楊國(guó)威，王以忠，王中任，劉海生，肖光潤(rùn)

(1.天津科技大學(xué) 電子信息與自動(dòng)化學(xué)院，天津 300222；2.湖北文理學(xué)院 機(jī)械工程學(xué)院，湖北 襄陽(yáng) 441053)

0 引言

焊接過(guò)程中讓焊接機(jī)器人自主感知焊接環(huán)境并實(shí)時(shí)調(diào)整焊槍位置進(jìn)行焊縫跟蹤是焊接自動(dòng)化的發(fā)展方向[1]。尤其在工業(yè)現(xiàn)場(chǎng)的大型工件焊接中，固定工裝機(jī)器人底座不能移動(dòng)而且臂長(zhǎng)有限，導(dǎo)致焊接操作區(qū)域和空間受限，難以適應(yīng)復(fù)雜大型構(gòu)件[2-3]的現(xiàn)場(chǎng)自動(dòng)焊接，自主移動(dòng)焊接機(jī)器人焊縫跟蹤方法為有效解決全位置、大范圍、具有復(fù)雜空間軌跡形式的大型結(jié)構(gòu)工件實(shí)時(shí)焊接難題提供了新思路，自主移動(dòng)焊接機(jī)器人的智能化焊接也成為焊接領(lǐng)域的研究熱點(diǎn)和發(fā)展趨勢(shì)。

為提高移動(dòng)焊接機(jī)器人在現(xiàn)場(chǎng)焊接中的自主性和適應(yīng)性，國(guó)內(nèi)外學(xué)者通過(guò)優(yōu)化移動(dòng)焊接機(jī)器人的系統(tǒng)結(jié)構(gòu)[4-6]來(lái)解決現(xiàn)場(chǎng)焊接空間受限問(wèn)題，通過(guò)改進(jìn)焊縫跟蹤算法來(lái)解決焊縫跟蹤精度受干擾的問(wèn)題。在系統(tǒng)設(shè)計(jì)方面，Kermorgant設(shè)計(jì)了一種磁性履帶移動(dòng)機(jī)器人，可應(yīng)用于船體內(nèi)部空間和垂直結(jié)構(gòu)的焊接；畢齊林等結(jié)合移動(dòng)式焊接機(jī)器人研究了一種緊湊式柔性化的焊縫視覺跟蹤系統(tǒng)，以適應(yīng)狹小復(fù)雜焊接環(huán)境中焊縫跟蹤高度可變的需求。在提高焊縫跟蹤精度和焊接可靠性方面，針對(duì)焊接過(guò)程中視覺傳感器受弧光、煙塵、飛濺等干擾而影響焊縫跟蹤精度的問(wèn)題，研究人員在焊縫圖像處理[7-11]和跟蹤控制算法[12-14]上進(jìn)行深入研究，以保證焊接的質(zhì)量和適應(yīng)性。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，華南理工大學(xué)鄒焱飚等[15-16]提出基于深度分層特征的焊縫特征提取方法，該方法提取目標(biāo)多尺度層級(jí)的特征，克服了單一像素級(jí)特征的局限，從而能夠在焊縫圖像信息中存在強(qiáng)烈干擾的情況下準(zhǔn)確定位焊縫特征點(diǎn)，其所設(shè)計(jì)的智能跟蹤控制器具有穩(wěn)健性和全局自尋優(yōu)能力，能夠進(jìn)行平滑地軌跡跟蹤，提高了焊接的質(zhì)量和可靠性。

然而，現(xiàn)有可靠的焊縫自動(dòng)跟蹤算法研究大多通過(guò)工控機(jī)組成的控制系統(tǒng)實(shí)現(xiàn)，限制了移動(dòng)機(jī)器人在復(fù)雜空間的應(yīng)用。為提高移動(dòng)焊接機(jī)器人在工業(yè)現(xiàn)場(chǎng)焊接的適應(yīng)性，本文設(shè)計(jì)了一種自主移動(dòng)焊接機(jī)器人嵌入式視覺控制系統(tǒng)，以減少設(shè)備的復(fù)雜程度和體積。為解決焊接時(shí)的弧光干擾問(wèn)題并實(shí)現(xiàn)適應(yīng)于嵌入式系統(tǒng)計(jì)算能力的實(shí)時(shí)、精確、可靠的焊縫跟蹤，系統(tǒng)地提出了基于核相關(guān)濾波(Kernelized Correlation Filter, KCF)的焊縫跟蹤算法。該算法通過(guò)訓(xùn)練大量的正負(fù)樣本構(gòu)建分類器并利用高斯核函數(shù)映射，以提高跟蹤精度和可靠性，通過(guò)構(gòu)建樣本的循環(huán)矩陣和傅里葉變換來(lái)減少計(jì)算量，以提高跟蹤的實(shí)時(shí)性，并在嵌入式系統(tǒng)中實(shí)施自動(dòng)跟蹤算法，從而控制移動(dòng)機(jī)器人爬行和橫擺，實(shí)現(xiàn)焊接過(guò)程的實(shí)時(shí)糾偏。

1 系統(tǒng)組成

1.1 系統(tǒng)結(jié)構(gòu)

以焊接大型管道為例，圖1所示為本文采用的自主移動(dòng)焊接機(jī)器人嵌入式視覺跟蹤控制系統(tǒng)，系統(tǒng)主要由自主移動(dòng)焊接機(jī)器人、嵌入式視覺跟蹤控制系統(tǒng)、工業(yè)相機(jī)、線激光傳感器和焊槍組成。移動(dòng)焊接機(jī)器人為磁吸附式四輪機(jī)器人，通過(guò)步進(jìn)電機(jī)驅(qū)動(dòng)進(jìn)行爬行(x)、橫擺(y)和上下(z)3個(gè)方向運(yùn)動(dòng)(如圖1箭頭)，并通過(guò)將爬行(x)和橫擺(y)聯(lián)動(dòng)對(duì)焊縫進(jìn)行跟蹤掃描。工業(yè)相機(jī)和線激光器組成的視覺傳感器與焊槍一起安裝在橫擺運(yùn)動(dòng)的導(dǎo)軌末端，用于獲取焊縫的位置和尺寸信息。焊接時(shí)，視覺跟蹤控制系統(tǒng)采用焊縫跟蹤算法從焊縫圖像中提取焊縫的位置和尺寸信息，根據(jù)焊縫位置和尺寸的偏離值控制焊槍移動(dòng)實(shí)現(xiàn)焊接糾偏。為提高焊接的便捷性和適應(yīng)性，采用基于ARM Cortex-A8的嵌入式處理器作為視覺跟蹤控制系統(tǒng)的處理和控制核心。嵌入式視覺跟蹤控制系統(tǒng)通過(guò)GigE接口獲取焊縫圖像，并利用焊縫圖像處理和跟蹤算法提取焊縫位置和尺寸信息，然后通過(guò)通用輸出口驅(qū)動(dòng)步進(jìn)電機(jī)來(lái)控制3個(gè)方向運(yùn)動(dòng)，同時(shí)通過(guò)485總線與焊機(jī)通信控制焊槍起弧進(jìn)行自主焊接。

1.2 視覺傳感器

圖2所示為由工業(yè)相機(jī)、線激光器和濾光片構(gòu)成的線激光視覺傳感器，其利用激光較好的單色性、方向性和高亮度來(lái)凸顯焊縫結(jié)構(gòu)特征。線激光光平面與相機(jī)光軸的夾角為θ，傳感器與焊接工件的距離為H。相機(jī)采集被焊接件焊縫尺寸信息調(diào)制的線激光信號(hào)，根據(jù)激光三角法原理，焊縫深度變化會(huì)引起激光條紋偏折。因此，根據(jù)焊縫線激光信號(hào)可以定位焊縫的位置和尺寸信息，如果對(duì)線激光光平面進(jìn)行標(biāo)定，則可獲取焊縫的深度信息。由于焊接過(guò)程中被弧光和飛濺強(qiáng)烈干擾，所采集的焊縫圖像會(huì)產(chǎn)生圖像噪聲，嚴(yán)重時(shí)會(huì)覆蓋激光條紋的重要信息部分，導(dǎo)致焊縫特征檢測(cè)失敗。因此系統(tǒng)設(shè)計(jì)時(shí)在焊槍和視覺傳感系統(tǒng)中間設(shè)置擋板阻擋弧光，并采用金屬外殼對(duì)視覺傳感器主體進(jìn)行隔絕保護(hù)，以避免焊接時(shí)被飛濺的融滴損壞；成像光路區(qū)域采用薄玻璃平板進(jìn)行保護(hù)，以減少對(duì)成像誤差的影響。焊槍和線激光器的夾持器通過(guò)繞橫擺(y)方向旋轉(zhuǎn)來(lái)調(diào)整焊槍和傳感器之間的角度和距離，將焊槍尖端與焊縫特征點(diǎn)的距離控制在25 mm～30 mm之間，使得焊槍離傳感器既不會(huì)太遠(yuǎn)而影響焊縫跟蹤精度，也不會(huì)太近而受弧光影響。激光器選擇弧光較弱的波長(zhǎng)，同時(shí)采用激光器波長(zhǎng)范圍的窄帶通濾光片，以減少弧光對(duì)圖像信息的干擾。

