论文部分内容阅读
机器人焊接因具有工作效率高、重复精度准、连续工作时间长等特点，已逐步成为替代手工焊接的必然趋势，因而对机器人焊接过程的智能化和自动化要求愈显重要。本文以实现机器人焊接初始位置的自主识别与视觉导引为目标，着重研究了视觉导引的关键技术和方法。 本文以弧焊机器人为主站，通过DeviceNet通讯方式搭建基于被动视觉传感的自主导引平台，并由计算机控制整个流程。该平台配备具有自动装卸减滤光系统的视觉传感器，能实现视觉导引和焊缝跟踪的功能，同时嵌入水冷模块保障其在高温环境中的持续工作状态，确保图像采集质量。 为保证三维信息恢复的准确性，对整个视觉导引平台进行了系统标定，将基于圆点靶标的改进方法（ICDC）应用于CCD摄像机的标定，该方法对图象畸变不敏感，标定结果稳定且准确。对摄像机自标定的原理和方法进行了分析，提出一套完整的IAC-CPSO自标定方法。该方法在绝对二次曲线（IAC）约束下求得摄像机内参数初值，利用混沌粒子群（CPSO）算法优化初始值使其具有更好的品质易于算法的收敛，同时将迭代过程中的局部最优值进行混沌处理，使具有最佳性能的可行解替代部分局部最优值从而继续迭代直至寻找到全局最优解。该方法既能优化初始值的遍历性又能加快算法收敛性，可提高自标定算法的速度和精度。 在分析宏观焊接图像的基础上，本文基于视觉注意的选择机制提出了一整套VA-SVDMMM的形态学图像处理算法。采用自顶向下与自底向上相结合的模型，将传统图像处理方法与基于空间可变向结构元素的数学形态学方法相融合，由整体到局部地逐步提取图像的特征信息；继而运用自适应Harris算子准确定位初始焊接位置信息，并进行闭环验证。由试验可知，图像特征提取误差基本稳定在1-2个像素之内。 本文通过移动机器人形成“单目双位”模式模拟立体视觉，利用IMCAP方法对所获得的立体图像对进行基于区域和特征点的面-点组合基元的图像匹配，即运用视差连续性约束确定目标区域，再根据极线和唯一性约束在加权邻域一致性和结构性信息的Hausdorff距离作为相似性测度函数的情况下确定匹配特征点。同时还分析了机器人精度、视觉系统配置以及图像处理精度等因素对提高三维信息重建准确性的影响程度。 通过增加闭环反馈改变传统“看-算-动”的导引模式，提出CLMLC-M策略，优化视觉导引流程，对平板对接、搭接和角接焊缝等进行视觉导引试验。各种不同焊缝初始焊接位置在X、Y两个方向上的平均误差均维持在0.6毫米和0.7毫米之内，Z方向上的平均误差最大值也仅为1毫米左右。经验证可知，本文所设计的视觉导引系统适用于多种常见焊缝的初始焊接位置识别与导引，能满足实际MIG焊项目的需求。