CN117359149A - 一种不锈钢离心泵的出水管焊接方法及焊接装置 - Google Patents
一种不锈钢离心泵的出水管焊接方法及焊接装置 Download PDFInfo
- Publication number
- CN117359149A CN117359149A CN202311580359.6A CN202311580359A CN117359149A CN 117359149 A CN117359149 A CN 117359149A CN 202311580359 A CN202311580359 A CN 202311580359A CN 117359149 A CN117359149 A CN 117359149A
- Authority
- CN
- China
- Prior art keywords
- welding
- image
- follows
- pixel
- point
- 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.)
- Pending
Links
- 238000003466 welding Methods 0.000 title claims abstract description 268
- 238000000034 method Methods 0.000 title claims abstract description 58
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 50
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 26
- 239000010935 stainless steel Substances 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000007246 mechanism Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000002146 bilateral effect Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
- B23K31/02—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to soldering or 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
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种不锈钢离心泵的出水管焊接方法及焊接装置，包括如下步骤：使用双目相机采集离心泵与出水管之间的焊缝图像，再对焊接图像进行预处理，以获得增强后的图像；对增强后的图像进行分割处理，以将焊缝从焊缝图像中进行分离，得到焊缝初始图像；对焊缝初始图像进行形态学处理，得到激光条纹图像，然后提取激光条纹图像的焊缝中心线；根据焊缝中心线的进行焊枪的运行轨迹控制以实现焊枪对离心泵与出水管之间焊缝的焊接。本发明可以实现泵壳和进水管的机器自动焊接，减少人力成本，提高了焊接效率、焊接质量和焊接平整性。
Description
技术领域
本发明涉及焊接技术领域，具体地说，涉及一种不锈钢离心泵的出水管焊接方法及焊接装置。
背景技术
离心泵是指靠叶轮旋转时产生的离心力来输送液体的泵。泵体也称泵壳，它是水泵的主体，起到支撑固定作用，并与安装轴承的托架相连接。泵壳上具有进水口和出水口，进水口和出水口均是通过焊接的方式与进水管和出水管进行固定。由于泵壳和出水管的焊缝为非规则椭圆形焊缝，因此目前的出水管与泵壳之间的焊接基本是采用人工焊接进行的。对于人工焊接而言，虽然可以保证焊接的质量，但需要精心操作，存在效率低下的问题。但对于机器焊接而言，由于非规则椭圆形焊缝的存在，机器焊接难以保证焊缝的连续焊接的稳定性，很容易造成焊缝漏水，而且焊缝外观不良。
发明内容
本发明的目的在于提供一种不锈钢离心泵的出水管焊接方法及焊接装置。本发明可以实现泵壳和进水管的机器自动焊接，减少人力成本，提高了焊接效率、焊接质量和焊接平整性。
本发明的技术方案如下：一种不锈钢离心泵的出水管焊接方法，包括如下步骤：
步骤1、使用双目相机采集离心泵与出水管之间的焊缝图像，再对焊接图像进行预处理，以获得增强后的图像；
步骤2、对增强后的图像进行分割处理，以将焊缝从焊缝图像中进行分离，得到焊缝初始图像；
步骤3、对焊缝初始图像进行形态学处理，得到激光条纹图像，然后提取激光条纹图像的焊缝中心线；
步骤4、根据焊缝中心线的进行焊枪的运行轨迹控制以实现焊枪对离心泵与出水管之间焊缝的焊接。
上述的不锈钢离心泵的出水管焊接方法，步骤1中，所述预处理步骤如下：
步骤1.1、使用双边滤波进行图像去噪；所述双边滤波是将空间距离和灰度相似度进行结合，以融合空间域和值域两方面的特征；其中空间距离是指目标点与模板中心点之间的距离，空间域的高斯函数如下：
式中：(xi，yj)为当前点图像位置，(xc，yc)为模板中心点位置，σ1为空间域标准差；
灰度值相似度为当前点的灰度值与模板中心点的灰度值两者之差的绝对值，其值域下的高斯函数如下：
式中：g(xi，yj)为当前点灰度值，g(xc，yc)为模板中心点的灰度值，σ2为值域的标准差；
所述双边滤波的核函数如下式所示：
式中：ω(i，j，k，l)为像素点的权重，f(k，l)表示邻域中心的像素值；
