CN210334836U - 一种基于平行结构光的焊缝线跟踪装置 - Google Patents
一种基于平行结构光的焊缝线跟踪装置 Download PDFInfo
- Publication number
- CN210334836U CN210334836U CN201920063927.8U CN201920063927U CN210334836U CN 210334836 U CN210334836 U CN 210334836U CN 201920063927 U CN201920063927 U CN 201920063927U CN 210334836 U CN210334836 U CN 210334836U
- Authority
- CN
- China
- Prior art keywords
- structure light
- limiting
- parallel structure
- arch
- line tracking
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本实用新型公开了一种基于平行结构光的焊缝线跟踪装置,包括拱门架、图像捕捉模块、平行结构光投射模块、超声波探头、以及用于连接拱门架与机器人的前叉臂。使用时,通过设计一个合理的平行结构光投射与图像采集平台,使得平行结构光能够同时投射在焊接件的母材区域和焊缝区域,由于结构光光路变化所反映的是物体的高度变化,因此结构光条纹特征与焊缝材质、表面纹理状态没有任何关系,通过摄像头捕获并分析出结构光光路变化所反映出来的焊缝表面几何结构变化,就可以分割出母材区域和焊缝区域,从而精确地确定焊缝线,给机器人跟踪焊缝提供稳定、可靠的的支持。
Description
技术领域
本实用新型涉及焊缝线视觉跟踪技装置与技术领域,尤其涉及一种基于平行结构光的焊缝线跟踪装置。
背景技术
焊后自动无损检测系统通常由移动机器人,机器视觉模块,超声探伤模块组成。无损探伤的工作环境一般在室外进行,因此移动机器人不能够预先路径规划,需要根据摄像头的实时路径检测与跟踪来控制机器人移动。而且室外环境下通常光照强度变化较大,导致了摄像头捕获的图像光照强度多变,这使得图像与处理工作比较困难,鲁棒性差,同时室外的管道焊缝、相贯线焊缝表面经常落满灰尘、油污、鸟粪等干扰,使得焊缝表面的颜色、纹理特征发生变异,这都是图像处理领域常用的识别特征,因此进一步加剧了图像处理识别难度。
在本研究领域中,在先技术人员提出过基于人工轨道的识别方案“一种基于焊缝的自动寻迹方法和自动寻迹装置(CN105446360A)”,在这专利中,实用新型人利用预先铺设在焊缝边界上的人工磁性贴条,通过摄像头捕获这一人工贴条并进行分析处理,最终得到人工贴条的中心线,把识别并跟踪焊缝线的问题转化为识别和跟踪人工轨道的问题。而论文“用于相贯线焊缝检测机器人的图像处理算法”提出了一种类似的方案,是基于彩色人工轨道的识别与跟踪方法,达到无损检测机器人的自动导航。
此外,也有直接利用焊缝表面纹理特征的识别方案,“一种基于焊缝的图像识别方法和图像识别系统(CN105427295A)”专利中,提出了利用摄像头直接捕获焊缝(包含母材区域)的照片,然后利用灰度统计法和灰度共生矩阵二次统计法分析图片中的包括均值、标准差、一致性、能量、第一熵、第二熵、对比度、相关性等纹理特征,利用这些统计特征,分析出母材区域与焊缝区域的特征差异,从而完成母材和焊缝区域分割,分割后的区域边界定义为焊缝线,从而实现对焊缝线的实时跟踪。
以上方案优缺点分析,基于人工轨道的方案是简单易行的。因为人工轨道特征区分度明显,而且很稳定,因此图像处理算法很简单,跟踪起来很方便,但是缺点也很致命,大部分如工场大型管道、风力发电塔、桥梁等焊接件检测现场是极其恶劣的,布置人工轨道成本高,危险性极大。而基于焊缝表面纹理特征的图像处理方案有其一定的适应性,的确母材区域和焊缝区域的纹理特征有很大区别,但是这种区别也是非固定的,当遇到焊接件表面被灰尘干扰,或者涂抹油漆,该方案就无法实施。
除此之外,现有技术还存在以下不足的地方:
1、技术发展不足,现代的无损检测技术往往是依靠专业人员手动完成的,自动无损检测设备的应用非常少且智能化不足。由于作业环境的恶劣,工人施工安全很难保证,作业难度和强度很大,同时作业难度大和人工手动采集数据往往偏差大,稳定性差,而且无法实时记录和回溯,不利于缺陷定位,本实用新型所提出的是一种通用于自动无损检测机器人的焊缝实时定位和跟踪视觉导航算法,因此可以为自动无损检测提供极大的帮助;
