一种焊缝结构光图像处理与特征提取方法

提出了一种焊缝结构光图像处理与特征提取方法,有效克服了焊缝结构光图像中的反光等干扰,准确提取图像中焊缝位置特征.对于激光条纹中心线的提取,采用基于图像列方向像素灰度分布的曲线峰值提取方法,并利用激光条纹位置在时间和图像空间上的连续性和相关性,进行判断提取.对于焊缝图像特征的提取,根据沟槽类焊缝图像形状特点,选择焊缝沟槽图形中心作为图像特征.焊缝图像处理与焊缝跟踪试验结果证明了该方法的有效性和可靠性.     

激光视觉焊缝跟踪系统图像处理

对视觉焊缝跟踪实时图像处理的方法进行了研究,首先采用图像增强来增加图像对比度,采用中值滤波去除图像噪声,并用二值化法将目标图像从背景图像中提取出来.在后处理的研究中激光视觉焊缝跟踪系统图像处理的关键技术--激光带中心线的抽取和特征点的检测提出了切实可行的方法.采用中轴变换法提取的中心线单一、连续;用斜率分析法来检测特征点方便可靠.该处理方法能准确检测焊缝特征点,处理速度快,能够满足跟踪系统的实时性要求.     

基于距离滤波的厚板多层多道焊特征点识别算法

针对多层多道焊标准与非标准打底焊缝及各道填充焊缝在激光辅助视觉下的图像信息,提出了一种基于距离滤波的图像处理算法来快速、准确识别出焊缝特征点。该算法首先对激光条纹图像进行二值化、开运算等预处理;对预处理后的图像按列扫描,利用重心法提取激光条纹中心线,针对中心线出现断点的情况,通过直线拟合来填充断点;然后选取中心线上若干点拟合直线,通过求中心线上点到直线的距离,对中心线上的点进行3次滤波处理,滤除中心线上大量与特征点无关的点;最后快速找到中心线上4个端点并进行距离补偿得到焊缝的4个特征点。试验结果表明,该图像处理算法能快速、准确识别出焊缝特征点,为多层多道焊缝跟踪提供了重要依据。     

水下焊接中V形焊缝的识别

该水下自动焊接系统的视觉系统主要由激光器、滤光片和摄像机组成,其被封装在玻璃盒子中.采用激光作为辅助光源,当玻璃盒子与钢板的距离及玻璃盒子厚度一定,CCD以垂直于焊件位置摄像时,激光器与CCD在同一平面上且夹角为17.4°时拍摄焊件的V形焊缝图像最佳.对水下焊接图像首先进行滤波,再对其进行阈值变换,然后对焊缝进行边缘提取,接着对边缘的灰度值取平均值,得到焊缝的中心线,最后对其进行直线拟合提取到的焊缝特征点,即焊缝的最低点.提出了三种V形焊缝识别方案,通过对图像进行处理得出了其中最好的方案.     

基于线结构光的铝合金对接焊缝特征提取方法研究

在对接焊缝的焊后质量检测中,由于环境干扰、材质反射程度及激光功率等因素的影响,造成焊缝表面信息的提取困难。针对上述问题,提出了一种基于线结构光的铝合金对接焊缝特征提取方法,设计了一种基于线结构光的视觉检测系统,实现焊缝表面激光条纹图像的快速采集。针对复杂环境下激光条纹图像的几何分布以及灰度特征,采用直线重投影、图像滤波、连通域分析等图像预处理操作,实现焊缝图像的ROI提取以及噪声滤波;采用加权灰度重心法提取激光条纹的中心线,并通过插值平滑算法得到连通性、拟合程度高的中心线;最后采用最大距离法得到对接焊缝特征点,并计算所需焊缝成形尺寸参数。试验结果表明,该方法能够有效提高图像检测效率及精度,满足工业检测标准。     

一种基于焊缝特征的焊缝中心线信息获取方法

在焊缝跟踪过程中,根据图像信息,如何快速有效地获取焊缝中心线信息是实现智能跟踪的关键要素之一。深入研究借助反射体反射弧光照射焊件表面得到的焊缝图片,根据图像中焊缝纹理的特点,提出新的检测算子,并利用该算子确定焊缝图片小区域焊缝中心的坐标。提取直线、圆弧、折线三种焊缝类型的焊缝中心线信息,通过BP神经网络模型对提取到的三种类型焊缝坐标点进行分类和MATLAB仿真试验。实验结果表明,该方法所获得的焊缝中心线信息反映了实际的焊缝轨迹,同时获取焊缝轨迹的时间少,为焊缝跟踪整个系统的实时性提供了基本保障。     

