激光视觉传感在焊接机器人焊缝识别中的应用

为实现复杂工况下焊接机器人精准识别焊缝目标，将激光视觉传感技术应用于机器人焊缝识别中。以激光视觉传感器作为核心硬件，构建焊接图像采集系统，运用PCI总线卡检测传感器及外部指示灯是否为连接状态，通过PXR800图像采集卡在规定时间内得到激光焊接图像，使用串口通信程序完成图像高效传输。分别采用双边滤波器与模糊算子实施图像去噪与增强处理，优化图像角点与激光条纹中心点，利用等式约束方程修正卡尔曼滤波后的图像坐标值，完成高精度焊缝识别任务。仿真结果证明，激光视觉传感能够帮助机器人提升焊缝识别精度、增强抗干扰能力，为焊接机器人的推广应用发挥积极作用。     

基于改进TLD算法的激光视觉传感型焊缝跟踪

为了解决基于线激光视觉传感的焊缝中心位置定位精度不高的问题, 采用了一种基于改进跟踪-学习-检测(TLD)算法的焊缝跟踪方法。由激光视觉传感器实时获取焊缝图像, 采用将跟踪器与检测器结合的TLD算法实时跟踪焊缝特征点, 同时通过在线学习机制更新分类器参量。在此基础上对激光条纹图像截取感兴趣区域, 大幅减少检测器的搜索区域; 根据激光条纹光强分布特性, 结合纠偏方向选取跟踪器有效特征点, 以此提高算法效率, 对不锈钢板V型焊缝和搭接焊缝进行跟踪试验。结果表明, 跟踪与检测可实现共同定位焊缝中心位置, 其融合的焊缝跟踪方法能够准确地提取焊缝特征点, 两种焊缝跟踪平均绝对误差分别为0.062mm和0.052mm。此方法为提高焊缝跟踪精度提供了依据。     

核相关/卡尔曼滤波焊缝路径识别新方法研究

针对线激光视觉传感的焊缝跟踪系统在焊接过程中易受弧光、飞溅等噪声干扰而出现焊缝位置识别精度不高的问题,本研究团队提出了一种基于核相关/卡尔曼滤波算法的焊缝路径识别方法。利用图像处理方法提取焊缝中心区域,在焊接过程中利用核相关滤波(KCF)算法实时定位焊缝中心,根据响应图峰值旁瓣比(PSR)对焊缝目标模板进行自适应更新,以提高模板的抗干扰能力。采用状态扩增法建立带有色观测噪声的焊缝中心位置的卡尔曼滤波模型,对焊缝中心进行最优估计,进一步提高系统在强噪声环境下的焊缝路径识别精度。分别进行对接焊缝和搭接焊缝路径识别试验,试验结果表明:所提算法能在有强烈弧光和飞溅的工况下实现焊缝路径的准确识别,识别误差能分别控制在0.137 mm和0.105 mm以内。     

基于线阵相机的多特征激光焊接焊缝轨迹识别方法

焊缝跟踪是实现自动化焊接的关键，针对激光焊接下的近无间隙焊缝轨迹，提出了基于线阵相机和特征识别算法的焊缝追踪方法。通过线阵相机获取工件表面图像，使用均值滤波对图像进行降噪处理。通过分析图像的灰度值、图像灰度值变化、图像的灰度值梯度、焊缝区域宽度识别焊缝轨迹，实现了无间隙焊缝的识别和跟踪。通过焊接试验测试得到基于线阵相机的焊缝识别方法误差小于0.05 mm。通过对不同间隙的焊缝进行焊缝追踪试验证明了该方法对于间隙小于0.3 mm的焊缝具有良好的识别效果。     

视频三维运动捕获系统中多运动目标跟踪方法

在视频运动捕获系统中,多标记点的匹配和跟踪是获取标记点三维运动参数的关键问题.文中提出了基于二维和三维卡尔曼滤波器相结合的三维匹配跟踪算法.该算法通过卡尔曼滤波器预测标记点在二维图像和三维空间中的位置,缩小了标记点的搜索范围,约束了标记点之间的匹配关系,在双目视觉下实现了标记点准确跟踪和匹配.实验结果验证了算法的有效性.     

