基于线结构光传感器的焊接机器人离线扫描路径规划方法与流程

1.本发明涉及机器人工程技术领域，尤其涉及基于线结构光传感器的焊接机器人离线扫描路径规划方法。


背景技术：

2.焊接场景中，为了提高焊接机器人的智能化与柔性，在焊接机器人末端执行器上安装视觉传感器，通过获取工件焊缝位置信息来对机器人轨迹进行纠偏，减少工件形位误差带来的影响，最终实现对焊缝位置的准确跟踪，提高焊接质量。
3.离线扫描是指焊接机器人在非焊接过程中通过视觉传感器对焊缝进行扫描，在扫描阶段获取焊缝的位置信息，并根据焊缝位置信息对机器人焊接路径进行更正，整个过程中涉及到的纠偏算法运行在机器人非焊接阶段，即离线阶段。
4.在现有技术中，通过传感器获取焊缝信息的手段大多为人工示教，人为地调整机器人位姿，使机器人末端执行器上的传感器能够在行走过程中采集到焊缝位置。然而，在狭窄区域中，人工示教很难保证激光平面始终照射到焊缝上，往往需要花费的时间调整机器人位姿。


技术实现要素：

5.为解决现有技术所存在的技术问题，本发明提供基于线结构光传感器的焊接机器人离线扫描路径规划方法，通过将面对点的跟踪转化为点对点的跟踪，借助可达性球、分层搜索树实现最优路径规划。
6.本发明采用以下技术方案来实现：基于线结构光传感器的焊接机器人离线扫描路径规划方法，包括以下步骤：
7.s1、进行初始化，先求得第一个路径点对应的规划空间并从中选择相应的位形作为分层搜索树的根，根据机器人的可操作度指标来选择根；
8.s2、计算规划空间并采样，规划空间计算过程为从激光平面上离散出跟踪点，判定相机视线约束与激光线约束，再判定机器人碰撞可达约束，从规划空间中采样获取相应的位形；
9.s3、选择扩展起始点并计算扩展终止点，根据传感器代价函数和路径长度代价函数，从搜索树中选择到采样点代价最小的n个节点作为候选扩展点；
10.s4、生成局部路径，根据插值函数计算局部路径，对局部路径每一个离散点进行传感器约束判定，若满足约束则将扩展终止点加入到搜索树，并指向扩展起始点；
11.s5、若搜索树扩展到最后一个路径点对应的层数，则搜索结束，从最后一层中选择累积代价最小的节点往前搜索到根，获取最终的最优路径；否则，重新转入步骤s2。
12.本发明与现有技术相比，具有如下优点和有益效果：
13.1、本发明通过将面对点的跟踪转化为点对点的跟踪，借助可达性球、分层搜索树实现最优路径规划。
14.2、本发明通过数学方式描述传感器的约束函数，通过图形学方法来判定传感器约束是否成立，较好地模拟了线结构光传感器。
15.3、本发明提出的离线扫描路径规划算法能够较快地给出可行解，提高生产效率。
附图说明
16.图1是本发明的方法流程图；
17.图2是感兴趣区域离散示意图；
18.图3是传感器约束示意图。
具体实施方式
19.下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
20.实施例
21.如图1所示，本实施例基于线结构光传感器的焊接机器人离线扫描路径规划方法，主要包括以下步骤：
22.s1、进行初始化，先求得第一个路径点对应的规划空间并从中选择相应的位形作为分层搜索树的根，根据机器人的可操作度等指标来选择根；
23.s2、计算规划空间并采样，规划空间计算过程为从激光平面上离散出跟踪点，判定相机视线约束与激光线约束，再判定机器人碰撞可达约束，从规划空间中采样获取相应的位形；
24.s3、选择扩展起始点并计算扩展终止点，根据传感器代价函数和路径长度代价函数，从搜索树中选择到采样点代价最小的n个节点作为候选扩展点；
25.s4、生成局部路径，根据插值函数计算局部路径，对局部路径每一个离散点进行传感器约束判定，若满足约束则将扩展终止点加入到搜索树，并指向扩展起始点；
26.s5、若搜索树扩展到最后一个路径点对应的层数，则搜索结束，从最后一层中选择累积代价最小的节点往前搜索到根，获取最终的最优路径；否则，重新转入步骤s2。
