基于激光视觉的焊缝跟踪及纠偏系统

硕士学位论文

MASTER DISSERTATION

基于激光视觉的焊缝跟踪及纠偏系统

Welding Seam Tracking and Correcting System Based on Laser Vision

作者沈鹏程

校内导师孙坚教授

校外导师倪鹏

专业领域控制工程

中国计量学院

二〇一五年六月

Welding Seam Tracking and Correcting System Based on Laser Vision

By

Pengcheng Shen

A Dissertation Submitted to

China Jiliang University

In partial fulfillment of the requirement

For the degree of

Master of Engineering

China Jiliang University

June, 2015

中图分类号TP242.2 学校代码10356 UDC621.3 密级公开

硕士学位论文

MASTER DISSERTATION

基于激光视觉的焊缝跟踪及纠偏系统

Welding Seam Tracking and Correcting System Based on Laser Vision

作者沈鹏程专业领域控制工程

校内导师孙坚教授校外导师倪鹏

申请学位工学硕士论文类型应用研究

二〇一五年六月

独创性声明

本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中国计量学院或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

学位论文作者签名：签字日期：年月日

学位论文版权使用授权书

本学位论文作者完全了解中国计量学院有关保留、使用学位论文的规定。特授权中国计量学院可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）

学位论文作者签名：导师签名：

签字日期：年月日签字日期：年月日

致谢

我在研究生三年的学习和生活中受益良多，首先要感谢我的导师孙坚教授在我攻读硕士期间给我的悉心指导和帮助，他为人谦和热情，治学严谨细心。在生活中，能像我知心的朋友一样鼓励我，在科研上，孙坚教授渊博的学识、严谨的治学态度，也深深的影响了我，在论文的写作和措辞等方面，他总是以“专业标准”严格要求我，在孙坚教授的指导下，使我在研究生三年的学习中也取得了一定的成绩，让我的学习科研能力、动手实践能力有了突飞猛进。值此毕业论文之际，谨向恩师致以衷心的感谢和祝福。

感谢研究所全体老师在本文研究过程中给予的指导和帮助，特别感谢钟少俊老师提供的帮助和宝贵意见，在整个毕业设计过程中，从开题报告、系统方案设计和系统调试中都给予了指导。感谢师弟张振、陶伟、刘春学在系统硬件搭建时，给予的帮助；感谢游于训、王亚丽、沈广月同学在后续软件算法编写时给予的帮助。感谢张海波、朱少诚师兄在论文写作过程中，给予的指导；感谢唐杰学长、刘君学姐在前期工作中给予的帮助和支持。

从论文的选题到搜集资料，从写稿到反复修改，期间经历了喜悦、痛苦和彷徨，伴随着这篇毕业论文的最终成稿，自己还有一点成就感，短暂的三年研究生生活很快就要结束，再次真诚地感觉所有在我三年读书期间帮助过我的老师、同学和朋友，祝大家一生平安！

最后要感谢的是我的父母，感谢他们多年来一直给予我鼎力支持和无私奉献，默默的支持我完成学业。在未来的日子里，我会更加努力的学习和工作，不辜负父母对我的殷切期望！

沈鹏程

2015年6月

基于激光视觉的焊缝跟踪及纠偏系统

摘要：本文是在示教型焊接机器人的平台上，针对其不能在焊接过程中实时纠正焊缝偏差导致焊接精度较低的问题，综合国内外焊接机器人发展及研究现状，发现焊接机器人技术与传感技术密不可分，而在众多传感方式中激光视觉传感获得的焊缝信息量最大且精度较高，因此本文提出了在示教机器人的基础上增加激光视觉模块来提高原示教型焊接机器人的焊接精度。本文主要工作如下：

(1) 对基于激光视觉的焊缝跟踪及纠偏系统进行硬件和软件方案设计，在硬件上，对激光视觉模块的硬件进行选型，包括了工业相机、光学镜头、激光传感器及窄带滤光片，除此以外，为了在焊接时能对视觉系统进行有效的保护，本文设计了激光视觉系统保护装置。