2、环境缺点1,自动无损检测是在室外进行,不可避免地光照变化不可预料的,因此使用了深度学习模型MobileNet-SSD对结构光焊缝图像进行预处理,直接检测出包含焊缝边界的ROI(regions of interest)。该ROI仅占整个图像面积的10%,因此不仅能够过滤噪点与光斑,还能够提高图像处理速度;
3、环境缺点2,同样还是室外检测问题,大型焊接件表面经常会有灰尘、油污、鸟粪等干扰,甚至因为焊缝表面涂抹油漆,这将导致了传统的利用焊缝与母材区域颜色、纹理特征区分的图像处理算法失效,本实用新型将使用新型的平行结构光投射到焊缝与母材表面,通过采集结构光光路的变化图像,分析结构光光路改变的特征从而识别出焊缝表面的变化,可以免受上述干扰;
4、焊缝边界特征的缺点,其他类似方案使用单根或两根结构光条纹的特征提取焊缝边界点一般是在焊接件自动焊接前或者焊接过程中做引导作用,焊接前的工件接头处特征比较明显,一般呈现三角形或T型,但是焊接后所形成的焊缝线则没有明显的几何特征,只能从较大范围全局的角度进行识别,才能准确找到焊缝边界线,因此本实用新型创造性地使用多段平行结构光发生器投射到焊缝包含母材区域,融合了多段结构光所提取出来的焊缝边界点和边界区域信息,构建出焊缝线优化模型,在候选焊缝边界中进行全局迭代,寻找到最佳焊缝线。该方案的特点是融合了多个焊缝边界信息,从焊缝边界整体角度出发寻优焊缝线,多信息的融合可以提高信息的信噪比,使得识别模型更具有鲁棒性。
因此,现有技术需要进一步改进和完善。
实用新型内容
本实用新型的目的在于克服现有技术的不足,提供一种结构简单、基于平行结构光的焊缝线跟踪装置。
本实用新型的目的通过下述技术方案实现:
一种基于平行结构光的焊缝线跟踪装置,该焊缝线跟踪装置主要包括拱门架、图像捕捉模块、平行结构光投射模块、超声波探头、以及用于连接拱门架与机器人的前叉臂。所述前叉臂的一端与拱门架连接,另一端与机器人连接。所述图像捕捉模块设置在拱门架顶部,朝下捕捉焊缝图像。所述平行结构光投射模块设为两组,对称设置在拱门架的两侧。所述超声波探头设置在拱门架内,与拱门架两侧固定连接。
具体的,所述平行结构光投射模块包括用于产生平行结构光的发生器、用于调节结构光焦距的调焦旋钮、用于固定发生器的支座、以及用于调节结构光投射角度的角度旋钮。所述支座采用环形结构设计,所述发生器安装在支座内。所述调焦旋钮设置在支座一侧,与发生器连接。所述支座设置在拱门架上,其另一侧通过角度旋钮与拱门架连接。
具体的,所述图像捕捉模块包括摄像头、第一限位块、以及限位板。所述拱门架的顶部设有用于安装摄像头的限位槽。所述限位槽沿轴向设置。所述第一限位块的一端与摄像头固定连接,另一端嵌入限位槽内。所述限位板设为凸形,卡设在第一限位块上,其两端通过螺钉与拱门架连接,将第一限位块固定在限位槽内。
具体的,所述跟踪装置还包括用于固定超声波探头的限位孔组、限位螺丝组、第一限位孔、以及第一限位螺丝。所述限位孔组设置在拱门架底部的两侧,所述限位螺丝组拧入限位孔组内,将超声波探头固定。所述第一限位孔设置在拱门架两侧,位于限位孔组上方,所述第一限位螺丝拧入第一限位孔内,将超声波探头进一步固定。
作为本实用新型的优选方案,为了使跟踪装置与机器人连接效果更好,便于机器人操控跟踪装置,本实用新型所述前叉臂采用U型结构,其两端与拱门架连接,底部与机器人连接。
进一步的,为了使机器人能够驱动前叉臂绕拱门架转动,增加探头对焊缝表面的耦合度,实现多角度多方位的探测,本实用新型所述跟踪装置还包括用于连接前叉臂的圆轴、以及限制前叉臂摆动范围的第二限位块。所述前叉臂的端部设有与圆轴连接的开槽。所述第二限位块设置在拱门架两侧,并与拱门架固定连接。所述圆轴位于第二限位块上方,并嵌入前叉臂的开槽内。所述前叉臂与拱门架之间通过转动轴(圆轴)连接,这样更方便超声波探头的俯仰角运动,更容易贴合焊缝表面。
作为本实用新型的优选方案,为了使前叉臂顺畅地绕圆轴转动,本实用新型所述第二限位块的顶部采用弧形结构设计。
作为本实用新型的优选方案,为了使超声波探头固定在拱门架的效果更好,本实用新型所述限位孔组采用双孔并排结构设计,所述限位螺丝组与限位孔组数量一一对应。
