Snake模型和遗传算法在特殊焊缝提取中的应用

针对CCD直接拍摄图像的弧焊机器人焊缝视觉检测问题,文中提出了一种精确提取带有较大的间断、尖锐的拐点、较多的干扰等特殊焊缝轨迹的算法.该算法先用小波变换进行焊缝边缘线的平滑,得到与最终焊缝距离很近的初始焊缝轨迹,再用基于Snake模型和遗传算法的进行特殊焊缝的精确匹配和提取.结果表明,该算法能进一步提高特殊焊缝轨迹识别的识别和检测精度,具有较强的适应性,也为弧焊机器人视觉检测的智能化的进一步提高提供一定的技术参考.     

基于被动视觉的焊缝错边研究

在弧焊机器人焊接过程中能实时、准确、自动地检测焊缝错边是高质量自动焊接的基础。针对熔化极气体保护焊熔池图像特征,提出了一种实时的焊缝错边检测方法。首先,搭建了基于工业相机的单目被动视觉熔池图像采集系统,系统包括复合滤光系统、相机外触发系统、图像采集软件,采集到清晰的熔池图像;其次,提出利用图像平均灰度值判断弧光对熔池图像的干扰程度;再次,采用最大类间﹑类内方差比法提取出熔池轮廓;最后,根据熔池轮廓特征定义了反映焊接错边信息的特征参数Z/C与β/γ。参考焊接工艺规程(JB/T 9186-1999)设计了焊接试验。结果表明,熔池轮廓提取算法合理,熔池轮廓特征参数能反映焊接错边,能为基于视觉的焊接错边在线监测提供技术支持。     

基于双目视觉的船舱格子间角焊缝路径识别

针对船舱格子间工作空间狭小,大型自动化设备难以完成舱内自动焊接的问题,提出了一种基于双目视觉获取焊缝路径三维信息的策略。基于张正友标定原理获取双目系统基本参数后,利用C++与OpenCV编写了自适应阈值的二值化处理、改进的Sobel轮廓提取算子、非连续像素点筛除等程序,对双目相机采集的图像进行处理,提取了清晰、低噪点的直角角焊缝中心轮廓图像。基于BM特征点匹配算法与像素点扫描方法,得到了焊缝轮廓上连续特征点的三维信息数据集,利用Origin作图软件拟合后生成了三维直角角焊缝路径。为了验证双目系统测距精度与鲁棒性,设计了可升降、角度可调的滑轨万向节组合模块,实现了从不同拍摄角度、高度采集焊缝图像,并对焊缝上设置的等距特征点的距离进行识别。试验结果表明,当拍摄偏角在30°之内,或正拍高度在150～190 mm内变化时,测距偏差都可以控制在2 mm内,基本满足焊接的精度与稳定性要求,并为焊接的自动化循迹过程提供了数据基础。 创新点： (1)将双目视觉识别测距技术应用于小型船舱格子间内矩形角焊缝中心路径的识别,为自动化的焊接过程提供了循迹数据基础。 (2)设计了滑轨万向结模块,证实了该双目视觉识别系统在不同角度与高度下良好的鲁棒性与识别精度。     

基于结构光视觉传感的焊缝视觉信息检测和识别研究

对基于结构光视觉传感的焊缝视觉信息检测和识别进行了研究.所获取的焊缝图像中存在着大量的飞溅、烟尘和电弧光等噪声干扰.CCD摄像机获取焊缝图像,经图像采集卡A/D转换后送入计算机内存,然后采用各种图像处理方法对图像数据进行处理,焊缝原始图像经过二值化、中值滤波、拉普拉斯锐化、细化一系列图像预处理,准确提取激光条纹信息,提出了几种常见的焊缝形式的检测和识别算法,算法所需时间均不到1 ms,提取焊缝特征,实现对焊缝的自动跟踪.     

