基于雙目視覺的車身焊點定位誤差補償研究

（武漢理工大學 機電工程學院，湖北 武漢 430070）

引言

點焊作為汽車制造過程中主要的焊接方式，車身焊點的質量決定著整車的力學性能的好壞[1]。焊點質量檢測過程中，目前常用的焊點質量無損檢測方法有超聲波檢測法及渦流檢測法，上述方法雖然檢測原理不同，但均是通過檢測傳感器探頭接收的信號值的差異（回波信號、渦流值）來反映焊點質量的好壞，須盡量保證探頭軸線方向與焊點法線方向相重合，對焊點定位的精度提出較高的要求。同時，考慮到車身制造誤差的影響，傳統機器人示教已無法滿足焊點定位精度的要求。因此，針對如何提高示教機器人對焊點的實時補償精度問題，本研究采用基于雙目視覺引導機器人定位焊點策略，且由于點焊作業中，焊接參數及實際工況等因素的影響，導致焊點的外觀形狀差異較大，為視覺定位焊點增加難度，需構建誤差補償模型，實現焊點的精確定位。

針對如何實現目標物體的精確定位，國內外學者對此做出了許多研究。劉俸材[2-3]等通過仿真分析雙目結構參數對定位精度的影響，得出誤差較小時的結構參數取值范圍；王闖闖[4]等提出了基于支持向量機回歸的誤差補償算法，對焊點進行誤差補償；樊海風[5]等提出一種利用BP(back propagation)神經網絡實現平行式雙目視覺系統的誤差補償；John M[6]等人采用人工神經網絡（artificial neural network，ANN）對機床的軸向定位精度進行誤差補償，定位精度提升了80%；Prakash[7]等人采用反向傳播前饋神經網絡提升CNC 車床的定位精度，實現了將車床的定位精度提升到亞微米級；……