CN108356422A - 带卷连续激光落料用在线测量、废料掉落及成品分离识别方法 - Google Patents

Abstract

一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，包括下述步骤：CCD相机和切割机床坐标系标定；轮廓测量点选择，针对每种落料零件轮廓特征、激光落料套料形态及切割路径，选择切割头相机轮廓测量位和云台相机轮廓测量位；标准特征图形样板获取及建库；切割前的料片位置精确定位；切割过程中检测废料是否掉落；成品和带钢分离检测。本发明可满足带卷连续激光落料的加工要求。

Description

带卷连续激光落料用在线测量、废料掉落及成品分离识别 方法

技术领域:

本发明涉及金属加工领域，特别地，涉及用于汽车制造技术领域的激光落料板带轮廓测量、在线修正切割坐标、废料掉落、成品与带钢分离识别的方法及实现。

背景技术

在金属板带激光切割之前，切割设备必须知道工件在机床坐标系中的位置，才可进行精准的激光切割。所述工件在机床坐标系中的位置包括坐标偏置值和坐标系旋转值。

在带卷连续激光落料领域，切割执行机构在线测量板带在切割区域的准确位置和姿态，并据此调整工件坐标系进行切割作业，确保加工尺寸和形状精度；同时在加工过程中，实时检测并识别已加工废料掉落的状态，防止未掉落的废料损坏切割及输送设备；在单片加工结束后，检测并识别成品是否和带卷正常分离，确定是否进行后续连续自动作业，防止料片的堆叠和废品产生。

为了确定工件坐标系在机床坐标系中的位置，传统激光切割机床是通过X轴和Y轴方向上的机械挡块限定工件位置来实现。具体的做法是：在工作前先对机械挡块位置进行调整，使得挡块在X轴和Y轴方向分别与机床的对应的X轴和Y轴平行,这样确保Z轴旋转角为0度；然后手 动将加工料片顶靠X轴和Y轴方向上的机械挡块；然后进行激光切割。这种定位切割方法适合人工或半自动作业。

在金属板带激光切割中，为了确保切割的连续性，切割完的废料必须正常掉落。切割过程中，由于测量、板形、废料大小形态、切割气体压力、切割路径规划等因素的影响，废料有时候会未完全掉落，极易造成切割头碰头导致切割中断，严重者损坏切割头。

在金属板带激光切割完毕后，特别是连续落料切割领域，已切割完成品必须与后续待加工的金属板带断刀分离，后续板带才能送至切割区进行切割作业。如果成品未正常分离，势必造成板带和成品的堆叠，造成生产中断，并损坏设备事故。后续处理此类异常是费时费力的，大大降低生产效率和增加操作人员的劳动强度。

现有的激光切割机床作为离散加工工具，人工/半自动上下料，处理针状支撑台面成品和废料；通过摄像头人工监控激光切割过程。在开卷步进和连续激光落料大生产中，则需要在线轮廓测量、在线修正、废料掉落和成品分离识别技术，以确保连续化工业大生产的可靠性。

因此，一套可以在线自动测量待加工工件位置和角度，同时能对工件加工过程中废料是否正常掉落和成品料是否正常分离，并传输到计算机系统进行工件坐标系自动修正和切割异常实时监控的系统，对于高速高精度连续生产是必不可少的，特别是开卷连续激光落料落料领域。

比较常见的做法是采用CCD相机和图像处理技术来测量工件位置。例如专利201410776192.5提出一种全自动视觉三轴运动平台控制系统，由视觉定位系统和运动控制系统两部分构成，视觉定位系统硬件包括相 机、LED光源、图像采集卡及控制柜，运动控制系统包括运动控制卡及三轴运动控制平台，控制柜分别与图像采集卡、运动控制卡、相机、光源及三轴运动平台连接，控制系统通过视觉定位系统获取产品本身的固有特征，将每次定位的坐标信息通过运动控制卡传送到三轴运动平台，保证切割位置没有偏差。相机安装在切割头附近。这种方法定位灵活，在局部范围测量精度高，克服了挡块定位的缺点。但是由于相机安装在切割头附近，其测量的视野受到限制，对于大幅面且存在角度旋转工件加工，这种方法会打来比较大的角度计算误差，幅面越大，角度计算误差越大。

又如专利201510120093.6提出一种基于大幅面视觉引导和变形矫正的激光定位切割系统，该系统包括机架、传输带、激光发生器、相机、LED灯管、制冷水箱和控制面板和激光定位控制系统，相机架设到传输带上方并且固定在机架上，不随切割机构移动，这样可以覆盖整个加工范围。这种系统视觉测量大于0.5平方米，测量精度约1mm，由于相机安装位置比较高，因此测量精度较专利201410776192.5低，适用于生产效率要求高精度要求较低的场合。

汽车制造技术领域的开卷连续落料涉及异形件形状尺寸覆盖面大，加工尺寸精度控制在长度的±1‰以内；有些落料形态是最终成型件的定位孔或定位边；如果实际料片长度大于切割区域，则须将进行分段切割，这种加工方式涉及到对刀工艺、图形衔接精度工艺等等，要求图形对刀续切尺寸精度控制在±0.5mm以内，对测量系统精度要求非常高。使得上述任何一种专利方法都无法满足这种应用。同时上述专利也没有提到 废料是否正常掉落以及料片是否正常分离的检测功能。本发明针对这种情况，提出一种全新的测量方法来满足带卷连续激光落料的加工要求。

发明内容

为满足上述连续激光落料的大生产要求。本发明的目的在于提供一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，基于CCD视觉测量技术并应用于开卷激光落料落料过程中在线轮廓测量、实时废料掉落检测与识别、成品与板带分离检测与识别的视觉系统标定、测量及识别。

本发明技术方案如下：

一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，包括下述步骤：

h)CCD相机和切割机床坐标系标定，

a1)CCD相机图像到标定板的标定，

通过对标定板的标定，将图像像素点转化为标定板坐标系中的物理坐标，

a2)CCD相机和切割机床坐标系一致性标定，

确定切割机床坐标系后，对切割区域上方板带进行多个标准特征图形切割，而后通过三台：即，切割机CCD相机(安装在切割机床切割头上)、云台CCD相机(安装在切割区上方独立控制云台上)及固定位置CCD相机(切割区上方屋顶固定位置))，分别对标准特征图形测量；

i)轮廓测量点选择，

针对每种落料零件轮廓特征、激光落料套料形态及切割路径，选择切割头相机轮廓测量位和云台相机轮廓测量位；

j)标准特征图形样板获取及建库，

c1)建立切割机CCD相机标定图形库

在切割机床坐标系测量位置(X_{切割测量位}，Y_{切割测量位})，切割头相机对工件轮廓图像特征获取，作为标准的第一比对图形，

c2)建立云台CCD相机标定图形库，

在云台坐标系测量位置(X_{云台测量位}，Y_{云台测量位})，云台相机对工件轮廓图像特征获取，作为标准的第二比对图形，

c3)建立废料是否掉落标定图形库，

c4)建立成品分离标定图形库；

利用固定于切割区上方屋顶固定位置的CCD相机对成品以及带钢分离状态进行特征图形获取，并建立比对标准图形特征库，

k)切割前的料片位置精确定位；

l)切割过程中检测废料是否掉落；

m)成品和带钢分离检测。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤a2)，采用上述三个CCD相机传感器，分别安装在切割设备及其附属设施上的不同位置：

第一个CCD相机传感器，即切割机CCD相机，安装在激光切割头 支架上，可以随切割头在XY平面内移动，用于测量第一个位置，即待加工料片上选定的位置上的板带轮廓；

第二个CCD相机传感器，即云台CCD相机，安装于切割区上方独立驱动的云台上，该云台包含独立于切割设备由伺服驱动的X_云轴和Y_云轴，云台CCD相机可以在云台的X_云轴和Y_云轴构成的X_云Y_云平面内运动，并对切割区内不被执行机构遮挡的板带轮廓进行测量。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

