机器人在线 > 资讯 > 技术干货 > 焊接机器人焊缝点云的特征信息提取

焊接机器人焊缝点云的特征信息提取

时间：2017-07-21 来源：机器人在线阅读：10572 原创

物体的特征是物体本身具有的特定属性，对精确地描述一件物体有非常重要的意义。物体的特征提取一直是许多科学领域研究的重点，如建筑、医学等领域。在这些领域，输入的数据大多是3D扫描设备扫描得到的目标的点的集合，称之为“点云”(Point Cloud)。从内容上来看，这些数据是分布于目标表面的一系列三维点的坐标，数据量非常大，在很多情况下直接对其进行使用时不现实的。因此，从点云信J息、中提取特征是很有必要的，它可以应用于提取数据或曲面重建的前期步骤中。在焊接领域，焊缝特征信息的提取，对焊接自动化的实现有重要的意义。主要介绍如何从点云数据中提取焊缝特征信息。焊接机器人焊缝点云的特征信息提取

4.1特征点的定义

何为特征点，并没有一个确定的定义。但是具有常规的属性意义，它能够表示物体的几何属性或纹理特征，是三维点云模型表面几何属性变化比较大的点的集合。几种特征点的类型如图4-1所示。

这些特征点联系在一起就构成了物体的特征线。一般来说，特征线包括尖锐特征边或者过渡特征边等。主要包括物体的凸边或脊线，凹边或谷线，分界线等。如图4-2所示。

对于带坡口的焊件来说，对接的两块焊板形成谷线。如图4-3所示，红色的线条为焊缝，即为焊件的特征线，是我们所要提取的特征信息。

4.2点云数据特征点检测方法概述

焊接机器人点云的特征检测主要有以下两种方法:一种是将点云数据三角网格化，将点云的特征检测转化为多边形网格的特征检测，可使用局部多项式拟合来计算曲率张量信息，也可以通过对多边形数据进行隐函数重建进行曲率计算，从而实现特征点的检测。这种方法是用三角形网格对原始点云数据的逼近表示，形状逼近精度低，且网格化过程较复杂。

另外一种是直接对点云数据进行处理，计算各点的曲率或法向量，利用曲率信息或者点间法线变化提取特征点。这种方法处理的数据量大，当对形状复杂的大型物件点云进行处理时，运算速度较慢。

综合考虑本文所研究焊件的特点，由于其结构简单，形状并不复杂。直接对拍摄到的点云数据进行处理即可。本文首先采用点间法线变化的算法来提取焊件的特征点。针对采样焊件表面数据中的局部数据进行法向量估计，利用点与点间法向量夹角来提取焊缝特征，重点讨论在不同数据和参数的情况下，此方法的有效性和鲁棒性。

焊接机器人焊接机器人若干优化技术研究技术干货

机器人在线版权与免责声明：

1.凡本网注明[来源：机器人在线]的所有文字、图片、音视和视频文件，版权均为机器人在线(www.imrobotic.com)独家所有。如需转载请与021-60717199联系。任何媒体、网站或个人转载使用时须注明来源“机器人在线”，违反者本网将追究其法律责任。

2.本网转载并注明其他来源的稿件，均来自互联网或业内投稿人士，版权属于原版权人。转载请保留稿件来源及作者，禁止擅自篡改，违者自负版权法律责任。

3.本网评论版块中各网友的评论只代表网友个人观点，不代表本站的观点或立场。