[发明专利]一种基于轨迹预估的在线纠偏视觉识别偏差处理方法

说明书

本发明涉及一种基于轨迹预估的在线纠偏视觉识别偏差处理方法，包括步骤：S1、根据结构光传感器在线纠偏的工作特点对实际检测轨迹进行分段；S2、定义不同的指标，对具有不同分布形态的识别偏差点进行偏差量化；S3、根据量化的偏差数值与对应阈值的大小对比，每一段实际检测轨迹被标记成“正常”或“异常”；S4、利用初始示教轨迹与前序被标记为“正常”的实际检测轨迹，预估当前应有的贴合实际焊缝的检测轨迹；S5、若当前检测轨迹被标记为异常，则用预估轨迹去替代，否则不执行任何操作。本发明利用准确的预估轨迹替换存在偏差的实际检测轨迹，使在线纠偏的流程可以稳定进行且不产生偏焊缺陷。

技术领域

本发明涉及机器视觉领域，尤其涉及一种基于轨迹预估的在线纠偏视觉识别偏差处理方法。

背景技术

现有的机器人应用于焊接领域是采用示教再现的方式，然而，由于待焊工件形状尺寸不一致以及工装夹具定位精度低等原因，现有的示教再现方式已经不能满足焊接的要求。采用提高工件的加工精度以及工装夹具定位精度的方式是解决这个问题的方法之一，但是该方法将会明显提高生产成本，对于加工设备的精度以及工人的技术要求都较高，对于复杂工件来说，高精度的工装夹具设计要求较高，并且工装夹具的精度会随着使用时间增加而降低，显然该方法并不是解决上述问题的好的解决方案。近年来，随着机器人智能焊接的发展，机器视觉在机器人领域的应用也越来越广泛。

在实时的在线纠偏过程中，由于工件表面的反射、焊接过程中的弧光、飞溅、烟雾等干扰影响，有可能会引起视觉识别偏差。一旦识别偏差点出现并且不能被剔除，焊枪末端将会被引导到错误的位置，导致焊接偏差缺陷产生废品，而且纠偏过程不能继续，所以偏差点必须被剔除。对于在线纠偏，对异常点的剔除有较强的实时性要求，聚类剔除、平滑等方法不再适用。卡尔曼滤波可以实时地修正偏差点的位置，但是当前修正的检测点位置只与当前的实际检测位置与上一修正检测位置有关，如果当前与上一时刻的实际检测点偏差较大，卡尔曼滤波对偏差点的修正效果并不明显，不足以使偏差点修正到正确的位置上去。

发明内容

为解决现有技术所存在的技术问题，本发明提供一种基于轨迹预估的在线纠偏视觉识别偏差处理方法，利用准确的预估轨迹替换存在偏差的实际检测轨迹，使在线纠偏的流程可以稳定进行且不产生偏焊缺陷。

本发明采用以下技术方案来实现：一种基于轨迹预估的在线纠偏视觉识别偏差处理方法，包括以下步骤：

S1、根据结构光传感器在线纠偏的工作特点对实际检测轨迹进行分段；

S2、定义不同的指标，对具有不同分布形态的识别偏差点进行偏差量化；

S3、根据量化的偏差数值与对应阈值的大小对比，每一段实际检测轨迹被标记成“正常”或“异常”；

S4、利用初始示教轨迹与前序被标记为“正常”的实际检测轨迹，预估当前应有的贴合实际焊缝的检测轨迹；

S5、若当前检测轨迹被标记为异常，则用预估轨迹去替代，否则不执行任何操作。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明利用准确的预估轨迹替换存在偏差的实际检测轨迹，使在线纠偏的流程可以稳定进行且不产生偏焊缺陷。

2、本发明通过预估的检测轨迹贴合实际的焊缝，为实际检测轨迹的偏差量化提供基准。

3、本发明基于检测轨迹预估的识别偏差点剔除策略，使在线纠偏过程稳定进行，不因焊缝定位的偏差而产生严重的偏焊导致工件报废。

附图说明

图1是本发明方法的流程图；

图2是本发明异常偏差判断流程图；

图3是本发明轨迹预估计流程图；

图4是本发明检测轨迹分段示意图；