第三个CCD相机为固定位置CCD相机，安装在切割区上方的固定位置，覆盖切割区域及成品出口，用于检测废料是否正常掉落以及成品和板带是否正常分离。

对角分布式的切割机CCD相机和云台CCD相机以提高大尺度工件位置和姿态的精确测量，大大降低了大尺度工件测量技术实现代价，这是本发明的创新点之一。第三个CCD相机(记为固定位置CCD相机)安装在切割区上方的固定位置，覆盖切割区域及成品出口，用于检测废料是否正常掉落以及成品和板带是否正常分离，这是本发明的创新点之二。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤b)，切割机CCD相机轮廓测量位优先选择在需要对刀和续刀的位置附近；在切割区域中相对应于加工零件的位置附近，该位置记为(X_{切割测量位}，Y_{切割测量位})， 云台CCD相机位置选择在切割机CCD相机斜对角的方位，该位置记为(X_{云台测量位}，Y_{云台测量位})，以通过二台相机大跨度布置实现大尺度零件的高精度测量。

对刀和续刀：

在步进切割中，一个完整的零件图形可能会拆分为几个图形拼接而成，在图形拼接处就存在对刀和续刀，对刀要求图形的拼接点重合，续刀通过在废料区切割一个过渡图形将图形进行拼接。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤c1)在测量位置(X_{切割测量位}，Y_{切割测量位})，切割头相机对工件轮廓图像特征获取，作为标准的第一比对图形。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤c3)，标定图形中有标准的已经切割好的标准封闭图形，利用已经切割好的废料，在其水平位置以下的0°～90°范围内以每10度模拟一个废料未掉落状态，使用固定位置CCD相机对工件进行标准特征图像获取，并建库，对每种零件的所有废料进行比对标准图形特征库构建。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤d)，将待加工料片送入切割区后，切割机在测量位置(X_{切割测量位}，Y_{切割测量位}),切割机CCD相机拍照第一实际图形；云台轴移动到(X_{云台测量位}，Y_{云台测量位})位置,云台CCD相机拍照第二实际图形；

测量系统分别对第一实际图形和第二实际图形与预先存储在视觉测量计算机中的对应标定图形比对，得到工件坐标系的X_工件偏置，Y_工件偏置和Z_{工件旋转值}，上述计算结果发送给数控切割设备，数控系统对工件坐标系进行修正，然后执行料片切割程序。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤e)，切割过程中，固定位置CCD相机在设定阶段拍照切割区图形，并和步骤C-c3)建立的废料掉落标定图形库进行比对，判断废料是否正常掉落，

如果发现废料未完全掉落，发送废料未完全掉落异常信息到切割设备，终止切割进程。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤f)，料片加工完毕后，成品将沿出料方向移动一个分离检测长度，固定位置CCD相机拍照获得实际分离图形，测量系统将该图形和步骤C-c4)中建立的料片分离标定图形进行比对，判断料片是否正常分离，

如果发现料片未正常分离，发送料片未分离异常信息到切割设备，终止切割进程。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

n)在步骤f)后设置步骤g)，循环重复步骤d到步骤f，直到不再 加工。

根据本发明所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

如果工件长度大于工位可加工范围长度，则将单个工件拆分多段以保证单个拆分长度均可在工位中加工。这样，每段都有相应检测位，云台相机根据分段情况实时调整到位。

附图说明

图1为CCD相机安装位置示意图。

图2标定板标定CCD相机示意图。

图3CCD视觉测量相机和机床坐标系一致性标定示意图。

图4轮廓测量图形及测量点选择示意图。

图5工件位置检测标定图形库示意图。

图6CN200废料示意图。

图7废料掉落标定角度示意图。

图8料头切割图形示意图。

图9成品与板带分离前CN200图形示意图。

图10成品与板带分离检测示意图。

图11板带送料位置示意图。

图12料头图形切割示意图。

图13料头切割后送料位置示意图。

图14切割中产生的废料示意图。

图15CN200成品料与板带分离检测示意图。

图16出料示意图。

图中，CN200工件为汽车B柱(通用五菱内部车型零件)，工件12上切割图形10和图形11，图形10为圆心坐标(0,0)，半径100的圆，该图形上A点为标定用圆心位置。

