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。     

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。     

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。     

基于单目线性结构光膜式壁焊缝跟踪系统研究

针对锅炉行业中膜式壁焊接作业劳动强度大、生产效率低,设计了一种基于单目线性结构光的膜式壁焊缝跟踪系统。首先,设计了一种基于单目线性结构光的膜式壁焊缝检测传感器,建立了空间坐标系和相机成像坐标系下焊炬轨迹空间位姿和偏差数学模型;其次,焊接过程中,基于图像处理检测出的焊缝特征点建立了焊缝轨迹和焊缝纠偏数学模型;最后,结合图像处理检测出的焊缝特征点和焊缝跟踪控制算法,在龙门式焊接机器人平台上完成了上坡角和下坡角为30°的膜式壁焊缝焊接。实验证明,膜式壁焊缝图像处理算法能够快速准确地检测焊缝特征点,结合焊炬纠偏控制算法能够完成焊缝跟踪,跟踪精度为0.20 mm,满足实际要求。     

一类窄焊缝的结构光图像特征提取方法

提出一种新颖的窄焊缝的特征提取与图像处理方法,有效地克服了环境的各种干扰,可靠地提取出了焊缝的特征点.首先设计了一套基于线结构光的显微视觉系统,可靠地检测出了结构光焊缝图像;接着提出一种基于阈值变换的行像素点统计算法和自适应形态学收缩算法可靠地分割出结构光条纹图像;然后采用过度参数直线拟合和B样条曲线拟合算法准确地得到了结构光条纹的中心线.最后,提出一种基于距离搜索的算法,得到了焊缝的特征点.结果表明,窄焊缝结构光图像特征提取方法可行.     

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。     

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。     

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.     

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。     

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.     

一种激光视觉引导的自动识别V形焊缝的算法

如何准确地识别线结构光在V形焊缝上留下的光带是机器视觉的一个关键技术,对此文章提出一种新的图像处理方法。首先对原图像进行中值滤波。然后选用一种新的高斯模板对其进行滤波,可以有效地去除面积较大,宽度较宽的噪声。接着采用一种新的ROI区域提取算法,可以有效地确定光带所在位置,提高运算效率。然后采取孤点滤波删除散落在图像上的曝光点。接着对其进行细化,提取激光条纹中心线。提取焊缝特征点时,运用斜率法将图像中的点进行分类随后进行最小二乘法的直线拟合,得到特征点坐标。然后将特征点坐标从图像坐标系转到基坐标系下。最后通过计算得到焊缝参数。实验结果表明:V形坡口的角度、高度、宽度的计算结果与实际值的相对误差分别为0.33%、0.585%、0.186%。满足的抗干扰能力强、精度高和实际焊接等要求。     

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.     

基于激光视觉的焊缝特征提取算法研究

随着工业技术的发展,基于视觉传感器的焊缝跟踪得到了广泛应用和快速发展。实现焊缝跟踪,其中最关键的步骤是要实现焊缝的自动识别。基于视觉传感的焊缝识别需要用到图像处理技术,图像处理的复杂性、多样性等特点促使对焊缝的识别成为研究热点。视觉传感器得到的是一段包含焊缝轮廓信息的条纹图像,文中主要针对的是激光条纹中心线及焊缝坡口特征点提取的研究现状进行了论述。     

基于线结构光视觉的焊缝类型识别与特征提取

提出一种基于概率神经网络的焊缝类型识别和亚像素级焊缝检测与特征提取算法。先对激光视觉传感器采集的焊接图像进行兴趣区提取、滤波、二值化等预处理操作,再采用概率神经网络识别焊缝类型,采用改进的Steger算法提取激光条纹中心线,并根据不同焊缝类型从Hough变换所得的条纹中心直线中提取出焊缝中心点位置、焊缝宽度等特征信息。实验结果表明,该方法的焊缝类型识别率和特征提取精度较高,具有很好的实用价值。     

基于多视觉特征的激光拼焊焊缝宽度检测

针对激光拼焊焊缝宽度测量中,仅依据结构光单一特征进行检测鲁棒性不强的问题,提出了基于结构光光纹信息、焊缝纹理信息、图像灰度信息、图像序列信息等多视觉特征信息进行焊缝宽度测量的方法。先依据图像灰度信息确定感兴趣区域,再针对正面焊缝图像,通过骨架法提取结构光光纹中心线,计算中心线的畸变位置识别焊缝特征点;针对背面焊缝图像,采用纹理能量模板对焊缝图像滤波确定焊缝区,然后计算焊缝区和结构光条纹的交集,识别焊缝特征点;识别的特征点通过序列图像信息进行校正,最后依据特征点计算焊缝宽度。搭建了激光拼焊焊缝宽度测量系统,并分别对焊缝正面和背面的宽度进行了测量试验。试验结果表明,该方法精度高,可靠性强,实时性好,有助于实现激光拼焊高速、高精度的焊缝质量在线检测。     

微间隙焊缝磁光图像增强方法

针对激光焊接紧密对接焊缝(焊缝间隙不大于0.1 mm),研究焊缝图像增强方法,提出利用自适应中值滤波法去除焊缝磁光图像噪声,并结合小波变换图像增强技术,进一步突出焊缝过渡带边缘特征,实现焊缝位置的识别。试验结果表明,自适应中值滤波融合小波变换图像增强算法能够准确地识别焊缝过渡带并提取焊缝中心坐标,为焊缝的准确识别与跟踪奠定基础。     

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。