摘" " 要： 針對(duì)中厚板多層多道焊的焊道測量問題，提出利用焊縫檢測和焊道尺寸視覺測量的信息融合自適應(yīng)微調(diào)焊槍位置的方法。首先基于結(jié)構(gòu)光視覺傳感器系統(tǒng)采集焊縫圖像，在典型圖像處理算法的基礎(chǔ)上，結(jié)合FROSAC提取算法提取焊縫特征信息；將提取到的特征點(diǎn)進(jìn)行坐標(biāo)轉(zhuǎn)換，采用視覺測量獲得焊道輪廓和尺寸信息，來修正機(jī)器人的運(yùn)動(dòng)路徑；根據(jù)焊縫特征信息分析工藝參數(shù)對(duì)焊道成型的影響，確定焊道層數(shù)、各焊道的工藝參數(shù)以及焊槍的偏移量，完成多層多道焊接工藝規(guī)劃；最后基于搭建的機(jī)器人焊接視覺系統(tǒng)在12 mm母材上進(jìn)行V形坡口多層多道焊接試驗(yàn)。結(jié)果表明：該方法下坡口填充良好，焊道尺寸平均測量誤差小于0.2 mm，滿足多層多道焊接工業(yè)應(yīng)用需求。

關(guān)鍵詞： 多層多道規(guī)劃； 結(jié)構(gòu)光視覺傳感器； 三維檢測； FROSAC算法； 焊接工藝參數(shù)

中圖分類號(hào)： TG409；TP242.2" " " " " " "文獻(xiàn)標(biāo)志碼： A" " " " " " " " 文章編號(hào)： １６７１－０２４Ｘ（２０24）０2－００75－07

Visual measurement and process planning of multi-layer and multi-pass

welding of medium and heavy plate

WANG Tianqi1， ZHANG Shuhao1， LONG Bin2， WANG Kekuan2

（1." Tianjin Key Laboratory of Modern Mechatronics Equipment Technology， Tiangong University， Tianjin 300387， China；

2. CNPC Engineering Technology Research Company Limited， Tianjin 300451， China）

Abstract：Aiming at the weld channel measurement of multi-layer and multi-pass welding of medium-thick plate， the method of adaptive fine-tuning of the weld gun position using the fusion of information from weld seam detection and visual measurement of weld channel dimensions is proposed. Firstly， based on the structured optical vision sensor system， the weld seam images are acquired， and the weld seam feature information is extracted based on typical image processing algorithms combined with FROSAC extraction algorithm. The number of layers， the process parameters of each weld channel and the offset of the welding torch are determined based on the information of the weld seam characteristics， and the multi-layer and multi-pass welding process planning is completed. Finally， based on the robot welding vision system built on the 12 mm-base material for V-bevel multi-layer and multi-pass welding test， the results show that the method under the bevel fill well， the average measurement error of the weld channel size is less than 0.2 mm， meeting the needs of multi-layer and multi-pass welding industrial applications.

Key words： multi-layer and multi-pass planning； structured light vision sensor； three dimensional inspection； FROSAC algorithm； welding process parameters

中厚尺寸鋼板結(jié)構(gòu)件普遍存在于船舶、建筑、橋梁等大型組裝工程中，一般采用多層多道焊工藝來保證焊接工藝質(zhì)量[1]。采用焊接機(jī)器人完成中厚板的自動(dòng)焊接，需要考慮坡口加工、焊接過程熱變形等因素對(duì)自動(dòng)焊精度的影響[2-3]。因此采用結(jié)構(gòu)光視覺傳感技術(shù)在自動(dòng)焊過程中實(shí)時(shí)提取焊接路徑，并進(jìn)行路徑糾偏對(duì)于提高焊接質(zhì)量有著重要的意義。

圍繞激光視覺傳感器在焊縫跟蹤技術(shù)中的應(yīng)用，Li等[4]開發(fā)了一種基于結(jié)構(gòu)光傳感器的視覺檢測系統(tǒng)，用于進(jìn)行焊道輪廓測量、焊接過程監(jiān)控以及焊接缺陷檢測，但是對(duì)自動(dòng)化跟蹤的研究較少。Zeng等[5]利用三線激光傳感器提出了一種實(shí)時(shí)焊縫搜索定位策略，提取坡口的特征信息，修正工藝規(guī)劃參數(shù)偏差，然而該識(shí)別精度較低。