基于机器视觉的管道焊接跟踪技术研究

针对爬行焊接机器人在管道自动焊接中对典型的V形坡口焊缝的定位与中心线的提取,设计了一种基于激光视觉检测的自动焊缝跟踪系统。提出了一种基于激光条纹图像特征的两步定位方法:第一步,建立模板匹配,利用模板匹配方式获取激光条纹位置区域;第二步,采用阈值分割和中心法提取激光条纹中心线,然后采用Shi-Tomasi算法对中心线进行角点检测,经过拟合直线求交点和逐列扫描对比得到焊缝坡口的4个拐点信息,并确定焊缝中心。通过对实际的焊接过程进行测试,结果表明:跟踪系统的平均纠偏误差在2像素以内,平均处理纠偏时间在120 ms以内,具有较高的精度和实时性。     

一种基于结构光的V型焊缝实时图像处理方法

在焊缝跟踪系统中,需要实时准确获得焊缝中心线的位置,就必须设计一种基于结构光的V型焊缝中心线的提取方法。对焊缝进行中值滤波去除图像噪声,采用自适应阈值分割的方法对图像进行二值分割,采用二值形态学的边缘检测方法对二值后的图像进行孤点滤波和边缘检测,采用对边缘上下边界点求取平均值方法提取结构光的中心线,采用基于斜率分析和最小二乘法相结合的检测的方法对图像进行特征检测获得图像的特征信息。通过实践表明,所采用的方法能够正确地提取焊缝特征信息,具有很强的抗干扰性能,能够满足焊缝跟踪系统的实时性要求。     

基于三线激光的除锈爬壁机器人焊缝实时辨识方法

为实现船体焊缝除锈自动化,提出了一种基于三线激光的船体除锈爬壁机器人焊缝中心线提取方法。搭载视觉传感器的爬壁机器人在除锈过程中使用三条平行线激光扫描焊件表面并获取实时图像,通过图像卷积、二值化、细化等算法得到激光条纹骨架。利用中值滤波和链码特征排除法去除骨架中的干扰点,对骨架进行分段拟合,提取焊缝特征点并确定焊缝中心线。实验表明:系统可有效检测出焊缝中心的位置,为除锈爬壁机器人的焊缝跟踪奠定基础。     

无坡口对接焊缝特征角点检测方法

针对无坡口平板对接焊缝,研究一种应用线结构光传感的角点检测原理实现焊缝特征检测与跟踪的方法.与基于线结构光形变特征检测焊缝位置的传统方法不同,根据激光条纹在焊缝处的灰度变化,运用图像形态学处理方法,提取焊缝中心特征.计算图像每列邻域内灰度值和,运用中心差分方法,提取焊缝图像感兴趣区域.再依据角点检测原理,确定焊缝中心亚像素级坐标位置,通过简单快速的系统标定,得到焊缝实际位置偏差.结果表明,对焊缝间隙为0.2 mm左右的对接焊缝进行跟踪试验,平均误差均保持在0.1 mm以内,满足焊缝跟踪精度要求.     

基于激光视觉的角焊缝图像特征点提取

提出一种借助线激光从图像中提取角焊缝特征点的方法,克服了线激光在角焊缝表面的反光对提取光条中心线的影响,有效地识别出了角焊缝特征点. 首先,根据局部对比度区分实际光条与反光条纹,用阈值分割结合图像形态学方法分割出实际光条,并确定ROI区域;其次,根据光条截面的灰度分布提取光条中心点;最后,用迭代最小二乘法拟合分段光条中心线方程并确定角焊缝特征点. 结果表明,该方法能够快速准确地提取表面光亮角焊缝的亚像素图像特征点,在主频3.4 GHz的PC机上共用时0.35 s,能够满足焊接速度为0~25 mm/s的普通焊接设备的实时性要求.     

棱形管与法兰角焊缝图像处理及特征提取

由于棱形管与法兰角焊缝的位置多变,且实际生产中棱形管端面加工精度不高,自动化焊接程度低,文中搭建了一套棱形管与法兰环焊缝的自动化焊接系统,对于提高棱形管与法兰焊接的自动化程度有较大的应用价值。该系统通过CMOS相机和单条纹激光组成激光视觉传感器,获取角焊缝位置和间隙信息。针对采集的图像及工件特征,设计了适合的图像处理算法,首先采用了灰度变换、均值滤波和形态学处理的方法对图像进行预处理,然后根据对激光条纹图像灰度值分析结果,寻找合适的阈值,并采用极值法提取光条中心点,最后采用霍夫变换拟合直线,提取出角焊缝位置信息,并提出激光条纹端点搜索方法,提取出了角焊缝间隙大小。结果表明,该图像处理方案效果较好,抗干扰能力较强,可以准确的提取出焊缝中心位置和间隙大小,满足焊接机器人对焊缝跟踪的要求以实现自动化焊接。 创新点： (1)设计出适用于棱形管与法兰角焊缝的自动化焊接系统。 (2)设计了适用于该系统的焊缝中心位置提取算法。 (3)设计了角焊缝间隙提取算法。     

