一种基于焊接机器人轨迹跟踪及过程纠偏方法与流程

1.本发明涉及工业机器人领域，特别是涉及一种焊接轨迹跟踪过程纠偏控制方法。


背景技术：

2.焊接机器人在实际焊接加工过程中，由于电弧高温、焊头机械传动、焊接烟尘、强光污染等多种问题，将造成实际的焊接工作环境较为恶劣。而较为恶劣的焊接环境将严重影响焊接机器人在焊接轨迹识别、焊点寻位搜索等过程中的智能识别精度。在基于视觉识别的焊接机器人控制中加入图像处理方法，可以更好的克服焊接机器人加工过程中的干扰因素，同时提高焊接工件的的生产加工质量。但是现有的焊接机器人的图像处理过程中，仅考虑对实时焊接轨迹进行误差纠偏操作，并未考虑焊接机器人控制端在控制过程中产生的传动误差的问题，同时在进行图像处理的过程中，不能同时去除多帧焊接图像帧数据产生的造成干扰，造成视觉识别端计算数据量较大，图像识别较为复杂的问题。
3.公开号为cn110524580a的中国专利，提供了一种焊接机器人视觉组件及其测量方法，此专利中在工控机中获取工件定位信息，根据工件定位信息进行视觉装置的调整，并使用调整完成的视觉装置进行焊接路径的识别与跟踪，但是在焊接路径的识别与跟踪过程中，此专利中并未对可能出现的路径跟踪偏差进行识别与偏差纠偏处理。公开号为cn102284769a的中国专利，提供了一种基于单目视觉传感的机器人初始焊位识别系统及方法，此专利中通过对单目视觉摄像头采集的焊接图像进行处理，用以精确识别焊接机器人的焊缝起始点。但是此专利中并未明确说明如何去除所采集的焊接图像中产生的光斑与噪点，以及如何进行多焊接图像帧数据同步处理时的数据计算简化与算力提升。
4.因此，针对现有的基于视觉识别下的焊接机器人图像处理方法中存在的问题，本发明中提供了一种焊接轨迹跟踪过程纠偏控制方法。


技术实现要素：

5.针对上述存在的问题，本发明中提供了一种基于焊接机器人轨迹跟踪及过程纠偏方法，所述方法包括使用结构光线扫装置实时获取工件上的焊接轨迹数据，使用焊接机器人控制端同步获取工件焊接过程中的实时控制数据，使用结构光线扫装置控制端同时对焊接轨迹数据与实时控制数据中产生的焊接过程偏差进行纠偏调整；其中，对实时控制数据中产生的焊接过程偏差进行纠偏调整时，在结构光线扫装置控制端建立了多图像帧中焊接轨迹特征优化方法。
6.优选的，所述多图像帧中焊接轨迹特征优化方法中，在结构光线扫装置控制端接收工件焊接过程中焊接图像帧数据，对焊接图像帧数据进行图像增强处理。
7.优选的，所述图像增强处理中，将焊接图像帧数据进行二值化处理，并建立用于焊接图像帧数据中光斑筛选的第一结构像素矩阵与第二结构像素矩阵。
8.优选的，将所述第一结构像素矩阵与焊接图像帧数据的二值化矩阵进行一致性判断，将其中的一致性像素数据设为1，差异像素数据设为0，此时筛选出的光斑被覆盖。
9.优选的，将所述第二结构像素矩阵与焊接图像帧数据的二值化矩阵进行一致性判断，将其中的一致性像素数据设为0，差异像素数据设为1，此时焊接轨迹亮度特征被增强。
10.优选的，将所述图像增强处理后的焊接图像帧数据，与其后一帧焊接图像帧数据进行矩阵计算，在保留后一帧焊接图像帧数据中特征数据的同时筛除相邻两帧焊接图像帧数据中潜在光斑数据。
11.优选的，所述焊接轨迹跟踪中建立了定位焊点，并对所述定位焊点进行焊点定位纠偏计算。
12.优选的，所述焊点定位纠偏计算中，在图像增强处理的基础上，提取多个焊接图像帧数据中指定区域内的最大灰度值位置点。
13.优选的，将多个所述最大灰度值位置点进行相与计算，通过循坏判断筛除多个最大灰度值位置点中的噪声点，保留最大灰度值位置点作为定位焊点。
14.优选的，根据所述定位焊点对非线性焊接轨迹进行分段，并分别进行各段焊接轨迹下的焊接轨迹跟踪过程纠偏控制。
15.与现有技术相比，本发明的有益效果在于：（1）本发明中所提供的基于焊接机器人轨迹跟踪及过程纠偏方法，在工件焊接过程中，使用基于视觉传感器的结构光线扫装置进行焊接轨迹数据的采集与纠偏，使用纠偏后的焊接轨迹数据分别对实际焊接轨迹数据与控制器中的实时控制数据进行纠偏调整，从而进一步提高工件的实际焊接质量。
16.（2）在（1）的基础上，本发明中建立了基于图像增强处理方法与对所述定位焊点进行焊点定位纠偏计算，用以对视觉传感器接收的多帧焊接图像帧数据中的光斑与噪点等噪声进行筛除处理。
17.（3）在（2）的基础上，本发明中通过将所述图像增强处理后的焊接图像帧数据，与其后一帧焊接图像帧数据进行矩阵计算，用以提高图像帧数据同步处理时的数据计算效率。
18.（4）在（3）的基础上，本发明在识别定位焊点的过程中使用多个灰度值相与计算的方式，通过循环相与计算，在提高焊点定位的搜索效率的同时，提高焊点定位精度与非焊点噪声去除效率。
19.（5）本发明中根据识别得到的焊点位置，对焊缝进行分段，并对分段后的焊缝分别进行焊缝的轨迹跟踪与轨迹拟合操作，相比与对焊缝整体进行轨迹跟踪与轨迹拟合操作，本发明中所述分段拟合的方式可以更好地适应非线性焊缝分布结构，提高轨迹跟踪与拟合精度。
附图说明
20.图1为基于焊接机器人轨迹跟踪及过程纠偏方法流程图。
具体实施方式
21.实施例本实施例中提供了一种基于焊接机器人轨迹跟踪及过程纠偏方法，如图1所示，所述方法包括使用结构光线扫装置实时获取工件上的焊接轨迹数据，使用焊接机器人控制端
同步获取工件焊接过程中的实时控制数据，使用结构光线扫装置控制端同时对焊接轨迹数据与实时控制数据中产生的焊接过程偏差进行纠偏调整；其中，对实时控制数据中产生的焊接过程偏差进行纠偏调整时，在结构光线扫装置控制端建立了多图像帧中焊接轨迹特征优化方法。
22.其中，所述结构光线扫装置由视觉传感器与激光发生器共同组成，其中激光发生器发射激光至待焊接工件区域，通过视觉传感器接收待焊接工件区域反馈的激光数据，并生成焊接图像帧数据。
23.所述控制器中的实时控制数据的具有纠偏调整步骤为，将结构光线扫装置中纠偏后的焊接轨迹数据传送至控制器中，控制控制器生成焊接运动，待控制器生成焊接运动后，将纠偏后的焊接轨迹数据与控制器实际的运动控制数据进行对比，即对控制器实际的运动控制数据中出现的运动误差进行二次调整，保证工件上的实时焊接质量。
24.在一种实施方式中，所述多图像帧中焊接轨迹特征优化方法的具体流程为：s1、在结构光线扫装置控制端接收工件焊接过程中焊接图像帧数据，对焊接图像帧数据进行图像增强处理；s2、在所述图像增强处理中，将焊接图像帧数据进行二值化处理，并建立用于焊接图像帧数据中光斑筛选的第一结构像素矩阵与第二结构像素矩阵；s3、将所述第一结构像素矩阵与焊接图像帧数据的二值化矩阵进行一致性判断，将其中的一致性像素数据设为1，差异像素数据设为0，此时筛选出的光斑被覆盖；s4、将所述第二结构像素矩阵与焊接图像帧数据的二值化矩阵进行一致性判断，将其中的一致性像素数据设为0，差异像素数据设为1，此时焊接轨迹亮度特征被增强；s5、将所述图像增强处理后的焊接图像帧数据，与其后一帧焊接图像帧数据进行矩阵计算，在保留后一帧焊接图像帧数据中特征数据的同时筛除相邻两帧焊接图像帧数据中潜在光斑数据。
25.在一种实施方式中，所述焊接轨迹跟踪中建立了定位焊点，并对所述定位焊点进行焊点定位纠偏计算；所述焊点定位纠偏计算的具体流程为：a1、在所述焊点定位纠偏计算中，在图像增强处理的基础上，提取多个焊接图像帧数据中指定区域内的最大灰度值位置点；a2、将多个所述最大灰度值位置点进行相与计算，通过循坏判断筛除多个最大灰度值位置点中的噪声点，保留最大灰度值位置点作为定位焊点；其中，当最终保留的最大灰度位置点为多个时，通过建立最邻近算法进行与定位焊点坐标最临近的特征点作为定位焊点。
26.a3、根据所述定位焊点对非线性焊接轨迹进行分段，并分别进行各段焊接轨迹下的焊接轨迹跟踪过程纠偏控制；其中，本发明中通过进行焊接路径跟踪纠偏与焊点定位纠偏计算，用以同步监控焊接精度，避免由于前期的焊接路径跟踪偏差造成后期的焊接路径跟踪过程中产生累计误差，从而降低工件后期的焊接质量。
27.根据本发明中所述技术方案中，使用结构光线扫装置进行焊接轨迹数据采集与焊接轨迹的数据优化，在所述焊接轨迹的数据优化中，通过建立基于图像帧数据处理中的光斑筛选的方式，用以克服现有视觉识别装置易受到环境光照影响，从而影响图像数据采集质量的问题。另外，本发明中建立了一种焊接位置点的快速识别与定位方式，通过建立灰度
值循环相与计算的方式，在有助于剔除噪声孤点的同时提高定位焊点的识别效率，从而提高定位焊点的识别精度与噪声点去除效率。

技术特征：
1.一种基于焊接机器人轨迹跟踪及过程纠偏方法，其特征在于，所述方法包括使用结构光线扫装置实时获取工件上的焊接轨迹数据，使用焊接机器人控制端同步获取工件焊接过程中的实时控制数据，使用结构光线扫装置控制端同时对焊接轨迹数据与实时控制数据中产生的焊接过程偏差进行纠偏调整；其中，对实时控制数据中产生的焊接过程偏差进行纠偏调整时，在结构光线扫装置控制端建立了多图像帧中焊接轨迹特征优化方法。2.根据权利要求1所述基于焊接机器人轨迹跟踪及过程纠偏方法，其特征在于，所述多图像帧中焊接轨迹特征优化方法中，在结构光线扫装置控制端接收工件焊接过程中焊接图像帧数据，对焊接图像帧数据进行图像增强处理。3.根据权利要求2所述基于焊接机器人轨迹跟踪及过程纠偏方法，其特征在于，所述图像增强处理中，将焊接图像帧数据进行二值化处理，并建立用于焊接图像帧数据中光斑筛选的第一结构像素矩阵与第二结构像素矩阵。4.根据权利要求3所述基于焊接机器人轨迹跟踪及过程纠偏方法，其特征在于，将所述第一结构像素矩阵与焊接图像帧数据的二值化矩阵进行一致性判断，将其中的一致性像素数据设为1，差异像素数据设为0，此时筛选出的光斑被覆盖。5.根据权利要求4所述基于焊接机器人轨迹跟踪及过程纠偏方法，其特征在于，将所述第二结构像素矩阵与焊接图像帧数据的二值化矩阵进行一致性判断，将其中的一致性像素数据设为0，差异像素数据设为1，此时焊接轨迹亮度特征被增强。6.根据权利要求5所述焊接轨迹跟踪过程纠偏控制方法，其特征在于，将所述图像增强处理后的焊接图像帧数据，与其后一帧焊接图像帧数据进行矩阵计算，在保留后一帧焊接图像帧数据中特征数据的同时筛除相邻两帧焊接图像帧数据中潜在光斑数据。7.根据权利要求1所述焊接轨迹跟踪过程纠偏控制方法，其特征在于，所述焊接轨迹跟踪中建立了定位焊点，并对所述定位焊点进行焊点定位纠偏计算。8.根据权利要求7所述焊接轨迹跟踪过程纠偏控制方法，其特征在于，所述焊点定位纠偏计算中，在图像增强处理的基础上，提取多个焊接图像帧数据中指定区域内的最大灰度值位置点。9.根据权利要求8所述焊接轨迹跟踪过程纠偏控制方法，其特征在于，将多个所述最大灰度值位置点进行相与计算，通过循坏判断筛除多个最大灰度值位置点中的噪声点，保留最大灰度值位置点作为定位焊点。10.根据权利要求8所述焊接轨迹跟踪过程纠偏控制方法，其特征在于，根据所述定位焊点对非线性焊接轨迹进行分段，并分别进行各段焊接轨迹下的焊接轨迹跟踪过程纠偏控制。

技术总结
本发明涉及工业机器人领域，特别是涉及一种焊接轨迹跟踪过程纠偏控制方法。本发明所述方法包括使用结构光线扫装置实时获取工件上的焊接轨迹数据，使用焊接机器人控制端同步获取工件焊接过程中的实时控制数据，使用结构光线扫装置控制端同时对焊接轨迹数据与实时控制数据中产生的焊接过程偏差进行纠偏调整；其中，对实时控制数据中产生的焊接过程偏差进行纠偏调整时，在结构光线扫装置控制端建立了多图像帧中焊接轨迹特征优化方法。本发明在工件焊接过程中，使用基于视觉传感器的结构光线扫装置进行焊接轨迹数据的采集与纠偏，使用纠偏后的焊接轨迹数据分别对实际焊接轨迹数据与控制器中的实时控制数据进行纠偏调整，从而进一步提高工件的实际焊接质量。一步提高工件的实际焊接质量。一步提高工件的实际焊接质量。


技术研发人员：宁丽衍
受保护的技术使用者：山东芯合机器人科技有限公司
技术研发日：2023.05.24
技术公布日：2023/8/2