CN104999201B - 一种采用水下机器人进行水下自动焊接的方法 - Google Patents
一种采用水下机器人进行水下自动焊接的方法 Download PDFInfo
- Publication number
- CN104999201B CN104999201B CN201510471346.4A CN201510471346A CN104999201B CN 104999201 B CN104999201 B CN 104999201B CN 201510471346 A CN201510471346 A CN 201510471346A CN 104999201 B CN104999201 B CN 104999201B
- Authority
- CN
- China
- Prior art keywords
- underwater
- subset
- image
- laser
- welding
- 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.)
- Active
Links
- 238000003466 welding Methods 0.000 title claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims abstract description 25
- 238000005493 welding type Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 229910001209 Low-carbon steel Inorganic materials 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims description 3
- 210000000245 forearm Anatomy 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 210000000080 chela (arthropods) Anatomy 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004579 marble Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
Landscapes
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明涉及一种采用水下机器人进行水下自动焊接的方法，该方法包括：1)提供一种基于多重滤波处理的水下机器人，用于水下自动焊接，所述水下机器人包括水下机器人主体、激光成像设备和焊缝识别设备，所述激光成像设备和所述焊缝识别设备都位于所述水下机器人主体上，所述激光成像设备用于拍摄水下激光图像，所述焊缝识别设备与所述激光成像设备连接，用于从所述水下激光图像中提取水下焊缝特征并确定焊缝类型；2)运行所述水下机器人。通过本发明，能够提高焊缝识别的精确性，为水下焊接提供重要参考数据。
Description
技术领域
本发明涉及图像滤波领域，尤其涉及一种采用水下机器人进行水下自动焊接的方法。
背景技术
当前，对于水下焊接存在以下问题要解决：1、人工焊接方式精度和效率都不高；2、机械焊接的方式存在需要适应水下环境的具体结构，尤其需要克服水下各类干扰的图像处理设备；3、缺乏自动焊接设备。因而，现有技术中，无法采用机械焊接的方式进行水下设备的焊接，导致当前焊接方式速度慢且不够准确。
为此，需要一种能够处理水下各种干扰的机械化自动焊接方案，首先能够提高水下激光图像的成像效果，然而能够适应水下环境，能够识别焊缝类型，最后需要一套能够自动焊接的焊接设备。
发明内容
为了解决现有技术存在的技术问题，本发明提供了一种基于多重滤波处理的水下机器人，以改造现有水下机器人的具体结构，使得其能够作为焊接平台，再利用声纳和声纳图像处理设备提高激光成像效果，利用包括中值滤波子设备、低通滤波子设备和同态滤波子设备的图像预处理设备实现对水下各类干扰的去除，利用基于神经网络识别的图像识别技术提高焊缝识别的准确性，最后改造焊接设备使其能够完成水下自动焊接。
根据本发明的一方面，提供了一种采用水下机器人进行水下自动焊接的方法，该方法包括：1)提供一种基于多重滤波处理的水下机器人，用于水下自动焊接，所述水下机器人包括水下机器人主体、激光成像设备和焊缝识别设备，所述激光成像设备和所述焊缝识别设备都位于所述水下机器人主体上，所述激光成像设备用于拍摄水下激光图像，所述焊缝识别设备与所述激光成像设备连接，用于从所述水下激光图像中提取水下焊缝特征并确定焊缝类型；2)运行所述水下机器人。
