基于互补视角的喷涂工件快速重建

喷涂工件的3D模型在机器人自动喷涂生产线中具有重要意义,它是机器人喷涂路径规划和自主编程的基础。针对实际喷涂应用中工件的3D模型无法获取或与实际工件存在偏差的问题,提出一种基于互补视角的多相机快速建模方法。首先,采用两个对立装配的RGB-D相机,以互补的视角分时采集工件的局部点云;然后基于自制的简易双面标定板,提出一种基于交点共面联合优化的外参标定算法,准确估算无重合视场的多相机相对空间位姿关系;最后根据此位姿关系融合两个相机采集的局部点云,实现喷涂工件的快速3D重建。实验表明,本文方法可以完整的重建结构复杂的多面体工件,重建时间低于160 ms,误差约为5.3 mm。

基于Mask R-CNN实例分割及FPFH特征配对的喷涂工件识别方法

工件识别在柔性化机器人自动喷涂生产线中至关重要,它是机器人切换喷涂轨迹的重要依据。然而,实际应用中,由于喷涂工件尺寸和种类的多样性、表面的弱纹理性、多视异构件及相似件等情况的存在,准确且高效识别喷涂工件充满挑战性。为此,提出了一种二维(2D)实例分割与三维特征一致性配对的识别方法,即利用基于小样本训练的Mask R-CNN深度模型对2D工件分割及识别的快速性,再结合fast point feature histogram(FPFH)点云特征对局部细节的强区分性,实现对多视异构件及相似件由粗到精的准确识别。在精识别阶段,提出了一种基于FPFH特征配对的识别方法。该方法以intrinsic shape signature为工件的关键点,以FPFH为矢量特征,通过线性相关度配对FPFH特征,再以拓扑结构及空间变换关系的一致性为约束验证特征的匹配率,以此作为工件识别的评价标准。实验中,采用34种类别1500多个工件进行测试,所提方法的识别率高达99.26%,单工件识别耗时低于1500 ms。