CN111055054A - 一种焊缝识别方法、装置、焊接机器人及储存介质 - Google Patents
一种焊缝识别方法、装置、焊接机器人及储存介质 Download PDFInfo
- Publication number
- CN111055054A CN111055054A CN202010030898.2A CN202010030898A CN111055054A CN 111055054 A CN111055054 A CN 111055054A CN 202010030898 A CN202010030898 A CN 202010030898A CN 111055054 A CN111055054 A CN 111055054A
- Authority
- CN
- China
- Prior art keywords
- image
- light
- inflection point
- point
- preset
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种焊缝识别方法、装置、焊接机器人及储存介质。该方法包括:获取由线光源照射的焊缝区域的图像;其中,所述线光源照射在所述焊缝区域的光线与焊缝呈预设角度;基于至少两种预设拐点提取方法,确定所述图像中对应每种所述预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;根据每两种所述预设拐点提取方法对应的所述待选位置间的距离差和预设阈值,确定所述拐点的有效位置;根据所述拐点的有效位置确定所述焊缝的中心点位置和焊缝宽度。本发明实施例的技术方案,通过对采用多种方法识别出的焊缝拐点进行耦合,提高焊缝拐点识别的准确率,以实现对焊缝的准确定位。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种焊缝识别方法、装置、焊接机器人及储存介质。
背景技术
对于大型工程结构的焊接,焊缝的尺寸较大,焊接环境复杂。手工焊接质量不稳定,效率低。自动焊接机器人可以提高焊接质量和效率。
自动焊接机器人,需要应用视觉传感引导实现自动识别焊接位置。现有技术中,先采集焊缝图像,并据此创建焊缝图像模板,而后实时获取焊缝区域的图像并与焊缝图像模板进行匹配,确定焊缝位置。
现有技术中的焊缝识别方法,需要将获取的图像与焊缝图像模板进行灰度匹配,但整条焊缝上不同位置的焊缝形状和焊接面平整度均有所不同,采用模板匹配的方式识别焊缝,容易因焊缝形状和焊接面平整度的变化影响焊缝识别的准确性。
发明内容
本发明实施例提供一种焊缝识别方法、装置、焊接机器人及储存介质,以实现对焊缝的准确定位。
第一方面,本发明实施例提供了一种焊缝识别方法,该方法包括:
获取由线光源照射的焊缝区域的图像;其中,线光源照射在焊缝区域的光线与焊缝呈预设角度;
基于至少两种预设拐点提取方法,确定图像中对应每种预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;
根据每两种预设拐点提取方法对应的待选位置间的距离差和预设阈值,确定拐点的有效位置;
根据拐点的有效位置确定焊缝的中心点位置和焊缝宽度。
第二方面,本发明实施例还提供了一种焊缝识别装置,该装置包括:
图像获取模块,用于获取由线光源照射的焊缝区域的图像;其中,线光源照射在焊缝区域的光线与焊缝呈预设角度;
拐点待选位置确定模块,用于基于至少两种预设拐点提取方法,确定图像中对应每种预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;
拐点有效位置确定模块,用于根据每两种预设拐点提取方法对应的待选位置间的距离差和预设阈值,确定拐点的有效位置;
焊缝确定模块,用于根据拐点的有效位置确定焊缝的中心点位置和焊缝宽度。
第三方面,本发明实施例还提供了一种焊接机器人,该焊接机器人包括:
光学跟踪模块,用于采用线光源照射待识别的焊缝区域,并获取焊缝区域的图像;其中,线光源照射在焊缝区域的光线与焊缝呈预设角度;
爬行模块,用于在焊接表面爬行;
焊接模块,用于对焊缝进行焊接操作;
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的焊缝识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的焊缝识别方法。
本发明实施例提供了一种焊缝识别方案,通过同时采用多种拐点提取方法确定母材上表面与焊缝坡口的两个拐点的待选位置,进而耦合出拐点的有效位置。解决了现有技术中焊缝识别方法容易因焊缝形状和焊接面平整度的变化而影响焊缝识别准确性的问题,提高了焊缝拐点识别的准确率,实现了对焊缝的准确定位。
附图说明
图1是本发明实施例一提供的焊缝识别方法的流程图;
图2是本发明实施例二提供的焊缝识别方法的流程图;
图3是本发明实施例三提供的焊缝识别装置的结构示意图;
图4是本发明实施例四提供的一种焊接机器人的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的焊缝识别方法的流程图。本实施例可适用于在对工程结构进行自动焊接过程中定位焊缝位置的情况,该方法可以由本发明实施例提供的焊缝识别装置来执行,该装置可以由硬件和/或软件的方式来实现,一般可集成于自动焊接机器人中。如图1所示,具体包括如下步骤:
S11、获取由线光源照射的焊缝区域的图像;其中,所述线光源照射在所述焊缝区域的光线与焊缝呈预设角度。
在对母材的焊接过程中,为了改善密封材料和粘结体的亲和性,一般首先会对接缝表面进行打底工序。打底完成后,焊缝底部会变得不平整且不符合任何变化规律。在V形焊缝中,如果工件达到一定的厚度,则还需要进行多层多道的焊接,此时母材的上表面与焊缝坡口的两个拐点在焊缝自动识别的过程中相对稳定,所以在利用自动焊接机器人进行焊接时,主要针对这两个拐点进行识别。其中,坡口是指将母材的待焊部位加工并装配成的一定几何形状的沟槽,主要用于提高焊接质量,而母材的上表面是指母材上坡口开口一侧的表面。
为了识别上述两个拐点,需要获取当前焊接的焊缝区域图像,且包含尽可能少的焊接道数,这样可以使得对当前焊道中两个拐点的识别更加准确。因此采用线光源进行照射,并可使用电荷耦合器件(charge coupled device,CCD)相机将反射光或者漫反射光成像。可选的,线光源为将激光经过柱面透镜而形成的光面结构,当线光源照射在需要焊接的母材焊缝坡口之上时,在焊缝坡口上形成一条宽度很窄的一字激光线。可选的,线光源经过反射或漫反射后,通过可透射波长与所用激光波长相同的窄带通滤光片进行滤光,从而只保留与所用激光波长相同的光线,并可再通过光学衰减片进行二次滤光,从而降低激光、焊接弧光及飞溅光的光学强度。
为了能够在获取的焊缝区域图像中清楚的确定拐点的位置,上述光面结构要与焊缝呈预设入射角度,其中,预设入射角度为光面结构与焊缝形成角度中的锐角角度,且预设入射角度越小,拐点的位置会越明显。同时,线光源照射在焊缝区域的光线与焊缝呈预设角度,排除了光线与焊缝垂直的限制条件,从而减小对自动焊接机器人位置和方向的限制,使得焊缝确定过程更简便。可选的,线光源的位置可位于焊缝的正前方,也可以偏离焊缝的正前方一定锐角角度,成像用相机同样可位于焊缝的正前方,也可以偏离焊缝的正前方一定锐角角度,对于线光源和成像用相机在垂直焊缝方向上的位置,本发明实施例不作具体限制。
S12、基于至少两种预设拐点提取方法,确定所述图像中对应每种所述预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置。
拐点提取方法用于确定母材上表面与焊缝坡口的两个拐点的位置,具体可以是在获取到的焊缝区域图像中的坐标位置,以便于自动焊接机器人根据该位置移动并准确完成焊接工作。在焊接过程中,由于受到焊接飞溅及打磨反光等问题的影响,获取到的焊缝区域图像中噪声存在很大的不确定性,采用单一的拐点提取方法可能会造成结果的准确性不高,即可能通过该拐点提取方法得到的拐点为伪特征点。为了避免这些伪特征点对自动焊接机器人的运行造成干扰,采用至少两种预设拐点提取方法来将这些伪特征点排除,并将至少两种预设拐点提取方法确定的对应拐点位置作为待选位置,以备后续确定拐点的唯一有效位置。可选的,预设拐点提取方法可包括Hough变换法、搜索算法、最小二乘法、曲线拟合法、模板匹配法及斜率法等。
S13、根据每两种所述预设拐点提取方法对应的所述待选位置间的距离差和预设阈值,确定所述拐点的有效位置。
在本实施例中,首先计算每两种预设拐点提取方法对应的待选位置间的距离差,然后将该距离差与预设阈值进行比较,其中预设阈值可以是允许的误差值。若该距离差小于预设阈值,则说明采用该两种预设拐点提取方法获取的拐点的待选位置更大概率是在真实拐点位置区域,则可进一步根据该两种预设拐点提取方法获取的拐点的待选位置确定拐点的有效位置;若该距离差大于预设阈值,则说明至少其中一种预设拐点提取方法获取的拐点的待选位置与真实拐点位置存在较大的误差,可直接舍弃该两种预设拐点提取方法获取的拐点的待选位置。
可选的,根据每两种预设拐点提取方法对应的待选位置间的距离差和预设阈值,确定拐点的有效位置,包括:从拐点的待选位置中任取两个进行组合,生成相应数量的待选位置对;如果待选位置对中的两个待选位置间的距离差小于预设阈值,保存待选位置对中的两个待选位置;如果待选位置对中的两个待选位置间的距离差大于等于预设阈值,舍弃待选位置对中的两个待选位置;根据全部被保存的待选位置确定拐点的有效位置。
具体而言,从至少两种预设拐点提取方法获取的拐点的待选位置中进行两两组合形成待选位置对,然后分别计算各个待选位置对中待选位置的距离差,再分别将各个距离差与预设阈值进行比较,将距离差小于预设阈值的两个拐点的待选位置保存,并将距离差大于预设阈值的两个拐点的待选位置舍弃。在完成所有待选位置对的判断后,可选的,计算保存的待选位置的坐标平均值作为拐点的有效位置。其中,可存在被重复保存的待选位置,其大概率位于所有保存的待选位置中的中部位置处,即更接近拐点的真实位置,则可在计算平均值时按照重复的次数设定权重后进行计算。
示例性的,采用三种预设拐点提取方法获取拐点的待选位置,将待选位置分别标记为1、2和3,如果12间距离小于预设阈值、13间距离小于预设阈值且23间距离大于预设阈值,则保存的待选位置为1、2、1和3,其中待选位置1的权重为0.5,待选位置2和3的权重为0.25,待选位置的坐标平均值即为d1×0.5+d2×0.25+d3×0.25,其中,d1、d2和d3分别是与待选位置1、2和3对应的坐标值。
S14、根据所述拐点的有效位置确定所述焊缝的中心点位置和焊缝宽度。
在确定拐点的有效位置后,可选的,将两个拐点的中点位置确定为焊缝的中心点位置,将两个拐点之间的距离作为焊缝宽度。然后可以将该中心点位置的坐标值传输至自动焊接机器人的控制系统,从而控制自动焊接机器人的运动轨迹,并控制自动焊接机器人根据确定的焊缝宽度进行焊接。
在上述技术方案的基础上,可选的,在基于至少两种预设拐点提取方法,确定图像中对应每种预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置之前,还包括:对图像中光线进行光线轮廓去噪处理。
可选的,去噪处理过程包括:将获取到的焊缝区域图像从上至下,再从左至右逐列的进行扫描,并记录下每一列中灰度值大于预设灰度阈值的连续图像点间构成的线段,然后计算每一列中各线段的中点位置并将该中点位置的灰度值设置为255(白色)。这样在结束扫描后,图像中的每一列可能存在多个白色的点,因此需要滤除其中不属于激光线上的点。首先将图像中最左侧一列中从上到下第一个白色点的位置作为参考位置并保存,然后在参考位置所在列右侧的其他图像部分从上至下,再从左至右逐列的进行扫描,确定其中与参考位置距离最小的白点位置并保存,并将确定的白点位置作为新的参考位置,如此依次确定并保存每一列中的唯一白点位置。
通过对图像中光线进行光线轮廓去噪处理,使得获取的焊缝区域图像中光线更加单一清晰,从而减小了由于在焊缝焊接前需要对母材进行抛光、除锈及去除焊渣等一系列前期处理工作而对焊缝区域图像造成的影响,提升了通过焊缝区域图像确定拐点位置的效果。
在上述技术方案的基础上,可选的,在对图像中光线进行光线轮廓去噪处理之后,还包括:对光线进行线形插补处理。
由于母材不平整等问题的影响,焊缝反射的光线会存在亮度不均匀或断点的情况,因此在对图像中光线进行光线轮廓去噪处理之后,还要对得到的相对光滑的光线进行线形插补处理。可选的,线形插补处理过程包括:在获取到的焊缝区域图像中从左至右逐列搜索白点,如果其中一列存在白点,将该列定义为起始列,同时起始列右侧一列不存在白点,则继续向右寻找存在白点的第一列,并将该列定义为终止列。然后利用起始列与终止列中白点的坐标值,计算连接两白点形成线段的斜率,并利用该斜率在该线段上每水平间隔一个像素单位插入一个白点。如此为所有不存在白点的列中插入白点,即实现了对光线的线形插补处理。
通过对光线进行线形插补处理,使得获取的焊缝区域图像中光线完整连续,更便于后续采用某些预设拐点提取方法确定拐点的位置,并提高了确定拐点位置的准确性。
在上述技术方案的基础上,可选的,获取由线光源照射的焊缝区域的图像,包括:通过摄像头拍摄焊缝区域的原始图像;根据用户输入的感兴趣区域选取操作,从原始图像中选取对应的图像;其中,图像的面积小于原始图像的面积。
为了获得更高的自动焊接机器人跟踪精度,用于拍摄原始图像的摄像头的分辨率也需要相应提高。摄像头的分辨率越高,则自动焊接机器人跟踪精度越高,但对整幅原始图像进行运算所消耗的运算时间也越长,即运算效率越低。所以为了提高跟踪精度的同时,不过多增加运算时间,可以根据用户在原始图像中选取的感兴趣区域(Regions ofInterest,ROI),仅对该ROI进行运算,以提高用于确定拐点位置的算法的运算速度。其中,ROI是图像中最能引起用户兴趣且最能表现图像内容的区域。在原始图像中,大部分区域都是不需要上述算法进行运算的部分,可选的,ROI包括光线中两侧较长的直线段,同时,在高度上,尽可能小且包括光线所有信息。
通过根据用户输入的感兴趣区域选取操作,从原始图像中选取对应的图像,进而在对应的图像中进行拐点位置的运算。实现了在一定跟踪精度的要求下大大减少拐点位置运算的时间,提高了运算效率。
本发明实施例所提供的技术方案,通过同时采用多种拐点提取方法确定母材上表面与焊缝坡口的两个拐点的待选位置,进而耦合出拐点的有效位置。解决了现有技术中焊缝识别方法容易因焊缝形状和焊接面平整度的变化而影响焊缝识别准确性的问题,提高了焊缝拐点识别的准确率,实现了对焊缝的准确定位。
实施例二
图2为本发明实施例二提供的焊缝识别方法的流程图。本实施例的技术方案在上述技术方案的基础上进一步细化,可选的,采用最大距离法、哈弗变换法及斜率法中的至少两种拐点提取方法,确定所述拐点的所述待选位置。具体的,在本实施例中,以采用最大距离法、哈弗变换法及斜率法三种拐点提取方法来确定拐点的待选位置为例,对采用的预设拐点提取方法进一步说明,相应的,如图2所示,具体包括如下步骤:
S21、获取由线光源照射的焊缝区域的图像;其中,所述线光源照射在所述焊缝区域的光线与焊缝呈预设角度。
S22、基于最大距离法、哈弗变换法及斜率法三种拐点提取方法,确定所述拐点的所述待选位置。该步骤具体包括:
S221、基于最大距离法确定所述拐点的所述待选位置。具体如下:
S2211、计算所述图像中光线像素点到光线曲线的弦的距离;其中,所述光线曲线的弦为连接光线的起始点和终止点的线段;
将焊缝区域的图像中的光线起始点与光线终止点进行连接,以获得光线曲线的弦,其中,光线起始点为光线最左端的像素点,光线终止点为光线最右端的像素点。可选的,从左至右逐个计算光线曲线上所有点到该弦的垂直距离。
S2212、根据到所述光线曲线的弦的距离最大的所述光线像素点,将所述图像分为左图像和右图像;
在计算了光线曲线上所有点到光线曲线的弦的距离后,确定其中最大距离对应的光线像素点,并根据该像素点将焊缝区域的图像分为左图像和右图像。可选的,从最大距离对应的光线像素点引一条垂直于光线曲线的弦的直线,将焊缝区域的图像分为左右两部分,也可以从最大距离对应的光线像素点引一条竖线将焊缝区域的图像分为左右两部分,对此,本发明实施例不作具体限制。
S2213、分别计算所述左图像中所述光线像素点到左光线曲线的弦的距离和所述右图像中所述光线像素点到右光线曲线的弦的距离;
在将焊缝区域的图像分为左图像和右图像之后,将上述光线起始点与最大距离对应的光线像素点进行连接,以获得左光线曲线的弦,将最大距离对应的光线像素点与上述光线终止点进行连接,以获得右光线曲线的弦。然后在左图像中计算光线像素点到左光线曲线的弦的距离,在右图像中计算光线像素点到右光线曲线的弦的距离。
S2214、将所述左图像中到所述左光线曲线的弦的距离最大的所述光线像素点和所述右图像中到所述右光线曲线的弦的距离最大的所述光线像素点作为所述待选位置。
将左图像中到左光线曲线的弦的距离最大的光线像素点和右图像中到右光线曲线的弦的距离最大的光线像素点作为拐点的待选位置。
S222、基于哈弗变换法确定所述拐点的所述待选位置。具体如下:
S2221、分别利用哈弗变换确定所述左图像和所述右图像中所述光线曲线在预设方向上最长线段两端的端点位置;其中,所述预设方向与所述图像的底边夹角与所述预设角度互余;
在V形焊缝中,焊缝区域的图像中拐点两侧的直线部分相对于拐点中间的斜线段部分所受到的干扰要小,因此可以利用哈弗变换确定焊缝区域的图像中预设方向上两条最长线段的端点位置,进而确定拐点的位置。可选的,首先将焊缝区域的图像中的光线起始点与光线终止点进行连接,以获得光线曲线的弦,然后从左至右逐个计算光线曲线上所有点到该弦的垂直距离,并根据到光线曲线的弦的距离最大的光线像素点,将图像分为左图像和右图像,再分别利用哈弗变换确定左图像和右图像中光线曲线在预设方向上最长线段两端的端点位置。其中,预设方向是指光线的方向,由于光线与焊缝呈预设角度,而获取的焊缝区域的图像的方向垂直于焊缝,因此预设方向与图像的底边夹角与预设角度互余。
S2222、将远离所述图像边缘的所述端点位置作为所述待选位置。
在确定左图像和右图像中光线曲线在预设方向上最长线段两端的端点位置之后,将左图像中的最长线段的右端点作为待选位置,并将右图像中的最长线段的左端点作为待选位置,即将远离图像边缘的端点位置作为待选位置。
S223、基于斜率法确定所述拐点的所述待选位置。具体如下:
S2231、计算所述图像中所述光线像素点的斜率平均值作为所述光线像素点的斜率值;
可选的,首先从左至右逐个计算光线曲线上所有光线像素点的斜率,针对每一个光线像素点,取其左右各五个光线像素点的斜率并将计算得到的平均值作为所针对的光线像素点的斜率值。
S2232、按照所述光线像素点在所述图像中的横向次序,依次计算所述光线像素点的斜率值的二阶导数;
计算得到每个光线像素点的斜率值后,可选的,从左至右逐个计算每个光线像素点的斜率值的二阶导数,该二阶导数即代表斜率值的变化速度。由于拐点位置左右两侧的光线曲线为非平缓过渡,因此从左至右的计算该二阶导数时,经过拐点的位置会产生突变,故可根据突变的位置确定拐点的位置。
S2233、将第一个所述光线像素点的斜率值的二阶导数突变点对应的所述光线像素点和最后一个所述光线像素点的斜率值的二阶导数突变点对应的所述光线像素点,作为所述待选位置。
在焊缝区域的图像中拐点两侧部分接近直线,因此在该直线的部分二阶导数不会出现突变,而在拐点位置曲线形状变化较大,导致二阶导数突变。故在本实施例中,在从左至右计算光线像素点的斜率值的二阶导数时,将第一次二阶导数出现突变的位置的像素点和最后一次二阶导数出现突变的位置的像素点作为拐点的待选位置。
S23、根据每两种所述预设拐点提取方法对应的所述待选位置间的距离差和预设阈值,确定所述拐点的有效位置。
在本实施例中,根据上述三种述预设拐点提取方法获得的待选位置确定拐点的有效位置。其他内容可参考上述实施例的描述。
S24、根据所述拐点的有效位置确定所述焊缝的中心点位置和焊缝宽度。
本发明实施例所提供的技术方案,通过同时采用上述三种拐点提取方法确定母材上表面与焊缝坡口的两个拐点的待选位置,进而耦合出拐点的有效位置。使得拐点位置的确定过程更加简便高效,并提高了焊缝拐点识别的准确率,实现了对焊缝的准确定位。
实施例三
图3为本发明实施例三提供的焊缝识别装置的结构示意图,该装置可以由硬件和/或软件的方式来实现,并可集成于自动焊接机器人中,用于执行本发明任意实施例所提供的焊缝识别方法。如图3所示,该装置包括:
图像获取模块31,用于获取由线光源照射的焊缝区域的图像;其中,线光源照射在焊缝区域的光线与焊缝呈预设角度;
拐点待选位置确定模块32,用于基于至少两种预设拐点提取方法,确定图像中对应每种预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;
拐点有效位置确定模块33,用于根据每两种预设拐点提取方法对应的待选位置间的距离差和预设阈值,确定拐点的有效位置;
焊缝确定模块34,用于根据拐点的有效位置确定焊缝的中心点位置和焊缝宽度。
本发明实施例所提供的技术方案,通过同时采用多种拐点提取方法确定母材上表面与焊缝坡口的两个拐点的待选位置,进而耦合出拐点的有效位置。解决了现有技术中焊缝识别方法容易因焊缝形状和焊接面平整度的变化而影响焊缝识别准确性的问题,提高了焊缝拐点识别的准确率,实现了对焊缝的准确定位。
在上述技术方案的基础上,可选的,拐点待选位置确定模块32具体用于:
采用至少两种下述拐点提取方法,确定拐点的待选位置:
计算图像中光线像素点到光线曲线的弦的距离;其中,光线曲线的弦为连接光线的起始点和终止点的线段;
根据到光线曲线的弦的距离最大的光线像素点,将图像分为左图像和右图像;
分别计算左图像中光线像素点到左光线曲线的弦的距离和右图像中光线像素点到右光线曲线的弦的距离;
将左图像中到左光线曲线的弦的距离最大的光线像素点和右图像中到右光线曲线的弦的距离最大的光线像素点作为待选位置;或者,
分别利用哈弗变换确定左图像和右图像中光线曲线在预设方向上最长线段两端的端点位置;其中,预设方向与图像的底边夹角与预设角度相同;
将远离图像边缘的端点位置作为待选位置;或者,
计算图像中光线像素点的斜率平均值作为光线像素点的斜率值;
按照光线像素点在图像中的横向次序,依次计算光线像素点的斜率值的二阶导数;
将第一个光线像素点的斜率值的二阶导数突变点对应的光线像素点和最后一个光线像素点的斜率值的二阶导数突变点对应的光线像素点,作为待选位置。
在上述技术方案的基础上,可选的,拐点有效位置确定模块33包括:
待选位置对生成子模块,用于从拐点的待选位置中任取两个进行组合,生成相应数量的待选位置对;
待选位置保存子模块,用于如果待选位置对中的两个待选位置间的距离差小于预设阈值,保存待选位置对中的两个待选位置;
待选位置舍弃子模块,用于如果待选位置对中的两个待选位置间的距离差大于等于预设阈值,舍弃待选位置对中的两个待选位置;
有效位置确定子模块,用于根据全部被保存的待选位置确定拐点的有效位置。
在上述技术方案的基础上,可选的,该装置还包括:
去噪模块,用于在基于至少两种预设拐点提取方法,确定图像中对应每种预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置之前,对图像中光线进行光线轮廓去噪处理。
在上述技术方案的基础上,可选的,该装置还包括:
线形插补模块,用于在对图像中光线进行光线轮廓去噪处理之后,对光线进行线形插补处理。
在上述技术方案的基础上,可选的,图像获取模块31包括:
原始图像拍摄子模块,用于通过摄像头拍摄焊缝区域的原始图像;
感兴趣区域选取子模块,用于根据用户输入的感兴趣区域选取操作,从原始图像中选取对应的图像;其中,图像的面积小于原始图像的面积。
本发明实施例所提供的焊缝识别装置可执行本发明任意实施例所提供的焊缝识别方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,在上述焊缝识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图4为本发明实施例四提供的一种焊接机器人的结构示意图,示出了适于用来实现本发明实施方式的示例性焊接机器人40的框图。图4显示的焊接机器人40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该焊接机器人包括处理器41、存储器42、光学跟踪模块43、爬行模块44及焊接模块45;该焊接机器人中处理器41的数量可以是一个或多个,图4中以一个处理器41为例;焊接机器人的处理器41和存储器42可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器42作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的焊缝识别方法对应的程序指令/模块(例如,焊缝识别装置中的图像获取模块31、拐点待选位置确定模块32拐点有效位置确定模块33和焊缝确定模块34)。处理器41通过运行存储在存储器42中的软件程序、指令以及模块,从而执行焊接机器人的各种功能应用以及数据处理,即实现上述的焊缝识别方法。
存储器42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据焊接机器人的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
光学跟踪模块43与控制器41连接,可用于采用线光源照射待识别的焊缝区域,并获取焊缝区域的图像;其中,线光源照射在焊缝区域的光线与焊缝呈预设角度。爬行模块44与控制器41连接,可用于在焊接表面爬行。焊接模块45与控制器41连接,可用于对焊缝进行焊接操作。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的焊缝识别方法,该方法包括:
获取由线光源照射的焊缝区域的图像;其中,线光源照射在焊缝区域的光线与焊缝呈预设角度;
基于至少两种预设拐点提取方法,确定图像中对应每种预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;
根据每两种预设拐点提取方法对应的待选位置间的距离差和预设阈值,确定拐点的有效位置;
根据拐点的有效位置确定焊缝的中心点位置和焊缝宽度。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的焊缝识别方法中的相关操作。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种焊缝识别方法,其特征在于,包括:
获取由线光源照射的焊缝区域的图像;其中,所述线光源照射在所述焊缝区域的光线与焊缝呈预设角度;
基于至少两种预设拐点提取方法,确定所述图像中对应每种所述预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;
根据每两种所述预设拐点提取方法对应的所述待选位置间的距离差和预设阈值,确定所述拐点的有效位置;
根据所述拐点的有效位置确定所述焊缝的中心点位置和焊缝宽度。
2.根据权利要求1所述的焊缝识别方法,其特征在于,所述基于至少两种预设拐点提取方法,确定所述图像中对应每种所述预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置,包括:
采用至少两种下述拐点提取方法,确定所述拐点的所述待选位置:
计算所述图像中光线像素点到光线曲线的弦的距离;其中,所述光线曲线的弦为连接光线的起始点和终止点的线段;
根据到所述光线曲线的弦的距离最大的所述光线像素点,将所述图像分为左图像和右图像;
分别计算所述左图像中所述光线像素点到左光线曲线的弦的距离和所述右图像中所述光线像素点到右光线曲线的弦的距离;
将所述左图像中到所述左光线曲线的弦的距离最大的所述光线像素点和所述右图像中到所述右光线曲线的弦的距离最大的所述光线像素点作为所述待选位置;或者,
分别利用哈弗变换确定所述左图像和所述右图像中所述光线曲线在预设方向上最长线段两端的端点位置;其中,所述预设方向与所述图像的底边夹角与所述预设角度互余;
将远离所述图像边缘的所述端点位置作为所述待选位置;或者,
计算所述图像中所述光线像素点的斜率平均值作为所述光线像素点的斜率值;
按照所述光线像素点在所述图像中的横向次序,依次计算所述光线像素点的斜率值的二阶导数;
将第一个所述光线像素点的斜率值的二阶导数突变点对应的所述光线像素点和最后一个所述光线像素点的斜率值的二阶导数突变点对应的所述光线像素点,作为所述待选位置。
3.根据权利要求1所述的焊缝识别方法,其特征在于,所述根据每两种所述预设拐点提取方法对应的所述待选位置间的距离差和预设阈值,确定所述拐点的有效位置,包括:
从所述拐点的所述待选位置中任取两个进行组合,生成相应数量的待选位置对;
如果所述待选位置对中的两个所述待选位置间的距离差小于所述预设阈值,保存所述待选位置对中的两个所述待选位置;
如果所述待选位置对中的两个所述待选位置间的距离差大于等于所述预设阈值,舍弃所述待选位置对中的两个所述待选位置;
根据全部被保存的所述待选位置确定所述拐点的所述有效位置。
4.根据权利要求1所述的焊缝识别方法,其特征在于,在所述基于至少两种预设拐点提取方法,确定所述图像中对应每种所述预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置之前,还包括:
对所述图像中所述光线进行光线轮廓去噪处理。
5.根据权利要求4所述的焊缝识别方法,其特征在于,在所述对所述图像中所述光线进行光线轮廓去噪处理之后,还包括:
对所述光线进行线形插补处理。
6.根据权利要求1-5任一项所述的焊缝识别方法,其特征在于,所述获取由线光源照射的焊缝区域的图像,包括:
通过摄像头拍摄所述焊缝区域的原始图像;
根据用户输入的感兴趣区域选取操作,从所述原始图像中选取对应的所述图像;其中,所述图像的面积小于所述原始图像的面积。
7.一种焊缝识别装置,其特征在于,包括:
图像获取模块,用于获取由线光源照射的焊缝区域的图像;其中,所述线光源照射在所述焊缝区域的光线与焊缝呈预设角度;
拐点待选位置确定模块,用于基于至少两种预设拐点提取方法,确定所述图像中对应每种所述预设拐点提取方法的母材上表面与焊缝坡口的两个拐点的待选位置;
拐点有效位置确定模块,用于根据每两种所述预设拐点提取方法对应的所述待选位置间的距离差和预设阈值,确定所述拐点的有效位置;
焊缝确定模块,用于根据所述拐点的有效位置确定所述焊缝的中心点位置和焊缝宽度。
8.根据权利要求7所述的焊缝识别装置,其特征在于,所述拐点待选位置确定模块,具体用于:
采用至少两种下述拐点提取方法,确定所述拐点的所述待选位置:
计算所述图像中光线像素点到光线曲线的弦的距离;其中,所述光线曲线的弦为连接光线的起始点和终止点的线段;
根据到所述光线曲线的弦的距离最大的所述光线像素点,将所述图像分为左图像和右图像;
分别计算所述左图像中所述光线像素点到左光线曲线的弦的距离和所述右图像中所述光线像素点到右光线曲线的弦的距离;
将所述左图像中到所述左光线曲线的弦的距离最大的所述光线像素点和所述右图像中到所述右光线曲线的弦的距离最大的所述光线像素点作为所述待选位置;或者,
分别利用哈弗变换确定所述左图像和所述右图像中所述光线曲线在预设方向上最长线段两端的端点位置;其中,所述预设方向与所述图像的底边夹角与所述预设角度相同;
将远离所述图像边缘的所述端点位置作为所述待选位置;或者,
计算所述图像中所述光线像素点的斜率平均值作为所述光线像素点的斜率值;
按照所述光线像素点在所述图像中的横向次序,依次计算所述光线像素点的斜率值的二阶导数;
将第一个所述光线像素点的斜率值的二阶导数突变点对应的所述光线像素点和最后一个所述光线像素点的斜率值的二阶导数突变点对应的所述光线像素点,作为所述待选位置。
9.一种焊接机器人,其特征在于,所述焊接机器人包括:
光学跟踪模块,用于采用线光源照射待识别的焊缝区域,并获取所述焊缝区域的图像;其中,所述线光源照射在所述焊缝区域的光线与焊缝呈预设角度;
爬行模块,用于在焊接表面爬行;
焊接模块,用于对所述焊缝进行焊接操作;
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的焊缝识别方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的焊缝识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030898.2A CN111055054B (zh) | 2020-01-13 | 2020-01-13 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030898.2A CN111055054B (zh) | 2020-01-13 | 2020-01-13 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111055054A true CN111055054A (zh) | 2020-04-24 |
CN111055054B CN111055054B (zh) | 2021-11-16 |
Family
ID=70307135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010030898.2A Active CN111055054B (zh) | 2020-01-13 | 2020-01-13 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111055054B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111633358A (zh) * | 2020-05-25 | 2020-09-08 | 西咸新区大熊星座智能科技有限公司 | 基于激光的焊缝参数测量方法及装置 |
CN111673749A (zh) * | 2020-06-09 | 2020-09-18 | 深圳中集智能科技有限公司 | 视觉焊接机器人的调校方法及视觉焊接机器人 |
CN112053376A (zh) * | 2020-09-07 | 2020-12-08 | 南京大学 | 一种基于深度信息的工件焊缝识别方法 |
CN112222569A (zh) * | 2020-09-30 | 2021-01-15 | 北京博清科技有限公司 | 一种焊缝跟踪方法、装置、机器人和储存介质 |
CN112258505A (zh) * | 2020-11-18 | 2021-01-22 | 安徽国钜工程机械科技有限公司 | 一种基于数字图像的隧道裂缝宽度计算方法 |
CN112767491A (zh) * | 2021-04-08 | 2021-05-07 | 北京博清科技有限公司 | 焊道拐点的确定方法、装置和计算机可读存储介质 |
CN114682949A (zh) * | 2022-03-30 | 2022-07-01 | 河北省机电一体化中试基地有限公司 | 一种管道自动焊接控制系统 |
CN114749849A (zh) * | 2022-06-01 | 2022-07-15 | 江苏徐工工程机械研究院有限公司 | 焊接控制方法、装置和系统 |
CN116069035A (zh) * | 2023-02-10 | 2023-05-05 | 济宁鲁科检测器材有限公司 | 基于激光雷达的探伤机器人焊缝路径识别装置及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102699534A (zh) * | 2012-06-26 | 2012-10-03 | 哈尔滨工业大学 | 基于扫描式激光视觉传感的厚板窄间隙深坡口激光自动化多层焊焊接方法 |
CN103500321A (zh) * | 2013-07-03 | 2014-01-08 | 无锡信捷电气股份有限公司 | 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术 |
CN104057202A (zh) * | 2014-07-11 | 2014-09-24 | 华南理工大学 | 基于fpga的远程监控移动式机器人自主焊接系统及方法 |
CN104084669A (zh) * | 2014-06-20 | 2014-10-08 | 河北工业大学 | 一种基于解耦检测的环缝视觉检测方法及装置 |
CN105488514A (zh) * | 2016-01-07 | 2016-04-13 | 张健敏 | 一种具有自主焊接功能的焊接装置 |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN108765419A (zh) * | 2018-06-20 | 2018-11-06 | 天津大学 | 结构光视觉焊缝图像信息自适应提取方法 |
CN109272544A (zh) * | 2018-10-22 | 2019-01-25 | 湖北文理学院 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
CN109604830A (zh) * | 2018-07-25 | 2019-04-12 | 同高先进制造科技(太仓)有限公司 | 一种主动激光视觉引导机器人激光焊接精确焊缝跟踪系统 |
-
2020
- 2020-01-13 CN CN202010030898.2A patent/CN111055054B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102699534A (zh) * | 2012-06-26 | 2012-10-03 | 哈尔滨工业大学 | 基于扫描式激光视觉传感的厚板窄间隙深坡口激光自动化多层焊焊接方法 |
CN103500321A (zh) * | 2013-07-03 | 2014-01-08 | 无锡信捷电气股份有限公司 | 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术 |
CN104084669A (zh) * | 2014-06-20 | 2014-10-08 | 河北工业大学 | 一种基于解耦检测的环缝视觉检测方法及装置 |
CN104057202A (zh) * | 2014-07-11 | 2014-09-24 | 华南理工大学 | 基于fpga的远程监控移动式机器人自主焊接系统及方法 |
CN105488514A (zh) * | 2016-01-07 | 2016-04-13 | 张健敏 | 一种具有自主焊接功能的焊接装置 |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN108765419A (zh) * | 2018-06-20 | 2018-11-06 | 天津大学 | 结构光视觉焊缝图像信息自适应提取方法 |
CN109604830A (zh) * | 2018-07-25 | 2019-04-12 | 同高先进制造科技(太仓)有限公司 | 一种主动激光视觉引导机器人激光焊接精确焊缝跟踪系统 |
CN109272544A (zh) * | 2018-10-22 | 2019-01-25 | 湖北文理学院 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111633358B (zh) * | 2020-05-25 | 2021-11-09 | 西咸新区大熊星座智能科技有限公司 | 基于激光的焊缝参数测量方法及装置 |
CN111633358A (zh) * | 2020-05-25 | 2020-09-08 | 西咸新区大熊星座智能科技有限公司 | 基于激光的焊缝参数测量方法及装置 |
CN111673749A (zh) * | 2020-06-09 | 2020-09-18 | 深圳中集智能科技有限公司 | 视觉焊接机器人的调校方法及视觉焊接机器人 |
CN112053376A (zh) * | 2020-09-07 | 2020-12-08 | 南京大学 | 一种基于深度信息的工件焊缝识别方法 |
CN112053376B (zh) * | 2020-09-07 | 2023-10-20 | 南京大学 | 一种基于深度信息的工件焊缝识别方法 |
CN112222569A (zh) * | 2020-09-30 | 2021-01-15 | 北京博清科技有限公司 | 一种焊缝跟踪方法、装置、机器人和储存介质 |
CN112222569B (zh) * | 2020-09-30 | 2021-11-23 | 北京博清科技有限公司 | 一种焊缝跟踪方法、装置、机器人和储存介质 |
CN112258505A (zh) * | 2020-11-18 | 2021-01-22 | 安徽国钜工程机械科技有限公司 | 一种基于数字图像的隧道裂缝宽度计算方法 |
CN112767491A (zh) * | 2021-04-08 | 2021-05-07 | 北京博清科技有限公司 | 焊道拐点的确定方法、装置和计算机可读存储介质 |
CN112767491B (zh) * | 2021-04-08 | 2021-11-12 | 北京博清科技有限公司 | 焊道拐点的确定方法、装置和计算机可读存储介质 |
CN114682949A (zh) * | 2022-03-30 | 2022-07-01 | 河北省机电一体化中试基地有限公司 | 一种管道自动焊接控制系统 |
CN114749849A (zh) * | 2022-06-01 | 2022-07-15 | 江苏徐工工程机械研究院有限公司 | 焊接控制方法、装置和系统 |
CN114749849B (zh) * | 2022-06-01 | 2023-09-01 | 江苏徐工工程机械研究院有限公司 | 焊接控制方法、装置和系统 |
CN116069035A (zh) * | 2023-02-10 | 2023-05-05 | 济宁鲁科检测器材有限公司 | 基于激光雷达的探伤机器人焊缝路径识别装置及方法 |
CN116069035B (zh) * | 2023-02-10 | 2023-09-05 | 济宁鲁科检测器材有限公司 | 基于激光雷达的探伤机器人焊缝路径识别装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111055054B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111055054B (zh) | 一种焊缝识别方法、装置、焊接机器人及储存介质 | |
CN210046133U (zh) | 基于激光结构光的焊缝视觉跟踪系统 | |
CN103759648B (zh) | 一种基于激光双目视觉的复杂角焊缝位置检测方法 | |
CN105844622A (zh) | 一种基于激光视觉的v型坡口焊缝检测方法 | |
Xu et al. | Visual sensing technologies in robotic welding: Recent research developments and future interests | |
CN109272544B (zh) | 管道全位置焊缝的结构光三维测量模型和图像处理方法 | |
EP0107820A2 (en) | Robot vision system | |
Kim et al. | A robust visual seam tracking system for robotic arc welding | |
CN108107837A (zh) | 一种基于视觉引导的玻璃加工装置及方法 | |
CN109146866A (zh) | 机器人对焊缝处理的方法及装置 | |
Banafian et al. | Precise seam tracking in robotic welding by an improved image processing approach | |
He et al. | Weld seam profile extraction using top-down visual attention and fault detection and diagnosis via EWMA for the stable robotic welding process | |
CN109685758B (zh) | 基于多模板匹配的焊缝视觉定位方法 | |
CN113579601B (zh) | 一种焊道的定位方法、装置、焊接机器人和存储介质 | |
Liu et al. | Seam tracking system based on laser vision and CGAN for robotic multi-layer and multi-pass MAG welding | |
Lin et al. | Intelligent seam tracking of an ultranarrow gap during K-TIG welding: a hybrid CNN and adaptive ROI operation algorithm | |
CN113319411A (zh) | 一种视觉定位方法、系统及计算设备 | |
CN110893525B (zh) | 焊接工件的焊接区域识别方法、计算机装置及计算机可读存储介质 | |
CN111739006B (zh) | 一种基于围道积分的椭圆图像检测算法及系统 | |
CN208673130U (zh) | 一种基于视觉引导的玻璃加工装置 | |
Naji et al. | Square groove detection based on Förstner with Canny edge operator using laser vision sensor | |
CN114926531A (zh) | 基于双目视觉的大视场下工件焊缝自主定位方法及系统 | |
CN112322713A (zh) | 成像方法、装置及系统及存储介质 | |
CN114289945A (zh) | 焊接设备、其控制方法以及焊接系统 | |
CN113523655B (zh) | 焊接设备的焊缝视觉识别方法 |
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 |