图形11为边长为100的正方形，该图形右上角顶点的B点用于标定结果冗余验证，切割头7安装在切割机床本体4。

1为切割机CCD相机，2为云台CCD相机，3为固定位置CCD相机，5为切割房，6为LED光源，13为标定板，15为板13上的很多标准的标定点，标定点间的距离为L。

图形18为CN200工件图形。根据CN200零件的轮廓特征、套料形态及切割路径，选中图4中的轮廓图形16和轮廓图形17作为料片位置精确定位检测测量图形。

其中轮廓图形16左下角点C作为切割机CCD相机测量位置(X_{切割测量位}，Y_{切割测量位})，轮廓17右上角点D作为云台CCD相机测量位置(X _{云台测量位}，Y_{云台测量位})，云台CCD相机测量位置(X_{云台测量位}，Y_{云台测量位})在切割机CCD相机测量位置(X_{切割测量位}，Y_{切割测量位})的斜对角，通过这两台相机实现CN200大尺度零件的高精度测量。轮廓19和20作为废料掉落检测测量图形。

23为待切割板带，24为被输送的送料位置。

实际轮廓图形26；云台CCD相机定位到测量位置(X_{云台测量位}，Y_{云台测量位})，然后云台CCD相机拍照取样得到实际轮廓图形25。

轮廓19和20为废料掉落检测测量图形。

具体实施方式

下面结合具体实施例，进一步阐述本发明。这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明表述的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

图1是本发明视觉测量系统CCD相机在切割设备上及周围设备上的安装位置示意图。

如图1所示，切割头7安装在切割机床本体4上，切割机CCD相机1安装在切割头7上，可以随切割头7一起在切割区XY平面内运动。云台CCD相机2安装在云台Y_{云台相机轴}上，云台CCD相机在云台X_{云台相机轴}和Y_{云台相机轴}的驱动下可以在云台测量平面内运动。固定位置CCD相机3安装在切割房5的顶部。LED光源6分布在切割房5的顶部和四周。

本发明实例切割区的有效范围为2000mm*2000mm，能够满足汽车板落料加工的工件加工尺寸需求。

工件位置坐标测量系统性能如下：

测量精度：≤±0.5mm

带钢宽度：<1850mm

测量的覆盖范围：约2000mm×1800mm

数据处理时间：≤1秒

切割后分离视觉检测系统性能如下：

测量区域：约3000mm×1850mm

检测状态：成品料和待切割带钢是否分离、是否切断

废料掉落视觉检测系统性能如下：

测量区域：约3000mm×1850mm

检测状态：切割完成后判断废料是否掉落。

步骤：

a)CCD相机和切割机床坐标系标定

a1)CCD视觉测量相机图像到标定板标定

CCD视觉测量相机没有标定之前，图像识别实际上是一个个像素点，像素点之间的实际距离并不为CCD测量系统所知，为了对其进行量化，使用标定板对CCD视觉测量相机进行标定，以确定每个像素点的距离值，从而实现图像像素点到CCD视觉测量坐标值的转换，以此建立CCD视觉测量相机坐标系。

图2中13为标定板，板上有很多标准的标定点15，标定点间的距离L已知。单个CCD相机的标定方法是：使用视觉测量相机拍摄标定板，可以得到标定点15间的像素点数N，则每个像素点间的距离为L/N，以此为基础，实现图像像素点到CCD视觉测量坐标值的转换，从而建立CCD视觉测量相机坐标系。

a2)CCD视觉测量相机和机床坐标系一致性标定

如图3所示，使用切割机床在工件12上切割图形10和图形11，图形10为圆心坐标(0,0)，半径100的圆，该图形上A点为标定用圆心位置。图形11为边长为100的正方形，该图形右上角顶点的B点用于 标定结果冗余验证。

