一种基于线激光扫描的喷砂机器人自动路径生成方法
【技术领域】
[0001] 本发明涉及一种喷砂机器人自动路径生成方法，具体来说，涉及一种基于线激光 扫描的喷砂机器人自动路径生成方法，特别是喷砂机器人对未知模型工件进行喷砂的自动 路径生成方法。
【背景技术】
[0002] 大型钢结构焊接件，由于产品近于定制产品，所以每次加工的工件形状都不相 同；需要进行表面前处理，清理表面氧化层。目前使用钢砂和铅砂结合，采用〇.8MPa的压缩 空气吹动钢砂，高速抛向工件表面，实现对表面的喷砂工作。由于砂的动能较高，目前人工 手持砂枪时很容易造成对人员的伤害。同时由于喷砂过程中产生较多的灰尘，也容易造成 工人的呼吸系统的不适感。处理的工件较大，目前处理一个工件大约需要2人2班时间，急 需采用设备将人从繁重危险的工作中解放出来。
[0003] 通常的机器人系统采用示教及离线编程的方式，针对的是标准化的，重复性的产 品的加工。对于某些客户，属于定制及非标制造产品，批量很小。由于操作工人的知识水平 和工作性质的限制，客户也不希望通过示教或离线编程的方式给出机器人的工作路径。这 对于机器人的工作路径规划提出了极高的要求，要满足工作的实时性要求，又不能有太多 的准备工作。从目前了解的情况看，没有类似的工程案例可以借鉴，是目前机器人应用的较 为前沿的课题，因此有着较为实际的借鉴和示范意义。
[0004] 目前的机器视觉系统通常采用可见光光源，可用于预先输入固定模板的图像处理 的比较，对于非标件，无法预先输入模板，因此，依此实现工件的检出也无法实现，加工路径 的生成更是无从谈起。
【发明内容】
[0005] 技术问题：本发明所要解决的技术问题是：提供一种基于线激光扫描的喷砂机器 人自动路径生成方法，该生成方法通过线激光扫描对喷砂项目中未知工件进行建模，进而 根据模型进行路径的自动生成。
[0006] 技术方案：为解决上述技术问题，本发明实施例采用的技术方案为：
[0007] -种基于线激光扫描的喷砂机器人自动路径生成方法，该生成方法包括以下步 骤：
[0008] 第一步：获取工件数据信息：采用2D激光扫描方式获取待喷砂工件表面的扫描采 样点数据信息；
[0009] 第二步：建立工件表面STL模型：通过点云预处理，建立待喷砂工件表面STL模 型；
[0010] 第三步：划分曲面：提取并利用工件表面STL模型的几何特征和拓扑特征，将工件 曲面划分为若干不带空洞的平面；
[0011] 第四步：生成喷砂轨迹：根据工件表面STL模型构建特征框，采用切割平面投影方 法，生成喷砂轨迹。
[0012] 作为优选例，所述的第一步包括以下步骤：
[0013] 步骤101):布置喷砂车间：将AGV小车置于车间中部，将3个工业用2D激光扫描 仪分别固定安装在支架上，且3个工业用2D激光扫描仪分别位于AGV小车的上方和两个侧 方，将待喷砂工件置于AGV小车上，待喷砂工件和AGV小车随导轨同步运动；
[0014] 步骤102):系统标定校准：通过三坐标测量仪对传感器位姿与伺服装置零点系统 参数进行校准，完成系统标定；
[0015] 步骤103):扫描工件，获取数据信息：驱动导轨以已知速度运动，同时3个2D激光 扫描仪以设定频率对待喷砂工件进行扫描、采样，保证待喷砂工件完整通过激光采样平面， 并记录3个2D激光扫描仪采集到的以时间为标签的激光测量值数据信息。
[0016] 作为优选例，所述的第二步包括以下步骤：
[0017] 步骤201)点云转换与拼接：建立喷砂机器人的参考坐标系，将步骤103)得到的激 光测量值数据信息，通过时间标签及传感器测量极坐标系与参考坐标系的相对位姿关系， 转换为喷砂机器人参考坐标系下的点云数据，并将所有点云数据拼接到一起，得到参考坐 标系下的由点云数据构成的工件模型；
[0018] 步骤202)点云滤波：对于步骤201)得到的工件模型，进行滤波处理，得到精确的 工件点云模型：
[0019] 步骤203)点云平滑处理：采用移动最小二乘曲面拟合方法，对于步骤202)得到的 精确的工件点云模型，进行平滑处理，得到平滑的点云模型；
