ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 18.10.2024

Просмотров: 6

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

ARTICLE

1 – FIRST PAGE

This work is motivated by the need to develop an effective

approach to measure the geometry of workpieces.

(Эта работа мотивирована необходимостью разработки эффективного

подход к измерению геометрии заготовок).

In recent years, the use of robotics has increasingly penetrated

the manufacturing and the construction industries [1–3].

(В последнее время лет использование робототехники все больше проникает

в обрабатывающей промышленности и строительстве)

Besides being attractive to make production phases more

cost-effective, robotics and automation have been used to speed up quality inspections and to operate in hazardous environment precluded to human access

(Помимо того, что привлекательно сделать этапы производства более

экономически эффективными, робототехника и автоматизация использовались для ускорения проверок качества и

во взрывоопасной среде, исключающей доступ человека)

Many industrial automated systems are based on

robotic arms that manipulate actuators and sensors through

predefined tool paths in structured environments.

(Многие промышленные автоматизированные системы основаны на

роботизированные руки, которые манипулируют исполнительными механизмами и датчиками через

предопределенные траектории инструментов в структурированных средах)

The robot tool paths are typically defined on the digital Computer-

Aided Design (CAD) models of the parts to be machined,

assembled, disassembled and/or inspected.

(Робот траектории инструмента обычно определяются на цифровом компьютере.

Модели автоматизированного проектирования (САПР) деталей, подлежащих обработке,

собраны, разобраны и/или проверены)

The process of generating robot tool-paths using simulation software is

known as Off-Line Path-planning (OLP).

(Процесс генерация траекторий робота с использованием программного обеспечения для моделирования

известное как автономное планирование пути (OLP))

Unfortunately, the digital models often differ from their respective real

counterparts and time-consuming human intervention is

required to correct the software OLP robot paths and ensure

they meet the required levels of accuracy.

(К сожалению, цифровые модели часто отличаются от их соответствующих реальных

аналоги и требует много времени вмешательства человека.

необходимо скорректировать траектории робота программного обеспечения OLP и обеспечить

они соответствуют требуемым уровням точности)

Therefore,

highly versatile robotic arms that could be used for flexible

autonomous systems are still mainly used to automate

repetitive tasks in large industries with well-structured

environments. Indeed, besides of the investments required


to enable efficient and profitable use of robot technology.

(Следовательно,

очень универсальные роботы-манипуляторы, которые можно использовать для гибких

автономные системы по-прежнему в основном используются для автоматизации

повторяющиеся задачи в крупных отраслях с хорошо структурированной

среды. Ведь кроме необходимых вложений

для обеспечения эффективного и прибыльного использования робототехники.)

2 – SECOND PAGE

A plethora of methods and systems have been proposed for

the acquisition of the geometry of real-life objects, ranging

from those which employ active sensor technology, passive

sensor technology or a combination of various techniques.

(Для этого было предложено множество методов и систем.

приобретение геометрии реальных объектов, начиная

от тех, которые используют активную сенсорную технологию, пассивную

сенсорная технология или комбинация различных технологий)

The data produced by a 3D scanner is point cloud of

the object surface. A well-established classification of the

sensors used for 3D reconstruction divides them into two

types: contact and non-contact sensors.

(Данные, полученные 3D-сканером, представляют собой облако точек

поверхность объекта. Хорошо зарекомендовавшая себя классификация

датчиков, используемых для 3D-реконструкции, делит их на две

типы: контактные и бесконтактные датчики)

Contact 3D scanners probe the subject through physical touch, while the

object is firmly held in place.

(Контакт 3D сканеры исследуют объект посредством физического прикосновения, в то время как

объект прочно удерживается на месте)

Non-contact solutions

can be further divided into two main categories: active and

passive.

(Бесконтактные решения

можно разделить на две основные категории: активные и

пассивный)

Passive 3D scanning solutions rely on detecting

reflected ambient radiation.

(Решения для пассивного 3D-сканирования основаны на обнаружении

отраженное окружающее излучение)

Most solutions of this type

detect visible light because it is a readily available ambient

radiation, but other types of radiation (e.g. infrared) could

also be used.

(Большинство решений этого типа

обнаруживать видимый свет, потому что это легко доступное окружающее

излучение, но другие виды излучения (например, инфракрасное) могут

также использоваться)

Passive methods can be very cheap, because in

most cases they do not need particular hardware but simple

digital cameras.

(Пассивные методы могут быть очень дешевыми, потому что в


в большинстве случаев им не нужно специальное оборудование, а просто

цифровые камеры)

On the other hand, active scanners emit

some kind of radiation or light and detect its reflection or

attenuation.

(С другой стороны, активные сканеры излучают

какое-то излучение или свет и обнаружить его отражение или

затухание)

Regardless of the deployed technique, 3D

scanners have much in common with cameras.

(Независимо от используемой техники, 3D

сканеры имеют много общего с камерами)

Like most cameras, they have a cone-like field of view and can only

collect information about surfaces that are not obscured.

(Как и большинство

камеры, они имеют конусообразную форму поля зрения и могут только

собирать информацию о поверхностях, которые не затемняются.)

While a camera collects colour information about surfaces

within its field of view, the main objective of a 3D scanner is

to collect distance information about the surfaces within its

field of view.

(Пока камера собирает информацию о цвете поверхностей

в поле зрения основная задача 3D-сканера

для сбора информации о расстоянии до поверхностей в пределах его

поле зрения)

Many types of 3D scanning sensors have been

designed and used in real applications.

(Многие типы датчиков 3D-сканирования были

разработаны и используются в реальных приложениях)

Among the scanning sensors, the ones that can be easily integrated with robotic

arms to perform automated object reconstruction, can be divided into two categories.

(Среди сканирующих

датчики, которые можно легко интегрировать с роботизированными

оружие для выполнения автоматизированной реконструкции объекта, можно разделить на две категории.)

3 – THIRD PAGE

1.3 Contribution

  • This work presents a mathematical framework for adaptive and incremental 3D reconstruction of specimens, through the use of a robot-manipulated optical 3D scanner. It allows computing the next optimal view pose after each measurement view.

(Эта работа представляет собой математическую основу для адаптивного и поэтапная 3D-реконструкция образцов с помощью оптического 3D-сканера, управляемого роботом. Это позволяет вычислять следующую оптимальную позу просмотра после каждого измерения.

  • Compared with previous works the proposed approach does not require any prior knowledge about the shape of the object, meaning that the formulation creates a best-guess representation of the subject of the 3D scanning and updates it after each measurement data.

(По сравнению с предыдущими работами предлагаемый подход не требует каких-либо предварительных знаний о форме объекта, а это означает, что формулировка создает наиболее вероятное представление объекта 3D-сканирования и обновляет его после каждых данных измерения.)

  • Crucially, the method is suitable to obtaining measurable/quantitative results, since it seeks to reach a user-defined target sampling density, which is provided as fundamental input parameter. Such sampling density is expressed as number of points per surface unit (e.g. points/mm2). Compared to other recently published works, the present approach does not make use of neural- network paradigms, exhibiting more deterministic performance.


(Важно отметить, что этот метод подходит для получения измеримых/количественных результатов, поскольку он направлен на достижение определяемой пользователем целевой плотности выборки, которая предоставляется в качестве основного входного параметра. Такая плотность выборки выражается количеством точек на единицу поверхности (например, точек/мм2). По сравнению с другими недавно опубликованными работами, настоящий подход не использует парадигмы нейронных сетей, демонстрируя более детерминированную производительность.)

  • The framework is accompanied by the definition of meaningful stopping criteria, whose fulfilment leads to the termination of the iterative computation of the next view pose and the output of the final result in the form of merged point cloud and reconstructed tessellated model (triangular mesh surface).

(Фреймворк сопровождается определением содержательных критериев остановки, выполнение которых приводит к прекращению итеративного расчета очередной позы вида и выдаче конечного результата в виде слитного облака точек и реконструированной мозаичной модели (треугольной сетчатой поверхности).

  • The framework has not been developed to work only with specific sensor hardware and is adaptable to operate with data streams obtained through a generic range scanning sensor, either depth camera or 3D laser scanner type sensor. Its development has also led to an efficient method for point cloud down- sampling and merging.

