基于激光三角测量的机器人作业用系统化正常轨迹生成方法

《Measurement》：A systematic normal trajectory generation based on laser triangulation for robotic operations

　　•紧凑型三激光器加摄像头装置可实现实时表面法线检测。•在机器人控制中结合了激光检测、卡尔曼滤波与摄像头标定技术。•其测量结果的平均绝对误差为0.634°，均方根误差为0.739°，性能优于摄像头和光纤传感器方案。

引言
机器人应用已从简单的重复性制造任务发展到复杂的自动化系统。工业5.0与物联网的融合进一步提升了机器人的功能，使其能够实现实时监控、自适应控制以及智能决策[1][2]。这些进展提高了工业流程的自动化效率，降低了运营成本，并提升了精度[3]。然而，在需要精确表面交互的任务中，如加工、抛光和检测，实现高精度操作依然是一项挑战。传感技术的进步对于提升机器人在各种应用中的精度与适应性至关重要[4]。基于视觉的测量系统、激光测距仪以及立体成像技术通过提供精确的空间数据，增强了机器人的感知能力[5]。这类技术在结构复杂的环境中尤为有用，比如水下探测或危险工业场所，那里的机器人必须能够自主应对复杂的周围环境[6]。不过，传统传感器存在固有缺陷，包括对环境条件敏感、计算负荷高以及测量精度不足等问题。为克服这些限制，人们正在探索声纳、声学传感和触觉反馈等替代传感方法，以提升机器人的感知与决策能力[7]。

准确的表面检测与法线估算对于3D物体识别以及机器人与环境之间的精确交互而言极为重要。目前已有多种方法用于估算表面法线，例如文献[8]中的方法。有些方法利用表面特征来提升物体识别能力，而另一些则侧重于高精度的表面法线估算，以优化实时处理性能[9]。也有研究提出了实时法线估算技术，通过引入先验信息来优化算法性能[10][11]。此外，还有人探索了利用法线贴图进行几何表面处理的方法，以提高估算精度[12][13]。这些研究共同推动了机器人应用中高效且可靠的表面检测与法线估算技术的发展。最近还有研究基于强化学习为曲面紫外印刷机器人进行了路径规划研究[14]，但这些算法计算成本高昂，且学习过程耗时较长。

表面检测与法线估算是提升机器人感知能力及其与环境交互能力的关键。尤其是在动态且结构复杂的环境中，有效的感控系统需要准确的表面数据。在行星表面机器人作业中，地形不规则以及有限的传感能力更是带来了巨大挑战。尽管传感技术的进步提升了机器人的感知能力，但现有方法在现实环境中实现可靠的表面法线估算仍面临诸多障碍。

尽管已有诸多进展，机器人系统在复杂环境中准确检测表面并估算法线向量方面依然存在困难。目前的解决方法往往需要在速度与精度之间做出权衡，这限制了它们在实时应用中的效能[15]。此外，传统的最小二乘法对距离噪声极为敏感，且计算成本高，因此并不适用于需要高速、高精度的机器人任务[16]。在大型复杂几何结构上检测微小的表面异常仍是重大难题，这影响了质量检测和精密加工等应用[17]。另外，现有模型缺乏应对环境变化的灵活性，因此需要更强大且可扩展的传感解决方案[7]。

本研究提出了一种创新的激光三角测量技术，用于提升机器人系统的表面检测与法线估算能力，从而克服了传统方法因计算复杂度高和易受环境影响而存在的局限。该研究采用一种结构化的实验框架，整合了三个激光传感器、一个中央摄像头，以及先进的标定和数据处理方法，显著提升了高精度机器人应用中的测量精度与可靠性。

本研究的主要贡献如下：
1. 设计了一种紧凑型的非接触式传感模块，将三个激光距离传感器、一个中央安装的摄像头、一个板载ADC以及一个能在每个通道内执行卡尔曼滤波的Teensy 4.0微控制器集成在一个3D打印的末端执行器中。这种嵌入式架构减少了传感器同步误差，也在数据传输到主机之前降低了测量噪声。
2. 提出了一种以摄像头为中心的手眼标定框架，该框架基于AX = YB公式，将工件坐标系重建、激光束外部参数标定以及末端执行器法线对齐统一在同一个变换链中。
3. 设计了一种自动的三关键点边缘扫描策略，用于现场建立工件坐标系，无需像现有多激光法线估算系统那样依赖外部的CAD模型与工件之间的配准程序。
4. 开发了一种实时轨迹生成与校正框架，该框架利用三激光器的表面测量数据，持续估算沿任意CAD定义路径的局部表面方向。该系统在真实的6自由度HIWIN机器人操纵器上进行了测试，无论是平面工件还是曲面工件，其平均绝对误差均为0.634°，均方根误差为0.739°，在曲面轨迹跟踪过程中的最大角度误差为1.32°。

