基于激光测距的机器人焊缝跟踪研究
基于激光测距的机器人焊缝跟踪研究
作者:李小刚;富巍;
今工业领域中,焊接随处可见,已经成为重要的工艺方法之一。机器人焊接已被广泛应用于航空工业、化工冶金、机械制造等领域。焊接质量的好坏直接关系到产品的使用寿命及外形美观。然焊接过程中,由于工件易受外界条件影响,如弧光、高温等,而焊接机器人又不能随时做出调整,以致于焊缝出现偏差,焊接质量低劣甚至于失败。因此,对焊接的自动化技术就显得尤为迫切,而检测提取焊缝的特征状态又是关键。潘际銮等人针对焊接过程中电弧飞溅等强光干扰,提出了一种结构光焊缝跟踪实时图像处理技术,提取焊缝图像特征模板,利用焊缝序列图像的相关性对焊缝的位置变化进行观测。陈海永等人采用过度直线拟合和 B 样条直线拟合得到焊缝中心线,并采用距离搜索算法得到焊缝特征点,然而该算法仅仅适用于窄焊缝的特征提取。He 等人采用多项式拟合与极值点方法动态监测焊缝特征点,但其需要进行二阶导数运算,算法复杂度较高。激光测距仪具有单色性强、亮度高等优点,相较于 CCD摄像机抗干扰性更强[5]。本文将 KEYENCE 公司的LJ-G200 具有 2D 功能的线性激光传感器固定在机器人手臂焊枪的末端轴上,通过控制机器人运动,激光传感器跟着焊枪一起运动扫描待焊工件,采集焊接工件的焊缝轮廓数据,接着对采集到的轮廓数据通过斜率分析法提取到焊缝特征点,以特征点为界限采用最小二乘法求取拟合直线,获得直线交点。最后通过机器人的坐标系变换矩阵将激光传感器坐标系下的数据转换至机器人底座坐标系下的坐标位置,因此能够知道机器人焊枪运动的的实时轨迹,实现跟踪焊缝的位置。
1 机器人焊缝位置跟踪的关键技术研究
1.1 机器人的位置坐标变换
激光传感器所测量的数据是基于传感器自身的坐标下所获得坐标数据值,因此该算法所获得出的焊缝特征点的坐标位置值也是激光测量坐标系下的数据。所以,获得的焊缝特征点的数据值必须经过机器人手眼关系及末端变换的坐标变换关系转换至机器人的基坐标系中,才能实现焊缝轨迹的实时跟踪。假设机器人末端姿态绕固定轴 x-y-z 旋转 α、β、γ 角,则可以得到机器人末端与机器人基坐标系的旋转变换矩阵。
1.2 测量工件数据的初始特征点获取
实验数据获取过程中,把激光传感器采集数据模式设置成触发信号模式,通过 USB 接口与工业计算机通信,上位机发送触发信号传给激光传感器,引发传感器工作从而测量工件,并返回工件位置数据。获取焊缝特征点是跟踪焊缝过程中最关键的技术问题。本文拟采用斜率分析法与最小二乘法结合来提取激光数据的焊缝特征点。斜率分析法对焊缝的特征点进行初步定位,然后在此基础上对激光数据分组,采用最小二乘法拟合出焊缝直线求取直线交点,对特征点进行精确定位。
1.2.1 焊缝特征点的初步定位
将条纹线上的点按横坐标大小 X 顺序排列,各点记为 i(i = 1~n),总共有 n 个点。循环连续取 N0 个点,即 i~i+N0-1.对被取中的连续的 N0 个点做直线拟合得出直线斜率记为 Ki.在循环连续取点时,将顺次从起点 1 推移到 i+N0-1 的过程中,直线斜率连续变化。所以,当斜率无变化的时候说明该 N0 个点集在同一直线上,而当遇到拐点时,斜率会急剧变化,产生极大值或极小值。
以 V 型焊缝为例,V 型焊缝特征点是结构光在焊件及 V 型口处形成四条直线及三个拐点,因此其被称作四直线问题。
采用斜率法分析,首先设置四直线为 LA~LD. 每条直线对应的光点数分别对应为 N1~N4. 其对应的每条直线的斜率分别为 K1~K4,此外且满足 n = N1 + N2+ N3 + N4,N1,N4 > N0,N2,N3 < N0,斜率曲线变化的型式可以看出,当光点顺序排列时,斜率曲线中存在的最大和最小值分别为分别是 Kmax 和 Kmin,对应的光点序列分别为 Nmax = N1 + N2 - N0,Nmin = N1 + N2 + N3 - N0;同理,当光点倒序排列时,曲线中最大和最小值为 K′max 和 K′min,对应的光点的顺序为 N′max = N2 + N3 + N4 - N0,N′min = N3 + N4 - N0.
