一、薄板焊缝轨迹图像处理方法研究(论文文献综述)
孙路艳,夏磊,于晶,朴睿,杨桂茹[1](2021)在《混合式教学——拓展国际授权焊接技术人才培养新途径》文中认为介绍了一种国际焊接技术人员培养的新途径,即混合式教学,该培训方式由传统课堂教学和远程教学组成,大大地缩短了学员线下课堂培训的时间,具有灵活、有效的培训效果。混合式教学中的远程教学包括电子技术、视频、交互式多媒体等多种形式,CANB远程教学采用钉钉平台与德国远程教学软件2种方式,这2种方式的课程设置、教学内容与标准途径培训一样。培训结束后学员统一参加由CANB组织的最终考试,获得相应国际人员资质证书。其证书效力与参加传统课堂教学取得的证书效力完全相同。
周跃龙[2](2021)在《基于激光视觉的焊缝检测与跟踪系统研究》文中研究表明随着工业自动化水平的提高以及人工焊接存在的弊端,示教型焊接机器人逐渐应用于现代焊接领域,如汽车和船舶等复杂构件的焊接,实际焊接环境中薄板构件由于存在装夹误差和热变形等不确定因素,导致实际焊接轨迹与示教轨迹存在较大误差,使焊接效率和质量不能达到要求。为此本文搭建了主动视觉机器人焊缝检测跟踪系统进行研究,提出基于无锚分类回归孪生神经网络的焊缝跟踪算法实现强噪声下的焊缝精确检测跟踪,并通过改进的蚁群算法完成跟踪路径规划,提高焊接的质量与效率。(1)为获取像素坐标系下焊缝二维坐标到机器人基坐标系下三维坐标的转换关系,本文基于光学三角法原理设计了三线激光视觉传感器并进行标定工作,研究了相机标定,激光平面标定和相机与机器人之间的手眼标定算法,最后利用Halcon视觉开发软件完成各部分的精确标定,最大标定绝对误差为0.122mm,满足焊缝跟踪精度要求。(2)针对弧光和烟雾等强噪声干扰下难以进行焊缝检测跟踪的问题,本文提出了一种基于无锚分类回归孪生网络的跟踪算法。首先在焊接开始前通过二值化处理、直线检测等传统图像处理方法检测初始焊缝特征点并建立跟踪目标区域。然后焊接开始时孪生子网络提取焊缝特征并输入后续无锚分类回归子网络,进行相似性计算以及焊缝目标区域的精准预测。(3)为提高复杂薄板构件焊缝跟踪过程中焊接机器人路径规划效率和安全性,本文利用RRT*算法实现无碰撞的局部焊缝路径规划,然后根据改进的蚁群算法进行全局路径规划,最后通过Matlab进行焊缝跟踪路径规划仿真实验,实验结果表明本文所规划的路径满足方向约束、无碰撞和长度最短的要求。(4)为验证本文提出的跟踪算法的可行性,本文设计并搭建了六轴焊接机器人激光视觉焊缝跟踪平台,对直线角接和曲线搭接焊缝进行焊缝跟踪实验,实验结果表明:在弧光和烟雾等强干扰下,本文提出的焊缝跟踪算法能实现焊缝特征点精确稳健的实时跟踪,平均绝对跟踪误差为0.3mm和0.32mm,平均帧率90fps,相较于传统图像处理和ECO算法等提高了跟踪精度和速度,有效提高了复杂薄板构件的焊接效率和质量。
梁古南[3](2021)在《结构加强筋焊缝的视觉定位系统设计》文中提出在焊接领域中对结构加强筋的焊接是一类常见的工程。结构加强筋是指用来在结构设计中为了加强结构面的承载能力而设计的一类构件,这一类构件往往在前期固定时往往会存在些许变形和大量的飞溅干扰点,以往对这一类工件的焊接一般依靠人工手动操作,焊接的工作量大,重复性高且焊接现场环境复杂存在危险。在自动焊接阶段大部分的焊缝定位方法是基于二维图像结合几何方法提取出焊缝,该方法提取出的焊缝对结构加强筋缺乏适用性,整体定位精度还有一定的提升空间。针对上述存在的问题,本文结合3D视觉传感器设计构建了结构加强筋焊缝定位系统,主要的研究内容如下:(1)设计结构加强筋焊缝的视觉定位系统,分析视觉定位系统的基本组成,结合定位的结构加强筋类型确定整个系统的定位流程;根据结构加强筋的实际焊接要求设计了衡量系统的三个指标:稳定性、准确性和快速性,其中准确性要求手眼标定误差在±0.5mm,焊缝的最终定位误差在±2mm,快速性要求算法的执行总耗时小于2s。(2)设计定位系统中关键的手眼标定算法,根据实际焊接需求确定出视觉传感器的安装方式,在分析了定位系统中涉及的两个坐标变换的基础上推导出手眼标定方程,利用自制的三维标定板结合校准坐标轴配准方法实现对方程参数的求取。对手眼转换矩阵进行实验求取,结合三维标定板上的标记点对手眼标定进行误差分析,实验的平均误差为0.52mm,符合准确性指标中对手眼标定精度的要求。(3)研究薄板样条插值变形配准的原理,分析其数学模型并引入软配准技术和确定性退火优化来实现目标结构加强筋到模板结构加强筋的配准。通过在离线制作好的模板加强筋轮廓上按顺序标记出控制点,利用配准得到目标结构加强筋轮廓对应的控制点,由控制点确定出各型结构加强筋的焊接顺序,对目标轮廓上的控制点利用三次样条插值拟合出视觉传感器坐标下的连续焊缝。实验结果表明目标结构加强筋能较好地配准到模板加强筋上并能得到稳定的控制点,拟合出的焊缝连续且平滑。(4)设计定位系统的软件模块,根据焊接过程中的操作需求,对工控机软件进行功能设计,实现的主要功能模块有通信模块、相机模块、焊缝定位处理模块、标定模块、监控模块和显示模块;在触摸屏界面设计方面,利用Touch Win触摸屏画面编辑软件,搭建了主要包括焊接类型的选项操作、焊接轨迹实时变化显示、机器人复位控制和启停按钮等交互功能,这些设计增加了系统的交互性和焊接过程中数据的可追踪性。本系统在Visual Studio 2015开发平台上,使用C++语言,对定位系统中涉及到的各算法模块进行开发,利用搭建好的焊接定位平台对结构加强筋进行焊接实验,结合实际的焊接实验对系统的三个指标做了分析与评价,实验结果表明系统的算法执行耗时在1.7s左右,最终的定位精度在±2mm,满足系统的设计指标。
