基于視覺傳感器的焊接機器人焊縫識別跟蹤技術(shù)

隨著機器人焊接方法的出現(xiàn)，焊接生產(chǎn)效率獲得大幅提高的同時，焊接靈活性得到明顯增加，焊接成本也有所降低，對于焊接領(lǐng)域的快速發(fā)展具有重要的推動作用。然而，在焊縫形式相對單一、焊接場合相對固定的條件下，采用一般的機器人示教編程方式尚可自由應(yīng)對，但由于所焊工件形式的多樣化、復(fù)雜化，普通的機器人焊接方法在應(yīng)對焊縫軌跡不統(tǒng)一的場合時仍需大量人工示教，同樣難以快速適應(yīng)小批量的多領(lǐng)域、多形式的焊接生產(chǎn)，這在一定程度上仍會限制相關(guān)焊接領(lǐng)域的快速發(fā)展。

1、焊縫識別跟蹤技術(shù)

近年來，焊縫識別跟蹤技術(shù)的出現(xiàn)，對于機器人焊接領(lǐng)域的發(fā)展起到了明顯的促進作用。采用焊縫識別跟蹤技術(shù)，可以主動識別不同的焊縫特征，從而應(yīng)對不同形式的具有復(fù)雜軌跡的焊縫，使機器人自主示教進行焊接作業(yè)，從而大幅提升了焊接穩(wěn)定性和焊接效率，對于機器人焊接技術(shù)的普及和發(fā)展具有重要意義。

目前，由于焊縫自主識別跟蹤技術(shù)對焊縫檢測精度和軌跡規(guī)劃要求較高，其涉及到多學(xué)科多領(lǐng)域知識，導(dǎo)致其自主識別跟蹤能力尚不完善，仍需多領(lǐng)域?qū)＜覍W(xué)者繼續(xù)深入研究。本文正是基于以上分析，從傳感器、焊縫識別及特征提取、焊縫跟蹤控制技術(shù)等方面對焊縫識別跟蹤技術(shù)的發(fā)展作了較為詳細的闡述，接下來專業(yè)焊接機器人廠家無錫金紅鷹帶您一探究竟。

2、焊縫識別跟蹤技術(shù)特點

焊縫識別跟蹤技術(shù)主要包括對焊縫的檢測識別、焊縫特征的提取、焊縫跟蹤控制。焊縫識別與焊縫特征提取是利用特定的傳感器對焊縫特征類型進行識別定義；然后根據(jù)不同類型焊縫在傳感器中的成像，并通過特定的圖像處理算法，將識別提取到的焊縫特征最終轉(zhuǎn)換成三維坐標系；最后焊接機器人根據(jù)所獲得的焊縫特征信息進行自動識別校正跟蹤，即通過傳感器獲取實時焊縫位置信息后建立數(shù)學(xué)模型，根據(jù)相關(guān)特征信息實時調(diào)整焊槍位置，使之實現(xiàn)高效率、高質(zhì)量的焊接。

對于機器人焊接焊縫識別跟蹤，其核心在于焊縫特征的實時識別及其特征提取，高效率、高質(zhì)量焊接實現(xiàn)的前提是焊接機器人能夠?qū)缚p位置進行快速、準確地獲取，只有將不同類型的焊縫特征進行精準識別并將其提取轉(zhuǎn)換成焊接機器人認可的數(shù)據(jù)信息，才能做到焊接過程中不依靠人工干預(yù)，使焊接機器人自行根據(jù)焊縫形式進行實時軌跡調(diào)整，從而適應(yīng)不同焊接場合，做到小批量、多場合、多任務(wù)地快速焊接生產(chǎn)。因此，對于焊縫識別跟蹤技術(shù)的研究與發(fā)展，結(jié)構(gòu)簡單、過程穩(wěn)定、靈敏度高的焊縫跟蹤傳感至關(guān)重要，同時焊縫特征提取算法的優(yōu)劣也是影響焊縫識別跟蹤精度及最終焊接質(zhì)量的重要因素。

