3D激光扫描设备及使用该设备的点云自动提取转换方法与流程

本发明涉及机械工程领域，尤其涉及3d激光扫描设备及使用该设备的点云自动提取转换方法。

背景技术：

在船舶建造过程中，有大量的小组立工件的焊接作业，其作业量占整个船厂整体焊接作业量的15％以上，目前绝大部分船厂的小组立焊接仍然使用人工焊接，随着科学技术的发展，机器人焊接技术已经可完成自动焊接多规则、非标准形式的船舶构件。

机器人自动焊接分为三个阶段，第一阶段为示教形式的机器人焊接，在这个阶段，机器人使用固定的示教程序及进行固定作业，作业精度高但作业内容不可变，适合汽车制造业中同型号大批量标准间的流水线生产；第二阶段为离线编程机器人自动焊接，这种形式将被焊接件的模型导入离线编程软件，技术人员在离线编程软件上生成焊接程序，下发指导机器人作业，机器人可存储多个作业，并根据需要调用对应作业，这种方式即将示教作业转移到计算机软件上进行，可实现不停止焊接作业的情况下更新机器人作业程序；第三阶段为在线编程机器人自动焊接，这种形式利用在线编程程序并借助三维成像技术，自动识别工件外形尺寸、工件类型，通过图像处理算法提取工件数模，并通过工件特征点识别软硬件系统自动规划机器人焊接路径，最终使用在线编程软件自动生成带机器人运动位姿的焊接作业程序，通过3d扫描设备和焊接路径规划算法的开发在线自动生成焊接程序的方式，已达到无需技术人员后台离线生成作业，机器人可根据工件特征在线自动作业。

根据现阶段机器人发展及船舶行业小组立焊接的实际要求，示教形式的机器人焊接无法完成小组立自动焊接，国内已有部分船厂完成了船舶小组立机器人自动焊接生产线建造并投产，但需要配备专业编程人员进行实时程序更新，目前船舶制造业需要一种不需要编程人员干预的自动焊接方法。

技术实现要素：

本发明的目的是提供一种3d激光扫描设备及使用该设备的点云自动提取转换方法。

为了实现上述目的，本发明的技术方案是：

3d激光扫描设备，其特征在于，包括直线导轨、伺服电机、辊道、焊接门架、固定支架和传感器，所述直线导轨用于移动焊接门架，所述固定支架设置在焊接门架上，所述传感器为3d线激光传感器，所述传感器安装在固定支架上，所述焊接门架在直线导轨上由伺服电机驱动沿辊道运输方向匀速移动，所述焊接门架安装焊接机器人。

进一步地，所述固定支架安装垂直于焊接门架的移动方向，所述固定支架的安装高度在传感器的可视范围内可调，所述固定支架上传感器的间距覆盖整个焊接区域的宽度范围，每个所述传感器的激光线在焊接门架的运行方向交错。

进一步地，每一所述固定支架包括一u型支架和若干个l型支架，所述u型支架的截面为倒u形且呈长条状，所述l型的截面呈倒l形，所述l型支架的下部与u型支架的侧面固定连接，所述l型支架的上端设有盖板，所述盖板位于l型支架的前侧，所述l型支架水平部分的前端开口设有安装槽，所述安装槽用于安装传感器。

进一步地，所述传感器的测量精度在1-5mm以内，激光点角度分辨率在0.1-0.5°以内，单个传感器测量的范围在3m以内，传感器的最大测量高度在0.7-2.5m之间，传感器的线激光扫描频率在250hz以上。

运用3d激光扫描设备的点云自动提取转换方法，其特征在于，包括以下步骤：

步骤s1)焊接生产线的辊道，根据船厂小组立确定辊道宽度、设置传感器的数量、间距和测量高度，将传感器前后交替安装在固定支架上；

步骤s2)焊接门架移动至焊接开始端，开始扫描指令下达后，焊接门架以指定速度开始移动，短暂延迟后，传感器打开开始扫描，利用采集软件按照指定的采集频率采集各传感器原始数据；

