基于双向ICP跨源点云配准的鞋底涂胶轨迹生成

针对自动化鞋底涂胶系统中存在的鞋型适用性不高的难题,课题组提出了一种基于修正PCA(principal components analysis)和双向ICP(iterative closest point)的跨源点云配准算法。对比3种采样方法对最终配准精度的影响,选择了最远点降采样作为配准前对点云的预处理;提出了修正PCA对鞋底点云进行粗配准,为精确配准提供了较好的初始变换矩阵;利用对跨源点云配准鲁棒性较好的双向ICP进行精确配准;根据精确配准结果将标准涂胶轨迹迁移到实时鞋底涂胶系统上,从而得到实时涂胶轨迹。结果表明:修正PCA+双向ICP在快速精确配准跨源鞋底点云上具有优越性,其中双向ICP迭代20轮后误差减小到1.31 mm,相比传统ICP算法误差减小了1.13 mm;修正PCA+双向ICP算法在处理不同鞋型时具有较好的适用性和精度,配准时间也满足系统要求。该算法可提高传统鞋底涂胶系统对各类鞋型的适用性,具有一定的工程实用价值。

基于K最近邻的3D鞋底喷胶路径规划方法

装配机械臂进行3D鞋底自动喷胶是近年来逐渐发展起来的一项技术,主要用以替代人工喷胶,以解决用工短缺及环境污染的问题。利用3D视觉及机械臂实现了鞋底自动化喷胶,在不牺牲精度的前提下速度更快,效果更好。首先,通过线激光传感器扫描得到鞋底的点云信息,基于KNN点云滤波算法过滤噪声点及异常点;其次,结合鞋底点云的分布特点提出一种基于双边极大值的算法用于提取鞋底的边缘轮廓线,然后基于法向量的偏置算法获取鞋底的内轮廓线,即喷胶轨迹。最后,基于轨迹坐标及法向量生成机械臂的6维控制向量实现喷胶路径控制。为基于点云数据的鞋底3D路径规划方法提供了新的思路。