自动焊接系统及方法技术方案

本发明专利技术公开了自动焊接系统，包括传感器标定模块、数据采集和处理模块、焊接位置识别模块、路径规划模块；其主要通过改进的RandLA

【技术实现步骤摘要】
自动焊接系统及方法


[0001]本专利技术属于人工智能领域，特别涉及一种自动焊接系统及方法。

技术介绍

[0002]针对于我国目前的现状，对于待焊接的模型，传统的人工手动焊接具有很大的不便性，耗费人力资源，我国目前的机器人焊接系统大多是基于OpenCV计算机视觉库的系统，为了实现焊前引导，必须首先通过视觉传感系统识别模型和待焊接位置，确定焊接的关键点位置，建立关键点的坐标，发送给机器人，将机器人的机械臂运动到焊接起始点，自动完成焊前导引，待焊接位置识别的准确率与识别精度直接影响焊接系统的精度。
[0003]对于自动焊接系统来说，对于焊接零件的建模特别重要，目前基本使用视觉传感器对待焊接的零件进行识别，那么势必会采集到除了待焊接零件以外的场景。那么在建模的过程中需要将与待焊接零件无关的数据去除就变的极为重要。直接影响到后续焊接位置的识别精度和识别时间。基于目前的方案，现有的自动焊接系统在焊接精度和效率上并不高。焊接的精度和焊接效率直接影响自动焊接系统的实用性。为了能够让自动焊接系统完全取代传统的人工手动焊接，提高其焊接精度和效率是当前必须要解决的问题。

