[論文レビュー] A Point Cloud-Based Method for Automatic Groove Detection and Trajectory Generation of Robotic Arc Welding Tasks

Rui Peng, David Navarro-Alarcón+2 more|arXiv (Cornell University)|Apr 26, 2020

Robotics and Sensor-Based Localization参考文献 24被引用数 4

ひとこと要約

本稿では、RGB-Dセンサーを用いた点群ベースの手法を提示し、V字溶接ギャップを自動で検出するとともに、ロボット溶接用の高精度6自由度（6-DOF）軌道を生成する。本システムは、直線型（平均92.48%）、曲線型（82.02%）、ボックス型（81.72%）のワークピeceに対して高い検出精度を達成し、最小限の人的介入で多様なワークピースに対してリアルタイムで溶接を実行可能であり、誤差も最小限に抑えられる。

ABSTRACT

In this paper, in order to pursue high-efficiency robotic arc welding tasks, we propose a method based on point cloud acquired by an RGB-D sensor. The method consists of two parts: welding groove detection and 3D welding trajectory generation. The actual welding scene could be displayed in 3D point cloud format. Focusing on the geometric feature of the welding groove, the detection algorithm is capable of adapting well to different welding workpieces with a V-type welding groove. Meanwhile, a 3D welding trajectory involving 6-DOF poses of the welding groove for robotic manipulator motion is generated. With an acceptable error in trajectory generation, the robotic manipulator could drive the welding torch to follow the trajectory and execute welding tasks. In this paper, details of the integrated robotic system are also presented. Experimental results prove application value of the presented welding robotic system.

研究の動機と目的

• 教示・再生法やCADベース手法の限界を克服し、複雑で予測不能な溶接環境に対応するため、自動的ギャップ検出と軌道計画を可能にする。
• 教示・再生法やCADベース手法の限界を克服し、複雑で予測不能な溶接環境に対応するため、自動的ギャップ検出と軌道計画を可能にする。
• RGB-Dカメラを用いたコスト効果的でセンサーベースのソリューションを開発し、リアルタイムな3次元溶接パス生成を実現する。
• 事前のワークピースモデル化なしに自律的ロボット操作を可能にすることで、溶接効率と品質を向上させる。
• 非平面表面を含む多様なワークピース形状に対して、本システムの耐障害性を検証する。

提案手法

• ロボットエンドエフェクタに取り付けたIntel RealSense D415 RGB-Dカメラを用いて、ワークピースの3次元点群を取得する。
• ギャップ領域を強調するため、グローバル法線マップと表面ばらつきマップを、グルーブ特徴ヒストグラム（GFH）を用いて計算する。
• 表面の曲率と法線の一貫性に基づいて、候補となるギャップ点を抽出するための幾何フィルタリングを適用する。
• 正解データとの比較において、検出精度を評価するため、重複率λ = n_overlap / (n_d + n_gt - n_overlap) で定義される3次元重複率（λ）を用いる。
• 検出されたギャップ点群に基づき、MoveItフレームワークを用いたカーテシアンパス計画により6-DOF溶接軌道を生成する。
• カメラ座標系とUR3ロボットベース座標系を正確に一致させるため、ハンド・アイキャリブレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 点群ベースの手法は、非平面表面を含む多様なワークピース形状において、正確かつ耐障害性のある溶接ギャップ検出を達成できるか？
• RQ2 本手法のギャップ検出アルゴリズムは、正解データと比較して、実行時間効率と検出精度の面でどの程度の性能を示すか？
• RQ3 生成された3次元溶接軌道は、実世界のワークピースにおいて、どの程度の正確さでロボットの運動を実行可能か？
• RQ4 表面の幾何形状（例：円筒形 vs. 平面）が、本手法の検出精度に及ぼす影響は何か？
• RQ5 最小限の人的入力でリアルタイムに動作可能であり、完全に自動化されたロボット溶接を実現できるか？

主な発見

• 本手法は、直線型ワークピースでは平均92.48%、曲線型では82.02%、ボックス型では81.72%の平均ギャップ検出精度を達成した。
• 円筒形ワークピースでは検出精度が著しく低下し、平均64.61%にまで低下した。これは、高歪みの非平面表面に対して耐障害性が低いことを示している。
• 実行時間に余裕をもたせたリアルタイム性能を示しており、予測不能な環境でも動的溶接が可能である。
• 運動実行結果から、生成された軌道をきめ細かく追従でき、全テスト対象ワークピースで滑らかで安定した溶接アークの移動が確認された。
• ROSとMoveItの統合により、信頼性の高い6-DOF軌道生成とリアルタイム制御が実現された。
• 本手法は、平面およびやや曲がったワークピースにおいて、産業用ロボット溶接に強く実用的であるが、複雑な曲面では性能が劣化する傾向にある。