CN111805131B - 一种焊缝轨迹实时定位方法、装置、存储介质及终端 - Google Patents
一种焊缝轨迹实时定位方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN111805131B CN111805131B CN202010910442.5A CN202010910442A CN111805131B CN 111805131 B CN111805131 B CN 111805131B CN 202010910442 A CN202010910442 A CN 202010910442A CN 111805131 B CN111805131 B CN 111805131B
- Authority
- CN
- China
- Prior art keywords
- workpiece
- candidate
- welded
- welding seam
- weld
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000003466 welding Methods 0.000 claims abstract description 130
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000036544 posture Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种焊缝轨迹实时定位方法、装置、存储介质及终端，通过获取由激光3D视觉系统采集的工件任意姿态下的焊缝轨迹识别及定位，为智能焊接提供必要的焊接轨迹信息；本焊缝轨迹实时定位方法实现简单，仅需获取由3D视觉系统采集的焊缝，无需额外的图像采集和处理，无需导入工件标准3D模型；应用方案灵活，对于任意摆放的工件通过一次扫描即可识别焊缝，并提供焊缝轨迹完整的位置和姿态信息；实时性高，可对工件进行在线扫描，分析当前工装间隙和焊缝宽度等。
Description
技术领域
本发明涉及3D识别领域，尤其涉及的是一种焊缝轨迹实时定位方法、装置、存储介质及终端。
背景技术
在智能制造大背景下，发展智能焊接技术是提升工业制造效率的重要方式。区别于传统机器人焊接领域的人工示教焊接技术，搭载视觉系统的智能化焊接机器人能够实现对工件焊缝的自动识别、定位以及焊接轨迹规划，整个焊接过程实现无人化焊接，极大提高工作效率，减少作业过程中出现的人工事故。在以视觉为基础的智能焊接技术中，最重要的一环就是利用视觉技术对工件焊缝进行识别和定位。
目前，常见的焊缝轨迹识别视觉技术主要包括采用2D图像技术进行焊缝识别、图片识别+3D模型焊缝识别技术、图片识别+3D重构焊缝识别技术等（如，1、CN201410540251.9，基于三维模型与机器视觉的自动焊接方法及焊接装置，2、CN201910721074.7，一种机器人焊接装置及焊缝轨迹的获取方法，3、CN201910540879.1，一种基于图像处理的结构光焊缝识别方法）。可见，目前焊缝轨迹获取采用的是2D图片与3D数据的融合技术，但是，2D图片仅具备识别功能，无法提供焊缝的位置信息，通过图片识别出焊缝，再将识别出来的2D焊缝贴合到3D数据中，进一步生成焊缝的空间轨迹。这种方式尽管能够对焊缝轨迹进行粗定位，但需要2D相机和3D相机两套硬件，导致系统的复杂度提升、系统误差增加、成本增加；在2D与3D数据对齐的过程中容易引入误差损失位置精度；对于复杂空间曲线焊缝2D相机无法真正反映焊缝形状，导致与3D数据对齐失败。可见，为提升焊接机器人的智能化及实用化能力，需要提供一种系统简单且能快速、准确获取工件焊缝位置和姿态的焊缝轨迹实时定位方法。
因此，现有的技术还有待于改进和发展。
发明内容
本发明的目的在于提供一种焊缝轨迹实时定位方法、装置、存储介质及终端，能简单且快速、准确获取工件焊缝位置和姿态，以提升焊接机器人的智能化及实用化能力。
本发明的技术方案如下：一种焊缝轨迹实时定位方法，其中，具体包括以下步骤：
获取待焊接工件上的多条线激光图像；
识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；
根据线激光图像得到待焊接工件的3D重构模型；
对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；
根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。
所述的焊缝轨迹实时定位方法，其中，所述根据线激光图像得到待焊接工件的3D重构模型中，具体包括以下过程：通过获取多条单条线激光图像，依次对每条线激光图像进行空间坐标转换，将每条线激光图像转换为一列空间点坐标，最终将计算所得多列空间点坐标进行拼接形成完整的待焊接工件3D点云数据，得到待焊接工件的3D重构模型。
所述的焊缝轨迹实时定位方法，其中，所述识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹中，具体包括以下步骤：
s21：对线激光3D视觉系统采集待焊接工件上的所有线激光图像逐一进行激光中心线提取；
s22：逐一提取全部激光中心线上的焊缝候选点，其中，所述焊缝候选点为待焊接工件中不同面之间的衔接处的点；
s23：逐一对全部线激光图像所得的全部焊缝候选点按照分类规则分成不同的点集合；
s24：所得不同类点集合中所有点均为图像坐标点，将不同类点集合中的图像坐标点求解为对应的3D空间坐标，其中每一类点集合为一条候选焊缝轨迹。
所述的焊缝轨迹实时定位方法，其中，所述s23中，分类规则如下：同一条线激光图像上的焊缝候选点不可分到同一类点集合；计算某一条线激光图像上的某一焊缝候选点与各个点集合中最新填入的焊缝候选点的距离，若该距离小于等于预设距离阈值，则将该某一条线激光图像上的某一焊缝候选点填入距离最小的点集合中，若该距离大于预设距离阈值，则将该某一条线激光图像上的某一焊缝候选点单独创建一个新的点集合。
所述的焊缝轨迹实时定位方法，其中，所述s24中，采用激光3D扫描仪重构算法，将不同类点集合中的图像坐标点求解为对应的3D空间坐标。
所述的焊缝轨迹实时定位方法，其中，所述对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面中，具体包括：利用点云区域生长分割算法，对待焊接工件3D重构模型的3D点云数据进行特征曲面的分割，提取待焊接工件的特征曲面。
所述的焊缝轨迹实时定位方法，其中，所述根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹中，具体包括：建立焊缝轨迹与待焊接工件的特征曲面之间的空间位置关系，根据空间位置关系在候选焊缝中选取符合要求的候选焊缝作为真实焊缝轨迹进行输出。
一种采用上述任一所述的焊缝轨迹实时定位方法的装置，其中，包括：
线激光图像获取模块，获取由线激光3D视觉系统扫描得到的待焊接工件上的多条线激光图像；
候选焊缝轨迹获取模块，识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；
3D重构模型模块，根据线激光图像得到待焊接工件的3D重构模型；
特征曲面提取模块，对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；
焊缝轨迹筛选模块，根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。
一种终端，其中，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述任一项所述的方法。
一种存储介质，其中，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述任一项所述的方法。
本发明的有益效果：本发明通过提供一种焊缝轨迹实时定位方法、装置、存储介质及终端，通过获取由激光3D视觉系统采集的工件任意姿态下的焊缝轨迹识别及定位，为智能焊接提供必要的焊接轨迹信息；本焊缝轨迹实时定位方法实现简单，仅需获取由3D视觉系统采集的焊缝，无需额外的图像采集和处理，无需导入工件标准3D模型；应用方案灵活，对于任意摆放的工件通过一次扫描即可识别焊缝，并提供焊缝轨迹完整的位置和姿态信息；实时性高，可对工件进行在线扫描，分析当前工装间隙和焊缝宽度等。
附图说明
图1是本发明中焊缝轨迹实时定位方法的步骤流程图。
图2是本发明中线激光3D视觉系统扫描工件示意图。
图3a至图3c是本发明中单线激光线获取及焊缝候选点识别示意图。
图4是本发明中识别工件特征曲面示意图。
图5是本发明中候选焊缝轨迹示意图。
图6是本发明中3D点特征曲面与候选焊缝轨迹示意图。
图7是本发明中装置的示意图。
图8是本发明中终端的示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，一种焊缝轨迹实时定位方法，具体包括以下步骤：
S1：获取由线激光3D视觉系统扫描得到的待焊接工件上的多条线激光图像。
在实际应用中，采用线激光3D视觉系统，对任意摆放的工件进行3D扫描，获取工件3D形貌信息，如图2所示。
其中，利用线激光3D视觉系统扫描待焊接工件，根据线激光3D扫描系统的原理，3D扫描仪单次采集待焊接工件上其中一条线激光图像。
S2：识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹。如图5所示，L1、L2、L3和L4分别为不同的候选焊缝轨迹。
为实现快速焊缝轨迹获取，在线激光处理环节，进行算法处理形成多条候选焊缝轨迹，如图3a至图3c所示（其中，图3a为捕获的单条线激光条纹图，图3b为单条线激光条纹图进行激光中心线提取示意图，图3c为提取激光中心线后从激光中心线上提取焊缝候选点的示意图），具体步骤如下：
s21：对捕获的单条线激光条纹图（如图3a所示），进行激光中心线提取（如图3b所示）。
s22：提取激光中心线上的焊缝候选点，对于复杂工件而言存在多个焊缝候选点P01、P02……P0n ,n为单条激光条纹图上候选点的个数。其中，焊缝候选点主要是提取激光中心线上曲率较大的点（可通过预设曲率阈值，当该点的曲率大于预设曲率阈值时，则该点为焊缝候选点，否则不为焊缝候选点），这些点代表着工件面与面之间的衔接处与焊缝的特征一致，如附图3c所示。
s23：对m条线激光图像，按采集扫描次序，提取其激光中心线并求取每条激光中心线中的焊缝候选点Pm1、Pm2 ……Pmn，并对m条线激光图像所得的全部焊缝候选点，分成K类点集合。其中分类原则如下：
s231：同一条线激光图像上的候选点不可分到同一类点集合；
s232：若第一条线激光图像有N个焊缝候选点，则初始类数目定义为K0=N；
s233：每类点集合采用队列的形式储存焊缝候选点，并按照线激光图像扫描的先后进行焊缝候选点排序；
s234：按扫描时间序列进行分类，第 i 条线激光焊缝候选点分类方法为，当第i条线激光存在Ni个焊缝候选点，且第i-1条线激光分完类之后有K i-1个点集合，逐一计算Ni个候选点到K i-1个点集合中各类点集合中最新填入的焊缝候选点的距离D nk，在不违背s231的基础上，该第i条线激光上的焊缝候选点被分到与最新填入的焊缝候选点的距离D nk最小的点集合中，若第i条线激光上的焊缝候选点与最新填入的焊缝候选点的距离D nk>DT，则该第i条线激光上的焊缝候选点单独创建一个新的点集合；其中DT为预设距离阈值（即逐一计算第i条线激光上的第N个焊缝候选点到K i-1个点集合中每个类点集合中最新填入的焊缝候选点的距离D nk，将该第N个焊缝候选点分到与最新填入的焊缝候选点的距离D nk最小的点集合中，若第i条线激光上的焊缝候选点与最新填入的焊缝候选点的距离D nk>DT，则该第i条线激光上的焊缝候选点单独创建一个新的点集合，重复上述过程直至遍历第i条线激光上的所有焊缝候选点）。
s24：所得K类点集合中所有点均为图像坐标点，采用激光3D扫描仪重构算法（激光发射器投射出的激光面与被测物相交切出一条激光光条，利用另一侧相机拍摄激光光条，激光光条在相机图像平面成像位置受到被测物体表面几何形貌的调制，根据激光三角测量法，利用相机和激光器之间的角度、位置关系以及激光光条在相机二维图像上的成像位置，即可计算出激光光条在空间中对应三维点的坐标位置），将K类点集中的图像坐标点求解为对应的3D空间坐标，其中每一类点集合为一条候选焊缝轨迹，一共得到K条候选焊缝轨迹。
S3：根据线激光图像得到待焊接工件的3D重构模型。
其中，根据线激光3D扫描系统的原理，3D扫描仪单次采集待焊接工件上其中一条线激光图像，并通过重构算法将该条线激光图像转换为一列空间点坐标，通过设置特定的扫描频率和扫描间隔拍摄大量单条线激光图像，依次进行空间坐标转换（可采用激光3D扫描仪重构算法实现），最终将计算所得多列空间点坐标进行拼接形成完整的待焊接工件3D点云数据（点云数据，即point cloud data，是指扫描资料以点的形式记录，每一个点包含有三维坐标），得到待焊接工件的3D重构模型。
S4：对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面。
其中，利用点云区域生长分割算法，对待焊接工件3D重构模型的3D点云数据进行特征曲面的分割，得到特征曲面。如图4所示，M1、M2、M3分别为不同的特征曲面。
其中，所述点云区域生长分割算法过程如下：根据目标点云的曲率值进行点云的聚类分割，从曲率较小的点云为种子点向外搜索；判断邻域点与种子点的法向角度，角度小于阈值则认为在同一曲面，大于阈值则为不同曲面；选取多个种子的曲率阈值和法向夹角的判断，最终目标点云分割成多个反映目标点云特征的特征曲面。这里的区域生长分割算法为现有技术，这里不对此进行赘述。
S5：根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹，如图6所示。
其中，对于同种类型工件而言，工件的各个结构面的形状和尺寸是固定不变的，不受摆放姿态和工装偏差的影响，因此焊缝轨迹与工件各结构面之间的关系是恒定的。建立焊缝轨迹与S4所得待焊接工件的特征曲面之间的空间位置关系（可以包括空间位置、角度、方向、距离等维度）；在候选焊缝中挑选最符合该空间位置关系的候选焊缝作为真实焊缝轨迹进行输出，如图6所示。
通过列举以下实例对S5加以说明，如图6所示，有4条候选焊缝L1、L2、L3、L4；三个特征曲面M1、M2、M3。考虑到实际候选焊缝不一定为标准几何曲线，而是任意空间曲线；特征曲面不一定为标准空间曲面，而是任意空间曲面。为简化线面之间的空间关系，将线和面的关系抽象为点与点之间的关系：分别求取候选焊缝L1、L2、L3、L4的重心Pl1，Pl2，Pl3，Pl4；特征曲面M1、M2、M3的重心Pm1，Pm2，Pm3；求取每个焊缝重心点到特征曲面重心之间的距离，如下；
当判定L2为真实的焊缝轨迹时，则D l2-m1、D l2-m2 、D l2-m3描述真实焊缝与特征面之间的空间位置关系。为确保空间位置关系的稳定可靠，真实焊缝轨迹的首次确定需要采用人工选取或者参数预设的方式来实现（即D l2-m1、D l2-m2 、D l2-m3需要采用人工选取或者参数预设的方式来判断是否符合空间位置关系）。一旦确认则对于同一批工件而言，真实焊缝与特征曲面的空间位置关系就确认，后续工件可以采用算法进行自动判断，判断方法如下：
对于第n次工件测量中，存在t条候选焊缝，分别计算t条候选焊缝与M1、M2、M2特征曲面的距离分别表示为【D ln1-m1、D ln1-m2 、D ln1-m3】、【D ln2-m1、D ln2-m2 、D ln2-m3】……【D lnt-m1、D lnt-m2 、D lnt-m3】；为每条候选焊缝的偏差值进行打分，公式如下：
St=abs( D lnt-m1- D l2-m1)/ D l2-m1+ abs ( D lnt-m2- D l2-m2)/ D l2-m2+ abs (D lnt-m3- D l2-m3)/ D l2-m3；
因此，在第n次工件测量中，t条候选焊缝，每条焊缝获得一个偏差值分数S1、S2……St，取其中偏差值Sx最小的候选焊缝为真实焊缝；其中abs（*）为取绝对值运算。
以上举例为4条候选焊缝L1、L2、L3、L4中只有L2为真实焊缝的情况，若判断4条候选焊缝L1、L2、L3、L4中不只一条真实焊缝，则后续的第n次工件测量中，也会计算出对应数量的真实焊缝。
以上实例为焊缝轨迹与待焊接工件的特征曲面之间的空间位置关系为距离维度时的运算过程，本领域技术人员还可以根据实际需要选择空间位置、角度、方向等维度的空间位置关系，本方案对此不再一一举例。
对于流水线批量焊缝轨迹识别项目，可通过在候选焊缝中进行手动选择焊缝，快速建立该条焊缝轨迹与特征曲面之间的空间关系。对于同型号工件，仅需首次进行手动焊缝选取，完成空间关系构建后，后续即可实现自动焊缝轨迹识别。
如图7所示，一种采用如上述所述的焊缝轨迹实时定位方法的装置，包括：
线激光图像获取模块101，获取由线激光3D视觉系统扫描得到的待焊接工件上的多条线激光图像；
候选焊缝轨迹获取模块102，识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；
3D重构模型模块103，根据线激光图像得到待焊接工件的3D重构模型；
特征曲面提取模块104，对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；
焊缝轨迹筛选模块105，根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。
请参照图8，本发明实施例还提供一种终端。如示，终端300包括处理器301和存储器302。其中，处理器301与存储器302电性连接。处理器301是终端300的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或调用存储在存储器302内的计算机程序，以及调用存储在存储器302内的数据，执行终端的各种功能和处理数据，从而对终端300进行整体监控。
在本实施例中，终端300中的处理器301会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的计算机程序，从而实现各种功能：获取由线激光3D视觉系统扫描得到的待焊接工件上的多条线激光图像；识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；根据线激光图像得到待焊接工件的3D重构模型；对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。
存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序，从而执行各种功能应用以及数据处理。
本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：获取由线激光3D视觉系统扫描得到的待焊接工件上的多条线激光图像；识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；根据线激光图像得到待焊接工件的3D重构模型；对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种焊缝轨迹实时定位方法，其特征在于，具体包括以下步骤：
通过3D视觉系统获取待焊接工件上的多条线激光图像；
识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；
根据线激光图像得到待焊接工件的3D重构模型；
对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；
根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。
2.根据权利要求1所述的焊缝轨迹实时定位方法，其特征在于，所述根据线激光图像得到待焊接工件的3D重构模型中，具体包括以下过程：通过获取多条单条线激光图像，依次对每条线激光图像进行空间坐标转换，将每条线激光图像转换为一列空间点坐标，最终将计算所得多列空间点坐标进行拼接形成完整的待焊接工件3D点云数据，得到待焊接工件的3D重构模型。
3.根据权利要求1或2所述的焊缝轨迹实时定位方法，其特征在于，所述识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹中，具体包括以下步骤：
s21：对线激光3D视觉系统采集待焊接工件上的所有线激光图像逐一进行激光中心线提取；
s22：逐一提取全部激光中心线上的焊缝候选点，其中，所述焊缝候选点为待焊接工件中不同面之间的衔接处的点；
s23：逐一对全部线激光图像所得的全部焊缝候选点按照分类规则分成不同的点集合；
s24：所得不同类点集合中所有点均为图像坐标点，将不同类点集合中的图像坐标点求解为对应的3D空间坐标，其中每一类点集合为一条候选焊缝轨迹。
4.根据权利要求3所述的焊缝轨迹实时定位方法，其特征在于，所述s23中，分类规则如下：同一条线激光图像上的焊缝候选点不可分到同一类点集合；计算某一条线激光图像上的某一焊缝候选点与各个点集合中最新填入的焊缝候选点的距离，若该距离小于等于预设距离阈值，则将该某一条线激光图像上的某一焊缝候选点填入距离最小的点集合中，若该距离大于预设距离阈值，则将该某一条线激光图像上的某一焊缝候选点单独创建一个新的点集合。
5.根据权利要求3所述的焊缝轨迹实时定位方法，其特征在于，所述s24中，采用激光3D扫描仪重构算法，将不同类点集合中的图像坐标点求解为对应的3D空间坐标。
6.根据权利要求1或2所述的焊缝轨迹实时定位方法，其特征在于，所述对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面中，具体包括：利用点云区域生长分割算法，对待焊接工件3D重构模型的3D点云数据进行特征曲面的分割，提取待焊接工件的特征曲面。
7.根据权利要求1所述的焊缝轨迹实时定位方法，其特征在于，所述根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹中，具体包括：建立焊缝轨迹与待焊接工件的特征曲面之间的空间位置关系，根据空间位置关系在候选焊缝中选取符合要求的候选焊缝作为真实焊缝轨迹进行输出。
8.一种采用权利要求1至7任一所述的焊缝轨迹实时定位方法的装置，其特征在于，包括：
线激光图像获取模块，获取由线激光3D视觉系统扫描得到的待焊接工件上的多条线激光图像；
候选焊缝轨迹获取模块，识别线激光图像上的焊缝候选点，对焊缝候选点进行分类形成点集合，通过点集合形成多条候选焊缝轨迹；
3D重构模型模块，根据线激光图像得到待焊接工件的3D重构模型；
特征曲面提取模块，对得到的待焊接工件的3D重构模型进行分析，提取待焊接工件的特征曲面；
焊缝轨迹筛选模块，根据待焊接工件的特征曲面从多条候选焊缝轨迹中筛选出正确的焊缝轨迹。
9.一种终端，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行权利要求1至7任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010910442.5A CN111805131B (zh) | 2020-09-02 | 2020-09-02 | 一种焊缝轨迹实时定位方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010910442.5A CN111805131B (zh) | 2020-09-02 | 2020-09-02 | 一种焊缝轨迹实时定位方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111805131A CN111805131A (zh) | 2020-10-23 |
| CN111805131B true CN111805131B (zh) | 2020-12-04 |
Family
ID=72860771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010910442.5A Active CN111805131B (zh) | 2020-09-02 | 2020-09-02 | 一种焊缝轨迹实时定位方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111805131B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112907508B (zh) * | 2021-01-14 | 2022-08-16 | 中国第一汽车股份有限公司 | 一种以工装为载体的点云虚拟匹配装置及方法 |
| CN112958958B (zh) * | 2021-02-08 | 2023-03-21 | 西安知象光电科技有限公司 | 一种mems微镜面扫描与线扫描混合的激光焊缝扫描装置及扫描方法 |
| CN113333998B (zh) * | 2021-05-25 | 2023-10-31 | 绍兴市上虞区武汉理工大学高等研究院 | 一种基于协作机器人的自动化焊接系统及方法 |
| CN113996917B (zh) * | 2021-11-12 | 2023-12-01 | 中国航空制造技术研究院 | 一种双光束激光焊接隔框倾角测量装置和测量方法 |
| CN114061458B (zh) * | 2022-01-17 | 2022-04-19 | 快克智能装备股份有限公司 | 一种空间扫描定位缝隙的方法及装置和应用 |
| CN114851188B (zh) * | 2022-03-29 | 2023-05-02 | 深圳市智流形机器人技术有限公司 | 识别定位方法、装置、实时跟踪方法、装置 |
| CN115810133B (zh) * | 2023-02-09 | 2023-05-23 | 中建科技集团有限公司 | 基于图像处理和点云处理的焊接控制方法及相关设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08285524A (ja) * | 1995-04-18 | 1996-11-01 | Nippon Steel Corp | 鋼片の開先位置計測方法 |
| CN1782659B (zh) * | 2004-12-02 | 2010-04-14 | 中国科学院自动化研究所 | 一种基于激光结构光的焊缝跟踪视觉传感器 |
| CN106392267B (zh) * | 2016-11-28 | 2018-09-14 | 华南理工大学 | 一种六自由度焊接机器人线激光实时焊缝跟踪方法 |
| CN107876970B (zh) * | 2017-12-13 | 2020-01-10 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
| CN108994488B (zh) * | 2018-07-13 | 2020-07-24 | 上海拓璞数控科技股份有限公司 | 焊缝跟踪方法、系统、装置以及可读存储介质 |
| CN110091333B (zh) * | 2019-05-17 | 2022-05-06 | 上海交通大学 | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 |
| CN109986172B (zh) * | 2019-05-21 | 2021-03-16 | 广东工业大学 | 一种焊缝定位方法、设备及系统 |
| CN110227876B (zh) * | 2019-07-15 | 2021-04-20 | 西华大学 | 基于3d点云数据的机器人焊接路径自主规划方法 |
| CN110977218A (zh) * | 2019-11-21 | 2020-04-10 | 上海船舶工艺研究所(中国船舶工业集团公司第十一研究所) | 3d激光扫描设备及使用该设备的点云自动提取转换方法 |
-
2020
- 2020-09-02 CN CN202010910442.5A patent/CN111805131B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111805131A (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111805131B (zh) | 一种焊缝轨迹实时定位方法、装置、存储介质及终端 | |
| CN112476434B (zh) | 一种基于协作机器人的视觉3d取放方法及系统 | |
| JP5061350B2 (ja) | モーションキャプチャシステム、及びモーションキャプチャシステムにおける特徴点の三次元再構成法 | |
| US9478035B2 (en) | 2D/3D localization and pose estimation of harness cables using a configurable structure representation for robot operations | |
| US7639253B2 (en) | System and method for automatic 3D scan data alignment | |
| EP3382644A1 (en) | Method for 3d modelling based on structure from motion processing of sparse 2d images | |
| JP5618569B2 (ja) | 位置姿勢推定装置及びその方法 | |
| CN115345822A (zh) | 一种面向航空复杂零件的面结构光自动化三维检测方法 | |
| JP2023502972A (ja) | 物品識別および追跡システム | |
| CN112161619A (zh) | 位姿检测方法、三维扫描路径规划方法和检测系统 | |
| JP2013217893A (ja) | モデル生成装置、位置姿勢推定装置、情報処理装置、モデル生成方法、位置姿勢推定方法、情報処理方法 | |
| US20020169586A1 (en) | Automated CAD guided sensor planning process | |
| CN112509145B (zh) | 基于三维视觉的物料分拣方法和装置 | |
| You et al. | Semantics-guided skeletonization of upright fruiting offshoot trees for robotic pruning | |
| CN115619738A (zh) | 一种模组侧缝焊焊后检测方法 | |
| CN115131268A (zh) | 一种基于图像特征提取与三维模型匹配的自动化焊接系统 | |
| Sansoni et al. | Optoranger: A 3D pattern matching method for bin picking applications | |
| 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 | |
| CN113932712A (zh) | 一种基于深度相机和关键点的瓜果类蔬菜尺寸测量方法 | |
| Hao et al. | A novel multi-seam extraction method for structured workpieces with medium-thick plates based on DLP vision | |
| CN108262583B (zh) | 焊缝的类型判断和定位方法及系统 | |
| Adán et al. | 3D feature tracking using a dynamic structured light system | |
| Schwertfeger et al. | Matching paths in topological maps | |
| Sheu et al. | A generalized method for 3D object location from single 2D images | |
| JPH0738223B2 (ja) | 移動ロボット用画像認識装置 |
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 |