钨极氩弧焊熔池表面高度测量中变形条纹图的获取

提出一种基于条纹反射和傅立叶变换的测量GTAW熔池表面高度的新方法.利用激光器将光栅条纹投影在GTAW熔池表面,反射光轴上设置双透镜系统以转移熔池物面,利用空间滤波的方法阻挡弧光成分,在输出面放置白屏接收反射的熔池变形激光条纹,用CCD对屏上变形条纹实时成像.分析了焊枪位置、熔池的反射性能、弧光辐射等对变形条纹图获取的...     

基于激光视觉的薄板焊缝跟踪方法研究北大核心

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。     

Co2自动焊激光焊缝视觉传感器设计

设计了用于焊缝自动跟踪的激光视觉传感器，介绍了传感器的结构，说明了图像采集过程，阐述了确定焊缝图像中焊缝横向中心位置以及获取焊炬相对于爆缝纵向偏差的图像处理方法。     

全位置管道焊接的纯滞后激光视觉跟踪技术

在机器人视觉引导中,激光线投射位置往往与焊枪头位置存在一定的偏差值,导致在焊缝形状多变的情况下实时纠偏精度较低。因此,提出一种基于Smith预估控制模型的纠偏方法。首先,以形态学中的skeleton和矩形开运算为核心算法提取出焊缝中心点。然后,根据焊缝中心点计算出纠偏量,将纠偏量按顺序存入容器中,采用Smith原理构建的数学模型对存储的数据进行处理。最后,使用处理后的数据逐点进行滞后纠偏。数据仿真和实际测试结果表明:实际纠偏精度在0. 35 mm以内,满足工程焊接对纠偏精度的要求,具有很强的实用性。     

基于OpenMV的螺旋管内焊缝自动跟踪系统

针对国内部分钢材加工厂采用人工判断焊缝位置,手动调节来纠正焊偏的控制方式,自动化水平低且长时间工作导致视觉疲劳容易造成误判,影响螺旋管焊接质量的问题。该系统通过Open MV机器视觉模块采集图像,利用图像处理技术实时提取焊缝特征信息,经过统计筛选来计算焊枪偏移量,结合控制技术来实现焊枪的自动纠偏。现场试验结果表明,该系统能够满足要求,稳定、准确的实现焊缝自动跟踪。     

微间隙焊缝磁光成像检测方法

针对激光焊接紧密对接微间隙(0~0.1 mm)焊缝,研究一种基于法拉第磁光效应成像的焊缝检测新方法.以碳钢平板对接激光焊为试验对象,采用磁场激励器使焊件感应磁性并在焊缝处改变磁场分布,磁光传感器置于待测焊缝上方,不同磁场强度将导致磁光传感器偏振光不同角度的旋转,形成反映焊缝位置特征的磁光图像.对焊缝磁光图像进行滤波去噪、灰度转换以及形态学等处理,快速准确地提取出焊缝中心位置.结果表明,磁光图像能够有效反映微间隙焊缝位置,可以获得较高的测量精度,为解决微间隙焊缝检测和跟踪问题提供了一条有效途径.     

基于焊枪轮廓特征提取的焊接偏差测定方法

在熔化极气体保护焊(gas metal welding, GMAW)焊接过程中，由于弧光干扰严重，视觉系统难以同时准确提取焊缝和焊丝尖端，从而影响焊缝跟踪的精度.针对这个问题，提出一种定位焊枪中心来替代定位焊丝尖端的焊接偏差测定方法，并对该方法进行了可行性论证.首先，在增强熔池图像中的焊缝、焊枪边缘轮廓信息后，设置矩形窗获得边缘采样点.然后，使用聚类算法筛选出正确的边缘采样点，根据采样点利用最小二乘法拟合出焊缝直线和焊枪椭圆方程.最后，计算当前图像焊枪中心与焊缝直线的距离，与基准图像中的对应距离进行比较，测定出焊枪位置偏差量和焊枪摆幅偏差量.实际验证结果表明，焊枪中心与焊丝尖端的替代误差在0.2 mm以内，满足跟踪精度要求，具有较强的工程实际意义.