CN117078681B - 一种点胶轨迹的三维仿真模拟方法及*** - Google Patents
一种点胶轨迹的三维仿真模拟方法及*** Download PDFInfo
- Publication number
- CN117078681B CN117078681B CN202311336609.1A CN202311336609A CN117078681B CN 117078681 B CN117078681 B CN 117078681B CN 202311336609 A CN202311336609 A CN 202311336609A CN 117078681 B CN117078681 B CN 117078681B
- Authority
- CN
- China
- Prior art keywords
- dispensing
- track
- error
- value
- product
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 29
- 210000002569 neuron Anatomy 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 239000003292 glue Substances 0.000 abstract description 32
- 238000012545 processing Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
- B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
- B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
- B05C11/1015—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to a conditions of ambient medium or target, e.g. humidity, temperature ; responsive to position or movement of the coating head relative to the target
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
- B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
- B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
- B05C11/1015—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to a conditions of ambient medium or target, e.g. humidity, temperature ; responsive to position or movement of the coating head relative to the target
- B05C11/1018—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to a conditions of ambient medium or target, e.g. humidity, temperature ; responsive to position or movement of the coating head relative to the target responsive to distance of target
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C5/00—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work
- B05C5/02—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work
- B05C5/0208—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work for applying liquid or other fluent material to separate articles
- B05C5/0212—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work for applying liquid or other fluent material to separate articles only at particular parts of the articles
