基于视觉传感的机器人水下焊缝跟踪

根据视觉条件下水下自动化焊接的特殊要求,设计了一套机器人水下视觉焊缝跟踪系统.针对水下焊缝图像干扰严重、模糊等特点,采用小波变换技术去除了弧光、飞溅等干扰噪声,采用改进的模糊增强图像处理方法,提高了图像处理的效率,获取了清晰的边缘图像.边缘检测后,对焊缝左右特征点进行扫描,准确地提取了焊缝中心.为了减小跟踪误差,将焊缝轨迹中的每个小线段的坐标偏移量分成50等份,同时设计了有效地机器人轨迹跟踪控制程序.水下斜线和曲线焊缝的跟踪试验表明,在正常的条件下,可以满足跟踪要求.     

管道焊接熔池图像处理与特征提取

提出了一种管道焊接熔池成像系统,能够有效克服弧光干扰,获取焊接熔池在焊缝坡口内图像.采用基于统计的鲁棒图像处理方法,对熔池图像进行预处理,抑制飞溅等噪声.在图像自适应分割和边缘提取基础上,根据熔池图像和焊缝坡口图形特点,分别提取熔池图像在焊缝内的灰度分布特征以及焊缝坡口图形特征,得到熔池相对焊缝坡口的动态偏移量,以及熔池振动幅度和频率,为焊缝跟踪和焊接质量控制提供了视觉信息反馈.进行了焊接过程实时图像处理和特征提取试验,试验结果验证了熔池成像系统和图像处理方法的有效性和可靠性.     

基于小波变换的MAG焊焊缝跟踪

提出了一种基于CCD视觉传感的MAG焊焊缝跟踪方法.由于MAG焊过程中通常伴有大量的飞溅、烟尘以及强烈的弧光干扰,所以很难从CCD中获取到清晰的焊缝图像.基于M带Bubble小波变换的方法,检测捕获MAG焊过程熔池的图像边缘.结果表明,该方法在检测焊接熔池边缘以及焊缝识别中,即便图像中出现大量噪音也是有效的.在焊缝识别的基础上,采用PID控制算法跟踪所设计的S形焊缝的成形.试验结果表明其焊缝跟踪方法具有较高的精确度.     

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。     

背面CCD视觉传感焊缝成形参数的自动提取

焊缝成形参数的自动检测技术的开发对焊接质量的提高和自动化生产的实现具有重要意义。文中建立了背面视觉传感焊缝成形参数自动检测系统,通过分析背面焊缝特征,其灰度直方图呈三峰结构,采用迭代法进行二次区域阈值自动的提取,再进行三值化处理,内部噪声点的剔除等图像处理流程,快速准确地分割出熔池和热影响区,并提取出熔池和热影响区的几何尺寸等成形参数。结果表明,该方法可避免强弧光、飞溅、电磁等信号的干扰,能保证焊接的稳定性,从而满足工业生产的需要。     

基于CCD图像处理的等离子熔积焊缝检测系统设计

提出了一种由工业控制计算机、CCD摄像机和系统控制机构组成的等离子熔积焊缝检测系统。该系统采用被动式光源拍摄等离子熔积焊缝，能对同时存在弧光、烟尘、飞溅干扰条件下的等离子熔积进行高精度的实时检测处理，该系统具有干扰小、图像处理简单、控制精度高等优点。     

焊接检验及其设备

2009S217 I形坡口焊缝检测LOG-Hough方法研究／朱杏环…／／焊接．-2009（6）：28-32 对于间隙小于0．5mm的焊缝,在强烈弧光干扰环境下实现精确检测较为困难。对不开坡口的细小焊缝提取做了试验研究,为精确检测细小焊缝提供了一种新方法。在焊接过程中使用CCD视觉传感器获取焊接过程的图片信息,在对图像进行中值滤波后,     

