基于中心点判断的3D打印喷头末端实时跟踪定位方法与流程

本发明涉及一种3d打印技术，具体涉及一种基于中心点判断的3d打印喷头末端实时跟踪定位方法。

背景技术

3d打印技术是指通过连续的物理层叠加，逐层增加材料来生成三维实体的技术，与传统的去除材料加工技术不同，因此又称为添加制造(am，additivemanufacturing)。作为一种综合性应用技术，3d打印综合了数字建模技术、机电控制技术、信息技术、材料科学与化学等诸多方面的前沿技术知识，具有很高的科技含量。

3d打印技术出现在20世纪90年代中期，实际上是利用光固化和纸层叠等技术的最新快速成型装置。经过十多年的探索和发展，3d打印技术有了长足的进步，目前已经能够在0.01mm的单层厚度上实现600dpi的精细分辨率。目前国际上较先进的产品可以实现每小时25mm厚度的垂直速率，并可实现24位色彩的彩色打印。自20世纪90年代以来，国内多所高校开展了3d打印技术的自主研发。清华大学在现代成型学理论、分层实体制造、fdm工艺等方面都有一定的科研优势；华中科技大学在分层实体制造工艺方面有优势，并已推出了hrp系列成型机和成型材料；西安交通大学自主研制了三维打印机喷头，并开发了光固化成型系统及相应成型材料，成型精度达到0.2mm；中国科技大学自行研制了八喷头组合喷射装置，有望在微制造、光电器件领域得到应用。但总体而言，国内3d打印技术研发水平与国外相比还有较大差距。

目前，3d打印设备主要采用的是三坐标打印的方法，其输入的模型认为是理想的，但是由于缺乏实时监测矫正的步骤，打印的设备精度都不太高。

因此，亟需提供一种能够及时反馈打印跟踪方法，以提高3d打印精度。

技术实现要素：

本发明的目的是提供一种基于中心点判断的3d打印喷头末端实时跟踪定位方法，用以检测到机械臂打印末端的喷头的位置信息，以弥补现有技术的不足。

为达到上述目的，本发明采取的具体技术方案为：

一种基于中心点判断的3d打印喷头末端实时跟踪定位方法，首先向机械臂输入一个模型；其次检测机械臂的倾斜方向，并启动悬挂在周围的四个相机中的正对于倾斜方向的两个，组成双目视觉系统，运用跟踪算法对打印喷头进行跟踪，获取跟踪的roi感兴趣区域，并对该区域的图像运用中值滤波和膨胀腐蚀操作，获取平滑的图像，再运用canny算法获取打印喷头末端的外轮廓和横坐标，之后运用hough直线检测方法，对该边缘图像进行直线检测，并判断喷头两边的直线，通过数学计算，算出直线与边缘图像横坐标交汇的中点位置，即为跟踪定位位置。

进一步的，在打开所述相机之前，首先接收到机械手末端的理想位置，以该位置为图像的有效位置，设定为初始的roi区域，并传至跟踪算法的特征向量中，再对原视频帧进行缩放，同时对初始的roi区域也进行缩放。

进一步的，所述跟踪算法为相关滤波目标跟踪算法，该方法的流程为：下一帧，该方法首先对选定的roi区域的多个周围的区域提取hog特征，再用循环矩阵进行求解下一帧选定的roi区域，当获得一个新的选定的roi区域，我们通过前段的缩放比例，把该区域缩放到原比例，并在原图上显示跟踪框。

进一步的，对原视频图像新的选定的roi区域，运用中值滤波和膨胀腐蚀操作进行图像的预处理，之后直接采用canny检测的方法，即能有效的获得打印喷头末端的边缘图像，同时也能够获得边缘图像的最低点横坐标。

进一步的，对于上述提取的边缘图像，把边缘图像的点集作为hough直线检测的数据点，进行hough直线检测。

进一步的，由于边缘图像不是很光滑，检测的直线的条数较多，houghlinep函数对直线的检测中，当累计的阈值设置为30，两直线之间的阈值设置为10时，能较准确的提取喷头两边的直线。