(2) 系统的图像处理软件是在VS2008和OpenCV平台上进行开发的，其处理过程主要分为图像预处理和图像后处理，图像预处理的目的是对焊缝图像进行除噪和增强光带条纹信息，主要包括的处理方法有：高斯滤波，直方图均衡化以及图像二值化。

(3) 经过图像预处理，得到清晰的光带条纹之后，进行了图像后处理，首先确定了焊缝图像的感兴趣区域，缩小了图像处理的范围，为后续图像处理提高处理速度；然后，通过图像细化的方法得到焊缝图像中光带条纹的中心线；最后，通过斜率法来提取焊缝图像的特征点，并对提取的结果进行了分析和图像误差计算。

(4) 在分析标定原理的基础上，通过相机标定确定相机图像坐标系和世界坐标系的转换关系，并得到系统标定误差，上位机与示教型焊接机器人控制器TMS320F2812通过RS232串口建立通信方式。

综合图像误差及相机标定误差，系统的误差值在1mm误差范围内，原示教型机器人的焊接精度得到了提高。

关键词：激光视觉；焊缝跟踪与纠偏；焊接机器人；图像处理；相机标定

分类号：TP242.2

UDC：621.3

I

Welding Seam Tracking and Correcting System

Based on Laser Vision

Abstract: This dissertation aimed at the low accuracy of teaching welding robot and the robot cannot correct the welding position in real-time; researched on the development of welding robot at home and abroad; found that welding robot technology is bounded together with sensor technology, it showed that laser vision achieves the largest information of welding seam and has high accuracy among those sensors which can be used on welding seam tracking and correcting. Thus, this thesis proposed a method that added a laser vision module on the platform of teaching robot to improve its accuracy. All of the work including:

(1) Designed the hardware and software of the laser vision system. The design and selection for hardware equipments include: industrial camera, optical lens, laser sensor, and narrow-band filters, in addition, this dissertation designed a protection device for the laser vision system.

(2) The software of this system was developed on the environment of VS2008 and OpenCV, the main work of image processing can be divided into two steps: preprocessing and postprocessing, the purpose of preprocessing is reduce image noise and enhance the image information of optical stripe, methods such as Gaussian filtering, histogram equalization and image binarization.

(3) After image preprocessing, the clear optical stripe can be obtained, then steped into image postprocessing. In this part, the region of interest was chosen first to narrow the image processing range and reduced time for subsequent process; then, through image thinning method to get the center line of optical stripe; at last, used slope method to extract feature points from image, also analyzed extraction results and image errors calculation.

(4) Analyzed the camera calibration principle, and through the calibration to determin the conversion relationship between image coordinate system and world coordinate system; acquired calibration error after calculation; established RS232 serial communication between PC and teaching welding robot controller

II

TMS320F2812.

Combined camera calibration error with image error, the total error of vision system is less than 1 mm, this system has improved the accuracy of teaching welding robot. Keywords: laser vision; welding seam tracking and correcting; welding robot; image processing; camera calibration

Classification: TP242.2

UDC：621.3

III

目次

摘要 ............................................................................................................................... I 目次 ........................................................................................................................ IV 图清单 ........................................................................................................................ VI 附表清单 ................................................................................................................... V II 1 绪论 (8)

1.1 选题背景与意义 (8)

1.2 焊接机器人发展概况 (9)

1.3 焊接过程中的传感技术概况 (12)

1.3.1 电弧式传感器 (12)

1.3.2 视觉传感技术 (13)

1.4 国内外激光视觉焊接技术发展状况及应用 (14)

1.5 本文研究内容 (15)

2 焊缝跟踪及纠偏系统总体设计及硬件组成 (17)

2.1 引言 (17)

2.2 系统总体设计 (17)

2.2.1 设计方案 (17)

2.2.2 设计指标及要求 (18)

