一种基于无人机的船舶外板智能喷涂路径自动规划方法
技术领域
本发明涉及一种喷涂方法,尤其涉及一种基于无人机的船舶外板智能喷涂路径自动规划方法,属于领域。
背景技术
船舶涂装是船舶建造工艺流程中实施船舶涂层保护的工艺过程,是现代造船工艺的三大支柱之一。目前船厂的船舶外板的涂装主要还是采用人工喷涂的作业方式为主。
现有的爬壁式涂装机器人、框架轨道式喷涂机器人以及高架车式喷涂机器人,也存在复杂曲面适应性差、搭建复杂、对不同喷涂环境适应性差等问题。采用无人机平台搭载喷涂工艺装备的作业形式,可大幅度提升船舶喷涂工艺的智能化水平。但是,现有技术存在以下缺陷:船舶外板喷涂无人机并未涉及喷涂场景智能建模、喷涂智能路径规划,现有的无人机喷涂技术不能很好的适应复杂曲面,也不能发挥无轨迹碾压的优势,降低了无人机喷涂的喷涂质量、资源利用率、作业效率和智能化水平。
发明内容
发明目的:本发明旨在提供一种效率高、适用性广的基于无人机的船舶外板智能喷涂路径自动规划方法。
技术方案:本发明的基于无人机的船舶外板智能喷涂路径自动规划方法,包括以下步骤:
(1)利用无人机搭载的摄像头进行船舶外板图像采集;
(2)基于步骤(1)采集到的图像进行对船舶外板进行三维逆向建模,并对船舶外板模型按照形状的规整程度进行分类,分为平面、规则曲面以及复杂曲面;
(3)根据船舶涂装工艺要求确定飞行次数,并对平面、规则曲面和复杂曲面分别进行喷涂路径规划;
(4)组合喷涂路径规划结果,基于喷涂路径生成无人机飞行路径和无人机飞行参数。
步骤(1)具体分为以下步骤:
(11)根据船舶种类、尺寸以及天气情况生成无人机的拍摄航线,并确定无人机拍摄船舶外板时的飞行参数;
(12)利用无人机搭载的摄像头采集数据,拍摄待涂船舶的多角度图片,包含正射影像和倾斜影像;
(13)将拍摄好的图片传输给地面站。
步骤(2)中,按照如下的规则搭建平面、规则曲面、自由曲面的分类模型:
(231)平面为船舶外板上的平整面,该面上任意两点的连线整个落在平面上;
(232)规则曲面为一条动线按照一定的规律运动形成,船舶外板上的规则曲面包括:圆柱面和圆锥面等;
(233)复杂曲面为一条动线作不规律运动形成,船舶外板上的复杂曲面集中于船舶的船艏和船艉处。
步骤(3)具体分为以下步骤:
(301)基于船舶类型确定船舶外板水线以上和水线以下的油漆种类和涂装道数;
(302)船舶涂层累积速率数学模型建立;
(303)生成每道漆的无人机初始路径,对平面、规则曲面以及复杂曲面分别生成以喷涂无人机竖直喷涂为主的初始路径;
(304)每道漆的无人机喷涂路径优化。
步骤(302)中所述的船舶涂层累积速率数学模型分为平面涂层累积速率数学模型以及规则曲面涂层累积速率数学模型。
其中,平面涂层累积速率数学模型采用β分布模型,
式中,Φ是喷涂圆锥张角,R是喷枪在平面上形成的圆形喷涂区域的半径,r是表面某一点离喷枪中心投影点的距离,h是喷枪与表面的垂直距离,α是最大涂层累积速率,
Q为涂料流量;
规则曲面涂层累积速率数学模型采用有限范围模型,
式中,φ张角为喷涂圆锥张角的一半,(x,y,z)为该曲面上一点s的坐标,n(s)为该点s的单位法矢量,d(p(t),s)为该点s的单位方向矢量,L为点s距离喷枪的距离。
所述步骤(303)还包括:复杂曲面初始路径生成时,对复杂曲面进行二次划分,利用规则曲面对复杂曲面进行逼近,分别按照不同的规则曲面形状分类,对逼近后符合对应形状的曲面按照近似的规则曲面进行初始路径生成。
步骤(304)中的路径优化是在步骤(303)中生成的每道漆的初始路径基础上,基于平面漆膜厚度成长模型和规则曲面漆膜厚度成长模型,以平面、规则曲面和复杂曲面上喷涂无人机沿初始路径喷涂时间、涂层厚度和涂料用量为优化目标,利用多目标粒子群算法对喷涂每一道漆的喷涂无人机飞行速度、喷漆压力、喷枪距离以及喷涂路径间距进行多目标优化,具体分为以下步骤:
