本發(fā)明涉及自動焊接技術(shù)領(lǐng)域，特別涉及一種焊接機器人及其焊縫路徑學習方法、系統(tǒng)。

背景技術(shù)：

焊接機器人是從事焊接(包括切割與噴涂)的工業(yè)機器人，是一種多用途的、可重復編程的自動控制操作機，具有三個或更多可編程的軸，用于工業(yè)自動化領(lǐng)域。

現(xiàn)有焊接機器人的焊縫路徑學習主要是通過手動示教，手工編程等方式來完成。然而，手動示教與手工編程的步驟繁瑣，需要消耗大量的人工成本和時間，學習效率非常低，并且需要相關(guān)人員具備較高的知識水平。

綜上所述可以看出，如何減少焊縫路徑學習過程所需的人工成本并提高路徑學習效率是目前亟待解決的問題。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種焊接機器人及其焊縫路徑學習方法、系統(tǒng)，能夠減少焊縫路徑學習過程所需的人工成本并提高路徑學習效率。其具體方案如下：

一種焊縫路徑學習方法，包括：

獲取焊縫圖像；

對所述焊縫圖像進行離散化處理，得到第一組焊縫點列信息；

將所述第一組焊縫點列信息映射成二維坐標信息，得到焊縫坐標信息；

對所述焊縫坐標信息進行擬合，得到擬合后坐標信息；

將所述擬合后坐標信息映射成相應(yīng)的點列信息，得到第二組焊縫點列信息；

對所述第二組焊縫點列信息中缺失的點列信息進行填充重構(gòu)，得到優(yōu)化后的焊縫點列信息。

可選的，所述獲取焊縫圖像的過程，包括：

通過單目相機對焊縫進行圖像采集，并判斷采集到的圖像是否為灰度圖像，如果否，則將采集到的圖像轉(zhuǎn)換成灰度圖像，得到所述焊縫圖像。

可選的，所述對所述焊縫圖像進行離散化處理的過程，包括：

對所述焊縫圖像進行二值化處理，得到包含焊縫信息的二值化圖像；

對所述二值化圖像中的焊縫信息進行濾波，以去除焊縫信息中的噪聲信息，得到濾波后圖像；

對所述濾波后圖像的焊縫進行等間隔的像素點提取操作，得到所述第一組焊縫點列信息。

可選的，所述將所述第一組焊縫點列信息映射成二維坐標信息的過程，包括：

將所述第一組焊縫點列信息保存為相應(yīng)的稀疏矩陣；

分別將所述稀疏矩陣中每一非零元素所在的行位置和列位置作為該非零元素所對應(yīng)的二維坐標，得到所述焊縫坐標信息。

可選的，所述對所述焊縫坐標信息進行擬合的過程，包括：

對所述焊縫坐標信息進行SVM擬合，得到所述擬合后坐標信息。

本發(fā)明還相應(yīng)公開了一種焊縫路徑學習系統(tǒng)，包括：

圖像獲取模塊，用于獲取焊縫圖像；

圖像離散化模塊，用于對所述焊縫圖像進行離散化處理，得到第一組焊縫點列信息；

第一映射模塊，用于將所述第一組焊縫點列信息映射成二維坐標信息，得到焊縫坐標信息；

坐標擬合模塊，用于對所述焊縫坐標信息進行擬合，得到擬合后坐標信息；

第二映射模塊，用于將所述擬合后坐標信息映射成相應(yīng)的點列信息，得到第二組焊縫點列信息；

點列重構(gòu)模塊，用于對所述第二組焊縫點列信息中缺失的點列信息進行填充重構(gòu)，得到優(yōu)化后的焊縫點列信息。

可選的，所述圖像獲取模塊，包括：

圖像采集單元，用于通過單目相機對焊縫進行圖像采集；

圖像判斷單元，用于判斷采集到的圖像是否為灰度圖像；

圖像轉(zhuǎn)換單元，用于當所述圖像判斷單元判定出所述圖像采集單元采集到的圖像為非灰度圖像，則將采集到的圖像轉(zhuǎn)換成灰度圖像，得到所述焊縫圖像。

