待焊件拼接的引导方法与流程

1.本发明涉及激光拼焊技术领域，特别涉及一种待焊件拼接的引导方法。


背景技术：

2.激光拼焊视觉引导技术是一种应用于激光焊接领域的智能化技术，通过利用计算机视觉和机器学习算法，对激光焊接过程进行实时监测和控制，从而提高焊接质量和效率。
3.在传统的激光焊接过程中，由于加工出来的待焊件精度误差，逐一严格接触拼接完毕会存在喇叭口或者说八字形。需要操作人员需要通过经验和观察来手动拼接焊件，相关操作只能逐一拼接和尝试，手动拼接焊缝高精度要求难以快速保证且操作时间较长，工作效率低、操作者劳动强度大。


技术实现要素：

4.本发明为了解决现有技术存在的不足，提供了一种待焊件拼接的引导方法。本发明机器学习、路径规划与视觉结合的拼焊智能引导算法，采用视觉的方式，识别全部焊件，识别焊件位置，采用机器学习的方式对待焊件进行分类识别，根据标准件焊接制作配方模板，判断待焊件误差是否合适，本发明对于焊件精确识别、分类，并对伺服机构通过模板匹配粗匹配、焊缝微调匹配分阶段控制，自动计算伺服机构运动参数，极大提高了拼焊的效率和精度。
5.本发明解决该问题所采取的技术方案：
6.一种待焊件拼接的引导方法，包括以下步骤：
7.a.标准件获取及配方制作；
8.b.待焊件图像生成；
9.c.待焊件识别；
10.d.焊件模板匹配；
11.e.误差识别；
12.f.基于标准件模板的粗定位；
13.g.基于焊缝识别的精细定位。
14.所述步骤a具体包括：
15.1)标准件获取：逐一给出各个焊件的cad图及其相关参数，得到单个或者多个标准件的图像；上传图像到算法定位程序，算法计算焊件的灰度图和轮廓图；利用获取的轮廓图，并提取图像坐标；根据图像坐标，聚类分析出各个零件坐标进行图像分类；算法还计算焊件的特征矩，包括凸包、最小外接矩形、质心和面积等，即特征提取；
16.2)标准件组合：根据标准焊件组合出配方，即各个焊件拼焊组合；
17.3)配方保存：计算拼接好后图形的几何中心，做离心运动以满足焊件之间的距离最小值为误差要求的n倍以方便识别，并保存为模板。
18.所述步骤b具体包括：
19.1)待焊件拍照
20.将待焊件搬放到操作台，第一次拍照，选择并利用光学技术保障图像质量，并保证稳定传输图像至工控机算法程序,其中光学技术，包括以下内容：
21.①
设备选择：根据待焊件的尺寸、形状、表面质量等因素，选择适合的相机设备，保证采集到的图像信息质量；
22.②
光照条件：合理的光照条件是保证采集到清晰图像的关键，通常要求光线均匀、柔和，避免强光、阴影等影响图像质量的因素；
23.③
拍摄角度：选择适当的拍摄角度，保证采集到的图像中焊缝等关键特征能够清晰可见；
24.④
焦距和深度：根据待焊件的尺寸和焊缝宽度，选择合适的镜头焦距和拍摄深度，使得焊缝清晰可见，并且整个待焊件的图像能够保持清晰；
25.2)图像处理
26.图像处理包括：
27.①
图像校正：在采集到的图像中，可能存在图像畸变、失真等问题，需要通过图像校正技术进行处理，保证图像准确性和稳定性；
28.②
数据传输：为了保证采集到的图像信息能够及时、准确地传输给图像处理和激光扫描系统，需要选择稳定、高速的数据传输方式，如高速接口、网络传输。
29.所述步骤c具体包括：
30.1)形状提取：利用图像算法计算图像的灰度图和轮廓参数；
31.2)坐标提取：利用轮廓参数计算出待焊件坐标；
32.3)焊件分类：利用待焊件坐标，采用机器学习算法dbscan对待焊件进行分类识别，并给出各个焊件坐标；
33.4)特征提取：计算待焊件特征矩，凸包、最小外接矩形、质心和面积等。
