CN105328304A - 基于统计学的焊缝起始点自动寻位方法 - Google Patents

Abstract

基于统计学的焊缝起始点自动寻位方法，在焊枪前端安装视觉传感器，视觉传感器连续采集焊件图像，对图像进行二值化处理，提取出焊件图像上焊缝的特征点，将其存入数据队列。在摄像机坐标系下，对焊缝特征点进行统计学计算，计算出焊缝特征点的标准差，与标准差的阈值进行比较，当阈值满足要求时，寻找出数据队列中的最后一个点作为焊缝的起始点。本发明采用视觉检测的方法进行焊缝起始点自动寻位，有效解决了焊件不一致而导致的焊缝起始点难以寻位的难题，为实现全自动焊接提供了一种有效的方法。

Description

基于统计学的焊缝起始点自动寻位方法

技术领域

本发明属于焊接自动化技术领域，涉及一种利用视觉检测装置进行焊缝起始位置自动寻位的方法。

背景技术

自动焊接是一种高效、高精度的技术，其出现提高了焊接的质量，也降低了人工参与对焊接质量的影响。在自动焊接领域，焊接前都需要把焊枪精确定位到焊缝起始点，为后续焊接做好准备。由于工装夹具的精度限制以及焊件本身尺寸和形状的不一致性，焊缝起始点很难保证在事先设定的同一位置，从而导致很难设计自动对准的方法实现焊枪精确对准焊缝起始点。目前，焊缝起始点寻位还是以手工操作为主。

申请号为201410204332.1的专利公开了一种自动化焊接的焊缝识别方法，其中包括焊缝起点的自动识别步骤。该方法通过激光测距仪测量及坐标变换的方法确定焊接起点。工作前，需要对激光测距仪进行调平校正，并通过机器人标志点对激光测距仪进行相对位置及相对姿态的标定，再通过激光测距仪对焊接机器人进行校准，这种方法在测量前需要对硬件结构进行调整，工序繁琐，对工装硬件精度要求高。

发明内容

本发明的目的在于针对焊接领域焊缝起始点自动寻位困难的技术问题，提供一种操作简单、结构简单、对焊接硬件精度要求不高的，基于视觉和统计学分析的焊缝起始点自动寻位方法。

本发明的技术方案为：基于统计学的焊缝起始点自动寻位方法，焊枪及视觉传感器安装在执行机构上，寻位过程中通过执行机构带动焊枪及视觉传感器水平运动或垂直运动，通过视觉传感器包括摄像机，用于采集焊缝图像，视觉传感器安装在焊枪的前方，较焊枪更靠近焊缝的位置；

将视觉传感器定位在焊缝起始端线的外侧，焊缝延伸的方向与焊枪水平运动的方向相同，启动执行机构及视觉传感器，焊枪向靠近焊件的方向运动；

视觉传感器连续采集焊件图像，对图像进行二值化处理，提取出焊件图像上焊缝的特征点，将其存入数据队列；

对焊缝特征点进行统计分析：统计某时段内，提取特征点失败的图像数量占全部图像数量的百分比：其中，n_t为该时段内采取焊件图像的总数，n_u为提取焊缝特征点失败的图像数量；

将焊缝视为一系列连续特征点，以摄像机坐标系为标准，计算所有焊缝特征点在摄像机坐标系下坐标的平均值

其中，p_i为第i个特征点对应在摄像机坐标系下的三维坐标，p_i＝[x_i,y_i,z_i],，n_v为提取出焊缝特征点的图像数量；

计算数据队列中焊缝特征点的标准差：

其中，n_v为提取出焊缝特征点的图像数量，σ为焊缝特征点的标准差；

判断当前视觉传感器所在区域是否为焊缝有效区域：标定λ的阈值记为λ_t；σ的阈值，记为σ_t；若λ＞λ_t或σ＞σ_t，判断视觉传感器所在区域为无效区域；若λ＜λ_t且σ＜σ_t，判断视觉传感器所在区域为有效区域；

