CN103567607A - 一种焊缝跟踪方法 - Google Patents

Abstract

本发明涉及焊缝控制技术领域，尤其涉及一种焊缝跟踪方法。所述方法包括步骤：S10、在开始焊接阶段，采用一台以上的摄像机采集N次焊缝图像；S20、提取焊缝特征点的图像坐标；S30、利用N次提取到的焊缝特征点的统计特性，确定焊缝特征点的期望图像坐标；S40、在焊接过程中，利用焊缝特征点的当前图像坐标和期望图像坐标的偏差统计特性，构造视觉控制的控制律，进行焊枪枪尖对焊缝的跟踪。所以该焊缝跟踪方法可以根据焊接条件的变化要求弧焊机器人能够实时检测出焊缝的偏差，并调整焊接路径和焊接参数，保证焊接质量的可靠性，并且精度高、安全。

Description

一种焊缝跟踪方法

技术领域

本发明涉及焊缝控制技术领域，尤其涉及一种焊缝跟踪方法。

背景技术

焊接机器人施焊过程中，由于环境因素的影响，如：强弧光辐射、高温、烟尘、飞溅、坡口状况、加工误差、夹具装夹精度、表面状态和工件热变形等，实际焊接条件的变化往往会导致焊炬偏离焊缝，从而造成焊接质量下降甚至失败。

在集装箱的生产中，薄板对接焊缝的焊接质量至关重要。目前，中集集装箱公司制造集装箱的薄板焊接，需要对1～3mm厚的薄板进行对接焊接，焊缝宽度约0.2～1mm。对于这类对接焊缝，其焊接一般采用气保焊，由工件上方的焊接小车带动焊枪移动完成焊接。由于薄板对接焊缝的边缘不规则，同时在焊缝上还具有预焊点，薄板对接焊缝的这些特点，以及气保焊的弧光和飞溅干扰，使得气保焊薄板对接焊缝跟踪难以实现。目前，由于采用人工手动控制焊接小车左右调节跟踪焊缝，一方面由于人的视觉的局限性会造成焊缝跟踪的不准确，焊接完毕经常需要补焊；另一方面工人需要根据跟踪效果实时手动纠偏，劳动强度较大，长时间面对焊接弧光还会对身体造成不良影响。

现有技术中，在焊接初始点对中阶段，焊枪还没有起弧，可以利用自然光照条件采集焊缝图像。但自然光照条件下获得的图像，背景比较复杂，受光照影响大，而且当摄像机偏离焊缝且离焊缝较远时，难以将焊缝从背景中分离出来。因此，基于视觉的起始焊接点定位，应该在摄像机离焊缝较近，能够获得明显焊缝图像时进行。由于焊缝图像，焊缝与其周边焊件的图像会有所不同，利用常规的边缘提取算法如Canny算子、Laplace算子等，难以将焊缝快速地分割出来。

在集装箱的生产中，薄板对接焊缝的缝的焊接质量至关重要。目前，以1～3mm厚的薄板为例，制造集装箱的薄板焊接，需要对1～3mm厚的薄板进行对接焊接，焊缝宽度约0.2～1mm。对于这类对接焊缝，其焊接一般采用气保焊，由工件上方的焊接小车带动焊枪移动完成焊接。由于薄板对接焊缝的边缘不规则，同时在焊缝上还具有预焊点，薄板对接焊缝的这些特点，以及气保焊的弧光和飞溅干扰，使得气保焊薄板对接焊缝跟踪难以实现。目前，由于现有技术中采用人工手动控制焊接小车左右调节跟踪焊缝，一方面由于人的视觉的局限性会造成焊缝跟踪的不准确，焊接完毕经常需要补焊；另一方面工人需要根据跟踪效果实时手动纠偏，劳动强度较大，长时间面对焊接弧光还会对身体造成不良影响。

针对以上问题，亟需要一种精度高、安全的焊缝跟踪方法。

发明内容

本发明的目的在于提供一种焊缝跟踪方法，该焊缝跟踪方法可以根据焊接条件的变化要求弧焊机器人能够实时检测出焊缝的偏差，并调整焊接路径和焊接参数，保证焊接质量的可靠性，并且精度高、安全。

