CN109648202A - 非平整面自主识别机器人增材制造成形精度控制方法 - Google Patents
非平整面自主识别机器人增材制造成形精度控制方法 Download PDFInfo
- Publication number
- CN109648202A CN109648202A CN201810944994.0A CN201810944994A CN109648202A CN 109648202 A CN109648202 A CN 109648202A CN 201810944994 A CN201810944994 A CN 201810944994A CN 109648202 A CN109648202 A CN 109648202A
- Authority
- CN
- China
- Prior art keywords
- increasing material
- workpiece
- material manufacturing
- laser
- control method
- 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.)
- Granted
Links
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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/34—Laser welding for purposes other than joining
- B23K26/342—Build-up welding
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/346—Working by laser beam, e.g. welding, cutting or boring in combination with welding or cutting covered by groups B23K5/00 - B23K25/00, e.g. in combination with resistance welding
- B23K26/348—Working by laser beam, e.g. welding, cutting or boring in combination with welding or cutting covered by groups B23K5/00 - B23K25/00, e.g. in combination with resistance welding in combination with arc heating, e.g. TIG [tungsten inert gas], MIG [metal inert gas] or plasma welding
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
- Arc Welding In General (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种非平整面自主识别机器人增材制造成形精度控制方法,将CMOS摄像机与投影仪组成三维测量***,采集工件表面图像,利用基于结构光的双目视觉相结合,提取工件表面的特征数据,控制器重建三维模型并确定电弧熔化参数;利用TIG焊枪在保护气氛中进行不填丝熔化的平峰填谷操作;再根据测量的表面平整度的值设定对应能量、频率的激光热源,通过激光器对表面进行激光熔化处理;最后再检测实际表面平整度,与标准的表面平整度进行对比,若不达标则重复此过程,直到合格为止。本发明的焊接***能够有效提高电弧增材件表面精度,保证焊接质量和稳定性,因此有效能够提升电弧增材成形件的质量。
Description
技术领域
本发明属于机器视觉技术领域以及增材制造技术领域,特别涉及非平整面自主识别机器人增材制造成形精度控制方法。
背景技术
传统焊接的特点是工艺因素复杂、劳动强度大,生产周期长、劳动环境差,其品质依赖操作者的技能、技术和经验关,因此焊接自动化技术的发展对于提高焊接接头质量、保证焊接过程稳定性具有很重要的意义。
随着近年来科学技术的进步,机器视觉在工业生产中的应用越来越广泛,用机器代替人做测量和判断,减少由于人的主观因素导致的误差。通过机器视觉产品将被摄取目标转换成图像信号,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像处理***对信号进行各种运算来提取目标的特征,进而根据控制模型判别、并对目标相关设备参数和动作进行在线调整。
