申请/专利权人：南京理工大学

申请日：2022-03-14

公开（公告）日：2024-06-21

公开（公告）号：CN114682879B

主分类号：B23K9/127

分类号：B23K9/127;B23K37/00;B25J9/16;B25J11/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.07.19#实质审查的生效;2022.07.01#公开

摘要：本发明涉及一种基于目标跟踪的焊缝跟踪方法，包括：1.系统标定并构建参考系转换系统，2.图像采集和预处理，3.焊缝特征提取，4.三维转换和传递，通过参考系转换系统将最高分的特征点的二维坐标转换成供焊接机器人执行的三维坐标，5.焊缝跟踪：焊接机器人根据收到的连续的特征点坐标进行焊缝跟踪焊接。本发明不存在模型漂移现象且获得的特征点回归绝对误差都在4个像素以内，准确性高；本发明利用多帧图像的相关信息，消除了某些特殊帧强噪声带来的干扰，成功地预测出目标位置；实际焊接过程中算法获取的焊点和人工标记的焊点各维度误差都在1mm以内，验证了本发明的准确性和鲁棒性。

主权项：1.一种基于目标跟踪的焊缝跟踪方法，其特征在于，包括以下步骤：步骤1：系统标定：对焊接系统进行相机标定、光平面标定和手眼标定并构建参考系转换系统；所述步骤1中的焊接系统包括线结构光视觉传感器模块、图像传输与处理模块和机器人运动控制模块，所述线结构光视觉传感器模块设置有线结构光发射器和相机，所述机器人运动控制模块设置有焊接机器人和机器人控制柜，所述焊接机器人在机器人控制柜的控制下在焊接母材上进行焊缝跟踪焊接；步骤2：图像采集和预处理：通过相机实时采集焊缝光条纹图像，并对样本图像进行包括ROI裁剪，灰度化、滤波去噪和图像增强的传统形态学图像处理以标记跟踪目标；步骤3：焊缝特征提取：构建SiamFC网络模型并对网络模型进行训练，通过神经网络得到学习函数fz,x进行样本图像和搜索图像相似度度量，并输出得分，又通过对比寻找样本图像和搜索图像所有位置中最高分的特征点确定跟踪目标位置，所述学习函数fz,x如公式（1）所示 （1）式中表示一个简单的相似度度量函数，表示特征提取器，z表示样本图像，x表示搜索图像，b1表示得分图中每个位置的取值；步骤4：三维转换和传递：通过参考系转换系统将最高分的特征点的二维坐标转换成供焊接机器人执行的三维坐标并将三维坐标传递给机器人控制柜；步骤5：焊缝跟踪：机器人控制柜将获得的三维坐标持续的传输至焊接机器人，焊接机器人根据收到的连续的特征点三维坐标进行焊缝跟踪焊接。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于目标跟踪的焊缝跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD