CN117900917B - 一种打磨轨迹离散化方法、***、终端及可读存储介质 - Google Patents
一种打磨轨迹离散化方法、***、终端及可读存储介质 Download PDFInfo
- Publication number
- CN117900917B CN117900917B CN202410309757.2A CN202410309757A CN117900917B CN 117900917 B CN117900917 B CN 117900917B CN 202410309757 A CN202410309757 A CN 202410309757A CN 117900917 B CN117900917 B CN 117900917B
- Authority
- CN
- China
- Prior art keywords
- transition
- workpiece
- point
- track
- discretization
- 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
- 238000005498 polishing Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000007704 transition Effects 0.000 claims abstract description 228
- 230000011218 segmentation Effects 0.000 claims abstract description 22
- 238000011282 treatment Methods 0.000 claims abstract description 9
- 238000003672 processing method Methods 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 29
- 238000000227 grinding Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 20
- 238000005070 sampling Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
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
-
- 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
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Robotics (AREA)
- Artificial Intelligence (AREA)
- Grinding And Polishing Of Tertiary Curved Surfaces And Surfaces With Complex Shapes (AREA)
Abstract
本发明提出一种打磨轨迹离散化方法、***、终端及可读存储介质,获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果。解决现有技术因轨迹点过于密集出现加工轨迹位置抖动和姿态突变导致打磨准确度低的问题。通过离散化过渡轨迹点,规避了点云密度大轨迹点密集的问题,消除离散轨迹的位置抖动和姿态突变,从而提高工件打磨的准确度。
Description
技术领域
本发明涉及智能制造装备产业领域,尤其涉及一种打磨轨迹离散化方法、***、终端及可读存储介质。
背景技术
由于工件的种类众多且结构复杂,且对工件的打磨处理要求越来越高,伴随而来的是如何保证工件打磨的精确度这一大难题。
目前,现有技术对工件打磨采用3D视觉***拍照获得的点云密度非常高,这会导致机器人严格按照点云形成的边缘轮廓进行加工时,速度无法满足要求,而且由于各种噪声的影响,会形成位置抖动和姿态突变,一般的做法是将边缘轮廓点进行滤波和定频采样,但是,采样频率过低边缘轮廓轨迹点非常少,会导致工件上的倒角和钝边等小细节特征丢失,使得打磨不符合要求;采样频率过高边缘轨迹的轨迹点仍然很密集,加工轨迹的位置抖动和姿态突变为难题仍然无法得到很好的解决。
发明内容
基于上述问题,本发明提出了一种打磨轨迹离散化方法、***、终端及可读存储介质,解决现有技术因轨迹点过于密集出现加工轨迹位置抖动和姿态突变导致打磨准确度低的问题。
为实现上述目的,本发明实施例提供了一种打磨轨迹离散化方法,包括:
获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;
通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;
根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果。