谭炽泉[4](2020)在《基于视觉轨迹识别和电弧跟踪的波纹板焊接关键技术研究》文中研究表明以集装箱波纹板为代表的海工装备存在着焊接自动化程度低和焊接质量差等问题,轨迹识别和焊枪姿态识别在实际应用中的效果还不尽人意,其主要原因在于集装箱为大结构件,装夹难度大,用于侧板的波纹板,其板面较大,波形变化复杂,焊缝形状难以保持,板厚一般为1~2mm,受热时容易产生波浪形热变形,底侧梁长度可达15米,在自身重力作用下容易弯曲,因此波纹板与底侧梁衔接的焊缝属于空间复杂焊缝,以至于焊缝轨迹识别和焊枪姿态识别困难。本文针对上述大结构件集装箱中的波纹板轨迹识别和焊缝跟踪中存在的问题,提出了一种基于激光视觉轨迹识别和电弧跟踪的波纹板焊缝跟踪方法,利用激光视觉传感器获取波纹板焊缝空间点云数据,从点云数据中提取出焊缝的空间角点数据集,通过对角点数据进行数据处理获取空间焊缝轨迹、轨迹法向量、拐点位置和折线角大小等信息,从而对波纹板焊缝轨迹进行预判和焊接姿态调整,对于焊接过程中的热变形、机械磨损等造成的大偏差,采用电弧传感器进行实时修正,从而达到波纹板焊缝轨迹预判和精确的焊缝跟踪,具体研究内容如下:1)针对本文所提出的方法设计了一套用于波纹板焊缝跟踪的实验平台。利用PCI1020型阿尔泰运动控制卡、PCI8735型阿尔泰数据采集卡、LJ-G200型基恩士激光视觉传感器、涡轮蜗杆转台和电弧传感器等设计了一套用于波纹板焊缝点云数据获取、轨迹识别和焊缝跟踪的实验平台。2)基于点云数据处理的波纹板焊缝轨迹识别和焊枪姿态识别。对不同波形波纹板(如梯形焊缝、圆弧形焊缝等)进行分析,建立其角点和拐点模型,通过HARRIS点云角点检测算法提取出波纹板焊缝点云数据中的空间角点数据集,利用RANSCA折线拟合算法从角点数据集中提取焊缝轨迹和折线角大小,并估算出空间轨迹法向量,对焊缝位姿进行识别,从而对波纹板焊缝轨迹进行预判和焊枪姿态识别。3)利用摆动电弧对波纹板焊缝跟踪时的大偏差进行修正。由于波纹板属于薄板类,焊接时容易产生热变形,因此为了提高整体焊缝跟踪精度,利用电弧传感器对焊接过程中存在的大偏差进行实时修正。4)通过搭建波纹板焊缝跟踪实验平台对本文实现方案进行验证。利用设计的波纹板焊缝跟踪平台对折线焊缝进行轨迹识别、焊枪姿态调整和焊缝跟踪实验,对本文的实验方法可行性进行验证。
郑克峰[5](2020)在《基于二维线激光的焊缝特征点识别与路径规划研究》文中认为从上世纪工业机器人被发明以来,随着工业技术的发展,焊接机器人作为工业机器人的一大类被广泛应用于工业生产中,起到推动生产、提高制造业经济效益的关键作用。近年来,传统的焊接机器人过于依赖工程人员的人工示教来完成焊接任务,已逐渐不能满足于当代科学技术对焊接机器人的要求。因此,为了不断提高生产力,国内外已开始将焊接机器人研究的重点领域转移至智能焊接领域。本研究将机器视觉技术应用于焊接机器人焊接过程中,以二维线激光传感器作为新型智能焊接系统的视觉模块,以工业PC作为数据处理模块来处理由传感器测量出的数据,并结合机器人本身的控制系统,提出了一种能够对多种焊缝特征进行识别和焊接路径规划的方法。本文的主要研究内容如下:1.结合国内外智能焊接领域的研究现状及发展趋势,围绕研究项目与课题的实际需要,完成了一种基于二维线激光传感器的机器人焊接系统的软硬件系统搭建。2.根据线激光传感器的工作机制与测量原理,完成了数据预处理的算法设计与程序编制,实现了数据进制之间的转换及线阵点云的可视化操作。3.针对常见焊接接头与焊缝类型,提出了一系列基于最小二乘法曲线拟合的焊缝识别算法。采用Visual Studio平台开发了相应的程序,能够快速、准确地识别和提取焊缝特征点,为机器人焊接路径规划奠定了坚实基础。4.基于机器人运动学基本理论及位姿变换关系,利用提取的焊缝特征点坐标信息,通过焊缝特征坐标系的分析与建模,实现了焊接路径上插补点的位姿规划,为后续机器人程序的生成及焊接仿真提供了数据支持。
孙增光[6](2020)在《基于图像处理的机器人焊接智能制造技术研究》文中指出焊接是制造业中的重要工艺技术,广泛应用在工业制造、军事航天、家用电器等领域。人工焊接时,产生的有害气体、弧光飞溅、烟尘等会对身体造成一定的伤害。此外,工人还需要长时间保持某一固定的焊接姿态,其工作强度较大,难以保持焊接质量的稳定性和一致性。因此,为了实现焊接自动化,提高焊接产品的生产效率及质量,改善工人恶劣的劳动环境,对基于图像处理的机器人焊接智能制造技术进行了研究。本文选用ABB IRB2400型焊接机器人,利用离线编程软件Robot Studio和三维设计软件Solidworks,搭建了焊接机器人工作站。通过查询焊接手册,进行焊接试验,确定了焊接工艺参数。创建了常用的焊接I/O信号,进行信号关联,编写完成了焊接程序。进行焊接仿真时,利用示教器生产屏幕,不断优化焊接参数,得到了较为理想的焊缝。焊接机器人运动学分析是研究机器人技术的前提,它为焊接机器人实现轨迹规划和运动控制提供了理论依据。本文运用D-H参数法确定了机器人各连杆参数,利用Matlab Robotics Toolbox工具箱完成了ABB IRB2400机器人建模。对机器人进行正逆运动学求解,验证了机器人建模的正确性。运用多项式插值算法,进行关节空间轨迹规划,确定了五次多项式插值算法为理想的算法。给定机器人初始和终止位姿,生成末端轨迹的位移曲线、运动曲线、角速度曲线和角加速度曲线,验证了机器人设计的合理性。为了提高焊接精度,实现焊缝实时跟踪,采用视觉传感器采集焊缝图像,实时传输到计算机中进行图像处理。