CN104985289A - 基于激光传感器的焊缝自动跟踪测试装置及其测试方法 - Google Patents

Abstract

本发明公开了一种基于激光传感器的焊缝自动跟踪测试装置及其测试方法，该装置包括焊接机器人模块、激光传感器模块、焊接模块和特征检测模块；焊接机器人模块采用广州数控公司生产的RB08焊接机器人，激光传感器模块由MTI 2d激光传感器、挡光板、安装支架组成，MTI 2d激光传感器通过安装支架连接机器人本体的末端法兰；焊接模块包括焊机、送丝结构以及焊枪，特征检测模块包括控制器和检测单元，激光传感器模块可检测焊缝坡口的二维数据；检测单元选择焊缝的类型，调用处理该焊缝类型的特征识别算法，并将焊缝中心返回到机器人控制器柜，机器人本体带动焊枪实时对准焊缝中心。具有实现了对焊缝的自动跟踪，保证了焊接质量等优点。

Description

基于激光传感器的焊缝自动跟踪测试装置及其测试方法

技术领域

本发明属于焊接技术领域，尤其涉及一种基于激光传感器的焊缝自动跟踪测试装置及其测试方法，本发明适用于需要采用焊接机器人并需要采用激光技术进行焊缝的自动跟踪的应用领域。

背景技术

焊接的环境非常恶劣，通常伴有烟尘、高温、飞溅以及弧光的干扰，使得人工焊接的效果和工作效率都大打折扣。当前机器人焊接已经在国内外的汽车、工程机械、以及集装箱生产等许多领域都得到了很广泛的应用。然而，目前的焊接机器人都是典型的“示教再现”模式，“示教编程”指的是通过下述方式完成程序的编制：由人工引导机器人末端执行器(如：焊枪)来使机器人完成预期的动作，“任务程序”为一组运动及辅助功能指令，用以确定机器人特定的预期作业。“再现”指的是机器人按照示教编程获得任务程序，不断重复再现。

焊接是一个非线性的，时变的过程。当焊接条件改变时，焊接机器人并不能根据这些条件的改变做出相应的调整。例如由于强烈的弧光辐射、高温、烟尘、飞溅、坡口状况、加工误差、夹具装夹精度、表面状态以及工件的热变形等都会影响焊枪偏离焊缝中心，影响焊接精度。

为解决上述问题，通常需要采用激光传感技术对再现的焊接轨迹进行实时跟踪，引导焊枪在焊接过程中实时对准焊缝中心，保证焊接质量。激光传感技术是指通过激光传感器发射激光束照射待焊工件表面并获取每个激光点在激光传感器坐标系下的位置坐标，并传送给控制器中的检测单元；检测单元对采集的数据进行各种运算来提取焊缝的特征点及焊缝中心，并通过检测单元将焊缝中心位置传送给机器人控制柜，引导机器人运动至焊缝中心位置，从而保证焊枪能够实时对准焊缝中心，保证焊接质量。

但是这种由激光传感技术进行焊缝跟踪在国内却未见有相关系统的出现，本发明以此提出。通过研制一套专用测试装置，对由激光传感技术进行焊缝自动跟踪的效果以及实用性进行评估和验证，并分析产生误差的原因，从而不断优化激光传感技术中的焊缝特征提取算法，实现焊缝自动跟踪的精度要求成为了亟待解决的技术问题。

发明内容

本发明的首要目的在于克服现有技术的缺点与不足，提供一种基于激光传感器的焊缝自动跟踪测试装置，改测试装置使得在此平台上能够实现基于条纹式激光传感技术完成焊缝的自动跟踪，并对结果进行评估和验证，分析误差产生的原因。

本发明的另一目的在于克服现有技术的缺点与不足，提供一种应用于基于激光传感器的焊缝自动跟踪测试装置的测试方法，该测试方法不断优化条纹式激光传感技术的焊缝特征提取算法，从而实现准确的跟踪焊缝的目的。