2 初始焊縫特征提取

移動(dòng)機(jī)器人自主焊接前，需要獲取焊縫的初始位置和尺寸信息。根據(jù)激光三角原理，焊縫坡口深度變化會(huì)導(dǎo)致所采集的線激光條紋圖像在焊縫邊緣發(fā)生偏折，圖3a所示為V型焊縫激光條紋圖。因此，通過(guò)焊縫圖像處理算法提取激光條紋兩端的偏折點(diǎn)位置能夠計(jì)算出焊縫的像素位置和像素寬度，結(jié)合實(shí)際焊縫寬度對(duì)相機(jī)成像進(jìn)行標(biāo)定，可以獲取焊縫像素坐標(biāo)和真實(shí)坐標(biāo)之間的關(guān)系。因?yàn)槌跏蓟^(guò)程中焊機(jī)并未起弧，不受弧光和飛濺干擾，焊縫條紋偏折特征比較明顯，所以采用簡(jiǎn)便的模板匹配算法進(jìn)行提取。設(shè)計(jì)的偏折條紋模板圖如圖3c所示，利用模板匹配算法可分別確定焊縫左右兩端的特征點(diǎn)，從而取得焊縫初始位置和焊縫的像素寬度，所提取的焊縫特征點(diǎn)如圖3b所示。對(duì)所提取焊縫的像素寬度與其真實(shí)寬度進(jìn)行標(biāo)定計(jì)算，可以得出焊縫圖像的像素分辨率。圖3中焊縫的焊縫真實(shí)寬度為20 mm，提取的像素寬度為36像素，標(biāo)定得到每個(gè)像素的分辨率為0.056 mm。

為方便后續(xù)跟蹤焊縫，在焊縫初始位置處設(shè)定初始焊縫跟蹤目標(biāo)，以初始位置為中心，根據(jù)實(shí)際需要設(shè)定一定尺寸的目標(biāo)進(jìn)行跟蹤，默認(rèn)用100像素的正方形框表示待跟蹤的焊縫目標(biāo)，如圖3b中的矩形標(biāo)記所示。

3 焊縫視覺跟蹤

3.1 跟蹤原理

焊縫跟蹤控制示意圖如圖4a所示。焊接時(shí)，視覺跟蹤控制系統(tǒng)采用焊縫跟蹤算法從傳感器圖像中提取焊縫的位置和尺寸信息，通過(guò)控制爬行和橫擺兩軸聯(lián)動(dòng)，使焊槍按照?qǐng)D4b所示的軌跡跟蹤焊縫。為減少焊接機(jī)器人運(yùn)動(dòng)偏離和高溫引起的焊件變形對(duì)焊接位置產(chǎn)生的影響，焊接時(shí)根據(jù)焊縫的位置和尺寸偏離值控制焊槍移動(dòng)對(duì)焊接進(jìn)行實(shí)時(shí)糾偏。為保證焊接質(zhì)量，焊接跟蹤過(guò)程中的工藝參數(shù)，如系統(tǒng)的爬行行程和速度、橫擺幅度和速度、焊槍和焊縫的相對(duì)高度位置、焊槍在焊縫邊緣處停滯的時(shí)延時(shí)間，以及焊接電流和電壓等，在焊接運(yùn)動(dòng)中可根據(jù)焊接工藝需要進(jìn)行設(shè)定和改變。