图像处理时,运用滤波处理、灰度处理、二值化处理等多种算法来处理焊缝图像,获得了边缘轮廓清晰的黑白图像,同时利用图像骨架法生成了焊缝中心线。焊接时,通过调整焊枪与焊缝中心线之间的位置偏差,保证焊枪始终与焊缝中心线对齐,从而使得焊接具有实时性和高准确度。焊接温度场的变化规律,是控制焊接残余应力,提高焊接质量的重要依据。利用ANSYS有限元分析软件,建立了合理的焊件模型,采用映射网格划分法进行网格划分。运用生死单元技术,模拟了焊缝的填充过程。通过APDL语言编写参数化程序,获得了不同时刻的焊接温度场云图。通过分析焊缝不同节点处温度随时间的变化规律,进而优化焊接工艺参数,为提高焊接质量提供了参考。本文研究的焊接智能制造技术,主要包括离线编程技术、工业机器人技术、焊缝传感器技术和有限元分析技术。设计了一套合理的焊缝跟踪系统,解决了弧光和飞溅的干扰问题,能够实现直线、曲线、折线等多种工况下的焊缝中心线提取。焊缝跟踪系统配合焊接机器人工作站的协同工作,对发展智能焊接技术具有重要意义。
解晓童[7](2020)在《基于主被动视觉传感的机器人焊接过程焊缝跟踪与熔池监测研究》文中指出在实际的机器人焊接自动化应用过程中,焊缝跟踪和熔池监控是两个急需解决的关键问题,在已有的视觉传感技术研究中,目前能够成熟商业化的产品主要是用在焊缝跟踪上,其技术被国外的少数几家公司所垄断,价格十分昂贵,无法有效地推广应用。另外,由于激光视觉传感器无法准确地获取焊接熔池图像信息,无法在熔透控制中使用。因此,开发一款实用、价格便宜、性能优越、具有完全自主知识产权的能够同时实现这两种功能的视觉传感系统显得尤为重要,尤其是对打破国外技术壁垒,实现国产化,降低价格,完善机器人焊接智能化技术的研究具有重要的意义。本文利用激光主动视觉和被动视觉相结合的方法,采用单机双目的方式,利用3D打印成形技术,自主开发了一款实用新型视觉传感系统,利用一个传感器能同时采集焊缝激光扫描信息和焊接熔池动态图像信息,并搭建了一套能同时具备焊缝跟踪和熔池监测功能机器人焊接系统。利用该主被动视觉传感系统,在焊缝跟踪控制研究中针对复杂的焊接工况,研究了基于Hessian矩阵的Steger焊缝图像处理方法,准确地提取出了机器人GMAW焊接过程中的激光条纹中心线和焊缝的特征值,并针对典型的V型坡口焊缝进行了焊缝跟踪精度验证实验,其焊缝跟踪水平方向的最大误差为0.68mm,平均误差为0.22mm,焊缝成形良好,其精度基本满足机器人实际焊接需求。焊接熔池的实时监控,一直是激光视觉传感器的短板,本文利用所研制的主被动视觉传感器,分别采集了典型的机器人GTAW和GMAW焊接过程熔池图像,并利用深度卷积网络Mask-RCNN对熔池图像进行处理,准确地提取出了熔池的边缘,得到了正面熔宽、半熔长等几何参数,这对熔池的背面熔宽预测至关重要。实时采集和处理焊接过程熔池图像,其目的是对熔池的背面熔宽进行预测,本文引入了具有代表性的多重线性回归、支持向量回归算法以及XGboost算法分别对熔池样本进行了预测建模。结果表明,基于XGBoost算法的背面熔宽预测模型的平均相对误差最小,为6.62%,其精度高于其它两种算法,本文选择XGboost算法作为该主被动视觉传感系统焊缝背面熔宽的预测模型。
刘端飞[8](2019)在《基于机器视觉的不锈钢箱体的焊缝识别与跟踪研究》文中指出焊接是不锈钢箱体制作过程中的一道重要工序,一般由人工或示教焊接机器完成。人工方式由于受个体影响存在焊接质量不稳定、焊接效率低下等缺点;示教方式焊接时由于箱体受夹具夹持,外力的作用使箱体的形状发生轻微变化,存在需要重复示教、使用不便等缺点。为了提高不锈钢箱体焊接的质量和效率,本文搭建了X-Y-Z三轴焊接实验平台,采用机器视觉的方式对焊缝进行识别和处理,实现了自动定位和自动焊接功能。首先,建立了相机成像系统的数学模型,研究了相机内部参数和外部参数的标定方法,通过采用固定姿态的相机对焊接目标取像,获得了采集图像与实际焊点坐标之间的对应关系。其次,针对Canny算法中高斯滤波易丢失边缘细节的缺陷,引入双边滤波算法,有效保留了图像边缘信息;针对处理后的图像不连续问题,采用边缘连接、边缘膨胀和边缘细化算法,最终得到一条连续的单像素边缘。对改进前后的Canny算法进行仿真,仿真结果表明,改进后的算法可保留更多的边缘细节,得到较为连续的焊接图像,利于后续焊接点的定位和控制。最后,根据焊缝识别的结果,实现了不锈钢箱体的定位控制与自动焊接。同时,对不同类型的焊缝缺陷进行分析和归类,对焊接质量进行了评估,归纳总结了典型焊缝缺陷在图像上的成像特征,实现了焊缝缺陷的实时标记,降低了人工检测的成本,提高了工作效率。
肖尧[9](2019)在《面向3D空间曲线焊缝的焊接机器人智能导引编程技术》文中认为传统的焊接机器人编程方式分为人工示教和离线编程两种方式。人工示教方式需要占用机器人进行长期的停产示教、效率低下、效果较大程度上取决于操作人员的经验和水平、无法适应柔性化生产的需求;离线编程方式无需占用机器人进行停产示教、可以进行多台机器人和外围辅助设备的协调控制,但这种方式需要预知工件的精确3D模型,当工件3D模型偏差较大时无法解决编制的程序对实际作业的适应性问题,尤其难以应用于小批量、多品种、非标准工件的焊接作业。本文以线结构光传感器为主要感知工具,构建了一套面向3D空间曲线焊缝的焊接机器人智能导引编程系统,实现了对焊件的感知、焊缝的提取,以及焊缝轨迹的优化生成。本文具体的研究内容如下:针对焊接机器人智能导引编程系统的设计问题,以模块化的思想为指导,通过模块间的信息交互进行各模块的协调控制从而实现焊接作业需求。