激光视觉焊缝跟踪实时图像处理研究

对激光视觉传感焊缝跟踪实时图像处理的方法进行了研究，就其中的关键技术-激光带中心的抽取和特征点的检测提出了切实可行的方法。该处理方法效果好，处理速度快，能够满足跟踪系统的实时性要求。     

激光视觉传感器的机器人焊缝高精度跟踪系统

以提升焊接机器人焊接精度为目的，设计激光视觉传感器的机器人焊缝高精度跟踪系统。由工业相机和激光传感器、焊接机器人等组成系统硬件架构，获取焊缝激光光源后，将其传输至激光图像传感层。采用激光图像传感器对焊缝激光光源图像进行物理滤波处理，使用工业相机拍摄焊缝激光图像。提取焊缝激光图像特征，依据其特征点位置对焊接机器人进行手眼标定，获取焊接机器人校正向量并将该向量输入到机器人运动控制层内的焊缝跟踪程序内，利用该程序不断修正焊接机器人跟踪行为并向接口电路电机驱动器发送控制跟踪命令，实现机器人焊缝高精度跟踪。实验结果表明：该系统具备良好的启动性能，对焊机机器人手眼标定径向畸变、切向畸变数值均较小，跟踪不同类型焊缝的最低偏差数值仅为0.01 mm,跟踪精度高。     

激光视觉焊缝跟踪图像处理与坡口识别

针对激光引导焊缝跟踪过程中坡口图像特点,首先对图像进行Radon变换,检测出激光条纹所在位置;然后对变换后图像进行处理,消除噪声对应的信息,保留激光条纹所对应的信息,再进行Radon逆变换复原图像,可较好地消除噪声;最后,采用OTSU法对图像进行分割,并识别出坡口区域。该方法效果较好,抗干扰性较强,耗时较少,适合于激光视觉焊缝跟踪过程。     

基于激光视觉传感器的机器人实时焊缝跟踪方法

为实现变姿态焊接过程的实时焊缝跟踪,提出基于机器人坐标系下绝对焊缝轨迹的实时跟踪算法.将线式激光传感器安装在机器人的法兰盘上,且位于焊枪运行的前方.焊接过程中,激光传感器连续采集焊缝位置信息,并结合手眼标定矩阵以及机器人实时姿态,将传感器采集的焊缝坐标转换到机器人基础坐标系下,从而形成空间绝对焊缝轨迹;再根据焊枪的当前...     

基于深度特征表达与学习的视觉跟踪算法研究

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。     

基于机器视觉的激光焊接焊缝智能检测研究

为了优化激光焊接质量,设计了基于机器视觉的激光焊接焊缝智能检测方法。首先利用机器视觉技术设计扫描成像单元,在获得基础的激光焊接焊缝图像后,对图像实施离焦误差校正处理。然后在补偿图像缺陷的基础上,对激光焊接焊缝图像作放大处理,设计扩束准直光路与动态聚焦光路识别焊缝特征信息,从而完成对焊缝的智能检测。实验结果表明：该方法可以能够获得更有效的焊缝信息,有利于提高激光焊接质量。     

基于神经网络的焊缝跟踪系统视觉标定方法

文中提出一种基于深度神经网络的焊缝跟踪系统机器人视觉标定方法，实现了机器人的简单快速标定。将焊缝跟踪传感器安装在机械臂末端，使用线激光器对被检测角点进行定位，工业相机拍摄对应的标定棋盘图像，用角点提取算法获取到相应棋盘格点的数字图像坐标，并通过示教器读取机械臂的各个关节角，利用神经网络极强的非线性映射能力，将其传入训练好的BP神经网络进行三维空间坐标的预测。此方法能够实现机器人的快速标定，避开传统标定方法中复杂的非线性运算，并减少坐标转换间的累积误差。实验结果表明，基于神经网络的标定方法具有较高的精度，且标定过程简单，为机器人视觉标定提供了一种新的方法。     

