焊接机器人对不同坡口角度焊缝点云数据的比较测试

4.3.4.1焊接机器人对不同坡口角度焊缝点云数据的比较测试

应用4.3的算法，选取合适的阈值，分别对30度、45度、60度坡口的直焊缝进行处理。用Matlab输出特征点数据后导入Imageware中显示，白色点位特征点，红色点为原始点云数据，如图4-12所示。

图4-12(a)为30度V型坡口直焊缝，共有80304个数据点，检测出429个特征点。图4-11（b）)为45度V型坡口直焊缝，共有304173个数据点，检测出1296个特征点。图4-11(c)为60度V型坡口直焊缝，共有359917个数据点，检测出1080个特征点。参数见表4-1。

4.3.4.2对不同形状焊缝点云数据的比较测试
应用4.3的算法，选取合适的阈值，分别对45度直焊缝、S型焊缝、折线型焊缝进行处理。用Matlab输出特征点数据后导入Imageware中显示，白色点位特征点，红色点为原始点云数据，如图4-12所示。

图-13(a)为45度V型坡口直焊缝，共有304173个数据点，检测出1296个特征点。图4-13 ( b)为45度V型坡口S型焊缝，共有218973个数据点，检测出1458个特征点。图4-13(c)为45度V型坡口折线焊缝，共有331144个数据点，检测出3626个特征点。参数见表4-2。

4.3.4.3对有间隙焊缝点云数据的测试
应用4.3的算法，选取合适的阈值，对45度直焊缝，焊缝间隙为2mm的焊缝点云数据进行处理。Matlab输出特征点数据后导入Imageware中显示，白色点位特征点，红色点为原始点云数据，如图4-14。

4.4基于坐标信息提取特征点的算法
4.4.1特征优选

对目标物体拍摄完毕得到点云数据，可以对其固有的特征进行特征提取。如果特征可以应用于模式识别，应该满足以下条件:
1. 唯一性:特征必须是某一类物件所特有的，能唯一地表示该类物件。
2.可分性:该物件的特征与其他不同类别的物件特征应该存在差异性，有明显区别。 3.鲁棒性:当物件移动或者尺寸变化时，该特征维持不变或呈规律性变化。
对于一些构造复杂的物体，很难用一种特征同时满足上述三个要求，有时采用多个特征来进行模式识别，过程如图4-18所示。

焊接机器人对根据对象的特征，特征选择可以分为高、中、低三个层次。低层次的对象识别特征明显，通过一次识别即可。比如在水平工作台上放置的物件，无论它在工作台上如何水平移动，它的高度值都是确定的。
V型坡口焊件属于低层次的对象，截面图如图4--19所示，其坡口最底部距离焊件顶部平面距离h不变。无论其在工作台上怎样平移，h为常数。因此，可选h为优选特征。利用坐标信息提取特征点有如下步骤:
(1)拍摄焊件上表面点云，根据这些点云拟合平面E;
(2)拍摄整个焊件，计算各点到拟合平面的距离 ；
(3)根据高度h设置阂值，若，则认定为特征点。