为达此目的，本发明采用以下技术方案：

一种焊缝跟踪方法，包括步骤：

S10、在开始焊接阶段，采用一台以上的摄像机采集N次焊缝图像；

S20、提取焊缝特征点的图像坐标；

S30、利用N次提取到的焊缝特征点的统计特性，确定焊缝特征点的期望图像坐标；

S40、在焊接过程中，利用焊缝特征点的当前图像坐标和期望图像坐标的偏差统计特性，构造视觉控制的控制律，进行焊枪枪尖对焊缝的跟踪。

作为优选，在步骤S10中，当处于焊接初始点定位步骤时，包括：

S11、采用两台安装在焊枪两侧的摄像机采集焊缝图像；

S12、从采集的焊缝图像中提取焊缝边缘，利用焊缝边缘确定焊接起始特征点在两台摄像机所采集的两个焊缝图像中的图像坐标；

S13、判断两台摄像机所采集的两个焊缝图像中的焊接起始特征点的图像坐标是否相同，若不相同，则执行步骤S14；

S14、利用模糊控制确定焊枪的运动方向和运动量，返回步骤S11。

作为优选，在步骤S13中，若两台摄像机所采集的两个焊缝图像中的焊接起始特征点的图像坐标相同，则表明焊枪枪尖已经对准焊缝的起始特征点，焊接初始点定位完成，视觉控制过程结束。

作为优选，在步骤S20中，包括步骤：

S21、对焊缝图像的梯度图像进行直方图均衡化，将梯度图像中反映边缘信息的像素的灰度级压缩到一个较小的范围内；

S22、根据直方图均衡化后所得梯度图像的灰度级分布，确定图像的全局二值化阈值；

S23、以窗口半宽为步长在图像中滑动窗口，确定窗口内图像的局部二值化阈值；

S24、结合图像全局和局部二值化阈值，得到窗口内的自适应二值化阈值，对窗口内梯度图像进行二值化。

作为优选，在步骤S24后，还包括：

步骤S25：采用迭代去噪法，去除所得二值图像中存在的噪声。

本发明的有益效果为：本发明提供一种焊缝跟踪方法，由于包括步骤：S10、在开始焊接阶段，采用一台以上的摄像机采集N次焊缝图像；S20、提取焊缝特征点的图像坐标；S30、利用N次提取到的焊缝特征点的统计特性，确定焊缝特征点的期望图像坐标；S40、在焊接过程中，利用焊缝特征点的当前图像坐标和期望图像坐标的偏差统计特性，构造视觉控制的控制律，进行焊枪枪尖对焊缝的跟踪。所以该焊缝跟踪方法可以根据焊接条件的变化要求弧焊机器人能够实时检测出焊缝的偏差，并调整焊接路径和焊接参数，保证焊接质量的可靠性，并且精度高、安全。

附图说明

图1是本发明具体实施方式提供的焊缝跟踪方法的流程图；

图2是本发明具体实施方式提供的焊接初始点定位的流程图；

图3是本发明具体实施方式提供的焊缝特征点提取方法的流程图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

图1是本发明具体实施方式提供的焊缝跟踪方法的流程图。如图1所示，该焊缝跟踪方法，包括步骤：

S10、在开始焊接阶段，采用一台以上的摄像机采集N次焊缝图像；

S20、提取焊缝特征点的图像坐标；

S30、利用N次提取到的焊缝特征点的统计特性，确定焊缝特征点的期望图像坐标；

S40、在焊接过程中，利用焊缝特征点的当前图像坐标和期望图像坐标的偏差统计特性，构造视觉控制的控制律，进行焊枪枪尖对焊缝的跟踪。

具体的，在焊缝纠偏过程中，采用一台摄像机在焊接位置的前方采集焊缝图像，提取焊缝特征点的图像坐标。在开始焊接阶段，采集N次焊缝图像，利用N次提取到的焊缝特征点的统计特性，确定焊缝特征点的期望图像坐标。在焊接过程中，利用焊缝特征点的当前图像坐标和期望图像坐标的偏差统计特性，构造视觉控制的控制律，实现焊枪枪尖对焊缝的跟踪。

