Automatic Extraction of Welding Trajectories for V-Groove Welds Based on 3-D Active Vision Imaging
本文提出了一种基于三维主动视觉的方法，该方法通过融合显著性特征进行激光条纹分割，采用灰度引力算法进行中心提取，并利用最小二乘拟合技术，在存在反射干扰的情况下，仍能高精度地自动提取反射型V型坡口焊缝的焊接轨迹。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个机器人是终极劳动力的世界，但它们患有一种严重的“眩光盲症”。在制造业的高端竞技场中，焊接是熔合金属的艺术，这一过程传统上依赖于人手。但人类会疲劳，而且这项工作很危险。所以，我们制造了机器人来完成它。问题在于？当世界变得混乱时，机器人的视觉表现极其糟糕。如果你试图引导机械臂去焊接一条闪亮的、具有反射性的金属焊缝，机器人的摄像头会被金属本身的耀眼反光、焊接时的电弧闪烁以及混乱的飞溅火花所迷惑。这就像是戴着一副不断下滑的墨镜，试图在一堆亮片中寻找一根特定的线。为了解决这个问题，科学家们使用了“主动视觉”，这基本上就是让机器人向金属上投射一条明亮且细长的激光线，并通过观察这条线的弯曲和断裂情况来确定焊缝的位置。但当金属具有超强反射性时，那条激光线会迷失在噪声的海洋中，使机器人几乎无法知道该往哪里走。
这就是来自中国多所大学的楼静静及其团队所解决的难题。他们想要教会机器人如何在闪亮的表面上“看见”一个 V 形槽焊缝，而不被反射干扰。把他们的解决方案想象成一个用于清理杂乱照片的三步魔术。首先，他们创建了一个名为“显著特征融合”的特殊过滤器。想象你正在看一张亮闪闪的汽车上的激光线照片，但背景是一片混乱的反光。他们的方法就像是一个超级聪明的编辑，准确知道一条激光线应该是什么样子。它结合了观察图像的两种不同方式：一种通过测量“颜色距离”来忽略奇怪的背景眩光，另一种则使用数学上的“小波”技术（可以理解为使用特殊镜头进行缩放）来寻找激光的锐利、明亮的边缘。通过融合这两种视角，他们可以剥离背景噪声，只留下干净、明亮的激光条纹，即使金属表现得像一面镜子。
一旦他们得到了干净的激光条纹图像，下一步就是找到那条线的精确中心。这非常困难，因为由于噪声的存在，线条看起来可能会显得锯齿状或摇晃。团队使用了一种“灰度-重力”（Gray-Gravity）算法，这就像是在寻找跷跷板的重心。他们计算光强在条纹上的平衡点，以找到其中点。但为了确保线条完美平滑并能供机器人跟随，他们应用了一种使用 Savitzky-Golay 滤波器的“二次平滑”技术。你可以把它想象成拿着一张粗糙、草图般的激光线铅笔画，然后用平滑工具在其上反复涂抹，直到它变成一条完美的、流动的曲线。这确保了机器人不会被数据中微小的、虚假的起伏所迷惑。
最后，有了平滑且准确的线条，团队需要将这条二维线条转化为机器人可以遵循的三维路径。他们提取了沿激光线的点，并使用了“最小二乘拟合”方法。简单来说，这就像是在一团点云中拉紧一根橡皮筋，以找到代表焊缝的最直路径。他们还增加了一个安全检查，剔除任何偏离轨道太远的“异常值”点，从而确保最终路径的可靠性。
他们的实验结果非常令人印象深刻。当他们在真实的 V 形槽焊缝上测试这种方法时，机器人的路径跟踪能力非常精确。论文报告称，机器人在 X 方向的最大误差仅为 0.51 mm，Y 方向为 0.40 mm，Z 方向为 0.29 mm。这些数字表明，该方法成功克服了由反射和背景噪声引起的干扰，为机器人焊接复杂、闪亮的材料提供了一种稳健的方法，而无需人类不断纠正其航向。虽然论文并未声称这解决了宇宙中所有的焊接问题，但它展示了在帮助机器人在一个极其耀眼的世界上看清世界方面，迈出了清晰且有效的一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。