本发明的首要目的通过以下技术方案实现：一种基于激光传感器的焊缝自动跟踪测试装置，包括：焊接机器人模块、激光传感器模块、焊接模块和特征检测模块，所述特征检测模块是整个装置的最主要的部分。

所述焊接机器人模块包括机械本体，所述机械本体采用6轴垂直多关节的开环链式结构，采用交流伺服驱动的方式驱动，有效载荷为8Kg。安装方式为地面安装。焊接机器人系统的组成包括机器人控制柜、示教器以及机器人本体。

所述激光传感器模块包括：MTI 2d激光传感器、安装支架和挡光板，所述激光传感器模块通过安装支架与机器人本体的末端法兰连接；MTI 2d激光传感器采用三角测量原理，通过激光发射器发射激光，照射物体表面，并通过CCD摄像机采集图像，并进一步转化为激光点的位置坐标，传感器的测量范围为40～90mm。安装板主要用来将MTI 2d激光传感器固定于安装支架上；挡光板主要用来减小焊接过程中弧光对传感器采集数据的影响。

所述激光传感器模块可检测焊缝坡口的二维位置数据，所述检测单元可以选择焊缝的类型，用来调用处理该类型的焊缝并返回焊缝中心到机器人控制柜，从而实现对焊缝的自动跟踪。

所述焊接模块部分包括：LORCH焊机、送丝结构和焊枪，所述焊接模块控制焊丝的起弧与焊丝的进给，所述LORCH焊机主要用来控制焊丝的起弧与否，送丝结构主要是用来保证焊丝的长度，保证焊接过程中焊接参数的不变。

所述特征检测模块包括：控制器和检测单元，所述检测单元部分采用Microsoft Visual Studio 2010平台开发。主要有五个部分，第一部分为焊缝图像显示，显示的是当前激光所照射的工件的横截面形状，由激光采集的数据点组成；第二部分为焊缝类型选择部分，主要是选择当前焊接工件的截面类型；第三部分为焊缝实际特征的输入界面，点击焊缝类型的按钮，即可弹出该界面，主要是输入实际焊接工件的宽度及高度等特征信息；第四部分是控制部分，主要是控制激光的启动与关闭，以及软件的启停控制；第五部分是焊缝特征的测量值输出部分，主要是输出通过特征点检测算法所计算的焊缝特征信息，包括高度、宽度、焊缝中心等特征，以及输出实际测量值与理想值之间的误差值。

所述检测单元能够适用于多种焊缝类型，例如搭接、对接和角接焊缝等。采用小波变换模极大值理论能够初步检测焊缝的特征点位置，检测的结果偏差较大；通过最小二乘法对检测的特征点进行精确定位，能够提高检测精度。

所述机器人本体具有6轴垂直多关节的开环链式结构，采用交流伺服驱动的方式驱动所述机器人本体，所述机器人本体的有效载荷为8Kg，所述机器人本体的安装方式为地面安装；

所述检测单元提取焊缝的特征点并计算焊缝的中心的方法为：

首先对由激光传感器模块采集得到的激光原始数据y(t)进行一阶差分：

dy(t)＝y(t)-y(t-1),t＝1,2,...n,

其中，y为所述激光传感器模块采集得到的激光原始数据的纵坐标，dy为所述激光传感器模块采集得到的激光原始数据求解一阶差分的数据，t为激光点的横坐标；

再次，利用高斯小波函数对dy进行卷积计算：

y₁(t)＝θ(t)*dy(t)，

其中，t为激光点的横坐标，a为小波变换尺度因子，θ为高斯小波函数值，y₁为所述激光传感器模块采集得到的激光原始数据的一阶差分数据与高斯小波函数卷积计算的结果；

接着利用高斯小波函数的一阶导数对上述的卷积计算的结果再次进行卷积计算：

y₂(t)＝θ¹(t)*y₁(t)，

其中，t为激光点的横坐标，a为小波变换尺度因子，θ¹为高斯小波函数的一阶导数，y₂为高斯小波函数的一阶导数与所述激光传感器模块采集得到的激光原始数据的一阶差分数据与高斯小波函数的卷积计算结果；