图3中的图形10和11图形切割完毕后，三台相机分别通过对切割标准图形10和图形11的测量，完成各自和切割机机床坐标系一致性标定。以切割机CCD相机为例，切割机CCD相机首先拍摄图形10,然后计算图形10的圆心坐标并和标定的圆心坐标(0,0)进行比较，通过修正切割机CCD相机坐标偏置，使得计算出图形10的圆心坐标值为(0,0)，然后拍摄图形B并计算出图形B的右上角角点坐标，该坐标值如果和数控系统对应的坐标值相等，切割机CCD相机和机床坐标系的一致性标定完成，否则需要重新执行上述步骤，直到满足要求。

其他两台CCD相机标定方法同切割机CCD相机。

现在以汽车板B柱CN200工件为例，来进一步视觉测量系统的测量步骤。

b)轮廓测量点选择

图4中红色图形18为CN200工件图形。根据CN200零件的轮廓特征、套料形态及切割路径，选中图4中的轮廓图形16和轮廓图形17作为料片位置精确定位检测测量图形，其中轮廓图形16左下角点C作为切割机CCD相机测量位置(X_{切割测量位}，Y_{切割测量位})，轮廓17右上角点D作为云台CCD相机测量位置(X_{云台测量位}，Y_{云台测量位})，云台CCD相机测量位置(X_{云台测量位}，Y_{云台测量位})在切割机CCD相机测量位置(X_{切割测量位}，Y_{切割测量位})的斜对角，通过这两台相机实现CN200大尺度零件的高精度测量。轮廓19和20作为废料掉落检测测量图形。

c)标准特征图形样板获取及建库

图5中18为作为标定用的CN200工件，该工件在切割工位定位时满足如下条件：切割头中心点定位到工件的C点时，切割机的坐标值为(X_{切割测量位}，Y_{切割测量位})，切割头中心点定位到工件的D点时，切割机的坐标值为(X_{云台测量位}，Y_{云台测量位})。

c1)建立切割头CCD相机标定图形库

切割机先定位到测量位置(X_{切割测量位}，Y_{切割测量位})，然后切割机CCD相机拍照取样轮廓图形16，作为标定的第一比对图形。

c2)建立云台CCD相机标定图形库

云台CCD相机定位到测量位置(X_{云台测量位}，Y_{云台测量位})，然后云台CCD相机拍照取样轮廓图形17，作为标定的第二比对图形。

c3)建立废料是否掉落标定图形库

CN200在切割过程中会产生废料多块废料，图6中废料19和废料20为切割中部过程中产生的两块废料图形。现以废料图形20为例说明如何建立废料20掉落标定图形库，其他废料掉落标定图形库按照相同方法建立。

如图7所示，废料20先完全嵌入图形，这时废料20和水平面的夹角为0度，使用固定位置CCD相机拍照取样并存入视觉测量计算机，得到废料完全没有掉落的标定图形1。然后以废料20和其对应的图形交点为支点，让废料20和水平面成10度角，使用固定位置CCD相机拍照取样并存入视觉测量计算机，得到废料未完全掉落掉落标定图形2,……,以此类推，直到废料和水平面成90度，得到废料完全掉落标定图形10。这样废料是否掉落的标定图形库就建立好了。

其他废料掉落的标定图形库按照相同方法分别建立。

c4)建立成品分离标定图形库

在完成C1和C2步骤后，将标定用CN200工件移出切割区，将板带工件送到切割初始位置，执行料头切割程序，得到图8中料头切割完毕后图形。然后将工件往出料方向移动工件长度，使用切割机CCD相机和云台CCD相机取样图中对应的实际轮廓16和实际轮廓17，视觉测量计算机将上述图形与步骤C1和C2完成的位置检测标定图形1和位置检测标定图形2进行比对，计算出工件坐标系的X_工件偏置，Y_工件偏置和Z_{工件旋转值}，然后将计算结果发送给数控切割设备，数控系统对工件坐标系进行修正并执行料片切割程序，最终得到图形9。

然后将图形9中的料片往出料方向输送一个料片分离检测长度，这时料片位置如图10所示，使用固定位置CCD相机拍照取样并存入视觉测量计算机，得到成品和带钢分离检测标定图形。

