一种焊接控制方法、装置及系统与流程

本申请涉及焊接技术领域，特别是涉及一种焊接控制方法、装置及系统。

背景技术：

随着科技水平的提高，整个社会都向着智能化、自动化的方向发展。

焊接技术广泛应用于各个行业，包括但不限于：轻工业(比如：门框、水壶焊接)、制造业(比如：钢管或钢板焊接)、电子行业、建筑业、汽车行业、家电行业或路桥等等。

焊接技术也种类繁多，比如：电焊、气焊、激光焊、钎焊、热熔焊、电子束焊或爆炸焊等等。

焊接技术领域，由于工作本身的性质，对工人造成了较大的损害，因此目前急需自动化设备来代替人工，从而减少对人工造成的损害。

但是，应当看到目前的自动化焊接设备，往往难以推广应用，主要问题在于自动化焊接识别精度低，从而难以完成很多精准、精密的焊接工作。

技术实现要素：

基于此，本发明提供一种焊接控制方法、装置及系统。

本发明第一方面提供一种焊接控制方法，所述焊接控制方法包括：

获取待焊接部的n组图像；其中，n为大于等于1的整数；

根据所述n组图像，生成所述待焊接部的位姿信息；

根据所述位姿信息生成焊接控制指令，以控制焊接执行器执行焊接动作。

进一步，所述根据所述n组图像，生成所述待焊接部的位姿信息包括：

提取所述n组图像中的特征信息；

匹配所述特征信息，得到匹配特征信息；

根据所述匹配特征信息，生成所述待焊接部的位姿信息。

进一步，所述根据所述n组图像，生成所述待焊接部的位姿信息包括：

提取所述n组图像中的特征信息；

将提取所述特征信息后的所述n组图像与模板图像库进行匹配，得到匹配图像；

获取所述匹配图像对应的位姿信息作为所述待焊接部的位姿信息。

进一步，当所述n大于等于2，所述根据所述n组图像，生成所述待焊接部的位姿信息还包括：

拼接所述n组图像；

提取和修正所述位姿信息中的重叠位姿信息；或

拼接提取所述特征信息后的所述n组图像；

提取和修正所述位姿信息中的重叠位姿信息；或

拼接所述n组图像；

提取和修正所述特征信息中的重叠特征信息；或

拼接提取所述特征信息后的所述n组图像；

提取和修正所述特征信息中的重叠特征信息；或

拼接所述位姿信息；

提取和修正所述位姿信息中的重叠位姿信息。

进一步，所述图像为点云图像；所述根据所述n组图像，生成所述待焊接部的位姿信息包括：

提取所述n组图像中的特征信息；

获取所述特征信息的位姿信息作为所述待焊接部的位姿信息。

进一步，当所述n大于等于2，所述根据所述n组图像，生成所述待焊接部的位姿信息还包括：

拼接所述n组图像；

提取和修正所述位姿信息中的重叠位姿信息；或

拼接提取所述特征信息后的所述n组图像；

提取和修正所述位姿信息中的重叠位姿信息。

进一步，所述根据所述n组图像，生成所述待焊接部的位姿信息还包括：

拟合对应同一所述待焊接部的多个所述特征信息。

进一步，所述提取所述n组图像中的特征信息包括：

将所述n组图像输入特征提取模型中，输出包括所述特征信息的所述n组图像。

进一步，所述特征信息为特征线和/或特征点。

进一步，所述根据所述位姿信息生成焊接控制指令包括：

获取所述待焊接部的位姿信息中的当前位姿信息；

获取当前焊接执行参数；

结合所述当前位姿信息和所述当前焊接执行参数，生成当前焊接控制指令。

进一步，所述根据所述位姿信息生成焊接控制指令之前还包括：

根据所述位姿信息生成对接指令，以控制对接执行器带动至少部分待焊接物的所述待焊接部对接到所述位姿信息对应的位置。

本发明第二方面提供一种焊接控制方法，所述焊接控制方法包括：

获取待焊接部的n组图像；其中，n为大于等于1的整数；

根据所述n组图像生成焊接控制指令，以控制焊接执行器执行焊接动作。

进一步，所述根据所述n组图像生成焊接控制指令包括：

根据所述n组图像，基于轨迹规划模型生成焊接控制指令；或

根据所述n组图像，基于视觉伺服的方法生成焊接控制指令。

进一步，所述根据所述n组图像生成焊接控制指令包括:

根据所述n组图像生成预处理焊接控制指令；

获取所述预处理控制指令中的当前预处理控制指令；

获取当前焊接执行参数；

结合所述当前预处理控制指令和所述当前焊接执行参数，生成当前焊接控制指令。

进一步，所述焊接控制方法还包括：

根据所述位姿信息生成对接指令，以控制对接执行器带动至少部分待焊接物的待焊接部对接到位姿信息对应的位置。

进一步，当n大于等于2，所述焊接控制方法还包括：

拼接所述n组图像。

本发明第三方面提供一种焊接控制装置，所述焊接控制装置包括：

图像获取模块，用于获取待焊接部位的n组图像；其中，n为大于等于1的整数。

位姿生成模块，用于所述n组图像，生成所述待焊接部位的位姿信息；

指令生成模块，用于根据所述位姿信息生成焊接控制指令，以控制焊接执行器执行焊接动作；或

图像获取模块，用于获取待焊接部的n组图像；其中，n为大于等于1的整数；

指令生成模块，用于根据所述n组图像生成焊接控制指令，以控制焊接执行器执行焊接动作。

本发明第四方面提供一种焊接系统，所述焊接系统包括：焊接执行器、图像传感器和控制装置；

所述控制装置通信连接所述焊接执行器和所述图像传感器；

所述焊接执行器，用于根据所述焊接控制指令，执行焊接动作；

所述图像传感器，用于采集待焊接部的n张图像；

所述控制装置，用于获取所述待焊接部的n组图像，其中，n为大于等于1的整数；根据所述n组图像，生成所述待焊接部的位姿信息；根据所述位姿信息生成焊接控制指令，以控制焊接执行器执行焊接动作；或