将机器视觉技术与焊接自动化技术相结合,可以改善以往机器人工作时一成不变的工作模式,实现机器人根据工作时的焊接环境和焊接任务,自动调节更合适的焊接过程,这对于焊接智能化的发展起到了很大的推动作用。
专利申请号为201711469112.1的发明公开了一种焊接质量机器视觉高精度检测方法。该方法为:先采用360°高清摄像头采集焊接后的工件表面图像,并将采集的图像发送至控制器中;再将控制器中设置的图像采集卡对图像信号进行滤杂优化后发送至控制器内主控单元;之后对采集的图像进行分类处理;最后将分类后的图像发送至数据库中进行比对,将焊接质量不符合的工件进行报警剔除。然而,此方法过程繁琐,需要重复比对,而且处理精度不足。
专利申请号为201711425236.X的发明提供了一种双目视觉***的三维重建方法、装置及双目视觉***,所述三维重建方法为:使用预先标定参数模型的双目摄像头获取两幅图像;基于所述两幅图像,使用YOLO目标检测算法获取目标物体图像的识别信息与检测窗口,对所述两幅图像的检测窗口作为特征点进行立体匹配,获得目标物体图像的空间离散点云;基于所述空间离散点云与所述参数模型,通过三角测绘的原理,获取实际空间中目标物体的位置坐标,以完成三维重建。然而,此方法中的三维重建过程中两台摄像头对应成像点匹配困难,算法复杂。
发明内容
本发明的目的在于基于现状的不足,提出一种能够有效提高非平整面自主识别机器人增材制造精度控制的方法。
实现本发明目的的技术方案为:
(1)将待进行增材制造的工件用夹具固定在工作台上;
将两个CMOS摄像机按照镜头端面的法线与工件表面的法线成20°~50°的角度和投影仪集成于可在工件上方自由移动的三维测量***上,此***与计算机、焊接机器人控制器三者相连;
(2)驱动三维测量***采集整个工件表面的图像,将双目立体视觉测量和结构光测量相结合,得到工件表面的凸起、凹下区域的的特征数据;
(3)控制器提取表面凸起与凹下区域的特征数据并重建三维模型,然后将其与标准产品CAD模型数据进行配准,得出与原始的表面精度差值△R;
(4)将△R值的大小导入到机器人控制柜中,根据机器人控制柜的数据库确定焊枪电弧熔化的参数;控制器根据所生成的控制代码驱动机器人带动增材枪到达指定区域,根据给出的焊接参数进行不填丝电弧熔化过程;
(5)电弧熔化过程完成后,再次驱动三维测量***采集熔化后的工件表面图像,控制器再次重建表面凸起与凹下区域的三维轮廓并计算出此时的表面平整度,与达标的表面平整度Ra(=0.5mm)进行对比,若不达标则根据新的凸起、凹陷三维轮廓信息进行再次熔化,直到工件表面平整度达标为止;
(6)表面平整度达到Ra后,根据此时表面平整度的值设定对应的能量、频率的激光热源,通过焊枪边上的激光器,对整个平面进行熔化处理,使得整个表面处于熔化状态;
(7)再利用三维测量***来测量激光熔化后的工件表面平整度,设定此时的表面平整度合格标准Rb(=0.1mm),若不能达到Rb,则重复激光熔化的过程,直到合格为止;
(8)在激光熔化后的表面状态下,进行增材制造焊接过程,并在每焊完一层后进行上述的修整表面的工作。
进一步的,利用基于结构光的的双目视觉相结合技术采集表面图像,此方法回避了传统立体视觉中稠密匹配和编码结构光中投影仪标定这两个难点,简化了对应点匹配算法的复杂度,提高了三维测量的精度;
进一步的,结构光编码为格雷码与相移法相结合的编码方式,向工件表面依次投射格雷码和相位移图案,采集处理左右相机拍摄到图像,生成物体模型,使其兼具二者优势,即格雷码条纹编码确定性和鲁棒性加上相位移法的高分辨率;
进一步的,数据库为不同的△R值所对应的基于C/S和B/S混合结构的焊接工艺文件数据,机器人控制柜中已保存有众多不同平整度差值对应的电弧熔化参数,参数包括:焊接电流等基本焊接参数;
进一步的,TIG焊枪与激光器通过夹具组合,且分别通过两个管道输送保护气,且分别通过两组管道连接焊枪水冷装置;
进一步的,表面的修整过程包括TIG焊枪的不填丝电弧熔化和激光器的表面熔化过程,双重表面修复,能进一步的控制表面平整度的精度;
进一步的,在增材制造过程中,在每一层焊接之前都进行上述的表面修整工作,直至整个结构件的完成。
本发明相对于现有技术相比具有显著优点为:
1.本发明的焊接***能够有效提高电弧增材件表面精度,保证焊接质量和稳定性,因此有效能够提升电弧增材成形件的质量。2.本发明的焊接方法处理过程简洁,处理精度高。
附图说明
图1是本发明使用的三维测量***的结构示意图。
图2是本发明的激光-TIG焊枪集成示意图。
图3是本发明的流程示意图。
图4是本发明的非平整面自主识别机器人增材制造成形精度控制的方法的装置连接示意图。
图5是本发明三维测量***测量投影的编码图,(a)为格雷码编码示意图,(b)为相移编码示意图。