3.2 跟蹤算法

移動(dòng)機(jī)器人焊接起弧后，焊縫圖像會(huì)受弧光和飛濺影響(如圖5)，針對(duì)每幀單一焊縫圖像，利用特征檢測(cè)方法獲取焊縫的位置和尺寸時(shí)，很容易影響其精度和可靠性，而且每幀都從整幅圖中提取特征耗時(shí)較長(zhǎng)，會(huì)影響其實(shí)時(shí)性。為此，采用基于KCF的焊縫跟蹤算法來(lái)提高焊縫跟蹤的精度、速度和可靠性。焊縫跟蹤算法流程圖如圖6所示，具體步驟如下：

(1)生成訓(xùn)練樣本

KCF所有的訓(xùn)練樣本由目標(biāo)樣本循環(huán)偏移得到。以圖3b矩形框所示的目標(biāo)區(qū)域中心為特征點(diǎn)，選取鄰域大小為M×N(本文默認(rèn)為100×100)區(qū)域內(nèi)的圖像作為訓(xùn)練的正樣本x，x∈Rn×1，n=M×N，對(duì)x進(jìn)行循環(huán)偏移產(chǎn)生一系列負(fù)樣本xi，

xi=Pix。

(1)

式中P為n×n矩陣，i=0,1,2,…,n-1，

(2)

xi為x循環(huán)偏移i位后的訓(xùn)練樣本，所有訓(xùn)練樣本xi構(gòu)成訓(xùn)練樣本循環(huán)矩陣C(x)，

C(x)=[x0,x1,…,xi,…,xn-1]T。

(3)

(2)高斯核空間的脊回歸

脊回歸是對(duì)樣本集合進(jìn)行分類器訓(xùn)練的過(guò)程，目的是構(gòu)建回歸函數(shù)來(lái)計(jì)算所有候選區(qū)域成為被跟蹤焊縫目標(biāo)的概率。為提高訓(xùn)練回歸效果，利用高斯核函數(shù)

(4)

將x映射到高斯核特征空間φ(x)上，使映射后的樣本在新空間中線性可分。因此，在高斯核特征空間構(gòu)建回歸函數(shù)

(5)

回歸的目的是找到一個(gè)權(quán)重向量α=[α1,α2,…,αn]T，使得式(6)的殘差函數(shù)為最小值：

(6)

式中：yi為訓(xùn)練樣本xi對(duì)應(yīng)的回歸值，y=[y1,y2,…,yn]T；λ為防止過(guò)擬合的正則化參數(shù)。

利用循環(huán)矩陣卷積性質(zhì)，式(4)～式(6)最優(yōu)α值的解可由式(7)簡(jiǎn)化求解：

(7)

(3)快速檢測(cè)

給定待檢測(cè)的焊縫圖像目標(biāo)區(qū)域xt，其成為目標(biāo)的概率值為

(8)

xi為焊縫目標(biāo)區(qū)域xt通過(guò)循環(huán)移位i位得到的檢測(cè)樣本集合，選擇概率值最大的檢測(cè)樣本目標(biāo)區(qū)域作為最優(yōu)檢測(cè)結(jié)果，用目標(biāo)循環(huán)移動(dòng)的位置確定焊縫移動(dòng)的位置。為計(jì)算所有循環(huán)移動(dòng)后的檢測(cè)樣本區(qū)域成為焊縫目標(biāo)的概率，構(gòu)建核函數(shù)循環(huán)矩陣

Kxt=C(Kxxt)。

(9)

式中Kxxt為Kxt矩陣的第1行。利用Kxxt和脊回歸訓(xùn)練得到的權(quán)重向量α值得到所有檢測(cè)樣本區(qū)域位置成為跟蹤目標(biāo)的概率為

(10)

式中：f-1為傅里葉逆變換：yt為檢測(cè)的概率向量。新一幀的焊縫特征點(diǎn)坐標(biāo)由yt最大值元素所在的位置確定為

(ut,vt)=max(yt)。

(11)

