文摘

近年来,加速的老龄化社会满足中青年劳动力的短缺。特别是,大多数年轻人不愿意在建筑行业工作,造成了劳动力成本的地板砖逐年上升。此外,地板瓷砖需要工人不断弯腰或弯腰工作,大大危害他们的身体健康。因此,先进的技术应用于地板砖是高度要求取代传统的手工方法。上下文,地板砖的自动方法可以促进产业的转型升级。虽然开发了几个机器人地板砖,现有系统的自动化仍在低水平。地板砖控制策略提出了一种机器人基于视觉测量反馈和有限状态机,瓷砖的计算位置信息在有限的视野是通过一种改进的精明的边缘检测和脚腕线性变换。此外,补充的一个算法提出了基于视觉测量瓷砖的位置信息,在线和瓷砖铺设的质量评估。评估的效果提出了控制策略,给出了实验验证。实验结果表明,该方法可以完成高精度的自动地板砖。

1。介绍

1.1。背景和意义

与机器人技术和传感器技术的快速发展1,2)、建筑机器人技术几十年有了长足的进展3- - - - - -5]。许多建筑机器人被应用到建筑工地上执行特定的任务,如建筑业制造机器人(6)、钻孔机器人(7),标志着机器人(8]。使用机器人来代替人工建筑在严酷的环境维护和改善建筑行业(9,10),如减少体力劳动强度,避免施工危险,提高施工效率,保证施工质量。因此,研究人员开始更多关注建筑机器人技术的研究(11,12]。

目前,在装修过程中,地板瓷砖仍然依赖手工操作一些简单的工具(如图1),这是劳动密集型和耗时。工人们必须弯腰很长一段时间来执行地板砖,大大危害他们的健康13,14]。地板砖建设要求工人与专业技能合格,确保施工质量。由于工人的熟练程度的差异,一些知名的地板砖建设出现的问题,如效率低、瓷砖平整度差、严重的空鼓,和建筑材料的浪费造成的返工。此外,地板瓷砖施工过程是一个高度重复,而瓷砖的大小是正常的。因此,自动地板砖的机器人有可能取代人工操作,这是符合现代地板砖的发展方向。

1.2。相关工作

在过去的十年里,研究人员一直在投入大大地板砖机器人的研究。1996年,Apostolopoulos et al。15)提出了一种移动机器人自动铺设瓷砖的概念。2000年,Navon [16)开发了一种地板砖机器人基于视觉意识到瓷砖的位置,和它的效率将增加2到5倍。2011年,汗et al。17)提出了一个半自动地板砖机器人,这需要一些手动操作实现地板砖。2019年,李et al。18]瓷砖铺平道路,提出了应用自适应控制方法和刘et al。19,20.地板砖)开发了一种移动机器人,使用激光传感器测量瓷砖的大小和位置。然而,在现有的相关研究中,地板砖方法采用半自动化或人机合作,只能进行一些简单的视觉测量。系统的鲁棒性很差。目前,一个简单的事实是,机器人的自动化和智能程度很低。

1.2.1。瓷砖的位置测量

瓷砖的位置测量是准确的地板砖控制的先决条件。现有的研究成果主要用于激光传感器(17,19,20.和视觉传感器16- - - - - -18)测量瓷砖的大小和位置。激光传感器的测量方法需要多个激光传感器或单个传感器的多点测量。多点测量将使测量更为复杂和耗时的过程。此外,激光的运动将产生新的错误。视觉测量方法是简单的瓷砖和位置特征信息可以从单个图像中提取。此外,机器人在工业环境下的应用在建筑工地为应用程序提供一个参考。Tlach et al。21)使用机器人来实现位置的测量装置测量,要求传感器探头接触测量的对象。至于机器人在线路径优化,Božek [22)提出了一种机器人路径优化,应用于点焊在汽车工业中的应用。该方法实现在线实时测量路径优化提供数据支持。