基于无线遥控与视觉跟踪的焊接控制系统

为解决焊接工程现场有线示教器操作不便、传统模板匹配方法受电弧与飞溅干扰而导致跟踪稳定性差等问题,设计了一种基于无线遥控与视觉跟踪的焊接控制系统。首先,设计了包含视觉单元、控制单元和执行单元的嵌入式PC无线控制系统,实现图像采集处理和焊缝跟踪偏移信息计算,并控制焊机机器人执行相应的动作。然后,采用了粒子滤波跟踪算法进行焊缝跟踪,该算法通过粒子滤波对图像大目标区域进行搜索,减少焊缝位置发生突变或焊缝图像缺失时跟踪失效的问题,确保视觉单元能够在强烈噪声干扰下快速、准确地识别焊缝特征位置。焊接测试结果表明,本系统纠偏误差小于0.12 mm,且操作方便、稳定性好、纠偏精度高、焊接表面成型质量良好,满足管道焊接的工艺要求。     

基于单目视觉的移动光斑跟踪定位方法

针对移动光斑跟踪定位中目标快速运动、严重遮挡导致光斑位置难以长时间跟踪的问题,提出了一种基于光斑跟踪模块、光斑中心定位模块和光斑轨迹预测模块三部分组成的单目视觉的移动光斑跟踪定位方法。其中,光斑跟踪模块是通过图像分割出目标光斑区域并以该区域初始化相关滤波器CN算法;光斑中心定位模块在跟踪框内通过灰度质心法求取光斑中心;光斑轨迹预测模块是通过自适应无迹卡尔曼滤波器(UKF)结合轨迹线性拟合来估计目标位置,在受干扰情况下校正CN跟踪器的搜索区域,提高系统抗干扰能力;利用实际移动光斑视频图像序列进行实验研究,对比试验结果表明所提方法的有效性。     

基于卡尔曼滤波改进的MTCNN网络人脸检测算法

针对真实视频流中的噪点、不可控的光照、人脸角度的偏转和面部遮挡及连续的人脸移动对人脸检测算法的准确性和实时性有很大影响的问题,提出一种结合卡尔曼滤波器与三级级联多任务级联卷积网络(MTCNN)深度学习网络的改进算法。该算法假设视频中人脸的运动是线性运动,通过卡尔曼滤波器预测下一帧中人脸中心点的位置,根据预测中心点位置向MTCNN网络提供下一帧推荐的检测区域,在下一帧中输入推荐区域,利用MTCNN的R-net和O-net进行再检测。通过实验验证,该算法相比原算法和其他算法在加噪情况下,保持准确率的同时提高了检测速率。     

图像处理技术在焊缝跟踪中的应用

随着焊接过程自动化和智能化的发展,基于图像处理技术的焊缝位置检测和焊接缺陷检测过程越来越受到国内外学者的重视。文章对焊缝自动跟踪系统中有关图像处理方面的研究现状作了一些介绍,详细分析了图像处理技术在焊缝跟踪过程中的应用,其中包括图像预处理、图像分割、边缘检测和特征点提取等图像处理过程,总结了一些传统和新型的图像处理算法,并讨论了各自的优缺点。     

管道焊接激光视觉跟踪的定位方法研究

为解决在管道自动焊接过程中V型坡口的识别定位问题,提出了一种基于激光视觉传感的局部区域内分步式定位方法。首先建立模板匹配,利用模板匹配方式获取焊缝初始位置区域;然后采用阈值分割和边缘提取获得激光条纹边缘线,通过Shi-Tomasi算法对边缘线进行角点检测,得到边缘线上的亚像素角点位置坐标;最后采用最小二乘法拟合得到精确的边缘直线,对上下边界线求平均值提取激光条纹的中心线,求取直线的交点得到坡口轮廓的拐点信息。通过对实际焊接现场拍摄的50幅同一高度不同位置的图像进行检测,结果表明,分步式定位方法抗干扰性强,精度较高,为完成整个跟踪自动焊接过程奠定了基础。     

基于多尺度特征提取的Kalman滤波跟踪

针对波动性较大目标跟踪,传统Kalman滤波算法鲁棒性和实时性不足,提出一种基于多尺度特征提取的Kalman跟踪算法.前帧目标区域特征点匹配出后续帧目标区域特征点,并以后者特征点为中心,建立搜索区域,避免了遍历整幅后续帧图像,快速地为Kalman滤波方程状态后验值提供了稳定的观测信号和观测残差.实验证明,这种作为约束条...     

