[发明专利]一种分离强噪声干扰的激光实时焊缝跟踪方法

说明书

本发明公开了一种分离强噪声干扰的激光实时焊缝跟踪方法，包括以下步骤：S1、激光视觉传感器中采集图像并发送到嵌入式工控机，对采集的图像进行初始化处理得到初始焊缝特征点的像素坐标值，转换为焊接机器人基坐标系下的三维坐标值；S2、所述激光视觉传感器的工业相机将连续采集的每一帧图像发送至所述嵌入式工控机进行特征提取处理，将特征提取处理后的图像进行图像分类，根据图像分类的结果执行跟踪策略，获取图像中焊缝特征点的像素坐标值，将像素坐标值转换为焊接机器人基坐标系下的三维坐标值；S3、将焊接机器人的位置与当前焊接机器人的位置作差，将得到的偏差实时发送给机器人控制柜，控制柜输出控制信号传输给焊接机器人。

技术领域

本发明属于焊接机器人焊缝跟踪领域，特别涉及一种分离强噪声干扰的激光实时焊缝跟踪方法。

背景技术

现在的焊接机器人基本上都是在焊接之前先进行示教，让机器人每次都走一个固定的轨迹，这种方式有一个好处就是重复精度高，运动轨迹不需要修正，但是，该方法的致命缺陷就是不够随机应变，不够灵活，当需要焊接的工件加工精度比较差，不能满足现代工厂对于焊接加工的要求。

随着机器视觉技术的发展,焊接机器人广泛使用视觉检测技术校正再现轨迹,实现焊缝跟踪。焊缝跟踪系统通常将视觉系统安装在机械手末端,当机器人作业时,视觉系统与焊枪同步工作,实时检测工件在焊接过程中由高温引起的热变形,并调整焊枪与焊缝间的位置。

焊缝跟踪系统主要技术指标是激光条纹11和焊接熔池10之间的距离d,d越小则跟踪精度越高。d越小则跟踪精度越高,但是这会导致视觉系统检测的图像信息中存在强烈的弧光和飞溅,造成测量精度降低。国内外的很多学者围绕目标跟踪算法进行了深入细致的研究，提出了一系列在噪声干扰下鲁棒性较好的目标跟踪算法。然而，在强噪声的干扰下，跟踪模型依然存在着漂移失效导致跟踪失败的问题。为了解决在强噪声干扰下的焊缝实时跟踪问题，我们提出了一种分离强噪声干扰的激光实时焊缝跟踪方法，通过实时提取焊缝图像特征并采用支持向量机(SVM)进行图像分类，根据图像分类的结果执行跟踪策略，即间歇性采用高效卷积操作滤波器跟踪算法(ECO)进行目标定位，最终实现了焊缝跟踪系统的实时精准跟踪。

Joachims提出了支持向量机，通过寻找分类间隔最大的最优超平面，使其能将两类特征无错误地分开。支持向量机分类速度快，分类精度高，在二分类中表现出色，满足分离强、弱噪声焊缝图像的要求。将强弱噪声的焊缝图像分离，利于我们采用高效卷积操作滤波器跟踪算法和获取更准确的数据。

Martin Danelljan等人提出了连续型卷积操作滤波器算法(CCOT)跟踪算法，使用深度神经网络VGG-net提取特征，通过立方插值，将不同分辨率的特征图插值到连续空间域，再应用黑塞(Hessian)矩阵可以求得亚像素精度的目标位置。考虑到更新参数众多影响实时性，且大多滤波器贡献都不大，原作者提出了高效卷积操作滤波器跟踪算法，并作了改进：通过引入因式分解的卷积算子减少模型的训练参数，只保留贡献较大的滤波器参数。此外，通过每隔N_s帧更新一次模型，节约时间且避免了模型的漂移。高效卷积操作滤波器跟踪算法能在维持原有精度的情况下，准确定位焊缝特征点，大大提高跟踪速度，满足焊缝跟踪系统实时焊接的需求。

因此，为了解决在强噪声干扰下的焊缝实时跟踪问题，研究并结合了支持向量机和高效卷积操作滤波器跟踪算法，并设计了焊接机器人进行焊缝跟踪实验，本发明依此提出。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种分离强噪声干扰的激光实时焊缝跟踪方法，解决了现有的焊接机器人在强噪声干扰下焊接精度不高的问题。

本发明至少通过如下技术方案之一实现。

一种分离强噪声干扰的激光实时焊缝跟踪方法，该方法基于的焊缝跟踪系统包括焊接机器人、焊枪、激光视觉传感器、激光视觉传感器外连接件、工作台、配套焊接设备、嵌入式工控机、控制柜、工件，包括以下步骤：