針對(duì)中厚板多層多道焊的視覺控制問題，本文在設(shè)計(jì)一套結(jié)構(gòu)光視覺傳感器系統(tǒng)的基礎(chǔ)上利用濾波去噪和快速隨機(jī)抽樣一致性直線擬合（FROSAC）算法提取焊縫特征信息，提出了焊縫檢測和焊道尺寸測量的信息融合并自適應(yīng)微調(diào)焊槍位置和姿態(tài)的方法。首先利用示教的方法采集到的特征點(diǎn)轉(zhuǎn)換得到機(jī)器人基坐標(biāo)系下的點(diǎn)，測量計(jì)算焊道尺寸和焊槍的偏移量以及姿態(tài)，并根據(jù)計(jì)算得到的焊道尺寸合理分配填充策略，制定合理的工藝參數(shù)，完成中厚板多層多道自動(dòng)化焊。

1 圖像采集系統(tǒng)

1.1 實(shí)驗(yàn)平臺(tái)配置

基于結(jié)構(gòu)光視覺的圖像采集系統(tǒng)實(shí)驗(yàn)平臺(tái)如圖1所示。

圖1中，整個(gè)系統(tǒng)包括自動(dòng)化焊接機(jī)、六自由度工業(yè)機(jī)器人、工業(yè)計(jì)算機(jī)和視覺傳感器構(gòu)成。該系統(tǒng)采用ABB IRB1410工業(yè)機(jī)器人和Fronius TPS 4000 CMT自動(dòng)焊接自動(dòng)焊機(jī)，對(duì)坡口角度為90°的對(duì)接V形坡口Q235碳鋼進(jìn)行多層多道焊接實(shí)驗(yàn)，母材尺寸為150 mm ×150 mm × 12 mm。CCD相機(jī)的分辨率選擇為656 × 492，為獲得高質(zhì)量的結(jié)構(gòu)光圖像，采用650 nm激光發(fā)生器，濾光片采用（650±10） nm波段。

1.2 結(jié)構(gòu)光視覺傳感器測量原理

視覺方法具有穩(wěn)定、速度快和精度高的優(yōu)點(diǎn)。為了過濾大量的電弧噪聲，安裝了一個(gè)窄帶通濾光玻璃；具有較低透鏡畸變的遠(yuǎn)心透鏡對(duì)高精度測量非常關(guān)鍵，當(dāng)采用中短波光源時(shí)，最常用的CCD相機(jī)具有更好的成像特性[6-7]。

從結(jié)構(gòu)光的點(diǎn)光源發(fā)出的光投射到待焊件上的坡口中，形成一條隨著目標(biāo)輪廓而產(chǎn)生的線條紋，其中包含焊縫特征信息，如坡口大小、焊縫上表面剖切線拐點(diǎn)位置等。相機(jī)和光平面夾角固定，根據(jù)三角測量原理將光條紋投射到采集設(shè)備上，不僅反映了焊縫形狀，還反映了焊縫位置信息[8]。該測量過程可根據(jù)圖像上的二維像素坐標(biāo)計(jì)算空間中激光條紋的三維坐標(biāo)。

2 多層多道焊縫幾何參數(shù)

2.1 機(jī)器人標(biāo)定

圖2所示為激光條紋的透視成像過程。

由于攝像機(jī)存在透視畸變會(huì)導(dǎo)致采集的圖像幾何畸變[9]，因此采用張氏標(biāo)定法[10]對(duì)其進(jìn)行修正：

Pd = Min PC（1）

式中：Min為相機(jī)的內(nèi)參數(shù)矩陣；Pd、PC分別為像素坐標(biāo)系下的像素坐標(biāo)和攝像機(jī)坐標(biāo)系中的齊次坐標(biāo)值，通過加入激光平面的約束方程ax + by + cz + 1 = 0，轉(zhuǎn)化得到基坐標(biāo)系下坐標(biāo)：

PW = M6·Tm·PC（2）

式中：PC為條紋上任意點(diǎn)的相機(jī)坐標(biāo)；M6為機(jī)器人位姿在基坐標(biāo)系下的變換矩陣；Tm為機(jī)器人手眼矩陣。根據(jù)焊縫特征點(diǎn)的二維圖像像素坐標(biāo)值PC獲得相機(jī)三維坐標(biāo)系中的坐標(biāo)值PW。

