發(fā)布時(shí)間：2018-02-25 19:34

  本文關(guān)鍵詞： 弧焊機(jī)器人 焊縫識(shí)別 結(jié)構(gòu)光視覺(jué)傳感器 特征點(diǎn)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(gè)行業(yè)的發(fā)達(dá)程度。在焊接技術(shù)中,機(jī)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(shì),怎樣提高焊接機(jī)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(jī)器人大多屬于示教再現(xiàn)型機(jī)器人,對(duì)復(fù)雜情況的應(yīng)變能力差,受環(huán)境變化影響大,對(duì)工件的適配精度要求高。一旦焊接中出現(xiàn)裝配問(wèn)題或熱應(yīng)力導(dǎo)致的變形,焊接機(jī)器人很難復(fù)現(xiàn)理想的示范動(dòng)作,這就會(huì)影響焊接質(zhì)量。由于焊接機(jī)器人沒(méi)有檢測(cè)焊縫位置、偏移程度的能力,因此需要為其配置一個(gè)焊縫識(shí)別系統(tǒng),幫助機(jī)器人在焊接過(guò)程中實(shí)時(shí)掌握焊縫位置以便做出應(yīng)對(duì),調(diào)節(jié)自身移動(dòng)軌跡,實(shí)現(xiàn)智能焊接。本文參考了國(guó)內(nèi)外主要的焊接機(jī)器人焊縫識(shí)別系統(tǒng)的設(shè)計(jì)方法,采用直射式激光三角法設(shè)計(jì)了一套基于視覺(jué)圖像處理的焊縫識(shí)別系統(tǒng)。利用智能相機(jī)實(shí)時(shí)獲取焊接圖像,并利用VBAI進(jìn)行圖像處理,獲取圖像中焊縫特征點(diǎn)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(diǎn)的位置,計(jì)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(jī)進(jìn)行處理,進(jìn)而指導(dǎo)機(jī)器人移動(dòng)。該方案精度較高,經(jīng)過(guò)實(shí)驗(yàn),該方案能夠?qū)⒄`差控制在約0.5mm以內(nèi),而通�；『负附訉�(duì)精度要求都在2mm內(nèi)。并且,由于該方案利用智能相機(jī)獲取圖像,而智能相機(jī)本身帶有數(shù)據(jù)處理功能,已經(jīng)將上位機(jī)的職責(zé)分擔(dān)了一部分,如果未來(lái)能夠?qū)崿F(xiàn)利用焊接機(jī)器人自身的軟件系統(tǒng)實(shí)現(xiàn)對(duì)數(shù)據(jù)的接收,則有望徹底擺脫上位機(jī),簡(jiǎn)化焊接機(jī)器人的構(gòu)成,具有發(fā)展前景。本文同時(shí)對(duì)傳感器模塊的重要參數(shù)給出了標(biāo)定方法,在實(shí)際焊接之前需按照方法對(duì)相機(jī)內(nèi)外參數(shù)、幾何設(shè)計(jì)參數(shù)進(jìn)行標(biāo)定,以保證計(jì)算焊縫位置偏移量時(shí)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(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP242

【相似文獻(xiàn)】

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(jìn)式特征點(diǎn)定位算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2006年05期

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

3 江詩(shī)鋒;何振峰;;基于特征點(diǎn)的行車數(shù)據(jù)序列對(duì)齊[J];福州大學(xué)學(xué)報(bào)(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(diǎn)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(shí)別中基準(zhǔn)點(diǎn)的選取與特征點(diǎn)定位[J];西安電子科技大學(xué)學(xué)報(bào);1998年01期

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

7 潘翔;章國(guó)棟;陳啟華;;三維可變形物體的特征點(diǎn)層次提取[J];計(jì)算機(jī)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(diǎn)的一體化去除算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運(yùn)動(dòng)目標(biāo)特征點(diǎn)的算法[J];計(jì)算機(jī)工程;2003年10期

10 胡迎春,張?jiān)龇?梁數(shù);人臉圖像嘴巴特征點(diǎn)自動(dòng)提取系統(tǒng)[J];廣西工學(xué)院學(xué)報(bào);2003年02期

相關(guān)會(huì)議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

2 付洪川;王劍;萬(wàn)嬋;趙建英;付凱;;圖像特征點(diǎn)匹配算法的研究與改進(jìn)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點(diǎn)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(huì)議論文集[C];2009年

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

5 許競(jìng);姜波;;攝像機(jī)運(yùn)動(dòng)下特征點(diǎn)追蹤方法研究[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

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

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

8 舒志龍;阮秋琦;;基于KLT特征點(diǎn)跟蹤的圖象拼接[A];中國(guó)體視學(xué)學(xué)會(huì)圖像分析專業(yè)、中國(guó)體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專業(yè)、中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)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(hào)多特征點(diǎn)綜合檢測(cè)算法[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

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

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 王宇;芯技術(shù)點(diǎn)亮未來(lái)[N];電腦報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

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

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

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

4 楊占龍;基于特征點(diǎn)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(diǎn)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(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊(cè)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(jìn)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(wú)人機(jī)飛行途中視覺(jué)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(guó)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(shí)別的中國(guó)書(shū)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(jué)的特征點(diǎn)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(diǎn)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(diǎn)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(diǎn)的檢測(cè)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(guó)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(shí)別算法設(shè)計(jì)[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(diǎn)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(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

，

本文編號(hào)：1534898