步骤s3)将扫描的数据进行数据简化，压缩点云数据，降低所需计算的数据量；

步骤s4)根据加强筋点云特点，提取加强筋的点云数据；

步骤s5)利用相关算法将提取的加强筋点云数据进行重建，得到加强筋的两侧边缘坐标；

步骤s6)拟合出加强筋所需焊接的焊缝坐标位置；

步骤s7)完成焊接作业，焊接门架自动复位，等待下一次开始扫描指令，返回步骤s2。

进一步地，通过多个激光扫描传感器和移动式门架的配合，在规定扫描区域内制定全局坐标系，规定全局坐标系以辊道长度方向为x轴，辊道宽度方向为y轴，竖直方向为z轴。

进一步地，在所述步骤s3中，压缩点云数据包括：

利用点云数据z方向的坐标值提取加强筋特征点点云数据所在的xy坐标，并去除特征点中的z坐标，对激光扫描传感器单次扫描结果中的加强筋截面特征进行识别并提取，将截面特征投影至底板所在的xy平面。

进一步地，在所述步骤s5中，利用相关算法重建加强筋点云数据包括：

按扫描平面拆分小组立工件三维扫描点云，提取单次扫描加强筋特征坐标，压缩为小组立平面点云，采取ransac算法提取与基于霍夫变换结果，确定特征数量并进行点云分割，对分割后的各个子点云进行线性拟合，得到各个加强筋的起止端xy坐标。

进一步地，在所述步骤s5中，采取ransac算法重建加强筋点云数据包括：

对位于传感器正下方的加强筋，顶端激光点中+y方向激光点记作pb+，坐标(yi+,zi-)，-y方向激光点记作pb-，坐标(yi-,zi-)，线扫描点云按照视角顺序排列，与pb+相邻的底板激光点记作pb+1，坐标(yi+1,zi+1)，与pb-相邻的底板激光点记作pb-1，坐标(yi-1,zi-1)，该矩形的y坐标上下限分别记作yi+1和yi-1，分别取分布期望值estr与estl作为两侧边缘的预测位置，取estr与estl的中点b*为预测加强筋特征的位置。

本发明的优点在于：能够在无先验信息、无人工决策干预的条件下，依靠自身传感器完成工件检测、识别与定位，指导机器人在线程序自动生成相关文档数据，识别算法高效可靠，满足点云的大计算量。

附图说明

图1为本发明的固定支架结构示意图；

图2为本发明的u型支架结构示意图；

图3为本发明的l型支架结构示意图；

图4a和图4b为部分小组立工件形式示意图；

图5为本发明点云自动提取转换方法的流程示意图；

图6为本发明机器视觉流程示意图；

图7为本发明加强筋界面重建示意图；

图8为本发明船体小组立特征提取软件界面图；

图9为本发明不同点云数量与计算用时曲线图；

图10a和图10b为小组立试验件与平面点云对比示意图。

图为

附图标记：

1、固定支架

2、u型支架

3、l型支架

4、盖板

5、安装槽。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例公开了3d激光扫描设备，通过定义多个激光扫描传感器和移动式焊接门架的配合，在规定扫描区域内制定全局坐标系，这里规定全局坐标系以辊道长度方向为x轴，辊道宽度方向为y轴，竖直方向为z轴。

如图4所示，为部分小组立工件形式(包括但不限于图示类型)，焊接均为框架结构，由底板和加强筋构成，底板尺寸约为3000mm×3000mm，加强筋垂直于底板点焊固定，最长长度lmax＜1600mm，高度hmax＜800mm，厚度tmin＞10mm，均为扁钢，不考虑球扁钢、角钢、t型钢等型材。

小组立工件均为非标准件，加强筋数量、长度和形式等不固定，工件在辊道上的摆放位置也不固定。

通过多个3d扫描设备识别船用小组立工件外形，并对3d扫描设备输出的点云数据进行数据变换与降噪处理，通过模型处理软件自动生成工件的数学模型，根据相关算法自动规划机器人焊接路径；所述3d扫描设备包括若干3d线激光扫描传感器、传感器通讯及数据传输电缆、传感器点云数据处理上位机、线激光传感器固定支架和机器人焊接移动门架系统。

所述传感器包括一个电源及通讯模块，所述点云数据处理上位机安装模型处理软件，所述传感器在固定支架上的安装位置呈波浪状分布，每个传感器有安装间隔，所述固定支架在焊接门架上的安装高度可调，固定支架上部优选设置线槽，所述移动门架设置两条高精度的直线导轨、两对传动齿轮、伺服电机及减速机，所述直线导轨安装在直线基座上。

