三维结构光法在智能寻位加工中的应用

    摘要：为解决智能寻位加工中的大范围工件寻位问题，提出了一种基于三维结构光法的视觉寻位技术。其核心是利用先进的数字化视觉传感技术，以无接触方式快速获取工件宏观位姿信息，由此引导微观测量过程获取工件关键特征的精确信息，并求解出工件的实际状态，据此实现对工件的位姿自适应加工。实际加工结果表明，所提出的方法具有良好的效果。

    关键词：三维结构光 工件寻位 制造自动化

智能寻位加工技术为实现多品种小批量产品的快速化生产开辟了新的途径[1～4]。本文交将介绍利用三维结构光方法解决大范围工件寻位问题所取得的部分研究结果。

1 智能寻位加工的基本原理

研究发现。人类操作者能顺应现实快速完成加工任务，是因为人在加工过程中利用感管和理性分析主动找寻到了工件的实现位置与姿态，并根据工件的实际状态不断调整自己的操作动作。这样，即使工件（毛坯）位姿不正，也可从不正的毛坯中加工出正确的零件。这正是人所具有的智能寻位加工能力。如果给自动化加工机床赋予一种仿人的智能寻位加工能力，无颖将大幅度提高制造系统的适应能力和快速响应能力。为此，我们提出“智能寻位加工”这一新的制造概念和制造操作模式，并研究出一种无需对被加工零件进行定位（简称“无定位”）便可主动寻位并顺应工件实际位置与姿态进行加工的智能化寻位加工技术。

为实现“智能寻位加工”，必须解决主动寻位和顺应现实加工两个关键问题。“主动寻位”是一种智能行为，具体内容包含两个方面：一是采用现代智能化传感技术快速准确获取工件表面信息；二是根据所获得的工件表面信息，利用计算机精确求解出工件的实际状态。“顺应现实加工”亦不是普通意义下的数字程序控制（NC）加工，而是一种无预定程序的、以工件寻位的反馈信息为基础实时生成刀具运行路径和轨迹所实现的位姿自适应加工。

从智能寻位加工的特征可以看到，这一新的技术可以有效克服基于“定位-加工”模式的传统制造技术的准备周期长、切换速率慢、灵活性与快速响应性差等众多弊端，从而为提高企业底层制造过程对市场动态变化的快速响应能力作出贡献。

2 基于三维结构光法的工件寻位技术

工件寻位是实现智能寻位加工必须解决的关键问题之一。虽然此问题的研究取得了不少理论成果，但离实用还有较大差距。主要困难是现有方法一般都要求预先知道工件表面实测点与CAD模型表面的对应关系，而在实际加工中这是很难做到的。为解决此困难，本文提出一种基于三维结构光的视觉寻位技术。

2.1 基本思路

首先通过具有空间编码功能的结构光发生器向工件表面投射三维结构光，并采用多视角信息获取方法以无接触方式快速获取工件表面关键特征信息；然后通过匹配算法求出工宏观位置与姿态，并构成宏观变换矩阵对工件CAD模型进行坐标变换，使其向实际工件靠拢，将大范围寻位问题转化为小范围寻位问题；最后，用迭代算法精确求解小范围寻位问题，并将其结果与宏观换矩阵集成，从而得到大范围工件寻位问题的解。

2.2 系统组成

三维结构光视觉系统由安装于加工设备主体上的以一定角度对准加工区域的两如CCD摄像机、结构光投射器、信息传输和处理装置等组成。系统的总休结构铷图1所示。

该系统的工作过程如下：

（1）启动结构光投射器，将编码光栅结构江投向工件表面；

（2）启动摄像机，从不同视角拍摄被结构光照射的工件表面轮廓，取得工件表面多视角信息；

（3）将所获得的多路视觉信息送入寻位计算机，由信息处理软件求解出工件表面轮廓特征的坐标值；

（4）根据以上获得的工件表面轮廓信息，通过匹配算法求解出工件的实际状态（工伯在虽工坐标系中的宏观位置和姿态）。

2.3 工件表面信息获取

结构光系统的工作原理如图2所示。结构光在参考坐标系（Xr,Yr,Zr）内从0s点投射到工件表面，光平面的入射角为

，并平行于Yr轴交Xr轴于Om点（没有物体时）。投射点Os的坐标为（0，0，OSzr）（角标Zr表示在Zr轴的投影，以下同）。成像平面中心为Oi，以其为原点建立像平面坐标系（Xi,Yi,Zi），其Zi轴与Zr轴成。

根据上述模型，光平面与工件表面相交所得曲线AB上各点的实际坐标Xg、Yg、Zg可通过（1）式求出：

    式中，f——焦距

    当以不同入射角产生的n个光平面与工件表面相交时，可得到n条曲线，曲线上各点的坐标值亦可按同样方法求出。

2.4 宏观变换矩阵求取

通过上述过程得到工件表面上足够多的关键点的坐标值后，进一步通过遗传算法即可求出工件位姿的宏观变换矩阵。

首先，将待求宏观坐标转换矩阵的六个参数进行染色体编码：

Chrom={XT‖YT‖ZT‖

‖‖

式中，（XT‖YT‖ZT）为平移矩阵参数，（

‖‖）为旋转矩阵参数。

然后，采用最小距离准则，求取测量特征点集到经过转换矩阵变换（染色体编码六个参数决定）的物体CAD模型的距离和，距离和越小，则匹配程序越好。理想情况下，最小距离和为零。

在此基础上，构造适应度函数

    式中，Derr为特征点集中点到CAD模型的最小距离。

最后，经过特定约束下的搜索，最大适应度取得处的染色体则代表了最佳匹配结果，其符号化的参数就是宏观坐标变换矩阵T宏的参数。

2.5 最终寻位信息的求取

对于粗加工，利用T宏提供的信息即可进行寻位加工，此时最终寻位信息T=T宏。

对于精加工，需进一步在T宏基础上求出微观精变换短阵T微，然后通过集成求出以总变换矩阵T表示的最终寻位信息。其求解过程如一：

首先利用以上示离的宏观变换矩阵T宏对工作CAD模型进行坐标变换，使其向实际工件靠拢，将大范围寻位问题转化为小范围寻位问题。然后用文[5]介绍的迭代算法精确求解小范围寻位问题，得到微观精变换矩阵T微。最后通过式（4）集成宏微两方面信息得到大范围寻位问题的解。

=·

3 应用实例