用于获取所述待焊接部的n组图像，其中，n为大于等于1的整数；根据所述n组图像生成焊接控制指令，以控制焊接执行器执行焊接动作。

进一步，所述焊接系统还包括：对接执行器；

所述对接执行器通信连接所述控制装置；

所述控制装置，还用于根据所述位姿信息生成对接指令；

所述对接执行器，用于根据所述对接指令带动至少部分待焊接物的待焊接部对接到所述位姿信息对应的位置。

本发明第五方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上面任一项所述的焊接控制方法。

本发明第六方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上面任一项所述的焊接控制方法。

采用本发明的技术方案，可以帮助提高焊接的精准、精密度。

附图说明

图1为一个实施例中焊接系统的第一结构示意图；

图2为一个实施例中焊接系统的第二结构示意图；

图3a为一个实施例中焊接系统的第三结构示意图；图3b为一个实施例中焊接系统的第四结构示意图；

图4为一个实施例中焊接控制方法的第一流程示意图；

图5为一个实施例中焊接控制方法的第二流程示意图；

图6为一个实施例中焊接控制方法的第三流程示意图；

图7为一个实施例中焊接控制方法的第四流程示意图；

图8为一个实施例中焊接控制方法的第五流程示意图；

图9a为一个实施例中焊接控制方法的第六流程示意图；图9b为一个实施例中焊接控制方法的第七流程示意图；图9c为一个实施例中焊接控制方法的第八流程示意图；图9d为一个实施例中焊接控制方法的第九流程示意图；图9e为一个实施例中焊接控制方法的第十流程示意图；

图10为一个实施例中焊接控制方法的第十一流程示意图；

图11为一个实施例中焊接控制方法的第十二流程示意图；

图12为一个实施例中焊接控制方法的第十三流程示意图；

图13为一个实施例中焊接控制方法的第十四流程示意图；

图14为一个实施例中焊接控制方法的第十五流程示意图；

图15a为一个实施例中焊接控制方法的第十六流程示意图；图15b为一个实施例中焊接控制方法的第十七流程示意图；

图16为一个实施例中焊接控制方法的第十八流程示意图；

图17为一个实施例中焊接控制方法的第十九流程示意图；

图18为一个实施例中焊接控制方法的第二十流程示意图；

图19为一个实施例中焊接控制装置的第一结构框图；

图20为一个实施例中焊接控制装置的第二结构框图；

图21为一个实施例中焊接控制装置的第三结构框图；

图22为一个实施例中焊接控制装置的第四结构框图；

图23为一个实施例中焊接控制装置的第五结构框图；

图24a为一个实施例中焊接控制装置的第六结构框图；图24a为一个实施例中焊接控制装置的第七结构框图；图24b为一个实施例中焊接控制装置的第八结构框图；图24c为一个实施例中焊接控制装置的第九结构框图；图24d为一个实施例中焊接控制装置的第十结构框图；图24e为一个实施例中焊接控制装置的第十一结构框图；

图25为一个实施例中焊接控制装置的第十二结构框图；

图26为一个实施例中焊接控制装置的第十三结构框图；

图27为一个实施例中焊接控制装置的第十四结构框图；

图28为一个实施例中焊接控制装置的第十五结构框图；

图29为一个实施例中计算机设备的结构框图；

图30a为一个实施例中一组图像中基于特征线进行特征点匹配的第一图像和第二图像的第一示意图；图30b为一个实施例中一组图像中基于特征线进行特征点匹配的第一图像和第二图像的第二示意图；图30c为一个实施例中一组图像中基于特征线进行特征点匹配的第一图像和第二图像的第三示意图；

图31为一个实施例中图像中包括特征线和特征点的示意图；

图32为一个实施例中三维空间范围内的待焊接部的位姿示意图；

图33a为一个实施例中根据两组图像获取的待焊接部包括重叠部分的初始位姿的示意图；图33b为一个实施例中对根据两组图像获取的待焊接部的重叠部分的位姿进行插值后的位姿的示意图；图33c为一个实施例中根据两组图像获取的包括重叠部分的待焊接部的位姿修正后的位姿的示意图。

图34a为一个实施例中包括焊接部的点云图像的示意图；图34b为一个实施例中提取特征信息后的点云图像的示意图；图34c为一个实施例中基于点云图像提取的特征信息。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1、2、3a或3b所示，本发明实施例提供一种自动焊接系统。该自动焊接系统10包括：焊接执行器11、图像传感器12和控制装置13。

控制装置13，用于分别通过有线或者无线的方式通信连接焊接执行器11和图像传感器12。具体的，无线方式可以包括但不限于：3g/4g/5g、wifi、蓝牙、wimax、zigbee、uwb(ultrawideband)、lifi,以及其它现在已知或将来开发的无线连接方式。

焊接执行器11，用于根据控制装置生成的指令完成焊接动作。

在一个实施例中，焊接执行器可以包括可夹持焊枪，并根据指令带动焊枪完成焊接的任意执行机构，比如：机械手或传统机架结构。如图1或2所示，为方便理解，本具体实施例以焊接执行器11为机械手11为例进一步详细说明。在一个实施例中，机械手末端设置夹爪，夹爪用于夹持焊枪m2，机械手11根据控制装置13生成的指令，带动焊枪m2执行焊接动作。

具体的，焊接执行器可以为一个或者多个，比如：由一个焊接执行器完成整个目标物的焊接工作；或者在一个实施例中，可以由多个焊接执行器相互配合，分段操作，共同完成焊接工作。

在一个实施例中，焊接执行器还可以包括支座，支座用于放置或固定待焊接物，支座包括可驱动支座运动的驱动单元，比如：马达、机械手(通过机械手带动支座运动)或传统机架结构，驱动单元通过有线或者无线的方式连接控制装置，而焊枪相对固定，驱动单元根据控制指令带动支座运动，以完成焊接动作。或者根据控制指令带动焊枪和支座同时相对运动，以配合完成焊接动作。

图像传感器12，用于采集待焊接部的图像。

具体的，待焊接部可以是指需要通过焊接的方式被连接的至少两个部分的接口处，比如：如图1或2所示，由两个部分焊接组成的圆筒结构，则对接的接口处为待焊接部m1，或者如图3a或3b所示，由壶身和壶嘴组成的水壶，则壶身和壶嘴结合的环形接口处为待焊接部m1。

具体的，图像传感器可以包括但不限于是：照相机(比如：rgb相机、黑白相机或点云相机)、摄像机、扫描仪或其他带有相关功能的设备(手机、电脑)等等。

该图像传感器可以设置在焊接执行器上，或者固定在焊接执行器外某个相对固定的位置。具体的，图像传感器可以为一组(每组可以包括1个、2个或2个以上的图像传感器)，也可以为多组。比如：当设置在机械手上时，可以为一组(如图1所示)；而当设置在机械手外时，可以为多组，比如：围绕待焊接部设置(如图2所示)，这样可以保证获取到完整的待焊接部的图像；除此之外，在待焊接部对应的视野范围比较小的情况下也可以为一组图像传感器。