式中(ut,vt)為當(dāng)前幀跟蹤的焊縫目標(biāo)位置的列值ut和行值vt。

(4)模型更新

為提高焊縫跟蹤的適應(yīng)性，跟蹤過(guò)程中需要更新權(quán)重向量α和目標(biāo)模型x，更新公式為：

(12)

綜上所述，通過(guò)連續(xù)不斷地采集圖像，然后按照生成訓(xùn)練樣本、高斯核空間的脊回歸、快速檢測(cè)、模型更新的步驟進(jìn)行焊縫目標(biāo)位置的跟蹤計(jì)算，基于KCF的焊縫跟蹤算法利用對(duì)目標(biāo)區(qū)域循環(huán)偏移產(chǎn)生的大量樣本來(lái)回歸訓(xùn)練分類器，并利用高斯核函數(shù)計(jì)算候選區(qū)域與目標(biāo)區(qū)域的相似度，從而提高回歸效果，同時(shí)利用式(7)和式(10)中的傅里葉變換在頻域里進(jìn)行分類器回歸訓(xùn)練和檢測(cè)，以降低計(jì)算量。因此，基于KCF的焊縫跟蹤算法能夠?qū)缚p特征點(diǎn)進(jìn)行實(shí)時(shí)精確地跟蹤檢測(cè)。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)裝置

本文實(shí)驗(yàn)搭建的自主移動(dòng)焊接機(jī)器人自動(dòng)焊接系統(tǒng)實(shí)物圖如圖7所示。圖中自主移動(dòng)焊接機(jī)器人在直徑為250 mm的管道上完成焊接實(shí)驗(yàn)，管道上V型焊縫的最大縫寬為20 mm；線激光視覺傳感器距離管道表面的高度H=150 mm，焊槍尖部與焊縫特征點(diǎn)的距離為25 mm；線激光器選擇弧光較弱的660 nm波長(zhǎng)，濾光片為660 nm±15 nm的窄帶濾光片；采用的工業(yè)相機(jī)為Basler acA1300-60 gm，分辨率為1 280×1 024，最高采集幀率為60 fps。

視覺控制系統(tǒng)處理器采用基于ARM Cortex-A8內(nèi)核的AM335X處理器，1 G內(nèi)存。系統(tǒng)爬行(x)、橫擺(y)、上下移動(dòng)(z) 3個(gè)方向的重復(fù)定位精度為0.1 mm。通過(guò)對(duì)ARM的通用輸出口進(jìn)行脈寬調(diào)制(Pulse Width Modulation, PWM)來(lái)控制3個(gè)方向的位移和速度，其中：將焊槍上下移動(dòng)來(lái)調(diào)節(jié)焊槍和工件表面的上下距離；通過(guò)控制系統(tǒng)爬行和焊槍橫擺使焊槍尖部沿如圖4b所示的軌跡運(yùn)動(dòng)，焊縫的實(shí)時(shí)糾偏控制在焊槍橫擺方向進(jìn)行。焊接設(shè)備采用奧太NBC-350氣體保護(hù)焊機(jī)，視覺跟蹤控制系統(tǒng)采用Modbus協(xié)議通過(guò)485串行總線與焊機(jī)通信對(duì)焊機(jī)進(jìn)行控制。

4.2 軟件功能

根據(jù)系統(tǒng)的視覺跟蹤控制原理，本文方案搭建的嵌入式視覺跟蹤控制系統(tǒng)的主要程序功能如下：

(1)視覺傳感功能

在ARM嵌入式系統(tǒng)板上搭建Linux操作系統(tǒng)，通過(guò)編譯和移植圖像采集庫(kù)來(lái)實(shí)時(shí)采集焊縫圖像；采用C++程序語(yǔ)言完成基于模板匹配的初始焊縫特征提取和基于KCF的焊縫跟蹤算法，并通過(guò)界面應(yīng)用程序開發(fā)框架QT實(shí)現(xiàn)圖像采集和處理的可視化?；赒T的自主焊接視覺處理系統(tǒng)軟件界面如圖8所示，圖中顯示了焊縫圖像的采集、處理和帶弧光圖像的跟蹤效果，能準(zhǔn)確實(shí)時(shí)地跟蹤焊縫的位置。

