共查询到20条相似文献,搜索用时 31 毫秒
1.
特征点提取是激光视觉焊缝图像识别的关键技术,目前常用的斜率分析法虽然原理简单、计算速度快,但适应性不好、精度不高,对于一些复杂的深坡口焊缝甚至无法识别.对基于扫描激光视觉传感的焊缝图像识别进行深入研究后,提出一种新的特征点提取思想———由形到点,将焊缝坡口特征点分为直角拐点和斜角拐点,分别设计斜率极值法和斜率截距法来提取.实际焊缝跟踪时,根据拐点类型分别调用对应的提取算法,就能完成全部焊缝坡口所有特征点的提取.结果表明,"由形到点"提取特征点精度高,抗干扰能力强,对不同焊缝坡口形式适应性好,在厚板深坡口焊缝跟踪领域有很大的实用价值. 相似文献
2.
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. 相似文献
3.
4.
5.
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。 相似文献
6.
7.
8.
各类传感器和智能控制方法极大促进了机器人在焊缝跟踪中的应用,不仅提高了焊缝跟踪的精度,同时提高了焊接效率和保证了焊接质量。简述了机器人焊缝跟踪系统的结构,详述了焊缝跟踪过程中各类传感器的工作原理及其特点;阐述了图像处理技术在机器人焊缝轨迹跟踪过程中的研究进展,并对图像的预处理、图像分割与边缘检测和特征提取等研究方法进行了分析。最后,总结了智能控制方法在焊缝跟踪中研究进展及不同形状的焊缝跟踪情况。 相似文献
9.
10.
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. 相似文献
11.
12.
13.
针对焊接时严重的干扰降低了接头特征提取效率的问题,提出了一种预测-匹配-估计的闭环递推机制来完成起弧下的接头特征跟踪检测.通过对焊接接头位置与形状的预测给出了结构光轮廓信号在图像中所在的区域,进一步通过基于模型的轮廓匹配方法识别出焊缝接头,最后利用基于可信度的滤波方法估计出合理的焊接轨迹,结果表明,该方法不仅明显地提升了焊缝接头轮廓识别的成功率和实时性,即使在面对接头特征识别结果出现粗值或者提取失败的不利情况下,依旧能够保证焊缝跟踪的可靠性. 相似文献
14.
15.
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。 相似文献
16.
17.
《Science & Technology of Welding & Joining》2013,18(2):155-161
AbstractExtracting single pixel wide paths is the core image processing problem in many vision based welding seam tracking applications. Traditional techniques such as edge detection and image thinning may not be effective for solving this problem on low quality welding images polluted by process noises. Based on the understanding of the prior knowledge about the welding images, we present in this paper a welding seam tracking method using the image seam extraction technique. Owing to its optimisation nature, the proposed method is robust to strong image noises caused by environmental factors such as uneven illumination, light interferences and welding spatters. In addition, the proposed method is of low time complexity and is highly adaptive to different types of welding images. Experimental results on a variety of welding images validate the effectiveness and efficiency of the proposed method. 相似文献
18.
19.