在一个实施例中，可以预先对图像传感器和机械手之间进行标定，这样可以将后续根据图像得到的待焊接部在图像传感器坐标系下的位姿信息转换成在机械手坐标系(比如：以机械手夹持的焊枪的末端作为机械手坐标系等等)下的位姿信息，从而控制机械手带动焊枪移动到待焊接部的位姿处完成对应的焊接动作。具体的，位姿信息可以为针对目标物的预设坐标系的3d坐标，刚体在3维空间的运动可以用3d坐标(共6个自由度)描述，具体的，可以分为旋转和平移，各为3个自由度。刚体在3维空间的平移是普通的线性变换，可以使用一个3x1的向量描述平移位置；而旋转位姿常用的描述方式包括但不限于：旋转矩阵、旋转向量、四元数、欧拉角和李代数。

在一个实施例中，当每组图像传感器包括2个或2个以上的图像传感器时，可以预先对每组图像传感器中的各个图像传感器之间进行标定，这样后续控制装置可以根据多张图像生成待焊接部在该组图像传感器中某个图像传感器坐标系下对应的位姿信息。

在一个实施例中，当为多组图像传感器时，可以预先对多组图像传感器之间进行标定，比如：设定其中一组图像传感器中的某个图像传感器为基准图像传感器，将其余的图像传感器与基准图像传感器进行标定，再将基准图像传感器和机械手之间进行标定，则根据各组图像提取的待焊接部的局部在各组图像传感器坐标系下的位姿就可以转换成同一基准图像传感器坐标系下的整个待焊接部的位姿，再进行多个待焊接部的局部的位姿拼接，可以得到整个待焊接部在基准图像传感器坐标系下的位姿；或者先对多组图像传感器获取的图像进行拼接，对拼接后的图像提取待焊接部，然后提取待焊接部的位姿信息；再根据机械手和基准图像传感器之间的标定关系，将该待焊接部在基准图像传感器坐标系下的位姿转换成机械手坐标系下的位姿信息，根据该位姿信息生成焊接控制指令，以根据该指令控制焊接执行器完成相应的焊接动作。

控制装置13，用于获取待焊接部的n组图像；根据n组图像，生成待焊接部的位姿信息；根据位姿信息生成焊接控制指令，以控制焊接执行器执行焊接动作等等。关于控制装置的具体限定参见下文中有关焊接控制方法的限定。

控制装置可以为可编程逻辑控制器(programmablelogiccontroller，plc)、现场可编程门阵列(field-programmablegatearray，fpga)、计算机(personalcomputer,pc)、工业控制计算机(industrialpersonalcomputer,ipc)或服务器等等。控制装置根据预先固定的程序，结合人工输入的信息、参数或者外部传感器(比如图像传感器)采集的数据等生成程序指令。

如图3a或3b所示，在一个实施例中，该自动焊接系统还包括对接执行器14，该对接执行器14通过有线或者无线的方式通信连接控制装置13；控制装置13，用于根据位姿信息生成对接指令；接执行器14，用于根据对接指令，带动至少部分待焊接物对接到位姿信息对应的位置，以完成壶嘴和壶身的待焊接部m1的对接；进一步，在一些实施例中，在壶嘴和壶身的待焊接部m1完成对接后，还需要在焊接过程中继续把持待焊接物，以保证待焊接物在焊接过程中不发生移动，因此对接指令还包括把持待焊接物的指令。

具体的，对接执行器可以为带动待焊接物完成焊接的任意执行机构，比如：机械手或传统的机架结构。如图3a或3b所示，为方便理解，本具体实施例以对接执行器14为机械手14为例进一步详细说明。在一个实施例中，机械手末端设置夹爪，夹爪用于夹持至少部分待焊接物。

如图4所示，在一个实施例中，提供一种焊接控制方法，该焊接控制方法包括如下方法步骤：

s100获取待焊接部的n组图像；其中，n为大于等于1的整数；

获取n组图像传感器12实时发送的图像，或者从存储器或者服务器获取上述图像。

具体的，根据上面实施例所述，该图像可以但不限于为：rgb图像、黑白图像、灰度图像或点云图像。

根据上面实施例所述，图像传感器可以为一组，也可以为多组。则图像可以为一组或多组，每组图像可以为一张，也可以为多张。

s200根据n组图像，生成待焊接部的位姿信息；

具体的，待焊接部可以是目标物上的某些点和/或某些线；需要说明的是，由于线实际上是由多个连续的点组成的，因此以线为待焊接部的位姿信息实际上是位于该线上的多个点的位姿信息的组合。

有关该方法步骤，后面实施例会有进一步的详细说明。

s300根据位姿信息生成焊接控制指令，以控制焊接执行器执行焊接动作。

在一个实施例中，上面实施例中步骤s200生成的为待焊接部在图像传感器坐标系下的位姿信息，因此首先需要根据图像传感器和机械手预先进行标定的坐标变换关系，将图像传感器坐标系下的位姿信息转换为机械手坐标系下的位姿信息。

进一步，在一个实施例中，焊接控制指令可以为待焊接部的位姿信息，即直接将待焊接部的位姿信息作为焊接控制指令发送给焊接执行器；也可以为根据机械手的初始位姿和目标位姿(待焊接部的位姿)生成的多个路径点的位姿；或者为机械手为到达每个路径点基于逆运动学方程规划的各个关节运动的位移、速度/角速度和加速度/角加速度组成轨迹规划指令；或者为控制每个关节为实现上述位移、速度/角速度和加速度/角加速度的控制信号，比如：pwm等等。

在一个实施例中，也可以基于人工智能的方法得到焊接控制指令，即将位姿信息输入预先经过训练的轨迹规划模型中，输出焊接控制指令。

具体的，该模型的训练方法可以但不限于为：监督学习(supervisedlearning)、强化学习(reinforcementlearning)、模仿学习(imitationlearning)。

具体的，该网络模型可以包括但不限于卷积神经网络(cnn)，常见的cnn模型可以包括但不限于：lenet，alexnet，zfnet，vgg，googlenet，residualnet，densenet，r-cnn，spp-net，fast-rcnn，faster-rcnn，fcn，mask-rcnn，yolo，ssd,yolo2，以及其它现在已知或将来开发的网络模型结构。

