买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京欧睿三维科技有限公司申请的专利用于自动焊接系统的焊接位置识别方法及自动焊接系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114473309B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210272270.2，技术领域涉及：B23K37/00；该发明授权用于自动焊接系统的焊接位置识别方法及自动焊接系统是由黄丽;江斌;董春雨;肖建设计研发完成，并于2022-03-18向国家知识产权局提交的专利申请。

本用于自动焊接系统的焊接位置识别方法及自动焊接系统在说明书摘要公布了：本发明公开了一种用于自动焊接系统的焊接位置识别方法，主要通过人工神经网络实现待焊接位置的预识别，再通过采集到的图像和构建的三维点云模型之间的关系，在三维点云模型中找到需要焊接的点云坐标；根据三维点云模型中的待焊接位置的点云坐标进行路径规划。本发明还提供了一种自动焊接系统，其主要采用上述焊接位置识别方法对需要焊接的位置进行识别。本发明提供的识别方法及系统的普适性更高，不仅能够识别出不同形状、不同部位的未焊接过的零件的焊接位置；还可以针对焊缝进行缺陷型的识别；适用于多样性的焊接情况。

本发明授权用于自动焊接系统的焊接位置识别方法及自动焊接系统在权利要求书中公布了：1.一种用于自动焊接系统的焊接位置识别方法，其特征在于：包括以下步骤： 步骤1：对采用的相机和激光雷达进行联合标定，获得相机的外参； 步骤2：分别通过相机和激光雷达对待焊接零件进行数据采集； 步骤3：根据步骤2得到的激光雷达采集的待焊接零件的三维点云数据进行处理，得到待焊接零件的三维点云模型；同时，通过训练好的人工神经网络对步骤2中相机采集得到的图像数据进行焊接位置预识别，获得图片中的待焊接位置； 步骤4：将步骤3中得到的图像中组成待焊接位置的像素点的坐标值转换成世界坐标系下的坐标值；从而得到世界坐标系下组成待焊接位置的点的二维坐标值； 步骤5：根据步骤4得到的世界坐标系下组成待焊接位置的点的二维坐标值得到对应的三维坐标，根据对应的三维坐标在步骤3中得到的待焊接零件的三维点云模型中识别出组成待焊接位置的点云； 所述步骤1中对采用相机和激光雷达进行联合标定，获得相机的外参的方法为： 步骤1-1：对相机和激光雷达获取的数据进行直线特征提取； 步骤1-2：对齐激光雷达数据和图像数据的时间戳，将激光雷达数据的直线特征投影到激光雷达数据的下一时间戳的图像二维平面上； 步骤1-3：根据步骤1-2的投影结果组成对应的相机数据-激光雷达数据对，根据相机数据-激光雷达数据对优化重投影误差并计算相机外参； 步骤1-4：确保相机和激光雷达之间的相对位置不变，同时移动相机和激光雷达的位置，采集数据，然后重复步骤1-1-步骤1-3，迭代计算相机外参，选择使相机数据-激光雷达数据对的重投影误差最小时所对应的相机外参； 所述步骤2中，通过相机和激光雷达采集多组待焊接零件的数据，对齐每组三维点云数据和每个图像数据的时间戳，选择一组三维点云数据输入到步骤3中进行处理，并将选择的三维点云数据对应的下一时间戳的图像数据输入到步骤3中进行处理； 所述步骤3中的人工神经网络为FastRCNN人工神经网络； 所述FastRCNN人工神经网络的训练方法为：包括以下步骤： 步骤3-1：将训练图集和图集对应的数据输入到FastRCNN人工神经网络；所述训练图集包括不同类型不同角度的待焊接零件；图集对应的数据为每个待焊接零件的焊接位置标签； 步骤3-2：通过选择搜索算法在输入的训练图片中得到多个感兴趣区域；同时对输入的训练图片进行多层卷积层和RoI池化层，得到特征图； 步骤3-3：根据映射关系，在特征图中找到每个感兴趣区域对应的感兴趣特征区域； 步骤3-4：将步骤3-3得到的每个感兴趣特征区域分别输入到RoI池化层，通过提取得到固定长度的感兴趣特征向量，输入到全连接层； 步骤3-5；根据输出的分类向量和每一类的回归向量，得到分类损失和回归损失；当分类损失和回归损失的值不大于0.02时，FastRCNN人工神经网络训练完成。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京欧睿三维科技有限公司，其通讯地址为：210000 江苏省南京市江宁区麒麟科技创新园智汇路300号D座602-A室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。