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.     

基于光栅投影的焊后焊缝表面三维测量

焊缝表面三维轮廓是评价焊后焊缝质量的重要指标,针对常用线结构光扫描进行焊缝测量时无法兼顾测量速度与精度等问题,设计并搭建了一种基于面结构光光栅投影的焊缝三维轮廓测量系统. 首先,通过数字光处理(digital light processing,DLP)投影仪向焊缝表面投射面结构光光栅条纹图像,摄像机获取变形调制条纹,利用四步相移法结合多频外差时域解相算法准确地实现了变形光栅条纹相位主值的解算和相位的展开.然后,利用平面靶标结合精密平移台获取空间点阵列的方法实现了对模型参数的标定,该标定方法精度高、可操作性强、结构稳定.最后,采用空间相位映射模型实现焊缝相位信息到高度信息的转换,实现焊缝三维轮廓的测量.结果表明,该测量方法能很好的表现焊缝细节信息,测量结果准确,测量精度能达到0.0968 mm,可以为焊后焊缝外观检测与评价提供可靠数据.     

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。     

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.     

防爆壳体焊口装配质量的激光视觉检测方法

提出了一种矿用防爆壳体焊口装配质量信息参数间隙量、错边量的激光视觉检测方法.首先,搭建了一套以摄像机、光栅激光器、计算机为核心的视觉测量系统,获取壳体底部装配焊口的光栅条纹图像.通过分析光栅条纹与装配焊口的耦合情况,得到了光栅条纹特征点跟随装配间隙量、错边量变化的相关关系.其次,将图像中的光栅条纹进行分割、细化,获取条纹轮廓点坐标,通过计算机自动搜索数据得到光栅条纹的特征点坐标,建立光栅条纹特征点矩阵.最后基于特征点矩阵建立焊口装配间隙量、错变量的求取算法,并建立了基于焊口间隙量、错变量的焊口装配质量评价指标及方法.验证结果表明,视觉测量系统获取的壳体装配信息与人工测量结果吻合度高,可代替人工测量实现装配质量的评判.     

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。     

基于消隐点的线结构光传感器光平面标定方法北大核心

光平面高精度标定是实现线结构光传感器精密测量的关键,提出一种基于消隐点的光平面标定方法。首先控制平面靶标或者传感器作一组平移运动,得到光平面中一组平行的激光条纹图像;然后通过提取光条与标定板网格线交点,构造出光平面中第二组平行直线,计算两组平行直线的消隐点并利用向量叉积标定光平面的法向;最后计算光平面上两特征点之间的实际距离,并根据这一约束条件,标定得到光平面方程的其余参数。通过与多种标定方法进行对比实验,结果表明本方法具有更高的标定精度,结合工业机器人对厚度为7 mm的标准量块进行测量,平均测量误差为0.013 mm。与基于两组平移运动的标定方法相比,本方法进一步减少了人工参与,提高了标定效率。     

摄像机静标定技术在机器人视觉目标定位中的应用研究

利用机器人视觉技术对目标进行定位与分检中,视觉系统对目标的精确定位是其关键技术之一。利用基于线段斜率的摄像机静标定技术对摄像机镜头进行了标定,将标定的镜头径向畸变系数应用于目标位置坐标计算中。经标定后的目标坐标位置数据引导机器人末端执行器完成对目标的定位,实验结果表明了该方法的有效性。     

基于特定平面的单目视觉焊缝起始点导引

为了解决传统采用立体视觉和模板匹配方法实现焊缝起始点自动化导引过程中存在的算法复杂、运算速度慢以及导引精度不高等问题,提出了一种基于特定平面的单目视觉焊缝起始点导引方法。首先,采用"单目双位"和随机一致性算法对放置待焊工件的工作平面进行标定,将导引范围限制在该特定平面上;然后以手持点激光作为主动光源照射到该平面上,在保持摄像机坐标系姿态不变的情况下,导引摄像机至焊缝起始点,进而计算该点在机器人基坐标系下的三维坐标指导机器人运动使焊枪到达焊缝起始点。     

基于手眼关系的机器人TCP自标定方法

双目视觉系统和机器人在焊接中的结合使用,可以对焊缝进行实时追踪,以提高焊接质量。而机器人末端工具(焊枪)的中心点(TCP)作为机器人的实际运动轨迹,其标定精度直接影响机器人作业质量。针对该问题,以双目测量为基础,结合手眼关系和成像对称性的特点,提出了一种基于手眼关系的机器人TCP参数快速标定的方法。通过在机器人实验平台上与四点法进行对比实验,验证该标定方法的正确性和有效性。在不增加成本的同时,完成了TCP的快速、正确标定,满足了实际工业生产中机器人末端工具参数的标定需求。     

基于极线约束与激光标识的空间焊缝的立体视觉检测

针对安装在焊接机器人末端的双目立体视觉系统,建立了左右图像坐标的极线约束方程.采用极线约束和激光标识相结合的立体视觉匹配方法,完成了相交圆管马鞍形空间焊缝的立体视觉检测.结果表明,含激光条纹的焊缝图像,经细化、去毛刺处理后,可以得到分段光滑的曲线,通过曲线奇变点检测与曲线—极线相交点检测两种方法的融合,实现了空间焊缝检测点在左右图像中的可靠匹配,从而提高了焊缝及周边结构立体视觉检测的准确性.对检测的马鞍形焊缝及周边圆管的三维数据进行了重建,与实际结构尺寸比较误差小,满足一般机器人自动焊接过程中的焊缝检测要求.     