更具体地，在所述基于多重滤波处理的水下机器人中，还包括：电焊钳，用于固定焊条，所述焊条为湿法涂料焊条，材料为低碳钢；安全开关，其负极导线连接到所述电焊钳；接地夹，被固定在待焊接工件上；电焊机，负极连接至所述电焊钳，正极接地；电焊钳驱动设备，与所述电焊钳连接，用于根据电焊钳驱动信号驱动所述电焊钳前往待焊接工件的焊缝位置；电焊钳驱动电机，为一直流电机，为所述电焊钳驱动设备对所述电焊钳的驱动提供动力；所述水下机器人主体包括支架、左压力克透明筒、右压力克透明筒、连接箍、储物台、机械臂、机械手、隔水密封筒、横向螺旋桨、竖向螺旋桨、纵向螺旋桨和三个直流电机，所述支架用于将所述水下机器人主体固定在水下，所述连接箍与所述支架固定连接，所述储物台和所述机械臂与所述连接箍分别连接，所述机械手与所述机械臂连接，所述机械臂包括大臂和与大臂连接的小臂，所述三个直流电机分别带动所述横向螺旋桨、所述竖向螺旋桨和所述纵向螺旋桨，以通过螺旋桨的正反转，为水下机器人主体提供6个自由度的推进动力；移动硬盘，位于所述水下机器人主体上，用于预先存储了亮度阈值上限和亮度阈值下限；声纳设备，位于所述水下机器人主体上，用于对所述水下机器人主体前方的水下目标执行声纳图像采集，以获得声纳图像；声纳图像处理设备，与所述声纳设备和所述移动硬盘分别连接，包括第一检测子设备、第二检测子设备和目标距离检测子设备，所述第一检测子设备与所述声纳设备和所述移动硬盘分别连接，用于采用亮度阈值上限遍历声纳图像以分割出核心目标区域；所述第二检测子设备与所述第一检测子设备和所述移动硬盘分别连接，用于以所述核心目标区域的边缘点作为种子点，利用亮度阈值下限对核心目标区域附近的像素点进行亮度判断，以获得并分割出最终目标区域；所述目标距离检测子设备与所述第二检测子设备连接，计算最终目标区域的中心点到声纳图像检测原点的距离并作为目标距离输出；所述激光成像设备，包括激光器、探测器和微控制器，所述激光器对所述水下机器人主体前方的水下目标发出激光束，以在所述激光束被水下目标反射到所述探测器时，便于所述探测器的拍摄，所述微控制器与所述声纳图像处理设备、所述激光器和所述探测器分别连接，基于目标距离和激光在水下传播速度确定所述探测器快门的选通时间，并在选通时间到达时，选通所述探测器的快门，触发所述探测器对水下目标进行拍摄，以获得水下激光图像；所述焊缝识别设备包括预处理子设备、特征提取子设备和焊缝类型识别子设备；所述预处理子设备与所述激光成像设备连接，包括中值滤波子设备、低通滤波子设备和同态滤波子设备；所述中值滤波子设备与所述探测器连接，用于对所述水下激光图像执行中值滤波，以滤除所述水下激光图像中的点噪声，获得第一滤波图像；所述低通滤波子设备与所述中值滤波子设备连接，用于去除所述第一滤波图像中的随机噪声，获得第二滤波图像；所述同态滤波子设备与所述低通滤波子设备连接，用于对所述第二滤波图像执行图像增强，以获得增强水下图像；所述特征提取子设备与所述预处理子设备连接，包括图像分割单元和特征向量识别单元，所述图像分割单元基于焊缝图像灰度阈值范围将所述增强水下图像中的焊缝目标识别出来以获得水下焊缝图像；所述特征向量识别单元与所述图像分割单元连接，基于所述水下焊缝图像确定水下焊缝目标的8个几何特征：欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度，并将所述8个几何特征组成特征向量；所述焊缝类型识别子设备与所述特征提取子设备连接，采用8输入2输出的单隐层BP神经网络，以水下焊缝目标的8个几何特征作为输入层神经元，输出层为水下焊缝类型，所述水下焊缝类型包括常规类型和无法焊接类型；主控设备，设置在所述水下机器人主体上，与所述焊缝类型识别子设备连接，当接收到所述水下焊缝类型为无法焊接类型时，发出报警信号，当接收到所述水下焊缝类型为常规类型时，根据水下焊缝图像在水下激光图像的相对位置确定电焊钳驱动信号。
更具体地，在所述基于多重滤波处理的水下机器人中：水下电缆，用于将所述主控设备与水上焊接平台连接，将所述报警信号发送到所述水上焊接平台。
更具体地，在所述基于多重滤波处理的水下机器人中：所述中值滤波子设备、所述低通滤波子设备和所述同态滤波子设备分别采用不同的FPGA芯片来实现。
更具体地，在所述基于多重滤波处理的水下机器人中：所述中值滤波子设备、所述低通滤波子设备和所述同态滤波子设备被集成在一块集成电路板上。
更具体地，在所述基于多重滤波处理的水下机器人中：所述主控设备为数字信号处理器，型号为TI公司的DSP芯片。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的基于多重滤波处理的水下机器人的结构方框图。
附图标记：1水下机器人主体；2激光成像设备；3焊缝识别设备
具体实施方式
下面将参照附图对本发明的基于多重滤波处理的水下机器人的实施方案进行详细说明。