34.所述步骤1)形状提取和2)坐标提取包括：
35.①
读取图像信息，转换为灰度图；
36.②
对灰度图进行增强，调整对比度，增强边缘；
37.③
利用梯度算法与灰度阈值结合计算图像中的焊件轮廓，将料片从背景中分离出来；
38.④
获取轮廓中的序列非0的值得形状参数，即所在行和列为x,y的坐标；
39.所述步骤3)中焊件分类中机器学习算法dbscan分类识别，包括以下步骤：
40.①
获取图像处理后的待焊件坐标；
41.②
录入系统焊件的配方参数：焊件数目及焊件形状描述；
42.③
算法聚类训练：根据不同的配方，设置不同的dbscan密度和点数参数以识别待焊件的种类和参数，保存模型，并建立模型与配方的关系；
43.④
待焊件识别：在后续识别中，根据配方自动引用相关模型，根据模型参数识别焊件。
44.所述步骤d)焊件模板匹配和e)误差识别，具体包括以下步骤：
45.1)选择配方，算法给出相应模板的坐标参数、特征矩等，模板的参数根据图像参数还原为实际的物理参数即可；
46.2)利用已标定的透视变换，计算出待焊件的实际坐标参数和特征矩；
47.3)算法程序，先根据透视变换后的坐标后的焊件特征矩，优先利用特征矩中的凸包面积相近建立待焊件与起标准件的映射关系；
48.4)利用各个待焊件凸包中心线与其对应模板凸包中心线对齐，计算焊边误差，此外还需要上沿或者下沿对齐，哪个面积大重合度高选择哪个；
49.5)计算各个待焊件焊边与标准件焊边的误差，单个误差或者累计误差绝对值大于单个误差限乘以焊件个数的乘积时，则判定单个焊件不合格，此原则支持随着工艺要求的积累作为自定义参数进行设置；
50.根据各个待焊件与其标准模板关系，计算各个待焊件与其标准件的误差，超出误差的焊件直接舍去，若满足要求，则焊件进行下一步。
51.7.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤f包括，若焊边误差范围可接受，则继续进行此步骤：
52.1)根据各个待焊件的特征矩，计算出其对应的模板，然后计算待焊件和对齐其标准件的对齐待焊件的齐次矩阵；
53.2)旋转运动：齐次矩阵给出了旋转和平移参数，考虑伺服机构的特殊运动结构会导致伺服机构的x轴和y轴方向伺服机构旋转，故先进行旋转运动；
54.3)按照步骤1)计算齐次矩阵，获取平移参数，根据平移参数指导伺服电机运动；
55.4)按照配方中的几何中心对各个待焊件分别进行x向移动、y向移动，即做向心运动；向心运动的参数为配方制作中的离心运动参数的负值；
56.5)如果焊缝距离大于误差或者焊缝两侧的上下边超过误差，则固定右上侧的焊件，逆时针逐块拼接焊件，调整方式同步骤2)和3)。
57.8.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤g包括：
58.针对粗定位中不满足误差要求的待焊件，通过旋转运动调整喇叭口角度，保证喇叭焊缝平行，通过平移运动调整喇叭口的x轴和y轴方向，保证焊缝间距和焊缝两侧焊件上边和下边低于误差限；
59.在粗定位完成后进行第二次拍照，通过第二次拍照识别运动后图像，精细运动微调，主要包括以下步骤：
60.1)框选焊缝位置区域，包含两侧待焊件；
61.2)先补偿喇叭口的角度，即对于n个待焊件，固定一个焊件，逐次拼接，保证每个待焊件满足焊距离要求，也满足焊边上下距离要求，最后得到的第1个焊件与第n个焊件的焊边延长线组成的夹角；
62.3)计算沿2)中夹角交点进入第1焊边误差限界的角度；
