论文部分内容阅读
目前在工业弧焊领域,越来越多的工厂开始规模化地依靠机器人进行半自动和全自动的智能化改造,极大地提高了焊接生产效率。传统的机器人作业大多是采用的“示教-在线”模式工作,这在工厂智能化的早期效果明显。但是随着加工零部件的多样化和复杂化,手工示教存在效率低、产品一致性差的问题。本文搭建了激光视觉平台,通过摄像机的标定、图像的预处理、特征点的提取,以实现焊缝的轨迹规划,从而控制机器人高质量、高效率地进行焊接。首先,搭建弧焊机器人焊接系统及激光视觉系统。搭建弧焊机器人焊接系统的本体、控制柜及焊接设备;选用激光视觉系统的硬件,根据技术要求选择摄像机、镜头、激光发生器、滤光片、图像采集卡的参数,以获取清晰的激光条纹图像。其次,研究摄像机和手眼标定理论,通过标定得到内参数矩阵和手眼矩阵。在张氏标定理论的基础上,通过标定模板,在空间12个不同的位置拍摄标定板,获取12张不同姿态摄像机拍摄的图片,利用改进的MATLAB工具箱优化L-M梯度下降法求得摄像机的内参数矩阵,进而求得每一个姿态下的手眼矩阵的旋转和移动矩阵,最后对12组矩阵求平均值得到手眼矩阵。摄像机的像素标定平均误差在0.8个像素内,满足标定精度在2个像素内的精度要求。最后,本文建立图像预处理流程,分析对比不同图像处理的焊缝效果,得到优化的图像预处理算法参数,利用细化算法和Hough变换得到焊缝中心特征点的像素坐标。编程实现灰度化、灰度线性变化、灰度非线性伽马变换、图像二值化、图像的平滑和锐化,提取得到焊缝中心像素点坐标值,通过矩阵变换得到空间三维坐标,从而规划焊枪的轨迹。论文通过实验验证了该套激光视觉传感器系统的稳定性,进行了激光视觉焊接和手工示教的性能对比。激光视觉相对于手工示教在X和Y方向的精度分别提高了23.9%、30.3%。加工效率提高了35.7%本论文重点研究了激光视觉系统硬件的设计、视觉系统的标定、图像预处理、焊缝特征点提取与三维坐标转换四个部分的内容,最后通过大量的实验数据验证本套系统的精度和稳定性,结果表明该系统的偏差在工业允许的1.2mm误差范围内,本研究对于提高弧焊机器人的焊接质量和效率,具有重要的实际应用价值。