研究的一部分,研究了瓷砖在工厂测量环境。专业集团党和Prabuwono23)提出了一种图像处理算法来测量瓷砖的长度。系统使用一个精明的边缘检测识别的边界瓷砖和瓷砖的大小,计算偏差小于2毫米。这个系统的功能是区分不同规格的瓷砖生产线,所以尺寸精度低。Hocenski et al。24)提出了一种基于边缘检测技术的缺陷检测方法,采用直方图阈值定义的减法解决问题的精明的边缘检测器。该方法具有良好的适应性和不同质感瓷砖。伊玛目和Sayyedbarzani25)使用双目视觉结合两个摄像头测量瓷砖的尺寸偏差,测量精度可达0.06毫米。专业集团党et al。26)使用三个摄像机测量不同尺寸的瓷砖(边缘曲率,长度和宽度,裂缝边缘,和厚度)从多个视角和获得目标从背景中通过使用直方图减法。试图找到一个合适的阈值来提高系统的精度,使成功产生影响。这个系统是用于自动质量检测的瓷砖生产线。上面的瓷砖测量主要集中在单一的瓷砖或顶视图一侧的一个瓷砖领域的观点,在特征提取是相对简单的。

在建筑工地,邓et al。27)用精明的边缘检测和霍夫变换检测的边界瓷砖实现监控施工进度的地板砖。边缘检测结果的比较基于不同梯度阈值设置,适当的边缘检测器阈值确定。然而,该方法采用手动方法来设置阈值,测量精度很低,不能满足机器人地板砖的需要。林和方28地板砖)提出了一个建立质量评价系统,获得的图像完成花砖和提取几何特征的图像,然后进行计算和确定地板瓷砖的施工质量。Navon [16)注意瓷砖的位置和损伤的瓷砖在地板砖过程中,但31日之间的像素的灰度值和224年被确定为一个错误通过提前体验,和鲁棒性较差。

1.2.2。机器人地板砖控制策略

目前,很少有研究机器人地板砖控制策略。Apostolopoulos et al。15)提出了一个概念的地板砖基于位置和力反馈的过程控制方法,但是控制器没有执行。Navon [16)使用半自动地板砖控制方法,该方法需要人工帮助定位。汗等人和李et al。17,18)主要讨论了地板砖的控制方法与视觉伺服系统。实验表明,该控制方法有更好的鲁棒性,但地板砖条件相对简单。一些研究人员也研究了控制方法的组件安装在其他任务场景。Roveda等人提出了一个控制框架(29日),可以实现工业交互任务在不确定的工作场景。他们还描述人机合作方法安装重和笨重的组件基于概略介绍视觉伺服和力的控制30.]。因此,机器人地板砖稳定控制系统需要深入研究。

基于有限状态机的控制策略总结为一个有限状态系统运行时,由外部信号和状态切换实现激励。因此,整个系统具有良好的稳定性。有限状态机控制方法已经应用在许多领域,如直流微型电网的集中控制(31日),组合导航和控制机器人(32),燃料电池管理策略(33),和自动驾驶控制的道路34]。地板砖是一个重复的建设过程。每层铺瓷砖可以分为有限数量的运动状态。应用有限状态机理论控制地板瓷砖可以简化控制地板砖过程的复杂性,提高系统的鲁棒性。

1.3。本文的创新

本文旨在实现地板砖稳定控制方法,提出了基于视觉测量的地板砖控制策略在视场有限,有限状态机控制策略。总结了本文的主要贡献如下:(1)它提出了一个快速、健壮的瓷砖基于视觉测量方法与有限的视场。首先,地板砖过程获得的图像视场有限。接下来,瓷砖的边缘线达到通过一种改进的精明的边缘检测算法和霍夫变换算法。最后,提出了一种聚类方法辨别瓷砖的边缘,以及所需的位置和实际位置之间的偏差计算的瓷砖。(2)地板砖控制策略提出了基于有限状态机理论。地板砖过程分为有限的国家,和重要的状态参数,特别是偏离的实际位置的瓷砖到所需的位置,驱动有限状态机地板砖状态转换。控制策略可以系统地总结地板砖的状态过程,提高控制系统的鲁棒性。

本文的其余部分组织如下。节2,框架地砖机器人II (FTR-II)系统的简要描述,包括软件和硬件系统。它的瓷砖测量方法用于获得瓷砖节的位置3。之后,地板砖控制策略提出了基于有限状态机的部分4。节5与地板砖,实验验证基于该方法的机器人系统。最后,部分6总结了结论和未来的工作。

2。地板砖机器人II (FTR-II)系统

地板砖机器人II (FTR-II)系统用于验证机器人tile-paving本文提到的控制方法包括四个功能层:用户层、系统层、驱动层、执行层,如图2。

用户层主要用于人机交互。的执行层实现了subactions tile-laying过程,及其硬件包括UR10机器人移动平台,瓷砖抓住,传感器。当接触力超过10公斤,机器人会立即停止工作并发出警告,所以FTR-II的安全可以得到保证。司机一层一层来解决这个问题,系统不能直接与执行层硬件进行通信。系统层实现系统控制和实时数据分析的过程中,瓷砖铺设。的硬件和软件组件FTR-II系统如表所示1。