然后对上述的卷积计算结果搜索局部最大值和局部最小值，以V型焊缝为例，卷积后可以搜索到两个局部最大值和两个局部最小值，以这四个局部最值对激光传感器模块采集的激光原始数据进行分组，可以分成五小部分，分别利用最小二乘法对每一组激光数据进行最小二乘法拟合，具体如下：

假设拟合的直线方程为：y＝ax+b，

其中，a为直线的斜率；b为直线的截距；x为所述激光传感器模块采集的激光数据的横坐标；y为所述激光传感器模块采集的激光数据的纵坐标；

假设上述其中某一组激光数据为：

(x₁,y₁),(x₂,y₂)...(x_n,y_n)，

那么该组激光数据满足上述待拟合的直线方程，则得到以下方程组：

$\left\{\begin{array}{c}{y}_1={\mathrm{ax}}_1+b\\ y_2={\mathrm{ax}}_2+b\\ ...\\ y_n={\mathrm{ax}}_n+b\end{array}\right.,$

其中，x₁,x₂,...,x_n为待拟合的激光数据的横坐标；y₁,y₂,...,y_n为待拟合的激光数据的纵坐标；

将上述的方程组写成矩阵形式，如下：

$\left[\begin{array}{cc}{x}_1& 1\\ x_2& 1\\ ...& ...\\ x_n& 1\end{array}\right]\left[\begin{array}{c}a\\ b\end{array}\right]=\left[\begin{array}{c}{y}_1\\ y_2\\ ...\\ y_n\end{array}\right],$

即：

Ax＝b，

其中， $A=\left[\begin{array}{cc}{x}_1& 1\\ x_2& 1\\ ...& ...\\ x_n& 1\end{array}\right],x=\left[\begin{array}{c}a\\ b\end{array}\right],b=\left[\begin{array}{c}{y}_1\\ y_2\\ ...\\ y_n\end{array}\right],$

将方程左右两边分别左乘以矩阵A的转置A^T，得到：

(A^TA)x＝A^Tb，

那么该方程组的解为：

x＝(A^TA)^-1A^Tb，

分别对上述分组的激光数据进行最小二乘法拟合，可以得到每一组激光数据所代表的V型焊缝的边缘：

$\left\{\begin{array}{c}y=a_{1}x+b_1\\ y=a_{2}x+b_2\\ y=a_{3}x+b_3\\ y=a_{4}x+b_4\\ y=a_{5}x+b_5\end{array}\right.,$

其中，a₁,a₂,a₃,a₄,a₅分别为每一条激光线的斜率；b₁,b₂,b₃,b₄,b₅分别为每一条激光线的截距；

最后利用直线相交求焊缝的四个特征点，以前两条激光直线为例：

$\left\{\begin{array}{c}y=a_{1}x+b_1\\ y=a_{2}x+b_2\end{array}\right.,$

求解方程组：

$X=\frac{b_2-b_1}{a_1-a_2},$

$Y=\frac{a_1{b}_2-a_2{b}_1}{a_1-a_2},$

其中，X为特征点的横坐标，Y为特征点的纵坐标。

以此类推可以求解另外三个特征点的横纵坐标。

本发明的另一目的通过以下技术方案实现：一种应用于基于激光传感器的焊缝自动跟踪测试装置的测试方法，包括以下步骤：

(1)首先是通过激光测量坐标系的标定方法获得激光测量坐标下在机器人本体基座标下的坐标参数；

(2)焊接工件放置于工作台面；

(3)通过所述焊接机器人模块的机器人示教器，确定焊接机器人运动路径的起点和终点；

(4)所述检测单元选择焊缝类型，输入焊缝的实际特征信息；

(5)设置所述机器人模块的工作模式为“再现”模式，机器人本题沿着示教路径寻找跟踪的起点，MTI 2d激光传感器开始测量并提取焊缝特征点，通过焊缝特征点的位置确定焊枪的运动位置，保证焊枪实时对准焊缝中心。