采用上面实施例所述的焊接方法，基于获取的图像，生成待焊接部的位姿信息，可以帮助提高焊接的精准、精密度。

如图6所示，在执行具体的焊接动作时，除了焊枪需要对应到待焊接部，还需要结合某些焊接执行参数(比如焊接时间、焊接动作的向量)才能完成具体的焊接动作，因此，在一个实施例中，步骤s300可以包括如下方法步骤：

步骤s310获取位姿信息中的当前位姿信息；

步骤s320获取当前焊接执行参数；

步骤s330结合当前位姿信息和当前焊接执行参数，生成当前焊接控制指令。

具体的，焊接执行参数可以为执行焊接相关的任何参数，比如：焊接向量和/或焊接时间参数；

其中，焊接执行向量是指机械手带动焊枪执行焊接动作的向量，该向量可以预先设置，也可以根据实际的位置情况实时生成。

在一个实施例中，根据上面实施例所述，以待焊接部为线为例，则待焊接部的位姿信息为由多个三维空间内的待焊接点的位姿信息组成。因此，以多个待焊接点中某个待焊接点作为起始点，根据该起始点的位姿信息并结合焊接执行参数生成针对该起始焊接点的当前焊接控制指令；当完成起始点焊接后，按照待焊接点的顺序获取下一个或间隔预设数量个的当前待焊接点的当前位姿信息，根据上面所述生成当前焊接点的当前控制指令，依此类推，直到完成整个待焊接部的焊接。

采用本发明实施例的焊接方法，可以帮助焊接执行器进一步提高焊接的精准、精密度。

如图5所示，在一个实施例中，步骤s300根据位姿信息生成焊接控制指令之前还包括：

步骤s400根据位姿信息生成对接指令，以控制对接执行器带动至少部分待焊接物的待焊接部对接到位姿信息对应的位置。

在一个实施例中，如图3a或3b所示，根据待焊接部的位姿信息，生成对接指令，通过该对接指令控制对接机械手，抓取至少部分待焊接部(在该实施例中，待焊接部包括两部分，分别是壶身和壶嘴，则可以预先将壶身固定在支座上，通过对接机械手抓取壶嘴，在一个实施例中，该壶嘴可以放置在预设固定位置，壶嘴相对机械手形成预设相对位置关系，则根据预设指令按照预设方式抓取壶嘴；或者在另一个实施例中，通过图像传感器获取的壶嘴的图像，识别图像中的壶嘴的位置信息，然后根据该位置信息抓取壶嘴的预设位置；然后根据待焊接部的位姿信息，将该壶嘴的待焊接部对接到壶身的待焊接部上，从而完成整个焊接物的对接。

在一个实施例中，为完成上述对接，可以只取上述位姿信息中的某几个关键点的位姿信息作为对接参考点。比如,以水壶为例，取焊接部的最上和最下端，或者最左和最右端为关键点，按照该关键点的位姿信息，根据参考点的位姿信息及壶嘴的最上和最下端的当前的位姿信息，带动壶嘴由当前位姿移动到参考点对应的位姿，从而完成对接。

如图7所示，在一个实施例中,s200根据n组图像，生成待焊接部的位姿信息可以包括如下方法步骤：

步骤s211提取n组图像中的特征信息；

其中，特征信息为三维空间内的待焊接部分别在每组图像上的至少部分投影；

步骤s212匹配特征信息，得到匹配特征信息；

步骤s213根据匹配特征信息，生成待焊接部的位姿信息。

为方便理解，下面对上述各个方法步骤进一步进行详细描述。

步骤s211提取n组图像中的特征信息；

具体的，提取n组图像中的特征信息是指提取n组图像中的每组图像中的每张图像上的特征信息。

具体的，当每组只设置一个图像传感器时，需要将单张图像与参考图像进行匹配，从而根据匹配后的特征点得到对应的位于三维空间的点的位姿信息，因此实际上还是对两张图像的匹配；而大于2张的图像，实际上是对两两组合后的图像分别进行匹配，因此实际是多个2张图形匹配的重复。因此，为方便理解，本具体实施例以每组图像包括2张图像为例进一步详细说明。

具体的，该特征信息可以包括但不限于：特征线和/或特征点。即上述特征信息可以只包括特征线，也可以是特征线和特征点的组合(如图31所示，该图像数据中除包括特征线ab、ac、ad之外，还包括特征点a)。

具体的，上述特征线可以根据待焊接部的3d模型(比如：cad模型)来预先定义好，比如：在焊接壶嘴的实施例中，沿壶嘴接口处形成的闭合曲线为特征线。

在一个实施例中，可以基于传统的视觉方法，比如：梯度法、边缘提取法等等提取特征信息。

在一个实施例中，也可以基于人工智能的方法提取上述特征信息。

即将图像输入预先经过训练的特征信息识别模型，输出标注特征信息的识别图像。在一个实施例中，该识别图像可以为分类结果，比如：基于图像中的像素进行的分类(比如:设特征信息对应的像素类别为1，而特征信息以外的非特征信息对应的像素分类为0，不同的类别用不同的颜色代表，从而得到标注特征信息的识别图像)；又或者该识别图像可以为回归结果，比如：基于图像中的每个像素重新给出某个具体的像素值，以达到识别出图像中的特征信息的结果。

具体的上述模型训练的方法可以采用各种现有及将来开发的人工智能的训练方法，比如：监督学习(supervisedlearning)。

具体的，该网络模型可以包括但不限于卷积神经网络(cnn)，常见的cnn模型可以包括但不限于：lenet，alexnet，zfnet，vgg，googlenet，residualnet，densenet，fpn，cpn，auto-encoder，u-net,以及其他现在已知或将来开发的网络模型结构。

以某一组图像为例，比如：可以获取通过两个图像传感器分别采集并发送的两张图像直接或者经过一定的图像处理后(比如：目标物的提取，图像尺寸的调整等等)输入一个或者分别输入两个预先经过训练的特征信息提取模型中，输出包括特征信息的两张图像。优选基于人工智能的方法提取上述特征信息，从而可以帮助提高特征信息提取的鲁棒性和泛化性。

步骤s212匹配特征信息，得到匹配特征信息；

在一个实施例中，当特征信息为特征点时，可以直接匹配每组图像中的特征点，得到每组图像中的匹配特征点。具体匹配方法参见下面实施例所述。

在一个实施例中，当特征信息为特征线时，特征线实际上可以看作是多个连续特征点的集合；则步骤s212为匹配每组图像中的位于特征线上的特征点，得到每组图像中的匹配特征点。其中，匹配特征点是指找到每组图像中的位于不同图像上的特征线上的多个特征点之间的对应关系。

具体的，上述步骤s212匹配特征信息，得到匹配特征信息可以采用现在已有或将来开发的任意可以实现该匹配的方法。具体的，可以包括但不限于如下方法：

在一个实施例中，步骤s212可以包括如下方法步骤：

具体的，在对每组图像中的特征线上的特征点匹配之前，需要矫正n组图像，使得n组图像中的特征点位于同一参考线上。

以两张图像为例，为了保证两张图中的特征点在同一参考线(比如：水平线或竖直线)上，可以对两张图像基于多目矫正(rectification)的方法进行矫正，从而使得矫正后的两张图像后续的匹配能够更顺利、更准确的完成。

其中，多目校正的是使得一幅图像上任意一点与其在另一幅图像上的对应点位于同一行或列上。

在一个实施例中，若每张图像中包括一条特征线，步骤s212包括如下方法步骤：

步骤s2121获取n张图像中的基准图像中的特征线上的基准特征点；

具体的，上述n张图像中的部分图像作为基准图像，基准图像之外的图像作为匹配图像；

进一步，在一个实施例中，如图30a所示，以图像f1作为基准图像f1，获取基准图像f1中的特征线l1上的基准特征点m1。具体的，该基准特征点为位于基准特征线l1上的多个，为方便理解，下面以特征线上包括一个特征点m1为例进行说明。

具体的，该基准特征点可以响应于用户输入的指令生成；或者根据上面实施例所述，由图像本身基于传统视觉方法或者人工智能的方法自动生成。

步骤s2123提取n张图像中的匹配图像中的特征线上与基准特征点位于同一参考线上的特征点，得到匹配图像上的匹配特征点；

进一步，在一个实施例中，继续如图30a所示，以图像f2作为匹配图像f2，具体的，在本实施例中，参考线p1可以为一条水平线p1，则由基准图像f1上的基准特征点m1引出一条水平线p1与匹配图像f2上的特征线l2上的一点n1相交，则该相交点n1为匹配图像上f2的匹配特征点n1。

步骤s2125以基准特征点和匹配图像上的匹配特征点，作为n张图像中的匹配特征点。

继续如图30a所示，则以基准特征点m1和匹配图像上f2的匹配特征点n1作为所述图像f1,f2中的匹配特征点m1、n1,从而完成图像f1,f2中的特征线上的特征点的匹配。

在一个实施例中，若每张图像中包括至少两条特征线，步骤s212包括图下方法步骤：

步骤s2122获取n张图像中的基准图像中的基准特征线上的基准特征点；

步骤s2124提取n张图像中的匹配图像中的特征线上与基准特征点位于同一参考线上的特征点，得到匹配图像上的至少两个匹配特征点；

进一步，在一个实施例中，如图30b所示，基准图像f1中存在两个特征线l1、l1’；匹配图像f2中存在两个特征线l2、l2’，以图像f1作为基准图像f1，获取基准图像f1中的特征线l1上的基准特征点m1，以图像f2作为匹配图像f2,则以参考线p1为标准，基准特征点m1在匹配图像f2上可以对应找到两个匹配特征点n1、n1’；

步骤s2126筛选至少两个匹配特征点中与基准特征点真实对应的匹配特征点，得到真实匹配特征点；

在一个实施例中，可以基于视差函数连续的准则来筛选各个匹配特征点，从而确定真实匹配特征点,具体方法如下：

如图30c所示，假设有l1和l2,基于参考线p1可以得知m1和n1对应，计算m1与n1之间的视差d，视差d＝m1的横坐标-n1的横坐标，沿着p1设置多条平行的参考线p2-p4，则l1和l2上获得一系列对应的点(m1，n1)、(m2，n2)、(m3，n3)、(m4，n4)，同理可以获得一个视差序列d1、d2、d3；同理，l1和l2’也可以获得一个视差序列d1’、d2’、d3’；由于连续曲线在两个图片中对应的点视差序列是连续的，即相邻两条参考线得到的两对匹配点的视差的差值不能过大；因此，如果l1与l2’对应计算得到的相邻两条参考线(比如：p1和p2)的视差的差值(d1’-d2’)的绝对值小于l1与l2对应计算得到的相邻两条参考线(比如：p1和p2)的视差的差值(d1-d2)的绝对值，由此确定特征l1与特征线l2’对应，则特征线l2’上的匹配特征点n1’为真实匹配特征点。

步骤s2128以基准特征点和真实匹配特征点，作为n张图像中的匹配特征点。

在另一个实施例中，步骤s212可以包括如下方法步骤：

以基准图像中某个基准特征点在匹配图像中的多个像素点中随机进行轮询，找到与该基准特征点对应匹配的特征点。

在另一个实施例中，步骤s212可以包括如下方法步骤：

取基准图像中基准特征点周边的邻近像素点(比如：8个像素点)相对该基准特征点的向量作为该基准特征点的特征参数，在匹配图像中匹配能与该基准特征点的特征参数匹配的特征点，从而找到对应的匹配特征点。

步骤s213根据匹配特征信息，生成待焊接部的位姿信息；

在一个实施例中，以其中一组图像由两张图像组成为例，根据两张图像中每对匹配特征点和两个图像传感器之间的标定信息，基于三角测量的方法，可以得到该对匹配特征点在对应的图像传感器坐标系下的三维空间的某一点的位姿信息。

由于两张图像(比如：其上的特征信息为特征线)对应可以找到多对匹配特征点，因此可以得到三维空间的多个点的位姿信息，由多个点的位姿信息则组成该组图像对应的待焊接部的位姿信息。

为方便理解，以待焊接部的位姿信息实际投影在三维空间的显示图为例进一步详细说明。比如，如图32所示，该待焊接部为三维空间范围内的一个环，该环是由三维空间中多个连续的点构成的。

在一个实施例中，当n大于等于2时，还需要对n组图像、对提取特征信息后的n组图像或者对生成的n组位姿信息进行拼接，则拼接后生成的特征信息或者待焊接部位的位姿信息等存在部分重叠的部分，比如：如图33a所示，在三维空间范围内弧形线段(待焊接部)，由两个线段拼接而成，但两个线段之间存在部分重叠，因此步骤s200还需要包括拼接和修正的步骤。为方便理解，下面对上述情况举例进一步说明。

