考虑视角依赖的感知不确定性及效率的双机器人协作3D扫描大型组件的轨迹规划

《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》:Trajectory planning for dual-robot collaborative 3D scanning of large components considering viewpoint-dependent sensing uncertainty and efficiency

【字体: 大 中 小 】 时间:2026年08月29日 来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING 12.3

编辑推荐:

  •双机器人3D扫描在大型组件的测量中平衡了不确定性和效率。 •视图采样最小化了路径跟踪的不确定性,确保路径平滑且无碰撞。 •自适应维度动态规划(AD-DP)解决了扫描不确定性与障碍物避让之间的冲突。 •时间最优的、抖动连续的规划方法实现了高效的合作式轨迹。 **

  •双机器人3D扫描在大型组件的测量中平衡了不确定性和效率。
•视图采样最小化了路径跟踪的不确定性,确保路径平滑且无碰撞。
•自适应维度动态规划(AD-DP)解决了扫描不确定性与障碍物避让之间的冲突。
•时间最优的、抖动连续的规划方法实现了高效的合作式轨迹。

**引言**
在船舶制造等先进设备制造领域,大型复杂组件的几何精度直接决定了设备的性能、安全性和可靠性。因此,质量检测是保证这些组件几何精度的关键措施。然而,传统的坐标测量机(CMM)由于其固定的龙门结构和有限的测量范围,往往无法满足大型组件现场、全面覆盖和高效率检测的需求。为应对这一挑战,结合光学传感器的工业机器人测量系统已成为工业界和学术界的重要研究方向,因为它们具有高度灵活性、广阔的工作空间和自动化潜力[1]。

针对大规模测量场景,研究人员开展了大量研究以开发灵活的扫描系统。例如,Wang等人[2]提出了一种移动式机器人条纹投影扫描方法,通过多视图采集来获取局部点云。在此基础上,该团队进一步集成了立体视觉系统,通过实时姿态跟踪实现了局部点云的全局统一[3]。针对大型游艇制造,Paoli等人[4]将光学扫描与机械跟踪相结合,利用激光站实时定位机器人以实现自动化测量。针对高反射金属表面的测量挑战,Shi等人[5]提出了一种简化方案,通过激光测距仪监测扫描器沿导轨的位移来估计姿态。此外,Wang等人[6]开发了一种结合条纹投影和光度立体测量的协作式轮廓仪,利用初始投影形状进行高精度法线估计以提高测量精度。

对于具有复杂尺寸和曲面的大型复杂组件,单一机器人测量系统和固定跟踪的移动扫描系统仍然存在固有的瓶颈:固定跟踪站在复杂的现场环境中面临测量范围有限和遮挡风险的问题,而单一机器人的集成扫描-跟踪系统难以平衡测量范围和局部精度[1][7]。为此,由跟踪机器人和专用扫描机器人组成的双机器人协作测量系统成为了一条有前景的技术途径。这种架构将全局姿态跟踪和局部高精度扫描功能分离:跟踪机器人负责通过空间反射标记建立统一的全局测量基准,而扫描机器人在此基准下进行高精度表面扫描,从而实现大型组件的灵活现场测量[8]。然而,双机器人的分阶段协作操作引入了紧密耦合的规划挑战,现有研究尚未完全解决这些问题。

总体而言,这些研究将稳健的姿态跟踪和多传感器融合确定为解决大规模测量限制的关键方法。这些进展推动了高端设备制造中现场、全面覆盖和高精度检测的进步。

**实现全面覆盖的测量**
确保检测完整性的首要前提是实现复杂表面的全面覆盖测量。覆盖路径规划(CPP)旨在生成能够覆盖工件整个几何形状的扫描路径。Almadhoun等人[9]指出,基于模型的CPP方法目前主导着检测应用。这些方法利用预先的静态知识离线生成路径。关于具体的生成策略,Glorieux等人[10]提出了一种适用于自由形状表面的视图采样CPP方法。通过优化视图分布,该方法确保了复杂几何特征的边界覆盖。Olivieri等人[11]开发了一种用于航空航天工业涡流无损检测的自动路径规划方法。他们的研究涉及三次连续的表面分割,通过偏移截面平面生成扫描路径。对于具有复杂自由形状表面的3C组件,Chen等人[12]提出了一种基于粒子群优化(PSO)的CPP方法。该方法使用自适应感兴趣区域(ROI)来定义局部测量路径,从而确保全面覆盖。为解决大型汽车板材部件检测时间过长的问题,Babu等人[13]引入了一种时空自适应采样(STAS)方法。该方法不追求全面覆盖,而是利用生产系统中的时空相关性来预测部分测量数据下的整体偏差。Hassan等人[14]提出了一种名为PPCPP的新颖自适应方法,旨在解决现有算法无法应对环境变化(如动态障碍物或可达区域变化的问题)。对于大型自由形状表面的尺寸检测,Zhao等人[15]建立了一个系统的多机器人覆盖路径规划(MRCPP)框架。该框架实现了多个机器人之间的视图分配和顺序规划。然而,上述几何驱动方法主要集中在几何覆盖上,通常假设传感器以固定距离或沿表面法线扫描。这种简化极大地忽略了扫描姿态对测量数据质量的关键影响。