(6)焊缝特征点检测均采用小波变换模极大值理论与最小二乘法来实现焊缝特征点的提取。小波函数采用高斯小波函数，高斯小波函数满足构造小波的条件。高斯小波函数、高斯小波函数的一阶导数和高斯小波函数的二阶导数的表达式分别如下：

$\mathrm{\θ}\left(t\right)=\frac{1}{a}{e}^{-\frac{t^2}{2a^2}},$

${\mathrm{\θ}}^1\left(t\right)=\frac{d}{dt}\mathrm{\θ}\left(t\right)=\frac{t}{a}{e}^{-\frac{t^2}{2a^2}},$

${\mathrm{\θ}}^2\left(t\right)=\frac{d^2}{{\mathrm{dt}}^2}\mathrm{\θ}\left(t\right)=(1-\frac{t^2}{a^2})e^{-\frac{t^2}{2a^2}},$

其中，参数a为尺度因子，θ¹(t)为θ(t)的一阶导数，θ²(t)为θ(t)的二阶导数。

小波变换是“数学显微镜”,是信号奇异性检测的有效工具，是一种在时间和频域都具有表征信号局部特征的能力。在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。因此，信号的奇异性可以由其小波变换幅值随尺度参数的衰减性来刻画，通过跟踪小波变换在细尺度下的局部最值来检测。设小波函数为θ(t)，则θ(t)满足如下两个条件：

$\underset{-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\∫}}\mathrm{\θ}\left(t\right)dt=1$

$\underset{t\→-\mathrm{\∞}}{lim}\mathrm{\θ}\left(t\right)=0;\underset{t\→\mathrm{\∞}}{\lim }\mathrm{\θ}\left(t\right)=0$

其中，选取高斯函数为小波母函数高斯小波函数具有对称性、可微和可积的性质，在时域和频域内都为高斯型且成平方指数衰减特性，具有很好的时频局域性，用作小波函数可准确的识别信号的突变点。

小波变换模极大值理论指的是利用小波函数的一阶导数与被检测信号或者函数的卷积，通过小波变换后的局部最值确定为被检测信号的转折点。而利用小波函数的二阶导数对信号的突变点进行检测采用的是卷积计算后的过零点，然而过零点容易受到噪声的干扰，并且有时候过零点反映的并不是特征点，因此，采用小波函数的一阶导数来检测焊缝的特征点。

焊缝特征点的初步定位采用小波变换模极大值理论来确定。对于V型焊缝，首先对激光采集的数据求取一阶差分，其次将差分后的数据进行高斯小波平滑，然后用高斯小波的一阶导数对平滑后的数据进行卷积运算，通过搜索小波变换后的局部最大值和局部最小值初步确定焊缝的特征点位置。如图4所示。

焊缝特征点的精确定位采用最小二乘法来实现。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。这里的最小二乘法主要用于焊缝直线拟合。根据焊缝特征点的初步定位的结果，对于V型焊缝，将激光数据分成五组，分别对五组激光数据进行最小二乘法拟合，拟合出代表焊缝边缘的直线，通过求解直线的交点精确定位焊缝的特征点位置，算法的流程图如图6所示。

(7)根据焊接过程中激光所测量的焊缝宽度及高度特征的误差，判断焊缝跟踪系统的精度是否满足要求，若满足要求则表明该系统可以实现在焊接领域的应用；若不满足要求，则需从激光测量坐标系的标定、焊缝特征点提取算法等方面进行进一步的优化与提高，从而提高检测模块的检测精度，进而满足工业过程中的使用要求。本发明具有如下的优点和有益效果：

