为实现复杂工况下焊接机器人精准识别焊缝目标, 将激光视觉传感技术应用于机器人焊缝识别中。以激光视觉传感器作为核心硬件, 构建焊接图像采集系统, 运用PCI总线卡检测传感器及外部指示灯是否为连接状态, 通过PXR800图像采集卡在规定时间内得到激光焊接图像, 使用串口通信程序完成图像高效传输。分别采用双边滤波器与模糊算子实施图像去噪与增强处理, 优化图像角点与激光条纹中心点, 利用等式约束方程修正卡尔曼滤波后的图像坐标值, 完成高精度焊缝识别任务。仿真结果证明, 激光视觉传感能够帮助机器人提升焊缝识别精度、增强抗干扰能力, 为焊接机器人的推广应用发挥积极作用。

焊缝跟踪是实现自动化焊接的关键，针对激光焊接下的近无间隙焊缝轨迹，提出了基于线阵相机和特征识别算法的焊缝追踪方法。通过线阵相机获取工件表面图像，使用均值滤波对图像进行降噪处理。通过分析图像的灰度值、图像灰度值变化、图像的灰度值梯度、焊缝区域宽度识别焊缝轨迹，实现了无间隙焊缝的识别和跟踪。通过焊接试验测试得到基于线阵相机的焊缝识别方法误差小于0.05 mm。通过对不同间隙的焊缝进行焊缝追踪试验证明了该方法对于间隙小于0.3 mm的焊缝具有良好的识别效果。

为了提高焊接作业的效率和焊接产品的质量, 减轻焊工工作强度以及改善恶劣的工作环境, 通过焊缝跟踪技术, 将相机采集到的焊缝图像传入计算机进行实时图像处理。提出一种区域生长的方法得到焊缝区域, 通过这种方法可以准确地提取出感兴趣的部分, 便于后续的图像处理。首先通过对相机采集的焊缝图像进行阈值化, 生成种子区域和候选区域, 将这两个区域合并生成待扩散区域, 再通过区域生长算法生成掩膜图像, 与原始图像相乘可得到只含焊缝区域的图像。最后进行边缘检测, 通过扫描白点像素和最小二乘法拟合直线的方法得到了带有边缘直线和中心线的焊缝图像。同时设计了焊缝实时处理系统, 可以快速地处理一批类似图像, 并且提取出焊缝的宽度、角度以及位置方便焊接的实时跟踪定位。最后对于图像处理算法的精度进行了验证实验, 发现处理精度较高。

传统图像识别算法识别模型单一且易受外部光照条件干扰,深度卷积网络模型虽然识别率高,但计算量大,设备成本高,因此提出基于深度同或卷积网络的改进型压缩算法。首先介绍了焊缝识别系统的组成和经典卷积神经网络模型,然后阐述了改进型的卷积网络压缩算法,包括权值更新算法和权值补偿算法,最后在自制数据集和仿真平台上进行了数据实验。研究结果表明,所提算法具有识别率高、模型小、适应性强和识别模型多样化的优点,可应用于焊接现场对焊缝中心的识别。

介绍机器人水下焊接V形焊缝图像处理中基于模糊推理的阈值自动选取的算法，提出基于路径跟踪的强干扰的去除方法。制作9种不同形状的窗口模板，以列扫描方式求取这些窗口所覆盖的区域内最大的平均灰度值，同时获取取得最大灰度平均值时的垂直方向的位置，然后根据获取的最大平均灰度值以及相邻区域最大平均灰度值的改变量进行模糊推理,判断获得这些窗口所覆盖区域的阈值。最后跟踪取得最大灰度平均值时的所有位置，在最低位置以下以及最高位置以上检测经阈值处理后的白点，可以消除因水泡、较强弧光形成的干扰。

A novel visual robotic arc welding system based on circular laser vision sensor is developed. After image de-noising, image segmentation, and image thinning, the relation of depth value of workpiece and off-axis angle 'gamma', three-dimensional (3D) calculation, and seam tracking experiments are carried out. Finally, the error for seam tracking system is analyzed. The results show that 1) 3D information can be obtained using the proposed visual robotic arc welding system and the real-time seam tracking is realized; 2) the seam tracking error is small enough for gas tungsten arc welding (GTAW) process, and this system can be used for seam location and seam tracking or seam finder.