CN107798330B - 一种焊缝图像特征信息提取方法 - Google Patents

一种焊缝图像特征信息提取方法 Download PDF

Info

Publication number
CN107798330B
CN107798330B CN201711103814.8A CN201711103814A CN107798330B CN 107798330 B CN107798330 B CN 107798330B CN 201711103814 A CN201711103814 A CN 201711103814A CN 107798330 B CN107798330 B CN 107798330B
Authority
CN
China
Prior art keywords
laser scanning
image
point
tracking
extracting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711103814.8A
Other languages
English (en)
Other versions
CN107798330A (zh
Inventor
吕学勤
顾冬霞
王裕东
苗兴
王敏
李新宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Electric Power
Original Assignee
Shanghai University of Electric Power
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN201711103814.8A priority Critical patent/CN107798330B/zh
Publication of CN107798330A publication Critical patent/CN107798330A/zh
Application granted granted Critical
Publication of CN107798330B publication Critical patent/CN107798330B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种焊缝图像特征信息提取方法，包括以下步骤：S1、对包含激光扫描条纹的焊缝图像进行预处理，得到去噪后面积减小的包含全部激光扫描条纹的初始化图像；S2、通过结合方向模板的脊线跟踪方法提取初始化图像中激光扫描条纹的中心线；S3、通过斜率分析法对激光扫描条纹中心线分段，通过最小二乘法分别对每段激光扫描条纹中心线进行直线拟合，得到的拟合直线的所有交点为焊缝特征点。与现有技术相比，本发明脊线跟踪方法由于处理图像点数少于其他方法，因此计算速度快；而方向模板方法能够使提取的中心点位置精度达到亚像素级别，所以本方法不仅能识别焊缝特征点，而且具有计算速度快、精度高的特点。