机器人焊接已经在国内的汽车、工程机械以及集装箱生产等许多领域逐步得到了应用。然而由于机器人本身的限制以及焊接条件的改变，使得机器人并不能对焊缝条件的改变做出相应的调整，因此需要在焊接过程中实时检测焊缝的中心位置。基于激光传感器的焊缝自动跟踪测试装置及其测试方法在国内却未见有相关的系统或装置出现，本发明依此他一出，通过研制一套专用的焊缝跟踪测试系统，对由MTI 2d激光传感器的焊缝跟踪精度进行评估和验证，并分析误差产生的原因，从而不断优化激光焊缝跟踪系统的焊缝特征提取算法，使得焊接精度能够满足实际应用的焊接精度要求。

附图说明

图1是本发明基于激光传感器的焊缝自动跟踪测试装置及其测试方法总体结构示意图。

图2是本发明基于激光传感器的焊缝自动跟踪测试装置及测试方法原理图。

图3是本发明的检测单元。

图4a是MTI 2d激光传感器采集的焊缝的原始数据图。

图4b是对MTI 2d激光传感器采集的原始数据进行一阶导数求导的结果图。

图4c是所述检测单元利用小波函数进行平滑处理的结果图。

图4d是所述检测单元利用小波函数进行小波变换的结果图。

图5是所述检测单元采用最小二乘法拟合焊缝直线的仿真结果图。

图6是检测单元的特征检测算法的具体流程图。

具体实施方式

为了更好地理解本发明，下面结合附图对本发明作进一步的描述。

实施例

如图1所示，一种基于激光传感器的焊缝自动跟踪测试装置，包括：焊接机器人模块、激光传感器模块、焊接模块和特征检测模块。

如图2所示，激光传感器模块：MTI 2d条纹式激光传感器、传感器安装支架、挡光板、安装板，共同构成整个传感器模块，通过传感器安装支架与机器人末端法兰连接。

焊接模块：LORCH焊机、送丝结构以及焊枪组成整个焊接模块，控制焊丝的起弧与焊丝的进给。

特征检测模块：工业计算机及焊接控制软件共同构成整个系统的控制模块。控制软件的焊缝特征点检测算法采用小波变换和最小二乘法处理数据，提取焊缝的特征点并获得焊缝的中心。通过控制软件部分可以选择焊缝的类型并调用相应的特征提取算法。

如图3所示，为焊缝特征检测人机界面，通过选择焊缝的类型，并输入焊缝的实际特征，如宽度、高度等信息，并在焊缝显示界面显示激光采集的焊缝横截面。并调用相应的焊缝检测算法检测焊缝特征点并输出，计算检测误差。

基于条纹式激光传感器的焊缝跟踪系统中，具体的焊缝特征点检测算法步骤如下(以V型焊缝的梯形焊缝为例)：

(1)激光采集数据的预处理：梯形焊缝的形状实际上是由五条激光线组成，如图4a所示，每条激光线的连接点是一个奇异点。首先对数据求解一阶差分，并做平均值处理，将每一个数据都去掉平均值，如图4b所示。

(2)选择高斯小波函数：高斯小波函数的原函数、一阶导数、二阶导数的图像如下：

$\mathrm{\θ}\left(t\right)=\frac{1}{a}{e}^{-\frac{t^2}{2a^2}}$

${\mathrm{\θ}}^1\left(t\right)=\frac{d}{dt}\mathrm{\θ}\left(t\right)=\frac{t}{a}{e}^{-\frac{t^2}{2a^2}}$

${\mathrm{\θ}}^2\left(t\right)=\frac{d^2}{{\mathrm{dt}}^2}\mathrm{\θ}\left(t\right)=(1-\frac{t^2}{a^2})e^{-\frac{t^2}{2a^2}},$

