用于无数模客车车身的打磨机器人轨迹规划的点云轮廓提取方法

计算;推算;计数设备的制造及其应用技术1.本发明涉及一种对点云数据进行边缘提取的方法，尤其涉及一种用于无数模客车车身的打磨机器人轨迹规划的点云轮廓提取方法。背景技术：2.客车车身表面受制于骨架焊接的精度以及模压件在焊接过程中的变形等因素，平整度较差，为了保证外观平整度需要刮原子灰，因此和乘用车相比客车需要打磨原子灰。此外，客车的个性化需求多，图案复杂，往往需要在面漆表面再喷涂图案，喷涂图案之前需要对面漆表面进行打磨。根据图案复杂程度打磨一次到多次不等。另外一些对外观质量要求高的客车企业采用打磨罩清漆的工艺，即整车图案完成烘干后对整车外表面进行打磨，然后再喷涂一道清漆。这就意味着和乘用车相比，客车多了腻子打磨、图案喷涂前面漆打磨和罩清漆前打磨等工序，打磨工序较多。如今客车打磨一般采用手工打磨和机器打磨相结合的方式，以机器人打磨为主，手工打磨为辅。3.在客车车身打磨中，机器人打磨的部分，目前的常见策略是对每一种新车型进行一次机器人打磨的人工示教，将打磨轨迹录入库中，在对新的客车进行打磨之前，先在库中寻找是否存在该车型的预设打磨轨迹。而该策略中的人工示教，对工人的技术水平要求高、劳动强度大、效率低，且示教周期长，很难满足客车车型的高速迭代。4.而随着三维成像设备在机器人作业领域中的普及，点云作为一种包含三维物体描述信息数的高效据格式在该领域被广泛应用。有一类方法是将点云进行降维，然后基于图像处理技术，通过边缘处的灰度变换信息获取工件待加工区域的边缘来辅助后续的轨迹规划，但是客车车身中的待打磨区域的边缘是钣金件，有多条位置不同的空间曲线，基于图像的方法仅能够提取孔洞的边缘；还有一类法是给定数模中的边缘，通过点云配准的方法提取实际扫描到的点云中的边缘点，这类方法虽然精度较高，但是依赖于人为设定的条件，对于不同型号的产品，适用性较差。技术实现要素：5.为了克服上述现有技术的缺点，本发明目的在于提供一种用于无数模客车车身的打磨机器人轨迹规划的点云轮廓提取方法，该方法对于不同的客车车型，都要能够快速准确地获取车身不同打磨区域的边缘信息，从而有效缩短打磨机器人的轨迹规划过程中所耗费的时间，提高效率，保证生产率。6.为达到上述目的，本发明采用下述技术方案：7.一种用于无数模客车车身的打磨机器人轨迹规划的点云轮廓提取方法，包括以下步骤：8.步骤1，将客车车身一侧的点云在xoy平面内投影成二值图像；9.步骤2，用图像处理的方法获取车身以及车身上各类孔洞区域的外接矩形的左上和右下角点；10.步骤3，过步骤2中所有外接矩形的左上、右下角点作水平线和铅垂线，将车身分为若干单元格；11.步骤4，用区域划分算法将步骤3中得到的单元格按照一定的规则进行合并，从而将车身一侧的点云划分为若干区域；12.步骤5，按照步骤4中划分出的区域，按照一定的降采样率对车身一侧的点云进行随机降采样，降低点云规模；13.步骤6，用区域生长算法对步骤5中降采样后的各区域点云进行分割，分离出各片点云中待打磨区域的点云；14.步骤7，用角判据算法提取步骤6中待打磨区域的点云轮廓。15.优选地，所述步骤1中将点云投影成二值图像的具体方法为：16.在xoy平面遍历客车车身点云，当其z轴坐标存在时，将该像素点位置的灰度值置为1，否则置0，从而得到车身投影到xoy平面的二值图像。17.优选地，所述步骤2中获取车身级车身孔洞的外接矩形的具体方法为：18.步骤2-1：找出二值图中的所有轮廓，遍历所有轮廓，所包含区域的面积最大的轮廓即为车身的轮廓；19.步骤2-2：对车身轮廓所包含的区域进行开运算，将车身当中由于噪点而细微相连的区域断开；20.步骤2-3：计算车身的外接矩形；21.步骤2-4：对二值图像和车身求交集，去除位于车身以外的车轮以及离群点，得到只包含车身的二值图；22.步骤2-5：对只包含车身的二值图进行闭运算，使车身中的孔洞区域不再相连；23.步骤2-6：找出步骤2-5的二值图中的所有轮廓，遍历所有轮廓，所包含区域的面积在阈值范围中的即为车身中的车窗、车门等孔洞区域；24.步骤2-7：计算步骤2-6中所有孔洞区域的外接矩形。25.优选地，所述步骤3中将车身分割为若干单元格的具体方法为：26.先对步骤2中得到的车身外接矩形以及车身上各类孔洞区域的外接矩形的左上和右下角点的横纵坐标值分别进行快速排序，然后用相邻横坐标的差值的绝对值表示单元格的长边，用相邻纵坐标差值的绝对值表示单元格的短边。27.优选地，所述步骤4中将单元格按一定规则合并的具体方法为：28.设合并方向只能向右或向下，当合并中的区域既能向右合并又能向下合并时，该区域应朝向使其长宽比趋于1的方向合并；设划分完成后的每个区域均为矩形；设单元格的合并状态有未进行合并，正在进行合并，合并完成三种；设当前方向能否进行合并的判定条件为：合并完成后的区域所包含的白色像素格最大不超过阈值c、被合并的区域中不能存在合并状态为合并完成的单元格、合并后的区域不能被白色像素格所占的比例≤1％的单元格完全断开；29.步骤4-1：计算每个单元格的大小、每个单元格中所包含的白色像素的个数以及每个单元格中白色像素格所占的比例；30.步骤4-2：初始化每个单元格的合并状态为未进行合并；31.步骤4-3：遍历每个单元格，若当前单元格中白色像素格所占的比例≥1％，且与其相邻的上下两个单元格中白色像素格所占的比例≤1％，则当前单元格为b柱，将其合并状态设置为合并完成；32.步骤4-4：从左上角向右下角遍历，寻找状态为正在进行合并的左上单元格，若存在，则跳转至步骤4-5，若不存在，则跳转至步骤4-10；33.步骤4-5：从右下角向左上角遍历，寻找状态为正在进行合并的右下单元格；34.步骤4-6：通过左上单元格的左上角点坐标和右下单元格的右下角点坐标计算正在合并中的区域所包含的白色像素格的个数以及该区域的长和宽；35.步骤4-7：判断当前区域能否进行合并，若能进行合并，跳转至步骤4-8；若不能进行合并，跳转至步骤4-10；36.步骤4-8：判断当前区域的合并方向，并沿该方向进行合并；37.步骤4-9：重复执行步骤4-5至步骤4-8，直到当前区域不满足合并条件时，输出合并完成区域的四个端点坐标，并将该区域内所有单元格的合并状态设置为合并完成，跳转至步骤4-4；38.步骤4-10：从左上角向右下角遍历，寻找最位于最左上角的合并状态为未进行合并的单元格，将其合并状态设置为正在进行合并，然后跳转至步骤4-4；39.步骤4-11：重复执行步骤4-4至步骤4-10，直到所有单元格的合并状态均为合并完成。40.与现有技术相比，本发明具有如下显而易见的突出实质性特点和显著优点：41.1.本发明特别适用于提取无数模客车车身的打磨区域的边缘，提取过程无需人为干涉，过程实现自动化，解决了基于图像的方法仅能够提取孔洞的边缘，不能提取位于客车车身中钣金件位置的打磨区域的边缘的问题，以及基于数模的轮廓提取方法对于不同产品不能自适应的问题；42.2.本发明在对点云数据进行边缘提取之前，利用了经由线扫结构光相机得到的客车车身点云在其钣金区域由于自身的结构特点造成的点云稀疏性，先通过一定采样率的随机降采样，在减少点云规模的同时，加强了客车车身点云中平坦区域与钣金区域的点云在密度上的差异，使得点云轮廓提取的准确率较高。43.3.本发明使用了智能的分割算法对客车车身点云进行划分，以便于最后对划分后的各片点云进行多线程的边缘提取，该方法适用于各种类型的客车车身的打磨机器人的轨迹规划，且处理速度快。附图说明44.