WO2015120734A1 - 基于机器视觉的焊接轨迹校正专用测试装置及方法 - Google Patents

基于机器视觉的焊接轨迹校正专用测试装置及方法 Download PDF

Info

Publication number
WO2015120734A1
WO2015120734A1 PCT/CN2014/092796 CN2014092796W WO2015120734A1 WO 2015120734 A1 WO2015120734 A1 WO 2015120734A1 CN 2014092796 W CN2014092796 W CN 2014092796W WO 2015120734 A1 WO2015120734 A1 WO 2015120734A1
Authority
WO
WIPO (PCT)
Prior art keywords
machine vision
axis direction
welding
axis
image
Prior art date
Application number
PCT/CN2014/092796
Other languages
English (en)
French (fr)
Inventor
李琳
李春
邹焱飚
Original Assignee
华南理工大学
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 华南理工大学 filed Critical 华南理工大学
Publication of WO2015120734A1 publication Critical patent/WO2015120734A1/zh

Links

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
    • B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
    • B23K37/04—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups for holding or positioning work
    • B23K37/0461—Welding tables
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45135—Welding

Definitions

  • the invention relates to a special testing device for welding track correction, in particular to a special testing device and method for welding track correction based on machine vision, belonging to the technical field of welding track correction.
  • welding robots usually adopt the teaching reproduction mode.
  • work “teaching programming” refers to the preparation of the program by manually guiding the robot's end effector (eg, welding torch) to cause the robot to perform the desired action.
  • the "task program” is a set of motion and auxiliary function commands. Used to determine the specific expected operation of the robot.
  • Reproduction means that the robot obtains the mission program according to the teaching programming, and repeats the reproduction continuously.
  • the welding workpiece positioning is completed by manual spot welding in the pre-process, which causes positioning error, which leads to the teaching programming to obtain the robot welding trajectory deviating from the reproduction robot. Track.
  • Machine vision technology refers to converting the workpiece 2 to be imaged into an image signal by the industrial camera 1, and transmitting it to an image processing system, and converting it into a digitized signal according to information such as pixel distribution, brightness, color, etc.; the image system performs various operations on these signals. Extracting the characteristics of the target to determine the reappearance of the welding trajectory offset, so that the welding robot 3 can accurately weld the welding workpiece 2; however, the accuracy evaluation and verification of the welding trajectory offset determined by machine vision technology is not relevant.
  • the device appears, so it is necessary to develop a special test device, which can evaluate and verify the accuracy of the welding track offset determined by machine vision technology, and analyze the cause of the error, so as to continuously optimize the image processing method in machine vision technology. This makes it possible to accurately detect the welding track offset.
  • An object of the present invention is to solve the above-mentioned deficiencies of the prior art, and to provide a machine vision-based welding trajectory correction-dedicated test apparatus capable of performing offset detection of a welding workpiece trajectory in the x-axis and y-axis directions based on machine vision technology.
  • Another object of the present invention is to provide a test method for a machine vision-based welding track correction special test device.
  • a special testing device for welding track correction based on machine vision comprising: a working table, a precision positioning mechanism, a machine vision collecting device and a control device, wherein the precise positioning mechanism and the machine vision collecting device are respectively connected with the control device, the precision a positioning mechanism, a machine vision collecting device and a control device are disposed on the work table, the machine vision collecting device is located above the precision positioning mechanism;
  • the precision positioning mechanism comprises an x-axis direction driving unit, a y-axis direction driving unit, and an x-axis direction a position detecting unit and a y-axis direction position detecting unit; in the test, the y-axis direction driving unit drives the welding workpiece to move in the y-axis direction, and the x-axis direction driving unit drives the y-axis direction driving unit to make the welding workpiece along the x-axis Move in direction.
  • the x-axis direction driving unit includes a first alternating current servo motor, a first coupling, and a first ball screw, which are sequentially connected, and the first ball screw is provided with an x-axis direction moving table;
  • the y-axis direction driving unit includes a second AC servo motor, a second coupling, and a second ball screw, which are sequentially connected, wherein the second ball screw is provided with a y-axis direction moving table;
  • the y-axis direction driving unit Positioned on a moving table in the x-axis direction, the moving table in the y-axis direction is used for placing a welding workpiece during testing;
  • the x-axis direction position detecting unit and the y-axis direction position detecting unit respectively adopt a first linear scale and a second A linear scale provided on one side of the x-axis direction drive unit, the second linear scale being disposed on one side of the y-axis direction drive unit.
  • the machine vision acquisition device comprises an industrial camera, a lens and a light source, the lens being coupled to an industrial camera and aligned with a precision positioning mechanism, the light source being distributed around the lens.
  • the control device comprises an industrial control host, a motion controller, a first AC servo drive and a second AC servo drive, the first AC servo drive is connected to the first AC servo motor, and the second AC servo drive is a second AC servo motor is connected, the first AC servo driver and the second AC servo driver respectively establish communication with the industrial control host through the motion controller, and the first linear scale and the second linear scale respectively pass the communication interface and the movement
  • the controller is connected, and the industrial control host is connected to the industrial camera through a bus communication card, and the industrial control host is connected with a display for realizing human-computer interaction.
  • the workbench adopts a frame structure, one side of the frame structure is provided with a vertical bracket, and a horizontal bracket is vertically fixed on the vertical bracket, and the precise positioning mechanism is disposed on a top plane of the frame structure.
  • the control device is disposed inside the frame structure, and the machine vision acquisition device is fixed to the lateral bracket.
  • the bottom of the frame structure is provided with four wheels that can move the table.
  • the frame structure adopted by the worktable is a frame structure of 1000*800*700 mm.
  • a test method for a machine vision-based welding track correction special test device comprising the following steps:
  • the image of the welding workpiece at the current position is retrieved by the industrial camera, and the image is processed by the image noise reduction algorithm;
  • step 4) is as follows:
  • the image of the welding workpiece at the current position is retrieved by the industrial camera.
  • the image is a 24-bit color image, which is converted into 256-level gray image by image binarization, and then the noise reduction is performed by using the mean filter. Processing, wherein the mean filtering mask size is m ⁇ n, and any point (x, y) response in the image is:
  • step 5 is as follows:
  • t(i,j) is the gray value of the welding workpiece template
  • f(x+i, y+j) is the gray value of the current welding workpiece image
  • m t is the template average gray value.
  • step b) After the industrial camera is calibrated, the internal and external parameters are obtained, and the x-axis and y-axis offsets (x' m , y' m ) obtained in the above step a) are converted into tools by seven-time matrix transformation and affine transformation.
  • the machine vision-based welding track correction special testing device of the invention can realize the detection of the offset of the welding workpiece trajectory in the x-axis and the y-axis direction based on the machine vision technology by setting the precise positioning mechanism and the machine vision collecting device, and using the industrial control
  • the host evaluates and verifies the test results.
  • the accuracy requirements are met, it can be integrated into the industrial robot control system.
  • the cause of the error is analyzed, and the image processing method in the machine vision technology is continuously optimized to achieve the welding.
  • the purpose of accurate detection of the trajectory offset is provided.
  • Figure 1 is a schematic diagram of the working scene of a welding robot using machine vision technology for welding trajectory correction.
  • FIG. 2 is a schematic structural view of a machine vision-based welding track correction special test device according to the present invention.
  • FIG. 3 is a structural block diagram of a machine vision-based welding track correction special test device according to the present invention.