首先广泛调研并结合实际进行了编程系统的需求分析,在此基础上进行了系统的功能分类和总体架构设计;其次确定系统的模块划分,通过前端感知模块感知焊件并进行焊缝的提取,在此基础上通过焊接工艺包模块解决焊缝轨迹优化生成的问题,由通用编程平台模块解决模型读入、单元布局、作业仿真、扫描路径提取等问题;然后设计了机器人Eye-in-hand手眼系统以进行焊件的扫描;最后进行了传感器选型和机器人Eye-in-hand手眼系统标定。针对常见类型3D空间曲线焊缝的提取问题,提出了一种基于线结构光传感器的焊缝提取方法。首先根据人工示教或从焊件3维模型中提取出扫描路径进行焊件感知从而实现工件表面有序点云数据的获取;然后通过直通滤波、高斯滤波等预处理技术分别提取出ROI并去除离群点;最后根据不同类型焊件的几何形状特点,通过RANSAC拟合、点云投影、两直线求交、法向量间交角等方法从有序点云的每行中提取得到焊缝点,再组合这些焊缝点形成焊缝点序列。与常规的基于图像处理的焊缝提取方式不同,本文通过直接对高精度、高分辨率点云数据处理的方法提取出焊缝,该方法的提取结果受焊接环境影响小,可解决复杂3D空间曲线焊缝的感知精度不高的问题。针对焊缝轨迹的优化生成问题,提出了一种基于NURNS曲线的焊缝轨迹优化生成方法。首先对焊缝点序列进行采样得到NURBS曲线的控制点;然后基于NURBS曲线的方法实现了对焊缝轨迹的优化生成;最后重点研究了基于Newton迭代法的NURBS曲线参数密化。本文所采用的方法可形成具有良好的运动稳定性和平滑性的焊缝轨迹,从而提高焊接质量和精度,保证焊接作业过程的适应性和柔顺性。最后本文在本课题组现有通用机器人离线编程与仿真平台ROBOLP的工作基础上,完成了焊接机器人智能导引编程系统的相关软件开发工作。本文软件开发工作主要包括开发了机器人控制模块、传感器控制模块;针对不同的焊缝类型,进行了焊缝提取算法的编程实现;实现了基于NURBS曲线的焊缝轨迹优化生成;实现了相关流程的“一键操作”;设计并开发了用户界面来增强系统的交互性;以此系统软件为实验平台,对本文提出的方法和技术进行了大量实验以验证其可行性与有效性。
鞠永春[10](2019)在《基于面激光视觉传感薄板搭接焊缝位置识别研究》文中研究说明随着工业自动化的高速发展,自动化焊接得到广泛应用。薄板搭接焊接在工业应用中有很大的需求,但目前搭接焊接还主要是比较落后的人工焊接或者是示教焊接,人工焊接成本高,环境恶劣,焊接效率低下。线激光对于薄板搭接焊缝的特征信息识别不明显,仅通过几个特征点拟合焊缝误差较大。针对线激光视觉传感器提取薄板搭接焊缝的不足,用波长650nm的面激光作为辅助光源设计了面激光视觉传感器,面激光倾斜一定角度照射到薄板搭接的工件上会形成焊缝阴影,面激光包含了一段薄板搭接焊缝的特征信息量,克服了传统的线激光仅通过几个特征点确定薄板搭接焊缝所造成拟合焊缝误差较大这一不足点。CCD透镜的安装会使图像存在畸变,介绍了CCD的成像畸变原因,并用张正友校正法对畸变图像进行校正。采用面激光视觉传感器结合DH-CG410图像采集卡采集薄板搭接焊缝图像,并对薄板搭接图像进行焊缝提取处理。焊缝提取预处理包括面激光感兴趣区域提取、自适应均值滤波降噪、图像分割、孤点滤波、闭操作、边缘提取。最后采用列搜索结合两点间距离的方法提取薄板搭接焊缝。利用CCD与面激光器的几何位置关系建立了高度识别模型,对所建立的高度识别模型进行参数标定和高度识别试验,高度识别模型误差在0.35mm以内。结合高度识别模型对面激光视觉传感薄板搭接焊缝起始焊接点识别进行研究,检测到的薄板搭接焊缝起始位置误差在0.3mm以内。建立薄板搭接焊缝偏差识别模型,检测到的焊缝偏差误差在0.37mm以内。基于VC++6.0和OpenCV1.0软件设计了薄板搭接焊缝信息提取程序界面,采集卡采集图像的时间间隔为40ms,使用主频是3.20 GHz、内存是2G的工控机,对采集的薄板搭接图像进行焊缝信息提取处理,处理一帧图像耗时25ms以内,满足焊接的实时性要求。
二、薄板焊缝轨迹图像处理方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、薄板焊缝轨迹图像处理方法研究(论文提纲范文)
(1)混合式教学——拓展国际授权焊接技术人才培养新途径(论文提纲范文)
0 前言 |
1 混合式教学 |
1.1 混合式教学中远程教学模式的选择 |
1.2 混合式教学中远程教学体系文件的要求 |
1.3 混合式教学中远程教学教学设计 |
1.4 混合式教学中教学课件的设置 |
2 混合式教学的实施过程 |
2.1 混合式教学的实施步骤 |
2.2 混合式教学中远程教学管理 |
2.3 混合式教学中远程教学质量监督管理 |
3 混合式教学的特点 |
3.1 混合式教学的优点 |
3.2 可能出现的问题 |
3.3 对策及措施 |
3.4 疫情期间钉钉平台云课堂运行情况 |
4 结束语 |
(2)基于激光视觉的焊缝检测与跟踪系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 课题来源 |
1.3 国内外研究现状 |
1.3.1 焊缝跟踪现状 |
1.3.2 焊缝跟踪路径规划现状 |
1.4 论文的研究内容和目录结构 |
第二章 焊缝跟踪系统结构与标定 |
2.1 系统结构 |
2.2 线激光视觉传感器结构与测量原理 |
2.2.1 线激光视觉传感器结构 |
2.2.2 线激光视觉传感器测量原理 |
2.3 系统标定 |
2.3.1 工业相机标定 |
