焊接机器人车架焊缝识别系统的研究
发布时间：2021-09-01 13:58
随着我国工业制造的快速发展,对于产品的测量又有了更高的精度要求,尤其是在我国的焊接领域,智能化焊接机器人因其具有的视觉功能在一定程度上提高了焊接精度和生产率,所以研究基于视觉的焊接机器人焊缝识别技术对我国焊接领域的发展有着重要意义。本文针对焊接机器人车架焊缝识别,将双目视觉应用于焊接机器人,深入研究了焊接机器人在焊接工作之前的车架焊缝识别技术。在Microsoft Visual Studio软件中,利用C#语言编程实现焊接机器人车架焊缝识别系统。具体研究内容如下:（1）论文介绍了系统搭建的硬件环境以及系统使用的前提条件是焊接机器人通过宏观环境下的整体识别已到达车架焊缝附近,然后采用基于结构光的双目视觉技术来识别车架焊缝。双目视觉的主要任务是从不同角度同时拍摄车架焊缝,测量焊缝的深度信息。通过双目视觉技术的原理,采用Matlab工具箱实现双目相机的标定,依据获取的相机参数,通过Bouguet算子极线几何的原理完成双目图像校正。因基于结构光的双目视觉技术通过丰富的特征信息量可以提高焊缝识别测量的精度,在综合分析结构光的特点后,设计了一种重复周期组合的编码结构光,该方法不仅可以提高被测物体的...
【文章来源】：济南大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
系统的
焊接机器人车架焊缝识别系统的研究10焊缝空间位置以及焊缝初始终止点。在研究的系统中，硬件环境搭建主要包括双目相机、结构光投射器、强光灯等。双目相机采集的图像中包括有结构光和强光两种投射方式。双目相机如图2.1(a)所示。其中镜头选择日本Computar公司生产的H0514-MP2型号。选择了两个大恒图像公司的MER-1520-13U3C系列CMOS相机，相机镜头的主要参数指标如表2.1所示。结构光投射器选择MEMS-HD301系列激光扫描投影模组如图2.1(b)所示。强光灯如图2.1(c)所示，灯的功率为500W。(a)双目视觉平台(b)激光扫描投影模组(c)射灯图2.1系统的硬件设备图表2.1相机和镜头的主要参数指标性能对象参数指标相机帧率13fps接口USB3.0分辨率4608(H)3288(W)曝光时间22μs1s栥像素尺寸1.4μm1.4μm镜头焦距5mm硬件环境搭建示意图如图2.2所示。其中双目相机之间的基线距离为500mm，双目相机相对待识别的焊缝车架倾斜角度范围为oo30～45，目的是减少采集图像中非车架焊缝以外的背景，从而提高后续图像处理的效率。搭建环境中为了保证左右相机成像图像的均匀性并突出焊缝信息，采用两个强光灯安装于相机上方，投射方向与相机轴线保持平行。采用的激光扫描模组安装于双目相机中间，并向车架投射结构光。
济南大学硕士学位论文11图2.2硬件环境搭建示意图当双目相机开始采集图像时，对于同一车架焊缝位置，首先打开激光扫描模组，同时关闭强光灯，双目相机采集包含结构光的车架焊缝图像，采集完成后关闭激光扫描模组，同时打开强光灯，然后双目相机采集包含强光的车架焊缝图像，这样整个采集过程共采集了左右4幅图像。2.1.3软件系统设计焊接机器人车架焊缝识别系统的实现主要面临三个问题：一是在双目视觉系统中双目立体校正问题，根据双目视觉系统的原理获取相机标定参数，并选择合适的参数以及合适的算法提高立体校正的精度；二是在双目视觉系统中，设计合适的结构光既可以增加特征点的数量，又可以满足测量需求；三是对于车架焊缝识别，选择合适的立体匹配策略对焊缝识别效率和精度起重要作用。车架焊缝识别系统的整体架构如图2.3所示，主要目的如下：(1)能够实现对双目图像的立体校正；(2)通过结构光与焊缝轮廓的提取结合实现双目立体匹配，并计算出焊缝轮廓特征点的空间坐标；(3)能把计算得出的车架焊缝轮廓空间点通过拟合空间坐标点确定焊缝的空间位置以及焊缝的初始点和终止点。
【参考文献】：
期刊论文
[1]双目立体视觉技术的实现及其进展[J]. 吴琼,刘宝龙,王科,王江,卢浩. 中国新通信. 2020(02)
[2]基于圆形阵列标定板的张氏相机标定法[J]. 汪首坤,赵金枝,姜明,王浩田,张一丁. 北京理工大学学报. 2019(08)
[3]遥操作工程机器人的双目视觉定位方法研究[J]. 郭彦泽,李笑,李超伟. 机械设计与制造. 2019(07)
[4]基于SURF算法的双目视觉立体匹配研究[J]. 杨顺波,龙永红,向昭宇,姚佳成. 湖南工业大学学报. 2019(03)
[5]接触线双目视觉测量系统标定及立体校正方法研究[J]. 王浩,张凤生,刘延杰. 制造业自动化. 2019(03)
[6]改进格雷码结构光双目视觉工件3D测量[J]. 肖汝宁,周金治. 计算机测量与控制. 2019(03)
[7]基于以SURF改进AKAZE的图像匹配算法[J]. 赵柏山,郑丽娟,陈瑜. 微处理机. 2019(01)
[8]基于彩色伪随机编码结构光特征提取方法[J]. 王国新,陈凤东,刘国栋. 山东大学学报(工学版). 2018(05)
[9]机器视觉技术在现代汽车制造中的应用综述[J]. 尹仕斌,任永杰,刘涛,郭思阳,赵进,邾继贵. 光学学报. 2018(08)
[10]基于格雷码和多步相移法的双目立体视觉三维测量技术研究[J]. 王兵,郭玲. 计算机测量与控制. 2018(05)
硕士论文
[1]基于双目视觉立体匹配算法的研究与应用[D]. 刘欢.哈尔滨工业大学 2018
[2]基于结构光的双目立体测量[D]. 马俊.黑龙江大学 2016
[3]基于结构光投影的三维测量技术研究[D]. 薛敏.五邑大学 2015
[4]基于双目立体视觉的三维测量系统的实现[D]. 吴琳琳.大连海事大学 2015
[5]多线结构光自适应三维测量方法及重构研究[D]. 刘林超.哈尔滨理工大学 2014
[6]彩色结构光编码的视觉测量研究[D]. 高乐.哈尔滨工程大学 2013
[7]主动式结构光的立体视觉方法研究[D]. 李帅.浙江工业大学 2012
[8]基于彩色编码的双目三维测量关键技术研究[D]. 严雪梅.南京航空航天大学 2012
[9]基于格雷码与相移结合的双目立体视觉测量研究[D]. 刘晓辉.华侨大学 2011
[10]格雷码结合相移的编码结构光三维重建技术研究[D]. 侯风芝.西安电子科技大学 2011
本文编号：3377105
【文章来源】：济南大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
系统的
焊接机器人车架焊缝识别系统的研究10焊缝空间位置以及焊缝初始终止点。在研究的系统中，硬件环境搭建主要包括双目相机、结构光投射器、强光灯等。双目相机采集的图像中包括有结构光和强光两种投射方式。双目相机如图2.1(a)所示。其中镜头选择日本Computar公司生产的H0514-MP2型号。选择了两个大恒图像公司的MER-1520-13U3C系列CMOS相机，相机镜头的主要参数指标如表2.1所示。结构光投射器选择MEMS-HD301系列激光扫描投影模组如图2.1(b)所示。强光灯如图2.1(c)所示，灯的功率为500W。(a)双目视觉平台(b)激光扫描投影模组(c)射灯图2.1系统的硬件设备图表2.1相机和镜头的主要参数指标性能对象参数指标相机帧率13fps接口USB3.0分辨率4608(H)3288(W)曝光时间22μs1s栥像素尺寸1.4μm1.4μm镜头焦距5mm硬件环境搭建示意图如图2.2所示。其中双目相机之间的基线距离为500mm，双目相机相对待识别的焊缝车架倾斜角度范围为oo30～45，目的是减少采集图像中非车架焊缝以外的背景，从而提高后续图像处理的效率。搭建环境中为了保证左右相机成像图像的均匀性并突出焊缝信息，采用两个强光灯安装于相机上方，投射方向与相机轴线保持平行。采用的激光扫描模组安装于双目相机中间，并向车架投射结构光。
济南大学硕士学位论文11图2.2硬件环境搭建示意图当双目相机开始采集图像时，对于同一车架焊缝位置，首先打开激光扫描模组，同时关闭强光灯，双目相机采集包含结构光的车架焊缝图像，采集完成后关闭激光扫描模组，同时打开强光灯，然后双目相机采集包含强光的车架焊缝图像，这样整个采集过程共采集了左右4幅图像。2.1.3软件系统设计焊接机器人车架焊缝识别系统的实现主要面临三个问题：一是在双目视觉系统中双目立体校正问题，根据双目视觉系统的原理获取相机标定参数，并选择合适的参数以及合适的算法提高立体校正的精度；二是在双目视觉系统中，设计合适的结构光既可以增加特征点的数量，又可以满足测量需求；三是对于车架焊缝识别，选择合适的立体匹配策略对焊缝识别效率和精度起重要作用。车架焊缝识别系统的整体架构如图2.3所示，主要目的如下：(1)能够实现对双目图像的立体校正；(2)通过结构光与焊缝轮廓的提取结合实现双目立体匹配，并计算出焊缝轮廓特征点的空间坐标；(3)能把计算得出的车架焊缝轮廓空间点通过拟合空间坐标点确定焊缝的空间位置以及焊缝的初始点和终止点。
【参考文献】：
期刊论文
[1]双目立体视觉技术的实现及其进展[J]. 吴琼,刘宝龙,王科,王江,卢浩. 中国新通信. 2020(02)
[2]基于圆形阵列标定板的张氏相机标定法[J]. 汪首坤,赵金枝,姜明,王浩田,张一丁. 北京理工大学学报. 2019(08)
[3]遥操作工程机器人的双目视觉定位方法研究[J]. 郭彦泽,李笑,李超伟. 机械设计与制造. 2019(07)
[4]基于SURF算法的双目视觉立体匹配研究[J]. 杨顺波,龙永红,向昭宇,姚佳成. 湖南工业大学学报. 2019(03)
[5]接触线双目视觉测量系统标定及立体校正方法研究[J]. 王浩,张凤生,刘延杰. 制造业自动化. 2019(03)
[6]改进格雷码结构光双目视觉工件3D测量[J]. 肖汝宁,周金治. 计算机测量与控制. 2019(03)
[7]基于以SURF改进AKAZE的图像匹配算法[J]. 赵柏山,郑丽娟,陈瑜. 微处理机. 2019(01)
[8]基于彩色伪随机编码结构光特征提取方法[J]. 王国新,陈凤东,刘国栋. 山东大学学报(工学版). 2018(05)
[9]机器视觉技术在现代汽车制造中的应用综述[J]. 尹仕斌,任永杰,刘涛,郭思阳,赵进,邾继贵. 光学学报. 2018(08)
[10]基于格雷码和多步相移法的双目立体视觉三维测量技术研究[J]. 王兵,郭玲. 计算机测量与控制. 2018(05)
硕士论文
[1]基于双目视觉立体匹配算法的研究与应用[D]. 刘欢.哈尔滨工业大学 2018
[2]基于结构光的双目立体测量[D]. 马俊.黑龙江大学 2016
[3]基于结构光投影的三维测量技术研究[D]. 薛敏.五邑大学 2015
[4]基于双目立体视觉的三维测量系统的实现[D]. 吴琳琳.大连海事大学 2015
[5]多线结构光自适应三维测量方法及重构研究[D]. 刘林超.哈尔滨理工大学 2014
[6]彩色结构光编码的视觉测量研究[D]. 高乐.哈尔滨工程大学 2013
[7]主动式结构光的立体视觉方法研究[D]. 李帅.浙江工业大学 2012
[8]基于彩色编码的双目三维测量关键技术研究[D]. 严雪梅.南京航空航天大学 2012
[9]基于格雷码与相移结合的双目立体视觉测量研究[D]. 刘晓辉.华侨大学 2011
[10]格雷码结合相移的编码结构光三维重建技术研究[D]. 侯风芝.西安电子科技大学 2011
本文编号：3377105
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3377105.html