水下焊接首先要准确识别焊缝位置，现有技术中一般采用图像识别方式进行，然而，当前水下激光成像的快门控制困难，导致水下激光图像效果不佳，同时缺少合适的水下定位设备和图像滤波设备，使得水下焊接的精度不高。
为了克服上述不足，本发明搭建了一种基于多重滤波处理的水下机器人，采用多重滤波方式对图像进行预处理，优化水下激光成像技术和水下设备定位技术，同时，改造水下机器人和焊接设备，使得水下自动焊接成为可能。
图1为根据本发明实施方案示出的基于多重滤波处理的水下机器人的结构方框图，所述水下机器人包括水下机器人主体、激光成像设备和焊缝识别设备，所述激光成像设备和所述焊缝识别设备都位于所述水下机器人主体上，所述激光成像设备用于拍摄水下激光图像，所述焊缝识别设备与所述激光成像设备连接，用于从所述水下激光图像中提取水下焊缝特征并确定焊缝类型。
接着，继续对本发明的基于多重滤波处理的水下机器人的具体结构进行进一步的说明。
所述水下机器人还包括：电焊钳，用于固定焊条，所述焊条为湿法涂料焊条，材料为低碳钢；安全开关，其负极导线连接到所述电焊钳；接地夹，被固定在待焊接工件上；电焊机，负极连接至所述电焊钳，正极接地；电焊钳驱动设备，与所述电焊钳连接，用于根据电焊钳驱动信号驱动所述电焊钳前往待焊接工件的焊缝位置；电焊钳驱动电机，为一直流电机，为所述电焊钳驱动设备对所述电焊钳的驱动提供动力。
所述水下机器人主体包括支架、左压力克透明筒、右压力克透明筒、连接箍、储物台、机械臂、机械手、隔水密封筒、横向螺旋桨、竖向螺旋桨、纵向螺旋桨和三个直流电机，所述支架用于将所述水下机器人主体固定在水下，所述连接箍与所述支架固定连接，所述储物台和所述机械臂与所述连接箍分别连接，所述机械手与所述机械臂连接，所述机械臂包括大臂和与大臂连接的小臂，所述三个直流电机分别带动所述横向螺旋桨、所述竖向螺旋桨和所述纵向螺旋桨，以通过螺旋桨的正反转，为水下机器人主体提供6个自由度的推进动力。
所述水下机器人还包括：移动硬盘，位于所述水下机器人主体上，用于预先存储了亮度阈值上限和亮度阈值下限。
所述水下机器人还包括：声纳设备，位于所述水下机器人主体上，用于对所述水下机器人主体前方的水下目标执行声纳图像采集，以获得声纳图像。
所述水下机器人还包括：声纳图像处理设备，与所述声纳设备和所述移动硬盘分别连接，包括第一检测子设备、第二检测子设备和目标距离检测子设备，所述第一检测子设备与所述声纳设备和所述移动硬盘分别连接，用于采用亮度阈值上限遍历声纳图像以分割出核心目标区域；所述第二检测子设备与所述第一检测子设备和所述移动硬盘分别连接，用于以所述核心目标区域的边缘点作为种子点，利用亮度阈值下限对核心目标区域附近的像素点进行亮度判断，以获得并分割出最终目标区域；所述目标距离检测子设备与所述第二检测子设备连接，计算最终目标区域的中心点到声纳图像检测原点的距离并作为目标距离输出。
所述激光成像设备，包括激光器、探测器和微控制器，所述激光器对所述水下机器人主体前方的水下目标发出激光束，以在所述激光束被水下目标反射到所述探测器时，便于所述探测器的拍摄，所述微控制器与所述声纳图像处理设备、所述激光器和所述探测器分别连接，基于目标距离和激光在水下传播速度确定所述探测器快门的选通时间，并在选通时间到达时，选通所述探测器的快门，触发所述探测器对水下目标进行拍摄，以获得水下激光图像。
所述焊缝识别设备包括预处理子设备、特征提取子设备和焊缝类型识别子设备；所述预处理子设备与所述激光成像设备连接，包括中值滤波子设备、低通滤波子设备和同态滤波子设备；所述中值滤波子设备与所述探测器连接，用于对所述水下激光图像执行中值滤波，以滤除所述水下激光图像中的点噪声，获得第一滤波图像；所述低通滤波子设备与所述中值滤波子设备连接，用于去除所述第一滤波图像中的随机噪声，获得第二滤波图像；所述同态滤波子设备与所述低通滤波子设备连接，用于对所述第二滤波图像执行图像增强，以获得增强水下图像；所述特征提取子设备与所述预处理子设备连接，包括图像分割单元和特征向量识别单元，所述图像分割单元基于焊缝图像灰度阈值范围将所述增强水下图像中的焊缝目标识别出来以获得水下焊缝图像；所述特征向量识别单元与所述图像分割单元连接，基于所述水下焊缝图像确定水下焊缝目标的8个几何特征：欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度，并将所述8个几何特征组成特征向量；所述焊缝类型识别子设备与所述特征提取子设备连接，采用8输入2输出的单隐层BP神经网络，以水下焊缝目标的8个几何特征作为输入层神经元，输出层为水下焊缝类型，所述水下焊缝类型包括常规类型和无法焊接类型。
所述水下机器人还包括：主控设备，设置在所述水下机器人主体上，与所述焊缝类型识别子设备连接，当接收到所述水下焊缝类型为无法焊接类型时，发出报警信号，当接收到所述水下焊缝类型为常规类型时，根据水下焊缝图像在水下激光图像的相对位置确定电焊钳驱动信号。