2.3.2 线激光平面标定 |
2.3.3 视觉传感器与机械臂的手眼标定 |
2.3.4 标定误差 |
2.5 本章小结 |
第三章 基于无锚分类回归孪生网络的焊缝跟踪算法 |
3.1 神经网络 |
3.1.1 卷积神经网络 |
3.1.2 孪生神经网络 |
3.1.3 全卷积孪生网络 |
3.2 焊缝初始特征点检测算法 |
3.2.1 二值化处理 |
3.2.2 形态学处理 |
3.2.3 骨架提取处理 |
3.2.4 直线检测求交点 |
3.3 基于无锚分类回归孪生网络的焊缝跟踪算法 |
3.3.1 孪生子网络 |
3.3.2 无锚分类回归子网络 |
3.3.3 建立焊缝数据集和网络训练 |
3.4 本章小结 |
第四章 焊接机器人跟踪路径规划算法 |
4.1 建立问题模型 |
4.2 碰撞检测 |
4.3 局部跟踪路径规划 |
4.4 全局跟踪路径规划 |
4.5 本章小结 |
第五章 实验研究与分析 |
5.1 焊缝跟踪实验平台 |
5.1.1 硬件平台 |
5.1.2 软件平台 |
5.2 实验结果与分析 |
5.3 本章小结 |
结论与展望 |
参考文献 |
攻读学位期间取得与学位论文相关的成果 |
致谢 |
(3)结构加强筋焊缝的视觉定位系统设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究的背景和意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 焊接机器人的研究现状 |
1.2.2 焊缝跟踪定位技术的研究现状 |
1.2.3 自动焊接的发展趋势 |
1.3 论文的主要研究内容和章节安排 |
第二章 结构加强筋焊缝的视觉定位系统的总体设计 |
2.1 引言 |
2.2 视觉定位系统的总体设计 |
2.2.1 定位的具体对象 |
2.2.2 系统的整体框架 |
2.2.3 系统设计的目标 |
2.3 定位系统的坐标变换 |
2.3.1 相机坐标变换 |
2.3.2 机器人坐标变换 |
2.4 定位系统的手眼标定 |
2.4.1 手眼标定的原理 |
2.4.2 方程参数的求取 |
2.4.3 标定实验与结果分析 |
2.5 本章小结 |
第三章 结构加强筋点云的处理 |
3.1 引言 |
3.2 结构加强筋点云的预处理 |
3.2.1 点云的拓扑构建 |
3.2.2 点云的滤波与采样 |
3.3 结构加强筋点云的轮廓提取 |
3.3.1 Delaunay三角网格化 |
3.3.2 Alpha-Shape提取轮廓点 |
3.4 本章小结 |
第四章 结构加强筋焊缝的插值配准与路径生成 |
4.1 引言 |
4.2 基于薄板样条插值的配准 |
4.2.1 薄板样条插值原理 |
4.2.2 鲁棒性点对配准 |
4.2.3 配准仿真分析 |
4.3 结构加强筋焊缝的路径生成 |
4.3.1 焊接顺序的确定 |
4.3.2 样条曲线拟合焊缝 |
4.4 本章小结 |
第五章 定位系统的搭建与实验 |
5.1 引言 |
5.2 定位系统的硬件平台 |
5.2.1 3D结构光相机选型 |
5.2.2 机器人和机器人控制柜的选型 |
5.2.3 工控机和触摸屏的选型 |
5.2.4 焊枪和送丝装置的选型 |
5.2.5 硬件之间的通信设置 |
5.3 定位系统的软件平台 |
5.3.1 系统的开发环境 |
5.3.2 软件模块设计 |
5.4 焊缝定位结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
总结 |
展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间发表的论文 |
(4)基于视觉轨迹识别和电弧跟踪的波纹板焊接关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 自动化焊接现状 |
1.3 波纹板自动化焊接现状 |
1.4 点云处理技术应用现状 |
1.4.1 点云处理技术主要应用邻域 |
1.4.2 点云处理技术一般过程 |
1.4.3 点云处理技术在焊接邻域中的应用 |
1.5 论文主要研究内容 |
第2章 波纹板焊缝轨迹关键角点检测 |
2.1 集装箱焊缝轨迹分析 |
2.2 波纹板焊缝轨迹检测方法分析 |
2.3 基于点云数据处理的轨迹识别 |
2.4 角点与拐点检测模型 |
2.5 点云数据预处理 |
2.5.1 点云数据滤波方法 |
2.5.2 点云数据精简 |
2.5.3 点云拓扑关系建立 |
2.6 角点检测方法 |
2.7 空间角点检测 |
2.8 本章小结 |
第3章 波纹板焊缝轨迹识别 |
3.1 常用折线拟合方法 |
3.2 拐点提取存在问题分析 |
3.3 优化的RANSCA折线拟合方法 |
3.4 焊缝轨迹拟合 |
3.5 焊缝轨迹法向量估算 |
3.6 本章小结 |
第4章 电弧传感器大偏差修正 |
4.1 电弧传感器原理 |
4.2 电弧信号硬件滤波 |
4.2.1 常用滤波方法 |
4.2.2 测量数据修正 |
4.3 电弧信号软件滤波 |
4.4 焊缝偏差提取 |
4.4.1 常用偏差提取方法 |
4.4.2 左右区域积分差值偏差提取算法 |
4.5 电弧焊缝跟踪精度验证 |
4.6 本章小结 |
第5章 波纹板焊缝跟踪平台设计 |
5.1 轨迹识别与焊缝跟踪方案 |
5.2 波纹板焊缝跟踪平台整体结构设计 |
5.3 波纹板焊缝跟踪平台坐标系统 |
5.4 系统运动轨迹分析 |
5.5 波纹板焊缝跟踪系统组成 |
