TỔNG QUAN
Nhu cầu thực tiễn của đề tài
Trong quá trình gia công cơ khí, nguyên công hàn là một trong những nguyên công rất quan trọng và được sử dụng rất rộng rãi, phổ biến trong việc liên kết các chi tiết lại với nhau Công nghệ hàn là quá trình công nghệ sản xuất các kết cấu không tháo rời từ kim loại, hợp kim và các vật liệu khác bằng cách dùng nguồn nhiệt để nung nóng chỗ cần nối đến trạng thái hàn Sau đó, kim loại lỏng tự kết tinh hoặc dùng thêm ngoại lực ép chúng lại với nhau để tạo thành mối hàn Hàn nóng là phổ biến nhất có thể liên kết hầu hết các kim loại, phi kim, kể kim loại và hợp kim không đồng nhất Nguyên lý chung của hàn nóng là dùng nhiệt để làm nóng chảy kim loại cơ bản hay kim loại bổ sung ở chỗ mối hàn, sau đó để cho kim loại lỏng nguội, đông đặc và kết tinh tạo thành mối liên kết hai hay nhiều chi tiết lại với nhau thành một khối bền vững
Công nghệ hàn có nhiều ưu điểm và được ứng dụng rộng rãi trong quá trình chế tạo:
- Các kết cấu phức tạp, siêu trường, siêu trọng; có thể nối được các kim loại có tính chất khác nhau; tạo được các chi tiết có hình dạng, kết cấu phức tạp
- Có độ bền cao, kín đáp ứng yêu cầu làm việc của các kết cấu quan trọng như vỏ tàu, bồn bể, nồi hơi, thiết bị áp lực, …
- Tiêu tốn ít kim loại, giảm chi phí và rút ngắn thời gian sản xuất so với các nguyên công khác Với cùng khả năng làm việc, so với các phương pháp nối ghép khác (bằng bulong, đinh tán…) kết cấu hàn cho phép tiết kiệm từ 10 ÷ 20% khối lượng kim loại So với đúc, hàn có thể tiết kiệm được tới 50% khối lượng kim loại
- Hàn có tính linh hoạt và năng suất cao so với các công nghệ khác, dễ cơ khí hóa, tự động hóa quá trình sản xuất
- Mức độ đầu tư cho sản xuất hàn không cao
Tuy nhiên, do trong quá trình hàn, vật liệu chịu tác động của nguồn nhiệt có công suất lớn, tập trung và trong một thời gian ngắn, nên kết cấu hàn thường có những nhược điểm sau:
- Tổ chức và tính chất của kim loại tại vùng mối hàn và khu vực lân cận có thể thay đổi theo chiều hướng xấu, làm giảm khả năng chịu lực của kết cấu, đặc biệt khi làm việc dưới tác dụng của tải trọng động, tải trọng biến đổi theo chu kỳ …
- Trong kết cấu hàn thường tồn tại ứng suất và biến dạng dư, ảnh hưởng đến hình dáng, kích thước, tính thẩm mỹ và khả năng làm việc của sản phẩm
- Nguyên công hàn cũng có độ chính xác thấp, chi tiết hàn dễ bị cong, vênh
- Một hạn chế lớn nữa của nguyên công hàn là môi trường làm việc độc hại do nhiệt độ tia lửa điện rất cao trên 3000 0 C, tia lửa hàn còn có chứa tia UV có bước sóng 315 mm, khói hàn chứa khí He, Ar, CO2… là nguyên nhân gây nên các bệnh về da, mắt (viêm giác mạc), gây tổn thương đường hô hấp (ung thư phổi, ung thư thanh quản), ảnh hưởng lớn đến sức khỏe của người công nhân vận hành
Những ảnh hưởng của quá trình hàn đối với người vận hành:
Các bệnh về mắt: tia lửa hàn có thể gây ra các bệnh về mắt, mắt rất dễ bị tổn thương khi tiếp xúc với nguồn sáng quá mạnh đến từ ánh sáng hồ quang Việc thường xuyên nhìn vào tia lửa của que hàn sẽ khiến mắt bị tổn thương dẫn đến viêm giác mạc do trong ánh sáng tia lửa hàn có chứa tia UV có bước sóng 315mm, khi nhìn quá lâu vào sẽ khiến cho mắt bị nhiễm độc Ngoài ra trong tia lửa hàn còn chứa bức xạ và nhiệt có thể gây ra bệnh viêm quang – giác mạc
Gây bệnh về đường hô hấp: Khi que hàn cháy, sinh ra nhiều khí độc hại như khí cacbonic, bụi silic, bụi măng gan, bụi oxit kẽm…Nếu hít phải các loại bụi này sẽ gây độc hại cho hệ hô hấp và sức khỏe của người thợ hàn hoặc thợ đứng máy vận hành thực hiện nguyên công
Gây bỏng da: Khi hàn, các tia lửa hàn bắn ra kèm theo là kim loại lỏng ở nhiệt độ cao có thể gây bỏng da cho thợ hàn và những người xung quanh đó
Hình 1.1 Người công nhân hàn làm việc trong môi trường độc hại
Phương pháp hàn được tích hợp trên cánh tay robot
1.2.1 Các phương pháp hàn phổ biến
Có nhiều cách phân loại phương pháp hàn, cách phân chia phổ biến nhất là theo dạng năng lượng sử dụng và theo trạng thái kim loại mối hàn tại thời điểm hàn Căn cứ vào dạng năng lượng sử dụng, ta chia thành các nhóm sau:
- Các phương pháp hàn điện: dùng điện năng biến thành nhiệt năng để cung cấp cho quá trình hàn
- Các phương pháp hàn cơ học: sử dụng cơ năng để làm biến dạng kim loại tại
- Các phương pháp hàn hóa học: sử dụng năng lượng do các phản ứng hóa học tạo ra để cung cấp cho quá trình hàn
- Các phương pháp kết hợp: kết hợp các dạng năng lượng nêu trên
Theo trạng thái của kim loại mối hàn tại thời điểm hàn người ta chia các phương pháp hàn thành hai nhóm: hàn nóng chảy và hàn áp lực
- Hàn nóng chảy: hàn khí, hàn điện xỉ, hàn hồ quang, hàn laze, hàn plasma, hàn chùm tia điện tử, hàn hóa nhiệt
- Hàn áp lực: hàn siêu âm, hàn nổ, hàn nguội, hàn điện tiếp xúc, hàn ma sát, hàn khuếch tán, hàn cao tần, hàn rèn, hàn khí ép
Theo hình dạng mặt cắt ngang, người ta phân biệt các mối hàn thành hai loại: mối hàn giáp mối (giáp mép, đối đầu), và mối hàn góc
Hình 1.2 Mối hàn giáp mối (a) và mối hàn góc (b)
Mối hàn giáp mối: được đặc trưng bằng các kích thước, chiều rộng b, chiều cao h , chiều cao phần nhô e Hình dạng của mối hàn giáp mối được coi là hợp lý khi tỷ số b h (hệ số ngấu) có giá trị từ 0.8 ÷ 4, còn tỉ số b e (hệ số hình dạng) dao động trong khoảng 7 ÷ 10
Mối hàn góc: thường được coi là mối hàn mà tiết diện ngang có dạng là một tam giác vuông cân cạnh là K Do nhiều yếu tố công nghệ và kỹ thuật thực hiện mà mối hàn góc có thể có các dạng bề mặt khác nhau
Hình 1.3 Các loại mối hàn góc a) Mối hàn góc có bề mặt phẳng; b) Mối hàn góc có bề mặt lồi c) Mối hàn góc có bề mặt lõm; d) Mối hàn góc không đều cạnh có bề mặt phẳng
Trên cơ sở mối hàn giáp mối và mối hàn góc người ta có thể tạo ra các loại liên kết hàn khác nhau a) b) c) d)
Hình 1.4 Một số liên kết hàn điển hình a) Liên kết hàn giáp mối; b) Liên kết hàn chồng; c) Liên kết hàn góc; d) Liên kết hàn chữ T
Trong các phương pháp hàn đã giới thiệu ở trên thì hàn hồ quang, hàn khí, hàn hồ quang dưới lớp thuốc và trong môi trường khí bảo vệ được ứng dụng phổ biến nhất ở nước ta Riêng đối với ứng dụng cánh tay robot vào nguyên công hàn (hàn tự khí bảo vệ là phổ biến và thông dụng nhất cho ứng dụng hàn tự động trên cánh tay robot công nghiệp
1.2.2 Hàn hồ quang bằng điện cực nóng chảy trong môi trường khí bảo vệ
Hàn hồ quang bằng điện cực nóng chảy trong môi trường khí bảo vệ là quá trình hàn nóng chảy trong đó nguồn hàn được cung cấp bởi hồ quang tạo ra giữa điện cực nóng chảy (dây hàn) và vật hàn; hồ quang và kim loại nóng chảy được bảo vệ khỏi tác dụng của ôxi và nitơ trong môi trường xung quanh bởi khí bảo vệ
Khí bảo vệ có thể là khí trơ (Ar, He hoặc hỗn hợp Ar + He) không tác dụng với kim loại lỏng trong khi hàn, còn được gọi là phương pháp hàn MIG (Metal Inert Gas) hoặc là các loại khí hoạt tính (CO2; CO2 + O2; CO2 + Ar…) có tác dụng chiếm chỗ và đẩy không khí ra khỏi vùng hàn để hạn chế tác động xấu của nó đến cơ tính của mối hàn, còn được gọi là phương pháp hàn MAG (Metal Active Gas)
Vì các loại khí trơ có giá thành cao nên không được ứng dụng rộng rãi, chỉ dùng để hàn kim loại màu và thép hợp kim Phương pháp hàn MAG sử dụng khí bảo vệ
CO2 được ứng dụng rộng rãi dó có rất nhiều ưu điểm:
- CO2 là loại khí dễ kiếm, dễ sản xuất và giá thành thấp
- Năng suất hàn trong CO2 cao gấp 2.5 lần so với hàn hồ quang tay
- Tính công nghệ của hàn trong CO2 cao hơn so với hàn hồ quang dưới lớp thuốc vì có thể tiến hành ở mọi vị trí không gian khác nhau
- Chất lượng hàn cao Sản phẩm hàn ít bị cong vênh do tốc độ cao, nguồn nhiệt tập trung, hiệu suất sử dụng nhiệt lớn, vùng ảnh hưởng nhiệt hẹp
- Điều kiện lao động tốt hơn so với hàn hồ quang tay
- Hàn được các loại thép kết cấu thông thường, thép không gỉ, thép chịu nhiệt, thép bền nóng, các hợp kim đặc biệt, các hợp kim nhôm, kẽm, đồng, các hợp kim có ái lực hóa học mạnh với oxi
- Phương pháp hàn này có thể sử dụng được ở mọi vị trí trong không gian Chiều dày vật hàn từ 0.4 ÷ 4.8 mm thì chỉ cần hàn một lớp mà không cần vát mép, từ 1.6 ÷ 10 mm – hàn một lớp có vát mép, còn từ 3.2 ÷ 25 mm thì hàn nhiều lớp Công nghệ hàn hồ quang điện cực nóng chảy trong môi trường khí bảo vệ:
- Dây hàn: khi hàn MAG thường sử dụng dây hàn có đường kính từ 0.8 đến 2.4 mm
+ Khí Ar tinh khiết (~100%) thường được dùng để hàn kim loại màu
+ Khí He tinh khiết (~100%) thường được dùng để hàn các liên kết có kích thước lớn với các vật liệu có tính dẫn nhiệt cao như Al, Mg, Cu,…
+ CO2 được dùng rộng rãi để hàn thép cacbon và thép hợp kim thấp, do giá thành thấp, mối hàn ổn định, cơ tính của liên kết hàn đạt yêu cầu, tốc độ hàn cao và độ ngấu sâu Nhược điểm của hàn trong khí bảo vệ CO2 là gây bắn tóe kim loại lỏng
+ Dòng điện hàn: được chọn phụ thuộc vào kích thước điện cực (dây hàn) dạng truyền kim loại lỏng và chiều dày của liên kết hàn
+ Điệp áp hàn: đây là thông số rất quan trọng trong hàn GMAW, quyết định dạng truyền kim loại lỏng Điện áp hàn sử dụng phụ thuộc vào chiều dày chi tiết hàn, kiểu liên kết, kích cỡ và thành phần điện cực, thành phần khí bảo vệ, vị trí hàn… Để có được giá trị điện áp hàn hợp lý, có thể phải hàn thử vài lần, bắt đầu bằng giá trị điện áp hồ quang theo tính toán hay tra bảng, sau đó tăng hoặc giảm theo quan sát trên đường hàn để điều chỉnh giá trị điện áp thích hợp
+ Tốc độ hàn: tốc độ hàn quyết định chiều sâu ngấu của mối hàn Nếu tốc độ hàn thấp, kích thước vũng hàn sẽ lớn và ngấu sâu Khi tăng tốc độ hàn, tốc độ cấp nhiệt của hồ quang sẽ giảm, làm giảm độ ngấu và thu hẹp đường hàn
+ Góc nghiêng: thường nghiêng khoảng 10 ÷ 20 0 so với chiều thẳng đứng [1]
Bảng 1.1 Chế độ hàn hồ quang điện cực nóng chảy, khí bảo vệ CO2
Thông số hàn Đường kính dây hàn (mm)
42 Bảng 1.2 Chế độ hàn tự động liên kết hàn góc, khí bảo vệ CO2
(mm) Đường kính dây hàn (mm)
Cạnh mối góc hàn (mm)
Dòng điện hàn (A) Điện áp hàn (V)
Không nhỏ hơn cạnh mối hàn
2.0 7.0 – 9.0 1 320 – 380 30 – 35 20 – 25 2.0 9.0 – 11.0 2 320 – 380 30 – 38 24 – 28 2.0 11.0 – 13.0 3 320 – 380 30 – 38 24 – 28 2.0 13.0 – 15.0 4 320 - 380 30 – 38 24 – 28 Bảng 1.3 Chế độ hàn tự động liên kết hàn giáp mối, khí bảo vệ CO2
Chiều dày tấm (mm) Đường kính dây hàn (mm)
Dòng điện hàn (A) Điện áp hàn (V)
Trong nền công nghiệp hiện đại, hàn hồ quang nóng chảy trong môi trường khí bảo vệ chiếm một vị trí rất quan trọng Nó không những có thể hàn các loại thép kết cấu thông thường, mà còn có thể hàn các loại thép không gỉ, thép chịu nhiệt, thép bền nóng, các hợp kim đặc biệt, các hợp kim nhôm, niken, đồng Phương pháp hàn này có thể sử dụng được ở mọi vị trí trong không gian Chiều dày vật hàn từ 0.4 ÷ 0.8 mm thì chỉ cần hàn một lớp mà không phải vát mép, từ 1.6 ÷ 10 mm – hàn một lớp có vát mép, còn từ 3.2 ÷ 25 mm thì hàn nhiều lớp.
Ứng dụng cánh tay robot thông minh vào nguyên công hàn
Ngày nay, các robot thương mại và robot công nghiệp được sử dụng phổ biến để thực hiện các công việc chính xác và đáng tin cậy hơn con người Các robot cũng được sử dụng thay thế cho con người làm việc trong các môi trường ô nhiễm, nguy hiểm hoặc các công việc có tính lặp đi lặp lại – đơn điệu Trong công nghiệp, robot sử dụng phổ biến cho các ứng dụng lắp ráp, đóng gói sản phẩm hay vận chuyển hàng hóa trong các dây chuyền sản xuất hàng loạt Đối với quá trình gia công sản xuất nói chung và nguyên công hàn nói riêng thì dạng robot được sử dụng nhiều nhất là cánh tay robot công nghiệp, bởi vì cánh tay robot có khả năng di chuyển linh hoạt, tốc độ di chuyển nhanh, độ chính xác cao nên phổ biến hơn cả Hơn nữa hiện nay, tất cả các hãng cánh tay robot công nghiệp lớn trên thế giới như ABB, Motoman, Kuka, Fanuc, OTC Daihen… đều có các dòng sản phẩm robot chuyên dùng cho chức năng hàn Điều đó tạo nên sự tiện lợi và dễ dàng cho người vận hành robot Cánh tay robot hàn mang lại rất nhiều lợi ích như tăng năng suất; nâng cao độ chính xác, chất lượng mối hàn; ứng dụng linh hoạt về sản phẩm hàn, biên dạng hàn, hạn chế con người làm việc trong môi trường độc hại
Hình 1.5 Ứng dụng cánh tay robot công nghiệp vào nguyên công hàn
Tuy nhiên, cánh tay robot vẫn còn một số hạn chế nhất định: để cho robot công nghiệp thực hiện nguyên công hàn, người vận hành phải tốn nhiều thời gian cho việc lập trình chương trình quỹ đạo đường hàn và mỗi chương trình như vậy chỉ đúng cho một dạng đường hàn nhất định Hơn nữa, tuy là cánh tay robot hoạt động ổn định và có sai số vị trí nhỏ nhưng sai số của đường hàn vẫn còn lớn Bởi vì, sai số và chất lượng mối hàn còn phụ thuộc vào sai số của việc gá đặt, sai số của các quá trình nguyên công phía trước đó và sự dãn nở vật liệu trong quá trình hàn Thông thường, các nguyên công phía trước nguyên công hàn là dập, đột, cắt,… đều có sai số lớn hơn ± 1mm; bên cạnh đó nhiệt độ ở đầu hàn rất cao sẽ gây ra dãn nở vì nhiệt, điều đó làm thay đổi vị trí của đường so với ban đầu
Hình 1.6 Người công nhân lập trình chương trình cho robot hàn
Trước sự phát triển mạnh mẽ của khoa học kỹ thuật những năm gần đây, đặc biệt là trong lĩnh vực thị giác máy tính, từ các thiết bị phần cứng như camera, các bộ xử lý chuyên biệt cho hệ thống xử lý ảnh…, cho đến các thuật toán xử lý ảnh đều được phát triển mạnh mẽ Tạo nên xu hướng ứng dụng hệ thống vision vào cánh tay robot, điều đó được ví như gắn thêm “con mắt” vào robot đã có “tay”, hình thành nên hệ thống “robot thông minh”, cùng với đó là các thuật toán machine learning, artificial intelligence được xem như là “bộ não” để xử lý khối lượng thông tin lớn, phức tạp càng giúp robot trở nên thông minh hơn Điều này giúp con người có thể giải quyết các bài toán, vấn đề phức tạp hơn mà cánh tay robot đơn thuần không giải quyết được Quay lại bài toán cải thiện sai số đường hàn của cánh tay robot, qua quá trình tìm hiểu và nghiên cứu tác giả xin đề xuất giải pháp thiết kế một hệ thống thị giác tích hợp trên cánh tay robot có thể đáp ứng nhu cầu tự động hóa nguyên công hàn và cải thiện sai số đường hàn [2].
Các thiết bị dò đường hàn công nghiệp trên thị trường
1.4.1 Thiết bị dò đường hàn tích hợp trên robot hãng Yaskawa
Hãng Yaskawa đã phát triển các phần mềm MotoEye™ LT laser seam-tracking và MotoEye SF seam-finding dựa trên hệ thống phần cứng laser camera của hãng Servo-Robot chuyên dùng cho các ứng dụng hàn hồ quang
Thông số kỹ thuật hệ thống laser camera hãng Servo-Robot:
- Average range of resolution: 0.10 mm
Hệ thống cảm biến trên tương thích với bộ điều khiển robot dòng Motoman XRC và NX100, giao tiếp thông qua giao diện high-speed Ethernet
Hình 1.7 Cảm biến laser camera hãng Servo-Robot tích hợp trên robot Yaskawa
Ngoài ra, hãng Yaskawa đã phát triển hệ thống cảm biến MotoSense Vision tích hợp với bộ điều khiển của robot DX200
Hình 1.8 Hệ thống robot tích hợp với cảm biến MotoSense của hãng Yaskawa
Cảm biến MotoSense có chức năng phát hiện đường hàn và giám sát quá trình hàn của cánh tay máy
Thông số kỹ thuật của cảm biến MotoSense:
- Communication: Profibus, Profinet, I/O communication, Ethernet
Hệ thống hoàn chỉnh bao gồm: MotoSense Vision module, Image Process Cotroller, DX controller, welding robot arm Yaskawa
Hình 1.9 Giao diện phần mềm dò tìm đường hàn của hệ thống MotoSense 1.4.2 Thiết bị dò đường hàn tích hợp trên robot hãng Panasonic
Hãng Valk Welding phát triển dòng sản phẩm cảm biến Arc-Eye laser cho ứng dụng dò đường hàn real-time Hầu hết các dòng cảm biến dò đường hàn khác đều dùng vết laser dạng line, riêng dòng cảm biến Arc-Eye laser sử dụng laser dạng circular Nhưng hệ thống cảm biến này chỉ được tích hợp trên robot hãng Panasonic
Hình 1.10 Giao diện phần mềm dò tìm đường hàn bằng cảm biến laser Arc-Eye
- Laser out: 670 nm, 4.5 mW, class 3R
- System out: digital/analogue, I/O, RS-232, Ethernet
1.4.3 Thiết bị dò đường hàn tích hợp trên robot hãng OTC Daihen
Hãng robot Daihen OTC phát triển nhiều dòng sản phẩm cảm biến hỗ trợ cho robot hàn như: FD-AR, FD-WD, FD-TR, FD-SFH, FD-QD, FD-LT
Hình 1.11 Hãng DAIHEN cung cấp nhiều dòng cảm biến dò tìm đường hàn 1.4.4 Thiết bị dò đường hàn hãng SCANSONIC
SCANSONIC là công ty chuyên cung cấp các hệ thống cảm biến dò, kiểm tra đường hàn “seam tracking sensor”, được sử dụng phổ biến trên các dòng robot của FANUC, KUKA, YASKAWA, DELTA
Thông số kỹ thuật cảm biến FH6D
Các ứng dụng robot thông minh kết hợp công nghệ vision
Nhóm CRI đến từ đại học NanYang Singapore đã kết hợp công nghệ cảm biến và công nghệ 3D vision để xây dựng nên hệ thống robot thông minh ứng dụng lắp ghép ghế Đây là vấn đề rất khó khi phải kết hợp nhiều cảm biến và hệ thống vision để định vị chính xác các vật thể nhỏ đặt bất kì trong không gian [3]
Hình 1.12 Các cánh tay máy phối hợp với nhau để lắp ghép ghế gỗ
Ngoài ra, nhóm tác giả này cũng đã nghiên cứu về phương pháp tự động định vị và khoan trên tấm kim loại sử dụng camera 3D
Tác giả J Neubert và cộng sự đã thiết kế và thử nghiệm thành công ứng dụng robot gắp vật sử dụng hệ thống cảm biến stereovision [4]
Hình 1.14 Robot gắp các vật dụng có hình dạng giống với hình người dùng chọn
Người dùng sẽ xác định hình dáng vật cần gắp thông qua giao diện phần mềm, sau đó hệ thống stereo camera sẽ tự động xác định chiều sâu, kích thước và ma trận xoay cho robot di chuyển đến gắp
Nhóm tác giả Joschka van der Lucht và cộng sự, đã thử nghiệm quét 3D vật thể bị chìm trong nước bằng phương pháp structured light laser
Hình 1.15 Mô hình thử nghiệm quét vật thể 3D bị chìm một phần trong nước 1.5.2 Nghiên cứu trong nước Ở Việt Nam hiện nay, các trường đại học cũng như các trung tâm nghiên cứu đã và đang có những nghiên cứu kết hợp robot với hệ thống vision Một số nghiên cứu đã được thực hiện như tay máy gắp vật, tay máy phân loại sản phẩm, tay máy đánh cờ vua,… Việc ứng dụng công nghệ vision vào robot này hầu hết sử dụng các loại camera 2D, tức là việc tương tác giữa robot và môi trường làm việc chỉ giới hạn trong một mặt phẳng nào đó Việc tích hợp các camera đo độ sâu và các hệ thống robot công nghiệp để xác định vật thể trong không gian 3D còn chưa phổ biến Việc ứng dụng robot công nghiệp vào các quá trình sản xuất ở nước ta ngày càng nhiều, không chỉ tại các công ty lớn mà các doanh nhiệp vừa và nhỏ cũng đã bước đầu ứng dụng robot công nghiệp Tuy nhiên, việc ứng dụng này chỉ dừng lại ở những vấn đề đơn giản như gắp – đặt vật tại các vị trí cố định hay thực hiện việc sơn, hàn, mài,… tự động theo những quỹ đạo cố định cho trước Quá trình ứng dụng các hệ thống vision vào các hệ thống robot để xây dựng các robot thông minh còn chưa nhiều
Công nghệ quét 3D được tích hợp vào robot công nghiệp giúp xây dựng được những hệ thống robot công nghiệp thông minh có khả năng tương tác giữa robot và môi trường Việc có được dữ liệu hình học 3D của vật thể sẽ giúp robot thực hiện được nhiều ứng dụng khó trong công nghiệp mà trước đây phải tốn nhiều thời gian hơn như tự động thực hiện quá trình gắp – đặt vật thể có hướng và vị trí bất kì trong không gian, tự động việc xác định sai lệch của biên dạng đường hàn và cũng như các quá trình khác như: khoan hay mài
Tác giả: Lê Minh Phát (2020), Đại học Bách Khoa TP HCM
Tác giả đã xây dựng hệ thống cánh tay robot công nghiệp kết hợp với 3D vision dạng laser triangular để tái cấu trúc lại bề mặt vật thể phục vụ cho nhu cầu tự động hóa khâu quét keo dán đế giày [5].
Mục tiêu, nội dung đề tài
Mục tiêu đề tài: Thiết kế hệ thống vision tích hợp trên cánh tay máy robot ứng dụng cho việc dò tìm đường hàn hoạt động trong điều kiện môi trường nhà xưởng Nội dung đề tài:
- Thiết kế hệ thống vison cho cánh tay robot công nghiệp
- Thiết kế giải thuật xử lý ảnh
- Truyền thông giao tiếp giữa thiết bị vision với bộ điều khiển cánh tay máy
- Xây dựng mô hình thực nghiệm
Phương pháp nghiên cứu
Dựa trên cơ sở lý thuyết sẵn có như:
- Mô hình hóa, điều khiển cánh tay máy robot
- Calibrate thông số nội, thông số ngoại cho camera
- Phương pháp xử lý ảnh tái tạo đường hàn
- Calibrate hệ trục tọa độ cho đầu công tác
- Truyền thông giao tiếp với bộ điều khiển cánh tay robot
Đầu bài thiết kế và thông số ban đầu
Các thông số đầu vào cho toàn bộ hệ thống:
- Điều kiện ánh sáng môi trường nhà xưởng gia công thô tiêu chuẩn: độ rọi ánh sáng
≥ 300 lux, chỉ số hoàn màu ≥ 80 Ra
- Các mối ghép hàn cơ bản: hàn giáp mối, hàn chồng, hàn góc, hàn chữ T
- Chi tiết hàn: vật liệu thép, nhôm, inox… Đầu bài thiết kế:
- Sai số đường hàn là: ± 0.5 mm
- Tốc độ dò tìm đường hàn của thiết bị vision: 0.5 m/min
Yêu cầu hệ thống
Sử dụng công nghệ vision để dò đường cần hàn Chương trình xử lý ảnh sẽ xuất ra tọa độ thực của các điểm nằm trên đường hàn Sau đó, chuyển đổi các tọa độ vị trí các điểm cần hàn kết hợp với điều kiện về hướng và vận tốc hàn để đưa ra bộ thông số cho các khớp của cánh tay robot, hoạch định quỹ đạo cho robot.
LỰA CHỌN PHƯƠNG ÁN
Lựa chọn phương án tái tạo đường hàn bằng hệ thống vision
- Sai số tái tạo đường hàn: ± 0.4 mm
- Tốc độ xử lý nhanh, đáp ứng tốc độ hệ thống: 0.5 m/min
- Hệ thống đơn giản, gọn nhẹ
Phương pháp này sử dụng cùng lúc hai camera để thu được hình ảnh từ hai hướng khác nhau của cùng một điểm trên vật (corresponding points) từ đó tính toán để có được tọa độ 3D của những điểm đó Phương án này có ý tưởng rất giống với
“đôi mắt” của động vật
Tham khảo nghiên cứu của A Ryberg và các cộng sự, sử dụng hệ thống stereo vision để hoạc định quỹ đạo đúng cho robot hàn Hệ thống stereo vision của A Ryberg sử dụng hai camera Marlin F-131B, cảm biến CMOS 2/3’’, chụp hai ảnh từ hai hướng khác nhau, sau đó sử dụng thuật toán stereo vision để tạo dựng đường hàn ở dạng 3D.
Hình 2.1 Tạo dựng đường hàn 3D bằng phương án stereo vision
Trong nghiên cứu này, quá trình tạo dựng đường hàn ở chế độ off-line, sai số quỹ đạo đường hàn tạo dựng so với đường hàn thực tế là 0.7 mm
Phân tích ưu, nhược điểm của phương án sử dụng stereo vision:
+ Hệ thống đơn giản gồm hai camera
+ Tốc độ xử lý ảnh nhanh vì chỉ xử lý hai hình ảnh thu được từ hai camera cho mỗi lần quét
- Nhược điểm: phương án này sử dụng hai khung ảnh từ hai góc nhìn khác nhau để suy ra độ sâu của đối tượng, nên quá trình calib hai camera là cực kỳ quan trọng, tuy nhiên quá trình calib diễn ra phức tạp nên dẫn đến sai số cho kết quả thu được Nhược điểm thứ hai của phương án này là việc tìm ra hai pixel tương đồng nhau nằm trên hai bức ảnh Vấn đề này có thể được khắc phục bởi phương án structure light
Dựa theo mô hình Stereo Vision của Ali Sophian, Ali Sophian đã sử dụng hai máy ảnh với độ phân giải 0.9MP với tốc độ chụp 30 fps để dựng lại hình ảnh vật thể hình hộp chữ nhật kích thước 150×150×15 mm Kết quả cho ra độ chính xác là 5 mm/m và tốc độ chụp là nhỏ hơn 1s
Dưới đây là thông số và kết quả của nghiên cứu:
- Đối tượng: Hình hộp chữ nhật 150×150×15 mm
- Độ phân giải camera: 1280×720 pixel = 0.9MP
- Tốc độ khung hình: 15 – 30 fps
- Độ chính xác: 0.753 mm/150 mm = 0.5% = 5 mm/m
Phương pháp này cũng sử dụng hai camera được bố trí ở hai hướng khác nhau và được bổ sung thêm nguồn ánh sáng cấu trúc, thường là những sọc màu trắng đen để chiếu lên vật thể Nhiệm vụ của camera lúc này là chụp lại hình ảnh và tính toán Điển hình cho việc ứng dụng phương pháp structure light vào việc tạo dựng đường hàn ở dạng 3D là nghiên cứu của Lei Yang và các cộng sự Nghiên cứu này đã sử dụng hệ thống stereo structure light gồm hai camera và một projector với sự hỗ trợ của thuật toán xử lý ảnh sẽ cho phép tái dựng lại hình ảnh 3D dưới dạng các point cloud Ở đây, tác giả sử dụng thư viện xử lý ảnh OpenCV và thư viện point cloud – PCL, để tái tạo lại không gian 3D và trích xuất điểm hàn Các điểm hàn sẽ được trích xuất từ các point cloud, bởi sự khác biệt về độ tương phản giữa đường cần hàn và môi trường vật liệu xung quanh [6]
Hình 2.2 Mô hình dò đường hàn 3D dựa trên cảm biến stereo structured light
Hình 2.3 Cấu trúc hệ thống dò đường hàn bằng hệ vision stereo structured light
- Đối với mối hàn “butt joint”
- Đối với mối hàn “lap joint”
Phân tích ưu, nhược điểm của phương án sử dụng stereo structure light:
+ Dễ bị ảnh hưởng bởi ánh sáng môi trường
+ Độ chính xác chưa cao, chưa đáp ứng được yêu cầu thiết kế
+ Giá thành cho nguồn sáng mẫu cao
Dựa trên mô hình Structure Light đã có của E.Cuesta E.Cuesta đã sử dụng camera XCD H280E với độ phân giải 1920×1080 pixel để tái tạo hình ảnh 3D của đối tượng có kích thước 100×100×150 mm với số ảnh chụp 16 ảnh trong vòng dưới 4s
Dưới đây là thông số và kết quả của nghiên cứu:
- Độ phân giải camera: 1920×1080 pixel = 2MP
- Tốc độ khung hình: 30 – 60 fps
- Độ chính xác: < 0.141 mm/100 mm = 1.41 mm/m
2.1.3 Laser Triangular Đây là phương pháp phổ biến trong việc tái tạo vật thể 3D Trong phương pháp này người ta dùng một nguồn laser để chiếu vào vật thể, sau đó dùng camera chụp lại hình ảnh vệt laser in trên vật thể, sau đó áp dụng công thức lượng giác để tính toán để suy ra được tọa độ không gian của vệt laser in trên vật thể và từ đó có thể tái tạo lại vật thể 3D bằng thư viện Point Cloud
Tương tự như vậy, các nghiên cứu dò đường hàn bằng hệ thống laser vision cũng phổ biến hơn cả Thành phần chính của hệ thống dò đường hàn bằng laser vision là camera và laser được đặt lệch nhau một góc α biết trước Ngoài ra, hệ thống còn có thêm các thành phần khác như lens cho camera, optical filter để lọc ánh sáng hồ quang và lighting [7].
Hình 2.4 Hệ thống thiết bị dò đường hàn laser vision
Trong phương án sử dụng laser vision, laser line được sử dụng phổ biến là một line hoặc ba line Phương án laser một line yêu cầu phải phối hợp cả ba quá trình dò, thực thi, giám sát trên một line laser duy nhất, do đó công đoạn tính toán và hoạch định quỹ đạo đường hàn sẽ phức tạp hơn và độ chính xác cũng không tốt bằng phương án ba đường line riêng biệt [8]
Hình 2.5 Quá trình: dò, hoạch định, thực thi đường hàn bằng một line laser
Hình 2.6 Quá trình: dò, hoạch định, thực thi đường hàn bằng ba line laser
Ngoài laser dạng line, cũng có một số nghiên cứu sử dụng laser dạng đường tròn Các nghiên cứu sử dụng laser tròn của tác giả Peiquan Xu cho phép nhận diện các đường hàn kiểu I , V butt joint và lap joint trên bề mặt cong [9]
Hình 2.7 Nghiên cứu ứng dụng laser tròn để dò đường hàn
Sai số thực nghiệm của phương pháp dùng laser tròn là: 0.7 đến 1.2 mm Laser dạng tròn cho kết quả dò đường hàn không tốt bằng dạng đường thẳng Tuy nhiên, trong một số bề mặt cong và kiểu đường hàn nhất định, laser đường không thể dò được, thì có thể áp dụng laser tròn trong phạm vi sai số cho phép
+ Độ chính xác dò đường hàn cao
+ Hoạt động ổn định trong môi trường công nghiệp
+ Tốc độ quét cao, đáp ứng được nhu cầu dò đường hàn online
+ Ứng dụng được trên các bề mặt phôi sáng lóa như nhôm, inox
+ Nhận biết đường hàn biến đổi trong không gian 3D là rất khó
Dựa trên sản phẩm của EinScan-SE, có được các thông số và kết quả của nghiên cứu như sau:
- Độ phân giải camera: 1.3MP
- Độ chính xác: từ 0.1 – 0.15 mm/m
Dựa trên các tiêu chí thiết kế:
- Sai số tái tạo đường hàn: ± 0.4 mm
- Tốc độ xử lý nhanh, đáp ứng tốc độ hệ thống 0.5 m/min
- Hệ thống đơn giản, gọn nhẹ
Và phân tích về ưu, nhược điểm của các phương án tái tạo đường hàn vừa nêu trên ta chọn hệ thống vision ở dạng laser triangular.
Lựa chọn truyền nhận dữ liệu hệ thống vision
Phương thức thu nhận ảnh từ camera được lựa chọn dựa trên yêu cầu của hệ thống: dung lượng thu nhận ảnh, chiều dài cable, khả năng mở rộng và tương thích với hệ thống
Bảng 2.1 Bảng so sánh các phương thức thu nhận ảnh
Phương thức Chiều dài cable tối đa (m) Băng thông tối đa MB/s
Dựa trên yêu cầu của hệ thống, tác giả lựa chọn phương thức GigE vision cho việc thu nhận ảnh từ camera, bảo đảm được tốc độ thu nhận ảnh, cũng như có khả năng tương thích cao với hệ thống robot, thuận lợi cho việc truyền nhận, xử lý dữ liệu trong toàn bộ hệ thống.
Xây dựng cấu trúc hệ thống
Hình 2.8 Tổng quan hệ thống 2.3.1 Lựa chọn bộ điều khiển xử lý ảnh
Dựa trên yêu cầu thiết kế ở mục 2.1, tác giả đưa ra các tiêu chí để lựa chọn máy tính nhúng như sau:
- Tốc độ đọc dữ liệu từ camera: 40 frame/s, dung lượng ảnh 2.5 MB
- Có cổng kết nối LAN Gigabit Ethernet
- Yêu cầu phần cứng để đáp ứng tốc độ xử lý giải thuật: o Tốc độ chip xử lý trên: 1.2 GHz o RAM trên 4 GB
Chọn board máy tính nhúng công nghiệp EPIA-M840-16P
Hình 2.9 Board máy tính nhúng EPIA-M840-16P Cấu hình:
- Bộ xử lý: 1.6GHz VIA Nano TM E (có quạt)
- Cổng LAN: 2 cổng Gigabit LAN
- Hệ điều hành: Windows Embedded CE, Windows XP, Windows Embedded Standard, Linux
2.3.2 Lựa chọn cấu trúc cho hệ thống vision
Yêu cầu lựa chọn thiết bị:
- Hệ thống nhỏ, gọn có thể gắn lên cánh tay robot
- Tương thích với điều kiện ánh sáng trong nhà xưởng Ở mục 2.1, tác giả đã chọn hệ thống vision ở dạng laser triangulation Do đó, bên cạnh các thành phần bắt buộc: camera, lens, laser; ta chọn thêm thành phần filter để giúp nâng cao quá trình thu nhận vệt laser của camera.
Hình 2.10 Hệ thống vision được gắn cố định trên khâu cuối của robot Ở đây, tác giả lựa chọn đặt hệ thống vision cố định trên khâu cuối của cánh tay robot Phương án này, vật thể cần hàn được gá, kẹp cố định; còn cánh tay máy robot mang đầu hàn và hệ thống vision sẽ di chuyển để quét, tìm đường hàn và tiến hành quá trình gia công hàn Ưu điểm:
- Góc nhìn thuận lợi cho đa số quá trình quét 3D
- Thiết kế gọn, nằm toàn bộ trên cánh tay máy
- Quá trình calib, tính toán, chuyển đổi các hệ tọa độ thuận lợi hơn
- Đối với một số vật thể có bề mặt phức tạp, có góc chết sẽ khó để tiến hành trên thiết kế này Để giải quyết nhược điểm trên, bộ phận gá đặt cho hệ thống vision bao gồm các khớp tịnh tiến và khớp xoay để linh hoạt điều chỉnh cho các vật thể có biên dạng hàn phức tạp và có góc khuất Để có thể ứng dụng dữ liệu sau khi quét 3D đường hàn cho robot, ta cần phải có giải pháp giao tiếp dữ liệu giữa robot và máy tính Nhờ quá trình xử lý ảnh - quét được đường cần hàn, dữ liệu tọa độ đường hàn được trích xuất và gửi đến chương trình điều khiển của Robot Có nhiều phương pháp giao tiếp giữa máy tính và robot như giao tiếp RS232, Ethernet,… Giao tiếp Ethernet là giao tiếp rất phổ biến hiện nay, có tốc độ truyền nhận từ vài chục megabit trên giây cho đến vài gigabit trên giây, thậm chí có thể lên đến 100 Gigabit trên giây Trong các nghiên cứu về các ứng dụng robot thông minh kết hợp với vision, kết nối Ethernet được dùng khá phổ biến Do đó, tác giả lựa chọn thiết kế kết nối Ethernet cho toàn bộ hệ thống này Tuy nhiên, do điều kiện hạn chế về cơ sở vật chất, cho nên đề tài thực nghiệm việc truyền dữ liệu cho robot thông qua thẻ nhớ CF (Compact Flash).
THIẾT KẾ HỆ THỐNG
Các yếu tố ảnh hưởng đến hệ thống
+ Sự chuyển động của cánh tay máy dẫn đến hệ thống bị rung lắc gây nên ảnh hưởng cho quá trình thu nhận ảnh của camera
+ Vận tốc di chuyển của hệ thống tương ứng với vận tốc di chuyển của đầu hàn vào khoảng 4 – 45 in/min (1.7 – 19.1 mm/s) [10]
+ Ánh sáng hàn hồ quang có thể phát ra với mức độ chiếu sáng 5.000 – 7.500 lux
- Nhiệt độ quang khu vực hàn, đối với phương pháp hàn MIG/MAG [11][12]: + Nhiệt độ ở tâm điểm hàn vào khoảng 6000 – 8000 độ
+ Dọc theo hướng hàn, đầu hàn đang ở tọa độ z = 300, nhiệt độ tại điểm z = 320 không bị ảnh hưởng bởi nhiệt độ của quá trình hàn
+ Do đó, hệ thống cần cách đầu khoảng một khoảng tối thiểu 20 mm để không bị ảnh hưởng bởi nhiệt độ của quá trình hàn
Thiết kế hệ thống cơ khí
3.2.1 Các thành phần của hệ thống
Những thành phần chính của hệ thống Vision tích hợp cho Robot hàn công nghiệp bao gồm:
- Tủ điều khiển Yaskawa XRC
- Bộ gá đặt camera và laser
Tay máy Motoman UP6 là sản phẩm của Yaskawa ra đời từ những năm 2000, có kết cấu gồm 6 khớp xoay, được kí hiệu lần lượt S (Sweep), L (Lower arm), U (Upper arm), R (Rotate), B (Bend), T (Twist) Robot có khả năng làm việc linh hoạt với tốc độ cao và khả năng kết hợp với các robot khác để thực hiện ứng dụng Trong công nghiệp UP6 thường được dùng với các ứng dụng như hàn hồ quang, sơn hay gắp đặt các sản phẩm khối lượng nhẹ [13].
Hình 3.3 Tay máy Motoman UP6 Bảng 3.1 Một số thông số kĩ thuật cơ bản của tay máy Motoman UP6
Tủ điều khiển XRC là dòng tủ điều khiển cho robot Yaskawa Với lợi thế là nhà sản xuất nổi tiếng những bộ driver cho các động cơ AC servo, Yaskawa đã tích hợp các driver (servopack) để điều khiển chính xác các động cơ AC servo tại các khớp của robot cũng cho phép mở rộng các trục ngoài.
Hình 3.4 Tủ điều khiển dòng XRC Các thành phần cơ bản của tủ điều khiển XRC:
Hình 3.5 Các khối module chính trong tủ điều khiển XRC
Các thành phần cơ bản của tủ điều khiển XRC bao gồm [14]:
- Khối cấp nguồn (Power supply unit): nhận nguồn cung cấp 3 pha 220V cho tủ hoạt động, đồng thời có bộ phận lọc nhiễu để để đảm bảo khử nhiễu cho tủ
- Khối điều khiển trung tâm (CPU): giúp điều khiển hoạt động của toàn bộ tủ điều khiển bao gồm cả việc điều khiển nguồn điện cho các khối trong tủ hoạt động
- Khối In/Out: điều khiển trạng thái các ngõ vào ra trong tủ điều khiển
- Khối Servopack: chính là driver điều khiển các động cơ AC servo hoạt động
Hình 3.6 Bảng điều khiển trên mặt tủ XRC
Ngoài ra, mỗi tủ điều khiển đều kèm theo bảng điều khiển (playback panel) ở mặt trước của tủ và thiết bị bảng dạy (teach pendant) đi kèm giúp điều khiển các hoạt động của robot Với ngôn ngữ INFORM II, thông qua bảng dạy người dùng có thể lập trình ra chương trình, tủ điều khiển XRC cho phép lập trình tối đa lên đến 5000 bước, 7000 lệnh giúp đáp ứng các yêu cầu thực tế
Trong hệ thống bất kì hệ thống vision nào, camera cũng là thành phần quan trọng nhất Camera sensor, tốc độ thu nhận hình ảnh, khả năng truyền nhận dữ liệu, độ ổn định trong môi trường công nghiệp là những yếu tố để lựa chọn camera
Camera công nghiệp hãng Basler acA3800-10gm, giúp thu nhận hình ảnh với độ phân giải cao, có cổng kết nối ethernet và phù hợp với môi trường công nghiệp [15].
Hình 3.8 Camera Basler dòng ace Bảng 3.2 Đặc tính kỹ thuật của camera acA3800-10gm
Kích thước sensor 6.4 mm x 4.6 mm Độ phân giải (HxV) 3840 px x 2748 px
Giao diện giao tiếp GigE
Nguồn cấp PoE (IEEE 802.3af) hoặc 12-24 VDC
Camera của hãng Basler được hỗ trợ các thư viện đi kèm để điều chỉnh các thông số cho camera để giúp quá trình thu nhận ảnh được tốt nhất và giúp người dùng thuận lợi trong việc sử dụng
Nguồn laser có vai trò rất quan trọng trong việc xử lý, dò tìm đường hàn Nguồn laser ảnh hưởng trực tiếp đến chất lượng hình ảnh mà camera thu nhận được Để hạn chế ảnh hưởng, tác động của ánh sáng môi trường lên hình ảnh nhận được, nên sử dụng laser có màu sắc là một trong ba kênh màu cơ bản, tức là laser màu đỏ, màu xanh lá hoặc màu xanh dương Ngoài yếu tố màu của ánh sáng laser, độ nét của vết đường laser cũng là yếu tố quan trọng trong việc tính toán tìm ra đường hàn chính xác Bên cạnh đó, việc lựa chọn nguồn laser ta cũng cần quan tâm đến độ an toàn và phạm vi sử dụng
Ta chọn nguồn sang laser sử dụng ở đây là laser tia sáng đỏ có bước sóng 660 nm với công suất 120 mW.
Hình 3.9 Nguồn laser màu đỏ, 120 mW 3.2.6 Bộ gá đặt hệ thống vision
Hệ thống vision cần cách đầu súng hàn tối thiểu 20 mm để không bị ảnh hưởng bởi nhiệt độ đầu hàn, nhiệt độ hệ thống cần được giữ dưới 50 0 C để đảm bảo camera vẫn hoạt động tốt
Hình 3.10 Khoảng cách an toàn giữa hệ thống vision với đầu hàn
Hình 3.11 Sơ đồ tổng quan hệ thống
Hình 3.12 Sơ đồ tổng quan hệ thống vision
Quá trình hiệu chuẩn
Phương pháp Laser Triangulation được sử dụng để tìm đường laser trong màn ảnh camera thông qua quá trình xử lý ảnh Sau đó, sử dụng các công thức toán học và các ma trận chuyển đổi hệ trục tọa độ để tính toán vị trí của đường hàn trong không gian so với hệ tọa độ của camera [16]
Hình 4.1 Xác định chiều sâu mối hàn Các hệ tọa độ và mặt phẳng được quy ước như sau:
- {O}: Hệ tọa độ của vật thể cần hàn, góc tọa độ trùng với góc của bàn gá
- {C}: Hệ tọa độ camera, góc tọa độ trùng với quang tâm của camera
- {L}: Mặt phẳng laser trong hệ tọa độ camera
Phương pháp Laser Triangulation tìm ra vị trí trong không gian của mối hàn thông qua việc tìm giao điểm giữa mặt phẳng laser và mối hàn Theo đó, xét điểm P thuộc mặt phẳng laser, có tọa độ x y z0, ,0 0 T trong hệ tọa độ {O} và x y zC , C , C T trong hệ tọa độ camera {C} Mặt khác, điểm P sẽ được ghi hình ảnh lại trong màn ảnh của camera nên có tọa độ là u v , T theo đơn vị pixel
Theo công thức Pinhole Camera, mối quan hệ giữa một điểm bất kì trong hệ tọa độ camera {C} và ảnh của điểm đó trong màn ảnh camera là:
- K: Ma trận thông số nội của camera
- f fx , T : Tiêu cự của thấu kính camera
- c c x , y T : Gốc tọa độ của màn ảnh
Phương trình mặt phẳng laser {L} trong hệ tọa độ camera {C} là:
C C C 0 ax by cz d (4.3) Thay (4.2) vào (4.3), tìm được 𝑧 của một điểm bất kì thuộc mặt phẳng laser {L}:
Mặt khác, một điểm bất kì thuộc hệ tọa độ bàn gá {O} đều có thể chuyển về hệ tọa độ camera {C} theo công thức:
- Trong đó: R T | là ma trận thông số ngoại với R là ma trận xoay và T là ma trận tịnh tiến
- Kết hợp giữa (4.1) và (4.5), mối quan hệ giữa tọa độ một điểm bất kì trong hệ tọa độ {O} và tọa độ ảnh của điểm đó trên màn ảnh camera là:
(4.6) Đối với phương pháp Laser Triangulation, hình ảnh laser sẽ được chụp lại và xử lý để tìm tọa độ u v , T của giao điểm P giữa mặt phẳng laser và mối hàn trong màn ảnh Từ tọa độ u v , T , sử dụng (4.4) để tìm tọa độ z C Sau đó, thay u v , T và zC vừa tìm được vào (4.6), tìm được tọa độ x y z0, ,0 0 T của P trong hệ toạ độ {O} và hoàn thành phương pháp Laser Triangulation Cụ thể, thay (4.2) vào (4.5):
Hiệu chuẩn camera (camera calibration) là quá trình thực nghiệm và tính toán nhằm tìm ra các thông số của camera trong việc tái tạo không gian 3D của một cảnh nào đó trong thực tế bằng những ảnh mà camera đó chụp lại được
Các thông số của camera bao gồm các thông số của ống kính và cảm biến hình ảnh bên trong camera Chúng có thể được sử dụng để sửa lỗi biến dạng ống kính, đo kích thước của vật thể theo đơn vị thực tế cũng như xác định vị trí của camera trong không gian Các tác vụ này có thể được sử dụng trong các ứng dụng thị giác máy liên quan đến đo lường, định vị và tái tạo các đối tượng trong không gian
Các thông số camera được thể hiện thông qua ma trận thông số nội (Intrinsics), ma trận thông số ngoại (Extrinsics) và hệ số méo (Distortion) Để ước tính các thông số camera, chúng ta cần phải có các điểm ở hệ tọa độ 3 chiều và các điểm hình ảnh 2 bằng cách sử dụng nhiều hình ảnh của một mẫu hiệu chuẩn, chẳng hạn như Checker Board [17]
Hình 4.3 Mô hình mô tả ý nghĩa các thông số camera 4.1.2.1 Tìm ma trận thông số nội
MATLAB cung cấp Computer Vision Toolbox có công cụ Camera Calibrator, sử dụng bàn cờ làm Checker Board, chụp từ 10 – 15 hình ảnh ở nhiều gốc độ để đưa ra kết quả là các ma trận thông số nội, ma trận thông số ngoại và hệ số méo
Hình 4.4 Công cụ Camera Calibrator của MATLAB Computer Vision Toolbox
Ta lấy kết quả ma trận thông số nội, có dạng:
Ta có thể nâng cao độ chính xác của camera calibation nhờ vào kiểm tra các thông số Reprojection Errors, kiểm tra ma trận thông số ngoại dựa vào mô hình cơ khí ta đã thiết kế
4.1.2.2 Tìm ma trận thông số ngoại
Ma trận thông số ngoại đóng vai trò rất quan trọng trong quá trình xử lý ảnh Trong mô hình này, ma trận thông số ngoại của camera chính là ma trận chuyển đổi hệ tọa độ từ hệ tọa độ bàn gá {O} về hệ tọa độ camera {C} Ma trận thông số ngoại bao gồm 2 thành phần là ma trận xoay R và ma trận tịnh tiến T
Trong suốt quá trình quét, do khâu cuối của Robot chỉ di chuyển tịnh tiến theo các trục của chính nó và không xoay, nên phương của các trục của hệ tọa độ camera {C} là những phương song song Do đó, có thể chuyển hệ tọa độ bàn gá {O} về hệ tọa độ camera {C} bằng cách quay {O} quanh trục Z của nó một góc 90 0 , sau đó quanh trục X của nó một góc 180 0
Theo đó, xác định được ma trận xoay R: cos sin 0 1 0 0 sin cos 0 0 cos sin
Trong suốt quá trình quét, đầu Tool di chuyển với vận tốc cố định v (mm/s), máy tính lấy mẫu sau mỗi chu kỳ t (s), độ cao quét h (mm) so với gốc tọa độ {O} và độ lệch d (mm) theo phương vuông góc với phương quét Tọa độ của gốc tọa độ {C} trong hệ tọa độ {O} chính là thông số của ma trận tịnh tiến T
Từ (4.9) và (4.10), ma trận thông số ngoại [R|T] của quá trình quét được xác định:
4.1.3.1 Tìm phương trình mặt phẳng laser Để tìm được tọa độ vật thể trong hệ tọa độ thực thông qua hình ảnh 2D được chụp từ camera, phương pháp Laser Triangulation sử dụng laser, qua đó tìm đường laser trong màn ảnh 2D để suy ra tọa độ 3D dựa theo (4.7):
Theo đó, tọa độ u v , T có thể tìm được thông qua quá trình xử lý ảnh tìm đường laser trong mà ảnh, ma trận thông số nội K và ma trận thông số ngoại R T | có thể tìm được thông qua quá trình hiệu chuẩn camera Còn ẩn z C được tìm theo (4.4):
Để có thể tìm được z C , cần phải tìm được phương trình mặt phẳng laser trong hệ tọa độ camera {C} Độ chính xác của phương trình mặt phẳng laser ảnh hưởng đến độ chính xác z C của các điểm thuộc mặt phẳng laser, từ đó ảnh hưởng đến độ chính xác của cả phương pháp Laser Triangulation
Quá trình xử lý ảnh
4.2.1 Thu nhận vệt laser trong màn ảnh camera
Tìm đường laser trong màn ảnh camera đóng vai trò quyết định đến độ chính xác của phương pháp Laser Triangulation Do sự ảnh hưởng của ánh sáng môi trường và độ phản chiếu của bề mặt vật thể, các phương pháp lọc nhiễu được sử dụng để nâng cao độ chính xác Nhưng trước hết, tất cả các ảnh quét đầu vào đều được đi qua bước khử méo ảnh trước khi đi qua các bộ lọc phía sau
Hình 4.9 Vệt laser trên bề mặt vật thể hàn
Hình 4.10 Kích thước phôi 4.2.2 Chuyển đổi mức sáng hình ảnh
Trong xử lý ảnh, hiệu ứng chuyển đổi độ sáng, mục đích làm mờ các ánh sáng môi trường và các nhiễu của vệt laser và mong muốn làm nổi bật vệt laser Đây là một hiệu ứng được sử dụng rộng rãi trong các thư viện xử lý ảnh cũng như các phần mềm đồ họa, điển hình cho việc giảm nhiễu ảnh và làm nổi bật đối tượng mong muốn Bước tiền xử lý brightness là một công cụ được ứng dụng rất nhiều trong các thuật toán thị giác máy tính để nâng cao chất lượng hình ảnh, làm nổi bật đối tượng cần xử lý, đồng thời làm mờ đi hoặc loại bỏ các đối tượng không mong muốn trong bức ảnh
Hình 4.11 Vệt laser camera thu nhận được
Hình 4.12 Hình ảnh sau khi qua bước tiền xử lý ánh sáng
Trong xử lý ảnh, hiệu ứng mờ Gaussian là kết quả của việc làm mờ hình ảnh bởi một hàm Gaussian Mục đích là để giảm nhiễu ảnh và giảm độ chi tiết không mong muốn của hình ảnh Bộ lọc Gaussian cũng được sử dụng như một giai đoạn tiền xử lý (preprocessing) trong các thuật toán thị giác máy tính để nâng cao chất lượng hình ảnh dùng làm dữ liệu đầu vào cho các phân tích cao cấp hơn
Một cách trực quan, hiệu ứng hình ảnh của bộ lọc này là một hiệu ứng mờ mịn giống như khi xem hình ảnh qua màn hình mờ, khác với trường hợp hình ảnh mờ được tạo ra bởi thấu kính lệch nét (out of focus) hay do bóng của một vật thể dưới ánh sáng thông thường
Về mặt toán học, áp dụng bộ lọc Gaussian cho một hình ảnh cũng chính là tính tích chập (convolution) hình ảnh đó với một hàm Gaussian Áp dụng hiệu ứng mờ Gaussian có tác dụng làm giảm các thành phần tần số cao của hình ảnh, do đó, một bộ lọc Gaussian là một bộ lọc thông thấp
Phương trình hàm Gaussian dùng trong không gian 2 chiều:
Trong đó x và y là tọa độ theo hai trục đứng và ngang, và là phương sai chuẩn của phân tán Gaussian hay là giá trị quyết định độ lệch giữa các điểm trên bề mặt Gaussian Ý tưởng chung là giá trị mỗi điểm ảnh sẽ phụ thuộc nhiều vào các điểm ảnh ở gần hơn là các điểm ảnh ở xa Trọng số của sự phụ thuộc được lấy theo hàm Gaussian (cũng được sử dụng trong quy luật phân phối chuẩn) Điểm ảnh ở trung tâm sẽ có trọng số lớn nhất Các điểm ảnh ở càng xa trung tâm sẽ có trọng số giảm dần khi khoảng cách từ chúng tới điểm trung tâm tăng lên
Hình 4.13 Hình ảnh sau khi qua bộ lọc Gaussian 4.2.4 Thuật toán Closing
Trong các ứng dụng thị giác máy tính, xử lý hình thái học có thể được sử dụng để nhận dạng đối tượng, nâng cao chất lượng ảnh, phân đoạn ảnh và kiểm tra khuyết điểm trên ảnh, được sử dụng rất nhiều để giảm các lỗi trong quá trình nhận dạng
Hai phép toán thường dùng là phép toán giãn nở (Dilation) và phép toán co (Erosion) Từ hai phép toán cơ bản này, người ta phát triển thành một số phép toán như phép toán đóng (Closing) và phép toán mở (Opening)
Phép toán đóng (Closing) là phương pháp xử lý đối với ảnh nhị phân, áp dụng thuật toán giãn nở (Dilation) để nối liền các đường đứt nét và làm nổi bật đối tượng, sau đó tiếp tục sử dụng thuật toán co (Erosion) để loại bỏ những pixel nhiễu cô lập, làm mịn phần viền (cạnh) của đối tượng và thu nhỏ đối tượng muốn Thuật toán Closing còn giúp khử các pixel nhiễu do ánh sáng môi trường và do bị phản xạ lại từ bề mặt vật thể
Hình 4.14 Minh họa thuật toán đóng (Closing)
Xác định tọa độ 3D của mối hàn
4.3.1 Cài đặt vùng quan tâm
Vùng quan tâm (Region of Interest - ROI) là vùng ảnh sẽ được áp dụng các giải thuật xử lý hoặc biến đổi trên đó và bỏ qua các vùng còn lại Đôi khi không phải lúc nào cũng có thể xử lý trên toàn ảnh Do đó, để tiết kiệm chi phí và thời gian tính toán, thu hẹp vùng quan tâm từ toàn ảnh về một vùng diện tích nhỏ hơn, chỉ là một phần của ảnh gốc
ROI có thể ở bất cứ hình dạng nào, có thể là hình vuông, hình chữ nhật, hình tròn, nhiều vùng nhỏ trên ảnh hoặc thậm chí là các pixel trên ảnh ROI là một kernel mà trên đó: pixel quan tâm có giá trị 1 (màu trắng) và pixel không quan tâm có giá trị
Trong phạm vi luận văn này, ROI được cài đặt là hình chữ nhật với tỉ lệ kích thước giống với tỉ lệ của ảnh gốc là (3840x2748) Kích thước được lựa chọn bằng 25% kích thước ảnh gốc tương ứng với kích thước (1920×1374)
4.3.2 Tìm tọa độ mối hàn trên màn ảnh
Tìm phương trình mặt phẳng laser, trình bày ở mục 4.1.3.1
Hình 4.16 Dựng lại mặt phẳng chuẩn của vật thể Để tìm tọa độ mối hàn trên màn ảnh, ta dùng phương án sub-pixel center của vệt laser
Qua quá trình xử lý ảnh được mô tả ở mục 4.2, ta tiến hành tìm đường biên và đường tâm của vệt laser, theo công thức:
Hình 4.17 Tìm tọa độ pixel đường biên của vệt laser
Hình 4.18 Tìm tọa độ pixel đường tâm của vệt laser
Tìm đường sub-pixel thông qua trọng số độ đậm nhạt của vệt laser, thông qua công thức tính toán sau [22]: cos sin sub pixel sub pixel sub pixel x y
(4.21) Trong đó, sub pixel , được tính theo các công thức sau:
Hình 4.19 Tìm tọa độ pixel đường tâm của vệt laser
Hình 4.20 So sánh phương án tìm vệt laser dựa vào đường tâm và sub-pixel
Hai phương án trên cho kết quả gần tương đồng nhau, chênh nhau tối đa khoảng
5 pixel Đối chiếu với mô hình thực tế, đo đạc bằng thước để kiểm chứng độ chính xác của hai phương án trên Ta có, phương án sub-pixel cho kết quả tốt hơn.
TRUYỀN DỮ LIỆU TỌA ĐỘ CHO ROBOT
Cài đặt dữ liệu đầu Tool
Cài đặt dữ liệu đầu Tool là quá trình cài đặt dữ liệu tọa độ của TCP (Tool Center Point) so với hệ tọa độ của khâu cuối Robot (Flange) Quá trình này chuyển việc điều khiển hệ tọa độ của khâu cuối Robot sang điều khiển hệ tọa độ của TCP, do đó việc lập trình điều khiển Robot trở nên dễ dàng và thuận tiện hơn
Hình 5.1 Hệ tọa độ của khâu cuối Robot (Flange) và TCP
Quá trình cài đặt hệ tọa độ đầu Tool cần 6 thông số: X, Y, Z, Rx, Ry, và Rz Trong đó: X, Y, Z xác định vị trí TCP và Rx, Ry, Rz xác định hướng so với hệ tọa độ của khâu cuối Robot
Hình 5.2 Ví dụ cài đặt vị trí của hệ tọa độ TCP
Hình 5.3 Ví dụ cài đặt hướng của hệ tọa độ TCP Tuy nhiên, để bảo đảm tọa độ chính xác của đầu công tác hàn, bỏ qua các sai số về lắp đặt cơ khí, ta có thể tiến hành calib tọa độ đầu theo sự hỗ trợ của nhà cung cấp robot Tiến hành dạy bảy điểm ở bảy tư thế khác nhau nhưng cả bảy tư thế trên đều chạm vào một điểm
Bước 1: điều khiển robot để súng robot thắng đứng, đầu dây hàn chạm vào đầu trạm đo tool, lưu lại tọa độ 1
Bước 2: điều khiển robot để súng hàn nghiêng về sau khoảng 45 0 , lưu lại tọa độ
Bước 3: từ vị trí 2, điều khiển súng hàn quay nghiêng sang phải, quay theo chiều kim đồng hồ, góc quay khoảng 45 0 , lưu lại tọa độ 3
Bước 4: từ vị trí 3, điều khiển súng hàn quay nghiêng về trước, quay theo chiều kim đồng hồ, góc quay khoảng 45 0 , lưu lại tọa độ 4
Bước 5: từ vị trí 4, điều khiển súng hàn nghiêng về phía đối diện, góc quay khoảng 180 0 , lưu lại tọa độ 5
Bước 6: từ vị trí 5, điều khiển súng hàn quay nghiêng về trước ngược chiều kim đồng hồ, góc quay khoảng 35 0 , lưu lại tọa độ 6
Bước 7: từ vị trí 6, điều khiển súng hàn quay nghiêng về trước ngược chiều kim
Sau khi dạy xong bảy điểm như trên, ta copy chương trình TOOL lại rồi gửi cho nhà cung cấp, họ cung cấp cho ta được tọa độ của đầu tool.
Cài đặt hệ tọa độ người dùng (User Coordinates)
User Coordinates là hệ tọa độ người dùng, có gốc tọa độ và hướng của các trục tọa độ đúng theo ý muốn của người dùng Để cài đặt User Coordinates, cần xác định
3 điểm là ORG, XX và XY bằng cách Teaching cho Robot Trong đó: ORG là gốc tọa độ, XX là một điểm trên trục X và XY là một điểm trên trục Y của hệ tọa độ User Coordinates
Hệ tọa độ User Coordinates được cài đặt trùng với hệ tọa độ của bàn gá chi tiết hàn để thuận tiện cho quá trình điều khiển Robot hàn Với dữ liệu tọa độ 3D sau khi xử lý để truyền cho Robot, Robot sẽ thực hiện nguyên công hàn trực tiếp mà không cần trải qua bước chuyển đổi tọa độ.
Xây dựng quỹ đạo và hướng di chuyển đầu hàn
Quỹ đạo hàn thực là mặt cong, mà đầu hàn vuông góc với mặt phẳng tiếp tuyến tại điểm đang hàn, điều đó có nghĩa hướng của đầu công tác robot phải vuông góc với mặt phẳng tiếp tuyến với mặt cong của đường cần hàn tại mỗi điểm trên đường hàn đó
Gọi điểm thứ i nằm trên đường cong là P i ix i iy iz
Giả sử hướng của khâu công tác cuối của robot tại mỗi điểm P i được quy định bởi ba véc tơ n o a i , , i i
Hình 5.6 Mặt cong cần hàn Trong đó:
: là véc tơ tiếp xúc của đầu hàn với mặt phẳng đi qua 3 điểm hàn liên tiếp, do đó a cũng chính là véc tơ pháp tuyến của mặt phẳng này
: là véc tơ tiếp tuyến tại mỗi điểm trên đường cong - đường cong được nội suy đi qua 3 điểm
Qua ba điểm liên tiếp P i , P i 1 , P i 2 ta có thể tạo ra được một mặt phẳng với véc tơ pháp tuyến là:
, ai 2 lần lượt là véc tơ pháp tuyến tại mỗi điểm P i 1 , P i 2
Qua ba điểm liên tiếp P i , P i 1 , P i 2 ta có thể nội suy ra một đường cong (quadratic splines)
Q u c c u c u c u k Với c k là véc tơ, c k c c c kx , ky , kz T
Chúng ta có thể tính được các hệ số của phương trình đường cong trên như sau: Tại điểm P i : u 0, P Q i 0 c 0 c 1 0 c 2 0 2
Giải phương trình trên ta được:
Véc tơ tiếp tuyến tại mỗi điểm trên đường cong nội suy:
Thay phương trình (5.3) vào (5.4), ta có:
Từ phương trình (5.4), ta có tính được véc tơ tiếp tuyến tại mỗi điểm P i , P i 1 ,
Pi trên đường cong, như sau:
Từ phương trình (5.1), (5.6), (5.7), (5.8), ta suy ra được véc tơ còn lại:
Do đó, tại mỗi điểm của đường cong nội suy, ta tính được vị trí x y z , , và hướng của khâu công tác cuối n o a , ,
Truyền dữ liệu từ IPC cho Robot hàn
Sau quá trình quét hình ảnh đường hàn, dữ liệu tọa độ đường hàn được trích xuất và chương trình điều khiển robot sử dụng dữ liệu tọa độ đó cũng được thiết lập Chương trình điều khiển robot cần được gửi cho robot để thực hiện nguyên công hàn
Trong phạm vi luận văn này, phương pháp truyền dữ liệu cho robot sử dụng thẻ nhớ CF (Compact Flash) được sử dụng, vì những hạn chế về mặt điều kiện, cơ sở vật chất nên không thể thực hiện giao tiếp kiểu cục bộ ethernet.
Lập trình điều khiển Robot hàn
Lập trình điều khiển Robot Motoman HP3 với tủ điều khiển NX100 sử dụng ngôn ngữ INFORM II Xét một ví dụ câu lệnh điều khiển trong ngôn ngữ INFORM
- MOVL: Lệnh chuyển động nội suy đường thẳng giữa 2 điểm (từ Waiting position đến Step 1)
- P001: Biến chứa thông tin vị trí (của Step 1) với cấu trúc X Y Z Rx Ry Rz được khai báo trong chương trình
- VJ = 50.00: Tốc độ thực hiện tác vụ của robot, ở đây là 50% vận tốc tối đa của robot
Hình 5.8 Ví dụ chuyển động của TCP trong câu lệnh MOVL
Các lệnh trong INFORM II thường được sử dụng trong lập trình điều khiển robot:
- MOVJ: Chuyển động nội suy giữa 2 điểm bất kì được dạy
- MOVL: Chuyển động nội suy đường thẳng giữa 2 điểm
- MOVC: Chuyển động nội suy đường tròn
- MOVS: Chuyển động nội suy spline
- JUMP: Nhảy bước trong chương trình
- TIMER: Tạo khoảng thời gian delay mong muốn
- CALL: Gọi chương trình con
- RET: Quay lại chương trình gốc
Do sử dụng phương pháp truyền dữ liệu cho Robot sử dụng thẻ nhớ CF (Compact Flash), chương trình điều khiển Robot hàn cần được lập trình trước và lưu lại Sau đó thẻ nhớ CF được lắp vào Programming Pendant, chương trình điều khiển robot hàn từ đó được tải vào trong tủ điều khiển Yaskawa XRC và thực hiện
Cấu trúc của chương trình điều khiển Robot Yaskawa Motoman UP6 (.JBI) bao gồm 4 thành phần, trong đó:
- Phần khai báo khởi tạo: Khai báo tất cả các thông tin ban đầu cần thiết phục vụ cho toàn bộ quá trình điều khiển Robot như tên chương trình, số lượng và loại biến
- Phần khai báo biến: Khai báo giá trị của biến cần sử dụng cho chương trình điều khiển Robot, trong phạm vị luận văn này, chỉ biến tọa độ (P) được sử dụng
- Phần khai báo hệ thống: Khai báo các thông tin cho toàn hệ thống như thời gian, nhóm robot được sử dụng, số thứ tự của robot được sử dụng trong nhóm đó, …
- Phần câu lệnh thực thi: Chứa các câu lệnh cần Robot thực thi.
KẾT QUẢ THỰC NGHIỆM, KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
Kết quả thực nghiệm
Hệ thống thực nghiệm để thu thập dữ liệu cho các quá tình hiệu chuẩn (ma trận thông số nội, ma trận thông số ngoại, phương trình mặt phẳng laser), dữ liệu hình ảnh cũng như kiểm nghiệm thiết kế của hệ thống, giải thuật xử lý ảnh và quá trình điều khiển Robot
Hình 6.1 Hệ thống thực nghiệm
Hình 6.2 Mẫu thử thực nghiệm 6.1.2 Kết quả các quá trình hiệu chuẩn
6.1.2.1 Tìm ma trận thông số nội Đối với quá trình hiệu chuẩn ma trận thông số nội, kết quả có được từ việc xử
Hình 6.3 Kết quả hiệu chuẩn ma trận thông số nội 6.1.2.2 Tìm phương trình mặt phẳng laser
Hình 6.4 Ảnh Threshold của quá trình hiệu chuẩn Kết quả ra phương trình mặt phẳng laser: 1.962x C 1.967y C 0.997z C 250.103 0 6.1.2.3 Kết quả quá trình xử lý ảnh
Quá trình kiểm tra sai số cuối cùng sử dụng mũi bút vẽ kĩ thuật 0.3 mm và dừng phương pháp chạm gãy Trong suốt quá trình đi theo mối hàn, mũi bút không gãy do va chạp với thành vật mẫu Do rãnh vật mẫu là 1 mm, có cơ sở để kết luận sai số so với tâm mối hàn là e 0.5mm
Hình 6.5 Hình ảnh thực nghiệm
Kết luận
- Phân tích, tính toán, xây dựng hệ thống vision cho hoạch định quỹ đạo robot hàn
- Xây dựng phương pháp hiệu chuẩn hệ thống vision bao gồm tìm ma trận thông
- Xây dựng giải thuật xử lý ảnh, quét được đường cần hàn theo phương pháp laser triangulation
- Hiệu chuẩn hệ thống vision và đầu tool theo hệ trục tọa độ của robot
- Thiết kế, thử nghiệm hệ thống vision tích hợp với cánh tay robot để dò tìm đường cần hàn sử dụng phương pháp laser triangulation
- Xuất được tọa độ thực cho robot thực thi
6.2.2 Hạn chế của đề tài
- Quá trình truyền dữ liệu cho robot còn thông qua thẻ nhớ, chưa có điều kiện giao tiếp trực tiếp giữa robot và máy tính để thực hiện giao tiếp liên tục
- Chưa giải quyết triệt để vật liệu có bề mặt phản xạ và ảnh hưởng của ánh sáng môi trường
- Thời gian xử lý hình ảnh đưa ra tọa độ hàn lớn 0.6 giây trên một bức ảnh 6.2.3 Hướng phát triển đề tài
- Phát triển phương pháp hiệu chuẩn để tăng độ chính xác của hệ thống
- Phát triển phương thức giao tiếp giữa máy tính và robot để quá trình truyền nhận thông tin diễn ra liên tục
- Phát triển thuật toán xử lý ảnh, lẫn cấu hình máy tính để tăng tốc thời gian xử lý ảnh và tryền nhận dữ liệu
- Hệ thống vision trang bị thêm các bộ lọc, để hạn chế ảnh hưởng của ánh sáng nhiễm từ môi trường
- Xây dӵng giҧi thuұt xӱ lý ҧQKTXpWÿѭӧc ÿѭӡng cҫn hàn WKHRSKѭѫQJSKiS laser triangulation
- HiӋu chuҭn hӋ thӕQJYLVLRQYjÿҫu tool theo hӋ trөc tӑDÿӝ cӫa robot
- ThiӃt kӃ, thӱ nghiӋm hӋ thӕng vision tích hӧp vӟi cánh tD\URERWÿӇ dò tìm ÿѭӡng cҫn hàn sӱ dөQJSKѭѫQJSKiSODVHUWriangulation
- XuҩWÿѭӧc tӑDÿӝ thӵc cho robot thӵc thi
- Quá trình truyӅn dӳ liӋu cho robot còn thông qua thҿ nhӟFKѭD FyÿLӅu kiӋn giao tiӃp trӵc tiӃp giӳa robot và mi\WtQKÿӇ thӵc hiӋn giao tiӃp liên tөc
- &KѭD JLҧi quyӃt triӋWÿӇ vұt liӋu có bӅ mһt phҧn xҥ và ҧQKKѭӣng cӫa ánh ViQJP{LWUѭӡng
- Thӡi gian xӱ lý hình ҧQKÿѭDUDWӑDÿӝ hàn lӟn 0.6 giây trên mӝt bӭc ҧnh
6.2.3 +ѭӟng phát triӇQÿӅ tài
- Phát triӇn SKѭѫQJSKiSKLӋu chuҭn ÿӇ WăQJÿӝ chính xác cӫa hӋ thӕng
- Phát triӇQSKѭѫQJWKӭc giao tiӃp giӳDPi\WtQKYjURERWÿӇ quá trình truyӅn nhұn thông tin diӉn ra liên tөc
- Phát triӇn thuұt toán xӱ lý ҧnh, lүn cҩXKuQKPi\WtQKÿӇ WăQJWӕc thӡi gian xӱ lý ҧnh và tryӅn nhұn dӳ liӋu
- HӋ thӕng vision trang bӏ thêm các bӝ lӑFÿӇ hҥn chӃ ҧQKKѭӣng cӫa ánh sáng nhiӉm tӯ P{LWUѭӡng
[1] NguyӉn Thúc Hà Giáo Trình Công Ngh Hàn Nhà xuҩt bҧn Giáo Dөc,
[2] L Franklin An Introduction to 3D Scanning Mobile 3D Scanning, 2017 [3] F Suárez-Ruiz, X Zhou, Q.-C Pham ³Can Robots Assemble an IKEA Chair´Science Robotics, vol 3, 2018
[4] N Jeremiah An Interactive Visually Guided Grasping System Design and Experiments, 2014
[5] /r0LQK3KiW³ThiӃt KӃ HӋ Thӕng 3D Vision Dҥng Laser Triangular Cho Tay Máy Công NghiӋp´ /Xұn YăQ 7KҥF Vƭ 7UѭӡQJ Ĉҥi hӑc Bách Khoa
[6] Y Lei et at ³$ QRYHO ' SDWK extraction method for arc welding robot based on stereo structured light sensor´ IEEE Sensors Journal, 2018 [7] N Morgan et al., ³5REXVWYLVLRQ-based joint tracking for laser welding of curved closed-square-butt joints´ The International Journal of Advanced Manufacturing Technology, vol 101, pp 1967 ± 1978, 2019
[8] Z Yanbiao et al.³$VHDPWUDFNLQJV\VWHP based on a laser vision sensor´
[9] P Q Xu et al.,³:HOGHGVHDP'FDOFXODWLRQDQGVHDP location for welding robot system´ Science and Technology of Welding and Joining, vol 11, issue 3, pp 352-357, 2006
[10] N Jeff Gas Metal Arc Welding Product and Procedure Selection Lincoln Electric, Cleveland, Ohio, USA
[12] F.M Clain et al., ³Two Heat Source Models to Simulate Welding Processes with Magnetic Deflection´ Soldagem & Inspecão, 22(1), 2017 [13] Motoman, Inc UP6 Manipulator Manual Motoman, Incorporated, West
[14] Motoman, Inc XRC Controller Manual Motoman, Incorporated, West
[15] %DVOHU ³&DPHUD acA3800-10gm´ ,QWHUQHW https://www.baslerweb.com/en/, Oct 25, 2020
[16] L Xueqin et al., ³)HDWXUHH[WUDFWLRQRIZHOGJURRYHLPDJHEDVHGRQODVHU vision´ IEEE Sensors Journal, vol 18, pp 4715-4724, 2018
[17] MathWorks ³Camera Calibrator in MATLAB Computer Vision Toolbox´ May 14, 2020
[18] Motoman, Inc XRC Basic Programming Training Manual Motoman,
Incorporated, West Carrollton, Ohio, USA
[19] Y Long et al., ³5HVHDUFKRQ'0HDVXULQJ%DVHG Binocular Vision´ 2014
IEEE International Conference on Control Science and Systems Engineering, pp 18-22, 2014
[20] F Junfeng Fan et al.³$QLQLWLDOSRLQW alignment method of narrow weld using laser vision sensor´ The International Journal of Advanced Manufacturing Technology, vol 102, pp 201-212, 2019
[21] L Dongjie Li et al.³'XDO-station intelligent welding robot system based on CCD´ Measurement Science and Technology, 2019
[22] H.F WANG et al³Laser Stripe Center Detection under the Condition of
Uneven Scattering Metal Surface for Geometric Measurement´ IEEE Transactions on Instrumentation and Measurement, 2019.