3、焊縫識別跟蹤技術(shù)研究現(xiàn)狀

3.1 傳感技術(shù)研究進展

（1）傳感器分類

根據(jù)傳感的接觸方式，主要分為電弧傳感器、接觸式傳感器和非接觸式傳感器，傳感器主要分類如圖1所示。

圖1 傳感器主要分類

以往焊接機器人應(yīng)用最普遍的是電弧傳感和接觸式傳感，其響應(yīng)快、成本低且結(jié)構(gòu)簡單，但其精度較差，不適用于結(jié)構(gòu)復(fù)雜的焊縫。此外，超聲波傳感、紅外傳感和視覺傳感也是焊接領(lǐng)域常用的傳感方式。其中相較于其他傳感方式，視覺傳感技術(shù)可以通過捕獲諸如電弧形態(tài)、熔池輪廓等信息提供決策支撐，其獲取的焊縫特征具有信息豐富、抗干擾能力強、靈敏度與精度高且與工件非接觸的優(yōu)點，適用于各種焊接形式，逐漸發(fā)展成為焊縫跟蹤系統(tǒng)中的主流傳感器，并在如今的機器人焊接領(lǐng)域中得到了廣泛使用。

視覺傳感器主要依靠焊縫中反饋回的光源信息進行特征識別，根據(jù)有無外部光源分為主動傳感和被動傳感。其中主動視覺傳感器依靠外部光源，以更具有判別性特征的結(jié)構(gòu)光（如激光、鹵鎢燈等）條紋作為檢測對象，通過外部光源進行投影的方式提取焊縫的三維特征信息，能夠有效克服自然光源下信息采集困難的問題，因此成為焊縫跟蹤領(lǐng)域的主流發(fā)展方向；而被動視覺傳感器則是直接利用焊接過程中焊縫自身投射出的光源信息進行焊縫特征提取，容易受焊接飛濺、弧光等噪聲干擾，導(dǎo)致成像質(zhì)量較差，后期的圖像處理較主動視覺更復(fù)雜。

基于視覺傳感的焊縫識別跟蹤如圖2所示。

圖2 基于視覺傳感的焊縫識別跟蹤

主動視覺焊縫跟蹤常用結(jié)構(gòu)光法，這是一種基于光學(xué)三角測量原理的檢測方法，可以準確獲取被測物體的三維輪廓信息，結(jié)構(gòu)簡單，穩(wěn)定性好，可快速準確地提取焊縫中心位置。其中，工業(yè)應(yīng)用最多的為激光式結(jié)構(gòu)光傳感器，其以激光作為輔助光源，具有精度高、穩(wěn)定性好等優(yōu)點。此外，激光式結(jié)構(gòu)光傳感器又分為線激光結(jié)構(gòu)光傳感器與2D結(jié)構(gòu)光傳感器，其中線激光傳感器結(jié)構(gòu)簡單，操作方便，應(yīng)用廣泛。

（2）激光傳感器

激光視覺傳感器的工作原理在于將激光投射到焊縫表面，形成具有一定特征的激光條紋并由視覺傳感器進行焊縫特征信息提取，進而識別焊縫特征點位置，如圖3所示。后續(xù)焊接機器人依據(jù)相關(guān)信息進行焊接位置實時校準，其基本流程如圖4所示。

圖3 激光傳感原理

圖4 激光傳感基本流程

對于不同的焊縫幾何形式，根據(jù)不同的焊縫特征提取方法及特征信息轉(zhuǎn)換原理，選用的激光條紋分為單線、多線、十字及圓環(huán)等特征形式。其中，單線形激光傳感器可以獲得焊縫繞投影軸的旋轉(zhuǎn)信息，但信息量相對較少且易受噪聲影響，對此SUNG等研究出了一種可產(chǎn)生多條一字線激光的激光視覺傳感器，能夠提取到反映焊縫特征的多視點幾何數(shù)據(jù)；而LAKOVOU D等則利用三個激光發(fā)生器投射出三角狀激光條紋，進而實現(xiàn)焊縫檢測的功能；XU等為了實現(xiàn)復(fù)雜焊縫軌跡的精確跟蹤，設(shè)計了一種環(huán)形激光視覺傳感器，提出了焊縫三維跟蹤的基本概念，并對多種類型焊縫進行了試驗驗證；XIAO等為了提高曲線焊縫跟蹤中單線傳感器的跟蹤精度，提出了利用三線激光作為檢測光源來提高跟蹤精度的可行措施；KIDDEE等則開發(fā)了一種十字形激光視覺傳感器，有助于增加焊縫跟蹤過程中所需要的特征點數(shù)。