- B05C5/0216—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work for applying liquid or other fluent material to separate articles only at particular parts of the articles by relative movement of article and outlet according to a predetermined path
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种点胶轨迹的三维仿真模拟方法及***,扫描获取产品信息与对应产品的预设点胶轨迹,构建三维坐标系中同时显示点胶产品的外观模型及点胶软件生成的预设点胶轨迹,计算三维坐标系中预设点胶轨迹与点胶产品的点胶面轮廓的实际距离,获取与实时记录每一次点胶路径上所有点的轨迹坐标,计算实时记录点胶轨迹与预设点胶轨迹的误差值;通过对点胶轨迹的扫描,获取实时点胶轨迹,并且根据实时点胶轨迹与预设点胶轨迹和产品的点胶面进行调整,将点胶轨迹的误差达到最小,并且显示与3D图层中进行仿真,让更加精细的点胶产品可以有更好的保障,降低点胶产品的失误率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种点胶轨迹的三维仿真模拟方法及***。
背景技术
点胶技术广泛应用于生活的各个精密的电子元器件中,所以点胶产品从尺寸、形状、表面材质等各方面都不相同,在每次对产品进行点胶时都需要进行点胶轨迹的规划,并且点胶轨迹的精度要求通常比较高,这就导致了点胶轨迹的设置或者点胶针头的出胶量必须在点胶之前就进行严格的控制,保证点胶的准确率,防止出现较多的点胶废件,而现在多用到的传统点胶轨迹的方式多是根据设定的点胶轨迹,加上摄像头的辅助来进行点胶,这种做法存在着较大的弊端,并且对每个产品的精度的把控也有很大的可能存在较大的误差,申请号为2021105773294(一种规划点胶轨迹的点胶方法及装置)的中国发明专利,公开了一种点胶模板的点云数据上进行选点,避免了人眼示教时的视觉误差,提高了产品的点胶精度,同时如果产品轨迹复杂,生成多段轨迹后,可进行轨迹优化,缩短了点胶加工的轨迹运行时间,对于同类产品不需要更新模板,该方法可自动适配点胶模板,自动规划点胶路径,但是在判断点胶轨迹误差方面,还需还更进一步精细化才能满足更精细的零件点胶,所以亟需一种点胶轨迹的三维仿真模拟方法及***,来解决上述出现的。
发明内容
本发明的目的在于提出一种点胶轨迹的三维仿真模拟方法及***,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
一种点胶轨迹的三维仿真模拟方法,所述方法包括以下步骤:
S100:扫描获取产品信息与对应产品的预设点胶轨迹;
S200:构建三维坐标系中同时显示点胶产品的外观模型及点胶软件生成的预设点胶轨迹;
S300:计算三维坐标系中预设点胶轨迹与点胶产品的点胶面轮廓的实际距离;
S400:获取与实时记录每一次点胶路径上所有点的轨迹坐标;
S500:计算实时记录点胶轨迹与预设点胶轨迹的误差值。
进一步地,在步骤S100中,使用KT3DTool中提供的工具在程序中搭建3D图层,在3D图层中引入相机并实现相机视野的缩放与旋转,通过3D线激光传感器扫描,3D线激光传感器扫描出来的图像中包含点胶产品若干个面的信息,提取3D线激光传感器扫描图像中的点云数据来对点胶产品结构进行还原,将点胶产品信息换为支持的3D图元并显示在3D图层中,并在***数据库中调出对应产品信息的预设点胶轨迹,并将点胶轨迹一起显示在3D图层中。
进一步地,在步骤S300中,通过预设的点胶轨迹与通过3D线激光传感器扫描得到的产品信息进行对比,根据***中导出的轨迹日志文件中包含每个点的完整坐标数据(x,y,z),通过2点构造直线图元的方法将同一产品的轨迹点连接起来得到该产品的完整点胶轨迹,在导入轨迹数据时可以通过点位文件中轨迹的ID值将在指定路径下检索出文件名带有该ID的扫描图,保存所述ID扫描图,通过在3D图层中***初步判定,选择计算误差点位,选中需要计算误差的点位后,根据该点位在点胶产品轮廓上的投影位置,找到点胶产品上对应的精确位置,并计算两者之间的距离,根据计算得到点位误差,通过误差判断点胶产品是否合格。
进一步地,在步骤S400中,通过点胶针头对点胶产品进行点胶,并通过点胶针头旁边的3D线激光传感器实时记录点胶针头的点胶轨迹,并将所述点胶轨迹映射于3D图层的点胶产品中,在3D图层中赋予实时点胶轨迹每个点位坐标,记为Dn(x,y,z),将实时点胶轨迹与预设点胶轨迹进行比对,预设轨迹点位记为Yn,计算出点胶轨迹中每个点位的误差Dp,Dp为点Yn到点Dn的方向与欧氏距离的向量值。