无坡口对接焊缝特征角点检测方法

针对无坡口平板对接焊缝,研究一种应用线结构光传感的角点检测原理实现焊缝特征检测与跟踪的方法.与基于线结构光形变特征检测焊缝位置的传统方法不同,根据激光条纹在焊缝处的灰度变化,运用图像形态学处理方法,提取焊缝中心特征.计算图像每列邻域内灰度值和,运用中心差分方法,提取焊缝图像感兴趣区域.再依据角点检测原理,确定焊缝中心亚像素级坐标位置,通过简单快速的系统标定,得到焊缝实际位置偏差.结果表明,对焊缝间隙为0.2 mm左右的对接焊缝进行跟踪试验,平均误差均保持在0.1 mm以内,满足焊缝跟踪精度要求.     

棱形管与法兰角焊缝图像处理及特征提取

由于棱形管与法兰角焊缝的位置多变,且实际生产中棱形管端面加工精度不高,自动化焊接程度低,文中搭建了一套棱形管与法兰环焊缝的自动化焊接系统,对于提高棱形管与法兰焊接的自动化程度有较大的应用价值。该系统通过CMOS相机和单条纹激光组成激光视觉传感器,获取角焊缝位置和间隙信息。针对采集的图像及工件特征,设计了适合的图像处理算法,首先采用了灰度变换、均值滤波和形态学处理的方法对图像进行预处理,然后根据对激光条纹图像灰度值分析结果,寻找合适的阈值,并采用极值法提取光条中心点,最后采用霍夫变换拟合直线,提取出角焊缝位置信息,并提出激光条纹端点搜索方法,提取出了角焊缝间隙大小。结果表明,该图像处理方案效果较好,抗干扰能力较强,可以准确的提取出焊缝中心位置和间隙大小,满足焊接机器人对焊缝跟踪的要求以实现自动化焊接。 创新点： (1)设计出适用于棱形管与法兰角焊缝的自动化焊接系统。 (2)设计了适用于该系统的焊缝中心位置提取算法。 (3)设计了角焊缝间隙提取算法。     

基于最小二乘支持向量机的激光拼焊焊缝识别

激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝.     

钨极氩弧焊熔池表面高度测量中变形条纹图的获取

提出一种基于条纹反射和傅立叶变换的测量GTAW熔池表面高度的新方法.利用激光器将光栅条纹投影在GTAW熔池表面,反射光轴上设置双透镜系统以转移熔池物面,利用空间滤波的方法阻挡弧光成分,在输出面放置白屏接收反射的熔池变形激光条纹,用CCD对屏上变形条纹实时成像.分析了焊枪位置、熔池的反射性能、弧光辐射等对变形条纹图获取的...     

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.     

基于机器视觉的管道焊接跟踪技术研究

针对爬行焊接机器人在管道自动焊接中对典型的V形坡口焊缝的定位与中心线的提取,设计了一种基于激光视觉检测的自动焊缝跟踪系统。提出了一种基于激光条纹图像特征的两步定位方法:第一步,建立模板匹配,利用模板匹配方式获取激光条纹位置区域;第二步,采用阈值分割和中心法提取激光条纹中心线,然后采用Shi-Tomasi算法对中心线进行角点检测,经过拟合直线求交点和逐列扫描对比得到焊缝坡口的4个拐点信息,并确定焊缝中心。通过对实际的焊接过程进行测试,结果表明:跟踪系统的平均纠偏误差在2像素以内,平均处理纠偏时间在120 ms以内,具有较高的精度和实时性。     

Study of image processing for V-shape groove and robotic weld seam tracking based on laser vision

Single-stripe laser was applied to acquire V-shape groove contour information. Most of arc light and splash noise was removed and stripe laser image was kept by wavelet transform. Half-threshold algorithm was used for image segmentation and stripe laser image was gotten after refining. Weld seam center position was identified and extracted by extreme curvature corner detection method. The location of torch was detected to accord the frequency of computer program with robot program and serial communication program. The tracking experiments of sidelong, reflex and curve weld line show that the system can meet the demand of the tracking precision under normal welding conditions.     

一种基于图像质心的焊缝跟踪新方法

研究一种基于图像质心识别的电弧焊焊缝跟踪新方法。通过视觉传感器获取焊接区熔池图像，抽取图像质心坐标并构成状态向量，建立一种基于图像质心的状态方程和位置测量方程。在此基础上，应用卡尔曼滤波对图像质心位置进行状态估计，在时域中采取递推计算的方式得到最小均方差条件下的焊缝位置最佳预测值．从而消除过程噪声和测量噪声引起的焊缝位置测量偏差。计算机仿真和实际焊接试验结果显示该方法可有效地提高焊缝跟踪精度。     

High-precision measurement of weld seam based on narrow depth of field lens in laser welding

In laser beam welding, when the width of weld seam is less than 0.1?mm, present vision sensor-based measurements can barely obtain the seam width and seam position stably and reliably. A seam measuring method based on narrow depth of field (NDOF) is proposed in this article, which aims to detect this kind of narrow and small weld seam with great accuracy. This measurement system consists of a multiple optical magnifier, a Charge-Coupled Device/Complementary Metal Oxide Semiconductors (CCD/CMOS) camera, and an external light-emitting diode lighting unit. First, the principle of the NDOF method is explained. Second, key features of weld seam are extracted by image-processing algorithm. Lastly, the result of experiment reveals that the NDOF method can meet the demanded detection precision. Measurement accuracy for the seam width and seam position is 6 and 8?μm, respectively.