Description

一种焊缝图像特征信息提取方法
技术领域
本发明涉及焊缝跟踪领域，尤其是涉及一种焊缝图像特征信息提取方法。
背景技术
随着工业自动化的迅猛发展，焊接自动化也越来越被工业领域广泛地接受和应用，尤其是在应对一些高难度高要求的大型钢结构设备焊接中，如飞机、轮船等。要实现焊接自动化，焊缝自动跟踪是一大关键。实现焊缝跟踪，其中最关键的技术问题是要实现焊缝的自动识别。目前，基于视觉传感器的焊缝识别正在快速发展并得到了广泛应用，其中由CCD和激光组成的激光视觉传感器由于具有结构简单、测量精度高等优点更得到了广泛应用。基于视觉传感的焊缝识别需要用到图像处理技术，而图像处理的复杂性、多样性等特点促使对焊缝的识别成为研究热点。激光视觉传感是将激光投射到焊缝表面，得到包含焊缝轮廓信息的条纹。为了识别出焊缝特征信息，需要得到光条中心，并分析处理得到焊缝特征信息。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种焊缝图像特征信息提取方法。
本发明的目的可以通过以下技术方案来实现：
一种焊缝图像特征信息提取方法，包括以下步骤：
S1、对包含激光扫描条纹的焊缝图像进行预处理，得到去噪后面积减小的包含全部激光扫描条纹的初始化图像；
S2、通过结合方向模板的脊线跟踪方法提取初始化图像中激光扫描条纹的中心线；
S3、通过斜率分析法对激光扫描条纹中心线分段，通过最小二乘法分别对每段激光扫描条纹中心线进行直线拟合，得到的拟合直线的所有交点为焊缝特征点。
优选的，所述步骤S1对包含激光扫描条纹的焊缝图像进行预处理的过程具体包括：去噪、阈值分割和感兴趣区域提取。
优选的，所述步骤S2具体包括：
S21、选取初始化图像中灰度最大值点作为跟踪起始参考点；
S22、用方向模板确定跟踪起始参考点的法线方向，求出法线方向上的亚像素中心点，作为脊线跟踪的中心跟踪起始点；
S23、用方向模板确定当前中心跟踪起始点的切线方向，将中心跟踪起始点在其切线方向上按一个像素的步长延伸并取整，得到新的中心跟踪起始点；
S24、循环进行步骤S23直到达到跟踪中止条件时中止跟踪；
S25、判断已跟踪提取的中心线是否为激光扫描条纹的完整中心线，如果是，则跟踪停止，若否，则进行步骤S26；
S26、以已跟踪提取的中心线的两端点为基准，去除已提取的中心线所在的整个激光扫描条纹图像区域，在其他未跟踪区域循环步骤S21～S25。
优选的，所述步骤S24中达到跟踪中止条件具体包括：新的跟踪起始点至少满足以下三者之一：1)已到达目前图像的边界，2)已被跟踪过，3)已到达非激光扫描条纹图像区域。
优选的，所述步骤S25中判断已跟踪提取的中心线是否为激光扫描条纹的完整中心线的依据为：提取的中心线像素点总数与焊缝图像的激光扫描条纹长度的像素点总数一致。
优选的，所述步骤S3中通过斜率分析法对激光扫描条纹中心线分段具体包括：计算激光扫描条纹中心线上各点的斜率，将与某一侧相邻点相比斜率发生突变的点作为焊缝特征拐点，以各个焊缝特征拐点为划分基准对激光扫描条纹中心线分段。
优选的，所述激光扫描条纹中心线上若存在间断点，则步骤S3处理前先通过插值法将激光扫描条纹中心线补充完整。
优选的，所述预处理过程中的去噪采用中值滤波去噪方法。
优选的，所述预处理过程中的阈值分割采用大律法。
优选的，所述预处理过程中的感兴趣区域提取具体包括；将经过阈值分割后的焊缝图像等分成多个图像块，计算每个图像块的像素均值，根据像素均值大小提取所有含有激光扫描条纹的图像块并组合，将不含有激光扫描条纹的图像块舍去。
与现有技术相比，本发明具有以下优点：
1、通过脊线跟踪方法，只对激光扫描条纹附近的点进行中心线提取处理，处理的图像区域小，具有处理速度快的优点。
2、通过方向模板方法，能够使激光扫描条纹中心线的提取精度达到亚像素级别，使得提取的中心线的精度高。
3、采用斜率分析法和最小二乘直线拟合相结合的方法提取焊缝特征点，具有抗干扰能力强的优点，能够满足对焊缝跟踪的高精确要求。
附图说明
图1为实施例中焊缝图像获取系统；
图2为本发明焊缝图像特征信息提取方法流程示意图；
图3为实施例中“I”形坡口的焊缝图像；
