基于三维视觉的轴孔自动化装配方法研究

摘要

零件装配是生产环节中普遍且重要的一环，装配机器人的编程方式已经逐渐从示教编程、离线编程转向自主编程，轴类零件作为装配工作中的一种典型且常见的零件类型，提出一种有效的基于视觉引导的长轴零件自动装配方法对于提高装配机器人应用的智能化具有重要意义。本文基于六轴工业机器人和深度相机搭建了长轴装配实验平台，针对工业机器人自动化轴孔装配过程中的目标分割、目标识别、视觉定位和位姿估计问题开展了如下工作：　　①基于D-H参数建立了机器人坐标系，进行机器人正逆运动学分析。建立了满足长轴装配需求的深度相机系统，分别分析两款深度相机原理及手眼标定方法，通过实验获取相机坐标系与机器人坐标系间的变换矩阵。　　②针对装配场景点云的分割要求，系统地研究了基于欧式聚类的分割方法和超体素分割方法：基于双边滤波算法滤除点云噪声后基于数据点间的欧式距离分割出机器人和载物台点云；提出一种改进的超体素分割方法用于分割载物台上杂乱摆放的不同物体，考虑到装配场景缺乏RGB颜色信息，在构建特征向量时去除颜色信息分量，添加曲率特征，构建了37维特征空间来衡量体素间的相似性，实验表明优化后的方法得到的分割结果更好。　　③使用主成分分析法构建各个点云子集的局部坐标系并完成点云粗配准，之后应用迭代最近点算法筛选出长轴零件点云。提出一种基于轴线提取的点云配准方法用于估计长轴零件的位姿：首先通过主成分分析法实现长轴零件点云的粗配准；其次提取点云的法线和曲率，剔除曲率不满足要求的点并提取出点云的ISS3D特征点；然后使用RANSAC算法估计特征点法线的公垂线作为长轴零件的中轴线，并将其延伸至轴的两端；依据目标点云中轴线与模型点云中轴线间的位置关系求解出两个变换矩阵，最后通过比较迭代最近点算法的配准误差获取零件的精确位姿。实验表明相对于仅使用迭代最近点算法进行精配准，本文方法获取的长轴零件的位姿信息更精确。　　④搭建实验平台并进行基于深度相机的机器人视觉引导装配实验。首先进行手眼关系标定；其次验证改进的超体素分割算法在分割杂乱场景点云时的优越性，讨论不同分割参数对分割结果的影响；之后使用主成分分析法和迭代最近点算法方法识别出长轴零件点云；然后基于轴线提取算法进行长轴零件抓取；最后使用霍夫圆变换定位套筒零件的装配孔中心，完成装配任务。　　装配实验表明本文所提出的分割方法和位姿估计方法可以有效的应用于轴孔自动化装配过程，位姿估计精度稳定，在实际应用中有良好的适应性，为视觉引导装配方法得到更广泛的应用建立了良好的基础。

目录

1 绪论

1.1论文的研究背景及意义

1.2国内外发展现状

1.2.1自动化装配研究现状

1.2.2目标位姿估计研究现状

1.3本文工作及结构组织

2 装配平台搭建及手眼标定

2.1.1硬件平台搭建

2.1.2软件环境搭建

2.2视觉系统建模

2.2.1Kinect V1成像模型

2.2.2Ensenso N10成像模型

2.3坐标系建立及关系转换

2.3.1各坐标系间的转换关系

2.3.2机器人坐标系建立及运动学分析

2.3.3机器人手眼标定

2.4深度相机标定

2.4.1Kinect V1相机标定

2.4.2Ensenso N10相机标定

2.5本章小结

3 装配场景点云分割算法研究

3.1基于八叉树的散乱点云空间索引

3.2基于双边滤波的点云去噪处理

3.3基于欧式聚类的点云语义分割

3.4基于改进超体素分割的目标零件点云分割

3.4.1点云体素化处理

3.4.2点云超体素分割

3.4.3点云超体素融合

3.5本章小结

4 目标零件的识别与位姿估计

4.1点云配准

4.1.1基于PCA的点云粗配准

4.1.2基于ICP的点云精配准

4.2长轴零件识别

4.3基于轴线提取的位姿估计方法

4.3.1基于曲率的点云筛选

4.3.2长轴零件中轴线计算

4.3.3长轴零件位姿估计

4.4装配孔位检测

4.5本章小结

5 大长径比轴孔装配实验

5.1系统的手眼关系标定

5.2点云去噪与分割

5.3物体识别与位姿估计

5.4长轴零件装配

5.5本章小结

6 总结与展望

6.1总结

6.2展望

参考文献

附录

A. 作者在攻读学位期间发表的论文

B. 作者在攻读硕士学位期间参与的科研项目

C. 学位论文数据集

致谢