CN108907526A - 一种具有高鲁棒性的焊缝图像特征识别方法 - Google Patents

Abstract

本发明涉及机器人焊接领域，尤其涉及一个具有高鲁棒性的焊缝图像特征识别方法，设计了基于视觉的焊接机器人图像特征识别算法，并建立了相应的焊缝跟踪视觉模型，通过机器人示教确定曲线焊缝的轨迹，然后对应映射出轨迹的像素点，机器人沿着轨迹行走，当发现焊缝偏差时，通过视觉伺服控制进行焊缝偏差补偿。本发明通过具有高鲁棒性和高运行效率的焊缝图像特征识别算法，能够快速并且准确的为机器人提供路径规划和偏差补偿，有效的提高机器人焊接的质量和速度；使图像识别系统在出现错误、磁盘故障、网络过载或有意攻击情况下，不死机、不崩溃，同时该方法能利用较小的计算机内存，提高图像的处理速度，能达到高精度焊缝跟踪的要求。

Description

一种具有高鲁棒性的焊缝图像特征识别方法

技术领域

本发明涉及机器人焊接领域，尤其涉及一种具有高鲁棒性的焊缝图像特征识别方法。

背景技术

焊接工业机器人在运用焊缝自动跟踪系统时，保证快速准确地识别出焊缝是整个系统的关键。现有的机器人运用焊缝自动跟踪控制系统的处理速度与精度严重影响焊缝跟踪稳定性与实时性。在焊接领域中应用的机器人大都是示教再现式的机器人和带有离线编程系统的机器人。这两种焊接机器人都不具备自主获取工件定位信息和焊缝空间位置信息的能力，采用这两种机器人尽心批量生产时，要求工件尺寸和工件在夹具上的位置必须保持一致，否则将造成焊接机器人无法完成焊接质量。

发明内容

本发明的目的在于提出一种具有高鲁棒性的焊缝图像特征识别方法，实现高精度焊缝。

为了实现上述目的，本发明提供如下技术方案：一个具有高鲁棒性的焊缝图像特征识别方法，应用于带有CCD摄像机视觉传感器的机器人的焊接方法，包括以下步骤：

S1、获取CCD摄像机的相机坐标系、拍摄的图片的像素坐标系、机器人焊枪的坐标系、焊接轨迹的世界坐标系的转换关系，输入到步骤2中；

S2、建立相应的焊缝跟踪视觉模型,提供高鲁棒性焊缝图像特征识别算法计算；

S3、通过机器人示教确定焊缝的轨迹，然后机器人沿着轨迹行走；

S4、对视觉传感器捕获步骤S3的图像，进行预处理、图像分割、边缘检测、特征提取；

S5、将步骤S4的图像处理的结果导入焊缝跟踪视觉模型，得出每个焊缝轨迹细微的像素；

S6、将步骤S5计算出的焊缝轨迹按最小像素等分，得到需要扫描和焊接的路径点的像素个数，以焊缝起点开始，以焊缝终点结束；

S7、视觉传感器快速扫描机器人即将通过的轨迹像素点，通过预先示教的轨迹像素点，判断机器人是否偏离焊接轨迹；

S8、判断出轨迹偏离，通过视觉伺服控制进行焊接偏差补偿；

S9、重复步骤S7和S8直至完成焊接的任务，停止工作。

进一步的，所述步骤S1中坐标系转换关系的获取，主要获取CCD摄像机的两种坐标系的光心O点、机器人末端执行器的坐标系、世界坐标系的原点，采取步骤为：

(1)获取CCD摄像机的光心点，拍取用于标定的黑白棋盘格图片，计算出图像坐标与相机坐标的关系；

(2)获取CCD摄像机相机坐标系与世界坐标系的关系；

(3)获取机器人焊枪的坐标系与世界坐标系的关系；

(4)通过视觉模型计算出CCD像素坐标系与机器人焊枪的坐标关系。

进一步的，所述步骤S4中的图像预处理过程中，焊缝图像的预处理主要包括两个步骤：滤波去噪和图像增强。

进一步的，所述步骤S4中的图像分割过程中，图像分割是将目标从图像背景中分割出来；图像分割需要根据幅度、边缘、形状、灰度值和位置等因素将图像划分成若干区域；焊缝跟踪中常采用阈值分割的方法进行图像分割，并利用提取目标与背景在灰度特性上的差异，将图像分为灰度级不同的两类区域：目标区域和背景区域。

