焊缝所在法向量、焊缝的方向信息和高度信息。
对本发明技术方案的优选,步骤S3中,全局焊缝信息更新算法的核心为将局部焊缝的端点拼接到全局焊缝信息中,并通过直线拟合计算较为准确的全局焊缝方向信息,最终利用在拟合直线中***的中间路径点规划打磨的路径。
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)机器人焊缝打磨算法通过分段识别,保证机器人末端严格按照预定方向运动。
(2)机器人焊缝打磨算法解决焊缝特征提取速度慢的问题,提高提取速度,减少三维点云模型的数据储存。
附图说明
图1是基于特征点识别的机器人焊缝打磨算法的总流程图。
图2是“分段识别”策略示意图。
图3是局部焊缝识别算法流程图。
图4是利用二次差分计算数据点的离散曲率。
图5是计算离散曲率识别特征点和特征线。
图6是三角化的点云数据。
图7是算法的运行示例主视图。
图8是算法的运行示例俯视图。
图9是实施例的焊缝特征线示意图。
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1-8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。
实施例1
如图1所示,一种基于特征点识别的机器人焊缝打磨算法,包括以下步骤:
S1、将整体焊缝分割成很多小段,机器人分段扫描,获得焊缝打磨场景的点云模型;
S2、对点云模型进行局部焊缝识别算法,完成局部焊缝信息的识别;
S3、利用局部焊缝算法提取到的信息,调整机器人的运动,自动完成焊缝扫描,并不断更新全局焊缝信息,从而获得焊缝的全局位置和高度信息;
S4、利用焊缝信息,控制机器人完成焊缝自动打磨工作。
如图2所示,本实施例机器人焊缝打磨算法,步骤S1中,焊缝所在的平面为目标平面,整条焊缝的两个端点分别是PA和PB,从起始点开始,将焊缝分解成许多小段,每一条小段都认为是一条局部焊缝。定义每一条小段为Pa0、Pb0、Pb1........。
本实施例中提及的焊缝打磨机器人为本技术领域内的公知常识。
本实施例机器人焊缝打磨算法,步骤S2中局部识别算法为:
(1)通过交互界面控制机器人移动到初始位置,并设定机器人初始运动方向和初始运动距离,完成第一段焊缝的扫描识别;
(2)利用当前段焊缝的方向向量确定下一段扫描过程机器人的运动方向;利用当前段扫描焊缝的长度确定下一段扫描过程机器人的运动距离,后续段扫描依此类推,直至扫描完整条焊缝。
如图2和3所示,步骤S2中“分段识别”策略的具体步骤为:首先,通过交互界面控制机器人移动,当激光传感器处在Pa0附近,停止交互,得到当前局部区域的扫描点集合,该局部区域包括母材和焊缝;然后,设定机器人初始运动方向Dir和初始运动步长Step,完成第一段焊缝的扫描识别;接着,利用当前段焊缝的方向向量确定下一段扫描过程机器人的运动方向,即更新Dir的值;利用当前段扫描焊缝的长度确定下一段扫描过程机器人的运动步长,即更新Step的值,后续焊缝段局部扫描依此类推,直至扫描到PB,整条焊缝扫描结束。
其中,Dir值和Step值的更新是自动引导控制算法的核心;对于每一段局部焊缝,均采用局部焊缝识别算法和全局焊缝信息更新算法提取有效信息。
本实施例步骤S2中,局部识别算法主要由获取点云模型、点云模型预处理、提取焊缝与母材相交处特征线、提取焊缝平面和母材平面法向量、计算焊缝的运动方向和计算焊缝高度步骤组成,具体流程图如图3所示。
其中,获取点云模型,由步骤S1完成。
点云模型预处理,是通过交互界面控制机器人移动,当激光传感器处在Pa0附近,停止交互,得到当前局部区域的扫描点集合,该局部区域包括母材和焊缝。
提取焊缝与母材相交处特征线,如下所述:
特征线,焊缝和母材的交线,可能是直线,也可能是曲线,直线的方向或者曲线在该点处的切线方向,用数学形式表示即为方向向量。
焊缝与母材连接处的特征点通过分析可知为二阶特征点。利用二次差分计算数据点的离散曲率如图4所示。为了识别出点云数据中的二阶特征点,本方案设计函数F(si)来衡量数据点Pi的二阶不连续性。
其中ki为数据点Pi处的离散曲率,二次差分计算如下:
(1)已知数据点Pi(i=0,1,…m),计算弦长:
(2)计算一阶差商:
(3)计算二阶差商:
(4)离散曲率(导数定义推导):
ki=2|T[si+1,si,si-1]|
如图5所示,计算点云数据的二阶曲率,然后搜索二阶曲率发生突变的点,则这些点就是焊缝与母材之间的特征点,所有特征点依次连接形成一条线,即为特征线。
提取焊缝平面和母材平面法向量,首先,需要对点云数据进行三角化,即应用Delaunay三角网格重构算法,对点云数据进行三角化。三角化的点云模型如图6所示。然后求与目标点相关联的各三角面片的法向量,最后求出这些法向量的平均值作为该特征点处的法向量。
三角面片的法向量计算方法为根据激光传感器测得的三角形的顶点坐标,求出三角形面片所在平面的方程,再求该平面的法向量。
这里提及的Delaunay三角网格重构算法,为已知算法,本实施例对具体的算法不作详细说明。
