CN110773840A - 焊接偏差测定方法、装置和自动焊接*** - Google Patents
焊接偏差测定方法、装置和自动焊接*** Download PDFInfo
- Publication number
- CN110773840A CN110773840A CN201911103567.0A CN201911103567A CN110773840A CN 110773840 A CN110773840 A CN 110773840A CN 201911103567 A CN201911103567 A CN 201911103567A CN 110773840 A CN110773840 A CN 110773840A
- Authority
- CN
- China
- Prior art keywords
- welding
- molten pool
- deviation
- image
- pool image
- 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
Images
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
- B23K9/00—Arc welding or cutting
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
-
- 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
- B23K9/00—Arc welding or cutting
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
- B23K9/127—Means for tracking lines during arc welding or cutting
-
- 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
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种焊接偏差测定方法、装置和自动焊接***,所述方法包括:获取第一熔池图像和第二熔池图像,其中,所述第一熔池图像为基准熔池图像;分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息;根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值。在获得焊接偏差值之后,根据现有的焊缝跟踪技术的实际经验,判断该偏差是否能满足焊缝跟踪的偏差要求,如果满足,则表明可根据焊枪与焊缝之间的位置偏差进行基于焊缝跟踪的自动焊接,本发明具有实时监测熔池和观测焊缝位置的优势,不存在超前监测误差,同时只需要普通CCD摄像机拍照即可,节省了自动焊接设备成本。
Description
技术领域
本发明涉及智能焊接技术领域,特别涉及一种焊接偏差测定方法、装置和自动焊接***。
背景技术
在石油化工现场施工中,管道自动焊接一直是研究的热点。管道自动焊接的核心问题在于如何实现管道焊缝的精准跟踪引导,进而实时控制焊接机器人的焊枪运行轨迹,以满足焊接质量的要求。
早期研究焊缝跟踪的方法主要基于探针接触式传感、电磁传感、超声波传感、电弧传感和红外传感等,近年来由于视觉传感具有应用范围广、无接触、跟踪精度高等优势,焊缝视觉跟踪已成为智能化焊接行业研究的热点。焊缝视觉跟踪技术一般可分为主动视觉传感和被动视觉传感两大类。主动视觉传感主要采用相机结合光源和相机结合结构光的方法,该方法采用超前监测的方式,即视觉监测位置与焊接位置存在着一定的前视距离。超前监测的优势在于采集焊缝的图像能够有效的避免焊接过程中电弧光和焊渣飞溅的干扰,焊缝图像的质量得到明显提高,缺点是无法实时观测到熔池形貌变化和焊缝的位置,且给焊缝视觉跟踪***引入了超前误差,导致焊缝视觉跟踪精度不够理想。被动视觉传感是利用焊接过程中熔池的高亮状态或是对电弧光的反射来获得焊缝图像,该方法具有实时监测熔池和观测焊缝位置的优势,并且不存在超前监测误差,但焊接过程中电弧光和焊渣飞溅非常强烈,以至于被动视觉传感方式获取的图像受干扰严重,准确定位焊丝尖端位置困难。
实时焊缝跟踪技术的关键点在于能够同时获取焊缝和焊丝尖端的位置信息,根据焊缝和焊丝尖端的相对位置即可测定出偏差量。普通CCD摄像机抗弧光能力较弱,无法同时获取两者的清晰图像,而专业焊接摄像机价格昂贵,导致自动焊接设备成本增加,不利于自动焊接设备的推广应用。经研究分析大量的由普通CCD摄像机采集的熔池图像后发现,熔池图像中焊枪轮廓较为清晰,更容易辨别,因此针对焊枪轮廓这一特征提出焊接偏差测定方法,并对该方法进行可行性分析,是有必要的,该焊接偏差测定方法对实时快速测定焊接偏差,降低设备成本,实现智能化焊接具有重大意义。
发明内容
本发明的主要目的是提出一种焊接偏差测定方法、装置和自动焊接***,旨在解决根据焊缝和焊丝尖端的相对位置测定出偏差量难以准确实现的问题。
为实现上述目的,本发明提出一种焊接偏差测定方法,包括如下步骤:
获取第一熔池图像和第二熔池图像,其中,所述第一熔池图像为基准熔池图像;
分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息;
根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值。
可选地,所述第一熔池图像和所述第二熔池图像为焊枪处在摆动极限位置拍摄的熔池图像。
可选地,所述焊枪位置信息为焊枪轮廓信息,所述焊缝位置信息为焊缝轮廓信息;
所述分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息的步骤,包括:
分别提取所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息。
