三维视觉在激光焊接机器人离线编程系统中的应用

建立了一套基于三维视觉的机器人离线编程系统,通过视觉传感器获取焊缝特征点的空间坐标,确定空间焊缝的准确坐标;通过一系列图像处理、坐标转换,最终生成符合机器人编程规范的程序代码,直接用于空间曲线焊缝的焊接。     

弧焊机器人中焊缝的识别处理

图像的处理与识别在焊接机器人的视觉系统中起着关键的作用,在本试验中通过摄像头拍摄焊缝,获取原始图像,然后通过图像采集卡将拍摄的图片采集到计算机内部,对原始图进行灰度处理、滤波、阈值处理,提取出焊缝的初始轮廓,由计算系统进行处理,提取出轮廓特征,然后转换为计算机容易识别的数据,机器人焊接系统根据这些有用数据对目标对象进行控制、监测或其他操作,以实现焊接生产智能化、提高焊缝质量和焊接生产率.提供给弧焊机器人的视觉处理系统的这些数据,可以提高弧焊机器人的焊接精度,实现自动纠偏,并对焊接系统提供可靠的数据.     

基于视觉传感的机器人水下焊缝跟踪

根据视觉条件下水下自动化焊接的特殊要求,设计了一套机器人水下视觉焊缝跟踪系统.针对水下焊缝图像干扰严重、模糊等特点,采用小波变换技术去除了弧光、飞溅等干扰噪声,采用改进的模糊增强图像处理方法,提高了图像处理的效率,获取了清晰的边缘图像.边缘检测后,对焊缝左右特征点进行扫描,准确地提取了焊缝中心.为了减小跟踪误差,将焊缝轨迹中的每个小线段的坐标偏移量分成50等份,同时设计了有效地机器人轨迹跟踪控制程序.水下斜线和曲线焊缝的跟踪试验表明,在正常的条件下,可以满足跟踪要求.     

基于激光视觉的薄板焊缝跟踪方法研究北大核心

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。     

弧焊机器人视觉检测平台设计与应用

为实现对V型坡口焊缝的精确检测,提出了一种基于结构光视觉传感器的弧焊机器人检测系统方法。该方法实时采集线结构光焊缝图像,采用中值滤波和最大类间方差法对图像进行去噪和阈值分割后,运用细化及斜率分析法提取结构光条纹中心直线,最后结合机器人手眼及光平面标定参数获取焊缝检测特征直线方程和特征点坐标。通过V型坡口焊缝检测实验,验证了该系统的特征点坐标检测相对误差在0.5%以内,具有较好的检测精度,满足工业实际现场的要求。     

基于视觉传感器的焊缝图像识别与跟踪控制技术研究

针对传统"示教法"机器人焊接效率低、精度不高的问题,基于视觉传感技术对焊缝图像识别与跟踪技术进行研究。利用中值滤波和阈值分割的方法对图像进行预处理,并采用动态ROI提取与最小二乘法相结合的方法提取焊缝特征点,以解决弧光、飞溅等因素对图像的影响。同时,设计了激光焊缝跟踪系统,并将焊枪姿态作为指标对对焊缝的跟踪效果进行了实验分析。研究结果表明:所设计的视觉传感系统可有效提取焊接图像特征,识别精度高。焊缝跟踪系统可实时校正焊枪位置,焊枪高度误差始终保持在0. 2 mm以内,焊缝角度识别误差不超过0. 4°,说明该系统抗干扰能力强,焊接精度高,实时性好。     

基于极线约束与激光标识的空间焊缝的立体视觉检测

针对安装在焊接机器人末端的双目立体视觉系统,建立了左右图像坐标的极线约束方程.采用极线约束和激光标识相结合的立体视觉匹配方法,完成了相交圆管马鞍形空间焊缝的立体视觉检测.结果表明,含激光条纹的焊缝图像,经细化、去毛刺处理后,可以得到分段光滑的曲线,通过曲线奇变点检测与曲线—极线相交点检测两种方法的融合,实现了空间焊缝检测点在左右图像中的可靠匹配,从而提高了焊缝及周边结构立体视觉检测的准确性.对检测的马鞍形焊缝及周边圆管的三维数据进行了重建,与实际结构尺寸比较误差小,满足一般机器人自动焊接过程中的焊缝检测要求.     

