基于3D視覺技術的動力模組自動跟蹤焊接系統研發

中圖分類號：TP273 文獻標志碼：A 文章編號：2095-2945（2025）18-0017-06

Abstract：Withthecontinuousdevelopmentofintellgentmanufacturingtechnology，thedeepintegrationofindustrialrobots andmachinevisiontechnologyhasbecomeakeytrendinindustralproduction.Machinevisiontechnologyhasshowbroad applicationpotentialandachievedsignificantresultsinvariousmanufacturingfields.Weldingisacoretechnologyinindustrial production，yettradionalweldingrobotslackadaptiveablityandcanotmeetthehigheficiencyandqualityrequirementsof inteligentmanufacturing：Thisstudy，basedon3Dmachinevisiontechnology，hasdevelopedanautomaticweldseamtracking lasersystemintegratedintoindustrialobots.Thesystemintegrates3Dvisiontechnologydeepleaming，ightingtchnololasr principles，androbotictechnology.Thefocusofthisstudyincludes：First，establishingthemappingrelationshipbetwenimages androbotcordinatesunderthepremiseofcompletehardwareconfiguration；second，performingthecalibrationofthevision system;hen，forulatingthedatatransmissionandeeptionprotocol;nextdisussingimageprocessingtechques；andfinaly usingneuralnetworktechnologytoautomaticallyobtaintheweldseamtrajectory.Throughtestinginactualaplication，thsystem has been verified to meet the actual needs of automatic weld seam tracking welding.

Keywords：image processing;weld seam positioning;3Dvisionsensor;robot welding;lasersensor hand-eyecalibration

隨著電動汽車和儲能行業的快速發展，對電池的需求、質量和成本要求越來越高，這推動了激光焊接技術的創新和發展。激光焊接技術在新能源領域扮演著核心角色，直接影響電池包的焊接質量和品質。因此，新能源設備制造商和生產型企業都在積極推動激光焊接技術的創新發展。

激光焊接過程中會產生復雜的物理和化學反應，對提高生產效率和質量至關重要。然而，傳統焊接流程對技術員要求高，且在高難度工作過程中產生的高熱焊渣、刺激性煙霧和輻射嚴重威脅人員健康。隨著科技的發展和對人員健康安全的重視，傳統焊接已無法滿足市場對個性化工作環境的需求。工業機器人的廣泛應用為焊接領域帶來了經濟效益，緩解了技術人員緊張的問題。盡管如此，焊接機器人的智能化程度相對較低，主要依賴于離線編程和示教重現2種工作方式。這2種方式都是開環控制，不具備實時反饋和調節功能。當焊接產品需求變化或焊接流程改變時，需要重新示教焊接點位和確定焊接路徑，這影響了工作效率，增加了人工成本，降低了設備兼容性和生產效率，影響了產品交付能力。許多電池廠商正在采用焊接機器人系統，但這些系統的智能化程度仍然有限。示教重現模式需要事先手動示教焊槍的位置和運動路徑，然后精確復現這些路徑。離線編程模式則是基于已知模型參數提前規劃焊接路徑。這2種模式都屬于開環作業，不具備實時反饋和調節功能。示教重現模式需要對不同尺寸和形狀的工件重新示教焊接路徑，離線編程也需要對路徑進行重新規劃，這提高了產品競爭力，降低了生產成本，但也降低了生產效率，影響了生產周期。

因此，提高焊接質量和效率的關鍵在于工業機器人的智能化。實現工業機器人自動焊接控制系統的關鍵技術是閉環控制，能夠實時獲取需要焊接工件的焊縫位置。這將有助于提高焊接質量和效率，降低成本，提高產品競爭力，并優化生產周期

1機器人激光焊接的原理與總述

1.1激光視覺傳感技術原理

激光視覺傳感技術是一種使用激光線束進行測量的技術，以激光三角測量原理為基礎，傳感器在需要焊接的工件上發射一條線激光，通過內部的激光源照射，形成工件表面的激光條紋。之后，接收機將這種斷裂的條紋收集起來，通過幾何轉換關系，結合三維視覺的激光光源，并且具有一定的視角。在視覺坐標中得到條紋位置數據，傳感器保持持續工作，視覺與工件相對運動，得到焊縫工件的三維測量模型構建焊縫工件的三維測量模型。

