留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于激光三维点云的机械工件识别方法

薛珊 吕南方 沈雨鹰 刘正彬 郭建波

薛珊, 吕南方, 沈雨鹰, 刘正彬, 郭建波. 基于激光三维点云的机械工件识别方法[J]. 红外与激光工程, 2019, 48(4): 442002-0442002(8). doi: 10.3788/IRLA201948.0442002
引用本文: 薛珊, 吕南方, 沈雨鹰, 刘正彬, 郭建波. 基于激光三维点云的机械工件识别方法[J]. 红外与激光工程, 2019, 48(4): 442002-0442002(8). doi: 10.3788/IRLA201948.0442002
Xue Shan, Lv Nanfang, Shen Yuying, Liu Zhengbin, Guo Jianbo. Identification method for machine workpiece based on laser 3D point cloud[J]. Infrared and Laser Engineering, 2019, 48(4): 442002-0442002(8). doi: 10.3788/IRLA201948.0442002
Citation: Xue Shan, Lv Nanfang, Shen Yuying, Liu Zhengbin, Guo Jianbo. Identification method for machine workpiece based on laser 3D point cloud[J]. Infrared and Laser Engineering, 2019, 48(4): 442002-0442002(8). doi: 10.3788/IRLA201948.0442002

基于激光三维点云的机械工件识别方法

doi: 10.3788/IRLA201948.0442002
基金项目: 

吉林省科技发展计划项目(20160204015GX)

详细信息
    作者简介:

    薛珊(1978-),女,副教授,硕士生导师,博士,主要从事现代检测理论与技术方面的研究。Email:1660348815@qq.com

    通讯作者: 吕南方(1990-),男,博士生,主要从事太赫兹成像技术及其应用方面的研究。Email:105191462@qq.com
  • 中图分类号: TP391