水下焊缝自动跟踪路径的识别

为满足水下焊缝自动跟踪的需要,设计了一个视觉系统。该系统采用卤钨灯作辅助光源照射焊接电弧前方一定距离处的待焊焊缝．配合复合滤光片进行滤光,能拍摄到较为清晰的焊缝图像。提出了一个基于边缘邻域平均值的算子,用于图像的边缘增强。运用改进的遗传算法计算图像类间方差,求出最佳阈值进行图像边缘分割,能较好地保留图像弱边缘．有效地减少计算时间。对分割后的焊缝图像,提出一种基于待焊焊缝宽度等特征的识别方法,能克服焊接弧光、飞溅、水流、气泡等干扰,识别水下待焊焊缝．准确地获取待焊焊缝中心线．为进一步实现水下焊接的自动化打下了基础。     

焊接检验及其设备

2009S217 I形坡口焊缝检测LOG-Hough方法研究／朱杏环…／／焊接．-2009（6）：28-32 对于间隙小于0．5mm的焊缝,在强烈弧光干扰环境下实现精确检测较为困难。对不开坡口的细小焊缝提取做了试验研究,为精确检测细小焊缝提供了一种新方法。在焊接过程中使用CCD视觉传感器获取焊接过程的图片信息,在对图像进行中值滤波后,     

V型焊缝的视觉传感图像处理研究

对基于结构光视觉传感V型焊缝图像处理的方法进行了研究。获取的图像中存在大量的飞溅、烟尘、电弧光以及周围环境电磁、静电产生的噪声干扰。研究的图像处理方法可以去除这些干扰,准确提取焊缝激光条纹信息,该方法处理速度快,能够满足焊缝实时跟踪要求。     

线结构光视觉传感焊缝跟踪图像处理

提出了一种基于灰度形态学的图像处理算法,有效去除了线结构光视觉传感焊缝跟踪图像中飞溅、弧光和烟尘等干扰。根据飞溅在图像中表现为明暗相间的条纹的特点,采用灰度形态学开操作,通过合理设计结构元素,去除了飞溅干扰。针对不同图像受弧光、烟尘影响不同,背景灰度值差异较大,不利于二值化阈值选取的问题,采用图像相减和顶帽变换消除其影响。最后,采用动态开小窗与最小二乘法相结合的方法准确提取到了焊缝特征点。该算法能有效去除飞溅、烟尘等干扰,实时性好。     

基于被动视觉的焊接过程多信息检测系统

针对焊接过程控制的要求,提出了一种基于被动视觉的焊接过程多信息检测系统,系统由工业CCD摄像机、窄带光学滤光片、计算机系统等组成,窄带滤光片以弧光较弱的950 nm为中心波长,以减少焊接过程中弧光的干扰,获得清晰的焊接图像.在焊接过程中,系统通过视觉信息对焊缝、电弧、熔池和焊丝等进行实时检测,提取电弧摆动的中心位置偏差、幅度偏差和角度偏差等多个特征参数,以此对焊枪进行控制,使得电弧的摆动中心和焊缝中心一致,摆动平面和焊缝中心垂直,摆动幅度和焊缝宽度相适应,避免了焊接过程的夹渣和未熔透等缺陷,保证了良好的焊后成形质量.     

微小随机变化焊缝的视觉特征提取

针对焊接过程中薄钢板搭接微小焊缝随机变化的特点,提出一种基于图像能量分布的视觉特征检测和提取方法,采用伪彩色图像增强算法得到能量分布,有效地抑制了焊接过程中飞溅、烟雾等能量弱的瞬时噪声. 接着提出一种差分搜索算法实现了结构光条纹骨架的准确提取,并获得了图像特征点. 然后,利用随机抽样一致算法对图像特征历史数据进行概率分析,进而精确地拟合出焊缝特征的局部模型,实现了焊缝特征点的准确预测. 结果表明,提出的方法是有效的,焊缝视觉特征提取的效果令人满意.     