进一步地,根据计算得到的误差Dp构建误差序列[Dp],所述序列排列顺序为按点胶针头的点胶顺序,通过计算得到误差序列[Dp]的变化值VARDp,
;
其中,n为所记录的误差Dp的总数,分别为误差序列[Dp]第k+1和第k位元素;
对变化值进行的不同点位赋予调整误差权重Rk,构建误差序列[Dp]中相邻向量不为零的元素构建序列,将这两个相邻向量的变化值VARDp构建序列[R];
;
其中,分别为序列[R]第j+1和第j位元素,/>为/>中原本序列[Dp]中相邻点的角度值,所述Rk为对应偏移角度进行不同程度误差调整权重;
将Rk带入序列[R]对应于误差序列[Dp]的点位中,并将赋予Rk的元素值标记为,通过预设点胶轨迹和产品信息结合误差序列[Dp]进行判断,得到调整点胶轨迹权重值Sk,
;
所述Sk为未偏移角度进行不同程度误差调整权重,将Sk带入误差序列[Dp]的点位中,并将赋予Rk的元素值标记为;
结合Rk和Sk权重值得到调整点胶轨迹权重值DE,
;
通过计算得到对应比例的综合权重值minF(DE),min( )为求最小值函数,F()为求其综合权重值函数,当F()达到最小值时,所求权重值达到平衡,调整的误差达到最小,此时的公式中的即为对应点位调整点胶轨迹权重值。
进一步地,根据获取的变化值,误差值,以及误差根据权重计算得到的影响权重DE,投入卷积神经网络模型中进行训练,完成训练后对输入的误差进行快速输出调整参数值B,所述调整参数值B为对点胶轨迹基于误差以及误差调整的权重进行调整的参数值;
其中,在神经网络模型中,网络输入层神经元数量与输入数据种类数量相等,输出层神经元数量与输出数据种类数量相等,而中间层层数以及每层的神经元数量则自由设定,中间层的设置将直接影响神经网络的近似数据的精度,根据训练的结果来判断是否需要增减中间层数或神经元数量,判断中间层数和神经元的数量计算方法为:
将神经网络模型中中间层逐层递加,并将中间层层数对应输出的调整参数值B进行命名,当中间层层数为1时输出调整参数值,以此类推,并根据所述调整参数值B,构建非线性回归函数,/>,a为常数值,计算所述函数自变量的方差D,,其中L为输出时中间层的层数,/>为输出的第i位调整参数值B,所述/>为输出的第i位调整参数值B对应的输入误差判断数据,当/>时,A取最小值,其中/>()为求函数偏导,A为确定中间层数的参数,通过所述A的值与方差D进行对比,若D>A时,将所述输出的调整参数值B在输入神经网络模型中,并且中间层层数加1,若D≤A时,输出调整参数值B;
通过梯度下降法更新神经元的加权系数:
;
其中,()为求函数偏导,P、Q分别为***输出误差和神经元权重增量,均为常数值,/>(l)为神经元加权系数,/>(l)为更新后的神经元加权系数,/>表示神经元学习率,通过所述/>(l)确定在中间层中设置的神经元数量,通过所述卷积神经网络输出调整参数值B,通过调整参数值B对点胶轨迹的误差进行自动调整。
进一步地,选择点胶产品,并且扫描点胶产品产生的轨迹点位文件后,可以批量导入文件中包含的轨迹信息,并在3D图层中显示这些轨迹,可以查看轨迹上每个点位的坐标信息,同时有轨迹检索功能,可根据不合格点胶品的ID信息从轨迹文件中找到对应的轨迹并显示仿真,并且根据***识别去除不合格点胶产品的点胶轨迹显示,保证在数据库中不会收到不合格点胶产品的点胶轨迹影响,导入点胶轨迹后可以选择是否显示针头方向、调整轨迹粗细。
一种点胶轨迹的三维仿真模拟***,其所述***包括:扫描***,点胶***,处理器和存储器,所述扫描***、所述点胶***和所述存储器在所述处理器上运行的计算机 程序,并且数据存储于所述存储器中,所述处理器执行所述计算机程序时实现任一项所述的一种点胶轨迹的三维仿真模拟方法中的步骤。
本发明的有益效果为:通过对点胶轨迹的扫描,获取实时点胶轨迹,并且根据实时点胶轨迹与预设点胶轨迹和产品的点胶面进行调整,将点胶轨迹的误差达到最小,并且显示与3D图层中进行仿真,让更加精细的点胶产品可以有更好的保障,降低点胶产品的失误率。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,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,在附图中:
图1为本发明一种点胶轨迹的三维仿真模拟方法的流程图;
图2为本发明一种点胶轨迹的三维仿真模拟***的结构图;
图3为本发明一种点胶轨迹的三维仿真模拟方法中的点胶产品的左侧对比图;
图4为本发明一种点胶轨迹的三维仿真模拟方法中的点胶产品的中部对比图;
图5为本发明一种点胶轨迹的三维仿真模拟方法中的点胶产品的右侧对比图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明基于一种点胶轨迹的三维仿真模拟方法,方法流程图如图1所示,包括以下步骤:
S100:扫描获取产品信息与对应产品的预设点胶轨迹;
S200:构建三维坐标系中同时显示点胶产品的外观模型及点胶软件生成的预设点胶轨迹;