(A)以喷涂无人机沿初始路径喷涂时间、涂层厚度和涂料用量为目标,建立目标函数;
(B)利用多目标粒子群算法进行优化;
(C)得到喷涂无人机沿初始路径喷涂时间最短、涂层厚度均匀以及涂料用量最小的喷涂无人机飞行速度、喷漆压力、喷枪距离以及喷涂路径间距。
步骤(A)中的目标函数建立如下:
喷涂时间目标函数
其中,vi为划分的每个区域的喷涂速度,Li为每个区域的路径总和,j为划分区域的总个数。
涂层厚度目标函数
其中,qsi为每一检测点的漆膜厚度,qsi也可利用平面涂层累积速率数学模型和规则曲面涂层累积速率数学模型近似计算得出,qd为预期膜厚,k为检测点的总数。
涂料用量目标函数
其中,V1i为划分的每个区域的有效作业涂料用量,V2i为划分的每个区域的喷涂无人机作业过程中的涂料损耗量。
喷涂无人机的轨迹优化问题目标函数为
minf(x)=(f1(x),f2(x),f3(x))
步骤(4)具体分为以下步骤:
(41)组合步骤(304)中每道漆的平面路径优化、规则曲面路径优化以及复杂曲面路径优化的结果;
(42)按照先平面喷涂再规则曲面喷涂最后复杂曲面喷涂的原则,生成最终无人机喷涂每道漆的喷涂路径和作业参数;
(43)利用Matlab软件编写代码对喷涂路径进行仿真验证;
(44)将验证后可行的喷涂路径传输给喷涂无人机。
有益效果:与现有技术相比,本发明具有如下显著优点:
本发明采用喷涂无人机采集船舶外板图像通过三维逆向建模得到船体三维模型,实现了对船舶外板三维模型的快速生成,通过多目标粒子群算法分别对平面、规则曲面和复杂曲面的喷涂无人机飞行速度、喷漆压力、喷枪距离以及喷涂路径间距进行优化,对改善喷涂无人机的喷涂质量、资源利用率以及作业效率具有重要意义。
附图说明
图1为本发明的流程图;
图2为船舶外板逆向建模流程图;
图3为步骤(303)中无人机初始路径示意图;
图4为生成的船舶外板中段部位喷涂无人机路径示意图;
图5为生成的船舶外板艏立段部位喷涂无人机路径示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明所述的一种基于无人机的船舶外板智能喷涂路径自动规划方法,包括以下步骤:
(1)利用船舶外板喷涂无人机进行船舶外板图像采集;
(2)基于步骤(1)采集到的图像进行外板三维逆向建模,并对船舶外板模型按照形状的规整程度进行划分,将船舶外板划分为平面、规则曲面以及复杂曲面;
(3)对平面、规则曲面和复杂曲面分别进行喷涂无人机飞行次数和喷涂路径规划;
(4)生成无人机喷涂路径和无人机作业参数。
进一步的,所述步骤(1)具体分为以下步骤:
(A)设计喷涂无人机的拍摄航线,确定喷涂无人机拍摄船舶外板时的飞行参数;
(B)利用喷涂无人机搭载的摄像头采集数据,拍摄待涂船舶的多角度图片,包含正射影像和倾斜影像;
(C)将拍摄好的图片传输给地面站。
进一步的,所述步骤(2)具体分为以下步骤:
(a)地面站对接收到的船舶图像进行预处理;
(b)基于Smart 3D Capture Master软件和Geomagic Design X软件进行船舶外板三维逆向建模;
(c)基于步骤(b)逆向建模的结果,对船舶外板三维模型按照形状的规则程度进行区域划分,将船舶外板分为平面、规则曲面、复杂曲面。
更进一步的,所述步骤(a)具体分为以下步骤:
(a1)归类船舶外板的正射影像和倾斜影像;
(a2)生成喷涂无人机航拍时的航线轨迹图;
(a3)处理喷涂无人机POS记录数据;
(a4)处理喷涂无人机的像控点数据。
更进一步的,所述步骤(b)具体分为以下步骤:
(b1)将处理好的船舶外板正射影像和倾斜影像导入Smart 3D Capture Master软件;
(b2)输入喷涂无人机的摄像头参数以及焦距参数,查看POS数据信息;
(b3)添加像控点,并选择与像控点相关的空间参考***和高程***;
(b4)对空间关系进行检查;
