传统的白车身焊点检测方式主要是采用便携式超声波探伤仪进行人工抽检,该方法存在检测效率低、覆盖率低、易受人为因素影响等问题,无法满足市场及消费者对汽车品质日益严苛的要求。针对上述问题,急需开发一套可靠性强、检测效率高的白车身焊点在线检测装备。如何进行焊点精确定位是实现在线检测任务的一个关键技术,由于传统示教机器人存在定位精度低、柔性差等问题,无法满足在线检测过程焊点的定位需求。同时由于机器视觉具有非接触、检测精度高、环境适应性强等特点,广泛应用于智能制造领域,因此本文主要对基于机器视觉的白车身焊点智能定位方法进行研究,实现焊点的在线检测,提高汽车生产制造过程的自动化、智能化水平。本课题为广西省科技厅资助,湖南大学和上汽通用五菱汽车股份有限公司联合攻关的项目(桂攻科:1598008-18)。主要研究内容如下:首先,分析了白车身焊点在线检测过程中影响定位精度的因素,阐述了利用视觉伺服控制理论进行焊点定位的必要性,然后由于机器人视觉系统具有非线性、强耦合性等特点,采用传统建模方法对定位误差进行补偿已无法满足精度需求,将机器视觉与深度学习算法相结合,利用支持向量机回归理论对视觉误差进行补偿,并采用粒子群优化算法对支持向量机模型参数进行优化,以期进一步提高机器人视觉系统的定位精度,为实现焊点的精确定位方法提供了理论支持。其次,对工业机器人视觉定位方法进行了研究。针对传统示教再现机器人定位精度无法满足超声波探头需求的问题,提出一种基于机器视觉和支持向量机回归的白车身焊点定位方法,首先基于焊点在线检测的实际工况制定了机器视觉定位的控制策略,并通过融合激光测距信息的视觉系统测量机器人示教位置与期望位置的偏差,进行焊点的初步定位;然后建立了基于粒子群优化算法的支持向量机回归模型,对视觉引导后的机器人进行三维空间上的误差补偿;最后通过实验对比了不同的优化支持向量机参数方法以及常用的误差补偿方法,证明了基于粒子群优化的支持向量机误差补偿模型在预测精度和响应时间方面具有更好的效果,能够进一步提高机器视觉系统的定位精度,实现焊点的精度定位。然后,对机器视觉定位核心步骤图像处理算法进行了研究。首先为了使焊点进行清晰地成像,提高图像质量,分别进行了成像系统的设计与图像感兴趣区域提取、去燥、增强等预处理;然后对比分析不同传统边缘检测算子的焊点处理效果,选择了抗干扰能力更好,处理效果更好的Canny边缘算子;最后采用霍夫圆变换精确提取出焊点的中心坐标,为接下来准确引导示教机器人纠偏提供了技术支持,同时也为视觉定位软件系统的开发提供了算法支持。最后,搭建了一套机器视觉智能定位实验平台,对本文所提出的定位方法进行了验证。首先对硬件系统的设计、选型以及软件系统的开发流程、主要功能等进行了阐述;然后搭建了白车身焊点视觉定位实验平台,并详细设计了实验步骤;最后根据国家计量技术规范关于仪器特性的评价标准,对系统定位精度进行验证,同时测试了系统在线检测的效率以及定位一致性,实验结果表明本文方法能够满足超声波探头的定位精度需求,可初步用于白车身焊点质量的在线检测。