可選的，所述圖像離散化模塊，包括：

二值化單元，用于對所述焊縫圖像進行二值化處理，得到包含焊縫信息的二值化圖像；

濾波單元，用于對所述二值化圖像中的焊縫信息進行濾波，以去除焊縫信息中的噪聲信息，得到濾波后圖像；

像素點提取單元，用于對所述濾波后圖像的焊縫進行等間隔的像素點提取操作，得到所述第一組焊縫點列信息。

可選的，所述第一映射模塊，包括：

點列信息保存單元，用于將所述第一組焊縫點列信息保存為相應(yīng)的稀疏矩陣；

坐標確定單元，用于分別將所述稀疏矩陣中每一非零元素所在的行位置和列位置作為該非零元素所對應(yīng)的二維坐標，得到所述焊縫坐標信息。

本發(fā)明進一步公開了一種焊接機器人，包括前述公開的焊縫路徑學習系統(tǒng)。

本發(fā)明中，焊縫路徑學習方法，包括：獲取焊縫圖像；對焊縫圖像進行離散化處理，得到第一組焊縫點列信息；將第一組焊縫點列信息映射成二維坐標信息，得到焊縫坐標信息；對焊縫坐標信息進行擬合，得到擬合后坐標信息；將擬合后坐標信息映射成相應(yīng)的點列信息，得到第二組焊縫點列信息；對第二組焊縫點列信息中缺失的點列信息進行填充重構(gòu)，得到優(yōu)化后的焊縫點列信息。

可見，本發(fā)明通過對焊縫圖像進行離散化處理，進而將焊縫路徑識別問題轉(zhuǎn)化成數(shù)學上的擬合問題，后續(xù)便可對與擬合后坐標信息對應(yīng)的點列信息進行填充重構(gòu)處理，從而得到高平滑度和近似度的焊縫路徑，由上可以看出，本發(fā)明在對焊縫路徑的學習過程中均無需人工進行干預(yù)，大幅減少了焊縫路徑學習過程所需的人工成本并提高了路徑學習效率。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實施例公開的一種焊縫路徑學習方法流程圖；

圖2為本發(fā)明實施例公開的一種具體的焊縫路徑學習方法流程圖；

圖3為本發(fā)明實施例公開的一種焊縫路徑學習系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明實施例公開了一種焊縫路徑學習方法，參見圖1所示，該方法包括：

步驟S11：獲取焊縫圖像；

步驟S12：對焊縫圖像進行離散化處理，得到第一組焊縫點列信息；

步驟S13：將第一組焊縫點列信息映射成二維坐標信息，得到焊縫坐標信息；

步驟S14：對焊縫坐標信息進行擬合，得到擬合后坐標信息；

步驟S15：將擬合后坐標信息映射成相應(yīng)的點列信息，得到第二組焊縫點列信息；

步驟S16：對第二組焊縫點列信息中缺失的點列信息進行填充重構(gòu)，得到優(yōu)化后的焊縫點列信息。

可見，本發(fā)明實施例通過對焊縫圖像進行離散化處理，進而將焊縫路徑識別問題轉(zhuǎn)化成數(shù)學上的擬合問題，后續(xù)便可對與擬合后坐標信息對應(yīng)的點列信息進行填充重構(gòu)處理，從而得到高平滑度和近似度的焊縫路徑，由上可以看出，本發(fā)明實施例在對焊縫路徑的學習過程中均無需人工進行干預(yù)，大幅減少了焊縫路徑學習過程所需的人工成本并提高了路徑學習效率。

參見圖2所示，本發(fā)明實施例公開了一種具體的焊縫路徑學習方法，包括如下步驟：

步驟S21：通過單目相機對焊縫進行圖像采集，并判斷采集到的圖像是否為灰度圖像，如果否，則將采集到的圖像轉(zhuǎn)換成灰度圖像，得到焊縫圖像。

也即，本發(fā)明實施例中的焊縫圖像為灰度圖像，當采集到的圖像為灰度圖像時，可直接將該采集到的圖像確定為焊縫圖像，當采集到的圖像為彩色圖像，則需將該彩色圖像轉(zhuǎn)換成灰度圖像，以得到焊縫圖像。

步驟S22：對焊縫圖像進行二值化處理，得到包含焊縫信息的二值化圖像。

其中，對焊縫圖像進行二值化處理的具體過程包括：對焊縫圖像進行灰度分布統(tǒng)計，確定二值化的閾值，接著將焊縫圖像中的每個像素點的灰度值與上述閾值進行比較，當任一像素點的灰度值大于或等于上述閾值，則將該像素點的灰度值變更為0，當任一像素點的灰度值小于上述閾值，則將該像素點的灰度值變更為1，由此實現(xiàn)對焊縫圖像的二值化處理，從而得到上述二值化圖像。

步驟S23：對二值化圖像中的焊縫信息進行濾波，以去除焊縫信息中的噪聲信息，得到濾波后圖像。

可以理解的是，上述步驟S22中，當焊縫圖像經(jīng)過二值化處理之后，二值化圖像中將會保留與焊縫相關(guān)的大部分信息，此時二值化圖像中的焊縫信息通常呈現(xiàn)為斷裂狀態(tài)，并且包含眾多噪聲，所以需要通過上述步驟S23，對二值化圖像進行濾波處理，以去除焊縫信息中的噪聲信息，本發(fā)明實施例具體可以使用孤點濾波來對上述二值化圖像中的焊縫信息進行濾波。

