CN118941247B 一种基于智能识别的扣紧功能件装配方法及系统 （深圳市益联塑胶有限公司）

一种基于智能识别的扣紧功能件装配方法本发明公开了一种基于智能识别的扣紧功能件装配方法及系统，旨在提升装配精度和效2获取扣紧功能件每个组件的激光扫描数据构建组件三维模型，获取扣紧功能件的装配流程数据和装配工艺数据，根据所述装配流程数根据所述装配方案对扣紧功能件组件进行装配操作，对装配完成根据所述装配质量评估结果，若扣紧功能件的装配质量低于预期质所述获取扣紧功能件的装配流程数据和装配工艺数据，根据所述装配实时获取组件传送带中每个组件俯视面的激光扫描数将传送带中每个组件俯视面的表面特征导入所述组件识别系统中传送带中每个组件俯视面特征与组件标准生产样品的表面特征之间的将匹配程度高于预设值的组件标准生产样品作为传送带中每个组件的匹配根据所述扣紧功能件的装配流程数据确定当前组装流程需要进行装配的待装配组件，根据所述组件识别结果在传送带中随机抓取一个所述获取抓取的待装配组件的当前抓取角度信息，所述当前抓取根据所述传送带中的组件识别结果，对传送带中识别出的多个待装配组件进行标记，根据所述传送带中每个组件俯视面特征与组件标准生产样品的表面特征之间的匹配若存在，将与多个组件标准生产样品的表面特征匹配程度高根据每个组件的表面特征数据和每个组件俯视面的表面特征分别将待定组件的俯视3将待定组件的特征连接图与每个所属组件的特征连接图进行对比获取扣紧功能件每个组件的标准生产样品，基于激光扫描仪将所述预处理点云数据投影至三维网格中，使用八叉树空间划基于三角网格重建算法和所述压缩点云数据构建每个组件表计算每个组件三维模型表面的高斯曲率，根据所述高斯曲率提取每个组件的表面特基于卷积神经网络构建组件识别系统，将所述每个组件的表面特征对三维模型中的每个三角网格顶点进行高斯曲率计算，将进确定与计算状态三角网格顶点的相邻三角形面片，所述相状态三角网格顶点，根据所述相邻三角形面片确定与计算状态三角网格顶点的相邻顶点，根据点云数据确定所述顶点邻域中每个相邻顶点的坐标，基于余弦定理计算所述相邻三角形面片的面积，从每个相邻三角形面片中取预设等分面积进行累根据所述高斯曲率分布图确定每个组件的表面特征，所述4根据所述装配方案对扣紧功能件组件进行装配操作，对装配完成对扣紧功能件的可动部件进行功能性测试，获取可动部件之间的摩擦根据所述扣紧功能件的结构质量评估结果和功能测试结果对扣紧功能件进行装配质获取扣紧功能件的预设质量标准数据，将所述装配质量评估结根据所述待优化装配项目进行溯源分析，确定对待优化装配项根据所述校准系数对扣紧功能件的装配参数进行校准操作，所述校获取扣紧功能件每个组件的激光扫描数据构建组件三维模型，获取扣紧功能件的装配流程数据和装配工艺数据，根据所述装配流程数根据所述装配方案对扣紧功能件组件进行装配操作，对装配完成根据所述装配质量评估结果，若扣紧功能件的装配质量低于预期质所述获取扣紧功能件的装配流程数据和装配工艺数据，根据所述装配实时获取组件传送带中每个组件俯视面的激光扫描数将传送带中每个组件俯视面的表面特征导入所述组件识别系统中进行5传送带中每个组件俯视面特征与组件标准生产样品的表面特征之间的将匹配程度高于预设值的组件标准生产样品作为传送带中每个组件的匹配根据所述扣紧功能件的装配流程数据确定当前组装流程需要进行装配的待装配组件，根据所述组件识别结果在传送带中随机抓取一个所述获取抓取的待装配组件的当前抓取角度信息，所述当前抓取根据所述传送带中的组件识别结果，对传送带中识别出的多个待装配组件进行标记，根据所述传送带中每个组件俯视面特征与组件标准生产样品的表面特征之间的匹配若存在，将与多个组件标准生产样品的表面特征匹配程度高根据每个组件的表面特征数据和每个组件俯视面的表面特征分别将待定组件的俯视将待定组件的特征连接图与每个所属组件的特征连接图进行对比67[0013]根据统计滤波方法对点云数据的离群点和噪声点进行去除，得到预处理点云数[0024]根据所述高斯曲率分布图确定每个组件的表面特征，所述表面特征包括特征点、[0028]将传送带中每个组件俯视面的表面特征导入所述组件识确定传送带中每个组件俯视面特征与组件标准生产样品的表面特征之8[0029]将匹配程度高于预设值的组件标准生产样品作为传送带[0030]根据所述扣紧功能件的装配流程数据确定当前组装流程需要进行装配的待装配[0034]根据所述传送带中每个组件俯视面特征与组件标准生产样品的表面特征之间的[0037]根据每个组件的表面特征数据和每个组件俯视面的表面特征分别将待定组件的[0042]根据所述扣紧功能件的结构质量评估结果和功能测试结果对扣紧功能件进行装9[0047]本发明第二方面还提供了一种基于智能识别的扣紧功能件装配系统，该系统包[0068]根据统计滤波方法对点云数据的离群点和噪声点进行去除，得到预处理点云数[0080]根据所述高斯曲率分布图确定每个组件的表面特征，所述表面特征包括特征点、[0085]将传送带中每个组件俯视面的表面特征导入所述组件识确定传送带中每个组件俯视面特征与组件标准生产样品的表面特征之[0086]将匹配程度高于预设值的组件标准生产样品作为传送带[0087]根据所述扣紧功能件的装配流程数据确定当前组装流程需要进行装配的待装配[0092]根据所述传送带中每个组件俯视面特征与组件标准生产样品的表面特征之间的[0095]根据每个组件的表面特征数据和每个组件俯视面的表面特征分别将待定组件的A组件的表面特征的匹配程度高于预设值，但是这N个组件里面可能存在某一个组件与B组[0111]获取扣紧功能件组件在装配车间中不同环境条件下采集的组件俯视面的激光扫环境条件下获取的激光扫描数据对组件俯视面进行表面特征[0116]将待优化环境条件获取的激光扫描数据与理想环境状态下获取的激光扫描数据据组件俯视面激光扫描数据在不同环境条件下的修复参数对当前环境条件下获取的激光[0122]引入遗传算法在所述激光扫描设备分布图中生成一组激光扫描数据采集设备位[0126]本发明第二