技术实现思路

[0004]本专利技术针对现有技术中存在的问题，提出了一种提高了焊接精度和工作效率的自动焊接系统。
[0005]为实现上述目的，本专利技术提供一种自动焊接系统，包括传感器标定模块、数据采集和处理模块、焊接位置识别模块、路径规划模块；
[0006]其中，传感器标定模块用于对采集待焊接工件数据的传感器进行标定；
[0007]数据采集和处理模块对待焊接工件进行三维点云数据采集，得到第一三维点云，并对第一三维点云进行预处理得到第二三维点云；对第二三维点云进行重建，得到包括完整的待焊接工件的三维点云模型；
[0008]焊接位置识别模块基于RandLA
‑
Net网络结合RandLA
‑
Net语义分割算法对数据采集和处理模块得到的包括了完整的待焊接工件的三维点云模型进行类别识别，得到待焊接工件本体的三维点云模型；然后通过RANSAC算法对待焊接工件本体的三维点云模型进行平面分割，将分割后的平面进行多平面配准，得到组成待焊接位置的点云；
[0009]路径规划模块根据焊接位置识别模块得到组成待焊接位置的点云生成焊接路径。
[0010]进一步，还包括远程监控模块，所述传感器标定模块、数据采集和处理模块、焊接位置识别模块和路径规划模块输出的结果均分别发送到远程监控模块，所述远程监控模块实时监控焊接位置识别与机械臂执行路径规划的过程。这样方便用户在使用的过程中实时的关注焊接的进度。有效的避免了错误焊接的情况。
[0011]本专利技术还提供了一种基于上述自动焊接系统的自动焊接方法，包括以下步骤：
[0012]步骤1：对传感器进行标定；
[0013]步骤2：使用传感器对待焊接工件进行三维点云数据采集，得到第一三维点云；
[0014]步骤3：对第一三维点云进行预处理得到第二三维点云；
[0015]步骤4：对第二三维点云进行重建，得到包括完整的待焊接工件的三维点云模型；
[0016]步骤5：基于RandLA
‑
Net网络结合RandLA
‑
Net语义分割算法对数据采集和处理模块得到的包括了完整的待焊接工件的三维点云模型进行类别识别，得到待焊接工件本体的三维点云模型；
[0017]步骤6：通过RANSAC算法对待焊接工件本体的三维点云模型进行平面分割，将分割后的平面进行多平面配准，得到组成焊接位置的点云；
[0018]步骤7：根据步骤6得到的焊接位置的点云进行路径规划。
[0019]进一步，所述步骤6中通过RANSAC算法对待焊接工件的三维点云模型进行平面分割后，得到待焊接工件各个平面的方程，对得到的平面方程求交线，将每个平面上的点分别投影到对应的交线上，投影到交线上得到的点为组成焊接位置的点，从而得到组成焊接位置的点云。这样能够快速的在平面的交线上找到组成焊接位置的点云。
[0020]进一步，在RandLA
‑
Net网络的局部特征聚合模块中增加注意力机制模块；所述注意力机制模块包括通道注意力子模块和空间注意力子模块；输入特征依次通过通道注意力子模块和空间注意力子模块推断注意力图，然后将输入特征图、通道注意力图和空间注意力图依次相乘进行自适应特征融合。这样能够逐步增加每个点的感受野，学习和感知复杂的几何空间结构，从而保留局部特征、几何细节，在使用随机采样提速的同时，保证信息全面性。从而提高了重建待焊接零件模型的精度。
[0021]更进一步，通道注意力子模块将输入的点云特征F分别进行均值池化和最大值池化；再对特征通道进行全连接，输出通道数为C/r，其中C为通道数，即为输入的特征维度；r为衰减率；接着再使用全连接，使得输出通道恢复为C；最后将均值池化后的特征和最大值池化后的特征进行加和，然后通过激活函数sigmoid，输出后得到通道注意力图M
c
，将最后的通道注意力图M
c
与输入的点云特征F相乘，进行注意机制加权后得到F'，
[0022]更进一步，空间注意力子模块将经过通道注意力子模块加权后的特征F'作为输入，分别通过最大值池化和均值池化后将两个特征进行连接后卷积，然后通过激活函数sigmoid，输出得到空间注意力图M
s
，将最后的空间注意力图M
s
与输入特征F'相乘，进行注意机制加权。
[0023]有益效果：与现有技术相比，本专利技术不仅实现了焊接的智能化和自动化，而且有效提高了焊接位置识别的效率和识别的精度；同时，本专利技术改进了RandLA
‑
Net网络，在局部特征聚合模块中增加注意力机制模块，有效的提升识别的准确率，降低误分割的情况；也能够在加快了学习速度的同时，提升整体精度。
附图说明
[0024]图1为本专利技术提供的自动焊接系统的结构示意图；
[0025]图2为本专利技术提供的自动焊接方法的流程示意图；
[0026]图3为本专利技术使用的RandLA
‑
Net网络结构示意图；
[0027]图4为本专利技术使用的RandLA
‑
Net网络中LFA模块结构示意图；
[0028]图5为注意力机制模块示意图。
具体实施方式
[0029]下面将结合本专利技术实例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例1：
[0031]如图1所示，本实施例公开了一种自动焊接系统，主要包括传感器标定模块、数据采集和处理模块、焊接位置识别模块、路径规划模块和远程监控模块。
[0032]其中，传感器标定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动焊接系统，其特征在于：包括传感器标定模块、数据采集和处理模块、焊接位置识别模块、路径规划模块；其中，传感器标定模块用于对采集待焊接工件数据的传感器进行标定；数据采集和处理模块对待焊接工件进行三维点云数据采集，得到第一三维点云，并对第一三维点云进行预处理得到第二三维点云；对第二三维点云进行重建，得到包括完整的待焊接工件的三维点云模型；焊接位置识别模块基于RandLA
‑
Net网络结合RandLA
‑
Net语义分割算法对数据采集和处理模块得到的包括了完整的待焊接工件的三维点云模型进行类别识别，得到待焊接工件本体的三维点云模型；然后通过RANSAC算法对待焊接工件本体的三维点云模型进行平面分割，将分割后的平面进行多平面配准，得到组成待焊接位置的点云；路径规划模块根据焊接位置识别模块得到组成待焊接位置的点云生成焊接路径。2.根据权利要求1所述的自动焊接系统，其特征在于：在RandLA
‑
Net网络的局部特征聚合模块中增加注意力机制模块；所述注意力机制模块包括通道注意力子模块和空间注意力子模块；输入特征依次通过通道注意力子模块和空间注意力子模块推断注意力图，然后将输入特征图、通道注意力图和空间注意力图依次相乘进行自适应特征融合。3.根据权利要求2所述的自动焊接系统，其特征在于：通道注意力子模块将输入的点云特征F分别进行均值池化和最大值池化；再对特征通道进行全连接，输出通道数为C/r，其中C为通道数，即为输入的特征维度；r为衰减率；接着再使用全连接，使得输出通道恢复为C；最后将均值池化后的特征和最大值池化后的特征进行加和，然后通过激活函数sigmoid，输出后得到通道注意力图M
c
，将最后的通道注意力图M
c
与输入的点云特征F相乘，进行注意机制加权后得到F'，4.根据权利要求2所述的自动焊接系统，其特征在于：空间注意力子模块将经过通道注意力子模块加权后的特征F'作为输入，分别通过最大值池化和均值池化后将两个特征进行连接后卷积，然后通过激活函数sigmoid，输出得到空间注意力图M
s
，将最后的空间注意力图M
s
与输入特征F'相乘，进行注意机制加权。5.根据权利要求1所述的自动焊接系统，其特征在于：还包括远程监控模块，所述传感器标定模块、数据采集和处理模块、焊接位置识别模块和路径规划模块输出的结果均分别发送到远程监控模块，所述远程监控模块实时监控焊接位置识别与机械臂执行路径规划的过程。6...

【专利技术属性】
技术研发人员：刘心维，章佳琪，董春雨，肖建，
申请(专利权)人：南京欧睿三维科技有限公司，
类型：发明
国别省市：