完成点域划分后,即可分别拟合四条直线,并根据直线求交得到各焊缝特征点,即焊缝拐点。
根据斜率分析法,编制相应的程序对原始数据进行图形进行直线检测,其中检测的激光点总数为 500.其中 N0 = 90,根据公式(3)可得各直线所占激光点数为 N1 = 143,N2 = 89,N3 = 89,N4 = 183,光点拟合得到的拟合直线的斜率的图形。
1.2.2 数据特征点的精确定位
由于待焊工件的表面容易产生缺陷,激光采集数据获取的焊缝特征点可能产生较严重的失真情况;此外,由于激光点有确定的定点间隔,所以由初步定位获取的确定特征点并不可以表示焊缝边缘真正的特征点,在焊缝跟踪的过程中能产生抖动的现象。所以,本算法还必须进行更深一步的优化。精确的焊缝特征点的定位须使用最小二乘法,依据斜率分析法产生的 N1,N2,N3,N4 对直线分段,完成点域划分,即可拟合四条直线,分段拟合出每一段的直线方程,然后求取直线相交点的坐标,获得焊缝特征点(即图四中焊缝拐点 A,B,C)的精确位置。
2 实验研究
2.1 试验系统组成
该实验系统主要由松下 TM1400 焊接机器人, KEYENCE 公司的 LJ-G200 具有 2D 功能的传感器及工业控制计算机组成。测距激光传感器工作的时候,其基本的原理为光学三角法:被测物由体半导体激光器被镜片聚焦到。镜片收集到反射光,投映到 CCD 阵列上;阵列上的光点位置被信号处理器由三角函数计算,所以得到传感器到物体的距离。
该激光传感器纵向探测范围 45 mm ~ 85 mm,激光传感器发射激光束对工件表面轮廓测量,实时获得采集数据。把激光传感器固接在机器人的焊枪。用机器人底座坐标系为基准,激光传感器的高度恒定取,横向取。控制焊接机器人姿态保持高度恒定的匀速移动,沿着朝着坡口每隔 0.1 mm 行走一次,记录数据,共产生 500 个激光点。每完成一条线采集,在将焊枪回到原点朝移动 10 mm,然后又沿着每隔0.1 mm 行走,采集数据,共五条。该测距路径规划可先在松下离线编程软件 DTPS 完成。
2.2 实验的方法与结果
实验过程中,焊缝的起点和终点被标记在工件上,使用机器人的示教器控制机械臂运动使焊枪无限度的接近工件上标记的起点和终点,并记录当前底座坐标系下焊枪的坐标数据值作为与实验对比的基准值。离线编程好机器人的运动轨迹,同时启动机器人运动和激光传感器工作,通过机器人的焊枪运动带动激光传感器一起运动可以扫描待焊接工件,每隔一个固定时间触发激光,采集工件位置数据并保存。获得特征点后,通过机器人坐标系的矩阵变化将其转换到机器人底座坐标下的坐标数据值,最后与基准线进行比较。
由实验结果可知,在焊缝提取特征点算法中对由斜率分析法采集到的特征点作为分段点使用最小二乘法来拟合数据,能够明显提升特征点的精确度,此外更深一步处理了实验过程中的抖动现象,因此使其更加平稳在焊接过程中。
3 结论
本文所应用的采用激光传感器测距的机器人跟踪焊缝位置系统,重点分析了 V 形的坡口焊缝位置变化信息。运用激光扫描工件来实时获取工件截面数据信息,快速准确获得焊缝信息。结合斜率分析法与最小二乘法来提取焊缝特征点,焊接精度能保持在 0.5 mm 范围之内的要求,且跟踪过程中抖动现象明显减弱,使精度进一步提高。因为激光穿透能力强,光感器件稳定,能在烟雾、粉尘、光照波动等不良干扰因素下准确识别焊缝位置,所得测量数据精确。因此,该方案抗干扰强,具有很大的实用性。
本文章转自爱学术(aixueshu.com),如有侵权,请联系删除