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

1.本发明涉及工业机器人加工领域，具体涉及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。


背景技术：

2.大型复杂曲面构件在航空航天、能源和交通领域有着重要应用，如大型蜗轮叶片、飞机外壳、风电叶片、高铁车身等，这些大型曲面都对表面曲率和打磨质量有着较高要求，但其外形庞大、曲面复杂、装夹变形等问题给表面打磨带来了严峻挑战。
3.机器人由于其灵活度高、自主性强、环境适应性强等特点被广泛应用于构件表面打磨领域，但现有的加工策略和轨迹规划方法都难以满足大型复杂曲面打磨要求。
4.中国发明专利cn108445834a介绍了一种针对大型复杂构件的机器人加工轨迹离线规划方法，其利用构件cad模型，一次完成整体表面的机器人加工轨迹规划，一方面没有考虑大型构件实际装夹变形误差，另一方面没有考虑机器人实际执行时如何确定所规划轨迹在构件表面的位置，其可实现性差，人工干预大，加工效率低。
5.中国发明专利cn110039538b提出了一种基于点云重建的大型复杂构件加工轨迹规划方法，其利用采集的点云数据重建构件三维模型，再沿重建模型表面用切片法获取加工轨迹。该方法只用平行的切平面截取轨迹，并未考虑曲面的曲率和加工轨迹间距等对加工质量有直接影响的因素，其加工质量无法保证。此外，中国发明专利cn108445834a及cn110039538b均只涉及大型复杂构件加工轨迹规划方法，并未对其在打磨场景下应用方法进行介绍。
6.中国发明专利cn111055293a介绍了一种基于曲面自适应的工业机器人高精度恒力打磨方法，该方法采集工件点云信息构建stl模型，用等间距的特征线投影到模型表面从而规划出打磨轨迹，但其特征线是固定间距，没有考虑由于曲面曲率变化导致的相邻打磨轨迹间距动态变化的情况，且固定间距无法适应工件和打磨工具变换的情况，同时该方法只适用于小型工件，其并未针对大型构件打磨提出方案。
7.因此，为实现大型复杂构件的高效和高质量打磨，急需发明一种能够自主完成高精度打磨的方法，利用该方法既能消除传统点云拼接方法的累积误差，又能优化打磨轨迹从而提高打磨效果。


技术实现要素：

8.为了克服已有的技术缺陷，本发明提出了一种基于实时点云的大型构件表面自主打磨路径规划方法，其所需点云采集设备价格低廉，自主性高，场景适应性强，且消除了重复定位打磨轨迹产生的误差，大大提高了打磨效率与质量。
9.本发明解决其技术问题所采用的技术方案是：
10.一种基于实时点云的大型复杂构件表面打磨路径规划方法，其特征在于，包括以下步骤：
11.s1移动底盘上安装有定位感知传感器，通过slam算法实时更新移动底盘与世界坐标系的变换，再通过手眼标定和工具坐标系标定建立机械臂基座、三维点云数据获取设备、打磨工具和移动底盘之间的坐标系变换，实现整套移动打磨系统和大型构件间的实时定位；
12.s2利用三维点云数据获取设备获取的点云数据计算与构件的距离，控制移动底盘到达构件前方合适加工位置处，此位置根据机械臂加工范围确定，到达位置后固定移动底盘不动；
13.s3三维点云数据获取设备采集当前工位的点云数据，通过点云预处理分离出构件点云，在构件点云上确定待打磨区域；
14.s4建立打磨工具与构件间的材料打磨去除模型；
15.s5基于材料打磨去除模型在待打磨构件点云上规划打磨路径并优化打磨路径间距；
16.s6估计每个打磨路径点处的内法向量，基于打磨路径点和对应的内法向量完成机械臂末端打磨工具轨迹规划，发送该轨迹给机械臂执行；
17.s7机械臂执行完当前工位的打磨动作后，解锁底盘，底盘自主移动到下一固定工位，重复步骤s3至s7以完成整体构件的打磨任务。
18.进一步的，所述步骤s3具体包括以下步骤：
19.s31控制装载三维点云数据获取设备的机械臂运动至构件表面合适距离处采集点云数据；
20.s32剔除点云数据中由于灰尘和反光等原因产生的离群点；
21.s33分离出构件点云数据，去除背景环境等无关点云数据；
22.s34对获得的曲面点云进行连续光滑处理；
23.s35识别出未打磨区域，确定构件点云的待打磨区域。
24.进一步的，所述步骤s5具体包括以下步骤：
25.s51计算待打磨构件点云的质心和最小外包围盒，通过质心沿垂直于最小外包围盒最大面的方向每隔45度构建平面，共构建4个平面，该4平面与待打磨构件点云相交得4条交于一点的点云路径，分别计算这四条路径上的曲率方差，取方差最大的路径标记为首条打磨路径，定义首条打磨路径为第i条路径(i＝1)，并作为当前路径；
26.s52对当前路径进行均分获得路径点n，取当前路径起始点为参照点，通过参照点，以该点的切线方向为法向量构建一个截平面，该平面与待打磨构件点云相交得参照路径；
27.s53以参照点为起点，沿参照路径取距离为一定倍数打磨工具直径的坐标点作为迭代点；
28.s54分别以参照点和迭代点作为打磨工具中心点，根据材料去除模型计算两中心点周围的打磨深度分布；
29.s55计算参照点和迭代点连线上的深度值方差，若该方差满足工艺要求，则将该迭代点记录为候选迭代点，再将迭代点往参照点方向移动一定步长得新迭代点，重新计算参照点和新迭代点连线上的深度值方差，重复移动更新迭代点直至迭代点和参照点重合，此时可得多个满足工艺要求的候选迭代点，定义为候选迭代点集合i1；
30.s56依次将当前路径上所有路径点作为参照点代入步骤s52，并执行s52-s56获得
第i条打磨路径上候选迭代点集合{i1,i2…in
}；
31.s57在第i条打磨路径上候选迭代点集合中，计算一条最短的路径，取该路径作为第i+1条打磨路径；
32.s58将第i+1,i+2
…
i+m条打磨路径作为当前路径执行s52-s58，直至待打磨区域被规划完成。
33.本发明的有益效果为：
34.1、“移动
→
固定
→
扫描
→
规划
→
打磨
→
移动”的循环加工方法，实现了实时点云采集及打磨路径在线规划，消除了大型构件模型重建时的拼接累积误差和执行时的加工轨迹重定位误差，极大地提高了大型构件表面的打磨精度。
35.2、改进的曲面打磨路径规划方法，优化了相邻路径间的打磨间距，提高了曲面打磨均匀程度，保证了打磨质量。
36.3、自主移动底盘控制打磨作业的方法，能够适应不同的加工环境，提高了打磨作业的自动化程度，提高了大型构件打磨效率。
附图说明
37.图1是基于实时点云的大型复杂构件表面打磨路径规划方法的整体流程图；
38.图2是规划打磨路径并优化打磨路径间距的流程图；
39.图3是移动底盘自主切换工位示意图。
具体实施方式
40.为进一步理解本发明，下面结合附图和实施例对本发明做进一步说明，但是需要说明的是，本发明要求保护的范围并不局限于实施例表述的范围。
41.图1是按照本发明的实施例所构建的基于实时点云的大型复杂构件表面打磨路径规划方法的整体流程图，其包括以下步骤：
42.s1移动底盘上安装有激光雷达、imu等定位感知传感器，用slam算法实时更新移动底盘和世界坐标系的变换，把机械臂基座固定在移动地盘上，并在其末端安装恒力打磨工具和深度相机，通过手眼标定和工具坐标系标定建立机械臂基座、深度相机、恒力打磨工具和移动底盘之间的坐标系变换，实现整套移动打磨系统和大型构件间的实时定位。