值得注意的是,大多数现有的CPP方法都是为单一机器人扫描系统开发的,在这些系统中,一个操纵器直接控制传感器视图[9][10]。在这里考虑的双机器人跟踪-扫描系统中,跟踪机器人的视图决定了扫描器与目标之间的观测几何关系,而扫描机器人的视图决定了局部激光入射几何关系。它们的规划约束也通过跟踪器的可见性、机器人的可达性、视线和避障要求相互关联。因此,不协调这两种依赖于视点的不确定性贡献,就无法直接应用单一机器人的规划方法[1][8]。

**测量不确定性**
测量不确定性表征了数据的可信度和误差范围[16]。如果路径规划缺乏不确定性抑制,即使实现了全面覆盖,数据也可能因质量不佳而失去工程价值[17]。因此,当前的研究重点是通过轨迹优化来控制不确定性,同时确保覆盖范围。Jiang等人[18]研究了一种结合全局立体视觉和局部视觉传感器的跟踪测量系统,并使用蒙特卡洛仿真评估了系统的重建不确定性。Di Leo等人[19]提出了一种符合标准的方法,利用协方差传播在集成之前评估三角测量不确定性。扫描几何是点云质量的关键决定因素。优化扫描参数可以有效抑制测量噪声。Soudarissanane等人[20]研究了入射角对地面激光扫描(TLS)中点精度的影响,指出入射角会通过影响信噪比(SNR)来增加测量噪声。针对大型复杂表面,Li等人[21]建立了一个将扫描姿态与不确定性关联的预测模型,通过严格控制姿态角有效降低了激光扫描的测量不确定性。为了保证自动化检测中的数据质量,路径规划必须将测量不确定性作为核心约束。Mahmud等人[17]提出了一种基于计量学的规划方法,根据几何公差分配不确定性限制。该方法结合CAD可见性分析,确定满足入射角和距离约束的传感器位置。Liu等人[22]开发了一种适用于自由形状表面的基于不确定性的规划方法,利用改进的RRT*和模拟退火在公差约束下显著提高了关键点的测量精度。对于机载激光三角测量,Ding等人[23]建立了一个 comprehensive 的误差补偿模型,该模型考虑了三角测量误差和校准偏差等因素,平衡了测量精度和效率。

**高级性能**
为了在满足不确定性约束的同时实现高测量精度,机器人轨迹的运动性能至关重要。关键因素包括路径的几何平滑性和速度调度的合理性。Chen等人[24]指出,不连续或不平滑的轨迹会导致关节速度和加速度的突然变化,这些突变会引起机械振动,降低测量质量并需要降低机器人速度。为了解决这个问题,他们提出了一种基于多曲线的路径平滑方法,使用五阶B样条平滑位置和方向角,有效减少了跟踪误差并确保了扫描精度。Yang等人[25]提出了一种适用于6R机器人操纵器的解析C3连续角平滑算法。Xie等人[26]开发了一种适用于五自由度(5-DoF)平行机器人的全局G3连续路径平滑方法。Fang等人[27]强调速度调度必须严格遵守运动学约束,以防止末端执行器振动,他们提出了一种基于采样的运动规划框架,利用B样条在关节空间平滑轨迹。通过集成时间最优算法以满足速度、加速度和抖动约束,该方法实现了高效稳定的视觉测量。Huang等人[28]提出了一种结合五阶B样条插值和NSGA-II算法的多目标轨迹规划方法,实现了执行时间和平均抖动的协同优化。

**面向对象的测量路径规划**
除了上述关于几何、质量和运动算法的一般研究外,学者们还进一步探索了面向对象的测量路径规划策略,以满足高端制造中的特定工艺要求。Morozov等人[29]通过逆向工程和离线编程,无需CAD模型即可实现对机翼前缘蒙皮的高精度涡流无损检测(NDT)。Mineo等人[30]开发了一个基于自定义网格的MATLAB工具箱,实现了机器人与NDT系统之间的低级同步和灵活规划。关于路径算法的进一步优化,Phan等人[31]引入了最小二乘保角映射,将3D表面展开到2D平面上,通过精确控制相邻路径之间的重叠,有效提高了数字化质量和效率。Chen等人[32]提出了一种基于测地距离的自适应采样和动态规划方法,旨在最小化路径长度和欧拉角变化,有效平衡了测量效率与运动平滑性。Malhan等人[33]进一步将传感器物理特性和机器人动态约束纳入规划框架,确保了复杂几何特征的高保真度点云获取。

