提示：点击上方"机械工程学报"↑关注我吧
引用论文
王耀南, 谢核, 邓晶丹, 毛建旭, 李文龙, 张辉. 智能制造测量机器人关键技术研究综述[J]. 机械工程学报, 2024, 60(16): 1-18.
WANG Yaonan, XIE He, DENG Jingdan, MAO Jianxu, LI Wenlong, ZHANG Hui. Overview of Key Technologies for Measurement Robots in Intelligent Manufacturing[J]. Journal of Mechanical Engineering, 2024, 60(16): 1-18.
http://www.cjmenet.com.cn/CN/10.3901/JME.2024.16.001
(戳链接，下载全文)
1
行业现状
复杂曲面构件在高端装备制造中有重要的作用，尤其是在航空航天和海洋舰船等领域。为了保障这些高端装备的制造品质，精确的测量是必不可少的。传统测量方法主要依靠量具、模具以及手工或半自动的仪器，这些方法存在效率低、灵活性差等问题。
随着自动化和人工智能技术的发展，机器人光学测量作为一种新兴的测量方法受到了广泛关注。与传统测量方法相比，机器人测量在复杂曲面制造中具有诸多优势。通过视觉引导可以减少人为因素对测量的影响，达到更高的精度；机器人能够自动执行测量任务，保证了结果的一致性和重复性，尤其适用于大规模复杂曲面构件的测量。同时，这种方法不需要直接接触曲面，适应复杂的形状和结构，具有更高的灵活性和效率。
然而，机器人测量也面临诸多挑战。由于曲面形状的多样性，方案设计和参数设置变得复杂；测量传感器的性能、系统标定精度和路径规划模式也会影响测量的准确性和效率；此外，制造过程中的环境振动和工件变形等因素也可能影响测量的稳定性。
本论文综述了机器人三维测量技术的研究进展，归纳了测量过程中涉及的关键核心技术，包括系统标定、测量规划、点云融合与特征识别。同时，分析了现有研究中的不足，指出机器人测量技术面临的挑战，并对未来的发展方向进行了展望。这为相关领域的研究人员和工程师提供了全面的参考。
2
智能制造测量机器人应用现状
图1 典型视觉引导的加工装备
图2 国外典型的机器人检测装备
图3 湖南大学机器人数字孪生测量系统
3
智能制造测量机器人关键技术
机器人测量系统标定
✦
手眼标定技术：通过齐次变换矩阵准确确定扫描仪与机器人的相对位姿，保障机器人多视角点云数据的获取。
标定方法多样性：针对不同安装位置、姿态、传感器类型提供了同步标定与分步标定等方法，提升标定精度。
自标定创新：引入无需参照物的自标定技术，利用几何不变量或主动视觉法，实现传感器参数估计，提升自动化应用灵活性。
✦
主动感知路径规划：基于已知模型或未知模型生成候选视点，通过视觉锥模型、八叉树等技术实现精准路径规划，确保测量覆盖全面。
智能化测量路径：将传统的固定式编程路径规划转化为智能化的路径优化，通过自动生成视点和路径，提升复杂工件的测量精度与效率。
多机器人协同路径规划：研究多机器人协同完成复杂部件的完整检测与扫描路径规划，满足高精度测量需求。
✦
点云拼合技术改进：提出了迭代最近点（ICP）方法的多种改进，包括基于深度学习的点云配准，极大提高了拼合效率和精度。
多视角数据融合挑战：研究多视角数据的无模型拼合与有模型拼合，针对复杂曲面实现高精度点云融合，满足大型复杂部件的测量需求。
✦
基于模型的特征识别：通过曲面特征（如平面、球面、圆弧等）识别，实现工件的精准定位与检测，为后续加工和装配提供数据支持。
深度学习特征识别：使用PointNet及其衍生网络进行几何特征提取，克服了点云的无序性问题，提升特征识别的精度和效率。
动态几何识别：针对装配过程中位姿变化和弱刚性变形，提出了结合深度学习与物理模型的动态目标识别与跟踪技术，实现了高时空精度的动态识别。
图4 基于一般参照物的机器人测量系统标定技术路线
图5 机器人测量路径规划通用技术路线
图6 多视角点云数据融合技术路线
图7 蒙皮点云圆孔特征识别实例
4
智能制造测量机器人应用实例
✦
高精度动态寻位：利用线激光位移传感器对金属板材进行识别和定位，实现了机器人自动抓取、粗定位和动态寻位，提升了等离子切割的精准度。
实时路径补偿：通过机器人坡口边界动态寻位和路径实时补偿技术，显著提高了坡口切割的精度，最终使精度达到0.5 mm以内，满足了工程机械制造的要求。
自动化工艺优化：相比传统人工或机械方法，机器人等离子切割在效率和质量上都有显著提升，特别适用于异形件的加工。
✦
叶片位姿精准匹配：通过视觉传感器获取叶片点云并与设计模型进行最小二乘匹配，实现了工件位姿的高精度定位，为后续打磨提供了可靠的参考。
加工误差控制优化：研究了机器人在核电叶片磨削中的误差传递建模和位姿优化技术，提升了打磨的准确性，特别是在叶片曲率突变的复杂区域。