双轴机器人旋转电弧传感直线焊缝跟踪仿真研究

基于高精度双轴机器人旋转电弧传感焊接系统及PID控制策略,建立其系统虚拟样机联合控制仿真模型,以跟踪V形坡口直线焊缝为例,在模型中提取焊炬高度变化关系和焊接点坐标数值,采用特征平面法获取引入干扰的焊缝左右偏差,整定PID参数控制双轴机器人移动平台,进行焊接跟踪仿真,可知当偏差e=1时最大跟踪误差为0.0038mm,平均误差为0.0007217 mm。结果表明,采用虚拟样机技术考虑焊接系统动态特性和特征平面法获取焊缝左右偏差可以保证跟踪精度,有利于焊缝自动跟踪的研究,并可以节省成本,为焊接自动化水平的提升贡献新思路。     

棱形管与法兰角焊缝图像处理及特征提取

由于棱形管与法兰角焊缝的位置多变,且实际生产中棱形管端面加工精度不高,自动化焊接程度低,文中搭建了一套棱形管与法兰环焊缝的自动化焊接系统,对于提高棱形管与法兰焊接的自动化程度有较大的应用价值。该系统通过CMOS相机和单条纹激光组成激光视觉传感器,获取角焊缝位置和间隙信息。针对采集的图像及工件特征,设计了适合的图像处理算法,首先采用了灰度变换、均值滤波和形态学处理的方法对图像进行预处理,然后根据对激光条纹图像灰度值分析结果,寻找合适的阈值,并采用极值法提取光条中心点,最后采用霍夫变换拟合直线,提取出角焊缝位置信息,并提出激光条纹端点搜索方法,提取出了角焊缝间隙大小。结果表明,该图像处理方案效果较好,抗干扰能力较强,可以准确的提取出焊缝中心位置和间隙大小,满足焊接机器人对焊缝跟踪的要求以实现自动化焊接。 创新点： (1)设计出适用于棱形管与法兰角焊缝的自动化焊接系统。 (2)设计了适用于该系统的焊缝中心位置提取算法。 (3)设计了角焊缝间隙提取算法。     

计算机视觉焊缝识别技术研究

对焊缝识别技术进行了深入研究,包括对焊缝图像的中值滤波以降低噪声干扰、对图像的最佳阈值化以获取焊缝信息以及对图像的数学形态学处理以消除焊缝周围孤立点的干扰.在此基础上,提取到较为清晰的焊缝图像,进而采用最小二乘法建立焊缝的轨迹方程,为焊接控制提供依据,提高焊缝跟踪精度及焊接质量.     

基于激光传感器的机器人自适应多层多道焊接

针对机器人自动化焊接过程中工件的定位误差、加工误差和激光传感器的安装误差的问题,提出了一种基于线结构视觉激光传感器获取焊缝形状位置信息,并使机器人能够自动调整焊枪位置和姿态来修正误差,同时自适应不同角度焊缝的多层多道路径规划方法。首先进行手眼标定,采用pyqt5在windows系统环境下部署焊接机器人手眼标定软件,把焊道空间点信息从视觉坐标系转换为机器人基坐标系下。然后对工件进行扫描,通过预设定算法完成对实际坐标点的预处理计算,并自适应调节工具坐标系的位姿弥补偏差;最后根据处理得到的焊缝坡口的特征参数和焊接工艺要求,规划多层多道焊接的路径完成焊接。对中厚板碳钢单边V形坡口进行试验,结果表明,该方法具有良好的实用性。     

焊接机器人轨迹跟踪研究现状

各类传感器和智能控制方法极大促进了机器人在焊缝跟踪中的应用,不仅提高了焊缝跟踪的精度,同时提高了焊接效率和保证了焊接质量。简述了机器人焊缝跟踪系统的结构,详述了焊缝跟踪过程中各类传感器的工作原理及其特点;阐述了图像处理技术在机器人焊缝轨迹跟踪过程中的研究进展,并对图像的预处理、图像分割与边缘检测和特征提取等研究方法进行了分析。最后,总结了智能控制方法在焊缝跟踪中研究进展及不同形状的焊缝跟踪情况。     

基于机器视觉的管道焊接跟踪技术研究

针对爬行焊接机器人在管道自动焊接中对典型的V形坡口焊缝的定位与中心线的提取,设计了一种基于激光视觉检测的自动焊缝跟踪系统。提出了一种基于激光条纹图像特征的两步定位方法:第一步,建立模板匹配,利用模板匹配方式获取激光条纹位置区域;第二步,采用阈值分割和中心法提取激光条纹中心线,然后采用Shi-Tomasi算法对中心线进行角点检测,经过拟合直线求交点和逐列扫描对比得到焊缝坡口的4个拐点信息,并确定焊缝中心。通过对实际的焊接过程进行测试,结果表明:跟踪系统的平均纠偏误差在2像素以内,平均处理纠偏时间在120 ms以内,具有较高的精度和实时性。     