**总结**
尽管在3D测量轨迹规划方面已有大量研究,但仍存在三个限制,限制了其应用于大型复杂组件的现场检测:
(1) 现有研究主要集中在固定跟踪或单一机器人集成系统上,因此没有考虑跟踪器定位和局部扫描引入的不同视图依赖性不确定性。对于大型组件检测,仍需要一个能够协调跟踪-视图质量和扫描-视图质量的协作框架。
(2) 在受限的现场船舶建造场景中,现有路径规划方法难以平衡障碍物避让与扫描不确定性,这可能导致几何约束区域的数据质量较低。
(3) 现有的关节空间平滑策略受非线性运动学映射的影响,不能直接保证任务空间的连续性。对于冗余的双机器人系统,在严格的运动学约束下实现平滑运动和高执行效率仍然具有挑战性。

为了解决这些挑战,本文提出了一种双机器人协作3D扫描轨迹规划框架。该框架直接减少了视图依赖的跟踪和扫描不确定性,并在结合测量不确定性的约束下提高了执行效率。主要贡献如下:
(1) 为携带跟踪器的机器人2提出了一种基于采样的跟踪路径规划方法,该方法在确保视野、可见性、可达性和避障约束的同时,搜索末端执行器姿态空间以最小化每个测量分区内的最大跟踪不确定性。优化的跟踪视图通过平滑且无碰撞的站点切换路径连接起来。
(2) 为扫描机器人提出了一种自适应维度动态规划(AD-DP)方法,用于解决受限空间中障碍物避让与扫描不确定性之间的冲突。该方法优化了扫描器姿态,并仅在局部受限区域引入高度变量,然后使用姿态同步平滑获得连续的扫描轨迹。
(3) 为双机器人的分阶段操作模式开发了一种抖动连续的相位全局速度规划方法,通过强制执行工作空间和关节空间运动学约束,提高了执行效率和运动稳定性,同时没有改变由不确定性感知规划阶段选择的传感器视图。

本文的其余部分安排如下:第2节概述了系统架构和分区测量策略;第3节分析了系统不确定性以建立约束模型;第4节详细介绍了核心轨迹规划框架,包括基于采样的跟踪优化、自适应扫描路径生成和时间最优速度规划;第5节通过仿真分析验证了所提出方法;第6节通过仿真和物理实验进行了验证;最后,第7节总结了研究结果。这些基础信息对于后续需要进行的大规模、高质量测量运动规划至关重要。分析测量特性对于精确建立基于跟踪的3D扫描系统的测量不确定模型至关重要,这是规划精确控制测量轨迹的前提。本研究采用了蒙特卡洛仿真、实验分析和补充不确定性量化的综合方法,构建了一个系统级的测量不确定模型,该模型考虑了跟踪不确定性、扫描不确定性和剩余的系统级因素。

基于第3节中建立的组合不确定性约束,本节介绍了直接作用于视角依赖的跟踪和扫描不确定性的轨迹规划方法。该框架包括携带追踪器的机器人的跟踪视角优化和跟踪路径规划、大规模覆盖的外轴配置优化、基于AD-DP的扫描视角规划、姿态同步的路径平滑以及在仿真分析下的时间最优速度规划。本节在一个与实际实验平台一致的MATLAB仿真环境中验证了所提出的双机器人轨迹规划框架。机器人模型、线性导轨、传感器、工件和障碍物根据它们的物理安装姿态进行布置,以便将计划的轨迹转移到真实系统中。仿真涵盖了跟踪视角优化、跟踪路径规划、基于AD-DP的扫描视角规划以及轨迹规划。

本节首先详细介绍了系统设置和校准程序。随后,通过一个缩放组件分别验证了跟踪和扫描轨迹的测量质量和运动性能。然后进行了步块高度差实验,以进一步评估多站测量过程的跨站几何一致性。最后,通过大规模实验验证了所提方法的整体测量性能。

本文提出了一种双机器人协作3D扫描轨迹规划框架,在组合测量不确定性约束下减少了视角依赖的感知不确定性并提高了执行效率。该组合模型包括跟踪、扫描、站点切换注册、机器人2的跟踪视角实现以及与材料相关的因素,而轨迹规划变量直接作用于UT(ZT)和US(ψ)。基于采样的跟踪方法是本研究的主要方法。

作者贡献声明:
余世航:撰写 – 审稿与编辑,撰写 – 原始草案,验证,方法论研究,调查,形式分析。
孙硕学:验证,调查。
孙钰文:撰写 – 审稿与编辑,监督,资源协调,方法论研究,资金获取,概念化。

利益冲突声明:
作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。

致谢:
本工作得到了中国国家自然科学基金(项目编号52535011)的支持。

作者:余世航 | 孙硕学 | 孙钰文
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号