如图1～图3所示，每一固定支架1包括一u型支架2和若干个l型支架3，所述u型支架2的截面为倒u形且呈长条状，所述l型支架3的截面呈倒l形，所述l型支架3的下部与u型支架2的侧面固定连接，所述l型支架3的上端设有盖板4，所述盖板4位于l型支架3的前侧，所述l型支架3水平部分的前端开口设有安装槽5，所述传感器安装在固定支架1的安装槽5中。

所述直线导轨用于移动焊接门架，所述焊接门架安装在辊道上，所述固定支架设置在焊接门架上，所述传感器为3d线激光传感器，所述传感器安装在固定支架上，所述焊接门架在直线导轨上由伺服电机驱动沿辊道运输方向匀速移动，所述焊接门架安装焊接机器人。

所述固定支架安装垂直于焊接门架的移动方向，所述固定支架的安装高度在传感器的可视范围内可调，所述固定支架上传感器的间距覆盖整个焊接区域的宽度范围，每个所述传感器的激光线在焊接门架的运行方向交错。

所述传感器测量精度控制在1-5mm以内，激光点角度分辨率在0.1-0.5°以内，单个3d线激光传感器测量范围在3m以内，最大测量高度在0.7-2.5m之间，线激光扫描频率在250hz以上，所述传感器根据焊接区域跨度，可选择安装3-10个传感器。

点云数据采集频率需要保持在50hz以上，以保证点云数据量足够能达到小组立工件筋板特征提取的要求。

优选地，以小组立智能生产线为例，线激光传感器单词扫描采样点数为420，沿门架行进方向扫描间隔为3mm，则3000mm*3000mm的小组立工件最低扫描次数为1000次，单个传感器生成点云数量为420,000，根据辊道宽度，智能线最多有7个线激光传感器并联扫描，点云总数最高可达2,940,000。

运用所述3d激光扫描设备的点云自动提取转换方法，如图5所示，包括以下步骤：

步骤s1)焊接生产线的辊道，根据船厂小组立确定辊道宽度、设置传感器的数量、间距和测量高度，将传感器前后交替安装在固定支架上；

步骤s2)焊接门架移动至焊接开始端，开始扫描指令下达后，焊接门架以指定速度开始移动，短暂延迟后，传感器打开开始扫描，利用采集软件按照指定的采集频率采集各传感器原始数据；

步骤s3)将扫描的数据进行数据简化，压缩点云数据，降低所需计算的数据量；

步骤s4)根据加强筋点云特点，提取加强筋的点云数据；

步骤s5)利用相关算法将提取的加强筋点云数据进行重建，得到加强筋的两侧边缘坐标；

步骤s6)拟合出加强筋所需焊接的焊缝坐标位置；

步骤s7)完成焊接作业，焊接门架自动复位，等待下一次开始扫描指令，返回步骤s2。

步骤s3中，点云数据压缩方法为：利用点云数据z方向的坐标值提取加强筋特征点点云数据所在的xy坐标，并去除特征点中的z坐标，也就是可以对线激光传感器单次扫描结果中加强筋截面特征进行识别并提取，将截面特征投影至底板所在的xy平面，从而将空间点云识别问题压缩为平面点云识别。

步骤s5中，按扫描平面拆分小组立工件三维扫描点云，提取单次扫描加强筋特征坐标压缩为小组立平面点云，采取ransac算法提取与基于霍夫变换结果确定特征数量并进行点云分割，对分割后的各个子点云进行线性拟合，得到各个加强筋起止端xy坐标，所涉及的机器视觉流程如图6所示。

由于遮挡、激光扫描间隙的原因，位于传感器y-方向加强筋y-方向边缘不可见，位于传感器y+方向的加强筋y+方向边缘不可见，位于传感器正下方的加强筋只扫描到顶端，两侧边缘均不可见，在不提供加强筋厚度数据的情况下，加强筋的中心线均不能确定，即使提供加强筋厚度数据，位于传感器正下方的加强筋中心线也无法测定，因此，首先需要对加强筋特征进行重建。

