激光跟踪式无导轨焊接机器人及其焊缝位置识别系统研究

介绍了激光跟踪式无导轨焊接机器人及其焊缝位置识别系统.该系统集成了光纤式激光焊缝跟踪传感器,采用以高性能DSP为核心单元的图像处理系统对激光焊缝图像进行图像处理,识别出焊缝中心位置.详细阐述了基于DSP-DM642的焊缝中心位置识别算法,通过实验确定处理一幅焊缝图像的时间为200ms,能够满足实时焊缝跟踪的要求.     

基于DSP的焊缝位置实时检测技术

提出基于TMS320DM642高速数字信号处理芯片的焊缝位置实时检测系统,对系统的工作过程和各模块的实现方法作了详细的描述,并基于此探索出利用TI提供的图像处理函数库对焊缝图像进行处理的方法.通过DSP对CCD摄取的焊缝图像进行处理,得到了焊缝的相关位置信息,满足了实际焊接过程的需要.     

基于DSP的小波变换算法研究

小波分析是一种有效的信号处理方法,DSP在信号处理中得到了广泛的应用。本文研究在DSP中实现小波分析和基于DSP的小波变换算法。用C语言开发的DSP程序稳定性好,易于移植,有较强的实用性与灵活性。     

小波分析在焊缝图像处理中的应用

从原始焊缝图像中准确检测出焊缝边缘、提取出焊缝中心位置,是实现焊缝跟踪的关键技术。将小波分析方法应用于焊缝图像处理中,首先对焊缝图像进行小波分解,然后对分解后的小波系数进行阈值处理,最后用阈值处理后的小波系数进行焊缝图像重构,有效降低了焊缝图像噪声,突出了熔池和焊缝边缘轮廓,便于机器识别及处理。接着再对消噪增强后的焊缝图像进行平滑、边缘检测,提取出焊缝中心线,用于焊缝自动跟踪控制。试验结果表明:该方法效果良好,能有效地提高焊缝跟踪精度。     

微间隙焊缝磁光图像增强方法

针对激光焊接紧密对接焊缝(焊缝间隙不大于0.1 mm),研究焊缝图像增强方法,提出利用自适应中值滤波法去除焊缝磁光图像噪声,并结合小波变换图像增强技术,进一步突出焊缝过渡带边缘特征,实现焊缝位置的识别。试验结果表明,自适应中值滤波融合小波变换图像增强算法能够准确地识别焊缝过渡带并提取焊缝中心坐标,为焊缝的准确识别与跟踪奠定基础。     

基于改进的K-means聚类图像分割算法

介绍一种采用K—L变换、二维向量小波和改进的K—means结合的图像分割算法。阐述和分析了二维向量小波变换和Laws纹理能量测度，得出图像每个像素点可用9个纹理特性来描述的结论。运用K—means算法的思想对其进行改进，最后得出分割后的图像。试验结果证明，运用以上处理方法可显著提高分割速度和精度。     

基于嵌入式DSP视觉伺服平台的管道MIG打底焊焊缝成形控制

针对坡口加工及焊接变形等因素引起的焊缝坡口宽度不确定性变化影响焊缝成形的问题,建立了基于嵌入式DSP(digital signal processor)视觉伺服平台的管道MIG打底焊焊缝成形控制系统.所设计的视觉伺服平台采用TMS320DM642实现焊接熔池区域图像的采集与处理,采用TMS320F2812实现焊枪位姿和焊接工艺参数的实时调整.设计了专门的图像处理算法,分离并提取熔池、焊缝和焊丝的位置信息.通过对焊缝坡口宽度变化的视觉检测,实时调节焊接速度、焊枪摆动宽度和中心位置等参数,获得了外观良好、X光检验合格的焊缝成形.     

基于二维小波分析的焊缝坡口边缘检测

提出一种基于二维小波进行边缘检测的方法。基数B样条函数可以说是对于软件或硬件实现都是比较有效的具有小支撑的最简单的函数，文中采用B样条小波进行焊缝坡口边缘检测。分析了不同方向小波对同一图像处理后的不同效果及尺度对图像小波变换结果的影响。最后提取出焊缝坡口边缘信息。该方法可一次处理较大视觉范围的信息。     

基于LabVIEW的直缝钢管内焊缝跟踪系统

准确而实时地检测出焊缝中心位置是焊缝跟踪系统要解决的首要问题。通过对钢管焊缝跟踪技术进行深入研究,设计了一种直缝钢管内焊缝跟踪系统。该系统硬件部分主要由视觉传感器CCD构成,控制部分通过图形化编程软件LabVIEW实现。算法上采取确定焊缝图像的边缘位置和确定焊缝图像二值化后的能量中心两种算法相结合的方法,相辅相成,最终确定焊缝中心位置。该算法无需对图像进行繁琐的预处理,试验证明该系统精确可靠,精度达3 mm。     