可选地,根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值的步骤,包括:
根据所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,获取所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息;
根据所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息,计算获得第一熔池图像中焊枪中心与焊缝两边缘之间的距离d0和w0,作为基准位置参数,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离di和wi,作为测定位置参数;
根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值。
可选地,所述焊接偏差值包括焊枪位置偏差值,所述根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值的步骤,包括:
计算获得所述焊枪位置偏差值D=di-d0;和/或,
所述焊接偏差值包括焊枪摆幅偏差值,所述根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值的步骤,包括:
计算获得所述基准图像中焊枪中心与焊缝两边缘之间的距离之和W0= d0+w0,作为焊枪的基准摆幅值,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离之和Wi=di+wi,作为焊枪的测定摆幅值,计算获得所述焊枪摆幅偏差值W=Wi-W0。
可选地,根据所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,获取所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息的步骤,包括:
对所述第一熔池图像和所述第二熔池图像中的焊枪轮廓和焊缝轮廓进行边缘点采样,得到焊枪轮廓采样点和焊缝轮廓采样点;
对所述焊枪轮廓采样点使用曲线拟合算法得到所述焊枪轮廓的曲线方程,所述焊枪中心位置信息包括所述曲线方程的中心点位置;
对所述焊缝轮廓采样点使用线性拟合,得到所述焊缝轮廓的直线方程,所述焊缝边缘位置信息包括所述直线方程。
可选地,所述对所述第一熔池图像和所述第二熔池图像中的焊枪轮廓和焊缝轮廓进行边缘点采样,得到焊枪轮廓采样点和焊缝轮廓采样点的步骤,包括:
在每一熔池图像中选定目标区域,所述目标区域中包括焊枪轮廓,在目标区域内画出多个剖面线,计算目标区域内垂直于剖面线方向上的以单位像素为间隔的灰度平均值,并作为该剖面线上的采样点的灰度值;
使用高斯滤波对多个剖面线进行光滑处理;
对目标区域中光滑处理后的多个剖面线求导并获得导数极值,选取导数极值大于零的剖面线对应的采样点作为焊枪轮廓采样点。
可选地,所述焊枪轮廓采样点拟合成圆弧,所述焊枪轮廓的曲线方程为椭圆方程。
此外,为实现上述目的,本发明还提出一种焊接偏差测定装置,包括:
视觉采集装置,所述视觉采集装置包括用于朝向熔池的摄像头,以拍摄得到第一熔池图像和第二熔池图像;以及,
控制器,所述控制器与所述视觉采集装置电性连接,所述控制器包括存储介质,所述存储介质存储有焊接偏差测定程序和焊接控制程序,其中,所述焊接偏差测定程序执行如上所述的焊接偏差测定方法的步骤,所述焊接控制程序执行步骤:根据所述焊接偏差值进行自动焊接的纠偏操作。
此外,为实现上述目的,本发明还提出一种自动焊接***,包括:
焊枪,可摆动地安装于焊接车;
驱动装置,安装于焊接车,用以驱动所述焊枪摆动;
视觉采集装置,安装于焊接车,所述视觉采集装置包括用于朝向熔池的摄像头,以拍摄得到第一熔池图像和第二熔池图像;以及,
控制装置,所述控制装置与所述驱动装置和所述视觉采集装置电性连接,所述控制装置包括处理器和存储介质,所述存储器存储有焊接偏差测定程序和焊接控制程序,其中,所述焊接偏差测定程序执行如上所述的焊接偏差测定方法的步骤,所述焊接控制程序执行步骤:根据所述焊接偏差值进行自动焊接的纠偏操作。
本发明提供的技术方案中,首先拍照获得包括第一熔池图像和第二熔池图像的至少两张熔池图像,然后提取上述熔池图像中的焊枪位置信息和焊缝位置信息,以第一张为基准熔池图像,将基准熔池图像中的焊枪位置信息和焊缝位置信息作为位置基准,计算第二张熔池图像中的焊枪位置信息和焊缝位置信息与位置基准之间的偏差,然后根据现有的焊缝跟踪技术的实际经验,判断该偏差是否能满足焊缝跟踪的偏差要求,如果满足,则表明可根据焊枪与焊缝之间的位置偏差进行基于焊缝跟踪的自动焊接,本发明提供的技术方案具有实时监测熔池和观测焊缝位置的优势,不存在超前监测误差,同时只需要普通CCD摄像机拍照即可,节省了自动焊接设备成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明焊接偏差测定方法的典型的四种熔池图像的示意图;
图2为本发明焊接偏差测定装置的一实施例的结构示意图;
图3为本发明自动焊接***的一实施例的结构示意图;
图4为本发明焊接偏差测定方法的第一实施例的流程示意图;
图5为本发明焊接偏差测定方法的第二实施例的流程示意图;
图6为本发明焊接偏差测定方法的第三实施例的流程示意图;
图7为本发明焊接偏差测定方法的第四实施例的流程示意图;
图8为本发明焊接偏差测定方法的第一熔池图像的示意图;
图9为本发明焊接偏差测定方法的第二熔池图像的流程示意图;
图10为本发明焊接偏差测定方法的第五实施例的流程示意图;
图11为本发明焊接偏差测定方法的第六实施例的流程示意图;
图12为本发明焊接偏差测定方法的焊接偏差值的数据分析示意图;
图13为本发明焊接偏差测定方法的第七实施例的流程示意图;
图14为本发明焊接偏差测定方法的第八实施例的流程示意图;
图15为本发明焊接偏差测定验证方法的熔池图像中焊枪中心与焊丝之间的距离分布图。
附图标号说明:
标号 | 名称 | 标号 | 名称 |
100 | 焊接偏差测定装置 | 200 | 焊接*** |
