CN112792619A - 一种基于机器视觉的打磨路径规划方法 - Google Patents
一种基于机器视觉的打磨路径规划方法 Download PDFInfo
- Publication number
- CN112792619A CN112792619A CN202011493670.3A CN202011493670A CN112792619A CN 112792619 A CN112792619 A CN 112792619A CN 202011493670 A CN202011493670 A CN 202011493670A CN 112792619 A CN112792619 A CN 112792619A
- Authority
- CN
- China
- Prior art keywords
- grinding
- polishing
- fitting
- machine vision
- database
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mechanical Engineering (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明涉及一种基于机器视觉的打磨路径规划方法，包括如下步骤：(1)机器人坐标以及机器视觉的定位；(2)待打磨工件的固定；(3)视觉扫描；(4)数据拟合；(5)调试反馈，观察打磨参数是否有异常，若无异常，则完成调试；若有异常则进入步骤(6)；(6)更换数据拟合方式进行拟合获得另一打磨加工路径，再次调试反馈仍有异常进入步骤(7)；(7)增加点位的数量，再次选取数据库中的数据拟合方式进行拟合获得新的打磨加工路径进行调试。本发明将机器视觉与数据拟合的路径规划相结合，通过打磨参数反馈机制进行调试规划打磨路径，当工件一致性较差时，依据光滑的磨路径进行，能够获得良好的打磨质量。
Description
技术领域
本发明属于铸件打磨技术领域，具体涉及一种基于机器视觉的打磨路径规划方法。
背景技术
我国目前铸件年产量将近5000万吨，但是铸件成型时的稳定性和一致性问题一直存在，铸件在进行打磨时，由于一致性差，打磨过后出现打磨深浅不一致的问题，影响打磨质量。
目前主要有三种解决方式，第一种是通过人工手动调节，进行机器人示教，让打磨实时贴边进行，这种难以满足自动化的需求；第二种通过增加浮动装置进行打磨，控制打磨法向力的大小，实时调整打磨路径，但是在实时调整过程中，横向速度移动太快，容易产生振动，出现微锯齿形，移动速度太小则影响打磨的生产节拍，横向速度难以控制；第三种是通过机器视觉的方式，机器视觉是将被摄取目标像素分布和亮度、颜色等，转变化数字化信号，传送给图像处理***，抽取相应的目标特征，再经过算法来控制设备现场运行，具体为根据机器视觉识别打磨边界的点位，分段进行打磨，这种能实现一定的自动化，但是影响了打磨节拍，对每段节点处的打磨质量也不好把握。
综上所述，亟需提供一种易于控制，能够获得良好的打磨质量基于机器视觉的打磨路径规划方法。
发明内容
本发明的目的是提供一种易于控制，能够获得良好的打磨质量基于机器视觉的打磨路径规划方法。
上述目的是通过如下技术方案实现：一种基于机器视觉的打磨路径规划方法，包括如下步骤：
(1)机器人坐标以及机器视觉的定位；
(2)待打磨工件的固定；
(3)视觉扫描：对待打磨的工件进行视觉扫描，获取待打磨部位的打磨边界；
(4)数据拟合：在打磨边界上间隔预定距离选取多个点位，提取多个点位的点位特征，选取数据库中的数据拟合方式进行拟合获得相应的打磨加工路径；
(5)控制机器人按照获得的打磨加工路径对待打磨工件的打磨部位进行打磨，获取打磨过程中的打磨参数，并观察打磨参数是否有异常，若无异常，则完成该待打磨工件打磨路径规划的调试；若有异常则进入步骤(6)；
(6)更换数据拟合方式进行拟合获得另一打磨加工路径，然后重复步骤(5)直至获取的打磨过程中的参数无异常；若采用数据库中所有的数据拟合方式进行拟合获得的打磨路径均够使得反馈的打磨过程的打磨参数异常则进入步骤(7)；
(7)增加点位的数量，再次选取数据库中的数据拟合方式进行拟合获得新的打磨加工路径后重复步骤(5)和(6)直至获取的打磨过程中的打磨参数无异常；若增加点位后仍无法满足打磨要求，则提示工件无法进行自动打磨，需要进行其他处理。
在打磨开始前，需要确定机器人坐标、视觉扫描机构(视频采集仪)、工件固定位置等。数据库为数据拟合方式的管理功能区，为***创造者或使用者建立的历史数据文档。
本发明将机器视觉与数据拟合的路径规划相结合，通过打磨参数反馈机制进行调试规划打磨路径，当工件一致性较差时，依据光滑的磨路径进行，能够获得良好的打磨质量。