步驟S24：對濾波后圖像的焊縫進行等間隔的像素點提取操作，得到第一組焊縫點列信息。

例如，可以每間隔h個像素點便提取出一個像素點的方式來進行像素點的提取操作，以此達到離散化目的。

步驟S25：將第一組焊縫點列信息保存為相應(yīng)的稀疏矩陣。

也即，以稀疏矩陣的形式來保存上述第一組焊縫點列信息。

步驟S26：分別將稀疏矩陣中每一非零元素所在的行位置和列位置作為該非零元素所對應(yīng)的二維坐標，得到焊縫坐標信息。

例如，假設(shè)稀疏矩陣為n行m列的矩陣，并且該稀疏矩陣中的某一非零元素對應(yīng)的行值為a，列值為b，則與該非零元素對應(yīng)的二維坐標可以設(shè)為(b，n-a)

步驟S27：對焊縫坐標信息進行SVM擬合，得到擬合后坐標信息。

需要說明的是，本實施例中，除了可以對焊縫坐標信息進行SVM擬合以外，也可以利用其它的擬合方法對上述焊縫坐標信息進行擬合處理。

步驟S28：將擬合后坐標信息映射成相應(yīng)的點列信息，得到第二組焊縫點列信息。

步驟S29：對第二組焊縫點列信息中缺失的點列信息進行填充重構(gòu)，得到優(yōu)化后的焊縫點列信息。

本發(fā)明實施例還相應(yīng)公開了一種焊縫路徑學習系統(tǒng)，參見圖3所示，該系統(tǒng)包括：

圖像獲取模塊11，用于獲取焊縫圖像；

圖像離散化模塊12，用于對焊縫圖像進行離散化處理，得到第一組焊縫點列信息；

第一映射模塊13，用于將第一組焊縫點列信息映射成二維坐標信息，得到焊縫坐標信息；

坐標擬合模塊14，用于對焊縫坐標信息進行擬合，得到擬合后坐標信息；

第二映射模塊15，用于將擬合后坐標信息映射成相應(yīng)的點列信息，得到第二組焊縫點列信息；

點列重構(gòu)模塊16，用于對第二組焊縫點列信息中缺失的點列信息進行填充重構(gòu)，得到優(yōu)化后的焊縫點列信息。

其中，上述圖像獲取模塊11，具體可以包括圖像采集單元、圖像判斷單元和圖像轉(zhuǎn)換單元；其中，

圖像采集單元，用于通過單目相機對焊縫進行圖像采集；

圖像判斷單元，用于判斷采集到的圖像是否為灰度圖像；

圖像轉(zhuǎn)換單元，用于當圖像判斷單元判定出圖像采集單元采集到的圖像為非灰度圖像，則將采集到的圖像轉(zhuǎn)換成灰度圖像，得到焊縫圖像。

另外，上述圖像離散化模塊12，具體可以包括二值化單元、濾波單元和像素點提取單元；其中，

二值化單元，用于對焊縫圖像進行二值化處理，得到包含焊縫信息的二值化圖像；

濾波單元，用于對二值化圖像中的焊縫信息進行濾波，以去除焊縫信息中的噪聲信息，得到濾波后圖像；

像素點提取單元，用于對濾波后圖像的焊縫進行等間隔的像素點提取操作，得到第一組焊縫點列信息。

進一步的，上述第一映射模塊13，具體可以包括點列信息保存單元和坐標確定單元；其中，

點列信息保存單元，用于將第一組焊縫點列信息保存為相應(yīng)的稀疏矩陣；

坐標確定單元，用于分別將稀疏矩陣中每一非零元素所在的行位置和列位置作為該非零元素所對應(yīng)的二維坐標，得到焊縫坐標信息。

進一步的，上述坐標擬合模塊14，具體可以用于對焊縫坐標信息進行SVM擬合，得到擬合后坐標信息。

可見，本發(fā)明實施例通過對焊縫圖像進行離散化處理，進而將焊縫路徑識別問題轉(zhuǎn)化成數(shù)學上的擬合問題，后續(xù)便可對與擬合后坐標信息對應(yīng)的點列信息進行填充重構(gòu)處理，從而得到高平滑度和近似度的焊縫路徑，由上可以看出，本發(fā)明實施例在對焊縫路徑的學習過程中均無需人工進行干預(yù)，大幅減少了焊縫路徑學習過程所需的人工成本并提高了路徑學習效率。

本發(fā)明進一步公開了一種焊接機器人，包括前述實施例中公開的焊縫路徑學習系統(tǒng)。關(guān)于該焊縫路徑學習系統(tǒng)的具體構(gòu)造可以參考前述實施例中公開的相應(yīng)內(nèi)容，在此不再進行贅述。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對本發(fā)明所提供的一種焊接機器人及其焊縫路徑學習方法、系統(tǒng)進行了詳細介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。