車身焊點(diǎn)質(zhì)量檢測機(jī)器人視覺定位算法研究.pdf

1、隨著機(jī)器人技術(shù)、計(jì)算機(jī)、圖像處理及模式識(shí)別等技術(shù)的快速發(fā)展，基于視覺的工業(yè)機(jī)器人得到了越來越廣泛的應(yīng)用。其中，機(jī)器視覺是工業(yè)機(jī)器人獲知周圍環(huán)境信息的重要手段，能夠增強(qiáng)工業(yè)機(jī)器人的自主能力和靈活性。在汽車生產(chǎn)線上，傳統(tǒng)的車身焊點(diǎn)質(zhì)量檢測采用的是技術(shù)人員通過人工抽樣方式，手持檢測設(shè)備對(duì)焊點(diǎn)質(zhì)量進(jìn)行檢測，這種方法效率低，嚴(yán)重影響汽車產(chǎn)能。針對(duì)上述問題，急需開發(fā)一套基于機(jī)器視覺的白車身焊點(diǎn)質(zhì)量檢測機(jī)器人系統(tǒng)，本文針對(duì)該系統(tǒng)的視覺定位算法進(jìn)行研究

2、，主要工作內(nèi)容如下:
　　首先，根據(jù)白車身焊點(diǎn)質(zhì)量檢測機(jī)器人系統(tǒng)的工作原理和技術(shù)要求，設(shè)計(jì)了該系統(tǒng)的整體方案。選用日本安川公司的MOTOMAN-MH12型機(jī)器人作為工業(yè)機(jī)器人本體，以Smartek GC1392C工業(yè)攝像機(jī)和研華工控機(jī)為機(jī)器視覺硬件主體，構(gòu)建機(jī)器人系統(tǒng)軟件框架，搭建了整個(gè)白車身焊點(diǎn)質(zhì)量檢測機(jī)器人系統(tǒng)平臺(tái)。
　　其次，為了改善CCD攝像機(jī)拍攝的車身焊點(diǎn)圖像，對(duì)所拍攝的圖像進(jìn)行了圖像預(yù)處理，主要包括圖像的灰度化、

3、中值濾波和圖像銳化。接著，提取焊點(diǎn)的邊緣特征，分析對(duì)比幾種經(jīng)典的邊緣檢測算子，發(fā)現(xiàn)小波極大值邊緣檢測算子以其更優(yōu)越的檢測效果而獲得采用。
　　然后，利用隨機(jī)Hough變換(RHT)算法實(shí)現(xiàn)圓弧的檢測，識(shí)別了圖像上車身焊點(diǎn)的中心位置之后，為了實(shí)現(xiàn)車身焊點(diǎn)在線智能識(shí)別分類，先提取車身焊點(diǎn)的圖像特征。通過分析焊點(diǎn)的圖像特征，并根據(jù)實(shí)際項(xiàng)目情況，決定采用灰度共生矩陣(GLCM)特征參數(shù)來描述焊點(diǎn)的圖像特征。針對(duì)車身焊點(diǎn)識(shí)別，在傳統(tǒng)的支持向

4、量機(jī)(SVM)的基礎(chǔ)上，采用基于粒子群優(yōu)化的模糊核聚類P-KFCM及SVM算法設(shè)計(jì)車身焊點(diǎn)分類器，成功實(shí)現(xiàn)了車身焊點(diǎn)與圓孔等其他干擾因素的區(qū)分。實(shí)驗(yàn)結(jié)果表明該方法能有效地識(shí)別出車身焊點(diǎn)。
　　最后，對(duì)安川MH-12型機(jī)器人及其數(shù)學(xué)模型、手眼成像模型和相關(guān)坐標(biāo)之間轉(zhuǎn)換進(jìn)行了理論分析。以此為基礎(chǔ)，利用白車身焊點(diǎn)質(zhì)量檢測機(jī)器人系統(tǒng)平臺(tái)在Windows系統(tǒng)上的VC++6.0軟件環(huán)境和OpenCV圖像函數(shù)庫等軟件進(jìn)行相關(guān)實(shí)驗(yàn)，計(jì)算出圖像中焊