摘要：提出了一種基于三維點(diǎn)云技術(shù)的數(shù)字化工廠產(chǎn)線校準(zhǔn)方法，不僅可以提高校準(zhǔn)精度，還可以推廣機(jī)器人離線技術(shù)的應(yīng)用，提升數(shù)字化工廠的數(shù)據(jù)準(zhǔn)確性和生產(chǎn)效率。

關(guān)鍵詞：三維點(diǎn)云；數(shù)字化工廠；機(jī)器人；產(chǎn)線校準(zhǔn)

在虛擬環(huán)境中對(duì)機(jī)械、電氣和控制進(jìn)行仿真工藝制造過(guò)程，已成為汽車主機(jī)廠的必要流程[1]。為此，構(gòu)建可以準(zhǔn)確映射真實(shí)環(huán)境、生產(chǎn)流程的數(shù)字化工廠至關(guān)重要。然而，因受到安裝精度、制造誤差等多種因素影響，數(shù)字化工廠與現(xiàn)場(chǎng)設(shè)備的位置無(wú)法完全一致，需要后期進(jìn)行校準(zhǔn)數(shù)字化工廠設(shè)備位置工作。通常做法是依靠點(diǎn)云進(jìn)行人工校準(zhǔn)，時(shí)間長(zhǎng)、效率低，并且一致性精度存在不確定性。如果使用位置有較大差異的數(shù)字化工廠數(shù)據(jù)進(jìn)行工藝仿真，會(huì)潛在增加新項(xiàng)目現(xiàn)場(chǎng)調(diào)試難度和周期，同時(shí)增加項(xiàng)目制造成本。因此，開(kāi)發(fā)一種基于點(diǎn)云的自動(dòng)化校準(zhǔn)技術(shù)勢(shì)在必行。

三維激光掃描儀已大量應(yīng)用于環(huán)境獲取問(wèn)題中[2～4]，通過(guò)激光反射與數(shù)據(jù)融合技術(shù)可以準(zhǔn)確獲取物體表面的空間坐標(biāo)（X/Y/Z）、顏色（RGB）以及反射強(qiáng)度信息。這為關(guān)鍵工藝裝備的校準(zhǔn)提供了基礎(chǔ)，通過(guò)三維激光掃描儀獲取產(chǎn)線點(diǎn)云信息，利用點(diǎn)云處理技術(shù)調(diào)整數(shù)字化工廠布局，提高仿真環(huán)境與物理環(huán)境的設(shè)備位姿一致性。然而，由于制造環(huán)境復(fù)雜、設(shè)備種類繁多、機(jī)器人等裝備具有高自由度、設(shè)備表面油污及空間中粉塵等因素的影響，現(xiàn)有點(diǎn)云處理技術(shù)在精度方面難以滿足需求。同時(shí)，采集到的三維點(diǎn)云數(shù)據(jù)中混入了大量噪聲，數(shù)據(jù)量龐大，導(dǎo)致計(jì)算時(shí)間長(zhǎng)、效率低的問(wèn)題。

本文提出了一種基于三維點(diǎn)云技術(shù)的數(shù)字化工廠產(chǎn)線校準(zhǔn)方法。該方法通過(guò)對(duì)掃描點(diǎn)云的分割，實(shí)現(xiàn)目標(biāo)產(chǎn)品點(diǎn)的提取。然后，基于配準(zhǔn)算法，實(shí)現(xiàn)數(shù)字化工廠中對(duì)應(yīng)產(chǎn)品的位置校準(zhǔn)。最后，將配準(zhǔn)結(jié)果導(dǎo)入數(shù)字化工廠環(huán)境，完成虛擬環(huán)境的布局優(yōu)化。此方法的應(yīng)用不僅可以提高校準(zhǔn)精度，還可以推廣機(jī)器人離線技術(shù)的應(yīng)用，提升數(shù)字化工廠的數(shù)據(jù)準(zhǔn)確性和生產(chǎn)效率。在此基礎(chǔ)上，開(kāi)發(fā)了數(shù)字化產(chǎn)線校準(zhǔn)系統(tǒng)，提高了校準(zhǔn)精度與效率，實(shí)現(xiàn)校準(zhǔn)過(guò)程的一鍵自動(dòng)化。