机器人磨削效率提升：相比人工打磨，机器人打磨核电叶片具有高效、精确和低劳动强度的优势，适用于高标准的工业应用。
✦
高精度边界特征提取：通过自动视觉定位，机器人能够从蒙皮点云中提取精确的边界特征，克服了局部噪点和边界缺失的干扰，提升了铣削精度。
复杂余量计算：针对航空蒙皮的大型薄壁结构，提出了考虑蒙皮弯曲变形和装配关系的余量计算方法，保障了装配间隙和阶差的精确控制。
自动化与高效装配：机器人自动铣边定位大幅提高了蒙皮装配的效率和精度，解决了传统手工对准划线切割方式中的低效和误差问题。
图8 视觉引导的机器人等离子坡口技术路线
图9 核电叶片机器人磨削
图10 蒙皮制造场景与点云边界提取
5
结论与展望
复杂曲面的实时高精度测量面临传感器灵敏度、数据处理速度、噪声干扰等挑战。未来的研究方向包括提升传感器采样率、优化数据处理算法、结合深度学习技术进行几何特征识别、引入自适应控制系统及误差校正机制。这些改进将大幅提升机器人在复杂动态制造场景中的测量能力。
单机器人在大范围曲面测量中效率低下，多机协同测量可以通过通信、数据融合和路径规划，实现复杂曲面的全面覆盖和高效测量。未来挑战在于解决大规模点云通信、无模型工件的路径规划以及多视角弱特征的精确融合问题，以进一步提高大范围精密测量的能力。
由于复杂曲面的特性（如曲率突变、反光等），单一传感器难以获取完整信息。通过融合视觉图像传感器和激光位移传感器等多源数据，可以提升测量精度和鲁棒性。然而，传感器数据对齐与校准面临挑战，未来需要开发更有效的数据融合算法，以实现传感器数据的无缝集成和优化。
针对危险环境中复杂制造场景的测量需求，智能化自主测量可以降低人为误差并提高效率。结合自适应路径规划和机器学习技术，机器人可以自动优化测量策略，适应外部干扰，实现实时监控和故障检测。这将推动机器人在多变场景中的广泛应用，提升智能制造水平。
图11 机器人测量技术发展展望
作者及团队介绍
6
主创作者团队主要研究方向
7
团队相关文章推荐
作 者：谢 核
责任编辑：杜蔚杰
JME学院简介
JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。
欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！
更多精彩视频
有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。
推荐阅读
西北工大张映锋教授团队：数字孪生驱动的复杂产品智能运维服务体系与核心技术丨JME文章推荐
长沙理工胡林教授团队：电动汽车锂离子电池-超级电容混合储能系统能量分配与参数匹配研究综述丨JME文章推荐
西北工大詹梅教授团队：塑性成形快速数值仿真方法的研究进展丨JME文章推荐
华侨大学徐西鹏教授团队：磨粒工具的研究现状及发展趋势丨JME文章推荐
大连理工大学宋学官教授团队：智重装备的多学科一体化优化设计丨JME文章推荐
南京航空航天大学徐九华教授团队：面向绿色高效磨削的振荡热管砂轮磨削温度与强化传热分析丨JME文章推荐
电子科大汪忠来教授团队：基于RMQGS-APS-Kriging的主动学习结构可靠性分析方法丨JME文章推荐
湖南大学熊万里教授团队：箔片气体动压轴承研究进展综述丨JME文章推荐
航天大型薄壁回转曲面构件成形制造技术的发展与挑战丨JME文章推荐
太原理工大学黄庆学院士团队：宽厚板板形测量系统与标定方法研究丨JME文章推荐
重庆大学的余华教授团队：适用于输电线路监测的自供电无线在线监测系统丨JME文章推荐
燕山大学的温银堂团队：基于超分辨率改进Faster R-CNN的点阵结构内部缺陷判识方法丨JME文章推荐
王树新院士团队：面向微创手术器械臂的可变刚度机理综述 丨JME文章推荐
西南交通大学翟婉明院士团队：考虑齿轮齿条动态激励的山地齿轨车辆-轨道耦合动力学特性分析丨JME文章推荐
中国铁道科学研究院张一喆、祖宏林、张志超：不同线路条件下高速列车轮轨力的试验研究丨JME文章推荐
北京航空航天大学杨世春教授团队：动力电池云端管理关键技术研究综述丨JME封面文章
厦门大学郭景华团队：基于深度强化学习的网联混合动力汽车队列控制丨JME封面文章
中国石油大学（北京）张行教授团队：压差式多节串联管道机器人越障时动力学演化规律及减振分析丨JME封面文章
版权声明：
本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！
在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!
联系我们：
联系人：暖暖
电话：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
官方微信号：jmewechat