1 | 焊枪 | 4 | 焊缝 |
2 | 焊接车 | 5 | 驱动装置 |
3 | 焊丝 | 6 | 摄像头 |
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示) 下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
经研究分析大量的由普通CCD摄像机采集的熔池图像后发现,焊缝特征明显的同时焊枪轮廓也较为清晰,且焊缝的位置和运动轨迹与焊枪具有一致性,因此需要提出一种通过焊枪的轮廓和焊缝的相对位置来测定出偏差量的焊接偏差测定方法,并对该方法进行可行性分析。
本发明实施例的主要解决方案是提出一种焊接偏差测定方法,所述焊接偏差测定方法包括如下步骤:
获取第一熔池图像和第二熔池图像,其中,所述第一熔池图像为基准熔池图像;
分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息;
根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值。
本发明提出的解决方案中,首先拍照获得包括第一熔池图像和第二熔池图像的至少两张熔池图像,然后提取上述熔池图像中的焊枪位置信息和焊缝位置信息,以第一张为基准熔池图像,将基准熔池图像中的焊枪位置信息和焊缝位置信息作为位置基准,计算第二张熔池图像中的焊枪位置信息和焊缝位置信息与位置基准之间的偏差,然后根据现有的焊缝跟踪技术的实际经验,判断该偏差是否能满足焊缝跟踪的偏差要求,如果满足,则表明可根据焊枪与焊缝之间的位置偏差进行基于焊缝跟踪的自动焊接。请参阅图1,为熔池图像中的正常图像、偏暗图像、偏亮图像和飞溅图像,是较为典型的四种熔池图像,根据对大量的熔池图像观察后发现,四种熔池图像中的焊枪轮廓均较为清晰,特征较为明显,相比在熔池图像中辨别提取焊丝尖端,焊枪轮廓更加不容易受到干扰,因此,可使用被动视觉传感方法获得熔池图像,被动视觉传感方法具有实时监测熔池和观测焊缝位置的优势,不存在超前监测误差,同时只需要普通CCD摄像机拍照即可,节省了自动焊接设备成本。
基于本发明提出的焊接偏差测定方法,本发明提出一种焊接偏差测定装置100,所述焊接偏差测定装置100包括视觉采集装置以及控制器(附图未示出),视觉采集装置包括用于朝向熔池的摄像头6,以拍摄得到第一熔池图像和第二熔池图像,控制器与视觉采集装置电性连接,控制器包括存储介质,存储介质存储有焊接偏差测定程序和焊接控制程序,其中,焊接偏差测定程序执行本发明实施例的焊接偏差测定方法的步骤,焊接控制程序执行步骤:根据焊接偏差值进行自动焊接的纠偏操作。
具体地,如图2所示,所述焊接偏差测定装置100的本实施例中,焊枪1 对应采用截面为圆形的型式,使其在熔池图像中形状规则,焊丝3安装在焊枪1头部的正中间,摄像头6朝向焊枪1和焊缝4并进行多次拍照,其与竖直方向的夹角为60°,便于获得视角范围大、焊枪1与焊缝4干涉少的图像,视觉采集装置向控制器发送焊枪1的位置信息和焊缝4的位置信息,控制器根据上述位置信息计算焊接偏差,通过上述各装置,完成本发明实施例的焊接偏差测定方法的各个步骤,其中,焊接控制程序可执行自动焊接的纠偏操作。
本领域技术人员可以理解,图2中示出的焊接偏差测定装置100可以安装在用于自动焊接的设备和***上,以在进行实际自动焊接时进行偏差测定,也可以在实验室中为本发明实施例的焊接偏差测定方法所特定布置安装。
本领域技术人员还可以理解,图2中示出的焊接偏差测定装置100的结构并不构成对焊接偏差测定装置100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
参照图4,为本发明的焊接偏差测定方法的第一实施例,包括:
S100:获取第一熔池图像和第二熔池图像,其中,所述第一熔池图像为基准熔池图像;
本步骤中,摄像头对朝向焊枪和熔池的拍照,焊接偏差需要通过比较得出,因此需要得到包括第一熔池图像和第二熔池图像的至少两张图像,其中,第一熔池图像为基准熔池图像,在该图像中提出得到的信息均为基准信息,第一熔池图像的拍摄时间在前,第二熔池图像的拍摄时间在后,为了方便进行观察比较,各熔池图像可选取特征明显、清晰的图像,为了增强偏差测定的准确度,在获取第一熔池图像和第二熔池图像后,可另外拍摄获取多张熔池图像,提高试验样本的数量。
S200:分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息;
本步骤中,可以在熔池图像中建立坐标系,进而通过曲线方程或直线方程来表示焊枪位置信息和焊缝位置信息,根据对大量的熔池图像观察后发现,熔池图像中焊枪和焊缝的轮廓均较为清晰,特征明显,该步骤使得普通CCD 摄像机可应用于本发明的焊接偏差测定方法,进而节省了设备成本。
需要说明的是,在自动焊接的过程中,焊枪不断地摆动,使头部的焊丝在焊缝两边缘不断地摆动,进而完成焊接,而根据焊接工艺要求,焊枪在摆动到极限位置时,需停顿以充分熔透被焊接设备,具体地,本实施例中,设置了一条环形机加工焊缝,该焊缝宽度均匀,有利于焊接偏差值的数据分析,焊枪在焊缝两边缘来回摆动,并且在两边缘处停顿300ms-350ms以充分熔透焊缝两边缘,为了避免在运动状态下拍摄焊枪导致熔池图像中存在拖影的现象,可在焊腔在焊缝两边缘停顿时进行拍照。
S300:根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值;
本步骤中,可以通过S200步骤中的曲线方程或直线方程来进行计算,使结果更准确,较为优选的方式是以像素值为单位进行计算,进一步提高结果的精准度。焊接偏差值的计算结果与现有的基于焊缝跟踪的自动焊接方法中的偏差范围进行比较,进而可判断出根据焊枪位置信息和焊缝位置信息计算获得的焊接偏差值是否满足焊缝跟踪的要求。
需要说明的是,如果根据焊枪位置信息和焊缝位置信息计算获得的焊接偏差值满足要求,则表明在熔池图像中提取焊枪位置信息进而最终实现实时基于焊缝跟踪的自动焊接方法是可行的。该自动焊接方法可实时监测熔池,观测熔池中焊枪的位置,不存在超前监测误差,进而实时快速地进行焊缝跟踪和焊枪纠偏,该自动焊接方法可使用普通CCD摄像机,进而降低自动焊接设备成本。
本实施例中,首先拍照获得包括第一熔池图像和第二熔池图像的至少两张熔池图像,然后提取上述熔池图像中的焊枪位置信息和焊缝位置信息,以第一张为基准熔池图像,将基准熔池图像中的焊枪位置信息和焊缝位置信息作为位置基准,计算第二张熔池图像中的焊枪位置信息和焊缝位置信息与位置基准之间的偏差,然后根据现有的焊缝跟踪技术的实际经验,判断该偏差是否能满足焊缝跟踪的偏差要求,如果满足,则可根据焊枪与焊缝之间的位置偏差进行基于焊缝跟踪的自动焊接。
进一步地,参照图5,基于前述第一实施例提出本发明焊接偏差测定方法的第二实施例,本实施例中,所述焊枪位置信息为焊枪轮廓信息,所述焊缝位置信息为焊缝轮廓信息,步骤S200包括:
S201:分别提取所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息。
本步骤中,请参阅图1,经过大量观察发现,各熔池图像中的焊枪轮廓和焊缝轮廓特征较为明显、易于辨别,不易受到干扰,作为试验样本十分稳定,而且两者均为规则图像,有利于后续进行计算处理。本实施例中,可对各熔池图像中的焊枪轮廓和焊缝轮廓进行局部增强和图像闭运算,使其轮廓更加清晰、边界更加平滑。在本实施例中,根据第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,计算获得焊接偏差值。
进一步地,参照图6,基于前述第二实施例提出本发明焊接偏差测定方法的第三实施例,本实施例中,步骤S300包括:
S310:根据所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,获取所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息。
本步骤中,通过对各熔池图像的大量观察后发现,焊枪轮廓十分规则且稳定,其特征明显,本实施例中,找到其轮廓的中心点位置,作为焊枪位置信息,可通过对熔池图像进行采样和曲线拟合的现有技术手段实现。
S320:根据所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息,计算获得第一熔池图像中焊枪中心与焊缝两边缘之间的距离d0和di,作为基准位置参数,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离w0和wi,作为测定位置参数;
本步骤中,以焊枪中心与焊缝两边缘之间的距离作为位置参数进行计算,焊枪中心与焊缝两边缘之间的距离之和即为焊枪的摆幅。参阅图8和图9,其中图7为第一熔池图像的示意图,图8为第二熔池图像的示意图,焊缝两边缘分别为上边缘和下边缘,由于摄像头视角的原因,圆柱形焊枪在熔池图像中呈一段椭圆形弧线,焊缝在图像上近似于梯形,因此短距离内可视为梯形,在第一熔池图像和第二熔池图像中,焊枪中心与上边缘的距离分别为d0和di,焊枪中心与下边缘的距离分别为w0和wi,以d0和di作为计算所需参数,d0和di的差值即为焊枪在焊接过程中的偏差值(当然也可以以w0和wi作为计算所需参数)。在自动焊接过程中,焊枪发生偏差时,将导致其活动路径与焊缝发生偏移,此时可根据焊枪位置的偏差值控制焊枪使其回到正确位置,或者控制其摆幅以抵消位置偏差,或者上述两种方式同时实施,最终提高自动焊接的精度。
需要说明的是,本实施例中以像素数为单位进行计算,使计算更快更准确。
S330:根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值。
本实施例中,在各熔池图像中可清楚、简单地得到焊枪中心与焊缝两边缘之间的距离,进而得到焊枪的摆幅和焊枪的位置偏差,在自动焊接过程中,焊枪位置发生偏差时,可根据焊枪位置的偏差值控制焊枪使其回到正确位置,或者控制其摆幅以抵消位置偏差,或者上述两种方式同时实施,最终提高自动焊接的精度。
进一步地,参照图7,基于前述第三实施例提出本发明焊接偏差测定方法的第四实施例,本实施例中,步骤S330包括:
S331:计算获得所述焊枪位置偏差值D=di-d0。
本步骤中,得到第二熔池图像中焊枪位置相对于基准图像中焊枪位置的偏差,在自动焊接过程中,焊枪位置发生偏差时,可根据焊枪位置的偏差值控制焊枪使其回到正确位置,进而完成自动焊接。
进一步地,本实施例中,除第一熔池图像和第二熔池图像外,还获得了多张满足试验要求的熔池图像,在每张熔池图像中均计算得到焊接偏差值,并将得到的多个焊接偏差值进行数据分析,横坐标表示不同的熔池图像,纵坐标表示对应的焊接偏差值,参照图12中上方两张数据分析图,为焊枪位置偏差数据分析结果,在完成本焊接偏差测定方法实施例的焊接偏差测定装置 100中,焊枪处于***的状态,焊缝宽度均匀,焊接车的活动路径与焊缝不平行,且逐渐发生偏移,从图中可以看出,焊枪在同一方向上跟随焊接车逐渐偏移,验证了本发明的焊接偏差测定方法对焊枪位置偏差测定的可靠性。
或者,参照图10,基于前述第三实施例提出本发明焊接偏差测定方法的第五实施例,本实施例中,步骤S330包括:
S332:计算获得所述基准图像中焊枪中心与焊缝两边缘之间的距离之和 W0=d0+w0,作为焊枪的基准摆幅值,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离之和Wi=di+wi,作为焊枪的测定摆幅值,计算获得所述焊枪摆幅偏差值W=Wi-W0。
本步骤中,得到第二熔池图像中焊枪摆幅对于基准图像中焊枪摆幅的偏差,在自动焊接过程中,焊枪位置发生偏差时,可控制焊枪的摆幅,使其极限位置正确地停留在焊缝两边缘,进而完成自动焊接。
进一步地,参照图12中最下方的数据分析图,为焊枪摆幅偏差数据分析结果,在完成本焊接偏差测定方法实施例的焊接偏差测定装置100中,焊枪处于***的状态,焊缝宽度均匀,焊接车的活动路径与焊缝不平行,且逐渐发生偏移,本实施例中获得了多张熔池图像,从图中可以计算得到焊枪摆幅偏差值的范围Wr为(Wmin-W0)≤Wr≤(Wmax-W0),将各熔池图像中的焊枪摆幅偏差值带入计算得到其范围为-0.207mm≤Wr≤0.205mm,其数值较小且稳定,验证了本焊接偏差测定方法对焊枪摆幅偏差值测定的可靠性。
