共查询到19条相似文献,搜索用时 187 毫秒
1.
焊接过程中焊接区域亮度范围大,而且随机变化,导致采集的焊缝区域图像干扰大,特征难以提取.文中利用激光条纹良好的方向特性,以及图像中结构光与熔池的亮度特征,提出一种基于视觉注意的焊接区域清晰图像获取方法.针对采集的焊缝区域图像,首先获取在不同检测方向下结构光条纹的单方向特征图,再进行加权融合得到多方向特征图.其次,利用高通巴特沃斯滤波器对原始图像加强,获取亮度特征图.接着提出一种改进的显著性度量方法实现了显著性区域与复杂背景图像区域的较好分割.最后,通过图像融合归一化得出结构光与熔池的清晰图像,并采用聚类中心距离客观评价了图像显著性检测效果.结果表明,试验结果显示提出的方法是有效的. 相似文献
2.
3.
《组合机床与自动化加工技术》2020,(6)
针对强光干扰下部分需提前预判焊缝轮廓信息的激光条纹提取算法的不足,提出了一种无需更改参数的更为可靠的算法。利用单目视觉系统采集强光干扰下的焊缝图像,通过中值滤波和掩膜操作完成图像的预处理阶段,在图像处理阶段,根据激光条纹特点,提出采用高斯混合模型(GMM)法分割所获取图像,得到图像中的高亮区域,之后采用面积过滤和形态学闭操作消除背景噪声干扰,并通过骨支架操作验证了激光条纹提取的有效性。图像处理试验表明,在强光干扰下,该算法具有较高的稳定性。 相似文献
4.
5.
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。 相似文献
6.
7.
8.
《热加工工艺》2021,(19)
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。 相似文献
9.
10.
11.
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. 相似文献
12.
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。 相似文献
13.
针对钢结构件品种多、批量小,焊缝形状位置一致性差,机器人重复定位过程复杂等缺点,设计了一种基于激光视觉的钢结构焊缝图像处理系统. 运用CCD工业相机和激光器,采集带有激光条带的焊缝图像,分别利用中值滤波柔化噪音,Otsu算法自适应阈值分割,开操作和形态学处理相结合去除图像中除目标像素外的小连通区域,提取激光条带的中心线,最终利用Hough变换对中心线直线拟合,得到特征点位置,并通过骨支架试验验证该技术的可行性. 结果表明,该方法可快速准确地检测到焊缝特征点,满足实际要求. 相似文献
14.
15.
16.
激光拼焊焊缝质量结构光视觉检测中,对焊缝的准确识别是实现高精度检测的关键. 针对检测图像中结构光光纹畸变特征不明显,无法准确识别焊缝的问题,依据焊缝纹理特征信息,提出了一种基于最小二乘支持向量机的焊缝识别方法. 首先,分析并提取焊缝区和非焊缝区差异明显的纹理特征. 其次,训练最小二乘支持向量机模型,对焊缝进行粗识别. 最后,采用Laws纹理滤波提取焊缝区域,并通过阈值分割方法精确识别焊缝. 针对不同工艺参数下的激光拼焊焊缝开展焊缝识别试验,结果表明,该方法能够有效地识别焊缝. 相似文献
17.
焊缝跟踪技术是自动电弧焊接的一个重要研究领域,实现精确的焊缝跟踪对于提高焊接质量具有非常重要的作用。而要实现精确的焊缝跟踪,焊缝偏差(即焊缝中心与电弧的偏差)检测技术是一个关键。通过图像处理技术,选取熔池图像处理区域(包括熔池前端与熔池前端部份焊缝),并将熔池图像质心作为分析焊缝偏差的特性参量,研究利用熔池特性参数来建立焊缝偏差测量视觉模型的方法。 相似文献
18.
针对激光焊接微间隙焊缝(间隙小于0.1 mm),研究提高磁光传感检测焊缝精度的BP神经网络修正方法.以碳钢平板对接激光焊为试验对象,利用磁光传感器检测焊缝区域磁场分布并成像.通过分析焊缝处磁场成像并应用BP神经网络修正磁光传感器得到焊缝中心数据,有效避免焊缝磁光图像低对比度和强噪声干扰问题.经过在不同焊接速度试验下的测试,四组神经网络试验的焊缝位置误差的绝对平均值都在0.015 mm左右,BP神经网络测量误差比磁光成像直接测量平均减少约28%.BP神经网络修正磁光成像测量技术可有效识别微间隙焊缝,为解决激光焊接微间隙焊缝过程自动识别和跟踪焊缝的难题提供了一种新方法. 相似文献
19.
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。 相似文献