CN106425181A - 一种基于线结构光的曲线焊缝焊接技术 - Google Patents
一种基于线结构光的曲线焊缝焊接技术 Download PDFInfo
- Publication number
- CN106425181A CN106425181A CN201610922507.1A CN201610922507A CN106425181A CN 106425181 A CN106425181 A CN 106425181A CN 201610922507 A CN201610922507 A CN 201610922507A CN 106425181 A CN106425181 A CN 106425181A
- Authority
- CN
- China
- Prior art keywords
- point
- curve
- welding
- image
- robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003466 welding Methods 0.000 title claims abstract description 92
- 238000005516 engineering process Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 239000011324 bead Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 229910000679 solder Inorganic materials 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 210000000707 wrist Anatomy 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 238000002203 pretreatment Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
Landscapes
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于线结构光的面向于斜交管的曲线焊缝焊接技术。该方法把机器视觉和机器人运动学很好的结合了起来，解决了曲线焊缝特征点获取过程机械且曲线轨迹模型建立困难的问题。首先控制六自由度机器人，使机器人末端带动工业像机拍摄带有线结构光的曲线焊缝图像。经过一系列的图像预处理以及特征点提取工作以后，得到了曲线焊缝各特征点的空间坐标，经过B样条曲线的拟合，最终得到一条光滑的空间曲线。除此之外，该发明使得焊枪在焊接曲线时，其姿态可以实时的根据工件两边的夹角进行变化，更好的提高了焊接工艺与焊接要求。
Description
所属技术领域
本发明属于工业自动化焊接技术领域，涉及线结构光引导的曲线焊缝检测技术，特别是能够实时的根据工件侧面的夹角来改变焊枪姿态的轨迹规划方法。
背景技术
随着工业自动化的不断发展，自动化焊接已经成为汽车、船舶等生产企业的发展主流。因而受到人们的广泛重视与关注。目前基于线结构光的以机器视觉为引导的来实现自动化焊接的大部分以直线焊缝检测为主，而就曲线焊缝焊接而言，焊缝特征点的确定一般是通过示教的方法确定，该种方法获取过程机械，不能满足自动化生产的需求。
在实际焊接中，经常会遇到斜交圆管插接时的相贯线焊接情况。对于管管相贯焊接而言，其模型即为典型的空间曲线。对于曲线焊缝来说，通过简单的位姿插补轨迹规划算法已经不能满足严格要求的焊接质量与要求，需要实时的根据工件侧面的夹角来改变焊枪的位置和姿态。
机器人在焊接的过程中如何能够精准快速的找到曲线焊缝并根据工件侧面的夹角来控制焊枪的姿态，是一直困扰自动化焊接领域的一大难题。通过六自由度工业机器人带动机器人末端工业相机对曲线焊缝进行图像采集，经过一定的图像预处理以及焊缝特征点检测工作，利用三维重建，得到各曲线焊缝特征点的机器人坐标，最后利用B样条曲线插补以及焊枪姿态离散算法，不仅可以使弧焊机器人按照最优路径进行施焊，还可以大大的改善焊接质量，提高生产效率，在实际生产中具有重要意义
发明内容
本发明能够有效的实现工业机器人对曲线焊缝的自动识别与焊接，并且能够根据斜交管侧面的角度实时的调节焊枪的姿态，经过实证表明该算法不仅定位准确而且能够满足各种焊接工艺的要求。