如图9a所示，根据上面所述，在一个实施例中，步骤s200还可以包括如下方法步骤：

步骤s215拼接n组图像；

在一个实施例中，步骤s211之前还可以包括步骤s215。

具体的，可以采用各种现在已有或将来开发的图像拼接方法，比如：基于特征相关的拼接和基于区域相关的拼接。

在一个实施例中，基于区域的拼接方法可以从待拼接图像的灰度值出发，对待拼接图像中的一块区域与参考图像中的相同尺寸的区域使用最小二乘法等其它方法计算其灰度值的差异，对差异比较来判断待拼接图像重叠区域的相似度，从而得到拼接图像重叠区域的范围和位置，进而实现图像拼接。

在一个实施例中，基于特征相关的拼接是通过像素导出图像的特征，然后以图像特征为标准，对重叠部分的对应特征区域进行搜索匹配。

在一个实施例中，比如，每组图像都包括第一图像和第二图像共两张图像；则需要把各组的第一图像进行拼接，各组的第二图像进行拼接。

步骤s216提取并修正位姿信息中的重叠部分的位姿信息；

在一个实施例中，在步骤s213之后还可以包括步骤s216。

具体的，步骤s216提取并修正位姿信息中的重叠部分的位姿信息可以采用各种方法实现。继续如图33a所示，在一个实施例中，获取其中第一待焊接弧线t1的端点u1，寻找邻近第二待焊接弧线t2上与该第一端点u1最邻近的点w1作为该端点u1的对应点；同理，获取第二待焊接弧线t2的端点u2，寻找邻近的第一待焊接弧线t1上的最邻近点w2作为该端点u2的对应点；则分别得到两段待焊接弧线t1、t2上的重叠部分t1’和t2’。

如图33b所示，则对两段待焊接弧线t1、t2上的重叠部分t1’和t2’进行插值，得到修正后的新的重叠部分的待焊接弧线t3。

如图33c所示，则最终该焊接弧线由第一待焊接弧线t1剩余部分(即第一待焊接弧线t1去掉重叠部分t1’)、待焊接弧线t3和第二待焊接弧线t2剩余部分(即第二待焊接弧线t2去掉重叠部分t2’)。

在一个实施例中，可以在其中一个第一待焊接弧线的重叠部分t1’上提取多个采样点(比如：50个)，然后在第二待焊接弧线的重叠部分t2’上提取该多个采样点的对应点，然后对每一对点做加权平均后的点作为插值点，则由多个插值点组成待焊接弧线t3。

根据上面实施例所述，进一步，则步骤s300根据位姿信息(修正后的位姿信息)生成焊接控制指令，以控制焊接执行器执行焊接动作。

如图9b所示，在一个实施例中，步骤s200还可以包括如下方法步骤：

步骤s217拼接提取特征信息后的n组图像；

在一个实施例中，在步骤s212之前还可以包括步骤s217；

在一个实施例中，比如，每组图像都包括提取特征信息后的第一图像和第二图像共两张图像；则需要把各组的提取特征信息后的第一图像进行拼接，各组的第二图像进行拼接。

步骤s216提取并修正位姿信息中的重叠部分的位姿信息；

在一个实施例中，在步骤s213之后还可以包括步骤s216。

如图9c所示，根据上面所述，在一个实施例中，步骤s200还可以包括如下方法步骤：

步骤s218拼接位姿信息；

即将每组图像得到的局部的待焊接部的位姿信息(即n组位姿信息)进行拼接从而得到整个待焊接部的位姿信息。

步骤s216提取并修正位姿信息中的重叠部分的位姿信息；

在一个实施例中，步骤s213之后还包括步骤s216和步骤s218。

如图9d所示，根据上面所述，在一个实施例中，步骤s200还可以包括如下方法步骤：

步骤s215拼接n组图像；

在一个实施例中，在步骤s211之前包括步骤s215；

步骤s219提取并修正特征信息中的重叠部分的特征信息；

在一个实施例中，在步骤s212之前包括步骤s219。

如图9e所示，在一个实施例中，步骤s200还可以包括如下方法步骤：

步骤s217拼接提取特征信息后的n组图像；

步骤s219提取并修正特征信息中的重叠部分的特征信息。

在一个实施例中，在步骤s212之前包括步骤s217和步骤s216。

如图8所示，进一步，在一个实施例中，由于待焊接的部位具有一定的宽度，因此，同一部位可能同时对应生成多个(2个或2个以上)的特征信息，因此在步骤s212之前，还可以包括：

步骤s214拟合对应同一待焊接部位的多个特征信息。

即拟合对应同一待焊接部位的多个特征信息成一个特征信息。

具体的，拟合方法可以采用现在已有或将来开发的任意的将多条特征线拟合成一条特征线的方法。

在一个实施例中，可以在其中一条特征线上提取多个采样点，然后在另一条特征线上提取该多个采样点的对应点，然后对每一对点做加权平均后的点作为插值点，则由该插值点组成的新的特征线即为拟合后的特征线。

如图10所示，在另一个实施例中，步骤s200根据n组图像，生成待焊接部的位姿信息可以包括如下方法步骤：

步骤s221提取n组图像中的特征信息；

步骤s222将提取特征信息后的n组图像与模板图像库进行匹配，得到匹配图像；

预先存储包括多张模板图像的模板图像库，每张模板图像对应待焊接部的位姿信息。在一个实施例中，模板图像可以基于目标物的3d模型生成，每张图像中标注了待焊接部并根据3d模型得到对应的待焊接部在图像传感器坐标系下的位姿信息。

步骤s223获取匹配图像对应的位姿信息为待焊接部的位姿信息。

将能够与该图像匹配的模板对应的位姿信息作为待焊接部的姿态信息；其中，模板图像库中存储的每张图像预先设置对应待焊接部的位姿信息，则找到对应的匹配模板就可以得到对应的待焊接部的位姿信息。

