CN114043080A - 一种不锈钢智能化激光焊接处理方法 - Google Patents
一种不锈钢智能化激光焊接处理方法 Download PDFInfo
- Publication number
- CN114043080A CN114043080A CN202111384347.7A CN202111384347A CN114043080A CN 114043080 A CN114043080 A CN 114043080A CN 202111384347 A CN202111384347 A CN 202111384347A CN 114043080 A CN114043080 A CN 114043080A
- Authority
- CN
- China
- Prior art keywords
- stainless steel
- laser welding
- roi image
- frame
- gray
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 117
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 76
- 239000010935 stainless steel Substances 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 claims abstract description 17
- 239000000835 fiber Substances 0.000 claims abstract description 12
- 238000009499 grossing Methods 0.000 claims abstract description 7
- 210000001503 joint Anatomy 0.000 claims description 26
- 239000000463 material Substances 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000009966 trimming Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 1
- 238000013459 approach Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 229910052786 argon Inorganic materials 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
- B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
-
- 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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明提供了一种不锈钢智能化激光焊接处理方法，包括以下步骤：图片扫描、设定ROI图像区域、灰度转化、平滑处理、自适应图像阈值分割、形态学修整、求取焊接轨迹、求取光纤激光器位姿以及激光焊机器人控制自动化焊接。该不锈钢智能化激光焊接处理方法具有操作便捷、焊接自动识别、轨迹自动生成、施焊精度高的优点。
Description
技术领域
本发明涉及机器人焊接领域，具体的说，涉及了一种不锈钢智能化激光焊接处理方法。
背景技术
不锈钢尤其是铁素体不锈钢具备价格低廉、耐高温性好、耐腐蚀性优异等优点，故被广范应用于焊接领域的各个场合，比如汽车排气管的冷弯、膨胀成形、车体不锈钢薄板焊接等。
不锈钢焊接的主要方法是激光焊接，机器人激光焊具有生产效率高、能量密度大、焊后变形小等显著优点，其在焊前一般需要人工示教，以确定焊接轨迹，这种方式不仅操作较为复杂，而且也受人为因素影响导致焊接精度较低，也不能针对不同焊缝实时调整焊接轨迹，无法满足高精度施焊和高效施焊的需求。
近年来涌现出了激光焊缝跟踪技术、电弧跟踪技术，两者能够实时纠偏机器人或自动化设备钨极氩弧焊、熔化极气体保护焊等焊接方法的施焊轨迹，保证较高的焊接精度；但对于不锈钢激光焊接而言，由于不锈钢高反光性能、窄间隙（＜1mm）施焊、激光光束密集等缘故，激光焊缝跟踪技术与电弧跟踪技术难以适用于不锈钢激光焊接轨迹实时纠偏场合。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足，从而提供一种操作便捷、焊接自动识别、轨迹自动生成、施焊精度高的不锈钢智能化激光焊接处理方法。
为了实现上述目的，本发明所采用的技术方案是：一种不锈钢智能化激光焊接处理方法，包括以下步骤：
步骤S1、按照既定的示教轨迹和既定的拍摄帧率，用CDD工业相机对不锈钢对接缝隙不断拍摄图像，获取图片数据流；
步骤S2、设定每帧图片的ROI图像区域并进行灰度转化、平滑处理；
步骤S3、自适应图像阈值分割，包括以下子步骤：
S3.1、将第一帧图片的ROI图像区域作为标准图像，手动框选出标准图像的不锈钢对接缝隙区域，获取标准图像的不锈钢对接缝隙中心在ROI图像上的坐标（u0，v0）；
S3.2、对每帧ROI图像区域整体进行灰度直方图值统计，将该帧图像中概率最大的灰度记为m0；
S3.3、对每帧ROI图像区域的每一行进行灰度直方图值统计，将各行概率最大的灰度记为m1，m2……mn；其中n表示ROI图像区域的行数；
S3.4、求取m0，m1……mn的平均值m；
S3.5、对每帧ROI图像区域整体进行灰度直方图值统计，将该帧图像中小概率且灰度值接近于0的灰度值记为p0；
S3.6、对每帧ROI图像区域的每一行进行灰度直方图值统计，将各行小概率且灰度值接近于0的灰度值记为p1，p2……pn；其中n表示ROI图像区域的行数；
S3.7、异常值灰度移除，将（u0，v0）附近的一定范围作为目标区域，当p1，p2……pn灰度值的位置落在该目标区域内时记为有效灰度，否则记为无效灰度，有效灰度记为p1，p2……pk，k为有效灰度的个数；
S3.8、求取p0，p1……pk的平均值p；
S3.9、求取m与p的中值g；
S3.10、针对每帧ROI图像，利用阈值g进行二值化处理，将不锈钢对接缝隙区域转化为白色，其他区域转化为黑色；
步骤S4、对每帧ROI图像进行形态学修整；
步骤S5、对每帧ROI图像白色区域求取中心像素坐标，并将该中心像素坐标转化为激光焊机器人基坐标下的三维坐标，通过B样条曲线拟合法获取实际的焊接轨迹；
步骤S6、求取每帧ROI图像白色区域所在平面的法线方向，激光焊接时激光的轴线与该法线方向平行，以此作为本帧ROI图像光纤激光器焊接时的位姿；
步骤S7、激光焊机器人控制光纤激光器以步骤S6中的实时位姿沿步骤S5求取的焊接轨迹进行自动化激光焊接。
基于上述，步骤S1中要求CDD工业相机光轴线尽可能地垂直于不锈钢母材所在平面。
基于上述，步骤S2中，设定的ROI图像区域为(u1，v1，size.width，size.height)，其中（u1，v1）表示ROI图像区域的像素顶点坐标，size.width表示ROI图像区域的宽度，size.height表示ROI图像区域的高度；步骤S3.7中目标区域的范围为（u0-20，v0-20，40,40）。
基于上述，步骤S2中的平滑处理方法为连续两次中值滤波，滤波核大小为ksize=（5、5）。
基于上述，步骤S3.10中，二值化公式如下：
基于上述，步骤S4中的处理方法是先闭运算后开运算。
基于上述，步骤S5中，图像坐标转化为激光焊机器人基坐标下的三维坐标时采用结构光视觉标定和手眼标定相结合的方式。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明利用CCD工业相机对不锈钢对接缝隙进行扫描，设定ROI图像区域，利用不锈钢母材偏向灰色、不锈钢对接缝隙趋向于黑色（灰度值趋近0）的特性，针对每帧图像的灰度进行整体概率统计以及每行单独概率统计，通过概率大小选取出灰度数列，对概率最大的灰度数列直接求取平均值，对小概率且灰度接近于0的灰度数列剔除掉异常值灰度后求取平均值，这样可消除由于光线、反射等原因造成的识别偏差，保证不锈钢对接缝隙识别的准确性，可实现大于0.2mm不锈钢对接缝隙的识别，再求取出不锈钢对接缝隙的中心点像素、转化为激光焊机器人基坐标下的三维坐标，通过B样条曲线拟合得到实际的焊接轨迹、法线求取得到光纤激光器的位姿，通过对不锈钢对接缝隙的图像识别、轨迹求取、位姿求取，实现激光焊机器人对不锈钢对接焊缝的智能化焊接，消除人为因素影响；其具有操作便捷、焊接自动识别、轨迹自动生成、施焊精度高的优点。
附图说明
图1是本发明中不锈钢智能化激光焊接处理方法所使用的激光焊机器人的结构示意图。
图2是本发明中激光焊接轨迹识别原理图。
图3是本发明实施例2中超声冲击实施区域识别原理图。
图4是本发明实施例2中超声冲击头轨迹规划原理图。
图5是本发明实施例2中激光焊接后与超声冲击后效果对比图。
图6是本发明实施例2中激光焊接后与超声冲击后焊缝硬度对比图。
图7是本发明实施例2中激光焊接后与超声冲击后焊缝拉伸强度对比图。
图中：1. 工控机；2. 机器人控制器；3. 光纤激光控制器；4. 光纤激光器；5. CCD工业相机；6. 超声冲击头；7. 六轴机器人；8. 超声冲击控制器；9. 不锈钢对接焊件；10.形态学修整后的不锈钢对接缝隙ROI图像；11. 白色区域中心；12. 焊接轨迹；13. 激光焊缝边缘线；14. 超声冲击实施区域；15. 形态学修整后的不锈钢焊缝ROI图像；16. 白色区域边缘；17.冲击头行走区间；18. 超声冲击实施区域边缘线。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
实施例1
如图1和图2所示，一种不锈钢智能化激光焊接处理方法，包括以下步骤：
步骤S1、按照既定的示教轨迹和既定的拍摄帧率，用CDD工业相机5对不锈钢对接缝隙不断拍摄图像，获取图片数据流，拍摄过程中CDD工业相机5光轴线应当尽可能地垂直于不锈钢母材所在平面。
步骤S2、设定每帧图片的ROI图像区域为(u1，v1，size.width，size.height)，其中（u1，v1）表示ROI图像区域的像素顶点坐标，size.width表示ROI图像区域的宽度，size.height表示ROI图像区域的高度；对ROI图像区域进行灰度转化、平滑处理，平滑处理的方法为连续两次中值滤波，滤波核大小为ksize=（5、5）。
步骤S3、自适应图像阈值分割，包括以下子步骤：
S3.1、将第一帧图片的ROI图像区域作为标准图像，手动框选出标准图像的不锈钢对接缝隙区域，获取标准图像的不锈钢对接缝隙中心在ROI图像上的坐标（u0，v0）；
S3.2、对每帧ROI图像区域整体进行灰度直方图值统计，将该帧图像中概率最大的灰度记为m0；
S3.3、对每帧ROI图像区域的每一行进行灰度直方图值统计，将各行概率最大的灰度记为m1，m2……mn；其中n表示ROI图像区域的行数；
S3.4、求取m0，m1……mn的平均值m；
S3.5、对每帧ROI图像区域整体进行灰度直方图值统计，将该帧图像中小概率且灰度值接近于0的灰度值记为p0；
S3.6、对每帧ROI图像区域的每一行进行灰度直方图值统计，将各行小概率且灰度值接近于0的灰度值记为p1，p2……pn；其中n表示ROI图像区域的行数；
S3.7、异常值灰度移除，将（u0，v0）附近的一定范围作为目标区域，具体地，可将目标区域的范围划分为（u0-20，v0-20，40,40），当p1，p2……pn灰度值的位置落在该目标区域内时记为有效灰度，否则记为无效灰度，有效灰度记为p1，p2……pk，k为有效灰度的个数；
S3.8、求取p0，p1……pk的平均值p；
S3.9、求取m与p的中值g；
S3.10、针对每帧ROI图像，利用阈值g进行二值化处理，采用的二值化公式如下：
将不锈钢对接缝隙区域转化为白色，其他区域转化为黑色。
步骤S4、对每帧ROI图像进行形态学修整，方法为先闭运算后开运算，消除白色毛刺、去除白色区域中的黑色空洞、填补黑色区域中的白点，得到形态学修整后的不锈钢对接缝隙ROI图像10。
步骤S5、求取每帧ROI图像白色区域中心11的像素坐标，由于CCD工业相机5与激光焊机器人存在机械相对固定关系，故可采用结构光视觉标定和手眼标定相结合的方式，将该中心像素坐标转化为激光焊机器人基坐标下的三维坐标，再通过B样条曲线拟合法获取实际的焊接轨迹12。
步骤S6、求取每帧ROI图像白色区域所在平面的法线方向，激光焊接时激光的轴线与该法线方向平行，以此作为本帧ROI图像光纤激光器4焊接时的位姿。
步骤S7、激光焊机器人控制光纤激光器4以步骤S6中的实时位姿沿步骤S5求取的焊接轨迹12进行自动化激光焊接。
工作原理：
利用CCD工业相机5对不锈钢对接缝隙进行扫描，设定ROI图像区域，利用不锈钢母材偏向灰色、不锈钢对接缝隙趋向于黑色（灰度值趋近0）的特性，针对每帧图像的灰度进行整体概率统计以及每行单独概率统计，通过概率大小选取出灰度数列，对概率最大的灰度数列直接求取平均值，对小概率且灰度接近于0的灰度数列剔除掉异常值灰度后求取平均值，这样可消除由于光线、反射等原因造成的识别偏差，保证不锈钢对接缝隙识别的准确性，具体可实现大于0.2mm不锈钢对接缝隙的识别，再求取出不锈钢对接缝隙的中心点像素、转化为激光焊机器人基坐标下的三维坐标，通过B样条曲线拟合得到实际的焊接轨迹12、法线求取得到光纤激光器4的位姿，通过对不锈钢对接缝隙的图像识别、轨迹求取、位姿求取，实现激光焊机器人对不锈钢对接焊缝的智能化焊接，消除人为因素影响。
实施例2
如图1、图3和图4所示，本实施例与实施例1的区别在于，所述不锈钢智能化激光焊接处理方法还包括后续对不锈钢焊缝进行智能化超声波冲击的后处理操作。
该不锈钢焊缝进行智能化超声波冲击方法，具体包括以下步骤：
（1）按照步骤S1-S4的方式，对焊后的不锈钢焊缝进行扫描和图像处理，最终得到由白色表征不锈钢焊缝、黑色表征不锈钢母材的图像——形态学修整后的不锈钢焊缝ROI图像15。
（2）提取每帧焊后ROI图像白色区域两边缘（白色区域边缘16）各自中点的像素坐标，并将两边缘各自中点的像素坐标转化为激光焊机器人基坐标下的三维坐标，再通过B样条曲线拟合法获取实际的两条激光焊缝边缘线13（图4中实线）。
（3）依据超声冲击头6的冲击宽度t/2，将两条激光焊缝边缘线13各自向外平移t距离，得到两条超声冲击实施区域边缘线18（图4中虚线），激光焊缝边缘线13与超声冲击实施区域边缘线18之间的区域即为超声冲击实施区域14。
（4）选取位于焊缝同侧的所述激光焊缝边缘线13和所述超声冲击实施区域边缘线18，截取两者中央t/2的区域作为冲击头行走区间17；
在所述冲击头行走区间17内规划超声冲击头6中点的超声实施轨迹，所述超声实施轨迹需要与所述冲击头行走区间17的两边缘规律性地接触，本实施例中具体采用以下Z字型循环轨迹：在所述冲击头行走区间17截取循环单元区间，所述循环单元区间的一边缘线上依次找cder四个点、另一边缘线上依次找absq四个点，则所述循环单元区间内的超声实施轨迹为 a-b-c-d-e-b-s-q-e-r。
在其它实施例中也可采用锯齿形走法等其它走法。
（5）求取每帧ROI图像白色区域所在平面的法线方向，超声冲击时所述超声冲击头6的轴线与该法线方向平行，超声冲击头6与不锈钢母材的接触线垂直于不锈钢焊缝的延伸方向，以此作为本帧ROI图像超声冲击头6的位姿；
（6）激光焊机器人控制超声冲击头6以步骤（5）中的实时位姿沿步骤（4）求取的超声实施轨迹进行自动化超声冲击。
本实施例中超声冲击头6的形状与U形封闭端相近，厚度是1.5mm，与母材的接触线长度即为1.5mm，故确定的t值为3mm。
该不锈钢智能化激光焊接处理方法实施时采用的激光焊机器人包括工控机1、机器人控制器2、光纤激光控制器3、光纤激光器4、CCD工业相机5、超声冲击头6、六轴机器人7和超声冲击控制器8，CCD工业相机5拍摄不锈钢对接焊件9的图片并传输给工控机4，工控机4执行上述步骤中的相关计算并将结果传送至机器人控制器2，由机器人控制器2控制六轴机器人7进行方位、姿态实时调整，光纤激光控制器3控制光纤激光器4进行自动化激光焊接，超声冲击控制器8控制超声冲击头6进行超声波冲击。
与实施例1中识别不锈钢对接缝隙的原理相近，对不锈钢焊缝的识别，也是利用不锈钢母材偏向灰色、不锈钢焊缝趋向于黑色（灰度值趋近0）的特性，针对每帧图像的灰度进行整体概率统计以及每行单独概率统计，通过概率大小选取出灰度数列，对概率最大的灰度数列直接求取平均值，对小概率且灰度接近于0的灰度数列剔除掉异常值灰度后求取平均值，消除由于光线、反射等原因造成的识别偏差，保证对不锈钢焊缝识别的准确性。
后续求取出不锈钢焊缝的两边缘各自的中心点像素、转化为激光焊机器人基坐标下的三维坐标，通过B样条曲线拟合得到实际的两条激光焊缝边缘线13，将超声冲击头6的冲击宽度考虑进来，选出所述冲击头行走区间17，规划合理的Z字型循环轨迹，实现对待冲击区域有条理地进行超声冲击，保证各处冲击效果的一致性和均匀性，再结合位姿的求取，实现激光焊机器人对不锈钢焊缝的智能化超声波冲击。
如图5所示，对激光焊接后与超声冲击后的效果进行对比，左侧表示激光焊接后未冲击焊缝以及周围焊缝的内部组织，母材较为粗大，右侧表示激光焊接后超声冲击处理后的焊缝以及周围焊缝的内部组织，晶粒得到细化，晶粒的大小以及一致性得到保证。
如图6所示，对激光焊接后与超声冲击后焊缝的硬度进行对比，超声冲击后薄板对接接头表面产生超声诱导强化层，表面层硬度平均提升20%以上。
如图7所示，对激光焊接后与超声冲击后焊缝的拉伸性能进行对比，超声冲击后薄板焊件拉伸强度达到母材水平，延伸率略有提升。
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其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (7)
