针对传统点胶系统无法适应产品尺寸误差、生产效率低下、自动化及智能化程度不高等问题,设计一种基于工件自动识别的视觉点胶系统。首先,提取输入图像的HOG特征,通过已训练好的基于one|versus|one(OVO)的支持向量机获取工件类别信息,实现图像分割阈值的自适应选择;其次,自适应选择预设阈值指导图像分割、边缘检测,得到初步点胶路径;然后,利用局部加权线性回归方法(LWLR)平滑初步点胶路径,降低因机械系统抖动而导致的系统损耗;最后,提取点胶路径关键控制点,减少路径插补计算量,在保证分割精度的情况下,进一步平滑路径,生成任意复杂点胶路径,执行点胶任务。大量实验结果表明,系统能准确识别工件类别,同时,在保证分割精度前提下,有效平滑点胶路径,满足点胶系统的通用性、实时性、高精度性需求,延长了系统使用周期。

随着汽车质量要求的日益提升和上市周期的不断缩短,整车企业发展方向促使其集成度越来越高,推升了很多车身总成级别零件外包采购。在车身MP零件研发及启动过程中,由结构、材料、开发时间等因素带来的尺寸质量（公差）提升过程中设计容差风险会越来越大,为有效地规避和控制这类风险。提出一种基于制造需求,并通过一系列技术标准和数模审核对设计风险进行提前识别和控制的方法。