如图12所示，根据上面所述，在一个实施例中，步骤s200还可以包括如下方法步骤：

步骤s225拼接n组图像；

进一步，在一个实施例中，步骤s221之前包括步骤s225；

步骤s226提取并修正位姿信息中的重叠部分的位姿信息；

进一步，在一个实施例中，在步骤s223之后还包括步骤s226；或

在一个实施例中(省略附图)，步骤s200还可以包括如下方法步骤：

步骤s227拼接提取特征信息后的n组图像；

进一步，在一个实施例中，在步骤s222之前包括步骤s227；

步骤s226提取并修正位姿信息中的重叠部分的位姿信息；

进一步，在一个实施例中，在步骤s223之后包括步骤s226；或

在一个实施例中(省略附图)，步骤s200还可以包括如下方法步骤：

步骤s228拼接位姿信息；

步骤s226提取并修正位姿信息中的重叠部分的位姿信息；

进一步，在一个实施例中，步骤s223之后包括步骤s226和步骤s228；或

在一个实施例中(省略附图)，步骤s200还可以包括如下方法步骤：

步骤s225拼接n组图像；

进一步，在一个实施例中，在步骤s221之前包括步骤s225；

步骤s229提取并修正特征信息中的重叠部分的特征信息；

进一步，在一个实施例中，在步骤s222之前包括步骤s229；或

在一个实施例中(省略附图)，步骤s200还可以包括如下方法步骤：

步骤s227拼接提取特征信息后的n组图像；

进一步，在一个实施例中，在步骤s222之前还可以包括步骤s227；

步骤s229提取并修正特征信息中的重叠部分的特征信息；

进一步，在一个实施例中，在步骤s222之前包括步骤s229。

有关该方法的其它相关描述，可以参见上面实施例，在此不再重复赘述。

如图11所示，在一个实施例中，进一步，在一个实施例中，由于待焊接的部位具有一定的宽度，因此，同一部位可能同时对应生成多个(2个或2个以上)的特征信息，因此在步骤s222之前，还可以包括：

步骤s224拟合对应同一待焊接部位的多个特征信息。

即拟合对应同一待焊接部位的多个特征信息成一个特征信息。

有关该方法的其它相关描述，可以参见上面实施例中图6中的相关方法步骤，在此不再重复赘述。

如图13所示，在一个实施例中，当n组图像为点云图像(如图34a所示)；则步骤s200根据n组图像，生成待焊接部的位姿信息可以包括如下方法步骤：

步骤s231提取n组图像中的特征信息；

提取n组图像中的待焊接部点云(如图34b所示)，则待焊接部的点云图可以参见图34c。

具体的，特征信息的提取方法可以基于传统的视觉方法或者基于人工智能的方法，相关方法参见上面实施例所述，在此不再赘述。

步骤s232以特征信息的位姿信息为待焊接部的位姿信息；

以待焊接部点云的位姿信息为待焊接部的位姿信息。

如图14所示，进一步，在一个实施例中，由于待焊接的部位具有一定的宽度(如图所示)，因此，同一部位可能同时对应多个(2个或2个以上)的特征信息，因此步骤s200还可以包括如下方法步骤：

步骤s233拟合对应同一待焊接部位的多个特征信息；

即拟合对应同一待焊接部位的多个特征信息成一个特征信息。

如图15a所示，进一步，在一个实施例中，当n大于等于2时，步骤s200还可以包括如下方法步骤：

步骤s234拼接n组图像；

具体的，可以基于点云自身的3d信息进行配准，从而将n组图像进行拼接融合。

在一个实施例中，在步骤s231之前包括步骤s234；

步骤s235提取并修正位姿信息中的重叠部分的位姿信息；

在一个实施例中，在步骤s232之后包括步骤s235。

如图15b所示，进一步，在一个实施例中，当n大于等于2时，步骤s200还可以包括如下方法步骤：

步骤s236拼接提取特征信息后的n组图像；

在一个实施例中，在步骤s232之前包括步骤s235；

步骤s235提取并修正位姿信息中的重叠部分的位姿信息；

在一个实施例中，在步骤s232之后包括步骤s235。

如图16所示，在另一个实施例中，还提供一种焊接控制方法，所述焊接控制方法包括：

s100获取待焊接部的n组图像；其中，n为大于等于1的整数；

具体的，该图像可以但不限于为：rgb图像、黑白图像、灰度图像或点云图像。

s500根据n组图像生成焊接控制指令，以控制焊接执行器执行焊接动作。

在一个实施例中，可以基于人工智能的方式实现该步骤s500,即可以将n组图像输入一个或者多个经过训练的轨迹规划模型中，从而直接生成焊接控制指令。

具体的，该模型训练的方法可以包括但不限于：监督学习、强化学习和/或模仿学习。

具体的，该网络模型可以包括但不限于卷积神经网络(cnn)，常见的cnn模型可以包括但不限于：lenet，alexnet，zfnet，vgg，googlenet，residualnet，densenet，fpn，cpn，auto-encoder，u-net,以及其他现在已知或将来开发的网络模型结构。

在另一个实施例中，焊接控制指令可以基于视觉伺服的方法生成，根据机械手每次运动后获取的通过图像传感器采集的当前图像，然后利用当前图像和期望图像特征之间的偏差，或者基于当前图像或者期望图像生成的2d或3d坐标信息之间的偏差进行反馈控制，从而生成机械手的控制指令。

如图17所示，在一个实施例中，步骤s500根据所述n组图像生成焊接控制指令之前还包括：

步骤s600根据位姿信息生成对接指令，以控制对接执行器带动至少部分待焊接物的待焊接部对接到位姿信息对应的位置。

如图18所示，在一个实施例中，s500根据所述n组图像生成焊接控制指令包括如下方法步骤:

s510根据所述n组图像生成预处理焊接控制指令；

s520获取预处理控制指令中的当前预处理控制指令；

s530获取当前焊接执行参数；

s540结合当前预处理控制指令和当前焊接执行参数，生成当前焊接控制指令。

在一个实施例中，当n大于等于2时，焊接控制方法还包括：

步骤s700拼接n组图像。

即在步骤s500之前还包括步骤拼接n组图像，针对拼接后的图像生成焊接控制指令。有关图像拼接的方法参见上面实施例所述，在此不再赘述。

有关焊接控制方法的其它相关描述参见上面实施例，在此不再赘述。

应该理解的是，虽然图1-18的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-18中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图19所示，提供一种焊接控制装置，该装置包括：

