基于工业三维检测的点云配准技术研究进展

随着制造业的发展,所需零件逐渐向大尺寸、复杂形状、表面加工质量高等方向发展,且在加工过程中对零件质量进行检测是必不可少的环节。为提高质量检测的精度、速率以及自动化程度等,基于模型分析的三维检测取代了传统的手工检测和二维检测,成了工业检测领域的重要手段。点云配准作为三维检测中的关键环节,其精度直接影响检测结果的准确性。因此,对国内外学者在点云配准技术方面的主要研究成果进行综述,从算法原理出发,将目前的配准方法归纳为传统配准方法、基于仿生群智能优化算法的配准方法和基于深度学习的配准方法。详细介绍了各类方法的特点、优缺点、典型算法及其变体,总结了点云配准的技术难点并对未来的发展趋势进行了展望。     

基于特征分割识别的点云配准

针对大型工业零件难以一次扫描点云模型的问题,基于工业零件包含大量规则面(平面、柱面、锥面)的特点设计了一种点云的自动配准方法.首先,提出一种基于生长区域算法的点云配准预处理算法并实现,将点云基于曲率变化和连续性分割成多个子点云,再基于特征面提取出子点云的特征属性(法线、轴线);其次,设计出一种点云粗配准方法并完成粗配准...     

基于点云配准的曲面三维差异检测

在工件打磨任务中,实测数据与标准模型数据之间的差异性比较是实现机器人自动化打磨的关键研究问题之一.针对如何快速精确地提取陶瓷素胚工件曲面的三维差异数据问题,设计了一种曲面配准流程.首先,针对点云的粗对齐步骤,采用体素网格滤波进行下采样,采用了Hough投票法进行粗配准,将粗配准步骤运行时间控制在0.3 s以内.其次,针...     

基于焊缝路点局部点云的焊枪空间姿态确定

针对目前基于三维视觉传感面向几何与位置信息不确定工件的机器人焊接研究中,焊缝路点的焊枪空间姿态确定方法针对性强、局限性高等问题,提出了一种基于焊缝路点局部点云的焊枪空间姿态确定方法.首先描述了焊枪的空间姿态参数模型,然后通过考虑传感器的前置安装距离确定kd-tree的最小搜索半径,获取焊缝路点处的局部点云,并逐步确定该路点处焊枪的偏摆平面与倾斜平面,从而确定焊枪在该焊缝路点处与工件的无碰空间姿态.结果表明,该方法适应性强、有效性好.由于点云表面质量的原因,姿态确定结果与真实姿态存在一定波动,后续经过平滑处理可以满足机器人焊接需求,有望提升基于三维视觉传感面向几何与位置信息不确定工件的机器人自主焊接作业水平.     

基于点云深度学习的散乱堆叠轴承圈位姿检测

为解决工业应用中散乱堆叠轴承圈的难识别、分割与抓取问题,提出一种分层递进随机下采样算法对采集的点云模型进行下采样操作,并结合提出的基于RGB阈值自动标注算法完成数据集的制作,利用PointNet++网络预测并分割出可抓取轴承圈上表面,进而使用RANSAC算法精确分割出待抓取轴承圈上表面,最后采用防干涉的抓取点选取策略完成待抓取轴承圈的位姿检测。实际场景下三组抓取实验得到的成功率均在98%以上,验证了其有效性。     

一种基于CCD光学测量设备的三维点云三角化方法

论述了近年来反向工程中三角化的发展状况、存在的技术难点，在给定的条件下，根据已有的实验设备——CCD双目相机采集装置，结合实际情况介绍了一种散乱点的Delaunay三角化方法，最后结合实例介绍了本算法的有效性和实用性。     