利用设计完成的薄板对接焊缝视觉自动跟踪系统，焊接实验结果表明，所设计的焊缝自动跟踪系统在焊接过程中跟踪的图像偏差能维持在±10个像素左右，图像偏差映射到笛卡尔空间的实际焊缝最大偏差在±0.42mm左右。焊接出的焊道能够很好的与焊缝相吻合，熔透效果良好，跟踪精度和焊接质量能够达到集装箱薄板对接的生产需求。用适合工业应用的高可靠的PLC实现焊缝跟踪纠偏控制算法，并在控制柜上安装了触摸屏，用于实时监测焊缝跟踪效果和控制参数的设定。相对于传统的焊缝跟踪系统，本系统小巧、可靠、功能完善，适合工业现场应用。

图2是本发明具体实施方式提供的焊接初始点定位的流程图。如图2所示，在步骤S10中，当处于焊接初始点定位步骤时，包括：

S11、采用两台安装在焊枪两侧的摄像机采集焊缝图像；

S12、从采集的焊缝图像中提取焊缝边缘，利用焊缝边缘确定焊接起始特征点在两台摄像机所采集的两个焊缝图像中的图像坐标；

S13、判断两台摄像机所采集的两个焊缝图像中的焊接起始特征点的图像坐标是否相同，若不相同，则执行步骤S14；

S14、利用模糊控制确定焊枪的运动方向和运动量，返回步骤S11。

其中，在步骤S13中，若两台摄像机所采集的两个焊缝图像中的焊接起始特征点的图像坐标相同，则表明焊枪枪尖已经对准焊缝的起始特征点，焊接初始点定位完成，视觉控制过程结束。

具体的，在焊接初始点视觉定位中，采用两台安装在焊枪两侧的摄像机采集焊缝图像。由于焊枪相对于摄像机的位置固定，焊枪枪尖在摄像机图像中的图像坐标保持不变。在采集的焊缝图像中，首先提取焊缝边缘，然后利用焊缝边缘确定焊接起始特征点的图像坐标。在焊枪枪尖没有对准焊缝的起始特征点时，两者在两台摄像机图像中的特征坐标不同，据此可以利用模糊控制确定焊枪的运动方向和运动量，引导焊枪枪尖到达焊接起始特征点位置。在焊枪枪尖的特征点图像坐标与焊接起始特征点的图像坐标相同时，表明焊枪枪尖已经对准焊缝的起始特征点，焊接初始点定位完成，视觉控制过程结束。

图3是本发明具体实施方式提供的焊缝特征点提取方法的流程图。如图3所示，在步骤S20中，包括步骤：

S21、对焊缝图像的梯度图像进行直方图均衡化，将梯度图像中反映边缘信息的像素的灰度级压缩到一个较小的范围内；

S22、根据直方图均衡化后所得梯度图像的灰度级分布，确定图像的全局二值化阈值；

S23、以窗口半宽为步长在图像中滑动窗口，确定窗口内图像的局部二值化阈值；

S24、结合图像全局和局部二值化阈值，得到窗口内的自适应二值化阈值，对窗口内梯度图像进行二值化。

其中，在步骤S24后，还包括：

步骤S25：采用迭代去噪法，去除所得二值图像中存在的噪声。

具体的，通过对焊缝图像的梯度图像进行直方图均衡化，将梯度图像中反映边缘信息的像素的灰度级压缩到一个较小的范围内。然后，根据直方图均衡化后所得梯度图像的灰度级分布，确定图像的全局二值化阈值。以窗口半宽为步长在图像中滑动窗口，确定窗口内图像的局部二值化阈值。结合图像全局和局部二值化阈值，得到窗口内的自适应二值化阈值，对窗口内梯度图像进行二值化。此外，还设计了一种迭代去噪的方法，以解决所得二值图像中存在大量噪声的问题。

在焊接初始点对中过程所采用的视觉系统，采用仿人视觉控制原理，根据两台摄像机中焊缝的起始特征点与焊枪枪尖图像坐标的偏差，利用模糊控制确定焊枪的运动方向和运动量，引导焊枪枪尖到达焊接起始特征点位置。该视觉控制系统不需要对摄像机的内外参数进行预先标定，使用方便，适应性强，解决了制约视觉系统工业应用的一个瓶颈问题。本方案所构成的焊接初始点对中视觉控制系统，具有容错能力，其鲁棒性强，可靠性高。

在不能保证焊缝图像特征百分之百正确的情况下，如何实现可靠、准确的跟踪焊缝，是视觉控制策略设计的关键。本方案利用仿人化智能控制策略，结合焊缝的先验知识和焊缝图像特征的统计规律，可以有效的解决随机干扰导致的焊缝跟踪不准甚至跟踪失败等难题。

本方案的焊缝跟踪系统基于统计信息进行视觉控制，即使在视觉传感信息不很可靠的情况下，依然能够实现可靠的焊缝跟踪。本项目的焊缝跟踪系统具有体积小、可靠性高、使用方便等优点，适合于焊缝坡口不规范的应用场合，适合于国内工业应用。

由于焊接机器人系统具有非线性和时变特点，难以用精确的数学模型进行描述，用传统的控制方法难以实现最佳控制而模糊控制具有自适应和鲁棒性等特点。本方案为机器人焊接控制提供了一个理想的控制方法。模糊控制是智能控制的较早形式，它吸取了人的思维具有模糊性的特点，使用模糊数学中的隶属函数、模糊关系、模糊推理和决策等工具，巧妙地综合了人们的直觉经验，从而在其他经典控制理论和现代控制理论不太奏效的场合能够实现较满意的控制。将模糊控制理论和实际焊接过程相结合，发展成为专用焊接控制器，进一步发展成为了通用型焊接模糊控制器。模糊控制具有较完善的控制规则，模糊控制综合定量知识的能力较差，当对象动态特性发生变化，或者受到随机干扰的影响都会影响模糊控制的效果。因此在模糊控制理论方面，人们对常规模糊控制进行了改进，设计了一些高性能模糊控制器，有效解决精度较低、自适应能力有限及设备产生振荡现象等问题。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (5)

1.一种焊缝跟踪方法，其特征在于，包括步骤：

S10、在开始焊接阶段，采用一台以上的摄像机采集N次焊缝图像；

S20、提取焊缝特征点的图像坐标；

S30、利用N次提取到的焊缝特征点的统计特性，确定焊缝特征点的期望图像坐标；

S40、在焊接过程中，利用焊缝特征点的当前图像坐标和期望图像坐标的偏差统计特性，构造视觉控制的控制律，进行焊枪枪尖对焊缝的跟踪。

2.根据权利要求1所述的焊缝跟踪方法，其特征在于，在步骤S10中，当处于焊接初始点定位步骤时，包括：

S11、采用两台安装在焊枪两侧的摄像机采集焊缝图像；

S12、从采集的焊缝图像中提取焊缝边缘，利用焊缝边缘确定焊接起始特征点在两台摄像机所采集的两个焊缝图像中的图像坐标；

S13、判断两台摄像机所采集的两个焊缝图像中的焊接起始特征点的图像坐标是否相同，若不相同，则执行步骤S14；

S14、利用模糊控制确定焊枪的运动方向和运动量，返回步骤S11。

3.根据权利要求2所述的焊缝跟踪方法，其特征在于，在步骤S13中，若两台摄像机所采集的两个焊缝图像中的焊接起始特征点的图像坐标相同，则表明焊枪枪尖已经对准焊缝的起始特征点，焊接初始点定位完成，视觉控制过程结束。

4.根据权利要求1所述的焊缝跟踪方法，其特征在于，在步骤S20中，包括步骤：

S21、对焊缝图像的梯度图像进行直方图均衡化，将梯度图像中反映边缘信息的像素的灰度级压缩到一个较小的范围内；

S22、根据直方图均衡化后所得梯度图像的灰度级分布，确定图像的全局二值化阈值；

S23、以窗口半宽为步长在图像中滑动窗口，确定窗口内图像的局部二值化阈值；

S24、结合图像全局和局部二值化阈值，得到窗口内的自适应二值化阈值，对窗口内梯度图像进行二值化。

5.根据权利要求4所述的焊缝跟踪方法，其特征在于，在步骤S24后，还包括：

步骤S25：采用迭代去噪法，去除所得二值图像中存在的噪声。

Images