图像获取模块100，用于获取待焊接部位的n组图像；其中，n为大于等于1的整数。

位姿生成模块200，用于根据n组图像，生成待焊接部的位姿信息；

指令生成模块300，用于根据位姿信息生成焊接控制指令，以控制焊接执行器执行焊接动作。

如图20所示，在一个实施例中，焊接控制装置还包括：

对接生成单元400，用于根据位姿信息，生成对接指令，以控制对接执行器带动至少部分待焊接物的待焊接部对接到位姿信息对应的位置。

如图21所示，在一个实施例中，指令生成模块300包括：

位姿获取单元310，用于获取待焊接部的位姿信息中的当前位姿信息；

参数获取单元320，用于获取当前焊接执行参数；

指令生成单元330，用于结合当前位姿信息和当前焊接执行参数，生成当前焊接控制指令。

如图22所示，在一个实施例中，位姿生成模块包括：

特征提取单元211，用于提取n组图像中的特征信息；

特征匹配单元212，用于匹配特征信息，得到匹配特征信息；

位姿生成单元213，用于根据匹配特征信息，生成待焊接部的位姿信息。

如图23所示，进一步，在一个实施例中，位姿生成模块还包括：

特征拟合单元214，用于拟合对应同一待焊接部的多个特征信息。

如图24a所示，进一步，在一个实施例中，当n大于等于2，位姿生成模块还包括：

图像拼接单元215，用于拼接n组图像；

位姿修正单元216，用于提取并修正位姿信息中的重叠部分的位姿信息。

如图24b所示，进一步，在一个实施例中，当n大于等于2，位姿生成模块还包括：

特征拼接单元217，用于拼接提取特征信息后的n组图像；

位姿修正单元216，用于提取并修正位姿信息中的重叠部分的位姿信息。

如图24c所示，进一步，在一个实施例中，当n大于等于2，位姿生成模块还包括：

位姿拼接单元218，用于拼接位姿信息；

位姿修正单元216，提取并修正位姿信息中的重叠部分的位姿信息。

如图24d所示，进一步，在一个实施例中，当n大于等于2，位姿生成模块还包括：

图像拼接单元215，用于拼接n组图像；

特征修正单元219，用于提取并修正特征信息中的重叠部分的特征信息。

如图24e所示，进一步，在一个实施例中，当n大于等于2，位姿生成模块还包括：

特征拼接单元217，用于拼接提取特征信息后的n组图像；

特征修正单元219，用于提取并修正特征信息中的重叠部分的特征信息。

如图25所示，在一个实施例中，位姿生成模块包括：

特征提取单元221，用于提取n组图像中的特征信息；

特征匹配单元222，用于将提取特征信息后的n组图像与模板图像库进行匹配，得到匹配图像；

位姿确定单元223，用于获取匹配图像对应的位姿信息为待焊接部的位姿信息。

进一步，在一个实施例中，位姿生成模块还包括：

图像拼接单元225，用于拼接n组图像；

位姿修正单元226，用于提取并修正位姿信息中的重叠部分的位姿信息。

进一步，在一个实施例中，位姿生成模块还包括：

特征拼接单元227，用于拼接提取特征信息后的n组图像；

位姿修正单元226，用于提取并修正位姿信息中的重叠部分的位姿信息。

进一步，在一个实施例中，位姿生成模块还包括：

位姿拼接单元228，用于拼接位姿信息；

位姿修正单元226，用于提取并修正位姿信息中的重叠部分的位姿信息。

进一步，在一个实施例中，位姿生成模块还包括：

图像拼接单元225，用于拼接n组图像；

特征修正单元229，用于提取并修正特征信息中的重叠部分的特征信息。

进一步，在一个实施例中，位姿生成模块还包括：

特征拼接单元227，用于拼接提取特征信息后的n组图像；

特征修正单元229，用于提取并修正特征信息中的重叠部分的特征信息。

进一步，在一个实施例中，位姿生成模块还包括：

特征拟合单元224，用于拟合对应同一待焊接部的多个特征信息。

如图26所示，在一个实施例中，图像为点云图像，则位姿生成模块包括：

特征提取单元231，用于提取n组图像中的特征信息；

位姿确定单元232，用于以特征信息的位姿信息为待焊接部的位姿信息；

进一步，在一个实施例中，位姿生成模块还包括：

特征拟合单元233，用于拟合对应同一待焊接部位的多个特征信息；

进一步，在一个实施例中，位姿生成模块还包括：

图像拼接单元234，用于拼接n组图像；

位姿修正单元235，用于提取并修正位姿信息中的重叠部分的位姿信息。

进一步，在一个实施例中，位姿生成模块还包括：

特征拼接单元236，用于拼接提取特征信息后的n组图像；

位姿修正单元235，用于提取并修正位姿信息中的重叠部分的位姿信息。

如图27所示，在一个实施例中，提供一种焊接控制装置，该装置包括：

图像获取模块100，用于获取待焊接部的n组图像；

指令生成模块500，用于根据所述n组图像生成焊接控制指令，以控制焊接执行器执行焊接动作。

进一步，在一个实施例中，该焊接控制装置还包括：

对接生成模块600，用于根据位姿信息生成对接指令，以控制对接执行器带动至少部分待焊接物的待焊接部对接到位姿信息对应的位置。

进一步，如图28所示，在一个实施例中，指令生成模块500包括：

预处理生成单元510，用于根据所述n组图像生成预处理焊接控制指令；

当前获取单元520，用于获取预处理控制指令中的当前预处理控制指令；

参数获取单元530，用于获取当前焊接执行参数；

指令生成单元540，用于结合当前预处理控制指令和当前焊接执行参数，生成当前焊接控制指令。

进一步，在一个实施例中，当n大于等于2时，该焊接控制装置还包括：

图像拼接单元700，用于拼接n组图像。

关于上述焊接控制装置的具体限定可以参见上文中对于焊接控制方法的限定，在此不再赘述。上述焊接控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，如图29所示，提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述焊接控制方法的步骤。

在一个实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述焊接控制方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

需要说明的是，上述各个控制装置和/或传感器，即可以是真实环境下的真实控制装置和传感器，也可以是仿真平台下的虚拟控制装置和/或传感器，通过仿真环境以达到连接真实控制装置和/或传感器的效果。将依赖虚拟环境完成行为训练后的控制装置，移植到真实环境下，对真实的控制装置和/或传感器进行控制或者再训练，可以节省训练过程的资源和时间。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的属于只是为了描述具体的实施方式的目的，不是用于限制本发明。

本发明的权利要求书和说明书及上述附图中的术语“第一”、“第二”、“第三”、“s110”、“s120”“s130”等等(如果存在)是用来区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如：包括了一系列步骤或者模块的过程、方法、系统、产品或机器人不必限于清楚地列出的那些步骤或者模块，而是包括没有清楚地列出的或对于这些过程、方法、系统、产品或机器人固有的其它步骤或模块。

需要说明的是，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的结构和模块并不一定是本发明所必须的。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。