基于焊缝纹理特征的视觉识别方法

基于焊缝纹理特征的视觉识别方法,对于在多层多道焊的后续焊、盖面焊步骤中实现焊缝自动跟踪具有重要意义.从充分利用焊缝图像纹理特征的思路出发,分别对焊缝视觉识别的两个步骤(图像处理和位置识别)进行了方法探究和算法设计.在图像处理中使用了±45.的Sobel算子进行边缘检测,在位置识别中结合了投影法和区域积分的方法,用以确定焊缝中轴线的位置.结果表明,提出的方法在原理上简单易行,且能够同时满足实时性和准确性的要求.     

微间隙焊缝磁光成像传感自适应识别方法

对于微间隙(小于0.1mm)对接焊缝,针对焊接过程中磁光传感器提离高度不断变化的状态,设计焊缝位置检测试验系统。通过对焊件施加感应磁场,并利用法拉第旋光原理构成的磁光传感器获取焊缝磁光图像序列。为了识别焊缝的准确位置,研究一种改进的多阈值最大类间方差算法。根据传统最大类间方差法的基本思想进行多阈值推广,并使用松弛余量的方法优化算法的搜索过程。根据焊缝磁光图像的特征,运用算法自适应确定图像的两个分割阈值,获得焊缝的准确位置。焊缝位置识别试验结果表明,改进的多阈值最大类间方差识别算法是一种有效的焊缝位置自适应识别方法,适用于基于磁光成像检测的焊缝路径实时跟踪。     

通风管道弯头非圆环焊缝图像处理研究

文中提出了一种通风管道弯头非圆环焊缝图像处理方法，识别出弯头非圆环缝与焊枪的相对位置信息及弯头的焊缝角度，为焊枪提供位置信息及偏转角数据，达到焊缝自动跟踪的目的。文中提出了两次柔化+边缘检测预处理组合方式，并利用沿管道对称轴两侧固定距离的2个焊缝坐标连线的角度代表弯头角度，识别算法巧妙且效率高，达到了焊缝跟踪的目的。     

一种基于改进的SUSAN算法的焊缝边缘检测方法

随着图像技术在自动化焊接中的应用,高效地识别和提取出焊缝轨迹,成为图像跟踪自动焊接的关键。本文提出了一种基于改进SUSAN算法的焊缝边缘检测方法。首先对采集到的焊缝图像进行灰度化处理,再通过SUSAN算法进行焊缝的边缘检测,并将SUSAN算法中的灰度差阈值由人为选取改进为一种自适应选取的方法。理论分析和实验结果表明,该算法比其他边缘检测算子抗噪能力强,可以更加高效地提取出焊缝信息。     

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。     

一种改进的roberts算法在焊缝识别中的应用研究

基于弧光反射的弧焊工业机器人智能跟踪焊缝系统能否成功运行,关键问题是需要一个精确、快速的弧光反射照射下的焊缝区工件间隙图像的识别算法。在各种边缘识别方法中,roberts算法的代码执行效率最高,然而该算法对噪声十分敏感。由于焊接条件本身的复杂性,传统的roberts算法受噪声干扰非常严重,提出了一种改进的roberts算法用于该系统。实验证明,改进后的roberts算法在复杂的焊接条件下能够实现焊缝高效、准确的边缘检测和焊缝特征信息的提取,提高了系统的有效性、实时性和环境适应性。     

一种基于先验知识的弧焊机器人图像处理方法

在弧焊机器人视觉检测的CCD直接拍摄图像方法中,针对带有黑笔记号、划痕、并与焊缝交叉干扰的复杂对接焊缝图像,文中提出了一种实用的焊缝轨迹的识别方法,并对该算法中的骨架细化及边缘链的拆分、合并剪枝和基于先验知识的位置关系判断等关键问题进行重点阐述. 结果表明,该算法能有效地去除复杂焊缝图像中的黑笔记号、划痕和交叉干扰,最终自动提取焊缝轨迹. 该算法具有较强的适应性和可扩展性,稍加改进就可应用于其它复杂图像上. 如带电弧光或结构光等的图像. 该算法能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.     