图1为本发明方法流程图。45.图2为只包含车身的二值图。46.图3为车身中的车窗、车门等孔洞区域。47.图4为将进行过闭运算的车身分为若干单元格。48.图5为用区域划分算法将单元格按照一定的规则进行合并后的车身的若干区域。49.图6为从各个待打磨区域提取出的点云轮廓。具体实施方式50.下面结合附图，对本发明的具体实施例做进一步的说明。51.图1为本发明的流程图，如图所示，本发明提供的一种用于无数模客车车身的打磨机器人轨迹规划的点云轮廓提取方法，包括：52.步骤1，将客车车身一侧的部分点云，在xoy平面内投影成二值图像，在该步骤中：53.在xoy平面遍历客车车身点云，当其z轴坐标存在时，将该像素点位置的灰度值置为1，否则置0，从而得到车身投影到xoy平面的二值图像。54.步骤2，用图像处理的方法获取车身以及车身上各类孔洞区域的外接矩形的左上和右下角点，在本实例中，由于点云采集设备限制，仅得到了一部分的客车车身，具体步骤如下：55.步骤2-1：找出二值图中的所有轮廓，遍历所有轮廓，所包含区域的面积最大的轮廓即为车身的轮廓；56.步骤2-2：对车身轮廓所包含的区域进行开运算，将车身当中由于噪点而细微相连的区域断开；57.步骤2-3：计算车身的外接矩形；58.步骤2-4对二值图像和车身求交集，去除位于车身以外的车轮以及离群点，得到只包含车身的二值图，如图2所示；59.步骤2-5：对只包含车身的二值图进行闭运算，使车身中的孔洞区域不再相连；60.步骤2-6：找出步骤2-5的二值图中的所有轮廓，遍历所有轮廓，所包含区域的面积在阈值范围中的即为车身中的车窗、车门等孔洞区域，如图3所示；61.步骤2-7：计算步骤2-6中所有孔洞区域的外接矩形。62.步骤3，过步骤2中所有外接矩形的左上、右下角点作水平线和铅垂线，将进行过闭运算的车身分为若干单元格，如图4所示；先对步骤2中得到的车身外接矩形以及车身上各类孔洞区域的外接矩形的左上和右下角点的横纵坐标值分别进行快速排序，然后用相邻横坐标的差值的绝对值表示单元格的长边，用相邻纵坐标差值的绝对值表示单元格的短边。63.步骤4，用区域划分算法将步骤3中得到的单元格按照一定的规则进行合并，从而将车身一侧的点云划分为若干区域，如图5所示。64.设合并方向只能向右或向下，当合并中的区域既能向右合并又能向下合并时，该区域应朝向使其长宽比趋于1的方向合并；划分完成后的每个区域均为矩形；单元格的合并状态有未进行合并，正在进行合并，合并完成三种；当前方向能否进行合并的判定条件为：合并完成后的区域所包含的白色像素格最大不超过阈值c、被合并的区域中不能存在合并状态为合并完成的单元格、合并后的区域不能被白色像素格所占的比例≤1％的单元格完全断开；65.步骤4-1：计算每个单元格的大小、每个单元格中所包含的白色像素的个数以及每个单元格中白色像素格所占的比例；66.步骤4-2：初始化每个单元格的合并状态为未进行合并；67.步骤4-3：遍历每个单元格，若当前单元格中白色像素格所占的比例≥1％，且与其相邻的上下两个单元格中白色像素格所占的比例≤1％，则当前单元格为b柱，将其合并状态设置为合并完成；68.步骤4-4：从左上角向右下角遍历，寻找状态为正在进行合并的左上单元格，若存在，则跳转至步骤4-5，若不存在，则跳转至步骤4-10；69.步骤4-5：从右下角向左上角遍历，寻找状态为正在进行合并的右下单元格；70.步骤4-6：通过左上单元格的左上角点坐标和右下单元格的右下角点坐标计算正在合并中的区域所包含的白色像素格的个数以及该区域的长和宽；71.步骤4-7：判断当前区域能否进行合并，若能进行合并，跳转至步骤4-8；若不能进行合并，跳转至步骤4-10；72.步骤4-8：判断当前区域的合并方向，并沿该方向进行合并；73.