步骤1.2、对去噪后的图像进行灰度化处理；所述灰度化处理是采用加权平均法，公式如下：
Gary(i，j)＝0.299*R(i，j)+0.578*G(i，j)+0.114*B(i，j)；
式中：Gary(i，j)表示灰度化图像，R，G和B分别表示颜色三分量；
步骤1.3、使用线性灰度变换法进行图像增强；所述线性灰度变换法的公式如下：
式中：a，b分别表示图像增强前后的像素灰度值的取值临界值，f(x，y)为原始像素点的灰度值，g(x，y)为线性灰度变换后的像素灰度值。
前述的不锈钢离心泵的出水管焊接方法，步骤2中，所述分割处理包括如下步骤：
步骤2.1、依据图像整体的灰度分布特性并将其分为前景和背景两部分，通过计算两者之间的类间方差来进行分割判断，所述类间方差的求解如下所示：
其中：
式中：表示类间方差；P1为像素被分类到C1的概率；P2为像素被分类到C2的概率，m1为分配到C1的像素的平均灰度值；m2为分配到C2的像素的平均灰度值；mG为图像全局均值；k为灰度级；pi为像素的灰度级为i的概率；L为灰度级总数；
然后使用高斯滤波对图像进行处理，以放大图像的对比度并增强边缘轮廓信息，处理的公式如下：
式中：fs(x，y)为高斯函数与图像进行卷积的结果；G(x，y)为一维零均值高斯核函数；f(x，y)为原始像素点的灰度值；σ为标准差；
再计算图像灰度梯度：
dy＝f(x，y)·Sobelx(x，y)
dy＝f(x，y)·Sobely(x，y)；
式中：Sobel为索贝尔算子；
进而得到图像梯度幅值与角度如下：
式中：M[x，y]为梯度值，θM为梯度方向，dx和dy分别表示图像在水平与竖直方向上的梯度；
步骤2.2、根据计算获得的图像在水平与竖直方向上的梯度，沿着梯度方向对幅值进行非极大值抑制；对于每个像素点，将其邻域的中心值与对应梯度方向上的相邻两个像素进行比较，若为最大值则表明该点为边缘值，并保留宽度为1像素点，否则置为0，以此通过canny边缘检测保留局部梯度最大的点，得到边缘特征；
步骤2.3、使用双重阈值对提取到的的边缘特征进行筛选，通过设置高低两种不同阈值来确定最终的边缘像素点，若步骤2.2中得到的像素邻域边缘梯度大于所设定的高阈值则判定为边缘，小于所设定的低阈值则判定为非边缘，介于阈值之间的像素点则根据其是否与边缘像素相连来进行判断，相连则被判定为边缘特征像素点；
步骤2.4、使用霍夫直线检测，通过概率挑选机制随机选取个别点来计算得到直线，每一条直线由具有四个元素的矢量(x1，y1，x2，y2)，其中(x1，y1)表示线段的起点，(x2，y2)表示线段的终点。
前述的不锈钢离心泵的出水管焊接方法，步骤3中，所述形态学处理的步骤如下：
首先对焊缝初始图像进行图像膨胀，用于填补图像中的空洞，其公式如下：
其中：A表示焊缝初始图像；B表示结构元素，S表示膨胀后的图像，α，β表示B结构元素的锚点移到焊缝初始图像A的某一像素点坐标；表示经过二值化后的像素集合；
然后进行图像腐蚀，去除物体周围细小的物体，其公式如下：
最后进行图像开运算和闭运算，其中开运算公式如下：
闭运算公式如下：
前述的不锈钢离心泵的出水管焊接方法，步骤3中，所述焊缝中心线提取是根据求解矩阵Hessian的特征值和相对应的特征向量确定激光条纹图像的法线方向，然后在法线方向上求出极值点得到光条中心的亚像素坐标，具体的，以(x0，y0)表示光条的中心点，(px，py)为亚像素坐标，(nx，ny)为Hessian矩阵最大特征值对应于光条的法线方向的特征向量，(tnx，tny)是中心点与亚像素的偏移量，其关系如下：
(px，py)＝(x0+tnx，y0+tny)；
(tnx，tny)∈[-0.5，0.5]×[-0.5，0.5]；
Hessian矩阵的表达式如下：
式中：g′(x，y)为二维高斯函数；Z(x，y)表示激光条纹图像；rxx和ryy分别表示x和y方向上的二阶导数，rxy表示二阶混合导数。
前述的不锈钢离心泵的出水管焊接方法，所述焊枪的运行轨迹控制包括焊枪的离线纠偏和在线纠偏；所述离线纠偏是通过对焊缝中心线进行轨迹匹配得到符合现阶段焊缝焊接所需的示教点，将其与初始示教的示教姿态信息相结合，更新初始的示教程序，完成焊缝的离线纠偏工作；所述在线纠偏是在焊接过程中，通过估计焊枪末端的实时运动轨迹，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动。
前述的不锈钢离心泵的出水管焊接方法，所述离线纠偏的具体过程如下：
采用最小二乘拟合平面计算焊缝中心线轨迹以及示教轨迹的每个数据点的法向量使用最小二乘拟合曲面S(x，y)的方法计算曲率，再使用公式分别计算主曲率(k1，k2)的平均曲率(H)和高斯曲率(K)：
式中：Es＝SxSx；Fs＝SxSy；Gs＝SySy；Sx是拟合曲面S(x，y)在x方向的一阶偏微分；Sy拟合曲面S(x，y)在x方向的一阶偏微分；Syy拟合曲面S(x，y)在y方向的二阶偏微分；Sxx是拟合曲面S(x，y)在x方向的二阶偏微分；Sxy为Sx在y方向的二阶偏微分；为示教轨迹的每个数据点的法向量；Ls、Ns和Ms分别为拟合曲面S(x，y)的第一基本不变量Es、Fs和Gs分别为拟合曲面S(x，y)的第二基本不变量；
然后找到两轨迹曲率相似的点，然后基于曲率的距离函数来度量匹配点对的相似度：构建基于曲率的四元征向量，公式如下：
X＝(K H k1 k2)；
使用Xi和Xz分别表示示教轨迹点pi和焊缝检测轨迹qz的的特征，pi和qz的相似度定义如下：
式中：Siz表示相似度；D(pi，qz)＝||Xi-Xz||；
接着对寻找的相似点进行去中心处理，求取两个轨迹数据的中心和以及对应的协方差和MQ，其公式如下：
式中：n表示两轨迹数据的采样点数；
求取协方差的特征值MP1 TMP1x＝λx，λ为特征值，x为n维非零列向量；
提取两轨迹数据最大的前2个特征值和其对应的特征向量(η1，η2)和(ξ1，ξ2)；以及根据前两特征向量叉乘获取的获得第三个特征向量(η3，ξ3)；
建立焊缝中心线轨迹Q以及示教轨迹P1的特征矩阵，公式如下：
其中，焊缝中心线轨迹Q和示教轨迹P1的主方向分别为WQ和；
获取初始匹配的转换矩阵(R0，T0)：
式中：R0为旋转矩阵，T0为平移向量；
最后根据初始匹配的转换矩阵(R0，T0)更新示教点的位置，从而输出纠偏后的示教程序，完成焊缝的离线纠偏工作。
前述的不锈钢离心泵的出水管焊接方法，所述在线纠偏中，焊枪末端的实时运动轨迹的估计采用跟踪微分器和扩张状态观测器进行，其中跟踪微分器的公式如下：
式中：fhan为最速综合函数；v为线结构光传感器采集的目标点作为输入信号；v1是对输入信号的跟踪信信号；v2是v1的微分；k1为比例系数；r为速度因子；h为滤波因子；
扩张状态观测器的公式如下：
式中：e为焊枪当前位置与目标点之间的偏差；z1为目标位置的观测估计，z2为焊接速度的观测估计；z3为系统总扰动的观测估计；y(k)为系统输出的焊枪实时位置；β01，β02和β03分别为系统的增益参数；α1和α2为0至1之间的增益常数；τ为影响滤波效果的常数；fal为非线性饱和函数，其表达式如下：
式中：α为0至1之间的常数；e为fal函数的误差；
根据跟踪微分器和扩张状态观测器得到焊枪末端与焊缝中心线的状态误差的非线性反馈率：
式中：e1为位置误差信号；e2为位置误差微分信号；u0为非线性状态误差非线性反馈率；β1和β2为可调权重参数；
根据非线性反馈率获取扰动补偿：
式中：u(k)为用扰动估计值z3对u0进行补偿得到最终纠偏量；
由此根据最终纠偏量对焊枪位置进行在线纠偏，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动。
前述的不锈钢离心泵的出水管焊接方法的焊接装置，包括焊接底座，焊接底座上设置有升降气缸；所述焊接底座上可升降的连接有焊接平台，焊接平台的底面与升降气缸的伸缩端连接；所述焊接平台的背面还设有转动电机，转动电机的输出端连接有设置焊接平台的表面的转动盘，转动盘上设有用于固定泵壳的定位盘；所述焊接平台上还设有焊接柜体，焊接柜体内设置有控制柜；所述焊接柜体的上端设有三轴移动机构，三轴移动机构的下端设有焊枪和第一相机；所述焊接柜体的侧面还设有第二相机；所述第一相机、第二相机和三轴移动机构均与控制柜电连接。
前述的不锈钢离心泵的出水管焊接方法的焊接装置，所述三轴移动机构的下端还设有位于焊枪一侧的抽风机。
与现有技术相比，本发明具有以下有益效果：
1、本发明可以实现泵壳和出水管的机器焊接。本发明针对离心泵与出水管的焊缝呈现不规则椭圆形的问题，利用双目相机精心焊缝图形的采集，然后对焊缝图形进行预处理，使得图像的灰度值分布更加分散，有利于图像分割等操作，并且随着整体灰度值的提高也弥补了拍摄图像时由于光照原因图片亮度不足的问题；然后对焊缝图像进行了分割处理，以将焊缝从焊缝图像中进行分离，得到焊缝初始图像；再通过形态学处理，以消除毛刺、空洞等现象对中心线和特征点提取准确性的影响，进而得到激光条纹图像的焊缝中心线，由此可以根据焊缝中心线对焊枪的运行轨迹控制以实现焊枪对离心泵与出水管之间焊缝的焊接，从而实现了机器焊接的操作，减少人力成本，提高了焊接效率，焊接质量和焊接平整性。
2、本发明针对焊枪的运行轨迹控制进行了焊枪的离线纠偏和在线纠偏。通过离线纠偏是对焊缝中心线进行轨迹匹配得到符合现阶段焊缝焊接所需的示教点，将其与初始示教的示教姿态信息相结合，更新初始的示教程序，能够使得焊枪的运行轨迹能够按照相应的焊缝中心线运行。同时本发明的在线纠偏可以在焊接过程中，通过估计焊枪末端的实时运动轨迹，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动，由此保证了焊接的焊接质量和焊接平整性。
附图说明
图1为本发明焊接方法的流程示意图；
图2是图形预处理的流程示意图；
图3为经过灰度线性变换增强后的图像示意图；
图4为分割处理的流程示意图；
图5为形态学处理的流程示意图；
图6为离线纠偏的流程图；
图7为本发明装置的结构示意图；
图8为焊接柜体7的内部结构示意图；
图9为泵壳与出水管的装配示意图。
附图标记
1、焊接底座；2、升降气缸；3、焊接平台；4、转动电机；5、转动盘；6、定位盘；7、焊接柜体；8、三轴移动机构；9、焊枪；10、抽风机；11、第一相机；12、第二相机；13、泵壳；14、出水管；15、焊缝。
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说明，但并不作为对本发明限制的依据。
实施例1：一种不锈钢离心泵的出水管焊接方法，如图1所示，包括如下步骤：
步骤1、使用双目相机采集离心泵与出水管之间的焊缝图像，再对焊接图像进行预处理，以获得增强后的图像；本步骤中，所述预处理步骤如图2所示：
步骤1.1、使用双边滤波进行图像去噪；所述双边滤波是将空间距离和灰度相似度进行结合，以融合空间域和值域两方面的特征；其中空间距离是指目标点与模板中心点之间的距离，空间域的高斯函数如下：
式中：(xi，yi)为当前点图像位置，(xc，yc)为模板中心点位置，σ1为空间域标准差；
灰度值相似度为当前点的灰度值与模板中心点的灰度值两者之差的绝对值，其值域下的高斯函数如下：
式中：g(xi，yj)为当前点灰度值，g(xc，yc)为模板中心点的灰度值，σ2为值域的标准差；
所述双边滤波的核函数如下式所示：
式中：ω(i，j，k，l)为像素点的权重，f(k，l)表示邻域中心的像素值；
步骤1.2、对去噪后的图像进行灰度化处理；所述灰度化处理是采用加权平均法，根据重要性及其它指标,将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按下式对RGB三分量进行加权平均能得到较合理的灰度图像，公式如下：
Gary(i，j)＝0.299*R(i，j)+0.578*G(i，j)+0.114*B(i，j)；
式中：Gary(i，j)表示灰度化图像，R，G和B分别表示颜色三分量；
灰度化处理后的图像由一维数组表示的灰度图像，灰度图像保留了彩色图像的特征信息的同时在一定程度上降低了算法计算的维度。
步骤1.3、使用线性灰度变换法进行图像增强；所述线性灰度变换法的公式如下：
式中：a，b分别表示图像增强前后的像素灰度值的取值临界值，f(x，y)为原始像素点的灰度值，g(x，y)为线性灰度变换后的像素灰度值。
线性灰度变换法主要是通过改善图片像素灰度值的对比度来提高图像质量，其本质是按照一定的修改规则对图像每一个像素的灰度值进行修改，使像素值的动态范围更广，从而实现扩展图像整体对比度，使图像变得更加清晰且特征更加明显。如图3所示，经过灰度线性变换增强后的图像相比原图像而言整体的灰度值分布更加分散，有利于图像分割等操作，并且随着整体灰度值的提高也弥补了拍摄图像时由于光照原因图片亮度不足的问题。
步骤2、对增强后的图像进行分割处理，以将焊缝从焊缝图像中进行分离，得到焊缝初始图像；如图4所示，所述分割处理包括如下步骤：
步骤2.1、本步骤中使用Otsu算法进行阈值分割。Otsu算法主要原理是依据图像整体的灰度分布特性并将其分为前景和背景两部分，通过计算两者之间的类间方差来进行分割判断，若方差值越大则说明两者间的灰度差别越大，然后进一步提升其对比度以便分割，所以Otsu算法也被称为最大类间方差法。本步骤中的类间方差的求解如下所示：
其中：
式中：表示类间方差；P1为像素被分类到C1的概率；P2为像素被分类到C2的概率，m1为分配到C1的像素的平均灰度值；m2为分配到C2的像素的平均灰度值；mG为图像全局均值；k为灰度级；pi为像素的灰度级为i的概率；L为灰度级总数；
类间方差的求解中，令{0，1，2，...，L-1}表示一幅大小为M×N像素的数字图像中的L个不同的灰度级,ni表示灰度级为i的像素数,像素的灰度级为的概率i为pi,且假设选择一个阈值T(k)＝k，0＜k＜L-1，并使用它把输入图像阈值化处理为两类C1和C2，其中，C1由图像中灰度值在范围[0，k]内的所有像素组成，C2由灰度值在范围[k+1，L-1]内所有像素组成。则像素被分类到C1的概率为分类到C2的概率为则分配到C1的像素的平均灰度值为分配到C2的则为灰度级为0到k的像素的平均灰度值为：整个图像的平均灰度值为：类间方差为(略去k)，全局方差为：
然后使用高斯滤波对图像进行处理，以放大图像的对比度并增强边缘轮廓信息，处理的公式如下：
式中：fs(x，y)为高斯函数与图像进行卷积的结果；G(x，y)为一维零均值高斯核函数；f(x，y)为原始像素点的灰度值；σ为标准差；
再计算图像灰度梯度：
dx＝f(x，y)·Sobelx(x，y)
dy＝f(x，y)·Sobely(x，y)；
式中：Sobel为索贝尔算子；
进而得到图像梯度幅值与角度如下：
式中：M[x，y]为梯度值，θM为梯度方向，dx和dy分别表示图像在水平与竖直方向上的梯度；
步骤2.2、根据计算获得的图像在水平与竖直方向上的梯度，沿着梯度方向对幅值进行非极大值抑制；对于每个像素点，将其邻域的中心值与对应梯度方向上的相邻两个像素进行比较，若为最大值则表明该点为边缘值，并保留宽度为1像素点，否则置为0，以此通过canny边缘检测保留局部梯度最大的点，得到边缘特征；
步骤2.3、使用双重阈值对提取到的的边缘特征进行筛选，通过设置高低两种不同阈值来确定最终的边缘像素点，若步骤2.2中得到的像素邻域边缘梯度大于所设定的高阈值则判定为边缘，小于所设定的低阈值则判定为非边缘，介于阈值之间的像素点则根据其是否与边缘像素相连来进行判断，相连则被判定为边缘特征像素点；
步骤2.4、使用霍夫直线检测，通过概率挑选机制随机选取个别点来计算得到直线，每一条直线由具有四个元素的矢量(x1，y1，x2，y2)，其中(x1，y1)表示线段的起点，(x2，y2)表示线段的终点。霍夫直线检测是用于获取线段的两个端点的位置坐标，以辅助后面的图像分割和形态学处理等操作。
步骤3、对焊缝初始图像进行形态学处理，得到激光条纹图像，然后提取激光条纹图像的焊缝中心线；本步骤中，如图5所示，所述形态学处理的步骤如下：
首先对焊缝初始图像(即分割后的图像)进行图像膨胀，图像膨胀的原理是将目标图像与其周围的相邻点进行合并，从而使目标图像的边界向外部扩展的过程，用于填补图像中的空洞，其公式如下：
其中：A表示焊缝初始图像；B表示结构元素，S表示膨胀后的图像，α，β表示B结构元素的锚点移到焊缝初始图像A的某一像素点坐标；表示经过二值化后的像素集合；
图像膨胀处理的过程是让结构元素B在原图像A上逐行移动，当B的锚点移到某一像素点(i，j)时，如果目标图像上至少一个像素与B中的元素相交，将该像素点向外扩展得到展开的结果。
然后进行图像腐蚀，去除物体周围细小的物体，其公式如下：
图像腐蚀处理是在每个像素点位置上，使结构元素B的锚点移到A的某一像素点(i，j)时，如果B中的元素与以像素点(i，j)为中心的相邻域对应元素相同，就保留该像素点；否则删除该像素点，最后获得目标向内缩减的结果。
最后进行图像开运算和闭运算，其中先腐蚀后膨胀被称为开运算，开运算公式如下：
开运算目的是可以消除图中毛刺、离散的小块亮斑以及平滑目标边界，且物体大小几乎不变。
先膨胀后腐蚀被称为闭运算，其目的是填补目标物体的内部空洞，闭运算公式如下：
经过前面方法处理后，可以得到的是具有一定宽度的激光条纹图像，在其基础上先对焊缝激光条纹进行中心线提取，以保证焊缝特征点提取的精度，具体过程是根据求解矩阵Hessian的特征值和相对应的特征向量确定激光条纹图像的法线方向，然后在法线方向上求出极值点得到光条中心的亚像素坐标，具体的，一阶导数为零的点位于当前像素内，且方向的二阶导数大于指定的阈值，则以(x0，y0)表示光条的中心点，(px，py)为亚像素坐标，(nx，ny)为Hessian矩阵最大特征值对应于光条的法线方向的特征向量，(tnx，tny)是中心点与亚像素的偏移量(其绝对值不能超过0.5，超过0.5就跑出该像素的范围)，其关系如下：
(tnx，tny)∈[-0.5，0.5]×[-0.5，0.5]；
在以上Hessian矩阵的表达式如下：
式中：g′(x，y)为二维高斯函数；Z(x，y)表示激光条纹图像；rxx和ryy分别表示x和y方向上的二阶导数，rxy表示二阶混合导数。
步骤4、根据焊缝中心线的进行焊枪的运行轨迹控制以实现焊枪对离心泵与出水管之间焊缝的焊接。所述焊枪的运行轨迹控制包括焊枪的离线纠偏和在线纠偏；所述离线纠偏是通过对焊缝中心线进行轨迹匹配得到符合现阶段焊缝焊接所需的示教点，将其与初始示教的示教姿态信息相结合，更新初始的示教程序，完成焊缝的离线纠偏工作，离线纠偏是在焊接之前用于对焊枪运行轨迹的试调整，使得焊枪在焊接之前预演一遍行进轨迹。所述在线纠偏是在焊接过程中，通过估计焊枪末端的实时运动轨迹，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动。
如图6所示，所述离线纠偏的具体过程如下：
采用最小二乘拟合平面计算焊缝中心线轨迹以及示教轨迹的每个数据点的法向量使用最小二乘拟合曲面S(x，y)的方法计算曲率，再使用公式分别计算主曲率(k1，k2)的平均曲率(H)和高斯曲率(K)：
式中：Es＝SxSx；Fs＝SxSy；Gs＝SySy；Sx是拟合曲面S(x，y)在x方向的一阶偏微分；Sy拟合曲面S(x，y)在x方向的一阶偏微分；Syy拟合曲面S(x，y)在y方向的二阶偏微分；Sxx是拟合曲面S(x，y)在x方向的二阶偏微分；Sxy为Sx在y方向的二阶偏微分；为示教轨迹的每个数据点的法向量；Ls、Ns和Ms分别为拟合曲面S(x，y)的第一基本不变量Es、Fs和Gs分别为拟合曲面S(x，y)的第二基本不变量；
曲面的第一级别形式和第二基本形式表示为：
然后找到两轨迹曲率相似的点，然后基于曲率的距离函数来度量匹配点对的相似度：构建基于曲率的四元征向量，公式如下：
X＝(K H k1 k2)；
使用Xi和Xz分别表示示教轨迹点pi和焊缝检测轨迹qz的的特征，pi和qz的相似度定义如下：
式中：Siz表示相似度；D(pi，qz)＝||Xi-Xz||；
接着对寻找的相似点进行去中心处理，求取两个轨迹数据的中心和以及对应的协方差和MQ，其公式如下：
式中：n表示两轨迹数据的采样点数；
本实施例中的中心化处理以示教轨迹数据P＝{x1，x2，...，xn}为例，公式如下：
其中，n表示轨迹采样点数目，xi和xj分别表示i和j处采样点坐标。
求取协方差的特征值：MP1 TMP1x＝λx，λ为特征值，x为n维非零列向量；
提取两轨迹数据最大的前2个特征值和其对应的特征向量(η1，η2)和(ξ1，ξ2)；以及根据前两特征向量叉乘获取的获得第三个特征向量(η3，ξ3)；前两个特征值的特征向量作为主方向，第三主方向是根据前两特征向量叉乘获取的，采用三个主方向的特征向量构造特征矩阵。最后，通过特征矩阵求出两轨迹的转换矩阵。
建立焊缝中心线轨迹Q以及示教轨迹P1的特征矩阵，公式如下：
其中，焊缝中心线轨迹Q和示教轨迹P1的主方向分别为WQ和；
获取初始匹配的转换矩阵(R0，T0)：
式中：R0为旋转矩阵，T0为平移向量；
最后根据初始匹配的转换矩阵(R0，T0)更新示教点的位置，从而输出纠偏后的示教程序，完成焊缝的离线纠偏工作。
本步骤中，所述在线纠偏中，焊枪末端的实时运动轨迹的估计采用跟踪微分器和扩张状态观测器进行，其中跟踪微分器的公式如下：
式中：fhan为最速综合函数；v为线结构光传感器采集的目标点作为输入信号；v1是对输入信号的跟踪信信号；v2是v1的微分；k为比例系数，比例系数越大,跟踪越快,但滤波效果会变差；r为速度因子；h为滤波因子；当r过大时会放大噪声，因此引入滤波因子h对噪声进行抑制，h越大滤波效果越好，同时还能减小超调，提高系统的鲁棒性；
扩张状态观测器的公式如下：
式中：e为焊枪当前位置与目标点之间的偏差；z1为目标位置的观测估计，z2为焊接速度的观测估计；z3为系统总扰动的观测估计；y(k)为系统输出的焊枪实时位置；β01，β02和β03分别为系统的增益参数；α1和α2为0至1之间的增益常数；τ为影响滤波效果的常数；fal为非线性饱和函数，其表达式如下
式中：α为0至1的常数；e为fal函数的误差；
根据跟踪微分器和扩张状态观测器得到焊枪末端与焊缝中心线的状态误差的非线性反馈率：
式中：e1为位置误差信号；e2为位置误差微分信号；u0为非线性状态误差非线性反馈率；β1和β2为可调权重参数；
根据非线性反馈率获取扰动补偿：
式中：u(k)为用扰动估计值z3对u0进行补偿得到最终纠偏量；
由此根据最终纠偏量对焊枪位置进行在线纠偏，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动。
实施例2：本实施例提供一种用于实施例1的焊接方法运行的焊接装置，如图7和图8所示，包括焊接底座1，焊接底座1上设置有升降气缸2；所述焊接底座1上可升降的连接有焊接平台3，焊接平台3的底面与升降气缸2的伸缩端连接；所述焊接平台3的背面还设有转动电机4，转动电机4的输出端连接有设置焊接平台3的表面的转动盘5，转动盘5上设有用于固定泵壳13的定位盘6；所述焊接平台3上还设有焊接柜体7，焊接柜体7内设置有控制柜；所述焊接柜体7的上端设有三轴移动机构8，三轴移动机构8的下端设有焊枪9和第一相机11；所述焊接柜体7的侧面还设有第二相机12；所述第一相机11、第二相机12和三轴移动机构8均与控制柜电连接。所述第一相机11和第二相机12形成双目相机；本实施例中的焊接底座1通过升降气缸1来带动焊接平台3的上下移动，用于初步的调整焊接平台的高度；所述定位盘6用于固定泵壳，同时设置转动电机4可带动转动盘5转动，以便于调整泵壳13的相对位置，方便双目相机采集焊缝图像；如图9所示，泵壳13与出水管14压装后，所形成的焊缝13为非规则的椭圆形；本实施例中的三轴移动机构8所实现的是x、y和z轴的运动，其采用的是常规电机带动丝杆转动以实现丝杆上移动块的移动，并在其两侧分别设置滑轨以实现移动的稳定性；本实施例的三轴移动机构是常规的伺服电机驱动方式，伺服电机与控制柜电连接，控制柜中具有芯片以及相应处理能力的控制电路板以实现整体装置的控制。再进一步地，本发明在所述三轴移动机构8的下端还设有位于焊枪9一侧的抽风机10，抽风机可实现对辅助去雾，以便于双目相机的拍摄。
综上所述，本发明可以实现泵壳和进水管的机器自动焊接，减少人力成本，提高了焊接效率、焊接质量和焊接平整性。
Claims (10)
1.一种不锈钢离心泵的出水管焊接方法，其特征在于：包括如下步骤：
步骤1、使用双目相机采集离心泵与出水管之间的焊缝图像，再对焊接图像进行预处理，以获得增强后的图像；
步骤2、对增强后的图像进行分割处理，以将焊缝从焊缝图像中进行分离，得到焊缝初始图像；
步骤3、对焊缝初始图像进行形态学处理，得到激光条纹图像，然后提取激光条纹图像的焊缝中心线；
步骤4、根据焊缝中心线的进行焊枪的运行轨迹控制以实现焊枪对离心泵与出水管之间焊缝的焊接。
2.根据权利要求1所述的不锈钢离心泵的出水管焊接方法，其特征在于：步骤1中，所述预处理步骤如下：
步骤1.1、使用双边滤波进行图像去噪；所述双边滤波是将空间距离和灰度相似度进行结合，以融合空间域和值域两方面的特征；其中空间距离是指目标点与模板中心点之间的距离，空间域的高斯函数如下：
式中：(xi，yj)为当前点图像位置，(xc，yc)为模板中心点位置，σ1为空间域标准差；
灰度值相似度为当前点的灰度值与模板中心点的灰度值两者之差的绝对值，其值域下的高斯函数如下：
式中：g(xi，yj)为当前点灰度值，g(xc，yc)为模板中心点的灰度值，σ2为值域的标准差；
所述双边滤波的核函数如下式所示：
式中：ω(i，j，k，l)为像素点的权重，f(k，l)表示邻域中心的像素值；
步骤1.2、对去噪后的图像进行灰度化处理；所述灰度化处理是采用加权平均法，公式如下：
Gary(i，j)＝0.299*R(i，j)+0.578*G(i，j)+0.114*B(i，j)；
式中：Gary(i，j)表示灰度化图像，R，G和B分别表示颜色三分量；
步骤1.3、使用线性灰度变换法进行图像增强；所述线性灰度变换法的公式如下：
式中：a，b分别表示图像增强前后的像素灰度值的取值临界值，f(x，y)为原始像素点的灰度值，g(x，y)为线性灰度变换后的像素灰度值。
3.根据权利要求1所述的不锈钢离心泵的出水管焊接方法，其特征在于：步骤2中，所述分割处理包括如下步骤：
步骤2.1、依据图像整体的灰度分布特性并将其分为前景和背景两部分，通过计算两者之间的类间方差来进行分割判断，所述类间方差的求解如下所示：
其中：
式中：表示类间方差；P1为像素被分类到C1的概率；P2为像素被分类到C2的概率，m1为分配到C1的像素的平均灰度值；m2为分配到C2的像素的平均灰度值；mG为图像全局均值；k为灰度级；pi为像素的灰度级为i的概率；L为灰度级总数；
然后使用高斯滤波对图像进行处理，以放大图像的对比度并增强边缘轮廓信息，处理的公式如下：
式中：fs(x，y)为高斯函数与图像进行卷积的结果；G(x，y)为一维零均值高斯核函数；f(x，y)为原始像素点的灰度值；σ为标准差；
再计算图像灰度梯度：
dx＝f(x，y)·Sobelx(x，y)
dy＝f(x，y)·Sobely(x，y)；
式中：Sobel为索贝尔算子；
进而得到图像梯度幅值与角度如下：
式中：M[x，y]为梯度值，θM为梯度方向，dx和dy分别表示图像在水平与竖直方向上的梯度；
步骤2.2、根据计算获得的图像在水平与竖直方向上的梯度，沿着梯度方向对幅值进行非极大值抑制；对于每个像素点，将其邻域的中心值与对应梯度方向上的相邻两个像素进行比较，若为最大值则表明该点为边缘值，并保留宽度为1像素点，否则置为0，以此通过canny边缘检测保留局部梯度最大的点，得到边缘特征；
步骤2.3、使用双重阈值对提取到的的边缘特征进行筛选，通过设置高低两种不同阈值来确定最终的边缘像素点，若步骤2.2中得到的像素邻域边缘梯度大于所设定的高阈值则判定为边缘，小于所设定的低阈值则判定为非边缘，介于阈值之间的像素点则根据其是否与边缘像素相连来进行判断，相连则被判定为边缘特征像素点；
步骤2.4、使用霍夫直线检测，通过概率挑选机制随机选取个别点来计算得到直线，每一条直线由具有四个元素的矢量(x1，y1，x2，y2)，其中(x1，y1)表示线段的起点，(x2，y2)表示线段的终点。
4.根据权利要求1所述的不锈钢离心泵的出水管焊接方法，其特征在于：步骤3中，所述形态学处理的步骤如下：
首先对焊缝初始图像进行图像膨胀，用于填补图像中的空洞，其公式如下：
其中：A表示焊缝初始图像；B表示结构元素，S表示膨胀后的图像，α，β表示B结构元素的锚点移到焊缝初始图像A的某一像素点坐标；表示经过二值化后的像素集合；
然后进行图像腐蚀，去除物体周围细小的物体，其公式如下：
最后进行图像开运算和闭运算，其中开运算公式如下：
闭运算公式如下：
5.根据权利要求1所述的不锈钢离心泵的出水管焊接方法，其特征在于：步骤3中，所述焊缝中心线提取是根据求解矩阵Hessian的特征值和相对应的特征向量确定激光条纹图像的法线方向，然后在法线方向上求出极值点得到光条中心的亚像素坐标；具体的，以(x0，y0)表示光条的中心点，(px，py)为亚像素坐标，(nx，ny)为Hessian矩阵最大特征值对应于光条的法线方向的特征向量，(tnx，tny)是中心点与亚像素的偏移量，其关系如下：
(px，py)＝(x0+tnx，y0+tny)；
(tnx，tny)∈[-0.5，0.5]×[-0.5，0.5]；
Hessian矩阵的表达式如下：
式中：；g′(x，y)为二维高斯函数；Z(x，y)表示激光条纹图像；rxx和ryy分别表示x和y方向上的二阶导数，rxy表示二阶混合导数。
6.根据权利要求1所述的不锈钢离心泵的出水管焊接方法，其特征在于：所述焊枪的运行轨迹控制包括焊枪的离线纠偏和在线纠偏；所述离线纠偏是通过对焊缝中心线进行轨迹匹配得到符合现阶段焊缝焊接所需的示教点，将其与初始示教的示教姿态信息相结合，更新初始的示教程序，完成焊缝的离线纠偏工作；所述在线纠偏是在焊接过程中，通过估计焊枪末端的实时运动轨迹，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动。
7.根据权利要求6所述的不锈钢离心泵的出水管焊接方法，其特征在于：所述离线纠偏的具体过程如下：
采用最小二乘拟合平面计算焊缝中心线轨迹以及示教轨迹的每个数据点的法向量使用最小二乘拟合曲面S(x，y)的方法计算曲率，再使用公式分别计算主曲率(k1，k2)的平均曲率(H)和高斯曲率(K)：
式中：Es＝SxSx；Fs＝SxSy；Gs＝SySy；Sx是拟合曲面S(x，y)在x方向的一阶偏微分；Sy拟合曲面S(x，y)在x方向的一阶偏微分；Syy拟合曲面S(x，y)在y方向的二阶偏微分；Sxx是拟合曲面S(x，y)在x方向的二阶偏微分；Sxy为Sx在y方向的二阶偏微分；为示教轨迹的每个数据点的法向量；Ls、Ns和Ms分别为拟合曲面S(x，y)的第一基本不变量Es、Fs和Gs分别为拟合曲面S(x，y)的第二基本不变量；
然后找到两轨迹曲率相似的点，然后基于曲率的距离函数来度量匹配点对的相似度：构建基于曲率的四元征向量，公式如下：
X＝(K H k1 k2)；
使用Xi和Xz分别表示示教轨迹点pi和焊缝检测轨迹qz的的特征，pi和qz的相似度定义如下：
式中：Siz表示相似度；D(pi，qz)＝||Xi-Xz||；
接着对寻找的相似点进行去中心处理，求取两个轨迹数据的中心和以及对应的协方差和MQ，其公式如下：
式中：n表示两轨迹数据的采样点数；
求取协方差的特征值MP1 TMP1x＝λx，λ为特征值，x为n维非零列向量；
提取两轨迹数据最大的前2个特征值和其对应的特征向量(η1，η2)和(ξ1，ξ2)；以及根据前两特征向量叉乘获取的获得第三个特征向量(η3，ξ3)；
建立焊缝中心线轨迹Q以及示教轨迹P1的特征矩阵，公式如下：
其中，焊缝中心线轨迹Q和示教轨迹P1的主方向分别为WQ和
获取初始匹配的转换矩阵(R0，T0)：
式中：R0为旋转矩阵，T0为平移向量；
最后根据初始匹配的转换矩阵(R0，T0)更新示教点的位置，从而输出纠偏后的示教程序，完成焊缝的离线纠偏工作。
8.根据权利要求6所述的不锈钢离心泵的出水管焊接方法，其特征在于：所述在线纠偏中，焊枪末端的实时运动轨迹的估计采用跟踪微分器和扩张状态观测器进行，其中跟踪微分器的公式如下：
式中：fhan为最速综合函数；v为线结构光传感器采集的目标点作为输入信号；v1是对输入信号的跟踪信信号；v2是v1的微分；k1为比例系数；r为速度因子；h为滤波因子；
扩张状态观测器的公式如下：
式中：e为焊枪当前位置与目标点之间的偏差；Z1为目标位置的观测估计，Z2为焊接速度的观测估计；Z3为系统总扰动的观测估计；y(k1)为系统输出的焊枪实时位置；β01，β02和β03分别为系统的增益参数；α1和α2为0至1之间的增益常数；τ为影响滤波效果的常数；fal为非线性饱和函数，其表达式如下
式中：α为0至1之间的常数；e为fal函数的误差；
根据跟踪微分器和扩张状态观测器得到焊枪末端与焊缝中心线的状态误差的非线性反馈率：
式中：e1为位置误差信号；e2为位置误差微分信号；u0为非线性状态误差非线性反馈率；β1和β2为可调权重参数；
根据非线性反馈率获取扰动补偿：
式中：u(k)为用扰动估计值z3对u0进行补偿得到最终纠偏量；
由此根据最终纠偏量对焊枪位置进行在线纠偏，使其能够始终保持在一个良好的偏差范围内沿着焊缝中心线进行运动。
9.根据权利要求1-8任一项所述的不锈钢离心泵的出水管焊接方法的焊接装置，其特征在于：包括焊接底座(1)，焊接底座(1)上设置有升降气缸(2)；所述焊接底座(1)上可升降的连接有焊接平台(3)，焊接平台(3)的底面与升降气缸(2)的伸缩端连接；所述焊接平台(3)的背面还设有转动电机(4)，转动电机(4)的输出端连接有设置焊接平台(3)的表面的转动盘(5)，转动盘(5)上设有用于固定泵壳的定位盘(6)；所述焊接平台(3)上还设有焊接柜体(7)，焊接柜体(7)内设置有控制柜；所述焊接柜体(7)的上端设有三轴移动机构(8)，三轴移动机构(8)的下端设有焊枪(9)和第一相机(11)；所述焊接柜体(7)的侧面还设有第二相机(12)；所述第一相机(11)、第二相机(12)和三轴移动机构(8)均与控制柜电连接。
10.根据权利要求9所述的不锈钢离心泵的出水管焊接方法的焊接装置，其特征在于：所述三轴移动机构(8)的下端还设有位于焊枪(9)一侧的抽风机(10)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311580359.6A CN117359149A (zh) | 2023-11-24 | 2023-11-24 | 一种不锈钢离心泵的出水管焊接方法及焊接装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311580359.6A CN117359149A (zh) | 2023-11-24 | 2023-11-24 | 一种不锈钢离心泵的出水管焊接方法及焊接装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117359149A true CN117359149A (zh) | 2024-01-09 |
Family
ID=89394960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311580359.6A Pending CN117359149A (zh) | 2023-11-24 | 2023-11-24 | 一种不锈钢离心泵的出水管焊接方法及焊接装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117359149A (zh) |
-
2023
- 2023-11-24 CN CN202311580359.6A patent/CN117359149A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107798330B (zh) | 一种焊缝图像特征信息提取方法 | |
| CN107145905B (zh) | 电梯紧固螺帽松动的图像识别检测方法 | |
| CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
| CN108637435A (zh) | 一种基于视觉与弧压传感的三维焊缝跟踪系统及方法 | |
| CN111311679A (zh) | 一种基于深度相机的自由漂浮目标位姿估计方法 | |
| CN116757990A (zh) | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN112734761B (zh) | 工业品图像边界轮廓提取方法 | |
| CN115127479A (zh) | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 | |
| CN107832674B (zh) | 一种车道线检测方法 | |
| CN111860501B (zh) | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 | |
| CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
| 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 | |
| CN113674218B (zh) | 焊缝特征点提取方法、装置、电子设备与存储介质 | |
| CN107909085A (zh) | 一种基于Harris算子的图像特征角点提取方法 | |
| CN117557626B (zh) | 一种气雾喷雾器喷头安装辅助定位方法 | |
| CN115597512A (zh) | 一种汽车间隙测量及误差矫正方法 | |
| CN109671084B (zh) | 一种工件形状的测量方法 | |
| CN117611525A (zh) | 一种受电弓滑板磨耗视觉检测方法和系统 | |
| CN111178210B (zh) | 一种十字标记的图像识别及对准方法 | |
| CN117359149A (zh) | 一种不锈钢离心泵的出水管焊接方法及焊接装置 | |
| CN110501339B (zh) | 一种复杂环境下的布面定位方法 | |
| CN116594351A (zh) | 一种基于机器视觉的数控加工单元系统 | |
| CN114932292B (zh) | 一种窄间隙被动视觉焊缝跟踪方法及系统 | |
| CN113505811A (zh) | 一种轮毂生产用机器视觉成像方法 |
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 |