2.3 系统硬件组成及选型 (19)

2.3.1 示教型焊接机器人原型机 (19)

2.3.2 工业相机 (20)

2.3.3 光学镜头 (22)

2.3.4 激光传感器与窄带滤光片 (23)

2.3.5 视觉系统保护装置 (25)

2.4 小结 (27)

3 焊缝跟踪及纠偏系统软件设计及图像预处理 (28)

3.1 引言 (28)

3.2 图像处理基本概念 (28)

3.3 系统软件设计 (30)

IV

3.3.1 图像处理软件 (30)

3.3.2 设计方案 (31)

3.4 图像预处理 (32)

3.4.1 图像平滑处理方法 (32)

3.4.2 图像增强处理方法 (35)

3.4.3 图像二值化处理方法 (36)

3.5 小结 (37)

4 图像后处理与焊缝特征点提取 (38)

4.1 引言 (38)

4.2 图像后处理 (38)

4.2.1 焊缝图像感兴趣区域提取 (38)

4.2.2 焊缝图像提取中心线方法 (39)

4.3 焊缝图像特征点提取 (42)

4.3.1 斜率法提取焊缝特征点 (42)

4.3.2 对接型和搭接型焊缝图像特征点提取结果及分析 (43)

4.4 图像误差数值分析 (44)

4.5 小结 (46)

5 实验标定与焊接机器人通信 (47)

5.1 引言 (47)

5.2 坐标系转换与实验标定 (47)

5.2.1 坐标系转换关系 (47)

5.2.2 相机标定原理 (50)

5.2.3 相机标定实验与结果 (54)

5.3 焊接机器人通信 (57)

5.4 小结 (59)

6 总结和展望 (60)

6.1 总结 (60)

6.2 展望 (60)

参考文献 (62)

作者简介 (65)

V

图清单

图 1.1 iRVision视觉传感系统 (11)

图 1.2 Laser-Pilot焊接系统 (11)

图 1.3 ROBO-FIND焊接机器人 (11)

图 2.1 系统结构示意图 (17)

图 2.2 对接型焊缝示意图 (18)

图 2.3 搭接型焊缝示意图 (18)

图 2.4 四轴联动示教型焊接机器人原型机 (19)

图 2.5 大恒MER-130-30UM相机 (21)

图 2.6 25mm焦距相机镜头 (23)

图 2.7 激光视觉模块保护装置设计图 (26)

图 2.8 激光视觉模块保护装置实物图 (26)

图 3.1 图像坐标系 (29)

图 3.2 焊缝图像处理软件界面 (31)

图 3.3 软件系统结构图 (31)

图 3.4 图像掩膜示例 (33)

图 3.5 高斯滤波后的对接型焊缝图像 (34)

图 3.6 图像增强后的对接型焊缝图像 (36)

图 3.7 二值化后的对接型焊缝图像 (37)

图 4.1 选取焊缝图像中的感兴趣区域 (39)

图 4.2 骨骼化后的焊缝图像 (42)

图 4.3 无弧光影响对接型焊缝特征点提取 (43)

图 4.4 无弧光影响搭接型焊缝特征点提取 (43)

图 4.5 有弧光影响对接型焊缝特征点提取 (44)

图 4.6 有弧光影响搭接型焊缝特征点提取 (44)

图 5.1 相机镜头畸变影响下坐标系关系示意图 (49)

图 5.2 Matlab标定工具箱软件界面 (54)

图 5.3 相机标定板 (55)

图 5.4 相机采集得到的标定板图像 (55)

图 5.5 标定板角点识别 (56)

图 5.6 焊接机器人控制器及外围电路 (57)

图 5.7 焊接机器人通讯软件界面 (58)

VI

附表清单

表 2.1系统主要技术指标及工作对象要求 (18)

表 2.2 四轴联动示教型焊接机器人原型机性能指标及参数 (19)

表 2.3 相机主要性能及参数表 (21)

