（光学工程专业论文）激光再制造机器人系统中缺陷零件三维形貌重建.pdf

学位论文的主要创新点 一、把反求工程技术应用到激光再制造领域中，本文提出了长度 优化和法矢量过滤算法来清晰的呈现缺陷零件的三维形貌，并与实际 的c a d 模型对比，对三角网格的平面度误差进行分析。 二、针对激光再制造中的缺陷零件的类型，提出了三角面的阈值 检测算法，通过实验证明此算法能很精确的识别出缺陷零件的边界 点。 三、开发出一套用于激光再制造机器人缺陷零件三维形貌重建和 缺陷区域识别的软件，实验证明该软件能很好对零件的缺陷区域进行 识别。 摘要 近几年来随着激光器技术和工业机器人技术的快速发展，激光再制造机器人 技术也成为一门新兴发展起来的高新技术。激光再制造机器人是集激光技术、机 器人技术、双目立体视觉扫描技术、反求工程技术和机器人离线编程技术为一体 的，该技术尚在发展当中，目前的研究仅仅局限于激光器和工业机器人的集成方 面的研究，激光再制造机器入的实际应用领域尚需深入实践研究。 传统的激光再制造技术进行零件修复是人工对零件的加工区域进行识别和 定位，这样人为操作所引起的误差会导致待修复区域的识别不精确。为了提高激 光再制造机器人对零件修复的精度要求，本文对缺陷零件的三维形貌重建及缺陷 区域识别开展了初步研究，并进行了相关实验，实验证明利用该算法可以呈现零 件的三维形貌，进而对待修复区域进行精确定位，能很快速的识别出待修复零件 的边界，本文主要做了如下的工作： ( 1 ) 基于反求技术的原理，针对待修复零件的拓扑结构，在三角网格初始 化的基础上提出了长度优化和法矢量过滤方法，通过此方法可以呈现与原来零件 拓扑结构一致的网格模型，为缺陷区域识别奠定基础。 ( 2 ) 根据待修复零件的特征，在优化的三角网格的基础上，提出了三角面 阈值检测法，利用三角面阈值检测法可以快速的识别出特征区域的边界，确定加 工区域，完成待修复区域的数据分块，进而完成缺陷区域内数据的提取。 ( 3 ) 实验证明三维形貌缺陷区域检测装置能够清晰呈现待修复零件的三维 形貌，并且能准确识别出待修复区域的边界，完成区域内数据提取。 关键词：激光再制造，激光机器人，反求工程，三角网格，特征区域识别 a b s t r a c t w mt h er a p i dd e v e l o p m e n to fl a s e rt e c h n o l o g ya n di n d u s t r i a lr o b o t i c s ，l a s e r r c m a n u f a c t u r i n gr o b o tt e c h n o l o g yh a sd e v e l o p e dan e w l yt e c h n o l o g y i nr e c e n t y e a r s l a s e rr o b o ts y s t e mc o n s i s t so fl a s e rt e c h n o l o g y , r o b o t i c s , b i n o c u l a r s t e r e ov i s i o n t e c h n o l o g y , r e v e r s ee n g i n e e r i n ga n dr o b o t i c st e c h n o l o g y t h a tt e c h n o l o g yi s s t i l l u n d e rd e v e l o p m e n t t h es t u d yi sl i m i t e dt ot h er e s e a r c ho fi n t e g r a t i o no fl a s e ra n d i n d u s t r i a lr o b o tn o w t h ep r a c t i c a la p p l i c a t i o no fl a s e rr e m a n u f a c t u r i n gr o b o t sn e e d s f u r t h e rs t u d y c o n v e n t i o n a ll a s e rr e p a i r i n gt e c h n o l o g yl o c a t e st h ed a m a g e da r e a so fp a r tb y p e r s o nd u r i n gr e m a n u f a c t u r i n gt e c h n o l o g y , w h i c hw i l ll e a dt oi n a c c u r a t ei d e n t i f i c a t i o n o fd a m a g e da r e a s i no r d e rt oi m p r o v et h ea c c u r a c yo fd a m a g e