热线电话:18250891972 / 18250891971
Language : 中文版
欢迎来到厦门鸿智达官网

新闻中心

焊接机器人焊点云的特征信息提取

* 来源: * 作者: * 发表时间: 2019-09-12 4:45:28 * 浏览: 0
对象的特征是对象本身的特定属性,这对于准确描述对象非常重要。对象的特征提取一直是许多科学领域研究的焦点,如建筑,医学等。在这些区域中,输入数据主要是由3D扫描设备扫描的点的集合,称为“PointCloud”。从内容上看,这些数据是分布在目标表面上的一系列三维点的坐标,数据量非常大,在很多情况下直接使用它是不现实的。因此,有必要从点云信息中提取特征,这些特征可以应用于提取数据或表面重建的初步步骤。在焊接领域,焊缝特征信息的提取对焊接自动化的实现具有重要意义。主要介绍如何从点云数据中提取焊接特征信息。焊接机器人焊点云的特征信息提取4.1特征点的定义什么是特征点没有明确的定义。然而,它具有传统属性的含义,其可以表示对象的几何或纹理特征,并且是3D点云模型的表面的几何属性相对改变的点的集合。几个特征点的类型如图4-1所示。这些特征点链接在一起以形成对象的特征线。通常,特征线包括尖锐的特征边缘或过渡特征边缘。它主要包括物体的凸线或脊线,凹线或谷线,分界线等。如图4-2所示。对于带斜面的焊件,两个对接焊板形成一条谷线。如图4-3所示,红线是焊缝,它是焊件的特征线,是我们想要提取的特征信息。 4.2点云数据特征点检测方法概述焊接机器人点云特征检测主要有以下两种方法:一种是对点云数据进行三角剖分,将点云特征检测转换为多边形网格特征检测,可以使用点状张量信息进行计算。可以通过对多边形数据执行隐式函数重建来执行局部多项式拟合或者曲率计算,从而实现特征点的检测。该方法使用三角形网格来表示原始点云数据的近似,形状近似精度低,并且网格划分过程更复杂。另一种是直接处理点云数据,计算每个点的曲率或法向量,并通过使用曲率信息或点之间的正常变化来提取特征点。该方法处理大量数据,并且当处理具有复杂形状的大对象点云时,操作速度较慢。考虑到本文研究的焊件的特性,由于其结构简单,形状并不复杂。直接处理捕获的点云数据。在本文中,使用点间正态变化算法来提取焊件的特征点。法向矢量用于估计采样焊件的表面数据中的局部数据。点与点间法向矢量之间的角度用于提取焊接特征。在不同的数据和参数下讨论了该方法的有效性和鲁棒性。 。