基于视觉传感的薄板对接焊缝特征提取方法的研究

在薄板焊接过程中,由于环境光干扰、物体表面反射和激光散射等因素的影响,采集的图像中噪声密度过大,造成焊缝中心难以准确提取。针对上述问题,提出了一种基于视觉传感的薄板对接焊缝特征提取方法,设计了一种基于线激光的视觉传感系统,实现对薄板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灰度特征,采用图像二值化和自适应中值滤波算法去除图像中的噪声,利用重心法和统计列像素点个数方法选取ROI区域;通过对ROI区域图像进行阈值分割、开运算和提取重心得到激光条纹中心线;最后采用二阶差分法和极值搜索法得到对接焊缝特征。实验结果表明,该方法能够有效去除噪声干扰,准确提取焊缝中心及对接焊缝宽度。     

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。     

不等厚激光拼焊板焊缝质量检测图像处理方法

针对激光拼焊过程中的各种噪声干扰,使得焊缝图像复杂多变,本文对结构光视觉焊缝质量检测系统图像处理方法进行了深入研究。在图像预处理中,首先通过加窗处理来获得兴趣区域,采用中值滤波去除图像噪声。针对母材区域和焊缝区域对结构光反射率不同,提出了使用局部阈值来分割目标图像的方法,并使用形态学开运算进一步去除噪声干扰;在结构光条纹中心线提取过程中,使用模板法获得了条纹的边界并用几何中心法提取了条纹中心线;提出了基于焊缝灰度图像的灰度突变和拟合直线法来检测特征点的方法。试验表明,该方法具有较高的特征点检测可靠性,并且运算速度快、抗干扰能力强,具有较高实用价值。     

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.     

基于视觉传感的薄板焊缝特征亚像素提取方法

提出了一种薄板对接焊缝特征亚像素提取和图像处理方法,可以有效地提高薄板焊缝特征的提取精度。针对薄板接头特征设计了一个基于面性激光的视觉传感器,有效地采集薄板焊缝图像;提出了一种亚像素特征提取方法,根据图像的灰度分布特点,搜索每列的极大值和极小值,并以这两点为边界,对图像进行分割;接着对分割的焊缝特征区域,采用基于灰度梯度的重心法进行亚像素的焊缝特征提取。试验结果表明,该方法可以有效地检测出薄板对接焊缝特征,提取精度可达0.1个像素。     

双线激光传感焊枪定位与焊缝走向识别

为实现焊接机器人焊枪定位与焊缝走向识别,提高焊缝跟踪精度,提出了一种交叉式双条纹激光传感方式,建立了该传感方式下双条纹激光间距与焊枪高度关系的理论模型.按图像行上灰度值和的一阶导数提取感兴趣区域(region of interest, ROI)、最大类间方差阈值分割及Canny边界提取等处理后,获得了上下激光条纹中心间距离及坡口中心值,由理论模型计算得焊枪高度,上下坡口中心值获得焊缝精确偏差与焊缝轨迹走向.结果表明,建立的理论模型正确,该方法可快速实现焊枪准确定位,识别焊缝轨迹走向,减小导前误差,提高偏差识别精度和焊接机器人智能化程度.     

基于方向显著性的熔池背景下V形焊缝激光条纹的有效提取

焊缝跟踪是机器人自动化焊接的核心技术,而厚板焊接中准确提取用于检测焊缝轮廓的激光条纹技术是实现自动跟踪的关键技术之一。根据同一帧焊缝图像中同时采集了熔池区域和激光条纹的特点,提出采用多区域多方向Gabor滤波的方法获取焊缝图像多方向特征图,然后采用基于局部区域灰度均值最大法消除背景干扰,最后利用连通域法消除因激光条纹轮廓检测缺口而产生的干扰。通过图像处理试验验证了算法的有效性,为厚板焊接的实时跟踪打下基础。     

膜式壁焊缝图像处理及其识别方法

提出一种基于新的单目视觉线性结构光的膜式壁焊缝识别方法,克服了焊接过程中的飞溅、烟雾等干扰,快速地提取了膜式壁角焊缝特征点。首先,根据激光条纹图像与背景的显著性差异,采用灰度级频率法提取了激光条纹图像;其次,基于骨架抽取提取了激光条纹中心线,并对中心线坐标应用Takagi Sugeno模糊算法进行滤波;最后,应用动态ROI搜寻法快速找到含有焊缝特征点的区域,结合快速排序算法找到焊缝特征点坐标。经实验证明,该算法能够快速准确地提取焊缝特征点,结合控制算法,能够准确跟踪焊缝。     

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.     