綜上所述，本文的研究具有重要的理論價(jià)值和實(shí)際應(yīng)用意義，將為數(shù)字化工廠的產(chǎn)線校準(zhǔn)提供新的解決方案和技術(shù)支持。

關(guān)鍵技術(shù)

1.開(kāi)發(fā)流程

“數(shù)字化工廠產(chǎn)線校準(zhǔn)系統(tǒng)”由四大核心模塊組成：數(shù)據(jù)輸入模塊、點(diǎn)云分割模塊、多源點(diǎn)云配準(zhǔn)模塊以及結(jié)果輸出模塊。通過(guò)這些模塊的協(xié)同作用，構(gòu)建了一個(gè)全面而高效的工廠產(chǎn)線校準(zhǔn)方案，如圖1所示。

數(shù)據(jù)輸入模塊中，系統(tǒng)以掃描點(diǎn)云與數(shù)字化工廠的三維模型作為輸入量，并執(zhí)行降采樣（Downsampling）與去噪處理，完成數(shù)據(jù)預(yù)處理工作，提高后續(xù)點(diǎn)云處理的計(jì)算效率。

同時(shí)，本文考慮到表面油污、多自由度物體的位姿不確定性對(duì)掃描結(jié)果與配準(zhǔn)精度的影響，提出基于標(biāo)定球的三點(diǎn)校準(zhǔn)法。在機(jī)器人、工裝的關(guān)鍵位置處安裝標(biāo)定球用于提高標(biāo)定精度。為此，在點(diǎn)云分割模塊中，筆者提出針對(duì)機(jī)器人標(biāo)定球與工裝標(biāo)定球的點(diǎn)云分割方法。

在點(diǎn)云配準(zhǔn)模塊中，針對(duì)掃描點(diǎn)云與數(shù)字化工廠的坐標(biāo)系不一致，點(diǎn)云間初始偏差過(guò)大的問(wèn)題，工程師提出基于包圍盒與方向信息的粗配準(zhǔn)方法。進(jìn)一步采用低重疊率點(diǎn)云配準(zhǔn)算法，以點(diǎn)到面的距離作為評(píng)價(jià)指標(biāo)，完成數(shù)模與掃描間的點(diǎn)云配準(zhǔn)。

2. 點(diǎn)云分割

由于場(chǎng)景內(nèi)產(chǎn)品種類繁雜，場(chǎng)景間的直接配準(zhǔn)精度較低，因此在多源點(diǎn)云配準(zhǔn)前，系統(tǒng)采用了點(diǎn)云分割模塊對(duì)待配準(zhǔn)產(chǎn)品的三維點(diǎn)云進(jìn)行提取。點(diǎn)云分割模塊劃分為三個(gè)子模塊：場(chǎng)景語(yǔ)義分割、機(jī)器人實(shí)例分割以及小目標(biāo)點(diǎn)云識(shí)別。

在場(chǎng)景語(yǔ)義分割中，系統(tǒng)構(gòu)建了三維點(diǎn)云特征學(xué)習(xí)模型，融合了機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法，提高了分割精度。該模型利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取，從而實(shí)現(xiàn)精確的語(yǔ)義分割。

機(jī)器人實(shí)例分割基于超體素近鄰算法，實(shí)現(xiàn)了高效高精度的機(jī)器人群實(shí)例分割。超體素近鄰算法通過(guò)聚類算法，將相似點(diǎn)云聚集在一起，形成超體素，從而實(shí)現(xiàn)對(duì)機(jī)器人的精確分割。

在小目標(biāo)點(diǎn)云識(shí)別中，系統(tǒng)構(gòu)建了幾何特征計(jì)算模型，實(shí)現(xiàn)了三維點(diǎn)云的細(xì)致分割。該模型通過(guò)分析點(diǎn)云的幾何特征，如曲率、法向量等，精確識(shí)別并分割出小目標(biāo)點(diǎn)云。