Identification method for machine workpiece based on laser 3D point cloud

  • 摘要: 随着中国制造2025的到来,运用工业机器人在线加工机械工件是大势所趋。为了能够智能抓取工件,工业机器人需要识别工件的类型以及工件的位姿。针对流水线上识别工件类型难的问题,提出了一种基于激光扫描三维点云的工件类型识别方法,该方法主要能够识别工件是哪种工件。首先对流水线上杂乱无序的工件进行激光扫描,得到工件的三维激光点云数据,将三维激光点云数据初步去噪。运用MATLAB软件对得到的三维激光点云进行中心切片,得到点云的主视切片、俯视切片、左视切片;运用HALCON软件对点云切片去噪、增强、分割,提取中心切片的边界信息并得到提取区域的特征参数,进而识别工件的类型。最后运用自主研发设备进行实验,分别以步距为0.05 mrad、测距精度0.2 mm、测角精度为0.02 mrad进行扫描,实验结果表明,识别准确性达96.67%。该方法对同类问题有较大的借鉴意义。
  • [1] He Xiaohui, Yan Ping, Liu Fei, et al. On-line workpiece recognition based on support vector machine and power information[J]. China Mechanical Engineering, 2011, 22(7):818-824. (in Chinese)贺晓辉, 鄢萍, 刘飞, 等. 基于支持向量机和功率信息的工件在线识别方法[J]. 中国机械工程, 2011, 22(7):818-824.
    [2] Zhu Tongshuai, Xu Weirong, Mo Jinqiu. Top-level workpiece location method based on monocular stereo vision[J]. Machine Design Research, 2017, 33(4):41-44. (in Chinese)朱统帅, 徐维荣, 莫锦秋. 基于单目立体视觉的顶层工件定位方法[J]. 机械设计与研究, 2017, 33(4):41-44.
    [3] Yang Qinghua, Chen Liang, Xun Yi, et al. Automatic detection method of bare PCB plate defects based on machine vision[J]. China Mechanical Engineering, 2012, 23(22):2661-2666. (in Chinese)杨庆华, 陈亮, 荀一, 等. 基于机器视觉的PCB裸板缺陷自动检测方法[J]. 中国机械工程, 2012, 23(22):2661-2666.
    [4] Gong Yanchao, Wan Shuai, Yang Kaifang, et al. Real-time three-dimensional naked hand gesture recognition using binocular vision video[J]. Journal of Xidian University, 2014, 41(4):130-136. (in Chinese)公衍超, 万帅, 杨楷芳, 等. 利用双目视觉视频的实时三维裸手手势识别[J]. 西安电子科技大学学报(自然科学版), 2014, 41(4):130-136.
    [5] Cui Xin, Yan Xiutian, Li Shipeng. Denoising of scattered point cloud data keeping features[J]. Optics and Precision Engineering, 2017, 25(12):3169-3178. (in Chinese)崔鑫, 闫秀天, 李世鹏. 保持特征的散乱点云数据去噪[J].光学精密工程, 2017, 25(12):3169-3178.
    [6] Dong Yude, Zhang Rongtuan, Song Zhonghui, et al. Research on tread pattern boundary feature extraction and reconstruction[J]. Journal of Mechanical Engineering, 2018, 54(3):137-147. (in Chinese)董玉德, 张荣团, 宋忠辉, 等. 胎面花纹边界特征提取及重构方法研究[J]. 机械工程学报, 2018, 54(3):137-147.
    [7] Zhu Xianfeng, Pan Hongjun. Defect detection and one-dimensional dimension measurement of selenium drum based on Halcon[J]. Journal of Jilin University (Information Science Edition), 2014, 32(3):308-310. (in Chinese)朱先锋, 潘洪军. 基于Halcon的硒鼓缺陷检测与一维尺寸测量[J]. 吉林大学学报(信息科学版), 2014, 32(3):308-310.
    [8] Jiao Yang, Li Xin. Research on quality enhancement method of multi-scale low-quality image in fog and haze weather[J]. Bulletin of Science and Technology, 2017, 33(11):133-136. (in Chinese)焦阳, 李鑫. 雾霾天气下多尺度劣质图像质量增强方法研究[J]. 科技通报, 2017, 33(11):133-136.
    [9] Zhao Fuqun, Zhou Mingquan, Geng Guohua. Image threshold segmentation and quantitative recognition based on GA-Otsu method[J]. Journal of Jilin University (Engineering Edition), 2017, 47(3):959-964. (in Chinese)赵夫群, 周明全, 耿国华. 基于GA-Otsu法的图像阈值分割及定量识别[J]. 吉林大学学报(工学版), 2017, 47(3):959-964.
  • [1] 张烜喆, 王彦, 王佳华, 侯再红, 杜少军.  光场相机在湍流下的清晰成像和点云计算 . 红外与激光工程, 2020, 49(11): 20200053-1-20200053-7. doi: 10.3788/IRLA20200053
    [2] 冯发杰, 丁亚洲, 吏军平, 黄星北, 刘欣怡.  使用显著性划分的机载激光雷达点云滤波 . 红外与激光工程, 2020, 49(8): 20190439-1-20190439-9. doi: 10.3788/IRLA20190439
    [3] 谷牧, 任栖锋, 廖胜, 周金梅, 赵汝进.  基于点目标特征参数提取的红外多光谱设计 . 红外与激光工程, 2020, 49(5): 20190462-20190462-10. doi: 10.3788/IRLA20190462
    [4] 赵丽娟, 徐志钮, 李永倩.  布里渊增益谱特征参数提取准确性影响因素分析 . 红外与激光工程, 2019, 48(2): 222003-0222003(8). doi: 10.3788/IRLA201948.0222003
    [5] 罗敏, 石岩, 周辉, 李松, 马跃, 张文豪, 张颖.  基于可变分量的参数随机抽样的激光雷达脉冲波形分解 . 红外与激光工程, 2019, 48(10): 1005009-1005009(8). doi: 10.3788/IRLA201948.1005009
    [6] 王鹏, 杨文超, 孙长库, 郭世珍.  舌面彩色三维点云的舌体分割及舌裂纹提取 . 红外与激光工程, 2017, 46(S1): 82-89. doi: 10.3788/IRLA201746.S117004
    [7] 王帅, 孙华燕, 郭惠超.  适用于激光点云配准的重叠区域提取方法 . 红外与激光工程, 2017, 46(S1): 137-142. doi: 10.3788/IRLA201746.S126002
    [8] 刘巍, 高鹏, 张洋, 杨帆, 李晓东, 兰志广, 贾振元, 高航.  面向大型零部件的三维形面高精度测量方法 . 红外与激光工程, 2017, 46(3): 317003-0317003(9). doi: 10.3788/IRLA201746.0317003
    [9] 庄绪霞, 阮宁娟, 赵思思.  基于点目标测量的空间目标特性识别技术 . 红外与激光工程, 2016, 45(S1): 194-199. doi: 10.3788/IRLA201645.S126001
    [10] 徐广州, 阮萍.  光机集成仿真前处理中点云边界检测技术 . 红外与激光工程, 2016, 45(4): 428001-0428001(6). doi: 10.3788/IRLA201645.0428001
    [11] 刘志青, 李鹏程, 郭海涛, 张保明, 陈小卫, 丁磊, 赵传.  基于相关向量机的机械LiDAR点云数据分类 . 红外与激光工程, 2016, 45(S1): 98-104. doi: 10.3788/IRLA201645.S130006
    [12] 王建军, 许同乐, 李东兴, 霍文骁, 李云龙.  机载平台6-D运动误差对LiDAR点云质量的影响比较 . 红外与激光工程, 2016, 45(8): 830002-0830002(6). doi: 10.3788/IRLA201645.0830002
    [13] 周辉, 李松, 王良训, 涂兰芬.  单次大气散射效应对星载激光测高仪接收脉冲回波的影响 . 红外与激光工程, 2016, 45(1): 106002-0106002(7). doi: 10.3788/IRLA201645.0106002
    [14] 贾文抖, 范春利, 孙丰瑞, 杨立.  基于红外测温的内部点热源的识别 . 红外与激光工程, 2015, 44(3): 837-844.
    [15] 姜亮, 张宇, 张立国, 张星祥, 任建岳.  点扩散函数对星点提取误差分析的影响 . 红外与激光工程, 2015, 44(11): 3437-3445.
    [16] 王兆丰, 闫镔, 童莉, 陈健, 李建新.  自适应邻域尺寸选择的点云法向量估计算法 . 红外与激光工程, 2014, 43(4): 1322-1326.
    [17] 李峰, 崔希民, 刘小阳, 卫爱霞, 吴燕雄.  机载LIDAR 点云定位误差分析 . 红外与激光工程, 2014, 43(6): 1842-1849.
    [18] 陈骁, 石志广, 杨卫平, 凌建国.  利用三维点云的圆锥状弹头目标参数估计 . 红外与激光工程, 2014, 43(10): 3480-3485.
    [19] 胡晓彤, 王建东.  基于子空间特征向量的三维点云相似性分析 . 红外与激光工程, 2014, 43(4): 1316-1321.
    [20] 卜令兵, 庄一洲, 徐中兵, 丘祖京, 邵楠清, 吕敏, 张强.  用于激光云高仪的微分增强云检测方法 . 红外与激光工程, 2013, 42(8): 2226-2230.
  • 加载中
计量
  • 文章访问数:  183
  • HTML全文浏览量:  24
  • PDF下载量:  36
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-09
  • 修回日期:  2018-12-11
  • 刊出日期:  2019-04-25