图4为实施例中“Y”形坡口的焊缝图像；
图5为实施例中“V”形坡口的焊缝图像；
图6为实施例中在“V”形坡口的激光扫描条纹上提取中心线的过程示意图；
图7为对图3提取的激光扫描条纹中心线；
图8为对图4提取的激光扫描条纹中心线；
图9为对图5提取的激光扫描条纹中心线；
图10为图7的激光扫描条纹中心线坐标及斜率变化曲线；
图11为图8的激光扫描条纹中心线坐标及斜率变化曲线；
图12为图9的激光扫描条纹中心线坐标及斜率变化曲线；
图13为图7的最小二乘法拟合结果图；
图14为图8的最小二乘法拟合结果图；
图15为图9的最小二乘法拟合结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
本申请提出的方法采用图1所示的系统结构获取焊缝图像，本实施例中对图3～5所示的“I”、“Y”和“V”形坡口的焊缝图像进行特征信息提取。
如图2所示，一种焊缝图像特征信息提取方法，包括以下步骤：
S1、对包含激光扫描条纹的焊缝图像进行预处理，得到去噪后面积减小的包含全部激光扫描条纹的初始化图像；
S2、通过结合方向模板的脊线跟踪方法提取初始化图像中激光扫描条纹的中心线；
S3、通过斜率分析法对激光扫描条纹中心线分段，通过最小二乘法分别对每段激光扫描条纹中心线进行直线拟合，得到的拟合直线的所有交点为焊缝特征点，如焊趾点、焊根点等。
步骤S1对包含激光扫描条纹的焊缝图像进行预处理的过程具体包括：去噪、阈值分割和感兴趣区域提取。其中，去噪过程采用中值滤波去噪方法，阈值分割采用大律法(Otsu法)。
从焊缝图像可以发现，由于激光扫描条纹为一条折线，在整幅图像中所占的像素数很少，且其灰度明显高于背景光像素点的像素，因此，为减小运算量，增加精度，对焊缝图像进行感兴趣区域(ROI)提取。ROI提取具体包括；将经过阈值分割后的焊缝图像等分成多个图像块，计算每个图像块的像素均值，根据像素均值大小判断该图像块内是否有激光扫描条纹所在的像素点，若有就提取出该图像块，若没有则舍去该图像块，得到包含全部激光扫描条纹的面积较小的焊缝图像。在本实施例中，用一个固定大小的方框对整幅图像进行矩形网格分割，将图像等分成10×10个图像块进行ROI提取。
脊线跟踪算法是一种快速的跟踪算法，其基本原则为：图像中条纹法线方向上灰度值最大处可认为是可靠的脊线点，条纹上点的切线方向可认为是当前脊线点延伸的方向。脊线跟踪的基本步骤包括：起始跟踪点的选取，条纹上点的脊线方向的计算，脊线上点的更新，终止条件的判断。它的终止条件包括了：①新的跟踪点到达图像的边界；②新的跟踪点已经被跟踪过；③新的跟踪点到达图像非条纹区域。
方向模板是从灰度重心法的思想发展而来，根据以每一行各点为中心的、大小为M×N的矩阵灰度值来确定该行的灰度重心，作为光条中心。它的思路是：在小尺度情况下，认为激光条纹形状有四种模式：水平、垂直、左斜45°、右斜45°。针对这四种模式，设计相对应的方向模板，分别记为G1，G2，G3，G4。以5×3方向模板为例，四个模板为：
Figure GDA0001520191290000051
模板G1(垂直)模板G2(水平)
Figure GDA0001520191290000052
模板G3(左斜45°)模板G4(右斜45°)
将四个方向模板分别沿着图像移动，当在图像第r列移动时，对第l行，即像素(l,r)点计算：
Figure GDA0001520191290000053
其中，Gt(u,v)表示第t个方向模板，C(l,r)是图像中某点(l,r)的灰度值。所以，当某个像素点(ls,rs)的第w个Hw(ls,rs)＝max(Ht(ls,rs))，w＝1,2,3,4，此时该点附近的图像的斜率最接近第w个模板的方向，从而可以近似的求出该点的法线方向，如果有Hw(p,rs)＝max(Hw(l,rs))，那么在第rs列上激光光条中心位置为第p行。
以图6为例说明步骤S2的具体过程：
S21、选取初始化图像中灰度最大值点A作为跟踪起始参考点；
S22、用方向模板确定跟踪起始参考点的法线方向1，求出法线方向上的亚像素中心点C1，作为脊线跟踪的中心跟踪起始点；