在标定用图形库建立完成后，可以使用视觉测量系统进行连续的生产。

d)切割前料片位置精确定位

需要说明的是，对于首片料，图11中待切割板带23(红色部分)被输送到24所示的送料位置，切割机床执行料头切割程序，得到图11所示的图形。如果是后续料，由于前面一个料片的最后切割已经切割好了后续料的料头部分，因此，后续料片不用再执行料头切割程序。紧接步骤c)执行一个送料长度，板带到达图12所示图形位置。

如图12所示，切割机先定位到测量位置(X_{切割测量位}，Y_{切割测量位})，然后切割机CCD相机拍照取样得到实际轮廓图形26；云台CCD相机定位到测量位置(X_{云台测量位}，Y_{云台测量位})，然后云台CCD相机拍照取样得到实际轮廓图形25。视觉测量计算机将上述图形与步骤C1和C2完成的位置检测标定图形1和位置检测标定图形2进行比对，计算出工件坐标系的X_工件偏置，Y_工件偏置和Z_{工件旋转值}，然后将计算结果发送给数控切割设备，数控系统对工件坐标系进行修正并执行料片切割程序。

e)切割过程中检测废料是否掉落

在板带切割的过程中，在图14中的27，28，29，30区域将会依次产生废料。图14中27区域产生第一块废料，在该区域图形切割完毕后，使用固定位置CCD相机对该区域拍照取样，视觉测量计算机将取样图形和步骤C中建立的废料分离检测标定图形进行比对，判断已切割区域27的废料是否掉落，如果废料正常掉落，继续后面的切割，否则视觉测量计算机发送废料未正常掉落异常信息给切割设备数控系统，终止程序切割。后续区域28，29，30按照相同的方法进行检测。

f)已加工完毕料片是否正常分离检测

当图14中区域30对应的最后一块料片正常掉落后，CN200料片激光切割步骤完成，把已经加工好的CN200料片往出料方向移动一个出料检测长度，如图15所示，然后使用固定位置CCD相机对分离部位进行拍照取样，视觉测量计算机将取样图形和步骤C建立的成 品分离检测标定图形进行比对，判断料片是否正常分离，如果正常分离，将料片送出切割区，如图16所示，否则视觉测量计算机发送料片未正常分离异常信息给切割设备数控系统，终止程序切割。

g)重复步骤d到步骤f，直到不再加工新的料片

如果单片料片总长度为3米，由于工位的可加工长度为2米，因此可以把零件拆分长度分别为1.5米的两个零件，对每一个零件按照上述步骤进行检测就可实现单片料片总长度3米的检测。

本发明涉及视觉测量系统标定、轮廓及废料图形标准特征样板构建、实际轮廓及废料图形的测量。本发明基于CCD视觉测量技术，并应用于开卷激光落料落料过程中在线轮廓测量、实时废料掉落检测与识别、成品与板带分离检测与识别的视觉系统标定、测量及识别，可满足带卷连续激光落料的加工要求。

Claims (11)

1.一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，包括下述步骤：

a)CCD相机和切割机床坐标系标定，

a1)CCD相机图像到标定板的标定，

通过对标定板的标定，将图像像素点转化为标定板坐标系中的物理坐标，

a2)CCD相机和切割机床坐标系一致性标定，

确定切割机床坐标系后，对切割区域上方板带进行多个标准特征图形切割，而后通过三台相机：即，切割机CCD相机、云台CCD相机及固定位置CCD相机，分别对标准特征图形测量；