步骤4-9：重复执行步骤4-5至步骤4-8，直到当前区域不满足合并条件时，输出合并完成区域的四个端点坐标，并将该区域内所有单元格的合并状态设置为合并完成，跳转至步骤4-4；74.步骤4-10：从左上角向右下角遍历，寻找最位于最左上角的合并状态为未进行合并的单元格，将其合并状态设置为正在进行合并，然后跳转至步骤4-4；75.步骤4-11：重复执行步骤4-4至步骤4-10，直到所有单元格的合并状态均为合并完成。76.步骤5，按照步骤4中划分出的区域，按照一定的降采样率对车身一侧的点云进行随机降采样，降低点云规模；由于表面形貌复杂的被测物体，曲率变化较大，就有可能由于相机视野范围丢失了线结构光光条信息，从而导致最终三维测量数据不完整，本发明利用了经由线扫结构光相机得到的客车车身点云在其钣金区域由于自身的结构特点造成的点云稀疏性，先通过步骤5一定采样率的随机降采样，在减少点云规模的同时，加强了客车车身点云中平坦区域(即需要打磨的区域)与钣金区域的点云在密度上的差异。77.步骤6，用区域生长算法对步骤5中降采样后的各区域点云进行分割，分离出各片点云中待打磨区域的点云，下面给出区域生长算法的步骤：78.根据点的曲率值对点云进行排序，设曲率最小的点为初始种子点p，初始种子点所在区域为最平滑区域，从初始种子点所在的区域开始生长可减小分割片段的总数，从而提高算法的效率；设置一空的聚类区域c和空的种子点序列q，聚类数组l；设平滑阈值为ε，曲率阈值为ξ。79.1)种子点p开始生长，选好初始种子点，将其加入种子点序列q中，并搜索该种子点的邻域点。80.2)计算每一个邻域点法线与种子点p法线之间的夹角，小于设定的平滑阈值时，将邻域点加入到聚类区域c中，同时判断该领域点的曲率值是否小于曲率阈值ξ，将小于ξ的邻域点加入种子点序列q中。81.3)在邻域点都判断完成后，删除当前种子点p，在q中重新选择新的种子点重复上述步骤，直到点序列q为空，当一个区域生长完成后，将其加入聚类数组l中。82.4)顺序选择输入点集的点作为种子点加入到种子点序列中，重复以上生长的步骤。83.步骤7，用角判据算法提取步骤6中待打磨区域的点云轮廓，提取的点云轮廓如图6所示，下面给出角判据算法的步骤：84.设当前点为p0，其邻域为np0，邻域中共有k+1个点，规定角度阈值为ξ。85.1)将当邻域np0内的k+1个点向当前点p0的切平面投影，得到投影点p′0，p′1，......，p′k，以p0′为角的顶点，按照顺/逆时针的顺序，将其与p′1，......，p′k相连组成夹角的集合θ＝{θ1，......，θk}。86.2)用快速排序算法找出集合θ中的最大值集合αmax。87.3)若θmax＞ξ，则当前点p0为边缘点。88.综上所述，本发明上述实施例用于无数模客车车身的打磨机器人轨迹规划的点云轮廓提取方法，包括：将客车车身一侧的点云在xoy平面内投影成二值图像；用图像处理的方法获取车身以及车身上各类孔洞区域的外接矩形的左上和右下角点；过所有外接矩形的左上、右下角点作水平线和铅垂线，将车身分为若干单元格；用区域划分算法将单元格合并成若干区域，从而将车身点云分割成不同的区域；对各区域的点云按照一定的采样率进行随机降采样，从而使用区域生长法对降采样后的点云进行分割，利用密度，把需要提边的区域和不需要提边的区域分开；用角判据算法提取聚类后的各区域的轮廓。89.上面对本发明实施例结合附图进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明的技术原理和发明构思，都属于本发明的保护范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!