表 2.4 相机镜头性能参数 (23)

表 2.5 半导体激光器性能参数 (24)

表 4.1 无弧光影响图像偏移量 (45)

表 4.2 有弧光影响图像偏移量 (46)

表 5.1 焊接机器人主控芯片性能参数 (57)

表 5.2 通信模块信号注明 (58)

表 5.3 异步串行通信模块设置 (59)

VII

中国计量学院硕士学位论文

1 绪论

1.1 选题背景与意义

焊接作为材料加工中的一个重要环节，在工业生产中得到了广泛的应用，同时，它也是工业生产中的一个非常重要的加工方法，全世界将近百分之五十的钢产量，都是经由焊接工艺变为各种产品。如今，随着科技的发展以及通过各种手段对焊接技术更深入的了解，人们对焊接质量的要求也逐步提高。通常情况下，人工焊接因为受到焊接工人技术水平，工作环境的弧光，工作环境的干扰等多种因素的影响，难以保证高质量的焊接。然而，运用自动化焊接技术却可以在相对稳定的工作环境下确保较高的焊接质量，并使产品达到焊接工艺要求。由此可见，在今后焊接生产中，自动化焊接设备的地位将会越来越重要，以焊接机器人为主的自动化焊接设备更是重中之重。当前，焊接工艺正经历着从人工手动焊接到自动化焊接进行过渡的转变时期，工厂焊接工艺的自动化、智能化以及机器人技术已成为焊接技术发展的必然趋势[1]。

本课题依托温岭市风云机器人有限公司独立开发的示教型焊接机器人，具有操作简便，示教精准，价格低等优势，已在市场上占据一定的份额，然而在焊接过程中，由于工件受热发生变形、工件夹具的安装误差、工件的不一致性等情况会导致机器人焊偏，因而，需要进一步研制自动纠偏检测模块，用来提高原示教型焊接机器人的焊接精度。

机器视觉作为一种新兴的偏差检测技术，应用在焊接机器人上，具有精度高、非接触式、可靠性高等优点；其次，该技术具有较宽的光谱频率响应范围，如采用人眼看不见的红外线，提高检测的范围。另一方面，以激光器为光源，不仅因为激光具有良好的单色性、方向性和干涉性、能量密度高等优点，同时可以极大地提高检测的信噪比，从而更容易得到较好的跟踪效果[2]。

为此，在公司现有的示教型焊接机器人的基础上，通过增加激光视觉传感系统来识别焊缝偏差，并开发控制软件实时控制机器人自动调节焊接位置，进行自动矫正，从而提高焊接位置的准确性，解决原先示教型机器人在焊接过程中由于工件受热产生变形、工件夹具的安装误差、工件的不一致性等情况会导致的焊接偏差问题。

由于焊接过程中弧光飞溅，严重影响CCD相机采集得到稳定的焊缝图像，

8

中国计量学院硕士学位论文

需设计出一个抗干扰强，工作稳定的CCD相机工作环境。进而，根据示教轨迹识别出焊缝类型，设计自动跟踪系统软件程序，并与现有焊接机器人的配合纠偏。

本课题旨在开发出应用于焊接机器人的视觉集成模块，应用方便，操作简单，成本低，通过激光视觉传感器识别焊缝偏差，并开发控制软件实时控制机器人自动调节焊接位置，进行自动矫正，可提高焊接位置准确性，促进机器人焊接技术的应用，具有较大的应用价值和市场前景。

1.2 焊接机器人发展概况

伴随着大规模自动化生产技术的兴起，对焊接的工艺提出了更高的要求，其中，包括：进一步提高焊接的质量，提高焊接的效率，改善焊接工人的劳动环境等。而焊接生产工艺的自动化、智能化，是为了满足这些要求应运而生的，更是将来焊接工艺和焊接技术的发展趋势。根据自动化技术发展程度的高低，工业机器人可以分类为如下三代[3]：

第一代为示教再现型机器人，此类工业机器人必须由操作者将完成某项作业所需的运动轨迹、运动速度、触发条件、作业顺序等信息通过直接或间接的方式对机器人进行“示教”，由记忆单元将示教过程进行记录，再在一定的精度范围内，重复再现被示教的内容，目前，在工业中得到大量应用的焊接机器人大数都是多属于此类机器人；

第二代为具有一定智能、能够通过传感手段（触觉、力觉、视觉等）对环境进行一定程度的感知，并根据感知到的信息对机器人作业内容进行适当的反馈控制，对焊枪对中情况、运动速度、焊枪姿态、焊接是否开始或终止等进行修正，属于工业机器人在其自动化技术发展过程中的第二代，采用接触式传感、结构光视觉等方法实现焊缝自动寻位与自动跟踪的焊接机器人就属于这一类；

第三代除了具有一定的感知能力外，还具有一定的决策和规划能力，例如能够利用计算机处理传感结果并对焊接任务进行规划，或根据焊接过程中的多信息传感进行智能决策等，该类焊接机器人仍处于研究阶段，尚未见实际应用。

目前，在工业应用中以第一代的示教型机器人居多，当焊接对工件发生变化时，示教机器人的示教轨迹也需要重新进行调整，改变示教器参数，移动焊枪并改变其位置姿态，沿着焊缝逐点示教并记录坐标位置，完成示教后，焊接机器人依照设定的示教坐标点轨迹来焊接。而这种示教的方式需要人为干预，

9

中国计量学院硕士学位论文

一旦外部焊接环境的变化，示教型焊机机器人不能自动地进行调整和改变，无法在焊接过程中实现纠偏控制，必须人为地预先设定焊接参数和焊接轨迹，同时，示教型机器人需要稳定的工作环境，难以完成高质量和高精度的焊接作业。

目前，制造企业已经达成了这样一个共识：将机器人技术应用于焊接作业并代替传统的手工焊接，不但能够提高焊接质量和提升焊接效率，同时，还可以改善工人的工作环境，并降低工人的劳动强度。可是，在实践中发现，目前应用最为广泛的“示教-再现”型机器人只能不断地重复预先示教的轨迹和动作，难以应对焊接过程中外部焊接环境所发生的变化，例如：工件加工的误差、装配的误差和焊接作业中产生的热变形等[4]。而这些不确定因素的变化会导致焊缝偏离原先示教的轨迹，焊接质量因此降低，甚至会形成废品。由此可知，在焊接过程中如何来实现精确的焊缝自动跟踪是机器人技术应用到焊接领域的一个核心问题。近几年来，机器人焊接新技术不断推陈出新，其中不乏一些代表性的新技术，这些技术从生产效率、精度要求、操作性和适应性等方面展示了焊接机器人技术发展的新趋势，从最开始的产学研发，逐步走向推广应用。

集成了一种或多种传感器的焊接机器人可以实现对环境的感知、信息提取及处理，通过视觉、触觉等感知的反馈形成一定的闭环控制，对外部环境的变化具有一定的适应能力，如焊接的起始位置的自动寻位、焊缝焊接轨迹的自动跟踪等。更高智能程度的机器人需要能根据所获取的信息进行判断、融合、决策，对于复杂环境具有更高的适应性，以完成更复杂的任务，这是焊接智能化的未来发展方向。

现有工业应用的焊缝自动寻位传感方式一般分为接触传感、激光点视觉传感、激光结构光视觉传感等三种类型[5]。

FANUC采用接触式传感方法[6]，通过在焊丝、保护气体喷嘴或与焊枪固连的探针加安全低电压的方式，为了获取接触点的位置信息，夹持在机器人末端的焊枪逐步向工件缓慢地移动。

Motoman机器人配备AccuFast激光传感器[7]，用激光点聚焦距离的视觉检测来替代接触式传感，在无接触的情况下实现定位。

FANUC开发的iRVision视觉传感[8]如图1.1所示，通过安装在焊枪侧面的光源与摄像机实现视觉传感，在焊前拍摄焊接工件图像并识别焊缝位置用于焊接路径的规划。

