CN115049726A - 基于视觉定位的pcb焊接方法及系统 - Google Patents

基于视觉定位的pcb焊接方法及系统 Download PDF

Info

Publication number
CN115049726A
CN115049726A CN202210651039.4A CN202210651039A CN115049726A CN 115049726 A CN115049726 A CN 115049726A CN 202210651039 A CN202210651039 A CN 202210651039A CN 115049726 A CN115049726 A CN 115049726A
Authority
CN
China
Prior art keywords
image
pcb
template
positioning
chip
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
Application number
CN202210651039.4A
Other languages
English (en)
Other versions
CN115049726B (zh
Inventor
万国扬
刘丙友
柏受军
胡耀聪
张健
陶秀文
刘鹏
黄志远
周阳
陈金城
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.)
Anhui Polytechnic University
Original Assignee
Anhui Polytechnic University
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 Anhui Polytechnic University filed Critical Anhui Polytechnic University
Priority to CN202210651039.4A priority Critical patent/CN115049726B/zh
Publication of CN115049726A publication Critical patent/CN115049726A/zh
Application granted granted Critical
Publication of CN115049726B publication Critical patent/CN115049726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H05K3/30—Assembling printed circuits with electric components, e.g. with resistor
    • H05K3/32—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits
    • H05K3/34—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits by soldering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manipulator (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开的一种基于视觉定位的PCB焊接方法，包括：采集当前待识别PCB芯片的图像，将采集图像与各粗定位模板进行匹配，匹配出采集图像中待识别PCB芯片中心的图像坐标；基于采集图像中待识别PCB芯片中心构建样本图像，将样本图像输入识别网络，识别采集图像中待识别PCB芯片的类别；基于待识别PCB芯片中心的图像坐标确定采集图像中的定精定位区域，基于精定位区域与精定位模板间的匹配确定精定位模板的焊接点在当前采集图像中的图像坐标；将焊接点在采集图像中的图像坐标转换至机器人坐标系，控制机器人末端的焊锡枪移动至焊接点位置进行焊接操作。实现工业机器人对PCB芯片的自主识别与自动化焊接，可应用于多种类PCB芯片产品的混线生产。

Description

基于视觉定位的PCB焊接方法及系统
技术领域
本发明属于视觉定位技术领域，更具体地，本发明涉及一种基于视觉定位的PCB焊接方法及系统。
背景技术
PCB板的焊接技术广泛应用于工业领域的3C行业，使用机器视觉与工业机器人替代人工进行芯片焊接工作，不仅可提升生产效率、降低生产成本，还可以避免作业人员接触锡焊过程产生的有害气体，更好的保障从业人员的人身安全。生产过程中，经常出现形状相似而种类不同的芯片焊接需求，此种情况传统的机器视觉定位方法并不能很好的加以识别与区分。因此，研究结合深度学习的工业机器人多种类芯片的焊接系统，有着重要的意义。
深度学习可以通过监督学习图像中目标的有效特征，使用更全面的特征信息描述与定位目标，这使得此类算法较传统的定位算法具有更好的泛化性能，由于PCB芯片表面通常存在较多零件与电路，现有的视觉定位方法主要依靠单一模板匹配技术，用于PCB芯片识别定位时，由于PCB芯片的工件表面零件过多及电路复杂导致图像中的特征较多，过多特征的干扰会降低匹配算法的定位精度。
发明内容
本发明提供一种基于视觉定位的PCB焊接方法，旨在改善上述问题。
本发明是在这样实现的，一种基于视觉定位的PCB焊接方法，所述方法具体包括如下步骤：
S1、采集当前待识别PCB芯片的图像，将采集图像与各粗定位模板进行匹配，匹配出采集图像中待识别PCB芯片中心的图像坐标；
S2、基于采集图像中待识别PCB芯片中心构建样本图像，样本图像涵盖整个PCB芯片的表面电路回路，将样本图像输入识别网络，识别采集图像中待识别PCB芯片的类别；
S3、基于待识别PCB芯片中心的图像坐标确定采集图像中的定精定位区域，基于精定位区域与精定位模板间的匹配确定精定位模板的焊接点在当前采集图像中的图像坐标；
S4、将焊接点在采集图像中的图像坐标转换至机器人坐标系，控制机器人末端的焊锡枪移动至焊接点位置进行焊接操作。
进一步的，在步骤S1之前还包括：
S5、采集各类PCB芯片的图像，称为模板图像，基于模板图像构建各类PCB芯片的粗定位模板及精定位模板，确定粗定位模板中心与精定位模板中心的图像坐标、及对应类PCB芯片焊接点的图像坐标。
进一步的，粗定位模板基于工件中心区域形成的特征区域，精定位模板是在芯片表面电路回路上形成的特征区域。
进一步的，采集图像与粗定位模板的匹配方法具体如下：
构建粗定位模板大小相同的滑动窗，基于滑动窗在采集图像上形成待匹配区域，滑动窗移动，将形成待匹配区域放入待匹配区域集中，计算待匹配区域集中所有待匹配区域与各个粗匹配模板的匹配度，输出匹配度最高的粗匹配模板及其对应的待匹配区域，输出的待匹配区域中心的图像坐标即为待识别PCB芯片中心在采集图像中的图像坐标。
进一步的，精定位模板的焊接点在当前采集图像中的图像坐标获取具体如下：
在精定位区域内提取梯度强度大于强度阈值为位置点pi，放入集合P中，在精定位模板中提取梯度强度大于强度阈值为位置点qi，放入集合Q中，迭代计算出采集图像的图像坐标到精定位模板的图像坐标的旋转矩阵R及平移向量T，将最小匹配误差E对应的旋转矩阵及平移向量作为采集图像到精定位模板图像的旋转矩阵R及平移向量T，进而将焊接点在模板图像中的图像坐标转换至采集图像中。
进一步的，将样本图像输入多个识别网络，每个识别网络输出样本图像对应的PCB芯片类别，采用投票机制判别采集图像中待识别PCB芯片的类别。
本发明是这样实现的，一种基于视觉定位的PCB焊接系统，所述系统包括：
设于工作台上的工位，用于放置PCB芯片，工业相机固定与工位的正上方，工业相机用于采集待识别PCB芯片的图像，并将采集图像发送至工控机，工控机器与SCARA机器人通过TCP/IP连接，SCARA机器人的执行器末端设置有焊锡枪；
集成于工控机上的模板库，用于存储基于模板图像构建各类PCB芯片的粗定位模板及精定位模板，确定粗定位模板的中心与精定位模板的中心、精定位模板的中心及对应类PCB芯片焊接点的相对位置；
工控机接收待识别PCB芯片的图像，基于上述基于视觉定位的PCB焊接方法确定当前待识别PCB芯片的焊接点位置，并发送至SCARA机器人，SCARA机器人控制焊锡枪移动至焊接点进行焊接操作。
本发明实现工业机器人对PCB芯片的自主识别与自动化焊接，且无需人工参与，可应用于多种类PCB芯片产品的混线生产，通过粗定位与精定位的配合，极大提高了PCB芯片焊接点的定位精度。
附图说明
图1为本发明实施例提供的基于人视觉定位的PCB焊接方法流程图；
图2为本发明实施例提供的基于视觉定位的PCB焊接系统的结构示意图；
图3为本发明实施例提供的基于ResNet识别网络、DenseNet识别网络及VOVNet识别网络的PCB芯片类别识别过程示意图；
图4为本发明实施例提供的中心为矩形的PCB芯片示意图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本发明提出一种基于视觉定位的PCB焊接方法，基于多种深度学习检测网络投票判断机制，用于实现对作业芯片种类的判定，在此基础之上，结合基于梯度信息的模匹配算法，实现对目标工件关键位置的视觉定位。
图1为本发明实施例提供的基于人视觉定位的PCB焊接方法流程图，该方法具体包括如下步骤：
S1、标定机器人坐标系到视觉坐标系间的转换关系M；
在本发明实施例中，机器人坐标系到视觉坐标系间的转换关系的获取方法具体如下：
S11、通过相机标定，获得相机内外参数；
S12、相机标定后，需对视觉系统进行校正，消除工业相机镜头的镜像畸变与切向畸变；
S13、使用多点法，建立视觉坐标系与机器人坐标之间的转化关系M，操作过程如下：
在工位上固定摆放棋盘格标定板，由工业相机采集棋盘格标定板的图像，记录棋盘格标定板中的各角点在视觉坐标系(图像坐标系)中的坐标，在控制机器人移动焊枪依次到棋盘格标定板上的各角点，记录各角点在机器人坐标系下的坐标，基于如下公式即可完转化关系M的标定；
Figure BDA0003686130520000051
其中，(jx,jy)为机器人坐标系下棋盘格标定板中的角点坐标，(px,py)为视觉坐标系下棋盘格标定板中的角点坐标，计算出二者的转换关系
Figure BDA0003686130520000052
在本发明实施例中，为保证标定精度，发明提出经灰狼算法优化的最小二乘支持向量机(简称：GWO-LS-SVM)，建立视觉坐标系与机器人坐标系的转换关系，GWO-LS-SVM是一种用于多输入与多输出的智能优化算法，它使用最小二乘-支持向量机(LS-SVM)建立视觉坐标系中二维坐标点与机器人坐标系中三维坐标点之间的转换关系。同时，灰狼算法(GWO)被用于优化LS-SVM的核函数。最小二乘支持向量机(LSSVM)是对SVM算法的一种改进，它将其约束条件由不等式约束改为等式约束，这种改进减少了算法处理时间。对影响LSSVM性能的RBF核函数中的参数σ，本发明使用GWO算法进行优化，避免了人工选取参数的问题。
S2、采集各类PCB芯片的图像，称为模板图像，基于模板图像构建各类PCB芯片的粗定位模板及精定位模板，确定粗定位模板中心与精定位模板中心的图像坐标、及对应类PCB芯片焊接点的图像坐标；
在本发明实施例中，粗定位模板是基于工件中心区域形成的特征区域，精定位模板是在芯片表面电路回路上形成的特征区域；针对粗定位模板的特征区域而言，若待识别PCB芯片的中心为矩形，那么粗定位模板的特征区域为矩形，如图4所示，若待识别PCB芯片的中心为圆形，那么粗定位模板的特征区域为圆形，若待识别PCB芯片的中心既存在圆形也存在矩形，则粗定位模板的特征区域为矩形和圆形两种；针对精定位模板的特征区域而言，在芯片表面电路回路上选取特征明显的区域作为特征区域。
S3、采集当前待识别PCB芯片的图像，将采集图像与各粗定位模板进行匹配，匹配出采集图像中待识别PCB芯片中心在图像坐标系下的坐标，简称图像坐标；
在本发明实施例中，采集图像与粗定位模板的匹配方法具体如下：
构建粗定位模板大小相同的滑动窗，基于滑动窗在采集图像上形成待匹配区域，滑动窗移动，将形成待匹配区域放入待匹配区域集中，计算待匹配区域集中所有待匹配区域与各个粗匹配模板的匹配度，输出匹配度最高的粗匹配模板及其对应的待匹配区域，输出的待匹配区域中心的图像坐标即为采集图像中待识别PCB芯片中心的图像坐标；
在本发明实施例中，待匹配区域Ij与粗匹配模板Oi的匹配度ε(Oi,Ij)计算公式具体如下：
Figure BDA0003686130520000061
其中，ori(Oi,rk)表示粗匹配模板Oi中位置r在梯度方向k上的梯度幅值，集合G中存储粗匹配模板中梯度幅值(其中一个梯度方向上)大于幅值阈值的位置，ori(Ij,tk)表示待匹配区域Ij中位置t在梯度方向k上的梯度强度，R(t)表示待匹配区域Ij位置t的T邻域，
Figure BDA0003686130520000062
表示位置t为中心的正方形区域，正方形的长度为T。
S4、基于采集图像中待识别PCB芯片中心构建样本图像，样本图像涵盖整个PCB芯片的表面电路回路，将样本图像输入多个识别网络，每个识别网络输出样本图像对应的PCB芯片类别，采用投票机制判别采集图像中待识别PCB芯片的类别；
在本发明实施例中，PCB芯片的表面电路回路中包含特征信息较多，因此，样本图像的大小要求能涵盖整个PCB芯片的表面电路回路，将样本图像分别输入ResNet识别网络、DenseNet识别网络及VOVNet识别网络，当然，ResNet识别网络、DenseNet识别网络及VOVNet识别网络在使用前完成训练，对这三个识别网络赋予不同的权重，进而可以计算出各个识别结果的得分，最高得分的识别结果(芯片类别)即为当前采集图像中待识别PCB芯片的类别，如图3所示。
S5、基于待识别PCB芯片中心的图像坐标确定采集图像中的定精定位区域，基于精定位区域与精定位模板间的匹配确定精定位模板的焊接点在当前采集图像中的图像坐标；
在本发明实施例中，精定位模板的焊接点在当前采集图像中图像坐标的获取具体如下：
在精定位区域内提取梯度强度大于强度阈值的位置点pi，放入集合P中，在精定位模板图像中提取梯度强度大于强度阈值为位置点qi，放入集合Q中，迭代计算出采集图像的图像坐标到精定位模板的图像坐标的旋转矩阵R及平移向量T，计算公式具体如下；
Figure BDA0003686130520000071
最小匹配误差E对应的旋转矩阵及平移向量作为采集图像的图像坐标到精定位模板的图像坐标的旋转矩阵R及平移向量T，进而将焊接点在模板图像中的图像坐标转换至采集图像中。
S6、将焊接点在采集图像中的图像坐标转换至机器人坐标系，控制机器人末端的焊锡枪移动至焊接点位置进行焊接操作。
图2为本发明实施例提供的基于视觉定位的PCB焊接系统的结构示意图，为了便于说明，仅示出与本发明实施例相关的部分。该系统包括：
设于工作台上的工位，用于放置PCB芯片，工业相机固定与工位的正上方，工业相机用于采集待识别PCB芯片的图像，并将采集图像发送至工控机，工控机器与SCARA机器人通过TCP/IP连接，SCARA机器人的执行器末端设置有焊锡枪；
集成于工控机上的模板库，用于存储基于模板图像构建各类PCB芯片的粗定位模板及精定位模板，确定粗定位模板的中心与精定位模板的中心、精定位模板的中心及对应类PCB芯片焊接点的相对位置；
工控机接收待识别PCB芯片的图像，上述基于视觉定位的PCB焊接方法确定当前待识别PCB芯片的焊接点位置，并发送至SCARA机器人，SCARA机器人控制焊锡枪移动至焊接点进行焊接操作。
本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (7)

1.一种基于视觉定位的PCB焊接方法，其特征在于，所述方法具体包括如下步骤：
S1、采集当前待识别PCB芯片的图像，将采集图像与各粗定位模板进行匹配，匹配出采集图像中待识别PCB芯片中心的图像坐标；
S2、基于采集图像中待识别PCB芯片中心构建样本图像，样本图像涵盖整个PCB芯片的表面电路回路，将样本图像输入识别网络，识别采集图像中待识别PCB芯片的类别；
S3、基于待识别PCB芯片中心的图像坐标确定采集图像中的定精定位区域，基于精定位区域与精定位模板间的匹配确定精定位模板的焊接点在当前采集图像中的图像坐标；
S4、将焊接点在采集图像中的图像坐标转换至机器人坐标系，控制机器人末端的焊锡枪移动至焊接点位置进行焊接操作。
2.如权利要求1所述基于视觉定位的PCB焊接方法，其特征在于，在步骤S1之前还包括：
S5、采集各类PCB芯片的图像，称为模板图像，基于模板图像构建各类PCB芯片的粗定位模板及精定位模板，确定粗定位模板中心与精定位模板中心的图像坐标、及对应类PCB芯片焊接点的图像坐标。
3.如权利要求1或2所述基于视觉定位的PCB焊接方法，其特征在于，粗定位模板基于工件中心区域形成的特征区域，精定位模板是在芯片表面电路回路上形成的特征区域。
4.如权利要求1所述基于视觉定位的PCB焊接方法，其特征在于，采集图像与粗定位模板的匹配方法具体如下：
构建粗定位模板大小相同的滑动窗，基于滑动窗在采集图像上形成待匹配区域，滑动窗移动，将形成待匹配区域放入待匹配区域集中，计算待匹配区域集中所有待匹配区域与各个粗匹配模板的匹配度，输出匹配度最高的粗匹配模板及其对应的待匹配区域，输出的待匹配区域中心的图像坐标即为采集图像中待识别PCB芯片中心的图像坐标。
5.如权利要求1所述基于视觉定位的PCB焊接方法，其特征在于，精定位模板的焊接点在当前采集图像中的图像坐标获取具体如下：
在精定位区域内提取梯度强度大于强度阈值为位置点pi，放入集合P中，在精定位模板中提取梯度强度大于强度阈值为位置点qi，放入集合Q中，迭代计算出采集图像的图像坐标到精定位模板的图像坐标的旋转矩阵R及平移向量T，将最小匹配误差E对应的旋转矩阵及平移向量作为采集图像到精定位模板图像的旋转矩阵R及平移向量T，进而将焊接点在模板图像中的图像坐标转换至采集图像中。
6.如权利要求1所述基于视觉定位的PCB焊接方法，其特征在于，将样本图像输入多个识别网络，每个识别网络输出样本图像对应的PCB芯片类别，采用投票机制判别采集图像中待识别PCB芯片的类别。
7.一种基于视觉定位的PCB焊接系统，其特征在于，所述系统包括：
设于工作台上的工位，用于放置PCB芯片，工业相机固定与工位的正上方，工业相机用于采集待识别PCB芯片的图像，并将采集图像发送至工控机，工控机器与SCARA机器人通讯连接，SCARA机器人的执行器末端设置有焊锡枪；
集成于工控机上的模板库，用于存储基于模板图像构建各类PCB芯片的粗定位模板及精定位模板，确定粗定位模板的中心与精定位模板的中心、精定位模板的中心及对应类PCB芯片焊接点的相对位置；
工控机接收待识别PCB芯片的图像，基于权利要求1至6任一权利要求所述基于视觉定位的PCB焊接方法确定当前待识别PCB芯片的焊接点位置，并发送至SCARA机器人，SCARA机器人控制焊锡枪移动至焊接点进行焊接操作。
CN202210651039.4A 2022-06-09 2022-06-09 基于视觉定位的pcb焊接方法及系统 Active CN115049726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210651039.4A CN115049726B (zh) 2022-06-09 2022-06-09 基于视觉定位的pcb焊接方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210651039.4A CN115049726B (zh) 2022-06-09 2022-06-09 基于视觉定位的pcb焊接方法及系统

Publications (2)

Publication Number Publication Date
CN115049726A true CN115049726A (zh) 2022-09-13
CN115049726B CN115049726B (zh) 2025-01-24

Family

ID=83161665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210651039.4A Active CN115049726B (zh) 2022-06-09 2022-06-09 基于视觉定位的pcb焊接方法及系统

Country Status (1)

Country Link
CN (1) CN115049726B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116643505A (zh) * 2023-07-21 2023-08-25 深圳视腾达科技有限公司 一种智能家居用交互控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635844A (zh) * 2018-11-14 2019-04-16 网易传媒科技（北京）有限公司 训练分类器的方法及装置和水印检测方法及装置
US20190347461A1 (en) * 2017-04-26 2019-11-14 South China University Of Technology Three-dimensional finger vein recognition method and system
CN113112543A (zh) * 2021-04-08 2021-07-13 东方电气集团科学技术研究院有限公司 一种基于视觉移动目标的大视场二维实时定位系统及方法
CN113724216A (zh) * 2021-08-24 2021-11-30 广东工业大学 一种波峰焊点缺陷检测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347461A1 (en) * 2017-04-26 2019-11-14 South China University Of Technology Three-dimensional finger vein recognition method and system
CN109635844A (zh) * 2018-11-14 2019-04-16 网易传媒科技（北京）有限公司 训练分类器的方法及装置和水印检测方法及装置
CN113112543A (zh) * 2021-04-08 2021-07-13 东方电气集团科学技术研究院有限公司 一种基于视觉移动目标的大视场二维实时定位系统及方法
CN113724216A (zh) * 2021-08-24 2021-11-30 广东工业大学 一种波峰焊点缺陷检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
詹超;林涛;陈华斌;陈善本;刘信诠;沙万华;杨惠勤;: "基于局部模板匹配的GMAW初始焊位识别及工艺研究", 焊接, no. 09, 25 September 2011 (2011-09-25), pages 22 - 25 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116643505A (zh) * 2023-07-21 2023-08-25 深圳视腾达科技有限公司 一种智能家居用交互控制方法及系统
CN116643505B (zh) * 2023-07-21 2023-11-03 深圳视腾达科技有限公司 一种智能家居用交互控制方法及系统

Also Published As

Publication number Publication date
CN115049726B (zh) 2025-01-24

Similar Documents

Publication Publication Date Title
CN109159114B (zh) Scara机械手固定相机视觉系统手眼标定的高精度方法
KR102280663B1 (ko) 비전 가이드 로봇 암 교정 방법
Chen et al. Applying a 6-axis mechanical arm combine with computer vision to the research of object recognition in plane inspection
CN105729468B (zh) 一种基于多深度摄像机增强的机器人工作台
CN110202573B (zh) 全自动手眼标定、工作平面标定方法及装置
CN110315525A (zh) 一种基于视觉引导的机器人工件抓取方法
WO2021109575A1 (zh) 基于融入全局视觉和局部视觉的机器人视觉引导方法和装置
CN108274092A (zh) 基于三维视觉与模型匹配的坡口自动切割系统及切割方法
CN111089569A (zh) 一种基于单目视觉的大型箱体测量方法
CN113798634B (zh) 空间环形焊缝示教与焊缝跟踪方法、系统及设备
CN110293559B (zh) 一种自动识别定位对准的安装方法
CN110355464A (zh) 激光加工的视觉匹配方法、系统及介质
CN112238304B (zh) 一种基于图像视觉识别焊缝的机械臂自动焊接小批量定制异型桥梁钢模板方法
CN106809730A (zh) 一种基于视觉的集装箱自动对接起吊系统及起吊方法
CN107263468A (zh) 一种利用数字图像处理技术的scara机器人装配方法
CN108177150A (zh) 基于视觉的电梯门板定位与抓取装置及方法
CN118314138B (zh) 一种基于机器视觉的激光加工方法及系统
CN114742883B (zh) 一种基于平面类工件定位算法的自动化装配方法及系统
CN113302027B (zh) 作业坐标生成装置
CN115049726A (zh) 基于视觉定位的pcb焊接方法及系统
CN106964907A (zh) 一种激光切割的方法和设备
CN111985420B (zh) 一种基于机器视觉的配电站无人化巡查方法
CN111390910A (zh) 机械手目标抓取定位方法、计算机可读存储介质及机械手
CN117428777A (zh) 一种拆袋机器人的手眼标定方法
CN117885096B (zh) 一种控制机器人末端焊枪的焊接作业的方法及装置

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