[发明专利]一种基于多坐标系下轮廓的3D涂胶轨迹合成方法和系统

说明书

本发明提供一种基于多坐标系下轮廓的3D涂胶轨迹合成方法和系统，其中，方法包括：基于测量仪阵列获取含有棋盘格角点的多组图像数据，基于生长的棋盘格角点检测算法，在多组图像数据中提取对应的角点坐标，并通过多个3D线激光轮廓测量仪得到对应三维坐标系下的检测角点坐标；将检测角点坐标对应的棋盘格角点作为迭代点，进行点云配准，并将点云配准问题转换为最优化问题，求解得到多个三维坐标系之间的变换矩阵，根据变换矩阵进行坐标系统一，得到目标坐标系，并基于目标坐标系进行多阵列激光轮廓测量仪的3D涂胶轨迹合成。本发明实现了高效、精确的点云配准，且能够适用于存在点云重叠场景下的轨迹合成，还提高了涂胶合成轨迹的精确度。

技术领域

本发明涉及智能涂胶技术领域，尤其涉及一种基于多坐标系下轮廓的3D涂胶轨迹合成方法和系统。

背景技术

涂胶技术已经广泛应用于各大汽车整车及汽车零部件制造商，常见于汽车焊装车间的白车身、引擎盖涂胶及总装车间内风挡玻璃等，直接影响到了车辆的减震降噪、防风等性能。

目前主流的基于机器视觉的非接触式涂胶检测方法主要有两种：1)2D多目相机。采用多台2D面阵相机集成在胶枪周围，设计紧凑，适用于狭小生产环境，检测速度快，可实现360°的胶宽、位置及连续性检测。集成补光系统，支持不同曝光及参数设置，可适配多种环境光检测场景，适应性强。2)3D线激光轮廓测量仪。基于激光三角测量法的3D线激光轮廓测量仪可以实时在线连续高速高精度的重建涂胶的三维轮廓数据，再依托此三维轮廓数据完成后续的检测需求。但是由于胶枪周围空间的局限性以及喷涂方向的任意性，导致存在部分位置存在视觉盲区，无法进行检测。所以目前各大工业视觉厂商，采用三个或者四个3D线激光轮廓测量仪组成的阵列来进行高精度扫描来重建胶条轮廓。

多个3D线激光轮廓测量仪阵列的解决方案作为目前涂胶检测的最优解决方案，相较2D多目相机精度更高，涂胶场景的检测能力更强。但是也引入了新的挑战，以四个激光轮廓测量仪组成的阵列为例，四组相机和激光组成的测量仪视角各不相同，重建得到的轮廓都是基于各自视角下三维坐标系的坐标，因此想要充分利用该阵列，需要在实际进行检测之前，完成四个视角下坐标系的转换和统一并，本质上，就是一个三维点云的配准问题，主流的解决方案是基于4PCS(4-Points Congruent Sets，全等四点集)和ICP(IterativeClosest Point，迭代最近点)的改良算法。

通过上文的叙述可知，多阵列的3D线激光轮廓测量仪在多坐标系下的轮廓轨迹合成本质上是一个三维点云的配准问题，点云配准(Point Cloud Registration)指的是输入两幅点云P_s(源点云)和P_t(目标点云)，求解一个变换矩阵T使得P_s和P_t的重合程度尽可能高，本质上求解源点云和目标点云之间的特殊欧式群SE(3)：

对于三维点云的配准问题，目前应用最广泛的点云配准算法是迭代最近点算法(Iterative Closest Point,ICP)及其改良算法，也有采用基于RANSAC框架的4PCS算法及其改良算法的，不过显然ICP算法更受青睐。

ICP算法在已知源点云和目标点云之间大概关系的前提下，找到两个点云之间距离最近的临近点作为点云之间的对应点，采用最小二乘算法，求解对应点之间变换的最优变换矩阵。ICP算法精度相较其它算法较高，且不需要提取点云之中的特征点，但是需要在使用ICP算法精配准之前需要进行粗配准，即在源点云和目标点云之中，粗略搜索得到对应点求解出一组值作为初值，迭代求解，得到最小二乘问题的最优解。