目前，國外已有多款激光視覺傳感器投入商用，其中有加拿大Servo-Robot公司的i-CUBE系列激光傳感器、POWER-CAM激光傳感器，德國 AbicorBinzel公司的TH6D系列焊縫跟蹤傳感器，英國Meta公司的Smart Laser Pilot智能激光傳感器等。

但由于價格昂貴且維修困難，所以在國內(nèi)普及度較低。目前，國內(nèi)對激光視覺傳感也有一定的研究，如北京創(chuàng)想公司的CRNT標準激光焊縫跟蹤器、北京同舟興業(yè)公司的TTEC激光 2D傳感器等，但在精度、穩(wěn)定性及適用范圍等方面，與國外同類產(chǎn)品相比仍存在較大的差距。

3.2 焊縫識別提取技術(shù)

焊縫識別提取是在視覺傳感器獲得的圖像中識別出有用信息并進行分析處理，最后提取出焊縫特征且以此作為焊縫跟蹤的依據(jù)。在圖像處理技術(shù)中，圖像處理算法作為焊縫自動跟蹤系統(tǒng)的核心部分，需要具備良好的實時自動分析能力、關(guān)鍵信息提取能力以及抗噪能力。

（1）焊縫識別及焊縫特征提取技術(shù)

作為焊接機器人焊縫識別跟蹤技術(shù)的關(guān)鍵，焊縫特征識別提取技術(shù)的發(fā)展對自動化焊接質(zhì)量至關(guān)重要，因此對相關(guān)技術(shù)的持續(xù)深入研究，對于機器人自動化焊接的發(fā)展具有重要的推動作用。

ZHANG等考慮激光條紋的空間特性和焊接線的連續(xù)性，提出了基于時空級聯(lián)隱馬爾可夫模型的焊縫檢測和定位算法；ZHANG等針對大型拼接焊縫提出一種基于三線結(jié)構(gòu)光的激光視覺識別方法，抗干擾能力強，獲取信息量豐富；LI等研究的基于激光掃描位移傳感的焊縫軌跡識別方法，可以準確識別典型空間不連續(xù)焊縫，焊縫檢測時長相對較短，大幅提高了焊接效率。

近年來，有部分研究人員針對多類型焊縫進行了識別。QIAN等通過焊縫特征點之間的相對位置進行焊縫識別，該方法難以適應(yīng)復(fù)雜的焊接場合；LI等在基于Hausdorff距離以及模板匹配的基礎(chǔ)上進行焊縫類型識別，其單張圖片處理時間較長，高達1.17s；LI X D等為了簡化焊縫識別手段，利用了焊縫線條及連接點的組成特點進行分類識別，但該方法精度較差；FAN J F等利用SVM并通過提取圖像特征向量建立焊縫識別模型，然而其適應(yīng)范圍較窄。

此外，在實際焊接環(huán)境中，不同的焊縫類型，在激光的投射下其成像不同，焊縫特征提取算法也因此有所差異，國內(nèi)外學(xué)者均對此作了大量研究工作。在焊縫特征點提取之前，首先對反射的激光條紋信息進行識別提取，常用的焊縫條紋提取方法有極值法、閾值法、灰度重心法及霍夫變換等。黃色吉等采用列掃描法選取焊縫圖像特定區(qū)域?qū)す鈼l紋閾值分割，并利用圖像投影確定焊縫中心線；南方等利用自適應(yīng)閾值法提取條紋區(qū)域，通過隨機霍夫變換與Steger算法提取激光條紋中心線；MUHAMMAD等針對低質(zhì)量的焊縫圖像，結(jié)合激光條紋結(jié)構(gòu)特征來定向增強圖像，改善了激光條紋峰值，利用像素強度分布，能夠準確提取條紋特征。此外，激光條紋提取方法還有最近鄰聚類算法、方向模板法、遺傳算法等，研究人員均作了較為深入的分析論證。

