基于VBAI的机器人视觉焊缝坡口测量系统研制
本文关键词: 弧焊机器人 焊缝识别 结构光视觉传感器 特征点提取算法 出处:《哈尔滨理工大学》2017年硕士论文 论文类型:学位论文
【摘要】:在现代制造行业领域,尤其是重工业中,焊接技术的发展程度往往标志着整个行业的发达程度。在焊接技术中,机器人焊接技术如今已成为关键技术之一,而其向智能化方向发展已经成为一大趋势,怎样提高焊接机器人的智能化程度已经成为主要的研发课题。传统的焊接机器人大多属于示教再现型机器人,对复杂情况的应变能力差,受环境变化影响大,对工件的适配精度要求高。一旦焊接中出现装配问题或热应力导致的变形,焊接机器人很难复现理想的示范动作,这就会影响焊接质量。由于焊接机器人没有检测焊缝位置、偏移程度的能力,因此需要为其配置一个焊缝识别系统,帮助机器人在焊接过程中实时掌握焊缝位置以便做出应对,调节自身移动轨迹,实现智能焊接。本文参考了国内外主要的焊接机器人焊缝识别系统的设计方法,采用直射式激光三角法设计了一套基于视觉图像处理的焊缝识别系统。利用智能相机实时获取焊接图像,并利用VBAI进行图像处理,获取图像中焊缝特征点的位置,之后再根据传感器模块的几何关系,以及前一幅图像中特征点的位置,计算出两幅图像中焊缝分别在竖直方向和水平方向发生的位置变化,将其反馈到上位机进行处理,进而指导机器人移动。该方案精度较高,经过实验,该方案能够将误差控制在约0.5mm以内,而通常弧焊焊接对精度要求都在2mm内。并且,由于该方案利用智能相机获取图像,而智能相机本身带有数据处理功能,已经将上位机的职责分担了一部分,如果未来能够实现利用焊接机器人自身的软件系统实现对数据的接收,则有望彻底摆脱上位机,简化焊接机器人的构成,具有发展前景。本文同时对传感器模块的重要参数给出了标定方法,在实际焊接之前需按照方法对相机内外参数、几何设计参数进行标定,以保证计算焊缝位置偏移量时的准确性。
[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.
【学位授予单位】:哈尔滨理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP391.41;TP242
【相似文献】
相关期刊论文 前10条
1 贾熹滨;石勤;尹宝才;;由粗到细的渐进式特征点定位算法[J];北京工业大学学报;2006年05期
2 郑林;刘泉;王林涛;;一种基于特征点的跟踪算法[J];武汉理工大学学报(交通科学与工程版);2006年03期
3 江诗锋;何振峰;;基于特征点的行车数据序列对齐[J];福州大学学报(自然科学版);2010年02期
4 周全峗;史泽林;;辐射模糊图像的特征点稳定性分析[J];光电工程;2013年06期
5 魏立梅,张永瑞,谢维信,程相君;人脸识别中基准点的选取与特征点定位[J];西安电子科技大学学报;1998年01期
6 许承慧;刘桂华;梁峰;;非特征点双目测距技术研究[J];微型机与应用;2013年22期
7 潘翔;章国栋;陈启华;;三维可变形物体的特征点层次提取[J];计算机科学;2014年04期
8 陶刚,卢昀,李吉桂;细化指纹图中伪特征点的一体化去除算法[J];现代计算机(专业版);2002年10期
9 仲启媛,谭立龙;一种确定运动目标特征点的算法[J];计算机工程;2003年10期
10 胡迎春,张增芳,梁数;人脸图像嘴巴特征点自动提取系统[J];广西工学院学报;2003年02期
相关会议论文 前10条
1 汪力;叶桦;夏良正;;利用特征点定位嘴巴[A];第二十六届中国控制会议论文集[C];2007年
2 付洪川;王剑;万婵;赵建英;付凯;;图像特征点匹配算法的研究与改进[A];2009中国控制与决策会议论文集(1)[C];2009年
3 温文雅;陈建华;;一种基于特征点的图像匹配算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 任明武;胡明昊;杨静宇;;一种快速实用的特征点匹配算法[A];全面建设小康社会:中国科技工作者的历史责任——中国科协2003年学术年会论文集(上)[C];2003年
5 许竞;姜波;;摄像机运动下特征点追踪方法研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
6 张田;王希常;苏志荣;;基于特征点和轮廓检测的粘连数字分割[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
7 杜鹏飞;彭代强;林幼权;;基于二乘向量机的特征点配准算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
8 舒志龙;阮秋琦;;基于KLT特征点跟踪的图象拼接[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年
9 杨向林;严洪;任兆瑞;陈靖一;;基于小波变换的ECG信号多特征点综合检测算法[A];第八届全国信息获取与处理学术会议论文集[C];2010年
10 韩广良;陈小云;;利用多特征点搜索实现纸钞图像的状态检测[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年
相关重要报纸文章 前1条
1 本报记者 王宇;芯技术点亮未来[N];电脑报;2010年
相关博士学位论文 前10条
1 刘洪涛;基于视觉的微夹持构件受力与应变测量方法[D];上海交通大学;2014年
2 刘通;面向心拍识别的心电信号的高层特征研究[D];吉林大学;2016年
3 廖斌;基于特征点的图像配准技术研究[D];国防科学技术大学;2008年
4 杨占龙;基于特征点的图像配准与拼接技术研究[D];西安电子科技大学;2008年
5 杨利敏;图像特征点定位算法研究及其应用[D];上海交通大学;2008年
6 李旭东;基于特征点的增强现实三维注册算法研究[D];天津大学;2009年
7 鲁统伟;前视目标图像匹配定位技术研究[D];华中科技大学;2008年
8 戴激光;渐进式多特征异源高分辨率卫星影像密集匹配方法研究[D];辽宁工程技术大学;2013年
9 宋琳;无人机飞行途中视觉导航关键技术研究[D];西北工业大学;2015年
10 杨奎元;基于深层结构的图像内容分析及其应用[D];中国科学技术大学;2012年
相关硕士学位论文 前10条
1 曾宝莹;基于图像识别的中国书法真伪鉴别方法研究[D];西安建筑科技大学;2015年
2 周兆镇;基于双目视觉的特征点匹配算法研究[D];西安建筑科技大学;2015年
3 朱迪;基于特征点和方向向量的快速目标匹配算法研究[D];上海交通大学;2015年
4 崔明明;基于特征点的CT体数据配准技术研究[D];解放军信息工程大学;2014年
5 陶雪焦;图像序列中特征点的检测提取及匹配跟踪研究[D];浙江理工大学;2016年
6 孙小冬;图像处理技术在深海生物视频特征提取中的研究与应用[D];青岛科技大学;2016年
7 滕日;基于SIFT的局部不变特征研究[D];中国科学院研究生院(光电技术研究所);2016年
8 杜华松;基于唇形特征的身份识别算法设计[D];兰州大学;2016年
9 徐源泉;黎曼空间下柔性体形变MR影像中点特征的匹配方法研究[D];武汉纺织大学;2016年
10 张巍;印鉴校正系统的设计与实现[D];吉林大学;2016年
,本文编号:1534898
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1534898.html