(2)系統(tǒng)的焊接控制功能

系統(tǒng)的焊接控制軟件界面如圖9所示，其能對(duì)系統(tǒng)爬行、焊槍橫擺、焊槍上下移動(dòng)3個(gè)方向的位移和速度進(jìn)行控制。其中，系統(tǒng)爬行運(yùn)動(dòng)能根據(jù)設(shè)定的行程和速度自動(dòng)或手動(dòng)地進(jìn)行前向和后向爬行；焊槍橫擺運(yùn)動(dòng)可根據(jù)焊接工藝設(shè)定的橫擺幅度、速度和焊縫邊緣滯留時(shí)間，自動(dòng)或手動(dòng)地進(jìn)行移動(dòng)和回?cái)[；焊槍上下移動(dòng)可以通過(guò)手動(dòng)微調(diào)來(lái)保證焊絲與焊縫的間距。

實(shí)際焊接時(shí)，通過(guò)系統(tǒng)爬行和焊槍橫擺兩軸運(yùn)動(dòng)的聯(lián)動(dòng)控制追蹤焊縫來(lái)進(jìn)行自主焊接，并結(jié)合視覺傳感器獲取的焊縫位置和尺寸信息進(jìn)行視覺自動(dòng)糾偏，也可采用人工觀察焊接偏移量進(jìn)行手動(dòng)糾偏。

系統(tǒng)采用Modbus協(xié)議通過(guò)485總線與焊機(jī)通信，并通過(guò)通信設(shè)定和調(diào)整焊機(jī)的焊接電流與焊接電壓來(lái)控制焊機(jī)的送絲、送氣和起弧等焊接動(dòng)作，將焊接動(dòng)作與機(jī)器人的運(yùn)動(dòng)進(jìn)行聯(lián)動(dòng)控制，使機(jī)器人能夠自主移動(dòng)完成自動(dòng)焊接。

4.3 實(shí)驗(yàn)結(jié)果

系統(tǒng)跟蹤起弧后受干擾焊縫圖像的實(shí)驗(yàn)結(jié)果如圖10所示，圖10a和圖10b為采用模板匹配檢測(cè)的跟蹤結(jié)果，圖10c和圖10d為采用本文基于KCF的焊縫跟蹤結(jié)果。由圖10a和圖10c可見，受弧光干擾時(shí)基于KCF的焊縫跟蹤結(jié)果比基于模板匹配的跟蹤結(jié)果更準(zhǔn)確；由圖10b和圖10d可見，在基于模板匹配方法出現(xiàn)受弧光干擾導(dǎo)致的跟蹤錯(cuò)誤時(shí)，基于KCF的焊縫跟蹤仍然能夠準(zhǔn)確跟蹤。

為定量分析跟蹤精度，計(jì)算了100幀受弧光干擾的焊縫圖像跟蹤坐標(biāo)的誤差，其中對(duì)焊接糾偏控制更重要的橫擺方向(y軸方向)坐標(biāo)誤差曲線如圖11所示?；贙CF跟蹤方法誤差的均值和最大值分別為0.33 mm和0.14 mm，而基于模板匹配檢測(cè)跟蹤方法誤差的均值和最大值分別為0.89 mm和0.35 mm，因此基于KCF焊縫跟蹤方法較基于模板匹配檢測(cè)跟蹤方法的誤差要小。這是因?yàn)榛谀０迤ヅ涞慕Y(jié)果受單一模板圖片影響，當(dāng)弧光干擾信息特征對(duì)模板特征影響較大時(shí)會(huì)降低跟蹤精度，甚至發(fā)生跟蹤錯(cuò)誤；基于KCF的跟蹤方法通過(guò)訓(xùn)練大量正負(fù)樣本構(gòu)建分類器可以保證跟蹤精度和可靠性，并通過(guò)不斷更新模型提高了弧光干擾下的適應(yīng)性。