进一步的，所述步骤S4中的图像边缘检测过程中，在图像处理技术的应用中，边缘检测的地位显得尤为重要，检测焊缝位置的关键是提取图像边缘；图像边缘是目标位置与背景的分界线。

进一步的，所述步骤S4中的图像特征提取过程中，提取焊缝轨迹中心一般是通过对垂直于焊缝的方向进行扫描，将获取焊缝边缘点作为特征点以计算得到焊缝中心坐标。

进一步的，所述步骤S6使用视觉传感器信息将机器人焊缝的轨迹细分成像素中的每个像素点，一个像素点对应一个轨迹点位置。

进一步的，所述步骤S7中视觉传感器快速扫描，实时地将机器人焊缝执行的每个点都捕捉出来，与示教的轨迹像素点一一对比，并同时计算出即将焊接的轨迹点是否在原示教轨迹像素点上。

本发明的有益效果在于：一种具有高鲁棒性的焊缝图像特征识别方法，能够快速并且准确的为机器人提供路径规划和偏差补偿，有效的提高机器人焊接的质量和速度；具有高鲁棒性和高运行效率的焊缝图像特征识别算法，使图像识别系统在出现错误、磁盘故障、网络过载或有意攻击情况下，不死机、不崩溃，同时该方法能利用较小的计算机内存，提高图像的处理速度，能达到快速高精度焊缝跟踪的要求。

附图说明

利用附图对发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是一种具有高鲁棒性的焊缝图像特征识别方法部分流程图。

图2是一种具有高鲁棒性的焊缝图像特征识别方法另一部分流程图。

图3是一种具有高鲁棒性的焊缝图像特征识别方法坐标系流程图。

图4是一种具有高鲁棒性的焊缝图像特征识别方法效果图。

下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

如图1至图2所示，本发明的实施方式涉及一种具有高鲁棒性的焊缝图像特征识别方法，依次包含以下步骤：

S1、获取CCD摄像机的相机坐标系、拍摄的图片的像素坐标系、机器人焊枪的坐标系、焊接轨迹的世界坐标系的转换关系，输入到步骤2中；

S2、建立相应的焊缝跟踪视觉模型,提供高鲁棒性焊缝图像特征识别算法计算；

S3、通过机器人示教确定焊缝的轨迹，然后机器人沿着轨迹行走；

S4、对视觉传感器捕获步骤S3的图像，进行预处理、图像分割、边缘检测、特征提取；

S5、将步骤S4的图像处理的结果导入焊缝跟踪视觉模型，得出每个焊缝轨迹细微的像素；

S6、将步骤S5计算出的焊缝轨迹按最小像素等分，得到需要扫描和焊接的路径点的像素个数，以焊缝起点开始，以焊缝终点结束；

S7、视觉传感器快速扫描机器人即将通过的轨迹像素点，通过预先示教的轨迹像素点，判断机器人是否偏离焊接轨迹；

S8、判断出轨迹偏离，通过视觉伺服控制进行焊接偏差补偿；

S9、重复步骤S7和S8直至完成焊接的任务，停止工作。

由以上实施方式可知，本发明提供一个具有高鲁棒性的焊缝图像特征识别方法，如图3所示，坐标系转换关系的获取，主要获取CCD摄像机的两种坐标系的光心O点、机器人末端执行器的坐标系、世界坐标系的原点，采取步骤为：

(1)获取CCD摄像机的光心点，拍取用于标定的黑白棋盘格图片，计算出图像坐标与相机坐标的关系；

(2)获取CCD摄像机相机坐标系与世界坐标系的关系；

(3)获取机器人焊枪的坐标系与世界坐标系的关系；

(4)通过视觉模型计算出CCD像素坐标系与机器人焊枪的坐标关系。

具体的说，本实施例中，对视觉传感器捕获步骤S3的图像，进行预处理、图像分割、边缘检测、特征提取；图像预处理过程中，焊缝图像的预处理主要包括两个步骤：滤波去噪和图像增强；图像分割过程中，图像分割是将目标从图像背景中分割出来；图像分割需要根据幅度、边缘、形状、灰度值和位置等因素将图像划分成若干区域；焊缝跟踪中常采用阈值分割的方法进行图像分割，并利用提取目标与背景在灰度特性上的差异，将图像分为灰度级不同的两类区域：目标区域和背景区域；图像边缘检测过程中，在图像处理技术的应用中，边缘检测的地位显得尤为重要，检测焊缝位置的关键是提取图像边缘；图像边缘是目标位置与背景的分界线；图像特征提取过程中，提取焊缝轨迹中心一般是通过对垂直于焊缝的方向进行扫描，将获取焊缝边缘点作为特征点以计算得到焊缝中心坐标。