进一步的技术方案是，所述步骤(4)中将对待打磨的工件进行视觉扫描后获取待打磨部位的打磨边界的特征与数据库中预存的分类数据进行比较，若与数据库中的某一分类数据差异不大，则直接提取选取的点位特征采用数据库中对应的数据拟合方式进行拟合获得打磨加工路径指导机器人打磨；若与数据库中的各分类数据类别差异均较大，则进入步骤(5)进行调试。
针对大量一致性较差的铸件，首先对其进行视觉扫描，与相应的数据库的分类数据进行比较，倘若跟数据库中某一类差异不大，则扫描后提取相应的点位特征，通过数据库中对应的数据拟合方式，获得相应的调试路径，传递给控制器，来指导机器人的打磨过程。如果跟数据库中的分类数据差异太大，则需要进行调试。
进一步的技术方案是，所述步骤(3)后还包括待打磨的工件的打磨部位分类的步骤：对不同方位的打磨部位以及打磨边界差异大的打磨部位进行分类；分类后的不同打磨部位分别进行步骤(4)。
进一步的技术方案是，将不同的打磨部位的打磨路径整合成一条打磨加工路径后进入步骤(5)进行调试，并获取不同打磨部位的打磨参数，并根据反馈结果对不同的打磨部位的打磨路径进行步骤(6)和步骤(7)进行优化。
进一步的技术方案是，将不同的打磨部位的打磨路径分别在步骤(5)～(7)进行调试，调试完成后将不同的打磨部位最终的打磨路径规划成一条打磨加工路径。
进一步的技术方案是，所述步骤(4)中选取的点位至少包括待打磨部位的打磨边界的两端点。
进一步的技术方案是，若反馈的打磨参数无异常，将相应的打磨部位的整体特征、数据拟合方式和打磨加工路径的信息存入数据库中，控制器根据获得的打磨加工路径指导机器人进行打磨。
进一步的技术方案是，所述数据拟合方式至少包括插值法、最小二乘法和磨光法。
进一步的技术方案是，所述打磨参数包括打磨电流、打磨深度的均匀性以及是否有微锯齿形，所述步骤(5)～(7)中，采用电流传感器检测打磨电流，采用视觉识别装置识别打磨深度的均匀性以及是否有微锯齿形，将检测的打磨电流以及识别的打磨面情况反馈至控制器，控制器将接收的打磨电流信息跟预设的正常打磨电流范围进行比较，将打磨过后的识别的打磨面情况与正常打磨过的表面形状进行比较，判断打磨电流是否异常、打磨深度是否均匀以及是否有微锯齿形。
进一步的技术方案是，所述步骤(7)中若提示工件无法进行自动打磨，可根据经验自定义拟合函数并根据提取多个点位的点位特征计算自定义拟合函数的表达式，若自定义拟合函数拟合得到的打磨加工路径满足打磨要求则将打磨部位的整体特征、自定义拟合函数和打磨加工路径的信息存入数据库中进行数据更新。
相比于现有技术，本发明将机器视觉与数据拟合的路径规划相结合，通过打磨参数反馈机制进行调试规划打磨路径，尤其针对一致性较差的铸件，可依据光滑的磨路径进行，能够获得良好的打磨质量，同时提高打磨效率。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明一种实施方式所涉及的基于机器视觉的打磨路径规划方法的流程示意图。
具体实施方式
下面结合附图对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。此外，本领域技术人员根据本文件的描述，可以对本文件中实施例中以及不同实施例中的特征进行相应组合。
本发明实施例如下，如图1，一种基于机器视觉的打磨路径规划方法，包括如下步骤：
(1)机器人坐标以及机器视觉的定位；
(2)待打磨工件的固定；
(3)视觉扫描：对待打磨的工件进行视觉扫描，获取待打磨部位的打磨边界；
(4)数据拟合：在打磨边界上间隔预定距离选取多个点位，提取多个点位的点位特征，选取数据库中的数据拟合方式进行拟合获得相应的打磨加工路径；
(5)控制机器人按照获得的打磨加工路径对待打磨工件的打磨部位进行打磨，获取打磨过程中的打磨参数，并观察打磨参数是否有异常，若无异常，则完成该待打磨工件打磨路径规划的调试；若有异常则进入步骤(6)；
(6)更换数据拟合方式进行拟合获得另一打磨加工路径，然后重复步骤(5)直至获取的打磨过程中的参数无异常；若采用数据库中所有的数据拟合方式进行拟合获得的打磨路径均够使得反馈的打磨过程的打磨参数异常则进入步骤(7)；
(7)增加点位的数量，再次选取数据库中的数据拟合方式进行拟合获得新的打磨加工路径后重复步骤(5)和(6)直至获取的打磨过程中的打磨参数无异常；若增加点位后仍无法满足打磨要求，则提示工件无法进行自动打磨，需要进行其他处理。
在打磨开始前，需要确定机器人坐标、视觉扫描机构(视频采集仪)、工件固定位置等。数据库为数据拟合方式的管理功能区，为***创造者或使用者建立的历史数据文档。