高强钢薄钢板焊缝高精度视觉跟踪控制

针对薄钢板焊缝焊接机器人,提出一类高精度、柔性的视觉跟踪控制方法,以实现窄焊缝的在线实时感知和视觉控制。提出了一种抗干扰能力强的焊缝图像处理方案,实现窄焊缝特征的可靠提取和通信传输。提出了一种基于图像的闭环视觉控制方法,开发了视觉控制器及其执行系统,实现了焊接机器人焊缝轨迹的实时高精度跟踪。实验结果表明,该视觉控制方法对弧光、烟雾、飞溅和外界照明变化具有很强的鲁棒性,可以精确地识别出焊缝特征坐标,快速地实现焊枪对焊缝的跟踪,达到了期望的控制精度和焊接质量,结果令人满意。     

基于OpenCV的焊缝图像识别算法研究

针对自动焊机器人的视觉引导问题,提出了一种基于OpenCV计算机视觉库的焊缝识别算法。焊缝边缘是焊接图像识别中的重要特征,文中使用分水岭算法进行前景检测与图像分割,Canny算法进行边缘提取,Hough直线检测算法提取焊缝边缘特征,实现对焊缝的图像识别,并加入自动阈值提高算法适用性。识别程序通过Python语言实现,结果表明,该算法计算效率高、适用性强,可以满足机器视觉引导系统中的要求。     

一种线激光V形焊缝中心点识别的改进算法

在机器人自动化焊接过程中,准确识别、提取出焊缝位置,对于焊接的精度与质量有着很大的影响。基于线激光的V形焊缝轮廓识别算法,在进行阈值分割时,有时由于线激光与V形焊缝接触时会产生激光的变形,导致局部光强下降,部分轮廓会消失。提出一种改进算法,首先通过双边滤波方法,达到图像平滑的目的;然后通过Canny边缘检测算法,准确地提取出线激光在焊缝上变形的区域;通过膨胀算法处理后,再去除焊缝轮廓留下的干扰直线;再通过直线细化算法,识别出与线激光相交的焊缝边缘轮廓点与中心点。最后识别出焊缝中心点位置。     

小波分析在焊缝图像处理中的应用

从原始焊缝图像中准确检测出焊缝边缘、提取出焊缝中心位置,是实现焊缝跟踪的关键技术。将小波分析方法应用于焊缝图像处理中,首先对焊缝图像进行小波分解,然后对分解后的小波系数进行阈值处理,最后用阈值处理后的小波系数进行焊缝图像重构,有效降低了焊缝图像噪声,突出了熔池和焊缝边缘轮廓,便于机器识别及处理。接着再对消噪增强后的焊缝图像进行平滑、边缘检测,提取出焊缝中心线,用于焊缝自动跟踪控制。试验结果表明:该方法效果良好,能有效地提高焊缝跟踪精度。     

水下焊接机器人视觉传感系统图像干扰因素分析

水下焊接机器人视觉传感系统在焊接过程中实时的对焊缝图像进行提取,通过一系列的图像处理算法,识别出焊缝位置,得到焊缝与焊枪之间的位置偏差,通过控制算法,实现焊缝跟踪的目的.在图像提取的过程中,会有各种各样的干扰,如泥沙干扰、弧光干扰、水泡气泡干扰、水对光的散射等各种干扰.着重分析了水下焊接机器人视觉传感系统图像提取的各种干扰因素,并对各种干扰因素产生的原理加以研究分析,并在此基础上,对如何去除各种干扰因素的方法--"二步干扰因素去除法"进行了简要的分析.     

基于视觉注意机制的机器人厚板焊接焊缝轮廓的识别

设计了一种视觉传感器同时采集熔池和焊缝轮廓, 并提出一种基于视觉注意机制的机器人厚板焊接焊缝轮廓的提取方法. 该方法以图像的亮度信息和方向信息作为初级视觉特征,并以焊缝图像作为亮度特征图,把对焊缝图像进行膨胀处理再进行Gabor滤波的结果作为方向特征图. 对上述两种特征图进行显著性度量,然后对度量结果进行自适应特征融合获取综合显著图,并对其进行阈值分割和最近邻聚类. 结果表明,最后在所有类别中以成员数最多的类所覆盖的区域作为最先被注意的区域,而其包含的数据即为焊缝轮廓信息.