dp a r t sa n dm a k e a c c u r a t el o c a l i z a t i o no ft h ed a m a g e dr e g i o n ，t h i sp a p e rd e s i g n sas e to fd e v i c eo f t h r e e - d i m e n s i o n a lm o r p h o l o g yo ft h ed a m a g e da r e a e x p e r i m e n t ss h o wt h a tt h e s o f t w a r ec a np r e s e n tt h em o r p h o l o g yo fp a r t s ，a n dt h ed a m a g e da r e ac a nb ev e r y a c c u r a t e l yl o c a t e d t h eb o u n d a r i e so f r e p a i r i n gp a r t sa r eq u i c l 【l yi d e n t i f i e d t h i sp a p e r h a sd o n et h ef o l l o w i n gw o r k ： ( 1 ) n i sp a p e ri sb a s e do nt h ep r i n c i p l eo fr e v e r s ee n g i n e e r i n g a c c o r d i n gt o d i f f e r e n tp a r t s ，l e n g t ho p t i m i z a t i o nm e t h o da n dt h en o r m a lv e c t o rf i l t e ra r ep r o p o s e d o nt h eb a s i so fi n i t i a l i z a t i o no ft r i a n g u l a r 鲥d t h i sm e t h o dg a l lb ep r e s e n t e dt h a t t o p o l o g yi s c o n s i s t e n tw i t ht h eo r i g i n a lt o p o l o g yo fp a r tm o d e l ，w h i c hl a y st h e f o u n d a t i o nf o rt h ed a m a g e dr e g i o nr e c o g n i t i o n ( 2 ) a c c o r d i n gt ot h ec h a r a c t e r i s t i c so ft h ed a m a g e dp a r t , t h i sp a p e rp r e s e n t t h r e s h o l dd e t e c t i o nm e t h o db a s e do nt h eo p t i m i z e dt r i a n g u l a rm e s h b yu s i n g t r i a n g u l a rt h r e s h o l dd e t e c t i o nm e t h o dc a nq u i c k l yi d e n t i f yt h et h eb o u n d a r i e so ft h e c h a r a c t e r i s t i c s ，d e t e r m i n et h ep r o c e s s i n ga r e a , c o m p l e t et h ed a t ab l o c k , a n dt h e n c o m p l e t ed a t ae x t r a c t i o no f t h ed a m a g e d a r e a ( 3 ) e x p e r i m e n ts h o w st h a tt h ed e v i c ec a nc l e a r l yp r e s e n tt h r e e - d i m e n s i o n a l m o r p h o l o g yo ft h ed a m a g e da r e a a tt h es a m et i m ei tc a na c c u r a t e l yi d e n t i f yt h e b o u n d a r ya r e ao f r e p a i r i n ga r e aa n dc o m p l e t ed a t ae x t r a c t i o no f d a m a g e dr e g i o n k e y w o r d s ：l a s e rr e