本发明将机器视觉与数据拟合的路径规划相结合，通过打磨参数反馈机制进行调试规划打磨路径，当工件一致性较差时，依据光滑的磨路径进行，能够获得良好的打磨质量。
在上述实施例的基础上，本发明另一实施例中，如图1，所述步骤(4)中将对待打磨的工件进行视觉扫描后获取待打磨部位的打磨边界的特征与数据库中预存的分类数据进行比较，若与数据库中的某一分类数据差异不大，则直接提取选取的点位特征采用数据库中对应的数据拟合方式进行拟合获得打磨加工路径指导机器人打磨；若与数据库中的各分类数据类别差异均较大，则进入步骤(5)进行调试。
针对大量一致性较差的铸件，首先对其进行视觉扫描，与相应的数据库的分类数据进行比较，倘若跟数据库中某一类差异不大，则扫描后提取相应的点位特征，通过数据库中对应的数据拟合方式，获得相应的调试路径，传递给控制器，来指导机器人的打磨过程。如果跟数据库中的分类数据差异太大，则需要进行调试。
在上述实施例的基础上，本发明另一实施例中，如图1，所述步骤(3)后还包括待打磨的工件的打磨部位分类的步骤：对不同方位的打磨部位以及打磨边界差异大的打磨部位进行分类；分类后的不同打磨部位分别进行步骤(4)。
在上述实施例的基础上，本发明另一实施例中，将不同的打磨部位的打磨路径整合成一条打磨加工路径后进入步骤(5)进行调试，并获取不同打磨部位的打磨参数，并根据反馈结果对不同的打磨部位的打磨路径进行步骤(6)和步骤(7)进行优化。
在上述实施例的基础上，本发明另一实施例中，将不同的打磨部位的打磨路径分别在步骤(5)～(7)进行调试，调试完成后将不同的打磨部位最终的打磨路径规划成一条打磨加工路径。
在上述实施例的基础上，本发明另一实施例中，所述步骤(4)中选取的点位至少包括待打磨部位的打磨边界的两端点。
在上述实施例的基础上，本发明另一实施例中，若反馈的打磨参数无异常，将相应的打磨部位的整体特征、数据拟合方式和打磨加工路径的信息存入数据库中，控制器根据获得的打磨加工路径指导机器人进行打磨。
在上述实施例的基础上，本发明另一实施例中，所述数据拟合方式至少包括插值法、最小二乘法和磨光法。
在上述实施例的基础上，本发明另一实施例中，所述打磨参数包括打磨电流、打磨深度的均匀性以及是否有微锯齿形，所述步骤(5)～(7)中，采用电流传感器检测打磨电流，采用视觉识别装置识别打磨深度的均匀性以及是否有微锯齿形，将检测的打磨电流以及识别的打磨面情况反馈至控制器，控制器将接收的打磨电流信息跟预设的正常打磨电流范围进行比较，将打磨过后的识别的打磨面情况与正常打磨过的表面形状进行比较，判断打磨电流是否异常、打磨深度是否均匀以及是否有微锯齿形。
在上述实施例的基础上，本发明另一实施例中，所述步骤(7)中若提示工件无法进行自动打磨，可根据经验自定义拟合函数并根据提取多个点位的点位特征计算自定义拟合函数的表达式，若自定义拟合函数拟合得到的打磨加工路径满足打磨要求则将打磨部位的整体特征、自定义拟合函数和打磨加工路径的信息存入数据库中进行数据更新。
一种具体的实施例，在打磨开始前，需要确定机器人坐标、视频采集仪、工件固定位置等，针对大量一致性较差的铸件，首先可以对其进行视觉扫描，与相应的数据库中的分类数据进行比较，倘若跟数据库中某一类差异不大，则扫描后提取相应的点位特征，通过数据库中对应的曲线拟合方式，获得相应的调试路径，传递给控制器，来指导机器人的打磨过程。如果跟数据库中的分类数据差异太大，则需要进行调试。
假设整体要求的打磨深度为2mm，先选择打磨边界的点位，提取打磨边界的点位特征，选取曲线拟合库中的最小二乘法拟合方式进行拟合，传输给控制器，指导机器人进行打磨，打磨深度设定为0.2mm，通过参数反馈，观察参数是否有异常，例如是否有微锯齿形、打磨电流、深度均匀性等。
(1)如果无异常，则调试完成，将相应的工件整体特征、数据拟合方式等存入对应的数据库；
(2)如果有异常，则更换相应的路径拟合方式，比如说使用磨光法、插值法等，将路径拟合完成后，重新传输给控制器，指导机器人打磨，再进行打磨参数观察，若无异常，则调试完成，将相应的工件整体特征、数据拟合方式等存入对应的数据库；
如果拟合库中所有的拟合路径均不满足相应的要求，则需要增加提取的点位数量，重新进行曲线拟合，直到满足要求为止，然后进行数据库记录；倘若增加点位后仍无法满足要求，则提示工件无法进行自动打磨，需要特殊处理。
以上所述仅是本发明的优选实施方式，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，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于机器视觉的打磨路径规划方法，其特征在于，包括如下步骤：
(1)机器人坐标以及机器视觉的定位；