3所示。应用瓷砖的位置测量

3.1。地板砖过程分析

图3在网站上显示整个过程的地板砖。首先,工人手工奠定了瓷砖。1一个s a benchmark and the rest ceramic tiles are laid fully automatic by the robot in a sequence shown in Figure3从没有。2到12路。扣除的地板砖过程瓷砖1,整个地板瓷砖的情况分为3例:(一)当机器人奠定了瓷砖。2或没有。3,the ceramic tile is on the right side of the placed tile No.1. Since there is no ceramic tile on the upper side, only the left ceramic tile no. 1 can be used as a benchmark, as shown in Figure4(一)。(b)当机器人奠定了瓷砖。4,没有。7,or no.10, the ceramic tile to be laid is on the lower side of the laid tiles. Since there is no ceramic tile in the left of the view, only the top ceramic tile may be used as a benchmark, as shown in Figure4 (b)。(c)当机器人铺设瓷砖,不同条件(a)和(b),要铺设的瓷砖都在右下侧的瓷砖已经铺。因此,左边的瓷砖和顶部可以作为一个基准,如图4 (c)。

应该注意的是,上面的三个案例中,更多的瓷砖可以。

3.2。获得瓷砖图像视场有限

FTR-II可以把一个图像区分相邻的瓷砖的位置。然后,之间的坐标偏差计算实际位置和所需的位置。我们希望获得一个图像,足够清晰,准确提取边缘特征信息。我们应该考虑两个主要问题,确定摄像机的位置:(1)瓷砖的边缘特征检测到测量准确的边缘检测算法(2)应减少查看相机之间的距离和瓷砖,以确保每一个像素点的实际物理尺寸映射可以尽可能小

摄像机安装在机器人手臂来确保相机和瓷砖之间的距离足够小,更清晰的图像。然而,机器人手臂的位置和铺设的瓷砖是固定的。如果机器人需要多个图像覆盖整个工作区并将它们合并创建一个图像,相机应该安装在另一个机械手意识到瓷砖的位置保持不变的过程中把图像,这将使系统更加复杂。根据上述分析,本文采用的方法获得瓷砖图像与有限的视野。图5显示的测量方法图基于视觉的地板砖。末端执行器有四个吸盘抓取一个瓷砖铺设,和一个相机安装在机械臂的连接装置,以获取图像的过程中,瓷砖铺设。重要的是要注意相机之间的空间位置关系和铺设瓷砖是相对固定的。图6显示图像的瓷砖有限FOV在三种不同的条件下。

3.3。瓷砖图像的边缘检测

精明的边缘检测算法(35)于1986年首先提出的精明的,已广泛应用于各种计算机视觉系统(36,37]。精明的边缘检测是不容易受到噪声干扰,可以检测到真正的弱边缘。一个优势是两个不同的阈值选择获得边缘排除弱边缘。然而,手动设置高、低阈值的方法不是高度适应不同的环境。

本文提出了一种改进的精明的边缘检测算法提取边缘的瓷砖。图7演示了算法的实现过程,包括一个图像,灰度图像,高斯滤波,nonmaximum抑制,梯度计算,首先进行自适应阈值和边缘检测的图像。

3.3.1。将图像转换为灰度图

由于相机获得的图像是一个颜色,我们使用公式 的彩色图像转换为灰度。

3.3.2。高斯滤波

离散高斯卷积核矩阵 维度,由公式计算(1)。其中,方差和k是内核的维数矩阵。值得注意的是,选择将影响精明的检测器的性能。随着大小,探测器对噪声不敏感,但边缘检测的定位误差也将略有增加。本文使用了一个3∗3窗口检测,和像素过滤e。高斯滤波后,像素的灰度值e见公式(2): 在哪里卷积和象征吗意味着矩阵中所有元素的和。

3.3.3。梯度计算

和 一阶偏导数的吗 - - - - - -方向和 - - - - - -方向,分别。梯度的大小和方向所示公式(3)和(4):

3.3.4。Nonmaxima抑制(NMS)