海底管道干式高压焊接跟踪轨迹的识别

干式高压TIG焊接法是海底输油(气)破损管道修复所用的重要的、焊接质量较高的连接方法,而自动化焊接又是解决潜水员焊接效率低下的有效途径,焊缝跟踪技术则是保证焊接过程正常进行和焊缝质量的关键技术.设计了能克服环境压力影响的CCD图像摄取装置,研究了一套焊缝跟踪路径识别算法.运用直方图均衡化方法强化坡口与非坡口的差别,增加焊缝图像的理解性.提出了以图像灰度最低值拟合成的曲线将整个图像分为两个部分的图像分解法,提高了图像识别目标的焊缝坡口部分所占的比重,有利于二值化阈值的选取.采用基于数学形态学的二值图像边界识别方法分离出焊缝边界,用Hough变换法确定坡口边线位置,最后用图像分解逆过程经合并后识别出坡口所在的位置.所提出的方法组合后抗干扰能力强,计算速度快,为进一步实现自动化焊接奠定了基础.     

基于束波变换的焊缝图像处理技术

叙述了束举步维艰变换的原理,提出一种基于束以变换的焊接缝边缘检测算法,并增加了方向阈值.为了可靠地检测低信噪比的加噪焊缝图像中的焊缝边缘特征,提出了一种二次扫描方法.利用海底干式高压焊接舱中获取的原始焊缝图像和加噪图像进行了焊缝边缘提取试验.结果表明,算法能从富含噪声的焊缝图像中直接检测出焊缝边缘,而无须进行任何预处理或后处理,极大地提高了焊缝图像处理的效率.试验还表明,算法具有很强的抗噪性能,其与二次扫描方法相结合,特别适合于提取低信噪比的焊缝图像中的直线特征.     

基于管道插接的相贯线焊缝提取算法及数值模拟

针对工件上多个不同直径管道的筒体内壁焊缝位置信息难于提取的技术问题,设计了一种能识别支管空间位置和尺寸信息的焊缝位置识别传感器,通过该装置采集到的数据,结合已知工件空间位置和尺寸信息,建立管道插接焊缝的位置模型,并推导出基于此模型的焊缝特征矩阵和焊枪姿态矩阵. 将采集的数据结合上述数学模型,在MATLAB软件中进行仿真对比. 结果表明,其精度误差最大为0.25 mm,满足实际焊接精度要求,验证了该传感器与数学模型的准确性. 该传感器及其焊缝特征识别方法具有通用性,对管道插接焊接任务的自动化、智能化具有重要意义.     

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。     

Method of weld recognition based on textural feature matching

In this paper an automatic visual method of seam recognizing and seam tracking based on textural feature matching was proposed,in order to recognize the weld of multi-layer or multi-pass welding in which the weld is difficult to be recognized by conventional visual methods.This method focuses on the obvious difference of image textural feature between the weld region and the base metal region,as well as the similarity of the textural features along the welding direction.The method consists of the following steps: setting image template and choosing the edge region as ROI (region of interest),extracting the image textural feature of the template and the edge region,feature matching,and recognition of weld region.Experiment showed that the method proposed was effective for weld seam recognition in multi-layer welding.     

微间隙焊缝磁光成像分形维数识别方法

针对紧密对接、无坡口、肉眼难以分辨的微间隙焊缝,采用磁光成像方法获取焊缝位置信息,并运用分形维数方法解决焊缝磁光图像存在较多干扰的问题.根据图像大视野相关信息处理图像,避免受到图像微小细节干扰对焊缝位置识别精度的影响,较传统图像处理法具有显著的抗干扰性.对焊缝磁光图像进行滤波去噪,将图像细分成块并计算出每个图像块的分形维数,再选取合适阈值对图像进行分割,准确地提取出焊缝中心位置.试验结果表明,运用分形维数提取磁光图像焊缝边缘区域特征,能够获取较准确的焊缝位置信息,为焊缝跟踪控制提供重要基础.     