(2)待打磨工件的固定；
(3)视觉扫描：对待打磨的工件进行视觉扫描，获取待打磨部位的打磨边界；
(4)数据拟合：在打磨边界上间隔预定距离选取多个点位，提取多个点位的点位特征，选取数据库中的数据拟合方式进行拟合获得相应的打磨加工路径；
(5)控制机器人按照获得的打磨加工路径对待打磨工件的打磨部位进行打磨，获取打磨过程中的打磨参数，并观察打磨参数是否有异常，若无异常，则完成该待打磨工件打磨路径规划的调试；若有异常则进入步骤(6)；
(6)更换数据拟合方式进行拟合获得另一打磨加工路径，然后重复步骤(5)直至获取的打磨过程中的参数无异常；若采用数据库中所有的数据拟合方式进行拟合获得的打磨路径均够使得反馈的打磨过程的打磨参数异常则进入步骤(7)；
(7)增加点位的数量，再次选取数据库中的数据拟合方式进行拟合获得新的打磨加工路径后重复步骤(5)和(6)直至获取的打磨过程中的打磨参数无异常；若增加点位后仍无法满足打磨要求，则提示工件无法进行自动打磨，需要进行其他处理。
2.根据权利要求1所述的基于机器视觉的打磨路径规划方法，其特征在于，所述步骤(4)中将对待打磨的工件进行视觉扫描后获取待打磨部位的打磨边界的特征与数据库中预存的分类数据进行比较，若与数据库中的某一分类数据差异不大，则直接提取选取的点位特征采用数据库中对应的数据拟合方式进行拟合获得打磨加工路径指导机器人打磨；若与数据库中的各分类数据类别差异均较大，则进入步骤(5)进行调试。
3.根据权利要求2所述的基于机器视觉的打磨路径规划方法，其特征在于，所述步骤(3)后还包括待打磨的工件的打磨部位分类的步骤：对不同方位的打磨部位以及打磨边界差异大的打磨部位进行分类；分类后的不同打磨部位分别进行步骤(4)。
4.根据权利要求3所述的基于机器视觉的打磨路径规划方法，其特征在于，将不同的打磨部位的打磨路径整合成一条打磨加工路径后进入步骤(5)进行调试，并获取不同打磨部位的打磨参数，并根据反馈结果对不同的打磨部位的打磨路径进行步骤(6)和步骤(7)进行优化。
5.根据权利要求3所述的基于机器视觉的打磨路径规划方法，其特征在于，将不同的打磨部位的打磨路径分别在步骤(5)～(7)进行调试，调试完成后将不同的打磨部位最终的打磨路径规划成一条打磨加工路径。
6.根据权利要求1～5所述的基于机器视觉的打磨路径规划方法，其特征在于，所述步骤(4)中选取的点位至少包括待打磨部位的打磨边界的两端点。
7.根据权利要求6所述的基于机器视觉的打磨路径规划方法，其特征在于，若反馈的打磨参数无异常，将相应的打磨部位的整体特征、数据拟合方式和打磨加工路径的信息存入数据库中，控制器根据获得的打磨加工路径指导机器人进行打磨。
8.根据权利要求6所述的基于机器视觉的打磨路径规划方法，其特征在于，所述数据拟合方式至少包括插值法、最小二乘法和磨光法。
9.根据权利要求6所述的基于机器视觉的打磨路径规划方法，其特征在于，所述打磨参数包括打磨电流、打磨深度的均匀性以及是否有微锯齿形，所述步骤(5)～(7)中，采用电流传感器检测打磨电流，采用视觉识别装置识别打磨深度的均匀性以及是否有微锯齿形，将检测的打磨电流以及识别的打磨面情况反馈至控制器，控制器将接收的打磨电流信息跟预设的正常打磨电流范围进行比较，将打磨过后的识别的打磨面情况与正常打磨过的表面形状进行比较，判断打磨电流是否异常、打磨深度是否均匀以及是否有微锯齿形。
10.根据权利要求9所述的基于机器视觉的打磨路径规划方法，其特征在于，所述步骤(7)中若提示工件无法进行自动打磨，可根据经验自定义拟合函数并根据提取多个点位的点位特征计算自定义拟合函数的表达式，若自定义拟合函数拟合得到的打磨加工路径满足打磨要求则将打磨部位的整体特征、自定义拟合函数和打磨加工路径的信息存入数据库中进行数据更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011493670.3A CN112792619B (zh) | 2020-12-17 | 2020-12-17 | 一种基于机器视觉的打磨路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011493670.3A CN112792619B (zh) | 2020-12-17 | 2020-12-17 | 一种基于机器视觉的打磨路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112792619A true CN112792619A (zh) | 2021-05-14 |
| CN112792619B CN112792619B (zh) | 2022-12-09 |
Family