1.一种不锈钢智能化激光焊接处理方法，其特征在于，包括以下步骤：
步骤S1、按照既定的示教轨迹和既定的拍摄帧率，用CDD工业相机对不锈钢对接缝隙不断拍摄图像，获取图片数据流；
步骤S2、设定每帧图片的ROI图像区域并进行灰度转化、平滑处理；
步骤S3、自适应图像阈值分割，包括以下子步骤：
S3.1、将第一帧图片的ROI图像区域作为标准图像，手动框选出标准图像的不锈钢对接缝隙区域，获取标准图像的不锈钢对接缝隙中心在ROI图像上的坐标（u0，v0）；
S3.2、对每帧ROI图像区域整体进行灰度直方图值统计，将该帧图像中概率最大的灰度记为m0；
S3.3、对每帧ROI图像区域的每一行进行灰度直方图值统计，将各行概率最大的灰度记为m1，m2……mn；其中n表示ROI图像区域的行数；
S3.4、求取m0，m1……mn的平均值m；
S3.5、对每帧ROI图像区域整体进行灰度直方图值统计，将该帧图像中小概率且灰度值接近于0的灰度值记为p0；
S3.6、对每帧ROI图像区域的每一行进行灰度直方图值统计，将各行小概率且灰度值接近于0的灰度值记为p1，p2……pn；其中n表示ROI图像区域的行数；
S3.7、异常值灰度移除，将（u0，v0）附近的一定范围作为目标区域，当p1，p2……pn灰度值的位置落在该目标区域内时记为有效灰度，否则记为无效灰度，有效灰度记为p1，p2……pk，k为有效灰度的个数；
S3.8、求取p0，p1……pk的平均值p；
S3.9、求取m与p的中值g；
S3.10、针对每帧ROI图像，利用阈值g进行二值化处理，将不锈钢对接缝隙区域转化为白色，其他区域转化为黑色；
步骤S4、对每帧ROI图像进行形态学修整；
步骤S5、对每帧ROI图像白色区域求取中心像素坐标，并将该中心像素坐标转化为激光焊机器人基坐标下的三维坐标，通过B样条曲线拟合法获取实际的焊接轨迹；
步骤S6、求取每帧ROI图像白色区域所在平面的法线方向，激光焊接时激光的轴线与该法线方向平行，以此作为本帧ROI图像光纤激光器焊接时的位姿；
步骤S7、激光焊机器人控制光纤激光器以步骤S6中的实时位姿沿步骤S5求取的焊接轨迹进行自动化激光焊接。
2.根据权利要求1所述的不锈钢智能化激光焊接处理方法，其特征在于：步骤S1中要求CDD工业相机光轴线尽可能地垂直于不锈钢母材所在平面。
3.根据权利要求2所述的不锈钢智能化激光焊接处理方法，其特征在于：步骤S2中，设定的ROI图像区域为(u1，v1，size.width，size.height)，其中（u1，v1）表示ROI图像区域的像素顶点坐标，size.width表示ROI图像区域的宽度，size.height表示ROI图像区域的高度；步骤S3.7中目标区域的范围为（u0-20，v0-20，40,40）。
4.根据权利要求3所述的不锈钢智能化激光焊接处理方法，其特征在于：步骤S2中的平滑处理方法为连续两次中值滤波，滤波核大小为ksize=（5、5）。
5.根据权利要求4所述的不锈钢智能化激光焊接处理方法，其特征在于，步骤S3.10中，二值化公式如下：
6.根据权利要求5所述的不锈钢智能化激光焊接处理方法，其特征在于：步骤S4中的处理方法是先闭运算后开运算。
7.根据权利要求1-6任一项所述的不锈钢智能化激光焊接处理方法，其特征在于：步骤S5中，图像坐标转化为激光焊机器人基坐标下的三维坐标时采用结构光视觉标定和手眼标定相结合的方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111384347.7A CN114043080B (zh) | 2021-11-22 | 2021-11-22 | 一种不锈钢智能化激光焊接处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111384347.7A CN114043080B (zh) | 2021-11-22 | 2021-11-22 | 一种不锈钢智能化激光焊接处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114043080A true CN114043080A (zh) | 2022-02-15 |
| CN114043080B CN114043080B (zh) | 2024-01-26 |
Family
ID=80210366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111384347.7A Active CN114043080B (zh) | 2021-11-22 | 2021-11-22 | 一种不锈钢智能化激光焊接处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114043080B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6040550A (en) * | 1996-10-28 | 2000-03-21 | Chang; Dale U. | Apparatus and method for laser welding the outer joints of metal bellows |
| KR20010095576A (ko) * | 2000-04-11 | 2001-11-07 | 김징완 | 자동 용접장치의 용접선 추적방법 |
| KR100684630B1 (ko) * | 2006-01-03 | 2007-02-22 | 삼성중공업 주식회사 | 용접선 추적을 위한 이미지 프로세싱 방법 |
| CN101219498A (zh) * | 2007-01-10 | 2008-07-16 | 李云峰 | 视频摄像传感器tig焊焊缝自动跟踪与控制装置 |
| CN203791808U (zh) * | 2013-11-06 | 2014-08-27 | 广东德科机器人技术与装备有限公司 | 一种基于机器视觉的智能焊接机器人 |
| CN108672926A (zh) * | 2018-04-27 | 2018-10-19 | 张家港市联通化机有限公司 | 视觉焊接跟踪方法及焊接工艺 |
| CN109226967A (zh) * | 2018-07-25 | 2019-01-18 | 同高先进制造科技（太仓）有限公司 | 一种用于激光-电弧复合焊的主动激光视觉稳健焊缝跟踪系统 |
| CN111402239A (zh) * | 2020-03-17 | 2020-07-10 | 山东奥太电气有限公司 | 基于形态特征滤波的激光焊缝跟踪图像处理方法及系统 |
| CN111618396A (zh) * | 2020-07-05 | 2020-09-04 | 吉林大学 | 基于视觉表征的多层多道焊接装置及焊接方法 |
-
2021
- 2021-11-22 CN CN202111384347.7A patent/CN114043080B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6040550A (en) * | 1996-10-28 | 2000-03-21 | Chang; Dale U. | Apparatus and method for laser welding the outer joints of metal bellows |
| KR20010095576A (ko) * | 2000-04-11 | 2001-11-07 | 김징완 | 자동 용접장치의 용접선 추적방법 |
| KR100684630B1 (ko) * | 2006-01-03 | 2007-02-22 | 삼성중공업 주식회사 | 용접선 추적을 위한 이미지 프로세싱 방법 |
| CN101219498A (zh) * | 2007-01-10 | 2008-07-16 | 李云峰 | 视频摄像传感器tig焊焊缝自动跟踪与控制装置 |
| CN203791808U (zh) * | 2013-11-06 | 2014-08-27 | 广东德科机器人技术与装备有限公司 | 一种基于机器视觉的智能焊接机器人 |
| CN108672926A (zh) * | 2018-04-27 | 2018-10-19 | 张家港市联通化机有限公司 | 视觉焊接跟踪方法及焊接工艺 |
| CN109226967A (zh) * | 2018-07-25 | 2019-01-18 | 同高先进制造科技（太仓）有限公司 | 一种用于激光-电弧复合焊的主动激光视觉稳健焊缝跟踪系统 |
| CN111402239A (zh) * | 2020-03-17 | 2020-07-10 | 山东奥太电气有限公司 | 基于形态特征滤波的激光焊缝跟踪图像处理方法及系统 |
| CN111618396A (zh) * | 2020-07-05 | 2020-09-04 | 吉林大学 | 基于视觉表征的多层多道焊接装置及焊接方法 |
Non-Patent Citations (2)
| Title |
|---|
| 宫唤春;: "视觉传感技术在大功率光纤激光焊接焊缝宽度特征提取的应用", 激光杂志, no. 04 * |
| 张文增;陈强;都东;孙振国;张国贤;: "基于三维视觉的焊接机器人轨迹跟踪", 清华大学学报(自然科学版), no. 08 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114043080B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108637435B (zh) | 一种基于视觉与弧压传感的三维焊缝跟踪系统及方法 | |
| CN109226967B (zh) | 一种用于激光-电弧复合焊的主动激光视觉稳健焊缝跟踪系统 | |
| Shao et al. | A novel weld seam detection method for space weld seam of narrow butt joint in laser welding | |
| CN107798330A (zh) | 一种焊缝图像特征信息提取方法 | |
| CN109483017A (zh) | 一种基于图像识别的焊缝跟踪系统及其优化方法 | |
| CN102699534A (zh) | 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 | |
| CN111192307A (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
| CN112365439B (zh) | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 | |
| CN112238292A (zh) | 一种基于视觉的搅拌摩擦焊机器人空间曲线轨迹跟踪方法 | |
| CN107688028B (zh) | 一种激光增材制造搭接率在线监测方法 | |
| Kim et al. | A robust visual seam tracking system for robotic arc welding | |
| Zhang et al. | Narrow-seam identification and deviation detection in keyhole deep-penetration TIG welding | |
| CN109514043A (zh) | 一种有效的焊接机器人焊接控制系统 | |
| Zou et al. | Conditional generative adversarial network-based training image inpainting for laser vision seam tracking | |
| CN109702293A (zh) | 一种基于视觉检测的焊接熔透质量实时控制方法 | |
| CN108127217A (zh) | 螺旋板式换热器端面焊缝自动引导焊接的焊接装置和方法 | |
| CN112756783A (zh) | 一种激光焊接跟踪过程中焊接匙孔偏移量确定方法 | |
| CN105689859A (zh) | 一种不同种类金属之间的连接方法和设备 | |
| CN114399461A (zh) | 智能化焊趾机械打磨疲劳延寿方法 | |
| CN116213884A (zh) | 管-法兰微分阵列式划分及自适应焊接路径规划方法 | |
| Lin et al. | Intelligent seam tracking of an ultranarrow gap during K-TIG welding: a hybrid CNN and adaptive ROI operation algorithm | |
| CN114043080A (zh) | 一种不锈钢智能化激光焊接处理方法 | |
| CN102519387A (zh) | 一种电子束焊接熔池形状参数的视觉检测方法 | |
| CN113551599A (zh) | 一种基于结构光导向的焊缝位置偏差视觉跟踪方法 | |
| CN114120111B (zh) | 一种不锈钢焊缝智能化超声波冲击方法 |
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 |