m a n u f a c t u r i n g ，l a s e rr o b o t , r e v e r s ee n g i n e e r i n g ，d i r i c h l e t t e s s c n a t i o n ，f e a m 弛r e g i o n a lr e c o g n i t i o n 目录 第一章绪论1 1 1 激光再制造机器人1 1 2 激光再制造技术3 1 3 三维形貌重建技术5 1 4 本课题研究的目的和主要内容6 1 4 1 本课题研究的目的6 1 4 2 本课题研究的主要内容7 1 5 本章小结8 第二章待修复零件的点云数据处理9 2 1 待修复零件点云的获取9 2 2 待修复零件的数据特征1 1 2 3 待修复零件点云数据的预处理流程1 1 2 4 点云数据的精简1 2 2 5 点云数据的滤波1 3 2 5 1 高斯滤波法：1 3 2 5 2 均值滤波法1 4 2 5 3 中值滤波法1 4 2 5 4 本文采用的滤波的算法流程1 5 2 6 点云的排序1 6 2 7 本章小结1 6 第三章待修复零件的三维形貌重建1 7 3 1 三角网格化模型概述1 7 3 2 三危网格化相关原理1 7 3 2 1v o r o n o i 图1 8 3 2 2d e l a u n a y 三角剖分1 9 3 3 本课题三角网格化及其优化的算法2 0 3 3 1d e l a u n a y n 函数的原理2 0 3 3 2 拓扑不正确的三角面2 1 3 3 3 三角剖分的优化准则2 2 3 3 4 本文所提出的优化的方法2 2 3 4 本章小结2 6 第四章待修复零件缺陷区域识别2 7 4 1 研究缺陷区域识别的意义2 7 4 2 实际零件的缺陷边界的界定2 8 4 3 现有的边界提取的方法2 8 4 4 本文的特征区域识别的算法3 0 4 4 1 三角面阈值法3 1 4 4 2 边界突变点的寻找的算法3 1 4 4 3 提取特征区域内部的点3 2 4 4 4 特征区域的分块及其标记3 3 4 5 本章小结3 4 第五章三维形貌缺陷区域检测软件设计3 5 5 i 程序设计语言和开发环境的选择3 5 5 2 本软件的界面设计和实现3 6 5 3 软件系统的模块设计3 6 5 4 本章小结3 8 第六章实验结果分析和说明3 9 6 1 实验样件3 9 6 2 待修复零件的点云数据获取4 0 6 3 待修复零件的点云预处理的实例验证及结果分析4 1 6 3 i 待修复零件点云数据的滤波4 3 6 3 2 零件点云数据的排序4 3 6 4 三维形貌重建4 4 6 4 1 斜缝试件的三维形貌重建4 5 6 4 2 边界为圆形试件的三维形貌重建4 8 6 4 3 边界为方形试件的三维形貌重建5 0 6 5 三角网格模型与实际c a d 模型的平面度误差分析5 2 6 6 待修复区域边界数据的识别5 5 6 6 1 寻找待修复三角模型的突变边5 5 6 6 2 单个待修复区域的边界点的提取5 5 6 6 3 多个待修复区域的边界点的提取5 7 6 7 提取的数据点与原始c a d 的误差比较5 9 6 8 本章小结6 0 第七章结论及进一步发展方向6 l 参考文献6 3 发表论文及参加的科研活动6 7 致谢6 9 第一章绪论 1 1 激光再制造机器人 第一章绪论 2 0 世纪6 0 年代，当第一台工业机器人在美国u n i m a t i o n 公司问世后，制造 业出现了飞速的发展，2 0 世纪9 0 年代，随着计算机技术、微电子技术、网络技 术等现代信息技术发展，工业机器人成为国内外研究的重点。工业机器人加工 精度高，适应制造车间生产快速规模化要求，已经成为替代人工作业的新型制造 产业，尤其是在一些重复劳动和危险行业里面优势非常明显馏1 。目前机器人产业 化水平和科技水平最高的是日本、美国、德国，他们占据了全球的主要市场，中 国机器人技术发展也开始有了较好的起步。目前，工业机器人技术水平越来越高， 功能越来越强大，主要体现在智能程度，集成程度、远程控制等方面，在成套装 备技术方面取得了重大突破和发展，同时在搬运、焊接、喷漆、激光加工及现场 修复、激光成型、抛光、自动化检测等发挥了巨大的作用，已经成为国民经济发 展的中坚力量。 近年来，随着先进制造领域在智能化，自动化和信息化技术方面的不断进步， 将工业机器人技术与激光技术结合已成为了一种趋势，激光技术的快速发展则为 激光再制造提供了可与机器人柔性耦合的光纤传输高功率激光器口1 。