CN106826832A - 一种焊接机器人及其焊缝路径学习方法、系统 - Google Patents

一种焊接机器人及其焊缝路径学习方法、系统 Download PDF

Info

Publication number
CN106826832A
CN106826832A CN201710107897.1A CN201710107897A CN106826832A CN 106826832 A CN106826832 A CN 106826832A CN 201710107897 A CN201710107897 A CN 201710107897A CN 106826832 A CN106826832 A CN 106826832A
Authority
CN
China
Prior art keywords
image
information
welding seam
welding
group
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.)
Pending
Application number
CN201710107897.1A
Other languages
English (en)
Inventor
程良伦
白亚男
吴建国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710107897.1A priority Critical patent/CN106826832A/zh
Publication of CN106826832A publication Critical patent/CN106826832A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种焊接机器人及其焊缝路径学习方法、系统，该方法包括：焊缝路径学习方法，包括：获取焊缝图像；对焊缝图像进行离散化处理，得到第一组焊缝点列信息；将第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；对焊缝坐标信息进行拟合，得到拟合后坐标信息；将拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；对第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。本申请在对焊缝路径的学习过程中均无需人工进行干预，大幅减少了焊缝路径学习过程所需的人工成本并提高了路径学习效率。

Description

一种焊接机器人及其焊缝路径学习方法、系统
技术领域
本发明涉及自动焊接技术领域，特别涉及一种焊接机器人及其焊缝路径学习方法、系统。
背景技术
焊接机器人是从事焊接(包括切割与喷涂)的工业机器人，是一种多用途的、可重复编程的自动控制操作机，具有三个或更多可编程的轴，用于工业自动化领域。
现有焊接机器人的焊缝路径学习主要是通过手动示教，手工编程等方式来完成。然而，手动示教与手工编程的步骤繁琐，需要消耗大量的人工成本和时间，学习效率非常低，并且需要相关人员具备较高的知识水平。
综上所述可以看出，如何减少焊缝路径学习过程所需的人工成本并提高路径学习效率是目前亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种焊接机器人及其焊缝路径学习方法、系统，能够减少焊缝路径学习过程所需的人工成本并提高路径学习效率。其具体方案如下：
一种焊缝路径学习方法，包括：
获取焊缝图像；
对所述焊缝图像进行离散化处理，得到第一组焊缝点列信息；
将所述第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；
对所述焊缝坐标信息进行拟合，得到拟合后坐标信息；
将所述拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；
对所述第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
可选的，所述获取焊缝图像的过程，包括：
通过单目相机对焊缝进行图像采集，并判断采集到的图像是否为灰度图像，如果否，则将采集到的图像转换成灰度图像，得到所述焊缝图像。
可选的，所述对所述焊缝图像进行离散化处理的过程，包括：
对所述焊缝图像进行二值化处理，得到包含焊缝信息的二值化图像；
对所述二值化图像中的焊缝信息进行滤波，以去除焊缝信息中的噪声信息，得到滤波后图像；
对所述滤波后图像的焊缝进行等间隔的像素点提取操作，得到所述第一组焊缝点列信息。
可选的，所述将所述第一组焊缝点列信息映射成二维坐标信息的过程，包括：