基于自由变形的航空叶片模型快速修正北大核心

使用传统重构方法对航空叶片模型进行重构需要对叶片实际点云进行点云分割,曲面拼接等复杂操作,重构效率较低。针对此问题,提出了一种基于自由变形的航空叶片模型快速修正方法。首先,将叶片设计模型离散点云与叶片实际点云数据进行点云配准;其次,通过KD-tree计算叶片模型的特征点集与实际点云数据的误差,结合自由变形算法实现叶片设计模型局部或整体误差快速修正;最后,进行拓扑重构,完成叶片设计模型变形修正。实验结果表明,与传统方法重构的叶片设计模型相比,所提方法算法效率与重构精度得到显著提升,将重构精度提升至0.092 8 mm,并且算法运算效率为传统重构方法的7.231倍。     

基于深度相机的汽车转向节位姿估计研究

针对汽车转向节自动化加工需求,研究转向节位姿估计实现方法。构建转向节检测整体方案,对相机畸变进行标定,并根据标定结果产生点云;针对转向节中心孔尺寸存在偏差,无法直接利用点云配准技术实现3D坐标间接定位问题,利用2D图像处理确定像素坐标配合深度相机索引深度值确定抓取点3D坐标;对转向节不同姿态估计问题,利用SAC-IA算法将待检测转向节点云与模板转向节点云进行初始配准,再利用NDT算法进行细配准;开发软件进行测试。结果表明：用所提算法细配准,匹配得分为27 mm2,验证了转向节姿态估计的精度。     

基于优化BP神经网络的点云孔洞修补效果比较分析

针对逆向软件对三维点云模型孔洞修补精度不高,提出在软件修补的基础上利用神经网络算法进行调整的修补策略。以挖掘机斗齿内腔孔洞为例,利用思维进化算法(MEA)优化BP神经网络的初始权值和阈值,得到改进的神经网络模型MEA-BP,对修补数据进行调整,并与PSO-BP神经网络、GA-BP神经网络孔洞修补结果做出对比。结果表明:MEA-BP神经网络模型在预测精度有所提高的情况下,效率更高,修补效果更加优越,能够有效地、精确地对孔洞进行修复。     

逆向工程光栅投影点云模型配准技术的研究

三维点云配准技术的核心是建立两个待配准点云之间的对应关系。根据协方差分析计算点云配准需要的旋转矩阵和平移向量,将目标点云转换到基准坐标系中实现点云配准。采用光栅投射式三维扫描仪获取某花瓶4组点云数据,利用提出的算法实现无序点云精确配准,并分析点云对之间的转换误差。实验结果表明:4片点云配准耗时约为6 s,配准的平均误差为0.027 mm,配准完成的点云轮廓完整平滑,达到反求曲面要求。该方法适合精度要求较高的自由曲面三维点云自动配准。     

一种基于点云的机械手抓取方法

针对传统的机械手抓取方法难以获得可靠抓取位姿的问题,提出一种基于点云的抓取方法。通过深度相机获得工作空间的部分点云;采用GPD法在点云空间采样候选抓取位姿;最后,通过自主设计的评估模型筛选出高质量的抓取位姿。基于所提方法,搭建了完整的自主抓取系统,对多种物体进行实际抓取实验。结果表明：算法能有效地检测出可靠的抓取位姿,且对未知物体的泛化性良好,抓取成功率和抓取完成度较传统方法有明显提升,能够满足各类抓取任务的需求。     

基于视觉技术的三维曲面非接触无损检测方法

不规则自由曲面在机械工程中有着广泛的应用,对其进行三维无损检测是近年来国内外研究的热点问题之一,传统的接触式测量方法由于采用接触式测头,所以极易损坏待测表面,且难以测量弹性实体,测量效量差。提出了一种基于主动双目视觉传感技术的三维曲面非接触无损检测方法,通过向待测曲面投影特定结构光并接收反馈信息实现曲面三维坐标的快速高效检测。这种方法无须接触式测头,仪器小巧,测量仪器与被测件间无测量力,因而易于实现现场无损检测。分析了基于该方法的数学模型,并给出了计算机仿真实验结果。仿真实验证明,该方法能够实现三维曲面的高精度现场检测。     