从上世纪9 0 年代开始，德国、美国、日本等发达国家投入大量人力物力进行研发激光加工机 器人，加上汽车产业等应用领域的需求，更带动了激光加工机器人产业的形成与 发展，进入2 0 0 0 年，德国k u k a ，瑞士的a b b ，日本f a n u c 等机器人公司均 形成了激光焊接机器人和激光切割机器人的系列产品，这些产品广泛并且发展迅 速，目前很多发达国家的激光设备厂商都生产出了各自不同的激光再制造机器人 并在实际中得到了应用，德国的f m u n h o f e ri n s t i t u t ei l t 研究所、荷兰的s t o r k 公 司、美国g r e m a d a 产业下属的l a s e rc l a d d i n gs e r v i c e 公司、瑞典的p e r m a n o v a 公司等都有成熟的激光再制造机器人的产品，并且广泛的应用到修复航空、油田、 汽车等领域的各种贵重设备上心日。激光再制造机器人属于激光加工机器人的一 种，是一种新型的激光再制造设备，以前的激光再制造设备多为固定式大型激光 加工系统，不能用于现场修复，必须把带有故障的重大零件，拆卸下损伤的零部 件，送至激光加工中心修复，修复过程复杂，工期过长。这些系统多为有限台面 的加工，很难实现对大型结构件或复杂空间形状零部件的修复，且柔性差，智能 化程度低。工业机器人具有使用灵活方便、工作空间大、精度高等特点，是进行 天津工业大学硕士学位论文 三维数字化修复的理想平台，将机器人技术与激光再制造技术相结合，可以实现 对大型贵重设备的在线修复和再利用，大大降低了生产和修复成本，实现了缺陷 部件的修复再利用，因此将激光再制造技术和机器人技术集成一起，在技术上高 起点的开展对新一代智能机器人控制系统的研究，打破现有机器人控制器结构封 闭的局面，研究开发具有高度柔性、高效快速、精确可靠、环境友好，面向工业 应用的激光再制造机器人系统不仅具有迫切的市场需要，而且在技术上具有很高 的先进性和可行性睁埔1 。 我国的激光再制造技术多使用激光器和数控机床配合完成对零件的修复，只 有少数几家公司在生产研发激光机器人，但是也只是涉足了激光焊接和切割领 域，如沈阳新松机器人公司。 激光再制造机器人系统主要由高功率激光器、工业机器人、光纤耦合传输系 统、激光熔覆头和远程送粉系统组成，再加上双目立体视觉系统、待修复区域识 别检测系统、离线编程等技术等，可以利用整个系统实现对缺陷零件的智能修复， 图1 1 为激光再制造机器人的示意图： 图i - i 激光机器人系统 激光再制造机器人工作时，首先由双目立体视觉系统对待修复零件进行扫 描，观察并识别零件加工环境和条件，如待修复零件的形状、结构、受损情况及 运动障碍等特征信息，对零件缺陷部位实施高精度三维数据信息采集，并重构其 三维形貌，根据环境与待修复零件信息在激光再制造工艺参数库中选择合适的工 艺参数和控制方法，依据所提取的数据信息规划机器人工作路径，随后进行加工 过程的可视化仿真运行，确定任务可行后下载程序到机器人，利用机器人完成整 个零件的加工，其加工的流程图如下所示： 第一章绪论 待修复的破损零件 双甘立体视觉技术得到 待修复零件的三维点云 数据 利用反求工程技术得到 待修复零件的三维模型 下载修复的程序到机器 人中 完成零件的修复 j 利用离线编程技术得到 待修复零件的加工轨迹 图l _ 2 激光再制造机器人修复零件流程图 1 2 激光再制造技术 利用软件仿真 制造行业是我国的基础性行业，是国家经济发展的很重要的一个方面，机械 产品的生产需耗费大量的资源，而且会产生很严重的环境污染。随着我国人民 生活水平的提高，人们也越来越注重节约资源和环境保护，8 0 年代以来，国际 上倡导绿色革命，提出了以最大限度的利用资源、减小对环境的污染为目标的“绿 色制造”的概念和新的思维方式，它是解决资源浪费、环境污染和废旧装备翻新 的有效方法和途径之一，是符合国家利益和人民需求的一项绿色系统工程n l l 2 1 。 在这样的背景下，再制造技术作为一个新兴的研究领域营运而生。再制造技术是 以原有的零件为原型，采用各种成形技术，使零件恢复原有的尺寸和形状，提高 零部件尺寸，形状，表面质量和性能要求的一项工程u 引。再制造技术是对原有的 损坏零件的再利用，即新产品是对曾经使用过并进行再次加工的旧零部件。再制 造的产生对旧设备和产品重新利用，使之对环境污染减少，资源利用率提高，投 入费用减少，而性能达到最佳，再制造具有优质、高效、安全、可靠、节能、节 材等优点，因此它属于先进制造技术范畴n 4 1 。在国外再制造已经形成了产业，它 对废旧装备进行翻新改造，有效的解决了资源浪费、环境污染等问题。 目前的常规再制造修复技术有电镀、电弧或火焰堆焊、热喷涂( 火焰、等离 子) 等，电镀技术由于电镀层很薄，与基体结合差，对形状发生损坏部位无法修 复n 5 1 。由于热注入大，能量不集中，零件基体热影响很大，稀释率高，降低了基 天津工业大学硕士学位论文 材的性能，而且易使零件变形，甚至产生开裂，不仅如此，由于手工操作，修复 尺寸不能精确控制，后加工量大，造成了财物等资源的浪费n 6 1 。对有些精度要求 比较高的零件( 如长轴类) 或特殊材料( 硬质合金、高温合金、陶瓷等) ，用常 规技术几乎无法精确修复，致使一些贵重的零件因得不到修复而报废n 。所以发 展精密可控成形再制造的修复技术已成为制造业的迫切需要，激光再制造技术近 年来受到很大的关注，激光再制造技术是利用激光熔覆的方法实现对零部件的三 维修复。