Nonmaximum抑制用于获得一个更精确的图像边缘,由许多单独的像素。如图8观察到的像素的梯度方向是垂直于图像边缘的方向。有两个不相邻像素点在图像的边缘,但梯度方向可以通过公式计算(4)。观察到的像素的灰度值与邻接像素的灰度值相比,灰度值的像素nonmaximum设置为0。后来,具有非零灰色图像上的像素值遍历,以及所有nonmaximum像素被淘汰。

3.3.5。自适应阈值选择基于大津算法

图像处理的NMS方法仍然含有大量的噪声和虚假的边缘。因此,精明的算法使用双阈值来消除噪声和虚假的边缘。对于精明的算法,这是非常重要的选择一组合理的阈值。传统的精明的算法使用手动选择双门限的值,不能适应各种环境的整体亮度的变化。本文采用自适应方法基于大津选择阈值(38]。

据推测 图像像素的灰度范围。采取随着边界,像素分为集 和 ,的概率是 和 ,在给定的顺序。的平均灰度值和是 和 ,分别。因此,平均灰度值是计算 。两个类之间的差异表达

计算的最大价值通过公式(5),我们可以获得上标记为阈值 。

图9揭示了传统的精明的边缘检测算法的检测结果和改进的精明的边缘检测算法,在哪里一个和b分别是上、下限阈值。比较数据9(一个)和9 (b),建议精明的传统算法的检测结果差异很大通过手动设置不同的阈值。自适应选择上下阈值,基于改进的边缘检测如图精明的边缘检测算法9 (c)比基于传统。

图像的灰度值非常受光的影响,所以不能使用相同的上、下阈值检测边缘的瓷砖图像获得在建筑环境中,不同的照明条件。改进的精明的检测算法具有更好的光强适应性和在这项研究。

3.4。直线提取和识别瓷砖边界

在一个笛卡儿坐标系统,表示为一条直线 ,并指出在同一行有相同的b和k值。如果转换成直线参数坐标系统,它应该表示为 。在同一直线上有相同的点和值,因此在参数坐标系统,他们相交于一点。当参数的数量直线,相交于同一点达到预设值时,我们认为我们已经找到足够的点形成一条直线。这是霍夫变换的原则(HT)。然而,它是可能的,这两个图像的边缘检测有相同的和价值。

在本文中,我们使用先进的概率霍夫变换(PPHT)提取瓷砖边缘在图像39]。与霍夫变换相比,主要的改进PPHT算法描述如下:(1)使用随机选择像素从输入图像而不是遍历所有像素(2)阈值设置的最大像素间隔和最小直线长度阈值允许连接线段(3)找到线段的和最长不超过给定的阈值

通过设置最大像素间隔允许连接线段组成,PPHT算法能有效区分two-tile边缘HT作为一个边缘检测的算法。例如,图10 (b)表明根据HT 1号线检测算法由two-tile边界,完全重合在一条直线。当PPHT算法用于提取直线从上面的灰度图像(图10 ()),两条直线可以获得准确(图10 (c))。

瓷砖通过PPHT是表示在笛卡儿坐标系统 。发现点的集合 ,在哪里是检测到的数量点在直线上标记为 。此外,平均的值和计算为 在哪里点的数量包括在吗 。瓷砖边界的识别策略是针对排序和比较的值和 ,见表1最后意识到8块边界的识别。

表2描述了一个战略认识到瓷砖的界限。策略的总结如下:(1)排序 。(2)选择最低两个点和 ,然后,比较它们的相应值和 。较小的一个是否定的。1边界,较大的一个是否定的。5边界。(3)选择最大的两个点和 ,然后,比较相应的值和 。较小的一个是否定的。4边界和较大的一个是否定的。8边界。(4)排序 。同样的原理认识到瓷砖边界2、3、6和7。

结果呈现在图11。我们可以得到8直线编号从1到8。

3.5。计算和坐标变换位置

当我们铺设瓷砖,当前位置和目标位置之间的偏差计算驱动机器人的终端执行器。在二维直角坐标系统中,运动的瓷砖从当前位置到所需的位置可分为两个过程:水平翻译以及向量 和旋转度对逆时针方向旋转 。 所需的位置和几何中心吗当前位置的几何中心,如图12。

在三维空间运动的机器人,机器人的运动矩阵效应表示为结束

3.6。补充瓷砖的位置信息

评估瓷砖铺设的质量,我们需要等待所有瓷砖铺设,和瓷砖最初固化24小时后,确保地面有足够的强度。后来,工人可以一步瓷砖检查瓷砖的质量。因此,本文提出了一个实时铺设瓷砖的质量评价方法基于位置信息的瓷砖瓷砖铺设过程中获得的。然而,瓷砖目测伺服系统使用一个有限FOV法获得图像,因此它不能获得整个瓷砖的位置信息通过一个单一的形象。因此,只有当所有瓷砖铺设,我们可以获得瓷砖的位置信息。