激光傳感器（LaserSensor）：這類傳感器利用激光技術進行測量，具備出色的抗光和電干擾能力。它們能夠實現快速、高精度、可調節量程的無接觸遠距離測量。這些特性使得激光傳感器成為智能焊接機器人的理想選擇，為焊接過程的自動化和智能化提供了強有力的技術支持。

1.2 本文研究內容

本文主要以機器人為平臺，搭建機器人焊接定位算法的研究與應用，3D視覺導引實時焊接鋰電池模組焊縫的機器人焊接追蹤系統。對所需焊接目標，主要的工作內容有：一是取得焊接所需焊縫的實時信息和焊接姿態，根據焊縫的位置和特點，對焊縫定位算法進行研究；二是為完成機器人焊接系統各環節的數據交互、傳感器控制及工件焊縫信息獲取等工作，實施焊接過程中所需的數據通信和數據采集機制；三是對定位系統關系如圖1所示的3D視覺引導機器人焊接方案的可行性進行驗證。

1.2.1 焊縫定位算法研究

本文主題是模組焊縫定位算法的研究，通過3D視覺獲取電池模組焊縫的焊縫信息，采用閉環實時的焊縫定位算法，能夠為機器人焊接提供準確、有效的數據，快速、準確、可靠地提取焊縫特性。

1.2.2 機器人實時焊接數據采集和通信

通信旨在實現數據的實時交互。一是焊縫定位系統和機器人控制系統的數據交互，二是上位機與3D視覺的算法數據參數通信。

1.2.3焊縫焊接與算法驗證

對機器人焊接系統的可行性和通用性進行同步驗證，以落實定位算法的穩定性、準確性、實用性和實時性。通過對電池模塊不同類型焊縫的實際焊接試驗。在客戶端的量產中對不同類型的焊縫只需對特征和參數微調和校驗，便可以對不同類型的模組進行焊接，滿足不同焊縫的焊接需求。

23D視覺引導機器人自動跟蹤焊接整體方案

本研究詳細介紹了一個由多種硬件設備和軟件環境構成的機器人自動追蹤焊縫系統，并對系統中各個組件的功能和詳細參數進行了深人的章節分析。該系統基于公司實驗室現有的實驗機器人、3D視覺傳感器、激光器、振鏡和PLC等設備構建，旨在開發一個智能化和人性化的自動跟蹤系統，以提升焊接工藝的自動化水平。

在3D視覺引導機器人自動追蹤焊縫中，焊縫處理信息和焊接姿態轉化為機器人坐標系的坐標和姿態，所得焊縫處理信息經算法實時信息處理后，實時傳遞給機器人控制器，通過機器人勻速掃描電池模塊配合3D視覺傳感器，感知焊縫信息并實時傳遞給控制器，從而實現焊縫焊接工作，并將焊縫處理信息和焊接姿態轉化為機器人坐標系的坐標和姿態，而且不需要示教機器人。3D視覺實時引導實現機器人焊接功能。

2.1機器人自動追蹤焊縫硬件平臺

3D 視覺實現動力模組自動跟蹤焊接系統中，將

3D視覺安裝在六軸機器人末端治具上，通過機器人

勻速運動實現3D視覺傳感器掃描電池模組來感知焊縫信息，并實時焊縫信息傳至工業計算機控制器，運用定位算法實時將信息同步處理完成，將得到的焊縫焊接數據信息與焊接姿態轉換成機器人坐標系的坐標與姿態實時傳送給機器人控制器，機器人執行機構實現實時焊縫焊接工作，無需示教器進行點到點示教，即可實現3D視覺實現動力模組自動跟蹤焊接功能。本文主要采用的硬件清單與實現見表1。

2.2機械人追蹤焊接系統工作流程

針對需求和應用場景，設計了3D視覺引導機器人實時焊接的主要工作流程，如圖2所示。首先通過構建焊接平臺來建立視覺與機器人坐標系關系；二是利用焊縫定位算法，通過3D視覺傳感器，獲取焊接坐標和姿態信息，實時取像后機器人根據相關參數信息，對焊接軌跡進行實時準確的控制，最終完成焊縫焊接工作。

2.3機器人焊縫自動追蹤焊接軌跡原理

A為機器人位置的坐標， B 為3D激光線與3D安裝方向的正交點， c 為3D相機掃描的點， L 為焊接頭與激光線的距離， X 為3D相機檢測的值加上焊接點與相機原點的 X 方向的距離（當前實驗室 10mm ）， α 為焊接方向的角度，焊接點 A 前一個點 （X_α-1，Y_α-1） 焊接點 A（X_α，Y_α） ，那么在焊接點 A 的角度為 α ，如圖3所示。