图中:1为CMOS摄像机,2为投影仪,3为待增材制造的工件,4.激光器,5.TIG焊枪,6.夹具。
具体实施方式
下面结合附图及实施例对本发明做进一步说明:
一种非平整面自主识别机器人增材制造成形精度控制的方法,该装置包括:由2个焦距为12mm的M1214一MP2一computar镜头和一台Acer K132投影仪(分辨率为1280×800)组成的三维测量***、通过夹具固定在一起的TIG焊枪和Precitec YC-30激光器激光器、日本YASKWA公司的六轴机器人、机器人控制柜、米勒Dynasty350焊机、送丝机为WF-007A、焊枪夹具一套、计算机、焊枪水冷装置、保护气装置。
具体实施步骤:
步骤一:用角磨机将待进行增材制造的工件(Q235A基板,尺寸为200mm×200mm×40mm,表面凹凸不平)上表面进行打磨,去除表面的氧化皮,然后擦拭丙酮,去除表面油污;之后用夹具固定在工作台上;
步骤二:将两个CMOS摄像机按照镜头端面的法线与工件表面的法线成30°的角度和投影仪集成于可在工件上方自由移动的三维测量***上,此***与计算机,焊接机器人控制器三者相连;
步骤三,驱动三维测量***到达工件表面正上方40cm处,采集处理左右相机拍摄到的图像,提取工件表面凸起与凹陷区域的特征,生成特征点的三维模型
具体操作方法如下:
先根据三角形的相似性原理得到世界坐标系中点与相机像素坐标系中对应的点关系式,来完成单相机的标定和校正;再通过两台相机坐标系间相对的旋转矩阵和平移向量来标定和校正双相机的位置;
之后向工件表面依次投射下图(a)所示的6幅格雷码图案,将工件表面分成000000~11111l这26个区域。其中码字为6幅图案所对应的0、1的序列,0对应黑色,1对应白色;然后再向物体投射下图(b)所示的相移图案,并将其每次平移1/4周期,投射4次;
解编码方法:首先将格雷码转换为十进制编码,获得周期次数k。再向物体表面投射一组格雷码图案后,对格雷码取反,再次投射到物体上。若第一组格雷码采样点灰度值大于第二组,则取值为1,反之为0。然后,投射4幅相移图案,采样点的灰度值可表示为:
In(x,y)为点I(x,y)在第n幅相移图中的灰度值,I’(x,y)为条纹光的背景光强,I”(x,y)/I’(x,y)为条纹反差,θ(x,y)为待求主相位值
最后将所得周期值与主相位值相叠加可得点I(x,y)的绝对相位值Ψ(x,y)
Ψ(x,y)=2kπ+θ(x,y)
通过特征点的绝对相位值,即可实现特征点的三维模型重建;
步骤四,控制器根据提取到的特征数据重建三维模型,然后将其与标准产品CAD模型数据进行配准,得出与原始的表面精度差值ΔR,为0.7mm;
步骤五,将ΔR值的大小导入到机器人控制柜中,根据机器人控制柜的Oracle数据库确定焊枪电弧熔化的参数;Oracle数据库部分ΔR值与焊接电流的关系如下表所示:
控制器根据所生成的控制代码驱动机器人带动增材枪到达指定区域,然后TIG焊枪根据焊接参数进行不填丝电弧熔化过程。由ΔR的值为0.70mm,故焊接电流设定为150A;
步骤六,步骤五完成后,再次驱动三维测量***采集熔化后的工件表面图像,控制器再次提取表面凸起与凹下区域的特征、重建三维模型,并计算出此时的表面平整度为0.45mm<0.5mm,达到表面平整度的要求;
步骤七,将电弧熔化后得到的工件表面平整度的数值输入到已模型化的控制器中,控制器中的数据库会根据表面平整度数值的大小选择不同能量、频率的激光热源,通过焊枪边上的激光器,对整个平面进行熔化处理;
步骤八,步骤七完成后,再利用三维测量***来测量得到此时的工件表面平整度为0.25mm>0.1mm,不符合平整度的要求,需要重复步骤七;之后再次测量得到工件表面平整度为0.08mm<0.1mm,达到表面平整度的要求;
步骤九,在激光熔化的工件表面状态下,选用直径1.2mm的316L不锈钢焊丝进行TIG增材制造焊接过程。送丝角度为20°,送丝方向在基板上的投影与X轴正方向成210°;设定焊接电流为180A;钨极到工件的距离为8mm;保护气为纯度99.99%的氩气(气体流量10L/min);焊接速度为180mm/min。观察成形后的增材结构件,表面近似平整,无明显凸起与凹陷区域,成形质量良好;
对比试验:取相同尺寸与相似表面缺陷的Q235A基板,用角磨机打磨表面,去除表面的氧化皮,然后擦拭丙酮,去除表面油污;之后用夹具固定在工作台上,选用步骤九中的TIG焊接参数进行增材制造的过程。观察此时成形后的增材结构件,表面凹凸不平,有明显的凸起与凹陷区域,未熔合与裂纹等缺陷遍布成形件表面。
最终,通过最后成形件的表面质量以及对比试验,可以得知本发明提供的异种非平整面自主识别机器人增材制造成形精度控制的方法能够有效提高非平整面工件的表明平整度,进而提高电弧增材成形件的表面质量。