本发明解决上述技术问题的技术方案是，提出一种基于线结构光的曲线焊缝自动化焊接技术。其具体过程如下：
步骤一：调节六自由度工业机器人使其带动机械末端上的工业相机以及线结构光传感器，使结构光光带照射位置s1处，利用工业相机对曲线焊缝上的光带进行拍摄，一直拍摄到sn处。在实证中拍摄6幅图像，并将拍摄得到的数字图像传输给图像处理器。
步骤二：对所拍摄的曲线焊缝图像进行图像处理工作经过特征点提取算法，得到焊缝各特征点以及参考点的图像坐标，其具体步骤包括：
步骤2-1、降噪处理，利用中值滤波以及LOG滤波，对采集得到的焊缝图像进行一定的降噪处理，使结构光的光带条纹更加鲜明；
步骤2-2、ROI区域的截取，通过对图像Y轴方向的灰度值扫描，找到某一列竖直方向灰度值最大的像素点位置，根据实际工件尺寸，以此点为参考向该点的Y轴负方向平移n个像素点的位置，并把此点在Y轴方向的位置数值设置为剪切图像起点的Y轴坐标，X轴坐标设置“1”。
步骤2-3、图像二值化处理，本文选用最大方差法。该算法不需要人为的设定其他参数，是一种自动选择阈值的方法；
步骤2-4、形态学腐蚀，本文使用的是3*3模板进行处理，使得光条边缘的毛刺以及一些孤立零散的点得以消除；
步骤2-5、图像细化，通过水平和竖直方向扫描，找出所有像素值为1的点，找出光带在每一列上下边界的纵坐标，分别记为y1i和y2i。光带的宽度记为Δyi，中心线的纵坐标纪为ymidi，所以中心点坐标可以表示为(xi，ymidi)，其中
步骤2-6、特征点提取，从左向右不断计算以N个像素点为单位长度的线段的斜率，将整个线段的斜率以曲线的类型表示。从斜率变化曲线可以清楚的知道线段的斜率变化，通过分析得知斜率最大值所对应的点便是曲线上所需求取的焊缝特征点的位置。
步骤三：三维重建，将特征点坐标以及参考点坐标由图像坐标系转化到机器人坐标系，通过标定可知摄像机到腕部的转换矩阵T。机器人的六自由度关节角可以从示教器上得知，经过机器人的正解可以得知机器人末端相对于机器人基座的位姿矩阵B。最后，通过式pb＝B*T*pc，可求得pc点在基坐标系下的坐标pb。
步骤四：各特征点的曲线插值，本课题采用B样条的理论来实现空间焊缝曲线的插值。在焊接加工中我们首先根据步骤二和步骤三中的图像处理算法以及三维重建，获取到曲线焊缝各个特征点的三维坐标，也就是型值点坐标，然后计算控制顶点。
步骤五：确定焊枪在各个特征点位置的姿态，在直线和曲线上各选取一个参考点C和B，其中B点在曲线焊缝特征点起点的切线延长线上，C点在直线光条上。角BAC近似表示为斜交管的侧面张角。根据焊接工艺及要求，焊枪所在的位置应为斜交管侧面张角角平分线的位置。根据B样条曲线插值得到焊缝曲线表达式U，通过对U求导，从而得到沿曲线切线方向(即X轴方向)的方向向量Xx。把向量和单位化：初步计算焊枪尖点Z轴的方向向量：进一步求取特征点Y轴方向的方向向量：Xy＝Xz′×Xx；显然可以得出，Xx和Xy是相互垂直的，而Xx和Xz′不能保证垂直，所以需要对Xz′的方向向量进行方向修正：Xz＝Xx×Xy；根据该特征点三个方向向量的确定进而可以得到该特征点所对应焊枪位置的姿态矩阵：
步骤六：焊枪姿态的离散，据步骤五中得到的各特征点的姿态矩阵，进而求解每相邻两个特征点之间各离散点的姿态。假设第一和第二特征点的姿态矩阵分别为R1和R2，R1和R2之间需要离散N个点。在这里我们可以得到：R1到R2的姿态变换矩阵：Rot1＝R1\R2；利用机器人运动学求解得到R1和R2之间每个离散点之间的欧拉角梯度E1，进而得到每两个离散点之间的姿态梯度R01；最终得到第一个离散点的姿态矩阵R11＝R1*R01；同理可以得到第二个离散点的姿态矩阵为R12＝R1*R01*R01，以此类推求取接下来各离散点的姿态矩阵。
本发明提供的基于线结构光的面向于斜交管的曲线焊缝自动化焊接技术与传统的轨迹规划技术有着本质的区别，本发明把机器视觉与机器人运动学很好的结合了起来，体现了如今自动化产业的发展方向和发展要求，摒弃了复杂落后的示教方法来确定焊缝特征点的过程。经实证表明，该算法具有较高的鲁棒性和实时性，在实际焊接中可以满足焊接的各种要求且具有较高的焊接精度。
附图说明
图1为算法的步骤流程框图；
图2为图像处理部分流程框图；
图3为焊接机器人各坐标转换示意图；
图4为斜交管模型示意图；
具体实施方式
如图1所示为基于线结构光的面向于斜交管的曲线焊缝自动化焊接技术流程框图，下面根据附图及具体实例对本发明的实施作进一步说明：