在實際工況中，焊縫坡口形式并不一致，據(jù)此其特征點提取方法也會有所不同，斜率分析和直線相交法是目前特征點提取的重要方法。其中KIDDEE等基于幾何形狀檢測Ｖ形焊縫坡口特征的方法，通過霍夫變換并利用最小二乘法擬合出特征點；YU等將坡口看作直角拐點和斜角點的幾何疊加并采用斜率極值法和斜截距法提取特征點。此外，針對厚板多層多道焊軌跡規(guī)劃問題，顧帆等提出了結(jié)構(gòu)光視覺檢測的特征點提取算法，搜索獲得兩個特征點，其跟蹤系統(tǒng)如圖5所示。

圖5 基于視覺的焊縫識別跟蹤系統(tǒng)

目前的焊縫識別提取技術(shù)，在焊接環(huán)境相對良好、其他影響因素較小的情況下，其識別提取精度還能得到一定保障，但實際焊接場合環(huán)境復(fù)雜、影響因素較多，如強烈的弧光、較多的飛濺等都會對焊縫識別提取穩(wěn)定性造成影響，因此去噪處理便成為了焊縫識別提取技術(shù)的一大難題，也是重點研究方向之一。

（2）圖像去噪處理技術(shù)

焊縫特征信息在識別提取過程中主要分為兩種方式：一種方式是先讓傳感器對焊縫從頭到尾進行完整的掃描，然后返回起始處開始焊接，此方法相對簡單，不易受到干擾，但效率也隨之降低；另一種方式是掃描和焊接同步進行，此種方法雖然效率有所提高，但會導(dǎo)致提取到的圖像含有大量噪聲，進而降低焊縫識別精度。此外，對于一些本身易產(chǎn)生較大噪聲的焊接場合，也會掩蓋所需要的焊縫特征，而采用常規(guī)的物理噪聲處理方式，如加裝擋板等方式的效果較差。因此，如何有效地去除視覺傳感系統(tǒng)中焊縫圖像噪聲，對于提高焊縫識別和焊縫特征提取效率具有重要作用。

對于圖像噪聲，目前主要用濾波去除方法，如均值濾波、中值濾波以及高斯濾波。其中，中值濾波方法較為簡單，可以在保證信號分辨力的條件下，保留圖像邊緣信息，應(yīng)用廣泛；而均值濾波會降低圖像分辨力，高斯濾波更會造成圖像信息丟失，難以適用于圖像去噪處理。此外，HUANG等通過小波分析，有一定的抑制噪聲干擾和消除偽像作用；王平以及龔國基等也都利用不同的方法對焊縫圖像進行了濾波去噪。

近年來，為了提高焊接機器人焊縫識別跟蹤技術(shù)的智能化，基于深度學(xué)習的焊縫識別跟蹤技術(shù)也獲得了一定發(fā)展。其中鄒焱飚等結(jié)合深層卷積神經(jīng)網(wǎng)絡(luò)的特征學(xué)習能力，實現(xiàn)對焊縫特征點位置的跟蹤，具有較強的抗干擾能力；DU等提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的特征區(qū)域識別和特征搜索方法，其特征點提取精度的平均誤差為0.29mm，能夠準確有效地提取出強噪聲焊縫圖像特征；XIAO等提出了一種基于激光視覺傳感器的自適應(yīng)特征提取算法，通過訓(xùn)練深度學(xué)習中用于目標檢測的Faster-CNN網(wǎng)絡(luò)模型，以識別焊縫類型并定位激光條紋區(qū)域，該方法可快速識別焊縫類型，適應(yīng)性更強。

從以上焊縫識別研究進展來看，受限于實際焊接環(huán)境的復(fù)雜性，對于一些焊縫形式相對簡單、焊接環(huán)境相對良好固定的焊接場合，目前的焊縫識別提取技術(shù)可自由應(yīng)對；但對于多任務(wù)多類型的機器人焊接場合，如不同板厚條件、不同反光材料、不同焊縫類型，以及不同焊接方法等復(fù)雜情況下的適應(yīng)性和抗干擾能力仍待提高。

3.3 機器人跟蹤控制技術(shù)