S300:计算三维坐标系中预设点胶轨迹与点胶产品的点胶面轮廓的实际距离;
S400:获取与实时记录每一次点胶路径上所有点的轨迹坐标;
S500:计算实时记录点胶轨迹与预设点胶轨迹的误差值。
进一步地,在步骤S100中,使用KT3DTool中提供的工具在程序中搭建3D图层,在3D图层中引入相机并实现相机视野的缩放与旋转,通过3D线激光传感器扫描,3D线激光传感器扫描出来的图像中包含点胶产品若干个面的信息,提取3D线激光传感器扫描图像中的点云数据来对点胶产品结构进行还原,将点胶产品信息换为支持的3D图元并显示在3D图层中,并在***数据库中调出对应产品信息的预设点胶轨迹,并将点胶轨迹一起显示在3D图层中。
进一步地,在步骤S300中,通过预设的点胶轨迹与通过3D线激光传感器扫描得到的产品信息进行对比,根据***中导出的轨迹日志文件中包含每个点的完整坐标数据(x,y,z),通过2点构造直线图元的方法将同一产品的轨迹点连接起来得到该产品的完整点胶轨迹,在导入轨迹数据时可以通过点位文件中轨迹的ID值将在指定路径下检索出文件名带有该ID的扫描图,保存所述ID扫描图,通过在3D图层中***初步判定,选择计算误差点位,选中需要计算误差的点位后,根据该点位在点胶产品轮廓上的投影位置,找到点胶产品上对应的精确位置,并计算两者之间的距离,根据计算得到点位误差,通过误差判断点胶产品是否合格。
进一步地,在步骤S400中,通过点胶针头对点胶产品进行点胶,并通过点胶针头旁边的3D线激光传感器实时记录点胶针头的点胶轨迹,并将所述点胶轨迹映射于3D图层的点胶产品中,在3D图层中赋予实时点胶轨迹每个点位坐标,记为Dn(x,y,z),将实时点胶轨迹与预设点胶轨迹进行比对,预设轨迹点位记为Yn,计算出点胶轨迹中每个点位的误差Dp,Dp为点Yn到点Dn的方向与欧氏距离的向量值。
进一步地,根据计算得到的误差Dp构建误差序列[Dp],所述序列排列顺序为按点胶针头的点胶顺序,通过计算得到误差序列[Dp]的变化值VARDp,
;
其中,n为所记录的误差Dp的总数,分别为误差序列[Dp]第k+1和第k位元素;
对变化值进行的不同点位赋予调整误差权重Rk,构建误差序列[Dp]中相邻向量不为零的元素构建序列,将这两个相邻向量的变化值VARDp构建序列[R];
;
其中,分别为序列[R]第j+1和第j位元素,/>为/>中原本序列[Dp]中相邻点的角度值,所述Rk为对应偏移角度进行不同程度误差调整权重;
将Rk带入序列[R]对应于误差序列[Dp]的点位中,并将赋予Rk的元素值标记为,通过预设点胶轨迹和产品信息结合误差序列[Dp]进行判断,得到调整点胶轨迹权重值Sk,
;
所述Sk为未偏移角度进行不同程度误差调整权重,将Sk带入误差序列[Dp]的点位中,并将赋予Rk的元素值标记为;
结合Rk和Sk权重值得到调整点胶轨迹权重值DE,
;
通过计算得到对应比例的综合权重值minF(DE),min( )为求最小值函数,F()为求其综合权重值函数,当F()达到最小值时,所求权重值达到平衡,调整的误差达到最小,此时的公式中的即为对应点位调整点胶轨迹权重值。
进一步地,根据获取的变化值,误差值,以及误差根据权重计算得到的影响权重DE,投入卷积神经网络模型中进行训练,完成训练后对输入的误差进行快速输出调整参数值B,所述调整参数值B为对点胶轨迹基于误差以及误差调整的权重进行调整的参数值;
其中,在神经网络模型中,网络输入层神经元数量与输入数据种类数量相等,输出层神经元数量与输出数据种类数量相等,而中间层层数以及每层的神经元数量则自由设定,中间层的设置将直接影响神经网络的近似数据的精度,根据训练的结果来判断是否需要增减中间层数或神经元数量,判断中间层数和神经元的数量计算方法为:
将神经网络模型中中间层逐层递加,并将中间层层数对应输出的调整参数值B进行命名,当中间层层数为1时输出调整参数值,以此类推,并根据所述调整参数值B,构建非线性回归函数,/>,a为常数值,计算所述函数自变量的方差D,,其中L为输出时中间层的层数,/>为输出的第i位调整参数值B,所述/>为输出的第i位调整参数值B对应的输入误差判断数据,当/>时,A取最小值,其中/>()为求函数偏导,A为确定中间层数的参数,通过所述A的值与方差D进行对比,若D>A时,将所述输出的调整参数值B在输入神经网络模型中,并且中间层层数加1,若D≤A时,输出调整参数值B;
通过梯度下降法更新神经元的加权系数:
;
其中,()为求函数偏导,P、Q分别为***输出误差和神经元权重增量,均为常数值,/>(l)为神经元加权系数,/>(l)为更新后的神经元加权系数,/>表示神经元学习率,通过所述/>(l)确定在中间层中设置的神经元数量,通过所述卷积神经网络输出调整参数值B,通过调整参数值B对点胶轨迹的误差进行自动调整。