进一步地,参照图11,基于前述第三实施例提出本发明焊接偏差测定方法的第六实施例,本实施例中,测定焊枪位置偏差值和焊枪摆幅偏差值同时实施,步骤S330包括:
S331:计算获得所述焊枪位置偏差值D=di-d0;
S332:计算获得所述基准图像中焊枪中心与焊缝两边缘之间的距离之和 W0=d0+w0,作为焊枪的基准摆幅值,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离之和Wi=di+wi,作为焊枪的测定摆幅值,计算获得所述焊枪摆幅偏差值W=Wi-W0。
本实施例中,可根据焊枪位置的偏差值控制焊枪使其回到正确位置,同时控制其摆幅以抵消位置偏差,使其极限位置正确地停留在焊缝两边缘,最终提高自动焊接的精度。
进一步地,参照图13,基于前述第三实施例提出本发明焊接偏差测定方法的第七实施例,本实施例中,步骤S310包括:
S311:对所述第一熔池图像和所述第二熔池图像中的焊枪轮廓和焊缝轮廓进行边缘点采样,得到焊枪轮廓采样点和焊缝轮廓采样点;
S312:对所述焊枪轮廓采样点使用曲线拟合算法得到所述焊枪轮廓的曲线方程,所述焊枪中心位置信息包括所述曲线方程的中心点位置;
S313:对所述焊缝轮廓采样点使用线性拟合,得到所述焊缝轮廓的直线方程,所述焊缝边缘位置信息包括所述直线方程。
本实施例中,由于电弧光明暗度的变化和焊渣飞溅的影响,焊缝和焊枪的位置信息在熔池图像中受到干扰,为了消除干扰,本实施例中,对焊缝和焊枪的轮廓进行边缘点采样,提升各熔池图像用于提取焊缝和焊枪的轮廓特征时的稳定性。
进一步地,基于本发明实施例的焊接偏差测定装置100,焊枪采用截面为圆形的型式,摄像头与竖直方向的夹角为60°,因此焊枪在熔池图像中呈现出椭圆形的圆弧段,对所述焊枪轮廓采样点使用曲线拟合算法得到所述焊枪轮廓的曲线方程为椭圆方程,该椭圆方程的中心点即为焊枪的中心点,在其他实施例中,如果摄像头的位置发生变化,所述焊枪轮廓的曲线方程可以为圆形等。
进一步地,参照图14,基于前述第七实施例提出本发明焊接偏差测定方法的第八实施例,本实施例中,步骤S311包括:
S311a:在每一熔池图像中选定目标区域,所述目标区域中包括焊枪轮廓,在目标区域内画出多个剖面线,计算目标区域内垂直于剖面线方向上的以单位像素为间隔的灰度平均值,并作为该剖面线上的采样点的灰度值;
S311b:使用高斯滤波对多个剖面线进行光滑处理;
S311c:对目标区域中光滑处理后的多个剖面线求导并获得导数极值,选取导数极值大于零的剖面线对应的采样点作为焊枪轮廓采样点。
本实施例中,以焊枪轮廓采样点为例,显然焊缝轮廓采样点也可以通过上述步骤实施,其目标区域选定为包括焊缝轮廓的部分即可,本实施例中增强了采样点的精准性和稳定性。
进一步地,本发明的焊接偏差测定方法中,通过聚类算法对焊枪轮廓采样点和焊缝轮廓采样点进行筛选,以进一步消除采样点受到的干扰,提升焊枪轮廓和焊缝轮廓的拟合精度。聚类算法的核心步骤为同类型对象的判别,判别条件设计的优劣决定了分组的精度,在该聚类算法中使用欧式几何中的距离和方向两个特征,再结合各边缘采样点的分布规律设置阈值,判别出两个对象是否为同一子集。
以焊枪轮廓采样点为例,设两个焊枪边缘采样点A(x1,y1),B(x2,y2),当A、 B满足条件:
时,即A、B为同一子集。其中DT为A、B两点间的距离阈值,θT为A、B 两点间角度阈值。该聚类算法的实现步骤为:
1、算法开始,逐行读取焊枪轮廓采样点;
2、第一行采样点的个数为n,则创建C1,C2,…,Cn个子集,记为Ci;
3、读取第二行采样点,逐个采样点均使用公式(6)计算与Ci的归属关系,满足条件则为Ci子集的成员,与Ci都不满足条件则重新创建子集C(n+1),以此类推,新子集为C(n+2),C(n+3),…,同样记为Ci;
4、读取第i行采样点,执行步骤2操作;
5、采样点读取并计算完毕,算法结束。
进一步地,本发明实施例的焊接偏差测定方法中,对焊接偏差测定值提出了如下验证方法:
根据所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,获取所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息;根据所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊丝位置信息;根据所述焊枪中心位置信息和所述焊丝位置信息计算获得焊枪中心与焊丝之间的距离dp。
为了进一步提高验证的可信度,在该验证方法中,选取了50张能同时提取到焊枪和焊丝位置信息的熔池图像,然后计算每一张熔池图像中焊枪中心与焊丝之间的距离dp(p=1,2,,,50),参照图14,为距离dp的分布图,经计算得到,在选取的50张熔池图像中,dp的范围为0≤dp≤0.2mm,根据自动焊接领域的经验,该范围满足自动焊接的偏差范围,表明本发明的焊接偏差测定方法具有较高的可靠性。
基于本发明实施例的焊接偏差测定方法的试验结果,本发明还提出一种自动焊接***200,所述自动焊接***200包括焊枪1、驱动装置5、视觉采集装置以及控制装置,焊枪1可摆动地安装于焊接车2,驱动装置5安装于焊接车2,用以驱动焊枪1摆动,视觉采集装置安装于焊接车2,视觉采集装置包括用于朝向熔池的摄像头6,以拍摄得到第一熔池图像和第二熔池图像,控制装置与驱动装置5和视觉采集装置电性连接,控制装置包括处理器和存储介质,存储器存储有焊接偏差测定程序和焊接控制程序,其中,焊接偏差测定程序执行如上所述的焊接偏差测定方法的步骤,焊接控制程序执行步骤:根据焊接偏差值进行自动焊接的纠偏操作。