2.2 焊縫特征點(diǎn)提取

每一次焊接完成后，因?yàn)闊嶙冃蔚漠a(chǎn)生，導(dǎo)致坡口大小、拐點(diǎn)位置都會(huì)發(fā)生改變，需要重新采集坡口特征信息，因此設(shè)置了2個(gè)點(diǎn)（引入點(diǎn)和引出點(diǎn)），用于每次焊接前的路徑掃描[11]，讀取坡口數(shù)據(jù)，并記錄機(jī)器人工具坐標(biāo)系位姿。

由于采集到的初始焊縫激光條紋圖像即有目標(biāo)圖像又有背景噪聲的干擾，需要對(duì)圖像簡單處理得到無弧光激光條紋，擬合處理提取焊縫特征，處理過程如圖3所示。

利用濾光鏡以及擋弧片減小了焊接過程中的大部分強(qiáng)反射、飛濺等噪聲的干擾，降低對(duì)焊縫圖像處理的難度，圖像經(jīng)過了濾波、閾值處理細(xì)化等算法[12]，得到焊縫特征點(diǎn)。

2.2.1 單道V型焊縫初始特征點(diǎn)提取

為更精準(zhǔn)地提取焊縫特征點(diǎn)，在進(jìn)行一系列圖像處理算法得到焊縫特征點(diǎn)的基礎(chǔ)上，采用了重抽樣優(yōu)化的FROSAC算法，能夠提高算法的效率。

單道焊縫由于結(jié)構(gòu)簡單常會(huì)采用隨機(jī)抽樣一致性直線擬合的方法來提取激光條紋中心，求出輪廓圖像中各個(gè)拐點(diǎn)的坐標(biāo)值[13]。

在N次采樣中，并且在一定數(shù)量的世代之后計(jì)算一致集合中的元素?cái)?shù)，以確定集合P是否是最優(yōu)模型M。則局內(nèi)點(diǎn)概率為：

p = 1-（1- wk）N（3）

式中：w為數(shù)據(jù)集選取1個(gè)局內(nèi)點(diǎn)的概率。

然而該算法只是對(duì)樣本獨(dú)立抽樣，之前迭代得到的數(shù)學(xué)模型沒有得到很好的利用，計(jì)算耗時(shí)。故本文采用FROSAC算法，它的優(yōu)勢是可以利用反復(fù)隨機(jī)抽樣來估計(jì)出高精度的數(shù)學(xué)模型參數(shù)，采樣取自上述局部點(diǎn)，重復(fù)采樣和模型測試使其穩(wěn)定，優(yōu)化更新數(shù)學(xué)模型[14]，圖4給出了FROSAC算法的概要流程。

通過擬合提取的條紋分割中心獲得交線，并兩兩計(jì)算交點(diǎn)，獲得特征點(diǎn)位置信息，通過此方法便可以求得V型坡口截面的3個(gè)拐點(diǎn)。V型坡口檢測過程如圖5所示，獲得較好的處理結(jié)果。

2.2.2 多層多道V型焊縫初始特征點(diǎn)提取

對(duì)于多道焊縫形狀特征的分析，采取非線性最小二乘法對(duì)激光中心線進(jìn)行擬合，計(jì)算坡口中的拐點(diǎn)和熔池與坡口的交點(diǎn)的坐標(biāo)值。

F（x） = ‖f （x）‖（4）

式中： f （x）為準(zhǔn)備擬合的激光條紋函數(shù)；F（x）為目標(biāo)函數(shù)，自動(dòng)搜取x使得目標(biāo)函數(shù)F（x）取得最小值。

同之前所述得到分段擬合的直線和曲線，然后對(duì)求得線方程兩兩計(jì)算，所求得的交點(diǎn)為目標(biāo)位置，求得拐點(diǎn)、焊縫高度和腳高，焊道檢測過程如圖6。由圖6可見，多層多道焊接激光條紋提取獲得了較好的處理結(jié)果。

3 多層多道焊工藝規(guī)劃

合理的焊道規(guī)劃是厚板焊接自動(dòng)跟蹤的關(guān)鍵，根據(jù)對(duì)多層多道的規(guī)劃研究，與坡口的截面形狀、焊槍位置、姿態(tài)等[15-16]是規(guī)劃的重點(diǎn)。為了達(dá)成焊道的規(guī)劃，首先需要焊槍自動(dòng)定位到焊縫起始點(diǎn)，根據(jù)前述2.2節(jié)確定拐點(diǎn)。在坡口大小、熔覆寬度與高度變化下規(guī)劃焊接工藝的過程如圖7所示。

