手眼自標定的對接焊接系統及關鍵技術

秦文罡，馬 群

（1.西安工業大學 光電工程學院，陜西 西安 710032；2.西安電子科技大學 技術物理學院，陜西 西安 710071）

手眼自標定的對接焊接系統及關鍵技術

秦文罡1，2，馬 群1

（1.西安工業大學 光電工程學院，陜西 西安 710032；2.西安電子科技大學 技術物理學院，陜西 西安 710071）

針對拼板對接焊的特點，提出了圖像獲取和焊接分離的焊接工藝，并構建基于嵌入式系統的機器視覺焊接系統。焊接工藝過程中首先獲取拼板對接焊縫圖像，計算焊縫參數并規劃焊接路徑，然后在焊接過程依據焊接路徑數據控制焊槍的運動軌跡與焊縫重合，實現高精度焊接。系統采用運動參數進行手眼關系自我標定和自適應閾值處理技術實現焊縫圖像濾波。系統圖像掃描速度為15 m/min，焊接速度0.8～1.5 m/min，能夠獲得良好的單面焊雙面成形的效果。實驗表明，提出的焊接工藝方法和構建的焊接系統消除了弧光、煙塵的影響，能夠提高拼板對接焊的焊接質量和生產效率。

機器視覺；對接焊；手眼標定；自適應閾值處理

0 前言

目前機器視覺焊接形式主要有兩種：一種是可編程示教再現型的自動焊接機器人，第二種是焊接實時跟蹤法。在結構化環境中的機器人焊接作業可采用離線示教方式[1]，但焊接過程中可能會因工件變形或機構錯位等原因偏離預定焊接軌跡；而非結構化環境中的焊接機器人，在線自主識別待焊區非常重要[2]。從傳感光源形式可分為主動視覺和被動視覺方法，焊接件坡口在激光光源照射下的形貌以激光光斑的形式表現出來，圖像處理技術能夠提取角點特征，從而確定焊縫位置；但是對接焊縫的焊縫寬度往往小于1 mm，而且沒有坡口或者特征不明顯，因而無法采用線結構光跟蹤方法[3]，難于實現實時跟蹤焊接。針對于結構化的對接焊接件，主要問題是焊縫特征提取和精確定位焊接。

基于視覺的實時焊接跟蹤技術一般可分為兩個步驟實施：第一是通過提取焊縫中心線，計算焊炬中心與焊縫中心線之差作為偏差信號；第二是根據偏差信號，采用一定的控制算法，驅動焊炬電機進行相應運動，跟蹤焊縫。但是弧光、電弧熱、飛濺以及煙霧等強干擾，是每一種視覺傳感方法都需要解決的問題。基于上述問題，針對對接焊提出了采用圖像獲取與焊縫焊接分離的工藝方法，與以往的焊接方法相比，具有三個突出特點：（1）避免了弧光、電弧熱、飛濺、以及煙霧等多種強烈干擾對圖像信息的獲取和焊縫二維信息的準確分析；（2）光源可以選擇非特殊定制激光，而采用沐光照明，控制光源的亮度即可；（3）采用圖像處理的方法對對接焊縫的最小間隙無特殊要求，適用范圍廣泛[4]。

2 焊接工藝過程分析

焊接工藝過程示意如圖1所示。

（1）焊縫圖像獲取。首先對焊接件進行圖像掃描、分析處理，運動控制器驅動焊接小車從焊縫的起始位置A端快速運動到B端，在此過程中獲取焊縫的二維信息，計算焊縫寬度、焊槍和工藝所要求的焊縫位置的偏移量。

（2）焊接過程。從B端返回，起弧焊接，通過控制器將信號發送給執行機構來改變焊槍的位置，使焊槍始終處于準確的焊接位置，一直跟蹤焊接到起始端A處。

3 系統組成

構建的視覺焊接系統主要由圖像獲取單元、焊接平臺以及嵌入式信息處理單元三部分構成。其原理示意和系統實體如圖2、圖3所示。

圖像獲取單元采用單色CCD作為傳感器，用于獲取焊縫的圖像信息；光源采用環形高亮白光LED，環形燈固定于光學鏡頭外圍；CCD和光源垂直于焊接面。與鏡頭光軸平行的位置設計了線激光標示器，用于校準手眼關系。

焊接平臺搭載了圖像獲取單元、位置和電流電壓傳感器、送絲機和驅動焊槍的兩軸運動臂，平臺在信息處理單元的控制下實現焊縫圖像獲取過程的高速運動和焊接過程的低速運動；運動臂帶動焊槍在垂直于焊接小車運動方向的徑向步進和焊件接觸距離方向的距離步進，上述步進信息由信息處理單元依據圖像數據規劃。

信息處理單元主要由DSP和FPGA搭建的硬件平臺構成，完成圖像的攝取、數據處理、傳感數據分析、人機交互和驅動運動臂動作。人機接口能夠顯示焊縫的寬度和實時運動速度；依據焊件厚度和焊縫寬度，設置焊接速度，以實現滲透充分。

4 關鍵技術分析

基于圖像獲取分析與焊縫焊接過程分離的工藝過程，構建的系統不再采用傳統的三角測量原理，而是通過圖像攝取手段獲取焊接件的焊縫寬度和長度信息，因此系統手眼關系和圖像處理算法對焊接精度至關重要。

4.1 手眼關系標定

標定的目的是確定三維物體的世界坐標系到攝像機上圖像坐標系的映射關系，標定是從二維圖像到三維空間信息轉換的橋梁。其精度是視覺計算精度的關鍵因素之一，也是系統誤差的主要來源[5-6]。對安裝在機器人上的視覺系統來講，標定內容主要有：（1）攝像機內外參數和攝像視覺系統的關系的標定；（2）手眼關系標定。針對第二項內容，提出了基于圖像信息和焊接機器運動參數的在線自我標定過程。

傳統的手眼系統標定是基于參考物的技術，實施過程是將高精度的模板置于已知參數的工作場景中來獲得手眼參數，但很多現場環境或工程領域無法標定此類。而自標定方法不需借助外在模板，僅利用圖像信息和焊接運動參數的對應關系獲取系統參數。在自動焊接過程中，焊接運動精度的因素包括零部件的加工制造誤差、安裝誤差、傳動機構的誤差、連桿和關節的柔性、工作環境、精度測量的不確定度以及機器人機電系統的非線性耦合等，這些因素中的每一種都可能成為影響末端執行器運動位姿精度的主要因素。根據研究表明，焊接系統的間隙誤差和當高速運動時產生的彈性變形與振動等誤差源都是隨機的，在末端執行器的運動過程中，各隨機誤差源是隨時間變化的，并且在運動過程中，各個誤差源的干擾是相互關聯的。因此，基于自標定的方法能夠將非隨機的誤差參數計算在標定參數，提高系統的精度。

依據提出焊接工藝，系統標定也分為兩步。

第一步是依據試驗樣品，獲取樣品的焊縫圖像。圖像解析的焊縫坐標表示為

式中 （tx，y）為焊縫的真實坐標系；n（x，y）為傳輸線、電氣干擾等引入的圖像噪聲；（x，y）為傳感器的運動引入的圖像模糊；cδ為由光學系統、攝像系統等安裝引入的圖像畸變。在單目焊接視覺系統中，三維空間的深度被忽略，進行二維平面的計算。

在第二步時，利用上一步計算的坐標數據，控制執行機構進行步進。同時，啟動與攝像視覺同一坐標的激光指示器。獲取的激光指示標的坐標表示為

式中 （lx，y）為指示的真實坐標系；n（'x，y）為傳輸線、電氣干擾等引入的圖像噪聲；（'x，y）為傳感器的運動引入的圖像模糊；cb'為由光學系統、攝像系統等安裝引入的圖像畸變。

在相同運動速度和同一運動軌道運行，設定各種噪聲引發焊縫和激光指示坐標的變化的差異可以忽略，因此，攝像系統與執行機構間的坐標差異可表示為

通過上述的計算完成系統的手眼標定。與其他標定方法相比，過程簡單，不需要人工干預，理論上還可以消除各個子系統噪聲引起的偏差。在操作上，能夠多次重復上述步驟，以提高標定精度。

4.2 自適應閾值濾波

由于焊接件個體差異較大，紋理特征多變，表面形貌不一，使得獲取的焊縫圖像的紋理多變，噪聲豐富，如圖4所示。因此需要對焊縫圖像進行濾波和閾值處理，常用的閾值算法包括：雙峰值法、P參數法和最大方差閾值法等[7-8]。基于硬件的嵌入系統對算法的復雜度和計算量要求苛刻，因此提出采用基于閾值不變分割算法。基于閾值不變分割的基本原理就是要保持閾值分割前后兩幅圖像的各階矩保持不變或相近，可以把基于矩不變閾值分割算法看成是對圖像的一種變換，它將原始含噪聲的灰度圖像轉換成不含噪聲的二值圖像[9]。

根據該原理，則必須滿足mp'=mp。算法中取前三階矩，即

由式（4）的前兩式分別可得

將其代入式（4）的后兩式可得

則式（7）、式（8）可以寫成

由此可得

將式（12）代入式（9）可得

最后將式（13）、式（14）代回式（4）可得

由矩不變閾值分割的基本原理得

式中 nk為二值分割前灰度值小于分割閾值T的所有像素個數的和。

由以上推導可知，d1是m1，m2，m3的函數為定值，這里通過調整閾值T使得方程左右成立的T值即為所求分割閾值。當無法找到使等式成立的T時，規定使方程左右差最小的T值為分割閾值。

相比于DSP，FPGA單元具備硬件并行和流水線操作的突點優勢，自適應閾值濾波算法和其他預處理算法由其單元完成圖像的。經過濾波細化的焊縫圖像如圖5所示。

5 結論

提出了針對拼接焊的圖像獲取和焊接過程分離的焊接工藝，并構建了基于嵌入式的機器視覺焊接系統。系統采用自我標定技術進行手眼關系標定，基于不變矩的自適應閾值濾波算法能夠解決不同的應用現場環境的要求。現場實驗表明，構建的系統能夠滿足對接焊的工程需要，提高焊接質量和生產效率。

[1]王克鴻，高 飛，高俊平.基于視覺的機器人智能化焊接技術現狀與發展[J].機械制造與自動化，2010（05）：1-6.

[2] 張龍華.焊接機器人在現代工業生產中的應用[J].電焊機，2009，39（04）：21-26.

[3]張伯奇，鄭 軍，潘際鑾.基于視覺檢測的對接焊縫跟蹤方法[J].電焊機，2010，40（12）：15-18.

[4]李鶴喜.基于視覺反饋的焊接機器人自主示教關鍵技術研究[D].廣州：華南理工大學，2010.

[5] ZijianZ，YuncaiL.Integratingcameracalibrationandhandeye calibrationintorobotvision[C].ProceedingsoftheIntelligent Control and Automation，2008.

[6]FengC，WuH-T，QiaoB，etal.Combining camera calibration with hand-eye calibration and using in monocular vision[C]. Proceedi ngs of the Computer，Mechatronics，Control and Electronic Engineering（CMCE），2010.

[7]Dempster A，Laird N，Rubin D.Maximum likelihood from incomplete data via the EM algorithm[J].Royal Statistical Society，1977，39（1）：1-38.

[8] Bilmes J A.A gentle Tutorial of the EM Algorithm and it’s ApplicationtoParameterEstimationforGaussian Mixture and Hidden MarkovModels[R].U.C：ICSITR2972021，Berkeley，1997.

[9]曹瑩慧，閆建國.基于矩和自適應閾值的迭代分割算法研究[J].計算機仿真，2011（8）：229-232.

Study on butt-jointed seam welding system based on hand-eye self-calibration and key technology

QIN Wen-gang1，2，MA Qun1
（1.School of Optoelectronic Engineering，Xi'an Technological University，Xi'an 710032，China；2.School of Technical Physics，Xidian University，Xi'an 710071，China）

A novel welding procedure with seam image acquisition and welding in different stage is presented according to characteristics of tailor welded，and a embedded welding robotic system is constructed based on the presented procedure.In the first stage，image processing techniques were implemented to help in the recognition of weld regions and welding path plan;In the second stage，a set of geometrical features which characterize the seam position and orientation was extracted to drive the execution unit. Based on the constructed welding system with 15 m/s image acquisition speed and welding speed from 0.8 to 1.5 m/min，a new handeye self-calibration arithmetic and adaptive thresholding method were applied.Experiments have been performed to prove the rationality of weld procedure proposed and stability of constructed welding robot with better effect of one side welding with back formation，and no arc light，spatters，fume and so on.

machine vision；bult-jointed；hand-eye calibration；adaptive thresholding

TG409

：A

：1001-2303（2014）02-0039-04

10.7512/j.issn.1001-2303.2014.02.08

2012-04-04；

2013-08-08

秦文罡（1979—），男，河南南陽人，講師，碩士，主要從事光電檢測與紅外圖像處理的研究工作。