若为无效区域，则表示视觉传感器还处于焊缝起始端线外侧，执行机构控制视觉传感器继续向靠近焊件的方向行走，并重复计算λ和σ；若为有效区域，则表示视觉传感器已处于焊缝起始端线内侧，此时，从数据队列中查找，找出数据队列记录的最后一个焊缝特征点，记为焊缝的起始点。

优选的是：

采用手眼标定算法，将焊缝起始点的特征坐标转换到世界坐标系下；

执行机构控制焊枪向焊缝方向行走，焊枪行走过程中，通过闭环控制算法对焊枪的水平位置和竖直位置进行自动调整；将焊枪枪尖坐标转换到世界坐标系下，在世界坐标系下，执行以下控制算法：

$U_i=K_{P_i}(e_t-e_{t-1})+K_{I_i}{e}_t+K_{D_i}(e_t-2e_{t-1}+e_{t-2}),$ 其中,U_i(i＝1,2)，当i＝1时，U_i表示焊枪水平调节量，当i＝2时，U_i表示焊枪竖直调节量；是控制器的比例、积分、微分系数(i＝1,2)，e_t是世界坐标系下，t时刻焊缝起始点的特征坐标与焊枪枪尖坐标之间的偏差。

本发明的有益效果是：本发明可实现焊缝起点位置的自动查找并控制焊枪自动对齐焊缝起点位置。本发明采用视觉检测的方法进行焊缝起始点自动寻位。通过控制视觉传感器从焊缝起始端线外侧向焊缝起始端线内侧运动，在运动过程中视觉传感器连续采集焊缝特征点，并利用统计学方法对焊缝特征点数据队列进行分析，找到真正的焊缝起始点。接着，设计闭环控制算法使焊枪精确对准焊缝起始点。本发明所涉及的方法有效解决了焊件不一致而导致的焊缝起始点难以寻位的难题，为实现全自动焊接提供了一种有效的方法。在工装夹具精度不高，焊件位置和形状的一致性得不到保证的情况下，利用本发明提出的基于视觉和统计学分析的焊缝起始点自动寻位方法，即可实现焊枪高精度对准焊缝起始点。本发明内容是机器人智能化焊接的一部分，可实现焊接机器人的柔性化生产。

附图说明

图1为本发明原理结构示意图。

图2为视觉传感器的结构图。

图3为本发明方法流程图。

其中，1-视觉传感器，2-焊枪，3-连接支架，4-焊缝，5-焊缝起始点，6-焊缝起始端线，a-视觉传感器处于初始位置，b-视觉传感器寻位出焊缝起始点位置，c-视觉传感器引导焊枪对准焊缝起始点，7-摄像机，8-激光器，9-激光平面，10-激光条纹，x_cy_cz_c-摄像机坐标系，x_ty_tz_t-焊枪枪尖坐标系，x_wy_wz_w-世界坐标系

具体实施方式

根据焊件的特征设计合适的工装夹具，一方面保证焊件的焊缝4与焊接方向基本一致，另一方面保证焊缝起始点5的波动在一定范围内，一般应保证焊缝起始点5的XYZ三个坐标的波动范围限制在±20mm以内。对起始点的波动范围要加以限制，保证每次开始起始点位置寻找，视觉传感器必须保证位于焊缝端线外侧。避免起始点波动过大的话，导致视觉传感器到焊缝内侧，算法出错。

如图1和图2所示，焊枪2及视觉传感器1安装在执行机构上，寻位过程中通过执行机构带动焊枪2及视觉传感器1水平运动或垂直运动，通过视觉传感器1包括摄像机7和激光器8，激光器8射出激光的角度与竖直平面成锐角，朝向原理焊件的方向。摄像机7用于采集焊缝图像，视觉传感器1与焊枪2之间通过连接支架3刚性连接，视觉传感器1安装在焊枪2的前方，大约100mm的位置，较焊枪2更靠近焊件的位置，视觉传感器1的轴线与焊枪2的轴线大致平行。