ID=75806828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011493670.3A Active CN112792619B (zh) | 2020-12-17 | 2020-12-17 | 一种基于机器视觉的打磨路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112792619B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408049A (zh) * | 2023-10-19 | 2024-01-16 | 无锡斯帝尔科技有限公司 | 一种基于3d视觉的打磨路径规划方法 |
| CN118133208A (zh) * | 2024-05-06 | 2024-06-04 | 无锡斯帝尔科技有限公司 | 一种机器人打磨离线识别异常数据整合优化*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102015119240B3 (de) * | 2015-11-09 | 2017-03-30 | ATENSOR Engineering and Technology Systems GmbH | Automatisches detektieren und robotergestütztes bearbeiten von oberflächendefekten |
| CN106600681A (zh) * | 2016-11-02 | 2017-04-26 | 上海航天设备制造总厂 | 一种有障碍物曲面的打磨方法 |
| US9910761B1 (en) * | 2015-06-28 | 2018-03-06 | X Development Llc | Visually debugging robotic processes |
| CN110962046A (zh) * | 2019-11-25 | 2020-04-07 | 佛山缔乐视觉科技有限公司 | 五金件的缺陷识别方法、***及存储介质 |
| CN110977767A (zh) * | 2019-11-12 | 2020-04-10 | 长沙长泰机器人有限公司 | 一种铸件瑕疵分布检测方法以及铸件打磨方法 |
| CN111571612A (zh) * | 2020-05-27 | 2020-08-25 | 无锡中车时代智能装备有限公司 | 高铁白车身多机器人协同打磨控制方法、装置及*** |
| CN111638680A (zh) * | 2020-06-15 | 2020-09-08 | 大连誉洋工业智能有限公司 | 一种基于机器人的铸件圆形结构打磨路径规划方法 |
-
2020
- 2020-12-17 CN CN202011493670.3A patent/CN112792619B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9910761B1 (en) * | 2015-06-28 | 2018-03-06 | X Development Llc | Visually debugging robotic processes |
| DE102015119240B3 (de) * | 2015-11-09 | 2017-03-30 | ATENSOR Engineering and Technology Systems GmbH | Automatisches detektieren und robotergestütztes bearbeiten von oberflächendefekten |
| CN106600681A (zh) * | 2016-11-02 | 2017-04-26 | 上海航天设备制造总厂 | 一种有障碍物曲面的打磨方法 |
| CN110977767A (zh) * | 2019-11-12 | 2020-04-10 | 长沙长泰机器人有限公司 | 一种铸件瑕疵分布检测方法以及铸件打磨方法 |
| CN110962046A (zh) * | 2019-11-25 | 2020-04-07 | 佛山缔乐视觉科技有限公司 | 五金件的缺陷识别方法、***及存储介质 |
| CN111571612A (zh) * | 2020-05-27 | 2020-08-25 | 无锡中车时代智能装备有限公司 | 高铁白车身多机器人协同打磨控制方法、装置及*** |