步骤一：调节六自由度工业机器人使其带动机械末端上的工业相机以及线结构光传感器，使结构光光带照射位置S1处，利用工业相机对曲线焊缝上的光带进行拍摄，且一直拍摄到Sn处，在实证中拍摄6幅图像，即拍摄到S6处。并将拍摄得到的数字图像传输给图像处理器。
步骤二：针对所拍摄的曲线焊缝图像进行图像处理，其具体过程如下：
步骤2-1、对图像进行滤波：
步骤2-1-1、中值滤波：选择3*3的滤波模板对焊缝进行图像处理。该模板可以针对灰尘、飞溅带来的椒盐噪声得到明显的消除。
步骤2-1-2、LOG滤波：本发明选择使用高斯-拉普拉斯滤波一维列向模板。其模板为s＝[-2；-2；-1；0；1；2；4；2；1；0；-1；-2；-2]，该操作可以很好的处理这些噪声并掏空噪声内部，使其边缘化。
步骤2-2、ROI区域提取：提出一种新的ROI区域的提取算法，该算法会使非感兴趣区域带来的干扰得以消除，降低了数据运算规模，提高了图像处理的运算效率。ROI区域提取算法如下：
步骤2-2-1、读取一幅灰度图像，并将该幅图像上所有像素点的灰度值存储在一个已经定义的一维数组当中；
步骤2-2-2、确定ROI区域剪切参数：Xmin(剪切图像的起点的x轴坐标)：设置为“1”；Ymin：(剪切图像的起点的Y轴坐标)：通过Y轴方向的灰度值扫描，找到某一列竖直方向灰度值最大的像素点位置，根据工件尺寸，以此点为参考向该点的Y轴负方向平移n个像素点的位置，并把此点在Y轴方向的位置数值设置为“Ymin”；Weight：选取原图像的宽度作为“Weight”值；Height：工件尺寸，将“Height”数值设置为h；即：
步骤2-3、图像二值化处理，本文选用最大方差法。该算法不需要人为的设定其他参数，是一种自动选择阈值的方法；
步骤2-4、形态学腐蚀，本文使用的是3*3模板进行处理，使得光条边缘的毛刺以及一些孤立零散的点得以消除；其模板为：
步骤2-5、图像细化，通过水平和竖直方向扫描，找出所有像素值为1的点，找出光带在每一列上下边界的纵坐标，分别记为y1i和y2i。光带的宽度记为Δyi，中心线的纵坐标记为ymidi，所以中心点坐标为(xi，ymidi)；即：
步骤2-6、焊缝特征点的确定，其算法步骤如下：
步骤2-6-1、从左向右不断计算以n个像素点为长度单位的线段的斜率，将整个线段的斜率以曲线的类型表示。
步骤2-6-2、从斜率变化曲线可以清楚的知道线段的斜率变化，通过分析得知斜率最大值所对应的点便是曲线上所需求取的焊缝特征点的位置。
步骤三：将步骤二中得到的曲线焊缝特征点的图像坐标经过三维重建，转变成机器人坐标系下的坐标。
步骤3-1、利用摄像机内外参数标定以及线结构光平面方程标定得到的参数M，假设点p在图像坐标系下的坐标为(u1，v1)，因而可以计算出p点在摄像机的焦距归一化成像平面的成像点P1c1的坐标：
步骤3-2、假设平面方程式为：ax+by+cz+1＝0，其中，a，b，c为平面方程的各项系数。由于空间点P1c1在摄像机的光轴中心点与成像点构成的直线上，即可知：
步骤3-3、利用该直线的方程与结构光平面方程，即可得到特征点在摄像机坐标系下的三维坐标pc(x，y，z)，可以得到：
步骤3-4、通过标定可知摄像机到腕部的转换矩阵T。机器人的六自由度关节角可以从示教器上得知，经过机器人的正解可以得知机器人末端相对于机器人基座的位姿矩阵B。最后，通过式pb＝B*T*pc，可求得pc点在基坐标系下的坐标pb。
步骤四：采用B样条的理论来实现空间焊缝曲线的插值。在焊接加工中我们首先根据前期的图像处理算法以及三维重建，获取到曲线焊缝各个特征点的三维坐标，也就是型值点坐标，然后计算控制顶点。我们根据给定的型值点序列Pi(i＝1，2，…，n)计算控制顶点Vj(j＝1，…，2，n+1，n+2)，使其定义的三次B样条曲线通过点列Pi(i＝1，2，…，n)并以Pi为曲线段的结点。
在曲线拟合过程中往往需要获取n个型值点。在实证中通过前期获取的6个型值点来验证，把曲线段数分为5段，根据B样条基函数的系数可知：
中间的B样条矩阵表示为：
则各段曲线的首点为：
所以，根据式(8)可以得出第3段曲线：
第4段曲线：
第5段(最后一段)曲线：
最后一段曲线的末点为：P6＝V8。
综上可以得出：
当两端取自由端条件时，方程组为：
加上端点条件，其首端顶点和末端顶点，
综合以上各式便可以求出所有的控制顶点。
步骤五：确定焊枪在各个特征点位置的姿态。在直线和曲线上各选取一个参考点C和B，其中B点在曲线焊缝特征点起点的切线延长线上，角BAC近似表示为斜交管的侧面张角。
根据B样条曲线插值得到焊缝曲线表达式U，通过对U求导，从而得到沿曲线切线方向的方向向量Xx。