进一步的，步骤S6使用视觉传感器信息将机器人焊缝的轨迹细分成像素中的每个像素点，一个像素点对应一个轨迹点位置，精准的将机器人焊接轨迹划分成细小的像素点，提高轨迹识别准确率。

进一步的，步骤S7中视觉传感器快速扫描，实时地将机器人焊缝执行的每个点都捕捉出来，与示教的轨迹像素点一一对比，并同时计算出即将焊接的轨迹点是否在原示教轨迹像素点上，视觉传感器实时的扫描工作轨迹，提高了机器人焊接准确和实时性。

其中，本发明一个具有高鲁棒性的焊缝图像特征识别方法实施方式中，如图4所示，通过视觉传感器的扫描和视觉系统的计算，将轨迹清洗的分布在摄像机的像素点中。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种具有高鲁棒性的焊缝图像特征识别方法，应用于带有CCD摄像机视觉传感器的机器人的焊接方法，特征在于，包括以下步骤：

S1、获取CCD摄像机的相机坐标系、拍摄的图片的像素坐标系、机器人焊枪的坐标系、焊接轨迹的世界坐标系的转换关系，输入到步骤2中；

S2、建立相应的焊缝跟踪视觉模型,提供高鲁棒性焊缝图像特征识别算法计算；

S3、通过机器人示教确定焊缝的轨迹，然后机器人沿着轨迹行走；

S4、对视觉传感器捕获步骤S3的图像，进行预处理、图像分割、边缘检测、特征提取；

S5、将步骤S4的图像处理的结果导入焊缝跟踪视觉模型，得出每个焊缝轨迹细微的像素；

S6、将步骤S5计算出的焊缝轨迹按最小像素等分，得到需要扫描和焊接的路径点的像素个数，以焊缝起点开始，以焊缝终点结束；

S7、视觉传感器快速扫描机器人即将通过的轨迹像素点，通过预先示教的轨迹像素点，判断机器人是否偏离焊接轨迹；

S8、判断出轨迹偏离，通过视觉伺服控制进行焊接偏差补偿；

S9、重复步骤S7和S8直至完成焊接的任务，停止工作。

2.如权利要求1所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S1中坐标系转换关系的获取，主要获取CCD摄像机的两种坐标系的光心O点、机器人末端执行器的坐标系、世界坐标系的原点，采取步骤为：

(1)获取CCD摄像机的光心点，拍取用于标定的黑白棋盘格图片，计算出图像坐标与相机坐标的关系；

(2)获取CCD摄像机相机坐标系与世界坐标系的关系；

(3)获取机器人焊枪的坐标系与世界坐标系的关系；

(4)通过视觉模型计算出CCD像素坐标系与机器人焊枪的坐标关系。

3.如权利要求1所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S4中的图像预处理过程中，焊缝图像的预处理主要包括两个步骤：滤波去噪和图像增强。

4.如权利要求3所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S4中的图像分割过程中，图像分割是将目标从图像背景中分割出来；图像分割需要根据幅度、边缘、形状、灰度值和位置等因素将图像划分成若干区域；焊缝跟踪中常采用阈值分割的方法进行图像分割，并利用提取目标与背景在灰度特性上的差异，将图像分为灰度级不同的两类区域：目标区域和背景区域。

5.如权利要求4所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S4中的图像边缘检测过程中，在图像处理技术的应用中，边缘检测的地位显得尤为重要，检测焊缝位置的关键是提取图像边缘；图像边缘是目标位置与背景的分界线。

6.如权利要求5所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S4中的图像特征提取过程中，提取焊缝轨迹中心一般是通过对垂直于焊缝的方向进行扫描，将获取焊缝边缘点作为特征点以计算得到焊缝中心坐标。

7.如权利要求1所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S6使用视觉传感器信息将机器人焊缝的轨迹细分成像素中的每个像素点，一个像素点对应一个轨迹点位置。

8.如权利要求1所述的一种具有高鲁棒性的焊缝图像特征识别方法，其特征在于：所述步骤S7中视觉传感器快速扫描，实时地将机器人焊缝执行的每个点都捕捉出来，与示教的轨迹像素点一一对比，并同时计算出即将焊接的轨迹点是否在原示教轨迹像素点上。