Claims (5)
1.一种非平整面自主识别机器人增材制造成形精度控制方法,其特征在于,该方法包括如下步骤:
(1)将待进行增材制造的工件用夹具固定在工作台上,将两个CMOS摄像机按照镜头端面的法线与工件表面的法线成20°~50°的角度和投影仪形成设置在工件上方自由移动的三维测量***上;
(2)驱动三维测量***采集整个工件表面的图像,利用双目立体视觉测量和结构光测量,得到工件表面的凸起、凹下区域的的特征数据;
(3)提取表面凸起与凹下区域的特征数据并重建三维模型,与标准产品CAD模型数据进行配准,得出与原始的表面精度差值△R;
(4)将△R值的大小导入到机器人控制柜中,根据机器人控制柜的数据库确定焊枪电弧熔化的参数;驱动焊枪到达指定区域,根据给出的焊接参数进行不填丝电弧熔化;
(5)电弧熔化过程完成后,再次驱动三维测量***采集熔化后的工件表面图像,再次重建表面凸起与凹下区域的三维轮廓并计算出此时的表面平整度,与达标的表面平整度Ra=0.5mm进行对比,若不达标则根据刚采集的凸起、凹陷三维轮廓信息进行再次熔化,直到工件表面平整度达标为止;
(6)表面平整度达到Ra后,根据此时表面平整度的值设定对应的能量、频率的激光热源,对整个平面进行激光熔化处理,使得整个表面处于熔化状态;
(7)再利用三维测量***来测量激光熔化后的工件表面平整度,设定此时的表面平整度合格标准Rb=0.1mm,若不能达到Rb,则重复激光熔化的过程,直到合格为止,此时完成一层增材;
(8)重复上述步骤,确保在激光熔化后的表面状态下,进行下一层增材,直至完成增材。
2.根据权利要求1所述的非平整面自主识别机器人增材制造成形精度控制方法,其特征在于,驱动三维测量***到达工件表面正上方30cm~50cm处进行采集。
3.根据权利要求1所述的非平整面自主识别机器人增材制造成形精度控制方法,其特征在于,结构光测量采用结构光编码具体为:格雷码与相移法相结合的编码方式,向工件表面依次投射格雷码和相位移图案,采集处理左右相机拍摄到图像,生成物体模型。
4.根据权利要求1所述的非平整面自主识别机器人增材制造成形精度控制方法,其特征在于,所述的机器人控制柜的数据库为不同的△R值所对应的基于C/S和B/S混合结构的焊接工艺文件数据,为不同平整度差值对应的电弧熔化参数。
5.根据权利要求1所述的非平整面自主识别机器人增材制造成形精度控制方法,其特征在于,该方法采用的焊枪为TIG焊枪与激光器通过夹具组合,且分别通过两个管道输送保护气,且分别通过两组管道连接焊枪水冷装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810944994.0A CN109648202B (zh) | 2018-08-20 | 2018-08-20 | 非平整面自主识别机器人增材制造成形精度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810944994.0A CN109648202B (zh) | 2018-08-20 | 2018-08-20 | 非平整面自主识别机器人增材制造成形精度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109648202A true CN109648202A (zh) | 2019-04-19 |
CN109648202B CN109648202B (zh) | 2021-02-12 |
Family
ID=66109970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810944994.0A Active CN109648202B (zh) | 2018-08-20 | 2018-08-20 | 非平整面自主识别机器人增材制造成形精度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109648202B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110926371A (zh) * | 2019-11-19 | 2020-03-27 | 宁波舜宇仪器有限公司 | 三维表面检测方法及装置 |
CN113510928A (zh) * | 2021-04-28 | 2021-10-19 | 上海联泰科技股份有限公司 | 3d打印设备及打印方法、三维数据处理***及方法 |
CN113524148A (zh) * | 2021-08-04 | 2021-10-22 | 合肥工业大学 | 一种移动双臂柔性装配机器人 |