根据焊接工艺及要求，焊枪所在的位置应为斜交管侧面张角角平分线的位置。把向量和单位化：
初步计算焊枪尖点Z轴的方向向量：
进一步求取特征点Y轴方向的方向向量：Xy＝Xz′×Xx；
显然可以得出，Xx和Xy是相互垂直的，而Xx和Xz′不能保证垂直，所以需要对Xz′的方向向量进行方向修正：Xz＝Xz×Xy；
根据以上各式确定的各特征点三个方向向量进而可以得到该特征点所对应焊枪位置的姿态矩阵：
步骤六：焊枪姿态的离散。据步骤五中得到的各特征点的姿态矩阵，进而求解每两个特征点之间各离散点的姿态；
假设第一和第二特征点的姿态矩阵分别为R1和R2，R1和R2之间需要离散N个点。
在这里我们可以得到：R1到R2的姿态变换矩阵：Rot1＝R1\R2；
利用机器人运动学求解得到R1和R2之间每个离散点之间的欧拉角梯度E1，进而得到每两个离散点之间的姿态梯度R01；
最终得到第一个离散点的姿态矩阵R11＝R1*R01；
同理可以得到第二个离散点的姿态矩阵为R12＝R1*R01*R01，以此类推求取接下来各离散点的姿态矩阵。
上述基于线结构光的面向于斜交管的曲线焊缝自动化焊接技术，可以快速的识别曲线焊缝并可以有效的控制弧焊机器人焊接时焊枪的位置和姿态。打破了以往通过示教获取曲线焊缝型值点的方式，告别了弧焊机器人焊接复杂空间曲线模型时机械的焊接方法，对于实现推进工业自动化的发展具有十分重要的意义。
Claims (6)
1.一种基于线结构光的面向于斜交管的曲线焊缝焊接技术方法，其步骤如下：
步骤一、控制六自由度工业机器人带动机械臂末端上的工业相机对曲线焊缝进行图像采集；
步骤二、根据工业相机所采集的焊缝图像进行图像预处理工作，经过特征点提取算法，得到焊缝各特征点以及参考点的图像坐标；
步骤三、利用步骤二求取得到的特征点以及参考点图像坐标进行三维重建，得到这些特征点和参考点的机器人坐标；
步骤四、利用步骤三求取的机器人坐标进行空间曲线插值；
步骤五、根据已经得到的空间曲线上的各特征点以及各参考点构建的角度，来确定焊枪在各个特征点位置的姿态；
步骤六、曲线焊缝每相邻两个特征点之间焊枪姿态的离散。
2.根据权利要求1所述的方法，其特征在于，在步骤二中：曲线焊缝原始图像在拍摄的过程中，有大量的烟雾以及阳光反射的噪声干扰，图像进行预处理之前巧妙的运用了ROI区域提取算法，该算法有效的排除了大量的噪声干扰，提高了运算效率。在此基础上进行中值滤波、Log滤波、图像二值化、图像腐蚀以及图像细化操作，经过特征点提取算法，得到各曲线焊缝特征点的图像坐标。
3.根据权利要求1所述的方法，其特征在于，在步骤三中，通过标定可知摄像机到腕部的转换矩阵T。机器人的六自由度关节角可以从示教器上得知，经过机器人的正解可以得知机器人末端相对于机器人基座的位姿矩阵B。最后，通过式pb＝B*T*pc，可求得pc点在基坐标系下的坐标pb。其中pc为在以摄像机坐标系为参考下的坐标点。
4.根据权利要求1所述的方法，其特征在于，在步骤四中，把机器视觉以及机器人运动学巧妙的结合了起来，摈弃了传统的通过示教的方法来获取焊缝特征点的方法。根据B样条基函数的系数得到各曲线段的B样条矩阵，通过利用步骤三所获取的特征点空间坐标，即型值点，最后得到曲线上各控制顶点的空间三维坐标。
5.根据权利要求1所述的方法，其特征在于，在步骤五中，可以实时的根据工件侧面的角度来来控制焊枪的姿态，使得焊枪的位置始终保持在工件侧面夹角的角平分线位置。设某一焊缝特征点为A，在此特征点两边各找一参考点B和C，此时构成的角度BAC即为工件侧面的夹角，根据B样条曲线插值得到的焊缝曲线表达式U，通过对U求导，从而得到特征点在沿曲线切线方向(即X轴方向)的方向向量Xx。把向量和单位化：初步计算焊枪尖点Z轴的方向向量：进一步求取特征点Y轴方向的方向向量：Xy＝Xz′×Xx；显然可以得出，Xx和Xy是相互垂直的，而Xx和Xz′不能保证垂直，所以需要对Xz′的方向向量进行方向修正：Xz＝Xz×Xy。且Xz的方向向量所处的位置亦为曲线焊缝夹角的角平分线位置。根据该特征点三个方向向量的确定进而可以得到该特征点所对应焊枪位置的姿态矩阵R。