如图3所示,本发明实施例的自动焊接***200以焊接偏差测定装置100 为基础进行布置安装,本领域技术人员可以理解,图3中示出的自动焊接***200的结构并不构成对自动焊接***200的限定,在其他实施例中,自动焊接***200可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例的自动焊接***200具有实时监测熔池和观测焊缝位置的优势,不存在超前监测误差,同时只需要普通CCD摄像机拍照即可,节省了自动焊接设备成本。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种焊接偏差测定方法,其特征在于,包括如下步骤:
获取第一熔池图像和第二熔池图像,其中,所述第一熔池图像为基准熔池图像;
分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息;
根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值。
2.如权利要求1所述的焊接偏差测定方法,其特征在于,所述第一熔池图像和所述第二熔池图像为焊枪处在摆动极限位置拍摄的熔池图像。
3.如权利要求1所述的焊接偏差测定方法,其特征在于,所述焊枪位置信息为焊枪轮廓信息,所述焊缝位置信息为焊缝轮廓信息;
所述分别提取所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息的步骤,包括:
分别提取所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息。
4.如权利要求3所述的焊接偏差测定方法,其特征在于,根据所述第一熔池图像和所述第二熔池图像的焊枪位置信息和焊缝位置信息,计算获得焊接偏差值的步骤,包括:
根据所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,获取所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息;
根据所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息,计算获得第一熔池图像中焊枪中心与焊缝两边缘之间的距离d0和w0,作为基准位置参数,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离di和wi,作为测定位置参数;
根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值。
5.如权利要求4所述的焊接偏差测定方法,其特征在于,所述焊接偏差值包括焊枪位置偏差值,所述根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值的步骤,包括:
计算获得所述焊枪位置偏差值D=di-d0;和/或,
所述焊接偏差值包括焊枪摆幅偏差值,所述根据所述基准位置参数和所述测定位置参数计算获得所述焊接偏差值的步骤,包括:
计算获得所述基准图像中焊枪中心与焊缝两边缘之间的距离之和W0=d0+w0,作为焊枪的基准摆幅值,计算获得第二熔池图像中焊枪中心与焊缝两边缘之间的距离之和Wi=di+wi,作为焊枪的测定摆幅值,计算获得所述焊枪摆幅偏差值W=Wi-W0。
6.如权利要求4所述的焊接偏差测定方法,其特征在于,根据所述第一熔池图像和所述第二熔池图像的焊枪轮廓信息和焊缝轮廓信息,获取所述第一熔池图像和所述第二熔池图像中的焊枪中心位置信息和焊缝边缘位置信息的步骤,包括:
对所述第一熔池图像和所述第二熔池图像中的焊枪轮廓和焊缝轮廓进行边缘点采样,得到焊枪轮廓采样点和焊缝轮廓采样点;
对所述焊枪轮廓采样点使用曲线拟合算法得到所述焊枪轮廓的曲线方程,所述焊枪中心位置信息包括所述曲线方程的中心点位置;
对所述焊缝轮廓采样点使用线性拟合,得到所述焊缝轮廓的直线方程,所述焊缝边缘位置信息包括所述直线方程。
7.如权利要求6所述的焊接偏差测定方法,其特征在于,所述对所述第一熔池图像和所述第二熔池图像中的焊枪轮廓和焊缝轮廓进行边缘点采样,得到焊枪轮廓采样点和焊缝轮廓采样点的步骤,包括:
在每一熔池图像中选定目标区域,所述目标区域中包括焊枪轮廓,在目标区域内画出多个剖面线,计算目标区域内垂直于剖面线方向上的以单位像素为间隔的灰度平均值,并作为该剖面线上的采样点的灰度值;
使用高斯滤波对多个剖面线进行光滑处理;
对目标区域中光滑处理后的多个剖面线求导并获得导数极值,选取导数极值大于零的剖面线对应的采样点作为焊枪轮廓采样点。
8.如权利要求6所述的焊接偏差测定方法,其特征在于,所述焊枪轮廓采样点拟合成圆弧,所述焊枪轮廓的曲线方程为椭圆方程。
9.一种焊接偏差测定装置,其特征在于,包括:
视觉采集装置,所述视觉采集装置包括用于朝向熔池的摄像头,以拍摄得到第一熔池图像和第二熔池图像;以及,
控制器,所述控制器与所述视觉采集装置电性连接,所述控制器包括存储介质,所述存储介质存储有焊接偏差测定程序和焊接控制程序,其中,所述焊接偏差测定程序执行如权1-8的焊接偏差测定方法的步骤,所述焊接控制程序执行步骤:根据所述焊接偏差值进行自动焊接的纠偏操作。
10.一种自动焊接***,其特征在于,包括:
焊枪,可摆动地安装于焊接车;
驱动装置,安装于焊接车,用以驱动所述焊枪摆动;
视觉采集装置,安装于焊接车,所述视觉采集装置包括用于朝向熔池的摄像头,以拍摄得到第一熔池图像和第二熔池图像;以及,
控制装置,所述控制装置与所述驱动装置和所述视觉采集装置电性连接,所述控制装置包括处理器和存储介质,所述存储器存储有焊接偏差测定程序和焊接控制程序,其中,所述焊接偏差测定程序执行如权1-8的焊接偏差测定方法的步骤,所述焊接控制程序执行步骤:根据所述焊接偏差值进行自动焊接的纠偏操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911103567.0A CN110773840B (zh) | 2019-11-12 | 2019-11-12 | 焊接偏差测定方法、装置和自动焊接*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911103567.0A CN110773840B (zh) | 2019-11-12 | 2019-11-12 | 焊接偏差测定方法、装置和自动焊接*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110773840A true CN110773840A (zh) | 2020-02-11 |
