焊接机器人点云数据处理的研究和发展概况

焊接机器人点云数据处理的研究和发展概况

点云特征提取是为了简化点云数据，是在海量点云数据中获取有用信息的过程。是目前国内外研究者关注的重点。Woo基于区域与区域的边界上点的法矢和曲率会发生变化的原理，将法矢和曲率突变的点作为特征点。吕震「明基于OCS模型来估算点云数据中各点的法向量，利用法向量和邻域点拟合二次曲面用来计算点的主曲率和主方向，特征点为主曲率在主方向上的极值点。马骊溟通过邻域点拟合曲面模型，求出高斯曲率极值点，以该点作为初始点来搜索其他的极值点，避免求取所有测量点的曲率值，提高了搜索效率。
国外Hoppe等人在1992年提出PCA算法来估算点云法向量。对每个测量点，搜索k邻域来进行平面局部拟合，求得一个最小二乘意义下的平面，用协方差矩阵对应于最小特征值的特征向量作为测量点的法矢。Gumhold S选取椭球来拟合测量点周围的邻域点，估算曲面最大张角的近似值和曲率，以此为标准来确定测量点的罚权值，描述测量点是否属于某个特征，同时用罚权重作为邻域图的边权值，提取邻域图中的字图，取得最小边权值，形成一组特征，用样条拟合法来直接恢复特征。
在点云处理技术应用方面，一些商业化逆向工程软件已经问世。UG己经在软件中集成了一些点云处理功能。Imageware和Geomagic在逆向工程中应用非常广泛，可以对点云进行去噪，拼接。国内浙江大学也推出了Re-Soft软件。这些软件均基于网格模型，以交互操作为主。

1.5本课题的主要研究内容

焊接机器人本课题是利用三维光栅式视觉扫描仪获取焊件表面的轮廓信息，三维扫描设备通过一定的算法将拍摄的图像转化成点云，这些点云包含了焊件的三维坐标星系。对这些点云数据进行处理并提取工件待焊的焊缝信息，在焊缝模型上提取出焊接轨迹并进行合理的路径规划。具体内容如下:

(1)借助三维光栅式扫描仪，拍摄焊件，获取不同焊件的点云数据用来对焊件特征进行分析。

(2)三维光栅扫描仪和机器人组成Eye-to-hand视觉系统。对系统进行标定，包括摄像机内外参数的标定以及机器人手眼关系的标定。使用基于平面模板的两步标定法标定内外参，利用三维扫描仪获得的点云数据直接求去手眼关系。

(3)采用基于点间法向量变化和基于坐标信息两种算法，用Matlab编程对焊缝特征信息进行提取。分析不同阂值对提取效果的影响，以及算法的有效性和鲁棒性。

(4)利用二次多项式对提取的焊缝特征点进行空间曲线拟合，获得焊缝曲线方程，建立焊缝空间模型。在此基础上求取焊缝路径点位姿，根据机器人TCP坐标系和焊缝路径的关系，规划焊枪路径。