CN107424144B - 基于激光视觉的焊缝跟踪图像处理方法 - Google Patents

Abstract

基于激光视觉的焊缝跟踪图像处理算法，包括从图像采集、预处理、阈值分割、焊缝特征识别等过程。激光视觉传感器采集焊缝图像，传输到工业控制计算机进行处理。首先，使用中值滤波器消除弧光、飞溅等噪声干扰；然后，使用基于核密度估计的图像阈值分割算法求解最佳阈值，获得二值图像；最后，采用Hough变换检测激光条纹直线，识别焊缝特征点，实现实时焊缝跟踪。针对Hough变换耗时长的缺点，减少统计参数的个数，降低运算时间。本发明适用于V型焊缝的跟踪识别。

Description

基于激光视觉的焊缝跟踪图像处理方法

技术领域

本实发明涉及图像处理领域，具体涉及到焊接自动化中焊缝特征检测识别的方法。

背景技术

焊接自动化技术以其优良的工作效率被广泛地应用到工业生产中，是焊接技术发展的必然趋势，是实现更安全、高效、智能生产的重要手段。实时焊缝跟踪、检测、纠偏是实现焊接自动化的关键。基于激光视觉的焊缝跟踪技术在焊接制造业中拥有很好的发展前景。激光视觉传感器采用非接触的传感方式，可以获取高质最的焊缝图像，有效提高焊缝跟踪的灵敏度和检测精度。激光光源具有亮度高、单色性好的优点，可以有效地削弱弧光对图像质量的影响，很好地保护焊缝特征信息，降低后续图像处理的难度。但是此技术在国内发展还不成熟，存在图像处理算法运算时间长，焊缝识别精度低等缺点。

发明内容

本发明的目的是提出一种基于激光视觉的焊缝跟踪图像处理方法。主要包括五个过程，焊缝图像采集(1)、图像预处理(2)、基于核密度估计的图像阈值分割(3)、Hough变换直线检测(4)、焊缝特征点识别(5)。

所述的焊缝图像采集(1)，激光视觉传感器由激光发射器、工业CCD相机、带通滤光片、保护装置等组成。激光器发射出波长为648nm的一字线红色激光以一定倾斜角度α投射到焊缝表面。CCD相机垂直焊缝表面采集焊缝图像。

所述的图像预处理(2)，使用中值滤波器过滤图像中的噪声干扰，平滑图像，然后进行图像增强，提高对比度。

所述的基于核密度估计的图像阈值分割(3)，使用加权核密度估计器估计，图像中像素灰度值为i的条件概率密度为

图像中X＝(x，y)处灰度值为i的概率为

假设阈值T将焊缝图像分割为A(条纹区域)、B(背景区域)两部分，则X＝(x，y)处像素点属于A、B的概率分别为

和

设置目标函数为

当T使取得最小值时，为最佳阈值T^*，记为

所述的Hough变换直线检测(4)，XY空间中的直线可以表示为ρ＝|xcosθ|+|ysinθ|，其中，ρ表示原点到直线的垂直距离；θ表示直线与X轴的夹角；

表示该直线的经过原点的正垂线与X轴的夹角。选出二值图像中像素值为1的点，作为检测Hough直线的特征点。设置一个基点，利用剩余的特征点确定直线并计算参数θ_ij。根据二值图像判断θ_ij的大致范围。设置一个累加器A(θ_ij)，按照一定的间隔取θ_ij的值。累加器中取得统计峰值的θ_ij值，其对应的直线即为激光条纹直线。方法中的统计参数由两个减少为一个，节省了计算时间和内存占用。

所述的焊缝特征点识别(5)，根据V型焊缝的特点，需要检测其三个特征点，即V型焊缝底部焊点和两个边缘点。V型焊缝底部焊点处于最下端。遍历激光条纹直线，纵坐标最小的点，就是焊缝底部焊点。即B(x，y)＝{(x，y)|(x，y)∈g(x，y)，y＝y_min}，式中，B(x，y)代表焊缝底部焊点坐标，代表激光条纹直线。从该点出发，分别遍历其两侧的直线，纵坐标最大的点，就是焊缝的边缘点。即

式中，L(x，y)和R(x，y)分别表示焊缝的左右边缘点。

有益效果。

1.基于激光视觉的焊缝跟踪图像处理方法，在采集焊缝图像时，可以很好地抑制弧光、飞溅等干扰，图像质量高。

2.Hough变换直线检测，将变换空间中的统计参数减少为一个，可以减少计算时间，节省内存消耗。

3.焊缝特征点识别，遍历激光条纹直线，依靠坐标关系，确定特征点位置，识别的准确度提高。

附图说明

图1为焊缝跟踪图像处理过程图。

具体实施方式

基于激光视觉的焊缝跟踪图像处理方法，包含五个处理过程：焊缝图像采集(1)、图像预处理(2)、基于核密度估计的图像阈值分割(3)、Hough变换直线检测(4)、焊缝特征点识别(5)。