27.本实施例中，步骤s1中初始化的具体过程为：确定分层搜索树的根，使其满足相机视线约束、激光线约束和机器人碰撞可达约束，从第一个路径点位置对应的规划空间中选择最合适的一个位形。
28.本实施例中，步骤s2中计算规划空间并采样的具体步骤如下：
29.s21、确定跟踪点，如图2所示，从二维图像上选取感兴趣区域，并将其离散化为阵列点集，将二维图像上的阵列点转化为笛卡尔空间三维点，对每一个笛卡尔空间三维点建立坐标系，若笛卡尔空间三维点的姿态与相机原点的姿态相同，则通过每一个笛卡尔空间三维点坐标系，获取其与机器人末端执行器的位姿变换；
30.s22、判定相机视线约束与激光线约束，如图3所示，在路径规划点上建立可达性球，可达性球上每一个位姿均可视为笛卡尔空间三维点坐标系，设p
wi
为笛卡尔空间三维点的位置，p
v
为相机原点，p
o
为激光发射原点，为保证笛卡尔空间三维点能被激光平面所照射并被相机拍摄，连接p
v
与p
wi
获取相机视线，连接p
o
与p
wi
得到光路，判定相机视线与光路是否被障碍物所遮挡，若不发生遮挡，则笛卡尔空间三维点满足相机视线约束与激光线约束；
31.s23、判定机器人碰撞可达约束，根据笛卡尔空间三维点坐标系与机器人末端执行器的相对位姿关系，对可达性球上满足相机视线约束与激光线约束的笛卡尔空间三维点坐标系作位姿变换，求出机器人当前位形，对机器人当前位形作碰撞检测与可达性检测，保留满足约束的位形。
32.本实施例中，步骤s3中选择扩展起始点并计算扩展终止点的具体步骤如下：
33.s31、确定扩展起始点，从分层搜索树中上一层中根据传感器代价函数和路径长度代价函数选取代价最小的位形q
near
，代价函数为：
34.g(q
rand
)＝g(q
near
) min{f
l
(lp)}
35.其中，g(q
rand
)为从根节点q
root
到随机节点q
rand
的累积最小代价；g(q
near
)为从根节点q
root
到最邻近节点q
near
的累积最小代价；f
l
(lp)为局部路径lp的代价函数；
36.局部路径lp的代价函数f
l
(lp)包括传感器代价函数f
vobj
(lp)和路径长度代价函数f
dobj
(lp)，使用加权求和函数来表示：
37.f
l
(lp)＝w1f
vobj
(lp) w2f
dobj
(lp)
38.其中，w1和w2为两个函数对应的权值；
39.传感器代价函数表示为：
[0040][0041]
其中，f
vobj
(lp
i
)为局部路径lp
i
的传感器代价函数；f
vobj
(q
i
)为节点q
i
的传感器代价函数；f
vobj
(q
i 1
)为节点q
i 1
的传感器代价函数；
[0042][0043]
其中，c
i
和r
i
为二维图像中心点的坐标，w和h为二维图像的尺寸，即尽量使得笛卡尔空间三维点在二维图像中的坐标靠近图像中心点；
[0044]
路径长度代价函数f
dobj
(lp)用前后两路径点的关节角变化值来表示：
[0045][0046]
其中，q
i
为局部路径lp的前路径点；q
i 1
为为局部路径lp的后路径点；l
max
为搜索树的最大扩展步长。
[0047]
s32、确定扩展终止点，扩展终止点到扩展起始点的距离需保证小于分层搜索树的最大扩展步长，路径规划点以通过预处理提前保证，故可选择随机位形q
rand
作为扩展终止点q
new
。
[0048]
具体地，路径规划点进行预处理的具体操作为：对焊缝曲线进行“以直代曲”的处理，即路径相邻两个规划点p
i
和p
i
‑1之间的所有焊缝离散点p
k
(k＝1,2,...,n)与他们的连线的距离处于一个可允许误差范围ε内。
[0049]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。