10.14489/vkit.2018.10.pp.022-029

DOI: 10.14489/vkit.2018.10.pp.022-029

Пискарев А. А., Михайлов Б. Б., Шахтарин Б. И.
ПРИМЕНЕНИЕ СТОХАСТИЧЕСКОГО АЛГОРИТМА В ЗАДАЧЕ РАСПОЗНАВАНИЯ СТЫКА ТРУБ ДЛЯ УПРАВЛЕНИЯ МАНИПУЛЯТОРОМ СВАРОЧНОГО РОБОТА
(с. 21-29)

Аннотация. Рассмотрена задача описания V-образного стыка труб для последующей сварки роботизированным сварочным комплексом. Рабочая сцена представлена данными системы объемного зрения. В основе алгоритма распознавания стыка заложен метод стохастической оптимизации Метрополиса, известный как метод имитации отжига.

Ключевые слова: компьютерное зрение; пространственная аппроксимация; стохастическая оптимизация; роботизированная сварка.

Piskarev A. A., Mikhailov B. B., Shakhtarin B. I.
STOCHASTIC ALGORITHM APPLICATION IN PIPELINE JOINT RECOGNITION TASK FOR WELDING ROBOT MANIPULATOR CONTROL
(pp. 21-29)

Abstract. This article deals with V-shaped pipeline joint description task for robotic welding. Workspace is represented by 3D-vision system source data. Joint recognition algorithm is based on Metropolis stochastic optimization method also known as “anneal simulation method ”. It’s assumed that pipelines are nearly coaxial and 3D-vision camera mounted above joint. Coordinate system is attached to vision system, so camera optical axis is Z-axis, Y-axis is vertical while X-axis aimed closely along pipeline axes. 3D-vision system view space is splitted into zones to make the joint totally fit into middle zone. Pipelines in other zones are approximated with cylinder surfaces. Axes parameters and cylinder radiuses are calculated as total squared error minimum task solution, Nelder–Mead method is used.Joint in middle zone is approximated with cone surfaces, which are assumed to be coaxial with corresponding cylinders. Metropolis stochastic algorithm is used to minimize total squared error avoiding local minimums at this ste. Cone and cylinder intersection lines are used to localize joint itself. Joint localization procedure has been evaluated as Python program. Source data were obtained by scanning a pipeline joint model. Calculation results are given in the table. To estimate Metropolis algorithm efficency, some reference calculations are performed using RANSAC (RANdom SAmple Consensus) method at last step. Comparison results allow to conclude that there are some conditions when anneal simulation method shows higher precision and robustness.

Keywords: Computer vision; 3D-approximation; Stochastic optimization; Robotic welding.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

А. А. Пискарев, Б. Б. Михайлов, Б. И. Шахтарин (Московский государственный технический университет им. Н. Э. Баумана, Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

A. A. Piskarev, B. B. Mikhailov, B. I. Shakhtarin (Bauman Moscow State Technical University, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Пискарев А. А., Михайлов Б. Б. Алгоритм распознавания стыков труб магистральных трубопроводов для управления манипулятором сварочного робота // Экстремальная робототехника [Электронный ресурс]. 2015. № 1. С. 343 – 351.
2. Vision-Based Pipeline Girth-Welding Robot and Image Processing of Weld Seam / Yue H. et al. // Industrial robot. 2009. V. 36, No. 3. P. 284 – 289.
3. Юревич Е. И. Основы робототехники: учебник [Электронный ресурс]. 4-е изд., перераб. и доп. СПб.: BHV, 2018. 304 с. URL: http://elib.spbstu.ru/dl/ 325.pdf (дата обращения: 10.08.2018)
4. Володин Ю. С., Орлов А. В., Михайлов Б. Б. Калибровка системы трехмерного зрения со структурной подсветкой при помощи плоских объектов // Актуальные проблемы защиты и безопасности: тр. восьмой Всерос. науч.-практ. конф. Т. 5. Экстремальная робототехника. СПб., 2005. С. 314 – 322.
5. Ильин В. А., Позняк Э. Г. Аналитическая геометрия: учеб. для вузов. 5-е изд. М.: Наука; ФИЗМАТЛИТ, 1999. 224 с. (Курс высшей математики и мат. физики).
6. Джонс М. Т. Программирование искусственного интеллекта в приложениях / пер. с англ. А. И. Осипова. М.: ДМК Пресс, 2011. 312 с.
7. Корн Г., Корн Т. Справочник по математике. М.: Наука, 1974. 832 с.
8. Escaping the Local Minima via Simulated Annealing: Optimization of Approximately Convex Functions [Электронный ресурс]. / A. Belloni et al. // JMLR: Workshop and Conference Proceedings. 2015. V. 40, No. 1. 26 p. URL: http://proceedings.mlr.press/ v40/Belloni15.pdf (дата обращения: 10.08.2018)
9. Hast A., Nysjö J., Marchetti A. Optimal RANSAC – Towards a Repeatable Algorithm for Finding the Optimal Set // Journal of WSCG. 2013. V. 21, No. 1. Р. 21 – 30.

Eng

1. Piskarev A. A., Mihaylov B. B. (2015). Algorithms for recognition of pipe joints of main pipelines to control the welding manipulator the robot. Ekstremal'naya robototekhnika, (1), pp. 343-351. [in Russian language]
2. Yue H. et al. (2009). Vision-Based Pipeline GirthWelding Robot and Image Processing of Weld Seam. Industrial robot, 36(3), pp. 284-289.
3. Yurevich E. I. (2018). Basics of Robotics. 4th ed. Saint Petersburg: BHV. Available at: http://elib.spbstu.ru/ dl/325.pdf (Accessed: 10.08.2018) [in Russian language]
4. Volodin Yu. S., Orlov A. V., Mihaylov B. B. (2005). Calibration of the system of three-dimensional vision with structural illumination using flat objects. Actual problems of protection and safety. Vol 5. Ekstremal'naya robototekhnika, (pp. 314-322). Saint Petersburg. [in Russian language]
5. Il'in V. A., Poznyak E. G. (1999). Analytical geometry: a textbook for universities. 5th ed. Moscow: Nauka; FIZMALIT. [in Russian language]
6. Osipova A. I., Dzhons M. T. (2011). Programming artificial intelligence in applications. Moscow: DMK Press. [in Russian language]
7. Korn G., Korn T. (1974). Math Handbook. Moscow: Nauka. [in Russian language]
8. Belloni A. et al. (2015). Escaping the Local Minima via Simulated Annealing: Optimization of Approximately Convex Functions. JMLR: Workshop and Conference Proceedings, 40(1). Available at: http://proceedings.mlr.press/v40/Belloni15.pdf (Accessed: 10.08.2018)
9. Hast A., Nysjö J., Marchetti A. (2013). Optimal RANSAC – Towards a Repeatable Algorithm for Finding the Optimal Set. Journal of WSCG, 21(1), pp. 21-30.

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

DOI: 10.14489/vkit.2018.10.pp.022-029

Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

В комментарии к заказу обязательно укажите DOI статьи.

Eng

This article is available in electronic format (PDF).

DOI: 10.14489/vkit.2018.10.pp.022-029

Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

Please specify the article DOI in the order comments.