基于遗传算法的激光视觉焊缝特征点提取

提出了一种基于遗传算法的平面焊缝特征点提取方法。采用中值滤波、阈值分割法对焊缝图像进行预处理,以减少噪声;利用种子填充法进行图像分割,提取出激光条纹连通域,根据连通域特征抽象出激光条纹骨架提取的数学模型;重点研究基于遗传算法的骨架提取方法,并采用法向直线扫描法沿骨架方向提取中心点坐标;对骨架中心点进行直线拟合,并利用拉依达准则迭代剔除噪声点,获得激光条纹骨架的准确位置和焊缝特征点坐标。经试验验证可知,该方法能够有效消除焊缝图像中多种噪声及激光条纹宽度的干扰,快速准确地检测出焊缝特征点的位置。     

基于改进TLD算法的激光视觉传感型焊缝跟踪

为了解决基于线激光视觉传感的焊缝中心位置定位精度不高的问题,采用了一种基于改进跟踪-学习-检测(TLD)算法的焊缝跟踪方法.由激光视觉传感器实时获取焊缝图像,采用将跟踪器与检测器结合的TLD算法实时跟踪焊缝特征点,同时通过在线学习机制更新分类器参量.在此基础上对激光条纹图像截取感兴趣区域,大幅减少检测器的搜索区域;根据...     

一种基于激光视觉的焊缝实时检测技术研究

提出了一种基于激光视觉的焊缝实时检测技术,旨在提高焊缝检测的速度和精度。在实际的焊接过程中,由于大量噪声的干扰,焊接图像的采集一直是一个复杂的过程。 本文首先建立基于激光视觉的检测系统,以获得激光条纹的原始图像。在此基础上,将原始激光条纹图像灰度化,并提出一种改进的快速中值滤波算法,在去除图像中椒盐噪声的同时,缩短了程序运行时间。并通过Otsu阈值分割获得激光条纹的二值图像,提取感兴趣的激光条纹区域。接着结合方向模板法和脊线跟踪法提取激光条纹中心线,最后采用亚像素级角点法提取焊缝的特征点。 实验证明,本文提出的方法有效地克服了焊接环境的影响,不仅缩短了焊缝特征点检测的时间,而且具有较高的检测精度,符合实际焊接要求。     

基于深度学习物体检测的视觉跟踪方法

提出了一种基于深度学习物体检测的视觉跟踪方法。该方法利用深度学习在特征表达上的优势,采用基于回归的深度检测模型SSD （Single Shot Multibox Detector）提取候选目标,并结合颜色直方图特征和HOG （Histogram of Oriented Gradient）特征进行目标筛选,实现目标跟踪。为了提升深度检测模型的物体检测性能,文中构建了多尺度目标搜索图,可在一张图上实现不同尺度的目标检测。在标准跟踪测试库上选取八个具有代表性的跟踪视频序列,并选取六种具有代表性的跟踪方法进行了对比测试。结果表明,文中所提方法在跟踪效果上,整体优于参与对比的其他算法,且对于物体姿态变化、尺寸变化、旋转变化、光照变化、复杂背景杂波等影响因素具有较好的鲁棒性。     

基于条纹式激光传感器的机器人焊缝跟踪系统研究

提出了基于条纹式激光传感器的机器人焊缝跟踪系统,采用机器人末端安装条纹激光传感器,在焊接过程中实时获取焊缝轮廓数据;利用小波变换模极大值理论对焊缝轮廓数据进行分析,确定焊缝特征点;以特征点为分界点,采用最小二乘法拟合焊缝直线并求取交点,精确确定焊缝轮廓特征点坐标;通过机器人坐标变换实时获得焊缝运动轨迹,从而实现焊缝跟踪。对不同的V型焊缝进行实验验证,并对有无采用最小二乘法精确定位进行对比实验。实验结果表明:只采用小波模极大值理论获得的跟踪误差约为0.514 mm,但轨迹存在较严重的抖动现象;而采用了最小二乘法精确定位特征点后,跟踪误差约为0.304 mm,抖动现象明显减弱,满足自动焊接误差要求在0.5 mm之内的要求。     

基于视觉系统特征的分层数字水印技术

在分析人类视觉系统(HVS)特征的基础上,提出了一种新型的分层数字水印技术.利用HVS对不同区域、不同局部特征的噪声敏感性不同,设置相应的区域水印权重和局部水印权重,将水印按照设置的分层权重嵌入到静态小波变换(SWT)后的细节子带中.利用所提出的新型多分辨率检测器,通过与传统的水印方法比较表明,该方法具有较好透明性和盲检测性;对于常见的压缩、中值滤波等图像处理攻击,该方法表现了很好的稳健性.     