计算焊缝的运动方向和计算焊缝高度,焊缝的运动方向,方向就是焊缝的走向,从数学上精确地讲就是前面描述的方向向量;焊缝高度(高度信息),焊缝凸起的高度。如下所述:针对特征线,用三次B-spline样条曲线对数据点进行拟合,然后计算端点的切向量,即为焊缝运动的方向。母材平面上的离散数据点,沿着其法向量,向三角面片进行投影,记录投影点,并计算得到焊缝的高度为母材上的离散点与投影点的距离。
本实施例的步骤S3,全局焊缝信息更新算法的核心为将局部焊缝的端点拼接到全局焊缝信息中,将当前段局部焊缝的末端点作为下一段局部焊缝的起点,并通过直线拟合算法计算出较为准确的全局焊缝方向信息,最终在拟合后的直线序列中***中点作为打磨的路径。
焊缝打磨需要获取焊缝的全局信息,即整条焊缝的方向信息(方向就是焊缝的走向,从数学上精确地讲就是前面描述的方向向量)和高度信息(焊缝凸起的高度)。
本文中全局焊缝的方向由局部焊缝端点来描述,高度由局部最大高度描述。在“分段识别”策略中,将整条焊缝分成好多段,第一段中提取到一段特征线,第二段提取到一段特征线,以此类推。在全局方中,将所有特征线进行更新组合,然后再利用参数曲线进行拟合,则可以得到完整的打磨轨迹。
全局焊缝高度决定打磨时的打磨进给量和打磨次数,局部焊缝识别中得到每一段的焊缝高度后,将所有局部段焊缝的最大高度作为全局焊缝高度。
具体实施例子:
该打磨算法的一个具体实施例如下:
某摩托车油箱由两块1.2mm薄板冲压成型,然后对称拼焊而成,焊缝即为油箱的对称中面和油箱表面的交线,见图7。
如图7和8所示,展示了油箱的主视图和俯视图,焊缝用加粗线条表示,打磨开始前测得焊缝长度为S=60mm,根据经验将焊缝分成n=6段,每段长度Si=10mm,i=1,2,…,6。分段越多,计算精度越高,但计算时间越长。
通过激光扫描,首先从PA点开始得到第一段焊缝的点云信息,将该段点云重构得到21个三角面片单元,如图9所示。对点云中的每个点相关联的所有三角面片,计算得到其法向量,发现点Pf1处法向量发生突变,记录Pf1为特征点。依次对本段焊缝所有点云进行计算检测,得到本段焊缝所有特征点Pf2,Pf3,…。将Pf1,Pf2,Pf3,…按B-spline样条曲线依次相连便得到焊缝特征线。
以第一段焊缝特征线的终点的切线方向作为第二段焊缝的扫描方向,扫描第二段焊缝得到点云数据,计算得到第二段焊缝的特征线。依此类推,直到扫描到PB点,获取到整条焊缝信息。
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 (4)
1.一种基于特征点识别的机器人焊缝打磨算法,其特征在于,包括以下步骤:
S1、将整体焊缝分割成很多小段,通过机器人分段扫描,获得整体焊缝打磨场景的点云模型;
S2、对点云模型进行局部焊缝识别算法,完成局部焊缝信息的识别;
S3、利用局部焊缝算法提取到的信息,调整机器人的运动,自动完成焊缝扫描,并不断更新全局焊缝信息,从而获得焊缝的全局位置和高度信息;
S4、利用焊缝信息,控制机器人完成焊缝自动打磨工作。
2.根据权利要求1所述的基于特征点识别的机器人焊缝打磨算法,其特征在于,步骤S2中局部识别算法为:
(1)通过交互界面控制机器人移动到初始位置,并设定机器人初始运动方向和初始运动距离,完成第一段焊缝的扫描识别;
(2)利用当前段焊缝的方向向量确定下一段扫描过程机器人的运动方向;利用当前段扫描焊缝的长度确定下一段扫描过程机器人的运动距离,后续段扫描依此类推,直至扫描完整条焊缝。
3.根据权利要求1或2所述的基于特征点识别的机器人焊缝打磨算法,其特征在于,局部焊缝识别算法是从三维点云模型中提取焊缝所在法向量、焊缝的方向信息和高度信息。法向量是指焊缝所在平面的法向量,焊缝的方向信息,就是焊缝的走向,从数学上精确地讲就是前面描述的方向向量;焊缝的高度信息指焊缝凸起的高度。
4.根据权利要求1所述的基于特征点识别的机器人焊缝打磨算法,其特征在于,步骤S3中,全局焊缝信息更新算法的核心为将局部焊缝的端点拼接到全局焊缝信息中,并通过直线拟合计算较为准确的全局焊缝方向信息,最终利用在拟合直线中***的中间路径点规划打磨的路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162255.XA CN112288707A (zh) | 2020-10-27 | 2020-10-27 | 一种基于特征点识别的机器人焊缝打磨算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162255.XA CN112288707A (zh) | 2020-10-27 | 2020-10-27 | 一种基于特征点识别的机器人焊缝打磨算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112288707A true CN112288707A (zh) | 2021-01-29 |
Family
ID=74373274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162255.XA Pending CN112288707A (zh) | 2020-10-27 | 2020-10-27 | 一种基于特征点识别的机器人焊缝打磨算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288707A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114237150A (zh) * | 2021-12-17 | 2022-03-25 | 常熟理工学院 | 一种基于焊缝特征的机器人焊缝铣削路径控制方法及装置 |