CN110773840B CN110773840B (zh) | 2021-09-24 |
Family
ID=69390696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911103567.0A Active CN110773840B (zh) | 2019-11-12 | 2019-11-12 | 焊接偏差测定方法、装置和自动焊接*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110773840B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111570974A (zh) * | 2020-05-12 | 2020-08-25 | 湖北文理学院 | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** |
CN111570975A (zh) * | 2020-05-12 | 2020-08-25 | 湖北文理学院 | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** |
CN113210805A (zh) * | 2021-05-11 | 2021-08-06 | 浙江清华长三角研究院 | 基于工业热像仪和可见光相机双视觉的mig焊接纠偏方法 |
CN114160921A (zh) * | 2021-11-22 | 2022-03-11 | 湖北文理学院 | 焊接机器人的焊接控制方法、控制装置及焊接机器人 |
CN114669932A (zh) * | 2021-12-16 | 2022-06-28 | 浙江大华技术股份有限公司 | 一种智能焊接方法及相关装置 |
CN114714355A (zh) * | 2022-04-14 | 2022-07-08 | 广州东焊智能装备有限公司 | 自主移动焊接机器人嵌入式视觉跟踪控制*** |
CN114841959A (zh) * | 2022-05-05 | 2022-08-02 | 广州东焊智能装备有限公司 | 一种基于计算机视觉的自动焊接方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5275327A (en) * | 1992-10-13 | 1994-01-04 | Eg&G Idaho, Inc. | Integrated optical sensor |
CN102814574A (zh) * | 2012-09-06 | 2012-12-12 | 江苏科技大学 | 基于红外视觉传感的窄间隙焊接监控及焊缝偏差检测方法 |
CN105689859A (zh) * | 2014-11-25 | 2016-06-22 | 佛山市高明区生产力促进中心 | 一种不同种类金属之间的连接方法和设备 |
CN108247179A (zh) * | 2017-12-15 | 2018-07-06 | 太原科技大学 | 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 |
CN108620714A (zh) * | 2018-07-06 | 2018-10-09 | 太原科技大学 | 基于gmaw熔池轮廓特征的焊接偏差检测***及其检测方法 |
CN108637435A (zh) * | 2018-05-16 | 2018-10-12 | 华南理工大学 | 一种基于视觉与弧压传感的三维焊缝跟踪***及方法 |
-
2019
- 2019-11-12 CN CN201911103567.0A patent/CN110773840B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5275327A (en) * | 1992-10-13 | 1994-01-04 | Eg&G Idaho, Inc. | Integrated optical sensor |
CN102814574A (zh) * | 2012-09-06 | 2012-12-12 | 江苏科技大学 | 基于红外视觉传感的窄间隙焊接监控及焊缝偏差检测方法 |
CN105689859A (zh) * | 2014-11-25 | 2016-06-22 | 佛山市高明区生产力促进中心 | 一种不同种类金属之间的连接方法和设备 |
CN108247179A (zh) * | 2017-12-15 | 2018-07-06 | 太原科技大学 | 基于熔池图像的i形坡口co2焊接偏差检测方法和装置 |
CN108637435A (zh) * | 2018-05-16 | 2018-10-12 | 华南理工大学 | 一种基于视觉与弧压传感的三维焊缝跟踪***及方法 |
CN108620714A (zh) * | 2018-07-06 | 2018-10-09 | 太原科技大学 | 基于gmaw熔池轮廓特征的焊接偏差检测***及其检测方法 |
Non-Patent Citations (1)
Title |
---|
郭波等: "基于视觉传感的CO2焊焊接偏差识别", 《华南理工大学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111570974A (zh) * | 2020-05-12 | 2020-08-25 | 湖北文理学院 | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** |