卡尔曼滤波磁光成像计盒维数焊缝跟踪算法

在激光焊接过程中精确地识别和跟踪焊缝十分重要。采用磁光成像传感器能够获取紧密对接微间隙焊缝(0~0.1 mm)的磁光图像。由于磁光图像存在较多干扰,根据计盒维数算法和卡尔曼滤波算法综合处理焊缝磁光图像,可获取较准确的焊缝位置。对焊缝磁光图像进行滤波去噪,将图像细分成块并计算出每个图像块的分形维数,再选取合适阈值分割图像,提取出焊缝位置参数。建立基于焊缝位置参数的系统状态方程和测量方程。应用卡尔曼滤波算法对焊缝位置进行最优状态估计,得到最小均方差条件下的焊缝偏差最优预测值。试验结果表明,卡尔曼滤波与计盒维数融合方法能够提高焊缝跟踪精度。     

Study of image processing for V-shape groove and robotic weld seam tracking based on laser vision

Single-stripe laser was applied to acquire V-shape groove contour information. Most of arc light and splash noise was removed and stripe laser image was kept by wavelet transform. Half-threshold algorithm was used for image segmentation and stripe laser image was gotten after refining. Weld seam center position was identified and extracted by extreme curvature corner detection method. The location of torch was detected to accord the frequency of computer program with robot program and serial communication program. The tracking experiments of sidelong, reflex and curve weld line show that the system can meet the demand of the tracking precision under normal welding conditions.     

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。     

单条纹激光引导焊缝跟踪图像处理

研究了单条纹激光引导焊缝跟踪图像处理方法.首先利用小波分解技术获得图像水平方向的细节部分,在该部份激光条纹的信息得到了较好的保持,而噪声信息则比较少,有利于焊缝识别;然后对该部份进行竖直方向上的中值滤波以滤除残余的噪声;最后采用KSW熵算法,对图像进行分割,并识别出焊缝区域.该方法效果较好,抗干扰性强,耗时少,能满足焊缝实时跟踪的要求.     

基于熔池图像尖端特征规律的焊接偏差测定方法

通过对管道全位置熔化极气体保护焊(gas metal arc welding,GMAW)熔池图像的研究分析,发现并验证了其根焊熔池图像尖端与焊缝坡口中心位置重合的现象,依据此规律性特征,提出了一种基于熔池图像尖端信息的焊接偏差测定方法.该方法的基本原理是,在对焊接过程熔池CCD图像进行中值滤波、小波变换、连通区域分割等图像处理后,以搜索算法测得的根焊熔池图像尖端位置信息作为焊缝坡口中心位置的坐标值,此值与焊丝中心坐标值之差即为焊接偏差量.试验证明,此方法能从根焊熔池图像中实时测定焊接偏差量,为实现机器人自动焊缝跟踪控制提供了可靠依据.     

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。     

基于激光视觉的钢结构焊缝图像处理系统

针对钢结构件品种多、批量小,焊缝形状位置一致性差,机器人重复定位过程复杂等缺点,设计了一种基于激光视觉的钢结构焊缝图像处理系统. 运用CCD工业相机和激光器,采集带有激光条带的焊缝图像,分别利用中值滤波柔化噪音,Otsu算法自适应阈值分割,开操作和形态学处理相结合去除图像中除目标像素外的小连通区域,提取激光条带的中心线,最终利用Hough变换对中心线直线拟合,得到特征点位置,并通过骨支架试验验证该技术的可行性. 结果表明,该方法可快速准确地检测到焊缝特征点,满足实际要求.     

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。     

搭接焊缝的视觉传感图像预处理及信息提取

对基于结构光视觉传感的搭接焊缝的图像预处理及信息提取进行了研究.CCD摄像机采集到的焊缝图像,经过低通滤波、阈值变换、拉普拉斯锐化、细化一系列图像预处理后,准确提取了焊缝激光条纹信息,运用搜索法检测焊缝位置.根据搭接焊缝偏中距离和焊缝高度的计算方法提取信息,实现焊缝的自动跟踪.     

基于Beamlet变换的结构光焊缝图像线性特征提取

鉴于以结构光为主动光源的焊缝跟踪方法可用于识别不同坡口形式的焊缝位置信息,对结构光焊缝图像进行了分析.为有效提取图像中结构光线性特征以确定焊缝位置,引入了束波变换.阐述了束波变换原理,开发了基于多尺度束波变换的结构光焊缝图像线性特征提取算法.做基于最大Beamlet统计的检验,对结构光焊缝图像进行小尺度束波变换以确定结构光线的大致位置,缩小搜索范围;然后对图像进行大尺度束波变换确定焊缝部分结构光线的线性特征,根据线段斜率变化可确定焊缝位置.采用该算法确定一幅结构光焊缝图像的焊缝位置的时间为260 ms.     

基于Gauss小波的焊缝检测技术

在小波边沿检测技术的基础上 ,提出了一种基于Gauss小波的焊缝检测的新技术。由于Gauss小波在时域和频域都具有很好的局部性 ,很适合于检测信号的局部形态。文章主要涉及到焊缝图像信号的预处理、Gauss小波函数及其在焊缝检测中的应用、检测结果的相关分析等。小波尺度对变换结果有很大的影响 ,文章对此进行了分析和比较。仿真结果表明 ,该方法检测精度高 ,抗干扰性能好 ,计算复杂度小 ,可靠性高 ,可以应用到实时控制中去