CN114332475A (zh) * | 2021-12-07 | 2022-04-12 | 江苏科技大学 | 一种船舶焊缝特征识别方法 |
CN114654308A (zh) * | 2022-05-11 | 2022-06-24 | 上海中车瑞伯德智能***股份有限公司 | 一种用于板状结构件焊缝自动柔性打磨***和打磨方法 |
CN115476240A (zh) * | 2021-05-31 | 2022-12-16 | 宝山钢铁股份有限公司 | 一种直缝焊管管端焊缝打磨*** |
CN115502892A (zh) * | 2022-11-15 | 2022-12-23 | 山西恒跃锻造有限公司 | 一种钢材超精密磨削表面材料去除方法及*** |
CN115592501A (zh) * | 2022-10-11 | 2023-01-13 | 中国第一汽车股份有限公司(Cn) | 一种基于3d线激光视觉引导的顶盖钎焊自适应打磨方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DD110198A1 (zh) * | 1974-02-22 | 1974-12-12 | ||
JPH1177308A (ja) * | 1997-09-12 | 1999-03-23 | Hitachi Ltd | 溶接線検出方法およびその装置並びに溶接装置 |
CN1924896A (zh) * | 2006-09-14 | 2007-03-07 | 上海交通大学 | 基于局部图像处理的对接类型焊缝识别方法 |
CN101623867A (zh) * | 2008-07-11 | 2010-01-13 | 中国科学院沈阳自动化研究所 | 一种使机器人高精度跟踪指定路径的设备和方法 |
CN103398660A (zh) * | 2013-08-05 | 2013-11-20 | 河北工业大学 | 用于获取焊缝高度信息的结构光视觉传感器参数标定方法 |
CN103759648A (zh) * | 2014-01-28 | 2014-04-30 | 华南理工大学 | 一种基于激光双目视觉的复杂角焊缝位置检测方法 |
CN106500597A (zh) * | 2016-12-19 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种表面焊缝识别*** |
CN107053177A (zh) * | 2017-04-13 | 2017-08-18 | 北京邮电大学 | 改进的基于筛选和最小二乘法的手眼标定算法 |
-
2020
- 2020-10-27 CN CN202011162255.XA patent/CN112288707A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DD110198A1 (zh) * | 1974-02-22 | 1974-12-12 | ||
JPH1177308A (ja) * | 1997-09-12 | 1999-03-23 | Hitachi Ltd | 溶接線検出方法およびその装置並びに溶接装置 |
CN1924896A (zh) * | 2006-09-14 | 2007-03-07 | 上海交通大学 | 基于局部图像处理的对接类型焊缝识别方法 |
CN101623867A (zh) * | 2008-07-11 | 2010-01-13 | 中国科学院沈阳自动化研究所 | 一种使机器人高精度跟踪指定路径的设备和方法 |
CN103398660A (zh) * | 2013-08-05 | 2013-11-20 | 河北工业大学 | 用于获取焊缝高度信息的结构光视觉传感器参数标定方法 |
CN103759648A (zh) * | 2014-01-28 | 2014-04-30 | 华南理工大学 | 一种基于激光双目视觉的复杂角焊缝位置检测方法 |
CN106500597A (zh) * | 2016-12-19 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种表面焊缝识别*** |
CN107053177A (zh) * | 2017-04-13 | 2017-08-18 | 北京邮电大学 | 改进的基于筛选和最小二乘法的手眼标定算法 |
Non-Patent Citations (1)
Title |
---|
卢宏亮: "焊缝打磨机器人***研制", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 8, pages 23 - 25 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115476240A (zh) * | 2021-05-31 | 2022-12-16 | 宝山钢铁股份有限公司 | 一种直缝焊管管端焊缝打磨*** |