焊接机器人焊缝完整程度图像识别算法研究

焊接机器人存留的焊缝缺陷会给生产企业造成安全威胁,为了让机器人有效识别焊缝缺陷,设计了一种焊接机器人焊缝完整程度图像识别方法。该方法根据采集的焊接机器人焊缝图像,采用暗通道先验理论对采集结果实施图像增强处理操作,从而达到提升图像清晰度的目的;以此为基础采用Contourlet变换将图像分解为低频分量及高频分量图像,并采用KPCA方法提取焊缝高频分量图像纹理特征,达到提高图像完整度识别效果的目的;最终将提取结果输入到构建的支持向量机模型内,结合典型缺陷焊缝纹理特征,以此识别出焊缝的完整度,完成了对焊接机器人焊缝完整程度的全面识别。试验结果表明：通过对该方法开展了焊接机器人对焊缝的裂纹、小孔、夹渣、未焊透等完整度识别测试及识别性能测试,验证了该方法的有效性强、可行性高。     

基于结构光视觉传感器的弧焊机器人视觉检测方法及试验结果分析

针对自动焊接机器人焊缝精确检测的问题,研究了基于结构光视觉传感器的视觉检测方法,对结构光视觉传感器实时采集图像进行理论分析,经过焊缝图像预处理、图像边缘检测和轮廓提取等处理过程,运用最小二乘法对焊缝边缘拟合,通过求平均值的方法提取结构光条纹的中心直线,找到数字图像中焊缝的位置,最后利用机器人手眼标定焊缝的位置,并进行焊缝跟踪。结合试验,验证了该视觉检测方法检测精度较好,能够满足实际的工作要求。     

基于计算机视觉系统的机器人焊接路径修正研究

对于机器人焊接视觉系统,由于零件的公差配合和焊接热作用,会导致焊接过程中焊头发生微小变化,所以要进行轨迹修正。系统将摄像头安装在机器人焊接臂上,工作前将系统进行校准,然后根据采集到的焊缝形状和位置图像,建立焊缝的3D模型。根据立体视觉算法对焊接轨迹进行编程,然后焊接。系统用标准的工业焊接机器人和CMOS相机进行了试验,焊缝最大偏差轨迹为0.7 mm,平均偏差为0.23 mm。     

手眼自标定的对接焊接系统及关键技术

针对拼板对接焊的特点,提出了图像获取和焊接分离的焊接工艺,并构建基于嵌入式系统的机器视觉焊接系统。焊接工艺过程中首先获取拼板对接焊缝图像,计算焊缝参数并规划焊接路径,然后在焊接过程依据焊接路径数据控制焊枪的运动轨迹与焊缝重合,实现高精度焊接。系统采用运动参数进行手眼关系自我标定和自适应阈值处理技术实现焊缝图像滤波。系统图像扫描速度为15 m/min,焊接速度0.8~1.5 m/min,能够获得良好的单面焊双面成形的效果。实验表明,提出的焊接工艺方法和构建的焊接系统消除了弧光、烟尘的影响,能够提高拼板对接焊的焊接质量和生产效率。     

无辅助光源图像法TIG焊焊缝跟踪传感系统

焊接过程中焊炬自动跟踪焊缝对保证焊接质量,提高自动化程序有着极其重要的实际意义。焊缝自动跟踪技术的关键是焊缝位置的传感方法,本文在深入研究ＴＩＧ焊电弧发光行为的基础上,结合的实际的焊接工况,建立了一套利用电弧弧光检测焊缝位置的图像传感系统。该系统在硬件方面解决了图像采集与焊接电流的同步以及图像品质的提高等问题,在计算机软件方面解决了阀值与图像品质相匹配以及焊缝位置的提取等问题。生产实际应用结果表明     

基于电弧传感和位置前馈的机器人焊缝跟踪算法

关节机器人具有自动化程度高、运动精准等优点,被广泛应用于电弧焊接领域。但是,由于被焊接工件存在加工、装配以及安装定位误差。所以,在焊接质量要求较高、且被焊接工件一致性不好的情况下需要配套焊缝跟踪系统方能实现高质量的焊接作业。电弧传感作为焊缝跟踪的传感方式具有系统结构简单、传感位置与焊接位置重合等优点,但也具有信噪比小、精度差、跟踪参数调整困难等缺点。本研究利用电弧传感的优点,结合机器人焊接对焊缝形状位置的预知特性,利用电弧传感作为基础偏差传感器,机器人控制器根据电弧传感器测量的偏差信号,对当前焊接点进行调整的同时,还对焊缝曲线的空间方程进行调整,从而实现对焊缝曲线上未焊接点的偏移量进行预判,实现焊缝偏差的前馈调整。     

基于三线激光的除锈爬壁机器人焊缝实时辨识方法

为实现船体焊缝除锈自动化,提出了一种基于三线激光的船体除锈爬壁机器人焊缝中心线提取方法。搭载视觉传感器的爬壁机器人在除锈过程中使用三条平行线激光扫描焊件表面并获取实时图像,通过图像卷积、二值化、细化等算法得到激光条纹骨架。利用中值滤波和链码特征排除法去除骨架中的干扰点,对骨架进行分段拟合,提取焊缝特征点并确定焊缝中心线。实验表明:系统可有效检测出焊缝中心的位置,为除锈爬壁机器人的焊缝跟踪奠定基础。