機器人在 c 點的焊接坐標可以根據矢量位置疊加原理進行計算。

根據矢量計算角度 式中： α 為機器人動態角度。

動態矢量 X，Y 方向的矢量計算

X_c=X_?A+Lcosα+Xsinα，

Y_C=Y_A+Lsinα+Lcosα 式中： ?：X_c 為機器人 X 方向矢量， Y_c 為機器人 Y 方向矢量。

2.4機器人焊接追蹤系統方法與步驟

1）運用控制變量法，改變掃描方式，掃描步長，工裝板波動大小分別進行3D引導焊縫追蹤，并記錄機器人運動軌跡，與CAD軌跡進行對比分析，并將量化的數據用圖形展示出來，進行誤差分析。

2）該實驗機器人速度為50、100和 200mm/s ，相機頻率為機器人觸發，機器人閉環速度達到勻速后通過脈沖信號觸發3D相機取像，3D相機收到觸發完成信號就以TCP/IP的方式實時發送數據給機器人，機器人基于當前坐標、角度，以及收到的相機的坐標計算出當前掃描點焊接的位置，以此循環往復，邊掃邊焊。

3機器人焊縫自動追蹤技術

動力模組的焊縫位置與姿態是機器人進行實時焊接重要的數據信息，同時也是驗證焊縫定位算法的核心點。基于3D視覺傳感器的工作原理和取像特性，數據類型，通過分析電池模組焊縫的焊接要求，本文融合3D視覺與機器人技術，提出一種閉環實時的焊縫定位算法來獲得焊縫所需信息，并計算得到焊縫點的實時焊接所需的姿態信息。本章通過圖像灰度直方圖特征選取合適的邊緣算子對焊縫進行粗略定位，通過鄰邊連接最小二乘法平滑進行邊緣處理，根據點云數據轉換關系獲取焊縫位置信息，經過焊縫連接的2個平面向量法，通過算法得到機器人焊接過程中所需要的相關參數與姿態。

3.1灰度直方圖特征獲取

在焊接過程中，由于激光和煙霧的干擾，圖像可能會出現局部過亮和過暗，影響焊縫表面信息的提取。本研究采用直方圖均衡化技術對像素值進行重新分配，以實現影像灰度值的均衡分布，提升影像對比度，突出焊縫影像背景區域，從而提取更清晰的焊縫影像信息。

3.2 圖像濾波

激光焊接過程中產生的飛濺現象會在圖像中產生噪點，影響焊縫的精確度。采用圖像濾波技術可以顯著減少噪點，改善畫面平滑效果。常用的圖像濾波方法包括中值濾波、均值濾波和高斯濾波。在焊接金屬行業中，由于獲取的圖像噪聲主要為高斯噪聲，因此高斯濾波通常能取得最佳效果。

3.3 邊緣檢測

經過灰度直方圖均衡化和濾波處理后，圖像的輪廓和對比度得到改善，焊縫位置信息更加準確。從影像中提取焊縫的邊緣可以得到精確的焊縫位置信息，常用的邊緣檢測算子有索貝爾、羅伯茨、坎尼等算子本文采用羅伯茨實時定位策略。在激光高熱環境下，實現實時跟蹤焊縫，可靠準確檢測焊縫位置，實現機器人焊接的高效流暢。

3.4 目標追蹤算法KCF

KCF算法因其高檢測效率、高精度定位和快速響應而在焊接領域得到廣泛應用。該算法將焊接過程視為一系列連續幀圖像，并在這些連續圖像中應用KCF算法進行目標跟蹤和焊縫目標提取，通過算法的連貫處理獲得焊縫坐標數據。

3.5連續卷積算子追蹤法

連續卷積算子追蹤法是通過連續卷積算子來提高目標追蹤的精確性和魯棒性，利用不同卷積等級的特點，對目標的多方面特征進行描述和捕捉，從而達到精準追蹤目標的方法。該算子的特點是在連續的空間域中，利用隱式插值模型進行學習訓練，將學習的一組卷積濾波器產生的連續域置信度圖與多分辨率的特征圖進行整合，從而實現精準的特征點跟蹤焊接機器人。

3.6 深度學習-BP神經網絡

BP神經網絡算法包括2個基本過程：正向傳播和逆向傳播。正向傳播涉及從初始輸入到輸出差值的非線性變換，生成預測值和誤差值。逆向傳播則利用正向傳播生成的誤差值，通過梯度下降算法自動調節層參數，實現逆向傳播，最終達到局部最優的模型參數。

3.6.1 BP神經網絡的參數自動調節

在參數調整過程中，我們通常會設定一個下降的速度緩慢的二次函數 y=x² ，這個階段就會在 f^′（x） 前面添加學習率，因此，整個梯度下降的公式為： x-n×f^′（x） 。

3.6.2 BP神經網絡結構

如圖4所示，經過正向傳輸，我們最終可以得到y₁，y₂，y₃…y_j 等，這時就會產生對應的損失函數，這里用均方誤差作為損失函數。則有 ，式中： wh_j 是系統輸入 bh 是輸人權重 β_j 系統線性結果。

激活函數： ，

式中： f（x） 為激活函數， y_j^k 是神經元輸出。損失函數： ，

式中： 是網絡實際輸出值， 是目標輸出。梯度下降算法，則此時對于參數 wh_j 則有 鏈式法則可得：Ek 當激活函數時可得 ：f^′（x）=（f（x）（1-f（x））） 。

激活函數后生成結果： Δwh_j=ugibh 。

據理可得對應模糊層的參數按照上述的邏輯方式進行梯度調整。

3.6.3 BP神經的路徑最優

BP神經網絡的損失函數是路徑最優的基礎，損失函數只是輸出層中的某個神經元對應的損失，目標是要最小化的整體訓練集的累積誤差。那么就有對應的累積誤差：

當對應參數進行調整時，隨訓練輪數的增加，累積誤差若已經小于設定的閾值即為符合條件內的路徑最優。

4焊縫跟蹤實驗結果與數據分析

機器人速度 50mm/s 軌跡焊接精度如圖5所示。

機器人速度 200mm/s 軌跡焊接精度如圖6所示。

機器人自動追蹤焊接焊縫功能在焊接過程中，焊縫定位精度與機器人速度存在反比關系，機器人速度在 200mm/s 以內焊接精度最高，機器人速度超過200mm/s 以上速度越高焊接精度越低，存在不好的點越多。

5結束語

本文通過在機器人焊接過程中集成三維視覺系統，顯著提升了焊縫定位的精確度。該系統能夠實時捕捉焊縫圖像并輸出結果，確保了焊縫特征點的精確位置信息可以通過3D視覺系統獲得，為機器人在動態焊接過程中提供了關鍵的定位保障。在準確獲取焊縫邊緣信息后，本文將圖像處理技術應用于機器人焊接控制系統中的焊縫特征提取與定位，通過工控機的快速處理與通信，增強了系統的靈活性和精確性。在焊接過程中，機器人利用焊縫目標追蹤算法精確跟蹤特征點的位置，迅速提取焊縫的實時特征點。通過實現算法驗證和電池模組焊縫焊接應用，本文對焊縫定位算法的軌跡精度進行了驗證，并同步測試了機器人焊接系統的實時性、通用性、穩定性和可靠性，以及檢測焊縫定位算法的可行性，

綜上所述，本文提出的基于3D視覺的自動焊接追蹤技術能夠滿足客戶在現場對不同電池模塊不同焊縫的通用性、穩定性和實時性需求。

參考文獻：

[1]馬國棟，王延深，史小田，等.激光焊接頭焊縫自動檢測及跟蹤研究[J].激光與光電子學進展，2018，55（11）：382-388.

[2]李曉延，武傳松，李午申.中國焊接制造領域學科發展研究[J].機械工程學報，2012，48（6）：19-31.

[3]呂陽，魏海坤，張侃健.圖像處理用于機器人焊接焊縫偏移的測量研究[J].信息技術與信息化，2019（2）：168-171

[4]李坤全，文睿.焊接機器人焊縫模糊PID跟蹤控制[J].控制工程，2017，24（2）：351-354.

[5]鄒焱飚，周衛林，王研博.基于概率連續模型的激光視覺焊縫

自動跟蹤[J].機械工程學報，2017，53（10）：70-78.

[6]李小剛，富巍.基于激光測距的機器人焊縫跟蹤研究[J].裝備制造技術，2018（6）：161-165.

[7]李曉輝，汪蘇，劉小輝，等.焊接機器人智能化的發展[J].電焊機，2005（6）：39-41.

[8]楊星濤，庫祥臣，趙歡樂，等.基于改進遺傳算法的時間最優軌跡規劃[J].制造技術與機床，2022（3）：74-79.