3.多源點(diǎn)云配準(zhǔn)

多源點(diǎn)云配準(zhǔn)模塊分為粗配準(zhǔn)和精配準(zhǔn)兩個(gè)子模塊。在粗配準(zhǔn)模塊中，系統(tǒng)利用配置文件中工裝夾具的坐標(biāo)系信息，采用特定算法對(duì)掃描的真實(shí)點(diǎn)云數(shù)據(jù)與數(shù)模點(diǎn)云信息進(jìn)行矩陣轉(zhuǎn)換，得到數(shù)模相對(duì)于真實(shí)工裝夾具點(diǎn)云的轉(zhuǎn)換矩陣T1。該算法通過(guò)迭代最近點(diǎn)（ICP）算法初步對(duì)齊點(diǎn)云數(shù)據(jù)，從而實(shí)現(xiàn)粗配準(zhǔn)。

在精配準(zhǔn)模塊中，利用粗配準(zhǔn)得到的轉(zhuǎn)換矩陣，將工廠點(diǎn)云數(shù)據(jù)乘以轉(zhuǎn)換矩陣T1，得到新的點(diǎn)云數(shù)據(jù)。為了使虛擬工廠能夠與真實(shí)工廠配準(zhǔn)，系統(tǒng)進(jìn)一步將虛擬工廠點(diǎn)云數(shù)據(jù)乘以轉(zhuǎn)換矩陣T2，得到真實(shí)工廠新的點(diǎn)云數(shù)據(jù)，從而完成精配準(zhǔn)。在不同模塊中，系統(tǒng)利用特定的配準(zhǔn)算法整合和優(yōu)化不同源的點(diǎn)云數(shù)據(jù)。這些算法包括基于特征的配準(zhǔn)方法和全局優(yōu)化算法，確保配準(zhǔn)的高精度和魯棒性（Robus）。

4.產(chǎn)品間相對(duì)位置糾偏和可視化

基于多源點(diǎn)云配準(zhǔn)模塊精配準(zhǔn)得到的結(jié)果，系統(tǒng)通過(guò)高精度算法校準(zhǔn)產(chǎn)品間的相對(duì)位置，更新虛擬工廠的文件信息。數(shù)據(jù)可視化模塊將各個(gè)模塊的數(shù)值計(jì)算結(jié)果通過(guò)圖形形式直觀地顯示出來(lái)，以便觀察和分析。具體來(lái)說(shuō)，該模塊可以顯示包括目標(biāo)場(chǎng)景的三維點(diǎn)云、數(shù)模信息、數(shù)模輕量化結(jié)果、點(diǎn)云分割結(jié)果、多源點(diǎn)云配準(zhǔn)結(jié)果以及產(chǎn)品間相對(duì)位置糾偏結(jié)果。同時(shí)，系統(tǒng)還支持將各模塊結(jié)果導(dǎo)出，便于進(jìn)一步分析。

數(shù)據(jù)可視化模塊利用先進(jìn)的可視化工具，如三維點(diǎn)云渲染引擎和實(shí)時(shí)渲染技術(shù)，使用戶能夠以交互方式觀察和分析數(shù)據(jù)結(jié)果。該模塊不僅支持靜態(tài)數(shù)據(jù)展示，還支持動(dòng)態(tài)數(shù)據(jù)更新和實(shí)時(shí)反饋，幫助用戶及時(shí)發(fā)現(xiàn)問(wèn)題并進(jìn)行調(diào)整。

通過(guò)這些關(guān)鍵技術(shù)模塊的協(xié)同工作，系統(tǒng)不僅提高了數(shù)字化工廠產(chǎn)線校準(zhǔn)的精度和效率，還為后續(xù)的生產(chǎn)過(guò)程提供了可靠的數(shù)據(jù)基礎(chǔ)和技術(shù)支持。整個(gè)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，體現(xiàn)了先進(jìn)的三維點(diǎn)云處理技術(shù)和工業(yè)應(yīng)用的深度融合，為智能制造和數(shù)字化工廠的發(fā)展提供了重要的技術(shù)保障。