63.4)将3)计算的夹角值平均分到其余几个焊缝，即其余待焊件按照2)中交点进行旋转；
64.5)计算焊边上下距离，若需要调整，则给出沿第n个边方向的向心或者离心运动距离，相应的距离平均分配给其它焊缝上下边界；
65.6)基于4)和5)的算法如果仍不能满足误差限制，则考虑采用智能优化算法进行优化求解，进行路径规划，计算出每个待焊件的最终位置；
66.7)进行第三次拍照，计算焊缝距离、焊缝上下边距离检测运动结果，若不合格则提
示人工处理。
67.所述步骤6)的路径规划，包括以下步骤：
68.采用基于分层思想的路径规划算法，其原理是将复杂的路径规划问题分解为一系列简单的子问题，并分层解决，每一层都是在上一层的基础上进行规划，直到达到最终目标，在激光拼焊场景中，分层规划可以应用于计算多个焊件之间的最优路径，其具体实现过程可以分为：
69.a)低层规划：首先对每个焊件进行单独的路径规划，以保证每个焊件的焊缝都被覆盖；
70.b)中层规划：在低层规划的基础上，考虑多个焊件之间的交错移动，以避免重复运动和碰撞；
71.c)高层规划：在中层规划的基础上，考虑整个焊接区域的全局优化，以最小化总路径长度和时间；
72.在计算最优路径时，采用多种算法a*算法、dijkstra算法、贪心算法等，同时，还要考虑各个焊件之间的位置、形状、大小、方向等因素，分层规划的应用需要结合实际情况进行调整和优化，对角度和距离进行补偿，
①
首先，计算喇叭口的角度，相应的角度按照需要拼接焊缝的数量均分；
②
喇叭口距离均分到各个焊缝，若按照
①
和
②
均分中发现待焊件不满足则该待焊件舍弃不进行拼接，从而获得最佳的焊接效果。
73.在所述步骤g后进行焊缝缝隙检测；
74.所述焊缝缝隙检测主要包括以下步骤：
75.1)相机拍摄焊缝图像，算法对图像进行处理，识别焊缝的位置和坐标；
76.2)计算焊缝的特征矩，主要针对焊缝距离、焊缝上下边距离；
77.3)判定运动结果是否与计算结果一致。
78.本发明有益效果:
79.1.发明为机器学习、路径规划与视觉结合的拼焊智能引导算法，采用视觉的方式精确识别全部焊件，采用机器学习的方式对待焊件进行分类识别，根据标准件焊接制作配方模板，秒级响应快速识别待焊件误差。能够提高焊接准确性和效率、减少人工误差、提高生产效率、改善工作环境和实现智能化生产的多个有益效果。
80.对于相较于模板误差合格待焊件，给出伺服机构运动坐标参数、引导伺服机构运动快速进行粗定位，其后对待焊件进行精细拼接，即计算满足各个焊缝间距离和焊缝上下距离满足的待焊件位置、给出各个伺服机构运动参数。本发明对于焊件精确识别、分类，并对伺服机构分阶段控制(模板匹配粗匹配，焊缝微调匹配)和自动计算伺服机构运动参数极大提高了拼焊的效率和精度。
81.2.本发明利用视觉和机器学习技术对焊件进行分类和误差判断，可以实现对焊缝形状和位置的精确识别和计算，避免了人工反复拼凑的时间损耗，从而提高焊接的准确性和效率。
82.3.本发明通过自动化的方式进行拼焊引导，可以避免人工操作所带来的误差，提高焊接质量。
83.4.本发明通过自动化拼焊引导焊接前优先拼接的方式，可提前发现不合格待焊件，缩短不合格件工序占用，可以大大缩短焊接时间，提高生产效率，降低生产成本。
84.5.本发明通过自动化拼焊引导可以减少焊接操作员的劳动强度，降低工作风险，改善工作环境。
85.6.本发明通过结合机器学习和控制技术，可以实现智能化生产，提高生产线的自动化程度，为工业4.0时代的智能制造奠定基础。
86.7.本发明通过采用标准件及配方制作的步骤，该流程只需要根据标准件和焊接需求制作1次，相同工艺无需维护，新增工艺只需提供标准件即可，方便易用。