CN114332475A (zh) * | 2021-12-07 | 2022-04-12 | 江苏科技大学 | 一种船舶焊缝特征识别方法 |
CN114237150A (zh) * | 2021-12-17 | 2022-03-25 | 常熟理工学院 | 一种基于焊缝特征的机器人焊缝铣削路径控制方法及装置 |
CN114237150B (zh) * | 2021-12-17 | 2024-02-09 | 常熟理工学院 | 一种基于焊缝特征的机器人焊缝铣削路径控制方法及装置 |
CN114654308A (zh) * | 2022-05-11 | 2022-06-24 | 上海中车瑞伯德智能***股份有限公司 | 一种用于板状结构件焊缝自动柔性打磨***和打磨方法 |
CN114654308B (zh) * | 2022-05-11 | 2024-03-08 | 上海中车瑞伯德智能***股份有限公司 | 一种用于板状结构件焊缝自动柔性打磨方法 |
CN115592501A (zh) * | 2022-10-11 | 2023-01-13 | 中国第一汽车股份有限公司(Cn) | 一种基于3d线激光视觉引导的顶盖钎焊自适应打磨方法 |
CN115502892A (zh) * | 2022-11-15 | 2022-12-23 | 山西恒跃锻造有限公司 | 一种钢材超精密磨削表面材料去除方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112288707A (zh) | 一种基于特征点识别的机器人焊缝打磨算法 | |
CN107876970B (zh) | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 | |
CN105894120B (zh) | 一种基于姿态控制的鞋底喷胶路径的规划方法 | |
CN110091333B (zh) | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 | |
CN110227876A (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
CN110064819B (zh) | 基于结构光的柱面纵向焊缝特征区域提取、焊缝跟踪方法及*** | |
CN109683552B (zh) | 一种基面曲线导向的复杂点云模型上的数控加工路径生成方法 | |
CN101927391A (zh) | 对破损金属部件进行自动堆焊修复的方法 | |
CN114055255B (zh) | 一种基于实时点云的大型复杂构件表面打磨路径规划方法 | |
CN107330142B (zh) | 一种基于stl模型的在机检测的测点法矢估算方法 | |
CN110411338A (zh) | 机器人电弧增材修复的焊枪工具参数三维扫描标定方法 | |
Jing et al. | Weld-seam identification and model reconstruction of remanufacturing blade based on three-dimensional vision | |
CN116438426A (zh) | 用于对物体进行测量、检查或处理的设备和方法 | |
CN111085902B (zh) | 一种视觉在线检测及修正的工件打磨*** | |
CN116542914A (zh) | 基于3d点云的焊缝提取与拟合方法 | |
KR20240036606A (ko) | 작업 표면을 처리하기 위한 시스템 및 방법 | |
Yan et al. | Autonomous programming and adaptive filling of lap joint based on three-dimensional welding-seam model by laser scanning | |
CN108153244B (zh) | 一种基于ros平台的机器人喷涂轨迹生成方法 | |
CN105809736A (zh) | 一种管路的三维重建方法及装置 | |
CN116765569A (zh) | 一种基于点云的机器人柱钉辊堆焊路径规划方法 | |
CN116661377A (zh) | 一种基于行程空间的多轴轨迹平滑和插补的方法和装置 | |
CA3173119A1 (en) | Systems and methods for surface fitting, path planing, and surface processing of an object | |
CN115578534A (zh) | 用于焊缝的3d模型重构方法 | |
CN115056213A (zh) | 一种面向大型复杂构件的机器人轨迹自适应修正方法 | |
JPH07210230A (ja) | 力制御ロボットによるパイプ表面の倣い制御方法 |
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 |