本发明实施例提出一种打磨轨迹离散化方法,通过将点云边缘轮廓和工件理论数模进行匹配为基础,将离散的随机轨迹点重新整理分类,并根据不同类型的过渡轨迹点进行不同的处理,将随机的轨迹点离散化让轨迹规划***生成的机器人打磨轨迹与人工示教编程的机器人打磨轨迹一致;对打磨轨迹进行高度离散化,还可以有效提高机器人运行效率,通过离散化过渡轨迹点,规避了点云密度大轨迹点密集的问题,消除离散轨迹的位置抖动和姿态突变,从而提高工件打磨的准确度。
进一步的,所述获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云,具体为:
获取工件点云;
根据预设深度方向和预设边缘轮廓提取算法,对所述工件点云进行边缘轮廓提取,得到边缘轮廓提取结果;
还原所述边缘轮廓提取结果至所述工件点云中,得到工件的边缘轮廓点云。
进一步的,所述通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果,具体为:
基于预设模板,对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件轮廓点云的轮廓标记结果;
对所述轮廓标记结果依次进行模板匹配和分类,得到工件边缘轮廓点云的过渡轨迹点分类结果;其中,所述工件边缘轮廓点云的过渡轨迹点分类结果包括:倒角过渡、直线交点过渡和直线圆弧过渡。
进一步的,所述根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果,具体为:
当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡;
当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果;
当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果;
所述第一类离散化处理结果、所述第二类离散化处理结果、所述第三类离散化处理结果和第四类离散化处理结果构成所述各类型过渡轨迹点的离散化结果。
进一步的,所述当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡,具体为:
当确定所述过渡轨迹点分类结果为直线倒角过渡,计算第一直线和第二直线的交点,得到第一交点;其中,所述第一直线和所述第二直线通过直线倒角拟合得到;
根据倒角角度和倒角尺寸确定倒角第一起点和第一终点;
根据所述第一交点结合所述第一直线的解析式和所述第二直线的解析式,计算得到第一类离散化处理结果;其中,所述第一类离散化处理结果包括:所述第一起点和所述第一终点;
当确定所述过渡轨迹点分类结果为圆弧倒角过渡,采用第二预设处理方法,得到第二类离散化处理结果。
进一步的,所述当确定所述过渡轨迹点分类结果为圆弧倒角过渡,采用第二预设处理方法,得到第二类离散化处理结果,具体为:
当确定所述过渡轨迹点分类结果为圆弧倒角过渡,计算第三直线和第四直线的交点,得到第二交点;其中,所述第三直线和所述第四直线通过直线倒角拟合得到;
根据倒角半径确定第二起点、第二终点以及所述第二起点和所述第二终点的中点;
根据所述第二交点结合所述第三直线的解析式和所述第四直线的解析式,计算得到第二类离散化处理结果;其中,所述第二类离散化处理结果包括:所述第二起点、所述第二终点以及所述第二起点和所述第二终点的中点。
进一步的,所述当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果,具体为:
当确定所述过渡轨迹点分类结果为直线交点过渡,通过对第五直线和第六直线进行交点计算,得到第三类离散化处理结果。
进一步的,所述当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果,具体为:
当确定所述过渡轨迹点分类结果为直线圆弧过渡,获取所述直线圆弧过渡的第一直线段;
通过对所述第一直线段进行拟合,并基于拟合的第七直线筛选出满足预设阈值的轮廓点,得到第一轮廓点;
根据工件模板的圆弧半径,对第一圆弧段进行轮廓截取,得到第一近似直线;其中,所述第一圆弧段是由所述第一轮廓点连接得到的轮廓段构成的;
通过对所述第七直线和所述第一近似直线进行交点计算,得到第四类离散化处理结果。
进一步的,所述的一种打磨轨迹离散化方法还包括:获取工件表面质心;
根据所述工件表面质心,根据所述工件表面质心,结合所述各类型过渡轨迹点的离散化结果进行叉乘计算,得到工件的姿态补算结果。
本发明还提供一种打磨轨迹离散化***,包括:轮廓点云获取模块、过渡轨迹点分类模块和离散化处理模块;
所述轮廓点云获取模块用于获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;
所述过渡轨迹点分类模块用于通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;
离散化处理模块用于根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果。