可选地，在所述基于多重滤波处理的水下机器人中：水下电缆，用于将所述主控设备与水上焊接平台连接，将所述报警信号发送到所述水上焊接平台；所述中值滤波子设备、所述低通滤波子设备和所述同态滤波子设备分别采用不同的FPGA芯片来实现；所述中值滤波子设备、所述低通滤波子设备和所述同态滤波子设备被集成在一块集成电路板上；所述主控设备为数字信号处理器，型号为TI公司的DSP芯片。
另外，FPGA(Field－Programmable Gate Array)，即现场可编程门阵列，他是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。他是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。
以硬件描述语言(Verilog或VHDL)所完成的电路设计，可以经过简单的综合与布局，快速的烧录至FPGA上进行测试，是现代IC设计验证的技术主流。这些可编辑元件可以被用来实现一些基本的逻辑门电路(比如AND、OR、XOR、NOT)或者更复杂一些的组合功能比如解码器或数学方程式。在大多数的FPGA里面，这些可编辑的元件里也包含记忆元件例如触发器(Flip－flop)或者其他更加完整的记忆块。系统设计师可以根据需要通过可编辑的连接把FPGA内部的逻辑块连接起来，就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者而改变，所以FPGA可以完成所需要的逻辑功能。
FPGA一般来说比ASIC(专用集成电路)的速度要慢，实现同样的功能比ASIC电路面积要大。但是他们也有很多的优点比如可以快速成品，可以被修改来改正程序中的错误和更便宜的造价。厂商也可能会提供便宜的但是编辑能力差的FPGA。因为这些芯片有比较差的可编辑能力，所以这些设计的开发是在普通的FPGA上完成的，然后将设计转移到一个类似于ASIC的芯片上。另外一种方法是用CPLD(Complex Programmable LogicDevice，复杂可编程逻辑器件)。FPGA的开发相对于传统PC、主控设备的开发有很大不同。FPGA以并行运算为主，以硬件描述语言来实现；相比于PC或主控设备(无论是冯诺依曼结构还是哈佛结构)的顺序操作有很大区别。
早在1980年代中期，FPGA已经在PLD设备中扎根。CPLD和FPGA包括了一些相对大数量的可编辑逻辑单元。CPLD逻辑门的密度在几千到几万个逻辑单元之间，而FPGA通常是在几万到几百万。CPLD和FPGA的主要区别是他们的系统结构。CPLD是一个有点限制性的结构。这个结构由一个或者多个可编辑的结果之和的逻辑组列和一些相对少量的锁定的寄存器组成。这样的结果是缺乏编辑灵活性，但是却有可以预计的延迟时间和逻辑单元对连接单元高比率的优点。而FPGA却是有很多的连接单元，这样虽然让他可以更加灵活的编辑，但是结构却复杂的多。
采用本发明的基于多重滤波处理的水下机器人，针对现有技术中由于水下环境特殊而造成的难以自动水下焊接的技术问题，改造了水下机器人和焊接设备的具体结构，引入了一系列适应水下环境的有针对性的电子辅助设备，辅助水下机器人采用焊接设备自动完成水下焊接工作。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种采用水下机器人进行水下自动焊接的方法，该方法包括：
1)提供一种基于多重滤波处理的水下机器人，用于水下自动焊接，所述水下机器人包括水下机器人主体、激光成像设备和焊缝识别设备，所述激光成像设备和所述焊缝识别设备都位于所述水下机器人主体上，所述激光成像设备用于拍摄水下激光图像，所述焊缝识别设备与所述激光成像设备连接，用于从所述水下激光图像中提取水下焊缝特征并确定焊缝类型；
2)运行所述水下机器人；
所述水下机器人还包括：
电焊钳，用于固定焊条，所述焊条为湿法涂料焊条，材料为低碳钢；
安全开关，其负极导线连接到所述电焊钳；
接地夹，被固定在待焊接工件上；
电焊机，负极连接至所述电焊钳，正极接地；
电焊钳驱动设备，与所述电焊钳连接，用于根据电焊钳驱动信号驱动所述电焊钳前往待焊接工件的焊缝位置；
电焊钳驱动电机，为一直流电机，为所述电焊钳驱动设备对所述电焊钳的驱动提供动力；
所述水下机器人主体包括支架、左压力克透明筒、右压力克透明筒、连接箍、储物台、机械臂、机械手、隔水密封筒、横向螺旋桨、竖向螺旋桨、纵向螺旋桨和三个直流电机，所述支架用于将所述水下机器人主体固定在水下，所述连接箍与所述支架固定连接，所述储物台和所述机械臂与所述连接箍分别连接，所述机械手与所述机械臂连接，所述机械臂包括大臂和与大臂连接的小臂，所述三个直流电机分别带动所述横向螺旋桨、所述竖向螺旋桨和所述纵向螺旋桨，以通过螺旋桨的正反转，为水下机器人主体提供6个自由度的推进动力；