5.6 波纹板起弧点自动定位 |
5.6.1 起弧点定位简介 |
5.6.2 双涡流传感器定位方式 |
5.6.3 高压寻位定位方式 |
5.7 波纹板焊缝跟踪平台搭建 |
5.8 本章小结 |
第6章 焊缝跟踪结果分析 |
6.1 焊缝跟踪实验及结果分析 |
6.1.1 实验目的 |
6.1.2 实验设备与参数 |
6.1.3 实验结果分析 |
6.2 本章小结 |
结论与展望 |
参考文献 |
致谢 |
附录 (攻读硕士学位期间的研究成果) |
(5)基于二维线激光的焊缝特征点识别与路径规划研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 工业机器人机器视觉应用研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 课题来源及研究内容 |
2 系统硬件组成 |
2.1 视觉系统的测量原理 |
2.2 设备选型及安装 |
2.2.1 视觉系统硬件选型 |
2.2.2 焊接机器人选型 |
2.2.3 系统中的不同坐标系 |
2.2.4 测量数据初步处理 |
2.3 本章小结 |
3 焊缝特征识别与计算 |
3.1 多项式最小二乘法曲线拟合 |
3.2 角接接头特征分析和焊缝识别方法 |
3.2.1 角接接头特征点分析 |
3.2.2 角接接头特征点识别算法分析 |
3.3 搭接接头特征分析和焊缝识别方法 |
3.3.1 搭接接头特征点分析 |
3.3.2 搭接接头特征点识别算法分析 |
3.4 常见问题分析 |
3.4.1 传感器测量位置对测量结果的影响 |
3.4.2 其他焊缝类型特征点识别算法 |
3.5 本章小结 |
4 机器人焊接路径规划 |
4.1 焊接机器人位姿描述 |
4.2 焊接机器人运动学分析 |
4.3 机器人手眼标定方法 |
4.4 焊缝特征点提取实验分析 |
4.5 基于特征点的路径规划方法 |
4.6 本章小结 |
5 系统软件设计 |
5.1 Qt平台简介 |
5.2 系统的功能分析 |
5.3 系统界面设计 |
5.4 软件功能总结 |
5.5 本章小结 |
6 总结与展望 |
6.1 本文总结 |
6.2 研究中的不足和展望 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
致谢 |
(6)基于图像处理的机器人焊接智能制造技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.2 焊接机器人国内外研究现状 |
1.2.1 焊接机器人国外研究现状 |
1.2.2 焊接机器人国内研究现状 |
1.3 焊缝跟踪技术国内外研究现状 |
1.3.1 焊缝跟踪技术国外研究现状 |
1.3.2 焊缝跟踪技术国内研究现状 |
1.4 焊接机器人智能制造技术的发展趋势 |
1.5 论文的主要研究内容 |
1.6 本章小结 |
第二章 焊接机器人工作站建立 |
2.1 焊接项目分析 |
2.1.1 焊接方式选择 |
2.1.2 焊接参数选择 |
2.1.3 供气供电系统设置 |
2.2 焊接机器人仿真平台搭建 |
2.2.1 焊接机器人工作站主要组成部分介绍 |
2.2.2 搭建焊接机器人工作站 |
2.3 工具坐标系及工件坐标系建立 |
2.3.1 工具参数设置 |
2.3.2 工具坐标系设置 |
2.3.3 工件坐标系设置 |
2.4 焊接机器人I/O信号设置 |
2.4.1 模拟量信号的定义与关联 |
2.4.2 数字量信号的定义与关联 |
2.4.3 焊接参数设置 |
2.5 焊接程序编写与仿真 |
2.5.1 焊接程序编写 |
2.5.2 仿真分析 |
2.6 本章小结 |
第三章 焊接机器人运动学分析 |
3.1 机器人仿真模型建立 |
3.1.1 机器人D-H坐标系建立 |
3.1.2 建立机器人模型 |
3.2 正运动学与逆运动学 |
3.2.1 机器人正运动学求解 |
3.2.2 机器人逆运动学求解 |
3.3 关节空间轨迹规划 |
3.3.1 三次多项式插值算法的轨迹规划 |
3.3.2 五次多项式插值算法的轨迹规划 |
3.4 机器人运动学分析 |
3.5 本章小结 |
第四章 焊缝图像处理技术研究 |
4.1 焊缝跟踪系统的总体设计 |
4.1.1 焊缝跟踪系统的组成 |
4.1.2 图像处理单元的硬件组成 |
4.2 焊缝图像预处理 |
4.2.1 模糊焊缝图像处理 |
4.2.2 提高焊缝图像对比度 |
4.3 灰度处理 |
4.3.1 图像噪声 |
4.3.2 图像去噪 |
4.3.3 灰度变换增强 |
4.4 图像二值化处理与散点祛除 |
4.4.1 图像二值化处理 |
4.4.2 散点祛除 |
4.5 边缘检测及中心线提取 |
4.5.1 边缘检测 |
4.5.2 中心线提取 |
4.6 GUI系统设计 |
4.7 本章小结 |
第五章 焊接温度场仿真分析 |
5.1 有限元分析理论 |
5.1.1 有限元分析计算 |
5.1.2 ANSYS软件介绍 |
5.2 焊接温度场模拟 |
5.2.1 定义材料属性 |
5.2.2 建立几何模型 |
5.2.3 划分网格 |
5.2.4 生死单元技术 |
5.3 焊接温度场计算结果分析 |
5.3.1 焊接温度场求解分析 |
5.3.2 沿焊缝方向各等距节点的温度场分析 |
5.3.3 垂直焊缝方向各等距节点的温度场分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
在读期间公开发表的论文 |
