基于语义分割网络的点云焊缝识别研究

摘要

复杂构件的免示教焊接虽具有自动化程度高、人工成本低的优点，但其成功应用高度依赖于适应性与鲁棒性俱佳的焊缝识别方法。现有的大多数方法在工件繁多或环境恶劣的工况下，识别成功率普遍较低。本文提出一种基于语义分割网络的点云焊缝识别方法。该方法由相机采集工件的灰度图像和三维点云，根据灰度图像，采用DeepLabv3-ResNet50语义分割网络训练焊缝平面提取模型。在模型部署阶段，利用训练得到的焊缝平面提取模型计算焊缝相邻平面的像素坐标，基于像素坐标反向投射回三维点云中，经过平面求交算法计算出三维点云中的焊缝线段。最后通过坐标转换，得到焊缝线段在机器人坐标系下的位置。实验结果表明：生成的轨迹与人工示教轨迹平均偏差为0.208 mm，识别精度为95.3%。相比于传统的点云曲率采样方法和八叉树点云采样方法，本文提出的方法在面对具有多平面工件和强曝光环境中对焊缝的提取具有更高的鲁棒性，且能适配不同环境的焊缝识别。

关键词

焊缝识别 / 语义分割网络 / 点云处理 / 机器人路径规划

基金资助

武汉工程大学研究生教育创新基金（CX2024415）