非特制靶标的结构光视觉自动标定系统北大核心

为解决现有结构光视觉装置的标定方法需要高精度特制靶标且标定过程复杂的问题,实现标定过程的流程化,提出了一种基于非特制靶标的结构光视觉自动标定方法,并构建了相应的自动标定系统。该系统控制机器人带动结构光视觉装置做两组运动对非特制靶标拍照,第一组运动通过8次平移和3次末端姿态改变运动,利用靶标平面的特征点信息并结合机器人的姿态信息获取相机参数和手眼参数,第二组运动通过5次平移,利用相机外参数和机器人的位移信息求解出光平面方程。采用具有清晰图像信息的卡片式物体作为靶标,利用所提出的方法完成线结构光平面标定,精度验证实验结果表明,系统对靶标的选择有较强的适应性,在测量30 mm、50 mm和60 mm标准块时,平均绝对误差均值为0.049 6 mm,相对误差均值为0.11%,标定精度能够满足毫米级的测量要求,能适应如焊缝跟踪、物体测量等工业现场对结构光视觉装置的要求。     

基于空间直线约束的焊接机器人手眼标定

视觉传感器与焊接机器人的标定是焊接智能化应用中的重要问题,针对末端夹持线结构光传感器的焊接机器人,提出了一种基于空间直线约束的手眼标定方法.首先任意变换机器人位姿使线结构光传感器投射出的光平面与标定模板相交,然后通过特征点提取算法提取出线结构光与直线的交点,并基于直线约束建立了非线性优化模型,最后结合罚函数法与改进的Powell算法同时求解传感器位置与方向参数.基于上述方法进行了一系列试验,结果表明,该方法通用性强,适合现场标定,有效的提高了标定精度,标定精度在0.2 mm以内.     

基于线结构光视觉的轴径主动测量方法

针对轴径测量问题,提出一种通过建立与轴线垂直的虚拟平面,并利用基于最小二乘圆拟合算法快速获得被测轴直径的方法。对线结构光视觉系统进行标定,得到摄像机的内参、畸变系数、结构光平面参数;获得被测回转体轴线的方向向量和轴线与结构光平面交点坐标,利用已得到的方向向量和轴线与结构光平面的交点建立一个与轴线垂直的虚拟平面;再将结构光平面与零件表面上的交点投影到虚拟平面上,并通过所有投影点到轴线与光平面交点的距离排除数据中的噪点;最后利用有效投影点和轴线与光平面交点的距离,得到被测回转体的外表面圆柱度。通过轴径测量试验对该算法进行了验证,在复杂的测量环境下,当被测轴直径为30～50 mm时,平均测量误差为30μm,最大测量误差为50μm。因此,该算法可以应用于实际回转体零件的直径测量中。     

一种线结构光视觉测量现场标定方法

针对线结构光视觉测量的现场标定问题,提出一种基于直角方框共线圆点靶标的测量系统参数现场标定方法,建立标定模型,给出了所使用的直角方框共线圆点靶标的设计方案和标定步骤。标定时,只需将线结构光传感器的光平面与靶标圆点中心平面调整至同一平面,采集靶标上的特征圆点图像并提取特征圆点圆心的图像坐标,进而将其代入线结构光视觉测量标定模型,即可一次性标定出测量系统的参数。实验结果表明:标定精度可达0. 001 mm,该方法较现有线结构光标定方法操作简单,可满足实际测量需求,提高了线结构光视觉现场测量效率。     

基于结构光立体视觉的焊缝测量

提出了一种基于结构光立体视觉的焊缝测量方法,并给出了一种简单的摄像机与激光器标定方法。它采用安装在机器人末端的两台摄像机和一只激光器构成测量系统,激光器发出的光束经平凸柱面镜变成光平面,在焊件上形成条纹。两台摄像机同步采集该条纹图像,结合机器人末端位姿与摄像机参数,对于条纹上的每个特征点可以获得三组空间坐标。对这三组坐标进行信息融合,可以更加精确的获得特征点的空间坐标。进行的V形焊缝测量与跟踪试验表明,该方法具有实时性好、测量精度较高、标定简单、可靠性高等特点。     

结构光焊缝视觉检测系统中投影仪标定法

在基于结构光的焊缝视觉检测应用中,标定是实现高精度检测的关键.提出了一种基于平面投影的结构光视觉系统快速标定方法.该方法将投影仪当作一个逆向的摄像机,使用一块带有四角棋盘格作为靶标的平面标定板对投影仪进行标定.利用摄像机提取特征点在投影仪图像空间中的对应点,建立投影仪图像和靶标图像的对应关系,从而将投影仪标定转化为成熟的摄像机标定.得到标定结果后,即可以求得特征点的三维坐标.最后结合标定结果对试验焊缝板进行了三维重构.结果表明,所提出的标定方法操作过程简便、精度高,可适用于焊缝三维信息检测等场合.     