  • FIG. 4 is a control circuit diagram of a machine vision-based welding track correction dedicated test device according to the present invention.
  • FIG. 5 is a human-machine interaction interface diagram of a machine vision-based welding track correction special test device according to the present invention.
  • FIG. 6 is a structural diagram of control software of a machine vision-based welding track correction special test device according to the present invention.
  • the machine vision-based welding track correction special testing device of the embodiment includes a work table 1, a precision positioning mechanism, a machine vision collecting device and a control device, and the working table 1 adopts a frame structure 1
  • the frame structure 1 is a 1000*800*700mm frame structure, and is made of 40*40 standard aluminum profiles.
  • the bottom is provided with four wheels 2 for moving the table 1, and one side is provided with a vertical bracket 3,
  • a vertical bracket 4 is vertically fixed on the vertical bracket 3
  • the precision positioning mechanism is disposed on a top plane of the frame structure 1
  • the control device is disposed inside the frame structure 1
  • the machine vision collecting device is fixed in a lateral direction.
  • the machine vision acquisition device is located above the precision positioning mechanism;
  • the precision positioning mechanism includes an x-axis direction driving unit 5, a y-axis direction driving unit 6, an x-axis direction position detecting unit 7, and a y-axis direction position detection.
  • the x-axis direction driving unit 5 includes a first alternating current servo motor 5-1, a first coupling 5-2 and a first ball screw 5-3, which are sequentially connected, on the first ball screw 5-3
  • the x-axis direction moving table 5-4 is disposed;
  • the y-axis direction driving unit 6 includes a second alternating current servo motor 6-1, a second coupling 6-2, and a second ball screw 6-3 connected in sequence,
  • the second ball screw 6-3 is provided with a y-axis direction moving table 6-4;
  • the y-axis direction driving unit 6 is placed on the x-axis direction moving table 5-4, and the y-axis direction moving table 6 -4 for placing a welding workpiece during testing;
  • the x-axis direction position detecting unit 7 and the y-axis direction position detecting unit 8 respectively adopt a first linear scale 7 and a second linear scale 8, the first linear grating
  • the ruler 7 is disposed on one side of the x-
  • the machine vision acquisition device comprises an industrial camera 9, a lens 10 and a light source 11, the lens 10 being connected to the industrial camera 9 and aligned with a precision positioning mechanism, the light source 11 being distributed around the lens 10;
  • the control device includes an industrial control host 12, a motion controller 13, a first AC servo driver 14, and a second AC servo driver 15.
  • the first AC servo motor 5-1 is a HC-KFS-23A model motor of Mitsubishi Electric Co., Ltd.
  • the second AC servo motor 6-1 is a HC-KFS of Mitsubishi Electric Corporation of Japan.
  • -43A model motor the first ball screw 5-3 and the second ball screw 6-3 are both made by Taiwan Shangyin Co., Ltd. KK6005P-600A1-FE-CS2 type screw, the lead is 5mm, effective
  • the length of the guide rail is 600mm and the precision is ⁇ 0.01mm.
  • the first linear scale 7 and the second linear scale 8 are all made by the Spanish FAGOR company MKT-52.
  • the effective stroke is 520mm and the resolution is 5um.
  • the accuracy is ⁇ 10um; the industrial camera 9 uses IMAGINGSOURCE's 800,000-pixel 1394 camera, model DMK31AF03, resolution 1024x768, pixel size horizontal direction is 4.65um, vertical direction is 4.65um, lens 10 is adopted Japan's Computar's M2514-MP2 model megapixel lens with a focal length of 25mm; the motion controller uses the GTS-400-PV(G)-PCI series motion controller manufactured by Good Tech Co., Ltd.; Servo drive 14 uses Mitsubishi Japan Machine Ltd. Model MR-J2S-20A servo drive, the second AC servo drive 15 using MR-J2S-40A model servo drive Mitsubishi Electric Corporation.
  • the first AC servo driver 14 is connected to the first AC servo motor 5-1, and the second AC servo driver 15 is connected to the second AC.
  • the servo motor 6-1 is connected, and the first AC servo driver 14 and the second AC servo driver 15 establish communication with the industrial control host 12 through the motion controller 13, respectively, the first linear scale 7 and the second linear scale 8 Connected to the motion controller 13 through the CN12 and CN13 communication interfaces, the industrial control host 12 is connected to the industrial camera 9 via the 1394 bus communication card 16, and the industrial control host 12 is connected with the display 17, which can realize human-computer interaction, through FIG.
  • the man-machine interface shown sets the motion parameters of the x-axis and the y-axis
  • the motion controller 13 outputs a pulse and direction signal to the first AC servo driver 14 and the second AC servo driver 15, and drives the first AC servo motor 5- 1 drives the x-axis direction moving table 5-4, and drives the second alternating current servo motor 6-1 to drive the y-axis direction moving table 6-4 to reach the positioning point, the first linear scale 7 and the second linear light
  • the ruler 8 detects the x-axis position signal of the x-axis direction mobile station 5-4 and the y-axis position signal of the y-axis direction mobile station 6-4, and inputs it to the motion controller via the 2-way quadruple-frequency incremental auxiliary encoder. 13, the test results can be obtained at the human-machine interface.
  • the industrial control host 12 uses control system software, which is developed by using the Microsoft Visual Studio 2005 platform, and is divided into four levels.
  • the first level is a driver library, which is provided by each equipment supplier;
  • the level is the communication and monitoring program, including the monitoring module, communication module and fault diagnosis and alarm module, which is responsible for real-time communication and operation monitoring between the modules of the application, and diagnoses and alarms the fault;
  • the third level is control
  • the program layer includes four parts: motion control module, position detection module, machine vision detection module and human-computer interaction module, which is the core of the whole control system;
  • the fourth layer is the main control program layer, including the main control module and files and data.
  • the management module is divided into two parts, wherein the first, second and third layers are real-time control modules, and the fourth layer is a coordination program, which is a non-real-time control program.
  • the x-axis and y-axis offset of the welding workpiece on the workbench is set by the industrial control host, and the motion control module controls the first AC servo motor and the first ball screw to drive the welding workpiece to move to the set x-axis offset Position, controlling the second AC servo motor and the second ball screw to drive the welding workpiece to move to a set y-axis offset position, respectively obtaining the x-axis and the current welding workpiece by the first linear scale and the second linear scale
  • the machine vision detection module is called, the image of the welding workpiece at the current position is retrieved by the industrial camera, and the image is processed by the image noise reduction algorithm, as follows:
  • the image of the welding workpiece at the current position is retrieved by the industrial camera.
  • the image is The 24-bit color image is converted into 256-level grayscale image by image binarization.
  • the machine vision detection module uses the mean filter to complete the noise reduction process.
  • the mean filter mask size is m ⁇ n, and any point in the image (x) , y) the response is:
  • the machine vision detection module uses a template matching algorithm based on the gray value to obtain the offset (x m , y m ) of the welded workpiece relative to the x-axis and y-axis directions of the template workpiece, as follows:
  • t(i,j) is the gray value of the welding workpiece template
  • f(x+i, y+j) is the gray value of the current welding workpiece image
  • m t is the template average gray value.
  • the internal and external parameters are obtained, and the x-axis and y-axis offsets (x' m , y' m ) obtained in the above step a) are converted into tools by seven-time matrix transformation and affine transformation.
  • the machine vision-based welding trajectory correction special test device can realize the detection of the deviation of the welding workpiece trajectory in the x-axis and the y-axis based on the machine vision technology, and evaluate and verify the detection result.
  • the reason for the error is to continuously optimize the image processing method in machine vision technology, so as to achieve the purpose of accurate detection of welding track offset.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Robotics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种基于机器视觉的焊接轨迹校正专用测试装置及方法，所述装置包括工作台(1)、精密定位机构、机器视觉采集设备和控制设备，所述精密定位机构和机器视觉采集设备分别与控制设备连接，所述精密定位机构、机器视觉采集设备和控制设备设置在工作台(1)上，所述机器视觉采集设备位于精密定位机构的上方；所述精密定位机构包括x轴方向驱动单元(5)、y轴方向驱动单元(6)、x轴方向位置检测单元(7)以及y轴方向位置检测单元(8)。该装置能实现基于机器视觉技术完成焊接工件轨迹在x轴和y轴方向偏移量检测，并对检测结果进行评估和验证，分析误差产生的原因，不断优化机器视觉技术中的图像处理方法，从而实现焊接轨迹偏移量准确检测的目的。还公开了一种基于机器视觉的焊接轨迹校正专用测试装置的检测方法。

Description

基于机器视觉的焊接轨迹校正专用测试装置及方法 技术领域
本发明涉及一种焊接轨迹校正专用测试装置，尤其是一种基于机器视觉的焊接轨迹校正专用测试装置及方法，属于焊接轨迹校正技术领域。
背景技术
由于人工焊接存在操作环境恶劣、劳动量大、和效率低下等问题，当前机器人焊接已经在国内的汽车、工程机械、以及集装箱生产等许多领域逐步得到了应用，焊接机器人通常采用示教再现模式的工作，“示教编程”指通过下述方式完成程序的编制：由人工导引机器人末端执行器(如：焊枪)来使机器人完成预期的动作，“任务程序”为一组运动及辅助功能指令，用以确定机器人特定的预期作业。“再现”指机器人按照示教编程获得任务程序，不断重复再现。
为确保“示教再现”这种工作模式在具体焊接环境实施，前工序中需通过人工点焊完成焊接工件定位，这会引起定位误差，从而导致示教编程获得机器人焊接轨迹偏离了再现时机器人轨迹。
为解决上述问题，通常需采用机器视觉检测技术对再现的焊接轨迹进行校正，如图1所示。机器视觉技术是指通过工业相机1将被焊接工件2转换成图像信号，传送给图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，从而确定再现焊接轨迹偏移量，使焊接机器人3能对焊接工件2准确进行焊接；但是这种由机器视觉技术确定焊接轨迹偏移量的精度评估和验证却未见有相关装置出现，因此需要研制一套专用测试装置，可以对由机器视觉技术确定的焊接轨迹偏移量精度进行评估和验证，并分析误差产生的原因，从而不断优化机器视觉技术中的图像处理方法，使得实现焊接轨迹偏移量准确检测要求。
发明内容
本发明的目的是为了解决上述现有技术的缺陷，提供一种可以实现基于机器视觉技术完成焊接工件轨迹在x轴和y轴方向偏移量检测的基于机器视觉的焊接轨迹校正专用测试装置。
本发明的另一目的在于提供一种基于机器视觉的焊接轨迹校正专用测试装置的测试方法。
本发明的目的可以通过采取如下技术方案达到：
基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：包括工作台、精密定位机构、机器视觉采集设备和控制设备，所述精密定位机构和机器视觉采集设备分别与控制设备连接，所述精密定位机构、机器视觉采集设备和控制设备设置在工作台上，所述机器视觉采集设备位于精密定位机构的上方；所述精密定位机构包括x轴方向驱动单元、y轴方向驱动单元、x轴方向位置检测单元以及y轴方向位置检测单元；在测试时，所述y轴方向驱动单元带动焊接工件沿y轴方向移动，所述x轴方向驱动单元带动y轴方向驱动单元使焊接工件沿x轴方向移动。
优选的，所述x轴方向驱动单元包括依次连接的第一交流伺服电机、第一联轴器和第一滚珠丝杆，所述第一滚珠丝杆上设置有x轴方向移动台；所述y轴方向驱动单元包括依次连接的第二交流伺服电机、第二联轴器和第二滚珠丝杆，所述第二滚珠丝杆上设置有y轴方向移动台；所述y轴方向驱动单元置于x轴方向移动台上，所述y轴方向移动台在测试时用于放置焊接工件；所述x轴方向位置检测单元和y轴方向位置检测单元分别采用第一线性光栅尺和第二线性光栅尺，所述第一线性光栅尺设置在x轴方向驱动单元的一侧，所述第二线性光栅尺设置在y轴方向驱动单元的一侧。
优选的，所述机器视觉采集设备包括工业相机、镜头和光源，所述镜头与工业相机连接且对准精密定位机构，所述光源分布在镜头的周围。
优选的，所述控制设备包括工控主机、运动控制器、第一交流伺服驱动器和第二交流伺服驱动器，所述第一交流伺服驱动器与第一交流伺服电机连接，所述第二交流伺服驱动器与第二交流伺服电机连接，所述第一交流伺服驱动器和第二交流伺服驱动器分别通过运动控制器与工控主机建立通讯，所述第一线性光栅尺和第二线性光栅尺分别通过通讯接口与运动控制器连接，所述工控主机通过总线通讯卡与工业相机连接，所述工控主机连接有用于实现人机交互的显示器。
优选的，所述工作台采用框架结构，该框架结构的一侧设置有竖向支架，在所述竖向支架上垂直固定有横向支架，所述精密定位机构设置在框架结构的顶部平面上，所述控制设备设置在框架结构的内部，所述机器视觉采集设备固定在横向支架上。
优选的，所述框架结构的底部设置有四个可使工作台移动的轮子。
优选的，所述工作台采用的框架结构为1000*800*700mm的框架结构。
本发明的另一目的可以通过采取如下技术方案达到：
基于机器视觉的焊接轨迹校正专用测试装置的测试方法，其特征在于包括以下步骤：
1)采用标定板进行标定，获得工业相机内参数和外参数；
2)将焊接工件放置于精密定位机构的y轴方向移动台上，根据焊接工件的当前位置，通过工业相机抓取焊接工件图像并建立焊接工件模板；
3)通过工控主机设定工作台上的焊接工件x轴和y轴偏移量，控制第一交流伺服电机和第一滚珠丝杆驱动焊接工件移动到设定的x轴偏移量位置，控制第二交流伺服电机和第二滚珠丝杆驱动焊接工件移动到设定的y轴偏移量位置，通过第一线性光栅尺和第二线性光栅尺分别获得当前焊接工件的x轴和y轴实际偏移量(xr，yr)；
4)在焊接工件偏移后，通过工业相机重新抓取当前位置的焊接工件图像，并采用图像降噪算法对图像进行处理；
5)采用基于灰度值的模板匹配算法，获取焊接工件相对于模板工件的x轴和y轴方向的偏移量(xm，ym)；
6)比较(xr，yr)和(xm，ym)的值，根据焊接机器人再现过程允许误差，判断机器视觉检测的精度是否满足要求，即判断是否满足
Figure PCTCN2014092796-appb-000001
其中Δx和Δy为焊接系统允许的误差；若满足要求，则可集成到工业机器人控制系统中应用；若不满足要求，则分析误差产生的原因，从工业相机标定、图像降噪处理算法和模板匹配算法进行优化，提高测量精度，从而满足使用要求。
优选的，步骤4)具体如下：
在焊接工件偏移后，通过工业相机重新抓取当前位置的焊接工件图像，该图像为24bit彩色图像，通过图像二值化转为256个等级的灰度图像，再采用均值滤波器完成降噪处理，其中均值滤波掩膜大小为m×n，图像中任意一点(x，y)响应为：
Figure PCTCN2014092796-appb-000002
其中，g(x，y)是掩膜像素平均值，
Figure PCTCN2014092796-appb-000003
优选的，步骤5)具体如下：
a)采用基于灰度值的模板匹配算法，通过计算归一化相关系数NCC，确定当前焊接工件图像和模板图像匹配的相似度，由此确定焊接工件相对于模板工件在图像坐标系中x轴和y轴的偏移量(x′m，y′m)：
Figure PCTCN2014092796-appb-000004
其中，t(i，j)为焊接工件模板灰度值，f(x+i，y+j)为当前焊接工件图像灰度值，mt是模板平均灰度值，
Figure PCTCN2014092796-appb-000005
是模板所有灰度值的方差，mf(x，y)和mf(x，y)为平移当前焊接工件模板中各点的平均灰度值和方差；当归一化相关系数NCC＝±1时，焊接工件模板与当前焊接工件图像之间完全匹配，而归一化相关系数NCC绝对值越接近1，表示焊接工件模板与正在检测的焊接工件图像越接近；
b)工业相机标定后获得内参数和外参数，经过七次矩阵变换和仿射变换将上述步骤a)获得的x轴和y轴的偏移量(x′m，y′m)转换为工具坐标系中x轴和y轴偏移量(xm，ym)。
本发明相对于现有技术具有如下的有益效果：
本发明的基于机器视觉的焊接轨迹校正专用测试装置，通过设置精密定位机构和机器视觉采集设备，能实现基于机器视觉技术完成焊接工件轨迹在x轴和y轴方向偏移量检测，并利用工控主机对检测结果进行评估和验证，在满足精度要求时可以集成到工业机器人控制系统中应用，在不满足精度要求时分析误差产生的原因，不断优化机器视觉技术中的图像处理方法，从而实现焊接轨迹偏移量准确检测的目的。
附图说明
图1为应用机器视觉技术进行焊接轨迹校正的焊接机器人工作场景示意图。
图2为本发明的基于机器视觉的焊接轨迹校正专用测试装置结构示意图。
图3为本发明的基于机器视觉的焊接轨迹校正专用测试装置结构原理框图。
图4为本发明的基于机器视觉的焊接轨迹校正专用测试装置控制电路图。
图5为本发明的基于机器视觉的焊接轨迹校正专用测试装置人机交互界面图。
图6为本发明的基于机器视觉的焊接轨迹校正专用测试装置的控制软件结构图。
在图2和图3中，1-工作台(框架结构)，2-轮子，3-竖向支架，4-横向支架，5-x轴方向驱动单元，6-y轴方向驱动单元，7-x轴方向位置检测单元(第一线性光栅尺)，8-y轴方向位置检测单元(第二线性光栅尺)，9-工业相机，10-镜头，11-光源，12-工控主机，13-运动控制器，14-第一交流伺服驱动器，15-第二交流伺服驱动器，16-总线通讯卡，17-显示器。
具体实施方式
 