試驗(yàn)驗(yàn)證

本文開(kāi)發(fā)了如圖2所示的數(shù)字化工廠產(chǎn)線標(biāo)定系統(tǒng)，并以某工位為例，對(duì)所提出的校準(zhǔn)流程進(jìn)行試驗(yàn)驗(yàn)證。

對(duì)系統(tǒng)涉及的多任務(wù)結(jié)果進(jìn)行了定性的分析，如圖3所示，展示了所提算法在各任務(wù)各模塊下的分割、配準(zhǔn)及位姿糾偏的效果。

表1中也給出了系統(tǒng)結(jié)果的定量化數(shù)值。其中，分割和配準(zhǔn)的評(píng)價(jià)指標(biāo)分別采用準(zhǔn)確率和均方根誤差。在分割模塊中，準(zhǔn)確率在0～100%，準(zhǔn)確率越大，代表算法的分割性能越好。在配準(zhǔn)模塊中，均方根誤差由配準(zhǔn)后的兩幅點(diǎn)云之間的距離進(jìn)行計(jì)算，數(shù)值越小配準(zhǔn)性能越高。

從表格中可以看出，點(diǎn)云分割精度達(dá)到了99.5%，點(diǎn)云配準(zhǔn)的誤差達(dá)到了1.1mm。這證明了所提出的校準(zhǔn)流程的有效性。

進(jìn)一步，本文對(duì)所提方法在應(yīng)用過(guò)程中的有效性進(jìn)行了評(píng)估。將現(xiàn)場(chǎng)機(jī)器人的焊接程序?qū)霐?shù)字化工廠中，對(duì)比校準(zhǔn)前后的程序焊點(diǎn)與理論焊點(diǎn)位置的差異，差異越小，說(shuō)明校準(zhǔn)后的狀態(tài)與現(xiàn)場(chǎng)越接近。校準(zhǔn)前后的焊點(diǎn)狀態(tài)如圖4所示，可以看出，所提出的校準(zhǔn)流程與所開(kāi)發(fā)的校準(zhǔn)系統(tǒng)可以大幅降低程序焊點(diǎn)與理論焊點(diǎn)的偏差，提高數(shù)字化工廠環(huán)境與物理環(huán)境的一致性。

結(jié)語(yǔ)

汽車工業(yè)的迅猛發(fā)展帶動(dòng)了汽車工程材料的不斷更新?lián)Q代，智能化、輕量化高分子材料產(chǎn)業(yè)開(kāi)始成為汽車制造業(yè)發(fā)展升級(jí)的核心力量和重要支撐，是未來(lái)汽車行業(yè)發(fā)展的推動(dòng)力量，但距離在汽車上成熟化應(yīng)用有許多問(wèn)題亟待解決，如國(guó)內(nèi)高分子材料研發(fā)技術(shù)不足、成本過(guò)高、無(wú)法規(guī)?；苽涞葐?wèn)題。未來(lái)，應(yīng)加快構(gòu)建高分子材料體系數(shù)據(jù)庫(kù)，開(kāi)發(fā)新技術(shù)和新材料，尤其是低成本、高強(qiáng)度輕量化材料、智能材料和再生材料方面，為實(shí)現(xiàn)汽車的輕量化、綠色化、智能化做出更大的貢獻(xiàn)。

參考文獻(xiàn)：

[1] 王潔，周毅俊.車身規(guī)劃虛擬調(diào)試落地實(shí)施[J].上海汽車，2023（5）：52-57，62.

[2] 董文彬.PD數(shù)據(jù)與汽車焊裝線設(shè)備狀態(tài)一致性的方法研究[J].汽車工業(yè)研究，2023（3）：：49-51.

[3] 楊茂舉，武繼新，王海龍，等.點(diǎn)云數(shù)據(jù)采集在數(shù)字孿生工廠三維建模中的應(yīng)用[J].汽車工藝與材料，2022（7）：12-15.

[4] 李瑞方，蔡修斌，趙華博.三維激光掃描技術(shù)在汽車數(shù)字工廠中的應(yīng)用[J].汽車工藝與材料，2016（8）：65-69.