基于线结构光扫描的机器人GMAW自适应规划方法

针对弧焊机器人在中厚板焊接中的应用,研制了一套激光视觉传感器,基于FANUC机器人TCP/IP协议,开发了传感器与机器人控制器之间的通讯平台。以厚20 mm的Q345单V型坡口机器人GMAW为例,结合机器人手眼标定、线结构光平面参数标定结果,实现变间隙焊道参数自适应规划及多层多道自动编排,结果满足机器人中厚板自适应焊接要求。     

ＳＶＤ分解在口腔手术机器人手眼标定中的应用

口腔手术机器人手眼标定精度直接影响口腔手术机器人的工作精度。针对固定视点的口腔手术机器人,提出一种基于SVD分解的手眼标定算法,该算法无需采集姿态信息。通过纯平移运动,采集若干对坐标点计算旋转矩阵,而后通过纯旋转运动,采集若干对坐标点计算平移向量,从而完成手眼标定。在双目视觉位置定位精度为0.12 mm、机器人位置定位精度为0.1 mm、两者姿态定位精度均不定的条件下,实物实验结果表明：该算法标定平均误差的旋转部分在4 mrad以下,平移部分在0.411 mm以下,可满足口腔手术机器人手眼标定的精度要求。     

基于结构光三维视觉的再制造工件的测量及重建

提出了一种基于结构光三维视觉的再制造工件测量及重建方法。采用安装在机器人末端的结构光三维视觉传感器进行测量,给出了传感器的标定方法。控制机器人运动,使激光扫描整个工件表面,结合机器人末端位姿和传感器参数,可计算出扫描线上每个点的机器人基坐标系坐标,即获得了整个工件表面的三维坐标。对所获取的工件表面的轮廓测量数据,用B样条曲面拟合,给出了截面数据的B样条拟合算法。生成的再制造工件曲面,可以直接输入至离线编程系统,对再制造进行离线规划,并给出了轴类工件的算例。     

焊接机器人再制造中结构光传感器的标定

在基于焊接机器人的柔性再制造平台中,对零件破损部位的三维测量是获取再制造模型的关键步骤.文中提出了一种结构光传感器系统的快速标定方法,对柔性再制造线结构光三维扫描测量系统进行了标定.标定过程中首先采用平面靶标法标定出 CCD 摄像机线性模型的内外参数,然后通过靶标上的结构光条纹的像求解出光平面方程,确定结构光光平面与摄像机的位置关系.在标定出结构光测量系统的各个参数后,即可以求得零件破损部位特征点的三维坐标,从而获得破损零件的再制造模型.该方法标定过程简单,精度较高,易于实现现场标定.

Abstract：

On the flexible remanufacture platform based on welding robot, 3D ranging of the damage parts is the key step to obtain the remanufacturing data. This paper proposes a rapid calibration approach and calibrates the line structured-light 3D ranging system in the flexible remanufacture platform of the welding robot. The calibration includes the following steps: first, calibrates internal and external parameters of the camera by a planar pattern; second,solves parameters of the light plane by the structured-light strip in the image, which determine the relationship between light plane and camera, and then calculate 3D coordinate of the feature point on the damage parts to establish remanufacture model. The approach is easy, simple and accurate.     

基于线结构光的型钢自动焊接位置检测技术

摘要： 针对现有H型钢现场焊接过程中多为人工焊接、劳动强度大、操作环境恶劣且人工测量随意性大等问题,提出了一种基于视觉与图像处理的型钢自动焊接位置检测技术。该技术主要基于线结构光测量法来实现对型钢轮廓的检测从而确定焊接位置,利用激光线的位置确定焊缝位置,结合焊接机器人达到自动焊接的目的。先利用张正友标定法获得相机内参数和畸变系数,再通过最小二乘法拟合激光平面的方法实现激光平面的标定,结合两者实现整个测量系统的标定,然后基于OpenCV编程接口实现图像处理,最后利用ABB机器人工具坐标系对该测量方法的检测精度进行评价。针对检测点深度方向坐标误差较大问题提出一种误差拟合方法,应用此方法进行多种型号H型钢测量试验。试验结果表明,采用上述方法标定后的线结构光视觉测量系统测量误差小于1 mm,达到了较高的标定精度,明显降低了坐标误差,能够满足焊接使用要求。 创新点： 利用标准量块提出一种误差拟合方法,可有效降低坐标误差。     

基于结构光的焊缝表面质量检测

焊接质量检测是保证焊接质量的重要技术手段,人工检测焊接质量存在主观性强、效率低、准确率低等问题,为此提出了一种基于结构光的焊缝表面质量检测方法.首先,搭建了基于工业机器人和面结构光传感器的焊缝质量检测系统;其次,分析了焊接件的表面点云,采用随机采样一致性算法拟合平面以分割出焊缝点云,利用主成分分析算法得到焊缝点云的主方...     

基于结构光的角焊缝空间位置检测系统

自主研发了一种基于结构光图像的角焊缝空间位置检测系统。通过调节相机和标定板的相对位置进行多次拍摄,采用L-M算法开展标定数据最优化拟合,标定相机内参和外参。在结构光图像上,逐列提取灰度主峰,并基于迭代端点拟合法进行平滑处理,利用渐进霍夫变换方法确定结构光图像的角点。基于标定获得了空间转换关系,计算角焊缝空间位置坐标并反馈给焊接机器人。测试结果显示,该方法较好地完成了三面体结构工件角焊缝的机器人位置调整,机器人焊接系统的实测最大位置偏差小于±0.15 mm。     

一种基于结构光视觉的焊缝跟踪特征提取方法

对基于结构光视觉的焊缝跟踪特征提取方法进行了研究.首先通过逐列分割结构光条纹灰度菠峰并计算其重心位置实现对结构光条纹中心线的提取,其中采用自适应阈值分割和波峰特征距离计算相结合的方法以保证提取的可靠性;其次利用逐点递增式的分段直线段最小二乘拟合提取了接头轮廓的形状特征,进一步利用预先定义的基元符号实现了接头轮廓的形状描述;最后在此基础上实现了对焊缝接头的识别和跟踪点的提取.分别进行了对接、搭接以及角接焊缝实验,验证了本方法的有效性.     

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。     

结构光视觉焊接接头鲁棒识别

针对具有直线段特征的焊接接头,提出了一种基于模型的识别方法.通过对图像列方向上的光条纹灰度分布质心点序列的计算并利用分段直线段最小二乘拟合提取了结构光条纹中心线的形状特征,进一步利用预先定义的基元符号实现了接头轮廓的定性形状描述,最后实现了基于"假设一检验"的模型匹配方法.在进行匹配时,利用模型的先验信息并结合基元特征融合与特征关系重建规则恢复因飞溅、二次反光以及定位焊点等因素而未被提取到的接头轮廓信息,保证了接头识别的正确性.结果表明,即使在图像中有多种干扰的情况下,通过结合高层模型信息与底层图像处理结果仍可以保证结构光视觉焊接接头识别的鲁棒性.     

一类窄焊缝的结构光图像特征提取方法

提出一种新颖的窄焊缝的特征提取与图像处理方法,有效地克服了环境的各种干扰,可靠地提取出了焊缝的特征点.首先设计了一套基于线结构光的显微视觉系统,可靠地检测出了结构光焊缝图像;接着提出一种基于阈值变换的行像素点统计算法和自适应形态学收缩算法可靠地分割出结构光条纹图像;然后采用过度参数直线拟合和B样条曲线拟合算法准确地得到了结构光条纹的中心线.最后,提出一种基于距离搜索的算法,得到了焊缝的特征点.结果表明,窄焊缝结构光图像特征提取方法可行.     

光编码传感技术在埋弧焊焊缝检测中的应用

提出了一种基于光编码技术深度传感器的埋弧焊焊缝检测方法,提高了埋弧焊焊缝的检测速度与准确度以及抗干扰能力。通过对埋弧焊焊缝空间特征以及深度传感器采集的图像数据分析,确定深度图像中深度值最大的点即为焊缝中心处。根据这一特征给出了确定埋弧焊焊缝中心的一种快速算法,计算寻找图像中每行像素深度值最大的点,并根据这些点来确定焊缝的中心位置。这种检测方法对图像预处理要求低,计算速度快并且对光源无要求。试验表明:该方法准确、快速、稳定并且抗干扰能力强。     

圆形扫描结构光传感器的标定和焊缝检测

设计了一种新型圆形扫描结构光传感器,可在待焊工件表面形成圆形激光轨迹.阐述了该传感系统的三维测量原理,并分别对摄像机和结构光进行了标定,获得摄像机的内外参数和结构光锥面在摄像机坐标系下的方程.分别采集了对接焊缝、角接焊缝、搭接焊缝、V形坡口焊缝的图像,经过一系列的图像处理过程获得具有明显焊缝特征的二值细化图像.根据焊缝特征可以识别焊缝,得到焊缝特征点的三维空间坐标.     

微间隙焊缝磁光检测神经网络修正

针对激光焊接微间隙焊缝（间隙小于0.1 mm）,研究提高磁光传感检测焊缝精度的BP神经网络修正方法.以碳钢平板对接激光焊为试验对象,利用磁光传感器检测焊缝区域磁场分布并成像.通过分析焊缝处磁场成像并应用BP神经网络修正磁光传感器得到焊缝中心数据,有效避免焊缝磁光图像低对比度和强噪声干扰问题.经过在不同焊接速度试验下的测试,四组神经网络试验的焊缝位置误差的绝对平均值都在0.015 mm左右,BP神经网络测量误差比磁光成像直接测量平均减少约28%.BP神经网络修正磁光成像测量技术可有效识别微间隙焊缝,为解决激光焊接微间隙焊缝过程自动识别和跟踪焊缝的难题提供了一种新方法.