焊缝图像采集(1)由激光视觉传感器完成。传感器由工业CCD相机、激光发射器、滤光片及保护装置组成，安装于焊枪上，中间用挡光板隔开。图像采集点处于焊接点前方20mm处。可以在图像采集时降低弧光、飞溅中扰等对图像质量的影响。

焊缝原始图像传送至工业控制计算机进行图像预处理(2)。焊接时产生的飞溅在图像中主要表现为孤立的噪声点，采用中值滤波器进行去噪，可以有效地消除该噪声，平滑图像。图像增强可以提高图像的对比度，便于阈值分割。

图像预处理后，对其进行阈值分割(3)，获得二值图像。使用核函数分别表示某坐标点处像素点属于激光条纹区域或背景区域的概率，根据二阶Renyi熵，设置目标函数。使目标函数取得最小值的阈值T，为最佳阈值。同时，分析图像的灰度直方图可以估计出图像分割的阈值范围，可以减少计算量。

获得二值图像后，使用Hough变换检测(4)激光条纹直线。将所有像素值为1的点作为检测直线的特征点。设置一个基点，利用剩余的特征点确定直线并计算参数θ_ij。根据二值图像判断θ_ij的大致范围。设置一个累加器A(θ_ij)，按照一定的间隔取θ_ij的值。累加器中取得统计峰值的θ_ij值，其对应的直线即为激光条纹直线。

获得激光条纹直线后，进行焊缝特征点识别(5)。遍历Hough变换直线检测(1-4)提取的激光条纹直线，根据V型焊缝的特点及特征点坐标的关系，识别出V型焊缝的三个特征点(底部焊接点，左右两个边缘点)。

Claims (1)

1.基于激光视觉的焊缝跟踪图像处理方法，其特征在于，图像处理的核心过程，视觉传感器进行焊缝图像采集(1)，图像传输至工业控制计算机经过图像预处理(2)消除噪声、图像增强；使用基于核密度估计的图像阈值分割(3)获得二值图像；利用Hough变换直线检测(4)提取激光条纹直线；遍历激光条纹直线，完成焊缝特征点识别(5)；

所述焊缝图像采集过程为：

激光视觉传感器由激光发射器、工业CCD相机、带通滤光片、保护装置组成；

传感器安装于焊枪上，中间用挡光板隔开；

图像采集点处于焊接点前方20mm处；

激光发射器发射出波长为648nm的一字线红色激光以一定倾斜角度α投射到焊缝表面；

所述CCD相机垂直焊缝表面采集焊缝图像；

所述图像预处理过程为：

使用中值滤波器过滤图像中的噪声干扰，平滑图像，然后进行图像增强；

所述基于核密度估计的图像阈值分割具体过程为：

使用加权核密度估计器估计图像中像素灰度值为i的条件概率密度

图像中X＝(x,y)处灰度值为i的概率为

假设阈值T将焊缝图像分割为A、B两部分，则X＝(x,y)处像素点属于A、B的概率分别为

和

设置目标函数为

当T使f(T)取得最小值时，为最佳阈值T^*，记为

确定最佳阈值的同时，分析图像的灰度直方图估计出图像分割的阈值范围，减少计算量；

所述Hough变换直线检测具体过程为：

XY空间中的直线表示为ρ＝|xcosθ|+|ysinθ|，

其中，ρ表示原点到直线的垂直距离；θ表示直线与X轴的夹角；

表示该直线经过原点的正垂线与X轴的夹角；

选出二值图像中像素值为1的点，作为检测Hough直线的特征点，设置一个基点，利用剩余的特征点确定直线并计算参数θ_ij，根据二值图像判断θ_ij的范围，设置一个累加器A(θ_ij)，按照一定的间隔取θ_ij的值，累加器中取得统计峰值的θ_ij值，其对应的直线即为激光条纹直线；

所述焊缝特征点识别具体过程为：

根据V型焊缝的特点，需要检测其三个特征点，即V型焊缝底部焊点和两个边缘点；V型焊缝底部焊点处于最下端；遍历激光条纹直线，纵坐标最小的点，就是焊缝底部焊点；即B(x,y)＝{(x,y)|(x,y)∈g(x,y),y＝y_min}，

式中，B(x,y)代表焊缝底部焊点坐标，g(x,y)代表激光条纹直线；

从焊缝底部焊点坐标出发，分别遍历焊缝底部焊点坐标两侧的直线，纵坐标最大的点，就是焊缝的边缘点，即

式中，L(x,y)和R(x,y)分别表示焊缝的左右边缘点。

Images