移动硬盘，位于所述水下机器人主体上，用于预先存储了亮度阈值上限和亮度阈值下限；
声纳设备，位于所述水下机器人主体上，用于对所述水下机器人主体前方的水下目标执行声纳图像采集，以获得声纳图像；
声纳图像处理设备，与所述声纳设备和所述移动硬盘分别连接，包括第一检测子设备、第二检测子设备和目标距离检测子设备，所述第一检测子设备与所述声纳设备和所述移动硬盘分别连接，用于采用亮度阈值上限遍历声纳图像以分割出核心目标区域；所述第二检测子设备与所述第一检测子设备和所述移动硬盘分别连接，用于以所述核心目标区域的边缘点作为种子点，利用亮度阈值下限对核心目标区域附近的像素点进行亮度判断，以获得并分割出最终目标区域；所述目标距离检测子设备与所述第二检测子设备连接，计算最终目标区域的中心点到声纳图像检测原点的距离并作为目标距离输出；
所述激光成像设备，包括激光器、探测器和微控制器，所述激光器对所述水下机器人主体前方的水下目标发出激光束，以在所述激光束被水下目标反射到所述探测器时，便于所述探测器的拍摄，所述微控制器与所述声纳图像处理设备、所述激光器和所述探测器分别连接，基于目标距离和激光在水下传播速度确定所述探测器快门的选通时间，并在选通时间到达时，选通所述探测器的快门，触发所述探测器对水下目标进行拍摄，以获得水下激光图像；
所述焊缝识别设备包括预处理子设备、特征提取子设备和焊缝类型识别子设备；
所述预处理子设备与所述激光成像设备连接，包括中值滤波子设备、低通滤波子设备和同态滤波子设备；所述中值滤波子设备与所述探测器连接，用于对所述水下激光图像执行中值滤波，以滤除所述水下激光图像中的点噪声，获得第一滤波图像；所述低通滤波子设备与所述中值滤波子设备连接，用于去除所述第一滤波图像中的随机噪声，获得第二滤波图像；所述同态滤波子设备与所述低通滤波子设备连接，用于对所述第二滤波图像执行图像增强，以获得增强水下图像；
所述特征提取子设备与所述预处理子设备连接，包括图像分割单元和特征向量识别单元，所述图像分割单元基于焊缝图像灰度阈值范围将所述增强水下图像中的焊缝目标识别出来以获得水下焊缝图像；所述特征向量识别单元与所述图像分割单元连接，基于所述水下焊缝图像确定水下焊缝目标的8个几何特征：欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度，并将所述8个几何特征组成特征向量；
所述焊缝类型识别子设备与所述特征提取子设备连接，采用8输入2输出的单隐层BP神经网络，以水下焊缝目标的8个几何特征作为输入层神经元，输出层为水下焊缝类型，所述水下焊缝类型包括常规类型和无法焊接类型；
主控设备，设置在所述水下机器人主体上，与所述焊缝类型识别子设备连接，当接收到所述水下焊缝类型为无法焊接类型时，发出报警信号，当接收到所述水下焊缝类型为常规类型时，根据水下焊缝图像在水下激光图像的相对位置确定电焊钳驱动信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510471346.4A CN104999201B (zh) | 2015-08-04 | 2015-08-04 | 一种采用水下机器人进行水下自动焊接的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510471346.4A CN104999201B (zh) | 2015-08-04 | 2015-08-04 | 一种采用水下机器人进行水下自动焊接的方法 |
Related Child Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610171924.7A Division CN105665877A (zh) | 2015-08-04 | 2015-08-04 | 一种采用水下机器人进行水下自动焊接的方法 |
| CN201610308004.5A Division CN105728975A (zh) | 2015-08-04 | 2015-08-04 | 一种采用水下机器人进行水下自动焊接的方法 |
| CN201610298616.0A Division CN105710554A (zh) | 2015-08-04 | 2015-08-04 | 一种采用水下机器人进行水下自动焊接的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104999201A CN104999201A (zh) | 2015-10-28 |
| CN104999201B true CN104999201B (zh) | 2016-08-24 |
Family