6.根据权利要求1所述的方法，其特征在于，在步骤六中，根据步骤五中得到的各特征点的姿态矩阵，进而求解每相邻两个特征点之间各离散点的姿态。假设第一和第二特征点的姿态矩阵分别为R1和R2，R1和R2之间需要离散N个点。在这里我们可以得到：R1到R2的姿态变换矩阵：Rot1＝R1\R2；利用机器人运动学求解得到R1和R2之间每个离散点之间的欧拉角梯度E1，进而得到每两个离散点之间的姿态梯度R01；最终得到第一个离散点的姿态矩阵R11＝R1*R01；同理得到第二个离散点的姿态矩阵R12＝R1*R01*R01，以此类推。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610922507.1A CN106425181A (zh) | 2016-10-24 | 2016-10-24 | 一种基于线结构光的曲线焊缝焊接技术 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610922507.1A CN106425181A (zh) | 2016-10-24 | 2016-10-24 | 一种基于线结构光的曲线焊缝焊接技术 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106425181A true CN106425181A (zh) | 2017-02-22 |
Family
ID=58176588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610922507.1A Pending CN106425181A (zh) | 2016-10-24 | 2016-10-24 | 一种基于线结构光的曲线焊缝焊接技术 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106425181A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106826832A (zh) * | 2017-02-27 | 2017-06-13 | 广东工业大学 | 一种焊接机器人及其焊缝路径学习方法、*** |
| CN107644441A (zh) * | 2017-08-30 | 2018-01-30 | 南京大学 | 基于三维成像的多足机器人复杂路况离散成落脚点方法 |
| WO2018188276A1 (zh) * | 2017-04-09 | 2018-10-18 | 北京工业大学 | 一种六自由度机器人末端空间曲线轨迹的误差建模方法 |
| CN108907526A (zh) * | 2018-08-04 | 2018-11-30 | 苏州佩恩机器人有限公司 | 一种具有高鲁棒性的焊缝图像特征识别方法 |
| CN110091333A (zh) * | 2019-05-17 | 2019-08-06 | 上海交通大学 | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 |
| CN110814584A (zh) * | 2019-10-29 | 2020-02-21 | 创想智控科技（深圳）有限公司 | 基于预扫描的焊接方法、装置、***及电子设备 |
| CN111558758A (zh) * | 2020-05-21 | 2020-08-21 | 宁夏天地奔牛实业集团有限公司 | 一种矿用链轮链窝表面自动堆焊方法 |
| CN111702380A (zh) * | 2020-05-18 | 2020-09-25 | 天津大学 | 一种焊接机器人焊接过程控制方法 |
| CN112238304A (zh) * | 2019-07-18 | 2021-01-19 | 山东淄博环宇桥梁模板有限公司 | 一种基于图像视觉识别焊缝的机械臂自动焊接小批量定制异型桥梁钢模板方法 |
| CN112659123A (zh) * | 2020-12-14 | 2021-04-16 | 南京工程学院 | 一种基于线结构光视觉的双机器人曲线焊接协同规划方法 |
| CN112834505A (zh) * | 2020-12-31 | 2021-05-25 | 芜湖哈特机器人产业技术研究院有限公司 | 管道工件涂膏的焊缝三维视觉检测定位装置及其检测定位方法 |
| CN113063348A (zh) * | 2021-03-15 | 2021-07-02 | 南京工程学院 | 一种基于立体参考物的结构光自垂直弧形焊缝扫描方法 |
| CN113418927A (zh) * | 2021-06-08 | 2021-09-21 | 长春汽车工业高等专科学校 | 基于线结构光的汽车模具视觉检测***及检测方法 |
| CN113681133A (zh) * | 2021-08-30 | 2021-11-23 | 南京衍构科技有限公司 | 一种带视觉的冗余自由度机器人智能焊接方法 |
| CN114161048A (zh) * | 2021-12-30 | 2022-03-11 | 常熟理工学院 | 一种基于3d视觉的铁塔塔脚参数化焊接方法及装置 |
| CN115990896A (zh) * | 2023-02-15 | 2023-04-21 | 浙江奥桑机械设备有限公司 | 一种基于图像识别的焊接机器人控制*** |
| CN116175035A (zh) * | 2023-03-20 | 2023-05-30 | 中国十七冶集团有限公司 | 一种基于深度学习的钢结构高空焊接机器人智能焊接方法 |
-
2016
- 2016-10-24 CN CN201610922507.1A patent/CN106425181A/zh active Pending
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106826832A (zh) * | 2017-02-27 | 2017-06-13 | 广东工业大学 | 一种焊接机器人及其焊缝路径学习方法、*** |
| WO2018188276A1 (zh) * | 2017-04-09 | 2018-10-18 | 北京工业大学 | 一种六自由度机器人末端空间曲线轨迹的误差建模方法 |
| CN107644441A (zh) * | 2017-08-30 | 2018-01-30 | 南京大学 | 基于三维成像的多足机器人复杂路况离散成落脚点方法 |
| CN108907526A (zh) * | 2018-08-04 | 2018-11-30 | 苏州佩恩机器人有限公司 | 一种具有高鲁棒性的焊缝图像特征识别方法 |
| CN110091333A (zh) * | 2019-05-17 | 2019-08-06 | 上海交通大学 | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 |
| CN110091333B (zh) * | 2019-05-17 | 2022-05-06 | 上海交通大学 | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 |
| CN112238304A (zh) * | 2019-07-18 | 2021-01-19 | 山东淄博环宇桥梁模板有限公司 | 一种基于图像视觉识别焊缝的机械臂自动焊接小批量定制异型桥梁钢模板方法 |
| CN112238304B (zh) * | 2019-07-18 | 2023-01-06 | 山东淄博环宇桥梁模板有限公司 | 一种基于图像视觉识别焊缝的机械臂自动焊接小批量定制异型桥梁钢模板方法 |
| CN110814584A (zh) * | 2019-10-29 | 2020-02-21 | 创想智控科技（深圳）有限公司 | 基于预扫描的焊接方法、装置、***及电子设备 |
| CN111702380A (zh) * | 2020-05-18 | 2020-09-25 | 天津大学 | 一种焊接机器人焊接过程控制方法 |
| CN111558758A (zh) * | 2020-05-21 | 2020-08-21 | 宁夏天地奔牛实业集团有限公司 | 一种矿用链轮链窝表面自动堆焊方法 |
| CN111558758B (zh) * | 2020-05-21 | 2021-10-26 | 宁夏天地奔牛实业集团有限公司 | 一种矿用链轮链窝表面自动堆焊方法 |
| CN112659123A (zh) * | 2020-12-14 | 2021-04-16 | 南京工程学院 | 一种基于线结构光视觉的双机器人曲线焊接协同规划方法 |
| CN112834505A (zh) * | 2020-12-31 | 2021-05-25 | 芜湖哈特机器人产业技术研究院有限公司 | 管道工件涂膏的焊缝三维视觉检测定位装置及其检测定位方法 |
| CN113063348A (zh) * | 2021-03-15 | 2021-07-02 | 南京工程学院 | 一种基于立体参考物的结构光自垂直弧形焊缝扫描方法 |
| CN113418927A (zh) * | 2021-06-08 | 2021-09-21 | 长春汽车工业高等专科学校 | 基于线结构光的汽车模具视觉检测***及检测方法 |