进一步的,为了便于安装和调节平行结构光投射模块,本实用新型所述拱门架还包括凸起。所述凸起分别设置在拱门架的两侧,凸出于拱门架,并与拱门架固定连接。所述平行结构光投射模块安装在凸起上。所述凸起可通过上述角度旋钮来调整平行结构光投射模块的安装角度,从而调节结构光的投射角度。
本实用新型的工作原理及过程是:首先通过设计一个合理的平行结构光投射与图像采集平台,使得平行结构光能够同时投射在焊接件的母材区域和焊缝区域,由于结构光光路变化所反映的是物体的高度变化,因此结构光条纹特征与焊缝材质、表面纹理状态没有任何关系,通过摄像头捕获并分析出结构光光路变化所反映出来的焊缝表面几何结构变化,就可以分割出母材区域和焊缝区域,从而精确地确定焊缝线,给机器人跟踪焊缝提供稳定、可靠的的支持。
同时为了解决环境光照的多变使图像亮度变化不为稳定,以及因为焊缝表面不光滑导致捕获的图像中存在噪点与光斑,本方案采用了深度学习模型 MobileNet-SSD对结构光焊缝图像进行预处理,直接检测出包含焊缝边界的 ROI(regions of interest)。该ROI仅占整个图像面积的10%,因此不仅能够过滤噪点与光斑,还能够提高图像处理速度。
最后考虑到由于人工焊接或者多层自动焊接技术所产生金属焊缝边界是不稳定、不规则。因此在焊缝线识别阶段,创造性地融合了多段结构光所提取出来的焊缝边界点和边界区域信息,构建出焊缝线优化模型,在候选焊缝边界中进行全局迭代,寻找到最佳焊缝线。该方案的特点是融合了多个焊缝边界信息,从焊缝边界整体角度出发寻优焊缝线,多信息的融合可以提高信息的信噪比,使得识别模型更具有鲁棒性。
与现有技术相比,本实用新型还具有以下优点:
(1)本实用新型所提供的基于平行结构光的焊缝线跟踪装置能够同时投射出5段结构光条纹,比普通结构光发生器更多,意味着捕获的图像中含有更多焊缝信息,利用这些焊缝信息提取的焊缝边界点更多,从信息论角度看,可以提高信噪比,使得焊缝线提取算法更具有鲁棒性。
(2)本实用新型所提供的基于平行结构光的焊缝线跟踪装置使用了深度学习目标检测模型MobileNet-SSD对结构光焊缝图片进行预处理,不仅能够在光斑,光照不固定等干扰情况下迅速定位和识别出ROI,同时ROI仅占图像面积的10%,可以减少处理面积,加快图像处理算法速度,而且识别准确率达到90.5%。
(3)本实用新型所提供的基于平行结构光的焊缝线跟踪装置改进了区域生长算法,使用同步区域生长算法,设置每个周期生长h列,同时把生长长度从传统的像素级别扩展到半径φ范围内,可以生长出局部跳跃或者局部断线的结构光条纹,这是传统区域生长算法所不能的。
(4)本实用新型所提供的基于平行结构光的焊缝线跟踪装置采用基于几何特征变换提取焊缝边界信息,比传统的基于导数方法,滑窗面积等方法更简单快速,抗干扰能力更强,同时也能精确地定位焊缝边界点与边界区域。实验表明本方案所识别的焊缝边界点,X轴平均误差0.9像素点,Y轴平均误差0.4像素点。
(5)本实用新型所提供的基于平行结构光的焊缝线跟踪装置融合多个焊缝边界信息构建焊缝线模型,从整体的角度考虑焊缝线的最优解,而不是单纯利用提取出来的多个焊缝边界点进行拟合焊缝线,这样就避免了因为焊缝边界本身的不规则所导致的焊缝边界点提取出错,从而影响焊缝线的识别。实验表明本方案在提取的焊缝线与人工标定焊缝线之间的距离精度小于± 0.5mm,角度偏差小于±0.8°,能够非常精确地为自动无损检测机器人提供视觉导航信息。
附图说明
图1是本实用新型所提供的基于平行结构光的焊缝线跟踪装置的结构示意图。
图2是本实用新型所提供的基于平行结构光的焊缝线跟踪装置的立体图。
图3是本实用新型所提供的结构光焊缝示意图。
图4是本实用新型所提供的MobileNet-SSD模型示意图。
图5是本实用新型所提供的目标检测ROI图。
图6是本实用新型所提供的结构光图片二值化示意图。
图7是本实用新型所提供的结构光中心线提取示意图。
图8是本实用新型所提供的初始生长点与生长区域示意图。
图9是本实用新型所提供的同步区域生长算法原理图。
图10是本实用新型所提供的结构光区域生长特征提取的结果图。
图11是本实用新型所提供的坐标轴转换示意图。
图12是本实用新型所提供的焊缝线检测结果图。
图13是本实用新型所提供的图像处理算法流程图。
上述附图中的标号说明:
1-第一限位块,2-拱门架,3-限位板,4-摄像头,5-发生器,6-调焦旋钮,7-支座,8-第一限位螺丝,9-限位孔组,10-限位螺丝组,11-角度旋钮, 12-第一限位孔,13-圆轴,14-第二限位块,15-超声波探头,16-前叉臂。
具体实施方式
为使本实用新型的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本实用新型作进一步说明。
实施例1:
如图1和图2所示,本实施例公开了一种基于平行结构光的焊缝线跟踪装置,该焊缝线跟踪装置主要包括拱门架2、图像捕捉模块、平行结构光投射模块、超声波探头15、以及用于连接拱门架2与机器人的前叉臂16。所述前叉臂16的一端与拱门架2连接,另一端与机器人连接。所述图像捕捉模块设置在拱门架2顶部,朝下捕捉焊缝图像。所述平行结构光投射模块设为两组,对称设置在拱门架2的两侧。所述超声波探头15设置在拱门架2内,与拱门架2两侧固定连接。
具体的,所述平行结构光投射模块包括用于产生平行结构光的发生器5、用于调节结构光焦距的调焦旋钮6、用于固定发生器5的支座7、以及用于调节结构光投射角度的角度旋钮11。所述支座7采用环形结构设计,所述发生器5安装在支座7内。所述调焦旋钮6设置在支座7一侧,与发生器5连接。所述支座7设置在拱门架2上,其另一侧通过角度旋钮11与拱门架2连接。
具体的,所述图像捕捉模块包括摄像头4、第一限位块1、以及限位板3。所述拱门架2的顶部设有用于安装摄像头4的限位槽。所述限位槽沿轴向设置。所述第一限位块1的一端与摄像头4固定连接,另一端嵌入限位槽内。所述限位板3设为凸形,卡设在第一限位块1上,其两端通过螺钉与拱门架 2连接,将第一限位块1固定在限位槽内。
具体的,所述跟踪装置还包括用于固定超声波探头15的限位孔组9、限位螺丝组10、第一限位孔12、以及第一限位螺丝8。所述限位孔组9设置在拱门架2底部的两侧,所述限位螺丝组10拧入限位孔组9内,将超声波探头 15固定。所述第一限位孔12设置在拱门架2两侧,位于限位孔组9上方,所述第一限位螺丝8拧入第一限位孔12内,将超声波探头15进一步固定。
作为本实用新型的优选方案,为了使跟踪装置与机器人连接效果更好,便于机器人操控跟踪装置,本实用新型所述前叉臂16采用U型结构,其两端与拱门架2连接,底部与机器人连接。
进一步的,为了使机器人能够驱动前叉臂16绕拱门架2转动,增加探头对焊缝表面的耦合度,实现多角度多方位的探测,本实用新型所述跟踪装置还包括用于连接前叉臂16的圆轴13、以及限制前叉臂16摆动范围的第二限位块14。所述前叉臂16的端部设有与圆轴13连接的开槽。所述第二限位块 14设置在拱门架2两侧,并与拱门架2固定连接。所述圆轴13位于第二限位块14上方,并嵌入前叉臂16的开槽内。所述前叉臂16与拱门架2之间通过转动轴(圆轴13)连接,这样更方便超声波探头15的俯仰角运动,更容易贴合焊缝表面。
作为本实用新型的优选方案,为了使前叉臂16顺畅地绕圆轴13转动,本实用新型所述第二限位块14的顶部采用弧形结构设计。
作为本实用新型的优选方案,为了使超声波探头15固定在拱门架2的效果更好,本实用新型所述限位孔组9采用双孔并排结构设计,所述限位螺丝组10与限位孔组9数量一一对应。
进一步的,为了便于安装和调节平行结构光投射模块,本实用新型所述拱门架2还包括凸起。所述凸起分别设置在拱门架2的两侧,凸出于拱门架 2,并与拱门架2固定连接。所述平行结构光投射模块安装在凸起上。所述凸起可通过上述角度旋钮11来调整平行结构光投射模块的安装角度,从而调节结构光的投射角度。
实施例2:
结合图3至图13所示,本实施例还公开了一种用于平行结构光焊缝线跟踪装置的图像处理方法,具体操作步骤如下:
步骤一:摄像头采集结构光图像(S101)
本实用新型将通过摄像头4实时采集包含结构光的焊缝图像,摄像头分辨率设置为640*480,采集速度为30fps。采集的图像如图3所示。
步骤二:结构光图像样品采集与模型离线训练(S106、S107)
采集步骤一中的结构光的焊缝图像样本10000张,其中训练集8000张,测试集2000张。训练阶段把训练集图片压缩到300*300分辨率后传入到图4 中的深度学习目标检测模型MobileNet-SSD进行离线训练学习,初始学习率设置为0.004,迭代次数20万次。经过离线训练后,使用模型对测试集进行评估,识别的目标是焊缝的ROI区域,如图5所示。当交并比J=0.5时,识别准确率达90.3%。
步骤三:结构光图像ROI目标检测(S103)
S101实时采集焊缝结构光图像后,把图像传入S102进行目标检测,其中S102是经过了S106和S107离线训练好的深度学习目标检测模型 MobileNet-SSD,输出如图5的目标检测结果ROI,该区域将包含了结构光母材及焊缝区域的结构光特征信息。
步骤四:ROI区域二值化与结构光中心线提取
对ROI进行中值滤波和大津算法进行二值化,结果如图6所示。
然后对二值化的结构光条纹采用灰度重心法提取中心线,首先定义结构光条纹的宽度范围[10,30],然后顺序扫描图像每一行,当遇到首个中心点记录为p1,然后进入条纹区域继续扫描,当遇到边界点记录为pm。如果p1到pm的像素距离在宽度范围内,则使用灰度加权重心计算方法得到光条的中心pc:
其中pi,i=1...m为单条激光条纹上的点,f(pi)为激光条纹点的灰度值。当扫描完当前行所有像素点后,继续扫描图像下一列的所有行,直到遍历完整幅图像,灰度重心法提取结果如图7所示。
步骤五:同步区域生长算法生长出5段结构光区域(S104)
步骤S104将会改进传统的区域生长算法,使用同步区域生长算法生长出 5段结构光区域,详细步骤如下:
(1)初始化区域生长算法的生长种子点
考虑到母材区域的结构光条纹比较规则,初始种子点可以从母材区域进行选取。首先从ROI图像的最后一列选取中心点序列作为初始生长种子点 S={s1,s2,…,sm},每一个生长种子点对对应一个结构光条纹生长区域Ri,i=m,如图8所示。
(2)区域生长准则
从种子点S开始以周期步长h(h小于等于生长半径φ)为单位执行区域生长,即每个生长周期处理图像中Cj={c1,c2…,ch},j=1...h列的中心点,如图9 所示。计算每一列中心点Cj到S的欧氏距离:
其中Dj中每一行代表一个中心点到m个种子点的距离。我们需要把中心点归属到距离最近的中心点,因此将选取Dj每一行中的最小距离值,例如第一行最小值为如果小于生长半径φ=10,则认为c1中心点是属于R1区域的结构光条纹点,同理判断完Dj每一行中心点的归属,即完成一个周期的区域生长。
(3)每当完成一个周期区域生长,需要更新种子点序列S为当前周期的 Ch。周期步进h更新为:
其中θi为结构光条纹与图像水平方向的夹角,cos(θi)min表示选出所有结构光条纹中与水平方向夹角最大者,即弯曲程度最大的作为更新周期步长的依据。这样约束h后就不会出现由于周期步长大于导致一些弯曲程度特别大的结构光条纹无法被生长出来。
(4)区域生长终止条件
不断迭代步骤(2)~(4),直到以下两种情况出现:
1、生长周期内区域Ri,i=m没有新增中心点,则停止相应区域生长;
2、区域生长到图像的边界,则停止所有区域生长。
结构光区域生长特征提取的结果如图10所示,其中蓝色点表示区域内的点,红色点表示所有种子点。
步骤六:基于几何特征变换提取焊缝边界信息(S105)
(1)根据齐次坐标转换,计算出从坐标系A到坐标系B的平移矩阵T 和旋转矩阵R:
Rpi=[pi-N,pi+N],i=1...n
步骤七:构建焊缝线模型并寻找最优解(S106)
在步骤S106,将融合S105得到的多个焊缝边界信息构建焊缝线优化模型。
(1)首先设定焊缝构建焊缝线W1为:
W1=kx+b
(2)构建焊缝线的成本函数C,其原则是不仅要求Wi与pi尽可能接近,而且wi两侧的条纹中心点分布方差最大化。如下所示:
其中(xi,yi)为候选边界点pi的坐标值,为Ri与焊缝线Wl交点wi的坐标值,取值范围为Rpi,β为权重系数本文设置为1,为交点wi左边m-1个点的Y轴分布方差,为交点wi右边m-1个点的Y轴分布方差,方差计算方法如下:
(3)因此焊缝线的最优解就转化为了成本函数C的最小值问题,通过遍历激光条纹的候选边界区域Rpi中所有直线解,然后找到最小代价Cmin对应的直线模型解k*和b*:
W1 *=k*x+b*
最后输出最优的焊缝直线解W1=W1 *,以及对应的交点作为焊缝点Wp。如图13所示。
上述实施例为本实用新型较佳的实施方式,但本实用新型的实施方式并不受上述实施例的限制,其他的任何未背离本实用新型的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本实用新型的保护范围之内。
Claims (8)
1.一种基于平行结构光的焊缝线跟踪装置,其特征在于,包括拱门架、图像捕捉模块、平行结构光投射模块、超声波探头、以及用于连接拱门架与机器人的前叉臂;所述前叉臂的一端与拱门架连接,另一端与机器人连接;所述图像捕捉模块设置在拱门架顶部,朝下捕捉焊缝图像;所述平行结构光投射模块设为两组,对称设置在拱门架的两侧;所述超声波探头设置在拱门架内,与拱门架两侧固定连接;
所述平行结构光投射模块包括用于产生平行结构光的发生器、用于调节结构光焦距的调焦旋钮、用于固定发生器的支座、以及用于调节结构光投射角度的角度旋钮;所述支座采用环形结构设计,所述发生器安装在支座内;所述调焦旋钮设置在支座一侧,与发生器连接;所述支座设置在拱门架上,其另一侧通过角度旋钮与拱门架连接。
2.根据权利要求1所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述图像捕捉模块包括摄像头、第一限位块、以及限位板;所述拱门架的顶部设有用于安装摄像头的限位槽;所述限位槽沿轴向设置;所述第一限位块的一端与摄像头固定连接,另一端嵌入限位槽内;所述限位板设为凸形,卡设在第一限位块上,其两端通过螺钉与拱门架连接,将第一限位块固定在限位槽内。
3.根据权利要求1所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述跟踪装置还包括用于固定超声波探头的限位孔组、限位螺丝组、第一限位孔、以及第一限位螺丝;所述限位孔组设置在拱门架底部的两侧,所述限位螺丝组拧入限位孔组内,将超声波探头固定;所述第一限位孔设置在拱门架两侧,位于限位孔组上方,所述第一限位螺丝拧入第一限位孔内,将超声波探头进一步固定。
4.根据权利要求1所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述前叉臂采用U型结构,其两端与拱门架连接,底部与机器人连接。
5.根据权利要求1所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述跟踪装置还包括用于连接前叉臂的圆轴、以及限制前叉臂摆动范围的第二限位块;所述前叉臂的端部设有与圆轴连接的开槽;所述第二限位块设置在拱门架两侧,并与拱门架固定连接;所述圆轴位于第二限位块上方,并嵌入前叉臂的开槽内。
6.根据权利要求5所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述第二限位块的顶部采用弧形结构设计。
7.根据权利要求3所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述限位孔组采用双孔并排结构设计,所述限位螺丝组与限位孔组数量一一对应。
8.根据权利要求1所述的基于平行结构光的焊缝线跟踪装置,其特征在于,所述拱门架还包括便于安装和调节平行结构光投射模块的凸起;所述凸起分别设置在拱门架的两侧,凸出于拱门架,并与拱门架固定连接;所述平行结构光投射模块安装在凸起上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920063927.8U CN210334836U (zh) | 2019-01-15 | 2019-01-15 | 一种基于平行结构光的焊缝线跟踪装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920063927.8U CN210334836U (zh) | 2019-01-15 | 2019-01-15 | 一种基于平行结构光的焊缝线跟踪装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210334836U true CN210334836U (zh) | 2020-04-17 |
Family
ID=70173022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920063927.8U Expired - Fee Related CN210334836U (zh) | 2019-01-15 | 2019-01-15 | 一种基于平行结构光的焊缝线跟踪装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210334836U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114473153A (zh) * | 2022-04-01 | 2022-05-13 | 电王精密电器(北京)有限公司 | 一种油气长输管道焊接系统及方法 |
CN116030098A (zh) * | 2023-03-27 | 2023-04-28 | 齐鲁工业大学(山东省科学院) | 一种基于方向特征驱动的焊缝目标跟踪方法及系统 |
-
2019
- 2019-01-15 CN CN201920063927.8U patent/CN210334836U/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114473153A (zh) * | 2022-04-01 | 2022-05-13 | 电王精密电器(北京)有限公司 | 一种油气长输管道焊接系统及方法 |
CN116030098A (zh) * | 2023-03-27 | 2023-04-28 | 齐鲁工业大学(山东省科学院) | 一种基于方向特征驱动的焊缝目标跟踪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Real-time tiny part defect detection system in manufacturing using deep learning | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN106584451B (zh) | 一种基于视觉导航的变电站自动构图机器人及方法 | |
CN113112504B (zh) | 一种植物点云数据分割方法及系统 | |
CN113744270A (zh) | 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法 | |
CN111897332A (zh) | 一种语义智能变电站机器人仿人巡视作业方法及系统 | |
CN104112269B (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及系统 | |
CN210334836U (zh) | 一种基于平行结构光的焊缝线跟踪装置 | |
CN108564575B (zh) | 一种基于三维点云数据的非接触式接触网参数检测方法 | |
CN102410811A (zh) | 一种弯管参数的测量方法和系统 | |
CN110728667A (zh) | 一种基于灰度图像概率的刀具磨损量自动精确测量方法 | |
CN112184711A (zh) | 一种光伏组件缺陷检测和定位方法及系统 | |
CN111968048B (zh) | 电力巡检少样本图像数据增强方法及系统 | |
CN101359400A (zh) | 一种基于视觉的管口空间位置定位方法 | |
CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
CN110146017B (zh) | 工业机器人重复定位精度测量方法 | |
CN109693140B (zh) | 一种智能化柔性生产线及其工作方法 | |
CN113532293B (zh) | 一种基于无人机的结构动位移测量方法及系统 | |
CN112116633A (zh) | 一种矿井打钻计数方法 | |
CN102455171A (zh) | 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置 | |
CN106175780A (zh) | 面肌运动捕捉分析系统及其分析方法 | |
CN110953993A (zh) | 一种用于输电线路弧垂和限距的检测装置和方法 | |
CN108509928A (zh) | 针对矮化密植枣园田管作业视觉导航路径提取方法 | |
CN114638909A (zh) | 基于激光slam和视觉融合的变电站语义地图构建方法 | |
CN109946564A (zh) | 一种配网架空线路巡检数据采集方法及巡检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200417 Termination date: 20210115 |