基于结构光立体视觉的焊缝测量

提出了一种基于结构光立体视觉的焊缝测量方法,并给出了一种简单的摄像机与激光器标定方法。它采用安装在机器人末端的两台摄像机和一只激光器构成测量系统,激光器发出的光束经平凸柱面镜变成光平面,在焊件上形成条纹。两台摄像机同步采集该条纹图像,结合机器人末端位姿与摄像机参数,对于条纹上的每个特征点可以获得三组空间坐标。对这三组坐标进行信息融合,可以更加精确的获得特征点的空间坐标。进行的V形焊缝测量与跟踪试验表明,该方法具有实时性好、测量精度较高、标定简单、可靠性高等特点。     

基于空间位置和轮廓线距离的船舶焊缝特征参数提取

为了实现船舶焊接件数字模型中焊缝特征参数的精确提取,进而完成机器人数据库系统中焊接工艺的自适应快速匹配和快速选择,提出了基于空间位置和轮廓线距离的船舶焊缝特征参数提取算法.首先基于海伦公式识别待判定面来确定接头空间位置关系,并结合最小轮廓线距离完成焊缝特征识别;然后基于轮廓线总条数和最小轮廓线距离的两端点,识别出焊缝坡口处特征点及线;最后基于三类焊接接头所建的数学模型提取出与焊接工艺相关的焊缝特征参数.测试结果表明,文中焊缝特征参数提取算法能准确识别4类接头形式和10种坡口类型,以及准确提取焊缝间隙、坡口夹角和焊接件板厚等参数,具有焊缝特征识别广且信息提取齐全的优点.与其他相关识别算法相比,文中算法的识别率达到100%,而识别效率提升了16.06%,从而进一步验证了算法的有效性.     

基于CCD传感器的球罐焊接机器人焊缝跟踪

主要研究以轮式移动机器人为本体的球罐焊接机器人的焊缝跟踪问题。轮式移动机器人本体难以实现实时、准确的运动轨迹控制 ,而球罐焊接工艺要求焊炬必须精确地沿焊缝以恒定的焊接速度焊接。为解决这一矛盾 ,本文首先设计了在一定运动约束条件下的轮式机器人本体与焊炬运动机构 ,建立了基于双CCD传感器的焊缝路径检测系统。在对轮式移动机器人在球罐表面移动时的运动学分析基础上 ,建立了机器人本体在一定误差范围内跟踪焊缝的控制模型 ,并设计了相应的控制策略。根据机器人与焊炬之间的运动约束关系 ,提出了焊炬位置实时精确的跟踪控制策略。现场工艺试验表明 ,所研制的球罐焊接机器人焊炬跟踪精度可达± 0 .5mm ,能够满足实际工程应用     

基于Beamlet变换的结构光焊缝图像线性特征提取

鉴于以结构光为主动光源的焊缝跟踪方法可用于识别不同坡口形式的焊缝位置信息,对结构光焊缝图像进行了分析.为有效提取图像中结构光线性特征以确定焊缝位置,引入了束波变换.阐述了束波变换原理,开发了基于多尺度束波变换的结构光焊缝图像线性特征提取算法.做基于最大Beamlet统计的检验,对结构光焊缝图像进行小尺度束波变换以确定结构光线的大致位置,缩小搜索范围;然后对图像进行大尺度束波变换确定焊缝部分结构光线的线性特征,根据线段斜率变化可确定焊缝位置.采用该算法确定一幅结构光焊缝图像的焊缝位置的时间为260 ms.     

机器视觉型焊缝跟踪技术

介绍了焊缝跟踪技术的研究现状,分析了用于焊缝检测的传感器工作原理及其优缺点,重点论述了基于机器视觉的焊缝跟踪系统的硬件组成和图像处理的工作流程.同时对多种控制算法(经典控制和智能控制)和焊缝边缘检测技术(基于形态学和遗传算法的边缘检测等)进行了分析,研究了机器视觉目前在焊接应用中存在的问题及解决思路,并对基于机器视觉的焊缝跟踪技术进行了展望.