3.1 坡口填充策略

目前坡口焊的種類有等高、等面積和自定義型，焊道也分為打底焊、填充焊、蓋面焊。另外，同一層的焊接方案可以是按從左焊、從右焊以及兩邊焊的順序[17-20]。這里設(shè)定焊縫需要填充的總層數(shù)為n， 第i層共有mi道，在相同層焊接參數(shù)和工藝不變的情況下，截面面積Si測量變化不大，但是不同焊層之間的焊接參數(shù)可以選擇不一樣，推導(dǎo)得到每道焊接的偏移量。

沿焊槍高度方向位移量為：

ΔZi，j = （5）

垂直焊縫橫向位移增量為：

ΔYi，j = "（6）

式中：β為V型坡口角度；層數(shù)i∈[1，n]；每層道數(shù)j∈[1，mi]。

3.2 焊接速度規(guī)劃

焊接速度也是工藝參數(shù)中對(duì)熔池成形質(zhì)量和焊接過程控制的重要一環(huán)。通過焊縫坡口的截面形狀和尺寸可以推導(dǎo)出焊接成型效果和大致參數(shù)[21]。根據(jù)焊縫坡口截面面積分配每一道截面面積Sn以及每一道焊道焊接參數(shù)的設(shè)置來確定焊接速度。通過輸入電流I查看焊機(jī)確定與其對(duì)應(yīng)的送絲速度vr和焊接電壓U，已知焊絲直徑D和填充熔敷率η，求得焊接速度vw：

vw = （7）

4 實(shí)驗(yàn)結(jié)果與分析

4.1 工藝參數(shù)成型分析

在焊接時(shí)，焊接速度主要影響了焊道的尺寸大小，如圖8所示。

圖8中，當(dāng)焊槍提升高度和送絲速度不變的情況下，焊速增加，焊道寬度明顯減少。這是由于焊接單位長度進(jìn)入工件的熱量減少了，焊絲量減少，熔池流動(dòng)性下降[22]。

由于CMT焊機(jī)具有一元化的特點(diǎn)，單道焊接過程送絲速度不變，成型焊道基本均勻。表1給出了工藝參數(shù)對(duì)焊道的影響及焊道視覺測量的計(jì)算結(jié)果和實(shí)際測量結(jié)果。

由表1可知，通過1、2、3組實(shí)驗(yàn)，在其他參數(shù)不變時(shí)，焊道高度與焊接速度成負(fù)相關(guān)。在焊接速度不變時(shí)，焊道高度與送絲速度成正相關(guān)，是因?yàn)楹傅莱叽珉S著送絲量的增快而致使金屬熔覆量變大。

焊道的視覺測量結(jié)果可直接由式（2）獲得的坐標(biāo)點(diǎn)計(jì)算得出，焊縫寬度由焊道截面焊縫焊趾之間的距離求得，焊道高度為焊道截面最高點(diǎn)和前一層的焊縫焊趾間的垂直高度，對(duì)其計(jì)算后得到的焊縫寬度和高度。

實(shí)現(xiàn)對(duì)每一道焊縫的寬度和高度精確測量，平均誤差滿足在 ± 0.2 mm 以內(nèi)，相對(duì)誤差基本都在5%以內(nèi)，測量精度較高，滿足對(duì)測量精度的要求。

4.2 多層多道試驗(yàn)

為了驗(yàn)證本文思想的合理性，采用直徑為1.2 mm的焊絲，厚度為12 mm、坡口寬為12 mm的中厚板，坡口采用3層6道的多層多道焊接方式，焊接前，根據(jù)視覺測量所得的坡口高度和寬度確定坡口截面面積，如表2。多層多道焊接成型實(shí)驗(yàn)結(jié)果如圖9所示。

圖9（a）為打底層，經(jīng)過視覺測量計(jì)算后求得焊道坡口尺寸信息，分析焊道尺寸信息后規(guī)劃后續(xù)焊道。圖9（b）為三層六道焊成型效果，成形情況基本符合焊接要求。打底層和填充層焊道視覺測量與實(shí)際測量的平均誤差收斂于 ± 0.2 mm，滿足焊接所需精度，達(dá)到成型質(zhì)量要求。

