机器人焊接技术在机械制造业领域得到广泛应用,大大促进了焊接的自动化水平。路径规划是机器人焊接的关键步骤之一,一般可以分为手工示教、离线编程和自主示教三类。离线编程适合于结构化焊接环境,手工示教仍然主宰着整个机器人焊接领域,但对于轨迹复杂的三维焊缝,手工示教不但费时而且也难以满足焊接精度要求,因此在视觉导引下由计算机控制机器人自主示教取代手工示教已成为路径规划的发展趋势。然而在基于视觉反馈的自主示教中,焊接目标的自动识别、焊接机器人初始焊接位置的导引、焊缝及周边结构立体视觉检测等问题一直是自主示教发展的瓶颈,本文对焊接机器人自主示教中的这些关键技术进行了研究,其主要研究结果如下:(1)提出了基于小波导引的序贯相似检测(SSDA)快速模板匹配算法和快速相关匹配算法,将两者分别用于不同尺寸的焊接目标的检测与定位。为消除目标方位的影响,提出了采用归一化图像奇异值分解方法提取焊接目标特征,并将这些稳定的特征用于焊接目标的自动识别。建立了组合BP神经网络分类器,并将网络的输出进行了B-S证据融合处理,提高了焊接目标识别的准确率。(2)建立了适合焊接机器人手眼系统的基础矩阵的表达形式和极线约束方程,并采用极线校正原理导出了校正后的水平极线方程,以此为匹配约束条件,采用基于边缘特征的稀疏点匹配和基于区域灰度相关的稠密点匹配,完成了焊接目标及周围环境的立体视觉检测与重建,并利用稠密视差图作为摄像机前的深度估计。采用了极线约束和激光标识相结合的立体视觉匹配方法,将搜索空间从一维的直线精简到1~2点,由于消除了不确定性使匹配效率和匹配的准确性同时得到了提高。采用这种匹配技术,完成了马鞍型空间焊缝及周边结构的精确检测,并利用Delaunay三角法进行了3维立体重建,建立了焊缝周边的结构信息。(3)根据图像特征与机器人关节角之间的非线性关系,提出了基于支持向量回归机(SVR)的图像雅可比矩阵估算模型,导出了采用高斯核函数的SVR-雅可比矩阵估计器的计算表达式,并应用它完成了“Eye-in-hand”和“Eye-to-hand”两种摄像机配置的焊接机器人的视觉伺服控制,试验结果表明伺服系统以较好的精度收敛于期望目标,控制质量好于传统的Broyden-雅可比估计器,可以用于焊接机器人初始焊接位置的自动导引。(4)采用Denavit-Harbenterg表达方式建立了6自由度焊接机器人的位姿计算模型。提出了自主示教的蚁群优化(ACO)控制策略,其中将机器人关节角增量进行离散处理形成ACO的图节点,并给出了基于位姿误差的信息素更新策略和考虑了障碍影响的启示值计算方法。采用这种控制策略,以立体视觉跟踪检测生成的焊缝位姿为控制目标,完成了马鞍型空间焊缝和曲线型平面焊缝的自主示教,试验结果表明采用蚁群优化控制策略的示教轨迹好于采用传统控制策略的示教轨迹。以自主示教轨迹为焊接路径,进行了马鞍型焊缝的机器人弧焊试验,取得了较好的焊缝成形质量。