基于线结构光多道焊跟踪系统图像处理

由于在焊接过程中电弧闪烁，焊接飞溅和烟尘等干扰噪声非常强，成为结构光图像处理的一个关键问题，根据飞溅速度急快的特点，提出了多幅图像进行“与”操作的有效方法；采用组合滤波的方法来消除电弧光的干扰，此外，根据线结构光光带带宽恒定的连续的特点，采用了LOG滤波和图像分割滤波的有效手段，经实际焊接跟踪证实，该方法的效果很好。     

基于视觉传感器的焊缝图像识别与跟踪控制技术研究

针对传统"示教法"机器人焊接效率低、精度不高的问题,基于视觉传感技术对焊缝图像识别与跟踪技术进行研究。利用中值滤波和阈值分割的方法对图像进行预处理,并采用动态ROI提取与最小二乘法相结合的方法提取焊缝特征点,以解决弧光、飞溅等因素对图像的影响。同时,设计了激光焊缝跟踪系统,并将焊枪姿态作为指标对对焊缝的跟踪效果进行了实验分析。研究结果表明:所设计的视觉传感系统可有效提取焊接图像特征,识别精度高。焊缝跟踪系统可实时校正焊枪位置,焊枪高度误差始终保持在0. 2 mm以内,焊缝角度识别误差不超过0. 4°,说明该系统抗干扰能力强,焊接精度高,实时性好。     

弧焊机器人焊缝图像处理及识别方法的研究

针对电荷耦合器(CCD)所获取焊缝图像的特点,研究了相应的图像处理方法,有效地消除了焊接过程中的飞溅和弧光对焊缝图像的干扰.通过识别激光带在焊接坡口处的变形,准确识别出图像中焊缝中心位置并计算出焊枪的偏差.采用多线程技术编写了应用程序,充分利用计算机系统资源,大大提高了图像采集、处理和存储的速度.识别算法对每幅图像的平均运算时间为16 ms,识别精度达到±0.2ms.试验证明:图像处理的过程和焊缝中心识别的方法是有效的,该系统满足焊缝跟踪控制的实时性要求.     

激光视觉传感抗强弧光干扰措施

为了使激光视觉传感能够适应弧焊焊接恶劣的环境,文中采用了抗强弧光干扰的硬件和软件措施,成功获取信噪比高的焊缝图像。文中详细分析了焊缝图像的干扰因素;在硬件措施方面,重点阐述了传感器内部布局方案、激光器及滤光片波长的选取和摄像机快门速度的选取;在软件措施方面,分析了飞溅和激光条纹在图像上表征不同的特点,据此采用时序相邻的两幅图像进行图像合成的方法去除大部分飞溅噪声干扰;对于残留的飞溅噪声,采用灰度形态学滤波方法来滤除。实践证明,所设计的硬件和软件措施是行之有效的。     

药芯焊丝水下焊接焊缝跟踪视觉传感系统的设计

为满足药芯焊丝水下焊接自动化的需要,研究了用于水下焊缝自动跟踪的视觉传感系统。该系统较好地解决了药芯焊丝水下焊接弧光对焊缝图像传感的干扰问题,能获取较清晰的焊缝图像。采用基于图像分割的边缘检测技术成功地提取了焊接电弧和待焊焊缝的边缘,使用该系统可获得电弧和待焊焊缝的偏差信息,为进上步实现药芯焊丝水下焊接焊缝的自动跟踪控制打下了基础。     

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.     

基于多曝光的焊接图像融合方法

在明弧焊接中,由于弧光的强烈干扰,常用的视觉系统难以获得清晰的图像,通过采集多曝光图像然后融合的方法可以解决这个问题。但是现有的多曝光图像融合方法没有针对焊接图像做相应的处理,致使图像中弧光干扰无法得到有效抑制。本文针对明弧焊接光强分布的特点,将图像划分为弧光区域和非弧光区域,使用图像熵评价和阈值处理的方法分别获得两个区域的权重图像,并使用高斯模糊权重图像的方法消除了加权融合时的拼接痕迹。非弧光区域的权重值是固定的从而无需重复计算,只需要对弧光区域进行高斯模糊,这样的处理方式能有效降低计算量。试验结果表明,该方法具有运算速度快的特点,能够获得细节丰富、视觉观感好的焊接融合图像。