[发明专利]一种基于3D点云的焊缝识别与机器人焊缝跟踪方法

权利要求书

1.一种基于3D点云的焊缝识别与机器人焊缝跟踪系统，其特征在于：所述系统硬件包括：机器人、结构光传感器、焊枪、电脑、待检测工件；

所述待检测工件安装于工作台；所述结构光传感器固定在工作台，所述结构光传感器与所述电脑连接，电脑从结构光传感器读取点云数据以识别待检测工件中的焊缝轨迹；所述机器人包含机械臂和机器人控制器；所述机械臂的底座设有可识别的基座坐标系，所述机械臂的末端设有可识别的工具坐标系；所述机器人控制器与所述电脑连接；所述焊枪安装于所述机器人的机械臂末端；电脑将识别出的焊缝轨迹发送给机器人。

2.一种基于3D点云的焊缝识别与机器人焊缝跟踪方法，其特征在于：所述方法采用基于3D点云的焊缝识别与机器人焊缝跟踪系统，所述结构光传感器为结构光相机，包括以下步骤：

步骤S1、利用结构光相机获取点云数据，通过手眼标定将点云数据从相机坐标系转换到相机坐标系；

步骤S2、对点云数据进行点云预处理，通过直通滤波、体素滤波器、统计滤波、欧式聚类的方法，从所有点云数据中提取出焊件点云数据；

步骤S3、焊缝识别，通过RANSAC算法拟合平面，KD-tree进行最邻域搜索，从焊件点云数据获取焊缝点云数据；

步骤S4、轨迹规划，利用D-H参数法进行机器人运动学建模，利用RANSAC拟合直线获取整条焊缝的空间直线；根据直线插补算法在焊缝空间直线上插值取点，利用运动学逆解求出各个插值点的位姿，将各个点的位姿信息发送给机器人，机器人根据各个点的位姿运动来完成焊缝跟踪。

3.根据权利要求2所述的一种基于3D点云的焊缝识别与机器人焊缝跟踪方法，其特征在于：所述步骤S2的实现包括以下步骤：

步骤S2-1，使用直通滤波，遍历输入的所有点云数据，将Z轴坐标大于0的点云数据保留，去除其余点云数据，便可以达到去除支撑平面的效果。

步骤S2-2，使用体素滤波器，设置体素栅格大小，用体素栅格内所有点的重心来代替体素栅格内的点，在可以降低点云密度的情况下，不破坏点云本身的结构。

步骤S2-3，使用统计滤波，设置搜索的邻近点个数为n，计算任意点与邻近n个点的平均距离，该距离大于距离阈值则判断为离群点，去除离群点达到去噪声的效果。

步骤S2-4，使用欧式聚类，设置欧式聚类邻域距离阈值利用KD-tree进行邻域搜索，以某点为中心找到k个与某点距离最近的点，将距离小于阈值的点设置为同一类点，随机的选取点云数据中的其他点重复上述邻域搜索的过程直到聚类中的点不再变化的时候至此聚类结束，即完成对焊件的点云数据提取。

4.根据权利要求2所述的一种基于3D点云的焊缝识别与机器人焊缝跟踪方法，其特征在于：步骤S3的实现包括以下步骤：

步骤S3-1，利用RANSAC算法进行平面拟合，在点云数据中随机的抽取三个点来建立平面模型，计算其他点到该平面模型的欧式距离，当距离小于阈值时将该点定义为平面内点，不断重复上述的过程，找到包含内点数量最多的平面模型，将符合平面模型的点记为平面模型1，将其余点作为第二次RANSAC平面拟合的原始点云数据，方法同上通过RANSAC算法进行平面拟合便可得到平面模型2；

在所有点云数据中随机的抽取三个点，然后根据平面方程计算平面模型参数A、B、C、D；用剩下的所有数据验证步骤平面参数模型，计算误差并与所设定的误差阈值进行比较，若误差小于阈值则该点确定为内点，找到含内点数量最多的平面模型参数；以公式表述为

AC+BY+CZ＝D。

步骤S3-2，利用KD-tree进行最邻近搜索，设置距离阈值，用平面模型1中的所有的在平面模型2中进行最邻近搜索，当平面模型1中的点与平面模型2中的最邻近点的欧氏距离小于阈值时，将该点设置为焊缝点云；以公式表述为

具体为：基于RANSAC算法拟合平面，引入Q₅，构建平面模型，得到焊接的两个平面点云Q₆与Q₇；基于三维空间欧式距离公式，KD-tree数据结构建立点云拓扑关系引入Q₆与Q₇，得到焊缝点云Q₈；设置距离阈值，随机抽取Q₆中的点云为中心，在Q₇中利用KD-tree数据结构进行最邻域搜索，当欧式距离小于距离阈值的将该点定义为两片点云的重叠点即焊缝点。