焊接机器人若干优化技术研究参数计算研究之路

4.4.2参数计算
设平面E的一般方程如式(4-6):

如图4-20(a)，当时，检测的特征点并不连续，因为获取的点云数据存在细微误差，阂值应小于高度值，才能保证检测到的特征点连续。随着阂值增大，检测的特征点数目随之增多且连续，如图4-20 (b)~(e)。但是阈值增大，焊缝中心线两侧的点也被检测出来，这些点会造成误差，为了保证误差在可控范围内，阈值选取应尽量接近h同时应使检测出的特征点尽可能连续。

4.4.3对不同类型的焊缝点云数据的测试
焊接机器人由于采用4.4的算法，特征点提取只与高度有关，与焊缝类型无关，此节对各种类型的焊缝综合到一起来测试。选取合适的闭值，分别对30度、45度、60度坡口的直焊缝以及45度坡口的S型焊缝和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，白色点为特征点，红色点为原始点云数据，如图4-21所示。参数见表4-3。

 4.5基于Imaegeware提取特征点

Imageware软件在逆向工程中应用比较广泛，它有强大的点云处理能力、曲面编辑能力和曲面构建能力，在机械设计制造、航空航天、汽车、模具等领域应用广泛。对扫描输入的点云数据。它具有噪声点的消除，点云特征的提取，曲线和曲面的拼接与光顺，构建点云数据组成的工件表面的三维模型等功能。
4.5.1特征的提取方法
对于类似焊缝这种特征明显的物件，Imageware提供了两种自动方法。一种是利用点云曲率彩图的尖角特征提取。该种方法是以边为基础，根据点云数据中点的法向量或曲率的变化，用一封闭边界对点云的数据的不同区域进行分割，并将特征点以线状点云的形式提取出来。另外一种方法是基于点云曲率彩图的颜色特征提取，该方法是以面为基础，先选取种子点，然后进行“区域生长”，以同一区域的形式提取出具有相似几何特征的空间点。但是该方法仅适用与彩色点云数据，由于本文中扫描获得的点云数据无颜色信息，故采用基于点云曲率彩图的尖角特征来进行提取。
Imageware中也是通过指定邻域大小来计算各数据点的主法向或主曲率来分析点云数据的曲率。通过曲率分析，高曲率和低曲率的区域会以不同颜色表示。，图4-22为曲率分析输出的彩色图，高曲率的区域显示为红色，低曲率的部分显示为绿色，可用做定位特征来进行特征提取。

提取主要步骤如下:
(1)设置邻域大小，计算点云曲率。设置的邻域值越大，越影响运算速度。Imageware会根据点云数据自动选择最优邻域值来计算点云曲率。
(2)设置比率阈值、笔直权重、最小过滤等参数。其中，比率阈值用来调整显示曲率计算结果(软件显示为红色)的范围，笔直权重用来控制提取锐边的平直程度，设置最小过滤参数可以剔除长度达不到要求的特征线(软件显示为蓝色)，如图4-23所示。

4.5.2对不同类型的焊缝点云数据的测试

用Imageware分别对30度、45度、60度坡口的直焊缝以及带坡口的S型焊缝进行处理，可直接获得焊缝的特征线，Imageware中以黄色显示，如图4-24。

焊接机器人

介绍了特征点及其几类检测方法，采用基于点间法向量变化的算法和基于点云坐标信息的算法对几类焊缝进行了处理。前者的精度较高，后者的速度较快，都能满足实际焊接要求。另外还采用三维逆向工程软件Imageware直接提取焊缝的特征线。