10

中国计量学院硕士学位论文

11

Laser-Pilot 系统[9]如图1.2所示，ROBO-FIND 系统如图1.3所示，分别是MetaVision 和ServoRobot 公司开发的用于机器人焊接自动跟踪的激光结构视觉传感器，能够通过图像处理的方法提取结构光图像信息，并可实现自动的焊缝寻位。同时，基于激光结构光方式的视觉传感器是运用机器人技术进行焊前自主示教与焊缝自动跟踪的一种重要方法。

当前，在众多传感方式中，因视觉传感方式具有非接触式、精度高、速度快、采集得到的信息量大和自动化程度高等优点而倍受研究者的关注和青睐，目前，视觉传感方式已经成为焊接机器人研究领域中的一个热门研究方向[10-13]。然而，实际焊接的环境十分复杂，涉及光、电、热等多种因素的影响，实际中应用中，该如何选择稳定和耐用的视觉传感器硬件、光源，如何选用合适的图

图 1.1 iRVision 视觉传感系统

图 1.2 Laser-Pilot 焊接系统

图 1.3 ROBO-FIND 焊接机器人

中国计量学院硕士学位论文

像处理方法以及控制算法来实现焊接过程中的自动纠偏，这些都是当前急需解决的问题[14-18]。

1.3 焊接过程中的传感技术概况

通常，焊接机器人系统除了包括机器人本体外，还包括变位机、专用焊接电源以及其他外围设备。所以，焊接机器人的传感装置除机器人本体所具有传感器外，还应包括整个系统中所用到的其他传感器设备。机器人本体一般配备有位置、速度、碰撞等传感器，这些传感器被称为内部传感器；焊接机器人系统中的其他传感装置，包括变位机的位置传感器、焊接电源的焊接电信号传感器、焊缝和熔池信息传感器等等，这些传感器都被称为外部传感器。

焊缝跟踪指焊接控制单元用传感装置检测到焊缝的位置，将焊缝位置信息处理后得到的焊缝中心位置的偏差，根据预先设计的纠偏策略控制焊炬的位置移动，进而控制焊枪的运动轨迹。焊缝跟踪在机器人焊接中对是保证焊接质量的关键因素。

目前，焊缝跟踪传感器种类繁多，主要有电弧直接传感式、视觉传感式、超声传感式、机械传感式等，可以根据不同的应用场合采用不同的传感方式，焊接机械手臂以电弧直接传感和视觉传感这两种传感方式为主[19,20]。

1.3.1 电弧式传感器

目前，电弧传感装置有电弧摆动式（含电弧平动扫描方式）和电弧旋转式等传感方式。电弧传感的焊缝跟踪装置包含运动机构、电参数检测和运动控制单元等装置。

焊接作业过程中，电弧摆动传感器的控制器控制电弧沿切割焊缝方向运动，实时地采集焊接过程中的电流、电压信号，并计算焊枪摆动中心和焊缝中心的位置偏差，用此偏差值控制电弧摆动的轨迹。电弧摆动可采用滚珠丝杠和伺服电动机组成运动机构，焊接电流和电弧电压用霍尔效应电流、电压的传感器。由于嵌入式系统所用的DSP或者MCU的数据处理能力较强，因此电弧式传感器的控制器通常采用嵌入式控制系统为主。电弧摆动式传感器最佳的应用场合是双边对称的V型坡口焊缝和角焊缝，对于不开口或者搭接焊接形式，则应用效果不佳。目前，电弧摆动式传感器在工程机械、煤矿机械等中厚板焊接场合应用较为普遍。机器人集成商可根据用户的要求选配此类传感器和对应的功能

