异型工件的焊接主要采用人工焊接的方式,其焊接效率和焊接质量都无法得到保证,上一工序导致的热变形或者装夹误差会造成异型工件的实际焊接轨迹不确定,这导致了焊接机器人“示教再现”模式不适应实际的焊接需要,因此需要对异型工件在线生成焊接轨迹。

为此,提出了基于机器视觉的亚像素精度轮廓在线提取方法,通过在六轴机器人加装带视觉检测系统的两轴变位机装置,采用基于Zernike矩的亚像素轮廓提取方法,在线提取异型工件的亚像素精度轮廓,并经过*小二乘全局逼近NURBS曲线拟合的方法对其进行平滑处理和运动控制程序进行焊接轨迹分解处理后得到六轴机器人和两轴变位机的运动路径,并将其传输到机器人控制器,从而引导机器人对异型工件完成自动焊接过程,实现异型工件的全自动在线焊接。

(1)研究了六轴机器人、两轴变位机和视觉检测系统三者之间的标定方法,实现了机器人基坐标系坐标、变位机坐标系坐标和相机坐标系坐标三者之间的相互转换。首先用Halcon软件对相机的内外参数进行了标定,为变位机标定和手眼标定打下基础;为实现异型工件焊接点在变位机坐标系和机器人基坐标系之间互相转换,提出了“五点标定法”对变位机和机器人基坐标系之间的转换关系进行了求解;针对六轴机器人和视觉检测系统的“Eye-to-Hand”系统,提出了一种标定方法,获得了两者之间转换矩阵的各个参数,从而完成相机坐标系、变位机坐标系和机器人基坐标系三者之间坐标值的任意转换。

(2)为提高异型工件轮廓提取精度,研究了异型工件亚像素精度轮廓的提取方法。通过视觉检测系统在线获取了异型工件的原始图像,利用图像处理软件——Halcon中自带的算子对异型工件原始图像进行形态学预处理,获得了异型工件的基本轮廓;通过对Zernike矩的原理进行分析及进一步研究,以Halcon软件为载体编写了亚像素精度轮廓提取算法,从而获得了异型工件的初始焊接轨迹。

(3)为保证机器人和变位机系统两者之间协调的运动,研究了异型工件焊接轨迹平滑的方法和关于机器人焊接轨迹在线生成系统运动控制的算法。基于Zernike矩的亚像素精度轮廓提取算法提取出来的焊接轨迹不可避免会出现坏点和尖点,从而导致焊接时焊接质量的下降甚至焊接的失败,通过研究NURBS曲线拟合原理,提出了*小二乘全局逼近拟合算法。平滑的焊接轨迹数据点并不能直接输入到由六轴机器人和两轴变位机构成的机器人焊接轨迹在线生成系统中,故提出了机器人焊接轨迹在线生成系统的运动控制算法,该算法将焊接轨迹分解成六轴机器人和两轴变位机各自的运动路径,并将其输入到机器人控制中,引导机器人焊接轨迹在线生成系统完成对异型工件的焊接。

(4)设计和搭建了由六轴机器人和两轴变位机系统构成的机器人焊接平台,以验证基于Zernike矩的亚像素精度轮廓提取算法、异型工件焊接轨迹平滑的方法和机器人焊接轨迹在线生成系统运动控制的算法。硬件系统主要包括安川六自由度焊接机器人和自制的带视觉检测系统的两轴变位机,控制系统包括安川DX200型控制器和运行于Window系统的程序。对异型工件的常规像素级精度轮廓提取方法和基于Zernike矩的亚像素精度轮廓提取方法进行了对比实验,实验结果表明,亚像素方法提取轮廓误差在0.052——0.214mm之间,平均误差为0.145mm;常规像素精度轮廓误差为0.22——0.36mm,平均误差为0.309mm,基于Zernike矩的亚像素精度轮廓提取方法拥有较大的优势。

了解更多机器人咨询请点击：安川机器人