资源预览内容
第1页 / 共9页
第2页 / 共9页
第3页 / 共9页
第4页 / 共9页
第5页 / 共9页
第6页 / 共9页
第7页 / 共9页
第8页 / 共9页
亲,该文档总共9页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
基于光度-面结构光复合传感的大型航天构件机器人原位测量方法 洪海波 万舒彪 沈义平 钟珂珂基于光度-面结构光复合传感的大型航天构件机器人原位测量方法洪海波 万舒彪 沈义平 钟珂珂(上海航天精密机械研究所,上海 201600)机器人原位测量是当前航天大型构件制造重要的发展趋势,针对大型金属构件机器人原位测量面临的非朗伯表面光学测量和弱几何微纹理表面点云匹配两大技术挑战,本文提出了一种基于光度-面结构光多传感器融合的高精度测量方法。该方法将一定数量的LED光源添加到传统条纹投影测量装置中,实现对高亮反射表面的高精度法向量估计,并将表面法向量信息与条纹投影测量的点云信息进行融合,同时设计多模态几何特征描述子提高点云匹配精度,实现测量精度的整体优化。该方法用于贮箱壁板面型测量,实验结果验证了其有效性。大型构件;原位测量;光度立体视觉;面结构光;多传感器融合1 引言近年来,机器人原位加工正逐渐成为航天大型构件制造的新趋势1。然而,机器人加工在精度和加工质量方面,与传统机床还存在一定差距,其制造过程中对加工表面的精确测量及精准反馈是提高机器人制造装备精度和性能的关键技术2。以移动机器人为执行体,以近景三维光学测量为终端测量手段的组合式测量方法在工作空间、运动灵活度、柔性配置、原位测量等方面展现了极好的应用前景3。相比传统串联式线性移动平台,机器人定位精度较低,三维光学测量方法易受高光反射等环境特征影响,测量的全局精度不仅取决于光学传感器的单幅测量精度,更依赖于后续多幅局部测量数据的拼接和融合。同时,大型航天金属构件表面多为非朗伯高反光曲面,缺乏充足的几何和纹理特征,当前主流的三维光学测量方法,如摄影测量、光束扫描、面结构光投影等,大多基于漫反射表面的三角测量原理,针对经铣、磨等加工工艺的非朗伯高光反射曲面,测量精度及可靠性会急剧降低4,无法满足高精度检测需求。此外,针对弱几何和纹理特征的局部测量数据,无法利用传统特征描述得到点云的匹配信息,需采用全站仪、激光跟踪仪等全局测量设备或经严格标定的全局控制标志点引导局部测量数据匹配融合5,价格昂贵、实时性低且精度易受环境干扰。本文拟研制光度-面结构光复合传感器机器人测量系统,以非朗伯光度理论为基础,研究光度立体视觉与面结构光的协同三维光学测量方法,提升对金属表面非朗伯高光反射的鲁棒性,避免因成像质量导致的精度降低和数据缺失。同时,利用复合传感器测量的表面纹理信息,研究表面宏微形貌特征亚微米级表征方法,基于多维多模态特征描述,进一步优化多帧测量数据的配准与融合,实现大型航天构件三维面型原位测量。2 光度-面结构光复合传感测量方法2.1 测量策略利用结构光测量金属局部表面获取初始形状信息,计算入射光线与入射光强分布,基于近场光度立体视觉估计表面法向量,再与结构光测量点云融合获取更高精度。在全局传感器给定的初始位姿基础上进一步优化匹配关系,提高点云融合精度。针对经典点云匹配ICP算法6无法有效拼接弱几何微纹理局部表面问题,利用点云与法向量信息构建多维多模态几何特征描述,实现高精度点云匹配。2.2 测量方法2.2.1 面结构光条纹投影测量条纹投影是通过投影仪向待测表面投射一系列正弦条纹图案,根据条纹的变形恢复表面的形状信息。对于相机拍摄图片的每个像素点(,),其对应的像素值可以表示为式(1),式中(,)为平均像素值,(,)为调制像素值,(,)为待估计的相位。2.2.2 近场光度立体视觉光度立体视觉利用不同光源照射下的图片信息恢复表面法向量,并引入反射模型克服复杂的非朗伯反射现象。对于非朗伯表面上任意一点,相机拍摄的像素值可以表示为式(3),其中是入射光线方向,是表面法向量,是观测方向,light是光源强度。利用条纹投影测量的初始点云计算每个点的、以及强度light,难点在于未知函数与未知法向量之间的非线性耦合。引入基于共位光源逆向反射模型(4)8。2.2.3 点云法向量融合光度立体视觉能有效估计全部表面的高频细节信息,本文在法向量积分过程中加入点云约束,用于获取完整且包含丰富细节的点云信息。对于每个像素(,),对应的轴与轴方向的梯度可表示为式(5)9。其中,表面法向量(n,n,x),表示焦距。此时,每个像素点的深度梯度误差可以表示为式(7),深度值可以通过最小化式(7)获得。然而,仅通过最小化该式将会引入累计误差,造成极大的低频误差,导致测量表面扭曲。本文通过引入条纹投影测量的点云信息对该低频误差进行矫正。2.3 点云匹配传统ICP算法对于匹配对选取较敏感,一旦错配则会导致迭代计算不收敛。本文提出一个多维向量对点云特征进行描述,提升匹配的正确率。3 实验研究将光度-面结构光复合传感器安装在UR5机器人末端,对运载火箭铝合金贮箱壁板的各个位置进行测量,最后进行点云拼接与融合。传感器由一台投影仪、一台工业相机和29个LED灯组成,投影仪为德州仪器DLP4500,工业相机为大恒MER2-503-36U3C,LED为20W白色CREE灯珠。3.1 光度立体视觉技术恢复表面纹理的有效性选取三个不同波纹度的曲面进行测试,并与ZYGO Nexview 2白光干涉仪测得的结果为参考值对比,如图1所示。可以看出,采用本文方法测量的表面纹理周期分布与白光干涉仪结果几乎完全一致,波形基本相同,振幅噪声较明显。表1为3个不同区域的表面纹理深度值,可以看到,所提方法测得的值相对误差均小于15%,验证了方法的有效性。表1 不同样件测量结果3.2 光度-面结构光协同测量系统的测量结果光度-面结构光多传感器测量结果如图2所示。图2a展示了结构光测量深度图,该图存在由于金属表面高光反射导致点云缺失,并且点云噪声较大。图2b展示了光度立体视觉法向量估计图,本文所提技术实现全局的表面法向量估计。图2c展示了深度与法向量融合结果,从该图可以看出,缺失点云部分全部补全,并且减小了点云噪声。图2 光度-面结构光多传感器测量结果3.3 多帧点云拼接融合图3展示了点云全局拼接结果,上图展示了局部点云测量结果,下图展示了点云融合结果,从图中可以看出本文所提方法能够有效实现大工件表面的测量。4 结束语大型航天金属构件测量包含两大技术挑战,分别是高光反射面测量与弱几何微纹理表面点云拼接。对于金属表面反射,本文提出一种光度-面结构光多传感器系统,该系统利用结构光条纹投影测量的初始形状驱动光度立体视觉技术估计表面法向量,随后融合点云与表面法向量实现精细化局部测量。对于弱几何表面点云匹配任务,本文利用条纹投影测量的点云数据以及光度立体视觉技术估计的表面法向量构建了一种多模态特征描述子,用于实现更高精度的点云配准。本文未来工作将会进一步专注在测量不确定度分析。1 陶波,赵兴炜,丁汉. 大型复杂构件机器人移动加工技术研究J. 中国科学:技术科学,2018,48(12):112 周莹皓,张加波,乐毅,等. 移动机器人技术在航天制造业中的应用J. 机械设计与制造工程,2018,47(2):53 杨守瑞. 大型构件复杂曲面自动化测量方法与技术D . 天津:天津大学4 Liu Yanzhao, Fu Yanjun, Zhuang Yuhao, et al. High dynamic range real-time 3D measurement based on Fourier transform profilometryJ. Optics & Laser Technology, 2021, 138: 1068335 Reich C, Ritter R, Thesing J. 3-D shape measurement of complex objects by combining photogrammetry and fringe projectionJ. Opt Eng, 2000, 39(1): 2242316 Besl P J, Mckay N D. Method for registration of 3-D shapes; proceedings of the Sensor fusion IV: control paradigms and data structures, F, 1992C. Spie7 Zhang Zonghua, Huang Shujun, Meng Shasha, et al. A simple, flexible and automatic 3D calibration method for a phase calculation-based fringe projection imaging systemJ. Opt Express, 2013, 21(10): 12218122278 Wang Xi, Jian ZhenXiong, Ren MinJun. Non-Lambertian Photometric Stereo Network Based on Inverse Reflectance Model With Collocated LightJ. Ieee T Image Process, 2020, 29: 603260429 Queau Y, Durou J D, Aujol J F. Normal integration: a surveyJ. Journal of Mathematical Imaging and Vision, 2018, 60(4): 576Photometric and Surface Structure Light Composite Sensing Based Robot in-situ Measurement Method for Large Aerospace ComponentHong Haibo Wan Shubiao Shen Yiping Zhong Keke(Shanghai Spaceflight Precision Machinery Institute, Shanghai 201600)Robot in-situ measurement is an important development trend of current aerospace large component manufacturing. Aiming at the two technical challenges of non-Lambertian surface optical measurement and weak geometry micro texture surface point cloud matching, this paper proposes a high-precision measurement method based on photometric-surface structured light multi-sensor fusion. This method adds a certain number of LED light sources to the traditional fringe projection measurement device to achieve high-precision normal vector estimation of the highlighted reflection surface. Based on this, the surface normal vector information is fused with the point cloud
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号