进一步的，通过拟合的两条直线，分别根据边缘图像的最低点横坐标计算交汇的横坐标，横坐标的中点即为我们要跟踪定位的位置。

本发明的优点和有益效果：

本发明是一种新的3d打印的反馈过程中的监测方法，该方法能较好的检测到机械臂打印末端的喷头的位置信息，跟踪roi区域，对roi区域的平滑，膨胀腐蚀操作，并提取边缘图像；hough直线拟合，并判断喷头两边的直线方法。

与现有技术相比，本发明能较好的起到反馈的效果，及时定位到打印喷头的末端信息，起到实时纠正3d打印的轨迹。本发明通过视觉的方法来实时监测3d打印喷头末端的跟踪定位，达到反馈，并实时修正打印的算法，解决了目前3d打印中，缺少反馈系统的问题，使打印喷头末端位置能实时准确有效的检测出来，为反馈修正提供可靠的信息。

附图说明

图1为本发明的基本流程图。

图2为实施例1中打印喷头的外轮廓提取图。

图3为实施例1中打印喷头末端跟踪的结果图。

具体实施方式

以下通过具体实施例并结合附图对本发明进一步解释和说明。

实施例1：

一种基于中心点判断的3d打印喷头末端实时跟踪定位方法，基本流程如图1所示，首先向机械臂输入一个模型；其次检测机械臂的倾斜方向，并启动悬挂在周围的四个相机中的正对于倾斜方向的两个，组成双目视觉系统，运用跟踪算法对打印喷头进行跟踪，获取跟踪的roi感兴趣区域，并对该区域的图像运用中值滤波和膨胀腐蚀操作，获取平滑的图像，再运用canny算法获取打印喷头末端的外轮廓和横坐标，之后运用hough直线检测方法，对该边缘图像进行直线检测，并判断喷头两边的直线，通过数学计算，算出直线与边缘图像横坐标交汇的中点位置，即为跟踪定位位置。具体操作包括以下：

(1)在打开所述相机之前，首先接收到机械手末端的理想位置，以该位置为图像的有效位置，设定为初始的roi区域，并传至跟踪算法的特征向量中，再对原视频帧进行缩放，同时对初始的roi区域也进行缩放。

(2)所述跟踪算法为相关滤波目标跟踪算法，该方法的流程为：下一帧，该方法首先对选定的roi区域的多个周围的区域提取hog特征，再用循环矩阵进行求解下一帧选定的roi区域，当获得一个新的选定的roi区域，我们通过前段的缩放比例，把该区域缩放到原比例，并在原图上显示跟踪框。

运动目标跟踪就是在连续的视频序列中，建立所要跟踪物体的位置关系，得到物体完整的运动轨迹。目前，比较经典的目标跟踪算法主要有两种思路：1)不依赖于先验知识，直接从图像序列中检测测到运动目标，并进行目标识别，最终确定感兴趣的运动目标；2)依赖于目标的先验知识，首先为运动目标建模，然后在图像序列中实时找到匹配的运动目标。当前研究中，比较优秀的几种主流算法：meanshift、particlefilter和kalmanfilter，基于特征点的光流算法以及基于深度学习和相关滤波的方法。

(2)对原视频图像新的选定的roi区域，运用中值滤波和膨胀腐蚀操作进行图像的预处理，之后直接采用canny检测的方法，即能有效的获得打印喷头末端的边缘图像(如图2所示)，同时也能够获得边缘图像的最低点横坐标。

(3)对于上述提取的边缘图像，把边缘图像的点集作为hough直线检测的数据点，进行hough直线检测。由于边缘图像不是很光滑，检测的直线的条数较多，houghlinep函数对直线的检测中，当累计的阈值设置为30，两直线之间的阈值设置为10时，能较准确的提取喷头两边的直线。

(4)通过拟合的两条直线，分别根据边缘图像的最低点横坐标计算交汇的横坐标，横坐标的中点即为我们要跟踪定位的位置，如图3所示。