诸如激光抛光之类的高精度机器人任务常常面临传感器成本高、环境适应性差以及对齐精度要求高等问题。我们所设计的系统具有成本较低且模块化程度高的特点，非常适合在多尘或易振动且光学传感器或接触力传感器可能无法正常工作的工业环境中使用。本研究预期能够提升表面检测的精度，缩短处理时间，并提高机器人作业的效率。通过将激光三角测量技术与先进的数据处理方法相结合，该研究旨在实现精确的表面法线估算，进而优化激光切割和抛光等机器人功能。这些进展旨在将实验室研究成果与实际工业应用相结合，推动机器人在复杂环境中的自主作业能力发展，为未来机器人感知与自适应自动化技术的发展奠定基础。

本文的其余部分分为若干核心章节，对研究内容进行详细阐述。文献综述部分分析了现有的激光三角测量与表面法线估算方法，指出了现有研究中的主要缺陷与挑战。方法论部分介绍了所提出的激光三角测量系统所采用的实验框架、标定流程以及数据处理技术，包括关键点选择与法线轨迹构建等内容。结果部分展示了实验所得数据，评估了该系统在机器人应用场景下的精度、处理效率及整体性能。讨论部分对这些研究结果进行了分析，将其与以往的方法进行对比，并探讨了其对机器人传感与自动化发展的影响。最后，结论部分总结了本研究的主要贡献，强调了其在机器人应用中的重要性，并提出了未来研究的方向。

片段摘录
背景与文献综述
激光三角测量在机器人领域的表面检测与法线估算中起着至关重要的作用。由于其具备极高的距离和方向测量精度，因此被广泛应用。该方法通过将激光束投射到物体表面，再利用摄像头捕捉反射光，通过三角测量来确定物体的位置。这项技术对于机器人处理复杂几何形状以及处于非结构化环境中的物体尤为重要。不过，环境噪声、传感器精度等问题也会影响其测量效果。

方法论
本节介绍了利用自主研发的先进表面传感工具进行参考路径跟踪与法线轨迹生成所采用的方法。为解决精确路径跟踪和法线轨迹生成的问题，采用了两种不同的方法。第一种方法是关键点选择法，即利用其中一个激光器检测工件边缘上的关键点，然后机器人依次移动到这些点周围的三个位置上。

曲面表面姿态校正的实验装置
实验是在如图7所示的实验装置上进行的。该实验装置包括一个带有机器人控制器的HIWIN六自由度机器人操纵器，还有一个自行开发的工具，该工具中央装有摄像头，周围有三个间距相等且具有特定角度的激光器，此外还有一台配备GPU（NVIDIA RTX-1060）的主计算机。曲面工件被固定在工作台上，这样可以最大限度地减少实验过程中的外部干扰。

机器人姿态校正算法

实验结果
该方法的有效性是通过如图7所示的实验装置来验证的。首先，根据曲面工件的CAD模型生成一个参考路径或期望路径，然后HIWIN机器人臂会按照这个预定义的路径移动。图8、图9和图10展示了所提出的校正方法的效果。图8表明，校正后的深度值与期望深度值非常接近；图9显示，跟踪误差始终保持在接近零的水平；图10则进一步证明了该方法的有效性。

结论
在基于机器人的激光切割和抛光等加工操作中，期望路径跟踪与法线轨迹生成起着至关重要的作用。然而，在复杂表面上生成法线轨迹是一项极其困难且繁琐的任务。本章提出了一种新的方法，用于解决期望路径跟踪与法线轨迹生成的问题。在期望路径跟踪方面，该方法利用激光三角测量传感器开发了一种自动关键点扫描技术。

CRediT作者贡献声明
Syed H. Shah：撰写——初稿、可视化、验证、软件、方法论、概念设计。Anton R. Ahmad：撰写——初稿、验证、方法论、研究分析、概念设计。Chi-Cuong Tran：撰写——审阅与编辑、撰写——初稿、指导监督。Said G. Khan：撰写——审阅与编辑、撰写——初稿、指导监督、方法论、概念设计。Naeem Ul Islam：撰写——审阅与编辑、撰写——初稿、指导监督。Jamshed

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

Syed H. Shah | Anton R. Ahmad | Chi-Cuong Tran | Said G. Khan | Naeem Ul Islam | Jamshed Iqbal