实施例1：
如图2和图3所示，本实施例的基于机器视觉的焊接轨迹校正专用测试装置，包括工作台1、精密定位机构、机器视觉采集设备和控制设备，所述工作台1采用框架结构1，该框架结构1为1000*800*700mm的框架结构，采用40*40标准铝型材构成，其底部设置有四个可使工作台1移动的轮子2，一侧设置有竖向支架3，在所述竖向支架3上垂直固定有横向支架4，所述精密定位机构设置在框架结构1的顶部平面上，所述控制设备设置在框架结构1的内部，所述机器视觉采集设备固定在横向支架4上，所述机器视觉采集设备位于精密定位机构的上方；所述精密定位机构包括x轴方向驱动单元5、y轴方向驱动单元6、x轴方向位置检测单元7以及y轴方向位置检测单元8；
所述x轴方向驱动单元5包括依次连接的第一交流伺服电机5-1、第一联轴器5-2和第一滚珠丝杆5-3，所述第一滚珠丝杆5-3上设置有x轴方向移动台5-4；所述y轴方向驱动单元6包括依次连接的第二交流伺服电机6-1、第二联轴器6-2和第二滚珠丝杆6-3，所述第二滚珠丝杆6-3上设置有y轴方向移动台6-4；所述y轴方向驱动单元6置于x轴方向移动台5-4上，所述y轴方向移动台6-4在测试时用于放置焊接工件；所述x轴方向位置检测单元7和y轴方向位置检测单元8分别采用第一线性光栅尺7和第二线性光栅尺8，所述第一线性光栅尺7设置在x轴方向驱动单元5的一侧，所述第二线性光栅尺8设置在y轴方向驱动单元6的一侧；
所述机器视觉采集设备包括工业相机9、镜头10和光源11，所述镜头10与工业相机9连接且对准精密定位机构，所述光源11分布在镜头10的周围；
所述控制设备包括工控主机12、运动控制器13、第一交流伺服驱动器14和第二交流伺服驱动器15。
本实施例中，所述第一交流伺服电机5-1为日本三菱电机有限公司的HC-KFS-23A型号电机，所述第二交流伺服电机6-1为日本三菱电机有限公司的HC-KFS-43A型号电机；所述第一滚珠丝杆5-3和第二滚珠丝杆6-3均采用台湾上银有限公司的KK6005P-600A1-FE-CS2型号丝杆，其导程为5mm，有效导轨长度为600mm，精度为±0.01mm；所述第一线性光栅尺7和第二线性光栅尺8均采用西班牙发格FAGOR公司MKT-52型号，有效行程为520mm，分辨率为5um，精度为±10um；所述工业相机9采用德国映美精有限公司(IMAGINGSOURCE)的80万像素1394相机，型号为DMK31AF03，分辨率为1024x768，像素尺寸水平方向为4.65um，垂直方向为4.65um，镜头10采用日本Computar公司的M2514-MP2型号百万像素镜头，焦距为25mm；所述运动控制器采用固高科技有限公司生产的GTS-400-PV(G)-PCI系列运动控制器；所述第一交流伺服驱动器14采用日本三菱电机有限公司的MR-J2S-20A型号伺服驱动器，所述第二交流伺服驱动器15采用日本三菱电机有限公司的MR-J2S-40A型号伺服驱动器。
结合图4所示的基于机器视觉的焊接轨迹校正专用测试装置控制电路图，所述第一交流伺服驱动器14与第一交流伺服电机5-1连接，所述第二交流伺服驱动器15与第二交流伺服电机6-1连接，所述第一交流伺服驱动器14和第二交流伺服驱动器15分别通过运动控制器13与工控主机12建立通讯，所述第一线性光栅尺7和第二线性光栅尺8分别通过CN12和CN13通讯接口与运动控制器13连接，所述工控主机12通过1394总线通讯卡16与工业相机9连接，所述工控主机12连接有显示器17，可以实现人机交互，通过图5所示的人机界面设定x轴和y轴的运动参数，运动控制器13向第一交流伺服驱动器14和第二交流伺服驱动器15输出脉冲和方向信号，驱动第第一交流伺服电机5-1带动x轴方向移动台5-4，以及驱动第二交流伺服电机6-1带动y轴方向移动台6-4到达定位点，第一线性光栅尺7和第二线性光栅尺8检测到x轴方向移动台5-4的x轴位置信号和y轴方向移动台6-4的y轴位置信号，并经过2路四倍频增量式辅助编码器输入到运动控制器13，在人机界面可以获得检测结果。
如图6所示，所述工控主机12使用控制系统软件，该软件采用Microsoft Visual Studio 2005平台开发，分为四个层次，第一个层次为驱动程序库，由各设备供应商提供；第二个层次为通讯与监控程序，包括监控模块、通讯模块和故障诊断与报警模块，它负责应用程序各模块之间的实时通讯与运行监控，并对故障进行诊断和报警；第三个层次为控制程序层，包括运动控制模块、位置检测模块、机器视觉检测模块和人机交互模块四个部分，它是整个控制系统的核心；第四层为主控程序层，包括主控模块和文件与数据管理模块两部分，其中第一、第二和第三层为实时控制模块，第四层为协调程序，是非实时控制程序。
本实施例的基于机器视觉的焊接轨迹校正专用测试装置的测试方法，其特征在于包括以下步骤：
1)采用标定板进行标定，获得工业相机内参数和外参数；
2)将焊接工件放置于精密定位机构的y轴方向移动台上，根据焊接工件的当前位置，通过工业相机抓取焊接工件图像并建立焊接工件模板；
3)通过工控主机设定工作台上的焊接工件x轴和y轴偏移量，运动控制模块控制第一交流伺服电机和第一滚珠丝杆驱动焊接工件移动到设定的x轴偏移量位置，控制第二交流伺服电机和第二滚珠丝杆驱动焊接工件移动到设定的y轴偏移量位置，通过第一线性光栅尺和第二线性光栅尺分别获得当前焊接工件的x轴和y轴实际偏移量(xr，yr)；
4)在焊接工件偏移后，调用机器视觉检测模块，通过工业相机重新抓取当前位置的焊接工件图像，并采用图像降噪算法对图像进行处理，具体如下：
在焊接工件偏移后，通过工业相机重新抓取当前位置的焊接工件图像，该图像为 24bit彩色图像，通过图像二值化转为256个等级的灰度图像，机器视觉检测模块再采用均值滤波器完成降噪处理，其中均值滤波掩膜大小为m×n，图像中任意一点(x，y)响应为：
Figure PCTCN2014092796-appb-000006
其中，g(x，y)是掩膜像素平均值，
Figure PCTCN2014092796-appb-000007
5)机器视觉检测模块采用基于灰度值的模板匹配算法，获取焊接工件相对于模板工件的x轴和y轴方向的偏移量(xm，ym)，具体如下：
a)采用基于灰度值的模板匹配算法，通过计算归一化相关系数NCC，确定当前焊接工件图像和模板图像匹配的相似度，由此确定焊接工件相对于模板工件在图像坐标系中x轴和y轴的偏移量(x′m，y′m)：
Figure PCTCN2014092796-appb-000008
其中，t(i，j)为焊接工件模板灰度值，f(x+i，y+j)为当前焊接工件图像灰度值，mt是模板平均灰度值，
Figure PCTCN2014092796-appb-000009
是模板所有灰度值的方差，mf(x，y)和sf(x，y)为平移当前焊接工件模板中各点的平均灰度值和方差；当归一化相关系数NCC＝±1时，焊接工件模板与当前焊接工件图像之间完全匹配，而归一化相关系数NCC绝对值越接近1，表示焊接工件模板与正在检测的焊接工件图像越接近；
b)工业相机标定后获得内参数和外参数，经过七次矩阵变换和仿射变换将上述步骤a)获得的x轴和y轴的偏移量(x′m，y′m)转换为工具坐标系中x轴和y轴偏移量(xm，ym)；
6)比较(xr，yr)和(xm，ym)的值，根据焊接机器人再现过程允许误差，判断机器视觉检测的精度是否满足要求，即判断是否满足
Figure PCTCN2014092796-appb-000010
其中Δx和Δy为焊接系统允许的误差；若满足要求，则机器视觉检测模块可集成到工业机器人控制系统中应用；若不满足要求，则分析误差产生的原因，从工业相机标定、图像降噪处理算法和模板匹配算法进行优化，提高机器视觉检测模块的测量精度，从而满足使用要求。
综上所述，本发明的基于机器视觉的焊接轨迹校正专用测试装置能实现基于机器视觉技术完成焊接工件轨迹在x轴和y轴方向偏移量检测，并对检测结果进行评估和验证，分析误差产生的原因，不断优化机器视觉技术中的图像处理方法，从而实现焊接轨迹偏移量准确检测的目的。
以上所述，仅为本发明专利较佳的实施例，但本发明专利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专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

  1. 基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：包括工作台、精密定位机构、机器视觉采集设备和控制设备，所述精密定位机构和机器视觉采集设备分别与控制设备连接，所述精密定位机构、机器视觉采集设备和控制设备设置在工作台上，所述机器视觉采集设备位于精密定位机构的上方；所述精密定位机构包括x轴方向驱动单元、y轴方向驱动单元、x轴方向位置检测单元以及y轴方向位置检测单元；在测试时，所述y轴方向驱动单元带动焊接工件沿y轴方向移动，所述x轴方向驱动单元带动y轴方向驱动单元使焊接工件沿x轴方向移动。
  2. 根据权利要求1所述的基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：所述x轴方向驱动单元包括依次连接的第一交流伺服电机、第一联轴器和第一滚珠丝杆，所述第一滚珠丝杆上设置有x轴方向移动台；所述y轴方向驱动单元包括依次连接的第二交流伺服电机、第二联轴器和第二滚珠丝杆，所述第二滚珠丝杆上设置有y轴方向移动台；所述y轴方向驱动单元置于x轴方向移动台上，所述y轴方向移动台在测试时用于放置焊接工件；所述x轴方向位置检测单元和y轴方向位置检测单元分别采用第一线性光栅尺和第二线性光栅尺，所述第一线性光栅尺设置在x轴方向驱动单元的一侧，所述第二线性光栅尺设置在y轴方向驱动单元的一侧。
  3. 根据权利要求2所述的基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：所述机器视觉采集设备包括工业相机、镜头和光源，所述镜头与工业相机连接且对准精密定位机构，所述光源分布在镜头的周围。
  4. 根据权利要求3所述的基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：所述控制设备包括工控主机、运动控制器、第一交流伺服驱动器和第二交流伺服驱动器，所述第一交流伺服驱动器与第一交流伺服电机连接，所述第二交流伺服驱动器与第二交流伺服电机连接，所述第一交流伺服驱动器和第二交流伺服驱动器分别通过运动控制器与工控主机建立通讯，所述第一线性光栅尺和第二线性光栅尺分别通过通讯接口与运动控制器连接，所述工控主机通过总线通讯卡与工业相机连接，所述工控主机连接有用于实现人机交互的显示器。
  5. 根据权利要求1所述的基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：所述工作台采用框架结构，该框架结构的一侧设置有竖向支架，在所述竖向支架上垂直固定有横向支架，所述精密定位机构设置在框架结构的顶部平面上，所述控制设备设置在框架结构的内部，所述机器视觉采集设备固定在横向支架上。
  6. 根据权利要求5所述的基于机器视觉的焊接轨迹校正专用测试装置，其特征在 于：所述框架结构的底部设置有四个可使工作台移动的轮子。
  7. 根据权利要求5所述的基于机器视觉的焊接轨迹校正专用测试装置，其特征在于：所述工作台采用的框架结构为1000*800*700mm的框架结构。
  8. 基于机器视觉的焊接轨迹校正专用测试装置的测试方法，其特征在于包括以下步骤：
    1)采用标定板进行标定，获得工业相机内参数和外参数；
    2)将焊接工件放置于精密定位机构的y轴方向移动台上，根据焊接工件的当前位置，通过工业相机抓取焊接工件图像并建立焊接工件模板；
    3)通过工控主机设定工作台上的焊接工件x轴和y轴偏移量，控制第一交流伺服电机和第一滚珠丝杆驱动焊接工件移动到设定的x轴偏移量位置，控制第二交流伺服电机和第二滚珠丝杆驱动焊接工件移动到设定的y轴偏移量位置，通过第一线性光栅尺和第二线性光栅尺分别获得当前焊接工件的x轴和y轴实际偏移量(xr，yr)；
    4)在焊接工件偏移后，通过工业相机重新抓取当前位置的焊接工件图像，并采用图像降噪算法对图像进行处理；
    5)采用基于灰度值的模板匹配算法，获取焊接工件相对于模板工件的x轴和y轴方向的偏移量(xm，ym)；
    6)比较(xr，yr)和(xm，ym)的值，根据焊接机器人再现过程允许误差，判断机器视觉检测的精度是否满足要求，即判断是否满足
    Figure PCTCN2014092796-appb-100001
    其中Δx和Δy为焊接系统允许的误差；若满足要求，则可集成到工业机器人控制系统中应用；若不满足要求，则分析误差产生的原因，从工业相机标定、图像降噪处理算法和模板匹配算法进行优化，提高测量精度，从而满足使用要求。
  9. 根据权利要求8所述的基于机器视觉的焊接轨迹校正专用测试装置的测试方法，其特征在于：步骤4)具体如下：
    在焊接工件偏移后，通过工业相机重新抓取当前位置的焊接工件图像，该图像为24bit彩色图像，通过图像二值化转为256个等级的灰度图像，再采用均值滤波器完成降噪处理，其中均值滤波掩膜大小为m×n，图像中任意一点(x，y)响应为：
    Figure PCTCN2014092796-appb-100002
    其中，g(x，y)是掩膜像素平均值，
    Figure PCTCN2014092796-appb-100003
    Figure PCTCN2014092796-appb-100004
  10. 根据权利要求8所述的基于机器视觉的焊接轨迹校正专用测试装置的测试方法，其特征在于：步骤5)具体如下：
    a)采用基于灰度值的模板匹配算法，通过计算归一化相关系数NCC，确定当前焊接工件图像和模板图像匹配的相似度，由此确定焊接工件相对于模板工件在图像坐标系中x轴和y轴的偏移量(x′m，y′m)：
    Figure PCTCN2014092796-appb-100005
    其中，t(i，j)为焊接工件模板灰度值，f(x+i，y+j)为当前焊接工件图像灰度值，mt是模板平均灰度值，
    Figure PCTCN2014092796-appb-100006
    是模板所有灰度值的方差，mf(x，y)和mf(x，y)为平移当前焊接工件模板中各点的平均灰度值和方差；当归一化相关系数NCC＝±1时，焊接工件模板与当前焊接工件图像之间完全匹配，而归一化相关系数NCC绝对值越接近1，表示焊接工件模板与正在检测的焊接工件图像越接近；
    b)工业相机标定后获得内参数和外参数，经过七次矩阵变换和仿射变换将上述步骤a)获得的x轴和y轴的偏移量(x′m，y′m)转换为工具坐标系中x轴和y轴偏移量(xm，ym)。
PCT/CN2014/092796 2014-02-17 2014-12-02 基于机器视觉的焊接轨迹校正专用测试装置及方法 WO2015120734A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410053434.8A CN103846606B (zh) 2014-02-17 2014-02-17 基于机器视觉的焊接轨迹校正专用测试装置及方法
CN201410053434.8 2014-02-17