利用高斯函数对预处理后的数据进行平滑处理，处理后的结果如图4c所示。

(3)利用高斯小波函数的一阶导数对平滑后的数据进行小波变换处理，通过搜索小波变换后的局部最大值和局部最小值，初步确定焊缝的特征点位置，如图4d所示。

(4)根据(3)所获得的激光数据的特征点，将激光数据分成五组，分别代表梯形焊缝横截面的五条边，对每一组激光数据进行直线拟合，并通过求直线的交点对焊缝的特征点进行精确定位，如图5所示。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种基于激光传感器的焊缝自动跟踪测试装置，其特征在于，包括：焊接机器人模块、激光传感器模块、焊接模块和特征检测模块；

所述焊接机器人模块包括：机器人控制柜、机器人示教器和机器人本体，机器人示教器和机器人本体均与机器人控制柜连接；

所述激光传感器模块包括：MTI 2d激光传感器、安装支架和挡光板，MTI 2d激光传感器和挡光板均与安装支架连接；所述安装支架连接与机器人本体末端的法兰相连接；

所述焊接模块包括：LORCH焊机、送丝结构和焊枪；所述LORCH焊机、送丝结构和焊枪依次连接；

所述特征检测模块包括：控制器和检测单元，所述检测单元嵌入在控制器内；所述检测单元采用小波变换模极大值理论和最小二乘法提取焊缝的特征点并计算焊缝的中心。

2.根据权利要求1所述的基于激光传感器的焊缝自动跟踪测试装置，其特征在于，所述机器人本体具有6轴垂直多关节的开环链式结构，采用交流伺服驱动的方式驱动所述机器人本体，所述机器人本体的有效载荷为8Kg，所述机器人本体的安装方式为地面安装；

所述检测单元提取焊缝的特征点并计算焊缝的中心的方法为：

首先对由激光传感器模块采集得到的激光原始数据y(t)进行一阶差分：

dy(t)＝y(t)-y(t-1),t＝1,2,...n,

其中，y为所述激光传感器模块采集得到的激光原始数据的纵坐标，dy为所述激光传感器模块采集得到的激光原始数据求解一阶差分的数据，t为激光点的横坐标；

再次，利用高斯小波函数对dy进行卷积计算：

y₁(t)＝θ(t)*dy(t)，

其中，t为激光点的横坐标，a为小波变换尺度因子，θ为高斯小波函数值，y₁为所述激光传感器模块采集得到的激光原始数据的一阶差分数据与高斯小波函数卷积计算的结果；

接着利用高斯小波函数的一阶导数对上述的卷积计算的结果再次进行卷积计算：

y₂(t)＝θ¹(t)*y₁(t)，

其中，t为激光点的横坐标，a为小波变换尺度因子，θ¹为高斯小波函数的一阶导数，y₂为高斯小波函数的一阶导数与所述激光传感器模块采集得到的激光原始数据的一阶差分数据与高斯小波函数的卷积计算结果；

然后对上述的卷积计算结果搜索局部最大值和局部最小值，以V型焊缝为例，卷积后可以搜索到两个局部最大值和两个局部最小值，以这四个局部最值对激光传感器模块采集的激光原始数据进行分组，可以分成五小部分，分别利用最小二乘法对每一组激光数据进行最小二乘法拟合，具体如下：

假设拟合的直线方程为：y＝ax+b，

其中，a为直线的斜率；b为直线的截距；x为所述激光传感器模块采集的激光数据的横坐标；y为所述激光传感器模块采集的激光数据的纵坐标；

假设上述激光数据中的某一组激光数据为：

(x₁,y₁),(x₂,y₂)...(x_n,y_n)，

那么该组激光数据满足上述待拟合的直线方程，则得到以下方程组：

$\left\{\begin{array}{c}{y}_1={\mathrm{ax}}_1+b\\ y_2={\mathrm{ax}}_2+b\\ ...\\ y_n={\mathrm{ax}}_n+b\end{array}\right.,$

