论文部分内容阅读
曲面车架零部件的生产加工是汽车生产自动化产线中的重要一环。目前大部分汽车生产自动化产线的曲面车架零部件的上下料系统仍是一个开环系统。系统通过定位销或定位块去限制工件的位置和姿态,再通过人工测量的固定的补偿量对抓取进行修正,最后由机械臂完成抓取。由于系统中使用了定位销或定位块,且是开环的,机械臂无法实时修正抓取位置,抓取精度不高。导致工件上的孔位被定位销刮伤品质下降,同时会使定位销或定位块产生一定损耗变成一个消耗品,增加产线的成本,因此有必要引入视觉系统使得上下料系统成为一个闭环系统实现精准上下料。为解决上述问题,本文采用Kinect V2相机做为数据采集设备,针对曲面车架零部件的三维视觉位姿测量方法进行了研究,以便达到实际工况中对曲面车架零部件的视觉位姿测量方法运行速率＜3s,位置误差Δ(9＜4mm,角度误差Δ＜2°的需求。本文的主要研究内容如下:（1）根据实际工况选择了合适的视觉引导系统作为模型设计后续位姿测量方法,对相机标定和手眼标定中各坐标系间的关系以及实现原理进行研究,采用张正友棋盘格标定算法完成了相机标定。采用Tsai-Lenz手眼标定算法完成了手眼标定,并验证了手眼标定的精度,旋转角误差为为0.5°,位置偏移平均误差为0.4mm能满足实际工况的需求。（2）针对Kinect V2相机采集的深度图有空洞噪声的问题,进行了空洞修复算法研究,采用双边滤波修复小空洞噪声,提出一种基于RGB图和深度图结合的空洞修复算法,利用RGB图的边缘信息辅助深度图修复大空洞噪声。然后实现深度图到点云数据的转换,并验证了转换精度误差为0.6mm,能满足实际工况需求。（3）对曲面车架零部件的点云分割和识别算法进行了研究。针对实际工况提出一种基于模板平面的点云分割算法,采用离线时制作模板平面,在线时根据模板平面与实时平面的平面度和位置关系分类进行分割的模式,完成工件与工作台或传送带的分割。采用欧式聚类分割算法对工件之间进行分割,并根据实际工况采用点云中点的数量和点云体积做为判据识别曲面车架零部件。最后通过实验得到了曲面车架零部件的点云分割和识别算法的整体平均运行速率为0.186s,能满足实际工况需求。（4）对曲面车架零部件的点云配准算法进行了研究。针对曲面车架零部件几何特征丰富的特点设计了一种结合ISS-3D特征的改进Super-4PCS算法,使用从待配准工件点云数据中提取的ISS-3D特征点寻找匹配共面四点计算位姿,以待配准工件点云数据的重合率作为迭代优化位姿的依据,完成点云配准,并通过实验验证了改进后的运行速率优于原算法。最后通过对比实验验证了提出的改进Super-4PCS+ICP算法的平均运行速率2.425s,双轴平均误差为2.435mm,旋转角平均误差为1.153°,能满足实际工况的需求。最终总方案的平均运行速率为2.611s,双轴平均误差为2.835mm,角度平均误差为1.653°能满足实际工况中位姿测量运行速率＜3s,位置误差Δ(9＜4mm,角度误差Δ＜2°的需求。