基于聚类和特征检测的焊缝和钨针定位方法

钢管氩弧焊接过程中需要实时判断钨针针尖与钢管焊缝中心线是否对齐,以控制焊接质量。用肉眼判断误差较大,且效率较低。为此,提出一种基于聚类和特征检测的氩弧焊图像中焊缝中心线坐标和钨针针尖坐标位置计算方法。该方法利用幂次变换的方法增强图像对比度,用直觉模糊C均值聚类方法对图像进行二值化,用Canny算子边缘检测的方法提取图像特征,检测出钢管氩弧焊图像中的熔池、焊缝中心线以及钨针针尖位置。实验结果表明,该方法能够快速准确地定位焊缝中心线和钨针针尖位置。     

一种基于激光视觉的焊缝实时检测技术研究

提出了一种基于激光视觉的焊缝实时检测技术,旨在提高焊缝检测的速度和精度。在实际的焊接过程中,由于大量噪声的干扰,焊接图像的采集一直是一个复杂的过程。 本文首先建立基于激光视觉的检测系统,以获得激光条纹的原始图像。在此基础上,将原始激光条纹图像灰度化,并提出一种改进的快速中值滤波算法,在去除图像中椒盐噪声的同时,缩短了程序运行时间。并通过Otsu阈值分割获得激光条纹的二值图像,提取感兴趣的激光条纹区域。接着结合方向模板法和脊线跟踪法提取激光条纹中心线,最后采用亚像素级角点法提取焊缝的特征点。 实验证明,本文提出的方法有效地克服了焊接环境的影响,不仅缩短了焊缝特征点检测的时间,而且具有较高的检测精度,符合实际焊接要求。     

基于视觉的微细对接焊缝检测方法

本文将机器视觉和图像处理技术融入到紧密对接焊缝的检测系统中,提出一种采用LED光源照明的焊缝检测方法。第一步采用Canny算法对焊缝进行边缘处理,第二步采用概率Hough变换提取焊缝中心线。实验结果表明,该方法鲁棒性强,可以精确检测出焊缝中心线,达到了期望的检测精度,解决了微细对接焊缝检测问题,结果令人满意。     

Infrared image recognition for seam tracking monitoring during fiber laser welding

Seam-tracking ability of a laser-welding system is important for welding process, and the accurate detection of deviations between the laser-beam focus and the weld seam position is prerequisite for seam-tracking control. Infrared image sensing and visual recognition techniques for real-time seam tracking monitoring during high-power fiber laser welding is researched to improve the accuracy of seam-tracking ability. Molten pool images are caught by an infrared sensitive high speed camera arranged off-axis orientation of a laser-welding head which is fixed to a robot. Through the image processing, the feature detection of a near-infrared image is used in visual tracking. The gray-value gradient of near-infrared image is calculated and the keyhole margin of a molten pool is also detected. Combining the gradient and keyhole margin of a molten pool image, the thermal gradient parameter based on the thermal distribution of a molten pool is extracted. As a visual feature in robot control system, this parameter can be used to determine the deviations between the laser-beam focus and the weld-seam center. In comparison with direct detection of the narrow gap position, this parameter can be measured easily and the delay error resulted from the forerun of the sensor can be eliminated. This provides a practical approach to detect the deviations and the possibility to adjust the laser-beam focus position in real time, which can sensibly promote seam tracking accuracy. The proposed algorithm is tested during a butt-joint laser welding of Type 304 austenitic stainless steel plates at a continuous wave fiber laser power of 6 kW and 10 kW. Its effectiveness is confirmed by the welding experiments.     

基于改进Mean Shift算法的细胞追踪方法研究

针对经典Mean Shift算法不能有效追踪快速移动细胞的缺陷,提出了利用Mean Shift和卡尔曼滤波器相结合的方法快速移动细胞进行追踪。算法以卡尔曼滤波器预测出细胞的位置作为Mean Shift算法的初始位置,然后再利用Mean Shift算法追踪得到的细胞位置作为下一帧的卡尔曼滤波器的输入参数。实验结果表明,对于细胞图像的追踪,该方法较经典Mean Shift算法有着更高的准确率。     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波算法以处理多源数据的融合.提出的滤波算法可将M估计理论、强跟踪算法、动态增强策略与传统的容积卡尔曼滤波算法结合,以此缓解外界噪声和系统模型误差对状态估计的不利影响.在UWB-INS组合定位框架内采用动态鲁棒容积卡尔曼滤波,可实现对室内行人运动轨迹的精确稳定跟踪.实际数据测试和Matlab仿真验证了所提方法在复杂环境下其定位精度和鲁棒性均优于单一依赖UWB或INS技术的定位系统.     

视线跟踪系统中眼睛睁闭检测算法研究

眼睛睁闭检测在视线跟踪系统中具有重要意义.为提高检测的准确性,提出了一种基于Harris算子的检测方法.该方法首先利用Harris算子计算图像的角点量,然后搜索图像中角点量最大的位置,以该位置为中心,设置一个区域,统计该区域内角点量总和占整幅图像角点量总和的比例,通过将该比例与阈值相比较来确定眼睛的状态.实验结果表明,...     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。