b)轮廓测量点选择，

针对每种落料零件轮廓特征、激光落料套料形态及切割路径，选择切割头相机轮廓测量位和云台相机轮廓测量位；

c)标准特征图形样板获取及建库，

c1)建立切割机CCD相机标定图形库

在切割机床坐标系测量位置(X_{切割测量位}，Y_{切割测量位})，切割头相机对工件轮廓图像特征获取，作为标准的第一比对图形，

c2)建立云台CCD相机标定图形库，

在云台坐标系测量位置(X_{云台测量位}，Y_{云台测量位})，云台相机对工件轮廓图像特征获取，作为标准的第二比对图形，

c3)建立废料是否掉落标定图形库，

c4)建立成品分离标定图形库；

利用固定于切割区上方屋顶固定位置的CCD相机对成品以及带钢分离状态进行特征图形获取，并建立比对标准图形特征库，

d)切割前的料片位置精确定位；

e)切割过程中检测废料是否掉落；

f)成品和带钢分离检测。

2.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤a2)，采用上述三个CCD相机传感器，分别安装在切割设备及其附属设施上的不同位置：

第一个CCD相机传感器，即切割机CCD相机，安装在激光切割头支架上，可以随切割头在XY平面内移动，用于测量第一个位置，即待加工料片上选定的位置上的板带轮廓；

第二个CCD相机传感器，即云台CCD相机，安装于切割区上方独立驱动的云台上，该云台包含独立于切割设备由伺服驱动的X_云轴和Y_云轴，云台CCD相机可以在云台的X_云轴和Y_云轴构成的X_云Y_云平面内运动，并对切割区内不被执行机构遮挡的板带轮廓进行测量。

3.如权利要求2所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

第三个CCD相机为固定位置CCD相机，安装在切割区上方的固定位置，覆盖切割区域及成品出口，用于检测废料是否正常掉落以及成品和板带是否正常分离。

4.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤b)，切割机CCD相机轮廓测量位优先选择在需要对刀和续刀的位置附近，该位置记为(X_{切割测量位}，Y_{切割测量位})；在切割区域中相对应于加工零件，

云台CCD相机位置选择在切割机CCD相机斜对角的方位，该位置记为(X_{云台测量位}，Y_{云台测量位})，以通过二台相机大跨度布置实现大尺度零件的高精度测量。

5.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤c1)在测量位置(X_{切割测量位}，Y_{切割测量位})，切割头相机对工件轮廓图像特征获取，作为标准的第一比对图形。

6.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤c3)，标定图形中有标准的已经切割好的标准封闭图形，利用已经切割好的废料，在其水平位置以下的0°～90°范围内以每10度模拟一个废料未掉落状态，使用固定位置CCD相机对工件进行标准特征图像获取，并建库，对每种零件的所有废料进行比对标准图形特征库构建。

7.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤d)，将待加工料片送入切割区后，切割机在测量位置(X_{切割测量位}，Y_{切割测量位}),切割机CCD相机拍照第一实际图形；云台轴移动到(X_{云台测量位}，Y_{云台测量位})位置,云台CCD相机拍照第二实际图形；

测量系统分别对第一实际图形和第二实际图形与预先存储在视觉测量计算机中的对应标定图形比对，得到工件坐标系的X_工件偏置，Y_工件偏置和Z_{工件旋转值}，上述计算结果发送给数控切割设备，数控系统对工件坐标系进行修正，然后执行料片切割程序。

8.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤e)，切割过程中，固定位置CCD相机在设定阶段拍照切割区图形，并和步骤C-c3)建立的废料掉落标定图形库进行比对，判断废料是否正常掉落，

如果发现废料未完全掉落，发送废料未完全掉落异常信息到切割设备，终止切割进程。

9.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

在步骤f)，料片加工完毕后，成品将沿出料方向移动一个分离检测长度，固定位置CCD相机拍照获得实际分离图形，测量系统将该图形和步骤C-c4)中建立的料片分离标定图形进行比对，判断料片是否正常分离，如果发现料片未正常分离，发送料片未分离异常信息到切割设备，终止切割进程。

10.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

g)在步骤f)后设置步骤g)，循环重复步骤d到步骤f，直到不再加工。

11.如权利要求1所述一种带卷连续激光落料用在线测量、废料掉落及成品分离识别方法，其特征在于，

如果工件长度大于工位可加工范围长度，则将单个工件拆分多段以保证单个拆分长度均可在工位中加工。这样，每段都有相应检测位，云台相机根据分段情况实时调整到位。