其中，x₁,x₂,...,x_n为待拟合的激光数据的横坐标；y₁,y₂,...,y_n为待拟合的激光数据的纵坐标，n为正整数；

将上述的方程组写成矩阵形式，如下：

$\left[\begin{array}{cc}{x}_1& 1\\ x_2& 1\\ ...& ...\\ x_n& 1\end{array}\right]\left[\begin{array}{c}a\\ b\end{array}\right]=\left[\begin{array}{c}{y}_1\\ y_2\\ ...\\ y_n\end{array}\right],$

即：

Ax＝b，

其中， $A=\left[\begin{array}{cc}{x}_1& 1\\ x_2& 1\\ ...& ...\\ x_n& 1\end{array}\right],$ $x=\left[\begin{array}{c}a\\ b\end{array}\right],$ $b=\left[\begin{array}{c}{y}_1\\ y_2\\ ...\\ y_n\end{array}\right],$

将方程左右两边分别左乘以矩阵A的转置A^T，得到：

(A^TA)x＝A^Tb，

那么该方程组的解为：

x＝(A^TA)^-1A^Tb，

分别对上述分组的激光数据进行最小二乘法拟合，可以得到每一组激光数据所代表的V型焊缝的边缘：

$\left\{\begin{array}{c}y=a_{1}x+b_1\\ y=a_{2}x+b_2\\ y=a_{3}x+b_3\\ y=a_{4}x+b_4\\ y=a_{5}x+b_5\end{array}\right.,$

其中，a₁,a₂,a₃,a₄,a₅分别为每一条激光线的斜率；b₁,b₂,b₃,b₄,b₅分别为每一条激光线的截距；

最后利用直线相交求焊缝的四个特征点，以前两条激光直线为例：

$\left\{\begin{array}{c}y=a_{1}x+b_1\\ y=a_{2}x+b_2\end{array}\right.,$

求解方程组：

$X=\frac{b_2-b_1}{a_1-a_2},$

$Y=\frac{a_1{b}_2-a_2{b}_1}{a_1-a_2},$

其中，X为特征点的横坐标，Y为特征点的纵坐标。

3.根据权利要求1所述的基于激光传感器的焊缝自动跟踪测试装置，其特征在于，所述焊接机器人模块设定焊接路径的起始点和终点，带动焊枪和激光传感器模块沿着机器人本体的运动路径进行扫描。

4.根据权利要求1所述的基于激光传感器的焊缝自动跟踪测试装置，其特征在于，所述激光传感器模块通过对MTI 2d激光传感器进行标定，确定MTI 2d激光传感器与机器人本体基坐标系的关系；所述激光传感器模块通过激光照射工件表面，返回激光点在MTI 2d激光传感器坐标系下的坐标给控制器，返回的所述激光点构成焊缝的横截面信息。

5.一种应用于权利要求1所述的基于激光传感器的焊缝自动跟踪测试装置的测试方法，其特征在于，包括以下步骤：

(1)所述特征检测模块根据MTI 2d激光传感器所采集的数据，对MTI2d激光传感器所采集的数据求取一阶差分；

(2)所述特征检测模块对所述求取差分后的数据，采用高斯小波函数对所述求取差分后的数据进行小波变换，即对差分后的数据进行平滑处理；

(3)所述特征检测模块对小波变换后的数据采用高斯小波函数的一阶导数对数据进行小波变换，搜索局部最大值和局部最小值，并记录其位置；

(4)所述特征检测模块根据搜索到的局部最大值和局部最小值，将MTI2d激光传感器采集的数据分组，对每一组MTI 2d激光传感器采集的数据采用最小二乘法进行直线拟合并求取直线交点，确定为焊缝的特征点，同时计算出焊缝的宽度、高度以及焊缝中心位置；

(5)所述特征检测模块根据所计算的焊缝宽度和高度信息，与实际焊缝的宽度、高度做比较并计算误差。