基于激光三维点云的机械工件识别方法

doi: 10.3788/IRLA201948.0442002
    作者简介:

    薛珊(1978-),女,副教授,硕士生导师,博士,主要从事现代检测理论与技术方面的研究。Email:1660348815@qq.com

    通讯作者: 吕南方(1990-),男,博士生,主要从事太赫兹成像技术及其应用方面的研究。Email:105191462@qq.com
基金项目:

吉林省科技发展计划项目(20160204015GX)

  • 中图分类号: TP391

摘要: 随着中国制造2025的到来,运用工业机器人在线加工机械工件是大势所趋。为了能够智能抓取工件,工业机器人需要识别工件的类型以及工件的位姿。针对流水线上识别工件类型难的问题,提出了一种基于激光扫描三维点云的工件类型识别方法,该方法主要能够识别工件是哪种工件。首先对流水线上杂乱无序的工件进行激光扫描,得到工件的三维激光点云数据,将三维激光点云数据初步去噪。运用MATLAB软件对得到的三维激光点云进行中心切片,得到点云的主视切片、俯视切片、左视切片;运用HALCON软件对点云切片去噪、增强、分割,提取中心切片的边界信息并得到提取区域的特征参数,进而识别工件的类型。最后运用自主研发设备进行实验,分别以步距为0.05 mrad、测距精度0.2 mm、测角精度为0.02 mrad进行扫描,实验结果表明,识别准确性达96.67%。该方法对同类问题有较大的借鉴意义。

English Abstract

参考文献 (9)

目录

    /

    返回文章
    返回