5 結(jié) 論

為了獲得更好的焊接質(zhì)量，本文提出了V型坡口的多層多道規(guī)劃方案和焊道視覺測量的檢測方法，經(jīng)過多次實(shí)驗(yàn)論證，得到結(jié)論如下：

（1） 根據(jù)坡口填充方式和坡口截面特征信息，完成焊道層數(shù)和各焊道的工藝參數(shù)、偏移量以及焊槍姿態(tài)的規(guī)劃，實(shí)現(xiàn)中厚板的多層多道的可行性。

（2） 利用濾波去噪和FROSAC算法用于測量單道焊縫和多層多道焊縫的識(shí)別與測量系統(tǒng)，可以得到焊道寬度與高度，實(shí)驗(yàn)結(jié)果表明：整體測量精度優(yōu)于0.2 mm，誤差都在5%以內(nèi)，證明本文提出視覺測量方法的可行性。

（3） 根據(jù)焊接工藝實(shí)驗(yàn)對(duì)焊道成型的影響，并利用視覺測量多層多道焊道幾何參數(shù)，得到焊道的余高和寬度，對(duì)所采集的焊縫數(shù)據(jù)和焊接質(zhì)量進(jìn)行分析。

參考文獻(xiàn)：

[1]" " 王強(qiáng)， 沈濤， 劉勇. 海洋工程用中厚板高強(qiáng)鋼Q460E焊接工藝及性能[J]. 船舶工程， 2021， 43（5）： 129-132， 139.

WANG Q， SHEN T， LIU Y. Welding process and properties of high strength steel Q460E for offshore engineering[J]. Ship Engineering， 2021， 43（5）： 129-132， 139（in Chinese）.

[2]" " ZOU Y B， WEI X Z， CHEN J X. Conditional generative adversarial network-based training image inpainting for laser vision seam tracking[J]. Optics and Lasers in Engineering， 2020， 134： 106140.

[3]" " HE Y S， XU Y L， CHEN Y X， et al. Weld seam profile detection and feature point extraction for multi-pass route planning based on visual attention model[J]. Robotics and Computer Integrated Manufacturing， 2016， 37： 251-261.

[4]" " LI Y， LI Y F， WANG Q L， et al. Measurement and defect detection of the weld bead based on online vision inspection[J]. IEEE Transactions on Instrumentation and Measurement， 2010， 59（7）： 1841-1849.

[5]" " ZENG J L， CHANG B H， DU D， et al. A weld position recognition method based on directional and structured light information fusion in multi-layer/multi-pass welding[J]. Sensors， 2018， 18（1）： 129.

[6]" " SUNG K， LEE H， CHOI Y， et al. Development of a multiline laser vision sensor for joint tracking in welding[J]. Welding Jo-urnal， 2009， 88（4）：79-85.

[7]" " LI Y， LI Y F， WANG Q L， et al. Measurement and defect detection of the weld bead based on online vision inspection[J]. IEEE Transactions on Instrumentation and Measurement， 2010， 59（7）： 1841-1849.

[8]" " ZOU Y B， LI J C， CHEN X Z. Seam tracking investigation via striped line laser sensor[J]. Industrial Robot， 2017， 44（5）： 609-617.

[9]" " ZOU Y B， WANG Y B， ZHOU W L， et al. Real-time seam tracking control system based on line laser visions[J]. Optics Laser Technology， 2018， 103： 182-192.

[10]" ZHANG Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2000， 22（11）： 1330-1334.

[11]" 曹林攀， 易際明， 謝傳祿， 等. 激光傳感的機(jī)器人多層多道焊路徑規(guī)劃[J]. 機(jī)械設(shè)計(jì)與制造， 2016（1）： 186-189.

CAO L P， YI J M， XIE C L， et al. The laser sensor of robotic multi-path/multi-layer welding path planning[J]. Machinery Design amp; Manufacture， 2016（1）： 186-189（in Chinese）.

[12]" 陳新禹， 張慶新， 朱琳琳， 等. 基于激光視覺傳感器的機(jī)器人實(shí)時(shí)焊縫跟蹤方法[J]. 激光與紅外， 2021， 51（4）： 421-427.

CHEN X Y， ZHANG Q X， ZHU L L， et al. The method of real time seam tracking for robotic welding system based on laser vision sensor[J]. Laser amp; Infrared， 2021， 51（4）： 421-427（in Chinese）.