(b5)进行空间三角测量计算;
(b6)得到船舶外板的三维数据点云;
(b7)将船舶外板的点云数据导入Geomagic Design X软件;
(b8)进行点云处理;
(b9)进行面片处理;
(b10)得到船舶外板的三维CAD模型;
(b11)进行船舶外板三维逆向建模精度评测。
更进一步的,所述步骤(c)中的平面、规则曲面、自由曲面划分规则如下:
(c1)平面为船舶外板上的平整面,该面上任意两点的连线整个落在平面上;
(c2)规则曲面为一条动线按照一定的规律运动形成,船舶外板上的规则曲面包括:圆柱面和圆锥面等;
(c3)复杂曲面为一条动线作不规律运动形成,船舶外板上的复杂曲面集中于船舶的船艏和船艉处。
进一步的,所述步骤(3)具体分为以下步骤:
(301)基于船舶类型确定船舶外板水线以上和水线以下的油漆种类和涂装道数;
(302)船舶涂层累积速率数学模型建立;
(303)生成每道漆的无人机初始路径;
(304)每道漆的无人机喷涂路径优化。
更进一步的,所述步骤(302)中所述的船舶涂层累积速率数学模型分为平面涂层累积速率数学模型以及规则曲面涂层累积速率数学模型。
其中,平面涂层累积速率数学模型采用β分布模型,
式中,Φ是喷涂圆锥张角,R是喷枪在平面上形成的圆形喷涂区域的半径,r是表面某一点离喷枪中心投影点的距离,h是喷枪与表面的垂直距离,α是最大涂层累积速率(
Q为涂料流量)。
规则曲面涂层累积速率数学模型采用有限范围模型,
式中,φ张角为喷涂圆锥张角的一半,(x,y,z)为该曲面上一点s的坐标,n(s)为该点s的单位法矢量,d(p(t),s)为该点s的单位方向矢量
L为点s距离喷枪的距离)。
更进一步的,所述步骤(303)中生成的无人机喷涂初始路径避开了船舶外板上的开孔包含流水孔、透气孔、通焊孔等,对平面、规则曲面以及复杂曲面分别生成以喷涂无人机竖直喷涂为主的初始路径。
更进一步的,所述步骤(303)中的复杂曲面初始路径生成时,对复杂曲面进行二次划分,利用规则平面包括圆柱面和锥面等对复杂曲面进行逼近,对分块逼近后得到的每一个近似规则的曲面进行初始路径生成。
更进一步的,所述步骤(304)中的路径优化是在步骤(303)中生成的每道漆的初始路径基础上,基于平面漆膜厚度成长模型和规则曲面漆膜厚度成长模型,以平面、规则曲面和复杂曲面上喷涂无人机沿初始路径喷涂时间、涂层厚度和涂料用量为优化目标,利用多目标粒子群算法对喷涂每一道漆的喷涂无人机飞行速度、喷漆压力、喷枪距离以及喷涂路径间距进行多目标优化,具体分为以下步骤:
(I)以喷涂无人机沿初始路径喷涂时间、涂层厚度和涂料用量为目标,建立目标函数;
(II)利用多目标粒子群算法进行优化;
(III)得到喷涂无人机沿初始路径喷涂时间最短、涂层厚度均匀以及涂料用量最小的喷涂无人机飞行速度、喷漆压力、喷枪距离以及喷涂路径间距。
更进一步的,所述步骤(I)中的目标函数建立如下:
喷涂时间目标函数
其中,vi为划分的每个区域的喷涂速度,Li为每个区域的路径总和,j为划分区域的总个数。
涂层厚度目标函数
其中,qsi为每一检测点的漆膜厚度,qsi也可利用平面涂层累积速率数学模型和规则曲面涂层累积速率数学模型近似计算得出,qd为预期膜厚,k为检测点的总数。
涂料用量目标函数
其中,V1i为划分的每个区域的有效作业涂料用量,V2i为划分的每个区域的喷涂无人机作业过程中的涂料损耗量。
喷涂无人机的轨迹优化问题目标函数为
minf(x)=(f1(x),f2(x),f3(x))
进一步的,所述步骤(4)具体分为以下步骤:
(i)组合步骤(304)中每道漆的平面路径优化、规则曲面路径优化以及复杂曲面路径优化的结果;
(ii)按照先平面喷涂再规则曲面喷涂最后复杂曲面喷涂的原则,生成最终无人机喷涂每道漆的喷涂路径和作业参数;
(iii)利用Matlab软件编写代码对喷涂路径进行仿真验证;
(iv)将验证后可行的喷涂路径传输给喷涂无人机。