一種基于線激光掃描的噴砂機器人自動路徑生成方法
【技術領域】
[0001] 本發明涉及一種噴砂機器人自動路徑生成方法，具體來說，涉及一種基于線激光 掃描的噴砂機器人自動路徑生成方法，特別是噴砂機器人對未知模型工件進行噴砂的自動 路徑生成方法。
【背景技術】
[0002] 大型鋼結構焊接件，由于產品近于定制產品，所以每次加工的工件形狀都不相 同；需要進行表面前處理，清理表面氧化層。目前使用鋼砂和鉛砂結合，采用〇.8MPa的壓縮 空氣吹動鋼砂，高速拋向工件表面，實現對表面的噴砂工作。由于砂的動能較高，目前人工 手持砂槍時很容易造成對人員的傷害。同時由于噴砂過程中產生較多的灰塵，也容易造成 工人的呼吸系統的不適感。處理的工件較大，目前處理一個工件大約需要2人2班時間，急 需采用設備將人從繁重危險的工作中解放出來。
[0003] 通常的機器人系統采用示教及離線編程的方式，針對的是標準化的，重復性的產 品的加工。對于某些客戶，屬于定制及非標制造產品，批量很小。由于操作工人的知識水平 和工作性質的限制，客戶也不希望通過示教或離線編程的方式給出機器人的工作路徑。這 對于機器人的工作路徑規劃提出了極高的要求，要滿足工作的實時性要求，又不能有太多 的準備工作。從目前了解的情況看，沒有類似的工程案例可以借鑒，是目前機器人應用的較 為前沿的課題，因此有著較為實際的借鑒和示范意義。
[0004] 目前的機器視覺系統通常采用可見光光源，可用于預先輸入固定模板的圖像處理 的比較，對于非標件，無法預先輸入模板，因此，依此實現工件的檢出也無法實現，加工路徑 的生成更是無從談起。
【發明內容】
[0005] 技術問題：本發明所要解決的技術問題是：提供一種基于線激光掃描的噴砂機器 人自動路徑生成方法，該生成方法通過線激光掃描對噴砂項目中未知工件進行建模，進而 根據模型進行路徑的自動生成。
[0006] 技術方案：為解決上述技術問題，本發明實施例采用的技術方案為：
[0007] -種基于線激光掃描的噴砂機器人自動路徑生成方法，該生成方法包括以下步 驟：
[0008] 第一步：獲取工件數據信息：采用2D激光掃描方式獲取待噴砂工件表面的掃描采 樣點數據信息；
[0009] 第二步：建立工件表面STL模型：通過點云預處理，建立待噴砂工件表面STL模 型；
[0010] 第三步：劃分曲面：提取并利用工件表面STL模型的幾何特征和拓撲特征，將工件 曲面劃分為若干不帶空洞的平面；
[0011] 第四步：生成噴砂軌跡：根據工件表面STL模型構建特征框，采用切割平面投影方 法，生成噴砂軌跡。
[0012] 作為優選例，所述的第一步包括以下步驟：
[0013] 步驟101):布置噴砂車間：將AGV小車置于車間中部，將3個工業用2D激光掃描 儀分別固定安裝在支架上，且3個工業用2D激光掃描儀分別位于AGV小車的上方和兩個側 方，將待噴砂工件置于AGV小車上，待噴砂工件和AGV小車隨導軌同步運動；
[0014] 步驟102):系統標定校準：通過三坐標測量儀對傳感器位姿與伺服裝置零點系統 參數進行校準，完成系統標定；
[0015] 步驟103):掃描工件，獲取數據信息：驅動導軌以已知速度運動，同時3個2D激光 掃描儀以設定頻率對待噴砂工件進行掃描、采樣，保證待噴砂工件完整通過激光采樣平面， 并記錄3個2D激光掃描儀采集到的以時間為標簽的激光測量值數據信息。
[0016] 作為優選例，所述的第二步包括以下步驟：
[0017] 步驟201)點云轉換與拼接：建立噴砂機器人的參考坐標系，將步驟103)得到的激 光測量值數據信息，通過時間標簽及傳感器測量極坐標系與參考坐標系的相對位姿關系， 轉換為噴砂機器人參考坐標系下的點云數據，并將所有點云數據拼接到一起，得到參考坐 標系下的由點云數據構成的工件模型；
[0018] 步驟202)點云濾波：對于步驟201)得到的工件模型，進行濾波處理，得到精確的 工件點云模型：
[0019] 步驟203)點云平滑處理：采用移動最小二乘曲面擬合方法，對于步驟202)得到的 精確的工件點云模型，進行平滑處理，得到平滑的點云模型；
[0020] 步驟204)構建STL模型：采用貪婪投影三角形方法對步驟203)得到的平滑點云 模型進行處理，生成工件曲面的STL模型。
[0021] 作為優選例，所述的步驟202)具體包括：
[0022] 步驟2021)根據AGV小車安裝的位置及運動范圍，剔除與待噴砂工件無關的采樣 區域，得到噴砂機器人參考坐標系下帶有噪聲的工件點云模型；
[0023] 步驟2022)通過中值濾波算法剔除步驟2021)的工件點云模型中的噪聲點：對步 驟2021)得到的帶有噪聲的工件點云模型中的每個數據點Pl，以？1為中值窗口中心，取中 值窗口邊長為w，則對中值窗口內的wX w個掃描數據求取中值當|凡-歹| Μ時，/.>,=戸： 當I凡-歹|<5時，Pl保持不變；其中，δ表示中值濾波器濾波閾值；從而得到機器人參考坐 標系下的精確的工件點云模型。
[0024] 作為優選例，所述的步驟203)具體包括：
[0025] 步驟2031)將步驟202)得到的點云模型所在區域網格化；
[0026] 步驟2032)修正每個網格點的坐標：首先確定網格點的影響區域大小，然后確定 位于網格點影響區域內的點（Xl，yi, Ζι)，I = 1、2、…、η，η表示網格點影響區域內點的總 數；隨后根據式（1)所示的擬合函數得出修正后的網格點坐標：
[0028] 式中，p(x, y) = [1，X，y]T表示線性基，上標Τ表示轉置，α (X，y)表示系數矢量， α (X，y)根據優化方程
取得極小值求得；
[0029] 步驟2033)連接網格點，形成擬合曲面：根據修正后的網格點坐標連接網格點，形 成擬合曲面；
[0030] 步驟2034)將點云投影到步驟2033)的擬合曲面上，得到平滑點云模型。
[0031] 作為優選例，所述的步驟204)具體包括：
[0032] 步驟2041)任取一個平面，將步驟203)得到的點云作為原始點云，投影到該平面， 得到與原始點云中的點--對應的平面點云；
[0033] 步驟2042)對于步驟2041)得到的平面點云，隨機選取三個點連接為一個樣本三 角片作為初始曲面，采用區域生長算法不斷對三角片合并以擴張曲面邊界，形成完整的三 角網格曲面；
[0034] 步驟2043)根據投影點云的連接關系，采用反投影方法確定各原始三維點間的拓 撲連接，所得三角網格為重建得到的曲面網格模型；
[0035] 步驟2044)將步驟2043)生成的曲面網格模型根據STL文件格式標準進行存儲， 得到工件的STL數模模型。
[0036] 作為優選例，所述的第三步包括以下步驟：
[0037] 步驟301)平面模型點云分割：對步驟203)得到的平滑點云模型，采用基于隨機采 樣一致性的點云分割算法進行分割，設定分割模型為平面模型，分割得到一組由工件表面 不同平面點集組成的平面點集集合以及各個平面點集的擬合參數；
[0038] 步驟302)檢測內外邊界關鍵點；
[0039] 步驟303)簡化邊界點：對步驟302)得到的關鍵點序列進行簡化，提取角點作為關 鍵點，剔除序列中非角點元素，得到簡化的邊界點序列集合；
[0040] 步驟304)進行STL語義標簽：根據步驟303)得到的簡化的邊界點序列集合對步 驟2044)生成的STL數模模型進行區域劃分，在STL數模模型中標記待噴砂區域的內外邊 界，實現STL數模模型的語義標簽。
[0041] 作為優選例，所述的步驟302)具體包括：將步驟301)得到的各個平面點集 據其對應的平面擬合參數進行如下處理：
[0042] 步驟3021)點云投影：將平面點集S#的所有點投影到擬合參數表示的平面中， 得到該平面點集無偏差的平面點云模型；
[0043] 步驟3022)檢測內外包邊界：提取點云的內外邊界關鍵點序列集合：對于每個平 面點云模型中的點云數據，分別選取平面最小外包多邊形頂點作為關鍵點：對于關鍵點為 多邊形外邊界頂點情況，以平面法向量方向為上方，以一組順時針關鍵點序列組成邊界關 鍵點；對于關鍵點為多邊形內邊界頂點情況，以平面法向量方向為上方，以一組逆時針關鍵