激光再制造的技术理论从激光熔覆理论移植而来的，机械零件的再制造 主要是多层熔覆的结果，激光使粉末和部分基体熔化，凝固成一层相互晶相组织 密集，具有特定性能的合金零件，不仅能使损坏的零件恢复原有或近形尺寸，而 且性能达到或超过原基材水平n 蚴1 。 激光再制造系统由硬件系统和软件系统两部分组成，硬件系统主要有瞄：激 光器、数控系统、工作台、送粉装置、数据采集装置等，软件系统包括：编程软 件、控制软件、数据通讯等，激光再制造系统的加工过程示意图如图1 3 所示： 将待修复的零件放置在数控工作台x y 平面上，同轴工作头置于z 轴方向，由 数控系统控制激光器发射的激光，激光经过z 轴反射镜后，进入光束成型聚焦组 合镜，将激光处理后送入同轴工作头，送粉器将粉末输送到分粉器，均匀地把粉 末送入同轴送份工作头，根据数控指令，工作台、组合镜按照给定的c a d c a m 软件程序运动，打开激光，加入粉末，工作头则流出熔融的金属，逐层熔覆，同 时在工作的过程中数控系统控制位置监控仪、测温仪等装置，对零件进行修复使 零件恢复到原始尺寸。 图l - 3 激光再制造系统 第一章绪论 1 3 三维形貌重建技术 三维形貌重建顾名思义就是反求工程技术，从点云数据快速得到零件的三维 可视化模型。反求工程是一种新兴的模型重建技术，它是指在没有设计图纸或者 设计图纸不完整以及没有c a d 模型的情况下，根据已经存在的实物模型，结合 激光扫描技术、快速成型和几何造型技术等先进技术，将实物模型的坐标测量数 据转化为3 d 模型的相关数字化技术和几何建模技术的总称陇1 。反求工程一般包 括四个阶段嘲： l 、点云数据的获取 点云数据的获取是利用选定的测量装置和测量方法来获取零件表面离散点 的几何数据信息，根据测量部件是否与被测物体接触，目前数据采集的方法可以 分为接触式和非接触式两大类； 2 、点云数据的处理 由于测量设备的缺陷、测量方法和测量环境的影响，测量所得的数据有较大 误差，尤其是尖锐边和边界附近的数据，所以需要对原始数据进行必要的前期处 理，如数据滤波、数据精简、特征提取与数据分块等，对于形状复杂的点云，经 过数据处理，将被分割成特征相对单一的块状点云，按测量数据的几何属性对其 进行分割，采用几何特征匹配与识别的方法来获取零件原形所具有的设计与加工 特征； 3 、三维c a d 模型的重构 点云三角化技术是曲面重建中的核心技术之一，由于点云三角化生成的三角 网格更有利于曲面模型的三维显示，并且更有利于零件特征的分割，将分割后的 三维点云数据在c a d 系统中分别做表面模型的拟合，并通过各曲面片的求交与 拼接获取零件原形表面的c a d 模型，因此，三角网格曲面重构已经成为曲面重 构技术研究的热点； 4 、重构c a d 模型的修正 根据重构得到c a d 模型重新测量和加工出样品，来检验重构的c a d 模型 是否满足精度或其他试验性能指标的要求，对不满足要求者重复以上过程，直至 达到零件的设计要求。 随着计算机技术和测量技术的不断发展，反求工程也逐渐发展成为- - f 新兴 的技术，它改变了传统零件的设计模式，为产品的快速制造提供了一条新的捷径。 反求工程能缩短产品从设计到制造的周期，成为现代设计中一个强有力的工具， 反求工程的应用领域主要有以下几个方面1 ： 5 天津工业大学硕士学位论文 ( 1 ) 新产品的设计开发 设计来源于已存在的产品模型，在工业领域，设计者经常是基于功能和分析 来创造一些实体模型，需要设计一些具有复杂曲面零件，然后通过反求工程的方 法构造他们的三维数字模型； ( 2 ) 对已有零件的仿制 有时需要一些相同的产品，但是拟制作的产品没有原始的设计图档，这时仿 制产品就需要通过反求工程技术来得到； ( 3 ) 损坏或磨损零件的还原 如果被测零件表面损坏或磨损，相对于表面完好的零件而言，其三维数字模 型的重构可能就不太精确，因此，反求工程系统应根据例如对称性、平行或垂直 等特性来推断出一些零件特性； ( 4 ) 提高模型精度 设计者能够根据功能和美观的需要来完成产品的设计，使用一些较柔软的材 料，如木材、塑料等来制造模型，在这个过程中，设计需要花费大量的时间来制 造很高精度的模型，而通过反求工程方法来改进精度； ( 5 ) 数字化模型的检测 通过反求工程，扫描机械零件和重建的三维模型，工程师就能进行这个模型 和原始扫描模型之间的对比，这样利用相同测仪器就使检测精度得到提高。 1 4 本课题研究的目的和主要内容 1 4 1 本课题研究的目的 我国是世界上最大的发展中国家，拥有千万套国产大型贵重装备和进口高精 尖的昂贵设备，如果设备发生损害，特别是进口设备，如果不及时修复会造成经 济的重大损失，但是由于设备修复需要工作人员在很艰苦的环境中工作，而且人 工修复精度不是很高，为了改善工作的环境，提高设备修复的精度和效率，使用 激光机器人进行设备修复，激光机器人现场快速修复有广阔的市场需求，正是在 这样的背景下，激光再制造机器人技术凭借其宽广的应用领域，成为先进制造技 术及再制造的新的研究热点，受到工程技术人员的广泛关注n 。 