3D vision-guided adaptive trajectory planning for complex spatial welds based on multi-source point cloud fusion

Resumen Técnico: Planificación de Trayectorias Adaptativas Guiada por Visión 3D para Soldaduras Espaciales Complejas

Planteamiento del Problema
El artículo aborda un cuello de botella crítico en la fabricación inteligente: la planificación de trayectorias de soldadura robótica para la producción personalizada de lotes pequeños. Los métodos tradicionales dependen en gran medida de modelos CAD, que a menudo no están disponibles o están incompletos para piezas de trabajo complejas y personalizadas. Aunque existen enfoques híbridos que utilizan nubes de puntos 3D para corregir desviaciones de ensamblaje, estos siguen dependiendo de los modelos CAD para la planificación central y presentan dificultades ante las desviaciones y deformaciones de las piezas, así como ante el ruido. Además, los métodos actuales sin CAD basados en nubes de puntos enfrentan tres limitaciones específicas: un alcance de aplicación estrecho (a menudo limitado a juntas de tope o en T simples), una falta de verificación de robustez frente al ruido y valores atípicos, y una optimización insuficiente de la pose de la antorcha de soldadura, lo cual es crucial para la calidad de la soldadura en juntas espaciales complejas.

Metodología
Los autores proponen un marco de planificación de trayectorias adaptativo, sin CAD y sin necesidad de enseñanza (teaching-free), basado en la fusión de nubes de puntos de múltiples fuentes. La metodología se estructura en las siguientes etapas clave:

1. Arquitectura del Sistema y Adquisición de Datos:

   • Se emplea un sistema de doble cámara: una cámara de luz estructurada de área amplia montada en una plataforma fija para la reconstrucción global gruesa, y una cámara de luz estructada lineal de alta precisión montada en un robot de 6 DOF para la captura de detalles locales finos.
   • Un riguroso proceso de calibración utilizando una placa de calibración de múltiples agujeros y la Descomposición en Valores Singulares (SVD) establece la matriz de transformación entre la cámara lineal y el sistema de coordenadas de la herramienta del robot, logrando un error euclidiano promedio de 0.218 mm.

2. Reconstrucción del Modelo:

   • Preprocesamiento: Las nubes de puntos originales se someten a extracción de fondo (RANSAC), filtrado de paso (pass-through), submuestreo espacial y eliminación de valores atípicos.
   • Registro: Se utiliza un flujo de registro de dos etapas. Primero, FPFH-FGR (Fast Point Feature Histograms - Fast Global Registration) realiza un registro grueso para manejar grandes desviaciones de pose y estructuras asimétricas donde el PCA tradicional falla. Segundo, GICP (Generalized Iterative Closest Point) realiza un registro fino para lograr una alineación de alta precisión. Este enfoque híbrico equilibra la eficiencia computacional (5.56 s para el registro) con la precisión (error inferior a 0.5 mm).

3. Extracción de Características de Soldadura:

   • Se introduce una novedosa característica de Densidad de Puntos y Curvatura (PDC). Esta combina la curvatura superficial local (derivada de la matriz Hessiana de un ajuste de superficie cuadrática) con la densidad de puntos local normalizada.
   • Segmentación por Umbral Adaptativo: Utilizando el método de Otsu sobre los valores de PDC, el sistema segmenta automáticamente las costuras de soldadura del fondo. Un coeficiente de ajuste ajusta la sensibilidad según la geometría de la pieza (tubular vs. tipo placa).
   • Agrupamiento (Clustering): Se utiliza DBSCAN para agrupar los puntos segmentados, seguido del algoritmo ISS (Intrinsic Shape Signatures) para extraer puntos geométicos clave.

4. Ajuste de Trayectoria y Planificación de Pose:

   • Ajuste de Polinomio de Orden Adaptativo: Los puntos clave se proyectan sobre un espacio de parámetros 1D. El sistema selecciona adaptativamente los órdenes polinómicos (del 1 al 7) para ajustar trayectorias lineales, curvas o irregulares, minimizando el Error Cuadrático Medio (RMSE).
   • Optimización de la Pose: La pose de la antorcha se determina mediante el ajuste de planos locales a la superficie de la pieza alrededor de la trayectoria. La pose óptima se alinea con la bisectriz de los planos que se intersectan. Para asegurar un movimiento suave, el sistema aplica una corrección de vecindad (promediando las poses de puntos adyacentes) y un suavizado Gaussiano 1D a los vectores de orientación, evitando cambios abruptos en la orientación del robot.

Contribuciones Clave

• Marco de Fusión de Múltiples Fuentes: La integración de cámaras de luz estructurada de área amplia y lineal permite la creación de un modelo de pieza de trabajo 3D completo y de alta precisión sin ningún aporte de CAD.
• Novedosa Característica PDC: El diseño de la característica de Densidad de Puntos y Curvatura mejora significamente el contraste entre las costuras de soldadura y los fondos complejos, suprimiendo eficazmente el ruido y manejando superficies de alta curvatura donde los métodos de curvatura tradicionales fallan.
• Planificación de Pose Robusta: El artículo va más allá de la simple extracción de rutas al implementar una estrategia integral de planificación de pose que involucra el ajuste de planos locales, la corrección de vecindad y el suavizado Gaussiano, asegurando una orientación de la antorcha continua y estable.
• Validación de Ingeniería: El marco se valida no solo mediante simulación, sino a través de experimentos de soldadura robótica de extremo a extremo en piezas de trabajo complejas, incluyendo uniones de tubería de múltiples ramas y placas curvas en forma de S.

Resultados Experimentales

• Precisión: El proceso de registro logró un RMSE de Inliers de aproximadamente 0.46–0.49 mm. Los errores de ajuste de trayectoria se mantuvieron consistentemente dentro de 0.5 mm (oscilando entre 0.234 mm y 0.436 mm en diferentes trayectorias).
• Eficiencia: El flujo propuesto de FPFH-FGR+GICP redujo significativamente el tiempo de registro en comparación con FPFH+RANSAC, completando el proceso en aproximadamente 5.56 segundos.
• Robustez: Pruebas con un 10% de valores atípicos y un ruido Gaussiano de 0.15 demostraron que el algoritmo PDC aún podía identificar con precisión las posiciones de soldadura con solo artefactos de borde menores.
• Calidad de la Soldadura: Los experimentos de soldadura en cuatro piezas de trabajo diferentes (13 soldaduras en total) resultaron en una formación de cordón de soldadura estable. El Coeficiente de Variación (CV) para el ancho de la soldadura fue generalmente inferior al 10%, con la mayoría de las soldaduras mostrando una alta consistencia (CV < 5%). Se observaron defectos menores (porosidad, salpicaduras) atribuidos a fluctuaciones transitorias del proceso más que a errores de planificación de trayectoria.

Significado
El artículo afirma proporcionar una solución técnica viable y reutilizable para la soldadura robótica inteligente en escenarios industriales reales donde los modelos CAD no están disponibles. Al demostrar un sistema de ciclo cerrado que maneja con éxito juntas espaciales complejas (lineales, curvas e intersectadas) con alta precisión y estabilidad, el trabajo ofrece una referencia efectiva para avanzar en la automatización de la fabricación de componentes personalizados. Los autores enfatizan que su método cumple con los requisitos básicos de aplicación industrial, ofreciendo un camino hacia sistemas de soldadura robótica "sin enseñanza" y "sin CAD".