一种有效的焊接机器人焊接控制系统
技术领域
本发明创造涉及焊接技术领域,具体涉及一种有效的焊接机器人焊接控制系统。
背景技术
传统自动化生产线上的焊接仍由人工辅助焊接专用机器人来实现焊接,在焊接过程中,焊接工人需要操纵焊接机器人,时刻观察焊枪和焊缝的相对位置,并根据自己的操作经验不断地观察跟踪效果,手动调节焊接机头的位置使得焊枪对准焊缝。然而,手动操作焊接容易造成焊接不准确,降低生产效率以及人工劳动强度较大等缺陷,从而严重制约着焊接质量和焊接生产效率。随着机器人技术的不断进步,人工成本的不断提高,焊接制造实现自动化生产,代替人的眼睛和手成为了必要。
因此,本发明提供一种有效的焊接机器人焊接控制系统,对焊缝区域图像进行实时采集,并对采集得到的焊缝区域图像进行处理,得到焊缝区域图像中的焊缝,对所述焊缝进行特征点提取,从而获得焊缝的位置信息,并根据获得的焊缝位置信息控制焊接机器人沿焊缝进行焊接,从而实现了焊接机器人的智能化,提高了焊接的生产效率和焊接质量。
发明内容
针对上述问题,本发明旨在提供一种有效的焊接机器人焊接控制系统。
本发明创造的目的通过以下技术方案实现:
一种有效的焊接机器人焊接控制系统,包括视觉图像采集模块、视觉图像优化模块、焊缝检测模块和焊接控制模块,所述视觉图像采集模块用于对焊缝区域图像进行实时采集,所述视觉图像优化模块用于对采集得到的焊缝区域图像进行滤波处理,并对滤波后的焊缝区域图像进行增强处理,所述焊缝检测模块用于对处理后的焊缝区域图像进行图像分割和焊缝识别,并对识别到的焊缝进行特征点提取,从而确定焊缝的位置信息,所述焊接控制模块用于根据获得的焊缝位置信息控制焊接机器人的焊枪沿着焊缝进行焊接。
本发明创造的有益效果:提供一种有效的焊接机器人焊接控制系统,对焊缝区域图像进行实时采集,并对采集得到的焊缝区域图像进行处理,得到焊缝区域图像中的焊缝,对所述焊缝进行特征点提取,从而获得焊缝的位置信息,并根据获得的焊缝位置信息控制焊接机器人沿焊缝进行焊接,从而实现了焊接机器人的智能化,提高了焊接的生产效率和焊接质量。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,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是本发明结构示意图;
附图标记:
视觉图像采集模块1;视觉图像优化模块2;焊缝检测模块3;焊接控制模块4;焊缝识别单元31;焊缝位置确定单元32。
图2和图3是本公司的焊机V8,V320,V360的结构示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1,本实施例的一种有效的焊接机器人焊接控制系统,包括视觉图像采集模块1、视觉图像优化模块2、焊缝检测模块3和焊接控制模块4,所述视觉图像采集模块1用于对焊缝区域图像进行实时采集,所述视觉图像优化模块2用于对采集得到的焊缝区域图像进行滤波处理,并对滤波后的焊缝区域图像进行增强处理,所述焊缝检测模块3用于对处理后的焊缝区域图像进行图像分割和焊缝识别,并对识别到的焊缝进行特征点提取,从而确定焊缝的位置信息,所述焊接控制模块4用于根据获得的焊缝位置信息控制焊接机器人的焊枪沿着焊缝进行焊接。
本优选实施例对焊缝区域图像进行实时采集,并对采集得到的焊缝区域图像进行处理,从而得到焊缝区域图像中的焊缝,对所述焊缝进行特征点提取,从而获得焊缝的位置信息,并根据获得的焊缝位置信息控制焊接机器人沿焊缝进行焊接,从而实现了焊接机器人的智能化,提高了焊接的生产效率和焊接质量。
优选地,所述视觉图像优化模块2用于对采集得到的焊缝区域图像进行滤波处理,具体包括:
(1)在5×5窗口K内对噪声点进行检测,设窗口K的中心坐标为(m,n),
为窗口K内的最大灰度值,
为窗口K内的最小灰度值,h(x,y)为窗口中坐标(x,y)处的像素灰度值,则噪声检测公式为:
当F(x,y)=1时,表示窗口内位置(x,y)处的像素为噪声像素,当F(x,y)=0时,表示窗口内位置(x,y)处的像素为信号像素;