虽然常规修复技术的种类很多，但是由于常规修复技术的修复的精度较低， 不能满足某些零件修复的精度要求，所以高精度的激光再制造修复技术已成为重 要发展方向。反求工程技术能重建出零件的三维模型，虽然现在有专用的逆向工 程软件但是该软件需要人工交互，智能化程度很低，而且该软件不能产生实体模 型，需要导入到专门的造型软件中进行实体造型，由于数据在不同的软件之间相 第一章绪论 互传递，各个软件的兼容性不是很好，所以会存在转换不成功的现象。所以本课 题在基于待修复零件的基础上开发出一套缺陷零件的三维形貌重构和缺陷区域 识别的软件，该软件能呈现出待修复零件三维可视化模型，并且能标定缺陷的边 界，精确的识别出缺陷区域，能为激光再制造机器人提供精确路径的加工数据， 使得零件的加工精度得到很大的提高。所以发展快速、高效、精密激光再制造机 器人的修复技术不仅具有广阔的市场需求，而且具有重大的经济效益和社会效 益。 1 4 2 本课题研究的主要内容 本课题来源于天津工业大学激光技术研究所杨洗陈教授主持的天津市科技 支撑计划重点攻关项目“激光现场修复再制造机器人系统”，项目编号： 0 8 z c k f g x 0 2 3 0 0 。天津工业大学激光技术研究所从1 9 8 3 年起开展激光表面强化 研究，2 0 年来重点研究领域为激光熔覆。从“六五”、“七五”、“八五”至“九五” 期间，一直是国家科委激光加工攻关课题成员单位，在激光熔覆理论和应用方面 开展了大量工作，近年在天津市科委的项目支持下，上述工作又进一步发展。 本课题属于项目“激光现场修复再制造机器人系统”项目的子课题，课题目的 是要开发出一套三维形貌缺陷区域检测的装置，对待加工的零件进行三维形貌重 建，并且在此基础上对零件缺陷区域进行识别最终提取出待加工区域边界的数 据，指导机器人后续的加工，本课题总体的研究方案如下图： 图l - 4 激光再制造机器人修复零件总体设计图 天津工业大学硕士学位论文 从上述的设计方案可以看出该软件系统首先要将缺陷零件进行双目视觉系 统扫描，得到待修复零件的点云数据，经过数据精简、滤波、排序后，将点云数 据三角网格化，进行三维形貌的重建。由于零件存在缺陷，经过三角网格后可以 清晰的重现零件的形貌，要对零件进行修复需要准确的知道零件的缺陷位置，所 以需要对零件的缺陷进行检测和识别，课题主要有以下四个方面的内容： l 、利用激光扫描技术采集待修复零件的点云数据，首先对导入的待修复的 零件的点云数据进行结构分析，并对点云数据进行如精简，滤波，排序等预处理。 2 、为了清晰的呈现待修复零件的三维形貌需要对点云进行三角化，完成三 角网格优化算法的编写。 3 、在优化三角网格模型的基础上，对零件的缺陷区域进行分类界定，完成 缺陷边界的识别和标记，并最终对零件的缺陷区域进行提取。 4 、完成m a t l a b 软件和l a b v i e w 软件的平台交互，完成三维形貌缺陷 区域检测的装置运行平台的融合。 1 5 本章小结 本章通过对激光再制造机器人技术、激光再制造技术和三维形貌重建技术的 介绍，阐述了激光再制造机器人的研究现状和前景，结合导师的项目“激光再制 造机器人技术及其应用”，引出了“用于激光再制造机器人缺陷零件三维形貌重 建”这一研究课题，本章详细的说明了本课题研究的目的和意义，并提出本课题 的研究方案及所需要做的主要工作。 第二章待修复零件的点云数据处理 第二章待修复零件的点云数据处理 2 1 待修复零件点云的获取 本课题的点云数据是通过手持式激光扫描仪扫描得到，手持式激光扫描仪主 要目的是利用激光扫描物体外表面来达到对待扫描物体的精确测量。激光扫描双 目立体视觉系统就像人的双眼，从两个视点观察同一物体，通过不同视角下物体 的两幅二维图像，来获取物体的三维信息，为了避免外部设备的干扰提高扫描设 备的自由性，手持式扫描仪内部传感器采用目标物体自定位的方法，这样测量的 视角就不会只是限制在某一个物体的表面，可以根据物体表面信息采集的需要去 任意的改变扫描的位置，只要在所被测量物体的表面贴一些标签点这样就可以在 整个世界坐标系中去定位三维空间点的信息。 本课题所研究的待修复零件区域的识别首先由激光扫描仪扫描缺陷零件来 获取点云数据，由于所获取的是海量的散乱数据，需要对其进行排序去噪等数据 处理，对处理完的数据进行三角剖分和网格优化，在优化的三角网格模型的基础 上完成缺陷区域的识别和特征数据的提取，扫描示意图如下所示： 图2 1 激光扫描的示意图 因为实验室对缺陷零件的外表面进行扫描，针对的是缺陷的零件，而且待修 复的零件的尺寸都比较大，故本课题采用的扫描设备是h a n d y s c a n3 d 手持式激 光扫描系统，这是一种非接触的三维扫描系统，利用此系统可以很方便的采集到 缺陷零件的点云数据，扫描仪的示意图如下所示： 天津工业大学硕士学位论文 图2 - 2h a n d y s c a n3 d 激光扫描仪 简单的来讲，该扫描仪具有以下优点： 1 、扫描无死角，重复扫描不分层； 2 、扫描结果可以生成各种类型的数据格式，大大缩短了产品开发周期； 3 、轻松完成组合( 装配) 扫描，扫描结果共用座标系； 4 、不需要固定支架定位； 5 、扫描精度高； 6 、整个仪器重量只有9 0 0 9 ，即使加上所有附件及包装箱也不足5 k g ； 7 、外形小巧、轻便且易于操作。 