致谢 |
(7)基于主被动视觉传感的机器人焊接过程焊缝跟踪与熔池监测研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 焊接过程视觉传感技术 |
1.2.1 熔池视觉监控系统 |
1.2.2 焊缝跟踪视觉传感系统 |
1.3 焊接图像处理技术 |
1.4 课题研究意义 |
1.5 主要研究内容 |
第二章 机器人焊接系统 |
2.1 焊接系统平台 |
2.2 视觉传感系统 |
2.2.1 主动视觉传感器 |
2.2.2 双目视觉传感器 |
2.3 软件系统 |
2.4 本章小结 |
第三章 激光条纹特征提取和焊缝跟踪实验 |
3.1 激光条纹中心线提取 |
3.2 典型V型焊缝跟踪实验 |
3.2.1 焊缝跟踪精度验证实验设计 |
3.2.2 焊缝跟踪精度实验 |
3.3 本章小结 |
第四章 熔池图像采集及处理 |
4.1 引言 |
4.2 熔池图像获取 |
4.2.1 MIG打底焊接熔池图像采集 |
4.2.2 TIG薄板焊接熔池图像采集 |
4.3 熔池几何参数定义 |
4.4 图像预处理 |
4.4.1 ROI获取 |
4.4.2 图像滤波处理 |
4.5 传统熔池图像处理算法 |
4.5.1 基于阈值分割 |
4.5.2 基于边缘检测的熔池图像处理 |
4.5.3 图像处理结果 |
4.6 基于Mask-RCNN的熔池轮廓提取 |
4.6.1 Mask-RCNN网络结构 |
4.6.2 Mask layer |
4.6.3 数据集和模型训练 |
4.6.4 实验结果分析 |
4.6.5 熔池特征提取 |
4.7 本章小结 |
第五章 背面熔宽预测模型 |
5.1 引言 |
5.2 XGBoost算法 |
5.3 训练样本的获取 |
5.4 模型训练与分析 |
5.4.1 多重线性回归预测 |
5.4.2 支持向量回归预测 |
5.4.3 结果分析 |
5.5 本章小结 |
第六章 结论 |
6.1 研究内容总结 |
6.2 创新点 |
参考文献 |
致谢 |
攻读硕士学位期间的学术成果 |
(8)基于机器视觉的不锈钢箱体的焊缝识别与跟踪研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景和意义 |
1.2 视觉焊接技术的发展与现状 |
1.2.1 机器视觉的发展和现状 |
1.2.2 边缘识别技术的发展和现状 |
1.2.3 焊缝跟踪过程中的控制技术 |
1.3 待解决的问题 |
1.4 课题的主要研究内容 |
1.5 本章小结 |
2 焊接系统的组成及关键部件选型 |
2.1 课题的基本任务及技术指标 |
2.1.1 课题的基本任务 |
2.1.2 焊接系统技术指标 |
2.2 系统的主要构成 |
2.3 关键设备选型介绍 |
2.3.1 相机的选型 |
2.3.2 运动部件的选择 |
2.3.3 控制器的选择 |
2.4 平台搭建 |
2.5 本章小结 |
3 相机标定和图像处理 |
3.1 图像系统建模 |
3.1.1 从图像坐标系到像素坐标系 |
3.1.2 从相机坐标系到图像坐标系 |
3.1.3 世界坐标系到相机坐标系 |
3.2 图像系统标定 |
3.2.1 相机内部参数标定 |
3.2.2 相机外部参数标定 |
3.3 焊缝图像的处理 |
3.3.1 图像的灰度化 |
3.3.2 图像的滤波处理 |
3.4 焊缝的提取 |
3.4.1 图像边缘检测算法 |
3.4.2 Canny算法的改进 |
3.5 焊缝的后续处理 |
3.5.1 边缘剔除和连接 |
3.5.2 图像膨胀与细化 |
3.6 本章小结 |
4 定位跟踪控制算法研究与焊接质量评估 |
4.1 焊接起点的定位 |
4.2 坐标提取 |
4.3 焊接控制 |
4.4 焊接质量评估 |
4.5 本章小结 |
总结和展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(9)面向3D空间曲线焊缝的焊接机器人智能导引编程技术(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 机器人编程方式的研究现状 |
1.2.2 基于智能感知的焊缝提取的研究现状 |
1.2.3 现有方法存在的问题 |
1.3 本文的主要工作 |
1.4 本文的章节安排 |
第二章 面向3D空间曲线焊缝的焊接机器人智能导引编程系统设计 |
2.1 机器人焊接相关问题分析 |
2.2 焊接机器人智能导引编程系统总体设计 |
2.2.1 需求分析 |
2.2.2 功能分类 |
2.2.3 架构设计 |
2.2.4 模块划分 |
2.2.5 机器人手眼系统 |
2.2.6 作业流程 |
2.3 焊接机器人智能导引编程系统解决方案 |
2.3.1 传感器选型 |
2.3.2 焊件扫描平台设计与搭建 |
2.3.3 定点变位姿手眼标定及误差分析 |
2.4 本章小结 |
第三章 基于线结构光传感器的焊缝感知方法与技术研究 |
3.1 常见3D空间曲线焊缝的分类及其描述 |
3.2 线结构光传感器扫描焊件 |
3.3 点云预处理 |
3.3.1 基于直通滤波法的ROI提取 |
3.3.2 基于高斯滤波法的离群点去除 |
3.4 3D空间曲线焊缝的提取 |
3.4.1 焊缝提取的一般流程 |
3.4.2 对接接头不开坡口型焊缝的提取 |
3.4.3 对接接头V形坡口型焊缝的提取 |
3.4.4 角接接头不开坡口型焊缝的提取 |
3.4.5 管管相接型焊缝的提取 |
3.5 实验 |