ID=54372201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510471346.4A Active CN104999201B (zh) | 2015-08-04 | 2015-08-04 | 一种采用水下机器人进行水下自动焊接的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104999201B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101745765A (zh) * | 2009-12-15 | 2010-06-23 | 哈尔滨工业大学 | 人机协作共享控制遥控焊接的方法 |
| CN203599683U (zh) * | 2013-11-05 | 2014-05-21 | 西安扩力机电科技有限公司 | 一种水下焊接监控系统 |
| CN104588833A (zh) * | 2015-01-24 | 2015-05-06 | 无锡桑尼安科技有限公司 | 基于图像识别的水下焊接机器人 |
| CN104625320A (zh) * | 2015-01-24 | 2015-05-20 | 无锡桑尼安科技有限公司 | 一种水下焊接方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003230959A (ja) * | 2002-02-06 | 2003-08-19 | Toshiba Corp | 遠隔操作型溶接ロボットシステム |
-
2015
- 2015-08-04 CN CN201510471346.4A patent/CN104999201B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101745765A (zh) * | 2009-12-15 | 2010-06-23 | 哈尔滨工业大学 | 人机协作共享控制遥控焊接的方法 |
| CN203599683U (zh) * | 2013-11-05 | 2014-05-21 | 西安扩力机电科技有限公司 | 一种水下焊接监控系统 |
| CN104588833A (zh) * | 2015-01-24 | 2015-05-06 | 无锡桑尼安科技有限公司 | 基于图像识别的水下焊接机器人 |
| CN104625320A (zh) * | 2015-01-24 | 2015-05-20 | 无锡桑尼安科技有限公司 | 一种水下焊接方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104999201A (zh) | 2015-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chadwick et al. | Distant vehicle detection using radar and vision | |
| CN104999164B (zh) | 基于多重滤波处理的水下机器人 | |
| CN104985290A (zh) | 一种基于神经网络识别的水下焊缝跟踪方法 | |
| CN104967832A (zh) | 一种基于图像处理的船下水域检测方法 | |
| CN116012336B (zh) | 隧道智慧化地质素描及围岩等级判识装置及方法 | |
| Shi et al. | Automated underwater pipeline damage detection using neural nets | |
| CN105096325B (zh) | 基于激光图像的水下设备检测系统 | |
| CN112528782A (zh) | 水下鱼类目标检测方法及装置 | |
| CN104999201B (zh) | 一种采用水下机器人进行水下自动焊接的方法 | |
| CN105123636A (zh) | 基于激光成像检测的鱼体识别系统 | |
| CN105010276A (zh) | 一种自动捕鱼的方法 | |
| CN104991259A (zh) | 一种激光成像探测方法 | |
| CN105059506A (zh) | 基于激光成像探测的智能化水下机器人 | |
| CN100416466C (zh) | 单目视觉半实物仿真系统及方法 | |
| CN105665877A (zh) | 一种采用水下机器人进行水下自动焊接的方法 | |
| CN113447902A (zh) | 一种基于机器学习的对海监视雷达目标识别方法 | |
| CN104999200B (zh) | 潜水员便携系统 | |
| CN105014196A (zh) | 基于神经网络识别的水下焊缝跟踪器 | |
