基于視覺的工業(yè)機(jī)器人自動焊接引導(dǎo)分析

郭英豪

摘 ?要：隨著社會的快速發(fā)展，焊接技術(shù)在加工制作行業(yè)中的應(yīng)用越來越廣泛，但是由于焊接技術(shù)的長時間作業(yè)會對人體造成一定程度的損傷，所以在現(xiàn)代加工制造業(yè)的發(fā)展過程中，工業(yè)機(jī)器人的使用成為我國焊接自動化的一個重要研究方向。文章通過對圖像坐標(biāo)系的構(gòu)建，重點研究了增強(qiáng)圖像的辦法，并以此為基礎(chǔ)為視覺圖像進(jìn)行邊緣檢測以及特征提取與匹配，從而輸出相關(guān)有效數(shù)據(jù)，為基于視覺的自動焊接技術(shù)提供了技術(shù)研究方向和方法論支持。

關(guān)鍵詞：工業(yè)機(jī)器人;自動焊接;視覺圖像

中圖分類號：TP242.2 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號：2095-2945（2020）01-0110-02

Abstract： With the rapid development of society， welding technology is more and more widely used in the processing and manufacturing industry， but the long-time operation of welding technology will cause a certain degree of damage to the human body， so in the development of modern processing and manufacturing industry， the use of industrial robots has become an important research direction of welding automation in our country. Through the construction of the image coordinate system， this paper focuses on the method of enhancing the image， and on this basis， edge detection and feature extraction and matching are conducted for the visual image， so as to output relevant effective data. This provides technical research direction and methodology support for vision-based automatic welding technology.

Keywords： industrial robot; automatic welding; visual image

引言

關(guān)于焊接技術(shù)的自動化發(fā)展，目前我們重點應(yīng)該解決的問題是焊縫跟蹤引導(dǎo)方面的不足。此次研究通過對視覺識別原理的探究，將焊接物體進(jìn)行圖像處理，從而對焊縫的大小形狀進(jìn)行識別分析，通過數(shù)據(jù)的計算將其轉(zhuǎn)為工業(yè)機(jī)器人的目標(biāo)位置，實現(xiàn)焊接自動化的目標(biāo)，使得長時間的焊接作業(yè)可以被工業(yè)機(jī)器人所替代。

1 焊接自動引導(dǎo)模型

目前，自動焊接主要有三種自動引導(dǎo)模型，分別如下：（1）在焊接時，被焊接的物體呈靜止?fàn)顟B(tài)，焊槍則根據(jù)焊縫的位置變化進(jìn)行運動焊接，這也是現(xiàn)下最為常見的一種人工焊接模式。（2）在焊接時，焊槍處于靜止?fàn)顟B(tài)，焊接的物體則根據(jù)焊接的情況改變位置來對焊縫進(jìn)行焊接，這種方法一般適用于物體較小但焊縫不在同一水平面上的焊接。（3）在焊接時，焊接的物體和焊槍均處于運動狀態(tài)，此種方法適用于異形焊接和面積較大的焊接。

這三種模型通過外加視覺都可以實現(xiàn)焊接自動引導(dǎo)，具體可根據(jù)視覺相機(jī)的位置分成兩種。（1）將相機(jī)架放在焊接物體附近的指定位置，然后在焊接過程中保持原有位置和姿勢不變，此種方式更加適合體積較小或易于焊接的物件。（2）將相機(jī)架放置在機(jī)器人的尾端關(guān)節(jié)位置，讓它和機(jī)器人的關(guān)節(jié)之間形成聯(lián)動，然后根據(jù)焊接的需要不斷變換位置。此種方法在視覺提取應(yīng)用里較為常見，其使用起來也更加靈活。

2 視覺空間坐標(biāo)構(gòu)建與標(biāo)定

視覺空間轉(zhuǎn)換有三種坐標(biāo)關(guān)系。一是相機(jī)坐標(biāo)系，它以光軸的中心O為原點;二是圖像坐標(biāo)系，它以O(shè)1為原點構(gòu)成圖像的平面圖形;三是世界坐標(biāo)系，這是重新構(gòu)成的三維坐標(biāo)系。坐標(biāo)系的關(guān)系如圖1所示：

3 視覺圖像增強(qiáng)與邊緣檢測

空間坐標(biāo)完成之后，可通過相機(jī)取得視覺圖像，但由于受到光源環(huán)境等因素影響，圖像往往需要經(jīng)過一些適當(dāng)?shù)奶幚?。圖像增強(qiáng)是一種常見的處理方式，主要是通過技術(shù)手段改善圖像或把圖像轉(zhuǎn)換為適合進(jìn)行分析的形式。其方法有改變灰度、直方圖修正等。

灰度變換通過分段灰度，比較適合區(qū)域特征的圖像增強(qiáng)。濾波是根據(jù)卷積原理以及實際需要來進(jìn)行均值、高斯平滑等濾波方面的操作處理。直方圖反應(yīng)了圖像灰度和概率之間的關(guān)系，可以通過直方圖均衡化和規(guī)定化的方式處理圖像。

自動焊接時，對焊縫和邊緣的檢測至關(guān)重要，只有取得了準(zhǔn)確的相關(guān)數(shù)據(jù)，才能使得機(jī)器人進(jìn)行自動化的跟蹤與焊接。一般來說，邊緣檢測要通過函數(shù)導(dǎo)數(shù)反應(yīng)圖像的灰度情況，較為簡單的檢測是梯度幅值和閾值的判定。假設(shè)一個邊緣點的坐標(biāo)是[i，j]，坐標(biāo)矩陣是T（i，j），圖像相對應(yīng)的二維函數(shù)的一階導(dǎo)數(shù)是G[x，y]，那么梯度的計算則為：

圖像的輸出方式有梯度圖像直接輸出、邊緣規(guī)定灰度級輸出、加閾值梯度輸出、背景規(guī)定灰度級輸出和二值圖像輸出，在事跡操作中，可根據(jù)具體的情況選擇合適的輸出方法。其中，加閾值的梯度輸出方式可以使圖像的邊緣輪廓更加凸顯，方便了對數(shù)據(jù)的提取又不至于破壞原本的灰度變化中較為平緩的背景。