基于感知深度神经网络的视觉跟踪

视觉跟踪系统中,高效的特征表达是决定跟踪鲁棒性的关键,而多线索融合是解决复杂跟踪问题的有效手段。该文首先提出一种基于多网络并行、自适应触发的感知深度神经网络;然后,建立一个基于深度学习的、多线索融合的分块目标模型。目标分块的实现成倍地减少了网络输入的维度,从而大幅降低了网络训练时的计算复杂度;在跟踪过程中,模型能够根据各子块的置信度动态调整权重,提高对目标姿态变化、光照变化、遮挡等复杂情况的适应性。在大量的测试数据上进行了实验,通过对跟踪结果进行定性和定量分析表明,所提出算法具有很强的鲁棒性,能够比较稳定地跟踪目标。     

基于视觉的车辆检测与跟踪技术研究

目前,在智能交通系统中,越来越多地应用基于视觉的车辆检测器。本文对一些主要的基于视觉的车辆检测以及跟踪技术进行了说明分析,对现行的各种技术手段进行了比较分析。     

基于双目视觉技术的激光再制造机器人跟踪系统

为提高激光再制造机器人跟踪性能，研究了一种基于双目视觉技术的激光再制造机器人跟踪系统。首先分析环境信息，再利用激光器采集机器人环境信息，设计机器人跟踪控制单元，然后对机器人的运动进行控制，最后设计机器人跟踪程序。至此，完成机器人跟踪系统的设计。实验结果表明，本系统不仅缩小了激光再制造机器人跟踪误差，左右偏差均为0.12 cm,还具有更好的激光再制造机器人避障精度，最高可达到97%,具有更高的实际应用价值。     

一种快速有效的基于激光视觉的焊缝跟踪实时图像处理方式

对螺旋管激光视觉传感焊缝跟踪的实时图像处理进行了研究,就其中的关键技术焊缝中心线提取进行了讨论和研究.提出了一种快速有效的OSTU阈值分割法进行激光中心线提取,并且结合一维信号的形态滤波使中心线平滑.该方法效果理想,切实可行.     

焊缝检测与跟踪系统的软硬件设计与实现

为解决焊接加工自动化过程中焊枪与工件之间的跟踪检测,提高检测精度及可靠性,作者在实际项目研发中焊接系统硬件设计部分自行研究开发了以弱磁(GMR,Giant Magneto Resistive)传感器作为信息提取的器件,同时在系统软件设计中用uClinux嵌入式操作系统来增强系统的稳定性,该两项关键技术均首次用在焊接系统中.成品实验表明:检测精度高,运行良好,实现了设计目标,有很好的学术价值和推广应用价值.本文对该系统做了概要介绍,在国内,有关这方面的研究在此之前未曾见有报道.     

基于激光跟踪定位的多视觉动画特征点匹配方法研究

多视觉动画特征点检测过程中受到视觉扰动影响导致特征匹配性能不好,为了提高多视觉动画特征点匹配能力,提出基于激光跟踪定位的多视觉动画特征点匹配方法。采用空域滤波和频域滤波相结合的方法进行多视觉动画图像滤波处理,采用激光点跟踪识别方法进行多视觉动画图像的帧点扫描,提取多视觉动画图像的边缘轮廓特征量,根据边缘轮廓分布的邻域特性进行多视觉动画信息增强处理,利用锚点邻域回归分析方法进行多视觉动画特征点检测,通过激光跟踪定位结果,实现多视觉动画特征点的自动匹配。仿真结果表明,采用该方法进行多视觉动画特征点匹配的配准率较高,激光跟踪定位精度较高,提高了多视觉动画的特征检测和识别能力。