CN113853306A (zh) * | 2019-05-20 | 2021-12-28 | 韦斯特莱克化合物控股公司 | 通过材料沉积选择性地和局部地处理部件表面的***和方法 |
CN114029588A (zh) * | 2021-11-26 | 2022-02-11 | 江苏永大化工设备有限公司 | 气体保护焊接工艺参数自动调节*** |
CN116408575B (zh) * | 2021-12-31 | 2024-06-04 | 广东美的白色家电技术创新中心有限公司 | 局部扫描、消除工件反光干扰的方法、装置和*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107008996A (zh) * | 2017-06-02 | 2017-08-04 | 河南科技大学 | 一种金属冷焊增材制造的方法 |
WO2017143063A1 (en) * | 2016-02-17 | 2017-08-24 | Flitsch Robert | Methods, materials and apparatus for mobile additive manufacturing of advanced structures and roadways |
CN107170043A (zh) * | 2017-06-19 | 2017-09-15 | 电子科技大学 | 一种三维重建方法 |
CN107402044A (zh) * | 2017-07-28 | 2017-11-28 | 华中科技大学 | 一种金属增材制造构件质量在线无损检测***及方法 |
CN107470619A (zh) * | 2017-07-12 | 2017-12-15 | 北京煜鼎增材制造研究院有限公司 | 一种金属零件的增材制造方法 |
CN107727011A (zh) * | 2017-09-14 | 2018-02-23 | 华中科技大学 | 选择性激光熔化制造过程中平面度和轮廓度在线测量方法 |
CN108098146A (zh) * | 2017-12-12 | 2018-06-01 | 南京理工大学 | 一种非平整面高精度激光增材成形方法 |
CN108127238A (zh) * | 2017-12-29 | 2018-06-08 | 南京理工大学 | 非平整面自主识别机器人增材成形的方法 |
-
2018
- 2018-08-20 CN CN201810944994.0A patent/CN109648202B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017143063A1 (en) * | 2016-02-17 | 2017-08-24 | Flitsch Robert | Methods, materials and apparatus for mobile additive manufacturing of advanced structures and roadways |
CN107008996A (zh) * | 2017-06-02 | 2017-08-04 | 河南科技大学 | 一种金属冷焊增材制造的方法 |
CN107170043A (zh) * | 2017-06-19 | 2017-09-15 | 电子科技大学 | 一种三维重建方法 |
CN107470619A (zh) * | 2017-07-12 | 2017-12-15 | 北京煜鼎增材制造研究院有限公司 | 一种金属零件的增材制造方法 |
CN107402044A (zh) * | 2017-07-28 | 2017-11-28 | 华中科技大学 | 一种金属增材制造构件质量在线无损检测***及方法 |
CN107727011A (zh) * | 2017-09-14 | 2018-02-23 | 华中科技大学 | 选择性激光熔化制造过程中平面度和轮廓度在线测量方法 |
CN108098146A (zh) * | 2017-12-12 | 2018-06-01 | 南京理工大学 | 一种非平整面高精度激光增材成形方法 |
CN108127238A (zh) * | 2017-12-29 | 2018-06-08 | 南京理工大学 | 非平整面自主识别机器人增材成形的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113853306A (zh) * | 2019-05-20 | 2021-12-28 | 韦斯特莱克化合物控股公司 | 通过材料沉积选择性地和局部地处理部件表面的***和方法 |