图2 - 3 扫描缺陷零件实验现场 本课题的实验数据都是利用h a n d y s e a n3 d 扫描仪在实验室扫描完成的，从 上面的扫描现场可以看出，h a n d y s c a n3 d 扫描仪通过一根f i r e w i r e 电缆与计算 机相连接，可以非常容易、快速高质量完成扫描工作，该扫描仪的相关参数如下 表所示： 第二章待修复零件的点云数据处理 表2 1 激光扫描仪的相关参数 技术参数具体参数 重量1 2 5 千克( 2 7 5 磅) 尺寸 1 7 2x2 6 0x2 1 6 毫米( 6 7 5x1 0 2x8 5 英寸) 扫描速度2 5 ，0 0 0 个测量秒 激光安全等级激光安全等级i i ( 人眼安全) 分辨率x 、y 、z 轴分辨率o 0 5 毫米( o 0 0 2 英寸) 精度4 0 微米( 0 0 0 1 6 英寸) 景深3 0 厘米( 1 2 英寸) 2 2 待修复零件的数据特征 点云是通过对实际零件的测量得到零件的三维空间点集，它记录了物体表面 在离散点上的三维坐标信息。本课题所使用数据格式是t x t 文本格式的数据，这 种格式的数据结构简单，易于保存和传递。 在三维空间内可以用一个行向量( xyz ) 来表示一个点。对于一个三维空间的 零件，可以用一个点集来表示，每个点对应一个行向量，则点集为n x 3 阶矩阵的 形式，p 为一个零件的点云，记 五m毛 艺咒乞 而弘乞 x ry rz n 本课题是依据矩阵形式来存储三维信息的，所有采集到点的三维坐标是个n 行3 列数据文件，n 为采集到点的个数，3 列分别是x , y , z 三个分量的坐标值，本 课题点云的具体要求如下： ( 1 ) 点云的数据格式是要求每行存放一个点的坐标信息，包含点x y z 三个坐标 值，三个数据值之间采用空格隔开； ( 2 ) 所有输入的数据为简单的文本； ( 3 ) 所有空行将被忽略； ( 4 ) 如果一行的数值超过所允许的最大数量，其余的部分都将被忽略； ( 5 ) 行的最大长度是1 3 2 个字符，如果长度超过1 3 2 个字符，其余都被截断。 为了后续的数据处理调用方便，需要将得到的t x t 的文本数据转化为易于 m a t l a b 能够处理的矩阵形式，一般使用“m a t ”格式文件，这样数据的转化， 可以方便直接在后续的操作中对数据反复调用。 天津工业大学硕士学位论文 2 3 待修复零件点云数据的预处理流程 非接触激光扫描得到的是海量的数据点云，而且这些点云往往是散乱无序 的，并且由于测量零件的不同，实际测量的点云是有很大的区别，而且从实际应 用角度出发，实际采集的点云数据量太过庞大，这样对后续处理带来不便，并且 由于测量仪器和测量环境的影响不可避免会对测量物体产生噪声幽1 。所以需要根 据实际测得的点云对其做一些预处理比如：精简，排序，滤波等使得点云能和实 际的零件尽可能的贴合，减小误差，点云预处理的流程如下： 2 4 点云数据精简 图2 4 待修复零件点云数据的处理流程图 本课题所测得的零件的点云数据量很大，在建立网格模型的时候并不需要这 么庞大的数据量，而且使用这些海量数据必然会造成计算机的运行，存储的效率 低下，生成三维网格模型会花费更长的时间，为了减少运算速度，节约时间和资 源，因此有必要在保证精度的前提下，按照一定要求精简测量数据，减少数据的 后续处理量。数据精简可根据所测得的点云数据的特点及实际应用的需求，采用 不同的精简方式。 由于本课题的点云是由激光扫描得到，激光扫描得到的点云数据通常是按照 扫描线的格式来存储的，而且本课题所测得的点云数据整体上是均匀的，所以在 x 方向上采用距离精简法，精简的流程图如下所示： 第二章待修复零件的点云数据处理 图2 - 5 点云数据精简的流程图 囝 依据上述流程图，本文的精简算法步骤如下： s t c p l ：导入待修复零件的点云数据，并且统计在x 方向上相邻点的距离。 s t e p 2 ：根据所计算的点距离值的统计，设定距离检测阈值。 s t e p 3 ：相邻点之间的距离和设定的距离阈值相比较。 s t e p 4 ：如果比较的距离小于阈值则删除此点。 s t e p 5 ：重复循环，直到完成所有数据的精简。 2 5 点云数据的滤波 随着计算机技术和激光测量技术的不断发展，基于激光的非接触式测量逐 步被广泛的应用，尤其是在三维重建方面，非接触式测量技术已经实现了无接触 测量，非接触测量有效避免了接触测量中测量力带来的系统误差和随机误差，而 且方便实现对软质和超薄物体表面的测量。 通过使用测量设备来获取零件的点云数据，不管是接触式测量还是非接触式 测量，由于多方面原因，譬如被测物体表面的粗糙度以及其他一些表面缺陷等， 还有测量环境本身产生的影响，在测量点云数据时不可避免地产生一些明显不合 理的点，即噪声点，其结果导致很大的误差，尤其是尖锐边和产品边界附近的测 量数据，因此，对于获得的点云数据必须处理其噪声点。 产生噪声点的因素是多方面的，主要可分为两类：一类是被测对象表面因素 产生的误差，如表面粗糙度、波纹等缺陷；另一类是由测量系统本身引起的误差， 如测量设备的精度、c c d 摄像机的分辨率、振动等。 虬公争审审审 咿点 m )专 天津工业大学硕士学位论文 在反求工程中，去除噪声点的方法有很多，最简单的方法是手工删除即通过 图形的判断，人工来确定明显噪声点并将其删除，这种方法效率低下，适用于数 据量比较小的场合。当数据量比较大时，应用手工删除的方法显然是不合适的， 不仅耗时而且智能化程度太低。目前算法比较成熟的，应用较为广泛的是平滑滤 波算法通常有高斯、均值、中值滤波算法三种，根据不同的噪声点选择不同的滤 波方式，能有效的去除噪声点。 2 5 1 高斯滤波法 该方法是通过采用高斯滤波器将指定域内的高频噪声滤除，高斯滤波器在指 定域内的权重为高斯分布，其平均效果较小，故在滤波的同时能较好地保持原数据 的形貌瞳日。如图所示，虚线连接的点是原始点集，实线连接的点是高斯滤波后的 点集。 2 5 2 均值滤波法 图2 7 高斯滤波 均值滤波也称为线性滤波，其采用的主要方法为邻域平均法，该方法将平均 滤波器采样点的值取滤波窗口各数据点的均值来代替原始点，改变点的位置，使 点云平滑，假设任意相邻的3 点记为薯，五+ l ，而+ ：，通过均值滤波法平滑得到 新点誓，如图所示，虚线连接的点是原始点集，实线连接的点是平均滤波法后的 点集，均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声瞳副。 图2 8 均值滤波法 第二章待修复零件的点云数据处理 2 5 3 中值滤波法 中值的定义：一组数毛，而，毛，毛，按照值的大小顺序排列，当n 为偶数时， 中位数为第1 1 1 2 位数和第( n + 1 ) 2 位数的平均数；如果n 为奇数，那么中位数为第 ( n + 1 ) 2 为数的值2 5 1 。 户删砀 卜k 旷沁删】 i t c 等n 为奇数 ( 2 - 1 ) n 为偶数 其中甜= 孚 ( 2 - 2 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技 术，实现方法是通过从图像中的某个采样窗口取出奇数个数据进行排序，用排序 后的中值取代要处理的数据即可，假设任意相邻的三个点分别为为，五+ l ，札：， 通过中值滤波法平滑得到新点薯，如图所示，虚线连接的点是原始点集，实线连 接的点是中值滤波法后的点集，中值滤波法在消除数据毛刺方面，效果较好。 图2 - 9 中值滤波法 中值滤波能够有效地去除脉冲型噪声，而且对图像的边缘特征有较好的保 留。如果恰当选取窗口内各个数据点的权重，加权后的中值滤波比简单的中值滤 波能更好地从噪声污染的图像中恢复出阶跃边缘以及其他细节。 2 5 4 本文采用的滤波的算法流程 本课题导入的是缺陷零件的点云，由于测量所使用的是激光非接触测量的 方式，测量的环境会对扫描的数据产生影响，所以需要去除噪声，算法思想首先 导入测量数据，由于滤波是分列进行的，对于导入的数据需要进行拆分，对于拆 分后的数据可以分别选择某一种滤波的方式，具体的滤波流程如下： 天津工业大学硕士学位论文 2 6 点云的排序 图2 1 0 点云滤波算法流程 由于测量所得到数据大都是散乱的点云数据，为了后续的快速的对待修复零 件点云进行三角化和相关特征提取，需要对导入的点云数据进行排序，否则后续 生成三角面片时不仅耗时，而且可能生成拓扑结构不正确的三角网格模型，这样 会对所要传达的零件外形产生误解，发生错误加工的现象。由于三角网格化是相 邻的点云连接三角形，所以数据的排序最好是依据相邻的坐标来进行排序，本文 中依据x 方向来进行排序，利用s o r t 函数可以完成在某个方向的升序或者降序的 排列，本文的排序的流程图如下： 2 7 本章小结 图2 i i 点云排序的流程图 本章详细的阐述了待修复零件的点云预处理过程，从点云的数据获取开始， 对导入待修复零件点云的数据格式进行分析，说明了需要进行点云预处理的必要 性，详细的说明了点云精简，点云滤波和点云排序的算法流程，为后续的点云三 角化和特征识别提供了良好的数据。 第三章待修复零件三维形貌重建 第三章待修复零件的三维形貌重建 3 1 三角网格化模型概述 为了能够使点云呈现与传统c a d 兼容的数字化模型，传统的方法是经过曲 面造型拟合产生b 样条曲面模型，但是b 样条曲面是张量曲面，它是四面形拓 扑结构，具有u ，v 两个方向，b 样条曲面表现物体复杂的拓扑结构时不够灵活， 而且曲面片之间的连接和过渡也存在实际的困难，对于拓扑结构比较复杂的零 件，要求曲面的阶次会不断的提高，会使点云和重建的曲面模型