无坡口对接焊缝特征角点检测方法

针对无坡口平板对接焊缝,研究一种应用线结构光传感的角点检测原理实现焊缝特征检测与跟踪的方法.与基于线结构光形变特征检测焊缝位置的传统方法不同,根据激光条纹在焊缝处的灰度变化,运用图像形态学处理方法,提取焊缝中心特征.计算图像每列邻域内灰度值和,运用中心差分方法,提取焊缝图像感兴趣区域.再依据角点检测原理,确定焊缝中心亚像素级坐标位置,通过简单快速的系统标定,得到焊缝实际位置偏差.结果表明,对焊缝间隙为0.2 mm左右的对接焊缝进行跟踪试验,平均误差均保持在0.1 mm以内,满足焊缝跟踪精度要求.     

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.     

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.     

搭接焊缝的视觉传感图像预处理及信息提取

对基于结构光视觉传感的搭接焊缝的图像预处理及信息提取进行了研究.CCD摄像机采集到的焊缝图像,经过低通滤波、阈值变换、拉普拉斯锐化、细化一系列图像预处理后,准确提取了焊缝激光条纹信息,运用搜索法检测焊缝位置.根据搭接焊缝偏中距离和焊缝高度的计算方法提取信息,实现焊缝的自动跟踪.     

基于结构光的V型焊缝图像实时处理

为了在焊缝跟踪系统中准确获取焊缝中心位置,设计了一套基于结构光的V型焊缝中心提取方法。对焊缝图像采用中值滤波去除图像噪声,采用准固定像素个数阈值分割方法对图像进行二值化处理,采用基于二值形态学的边缘检测方法对二值化的图像进行孤点滤波和边缘检测,采用求取边缘上下两个边界点的平均值方法提取结构光的中心线,通过计算坡口截面重心坐标的方法来获取焊缝中心位置信息。实践表明,所采用的方法能够正确地提取焊缝中心位置信息,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。     

基于结构光视觉传感的V形焊缝信息提取

对基于结构光视觉传感的V形焊缝的图像预处理及信息提取进行了研究.CCD摄像机采集到的焊缝图像,经过阈值变换、中值滤波、拉普拉斯锐化、细化等一系列图像预处理后,准确提取了焊缝激光条纹信息,运用斜率分析的方法检测焊缝位置.根据V形焊缝偏中距离、焊缝宽度和焊缝高度的计算方法提取信息,实现焊缝的自动跟踪.     

激光传感图像处理方法研究

针对激光传感图像研究了用于焊缝跟踪的实时图像处理算法,以典型的V型坡口焊缝为例展开论述.就中值滤波运算量大的缺点,提出了改进的中值滤波算法,省去了模板元素排序环节;采用灰度比较得到最大值的方法巧妙实现图像细化;充分利用点与直线的距离关系和激光结构光图像的特点可靠捕捉到跟踪特征点.在图像处理的关键环节上实现了高效的图像处理,试验证明这些方法可靠性高,具有抗杂散光或激光反光的独特优点,能够满足焊缝跟踪系统实时性的要求.     

圆形扫描结构光传感器的标定和焊缝检测

设计了一种新型圆形扫描结构光传感器,可在待焊工件表面形成圆形激光轨迹.阐述了该传感系统的三维测量原理,并分别对摄像机和结构光进行了标定,获得摄像机的内外参数和结构光锥面在摄像机坐标系下的方程.分别采集了对接焊缝、角接焊缝、搭接焊缝、V形坡口焊缝的图像,经过一系列的图像处理过程获得具有明显焊缝特征的二值细化图像.根据焊缝特征可以识别焊缝,得到焊缝特征点的三维空间坐标.     

基于图像处理的高精度激光-MIG复合焊焊缝跟踪系统

针对目前激光-MIG复合焊的缺点,设计了一种基于视觉控制的激光-MIG复合焊焊缝跟踪系统,研究了基于图像处理的激光视觉技术,对焊缝进行直线/圆弧拟合,利用插补算法对焊缝进行仿真跟踪.实验结果表明:图像经过滤波、细化可以得到清晰的结构光骨架,利用直线/圆弧算法对采样点进行拟合,拟合精度在允许范围以内,通过直线、圆弧插补对焊缝进行仿真跟踪,跟踪精度较高.     

基于线结构光的管棒材捆缝与捆丝识别方法研究

特钢管棒材精整过程需要对其进行打捆和拆捆操作,而人工拆捆工作环境差、强度高。针对拆捆过程捆缝状态和捆丝识别这一难题,提出一种基于线结构光的管棒材捆缝与捆丝识别方法。提出一种基于图像各亮度值像素数量的二值化阈值算法,通过计算满足亮度的像素点数量得到二值化阈值,以减弱环境光照影响;针对单张图片视野无法确定最大捆缝位置的问题,提出一种基于圆弧顶点和端点特征的激光图像拼接算法;最后,提出一种基于霍夫变换和连通域分析的捆丝数量和状态识别算法,实现对生产现场不同规格管棒材捆丝特征的精确识别。实验结果表明：提出的二值化阈值算法相较传统算法对激光条纹的识别率更高,且速度提升17%;最大捆缝和捆丝识别算法的检测误差小于3 mm,完全满足实际生产需要。     

单条纹激光引导焊缝跟踪图像处理

研究了单条纹激光引导焊缝跟踪图像处理方法.首先利用小波分解技术获得图像水平方向的细节部分,在该部份激光条纹的信息得到了较好的保持,而噪声信息则比较少,有利于焊缝识别;然后对该部份进行竖直方向上的中值滤波以滤除残余的噪声;最后采用KSW熵算法,对图像进行分割,并识别出焊缝区域.该方法效果较好,抗干扰性强,耗时少,能满足焊缝实时跟踪的要求.     

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。     

基于图像过渡区的CO2气体保护焊焊缝识别算法

利用过渡区图像分割技术实现CO2气体保护焊焊缝的识别.采集到的焊缝图像在目标区和背景区存在过渡区域,在直方图上表现为双峰之间的谷比较宽广且平坦.通过对原始图像进行高端剪切和低端剪切变换,利用不同灰度像素的梯度信息来确定过渡区,进而利用过渡区来确定图像分割的阈值.克服了图像中非目标区域的影响,可以抗噪声和干扰.算法简单,实时跟踪性也较好.结果表明,该方法边缘检测效果良好,是一种比较适合CO2气体保护焊焊缝识别的方法.     

塞拉门焊缝视觉跟踪图像处理技术

根据塞拉门框焊点多而短、焊接质量要求高的特点,提出一种机器人间断式弧焊视觉跟踪系统,综合运用灰度变换等方法,建立基于普通光源的视觉跟踪移动窗口图像处理体系,克服传统图像分割方法易受到工件上刀痕亮斑和暗影等噪声干扰的不足,在采集图像中移动与焊缝具有相同形状和大小的窗口,以窗口中所有像素灰度平均值最小窗口作为焊缝当前位置,能有效的滤除刀痕亮斑和暗影噪声.通过焊缝当前位置与标准位置比较,可直接计算出焊缝位置偏差.结果表明,移动窗口焊缝图像处理体系具有很强的适应性和抗干扰能力,能满足实时跟踪要求.     

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。     

视觉焊缝跟踪实时图像处理研究

就视觉焊缝跟踪实时图像处理的方法进行了研究，对其中的关键技术-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。