CN113853306B (zh) * | 2019-05-20 | 2023-09-12 | 韦斯特莱克化合物控股公司 | 通过材料沉积选择性地和局部地处理部件表面的***和方法 |
CN110926371A (zh) * | 2019-11-19 | 2020-03-27 | 宁波舜宇仪器有限公司 | 三维表面检测方法及装置 |
CN113510928A (zh) * | 2021-04-28 | 2021-10-19 | 上海联泰科技股份有限公司 | 3d打印设备及打印方法、三维数据处理***及方法 |
CN113510928B (zh) * | 2021-04-28 | 2022-06-07 | 上海联泰科技股份有限公司 | 3d打印设备及打印方法、三维数据处理***及方法 |
CN113524148A (zh) * | 2021-08-04 | 2021-10-22 | 合肥工业大学 | 一种移动双臂柔性装配机器人 |
CN114029588A (zh) * | 2021-11-26 | 2022-02-11 | 江苏永大化工设备有限公司 | 气体保护焊接工艺参数自动调节*** |
CN116408575B (zh) * | 2021-12-31 | 2024-06-04 | 广东美的白色家电技术创新中心有限公司 | 局部扫描、消除工件反光干扰的方法、装置和*** |
Also Published As
Publication number | Publication date |
---|---|
CN109648202B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109648202A (zh) | 非平整面自主识别机器人增材制造成形精度控制方法 | |
CN103398660B (zh) | 用于获取焊缝高度信息的结构光视觉传感器参数标定方法 | |
CN111618396A (zh) | 基于视觉表征的多层多道焊接装置及焊接方法 | |
CN106041937A (zh) | 一种基于双目立体视觉的机械手抓取控制***的控制方法 | |
CN112059363A (zh) | 一种基于视觉测量的无人爬壁焊接机器人及其焊接方法 | |
CN113465511B (zh) | 一种钢卷尺寸在线测量及全方位端面缺陷在线检测方法 | |
CN108031844A (zh) | 一种在线逐层检测的增减材复合制造方法 | |
CN108127238A (zh) | 非平整面自主识别机器人增材成形的方法 | |
CN112191993B (zh) | 一种氩弧焊焊缝跟踪***及方法 | |
JP2018176332A (ja) | ロボットの動作軌跡を自動で生成する装置、システム、および方法 | |
CN111811433B (zh) | 基于红蓝正交条纹的结构光***标定方法及装置和应用 | |
CN110411338A (zh) | 机器人电弧增材修复的焊枪工具参数三维扫描标定方法 | |
CN110930512A (zh) | 一种钢捆标牌焊接方法及*** | |
CN111531407A (zh) | 一种基于图像处理的工件姿态快速测量方法 | |
CN107328358B (zh) | 铝电解槽位姿的测量***及测量方法 | |
Shah et al. | An experiment of detection and localization in tooth saw shape for butt joint using KUKA welding robot | |
CN115578310A (zh) | 一种耐火砖的双目视觉检测方法及*** | |
CN102538707B (zh) | 一种对工件进行三维定位的装置及方法 | |
CN109773589B (zh) | 对工件表面进行在线测量和加工导引的方法及装置、设备 | |
CN111085902A (zh) | 一种视觉在线检测及修正的工件打磨*** | |
CN114383543A (zh) | 单ccd双棱镜双目立体视觉传感器 | |
CN114092552A (zh) | 一种基于固定端图像进行大型刚体构件对接的方法 | |
CN110849285A (zh) | 基于单目相机的焊点深度测量方法、***及介质 | |
CN111230259A (zh) | 非平整面自主识别机器人增材制造成形精度控制装置 | |
CN111028231B (zh) | 基于arm和fpga的工件位置获取*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |