法律状态公告日
法律状态信息
法律状态
2019-10-01
授权
授权
2018-05-11
实质审查的生效 IPC(主分类):B23K9/095 申请日:20171031
实质审查的生效
2018-04-17
公开
公开
技术领域
本发明属于焊接技术领域,具体涉及一种基于被动视觉传感的薄板焊接的焊枪三维偏差提取方法。
背景技术
机器人焊接中采用“示教再现”模式完成工件连接时,往往耗时巨大,且不能应对焊接产生变形而形成的干扰,所以焊接效率低下,焊接质量不高,焊缝自动跟踪技术是解决这一问题的首选,而焊缝偏差检测与提取则是实现自动跟踪技术的前提,对于焊缝偏差的精确提取是焊接技术领域的研究重点之一。目前薄板机器人弧焊自动焊接中众多研究和专利只实现了提取焊枪一个方向上的偏差,三维偏差的提取尚未实现,而实现焊枪三维偏差的提取有助于焊枪跟踪精度,从而提高焊接质量,具有现实意义。
发明内容
本发明针对上述情况,提供了一种基于被动视觉传感的薄板焊接的焊枪偏差三维提取方法,通过采用包括中心波长为660nm的滤光片和透过率为0.040%的减光片组合的被动视觉传感装置获取完整焊缝图像,并通过多项式拟合和Otsu阈值分割及最近邻聚类算法提取焊缝图像中的接头轮廓线并确定接头轮廓线上的焊枪跟踪点,进而结合视觉标定技术和图像处理系统提取焊枪在三维方向的偏差,具体技术方案如下所述:
步骤1:采用包括中心波长为660nm的滤光片和透过率为0.040%的减光片组合的被动视觉传感装置获取完整焊缝图像,该完整焊缝图像包括完整电弧区域、焊缝接头轮廓线和坡口边缘线,并根据焊缝图像中的电弧区域确定该焊缝图像中的感兴趣区域(Regionof interest,ROI),利用Gabor滤波获取完整的焊缝图像的方向特征图,保留ROI的方向特征图,其他区域的灰度值被处理为0;
步骤2:多次对ROI的行数据进行多项式拟合(多项式最高项次数达到50次),并分别获取各次拟合灰度极大值点的位置,然后对步骤1中的ROI的方向特征图进行Otsu阈值分割,采用最近邻聚类算法对分割后的数据点进行分类,根据由多项式拟合获取的灰度极大值点的位置与聚类分割的结果,以最靠近极大值点且频数最多的原则辨别出属于焊缝接头轮廓数据的类,进而提取焊缝的接头轮廓线;
步骤3:对步骤2中的接头轮廓线进行直线拟合,得到对应的拟合直线方程;利用步骤 1中的完整焊缝图像进行最大灰度值阈值分割,使分割后的图像只剩下电弧区域,将该电弧区域的几何中心作为当前焊枪在图像中的位置。确定通过几何中心且垂直于之前已获取的拟合直线的直线方程,两条直线必有一个交点,将该交点设置为焊枪此刻的跟踪点;
步骤4:采用有效而成熟的视觉标定技术将步骤3中获得的焊枪跟踪点转换为世界坐标系下的坐标位置(x1,y1,z1)。根据图像采集与处理软件系统从机器人控制系统中已获知的TCP的位置(x2,y2,z2),计算出焊枪的三维偏差值:Δx=x1-x2,Δy=y1-y2,Δz=z1-z2。
本发明具有以下有益效果:
1、通过调整被动视觉传感装置中滤光减光条件,获得包含完整且规则的电弧区域、坡口边缘线和缝隙接头线的完整焊缝图像,该方法获得图像清晰,精度高,适用各种细小焊缝,可直接呈现缝隙接头线;
2、直接将提取的接头轮廓线作为提取焊枪偏差的参考线,并根据算法确定该接头轮廓线上的焊枪跟踪点,提高了后续提取偏差的精度;
3、实现了焊枪偏差的三维方向的提取,提高焊接质量。
附图说明
图1为接头轮廓线提取流程图
图2为确定焊枪跟踪点流程图
图3为工件焊接准备图
图4为采集的新颖的焊缝图像图
图5为实际接头轮廓提取过程图
图6为实际焊枪跟踪点确定图
图7为焊缝图像对比图
具体实施方式
下面结合附图,对本发明作进一步地说明。
实施例1
1、选取厚度4mm左右的薄板,选定其焊接区域,如图3所示,采用薄板薄板机器人弧焊自动焊接;
2、采用包括滤光片(中心波长为660nm,半宽为20nm)、减光片(透过率为0.040%)结合的视觉传感装置,采集获得焊缝图像,且该图像包括电弧区域、焊缝边缘、接头轮廓线,并利用Gabor滤波获取完整的焊缝图像的方向特征图,保留ROI的方向特征图,其他区域的灰度值被处理为0,如图4所示;
3、将2中采集获取的焊缝图像进行如下操作:多次对ROI的行数据进行多项式拟合并获取各次的灰度极大值点位置,并对ROI的方向特征图进行Otsu阈值分割,采用最近邻聚类算法对分割后的数据点进行分类,根据对ROI的行数据进行多项式拟合获取的各次的灰度极大值点位置与聚类分割的结果,以最靠近极大值点位置且频数最多的原则辨别出属于焊缝的接头轮廓数据的类,进而直接提取焊缝的接头轮廓线,如图5所示;
4、对上述提取的接头轮廓线进行直线拟合,得到对应的拟合直线方程;利用步骤1中的完整焊缝图像进行最大灰度值阈值分割,使分割后的图像只剩下电弧区域,将该电弧区域的几何中心作为当前焊枪在图像中的位置,确定通过该几何中心且垂直于之前已获取的拟合直线的直线方程,两条直线必有一个交点,将该交点设置为焊枪此刻的跟踪点,并采用视觉标定技术将获得的焊枪跟踪点转换为世界坐标系下的坐标位置(x1,y1,z1),根据图像采集与处理软件系统从机器人控制系统中已获知的焊枪的位置(x2,y2,z2),计算出焊枪的偏差值Δx=x1-x2,Δy=y1-y2,Δz=z1-z2,如图6所示;
实施例2
1、选取厚度4mm左右的薄板,选定其焊接区域,如图3所示,采用薄板薄板机器人弧焊自动焊接;
2、采用包括滤光片(中心波长为660nm,半宽为20nm)、减光片(透过率为0.014%)结合的视觉传感装置,采集获得焊缝图像,且该图像包括电弧区域、焊缝边缘、接头轮廓线,并利用Gabor滤波获取完整的焊缝图像的方向特征图,保留ROI的方向特征图,其他区域的灰度值被处理为0,如图7(a)所示;
实施例3
1、选取厚度4mm左右的薄板,选定其焊接区域,如图3所示,采用薄板薄板机器人弧焊自动焊接;
2、采用包括滤光片(中心波长为660nm,半宽为20nm)、减光片(透过率为0.040%)结合的视觉传感装置,采集获得焊缝图像,且该图像包括电弧区域、焊缝边缘、接头轮廓线,并利用Gabor滤波获取完整的焊缝图像的方向特征图,保留ROI的方向特征图,其他区域的灰度值被处理为0,如图7(b)所示;
实施例4
1、选取厚度4mm左右的薄板,选定其焊接区域,采用薄板薄板机器人弧焊自动焊接;
2、采用包括滤光片(中心波长为660nm,半宽为20nm)、减光片(透过率为0.0028%)结合的视觉传感装置,采集获得焊缝图像,且该图像包括电弧区域、焊缝边缘、接头轮廓线,并利用Gabor滤波获取完整的焊缝图像的方向特征图,保留ROI的方向特征图,其他区域的灰度值被处理为0,如图7(c)所示;
实施例5
1、选取厚度4mm左右的薄板,选定其焊接区域,采用薄板薄板机器人弧焊自动焊接;
2、采用包括滤光片(中心波长为660nm,半宽为20nm)、减光片(透过率为0.070%)、激光结合的视觉传感装置,采集获得焊缝图像,且该图像包括电弧区域、焊缝边缘、接头轮廓线,并利用Gabor滤波获取完整的焊缝图像的方向特征图,保留ROI的方向特征图,其他区域的灰度值被处理为0,如图7(d)所示;
实施例3分别与实施例2、实施例4、实施例5对比,实施例3获得了包括电弧区域、焊缝边缘、接头轮廓线的完整焊缝图像,因而,视觉传感装置中的中心波长为660nm,半宽为20nm的滤光片、透过率为0.040%的减光片结合这一条件是可以获得包括电弧区域、焊缝边缘、接头轮廓线的完整焊缝图像必要条件。
机译: 三维视觉传感器的位置测量方法及位置偏差校正方法
机译: 视觉传感器的工业机器人三维位置偏差检测
机译: 基于机器视觉的三维特征提取方法及装置