[发明专利]基于聚类算法的鞋底打粗轨迹规划方法及装置

权利要求书

1.基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：包括如下步骤：

A、获取鞋底的点云数据，并对该点云数据进行预处理；

B、根据经步骤A处理后的点云数据计算鞋底的中心点坐标，将该中心点坐标对应的法向量作为基准法向量v₁；

C、指定K的值，对于每个点云，通过其K个近邻点云计算其法向量v₂，并计算该法向量v₂与基准法向量v₁的夹角θ＝arccos((V₁·V₂)/(|V₁||V₂|))，将小于阈值的θ所对应的点云组成点集A，并将点集A作为鞋底底部的点云数据；

D、将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后，即为鞋底侧边的点云数据；

E、以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据，分别计算各子数据的最高点坐标和最低点坐标，最低点坐标组成的点集B形成鞋底打粗的轨迹坐标；

F、分别取各子数据的最高点坐标和最低点坐标的平均值，并将各平均值坐标组成点集C，计算点集C的面法矢，将面法矢的方向作为工具的Z向矢量，Cn到Cn+1的方向作为对应于点集C内第n个点的工具的X向矢量，通过Z向矢量和X向矢量求出第n个点对应的Y向矢量，并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角；

G、根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径；

所述步骤C具体包括：

C1、标记所有点云数据为unvisited；

C2、随机选择一个unvisited的点云P，利用点云P的K个近邻点计算点云P的法向量v₂，并计算法向量v₂和基准法向量v₁的夹角θ，当θ小于设定的夹角阈值时，将该点云标记为visited，并且将标记为visited的点云组合成点集A；

C3、按照步骤C2遍历所有的点云数据，当遇到已被标记为visited的点云数据则跳过，最终得到的点集A就是鞋底底部的点云数据；

所述步骤G具体为：遍历每个轨迹坐标，计算每一个轨迹坐标与点集C中各点之间的距离，取最小距离的点所对应的工具姿态欧拉角作为该轨迹坐标对应的工具姿态，遍历完所有的轨迹坐标后，即形成鞋底打粗的轨迹规划路径，轨迹规划路径包括各轨迹坐标及其对应的工具姿态。

2.根据权利要求1所述的基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：所述夹角θ的阈值为：25°≤θ≤35°。

3.根据权利要求1所述的基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：所述K的取值范围为：75≤K≤85。

4.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：所述L的取值范围为：0.5mm≤L≤1.5mm。

5.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：所述步骤F中计算工具姿态欧拉角具体为：

设X向矢量为(n_x,n_y,n_z)、Y向矢量为(o_x,o_y,o_z)和Z向矢量为(a_x,a_y,a_z)，通过下述公式计算工具姿态欧拉角

6.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：所述步骤A中对点云数据进行预处理包括：

A1、对获取的点云数据进行直通滤波，以滤除鞋底支撑平台的点云数据；

A2、对经步骤A1处理后的数据进行半径滤波和欧式分割，以滤除毛刺和杂点。

7.根据权利要求1或2或3所述的基于聚类算法的鞋底打粗轨迹规划方法，其特征在于：所述法向量v₂通过NormalEstimation算法计算。

8.基于聚类算法的鞋底打粗轨迹规划装置，其特征在于:包括：

数据获取模块：用于获取鞋底的点云数据，并对该点云数据进行预处理；

鞋底点云数据获取模块：用于根据经步骤A处理后的点云数据计算鞋底的中心点坐标，将该中心点坐标对应的法向量作为基准法向量v₁；指定K的值，对于每个点云，通过其K个近邻点云计算其法向量v₂，并计算该法向量v₂与基准法向量v₁的夹角θ＝arccos((V₁·V₂)/(|V₁||V₂|))，将小于阈值的θ所对应的点云组成点集A，并将点集A作为鞋底底部的点云数据；

轨迹坐标获取模块：用于将经步骤A处理后的点云数据剔除步骤C所得的鞋底底部的点云数据后，即为鞋底侧边的点云数据；以L间距对鞋底侧边的点云数据进行等分分割得到多个子数据，分别计算各子数据的最高点坐标和最低点坐标，最低点坐标组成的点集B形成鞋底打粗的轨迹坐标；

工具姿态欧拉角获取模块：分别取各子数据的最高点坐标和最低点坐标的平均值，并将各平均值坐标组成点集C，计算点集C的面法矢，将面法矢的方向作为工具Z向矢量，Cn到Cn+1的方向作为对应于点集C内第n个点的工具X向矢量，通过Z向矢量和X向矢量求出第n个点对应的Y向矢量，并根据X、Y和Z向矢量求出第n个点对应的工具姿态欧拉角；

规划路径获取模块：用于根据轨迹坐标和工具姿态欧拉角得到鞋底打粗的轨迹规划路径。