进一步地,选择点胶产品,并且扫描点胶产品产生的轨迹点位文件后,可以批量导入文件中包含的轨迹信息,并在3D图层中显示这些轨迹,可以查看轨迹上每个点位的坐标信息,同时有轨迹检索功能,可根据不合格点胶品的ID信息从轨迹文件中找到对应的轨迹并显示仿真,并且根据***识别去除不合格点胶产品的点胶轨迹显示,保证在数据库中不会收到不合格点胶产品的点胶轨迹影响,导入点胶轨迹后可以选择是否显示针头方向、调整轨迹粗细。
如图2所示,一种点胶轨迹的三维仿真模拟***,所述***包括:扫描***,点胶***,处理器和存储器,所述扫描***、所述点胶***和所述存储器在所述处理器上运行的计算机 程序,并且数据存储于所述存储器中,所述处理器执行所述计算机程序时实现任一项所述的一种点胶轨迹的三维仿真模拟方法中的步骤。
在图3-5中,在选中一段轨迹后,可从指定路径中读取文件名中带有与被选中轨迹的ID的扫描图并导入。导入后通过算法计算点云数据的轮廓,并依据轮廓来对产品的3D结构进行结构建模。以下是产品原始Tiff图与3D结构建模的对比。
目前已经实现了完整地从Tiff图提取出所有信息来进行结构建模。但是因为tiff中对应到限位边部分的信息是缺失的,所以无法对限位边区域进行建模。但这部分内容的结构缺失不会影响到后续的结果。
支持导入产品的标准3D模型、针头3D模型,完整的3D模型可以提供更直观、更清晰的参照,通过比对产品的3D仿真来初步地检查实际点胶产品的外观结构是否存在明显缺陷。
1、软件中可导入设备生成的轨迹日志文件,生成点胶轨迹仿真,观察轨迹与产品轮廓的重合情况、路径点与产品映射点的距离计算,分析是否轨迹坐标有异常。(3D轨迹仿真V1.0软件已部署到车间设备PC);
2、软件中通过比较产品3D线扫输出的轮廓数据、点胶轨迹路径中关键点坐标、缝宽数据,分析是否存在3D扫描异常、或数据超出产品规定尺寸过多的异常情况,显示数据及提示。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (5)
1.一种点胶轨迹的三维仿真模拟方法,其特征在于,所述方法包括以下步骤:
S100:扫描获取产品信息与对应产品的预设点胶轨迹;
S200:构建三维坐标系中同时显示点胶产品的外观模型及点胶软件生成的预设点胶轨迹;
S300:计算三维坐标系中预设点胶轨迹与点胶产品的点胶面轮廓的实际距离;
S400:获取与实时记录每一次点胶路径上所有点的轨迹坐标;
S500:计算实时记录点胶轨迹与预设点胶轨迹的误差值;
在步骤S400中,通过点胶针头对点胶产品进行点胶,并通过点胶针头旁边的3D线激光传感器实时记录点胶针头的点胶轨迹,并将所述点胶轨迹映射于3D图层的点胶产品中,在3D图层中赋予实时点胶轨迹每个点位坐标,记为Dn(x,y,z),将实时点胶轨迹与预设点胶轨迹进行比对,预设轨迹点位记为Yn,计算出点胶轨迹中每个点位的误差Dp,Dp为点Yn到点Dn的方向与欧氏距离的向量值;
根据计算得到的误差Dp构建误差序列[Dp],所述序列排列顺序为按点胶针头的点胶顺序,通过计算得到误差序列[Dp]的变化值VARDp,
;
其中,n为所记录的误差Dp的总数,分别为误差序列[Dp]第k+1和第k位元素;
对变化值进行的不同点位赋予调整误差权重Rk,构建误差序列[Dp]中相邻向量不为零的元素构建序列,将这两个相邻向量的变化值VARDp构建序列[R];
;
其中,分别为序列[R]第j+1和第j位元素,/>为/>中原本序列[Dp]中相邻点的角度值,所述Rk为对应偏移角度进行不同程度误差调整权重;
将Rk带入序列[R]对应于误差序列[Dp]的点位中,并将赋予Rk的元素值标记为,通过预设点胶轨迹和产品信息结合误差序列[Dp]进行判断,得到调整点胶轨迹权重值Sk,
;
所述Sk为未偏移角度进行不同程度误差调整权重,将Sk带入误差序列[Dp]的点位中,并将赋予Rk的元素值标记为;
结合Rk和Sk权重值得到调整点胶轨迹权重值DE,
;
通过计算得到对应比例的综合权重值minF(DE),min( )为求最小值函数,F()为求其综合权重值函数,当F()达到最小值时,所求权重值达到平衡,调整的误差达到最小,此时的公式中的即为对应点位调整点胶轨迹权重值;
根据获取的变化值,误差值,以及误差根据权重计算得到的影响权重DE,投入卷积神经网络模型中进行训练,完成训练后对输入的误差进行快速输出调整参数值B,所述调整参数值B为对点胶轨迹基于误差以及误差调整的权重进行调整的参数值;
其中,在神经网络模型中,网络输入层神经元数量与输入数据种类数量相等,输出层神经元数量与输出数据种类数量相等,而中间层层数以及每层的神经元数量则自由设定,中间层的设置将直接影响神经网络的近似数据的精度,根据训练的结果来判断是否需要增减中间层数或神经元数量,判断中间层数和神经元的数量计算方法为:
将神经网络模型中中间层逐层递加,并将中间层层数对应输出的调整参数值B进行命名,当中间层层数为1时输出调整参数值,以此类推,并根据所述调整参数值B,构建非线性回归函数,/>,a为常数值,计算所述函数自变量的方差D,,其中L为输出时中间层的层数,/>为输出的第i位调整参数值B,所述/>为输出的第i位调整参数值B对应的输入误差判断数据,当/>时,A取最小值,其中/>()为求函数偏导,A为确定中间层数的参数,通过所述A的值与方差D进行对比,若D>A时,将所述输出的调整参数值B在输入神经网络模型中,并且中间层层数加1,若D≤A时,输出调整参数值B;
通过梯度下降法更新神经元的加权系数:
;
其中,()为求函数偏导,P、Q分别为***输出误差和神经元权重增量,均为常数值,/>(l)为神经元加权系数,/>(l)为更新后的神经元加权系数,/>表示神经元学习率,通过所述/>(l)确定在中间层中设置的神经元数量,通过所述卷积神经网络输出调整参数值B,通过调整参数值B对点胶轨迹的误差进行自动调整。
2.根据权利要求1所述的一种点胶轨迹的三维仿真模拟方法,其特征在于,在步骤S100中,使用KT3DTool中提供的工具在程序中搭建3D图层,在3D图层中引入相机并实现相机视野的缩放与旋转,通过3D线激光传感器扫描,3D线激光传感器扫描出来的图像中包含点胶产品若干个面的信息,提取3D线激光传感器扫描图像中的点云数据来对点胶产品结构进行还原,将点胶产品信息换为支持的3D图元并显示在3D图层中,并在***数据库中调出对应产品信息的预设点胶轨迹,并将点胶轨迹一起显示在3D图层中。
3.根据权利要求1所述的一种点胶轨迹的三维仿真模拟方法,其特征在于,在步骤S300中,通过预设的点胶轨迹与通过3D线激光传感器扫描得到的产品信息进行对比,根据***中导出的轨迹日志文件中包含每个点的完整坐标数据(x,y,z),通过2点构造直线图元的方法将同一产品的轨迹点连接起来得到该产品的完整点胶轨迹,在导入轨迹数据时可以通过点位文件中轨迹的ID值将在指定路径下检索出文件名带有该ID的扫描图,保存所述ID扫描图,通过在3D图层中***初步判定,选择计算误差点位,选中需要计算误差的点位后,根据该点位在点胶产品轮廓上的投影位置,找到点胶产品上对应的精确位置,并计算两者之间的距离,根据计算得到点位误差,通过误差判断点胶产品是否合格。
4.根据权利要求1所述的一种点胶轨迹的三维仿真模拟方法,其特征在于,选择点胶产品,并且扫描点胶产品产生的轨迹点位文件后,可以批量导入文件中包含的轨迹信息,并在3D图层中显示这些轨迹,可以查看轨迹上每个点位的坐标信息,同时有轨迹检索功能,可根据导入点胶轨迹后不合格点胶品的ID信息从轨迹文件中找到对应的轨迹并显示仿真,并且根据***识别去除不合格点胶产品的点胶轨迹显示,保证在数据库中不会收到不合格点胶产品的点胶轨迹影响,可以选择是否显示针头方向、调整轨迹粗细。
5.一种点胶轨迹的三维仿真模拟***,其特征在于,所述***包括:扫描***,点胶***,处理器和存储器,所述扫描***、所述点胶***和所述存储器在所述处理器上运行的计算机 程序,并且数据存储于所述存储器中,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述 的一种点胶轨迹的三维仿真模拟方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336609.1A CN117078681B (zh) | 2023-10-17 | 2023-10-17 | 一种点胶轨迹的三维仿真模拟方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336609.1A CN117078681B (zh) | 2023-10-17 | 2023-10-17 | 一种点胶轨迹的三维仿真模拟方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117078681A CN117078681A (zh) | 2023-11-17 |
CN117078681B true CN117078681B (zh) | 2024-01-16 |
Family
ID=88706477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336609.1A Active CN117078681B (zh) | 2023-10-17 | 2023-10-17 | 一种点胶轨迹的三维仿真模拟方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078681B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112871596A (zh) * | 2021-01-11 | 2021-06-01 | 合肥国轩高科动力能源有限公司 | 一种电池包涂胶方法及*** |
CN112974141A (zh) * | 2021-02-04 | 2021-06-18 | 深圳市腾盛精密装备股份有限公司 | 一种点胶针头和3d传感器标定的方法 |
CN113510047A (zh) * | 2021-05-26 | 2021-10-19 | 飓蜂科技(苏州)有限公司 | 一种规划点胶轨迹的点胶方法及装置 |