在AM335X處理器、1 G內(nèi)存條件下，兩種算法在嵌入式系統(tǒng)中的處理時(shí)間上，基于模板匹配檢測(cè)的跟蹤算法每幀的平均處理時(shí)間為0.53 s，基于KCF的算法只需0.087 s，處理幀率達(dá)到10幀/s以上，因?yàn)镵CF算法通過(guò)構(gòu)建樣本的循環(huán)矩陣和傅里葉變換減少了計(jì)算量，所以更適合應(yīng)用于嵌入式系統(tǒng)的實(shí)時(shí)控制。

系統(tǒng)對(duì)V型焊縫進(jìn)行焊接，焊接控制工藝參數(shù)如下：焊接電流為150 A，焊接電壓為70 V，爬行速度為10 cm/min，橫擺速度為15 mm/s，焊縫橫擺兩端邊緣的停滯時(shí)間為0.1 s,擺幅為20 mm。焊接過(guò)程中的視覺傳感和焊縫跟蹤結(jié)果如圖8所示，系統(tǒng)焊接控制如圖10所示，可見本文方法能完成焊接運(yùn)動(dòng)和工藝參數(shù)的設(shè)定并實(shí)現(xiàn)焊接運(yùn)動(dòng)控制和焊機(jī)控制。圖7所示為實(shí)際自主焊接過(guò)程，視覺圖像處理結(jié)果通過(guò)焊接控制功能進(jìn)行實(shí)時(shí)糾偏，實(shí)時(shí)糾偏值顯示在圖12的曲線中。整體焊接結(jié)果如圖13所示，圖中實(shí)現(xiàn)了V型焊縫的自主焊接，并能隨移動(dòng)機(jī)器人的移動(dòng)自動(dòng)糾偏，焊接表面比較細(xì)膩，焊接質(zhì)量較好。

5 結(jié)束語(yǔ)

本文設(shè)計(jì)了一種自主移動(dòng)焊接機(jī)器人嵌入式視覺控制系統(tǒng)，研究了系統(tǒng)的線結(jié)構(gòu)視覺傳感原理和焊縫跟蹤控制原理。為解決焊接時(shí)的弧光干擾問(wèn)題，并實(shí)時(shí)、精確、可靠地對(duì)焊縫進(jìn)行跟蹤，采用基于KCF的焊縫跟蹤算法。該算法通過(guò)訓(xùn)練大量正負(fù)樣本構(gòu)建分類器，并利用高斯核函數(shù)映射來(lái)提高跟蹤的精度和可靠性；通過(guò)構(gòu)建樣本的循環(huán)矩陣和傅里葉變換來(lái)減少計(jì)算量，提高跟蹤的實(shí)時(shí)性。自動(dòng)跟蹤算法采用基于ARM Cortex-A8的嵌入式視覺控制系統(tǒng)提取激光視覺傳感器中焊縫的位置和尺寸信息，并通過(guò)控制移動(dòng)機(jī)器人爬行和橫擺對(duì)焊縫進(jìn)行自動(dòng)跟蹤和實(shí)時(shí)糾偏。通過(guò)采用本文設(shè)計(jì)的系統(tǒng)和算法對(duì)大型管道V型焊縫進(jìn)行跟蹤和焊接實(shí)驗(yàn)表明，本文算法的處理幀率能夠達(dá)到10 fps，所設(shè)計(jì)的系統(tǒng)能夠自動(dòng)跟蹤和糾偏，且跟蹤的焊縫軌跡準(zhǔn)確，焊接的表面效果比較平滑細(xì)膩，因此本文設(shè)計(jì)的系統(tǒng)和算法能夠滿足焊接應(yīng)用的要求。其中嵌入式系統(tǒng)可以大幅減少設(shè)備的復(fù)雜程度和體積，提高自主移動(dòng)焊接機(jī)器人在工業(yè)現(xiàn)場(chǎng)焊接的適應(yīng)性。

由于實(shí)際現(xiàn)場(chǎng)焊接的坡口形狀會(huì)有多種復(fù)雜型式，后續(xù)研究將對(duì)本文在V型焊縫采用的基于模板匹配初始焊縫檢測(cè)方法進(jìn)行改進(jìn)，采用機(jī)器學(xué)習(xí)方法對(duì)多種型式焊縫特征進(jìn)行初始檢測(cè)，并與本文跟蹤算法相結(jié)合，進(jìn)一步提高系統(tǒng)的適應(yīng)性。