CN110530877B - 一种焊接外形质量检测机器人及其检测方法 - Google Patents

一种焊接外形质量检测机器人及其检测方法 Download PDF

Info

Publication number
CN110530877B
CN110530877B CN201910872300.1A CN201910872300A CN110530877B CN 110530877 B CN110530877 B CN 110530877B CN 201910872300 A CN201910872300 A CN 201910872300A CN 110530877 B CN110530877 B CN 110530877B
Authority
CN
China
Prior art keywords
welding
detection
quality
workpiece
robot
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.)
Active
Application number
CN201910872300.1A
Other languages
English (en)
Other versions
CN110530877A (zh
Inventor
赵晓进
王汉晨
吴易明
于龙飞
靳亚丽
摆冬冬
董林佳
黄荣
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.)
Xi'an Zhongke Photoelectric Precision Engineering Co ltd
Original Assignee
Xi'an Zhongke Photoelectric Precision Engineering Co ltd
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 Xi'an Zhongke Photoelectric Precision Engineering Co ltd filed Critical Xi'an Zhongke Photoelectric Precision Engineering Co ltd
Priority to CN201910872300.1A priority Critical patent/CN110530877B/zh
Publication of CN110530877A publication Critical patent/CN110530877A/zh
Application granted granted Critical
Publication of CN110530877B publication Critical patent/CN110530877B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/043—Analysing solids in the interior, e.g. by shear waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0234—Metals, e.g. steel
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/267—Welds

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种焊接外形质量检测机器人及其检测方法，包括焊接检测机器人单元、控制柜和夹持工装；焊接检测机器人单元，携带激光主动视觉组件和超声信号检测组件对待测工件内外表面质量进行自主识别检测；控制柜，将焊接检测机器人单元检测的信息进行图像、超声信号处理，生成焊缝质量检测报告并控制焊接检测机器人运动；夹持工装，对待测工件进行装夹。本发明提高了焊接工件检测的柔性、准确度和检测效率，大大提高了漏检率。