[13]" 吳凱旋. 基于深度學(xué)習(xí)的激光視覺多層多道焊縫跟蹤研究[D]. 天津： 天津工業(yè)大學(xué)， 2021.

WU K X. Research on laser vision multi-layer and multi-pass seam tracking based on deep learning[D]. Tianjin： Tiangong University， 2021（in Chinese）.

[14]" 肖春寶， 馮大政， 馮祥衛(wèi). 重抽樣優(yōu)化的快速隨機(jī)抽樣一致性算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)， 2016， 28（4）： 606-613.

XIAO C B， FENG D Z， FENG X W. Fast RANSAC algorithm with resample optimization[J]. Journal of Computer-Aided Design amp; Computer Graphics， 2016， 28（4）： 606-613（in Chinese）.

[15]" SHAHABI M， GHARIBLU H， BESCHI M， et al. Path planning methodology for multi-layer welding of intersecting pipes considering collision avoidance[J]. Robotica， 2021， 39（6）： 945-958.

[16]" LIU Y. Pose planning for the end-effector of robot in the welding of intersecting pipes[J]. Chinese Journal of Mechanical Engineering， 2011， 24（2）： 264.

[17]" 成利強(qiáng)， 王天琪， 侯仰強(qiáng)， 等. 中厚板V形坡口多層多道焊機(jī)器人焊接技術(shù)研究[J]. 焊接， 2018（2）： 10-13， 62.

CHENG L Q， WANG T Q， HOU Y Q， et al. Robot welding technology of V groove for heavy plate based on multi layer and multi pass welding[J]. Welding amp; Joining， 2018（2）： 10-13， 62 （in Chinese）.

[18]" 劉釗江， 馬思樂， 戴昊飛， 等. 基于激光傳感器的機(jī)器人自適應(yīng)多層多道焊接[J]. 焊接， 2020（8）： 26-32， 63.

LIU Z J， MA S L， DAI H F， et al. Adaptive multi-layer multi-pass welding based on laser sensors[J]. Welding amp; Joining， 2020（8）： 26-32， 63（in Chinese）.

[19]" 章銳， 汪選國， 劉偉， 等. 基于自定義填充策略的機(jī)器人中厚板多層多道焊離線編程與仿真[J]. 焊接技術(shù)， 2019， 48（12）： 69-73.

ZHANG R， WANG X G， LIU Wei， et al. Off-line programming and simulation of multilayer-multipass welding for robot based on custom filling strategy[J]. Welding Technology， 2019， 48（12）： 69-73（in Chinese）.

[20]" 任福深， 陳樹君， 殷樹言， 等. 管道插接焊縫位置及焊槍位姿建模[J]. 焊接學(xué)報(bào)， 2008， 29（11）： 33-36， 114.

REN F S， CHEN S J， YIN S Y， et al. Modeling on weld position and welding torch pose in welding of intersected pipes[J]. Transactions of the China Welding Institution， 2008， 29（11）： 33-36， 114（in Chinese）

[21]" 廖偉東， 李俊淵， 黃昕， 等. 多層多道焊機(jī)器人離線編程路徑規(guī)劃[J]. 機(jī)床與液壓， 2021， 49（15）： 67-70.

LIAO W D， LI J Y， HUANG X， et al. Robotic off-line programming path planning for multi-path/multi-layer welding[J]. Machine Tool amp; Hydraulics， 2021， 49（15）： 67-70（in Chinese）.

[22]" 張宏宇. 基于冷金屬過渡技術(shù)的桁架結(jié)構(gòu)成型工藝控制及路徑規(guī)劃[D]. 天津： 天津工業(yè)大學(xué)， 2021.

ZHANG H Y. Forming process control and path planning of truss structure based on cold metal transition technology[D].Tianjin： Tiangong University， 2021（in Chinese）.

本文引文格式：

王天琪，張樹浩，龍斌，等. 中厚板多層多道焊視覺測量與工藝規(guī)劃[J]. 天津工業(yè)大學(xué)學(xué)報(bào)，2024， 43（3）： 75-81.

WANG T Q， ZHANG S H， LONG B， et al. Visual measurement and process planning of multi-layer and multi- pass welding of medium and heavy plate[J]. Journal of Tiangong University， 2024， 43（3）： 75-81（in Chinese）.