12

中国计量学院硕士学位论文

模块。在薄板的焊接领域，由于坡口不明显，故此很少看到该类传感器的应用。

摆动电弧传感器的摆动频率较低，难以满足系统实现快速跟踪的需求。电弧旋转式传感器是采用机械或者电磁的方式使电弧在焊缝的上方旋转，电弧旋转频率可达几十赫兹。当电弧旋转时，传感器实时采集和处理焊接电流数据，根据电流和电压信号的变化来获取焊缝中心位置。

通过电弧信号提取焊缝中心位置时，一般在较理想的条件下可采用极值比较法或积分差值法，但是这些常规方法用于非V型坡口及非射流过渡焊接时，无法获得良好效果。

1.3.2 视觉传感技术

在众多传感方式中，视觉传感的方式是观察焊缝或熔池信息最直接也是最为有效的手段。有经验的焊工在进行手工焊接作业时，大部分信息来源于视觉。对于自动化焊接，视觉传感能获取到最丰富的焊缝信息。机器人焊接视觉传感技术包括机器人初始焊接位置的寻位、焊缝的跟踪、焊接工件接头的识别、实时传感获取熔池信息等。视觉传感器有主动光源和被动光源的区分，主动光源是指主动设置“辅助”光源，而被动光源则是指以弧光作为光源。目前，激光结构光的传感器应用较为成熟，可以用于检测坡口信息、焊缝轮廓和焊枪高度等。

激光结构光视觉传感器可感知焊缝的坡口宽度、坡口截面积和电弧高度，与面光源传感器相比，结构光传感器在信息的处理过程中更简单便捷，且在工业中已得到较好的应用，是一种成熟的视觉焊缝跟踪手段。激光三角测量的原理可以表述为：当激光束照射到目标物体的表面形成的每一个光斑点，都会经过相机的透镜在光敏探测器上产生一个像点。由于激光器与相机的相对位置时固定的，当激光传感器与目标物体的距离发生变化时，光敏探测器上的像点位置也发生相应的变化，根据物象的三角关系可计算得出高度的变化，即测量出激光器距离目标物体的高度变化。当激光束以一定的形状扫描或通过光学器件变换以光面的形式在目标物体的表面投射出线形或其他几何形状的条纹（结构光方式），在面阵的光敏探测器上就可以得到表征目标截面的激光条纹图像。基于三角测量原理可以将坡口的截面轮廓转换为坡口在视觉传感器坐标系的位置信息[21]。

13

中国计量学院硕士学位论文

1.4 国内外激光视觉焊接技术发展状况及应用

国内，潘际銮院士、何方殿教授、陈强教授等人[22-31]，对焊缝纠偏系统进行了相关研究并提出了新的算法对焊缝类型进行图像识别。其算法的原理是，将焊缝图像分为各段，同时，每段的灰度分布都是相互独立的，进而通过区分各段焊缝图像灰度值来识别焊缝类型。此算法可以对各类焊缝进行识别，并可以局部自适应二值化、以及整体除噪。

中国科学院自动化研究所徐德、谭民、李原等人[32,33]对机器人视觉测量和控制方法进行了系统性研究和设计，针对焊缝纠偏系统，其系统设计的主要部分包括相机和机器人手眼标定、结构光方程的标定以及结构光光源设计，并且经过实验验证，其视觉系统整体误差在0.5mm之内。

上海交通大学[34-36]对基于激光视觉的焊缝跟踪系统进行了大量的研究，其主要研究方向有：焊缝跟踪和纠偏、应用机器视觉进行焊接质量检测和焊接机器人控制技术等。其中，焊缝跟踪和纠偏系统，是根据相机采集得到的焊缝图像，对焊缝图像感兴趣区域进行一系列图像处理，包括图像滤波、图像边缘提取和细化等，最终提取得到图像中焊缝特征点的位置，视觉系统精度为0.2mm。

哈尔滨工业大学的孔宇、戴明[37]，第一次提出了机器人结构光视觉的三点焊缝定位技术，从而使焊接机器人能够自行适应焊缝的位置变化，提高了系统对焊缝的识别能力，可以实现高质量焊接。