| CN105710554A (zh) | 一种采用水下机器人进行水下自动焊接的方法 | |
| CN105728975A (zh) | 一种采用水下机器人进行水下自动焊接的方法 | |
| CN105076077A (zh) | 一种基于激光成像检测的鱼体识别方法 | |
| CN105160638A (zh) | 基于图像处理的水下焊缝跟踪系统 | |
| CN105068084A (zh) | 一种基于图像处理的激光成像探测方法 | |
| CN105059507A (zh) | 潜水器 | |
| CN105137449A (zh) | 基于图像处理的激光成像探测平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| CB03 | Change of inventor or designer information |
Inventor after: Qiao Hui Inventor before: Li Xiaochun |
|
| COR | Change of bibliographic data | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160608 Address after: 150060 Heilongjiang Province, Harbin City Economic Development Zone haping Road District Dalian road and Xingkai road junction Applicant after: HARBIN GONGDA SERVICE ROBOT Co.,Ltd. Address before: 056107 Handan Economic Development Zone, Hebei, Century Avenue, No. 9 Applicant before: Li Xiaochun |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20170118 Address after: West River Road Development Zone in Kunshan City, Suzhou City, Jiangsu province 215300 No. 188 No. 2 Patentee after: HIT ROBOT (KUNSHAN) CO.,LTD. Address before: 150060 Heilongjiang Province, Harbin City Economic Development Zone haping Road District Dalian road and Xingkai road junction Patentee before: HARBIN GONGDA SERVICE ROBOT Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 215300 No.2, 188 Xijiang Road, Kunshan Development Zone, Suzhou City, Jiangsu Province Patentee after: Harbin Institute of technology robot group (Kunshan) Co.,Ltd. Address before: 215300 No.2, 188 Xijiang Road, Kunshan Development Zone, Suzhou City, Jiangsu Province Patentee before: HIT ROBOT (KUNSHAN) Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 215300 No. 488 Qianjin East Road, Kunshan Economic and Technological Development Zone, Suzhou, Jiangsu Province Patentee after: Strict Science and Technology Innovation Development (Kunshan) Co.,Ltd. Address before: 215300 No.2, 188 Xijiang Road, Kunshan Development Zone, Suzhou City, Jiangsu Province Patentee before: Harbin Institute of technology robot group (Kunshan) Co.,Ltd. |