(2)设上述以坐标(m,n)为中心的窗口K内检测得到的噪声像素组成的集合为Z(m,n),而信号像素组成的集合为X(m,n),则对窗口K内噪声像素点进行滤波的公式为:
式中,h′(m,n)为滤波后窗口K的中心位置(m,n)处的灰度值,
为信号集合X
(m,n)中像素灰度值的均值,
为信号集合X
(m,n)中像素灰度值的中值,α(s)为权重系数,s为以噪声集合Z
(m,n)中的像素数,k为以坐标(m,n)为中心的窗口K内的像素总数。
本优选实施例根据窗口内的噪声密度自适应的调整滤波公式,在滤波过程中,不但能够有效保护图像细节,而且具有较好的滤波效果。
优选地,所述视觉图像优化模块2采用模糊增强算法对滤波后的焊缝区域图像进行图像增强,所述模糊增强算法采用的隶属函数uij的表达公式为:
式中,hij为滤波后的焊缝区域图像中坐标(i,j)处的灰度值,hmax为滤波后的焊缝区域图像的最大灰度值,hmin为滤波后的焊缝区域图像的最小灰度值。
本优选实施例采用模糊增强算法对滤波后的焊缝区域图像进行增强处理,采用的隶属度函数有效地克服了传统模糊增强算法中隶属度函数参数多以及计算复杂的缺陷。
优选地,所述视觉图像优化模块采用模糊增强算法对滤波后的焊缝区域图像进行图像增强,在所述模糊增强算法中,采用阈值分割算法确定渡越点hc,具体包括:
(1)设阈值分割算法中的分割阈值将优化后的焊缝区域图像分割为焊缝部分和背景部分,定义焊缝部分的灰度值分布为{0,1,…,t},背景部分的灰度值分布为{t+1,t+2,…,L-1},其中,L为优化后的焊缝区域图像的灰度级;
(2)定义渡越点函数为H(t),则H(t)的表达式为:
式中,ni为优化后的焊缝区域图像中灰度值为i的像素个数,N为优化后的焊缝区域图像的像素总数,L为优化后的焊缝区域图像的灰度级,当H(t)取最大值时,其所对应的t即为渡越点hc;
(3)上述计算所得的渡越点hc所对应的隶属度函数值uc为:
式中,hc为计算所得的渡越点,hmax为滤波后焊缝区域图像的最大灰度值,hmin为滤波后焊缝区域图像的最小灰度值。
本优选实施例采用分割阈值法确定渡越点,具有较强的通用性,相较于传统的人工设置渡越点的方式,除了具有较高的效率外,还使得焊缝区域图像中的目标部分和背景部分的对比度得到了较大的提升,同时可识别性也得到了加强,从而提高了图像增强的效果。
优选地,所述模糊增强算法中的模糊增强函数为:
uij′=Er(uij)=E1(Er-1(uij)),r=1,2,3…
式中,uc为渡越点hc对应的隶属度函数值,hmax为滤波后焊缝区域图像的最大灰度值,hmin为滤波后焊缝区域图像的最小灰度值,r为迭代次数。
本优选实施例定义的模糊增强函数保留了较多的低灰度信息,能够在取得较好的增强效果的同时,更好地保留目标和背景的特征信息,使得焊缝区域图像中的焊缝的细节也更加突出,有利于后续焊缝区域图像的分割、边缘检测和特征提取等操作。
优选地,焊缝检测模块3包括焊缝识别单元31和焊缝位置确定单元32,所述焊缝识别单元31用于对优化后的焊缝区域图像进行图像分割和边缘检测,从而得到焊缝区域图像中的焊缝,所述焊缝位置确定单元32用于对所述焊缝进行特征点提取,从而确定焊缝的位置信息。
本优选实施例构建系统的焊缝检测模块,通过对优化后的焊缝区域图像的焊缝的识别和特征提取,从而确定焊缝的位置信息,从而为后续的焊接控制模块奠定了基础。
实施例2
实施例1的焊接机器人焊接控制系统可以运用于多款产品,如南昌曙光电器公司的焊机V8,V320,V360,其焊机基本结构参见图2和图3。
南昌曙光电器公司的焊机V8,V320,V360运用该系统后,对焊缝区域图像进行实时采集,并对采集得到的焊缝区域图像进行处理,得到焊缝区域图像中的焊缝,对所述焊缝进行特征点提取,从而获得焊缝的位置信息,并根据获得的焊缝位置信息控制焊接机器人沿焊缝进行焊接,从而实现了焊接机器人的智能化,提高了焊接的生产效率和焊接质量。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。