相比于国内，国外对于激光视觉的焊缝跟踪系统研究起步时间更早，成果颇丰[38-42]。牛津大学的Morgan等，设计出了“视觉传感器—焊枪”一体式的视觉传感弧焊机器人引导系统[43]，在其系统中，半导体激光器发出的激光束通过柱面镜在工件表面形成一条光带条纹，该系统CCD相机安置在机器人焊枪上的位置，能够避开弧焊光的直射干扰。此系统的设计初衷是应用于汽车工业，解决1至3 毫米薄板的搭接和角接类型焊缝的自动跟踪问题。此系统对焊接工件有特定的要求，比如搭接型焊缝的板厚要大于0.8mm，对接型焊缝的间隙要大于0.6mm。

英国的Meta-vision公司开发并研制了最新的视觉传感模块，其本身与焊接机器人相互独立，具有嵌入式的特点，不需要通过工控机来完成图像处理过程，其系统使用两个“一字型”半导体激光器，这样不仅使光强增加，还改善了光强分布，并且在激光带在空间部分重叠后形成了一个结构光面，增强了系统的抗干扰能力，提高了信噪比，其系统精度为0.1mm。

14

中国计量学院硕士学位论文

加拿大ServoRobot公司在基于视觉引导的焊接机器人方向的研究和实践实践已经接近30年，其公司的产品多应用与弧焊机器人和智能焊接机器人领域，目前，ServoRobot公司的基于激光视觉的焊缝跟踪系统产品在实用性、性能和精度上都领先于行业且占主导地位。

在实际焊接作业过程中，由于存在电弧热、弧光飞溅、及烟雾等多种外界不确定因素的干扰，尤其是大量弧光的干扰对相机获取的焊缝图像质量影响最大，因而，图像处理技术在焊缝纠偏系统中的地位举足轻重，同时也是焊缝纠偏系统需要解决的核心问题。其图像处理的过程可以简述为：把相机采集得到的原始焊缝图像信息进行图像处理，提取焊缝及焊接位置的特征信息，再通过相机标定把图像位置信息转换成机器人能够识别的坐标位置信息，并以通信的方式控制机器人进行实时纠偏。本文就是在示教型焊接机器人的基础上，设计并研制激光视觉模块，从而通过视觉纠偏的方式来提高焊接机器人的焊接精度。

1.5 本文研究内容

本文是在示教型焊接机器人的平台上，针对其不能在焊接过程中实时纠正焊缝偏差导致焊接精度较低的问题，综合国内外焊接机器人发展及研究现状，提出了在示教机器人的基础上增加激光视觉模块，设计并搭建了激光视觉硬件系统，通过视觉传感的方式，实时采集焊缝图像信息，在上位机平台上设计并开发了焊缝图像处理软件，经过图像预处理和后处理实现了对接型和搭接型焊缝图像特征点的提取，最后，在分析标定原理的基础上，通过相机标定确定相机图像坐标系和世界坐标系的转换关系，并得到系统标定误差，上位机将焊接点坐标通过RS232串口通信的方式传送给焊接机器人的控制器TMS320F2812。综合图像误差及相机标定误差，系统的误差值在1mm误差范围内，实现了对原示教型机器人焊接精度的提高。文章主要内容包括：

第一章是绪论，主要介绍了本课题的选题背景与意义，在此基础上介绍了当前焊接机器人的发展概况和焊接机器人使用的传感技术，在众多传感技术中，尤其以视觉传感最为突出，并详细介绍了国内外激光视觉技术在焊接机器人方面的研究和应用。

第二章是基于激光视觉的焊缝跟踪及纠偏系统的整体设计和硬件选型，其中包括了对系统总体设计方案和设计指标的详细阐述，以及对系统各硬件的参数选型，系统主要硬件包括有示教型焊接机器人、工业相机、光学镜头、半导

15