这就要求我们使用部分瓷砖的位置信息,由三个不同的条件分类在前面部分提到的,瓷砖的全球信息的补充。具体方法如下。

在图13,瓷砖2和3是在工作条件下收集的数据的补充,1,瓷砖4、7和10是收集数据的补充,工况2下,和其他工作条件下的瓷砖是收集数据的补充,3。

使用图像的补充算法将引入一个假设:基地瓷砖 在边长和尺寸偏差。国际标准BSENISO10545-2:1997定义的特点,各种形状和大小的错误的瓷砖,以及相关特征的测量和检验方法(40]。国际标准ISO13006: 2012指定的公差范围的形状和大小的各种类型的瓷砖(41]。

我们将分析参考瓷砖误差对测量结果的影响。瓷砖1的实际大小 ,在哪里是x坐标偏移,是y坐标偏移。当我们铺设瓷砖2,尺寸计算 ,在哪里和垂直位置偏差和水平位置偏差的视觉检查,分别。然而,瓦2的实际大小 。同样,第一列的瓷砖将引入一个x坐标偏差 ,瓷砖在第一行将介绍一个y坐标偏差 。当瓷砖效果评估,和作为中间变量不会影响瓷砖的平直度的最终评价。影响消除后,我们进行实时质量评价花砖,和算法概述如下:(1)获得角点的像素坐标的瓷砖基于视觉测量(2)使用最小二乘法直线(3)计算每个点的距离的点拟合直线

4所示。基于FSM的控制策略

4.1。地板砖操作控制变量和状态参数信息

地板砖机器人系统由视觉传感器,一个机械手臂,结束效应,激光传感器,一个边缘检测器和一个计算器。地板砖过程中,机器人操作控制变量对应于不同的系统执行单元,如表所示3。

机器人的操作状态主要反映地板砖机器人的当前工作状态和记录的形式状态参数,主要包括瓷砖的位置信息和操作条件的瓷砖。表4显示系统运行状态参数。

4.2。基于FSM的地板砖控制

有限状态机(FSM)是一种数学模型与离散的输入和输出。它可以记录历史输入的内部状态,确定下一个状态的控制执行能力和行为根据当前的输入,并且可以有效地描述系统的生命周期。

本文提出了基于FSM的地板砖控制策略的第一次。为了便于分析,铺设瓷砖的FSM描述了行动 在哪里 是一组n机器人状态, 是一组n机器人程序的行为, 是一组n机器人状态参数和 是一组n状态转换条件。

4套以上之间的关系表示如下:

为了便于分析和状态转换过程的描述,一个有向图被定义为公式(10基于图论和公式()9):

地板砖州的集抽象为有向图的顶点,和状态转换条件C被抽象为有向图的边缘;然后,边集定义如下: 在哪里从国家过渡的条件吗州 ,这是抽象的权利吗 。时的值是1,条件是满意。值为0时,条件不满意,和价值是−1,这意味着条件不存在。的r相邻的顶点表示如下: 在哪里 。机器人地板砖的FSM图如图14。

机器人的状态信息地板砖表所示5。的过程提出了机器人控制策略奠定了瓷砖如下:(1)在状态时,系统检查机器人的状态并执行初始化操作。(2)当收到信号 ,系统转到和地板砖的形象。(3)当图像被收购了,系统运行了边缘检测的边缘检测器。在工作条件下,系统转向 ;在工况2下,系统转向 ;工作条件下,系统转向 。(4)当边缘检测完成后,系统转向并执行平面位置计算生成坐标变换矩阵由平移和旋转从当前位置到所需的位置。(5)当矩阵计算,系统转向 。系统措施的高度从地面瓷砖,用激光传感器。(6)当瓷砖的位置,包括垂直高度和水平的姿势,已经收购了,系统控制机器人手臂瓷砖从当前位置移动到所需的位置,按顺序,系统转向 , ,和 。(7)系统重复步骤(2)-(5)计算瓷砖的位置。如果瓷砖的位置偏差超过预设值,系统运行步骤(6)。(8)瓷砖的位置偏差时在预设值范围内,系统转向 ,吸盘释放,铺设瓷砖的完成。

使用上述方法,实现机器人的地板砖。

5。实验验证和讨论

5.1。实验准备

评估提出的控制策略的性能,本文采用地板砖机器人II (FTR-II)进行实验验证在实验室的网站。在实验之前,12块的大小测量,以确保它们是合适的,避免破坏实验结果。每个平铺测量3次,计算平均值。如表所示6,平均偏差为0.05毫米,最大偏差为0.14毫米。

5.2。实验在实验室的网站

图15显示的结果地板砖实验在实验室的网站。FTR-II持续了12块大小为300毫米×300毫米在地上,和预期差距相邻瓷砖是3毫米。瓷砖序列图所示3,瓷砖1作为基准的瓷砖。机械臂工作范围的限制,系统从没有了瓷砖。2没有。6当机器人移动平台是停滞不前。然后,机器人移动平台移动600毫米回满足机械臂的工作距离范围,并从没有系统展示瓷砖。7。12。应该注意的是,移动平台的运动将导致2毫米的偏差。由于系统使用视觉实时定位,上面的偏差不会影响铺设瓷砖的质量。

铺设完成后,一条线激光用于检测瓷砖- 12的位置。48点的坐标数据,得到一个地板砖实验,12块中的每个瓷砖4不动点。我们已经重复实验3次,总共获得144点坐标和偏差值,并计算位置偏差和 ,表所示7。

图16说明的频率分布和在坐标系统。的平均偏差x方向和y方向分别是0.04毫米和0.11毫米,而98.5%的测量值有偏差< 0.5毫米。值得注意的是,没有整个地板砖过程异常中断。系统需要385年代把12块,和所需的时间一个瓷砖是32.1秒。因此,我们确认在这项研究中提出的控制策略可以用来执行准确的地板砖操作。

5.3。基于在线评估的位置偏差

我们总共48个角落在8行6列坐标。角落里的瓷砖的坐标系统的坐标分布如图17。黑色的点是原点坐标,蓝色的点是参考角落里,红色的点是测量的角落,和绿色的点是瓷砖角落补充。每个点的坐标偏差计算结果如表所示8,在那里是x坐标偏移,是y坐标偏移。

表8显示了偏差结果计算的补充方法。的平均偏差x方向和y方向分别是0.06毫米和0.18毫米,而91.5%的测量值有偏差< 0.5毫米。

通过比较表6与表7,在线评估的偏差明显高于偏差的测量偏差,表所示9。据推测瓷砖的大小是300 mm×300 mm,实际尺寸的允许偏差的瓷砖引入在线评价系统。

6。结论和未来的研究

摘要提出了一种基于视觉的机器人地板砖控制方法测量反馈和有限状态机。自主研发的FTR-II地板砖机器人被用来在实验室进行实验。通过对实验结果的分析,可以得出结论(1)机器人地板砖的控制方法提出了研究成功执行(2)的偏差x- - -y坐标分别是0.04毫米和0.11毫米,和98.5%的所有偏差都在0.5毫米以下(3)在线评估系统可以实现实时在线质量评价的地板砖

然而,主要限制在这个研究是基于有限的测量方法FOV瓷砖的大小是理想的前提。尺寸偏差积累和会导致瓷砖的位置超过允许范围。可能有效的解决方案是,多个瓷砖的位置信息获得一次通过调整相机的高度。此外,本文探测器只能识别单色瓷砖的边界,以及边缘检测器将脆性有图案的瓷砖。

本文的研究可能不仅适用于控制机器人地板砖的场景,还借鉴建筑在同样的工作条件下工作,如幕墙安装(42),砖砌体(43),和天花板上安装(44,45]。为了知道地板砖机器人能够进行实际的瓷砖操作真实的建筑工地,更深入的研究方向可能是发达国家的研究成果,如解决移动平台的导航和定位问题在建筑工地46),监控地板砖建设结合BIM技术的进展(47,48,实现精确定位的瓷砖铺设接触约束通过混合位置/力控制。

在未来的研究中,应该制订一个边缘检测器适应更多的一般照明条件和瓷砖不同的模式。作者还将开发一种混合力/位置控制算法基于视觉测量和力反馈。它可能为地板砖机器人实现操作还真实建筑工地和开发方法计划路径和建筑工地的过程监控的BIM和移动平台的导航和定位技术。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

这项研究是由BUCEA医生研究生科研能力改进项目和重点科技项目(KZ202110016024)。