| CN111638680A (zh) * | 2020-06-15 | 2020-09-08 | 大连誉洋工业智能有限公司 | 一种基于机器人的铸件圆形结构打磨路径规划方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408049A (zh) * | 2023-10-19 | 2024-01-16 | 无锡斯帝尔科技有限公司 | 一种基于3d视觉的打磨路径规划方法 |
| CN117408049B (zh) * | 2023-10-19 | 2024-04-09 | 无锡斯帝尔科技有限公司 | 一种基于3d视觉的打磨路径规划方法 |
| CN118133208A (zh) * | 2024-05-06 | 2024-06-04 | 无锡斯帝尔科技有限公司 | 一种机器人打磨离线识别异常数据整合优化*** |
| CN118133208B (zh) * | 2024-05-06 | 2024-07-09 | 无锡斯帝尔科技有限公司 | 一种机器人打磨离线识别异常数据整合优化*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112792619B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112792619B (zh) | 一种基于机器视觉的打磨路径规划方法 | |
| CN108942940B (zh) | 一种基于多传感器融合的遥操作机器人打磨控制*** | |
| CN107052950B (zh) | 一种复杂曲面打磨抛光***及方法 | |
| CN107717631B (zh) | 一种高速铣削刀具磨损自动监测方法 | |
| US7570795B2 (en) | Multi-region autofocus tool and mode | |
| US8581162B2 (en) | Weighting surface fit points based on focus peak uncertainty | |
| US8140179B2 (en) | Method and apparatus for repairing turbine components | |
| JP6005498B2 (ja) | レンズ加工システム、工具交換時期検出方法および眼鏡レンズの製造方法 | |
| CN207953500U (zh) | 一种基于机器人的自适应表面打磨抛光*** | |
| CN107081756A (zh) | 进行机器人程序的示教的机器人编程装置 | |
| CN110119566B (zh) | 一种适用于复杂曲面机器人砂带磨抛的切削深度预测方法及装置 | |
| CN113618888B (zh) | 外模清理打磨控制*** | |
| JP2022050441A (ja) | 研削ホイールのフィードバック型ドレッシング用システムおよび方法 | |
| CN107598775A (zh) | 一种通过激光进行检测并多轴机器人打磨的方法 | |
| CN109514181B (zh) | 用于制造切削工具的方法和机器设备 | |
| CN113618621A (zh) | 研磨抛光模拟方法、***及研磨抛光工艺转移方法 | |
| CN114083358A (zh) | 一种工业机器人打磨工艺优化方法 | |
| AU2017264984B2 (en) | System and method for precisely drilling matched hole patterns using surface mapped features | |
| US20180120800A1 (en) | Tool-path planning method | |
| CN109240201B (zh) | 应用于水切割机床刀路规划的方法 | |
| US6968247B2 (en) | Method and apparatus for producing a dental product | |
| CN105538097A (zh) | 一种基于全自动机器人打磨生产线的家具表面打磨工艺 | |
| CN111435400A (zh) | 一种零件的修复方法、修复装置及3d打印机 | |
| EP3807731B1 (en) | Workpiece surface quality issues detection | |
| KR101896291B1 (ko) | 공작 기계의 가공경로 보정방법 |
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 |