87.8.本发明通过采用待焊件模板匹配、误差识别和粗定位，提供标准模板，可快速检测每个待焊件尺寸提高检测效率，提前发现不合格零件，减少人工工作量。
88.9.发明通过采用精细定位，提高待焊件的利用率，减低拼接复杂度，拼接时间较人工拼接时间减少80％以上。
附图说明
89.图1为本发明的系统流程图。
具体实施方式
90.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
91.结合图1，一种待焊件拼接的引导方法，包括以下步骤：
92.a.标准件获取及配方制作；
93.b.待焊件图像生成；
94.c.待焊件识别；
95.d.焊件模板匹配；
96.e.误差识别；
97.f.基于标准件模板的粗定位；
98.g.基于焊缝识别的精细定位；
99.所述步骤a具体包括：
100.1)标准件获取：逐一给出各个焊件的cad图及其相关参数，得到单个或者多个标准件的图像；上传图像到算法定位程序，算法计算焊件的灰度图和轮廓图；利用获取的轮廓图，并提取图像坐标；根据图像坐标，聚类分析出各个零件坐标进行图像分类；算法还计算焊件的特征矩，包括凸包、最小外接矩形、质心和面积等，即特征提取；
101.2)标准件组合：根据标准焊件组合出配方，即各个焊件拼焊组合；
102.3)配方保存：计算拼接好后图形的几何中心，做离心运动以满足焊件之间的距离最小值为误差要求的n倍，如为50倍以方便识别，并保存为模板；
103.所述步骤b具体包括：
104.1)待焊件拍照
105.将待焊件搬放到操作台，第一次拍照，选择并利用光学技术保障图像质量，并保证稳定传输图像至工控机算法程序,其中光学技术，包括以下内容：
106.①
设备选择：根据待焊件的尺寸、形状、表面质量等因素，选择适合的相机设备，保证采集到的图像信息质量；
107.②
光照条件：合理的光照条件是保证采集到清晰图像的关键，通常要求光线均匀、柔和，避免强光、阴影等影响图像质量的因素；
108.③
拍摄角度：选择适当的拍摄角度，保证采集到的图像中焊缝等关键特征能够清晰可见；
109.④
焦距和深度：根据待焊件的尺寸和焊缝宽度，选择合适的镜头焦距和拍摄深度，使得焊缝清晰可见，并且整个待焊件的图像能够保持清晰；
110.2)图像处理
111.图像处理包括：
112.①
图像校正：在采集到的图像中，可能存在图像畸变、失真等问题，需要通过图像校正技术进行处理，保证图像准确性和稳定性；
113.②
数据传输：为了保证采集到的图像信息能够及时、准确地传输给图像处理和激光扫描系统，需要选择稳定、高速的数据传输方式，如高速接口、网络传输等。
114.所述步骤c具体包括：
115.1)形状提取：利用图像算法计算图像的灰度图和轮廓参数；
116.2)坐标提取：利用轮廓参数计算出待焊件坐标；
117.3)焊件分类：利用待焊件坐标，采用机器学习算法dbscan对待焊件进行分类识别，并给出各个焊件坐标；
118.4)特征提取：计算待焊件特征矩，凸包、最小外接矩形、质心和面积等。
119.所述步骤1)形状提取和2)坐标提取包括：
120.①
读取图像信息，转换为灰度图；
121.②
对灰度图进行增强，调整对比度，增强边缘；
122.③
利用梯度算法与灰度阈值结合计算图像中的焊件轮廓，将料片从背景中分离出来；
123.④
获取轮廓中的序列非0的值得形状参数，即所在行和列为x,y的坐标；
124.所述步骤3)中焊件分类中机器学习算法dbscan分类识别，包括以下步骤：
125.①