(Платформа не была разработана для работы только с конкретным сенсорным оборудованием и может быть адаптирована для работы с потоками данных, полученными с помощью универсального датчика сканирования диапазона, будь то камера глубины или датчик типа лазерного 3D-сканера. Его разработка также привела к созданию эффективного метода уменьшения дискретизации и слияния облаков точек.)

  • The framework functionality has been tested through MATLAB-simulated data, obtained from synthetic views of a computer graphics 3D test model developed at Stanford University. The MATLAB-based code is openly available (https://doi.org/10.5281/zenodo. 4646850) and can be used by the research community for future developments.

(Функциональность платформы была протестирована с помощью смоделированных в MATLAB данных, полученных из синтетических представлений трехмерной тестовой модели компьютерной графики, разработанной в Стэнфордском университете. Код на основе MATLAB находится в открытом доступе (https://doi.org/10.5281/zenodo.4646850) и может использоваться исследовательским сообществом для будущих разработок.)

  • In order to validate the framework in experimental scenarios, the control computer has been interfaced with a robot arm and a low-cost RGB-D camera to reconstruct the geometry of a 3D printed version of the Stanford University test model and of an additional industrial test piece.


(Чтобы проверить структуру в экспериментальных сценариях, управляющий компьютер был сопряжен с роботом-манипулятором и недорогой камерой RGB-D для восстановления геометрии 3D-печатной версии тестовой модели Стэнфордского университета и дополнительных промышленных испытаний. кусок.)

………………………………….

4 – FOURTH PAGE

2.1 Denition of metrics

Before any algorithm can be described, it is necessary to define all the parameters and variables that intervene in the mathematical formulation of the problem of interest. Figure 1a and b show, respectively, point clouds collected through a depth camera type sensor and a laser scanner type sensor.

(2.1 Определение показателей. Прежде чем можно будет описать какой-либо алгоритм, необходимо определить все параметры и переменные, которые участвуют в математической формулировке интересующей задачи. На рис. 1а и б показаны, соответственно, облака точек, собранные датчиком типа камеры глубины и датчиком типа лазерного сканера.)

An orthogonal reference system is centred at the sensor data origin. Like a conventional RGB camera, a depth camera has a pyramidal sampling volume, whose dimension depends on the horizontal field-of-view angle (ϑ) and on the vertical field-of-view angle (θ).

(Ортогональная система отсчета центрируется в источнике данных датчика. Как и обычная RGB-камера, камера глубины имеет пирамидальный объем выборки, размер которого зависит от горизонтального угла поля зрения (ϑ) и вертикального угла поля зрения (θ).)

These angles are bisected by the −→w vector. Like in conventional RGB cameras, depth cameras allow obtaining equally spaced 3D point samples arranged in a rectangular grid, whose number is equal to the product of the sensor horizontal and vertical pixel resolution (respectively Rh and Rv), when sampling a flat surface parallel to the −→u − −→v plane.

(Эти углы делятся пополам вектором −→w. Как и в обычных RGB-камерах, камеры глубины позволяют получать равномерно распределенные 3D-точечные выборки, расположенные в прямоугольной сетке, число которых равно произведению разрешения сенсора по горизонтали и вертикали в пикселях (соответственно Rh и Rv), при оцифровке плоской поверхности, параллельной плоскость −→u −−→v.)

Typically, the user can set the desired scanning range, defining lower and upper limits, with −π ≤ ϑmin < 0, 0 ≤ ϑmax ≤ π, −π ≤ θmin < 0 and 0 ≤ θmax ≤ π. Moreover, the user can usually set the number of points to be captured in such angular ranges. As a result, when sampling the detectable portion of the inner surface of the sphere with radius r centred at the sensor origin, a laser scanner allows obtaining equally spaced 3D point samples arranged in a rectangular spherical grid.

(Как правило, пользователь может установить желаемый диапазон сканирования, определив нижний и верхний пределы, где −π ≤ ϑmin < 0, 0 ≤ ϑmax ≤ π, −π ≤ θmin < 0 и 0 ≤ θmax ≤ π. Кроме того, пользователь обычно может установить количество точек, которые будут захвачены в таких угловых диапазонах. В результате при отборе проб обнаруживаемой части внутренней поверхности сферы радиусом r с центром в начале координат лазерный сканер позволяет получить равноотстоящие друг от друга трехмерные точечные отсчеты, расположенные в прямоугольной сферической сетке.)