[0020] 步骤204)构建STL模型：采用贪婪投影三角形方法对步骤203)得到的平滑点云 模型进行处理，生成工件曲面的STL模型。
[0021] 作为优选例，所述的步骤202)具体包括：
[0022] 步骤2021)根据AGV小车安装的位置及运动范围，剔除与待喷砂工件无关的采样 区域，得到喷砂机器人参考坐标系下带有噪声的工件点云模型；
[0023] 步骤2022)通过中值滤波算法剔除步骤2021)的工件点云模型中的噪声点：对步 骤2021)得到的带有噪声的工件点云模型中的每个数据点Pl，以？1为中值窗口中心，取中 值窗口边长为w，则对中值窗口内的wX w个扫描数据求取中值当|凡-歹| Μ时，/.>,=戸： 当I凡-歹|<5时，Pl保持不变；其中，δ表示中值滤波器滤波阈值；从而得到机器人参考坐 标系下的精确的工件点云模型。
[0024] 作为优选例，所述的步骤203)具体包括：
[0025] 步骤2031)将步骤202)得到的点云模型所在区域网格化；
[0026] 步骤2032)修正每个网格点的坐标：首先确定网格点的影响区域大小，然后确定 位于网格点影响区域内的点（Xl，yi, Ζι)，I = 1、2、…、η，η表示网格点影响区域内点的总 数；随后根据式（1)所示的拟合函数得出修正后的网格点坐标：
[0028] 式中，p(x, y) = [1，X，y]T表示线性基，上标Τ表示转置，α (X，y)表示系数矢量， α (X，y)根据优化方程
取得极小值求得；
[0029] 步骤2033)连接网格点，形成拟合曲面：根据修正后的网格点坐标连接网格点，形 成拟合曲面；
[0030] 步骤2034)将点云投影到步骤2033)的拟合曲面上，得到平滑点云模型。
[0031] 作为优选例，所述的步骤204)具体包括：
[0032] 步骤2041)任取一个平面，将步骤203)得到的点云作为原始点云，投影到该平面， 得到与原始点云中的点--对应的平面点云；
[0033] 步骤2042)对于步骤2041)得到的平面点云，随机选取三个点连接为一个样本三 角片作为初始曲面，采用区域生长算法不断对三角片合并以扩张曲面边界，形成完整的三 角网格曲面；
[0034] 步骤2043)根据投影点云的连接关系，采用反投影方法确定各原始三维点间的拓 扑连接，所得三角网格为重建得到的曲面网格模型；
[0035] 步骤2044)将步骤2043)生成的曲面网格模型根据STL文件格式标准进行存储， 得到工件的STL数模模型。
[0036] 作为优选例，所述的第三步包括以下步骤：
[0037] 步骤301)平面模型点云分割：对步骤203)得到的平滑点云模型，采用基于随机采 样一致性的点云分割算法进行分割，设定分割模型为平面模型，分割得到一组由工件表面 不同平面点集组成的平面点集集合以及各个平面点集的拟合参数；
[0038] 步骤302)检测内外边界关键点；
[0039] 步骤303)简化边界点：对步骤302)得到的关键点序列进行简化，提取角点作为关 键点，剔除序列中非角点元素，得到简化的边界点序列集合；
[0040] 步骤304)进行STL语义标签：根据步骤303)得到的简化的边界点序列集合对步 骤2044)生成的STL数模模型进行区域划分，在STL数模模型中标记待喷砂区域的内外边 界，实现STL数模模型的语义标签。
[0041] 作为优选例，所述的步骤302)具体包括：将步骤301)得到的各个平面点集 据其对应的平面拟合参数进行如下处理：
[0042] 步骤3021)点云投影：将平面点集S#的所有点投影到拟合参数表示的平面中， 得到该平面点集无偏差的平面点云模型；
[0043] 步骤3022)检测内外包边界：提取点云的内外边界关键点序列集合：对于每个平 面点云模型中的点云数据，分别选取平面最小外包多边形顶点作为关键点：对于关键点为 多边形外边界顶点情况，以平面法向量方向为上方，以一组顺时针关键点序列组成边界关 键点；对于关键点为多边形内边界顶点情况，以平面法向量方向为上方，以一组逆时针关键