CN113578699A (zh) * | 2021-09-28 | 2021-11-02 | 常州铭赛机器人科技股份有限公司 | 空间点胶的轨迹路径示教方法、点胶*** |
-
2023
- 2023-10-17 CN CN202311336609.1A patent/CN117078681B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112871596A (zh) * | 2021-01-11 | 2021-06-01 | 合肥国轩高科动力能源有限公司 | 一种电池包涂胶方法及*** |
CN112974141A (zh) * | 2021-02-04 | 2021-06-18 | 深圳市腾盛精密装备股份有限公司 | 一种点胶针头和3d传感器标定的方法 |
CN113510047A (zh) * | 2021-05-26 | 2021-10-19 | 飓蜂科技(苏州)有限公司 | 一种规划点胶轨迹的点胶方法及装置 |
CN113578699A (zh) * | 2021-09-28 | 2021-11-02 | 常州铭赛机器人科技股份有限公司 | 空间点胶的轨迹路径示教方法、点胶*** |
Also Published As
Publication number | Publication date |
---|---|
CN117078681A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103678754B (zh) | 信息处理装置及信息处理方法 | |
CN1871622B (zh) | 图像比较***和图像比较方法 | |
DE102018109774B4 (de) | Bildverarbeitungssystem, Bildverarbeitungsvorrichtung und Bildverarbeitungsprogramm | |
CN101239469A (zh) | 机器人机构的校准装置及方法 | |
CN110580723A (zh) | 一种利用深度学习和计算机视觉进行精准定位的方法 | |
CN111488874A (zh) | 一种指针式仪表倾斜校正方法及*** | |
CN110838145B (zh) | 一种室内动态场景的视觉定位与建图方法 | |
CN108961144A (zh) | 图像处理*** | |
CN109493389B (zh) | 一种基于深度学习的相机标定方法及*** | |
US7711507B2 (en) | Method and device for determining the relative position of a first object with respect to a second object, corresponding computer program and a computer-readable storage medium | |
CN114018155B (zh) | 化铣激光刻型轮廓精度检测方法及*** | |
CN111178170B (zh) | 一种手势识别方法和一种电子设备 | |
DE102018113336A1 (de) | Verfahren zum Verwenden mit einer Maschine zum Einstellen einer Erweiterte-Realität-Anzeigeumgebung | |
CN115810133B (zh) | 基于图像处理和点云处理的焊接控制方法及相关设备 | |
CN116501005B (zh) | 一种数字孪生联动的工厂运行管理方法及*** | |
CN108447092B (zh) | 视觉定位标识物的方法及装置 | |
CN117078681B (zh) | 一种点胶轨迹的三维仿真模拟方法及*** | |
JPH07103715A (ja) | 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置 | |
CN117372515A (zh) | 一种自适应纠偏控制*** | |
CN116823748A (zh) | 一种基于深度学习和Halcon的螺栓拧紧工业检测方法和装置 | |
EP4123578A1 (en) | Method for inspecting an object | |
EP4120190A1 (en) | Method for inspecting an object | |
JP3230111B2 (ja) | 自動キャリブレーション装置 | |
JPH07121713A (ja) | パターン認識方法 | |
CN118072334B (zh) | 一种尺规制图纸质作业自动批改***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |