焊接機器人視覺識別系統的研究

王澤蔭

（甘肅機電職業技術學院，甘肅 天水 741000）

在工業生產中，許多產品的制造過程少不了焊接這一重要的生產環節，焊接質量的好壞，直接影響著產品質量的高低。傳統的焊接方法主要有手動焊接、半自動焊接和自動焊接，隨著制造業水平的不斷提高和市場需求的多元化，傳統的焊接技術已不能滿足時代對產品的要求，綠色、環保、高效、節能、智能化的生產手段和方式正在快速發展。作為智能化生產方式的代表，焊接機器人技術已逐漸應用到了鋼結構件、精密電子元件和汽車制造等行業中，目前焊接機器人在整個工業機器人中所占的比重超過了50%。

焊接機器人的工作過程主要分為以下四個步驟：一是焊縫的視覺識別（圖像采集）；二是視覺識別誤差的校正與優化（圖像處理）；三是程序編寫；四是程序下載與運行。

1 焊縫的視覺識別

1.1 焊縫視覺識別時存在的問題

在對焊縫的位置和形狀進行信息采集（焊縫的視覺識別）時，由于焊接過程的特殊性，與搬運、碼垛等作業方式相比，存在以下的困難：

（1）高溫環境，紅外線的干擾較大；

（2）高強弧光，對信息采集設備的光源干擾較大；

（3）煙塵干擾，導致圖像清晰程度不高。

（4）動態的色彩變化，影響成像質量。

（5）焊肉較薄，被測部位三維特征不明顯。

（6）焊縫的位置、厚度、角度的變化范圍大，難以用同一種方式解決。

（7）不同部位的焊接工藝要求不同（比如打底焊和蓋面焊的工藝要求），導致信息采集、信息處理、操作時的難度大。

1.2 焊縫視覺識別的方法

視覺識別技術是借助攝像機（照相機）等設備，對目標物進行特征信息的提取，然后識別分析，進而實現目標物的檢測、監控和定位[1]。

焊縫視覺識別的目的是為了采集清晰度高、分辨率高的焊縫圖像，確定焊縫的空間位置以及焊縫的起始點和終止點[2]，并將圖像數據傳送到計算機存儲器進行處理[1]。

機器人在焊接過程中的第一道工序是焊縫的視覺識別，其識別能力和水平決定著后續的焊接質量，長期以來一直受到了國內外專家的關注：Hairol Nizam MohdShah、Moradi、Dinham、覃科等人提出通過局部閾值法、圖像分割法、自適應線增長法、卷積神經網絡法等方法來識別提高焊縫的位置精度、圖像質量和焊接質量[3-6]。

根據焊接機器人上所采用的照明光源種類的不同，將視覺識別分為兩種：被動視覺識別、主動視覺識別[7]。

1.2.1 被動視覺識別

被動視覺識別的方式主要有雙目立體視覺識別，采用的傳感器是CCD攝像機。被動視覺識別的特點是：檢測目標（焊縫中心線）與被控對象（焊炬）在同一位置[8]，檢測目標與被控對象兩者之間不存在超前檢測誤差，焊接時跟蹤控制精確。

此外，被動視覺識別方式具有結構簡單、價格低廉、無需外加光源、自適應控制性強、能檢測小間隙對接焊縫等優點，在GTAW、GMAW和PAW等焊接方法中應用較多。同時被動視覺識別方式在圖像處理、高度偏差與接頭形式提取方面，因為難度大、過程復雜等缺點，限制了它的應用。

1.2.2 主動視覺識別

主動視覺識別的照明光源為激光發生器。主動視覺識別通過改變攝像機的位置和方向（位姿）來實現對目標的跟蹤，主動視覺識別的主要方式有：

（1）將攝像機安裝在旋轉云臺上，控制云臺在水平和垂直兩個方向轉動，在云臺轉動過程中，可以實現攝像機方向的改變。

（2）調整攝像機的焦距進行目標跟蹤。

主動視覺識別技術中的關鍵部件是視覺傳感器，機器人中常用的主動視覺傳感器有兩種類型，即：結構光式傳感器、激光掃描式傳感器。結構光式傳感器工作時：首先，光學掃描鏡將激光點光源發出光投射到被測工件的表面；然后，由工件表面反射后的激光被CCD攝像機所接收，通過測量反射光束與CCD攝像機主光軸的夾角；最后，根據已知的透射光束與掃描鏡面的夾角、CCD攝像機與掃描鏡面的距離等數據，計算出每一束激光在工件表面的投射點與CCD鏡面之間的距離，這樣就可以獲得焊縫的端面剖面圖[9，10]，從而實現了對焊縫實時跟蹤。

主動視覺傳感器的外形尺寸較小、安裝方便、占用空間小、采集到的信息量較大、信息采集時傳感器與被測物體不接觸、采集到的信息清晰直觀[11]，應用較為廣泛，但主動視覺識別方式存在結構復雜、價格高、需要外加光源、不能檢測小間隙對接焊縫等缺點。

2 圖像處理

圖像處理就是將從攝像頭獲取到的圖像進行處理和轉換，主要包括圖像增強處理、圖像噪聲處理、圖像數據格式轉化[12]。

在進行圖像增強處理時，首先利用Sobel、Prewitt、Roberts、Canny算子等算法提取有用的圖像特征，然后對所提取的圖像進行初步檢測，最后利用邊緣的空間結構進行協調，以增強邊緣效果[7，12]。

圖像噪聲處理：其目的是抑制噪聲的非線性信號，常用的處理方法有小波變換圖像去噪和非線性中值濾波去噪等。小波變換圖像去噪是在低通濾波的同時保留圖像邊緣特征的非線性信號處理，中值濾波是在排序統計理論[12]的基礎上，對非線性信號進行處理。

3 焊縫視覺識別誤差的校正與優化

在視覺識別的過程中，難免會有誤差存在，如何快速精準的采集圖像、處理圖像、擬合焊縫軌跡、編寫程序是獲得高質量焊縫的前提。由于視覺識別時存在各種因素的干擾，導致最終擬合出的焊槍運行軌跡有可能偏離實際焊縫的位置，針對這一問題，需要對焊縫視覺識別時產生的誤差進行校正，常用的校正技術有雙目立體視覺校正。

雙目立體視覺校正技術是采用兩個相機從不同位姿拍攝被測物體，然后計算出兩個相機拍攝的圖像中對應像素點的視差，最后實現圖像信息由二維空間向三維空間的轉換。

采用基于結構光的雙目立體視覺技術，可以從不同角度同時拍攝焊縫圖像、測量焊縫的深度等信息特征，再運用Matlab工具箱實現雙目相機的標定，獲取相機的參數，然后通過Bouguet[2]算法實現立體校正、達到提高焊縫識別測量精度的目的。

采用雙目立體視覺校正技術時，需要對焊縫中的某一點P（x，y，z）成像，成像時需要經過由世界坐標系（Ow-XwYwZw）—相機坐標系（Oc-XcYcZc）—圖像物理坐標系（O-xy）—圖像像素坐標系（uv）的多次轉換，經過轉換后得到：

式中：mxf——相機在u方向上的等效焦距，myf——相機在v方向上的等效焦距；M1——相機的內參數矩陣，M2——相機的外參數矩陣[2]。

在上述轉變過程中，相機的內參數矩陣M1中鏡頭焦距f、圖像中心位置（u0，v0）以及外參數矩陣M2中旋轉矩陣R和平移向量T都會影響到成像的準確度，其中影響最大的有兩個因素：一是，鏡頭徑向曲率發生無規則變化引起的徑向畸變；二是，鏡頭的幾何中心與光學中心不一致產生的切向畸變。因此，還需要利用相機的畸變系數和計算公式來校正圖像的畸變。

采用焊接機器人進行焊接時，首先要通過掃描（或成像）技術來采集焊縫的位置和形狀信息（一般為圖像信息），然后對該信息進行處理并生成焊接機器人運行系統能夠識別的程序，再將程序傳輸給焊接機器人的控制系統進行運行。

4 程序編寫

焊接機器人的程序編寫有示教編程和離線編程兩種方式。示教編程過程繁瑣、效率低、精度靠示教者的目測和經驗決定，對復雜軌跡難以精確示教；離線編程效率高、精度高、程序修改方便，在實際生產中應用較多[13]。

離線編程的軟件種類較多，如Robot Master、RobotArt、RobotStudio等。它可以將采集到的信息和參數進行機器人場景建模、路徑規劃、程序編制、參數設置、仿真演示等。程序編寫好之后即可輸出給現場機器人應用。

5 結論

（1）焊接機器人的應用越來越廣泛，是未來焊接智能化生產的主要方式。

（2）視覺識別系統對焊接機器人生產方式、生產質量都起著至關重要的作用。視覺識別系統的方式較多，各有優點和缺點，主動視覺識別系統在外形尺寸、信息量采集、圖像的清晰度等方面具有較大是優勢，是目前研究和應用的熱點。視覺識別系統的研究與應用將會推動整個焊接機器人技術的發展。

（3）無論是機器人還是視覺識別系統，都是綜合性的技術，該技術的發展在很大程度上受到與之相關的邊緣學科的影響。