CN113814982A - 一种焊接机器人机械手控制方法 - Google Patents
一种焊接机器人机械手控制方法 Download PDFInfo
- Publication number
- CN113814982A CN113814982A CN202111210796.XA CN202111210796A CN113814982A CN 113814982 A CN113814982 A CN 113814982A CN 202111210796 A CN202111210796 A CN 202111210796A CN 113814982 A CN113814982 A CN 113814982A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- welding
- module
- welding 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明属于机器人技术领域,公开了一种焊接机器人机械手控制方法,数据采集处理模块通过各种检测设备采集焊件及周围环境图像、机械手运行状态、焊接件表面的温度、焊接电流电压和焊接工艺,并对采集的数据进行处理;中央控制模块根据处理完成的数据,对焊接机器人进行控制;仿真建模模块根据采集的图像和各种传感器采集的数据,进行三维仿真建模,获得标定的点空间三维坐标数据;焊接机械手运行模块通过机器人的电动机和液压缸控制焊接的运行轨迹。本发明通过设置有数据采集处理模块,提高数据采集的丰富性,从而有效控制机械手的运动;同时提高了机械手焊接轨迹的精确度。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种焊接机器人机械手控制方法。
背景技术
目前,焊接机器人是从事焊接的工业机器人。根据国际标准化组织焊接机器人属于标准工业机器人的定义,工业机器人是一种多用途的、可重复编程的自动控制操作机,具有三个或更多可编程的轴,用于工业自动化领域。为了适应不同的用途,机器人最后一个轴的机械接口,通常是一个连接法兰,可接装不同工具或称末端执行器。焊接机器人就是在工业机器人的末轴法兰装接焊钳或焊枪的,使之能进行焊接,切割或热喷涂。
焊接机器人主要包括机器人和焊接装备两部分,机器人由机器人本体和控制柜组成。而焊接装备,以弧焊及点焊为例,则由焊接电源、控制系统、送丝机、焊枪等部分组成。对于智能机器人还应有传感系统,如激光或摄像传感器及其控制装置等。但是现有技术中只是依靠传感器件对焊接机械手进行控制,焊接质量不高。
通过上述分析,现有技术存在的问题及缺陷为:现有技术中只是依靠传感器件对焊接机械手进行控制,降低了焊接的质量。
发明内容
针对现有技术存在的问题,本发明提供了一种焊接机器人机械手控制方法。
本发明是这样实现的,一种焊接机器人机械手控制方法,所述焊接机器人机械手控制方法,包括:
步骤一,数据采集处理模块通过各种检测设备采集焊件及周围环境图像、机械手运行状态、焊接件表面的温度、焊接电流电压和焊接工艺,并对采集的数据进行处理;
步骤二,中央控制模块根据处理完成的数据,对焊接机器人进行控制;
步骤三,仿真建模模块根据采集的图像和各种传感器采集的数据,进行三维仿真建模,获得标定的点空间三维坐标数据;
步骤四,焊接机械手运行模块通过机器人上的电动机和液压缸控制焊接的运行轨迹。
进一步,所述步骤一中,对各种检测设备采集焊件及周围环境图像进行处理包括:图像数字化处理模块、图像几何变换模块、图像归一化模块、图像平滑处理模块和图像去噪增强模块。
进一步,所述图像数字化处理模块的处理方法包括:先将采集的原始图像转换成灰度图,在灰度图上进行超像素分割,将灰度图像分解为大小不一且相互之间不重叠的多个图形区域;按照图形区域分割信息,获取来源于原始图像的碎片集合;
所述图像几何变换模块的处理方法包括:提取图像纹理参数,根据纹理参数得到图像的纹理坐标;对纹理坐标进行坐标变换,以得到参考图像坐标;根据参考图像坐标,得到并显示数字图像;
所述图像归一化模块的处理方法包括:根据图像水平方向和垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;对线密度分布图的宽度和高度进行均衡化;根据均衡化后的图像计算图像各像素点在原始图像中对应的像素点。
进一步,所述图像平滑处理模块对各种检测设备采集焊件及周围环境图像进行平滑处理的具体过程为:
确定各种检测设备采集焊件及周围环境图像上每一点的灰度值;将每一点的灰度值设置为检测窗口中所有像素点的中值进行替换。
进一步,所述图像去噪增强模块对各种检测设备采集焊件及周围环境图像进行去噪增强的具体过程为:
在各种检测设备采集焊件及周围环境图像上确定目标像素为中心的周围8个像素,构成一个滤波模板;
用滤波模板中的全体像素的平均值来代替原来像素值。
进一步,所述步骤三中,仿真建模模块根据采集的图像和各种传感器采集的数据进行三维仿真建模,具体过程为:
对预处理完成的图像进行图像特征提取、图像分割、图像匹配识别;并对各种传感器采集的数据进行数据融合;
根据图像特征,建立路径规划场景,并进行定位;
在路径规划场景中,通过采集的数据,对机械手进行模拟仿真。
进一步,所述图像特征提取对图像进行特征提取的具体过程为:
在预处理完成的图像上确定检测窗口,对检测窗口进行划分成若个小区域;对每个小区域中的一个像素,与相邻的像素灰度值进行比较;若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0;
计算每个小区域的直方图,即每个数字出现的频率,对该直方图进行归一化处理;将得到的每个小区域的统计直方图进行连接成为一个特征向量,也就是整幅图的LBP纹理特征。
进一步,所述图像分割对图像进行分割的具体过程为:
根据预处理的图像,初始化一个阈值;根据阈值将灰度图像进行分割,计算1和0图像灰度均值。
更新阈值,使得1的灰度均值加上0的灰度均值的均值等于阈值,重复上述过程,直至1和0图像阈值相等,利用这个阈值对图像进行二值化分割。
进一步,所述图像匹配识别的具体步骤包括:
提取待处理图像和预设模板图像上的关键点;
根据位置关系对位于待处理图像上的关键点集合和位于预设模板图像上的关键点集合进行匹配,去除无匹配关键点;
根据匹配后的关键点集合中剩余关键点将待处理图像和预设模板图像进行对齐,根据对齐后的图像进行图像识别。
进一步,所述对各种传感器采集的数据进行数据融合的具体过程为:
焊接机器人上的各种传感器收集观测目标的数据;
对焊接机器人上的传感器的输出数据进行特征提取的变换,提取代表观测数据的特征矢量;
通过聚类算法对特征矢量进行模式识别处理,完成各传感器关于目标的说明;
将各传感器关于目标的说明数据按同一目标进行分组,建立关联;利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。
本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的焊接机器人机械手控制方法。
本发明另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的焊接机器人机械手控制方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过设置有数据采集处理模块,提高数据采集的丰富性,从而有效控制机械手的运动。本发明通过设置有仿真建模模块,可以根据采集的图像和各种传感器采集的数据,进行三维仿真建模,获得标定的点空间三维坐标数据,提高机械手焊接轨迹的精确度;同时通过设置有焊接机械手运行模块,实现焊接的运行轨迹。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的焊接机器人机械手控制方法流程图。
图2是本发明实施例提供的图像平滑处理模块对各种检测设备采集焊件及周围环境图像进行平滑处理方法流程图。
图3是本发明实施例提供的图像去噪增强模块对各种检测设备采集焊件及周围环境图像进行去噪增强方法流程图。
图4是本发明实施例提供的仿真建模模块根据采集的图像和各种传感器采集的数据进行三维仿真建模方法流程图。
图5是本发明实施例提供的焊接机器人机械手控制系统结构示意图;
图5中:1、数据采集处理模块;2、中央控制模块;3、仿真建模模块;4、焊接机械手运行模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种焊接机器人机械手控制方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的焊接机器人机械手控制方法,包括:
S101:数据采集处理模块通过各种检测设备采集焊件及周围环境图像、机械手运行状态、焊接件表面的温度、焊接电流电压和焊接工艺,并对采集的数据进行处理。
S102:中央控制模块根据处理完成的数据,对焊接机器人进行控制。
S103:仿真建模模块根据采集的图像和各种传感器采集的数据,进行三维仿真建模,获得标定的点空间三维坐标数据。
S104:焊接机械手运行模块通过机器人上的电动机和液压缸控制焊接的运行轨迹。
本发明实施例提供的S101中,对各种检测设备采集焊件及周围环境图像进行处理包括:图像数字化处理模块、图像几何变换模块、图像归一化模块、图像平滑处理模块和图像去噪增强模块。
本发明实施例中的图像数字化处理模块的处理方法包括:先将采集的原始图像转换成灰度图,在灰度图上进行超像素分割,将灰度图像分解为大小不一且相互之间不重叠的多个图形区域;按照图形区域分割信息,获取来源于原始图像的碎片集合;
本发明实施例中的图像几何变换模块的处理方法包括:提取图像纹理参数,根据纹理参数得到图像的纹理坐标;对纹理坐标进行坐标变换,以得到参考图像坐标;根据参考图像坐标,得到并显示数字图像;
本发明实施例中的图像归一化模块的处理方法包括:根据图像水平方向和垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;对线密度分布图的宽度和高度进行均衡化;根据均衡化后的图像计算图像各像素点在原始图像中对应的像素点。
如图2所示,本发明实施例提供的图像平滑处理模块对各种检测设备采集焊件及周围环境图像进行平滑处理的具体过程为:
S201:确定各种检测设备采集焊件及周围环境图像上每一点的灰度值;
S202:将每一点的灰度值设置为检测窗口中所有像素点的中值进行替换。
如图3所示,本发明实施例提供的图像去噪增强模块对各种检测设备采集焊件及周围环境图像进行去噪增强的具体过程为:
S301:在各种检测设备采集焊件及周围环境图像上确定目标像素为中心的周围8个像素,构成一个滤波模板;
S302:用滤波模板中的全体像素的平均值来代替原来像素值。
如图4所示,本发明实施例提供的S103中,仿真建模模块根据采集的图像和各种传感器采集的数据进行三维仿真建模,具体过程为:
S401:对预处理完成的图像进行图像特征提取、图像分割、图像匹配识别;并对各种传感器采集的数据进行数据融合;
S402:根据图像特征,建立路径规划场景,并进行定位;
S403:在路径规划场景中,通过采集的数据,对机械手进行模拟仿真。
本发明实施例提供的图像特征提取对图像进行特征提取的具体过程为:
在预处理完成的图像上确定检测窗口,对检测窗口进行划分成若个小区域;对每个小区域中的一个像素,与相邻的像素灰度值进行比较;若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0;
计算每个小区域的直方图,即每个数字出现的频率,对该直方图进行归一化处理;将得到的每个小区域的统计直方图进行连接成为一个特征向量,也就是整幅图的LBP纹理特征。
本发明实施例提供的图像分割对图像进行分割的具体过程为:
根据预处理的图像,初始化一个阈值;根据阈值将灰度图像进行分割,计算1和0图像灰度均值。
更新阈值,使得1的灰度均值加上0的灰度均值的均值等于阈值,重复上述过程,直至1和0图像阈值相等,利用这个阈值对图像进行二值化分割。
本发明实施例中的图像匹配识别的具体步骤包括:提取待处理图像和预设模板图像上的关键点;根据位置关系对位于待处理图像上的关键点集合和位于预设模板图像上的关键点集合进行匹配,去除无匹配关键点;根据匹配后的关键点集合中剩余关键点将待处理图像和预设模板图像进行对齐,根据对齐后的图像进行图像识别。
本发明实施例提供的对各种传感器采集的数据进行数据融合的具体过程为:
焊接机器人上的各种传感器收集观测目标的数据;
对焊接机器人上的传感器的输出数据进行特征提取的变换,提取代表观测数据的特征矢量;
通过聚类算法对特征矢量进行模式识别处理,完成各传感器关于目标的说明;
将各传感器关于目标的说明数据按同一目标进行分组,建立关联;利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。
如图5所示,本发明实施例提供的焊接机器人机械手控制系统包括:
数据采集处理模块1,通过各种检测设备采集焊件及周围环境图像、机械手运行状态、焊接件表面的温度、焊接电流电压和焊接工艺,并对采集的数据进行处理。
中央控制模块2,根据处理完成的数据,对焊接机器人进行控制。
仿真建模模块3,根据采集的图像和各种传感器采集的数据,进行三维仿真建模,获得标定的点空间三维坐标数据。
焊接机械手运行模块4,通过机械人上的电动机和液压缸控制焊接的运行轨迹。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种焊接机器人机械手控制方法,其特征在于,所述焊接机器人机械手控制方法,包括:
步骤一,数据采集处理模块通过各种检测设备采集焊件及周围环境图像、机械手运行状态、焊接件表面的温度、焊接电流电压和焊接工艺,并对采集的数据进行处理;
对各种检测设备采集焊件及周围环境图像进行处理包括:图像数字化处理模块、图像几何变换模块、图像归一化模块、图像平滑处理模块和图像去噪增强模块;
步骤二,中央控制模块根据处理完成的数据,对焊接机器人进行控制;
步骤三,仿真建模模块根据采集的图像和各种传感器采集的数据,进行三维仿真建模,获得标定的点空间三维坐标数据;
仿真建模模块根据采集的图像和各种传感器采集的数据进行三维仿真建模,具体过程为:
对预处理完成的图像进行图像特征提取、图像分割、图像匹配识别;并对各种传感器采集的数据进行数据融合;
根据图像特征,建立路径规划场景,并进行定位;
在路径规划场景中,通过采集的数据,对机械手进行模拟仿真;
步骤四,焊接机械手运行模块通过机器人上的电动机和液压缸控制焊接的运行轨迹。
2.如权利要求1所述焊接机器人机械手控制方法,其特征在于,步骤一中,所述图像数字化处理模块的处理方法包括:先将采集的原始图像转换成灰度图,在灰度图上进行超像素分割,将灰度图像分解为大小不一且相互之间不重叠的多个图形区域;按照图形区域分割信息,获取来源于原始图像的碎片集合;
所述图像几何变换模块的处理方法包括:提取图像纹理参数,根据纹理参数得到图像的纹理坐标;对纹理坐标进行坐标变换,以得到参考图像坐标;根据参考图像坐标,得到并显示数字图像;
所述图像归一化模块的处理方法包括:根据图像水平方向和垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;对线密度分布图的宽度和高度进行均衡化;根据均衡化后的图像计算图像各像素点在原始图像中对应的像素点。
3.如权利要求1所述焊接机器人机械手控制方法,其特征在于,所述图像平滑处理模块对各种检测设备采集焊件及周围环境图像进行平滑处理的具体过程为:
确定各种检测设备采集焊件及周围环境图像上每一点的灰度值;将每一点的灰度值设置为检测窗口中所有像素点的中值进行替换。
4.如权利要求1所述焊接机器人机械手控制方法,其特征在于,所述图像去噪增强模块对各种检测设备采集焊件及周围环境图像进行去噪增强的具体过程为:
在各种检测设备采集焊件及周围环境图像上确定目标像素为中心的周围8个像素,构成一个滤波模板;
用滤波模板中的全体像素的平均值来代替原来像素值。
5.如权利要求1所述焊接机器人机械手控制方法,其特征在于,所述图像特征提取对图像进行特征提取的具体过程为:
在预处理完成的图像上确定检测窗口,对检测窗口进行划分成若个小区域;对每个小区域中的一个像素,与相邻的像素灰度值进行比较;若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0;
计算每个小区域的直方图,即每个数字出现的频率,对该直方图进行归一化处理;将得到的每个小区域的统计直方图进行连接成为一个特征向量,也就是整幅图的LBP纹理特征。
6.如权利要求1所述焊接机器人机械手控制方法,其特征在于,所述图像分割对图像进行分割的具体过程为:
根据预处理的图像,初始化一个阈值;根据阈值将灰度图像进行分割,计算1和0图像灰度均值;
更新阈值,使得1的灰度均值加上0的灰度均值的均值等于阈值,重复上述过程,直至1和0图像阈值相等,利用这个阈值对图像进行二值化分割。
7.如权利要求1所述焊接机器人机械手控制方法,其特征在于,所述图像匹配识别的具体步骤包括:
提取待处理图像和预设模板图像上的关键点;
根据位置关系对位于待处理图像上的关键点集合和位于预设模板图像上的关键点集合进行匹配,去除无匹配关键点;
根据匹配后的关键点集合中剩余关键点将待处理图像和预设模板图像进行对齐,根据对齐后的图像进行图像识别。
8.如权利要求1所述焊接机器人机械手控制方法,其特征在于,所述对各种传感器采集的数据进行数据融合的具体过程为:
焊接机器人上的各种传感器收集观测目标的数据;
对焊接机器人上的传感器的输出数据进行特征提取的变换,提取代表观测数据的特征矢量;
通过聚类算法对特征矢量进行模式识别处理,完成各传感器关于目标的说明;
将各传感器关于目标的说明数据按同一目标进行分组,建立关联;利用融合算法将每一目标各传感器数据进行合成,得到该目标的一致性解释与描述。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~8所述的焊接机器人机械手控制方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~8所述的焊接机器人机械手控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210796.XA CN113814982A (zh) | 2021-10-18 | 2021-10-18 | 一种焊接机器人机械手控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111210796.XA CN113814982A (zh) | 2021-10-18 | 2021-10-18 | 一种焊接机器人机械手控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113814982A true CN113814982A (zh) | 2021-12-21 |
Family
ID=78916995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111210796.XA Withdrawn CN113814982A (zh) | 2021-10-18 | 2021-10-18 | 一种焊接机器人机械手控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113814982A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117381105A (zh) * | 2023-12-11 | 2024-01-12 | 宾采尔(广州)焊接技术有限公司 | 机器人焊接电流控制方法、装置、电子设备和存储介质 |
-
2021
- 2021-10-18 CN CN202111210796.XA patent/CN113814982A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117381105A (zh) * | 2023-12-11 | 2024-01-12 | 宾采尔(广州)焊接技术有限公司 | 机器人焊接电流控制方法、装置、电子设备和存储介质 |
CN117381105B (zh) * | 2023-12-11 | 2024-03-08 | 宾采尔(广州)焊接技术有限公司 | 机器人焊接电流控制方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110227876B (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
CN110223345B (zh) | 基于点云的配电线路作业对象位姿估计方法 | |
CN112419297B (zh) | 一种螺栓松动检测方法、装置、设备及存储介质 | |
CN110660104A (zh) | 工业机器人视觉识别定位抓取方法、计算机装置以及计算机可读存储介质 | |
CN109785317B (zh) | 自动码垛桁架机器人的视觉系统 | |
CN107263468B (zh) | 一种利用数字图像处理技术的scara机器人装配方法 | |
CN110065068B (zh) | 一种基于逆向工程的机器人装配作业演示编程方法及装置 | |
CN114821114B (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
CN110605711B (zh) | 一种控制协作机器人抓取物体的方法、装置及系统 | |
CN115213896A (zh) | 基于机械臂的物体抓取方法、系统、设备及存储介质 | |
CN113814982A (zh) | 一种焊接机器人机械手控制方法 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN110310295B (zh) | 一种焊缝轮廓提取方法及系统 | |
CN114851209A (zh) | 一种基于视觉的工业机器人工作路径规划优化方法及系统 | |
CN116985141B (zh) | 一种基于深度学习的工业机器人智能控制方法及系统 | |
CN112258517A (zh) | 激光雷达栅格地图的自动修图方法和装置 | |
CN116921932A (zh) | 焊接轨迹识别方法、装置、设备及存储介质 | |
CN113927606B (zh) | 一种机器人3d视觉抓取方法及系统 | |
CN113920020B (zh) | 一种基于深度生成模型的人体点云实时修复方法 | |
Qian et al. | The autonomous detection of sheet metal parts using imageprocessing | |
CN115187744A (zh) | 一种基于激光点云的机柜识别方法 | |
Ma et al. | Depth image denoising and key points extraction for manipulation plane detection | |
CN113763400A (zh) | 一种机器人视觉导引方法、装置、设备及存储介质 | |
CN109202802B (zh) | 一种用于卡合装配的视觉引导系统及方法 | |
Huang et al. | Engineering Applications based on Industrial Robots and Machine Vision |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211221 |
|
WW01 | Invention patent application withdrawn after publication |