获取图像处理后的待焊件坐标；
126.②
录入系统焊件的配方参数：焊件数目及焊件形状描述；
127.③
算法聚类训练：根据不同的配方，设置不同的dbscan参数(密度和点数)以识别待焊件的种类和参数，保存模型，并建立模型与配方的关系；
128.④
待焊件识别：在后续识别中，根据配方自动引用相关模型，根据模型参数识别焊件。
129.所述步骤d)焊件模板匹配和e)误差识别，具体包括以下步骤：
130.1)选择配方，算法给出相应模板的坐标参数、特征矩等，模板的参数根据图像参数还原为实际的物理参数即可；
131.2)利用已标定的透视变换，计算出待焊件的实际坐标参数和特征矩；
132.3)算法程序，先根据透视变换后的坐标后的焊件特征矩，优先利用特征矩中的面积(凸包面积)相近建立待焊件与起标准件的映射关系；
133.4)利用各个待焊件凸包中心线与其对应模板凸包中心线对齐，计算焊边误差(相应误差由不同配方来设定)，此外还需要上沿或者下沿对齐，哪个面积大重合度高选择哪个；
134.5)计算各个待焊件焊边与标准件焊边的误差，单个误差或者累计误差绝对值大于单个误差限乘以焊件个数的乘积时，则判定单个焊件不合格，此原则支持随着工艺要求的积累作为自定义参数进行设置；
135.根据各个待焊件与其标准模板关系，计算各个待焊件与其标准件的误差，超出误差的焊件直接舍去，若满足要求，则焊件进行下一步。
136.所述步骤f包括，若焊边误差范围可接受，则继续进行此步骤：
137.1)根据各个待焊件的特征矩，计算出其对应的模板，然后计算待焊件和对齐其标准件的对齐待焊件的齐次矩阵；
138.2)旋转运动：齐次矩阵给出了旋转和平移参数，考虑伺服机构的特殊运动结构会导致伺服机构的x轴和y轴方向伺服机构旋转，故先进行旋转运动；
139.3)按照步骤1)计算齐次矩阵，获取平移参数，根据平移参数指导伺服电机运动；
140.4)按照配方中的几何中心对各个待焊件分别进行x向移动、y向移动，即做向心运动；向心运动的参数为配方制作中的离心运动参数的负值；
141.5)如果焊缝距离大于误差或者焊缝两侧的上下边超过误差，则固定右上侧的焊件，逆时针逐块拼接焊件，调整方式同步骤2)和3)。
142.所述步骤g包括：
143.针对粗定位中不满足误差要求的待焊件，通过旋转运动调整喇叭口角度，保证喇叭焊缝平行，通过平移运动调整喇叭口的x轴和y轴方向，保证焊缝间距和焊缝两侧焊件上边和下边低于误差限；
144.在粗定位完成后进行第2次拍照，通过第2次拍照识别运动后图像，精细运动微调，主要包括以下步骤：
145.1)框选焊缝位置区域，包含两侧待焊件；
146.2)先补偿喇叭口的角度，即对于n个待焊件，固定一个焊件，逐次拼接，保证每个待焊件满足焊距离要求，也满足焊边上下距离要求，最后得到的第1个焊件与第n个焊件的焊边延长线组成的夹角；
147.3)计算沿2)中夹角交点进入第1焊边误差限界的角度；
148.4)将3)计算的夹角值平均分到其余几个焊缝，即其余待焊件按照2)中交点进行旋转；
149.5)计算焊边上下距离，若需要调整，则给出沿第n个边方向的向心或者离心运动距离，相应的距离平均分配给其它焊缝上下边界；
150.6)基于4)和5)的算法如果仍不能满足误差限制，则考虑采用智能优化算法进行优化求解，进行路径规划，计算出每个待焊件的最终位置；
151.7)进行第3次拍照，计算焊缝距离、焊缝上下边距离检测运动结果，若不合格则提示人工处理。
152.所述步骤6)的路径规划，包括以下步骤：
153.采用基于分层思想的路径规划算法，其原理是将复杂的路径规划问题分解为一系
