Automatic Pre-Production for Robotic Welding: And Dynamic Calibration for it
Author
Sørensen, Peter Tybjerg
Term
4. term
Education
Publication year
2022
Submitted on
2022-06-02
Pages
70
Abstract
I samarbejde med Sjørring Maskinfabrik og PDM Technology undersøger dette speciale, hvordan robot-svejsning kan gøres mere praktisk for virksomheder, der producerer i små serier med stor variation. En central barriere er den tid og den specialviden, der kræves for at klargøre robotter til hver ny del. Vi foreslår og undersøger derfor en automatiseret offline programmeringsmetode, der kan gå fra en CAD-model af et produkt til et svejseprogram, som robotten kan køre. Metoden bygger på "grundoperationer"—små, genbrugelige svejsetrin, der beskriver, hvordan man svejser en bestemt del af emnet. Ved at kombinere disse byggeklodser er målet at skabe komplette svejseprogrammer med mindre manuel indsats. Vi ser også på, hvordan denne virksomhedstype kan indføre mere robot-svejsning uden at bruge fiksturer (opspændingsværktøj), der fastholder emnet. Til at tilpasse robotten til det fysiske emne foreslår vi et sensorsystem med kamera og ArUco‑markører—kvadratiske visuelle tags—som gør det muligt dynamisk og automatisk at kalibrere robotten til emnet. Kameraet kalibreres for at bestemme dets parametre, som efterfølgende bruges til at beregne markørens pose (position og orientering). Resultaterne viser, at den marker‑baserede dynamiske kalibrering fungerer i princippet, men præcisionen er endnu ikke høj nok til at kunne bruges til robot-svejsning.
In collaboration with Sjørring Maskinfabrik and PDM Technology, this thesis examines how to make robotic welding practical for companies that produce in small batches with many product variants. A key barrier is the time and expertise needed to prepare robots for each new part. We therefore propose and study an automated offline programming approach that takes a product’s CAD model and generates a robot‑ready welding plan. The approach is built from "elementary operations"—small, reusable welding steps that describe how to weld a specific part of the workpiece. By combining these building blocks, the system aims to create complete welding programs with less manual effort. We also investigate how this type of company could expand robotic welding without using fixtures (tools that hold parts in a fixed position). To align the robot with the actual workpiece, we propose a sensor system using a camera and ArUco markers—square visual tags—that enables dynamic, automatic calibration. The camera is calibrated to obtain its parameters, which are then used to estimate the marker’s pose (position and orientation). Our results show that marker‑based dynamic calibration works in principle, but the achieved precision is not yet sufficient for robotic welding.
[This summary has been rewritten with the help of AI based on the project's original abstract]
Keywords
Documents