将所述第一组焊缝点列信息保存为相应的稀疏矩阵；
分别将所述稀疏矩阵中每一非零元素所在的行位置和列位置作为该非零元素所对应的二维坐标，得到所述焊缝坐标信息。
可选的，所述对所述焊缝坐标信息进行拟合的过程，包括：
对所述焊缝坐标信息进行SVM拟合，得到所述拟合后坐标信息。
本发明还相应公开了一种焊缝路径学习系统，包括：
图像获取模块，用于获取焊缝图像；
图像离散化模块，用于对所述焊缝图像进行离散化处理，得到第一组焊缝点列信息；
第一映射模块，用于将所述第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；
坐标拟合模块，用于对所述焊缝坐标信息进行拟合，得到拟合后坐标信息；
第二映射模块，用于将所述拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；
点列重构模块，用于对所述第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
可选的，所述图像获取模块，包括：
图像采集单元，用于通过单目相机对焊缝进行图像采集；
图像判断单元，用于判断采集到的图像是否为灰度图像；
图像转换单元，用于当所述图像判断单元判定出所述图像采集单元采集到的图像为非灰度图像，则将采集到的图像转换成灰度图像，得到所述焊缝图像。
可选的，所述图像离散化模块，包括：
二值化单元，用于对所述焊缝图像进行二值化处理，得到包含焊缝信息的二值化图像；
滤波单元，用于对所述二值化图像中的焊缝信息进行滤波，以去除焊缝信息中的噪声信息，得到滤波后图像；
像素点提取单元，用于对所述滤波后图像的焊缝进行等间隔的像素点提取操作，得到所述第一组焊缝点列信息。
可选的，所述第一映射模块，包括：
点列信息保存单元，用于将所述第一组焊缝点列信息保存为相应的稀疏矩阵；
坐标确定单元，用于分别将所述稀疏矩阵中每一非零元素所在的行位置和列位置作为该非零元素所对应的二维坐标，得到所述焊缝坐标信息。
本发明进一步公开了一种焊接机器人，包括前述公开的焊缝路径学习系统。
本发明中，焊缝路径学习方法，包括：获取焊缝图像；对焊缝图像进行离散化处理，得到第一组焊缝点列信息；将第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；对焊缝坐标信息进行拟合，得到拟合后坐标信息；将拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；对第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
可见，本发明通过对焊缝图像进行离散化处理，进而将焊缝路径识别问题转化成数学上的拟合问题，后续便可对与拟合后坐标信息对应的点列信息进行填充重构处理，从而得到高平滑度和近似度的焊缝路径，由上可以看出，本发明在对焊缝路径的学习过程中均无需人工进行干预，大幅减少了焊缝路径学习过程所需的人工成本并提高了路径学习效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种焊缝路径学习方法流程图；
图2为本发明实施例公开的一种具体的焊缝路径学习方法流程图；
图3为本发明实施例公开的一种焊缝路径学习系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种焊缝路径学习方法，参见图1所示，该方法包括：
步骤S11：获取焊缝图像；
步骤S12：对焊缝图像进行离散化处理，得到第一组焊缝点列信息；
步骤S13：将第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；
步骤S14：对焊缝坐标信息进行拟合，得到拟合后坐标信息；
步骤S15：将拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；
步骤S16：对第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
可见，本发明实施例通过对焊缝图像进行离散化处理，进而将焊缝路径识别问题转化成数学上的拟合问题，后续便可对与拟合后坐标信息对应的点列信息进行填充重构处理，从而得到高平滑度和近似度的焊缝路径，由上可以看出，本发明实施例在对焊缝路径的学习过程中均无需人工进行干预，大幅减少了焊缝路径学习过程所需的人工成本并提高了路径学习效率。
参见图2所示，本发明实施例公开了一种具体的焊缝路径学习方法，包括如下步骤：
步骤S21：通过单目相机对焊缝进行图像采集，并判断采集到的图像是否为灰度图像，如果否，则将采集到的图像转换成灰度图像，得到焊缝图像。
也即，本发明实施例中的焊缝图像为灰度图像，当采集到的图像为灰度图像时，可直接将该采集到的图像确定为焊缝图像，当采集到的图像为彩色图像，则需将该彩色图像转换成灰度图像，以得到焊缝图像。
步骤S22：对焊缝图像进行二值化处理，得到包含焊缝信息的二值化图像。
其中，对焊缝图像进行二值化处理的具体过程包括：对焊缝图像进行灰度分布统计，确定二值化的阈值，接着将焊缝图像中的每个像素点的灰度值与上述阈值进行比较，当任一像素点的灰度值大于或等于上述阈值，则将该像素点的灰度值变更为0，当任一像素点的灰度值小于上述阈值，则将该像素点的灰度值变更为1，由此实现对焊缝图像的二值化处理，从而得到上述二值化图像。
步骤S23：对二值化图像中的焊缝信息进行滤波，以去除焊缝信息中的噪声信息，得到滤波后图像。
可以理解的是，上述步骤S22中，当焊缝图像经过二值化处理之后，二值化图像中将会保留与焊缝相关的大部分信息，此时二值化图像中的焊缝信息通常呈现为断裂状态，并且包含众多噪声，所以需要通过上述步骤S23，对二值化图像进行滤波处理，以去除焊缝信息中的噪声信息，本发明实施例具体可以使用孤点滤波来对上述二值化图像中的焊缝信息进行滤波。
步骤S24：对滤波后图像的焊缝进行等间隔的像素点提取操作，得到第一组焊缝点列信息。
例如，可以每间隔h个像素点便提取出一个像素点的方式来进行像素点的提取操作，以此达到离散化目的。
步骤S25：将第一组焊缝点列信息保存为相应的稀疏矩阵。
也即，以稀疏矩阵的形式来保存上述第一组焊缝点列信息。
步骤S26：分别将稀疏矩阵中每一非零元素所在的行位置和列位置作为该非零元素所对应的二维坐标，得到焊缝坐标信息。
例如，假设稀疏矩阵为n行m列的矩阵，并且该稀疏矩阵中的某一非零元素对应的行值为a，列值为b，则与该非零元素对应的二维坐标可以设为(b，n-a)
步骤S27：对焊缝坐标信息进行SVM拟合，得到拟合后坐标信息。
需要说明的是，本实施例中，除了可以对焊缝坐标信息进行SVM拟合以外，也可以利用其它的拟合方法对上述焊缝坐标信息进行拟合处理。
步骤S28：将拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息。
步骤S29：对第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
本发明实施例还相应公开了一种焊缝路径学习系统，参见图3所示，该系统包括：
图像获取模块11，用于获取焊缝图像；
图像离散化模块12，用于对焊缝图像进行离散化处理，得到第一组焊缝点列信息；
第一映射模块13，用于将第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；
坐标拟合模块14，用于对焊缝坐标信息进行拟合，得到拟合后坐标信息；
第二映射模块15，用于将拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；
点列重构模块16，用于对第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
其中，上述图像获取模块11，具体可以包括图像采集单元、图像判断单元和图像转换单元；其中，
图像采集单元，用于通过单目相机对焊缝进行图像采集；
图像判断单元，用于判断采集到的图像是否为灰度图像；
图像转换单元，用于当图像判断单元判定出图像采集单元采集到的图像为非灰度图像，则将采集到的图像转换成灰度图像，得到焊缝图像。
另外，上述图像离散化模块12，具体可以包括二值化单元、滤波单元和像素点提取单元；其中，
二值化单元，用于对焊缝图像进行二值化处理，得到包含焊缝信息的二值化图像；
滤波单元，用于对二值化图像中的焊缝信息进行滤波，以去除焊缝信息中的噪声信息，得到滤波后图像；
像素点提取单元，用于对滤波后图像的焊缝进行等间隔的像素点提取操作，得到第一组焊缝点列信息。
进一步的，上述第一映射模块13，具体可以包括点列信息保存单元和坐标确定单元；其中，
点列信息保存单元，用于将第一组焊缝点列信息保存为相应的稀疏矩阵；
坐标确定单元，用于分别将稀疏矩阵中每一非零元素所在的行位置和列位置作为该非零元素所对应的二维坐标，得到焊缝坐标信息。
进一步的，上述坐标拟合模块14，具体可以用于对焊缝坐标信息进行SVM拟合，得到拟合后坐标信息。
可见，本发明实施例通过对焊缝图像进行离散化处理，进而将焊缝路径识别问题转化成数学上的拟合问题，后续便可对与拟合后坐标信息对应的点列信息进行填充重构处理，从而得到高平滑度和近似度的焊缝路径，由上可以看出，本发明实施例在对焊缝路径的学习过程中均无需人工进行干预，大幅减少了焊缝路径学习过程所需的人工成本并提高了路径学习效率。
本发明进一步公开了一种焊接机器人，包括前述实施例中公开的焊缝路径学习系统。关于该焊缝路径学习系统的具体构造可以参考前述实施例中公开的相应内容，在此不再进行赘述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种焊接机器人及其焊缝路径学习方法、系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种焊缝路径学习方法，其特征在于，包括：
获取焊缝图像；
对所述焊缝图像进行离散化处理，得到第一组焊缝点列信息；
将所述第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；
对所述焊缝坐标信息进行拟合，得到拟合后坐标信息；
将所述拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；
对所述第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
2.根据权利要求1所述的焊缝路径学习方法，其特征在于，所述获取焊缝图像的过程，包括：
通过单目相机对焊缝进行图像采集，并判断采集到的图像是否为灰度图像，如果否，则将采集到的图像转换成灰度图像，得到所述焊缝图像。
3.根据权利要求2所述的焊缝路径学习方法，其特征在于，所述对所述焊缝图像进行离散化处理的过程，包括：
对所述焊缝图像进行二值化处理，得到包含焊缝信息的二值化图像；
对所述二值化图像中的焊缝信息进行滤波，以去除焊缝信息中的噪声信息，得到滤波后图像；
对所述滤波后图像的焊缝进行等间隔的像素点提取操作，得到所述第一组焊缝点列信息。
4.根据权利要求1至3任一项所述的焊缝路径学习方法，其特征在于，所述将所述第一组焊缝点列信息映射成二维坐标信息的过程，包括：
将所述第一组焊缝点列信息保存为相应的稀疏矩阵；
分别将所述稀疏矩阵中每一非零元素所在的行位置和列位置作为该非零元素所对应的二维坐标，得到所述焊缝坐标信息。
5.根据权利要求4所述的焊缝路径学习方法，其特征在于，所述对所述焊缝坐标信息进行拟合的过程，包括：
对所述焊缝坐标信息进行SVM拟合，得到所述拟合后坐标信息。
6.一种焊缝路径学习系统，其特征在于，包括：
图像获取模块，用于获取焊缝图像；
图像离散化模块，用于对所述焊缝图像进行离散化处理，得到第一组焊缝点列信息；
第一映射模块，用于将所述第一组焊缝点列信息映射成二维坐标信息，得到焊缝坐标信息；
坐标拟合模块，用于对所述焊缝坐标信息进行拟合，得到拟合后坐标信息；
第二映射模块，用于将所述拟合后坐标信息映射成相应的点列信息，得到第二组焊缝点列信息；
点列重构模块，用于对所述第二组焊缝点列信息中缺失的点列信息进行填充重构，得到优化后的焊缝点列信息。
7.根据权利要求6所述的焊缝路径学习系统，其特征在于，所述图像获取模块，包括：
图像采集单元，用于通过单目相机对焊缝进行图像采集；
图像判断单元，用于判断采集到的图像是否为灰度图像；
图像转换单元，用于当所述图像判断单元判定出所述图像采集单元采集到的图像为非灰度图像，则将采集到的图像转换成灰度图像，得到所述焊缝图像。
8.根据权利要求7所述的焊缝路径学习系统，其特征在于，所述图像离散化模块，包括：
二值化单元，用于对所述焊缝图像进行二值化处理，得到包含焊缝信息的二值化图像；
滤波单元，用于对所述二值化图像中的焊缝信息进行滤波，以去除焊缝信息中的噪声信息，得到滤波后图像；
像素点提取单元，用于对所述滤波后图像的焊缝进行等间隔的像素点提取操作，得到所述第一组焊缝点列信息。
9.根据权利要求6至8任一项所述的焊缝路径学习系统，其特征在于，所述第一映射模块，包括：
点列信息保存单元，用于将所述第一组焊缝点列信息保存为相应的稀疏矩阵；
坐标确定单元，用于分别将所述稀疏矩阵中每一非零元素所在的行位置和列位置作为该非零元素所对应的二维坐标，得到所述焊缝坐标信息。
10.一种焊接机器人，其特征在于，包括如权利要求6至9任一项所述的焊缝路径学习系统。
CN201710107897.1A 2017-02-27 2017-02-27 一种焊接机器人及其焊缝路径学习方法、系统 Pending CN106826832A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710107897.1A CN106826832A (zh) 2017-02-27 2017-02-27 一种焊接机器人及其焊缝路径学习方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710107897.1A CN106826832A (zh) 2017-02-27 2017-02-27 一种焊接机器人及其焊缝路径学习方法、系统