列简单的子问题，并分层解决，每一层都是在上一层的基础上进行规划，直到达到最终目标，在激光拼焊场景中，分层规划可以应用于计算多个焊件之间的最优路径，其具体实现过程可以分为：
154.a)低层规划：首先对每个焊件进行单独的路径规划，以保证每个焊件的焊缝都被覆盖；
155.b)中层规划：在低层规划的基础上，考虑多个焊件之间的交错移动，以避免重复运动和碰撞；
156.c)高层规划：在中层规划的基础上，考虑整个焊接区域的全局优化，以最小化总路径长度和时间；
157.在计算最优路径时，采用多种算法a*算法、dijkstra算法、贪心算法等，同时，还要考虑各个焊件之间的位置、形状、大小、方向等因素，分层规划的应用需要结合实际情况进行调整和优化，对角度和距离进行补偿，
①
首先，计算喇叭口的角度，相应的角度按照需要拼接焊缝的数量均分；
②
喇叭口距离均分到各个焊缝，若按照
①
和
②
均分中发现待焊件不满足则该待焊件舍弃不进行拼接，从而获得最佳的焊接效果。
158.在所述步骤g后进行焊缝缝隙检测；
159.所述焊缝缝隙检测主要包括以下步骤：
160.1)相机拍摄焊缝图像，算法对图像进行处理，识别焊缝的位置和坐标；
161.2)计算焊缝的特征矩，主要针对焊缝距离、焊缝上下边距离；
162.3)判定运动结果是否与计算结果一致。
163.焊缝缝隙检测主要用于检测运动后，是否满足误差要求，若没满足则再进行一次精定位和检测；本步骤需要根据前述运动结果的检测，进行第3次拍照，检测运动是否达标，即满足焊缝间距离要求、焊缝上下边距离要求，可再进行1次精细定位，进行第4次拍照，再进行一次检测，若不合格则提示人工处理。
164.另外，本发明采用机器学习、路径规划与视觉结合的拼焊智能引导算法，采用视觉的方式识别全部焊件，识别焊件位置，采用机器学习的方式对待焊件进行分类识别，根据标准件焊接制作配方模板，判断待焊件误差是否合适，本发明对于焊件精确识别、分类，并对伺服机构通过模板匹配粗匹配、焊缝微调匹配分阶段控制，自动计算伺服机构运动参数，极大提高了拼焊的效率和精度。
165.以上所述为本发明的优选实施方式，具体实施例的说明仅用于更好的理解本发明的思想。对于本技术领域的普通技术人员来说，依照本发明原理还可以做出若干改进或者同等替换，这些改进或同等替换也视为落在本发明的保护范围。

技术特征：
1.一种待焊件拼接的引导方法，包括以下步骤：a.标准件获取及配方制作；b.待焊件图像生成；c.待焊件识别；d.焊件模板匹配；e.误差识别；f.基于标准件模板的粗定位；g.基于焊缝识别的精细定位。2.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤a具体包括：1)标准件获取：逐一给出各个焊件的cad图及其相关参数，得到单个或者多个标准件的图像；上传图像到算法定位程序，算法计算焊件的灰度图和轮廓图；利用获取的轮廓图，并提取图像坐标；根据图像坐标，聚类分析出各个零件坐标进行图像分类；算法还计算焊件的特征矩，包括凸包、最小外接矩形、质心和面积，即特征提取；2)标准件组合：根据标准焊件组合出配方，即各个焊件拼焊组合；3)配方保存：计算拼接好后图形的几何中心，做离心运动以满足焊件之间的距离最小值为误差要求的n倍以方便识别，并保存为模板。3.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤b具体包括：1)待焊件拍照将待焊件搬放到操作台，拍照，选择并利用光学技术保障图像质量，并保证稳定传输图像至工控机算法程序,其中光学技术，包括以下内容：
