焊缝识别技术研究

一、绪论
提高焊接效率和保证焊接质量是焊接产业行业的重要发展方向。
“示教-在线”的编程模式需要占用大量的编程时间， 效率低下，同时， 示教的精度难以保证， 可重复性差，难以适用于复杂的机器人作业。

离线编程软件有RobotMaster、 RobotStudio、 RobotWorks和 RobotArt 等。离线编程技术极大依赖于机器人工作空间环境的三维构建，缺乏对环境的自主适应能力。

利用视觉传感完成焊缝类型识别[15]、焊缝的初始点导引[16,17]、焊缝特征提取[18,19]、焊缝跟踪[20,21]、熔池监
控[22,23]、焊后质量检测[24-27]等已经成为焊接自动化领域的主要研究方向。

通过工件的三维点云和焊接工件 CAD 模型的配准， 实
现焊缝路径的偏差纠正，提高离线编程模式的测量精度。

RGBD 传感器完成工业机器人三维路径信息的自动提取，由于 RGBD 传感器较低的测量精度， 系统难以实现高精度的焊缝路径编程。

线结构光传感器的重建效率太低。

文献33，窄焊缝自主示教
文献34，基于RGBD的示教系统
但由于 RGB-D 传感器的测量精度较低，导致该系统难以满足高精度测量和示教的需求。

但是，激光结构光视觉属于局部视觉， 只能获取焊缝的局部信息，无法对机器人作业环境进行全局感知。

焊接机器人常见的传感方式有电弧传感[36-38]、 超声传感[39-42]、声音传感[43,44]、红外传感[45-47]、 磁光传感[48-52]、 视觉传感[53-55]等。

和其他传感方式相比，视觉传感具有非接触、高准确度、抗干扰能力强的特点，同时，它可以获得更为丰富的环境信息。

立体图像对的获取、 摄像机标定、特征提取、立体匹配、三维信息的恢复。

中厚板的特征提取
文献[93]提出焊缝序贯动态识别算法，文献[94]应用十字结构光视觉传感和模板匹配算法，文献[95]提出了一种基于方向模版的焊缝特征提取算法，文献[96]提
出了一种基于点云处理的焊缝特征提取算法。

具有自主识别和路径规划功能的焊接机器人能够有效克服“示教-再现”模 式和离线编程模式由于反馈信息的缺乏而不能适应环境变化的缺陷，减轻工人的劳动强度，提高机器人的示教效率和焊接质量，具有重要的理论意义和工程应用价值。

机器人视觉测量系统大多数采用多目视觉、立体视觉系统和结构光视觉系统。目前，在工业机器人视觉传感系统中，应用的比较多的是双目立体视觉系统和“单目+激光器”形成的激光结构光视觉系统[103]。激光结构光视觉可以实现焊缝三维位置信息的精确测量，但只能应用到焊缝跟踪和在线焊缝类型识别等局部搜索中，无法实现焊缝全局信息的感知。而基于双目视觉的焊接机器人系统，在复杂非结构化环境中的焊缝三维信息测量上又缺乏结构光的精确性和鲁棒性[104]。

为了完成目标的三维重建，单目光栅投影系统需要分别进行相机标定和投影仪的标定。其中，投影仪的标定是完全依赖于相机标定的结果，相机标定的误差会进一步增加投影仪标定的误差。单目光栅投影系统的整个标定过程是比较繁琐的，三维测量的灵活性差。

49页