以位于传感器正下方的加强筋为例，顶端激光点中+y方向激光点记作pb+，坐标(yi+,zi-)，-y方向激光点记作pb-，坐标(yi-,zi-)，线扫描点云按照视角顺序排列，与pb+相邻的底板激光点记作pb+1，坐标(yi+1,zi+1)，与pb-相邻的底板激光点记作pb-1，坐标(yi-1,zi-1)。激光器位于点o，则opb-1、opb+1的光路应该是通畅的，很容易推算出加强筋特征被限制在图7的虚线矩形范围内，将该矩形的y坐标上下限分别记作yi+1和yi-1。

在不提供其他条件的情况下，认为加强筋右侧边缘坐标为yr符合均匀分布u(yi,yi+1)，左侧边缘坐标yl符合均匀分布u(yi-1,yi)；分别取分布期望值estr与estl作为两侧边缘的预测位置，取estr与estl的中点b*为预测加强筋特征的位置。

本实施例应用了c#开发船体小组立特征识别软件，该软件与德国sick的线激光扫描仪lms配合，可以直接读取lms扫描结果文件，输出小组立平面点云形状并识别表面加强筋特征的起止坐标，软件界面如图8所示。

本实施例应用了点云数据转换方法，lms扫描仪以不同的扫描密度扫描同一个小组立工件，得到不同数量的三维扫描点云，采用船体小组立特征识别软件读取各个扫描结果文件并记录各步骤计算时长，由于ransac算法具有随机性，因此取多次计算时长的平均值，结果参如表1和图9所示，最终结果显示，总的计算时长均压缩在1000ms内，为数据传输延迟、焊接规划、文件读写等环节留下足够的空余时间，能够满足智能生产线对机器视觉系统反应时间的要求。

表1点云识别反应时间

以图1所示的小组立工件为试验件，读取其lms扫描结果文件进行特征提取，并输出各加强筋特征的参数，检验识别算法在无先验信息条件下对船体小组立特征提取的能力，试验结果如图10和表2所示，由表2可知，加强筋数量与实际一致，表明本软件对加强筋布局拓扑形状判断无误。

表2小组立特征提取试验结果

在具体实施时，船舶小组立的点云提取过程包括以下步骤：

a、根据船厂小组立自动焊接生产线的辊道宽度，设置传感器的数量、间距和测量高度，并将传感器前后交替安装，保证每个激光传感器的激光线重叠；

b、机器人焊接门架移动至焊接开始端，开始扫描指令下达后，门架已指定速度开始移动，短暂延迟后传感器打开开始扫描，直至扫描完整个焊接区域，传感器关闭，门架停止运动；

c、将扫描的数据进行霍夫变换识别小组立筋板外形尺寸和位置，并通过闭运算消除数据噪声拟合出小组立筋板模型，并同时进行模型重构和显示；

d、扫描完成后机器人焊接门架复位，准备焊接；

e、根据筋板位置和尺寸数据，上位机自动生成机器人焊接位姿和运动指令；

f、上位机下载机器人焊接指令和焊接工艺数据库中对应的焊接工艺，机器人根据小组立点位信息自动开始焊接作业；

g、完成焊接作业后机器人门架自动复位等待下一次开始扫描指令。

再依次重复a～g过程。

在所述c步骤中，单个传感器在其扫描区域内挑选出z轴方向上坐标值大于小组立底板厚度m1的所有点，利用霍夫变换识别传感器点云数据中属于一条直线的点云数据，并拟合出筋板位置和尺寸，但拟合出的筋板存在大量噪声，使得筋板不够平滑，再通过一次闭运算对筋板进行平滑处理，最终得到精确的筋板尺寸位置。

在所述e步骤中，将小组立工件的焊接作业分为三道工序：起点包角焊接作业、筋板交点处焊接作业和直线筋板补焊；筋板交点处的焊接分为三步完成，如图1所示，分别为主要方向筋板焊接，次要方向筋板焊接以及立向上方向焊接，每条筋板的端点作为焊接起点，并进行包角焊作业，最后长直筋板上未完成焊接的部分进行直焊缝的补焊作业，最终完成小组立工件的筋板遍历焊接作业。

本实施例适用于尺寸小于5m*5m的船舶小组立结构的自动焊接作业，底板厚度8～30mm，重量小于5吨，识别精度5mm，工作温度0～40℃，湿度范围20～80，支持小组立筋板任意形状摆放焊接，扫描速度20～30mm/s。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。