| CN113681133A (zh) * | 2021-08-30 | 2021-11-23 | 南京衍构科技有限公司 | 一种带视觉的冗余自由度机器人智能焊接方法 |
| CN113681133B (zh) * | 2021-08-30 | 2022-07-08 | 南京衍构科技有限公司 | 一种带视觉的冗余自由度机器人智能焊接方法 |
| CN114161048A (zh) * | 2021-12-30 | 2022-03-11 | 常熟理工学院 | 一种基于3d视觉的铁塔塔脚参数化焊接方法及装置 |
| CN114161048B (zh) * | 2021-12-30 | 2023-11-21 | 常熟理工学院 | 一种基于3d视觉的铁塔塔脚参数化焊接方法及装置 |
| CN115990896A (zh) * | 2023-02-15 | 2023-04-21 | 浙江奥桑机械设备有限公司 | 一种基于图像识别的焊接机器人控制*** |
| CN115990896B (zh) * | 2023-02-15 | 2023-06-23 | 浙江奥桑机械设备有限公司 | 一种基于图像识别的焊接机器人控制*** |
| CN116175035A (zh) * | 2023-03-20 | 2023-05-30 | 中国十七冶集团有限公司 | 一种基于深度学习的钢结构高空焊接机器人智能焊接方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106425181A (zh) | 一种基于线结构光的曲线焊缝焊接技术 | |
| CN210046133U (zh) | 基于激光结构光的焊缝视觉跟踪*** | |
| CN108637435B (zh) | 一种基于视觉与弧压传感的三维焊缝跟踪***及方法 | |
| CN105844622A (zh) | 一种基于激光视觉的v型坡口焊缝检测方法 | |
| CN108280856A (zh) | 基于混合信息输入网络模型的未知物体抓取位姿估计方法 | |
| CN111721259B (zh) | 基于双目视觉的水下机器人回收定位方法 | |
| CN113146172B (zh) | 一种基于多视觉的检测与装配***及方法 | |
| CN104636760B (zh) | 一种焊缝的定位方法 | |
| CN106934813A (zh) | 一种基于视觉定位的工业机器人工件抓取实现方法 | |
| CN109470149B (zh) | 一种管路位姿的测量方法及装置 | |
| CN109447939B (zh) | 基于混合光谱视觉的熔池成形前焊缝宽度预测方法 | |
| CN112529858A (zh) | 一种基于机器视觉的焊缝图像处理方法 | |
| CN111359915B (zh) | 基于机器视觉的物料分选方法及*** | |
| CN112819772A (zh) | 一种高精度快速图形检测识别方法 | |
| CN107014291A (zh) | 一种物料精密转载平台的视觉定位方法 | |
| CN114155301A (zh) | 一种基于Mask R-CNN和双目相机的机器人目标定位和抓取方法 | |
| CN111784655A (zh) | 一种水下机器人回收定位方法 | |
| CN112926503A (zh) | 一种基于矩形拟合的抓取数据集自动生成方法 | |
| CN115816460A (zh) | 一种基于深度学习目标检测与图像分割的机械手抓取方法 | |
| CN112419237A (zh) | 一种基于深度学习的汽车离合主缸凹槽表面缺陷检测方法 | |
| CN104966302B (zh) | 一种任意角度激光十字的检测定位方法 | |
| CN109894779A (zh) | 一种机器视觉跟踪***及方法 | |
| CN114618838A (zh) | 一种基于机器视觉的智能化激光清洗装置及其操作方法 | |
| CN117269168B (zh) | 一种新能源汽车精密零配件表面缺陷检测装置及检测方法 | |
| CN112588621A (zh) | 一种基于视觉伺服的农产品分拣方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170222 |
|
| WD01 | Invention patent application deemed withdrawn after publication |