[發明專利]一種門板焊點識別與焊接路徑規劃方法

在審

• 申請號: 202010310939.3
• 申請日: 2020-04-20
• 公開（公告）號: CN111545955A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 黎善斌;袁志杰
• 申請（專利權）人: 華南理工大學
• 主分類號: B23K37/00
• 分類號: B23K37/00;B23K37/02;B25J9/16;B25J11/00;B25J19/04;G06K9/00;G06K9/40;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了一種門板焊點識別與焊接路徑規劃方法，包括下述步驟：對汽車門板圖像進行打標簽處理以確定汽車門板圖像中的焊點類型和位置，獲得經打標簽處理的數據集；建立yolo網絡模型，將數據集輸入yolo網絡模型進行訓練；將待檢測的焊點圖片輸入訓練好的yolo網絡模型中檢測，以識別出各焊點的類型并獲得各焊點的位置坐標；通過路徑規劃算法進行路徑規劃以獲得焊接路徑。本發明將深度學習的目標檢測算法應用到汽車門板焊接生產線上，使效率大大提高，很快的減少焊接時間。

技術領域

本發明涉及汽車控制加工技術領域，特別涉及一種門板焊點識別與焊接路徑規劃方法。

背景技術

有關機器人路徑規劃的研究起始于20世紀70年代。當前，隨著國內外學者對多機器人系統的深入研究，多機器人系統已經在理論與實踐方面取得了較大的進展與成就，并逐步建立了完善的仿真系統和硬件實驗系統。路徑規劃問題是機器人研究領域中的一個核心的關鍵部分。機器人運動規劃包含三個層次的內容：即路徑規劃、軌跡規劃、軌跡跟蹤或軌跡控制。路徑規劃是確定不含時間信息的幾何路徑，一般的工業機器人中都含有點到點、直線、圓弧及樣條曲線等常用的路徑規劃，機器人路徑規劃可以直觀地認為是求解帶有約束的幾何問題。單臺機器人焊接的路徑規劃是：給定焊點任務，找出一條最優無碰撞的焊接路徑。然而，傳統的焊接機器人在規劃焊接路徑和進行運動控制時，普遍采用示教和離線編程的方法。采用這種方法，如果汽車門板上存在焊接件缺失，就會產生殘次品，而且一旦焊接件類別發生變化就必須要重新進行示教和編程。

發明內容

本發明的目的在于克服現有技術中的缺點與不足，提供一種門板焊點識別與焊接路徑規劃方法，將yolo網絡模型應用到焊接機器人上，從而實時的識別出焊點的類型與位置，繼而運用路徑規劃算法得出規劃路徑。大幅提高生產力，解決傳統適應性不強、實時性較差等問題。

為了實現發明目的，本發明采取如下技術方案：

對汽車門板圖像進行打標簽處理以確定汽車門板圖像中的焊點類型，獲得經打標簽處理的數據集；

建立yolo網絡模型，將數據集輸入yolo網絡模型進行訓練；

將待檢測的焊點圖片輸入訓練好的yolo網絡模型中檢測，以識別出各焊點的類型并獲得各焊點的位置坐標；

通過路徑規劃算法進行路徑規劃以獲得焊接路徑。

進一步地，在進行所述對汽車門板圖像進行打標簽處理前，先使用高斯濾波器對含有焊點的汽車門板圖像進行濾波，濾波前和濾波后圖像中每個點的灰度值分別用f(x,y)、f_s(x,y)表示，濾波公式為：

f_s(x,y)＝f(x,y)*G(x,y,σ)

其中，G(x,y,σ)為二維高斯公式、x、y、σ分別代表橫坐標，縱坐標，標準差。

進一步地，采用打標簽工具LabelImg進行所述打標簽處理。

進一步地，所述建立yolo網絡模型，將數據集輸入yolo網絡模型進行訓練，具體包括：

YOLO網絡模型把輸入圖像劃分為S*S個格子，每個柵格都預測B個邊界框，每個邊界框都包含5個預測值，分別為x、y、w、h和confidence，其中,x、y表示邊界框的中心與柵格邊界的相對值，w、h分別表示邊界框的寬度和高度相對于整幅圖像寬和高的比例，confidence為邊界框的置信度。

進一步地，所述路徑規劃算法為蟻群算法，使用所述蟻群算法進行路徑規劃的具體步驟如下：

確定約束條件，

蟻群初始化，設置螞蟻數量為n，選擇螞蟻的起點，

信息素初始化，對所有螞蟻設置初始禁忌表，