①
设备选择：根据待焊件的尺寸、形状、表面质量因素，选择适合的相机设备，保证采集到的图像信息质量；
②
光照条件：合理的光照条件是保证采集到清晰图像的关键，通常要求光线均匀、柔和，避免强光、阴影影响图像质量的因素；
③
拍摄角度：选择适当的拍摄角度，保证采集到的图像中焊缝关键特征能够清晰可见；
④
焦距和深度：根据待焊件的尺寸和焊缝宽度，选择合适的镜头焦距和拍摄深度，使得焊缝清晰可见，并且整个待焊件的图像能够保持清晰；2)图像处理图像处理包括：
①
图像校正：在采集到的图像中，可能存在图像畸变、失真问题，需要通过图像校正技术进行处理，保证图像准确性和稳定性；
②
数据传输：为了保证采集到的图像信息能够及时、准确地传输给图像处理和激光扫描系统，需要选择稳定、高速的数据传输方式，如高速接口、网络传输。4.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤c具体包括：1)形状提取：利用图像算法计算图像的灰度图和轮廓参数；2)坐标提取：利用轮廓参数计算出待焊件坐标；3)焊件分类：利用待焊件坐标，采用机器学习算法dbscan对待焊件进行分类识别，并给出各个焊件坐标；4)特征提取：计算待焊件特征矩，凸包、最小外接矩形、质心和面积。
5.如权利要求4所述的待焊件拼接的引导方法，其特征是，所述步骤1)形状提取和2)坐标提取包括：
①
读取图像信息，转换为灰度图；
②
对灰度图进行增强，调整对比度，增强边缘；
③
利用梯度算法与灰度阈值结合计算图像中的焊件轮廓，将料片从背景中分离出来；
④
获取轮廓中的序列非0的值得形状参数，即所在行和列为x,y的坐标；所述步骤3)中焊件分类中机器学习算法dbscan分类识别，包括以下步骤：
①
获取图像处理后的待焊件坐标；
②
录入系统焊件的配方参数：焊件数目及焊件形状描述；
③
算法聚类训练：根据不同的配方，设置不同的dbscan密度和点数参数以识别待焊件的种类和参数，保存模型，并建立模型与配方的关系；
④
待焊件识别：在后续识别中，根据配方自动引用相关模型，根据模型参数识别焊件。6.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤d焊件模板匹配和e误差识别，具体包括以下步骤：1)选择配方，算法给出相应模板的坐标参数、特征矩，模板的参数根据图像参数还原为实际的物理参数即可；2)利用已标定的透视变换，计算出待焊件的实际坐标参数和特征矩；3)算法程序，先根据透视变换后的坐标后的焊件特征矩，优先利用特征矩中的凸包面积相近建立待焊件与起标准件的映射关系；4)利用各个待焊件凸包中心线与其对应模板凸包中心线对齐，计算焊边误差，此外还需要上沿或者下沿对齐，哪个面积大重合度高选择哪个；5)计算各个待焊件焊边与标准件焊边的误差，单个误差或者累计误差绝对值大于单个误差限乘以焊件个数的乘积时，则判定单个焊件不合格，此原则支持随着工艺要求的积累作为自定义参数进行设置；根据各个待焊件与其标准模板关系，计算各个待焊件与其标准件的误差，超出误差的焊件直接舍去，若满足要求，则焊件进行下一步。7.如权利要求1所述的待焊件拼接的引导方法，其特征是，所述步骤f包括，若焊边误差范围可接受，则继续进行此步骤：1)根据各个待焊件的特征矩，计算出其对应的模板，然后计算待焊件和对齐其标准件的对齐待焊件的齐次矩阵；2)旋转运动：齐次矩阵给出了旋转和平移参数，考虑伺服机构的特殊运动结构会导致伺服机构的x轴和y轴方向伺服机构旋转，故先进行旋转运动；3)按照步骤1)计算齐次矩阵，获取平移参数，根据平移参数指导伺服电机运动；4)按照配方中的几何中心对各个待焊件分别进行x向移动、y向移动，即做向心运动；向心运动的参数为配方制作中的离心运动参数的负值；5)如果焊缝距离大于误差或者焊缝两侧的上下边超过误差，则固定右上侧的焊件，逆时针逐块拼接焊件，调整方式同步骤2)和3)。8.如权利要求7所述的待焊件拼接的引导方法，其特征是，所述步骤g包括：针对粗定位中不满足误差要求的待焊件，通过旋转运动调整喇叭口角度，保证喇叭焊