本发明实施例提出一种打磨轨迹离散化***,通过所述过渡轨迹点分类模块对获取到的工件轮廓点云进行分类,将随机的轨迹点重新整理分类,通过离散化处理模块对若干类的轨迹点进行离散化处理,得到离散化结果,将随机的轨迹点离散化让轨迹规划***生成的机器人打磨轨迹与人工示教编程的机器人打磨轨迹一致,对打磨轨迹进行高度离散化,还可以有效提高机器人运行效率,通过离散化过渡轨迹点,规避了点云密度大轨迹点密集的问题,消除离散轨迹的位置抖动和姿态突变,从而提高工件打磨的准确度。
进一步的,所述轮廓点云获取模块用于获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云,还包括:
点云获取单元、边缘轮廓提取单元和轮廓还原单元;
所述点云获取单元用于获取工件点云;
所述边缘轮廓提取单元用于根据预设深度方向和预设边缘轮廓提取算法,对所述工件点云进行边缘轮廓提取,得到边缘轮廓提取结果;
所述轮廓还原单元用于还原所述边缘轮廓提取结果至所述工件点云中,得到工件的边缘轮廓点云。
进一步的,所述过渡轨迹点分类模块用于通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果,还包括:
轮廓分段标记单元和匹配分类单元;
所述轮廓分段标记单元用于基于预设模板,对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件轮廓点云的轮廓标记结果;
所述匹配分类单元用于对所述轮廓标记结果依次进行模板匹配和分类,得到工件边缘轮廓点云的过渡轨迹点分类结果;其中,所述工件边缘轮廓点云的过渡轨迹点分类结果包括:倒角过渡、直线交点过渡和直线圆弧过渡。
进一步的,所述根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果,还包括:
第一处理单元、第二处理单元、第三处理单元和结果综合单元;
所述第一处理单元用于当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡;
所述第二处理单元用于当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果;
所述第三处理单元用于当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果;
所述结果综合单元用于所述第一类离散化处理结果、所述第二类离散化处理结果、所述第三类离散化处理结果和第四类离散化处理结果构成所述各类型过渡轨迹点的离散化结果。
一种打磨轨迹离散化终端,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现所述的一种打磨轨迹离散化方法。
一种打磨轨迹离散化可读存储介质,所述可读存储介质包括:计算机可读存储介质和存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种打磨轨迹离散化方法。
有益效果:
本发明实施例提出一种打磨轨迹离散化方法及***,对打磨轨迹进行高度离散化,还可以有效提高机器人运行效率,通过离散化过渡轨迹点,规避了点云密度大轨迹点密集的问题,消除离散轨迹的位置抖动和姿态突变,从而提高工件打磨的准确度。
附图说明
图1为本发明某一实施例提供的一种打磨轨迹离散化方法的步骤流程示意图;
图2为本发明某一实施例提供的一种打磨轨迹离散化***的模块结构示意图;
图3为本发明某一实施例提供的一种打磨轨迹离散化***的轮廓点云获取模块结构示意图;
图4为本发明某一实施例提供的一种打磨轨迹离散化***的过渡轨迹点分类模块结构示意图;
图5为本发明某一实施例提供的一种打磨轨迹离散化***的离散化处理模块结构示意图;
图6为本发明某一实施例提供的一种打磨轨迹离散化方法的直线倒角过渡轨迹点示意图;
图7为本发明某一实施例提供的一种打磨轨迹离散化方法的圆弧倒角过渡轨迹点示意图;
图8为本发明某一实施例提供的一种打磨轨迹离散化方法的直线交点过渡轨迹点示意图;
图9为本发明某一实施例提供的一种打磨轨迹离散化方法的直线圆弧过渡轨迹点示意图;
图10为本发明某一实施例提供的一种打磨轨迹离散化方法的工件姿态补算的向量关系示意图;
图11为本发明某一实施例提供的一种打磨轨迹离散化方法的工作原理流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
基于3D视觉引导的打磨机器人,在获取工件点云以后,会将点云投影到作业平面上,然后通过边缘提取算法,提取工件的边缘轮廓,作为打磨轨迹。但是,3D视觉***拍照获得的点云密度非常高,这会导致机器人严格按照点云形成的边缘轮廓进行加工时,速度无法满足要求,而且由于各种噪声的影响,会形成位置抖动和姿态突变。一般的做法是将边缘轮廓点进行滤波和定频采样,但是,采样频率过低边缘轮廓轨迹点非常少,会导致工件上的倒角和钝边等小细节特征丢失,使得打磨不符合要求;采样频率过高边缘轨迹的轨迹点仍然很密集,加工轨迹的位置抖动和姿态突变为难题仍然无法得到很好的解决。
实施例1
参见图1,图1为本发明某一实施例提供的一种打磨轨迹离散化方法的步骤流程示意图。如图1所示,本发明提出一种打磨轨迹离散化方法,包括步骤101至步骤103,各步骤具体如下:
步骤101,获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;
作为本实施例的一种举例,获取工件点云;
根据预设深度方向和预设边缘轮廓提取算法,对所述工件点云进行边缘轮廓提取,得到边缘轮廓提取结果;
还原所述边缘轮廓提取结果至所述工件点云中,得到工件的边缘轮廓点云。
步骤102,通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;
作为本实施例的一种举例,基于预设模板,对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件轮廓点云的轮廓标记结果;
对所述轮廓标记结果依次进行模板匹配和分类,得到工件边缘轮廓点云的过渡轨迹点分类结果;其中,所述工件边缘轮廓点云的过渡轨迹点分类结果包括:倒角过渡、直线交点过渡和直线圆弧过渡。
步骤103,根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果。
作为本实施例的一种举例,当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡;
当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果;
当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果;
所述第一类离散化处理结果、所述第二类离散化处理结果、所述第三类离散化处理结果和第四类离散化处理结果构成所述各类型过渡轨迹点的离散化结果。
作为本实施例的另一种举例,参见图6,图6为本发明某一实施例提供的一种打磨轨迹离散化方法的直线倒角过渡轨迹点示意图;如图6所示,当确定所述过渡轨迹点分类结果为直线倒角过渡,计算第一直线和第二直线的交点,得到第一交点;其中,所述第一直线和所述第二直线通过直线倒角拟合得到;根据倒角角度和倒角尺寸确定倒角第一起点和第一终点;根据所述第一交点结合所述第一直线的解析式和所述第二直线的解析式,计算得到第一类离散化处理结果;其中,所述第一类离散化处理结果包括:所述第一起点和所述第一终点;当确定所述过渡轨迹点分类结果为圆弧倒角过渡,采用第二预设处理方法,得到第二类离散化处理结果。具体的,针对直线倒角,先拟合两条直线L1(第一直线)和L2(第二直线),计算其交点P1(第一交点),然后根据倒角角度和倒角尺寸推算倒角起点P2(第一起点)、终点P3(第一终点),(倒角边长度为L,倒角角度为a。则,P3到P1的距离D13=L/tan(a),P2到P1的距离D12=L/sin(a)),此时,结合L1和L2的解析式,就可以得到P2和P3。并将P2、P3添加到加工序列中。
作为本实施例的另一种举例,参见图7,图7为本发明某一实施例提供的一种打磨轨迹离散化方法的圆弧倒角过渡轨迹点示意图;如图7所示,当确定所述过渡轨迹点分类结果为圆弧倒角过渡,计算第三直线和第四直线的交点,得到第二交点;其中,所述第三直线和所述第四直线通过直线倒角拟合得到;根据倒角半径确定第二起点、第二终点以及所述第二起点和所述第二终点的中点;根据所述第二交点结合所述第三直线的解析式和所述第四直线的解析式,计算得到第二类离散化处理结果;其中,所述第二类离散化处理结果包括:所述第二起点、所述第二终点以及所述第二起点和所述第二终点的中点。具体的,针对圆弧倒角,同样需要拟合长直线L1’(第三直线)和L2’(第四直线)交点P1’(第二交点)、以P1’为圆心,以倒角半径R为圆半径。求该圆与L1’的交点得到P2’(第二起点),求该圆形与L2’的交点,得到P4(第二终点)。P2’和P4在圆弧上的中点为P3’(第二起点和第二终点的中点)。
作为本实施例的另一种举例,参见图8,图8为本发明某一实施例提供的一种打磨轨迹离散化方法的直线交点过渡轨迹点示意图;如图8所示,当确定所述过渡轨迹点分类结果为直线交点过渡,通过对第五直线和第六直线进行交点计算,得到第三类离散化处理结果。具体的,直线交点过渡的情况,直接拟合长直线求交点P5即可。
作为本实施例的另一种举例,参见图9,图9为本发明某一实施例提供的一种打磨轨迹离散化方法的直线圆弧过渡轨迹点示意图;如图9所示,当确定所述过渡轨迹点分类结果为直线圆弧过渡,获取所述直线圆弧过渡的第一直线段;通过对所述第一直线段进行拟合,并基于拟合的第七直线筛选出满足预设阈值的轮廓点,得到第一轮廓点;根据工件模板的圆弧半径,对第一圆弧段进行轮廓截取,得到第一近似直线;其中,所述第一圆弧段是由所述第一轮廓点连接得到的轮廓段构成的;通过对所述第七直线和所述第一近似直线进行交点计算,得到第四类离散化处理结果。具体的,对直线段进行直线拟合。通过阈值筛选拟合长直线附近的轮廓点。将在长直线上的连续轮廓段定义为圆弧段。根据模板中的圆弧半径截取圆弧段上的一段轮廓作为近似直线。将拟合近似直线,并与拟合长直线求交点。得到过渡点P6。
作为本实施例的另一种举例,参见图10,图10为本发明某一实施例提供的一种打磨轨迹离散化方法的工件姿态补算的向量关系示意图;如图10所示,获取工件表面质心;根据所述工件表面质心,结合所述各类型过渡轨迹点的离散化结果进行叉乘计算,得到工件的姿态补算结果。具体的,P0为3D视觉***给出的工件上表面质心;P7为修边打磨轨迹规划***规划的加工轨迹起点,P2为当前段加工轨迹的终点连接P7、P8得到向量V4;连接P7、P0得到V3;V3叉乘V4得到V1;V1叉乘V4得到V2。此时V4的方向为加工轨迹的法线方向,垂直与工件表面。这里的P7、P8就代表了上文中经过计算得到的离散的轨迹点,V4就是机器人的姿态。也就是说,需要用2个离散轨迹点,才能够生成一个姿态。
本发明实施例提出一种打磨轨迹离散化方法,通过将点云边缘轮廓和工件理论数模进行匹配为基础,将离散的随机轨迹点重新整理分类,并根据不同类型的过渡轨迹点进行不同的处理,将随机的轨迹点离散化让轨迹规划***生成的机器人打磨轨迹与人工示教编程的机器人打磨轨迹一致;对打磨轨迹进行高度离散化,还可以有效提高机器人运行效率,通过离散化过渡轨迹点,规避了点云密度大轨迹点密集的问题,消除离散轨迹的位置抖动和姿态突变,从而提高工件打磨的准确度。
实施例2
参见图2,图2为本发明某一实施例提供的一种打磨轨迹离散化***的模块结构示意图;如图2所示,所述打磨轨迹离散化***,包括:轮廓点云获取模块201、过渡轨迹点分类模块202和离散化处理模块203;
所述轮廓点云获取模块201用于获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;
作为本实施例的一种举例,参见图3,图3为本发明某一实施例提供的一种打磨轨迹离散化***的轮廓点云获取模块结构示意图;如图3所示,所述轮廓点云获取模块201用于获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云,还包括:
点云获取单元301、边缘轮廓提取单元302和轮廓还原单元303;
所述点云获取单元301用于获取工件点云;
所述边缘轮廓提取单元302用于根据预设深度方向和预设边缘轮廓提取算法,对所述工件点云进行边缘轮廓提取,得到边缘轮廓提取结果;
所述轮廓还原单元303用于还原所述边缘轮廓提取结果至所述工件点云中,得到工件的边缘轮廓点云。
所述过渡轨迹点分类模块202用于通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;
作为本实施例的一种举例,参见图4,图4为本发明某一实施例提供的一种打磨轨迹离散化***的过渡轨迹点分类模块结构示意图;如图4所示,所述过渡轨迹点分类模块202用于通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果,还包括:
轮廓分段标记单元401和匹配分类单元402;
所述轮廓分段标记单元401用于基于预设模板,对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件轮廓点云的轮廓标记结果;
所述匹配分类单元402用于对所述轮廓标记结果依次进行模板匹配和分类,得到工件边缘轮廓点云的过渡轨迹点分类结果;其中,所述工件边缘轮廓点云的过渡轨迹点分类结果包括:倒角过渡、直线交点过渡和直线圆弧过渡。
离散化处理模块203用于根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果。
作为本实施例的一种举例,参见图5,图5为本发明某一实施例提供的一种打磨轨迹离散化***的离散化处理模块结构示意图;如图5所示,离散化处理模块203用于根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果,还包括:
第一处理单元501、第二处理单元502、第三处理单元503和结果综合单元504;
所述第一处理单元501用于当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡;
所述第二处理单元502用于当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果;
所述第三处理单元503用于当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果;
所述结果综合单元504用于所述第一类离散化处理结果、所述第二类离散化处理结果、所述第三类离散化处理结果和第四类离散化处理结果构成所述各类型过渡轨迹点的离散化结果。
本发明实施例还提出一种打磨轨迹离散化终端,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现所述的一种打磨轨迹离散化方法。
本发明实施例还提出一种打磨轨迹离散化可读存储介质,所述可读存储介质包括:计算机可读存储介质和存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种打磨轨迹离散化方法。
本发明实施例提出一种打磨轨迹离散化***,通过所述过渡轨迹点分类模块对获取到的工件轮廓点云进行分类,将随机的轨迹点重新整理分类,通过离散化处理模块对若干类的轨迹点进行离散化处理,得到离散化结果,将随机的轨迹点离散化让轨迹规划***生成的机器人打磨轨迹与人工示教编程的机器人打磨轨迹一致,对打磨轨迹进行高度离散化,还可以有效提高机器人运行效率,通过离散化过渡轨迹点,规避了点云密度大轨迹点密集的问题,消除离散轨迹的位置抖动和姿态突变,从而提高工件打磨的准确度。
实施例3
参见图11,图11为本发明某一实施例提供的一种打磨轨迹离散化方法的工作原理流程示意图。如图11所示,***先通过双目结构光3D相机获取工件点云;选择3D相机深度方向作为Z方向,将点云的Z方向信息转化为灰度值,通过然后通过canny算子提取边缘轮廓,然后将边沿轮廓还原到点云中;在进行工件模板匹配后进入轨迹离散化流程。基于模板,对过渡轨迹点分为三大类:倒角过渡、直线交点过渡和直线圆弧过渡。根据不同的过渡类型,进行不同的处理。具体处理方法为:针对倒角过渡,通过直线拟合求交点,再根据图纸推算过渡点;针对长直线-长直线过渡,通过直线拟合直接求交点得到过渡点;针对长直线-大圆弧过渡,通过近似直线拟合求交点,再补圆弧中点得到过渡点;详细操作流程参见实施例1,再此不做赘述;在将机器人加工轨迹的位置进行离散化以后,就可以进一步进行加工姿态的运算,详细步骤参见实施例1,再此不做赘述。最终得到各类型过渡轨迹点的离散化结果。
本发明提供了一种打磨轨迹离散化方法,通过将点云边缘轮廓和工件理论数模进行匹配为基础,将离散的随机轨迹点重新整理为直线和圆弧的轨迹组合,让轨迹规划***生成的机器人打磨轨迹与人工示教编程的机器人打磨轨迹一致。对打磨轨迹进行高度离散化,可以有效提高机器人运行效率,消除了离散轨迹的位置抖动和姿态突变。
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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
Claims (9)
1.一种打磨轨迹离散化方法,其特征在于,包括:
获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;具体为:获取工件点云;根据预设深度方向和预设边缘轮廓提取算法,对所述工件点云进行边缘轮廓提取,得到边缘轮廓提取结果;还原所述边缘轮廓提取结果至所述工件点云中,得到工件的边缘轮廓点云;
通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;具体为:基于预设模板,对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件轮廓点云的轮廓标记结果;对所述轮廓标记结果依次进行模板匹配和分类,得到工件边缘轮廓点云的过渡轨迹点分类结果;其中,所述工件边缘轮廓点云的过渡轨迹点分类结果包括:倒角过渡、直线交点过渡和直线圆弧过渡;
根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果;具体为:当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡;当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果;当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果;所述第一类离散化处理结果、所述第二类离散化处理结果、所述第三类离散化处理结果和第四类离散化处理结果构成所述各类型过渡轨迹点的离散化结果。
2.如权利要求1所述的一种打磨轨迹离散化方法,其特征在于,所述当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡,具体为:
当确定所述过渡轨迹点分类结果为直线倒角过渡,计算第一直线和第二直线的交点,得到第一交点;其中,所述第一直线和所述第二直线通过直线倒角拟合得到;
根据倒角角度和倒角尺寸确定倒角第一起点和第一终点;
根据所述第一交点结合所述第一直线的解析式和所述第二直线的解析式,计算得到第一类离散化处理结果;其中,所述第一类离散化处理结果包括:所述第一起点和所述第一终点;
当确定所述过渡轨迹点分类结果为圆弧倒角过渡,采用第二预设处理方法,得到第二类离散化处理结果。
3.如权利要求2所述的一种打磨轨迹离散化方法,其特征在于,所述当确定所述过渡轨迹点分类结果为圆弧倒角过渡,采用第二预设处理方法,得到第二类离散化处理结果,具体为:
当确定所述过渡轨迹点分类结果为圆弧倒角过渡,计算第三直线和第四直线的交点,得到第二交点;其中,所述第三直线和所述第四直线通过直线倒角拟合得到;
根据倒角半径确定第二起点、第二终点以及所述第二起点和所述第二终点的中点;
根据所述第二交点结合所述第三直线的解析式和所述第四直线的解析式,计算得到第二类离散化处理结果;其中,所述第二类离散化处理结果包括:所述第二起点、所述第二终点以及所述第二起点和所述第二终点的中点。
4.如权利要求1所述的一种打磨轨迹离散化方法,其特征在于,所述当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果,具体为:
当确定所述过渡轨迹点分类结果为直线交点过渡,通过对第五直线和第六直线进行交点计算,得到第三类离散化处理结果。
5.如权利要求1所述的一种打磨轨迹离散化方法,其特征在于,所述当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果,具体为:
当确定所述过渡轨迹点分类结果为直线圆弧过渡,获取所述直线圆弧过渡的第一直线段;
通过对所述第一直线段进行拟合,并基于拟合的第七直线筛选出满足预设阈值的轮廓点,得到第一轮廓点;
根据工件模板的圆弧半径,对第一圆弧段进行轮廓截取,得到第一近似直线;其中,所述第一圆弧段是由所述第一轮廓点连接得到的轮廓段构成的;
通过对所述第七直线和所述第一近似直线进行交点计算,得到第四类离散化处理结果。
6.如权利要求1所述的一种打磨轨迹离散化方法,其特征在于,还包括:
获取工件表面质心;
根据所述工件表面质心,结合所述各类型过渡轨迹点的离散化结果进行叉乘计算,得到工件的姿态补算结果。
7.一种打磨轨迹离散化***,其特征在于,包括:
轮廓点云获取模块、过渡轨迹点分类模块和离散化处理模块;
所述轮廓点云获取模块用于获取工件点云,提取工件边缘轮廓并还原至所述工件点云,得到工件的边缘轮廓点云;还包括:点云获取单元、边缘轮廓提取单元和轮廓还原单元;所述点云获取单元用于获取工件点云;所述边缘轮廓提取单元用于根据预设深度方向和预设边缘轮廓提取算法,对所述工件点云进行边缘轮廓提取,得到边缘轮廓提取结果;所述轮廓还原单元用于还原所述边缘轮廓提取结果至所述工件点云中,得到工件的边缘轮廓点云;
所述过渡轨迹点分类模块用于通过工件模板匹配对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件边缘轮廓点云的过渡轨迹点分类结果;还包括:轮廓分段标记单元和匹配分类单元;所述轮廓分段标记单元用于基于预设模板,对所述工件的边缘轮廓点云进行边缘轮廓点分段标记,得到工件轮廓点云的轮廓标记结果;所述匹配分类单元用于对所述轮廓标记结果依次进行模板匹配和分类,得到工件边缘轮廓点云的过渡轨迹点分类结果;其中,所述工件边缘轮廓点云的过渡轨迹点分类结果包括:倒角过渡、直线交点过渡和直线圆弧过渡;
离散化处理模块用于根据所述工件边缘轮廓点云的过渡轨迹点分类结果,对各类型过渡轨迹点分别进行对应预设处理,得到各类型过渡轨迹点的离散化结果;还包括:第一处理单元、第二处理单元、第三处理单元和结果综合单元;所述第一处理单元用于当确定所述过渡轨迹点分类结果为倒角过渡,分别采用第一预设处理方法和第二预设处理方法,得到第一类离散化处理结果和第二类离散化处理结果;其中,倒角过渡包括:直线倒角过渡和圆弧倒角过渡;所述第二处理单元用于当确定所述过渡轨迹点分类结果为直线交点过渡,采用第三预设处理方法,得到第三类离散化处理结果;所述第三处理单元用于当确定所述过渡轨迹点分类结果为直线圆弧过渡,采用第四预设处理方法,得到第四类离散化处理结果;所述结果综合单元用于所述第一类离散化处理结果、所述第二类离散化处理结果、所述第三类离散化处理结果和第四类离散化处理结果构成所述各类型过渡轨迹点的离散化结果。
8.一种打磨轨迹离散化终端,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的一种打磨轨迹离散化方法。
9.一种打磨轨迹离散化可读存储介质,其特征在于,所述可读存储介质包括:计算机可读存储介质和存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的一种打磨轨迹离散化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410309757.2A CN117900917B (zh) | 2024-03-19 | 2024-03-19 | 一种打磨轨迹离散化方法、***、终端及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410309757.2A CN117900917B (zh) | 2024-03-19 | 2024-03-19 | 一种打磨轨迹离散化方法、***、终端及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117900917A CN117900917A (zh) | 2024-04-19 |
CN117900917B true CN117900917B (zh) | 2024-07-09 |
Family
ID=90682387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410309757.2A Active CN117900917B (zh) | 2024-03-19 | 2024-03-19 | 一种打磨轨迹离散化方法、***、终端及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117900917B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112318226A (zh) * | 2020-11-02 | 2021-02-05 | 芜湖哈特机器人产业技术研究院有限公司 | 圆形工件表面打磨方法 |
CN113298833A (zh) * | 2021-05-20 | 2021-08-24 | 山东大学 | 目标物点云特征线面提取方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022237544A1 (zh) * | 2021-05-11 | 2022-11-17 | 梅卡曼德(北京)机器人科技有限公司 | 轨迹生成方法、装置、电子设备及存储介质 |
CN114794669A (zh) * | 2022-03-31 | 2022-07-29 | 深圳市如本科技有限公司 | 鞋面涂胶轨迹生成方法、***、计算机设备以及存储介质 |
CN116188526A (zh) * | 2022-12-22 | 2023-05-30 | 成都卡诺普机器人技术股份有限公司 | 一种轨迹生成方法、装置、设备及介质 |
-
2024
- 2024-03-19 CN CN202410309757.2A patent/CN117900917B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112318226A (zh) * | 2020-11-02 | 2021-02-05 | 芜湖哈特机器人产业技术研究院有限公司 | 圆形工件表面打磨方法 |
CN113298833A (zh) * | 2021-05-20 | 2021-08-24 | 山东大学 | 目标物点云特征线面提取方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117900917A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取***及方法 | |
US9513623B2 (en) | Method for generating trajectory for numerical control process | |
CN111805051B (zh) | 切坡口方法、装置电子设备及*** | |
CN110065068B (zh) | 一种基于逆向工程的机器人装配作业演示编程方法及装置 | |
CN113538486B (zh) | 一种提高汽车钣金工件的识别与定位精度的方法 | |
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 | |
CN113741426B (zh) | 一种基于局部点云曲线拟合的机器人加工路径规划方法 | |
CN104408408A (zh) | 基于曲线三维重建的机器人喷涂轨迹提取方法及提取装置 | |
CN111178170B (zh) | 一种手势识别方法和一种电子设备 | |
Xu et al. | Image processing-based contour parallel tool path optimization for arbitrary pocket shape | |
Geidenstam et al. | Learning of 2D grasping strategies from box-based 3D object approximations | |
CN113001263A (zh) | 基于机器人的高点打磨方法及设备 | |
CN114851209B (zh) | 一种基于视觉的工业机器人工作路径规划优化方法及*** | |
CN115446487A (zh) | 工件坡口切割轨迹获取方法、装置、切割方法及切割装置 | |
CN117853742A (zh) | 一种基于结构光的焊缝坡口特征提取方法及焊接机器人 | |
CN117900917B (zh) | 一种打磨轨迹离散化方法、***、终端及可读存储介质 | |
KR880002420B1 (ko) | 수치 제어방법 | |
CN115775253A (zh) | 叶片飞边切割方法、装置、设备、存储介质及机器人 | |
CN115255738A (zh) | 双机器人龙门焊接的方法和***、设备 | |
CN114897974A (zh) | 一种目标物空间定位方法、***、存储介质及计算机设备 | |
CN112365534A (zh) | 一种基于单目相机三维重建的大型煤堆体积测量方法 | |
CN109655884B (zh) | 一种速度拾取异常点去除方法及*** | |
Ponciano et al. | Detection and isolation of switches in point clouds of the German railway network | |
CN118037648A (zh) | 一种零件打磨边提取方法、装置、终端设备以及存储介质 | |
CN116197913B (zh) | 一种基于点云处理的机器人加工路径规划方法和存储介质 |
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 |