论文部分内容阅读
高铁是我国快速崛起的一张重要名片,白车身是高铁整车上最重要的大型复杂曲面结构件,加工难度高,其制造质量直接影响着高铁列车的性能。而腻子打磨是高铁白车身制造过程中的一道重要工序,直接影响了最终的表面质量,目前主要采用人工打磨,耗时费力、环境污染严重,且质量一致性难以保证。利用机器人代替人工,实现腻子的自动化打磨,是实现高铁白车身高效、洁净、精确加工的有效途径之一,但随之带来的技术挑战是:白车身腻子采用人工涂覆,表面会形成大小不一、随机分布的凹凸型缺陷,在打磨加工中,缺陷区域和平坦区域需要采用不同的加工参数,而目前常用的机器人加工方法难以适应随机位置变参数的场景。本文引入视觉测量的方法来识别缺陷区域与平坦区域,作为机器人变参数加工的依据,并重点围绕三维视觉测量系统的设计与标定,点云数据预处理与缺陷特征提取等问题展开了相关研究。本文的主要内容和创新点如下:(1)分析高铁白车身特征,设计了双自由度的线结构光测量系统,利用共面靶标对CCD相机、光平面方程及扫描方向进行标定;提出了一种基于消影点的扫描方向标定方法,并利用标准量块进行测量实验,验证系统标定精度;(2)对测量系统获取的点云数据进行去噪、精简、拼接等预处理。具体的,采用距离统计分析法和双边滤波法对点云进行去噪平滑;采用改进型的弦高--夹角法进行精简处理;根据车身表面特点,提出了一种基于视觉标定的点云数据拼接方法,并利用标准锯齿进行扫描拼接实验,验证拼接算法的精度。(3)对滤波后的点云数据进行缺陷特征提取。根据白车身无严格理论基准的特点,提出基于自拟合基准的缺陷提取方法;首先提出一种基于最大主曲率的随机采样一致性分割算法,将点云分割为平面和曲面区域点云,然后分别拟合基准;接着提出一种改进的法矢夹角与曲率特征权值双阈值法识别腻子表面缺陷区域,提出基于基准面的投影距离判别法识别平缓起伏缺陷。在高铁车体机器人打磨实验平台上进行了车体表面缺陷检测实验,证明了缺陷特征检测算法的有效性;接着进行了视觉引导机器人加工方法和离线编程法打磨加工对比实验,验证了本文提出的视觉引导加工方法的有效性。