图1中，o_c为摄像机坐标系的原点，建立在摄像机的光轴中心，x_c为摄像机坐标系的X轴，与焊接方向一致，z_c为摄像机坐标系的Z轴，垂直于焊接方向向下,y_c可由坐标系的右手法则确定。o_t为焊枪枪尖坐标系的原点，x_t、y_t和z_t为焊枪枪尖坐标系的X轴、Y轴和Z轴坐标，它们的方向与摄像机坐标系的X轴、Y轴和Z轴相同。o_w为世界坐标系的原点，x_w为世界坐标系的X轴，与焊接方向一致，z_w为世界坐标系的Z轴，垂直于焊接方向向上,y_w可由坐标系的右手法则确定。

在安装好焊枪2和视觉传感器1之后，需要经过手眼标定，手眼标定的目的是得到视觉传感器中的摄像机坐标系与焊枪枪尖坐标系之间的转换关系。

在进行焊缝起始点自动寻位之前，需要通过控制系统把激光器8发射出的激光条纹10位于焊缝的起始端线6的外侧(即焊接方向的反方向)约40mm，保证焊枪2及摄像机7位于焊件的外侧。

将视觉传感器定位在焊缝起始端线的外侧，焊缝延伸的方向与焊枪2水平运动的方向相同，启动执行机构及视觉传感器1，焊枪2向靠近焊件的方向运动；

视觉传感器1在视觉传感器处于初始位置a运动到视觉传感器寻位出焊缝起始点位置b的过程中，连续采集焊件图像，对图像进行二值化处理。将焊缝视为一系列焊缝特征点组成的，在进行焊件图像采集的过程中，顺次提取出焊件图像上焊缝的特征点，将其存入数据队列。

对焊缝特征点进行统计分析：统计某时段内，提取特征点失败的图像数量占全部图像数量的百分比：其中，n_t为该时段内采取焊件图像的总数，n_u为提取焊缝特征点失败的图像数量；

以摄像机坐标系为标准，计算所有焊缝特征点在摄像机坐标系下坐标的平均值

其中，p_i为第i个特征点对应在摄像机坐标系下的三维坐标，p_i＝[x_i,y_i,z_i]；

计算数据队列中焊缝特征点的标准差：

其中，n_v为提取出焊缝特征点的图像数量，σ为焊缝特征点的标准差。

判断当前视觉传感器所在区域是否为焊缝有效区域：标定λ的阈值记为λ_t，本实施例中取为20％；σ的阈值，记为σ_t，本实施例中，也取为20％；若λ＞λ_t或σ＞σ_t，即提取焊缝特征点失败的图像的数量较多，且焊缝特征点的标准差偏大，则判断视觉传感器1所在区域为无效区域；若λ＜λ_t且σ＜σ_t，即提取焊缝特征点失败的图像的数量较小，且焊缝特征点的标准差较小，两个条件同时满足，判断视觉传感器1所在区域为有效区域。

若为无效区域，则表示视觉传感器1还处于焊缝起始端线6外侧，执行机构控制视觉传感器1继续向靠近焊件的方向行走，并重复计算λ和σ；若为有效区域，则表示视觉传感器1已处于焊缝起始端线6内侧，此时，从数据队列中查找，找出数据队列记录的最后一个焊缝特征点，这个点即为焊缝的起始点5。

采用上述手眼标定得到的摄像机坐标系和焊枪枪尖坐标系之间的转换关系，将焊缝起始点5的特征坐标转换到焊枪枪尖坐标系下，然后根据机器人本身的位置关系再将其转换到世界坐标系下。

执行机构控制焊枪2向焊缝4方向行走，焊枪2行走过程中，通过闭环控制算法对焊枪2的水平位置和竖直位置进行自动调整；将焊枪2枪尖坐标转换到世界坐标系下，在世界坐标系下，执行以下控制算法：

$U_i=K_{P_i}(e_t-e_{t-1})+K_{I_i}{e}_t+K_{D_i}(e_t-2e_{t-1}+e_{t-2}),$ 其中,U_i(i＝1,2)，当i＝1时，U_i表示焊枪水平调节量，当i＝2时，U_i表示焊枪竖直调节量；是控制器的比例、积分、微分系数(i＝1,2)，e_t是世界坐标系下，t时刻焊缝起始点5的特征坐标与焊枪2枪尖坐标之间的偏差。通过以上算法，视觉传感器1从位置b运动到位置c，焊枪2对准焊缝起点。

Claims (2)

1.基于统计学的焊缝起始点自动寻位方法，其特征在于：焊枪及视觉传感器安装在执行机构上，寻位过程中通过执行机构带动焊枪及视觉传感器水平运动或垂直运动，通过视觉传感器包括摄像机，用于采集焊缝图像，视觉传感器安装在焊枪的前方，较焊枪更靠近焊缝的位置；

将视觉传感器定位在焊缝起始端线的外侧，焊缝延伸的方向与焊枪水平运动的方向相同，启动执行机构及视觉传感器，焊枪向靠近焊件的方向运动；

视觉传感器连续采集焊件图像，对图像进行二值化处理，提取出焊件图像上焊缝的特征点，将其存入数据队列；

对焊缝特征点进行统计分析：统计某时段内，提取特征点失败的图像数量占全部图像数量的百分比：其中，n_t为该时段内采取焊件图像的总数，n_u为提取焊缝特征点失败的图像数量；

将焊缝视为一系列连续特征点，以摄像机坐标系为标准，计算所有焊缝特征点在摄像机坐标系下坐标的平均值

其中，p_i为第i个特征点对应在摄像机坐标系下的三维坐标，p_i＝[x_i,y_i,z_i],n_v为提取出焊缝特征点的图像数量；

计算数据队列中焊缝特征点的标准差：

其中，n_v为提取出焊缝特征点的图像数量，σ为焊缝特征点的标准差；

判断当前视觉传感器所在区域是否为焊缝有效区域：标定λ的阈值记为λ_t；σ的阈值，记为σ_t；若λ＞λ_t或σ＞σ_t，判断视觉传感器所在区域为无效区域；若λ＜λ_t且σ＜σ_t，判断视觉传感器所在区域为有效区域；

若为无效区域，则表示视觉传感器还处于焊缝起始端线外侧，执行机构控制视觉传感器继续向靠近焊件的方向行走，并重复计算λ和σ；若为有效区域，则表示视觉传感器已处于焊缝起始端线内侧，此时，从数据队列中查找，找出数据队列记录的最后一个焊缝特征点，记为焊缝的起始点。

2.如权利要求1所述的基于统计学的焊缝起始点自动寻位方法，其特征在于：焊缝起始点识别后，执行以下步骤：

采用手眼标定算法，将焊缝起始点的特征坐标转换到世界坐标系下；

执行机构控制焊枪向焊缝方向行走，焊枪行走过程中，通过闭环控制算法对焊枪的水平位置和竖直位置进行自动调整；将焊枪枪尖坐标转换到世界坐标系下，在世界坐标系下，执行以下控制算法：

$U_i=K_{P_i}(e_t-e_{t-1})+K_{I_i}{e}_t+K_{D_i}(e_t-2e_{t-1}+e_{t-2}),$ 其中,U_i(i＝1,2)，当i＝1时，U_i表示焊枪水平调节量，当i＝2时，U_i表示焊枪竖直调节量；是控制器的比例、积分、微分系数(i＝1,2)，e_t是世界坐标系下，t时刻焊缝起始点的特征坐标与焊枪枪尖坐标之间的偏差。