Publications (1)

Publication Number Publication Date
WO2015120734A1 true WO2015120734A1 (zh) 2015-08-20

Family

ID=50854984

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/092796 WO2015120734A1 (zh) 2014-02-17 2014-12-02 基于机器视觉的焊接轨迹校正专用测试装置及方法

Country Status (2)

Country Link
CN (1) CN103846606B (zh)
WO (1) WO2015120734A1 (zh)

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716649A (zh) * 2016-04-25 2016-06-29 广东每通测控科技股份有限公司 一键式检测仪
CN106767406A (zh) * 2016-12-20 2017-05-31 华南理工大学 微纳定位系统及其对柔顺机构平台的全闭环在线控制方法
CN106826781A (zh) * 2017-03-16 2017-06-13 北京星和众工设备技术股份有限公司 坐标机器人
CN107063098A (zh) * 2017-03-23 2017-08-18 苏州市职业大学 一种改进型生产线
CN107576669A (zh) * 2017-10-10 2018-01-12 贵州大学 一种用于电缆绞线质量检测的标记画笔驱动装置
CN107685329A (zh) * 2017-10-16 2018-02-13 河南森源电气股份有限公司 一种机器人工件定位控制系统及方法
CN107703148A (zh) * 2017-10-10 2018-02-16 贵州大学 一种基于机器视觉的电缆绞线质量检测系统及其检测方法
CN107717218A (zh) * 2017-10-25 2018-02-23 东莞市爱康电子科技有限公司 一种平板电脑装配焊接自动化产线
CN108198224A (zh) * 2018-03-15 2018-06-22 中国铁道科学研究院 一种用于立体视觉测量的线阵相机标定装置及标定方法
CN108673002A (zh) * 2018-07-08 2018-10-19 惠州市毅隆机电设备有限公司 一种数控全自动铝门窗定位成型焊接机
CN108955530A (zh) * 2018-08-20 2018-12-07 珠海市运泰利自动化设备有限公司 一种机械式光学位置便捷标定系统及其标定方法
CN109238142A (zh) * 2018-09-27 2019-01-18 嘉善苏尼电子科技有限公司 一种用于自润轴承轴套工件石墨孔定位的视觉识别装置
CN109387526A (zh) * 2018-11-16 2019-02-26 迈兴(厦门)电子有限公司 一种卧式注塑件在线通用检测装置及其使用方法
CN109447989A (zh) * 2019-01-08 2019-03-08 哈尔滨理工大学 基于电机铜排毛刺生长区域的缺陷检测装置和方法
CN109470171A (zh) * 2019-01-04 2019-03-15 山东农业大学 一种基于机器视觉技术的球度测量装置及测量方法
CN110346298A (zh) * 2019-07-30 2019-10-18 北京允升吉电子有限公司 一种smt钢板自动检测设备及其检测方法
CN110514664A (zh) * 2019-08-20 2019-11-29 北京信息科技大学 一种筒子纱纱杆定位检测机器人及方法
CN110632951A (zh) * 2019-09-23 2019-12-31 湖南视普瑞智能科技有限公司 一种智能视觉伺服引导设备及其引导方法
CN110907465A (zh) * 2019-12-29 2020-03-24 常州微亿智造科技有限公司 大平面工件外观检测系统
CN111323421A (zh) * 2018-12-14 2020-06-23 黎越智能技术研究（广州）有限公司 一种智能橡胶圈检测设备
CN111352411A (zh) * 2018-12-20 2020-06-30 北京新联铁集团股份有限公司 空心车轴定位方法、装置及智能空心车轴探伤机
CN112171017A (zh) * 2019-07-01 2021-01-05 江苏卡邦电气科技股份有限公司 一种氩弧焊自动焊接专机
CN112230021A (zh) * 2019-07-15 2021-01-15 中惠创智无线供电技术有限公司 一种无线供电测试系统用测试台架
CN112379243A (zh) * 2020-11-02 2021-02-19 上海无线电设备研究所 一种电路板常温测试自动上下料与插拔系统及方法
CN113020756A (zh) * 2021-04-09 2021-06-25 北京博清科技有限公司 激光模块验证平台、系统及方法
CN113074637A (zh) * 2021-03-31 2021-07-06 江苏安全技术职业学院 一种机加工用误差检测装置
CN113281114A (zh) * 2021-04-09 2021-08-20 河南中烟工业有限责任公司 一种异形烟叶智能剪切系统
CN113649692A (zh) * 2021-10-19 2021-11-16 武汉逸飞激光股份有限公司 一种焊接控制方法、系统、设备及存储介质
CN113725108A (zh) * 2021-08-06 2021-11-30 广东工业大学 大板扇出型封装芯片的漂移定位测量方法及装置
CN114042599A (zh) * 2021-12-20 2022-02-15 昆明北方红外技术股份有限公司 双z轴可调焦距视觉精密点胶机构
CN114199155A (zh) * 2021-12-09 2022-03-18 湖北文理学院 一种基于机器视觉的机车构架拉杆座形变测量平台及方法
CN114347038A (zh) * 2022-02-17 2022-04-15 西安建筑科技大学 一种交汇管道双臂协作焊接机器人及控制系统
CN114627731A (zh) * 2022-03-16 2022-06-14 芜湖安普机器人产业技术研究院有限公司 一种机器视觉检测工作台
CN114708262A (zh) * 2022-06-02 2022-07-05 深圳市海蓝智能科技有限公司 一种连接器针脚的视觉检测方法
CN114833040A (zh) * 2022-05-13 2022-08-02 智新科技股份有限公司 一种涂胶方法及新能源电驱动端盖涂胶设备
CN116297189A (zh) * 2023-02-18 2023-06-23 上海贝特威自动化科技有限公司 一种基于机器视觉的焊面检测仪
CN117086519A (zh) * 2023-08-22 2023-11-21 江苏凯立达数据科技有限公司 基于工业互联网的联网设备数据分析及评估系统、方法
CN117381261A (zh) * 2023-12-13 2024-01-12 德阳市华建机械设备有限公司 一种自动化焊接机的故障识别装置及方法
CN117506263A (zh) * 2024-01-04 2024-02-06 山东飞宏工程机械有限公司 一种基于机器视觉的智能焊接切割设备智能控制系统
CN117562564A (zh) * 2024-01-15 2024-02-20 赛诺威盛科技(北京)股份有限公司 Ct扫描系统的机架旋转角度控制装置和控制方法

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103846606B (zh) * 2014-02-17 2015-09-02 华南理工大学 基于机器视觉的焊接轨迹校正专用测试装置及方法
CN105328699A (zh) * 2014-08-05 2016-02-17 罗伯特·博世有限公司 智能机器人焊接系统和方法
CN104439614A (zh) * 2014-11-06 2015-03-25 上海电气电站设备有限公司 一种不锈钢与铜材异种材料的机器人自动化焊接方法
CN104626169B (zh) * 2014-12-24 2017-03-22 四川长虹电器股份有限公司 基于视觉与机械综合定位的机器人抓取零件的方法
CN104985289B (zh) * 2015-07-31 2017-04-12 华南理工大学 基于激光传感器的焊缝自动跟踪测试装置及其测试方法
CN105149825A (zh) * 2015-10-08 2015-12-16 上海维宏电子科技股份有限公司 基于机械视觉导引实现自动化缝隙焊接的系统及方法
CN108132058A (zh) * 2016-11-30 2018-06-08 北京航天计量测试技术研究所 摄影测量系统动态位移测量误差校准装置及方法
CN106863286A (zh) * 2017-04-12 2017-06-20 浙江硕和机器人科技有限公司 一种用于控制数字ccd相机图像采集的速度反馈性机械手
CN107844132B (zh) * 2017-11-14 2020-11-24 南通大学 基于机器视觉的门架式纸盘精确定位抓取系统的控制方法
CN107876269B (zh) * 2017-12-25 2023-06-16 厦门大学嘉庚学院 鞋模自动喷胶的三目视觉喷涂轨迹提取系统及其工作方法
CN108535895B (zh) * 2018-03-05 2024-03-26 安徽艾迪麦自动化设备有限公司 一种液晶屏缺陷检测系统
CN109447941B (zh) * 2018-09-07 2021-08-03 武汉博联特科技有限公司 一种激光软钎焊系统焊接过程中自动配准及质量检测方法
CN108942408A (zh) * 2018-09-27 2018-12-07 上海气焊机厂有限公司 零件切割偏差分析装置
CN109343419A (zh) * 2018-11-14 2019-02-15 无锡信捷电气股份有限公司 相机与伺服同步控制系统及方法
CN110110356A (zh) * 2019-03-26 2019-08-09 江西理工大学 泰奥杨森机构足式运动机器人的制作方法及系统
CN110482443A (zh) * 2019-09-23 2019-11-22 银河水滴科技（北京）有限公司 视觉辅助定位设备
CN110802601B (zh) * 2019-11-29 2021-02-26 北京理工大学 一种基于果蝇优化算法的机器人路径规划方法
CN112964171B (zh) * 2020-07-21 2022-05-03 南京航空航天大学 一种基于机器视觉的燃气采暖炉的接头自动对接方法及系统
CN111890265B (zh) * 2020-08-29 2024-01-02 奥士康科技股份有限公司 一种pcb生产检查装置
CN112548265A (zh) * 2020-10-28 2021-03-26 深圳前海瑞集科技有限公司 集装箱锁座的智能焊接方法及设备
CN113421310A (zh) * 2021-08-04 2021-09-21 北京平恒智能科技有限公司 基于光栅尺定位的运动位置误差补偿技术实现跨视野高精度测量的方法
CN114152190B (zh) * 2021-11-15 2023-10-24 苏州铸正机器人有限公司 一种工业相机精度和工作空间测试平台

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4812614A (en) * 1987-02-26 1989-03-14 Industrial Technology Research Institute Machine vision seam tracking method and apparatus for welding robots
CN102303190A (zh) * 2011-08-03 2012-01-04 江南大学 线激光视觉跟踪平面对接焊缝方法
CN103111753A (zh) * 2013-02-04 2013-05-22 福建省威诺数控有限公司 一种基于视觉的全自动晶圆划片机控制系统
CN103341685A (zh) * 2013-07-17 2013-10-09 湘潭大学 一种基于磁控电弧与激光视觉传感的焊缝自动跟踪控制方法及系统
GB2506914A (en) * 2012-10-12 2014-04-16 Meta Vision Systems Ltd Methods and systems for weld control
CN103846606A (zh) * 2014-02-17 2014-06-11 华南理工大学 基于机器视觉的焊接轨迹校正专用测试装置及方法
CN203712189U (zh) * 2014-02-17 2014-07-16 华南理工大学 基于机器视觉的焊接轨迹校正专用测试装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3204141B2 (ja) * 1997-01-06 2001-09-04 住友金属工業株式会社 溶接におけるずれ量計測方法及び装置並びにシーム倣い制御方法及び装置
CA2199924C (en) * 1997-01-13 2007-06-05 Shell Sanford Mobile automated pipeline welding and quality control system
CN102528337B (zh) * 2010-12-08 2014-11-05 常州铭赛机器人科技有限公司 全自动视觉点焊机器人
CN103008881A (zh) * 2012-12-05 2013-04-03 中国电子科技集团公司第四十五研究所 一种基于模板匹配的焊缝跟踪方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4812614A (en) * 1987-02-26 1989-03-14 Industrial Technology Research Institute Machine vision seam tracking method and apparatus for welding robots
CN102303190A (zh) * 2011-08-03 2012-01-04 江南大学 线激光视觉跟踪平面对接焊缝方法
GB2506914A (en) * 2012-10-12 2014-04-16 Meta Vision Systems Ltd Methods and systems for weld control
CN103111753A (zh) * 2013-02-04 2013-05-22 福建省威诺数控有限公司 一种基于视觉的全自动晶圆划片机控制系统
CN103341685A (zh) * 2013-07-17 2013-10-09 湘潭大学 一种基于磁控电弧与激光视觉传感的焊缝自动跟踪控制方法及系统
CN103846606A (zh) * 2014-02-17 2014-06-11 华南理工大学 基于机器视觉的焊接轨迹校正专用测试装置及方法
CN203712189U (zh) * 2014-02-17 2014-07-16 华南理工大学 基于机器视觉的焊接轨迹校正专用测试装置

Cited By (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716649B (zh) * 2016-04-25 2018-12-07 广东每通测控科技股份有限公司 一键式检测仪
CN105716649A (zh) * 2016-04-25 2016-06-29 广东每通测控科技股份有限公司 一键式检测仪
CN106767406A (zh) * 2016-12-20 2017-05-31 华南理工大学 微纳定位系统及其对柔顺机构平台的全闭环在线控制方法
CN106767406B (zh) * 2016-12-20 2022-08-16 华南理工大学 微纳定位系统及其对柔顺机构平台的全闭环在线控制方法
CN106826781A (zh) * 2017-03-16 2017-06-13 北京星和众工设备技术股份有限公司 坐标机器人
CN107063098A (zh) * 2017-03-23 2017-08-18 苏州市职业大学 一种改进型生产线
CN107063098B (zh) * 2017-03-23 2023-11-03 池州市琼琚信息技术服务有限公司 一种改进型生产线
CN107576669A (zh) * 2017-10-10 2018-01-12 贵州大学 一种用于电缆绞线质量检测的标记画笔驱动装置
CN107703148A (zh) * 2017-10-10 2018-02-16 贵州大学 一种基于机器视觉的电缆绞线质量检测系统及其检测方法
CN107685329A (zh) * 2017-10-16 2018-02-13 河南森源电气股份有限公司 一种机器人工件定位控制系统及方法
CN107717218B (zh) * 2017-10-25 2024-03-29 东莞市爱康智能技术股份有限公司 一种平板电脑装配焊接自动化产线
CN107717218A (zh) * 2017-10-25 2018-02-23 东莞市爱康电子科技有限公司 一种平板电脑装配焊接自动化产线
CN108198224A (zh) * 2018-03-15 2018-06-22 中国铁道科学研究院 一种用于立体视觉测量的线阵相机标定装置及标定方法
CN108198224B (zh) * 2018-03-15 2024-03-12 中国铁道科学研究院集团有限公司 一种用于立体视觉测量的线阵相机标定装置及标定方法
CN108673002A (zh) * 2018-07-08 2018-10-19 惠州市毅隆机电设备有限公司 一种数控全自动铝门窗定位成型焊接机
CN108955530B (zh) * 2018-08-20 2024-04-16 珠海市运泰利自动化设备有限公司 一种机械式光学位置便捷标定系统及其标定方法
CN108955530A (zh) * 2018-08-20 2018-12-07 珠海市运泰利自动化设备有限公司 一种机械式光学位置便捷标定系统及其标定方法
CN109238142B (zh) * 2018-09-27 2024-01-19 浙江图元智能装备科技有限公司 一种用于自润轴承轴套工件石墨孔定位的视觉识别装置
CN109238142A (zh) * 2018-09-27 2019-01-18 嘉善苏尼电子科技有限公司 一种用于自润轴承轴套工件石墨孔定位的视觉识别装置
CN109387526A (zh) * 2018-11-16 2019-02-26 迈兴(厦门)电子有限公司 一种卧式注塑件在线通用检测装置及其使用方法
CN111323421A (zh) * 2018-12-14 2020-06-23 黎越智能技术研究（广州）有限公司 一种智能橡胶圈检测设备
CN111352411B (zh) * 2018-12-20 2024-05-24 北京新联铁集团股份有限公司 空心车轴定位方法、装置及智能空心车轴探伤机
CN111352411A (zh) * 2018-12-20 2020-06-30 北京新联铁集团股份有限公司 空心车轴定位方法、装置及智能空心车轴探伤机
CN109470171A (zh) * 2019-01-04 2019-03-15 山东农业大学 一种基于机器视觉技术的球度测量装置及测量方法
CN109470171B (zh) * 2019-01-04 2023-11-17 山东农业大学 一种基于机器视觉技术的球度测量装置及测量方法
CN109447989A (zh) * 2019-01-08 2019-03-08 哈尔滨理工大学 基于电机铜排毛刺生长区域的缺陷检测装置和方法
CN112171017A (zh) * 2019-07-01 2021-01-05 江苏卡邦电气科技股份有限公司 一种氩弧焊自动焊接专机
CN112230021A (zh) * 2019-07-15 2021-01-15 中惠创智无线供电技术有限公司 一种无线供电测试系统用测试台架
CN112230021B (zh) * 2019-07-15 2022-11-11 中惠创智（深圳）无线供电技术有限公司 一种无线供电测试系统用测试台架
CN110346298A (zh) * 2019-07-30 2019-10-18 北京允升吉电子有限公司 一种smt钢板自动检测设备及其检测方法
CN110514664A (zh) * 2019-08-20 2019-11-29 北京信息科技大学 一种筒子纱纱杆定位检测机器人及方法
CN110514664B (zh) * 2019-08-20 2022-08-12 北京信息科技大学 一种筒子纱纱杆定位检测机器人及方法
CN110632951B (zh) * 2019-09-23 2022-11-18 湖南视普瑞智能科技有限公司 一种智能视觉伺服引导设备及其引导方法
CN110632951A (zh) * 2019-09-23 2019-12-31 湖南视普瑞智能科技有限公司 一种智能视觉伺服引导设备及其引导方法
CN110907465B (zh) * 2019-12-29 2024-04-12 常州微亿智造科技有限公司 大平面工件外观检测系统
CN110907465A (zh) * 2019-12-29 2020-03-24 常州微亿智造科技有限公司 大平面工件外观检测系统
CN112379243A (zh) * 2020-11-02 2021-02-19 上海无线电设备研究所 一种电路板常温测试自动上下料与插拔系统及方法
CN112379243B (zh) * 2020-11-02 2023-07-04 上海无线电设备研究所 一种电路板常温测试自动上下料与插拔系统及方法
CN113074637A (zh) * 2021-03-31 2021-07-06 江苏安全技术职业学院 一种机加工用误差检测装置
CN113020756A (zh) * 2021-04-09 2021-06-25 北京博清科技有限公司 激光模块验证平台、系统及方法
CN113281114A (zh) * 2021-04-09 2021-08-20 河南中烟工业有限责任公司 一种异形烟叶智能剪切系统
CN113281114B (zh) * 2021-04-09 2023-09-15 河南中烟工业有限责任公司 一种异形烟叶智能剪切系统
CN113725108B (zh) * 2021-08-06 2023-12-01 广东工业大学 大板扇出型封装芯片的漂移定位测量方法及装置
CN113725108A (zh) * 2021-08-06 2021-11-30 广东工业大学 大板扇出型封装芯片的漂移定位测量方法及装置
CN113649692A (zh) * 2021-10-19 2021-11-16 武汉逸飞激光股份有限公司 一种焊接控制方法、系统、设备及存储介质
CN113649692B (zh) * 2021-10-19 2022-01-14 武汉逸飞激光股份有限公司 一种焊接控制方法、系统、设备及存储介质
CN114199155A (zh) * 2021-12-09 2022-03-18 湖北文理学院 一种基于机器视觉的机车构架拉杆座形变测量平台及方法
CN114199155B (zh) * 2021-12-09 2023-11-14 湖北文理学院 一种基于机器视觉的机车构架拉杆座形变测量平台及方法
CN114042599A (zh) * 2021-12-20 2022-02-15 昆明北方红外技术股份有限公司 双z轴可调焦距视觉精密点胶机构
CN114347038A (zh) * 2022-02-17 2022-04-15 西安建筑科技大学 一种交汇管道双臂协作焊接机器人及控制系统
CN114627731A (zh) * 2022-03-16 2022-06-14 芜湖安普机器人产业技术研究院有限公司 一种机器视觉检测工作台
CN114833040B (zh) * 2022-05-13 2024-01-05 智新科技股份有限公司 一种涂胶方法及新能源电驱动端盖涂胶设备
CN114833040A (zh) * 2022-05-13 2022-08-02 智新科技股份有限公司 一种涂胶方法及新能源电驱动端盖涂胶设备
CN114708262A (zh) * 2022-06-02 2022-07-05 深圳市海蓝智能科技有限公司 一种连接器针脚的视觉检测方法
CN116297189B (zh) * 2023-02-18 2024-01-30 上海贝特威自动化科技有限公司 一种基于机器视觉的焊面检测仪
CN116297189A (zh) * 2023-02-18 2023-06-23 上海贝特威自动化科技有限公司 一种基于机器视觉的焊面检测仪
CN117086519B (zh) * 2023-08-22 2024-04-12 京闽数科(北京)有限公司 基于工业互联网的联网设备数据分析及评估系统、方法
CN117086519A (zh) * 2023-08-22 2023-11-21 江苏凯立达数据科技有限公司 基于工业互联网的联网设备数据分析及评估系统、方法
CN117381261B (zh) * 2023-12-13 2024-03-08 德阳市华建机械设备有限公司 一种自动化焊接机的故障识别装置及方法
CN117381261A (zh) * 2023-12-13 2024-01-12 德阳市华建机械设备有限公司 一种自动化焊接机的故障识别装置及方法
CN117506263A (zh) * 2024-01-04 2024-02-06 山东飞宏工程机械有限公司 一种基于机器视觉的智能焊接切割设备智能控制系统
CN117562564A (zh) * 2024-01-15 2024-02-20 赛诺威盛科技(北京)股份有限公司 Ct扫描系统的机架旋转角度控制装置和控制方法
CN117562564B (zh) * 2024-01-15 2024-05-14 赛诺威盛科技(北京)股份有限公司 Ct扫描系统的机架旋转角度控制装置和控制方法

Also Published As

Publication number Publication date
CN103846606A (zh) 2014-06-11
CN103846606B (zh) 2015-09-02

Similar Documents

Publication Publication Date Title
WO2015120734A1 (zh) 基于机器视觉的焊接轨迹校正专用测试装置及方法
CN111331367B (zh) 智能装配控制系统
CN112059363B (zh) 一种基于视觉测量的无人爬壁焊接机器人及其焊接方法
CN108765378B (zh) 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法
JP4021413B2 (ja) 計測装置
CN110524582B (zh) 一种柔性组对焊接机器人工作站
US20050273199A1 (en) Robot system
CN103231162A (zh) 机器人焊接质量视觉检测装置及其检测方法
CN106066185B (zh) 一种面向焊缝跟踪的线激光传感器自动标定装置及方法
CN203712189U (zh) 基于机器视觉的焊接轨迹校正专用测试装置
CN103203526A (zh) 激光视觉跟踪系统
JPH08210816A (ja) ロボット−視覚センサシステムにおいてセンサ座標系とロボット先端部の関係を定める座標系結合方法
DE102019131284B4 (de) Robotersystem und Koordinatenumwandlungsverfahren
CN113146172A (zh) 一种基于多视觉的检测与装配系统及方法
CN112497219A (zh) 一种基于目标检测和机器视觉的柱状工件分类定位方法
CN115880296B (zh) 基于机器视觉的预制构件质量检测方法及装置
Hsu et al. Development of a faster classification system for metal parts using machine vision under different lighting environments
CN212329961U (zh) 一种基于视觉测量的无人爬壁焊接机器人
CN110508906A (zh) 一种机器人激光位移传感器寻位的方法
CN114211168A (zh) 一种基于图像相减的平面焊缝轨迹纠偏的方法
CN110039520B (zh) 一种基于图像对比的示教、加工系统
CN113195142B (zh) 自动焊接系统、电梯轿厢室部件的制造方法及自动焊接方法
CN113020959B (zh) 基于双目视觉的接头拧紧角度自动预测装置及系统
TWI419762B (zh) 工具機工件線上量測方法及其裝置
JP2602292B2 (ja) 溶接システムおよび溶接方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14882760

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14882760

Country of ref document: EP

Kind code of ref document: A1