Study of image processing for V-shape groove and robotic weld seam tracking based on laser vision

Single-stripe laser was applied to acquire V-shape groove contour information. Most of arc light and splash noise was removed and stripe laser image was kept by wavelet transform. Half-threshold algorithm was used for image segmentation and stripe laser image was gotten after refining. Weld seam center position was identified and extracted by extreme curvature corner detection method. The location of torch was detected to accord the frequency of computer program with robot program and serial communication program. The tracking experiments of sidelong, reflex and curve weld line show that the system can meet the demand of the tracking precision under normal welding conditions.     

基于激光视觉传感的角焊缝外形尺寸检测

针对目前角焊缝外形尺寸手工检测的缺点,采用了一种基于激光视觉传感的角焊缝外形尺寸检测方法.该方法利用基于三角形测量原理的激光传感器,采集反映焊缝几何形状特征的激光条纹图像,利用中值滤波、二值化、中心线提取以及特征识别等算法,从而获得了角焊缝的外形尺寸信息.结果表明,与传统的手工检测方法相比,该方法具有检测准确度高、可靠性好、耗时短、检测内容丰富、使用方便等特点,并且消除了人为主观判断的影响.此外,检测的数据可长久保存在计算机中,便于后续的统计分析.     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

微小随机变化焊缝的视觉特征提取

针对焊接过程中薄钢板搭接微小焊缝随机变化的特点,提出一种基于图像能量分布的视觉特征检测和提取方法,采用伪彩色图像增强算法得到能量分布,有效地抑制了焊接过程中飞溅、烟雾等能量弱的瞬时噪声. 接着提出一种差分搜索算法实现了结构光条纹骨架的准确提取,并获得了图像特征点. 然后,利用随机抽样一致算法对图像特征历史数据进行概率分析,进而精确地拟合出焊缝特征的局部模型,实现了焊缝特征点的准确预测. 结果表明,提出的方法是有效的,焊缝视觉特征提取的效果令人满意.     

基于机器视觉的金属板材表面波纹度检测方法

常规波纹度测量方法存在检测效率低、检测精度不高等问题,为了实现金属板材表面波纹度的快速准确检测,提出了一种非接触式的表面波纹度无损检测方法,该方法采用改进的中值滤波实现高效快速的图像去噪,使用霍夫变换实现图像的自动旋转,提取了表面图像基于灰度共生矩阵的纹理特征参数,并进行相关性分析。结果表明,对比度、能量、相关和熵等特征参数与波纹度之间存在较好的一致性。以对比度、能量、相关和熵等为输入参数,构建了基于BP神经网络的表面波纹度检测模型,试验验证该方法能够实现金属板材表面波纹度的高效、高精度测量,检测误差仅为49.0%。     

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。     

Development of an automatic post-weld inspection system based on laser vision

In order to overcome the limitations of manual post-weld visual inspection approach, an automated inspection system is developed which uses three-dimensioual laser vision system based on the principle of optical triangulation. The system hardware consists of a modular development kit （MDK）, a computer, an actuating mechanism and so on. In image processing algorithms, extraction accuracy of centric line of laser stripe is the critical factor that determines the system performance. So according to the features of laser stripe image, a novel algorithm is developed to detect the central line of laser stripe fast and accurately. Experiments have demonstrated that this system can be used in various weld features inspection of both butt and fillet types of weld. Compared with traditional manual inspection method, this method has obvious dominance. The three-dimensional reconstruction result shows that this system has high accuracy and reliability.