缝平行，通过平移运动调整喇叭口的x轴和y轴方向，保证焊缝间距和焊缝两侧焊件上边和下边低于误差限；在粗定位完成后进行拍照，通过拍照识别运动后图像，精细运动微调，主要包括以下步骤：1)框选焊缝位置区域，包含两侧待焊件；2)先补偿喇叭口的角度，即对于n个待焊件，固定一个焊件，逐次拼接，保证每个待焊件满足焊距离要求，也满足焊边上下距离要求，最后得到的第1个焊件与第n个焊件的焊边延长线组成的夹角；3)计算沿2)中夹角交点进入第1焊边误差限界的角度；4)将3)计算的夹角值平均分到其余几个焊缝，即其余待焊件按照2)中交点进行旋转；5)计算焊边上下距离，若需要调整，则给出沿第n个边方向的向心或者离心运动距离，相应的距离平均分配给其它焊缝上下边界；6)基于4)和5)的算法如果仍不能满足误差限制，则考虑采用智能优化算法进行优化求解，进行路径规划，计算出每个待焊件的最终位置；7)进行拍照，计算焊缝距离、焊缝上下边距离检测运动结果，若不合格则提示人工处理。9.如权利要求8所述的待焊件拼接的引导方法，其特征是，所述步骤6)的路径规划，包括以下步骤：采用基于分层思想的路径规划算法，其原理是将复杂的路径规划问题分解为一系列简单的子问题，并分层解决，每一层都是在上一层的基础上进行规划，直到达到最终目标，在激光拼焊场景中，分层规划可以应用于计算多个焊件之间的最优路径，其具体实现过程可以分为：a)低层规划：首先对每个焊件进行单独的路径规划，以保证每个焊件的焊缝都被覆盖；b)中层规划：在低层规划的基础上，考虑多个焊件之间的交错移动，以避免重复运动和碰撞；c)高层规划：在中层规划的基础上，考虑整个焊接区域的全局优化，以最小化总路径长度和时间；在计算最优路径时，采用多种算法a*算法、dijkstra算法、贪心算法，同时，还要考虑各个焊件之间的位置、形状、大小、方向因素，分层规划的应用需要结合实际情况进行调整和优化，对角度和距离进行补偿，
①
首先，计算喇叭口的角度，相应的角度按照需要拼接焊缝的数量均分；
②
喇叭口距离均分到各个焊缝，若按照
①
和
②
均分中发现待焊件不满足则该待焊件舍弃不进行拼接，从而获得最佳的焊接效果。10.如权利要求8所述的待焊件拼接的引导方法，其特征是，在所述步骤g后进行焊缝缝隙检测；所述焊缝缝隙检测主要包括以下步骤：1)相机拍摄焊缝图像，算法对图像进行处理，识别焊缝的位置和坐标；2)计算焊缝的特征矩，主要针对焊缝距离、焊缝上下边距离；3)判定运动结果是否与计算结果一致。

技术总结
本发明专利公开了一种待焊件拼接的引导方法，包括以下步骤：A.标准件获取及配方制作；B.待焊件图像生成；C.待焊件识别；D.焊件模板匹配；E.误差识别；F.基于标准件模板的粗定位；G.基于焊缝识别的精细定位。本发明能够提高焊接准确性和效率、减少人工误差、提高生产效率、改善工作环境和实现智能化生产的多个有益效果。果。果。


技术研发人员：冯安住 和朴轩 王汝雷
受保护的技术使用者：济南奥图自动化股份有限公司
技术研发日：2023.04.27
技术公布日：2023/8/13