Publications (1)

Publication Number Publication Date
CN106826832A true CN106826832A (zh) 2017-06-13

Family

ID=59134940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710107897.1A Pending CN106826832A (zh) 2017-02-27 2017-02-27 一种焊接机器人及其焊缝路径学习方法、系统

Country Status (1)

Country Link
CN (1) CN106826832A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515979A (zh) * 2017-08-17 2017-12-26 广东工业大学 一种对大批量工件模型数据的处理方法及处理系统
CN110449750A (zh) * 2019-08-09 2019-11-15 上海发那科机器人有限公司 一种基于六轴工业机器人的圆管切割加工方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0219691A1 (en) * 1985-10-21 1987-04-29 Hitachi, Ltd. Welding position detecting apparatus
CN101559512A (zh) * 2009-05-21 2009-10-21 山东大学 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法
CN105223275A (zh) * 2015-11-23 2016-01-06 北京信息科技大学 一种基于稀疏矩阵的焊接缺陷诊断方法
CN105469099A (zh) * 2015-11-20 2016-04-06 南京理工大学 基于稀疏表示分类的路面裂缝检测和识别方法
CN105783726A (zh) * 2016-04-29 2016-07-20 无锡科技职业学院 一种基于线结构光视觉检测的曲线焊缝三维重建方法
CN106392304A (zh) * 2016-12-22 2017-02-15 河北省自动化研究所 一种激光辅助焊缝智能寻迹系统及方法
CN106425181A (zh) * 2016-10-24 2017-02-22 南京工业大学 一种基于线结构光的曲线焊缝焊接技术

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0219691A1 (en) * 1985-10-21 1987-04-29 Hitachi, Ltd. Welding position detecting apparatus
CN101559512A (zh) * 2009-05-21 2009-10-21 山东大学 基于激光测距的平板对接焊缝焊接轨迹检测与控制方法
CN105469099A (zh) * 2015-11-20 2016-04-06 南京理工大学 基于稀疏表示分类的路面裂缝检测和识别方法
CN105223275A (zh) * 2015-11-23 2016-01-06 北京信息科技大学 一种基于稀疏矩阵的焊接缺陷诊断方法
CN105783726A (zh) * 2016-04-29 2016-07-20 无锡科技职业学院 一种基于线结构光视觉检测的曲线焊缝三维重建方法
CN106425181A (zh) * 2016-10-24 2017-02-22 南京工业大学 一种基于线结构光的曲线焊缝焊接技术
CN106392304A (zh) * 2016-12-22 2017-02-15 河北省自动化研究所 一种激光辅助焊缝智能寻迹系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
娄小燕，刘白林: "基于支持向量机回归的曲线拟合", 《科技信息》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515979A (zh) * 2017-08-17 2017-12-26 广东工业大学 一种对大批量工件模型数据的处理方法及处理系统
CN107515979B (zh) * 2017-08-17 2018-08-28 广东工业大学 一种对大批量工件模型数据的处理方法及处理系统
CN110449750A (zh) * 2019-08-09 2019-11-15 上海发那科机器人有限公司 一种基于六轴工业机器人的圆管切割加工方法及系统

Similar Documents

Publication Publication Date Title
CN110059694B (zh) 电力行业复杂场景下的文字数据的智能识别方法
US20210178432A1 (en) Trash sorting and recycling method, trash sorting device, and trash sorting and recycling system
CN111275063B (zh) 一种基于3d视觉的机器人智能抓取控制方法及系统
CN108510124B (zh) 基于机器学习的水面垃圾清理路径规划方法和装置
CN104077773A (zh) 图像边缘检测方法、图像目标识别方法及装置
CN106826832A (zh) 一种焊接机器人及其焊缝路径学习方法、系统
CN104809701A (zh) 一种基于迭代开关中均值的图像椒盐噪声去除方法
CN109448047A (zh) 货架分布图生成方法、信息获取方法、装置及系统
CN110570146A (zh) 一种产品分拣方法及装置、计算机可读存储介质
CN111723723A (zh) 一种图像检测方法及装置
CN112287833A (zh) 机器人的巡检清洁方法、装置、机器人和存储介质
CN106203435A (zh) 图文识别方法及其装置
CN114299533A (zh) 基于人工智能的电网接线图元件和线路识别系统及方法
CN114022412B (zh) 一种基于深度学习视觉检测的卷烟辅料纸张缺陷检测方法
CN115713752A (zh) 一种危险驾驶行为检测方法、装置、设备及存储介质
CN112926354A (zh) 一种基于深度学习的车道线检测方法及装置
CN104951755B (zh) 一种基于emd的智能文档图像块检测方法
CN116502810A (zh) 一种基于图像识别的标准化生产监测方法
CN113496176A (zh) 动作识别方法、装置以及电子设备
US20230195134A1 (en) Path planning method
CN107330470B (zh) 识别图片的方法和装置
CN117011532A (zh) 图像处理方法、装置、设备、存储介质及程序产品
CN111832422A (zh) 用于智能农业器械的夜间图像识别方法、装置和存储介质
US11853812B2 (en) Single component data processing system and method utilizing a trained neural network
CN110060271B (zh) 一种鱼眼图像的分析方法、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170613

RJ01 Rejection of invention patent application after publication