Description

一种焊接外形质量检测机器人及其检测方法
技术领域
本发明属于焊接检测机器人技术领域，具体涉及一种焊接外形质量检测机器人及其检测方法。
背景技术
随着焊接自动化的应用，焊缝内外部质量检测在工艺环节中起到越来越重要的作用。目前，焊缝内部质量检测主要依靠工人通过X光、超声波、涡电流等辅助设备进行检测，并且需要人工对缺陷进行标记，外部质量检测主要靠人工检测。但是该检测方法存在人工随意性强、漏检率偏高、设备成本高、检测效率低、检测准确度不高等缺陷，会给企业运营带来较大负担，严重的会影响公司产品的声誉。
因此，研制一种高准确度、高效率、高柔性的外形质量检测机器人，对焊接检测机器人行业具有重要意义。
发明内容
为解决现有技术中存在的上述缺陷，本发明的目的在于提供一种焊接外形质量检测机器人及其检测方法，该检测机器人具有高准确度、高效率、高柔性的特点。
本发明是通过下述技术方案来实现的。
本发明提供一种焊接外形质量检测检测机器人，包括焊接检测机器人单元、控制柜和夹持工装，其中：
焊接检测机器人单元，携带激光主动视觉组件和超声信号检测组件对待测工件内外表面质量进行自主识别检测；
控制柜，将焊接检测机器人单元检测的信息进行图像、超声信号处理，生成焊缝质量检测报告并控制焊接检测机器人运动；
夹持工装，对待测工件进行装夹。
对于上述技术方案，本发明还有进一步优选的方案：
进一步，所述激光主动视觉组件主动投射激光条纹至待测工件焊缝处，通过焊接检测机器人机械臂带动所述激光主动视觉组件沿焊缝方向推扫获取焊缝图像，实现对工件外观的识别检测；
所述超声信号检测组件通过焊接检测机器人机械臂带动超声探头推扫工件，进而接收超声信号处理单元接收信号并进行处理，实现对工件内部多种质量缺陷进行检测。
进一步，所述焊接检测机器人单元包括焊接检测机器人底座，固定在焊接检测机器人底座上的焊接检测机器人，超声信号检测组件和激光主动视觉组件固定在焊接检测机器人末端；控制柜与焊接检测机器人连接。
进一步，所述超声信号检测组件包括超声探头和超声信号处理单元，超声探头用于检测待测工件内部信息，并将检测信息转换后传递给超声信号处理单元。
进一步，所述超声信号处理单元包括依次连接的超声接收单元、高频滤波器、放大器、A/D转换电路、时基电路、同步电路和超声发射单元；A/D转换电路上连接CPU；超声接收单元接收到超声探头处理的信号后，通过高频滤波器、放大器、A/D转换电路将信号传递至CPU中心，CPU通过时基电路和同步电路最终将信号传递给超声发射单元。
进一步，所述激光主动视觉组件包括线激光器、图像采集单元、镜头和滤光片，所述线激光器为一字线激光器；所述线激光器激光投射面和图像采集单元光轴呈一定夹角，使得线激光器激光条纹投射至待测工件表面在图像采集单元像面的中心位置。
本发明进而给出了一种焊接外形质量检测机器人的检测方法，包括如下步骤：
步骤1，将焊接完成的待测工件夹紧固定于工作台上，在控制柜中导入待测工件三维模型或者实测标准模型：用三维模型直接导入三维图，实测标准模型用设备将接近标准模型的工件进行实际推扫测绘形成模型后导入；
步骤2，控制柜控制焊接检测机器人按照规划的运动轨迹带动激光主动视觉组件沿待测工件焊缝方向推扫，获取待测工件图像信息，通过图像处理技术校正焊接检测机器人运动路径并下发至焊接检测机器人控制系统，同时，焊接检测机器人控制系统获取焊缝外部图像信息，在三维模型或者实测标准模型上对缺陷位置进行标记，同时输出焊缝缺陷超差位置信息；
步骤3，同时超声信号检测组件开始检测，焊接检测机器人按照校正的运动路径带超声探头探伤焊缝，超声信号处理单元处理超声探头信号并解算焊缝是否存在内部缺陷，将内外部质量检测信息合并后上传至控制柜；
步骤4，控制柜接收质量内部检测组件的解算结果，将结果以图形界面形式在三维模型或者实测标准模型上标注内部质量缺陷位置，根据实际需要生成质量检测报告。
进一步，所述步骤2中，通过图像处理技术校正焊接检测机器人运动路径并得到焊缝的外部质量信息，包括如下步骤：
21)激光主动视觉组件对采集到的工件的图像信息进行滤波处理，图像分辨率为2560px×2048px，设置获取感兴趣区域，感兴趣区域为图像中心区域1024px×512px；
22)对感兴趣区域的图像进行去除弧光、飞溅干扰操作；
23)对激光线进行细化，并利用海森矩阵提取激光线中心线像素坐标；
24)利用相机坐标系下激光投射面方程：Ax+By+Cz+D＝0和激光中心线像素坐标，解算出激光线中心线的三维坐标；
25)对激光线三维坐标数据集无效点进行插补，并对插补点进行特殊标记；
26)控制焊接机器人推扫，生成三维点云数据；
27)对三维点云进行处理，从三维点云中提取出焊缝；
28)对焊缝三维点云进行处理，根据国标所述焊脚、余高标准对焊缝质量进行评测；
29)根据评测结果，对质量缺陷位置进行标记，同时输出焊缝缺陷超差位置信息，同时给出缺陷的类型；
210)对焊接质量评测结果进行统计并形成报告输出；
211)根据质量检测结果，对不合格处进行标记并引导焊接机器人进行自动补焊。
进一步，所述步骤27)中，对三维点云处理采用PCL中pcl_feature库提供的特征描述与特征提取，具体过程如下：
271)在三维点云数据中定义焊缝特征向量，包括形状描述子和几何特征描述子；
272)计算点云数据中某一点的表面法线：利用kd-tree查询，使用半径在改点周围3mm范围内所有临近元素计算特征值，最小二乘法平面拟合确定改点的表面法线；
273)利用点云数据的表面法线计算特征直方图描述子：对于每一个查询点使用半径在5mm范围内的邻元素计算特征直方图描述子，此处使用的查询半径应大于计算表面法线的搜索半径；
274)利用特征直方图描述子提取定义的焊缝；
275)对提取的焊缝利用最小二乘法进行拟合。
进一步，所述步骤28)具体算法如下：
281)将所述点云与标准点云基于提取出的焊缝，分别进行特征匹配对序列计算；
282)根据特征匹配对序列进行计算两组点云的刚体变换矩阵；
283)对所述三维点云进行刚体变换，按照阈值筛选超差的区域，并对超差的区域进行标注；
284)对超差的区域的点云进行交线拟合，拟合出焊脚、余高所在平面；
285)根据定义，对超差的区域进行包括凹坑、焊瘤分类；
286)并对不合格位置进行记录，并在焊接质量报告中注明；
287)对焊接点位焊脚、余高不足和需要补焊的位置，计算补焊位置和焊接宽度；
288)输出补焊坐标并生成包括待测工件内部和外部质量信息焊接质量报告。
本发明由于采取以上技术方案，其具有以下有益效果：
1.本发明由于采用焊接检测机器人末端携带激光主动视觉组件和超声信号检测组件的方式，解决了工人对焊接质量检测的主观影响，大大提高了漏检率。
2.本发明由于采用了超声信号组件结合激光主动视觉的方式，解决了人工检测随意性强、漏检率偏高、准确度不高和检测效率低的问题，提高了产品质量。
3.本发明的质量检测结果可通过以太网口与外扩设备通讯，如焊接检测机器人可将补焊点位置输出至焊接检测机器人控制系统，从而实现工件无需下料即可实现补焊，优化焊接工艺。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的不当限定，在附图中：
图1为本发明焊接外形质量检测机器人的结构示意图；
图2为本发明内外部质量检测组件组成电控框图；
图3为本发明焊接外形质量检测机器人的质量检测方法；
图4为本发明激光主动视觉组件检测方法流程图；
图5(a)、(b)分别为本发明三维点云提取和处理的方法流程图。
图中：1、夹持工装；2、焊接检测机器人底座；3、焊接检测机器人；4、超声信号检测组件；5、激光主动视觉组件；6、待测工件；7、控制柜；8、工作台。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。
如图1、图2所示，本发明一种焊接外形质量检测机器人包括：焊接机器人检测单元、控制柜单元、工件夹持单元，其中，
焊接机器人检测单元包括用于固定机器人的焊接检测机器人底座2，固定在焊接检测机器人底座2上的焊接检测机器人3，超声信号检测组件4和激光主动视觉组件5固定在焊接检测机器人3末端；控制柜7与焊接检测机器人3连接。
焊接检测机器人3用来进行六自由度运动，能够对工件各个位置进行检测，进而防止漏检，超声信号检测组件4包括超声探头和超声信号处理单元，超声探头用于检测待测工件6内部信息，并将检测信息转换后传递给超声信号处理单元。激光主动视觉组件5包括线激光器、图像采集单元、镜头和滤光片，线激光器为一字线激光器；线激光器激光投射面和图像采集单元光轴呈一定夹角，使得线激光器激光条纹投射至待测工件表面在图像采集单元像面的中心位置。
其中，超声探头用于对待测工件6内部进行质量检测，通过焊接检测机器人3带动超声探头推扫工件，进而接收超声信号处理单元接收信号并进行处理，实现对工件内部多种质量缺陷进行检测，如裂纹、夹杂、气孔、夹渣、未焊透、未融合的检测、定位、评估和诊断；激光主动视觉组件5通过焊接检测机器人3带动该组件沿焊缝方向推扫获取焊缝图像，实现对工件外观的自主识别检测。
如图2所示，激光主动视觉组件包括线激光器、图像采集单元、镜头和滤光片，主要用于在小范围内采集焊缝原始图像信息。其中，线激光器为一字线激光器；镜头安装于图像信息单元的前端；滤光片安装于光学镜头前端，用于滤除杂散光；线激光器激光投射面和图像采集单元光轴呈一定夹角，该夹角设计值确保线激光器激光条纹投射至工件表面在图像采集单元像面的中心位置。
如图2所示，超声信号检测组件包括超声探头和超声信号处理单元，超声探头通过焊接检测机器人带动其推扫工件表面后获取待测工件内部质量信息，并将检测信息转换后传递给超声信号处理单元，超声信号接收单元接收到超声探头处理的信号后，通过高频滤波器、放大器、A/D转换电路将信号传递至CPU中心，CPU通过时基电路和同步电路最终将信号传递给超声发射单元。
如图1所示，控制柜单元7放置在焊接检测机器人3前端，控制柜单元7为焊缝质量检测软件运行平台，主要负责接收超声信号检测单元的解算结果，同时，还用于接收机械臂带动激光主动视觉组件的推扫得到的焊缝原始图像，通过图像处理技术得到焊缝外部质量，并以图像界面形式在工件测量模型上标注缺陷位置，同时保存缺陷位置的三维坐标，必要时通过以太网口输出；运行于控制柜的质量检测软件支持待测工件的模型导入功能，通过与得到的测量模型比对，得到焊缝的位置信息，该信息可用于引导焊接检测机器人运动路径的校正。
如图1所示，工件夹持单元包括固定于地面的工作台8，工作台能够放置各种规格焊接工作，且能够快速装夹，待测工件6放置于工作台8上，夹持工装1通过工作台上8的固定孔固定夹持待测工件6，能够快速夹紧且夹紧位置稳固可靠。
如图3所示，本发明相应的给出了一种焊接外形质量检测机器人的检测方法，步骤如下：
步骤1，将焊接完成待测工件夹紧固定在工作台上，启动设备进行自检，全部正常后，启动运行于控制柜上的测量软件，手动导入待测工件三维模型或者实测标准模型；
步骤2，软件控制激光主动视觉组件工作，焊接检测机器人按照规划的运动轨迹带动激光主动视觉组件沿焊缝方向推扫，根据推扫获取的图像信息，通过图像处理技术校正焊接检测机器人运动路径并下发至焊接检测机器人控制系统，同时得到焊缝的外部质量信息，并对检测结果以图形界面的形式，在三维模型或者实测标准模型上对质量缺陷位置进行标记，同时输出焊缝缺陷超差位置信息；该信息可直接通过以太网口实现数据交互，用于引导焊接检测机器人对未焊满的焊缝位置执行补焊修复任务，其中，图像处理技术校正焊接检测机器人运动路径并得到焊缝的外部质量信息的方法如图4所示，步骤如下：
21)激光主动视觉组件对采集到的工件的图像信息进行滤波处理，图像分辨率为2560px×2048px，设置获取感兴趣区域，感兴趣区域为图像中心区域1024px×512px；
22)对感兴趣区域的图像进行去除弧光、飞溅干扰操作；
23)对激光线进行细化，并利用海森矩阵提取激光线中心线像素坐标；
24)利用相机坐标系下激光投射面方程：Ax+By+Cz+D＝0和激光中心线像素坐标，解算出激光线中心线的三维坐标；
25)对激光线三维坐标数据集无效点进行插补，并对插补点进行特殊标记；
26)控制焊接机器人推扫，生成三维点云数据；
27)对三维点云进行处理，从三维点云中提取出焊缝；
步骤27)对三维点云处理采用PCL中pcl_feature库提供的特征描述与特征提取相关的基本数据结构与算法的基础上开发实现，如图5(a)所示，具体过程如下：
271)在三维点云数据中定义焊缝特征向量，包括形状描述子和几何特征描述子；
272)计算点云数据中某一点的表面法线：利用kd-tree查询，使用半径在改点周围3mm范围内所有临近元素计算特征值，最小二乘法平面拟合确定改点的表面法线；
273)利用点云数据的表面法线计算特征直方图描述子：对于每一个查询点使用半径在5mm范围内的邻元素计算特征直方图描述子，此处使用的查询半径应大于计算表面法线的搜索半径；
274)利用特征直方图描述子提取定义的焊缝；
275)对提取的焊缝利用最小二乘法进行拟合。
28)对焊缝三维点云进行处理，根据国标所述焊脚、余高标准对焊缝质量进行评测；
所述步骤28)具体算法如图5(b)所示，步骤如下：
281)将所述点云与标准点云基于提取出的焊缝，分别进行特征匹配对序列计算；
282)根据特征匹配对序列进行计算两组点云的刚体变换矩阵；
283)对所述三维点云进行刚体变换，按照阈值筛选超差的区域，并对超差的区域进行标注；
284)对超差的区域的点云进行交线拟合，拟合出焊脚、余高所在平面；
285)根据定义，对超差的区域进行分类，如凹坑、焊瘤等；
286)并对不合格位置进行记录，并在焊接质量报告中注明不合格位置；
287)对焊接点位焊脚、余高不足，需要补焊的位置，计算补焊位置和焊接宽度；
288)输出补焊坐标并生成焊接质量报告，焊接质量报告主要包括待测工件内部和外部质量信息。
29)根据评测结果，对质量缺陷位置进行标记，同时输出焊缝缺陷超差位置信息，同时给出缺陷的类型；
210)对焊接质量评测结果进行统计并形成报告输出；
211)根据质量检测结果，对不合格的地方进行标记并引导焊接机器人进行自动补焊。
步骤3，在步骤2工作时，质量内部检测组件同时开始检测工作，焊接检测机器人按照修正的运动路径带超声探头探伤焊缝，超声信号检测单元处理接收信号并解算焊缝是否存在内部质量缺陷，将内外部质量检测信息合并后上传至控制柜。
步骤4，控制柜接收质量内部检测组件的解算结果，将结果以图形界面形式在三维模型或者实测标准模型上标注内部质量缺陷位置，根据实际需要生成质量检测报告。
本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (6)

1.一种焊接外形质量检测机器人的检测方法，其特征在于，
所述检测方法采用的机器人，包括焊接检测机器人单元、控制柜（7）和夹持工装（1），其中：
焊接检测机器人单元，携带激光主动视觉组件（5）和超声信号检测组件（4）对待测工件（6）内外表面质量进行自主识别检测；
控制柜（7），将焊接检测机器人单元检测的信息进行图像、超声信号处理，生成焊缝质量检测报告并控制焊接检测机器人（3）运动；
夹持工装（1），对待测工件进行装夹；
所述激光主动视觉组件（5）主动投射激光条纹至待测工件（1）焊缝处，通过焊接检测机器人（3）机械臂带动所述激光主动视觉组件（5）沿焊缝方向推扫获取焊缝图像，实现对工件外观的识别检测；
所述超声信号检测组件（4）通过焊接检测机器人（3）机械臂带动超声探头推扫工件，进而接收超声信号处理单元接收信号并进行处理，实现对工件内部多种质量缺陷进行检测；
所述焊接检测机器人单元包括焊接检测机器人底座（2），固定在焊接检测机器人底座（2）上的焊接检测机器人（3），超声信号检测组件（4）和激光主动视觉组件（5）固定在焊接检测机器人（3）末端；控制柜（7）与焊接检测机器人（3）连接；
所述超声信号检测组件（4）包括超声探头和超声信号处理单元，超声探头用于检测待测工件（6）内部信息，并将检测信息转换后传递给超声信号处理单元；
所述检测方法包括如下步骤：
步骤1，将焊接完成的待测工件夹紧固定于工作台上，在控制柜中导入待测工件三维模型或者实测标准模型；
步骤2，控制柜控制焊接检测机器人按照规划的运动轨迹带动激光主动视觉组件沿待测工件焊缝方向推扫，获取待测工件图像信息，通过图像处理技术校正焊接检测机器人运动路径并下发至焊接检测机器人控制系统，同时，焊接检测机器人控制系统获取焊缝外部图像信息，在三维模型或者实测标准模型上对缺陷位置进行标记，同时输出焊缝缺陷超差位置信息；
步骤3，同时超声信号检测组件开始检测，焊接检测机器人按照校正的运动路径带超声探头探伤焊缝，超声信号处理单元处理超声探头信号并解算焊缝是否存在内部缺陷，将内外部质量检测信息合并后上传至控制柜；
步骤4，控制柜接收质量内部检测组件的解算结果，将结果以图形界面形式在三维模型或者实测标准模型上标注内部质量缺陷位置，根据实际需要生成质量检测报告。
2.根据权利要求1所述的焊接外形质量检测机器人的检测方法，其特征在于，所述步骤2中，通过图像处理技术校正焊接检测机器人运动路径并得到焊缝的外部质量信息，包括如下步骤：
21）激光主动视觉组件对采集到的待测工件的图像信息进行滤波处理，图像分辨率为2560px×2048px，设置获取感兴趣区域，感兴趣区域为图像中心区域1024px×512px；
22）对感兴趣区域的图像进行去除弧光、飞溅干扰操作；
23）对激光线进行细化，并利用海森矩阵提取激光线中心线像素坐标；
24）利用相机坐标系（x，y，z）下激光投射面方程：Ax+By+Cz+D=0和激光中心线像素坐标，解算出激光线中心线的三维坐标；其中，A、B、C、D分别为激光投射面方程的拟合参数；
25）对激光线三维坐标数据集无效点进行插补，并对插补点进行特殊标记；
26）控制焊接机器人推扫，生成三维点云数据；
27）对三维点云进行处理，从三维点云中提取出焊缝；
28）对焊缝三维点云进行处理，根据国标所述焊脚、余高标准对焊缝质量进行评测；
29）根据评测结果，对质量缺陷位置进行标记，同时输出焊缝缺陷超差位置信息，同时给出缺陷的类型；
210）对焊接质量评测结果进行统计并形成报告输出；
211）根据质量检测结果，对不合格处进行标记并引导焊接机器人进行自动补焊。
3.根据权利要求2所述的焊接外形质量检测机器人的检测方法，其特征在于，所述步骤27）中，对三维点云处理采用PCL中pcl_feature库提供的特征描述与特征提取，具体过程如下：
271）在三维点云数据中定义焊缝特征向量，包括形状描述子和几何特征描述子；
272）计算点云数据中某一点的表面法线：利用kd-tree查询，使用半径在改点周围3mm范围内所有临近元素计算特征值，最小二乘法平面拟合确定改点的表面法线；
273）利用点云数据的表面法线计算特征直方图描述子：对于每一个查询点使用半径在5mm范围内的邻元素计算特征直方图描述子，此处使用的查询半径应大于计算表面法线的搜索半径；
274）利用特征直方图描述子提取定义的焊缝；
275）对提取的焊缝利用最小二乘法进行拟合。
4.根据权利要求2所述的焊接外形质量检测机器人的检测方法，其特征在于，所述步骤28）具体算法如下：
281）将所述点云与标准点云基于提取出的焊缝，分别进行特征匹配对序列计算；
282）根据特征匹配对序列进行计算两组点云的刚体变换矩阵；
283）对所述三维点云进行刚体变换，按照阈值筛选超差的区域，并对超差的区域进行标注；
284）对超差的区域的点云进行交线拟合，拟合出焊脚、余高所在平面；
285）根据定义，对超差的区域进行包括凹坑、焊瘤分类；
286）并对不合格位置进行记录，并在焊接质量报告中注明；
287）对焊接点位焊脚、余高不足和需要补焊的位置，计算补焊位置和焊接宽度；
288）输出补焊坐标并生成包括待测工件内部和外部质量信息焊接质量报告。
5.一种如权利要求1-4任一项所述方法的一种焊接外形质量检测机器人，其特征在于，所述超声信号处理单元包括依次连接的超声接收单元、高频滤波器、放大器、A/D转换电路、时基电路、同步电路和超声发射单元；A/D转换电路上连接CPU；超声接收单元接收到超声探头处理的信号后，通过高频滤波器、放大器、A/D转换电路将信号传递至CPU，CPU通过时基电路和同步电路最终将信号传递给超声发射单元。
6.根据权利要求5所述的一种焊接外形质量检测机器人，其特征在于，所述激光主动视觉组件包括线激光器、图像采集单元、镜头和滤光片，所述线激光器为一字线激光器；所述线激光器激光投射面和图像采集单元光轴呈一定夹角，使得线激光器激光条纹投射至待测工件表面在图像采集单元像面的中心位置。
CN201910872300.1A 2019-09-16 2019-09-16 一种焊接外形质量检测机器人及其检测方法 Active CN110530877B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910872300.1A CN110530877B (zh) 2019-09-16 2019-09-16 一种焊接外形质量检测机器人及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910872300.1A CN110530877B (zh) 2019-09-16 2019-09-16 一种焊接外形质量检测机器人及其检测方法

Publications (2)

Publication Number Publication Date
CN110530877A CN110530877A (zh) 2019-12-03
CN110530877B true CN110530877B (zh) 2023-09-19

Family

ID=68668759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910872300.1A Active CN110530877B (zh) 2019-09-16 2019-09-16 一种焊接外形质量检测机器人及其检测方法

Country Status (1)

Country Link
CN (1) CN110530877B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7369982B2 (ja) * 2019-12-06 2023-10-27 パナソニックＩｐマネジメント株式会社 リペア溶接装置およびリペア溶接方法
CN113092588A (zh) * 2020-01-08 2021-07-09 四川大学 一种超声相控阵检测装置及检测方法
CN111215800B (zh) * 2020-02-10 2021-02-02 武汉理工大学 一种用于焊接维修机器人的维修量检测装置及检测方法
CN111462110B (zh) * 2020-04-20 2021-04-13 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、系统及电子设备
CN111843484A (zh) * 2020-06-02 2020-10-30 中铝智能科技发展有限公司 一种铝电解阳极导杆自动修复方法及生产线
CN111812126A (zh) * 2020-06-15 2020-10-23 中煤北京煤矿机械有限责任公司 用于液压支架结构件在线焊缝ndt检测的探伤系统和方法
CN111551565A (zh) * 2020-06-19 2020-08-18 湖南恒岳重钢钢结构工程有限公司 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法
CN112050753B (zh) * 2020-09-10 2021-12-21 广东省特种设备检测研究院珠海检测院 一种压力容器纵焊缝的棱角度测量方法及装置
CN112415017A (zh) * 2020-10-12 2021-02-26 上海发那科机器人有限公司 一种焊缝质量检测系统
CN112504342A (zh) * 2020-12-04 2021-03-16 长沙金威汽车电器有限公司 车用支座加工检测方法
CN113218970A (zh) * 2021-03-17 2021-08-06 上海师范大学 一种基于x射线的bga封装质量自动检测方法
CN113281363B (zh) * 2021-05-10 2022-10-18 南京航空航天大学 一种铝合金激光焊接结构复合评估装备与方法
CN113418927A (zh) * 2021-06-08 2021-09-21 长春汽车工业高等专科学校 基于线结构光的汽车模具视觉检测系统及检测方法
CN113610814B (zh) * 2021-08-10 2022-11-18 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、电子设备及存储介质
CN113670828B (zh) * 2021-08-11 2024-07-16 中国电子科技集团公司第十四研究所 一种多层印制板的层压质量检测方法
CN114487113A (zh) * 2021-12-16 2022-05-13 卡尔克鲁斯机器人科技(中国)有限公司 一种焊缝缺陷自动化检测方法及装置
CN114833485A (zh) * 2022-06-10 2022-08-02 上海交通大学 一种船舶拼板焊缝表面缺陷视觉检测装备及方法
CN115026378A (zh) * 2022-08-11 2022-09-09 深圳市鸿栢科技实业有限公司 装有移动定位控制装置的焊接机器人
CN116000453B (zh) * 2023-03-06 2023-09-26 深圳精科视觉科技有限公司 一种激光焊接质量实时监控方法及系统
CN118010755B (zh) * 2024-04-10 2024-07-23 湖南中钢智能装备有限公司 一种挖掘机配重焊缝检测工装
CN118455744A (zh) * 2024-07-09 2024-08-09 江苏布鲁金智能装备科技有限公司 一种接线盒的激光焊接装置及其激光焊接方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08110332A (ja) * 1994-10-11 1996-04-30 Komatsu Ltd 多関節ロボットによる超音波検査方法、およびその装置
CN101680860A (zh) * 2007-02-21 2010-03-24 洛克希德马丁公司 用于激光超声波探伤的关节型机器人
CN103231162A (zh) * 2013-04-17 2013-08-07 柳州市自动化科学研究所 机器人焊接质量视觉检测装置及其检测方法
CN208636228U (zh) * 2018-08-12 2019-03-22 扬州大学 一种融合机器视觉和超声检测圆柱形壳体无损检测装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005027342A1 (de) * 2005-06-13 2006-12-14 Abb Research Ltd. Fehlersuchsystem zum Erkennen von Fehlerstellen an Schweißnähten

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08110332A (ja) * 1994-10-11 1996-04-30 Komatsu Ltd 多関節ロボットによる超音波検査方法、およびその装置
CN101680860A (zh) * 2007-02-21 2010-03-24 洛克希德马丁公司 用于激光超声波探伤的关节型机器人
CN103231162A (zh) * 2013-04-17 2013-08-07 柳州市自动化科学研究所 机器人焊接质量视觉检测装置及其检测方法
CN208636228U (zh) * 2018-08-12 2019-03-22 扬州大学 一种融合机器视觉和超声检测圆柱形壳体无损检测装置

Also Published As

Publication number Publication date
CN110530877A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110530877B (zh) 一种焊接外形质量检测机器人及其检测方法
CN110524581B (zh) 一种柔性焊接机器人系统及其焊接方法
CN110524580B (zh) 一种焊接机器人视觉组件及其测量方法
CN210046133U (zh) 基于激光结构光的焊缝视觉跟踪系统
CN110524583B (zh) 基于嵌入式平台的焊缝寻位跟踪3d视觉传感器及跟踪方法
CN105081883B (zh) 一种带有在机检测装置的加工中心及使用方法
CN109648202B (zh) 非平整面自主识别机器人增材制造成形精度控制方法
Jiang et al. Dual-camera-based method for identification and location of scattered self-plugging rivets for robot grasping
CN110449783B (zh) 一种机器人焊接装置及焊缝轨迹的获取方法
CN117047237B (zh) 一种异形件智能柔性焊接系统与方法
CN115464263A (zh) 一种激光焊接焊缝自动寻迹方法、检测方法及装置
CN113240798B (zh) 基于数字孪生和ar的物料完备性智能检测与配置方法
CN106780655B (zh) 用于自动焊接路径的人工决策方法与系统
CN114473309A (zh) 用于自动焊接系统的焊接位置识别方法及自动焊接系统
CN116465335A (zh) 基于点云匹配的自动测厚方法和系统
Shah et al. An experiment of detection and localization in tooth saw shape for butt joint using KUKA welding robot
Wang et al. A binocular vision method for precise hole recognition in satellite assembly systems
Ye et al. Weld seam tracking based on laser imaging binary image preprocessing
CN117781963A (zh) 一种基于结构光三角测量的焊道平整度测量系统及方法
CN114918723B (zh) 基于表面检测的工件定位控制系统及方法
Xue et al. Method of electronic component location, grasping and inserting based on machine vision
Wu et al. Research on Welding Guidance System of Intelligent Perception for Steel Weldment
CN210775253U (zh) 一种焊接外形质量检测机器人
CN111390421A (zh) 焊接方法
CN115682933A (zh) 复杂焊缝外观质量自动检测方法及装置

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
GR01 Patent grant
GR01 Patent grant