CN111570975A (zh) * | 2020-05-12 | 2020-08-25 | 湖北文理学院 | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** |
CN111570975B (zh) * | 2020-05-12 | 2022-04-05 | 湖北文理学院 | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** |
CN113210805A (zh) * | 2021-05-11 | 2021-08-06 | 浙江清华长三角研究院 | 基于工业热像仪和可见光相机双视觉的mig焊接纠偏方法 |
CN114160921A (zh) * | 2021-11-22 | 2022-03-11 | 湖北文理学院 | 焊接机器人的焊接控制方法、控制装置及焊接机器人 |
CN114669932A (zh) * | 2021-12-16 | 2022-06-28 | 浙江大华技术股份有限公司 | 一种智能焊接方法及相关装置 |
CN114669932B (zh) * | 2021-12-16 | 2024-05-24 | 浙江大华技术股份有限公司 | 一种智能焊接方法及相关装置 |
CN114714355A (zh) * | 2022-04-14 | 2022-07-08 | 广州东焊智能装备有限公司 | 自主移动焊接机器人嵌入式视觉跟踪控制*** |
CN114714355B (zh) * | 2022-04-14 | 2023-08-08 | 广州东焊智能装备有限公司 | 自主移动焊接机器人嵌入式视觉跟踪控制*** |
CN114841959A (zh) * | 2022-05-05 | 2022-08-02 | 广州东焊智能装备有限公司 | 一种基于计算机视觉的自动焊接方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110773840B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110773840B (zh) | 焊接偏差测定方法、装置和自动焊接*** | |
He et al. | Autonomous detection of weld seam profiles via a model of saliency-based visual attention for robotic arc welding | |
Ye et al. | Weld bead recognition using laser vision with model-based classification | |
Li et al. | Robust welding seam tracking and recognition | |
CN104697467B (zh) | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 | |
CN111570975B (zh) | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** | |
CN113610814B (zh) | 焊缝质量检测方法、装置、电子设备及存储介质 | |
CN108971704B (zh) | 基于视觉及旋转电弧复合传感的三维焊缝跟踪方法及*** | |
CN109693018A (zh) | 自主移动机器人焊缝视觉跟踪***及跟踪方法 | |
CN108344693B (zh) | 一种面向自动焊接的薄板焊缝错边量视觉测量方法 | |
CN111570974B (zh) | 基于同步采图的焊接偏差测定方法、装置和自动焊接*** | |
Hou et al. | A teaching-free welding method based on laser visual sensing system in robotic GMAW | |
Ma et al. | Efficient and accurate start point guiding and seam tracking method for curve weld based on structure light | |
JP2009220155A (ja) | 溶接品質検査方法および装置 | |
Dong et al. | A weld line detection robot based on structure light for automatic NDT | |
CN109146866A (zh) | 机器人对焊缝处理的方法及装置 | |
CN106623493A (zh) | 一种钢带冲孔连续加工的检测方法 | |
CN114240944A (zh) | 一种基于点云信息的焊接缺陷检测方法 | |
CN106056603A (zh) | 基于立体视觉的焊接执行参数在线检测方法 | |
CN108876771B (zh) | 一种咬边焊接缺陷的检测方法 | |
CN108320799B (zh) | 一种用于侧向流纸条疾病诊断的图像分析与识别方法 | |
Li et al. | Multiple weld seam laser vision recognition method based on the IPCE algorithm | |
CN114119595A (zh) | 一种基于集成深度学习的gmaw焊接质量在线监测及评价方法 | |
CN111397529A (zh) | 一种基于双目视觉结构光的复杂表面形状检测方法 | |
Cai et al. | Weld beads and defects automatic identification, localization, and size calculation based on a lightweight fully convolutional neural network |
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 |