43.s2利用深度相机获取的点云数据计算机械臂末端与构件的距离，控制移动底盘缓慢靠近构件，直至机械臂末端到达构件前方合适加工位置处，此位置根据机械臂加工范围确定，到达位置后锁紧移动底盘，使其不会发生移动。
44.s3用深度相机采集当前工位的点云数据，通过点云预处理消除现场环境产生的无关点云，从而分离出构件点云，然后在构件点云上确定待打磨区域，具体包括以下步骤：
45.s31控制机械臂运动，判断深度相机与构件表面距离，在距表面1.5米处采集点云数据，再通过手眼坐标变换把点云转换到世界坐标系下；
46.s32用离群点检测算法处理点云，剔除点云中由于现场环境的灰尘或反光等原因产生的离群点；
47.s33点云数据中不仅有构件点云，还有墙壁地面等连续的背景点云，计算各部分点云与深度相机的相对位置，保留深度相机采集时视野正前方的连续点云，删除其他点云块，
从而分离出构件点云数据，去除背景环境等无关点云；
48.s34深度相机传感器本身存在精度问题，此问题会导致构件点云数据表面不光滑，可能产生波浪形的噪声，用移动最小二乘法处理构件点云，形成连续光滑的曲面构件点云；
49.s35深度相机不仅有点云数据，还有与点云数据相互映射的图像数据，打磨前后构件表面颜色会发生变化，据此特征在图像数据中识别出未打磨区域，再将其映射到构件点云中，从而确定构件点云的待打磨区域。
50.s4建立恒力打磨工具与构件间的材料打磨去除模型，具体包括以下步骤：
51.s41根据hertizian接触理论计算出接触面压力分布与构件表面曲率间的函数，建立恒力打磨工具与构件间的压力分布模型；
52.s42基于preston假设，根据压力分布模型计算出打磨工具与构件接触面上的打磨深度分布函数，建立材料打磨去除模型。
53.s5图2是基于材料打磨去除模型，在待打磨构件点云上规划打磨路径并优化打磨路径间距的流程图，具体包括以下步骤：
54.s51计算待打磨构件点云的质心和最小外包围盒，通过质心沿垂直于最小外包围盒最大面的方向每隔45度构建平面，共构建4个平面，该4平面与待打磨构件点云相交得4条交于一点的点云路径，分别计算这四条路径上的曲率方差，取方差最大的路径标记为首条打磨路径，定义首条打磨路径为第i条路径(i＝1)，并作为当前路径；
55.s52对当前路径进行均分获得路径点n，取当前路径起始点为参照点，通过参照点，以该点的切线方向为法向量构建一个截平面，该平面与待打磨构件点云相交得参照路径；
56.s53以参照点为起点，沿参照路径取距离为一定倍数打磨工具直径的坐标点作为迭代点；
57.s54分别以参照点和迭代点作为恒力打磨工具中心点，根据材料去除模型计算两中心点周围的打磨深度分布；
58.s55计算参照点和迭代点连线上的深度值方差，若该方差满足工艺要求，则将该迭代点记录为候选迭代点，再将迭代点往参照点方向移动一定步长得新迭代点，重新计算参照点和新迭代点连线上的深度值方差，重复移动更新迭代点直至迭代点和参照点重合，此时可得多个满足工艺要求的候选迭代点，定义为候选迭代点集合i1；
59.s56依次将当前路径上所有路径点作为参照点代入步骤s52，并执行s52-s56获得第i条打磨路径上候选迭代点集合{i1,i2…in
}；
60.s57在第i条打磨路径上候选迭代点集合中，计算一条最短的路径，取该路径作为第i+1条打磨路径；
61.s58分别将第i+1,i+2
…
i+m条打磨路径作为当前路径执行s52-s58，直至待打磨区域被规划完成。
62.s6根据每个路径点坐标及其领域点云，用最小二乘法估计每一路径点处的法向量，估计出的法向量有两个方向，取方向与从深度相机到路径点这一方向相同的法向量作为内法向量，用路径点坐标作为恒力打磨工具的位置约束，该点的内法向量作为恒力打磨工具的z轴约束，取路径的切线方向作为恒力打磨工具的x轴约束，取z轴约束与x轴约束叉乘的向量作为恒力打磨工具的y轴约束，至此已经完全确定恒力打磨工具的六个自由度约束，在对每一路径点确定六个自由度约束后即生成机械臂末端打磨轨迹，发送该轨迹给机
械臂执行。
63.s7图3是移动打磨系统切换工位打磨示意图，机械臂执行完当前工位的打磨动作后，解锁底盘，底盘自主移动到下一固定工位，重复步骤s3至s7以完成整体构件的打磨任务。
64.本发明所述的基于实时点云的大型复杂构件表面打磨路径规划方法，通过移动底盘的自主导航增加了系统的自主性和灵活性，能够适应不同的加工环境，采用划分工位即时加工的方式消除了重建模型误差和轨迹重定位误差，基于打磨深度分布模型优化路径间距，显著提高了相邻路径间打磨深度的均匀性，提供了一套高效精准的大型复杂构件表面打磨方案。
65.上面结合附图对本发明的实施例进行了描述，但本发明不局限于上述具体的实施方式，上述的具体实施方式仅是示例性的，不是局限性的，任何不超过本发明权利要求的发明创造，均在本发明的保护范围之内。