基于机器视觉的钢板物料跟踪系统研究与应用

在流程复杂的钢板生产过程中,将板号串入信息流并实现物料跟踪,依赖于大规模的板号识别。自然场景下的文本识别技术较为成熟,但受制于稳定性和适用性,难以应用于工业生产。针对复杂工业环境,提出一种基于注意力机制的3段式板号识别算法：首先采用残差卷积神经网络(ResNet)提取图像的特征,然后使用双向长短时记忆网络(Bi-directional Long Short-Term Memory, BiLSTM)生成序列的关系,最后利用注意力机制(Attention Mechanism)对输入特征序列进行解码预测。该算法在某钢铁企业热处理车间得到了应用。结果表明：可以对钢板实现准确定位,并具有较高的识别准确率;在实现高效准确物料跟踪的同时,有效解决了生产过程中钢板表面手写笔迹难以识别的问题。     

基于点云三维重建的装配件尺寸测量系统北大核心

针对机械加工偏差和人为因素,造成装配面间几何尺寸信息不匹配,而采用人工检测效率低、重复性差,难以满足工厂在线实时检测要求等问题,提出一种基于点云三维重建的装配件实时在线测量系统。以点与点间存在的内在约束作为先验引导信息,提出改进的RANSAC算法来检测并剔除异常数据点,显著减少算法耗时同时大幅提高了平面特征的提取准确率;再利用最小二乘法对剩余有效点进行拟合,对法兰盘工件重建三维模型并进行关键尺寸测量。实验结果表明,基于点云三维重建的工件尺寸测量方法有较好的准确性和检测效率,法兰盘工件测量过程耗时约5.6 s,测量标准误差在±0.16 mm以内,测量误差不超过0.30 mm,满足了工件测量的实时性和准确性要求。     

基于机器视觉的实体模型逆向重建系统

为了解决点激光扫描重建过程中点云稀疏、颜色纹理特征不明显的问题提出了一种基于相机图像信息与激光点云融合的三维重建方法.该方法结合线激光三角测距、相机坐标变换关系获取物体深度信息和点云数据,然后利用随机抽样一致(RANSAC)原理进行图像配准,实现对单目标实体的逆向建模.实验结果表明,该系统具有较高的可靠性和良好的精度,...     

基于3DSS的汽车转向柱护套反求设计

以汽车转向柱护套的反求设计为例,利用三维光学扫描仪采集点云数据,对采点数据的处理包括数据精简、多边形化处理等方法进行了探讨,并重点介绍了在Imageware软件中进行点云补缺、构建曲线与曲面及曲面光顺性检测的过程.     

基于PointNet++的焊装夹具零件识别

焊装夹具是汽车白车身焊接生产线中重要的组成部分,有效的管理和归纳焊装夹具零件设计数模能够显著提高设计效率。将原始设计数模离散为点云,利用点云数据和PointNet++深度学习网络探讨了一种焊装夹具零件智能分类方法,并对比各模型的分类精度,选取运行效率和精度最高的单尺度分组(SSG)模型完成焊装夹具零件的分类。训练结果表明,该方法在验证集上的准确率为97.5%,型块、连接块、定位销、销座、支座的验证集类内准确率分别为92.5%、97.5%、100%、97.5%和100%。这些结果表明该方法具有较高的识别精度,能够满足焊装夹具零件分类的精度要求。     

基于标识点三维重构技术的铸件尺寸检测方法研究

根据铸件外形特征,在其表面关键部位贴上标识点,使用高分辨率数字摄像机采集立体像对,结合特征点提取与三维重构技术,提出了一种铸件外形尺寸检测的新方法。与一般测量手段相比,该方法具有非接触性、快速高效、低成本等显著优势,适用于复杂铸件外表面和大中型铸件的尺寸测量工作。试验结果表明,该方法可以快速有效地完成铸件尺寸测量,实现铸件与模型的外形比对。