基于视觉注意的V形焊接区域清晰图像获取

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.     

V形焊缝轮廓特征点的有效提取

当前机器人智能化厚板焊接中焊缝检测仍以激光视觉传感器为主流。为实现多层多道自主焊接,研究以焊缝图像为载体的焊缝轮廓特征点的提取是前提,提出了一套有效的提取V形焊缝轮廓特征点的方法。该方法以已提取的线状焊缝轮廓为研究前提,指出V形焊缝轮廓的特征点有3种,即斜率突变点、局部极值点和拐点。通过不同焊道的焊缝轮廓特征点的提取试验验证了该方法的有效性,为后续的焊道规划和跟踪打下了良好的基础。     

强光干扰下的焊缝图像激光条纹提取算法研究

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。     

机器人多层多道焊缝激光视觉焊道的识别

厚板多层多道焊缝形状特征的自动识别,对保证焊接质量和实现机器人自动化焊接生产具有重要意义.文中建立了基于条形激光源CCD视觉传感多道焊缝自动检测系统,通过对多道焊缝激光条纹图像特征的分析,提出了合理的图形处理识别流程,即经过图像平滑处理、纵向灰度梯度法识别条纹中心、再经过二重斜率平滑处理、多个峰值搜索等处理流程,可获得焊缝形状的四个拐点,为焊缝跟踪、弧长控制和焊枪位姿调整提供了重要的信息,其图像处理结果与试验结果相吻合.     

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。     

单条纹激光引导焊缝跟踪图像处理

研究了单条纹激光引导焊缝跟踪图像处理方法.首先利用小波分解技术获得图像水平方向的细节部分,在该部份激光条纹的信息得到了较好的保持,而噪声信息则比较少,有利于焊缝识别;然后对该部份进行竖直方向上的中值滤波以滤除残余的噪声;最后采用KSW熵算法,对图像进行分割,并识别出焊缝区域.该方法效果较好,抗干扰性强,耗时少,能满足焊缝实时跟踪的要求.     

搅拌摩擦焊对接拼缝间隙特征的在线检测方法

针对航天大型军工产品的搅拌摩擦焊接过程对对接拼缝焊接检测与控制的工程需求,提出了一种激光和视觉图像相结合的在线检测方法,以解决拼缝间隙0.2 mm的在线检测难题。该方法可实现焊前拼缝间隙量和错边量的精确、快速检测以及焊中实际焊缝位置跟踪。介绍了测量原理及检测方法,并详细阐述了拼缝间隙特征的自动提取技术,即面向搅拌摩擦焊焊缝特征影像的图像处理和数据处理方法,包括感兴趣区域提取、激光条纹轮廓提取、亚像素激光条纹中心提取、拼缝间隙特征提取等;结合五轴加工中心对测量系统进行试验验证,并与影像仪测量结果进行了对比。     

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。     

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。     

基于网格结构激光的焊缝轮廓高度检测

随着自动化焊接技术的发展,焊缝轮廓高度的快速检测越来越重要。针对目前焊缝轮廓人工测量方法主观影响大、检测精度差、检测效率低等缺点,线激光单次投射仅能获得投射线处高度信息,在扫描过程中存在抖动干扰的问题,提出并实现了采用网格激光对焊缝轮廓高度进行快速检测。建立图像采集的软硬件系统,采集网格激光照射下的焊缝图像,通过图像去噪、二值化、骨架细化、毛刺去除等算法提取有效信息,采用三角测量法计算焊缝高度。基于LabVIEW实现了上述算法,建立了网格结构激光焊缝轮廓高度快速检测系统。     

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。     

基于激光视觉的钢结构焊缝图像处理系统

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.     

光切法视觉检测的焊缝坡口中心定位方法

焊缝坡口成像质量和焊缝中心定位是实时焊缝跟踪系统的关键问题,针对氩弧焊接时坡口的视觉焊缝跟踪过程中强弧光干扰等问题,设计了基于高亮单色激光结合窄带滤镜的光切法坡口成像系统,分析焊缝图像特征,提出一种基于直线Hough变换的坡口中心快速定位方法,实际应用结果表明,该系统算法简单并满足实时性要求。     

脉冲焊接工艺摆动电弧焊缝跟踪技术

介绍一种基于摆动电弧的脉冲焊接工艺的焊缝跟踪方法。介绍了焊缝跟踪的基本原理,分析了脉冲焊接工艺中焊接电流的特点。根据脉冲焊接工艺自身特点,设计了有限长单位冲击响应滤波器,有效滤除了电流受到的干扰,获得电流随焊炬摆动而产生的周期性变化趋势。对比了焊接电流极大值比较法和积分差值法的特点,通过比较坡口两侧的电流数据的积分差值判断焊炬摆动的偏差量和偏差方向。设计一种模糊控制器进行偏差调整,实现焊炬自动调整。结果表明,所用方法可以实现焊炬自动调整。     

基于最小二乘支持向量机的激光拼焊焊缝识别

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.     

电弧焊接焊缝偏差方法研究

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。     

微间隙焊缝磁光检测神经网络修正

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.     

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。