本文關(guān)鍵詞： 弧焊機器人 焊縫識別 結(jié)構(gòu)光視覺傳感器 特征點提取算法　出處：《哈爾濱理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在現(xiàn)代制造行業(yè)領(lǐng)域,尤其是重工業(yè)中,焊接技術(shù)的發(fā)展程度往往標(biāo)志著整個行業(yè)的發(fā)達程度。在焊接技術(shù)中,機器人焊接技術(shù)如今已成為關(guān)鍵技術(shù)之一,而其向智能化方向發(fā)展已經(jīng)成為一大趨勢,怎樣提高焊接機器人的智能化程度已經(jīng)成為主要的研發(fā)課題。傳統(tǒng)的焊接機器人大多屬于示教再現(xiàn)型機器人,對復(fù)雜情況的應(yīng)變能力差,受環(huán)境變化影響大,對工件的適配精度要求高。一旦焊接中出現(xiàn)裝配問題或熱應(yīng)力導(dǎo)致的變形,焊接機器人很難復(fù)現(xiàn)理想的示范動作,這就會影響焊接質(zhì)量。由于焊接機器人沒有檢測焊縫位置、偏移程度的能力,因此需要為其配置一個焊縫識別系統(tǒng),幫助機器人在焊接過程中實時掌握焊縫位置以便做出應(yīng)對,調(diào)節(jié)自身移動軌跡,實現(xiàn)智能焊接。本文參考了國內(nèi)外主要的焊接機器人焊縫識別系統(tǒng)的設(shè)計方法,采用直射式激光三角法設(shè)計了一套基于視覺圖像處理的焊縫識別系統(tǒng)。利用智能相機實時獲取焊接圖像,并利用VBAI進行圖像處理,獲取圖像中焊縫特征點的位置,之后再根據(jù)傳感器模塊的幾何關(guān)系,以及前一幅圖像中特征點的位置,計算出兩幅圖像中焊縫分別在豎直方向和水平方向發(fā)生的位置變化,將其反饋到上位機進行處理,進而指導(dǎo)機器人移動。該方案精度較高,經(jīng)過實驗,該方案能夠?qū)⒄`差控制在約0.5mm以內(nèi),而通�；『负附訉纫蠖荚�2mm內(nèi)。并且,由于該方案利用智能相機獲取圖像,而智能相機本身帶有數(shù)據(jù)處理功能,已經(jīng)將上位機的職責(zé)分擔(dān)了一部分,如果未來能夠?qū)崿F(xiàn)利用焊接機器人自身的軟件系統(tǒng)實現(xiàn)對數(shù)據(jù)的接收,則有望徹底擺脫上位機,簡化焊接機器人的構(gòu)成,具有發(fā)展前景。本文同時對傳感器模塊的重要參數(shù)給出了標(biāo)定方法,在實際焊接之前需按照方法對相機內(nèi)外參數(shù)、幾何設(shè)計參數(shù)進行標(biāo)定,以保證計算焊縫位置偏移量時的準(zhǔn)確性。
[Abstract]:In the field of modern manufacturing, especially in heavy industry, the development of welding technology often marks the development of the whole industry. In welding technology, robot welding technology has become one of the key technologies. How to improve the intelligent degree of welding robot has become the main research and development topic. Most of the traditional welding robots belong to the teaching and reproducing robot, and how to improve the intelligent degree of welding robot has become the main research and development topic. It is difficult for welding robot to reproduce ideal demonstration action once assembly problem or deformation caused by thermal stress occurs in welding, because of poor strain ability of complex cases, greatly affected by environment change, and high requirement of workpiece adaptation precision. This affects the quality of the welding. Because the robot has no ability to detect the position and deviation of the weld, it needs to be equipped with a weld identification system to help the robot master the position of the weld in real time during the welding process in order to respond. This paper refers to the design method of welding robot weld identification system at home and abroad. A welding seam recognition system based on visual image processing is designed by means of direct laser triangulation. The welding image is acquired by intelligent camera, and the position of weld feature points in the image is obtained by VBAI image processing. Then according to the geometric relationship of the sensor module and the position of the feature points in the previous image, the position changes of the weld seam in the vertical direction and the horizontal direction in the two images are calculated, which are fed back to the upper computer for processing. The scheme can control the error within 0.5 mm, but usually the precision of arc welding is less than 2 mm. Moreover, because the scheme uses intelligent camera to obtain images, the precision of the scheme is higher than that of the robot, and the precision of arc welding is less than 2 mm. The intelligent camera itself has data processing functions and has shared the responsibilities of the upper computer. If the software system of the welding robot itself can be used to receive the data in the future, it is expected to completely get rid of the upper computer. In this paper, the calibration method of the important parameters of the sensor module is given. Before the actual welding, the camera internal and external parameters and geometric design parameters should be calibrated according to the method. In order to ensure the accuracy of the calculation of weld position offset.
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細(xì)的漸進式特征點定位算法[J];北京工業(yè)大學(xué)學(xué)報;2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點的跟蹤算法[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2006年03期

3 江詩鋒;何振峰;;基于特征點的行車數(shù)據(jù)序列對齊[J];福州大學(xué)學(xué)報(自然科學(xué)版);2010年02期

4 周全峗;史澤林;;輻射模糊圖像的特征點穩(wěn)定性分析[J];光電工程;2013年06期

5 魏立梅,張永瑞,謝維信,程相君;人臉識別中基準(zhǔn)點的選取與特征點定位[J];西安電子科技大學(xué)學(xué)報;1998年01期

6 許承慧;劉桂華;梁峰;;非特征點雙目測距技術(shù)研究[J];微型機與應(yīng)用;2013年22期

7 潘翔;章國棟;陳啟華;;三維可變形物體的特征點層次提取[J];計算機科學(xué);2014年04期

8 陶剛,盧昀,李吉桂;細(xì)化指紋圖中偽特征點的一體化去除算法[J];現(xiàn)代計算機(專業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運動目標(biāo)特征點的算法[J];計算機工程;2003年10期

10 胡迎春,張增芳,梁數(shù);人臉圖像嘴巴特征點自動提取系統(tǒng)[J];廣西工學(xué)院學(xué)報;2003年02期

相關(guān)會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權(quán);;基于二乘向量機的特征點配準(zhǔn)算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

9 楊向林;嚴(yán)洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

相關(guān)重要報紙文章 前1條

1 本報記者 王宇;芯技術(shù)點亮未來[N];電腦報;2010年

相關(guān)博士學(xué)位論文 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應(yīng)變測量方法[D];上海交通大學(xué);2014年

2 劉通;面向心拍識別的心電信號的高層特征研究[D];吉林大學(xué);2016年

3 廖斌;基于特征點的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 楊占龍;基于特征點的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

5 楊利敏;圖像特征點定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

6 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學(xué);2009年

7 魯統(tǒng)偉;前視目標(biāo)圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

8 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

9 宋琳;無人機飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 曾寶瑩;基于圖像識別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點匹配算法研究[D];西安建筑科技大學(xué);2015年

3 朱迪;基于特征點和方向向量的快速目標(biāo)匹配算法研究[D];上海交通大學(xué);2015年

4 崔明明;基于特征點的CT體數(shù)據(jù)配準(zhǔn)技術(shù)研究[D];解放軍信息工程大學(xué);2014年

5 陶雪焦;圖像序列中特征點的檢測提取及匹配跟蹤研究[D];浙江理工大學(xué);2016年

6 孫小冬;圖像處理技術(shù)在深海生物視頻特征提取中的研究與應(yīng)用[D];青島科技大學(xué);2016年

7 滕日;基于SIFT的局部不變特征研究[D];中國科學(xué)院研究生院(光電技術(shù)研究所);2016年

8 杜華松;基于唇形特征的身份識別算法設(shè)計[D];蘭州大學(xué);2016年

9 徐源泉;黎曼空間下柔性體形變MR影像中點特征的匹配方法研究[D];武漢紡織大學(xué);2016年

10 張巍;印鑒校正系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學(xué);2016年

，

本文編號：1534898