3.5.1 实验材料 |
3.5.2 焊件扫描实验 |
3.5.3 点云预处理实验 |
3.5.4 焊缝提取实验 |
3.5.5 实验分析 |
3.6 本章小结 |
第四章 基于NURBS曲线的焊缝轨迹优化生成方法研究 |
4.1 焊缝轨迹优化生成流程 |
4.2 NURBS曲线介绍 |
4.2.1 数学表达形式及其求值方法 |
4.2.2 节点向量的计算 |
4.3 NURBS曲线插补算法 |
4.3.1 NURBS曲线导矢的计算 |
4.3.2 基于Taylor展开式的NURBS曲线参数密化法 |
4.3.3 基于Newton迭代法的NURBS曲线参数密化法 |
4.4 焊缝轨迹点姿态的求取 |
4.4.1 对接接头不开坡口型焊缝轨迹点的姿态求取 |
4.4.2 对接接头V形坡口型焊缝轨迹点的姿态求取 |
4.4.3 角接接头不开坡口型焊缝轨迹点的姿态求取 |
4.4.4 管管相接型焊缝轨迹点的姿态求取 |
4.5 实验 |
4.5.1 焊缝轨迹优化生成实验 |
4.5.2 实验分析 |
4.6 本章小结 |
第五章 焊接机器人智能导引编程系统软件设计与开发 |
5.1 软件总体设计 |
5.1.1 需求分析 |
5.1.2 设计原则 |
5.1.3 软件架构 |
5.2 软件界面设计与开发 |
5.3 焊件扫描的设计与实现 |
5.3.1 总体设计与实现 |
5.3.2 传感器控制接口的设计与实现 |
5.3.3 机器人控制接口的设计与实现 |
5.3.4 扫描路径提取实现 |
5.4 点云预处理和焊缝提取实现 |
5.4.1 总体设计 |
5.4.2 具体实现 |
5.5 焊缝轨迹优化生成实现 |
5.5.1 总体设计 |
5.5.2 具体实现 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
(10)基于面激光视觉传感薄板搭接焊缝位置识别研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究意义及背景 |
1.2 视觉传感焊缝研究现状 |
1.3 焊缝图像处理技术 |
1.4 本文主要研究内容 |
第2章 薄板搭接焊缝跟踪系统平台与摄像机标定 |
2.1 引言 |
2.2 薄板搭接焊缝跟踪系统 |
2.2.1 三轴机器人 |
2.2.2 图像采集卡 |
2.2.3 薄板搭接焊缝信息提取软件 |
2.3 面激光视觉传感器的设计 |
2.4 CCD畸变校正 |
2.4.1 CCD模型 |
2.4.2 透镜畸变 |
2.4.3 CCD标定试验 |
2.4.4 CCD标定结果 |
2.5 本章小结 |
第3章 薄板搭接焊缝偏差提取 |
3.1 引言 |
3.2 薄板搭接焊缝图像噪声分析 |
3.3 薄板搭接焊缝提取预处理 |
3.3.1 面激光ROI提取 |
3.3.2 薄板搭接焊缝降噪处理 |
3.3.3 形态学处理 |
3.4 薄板搭接焊缝提取 |
3.4.1 动态ROI提取焊缝 |
3.4.2 列搜索结合两点间距离提取焊缝 |
3.4.3 逐列搜索法提取焊缝 |
3.5 薄板搭接焊缝偏差识别模型 |
3.6 本章小结 |
第4章 薄板搭接焊缝起始点识别 |
4.1 引言 |
4.2 焊枪高度识别 |
4.2.1 面激光视觉传感器高度识别模型 |
4.2.2 面激光视觉传感器参数标定 |
4.3 薄板搭接起始位置识别 |
4.3.1 基于被动光的焊接工件起始点识别 |
4.3.2 基于主动光的焊接工件起始点识别 |
4.4 薄板搭接起始焊接点识别图像处理过程 |
4.4.1 薄板搭接起始焊接点识别图像处理 |
4.4.2 形态学边缘提取 |
4.4.3 薄板搭接焊缝起始点提取 |
4.5 小结 |
第5章 系统软件编写及偏差提取试验 |
5.1 引言 |
5.2 薄板搭接焊缝信息提取界面 |
5.2.1 图像采集程序 |
5.2.2 薄板搭接焊缝提取 |
5.3 薄板搭接初始点识别 |
5.4 薄板搭接焊缝角度及偏差检测 |
5.4.1 薄板搭接焊缝角度检测 |
5.4.2 薄板搭接焊缝偏差识别试验 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
四、薄板焊缝轨迹图像处理方法研究(论文参考文献)
- [1]混合式教学——拓展国际授权焊接技术人才培养新途径[J]. 孙路艳,夏磊,于晶,朴睿,杨桂茹. 机械制造文摘(焊接分册), 2021(05)
- [2]基于激光视觉的焊缝检测与跟踪系统研究[D]. 周跃龙. 广东工业大学, 2021
- [3]结构加强筋焊缝的视觉定位系统设计[D]. 梁古南. 江南大学, 2021(01)
- [4]基于视觉轨迹识别和电弧跟踪的波纹板焊接关键技术研究[D]. 谭炽泉. 湘潭大学, 2020(02)
- [5]基于二维线激光的焊缝特征点识别与路径规划研究[D]. 郑克峰. 西华大学, 2020(01)
- [6]基于图像处理的机器人焊接智能制造技术研究[D]. 孙增光. 山东理工大学, 2020(02)
- [7]基于主被动视觉传感的机器人焊接过程焊缝跟踪与熔池监测研究[D]. 解晓童. 上海交通大学, 2020(01)
- [8]基于机器视觉的不锈钢箱体的焊缝识别与跟踪研究[D]. 刘端飞. 青岛科技大学, 2019(01)
- [9]面向3D空间曲线焊缝的焊接机器人智能导引编程技术[D]. 肖尧. 东南大学, 2019(05)
- [10]基于面激光视觉传感薄板搭接焊缝位置识别研究[D]. 鞠永春. 南昌大学, 2019(02)