在焊接機器人焊縫識別跟蹤系統(tǒng)中，在經(jīng)過焊縫特征信息的識別提取及圖像處理后，傳感器獲得的圖像坐標信息與期望坐標間存在偏差，需要機器人實時調(diào)節(jié)以實現(xiàn)自動跟蹤及軌跡調(diào)整功能，其在整個焊接系統(tǒng)中對最終的焊接質(zhì)量同樣具有重要作用，研究人員在此方面也作了較為深入的研究。

為了簡化機器人控制系統(tǒng)，一些學(xué)者在不考慮外加載荷的條件下進行了研究分析，其中XING等在迭代學(xué)習控制的框架下，提出了分批模式的跟蹤誤差概率密度函數(shù)控制方法；CHEN等基于任務(wù)空間劃分方法，建立了保持機構(gòu)間協(xié)調(diào)運動關(guān)系的目標函數(shù)；高勝等按照運動誤差補償思想，用于實現(xiàn)空間焊接軌跡的魯棒跟蹤。但是，雖然上述方法相對簡單，但實際焊接時會有額外的附加載荷，可導(dǎo)致焊槍實際行走軌跡有所偏差，降低焊接系統(tǒng)穩(wěn)定性。為了最大程度地降低焊槍軌跡偏差，部分研究人員直接調(diào)整焊接過程中機器人末端的位置或位姿，如采用軌跡完全重規(guī)劃的方法，是重要的發(fā)展方向之一。

為了獲得更好的焊縫跟蹤效果，有研究人員采用了目標視覺跟蹤方法。目標視覺跟蹤（VOT，Visual Object Tracking）作為一種有效的跟蹤框架，可對序列復(fù)雜圖像中特定區(qū)域進行跟蹤。其中CARLSON等采用粒子濾波估計目標后驗概率密度分布的方法實現(xiàn)焊縫跟蹤；LI等提出了先用目標跟蹤算法確定出小范圍目標搜索區(qū)域后，再提取焊縫特征點的思想；ZOU等采用貝葉斯概率框架并利用局部余弦，提出了一種無需對激光條紋中心進行提取的焊縫跟蹤算法。

為了進一步提升焊縫跟蹤控制系統(tǒng)的智能化，笛卡爾空間位置糾偏模塊成為了一個重要研究方向，該模塊可計算出實際所需要的偏置電壓，進而控制焊槍偏移距離，提升了焊接機器人自動跟蹤系統(tǒng)的智能性，但也需要一定的算法來進行控制。其中SHEN等開發(fā)了一套使用傳統(tǒng) PID 算法實現(xiàn)偏置電壓輸出的焊縫跟蹤系統(tǒng)，并對算法的跟蹤精度進行了驗證；XU等提出了笛卡兒空間位置糾偏的分段自適應(yīng)PID控制器，克服了傳統(tǒng)PID算法自適應(yīng)能力不足等缺陷，進而大幅提高了焊縫跟蹤系統(tǒng)的穩(wěn)定性。

此外，BORER等提出一種基于激光位移傳感器的焊縫跟蹤算法；OLLI等研制了一套由視覺傳感器、圖像處理等模塊組成的激光視覺系統(tǒng)，JIA等設(shè)計了一種基于激光視覺傳感器的機器人相貫焊縫實時跟蹤系統(tǒng)；ZOU等開發(fā)了一套基于激光視覺的焊縫跟蹤系統(tǒng)，對直線或曲線焊縫的平均絕對跟蹤誤差可控制在0.25mm內(nèi)，均能很好地進行焊縫跟蹤。

4、總結(jié)

焊縫識別技術(shù)的發(fā)展，可以最終實現(xiàn)焊接機器人對不同類型焊縫的自主識別、定位、特征提取及自動校正跟蹤，對于焊接機器人自動化、智能化焊接技術(shù)的發(fā)展具有重要的推動作用。其中，焊縫識別提取技術(shù)是整個焊縫識別跟蹤系統(tǒng)發(fā)展的關(guān)鍵，精度高且穩(wěn)定性好的傳感器、高效優(yōu)質(zhì)的焊縫提取算法/圖像處理技術(shù)，對于焊縫自主識別跟蹤技術(shù)的發(fā)展及工程應(yīng)用具有積極的促進作。

審核編輯：湯梓紅