S23、用方向模板确定当前中心跟踪起始点的切线方向h，将中心跟踪起始点在其切线方向上按一个像素的步长延伸并取整，得到新的中心跟踪起始点C2；
S24、循环进行步骤S23直到新的跟踪起始点满足跟踪中止条件之一：1)已到达目前图像的边界，2)已被跟踪过，3)已到达非激光扫描条纹图像区域，则中止跟踪，进行步骤S25；
S25、判断已跟踪提取的中心线是否为激光扫描条纹的完整中心线，即提取的中心线像素点总数是否与焊缝图像的激光扫描条纹长度的像素点总数一致，如果是，则跟踪停止，若否，则进行步骤S26；
S26、以已跟踪提取的中心线的两端点为基准，去除已提取的中心线所在的整个激光扫描条纹图像区域，在其他未跟踪区域循环步骤S21～S25。
经过步骤S2得到图7、8、9所示的不同坡形焊缝图像的激光扫描条纹的中心线。
在中心线的基础上提取所需要的焊接特征点，这些特征点的作用是为焊缝跟踪、规划机器人运动轨迹提供依据。在焊接过程中，需要实时获取焊缝轮廓数据进行焊接。
步骤S3中先用斜率分析法分别将激光扫描条纹中心线上的各点斜率根据以下公式计算：
Figure GDA0001520191290000061
其中，Ki表示激光扫描条纹中心线第i个点的斜率，y表示激光扫描条纹中心线的纵坐标，计算结果分别如图10、11、12所示。再比较激光扫描条纹中心线上相邻点的斜率，若某一点斜率相对于相邻点发生突变，则认为是焊缝特征拐点a、b，本实施例中，将斜率曲线上的波峰点对应的激光扫描条纹中心线上的点判定为斜率发生突变的点。激光扫描条纹中心线最低的焊缝特征拐点c，可以看成是a、b连线的中心线上的点，所以对应的横坐标xc可以表示为：
Figure GDA0001520191290000062
考虑到焊接工件表面有缺陷，两焊缝坡口角度可能并不相同，激光条纹并非严格水平且在焊缝坡口处存在反射，故斜率分析法得到的特征点并不精确，因此需进一步处理得到焊缝特征点的精确位置。本方法根据所获得的焊缝特征拐点的初始坐标对激光扫描条纹中心线区域划分，并对每个区域内的直线进行拟合，拟合直线交点就是最终需要的焊缝特征点，如图13～15所示。
因为斜率分析法得到的焊缝特征拐点反映了焊缝特征点的大致位置，所以不能用该点计算拟合直线的斜率，可在所获得的焊缝特征拐点的初始坐标前后3～10的位置对激光扫描条纹中心线分段。针对Y形和I形坡口激光扫描条纹中心线存在的间断点，首先将间断点部分通过插值法补充上，再进行处理。本实施例中，优选的在焊缝特征拐点坐标前后5的位置划分激光扫描条纹中心线，以V形坡口为例，划分成如表1所示的四个区域：
表1激光扫描条纹中心线区域划分
区域 最小横坐标 最大横坐标
S1 1 x<sub>a</sub>-5
S2 x<sub>a</sub>+5 x<sub>c</sub>-5
S3 x<sub>c</sub>+5 x<sub>b</sub>-5
S4 x<sub>b</sub>+5 270
根据设定的区域边界，针对每个区域中的激光扫描条纹中心线进行最小二乘法直线拟合，直线拟合方程表示为：
y＝e+Kx
其中，K表示斜率，e表示常数。直线参数e、K由下式得到：
Figure GDA0001520191290000071
n表示激光扫描条纹中心线上的总点数。

Claims (9)

1.一种焊缝图像特征信息提取方法，其特征在于，包括以下步骤：
S1、对包含激光扫描条纹的焊缝图像进行预处理，得到去噪后面积减小的包含全部激光扫描条纹的初始化图像，
S2、通过结合方向模板的脊线跟踪方法提取初始化图像中激光扫描条纹的中心线，
S3、通过斜率分析法对激光扫描条纹中心线分段，通过最小二乘法分别对每段激光扫描条纹中心线进行直线拟合，得到的拟合直线的所有交点为焊缝特征点；
所述步骤S2具体包括：
S21、选取初始化图像中灰度最大值点作为跟踪起始参考点，
S22、用方向模板确定跟踪起始参考点的法线方向，求出法线方向上的亚像素中心点，作为脊线跟踪的中心跟踪起始点，
S23、用方向模板确定当前中心跟踪起始点的切线方向，将中心跟踪起始点在其切线方向上按一个像素的步长延伸并取整，得到新的中心跟踪起始点，
S24、循环进行步骤S23直到达到跟踪中止条件时中止跟踪，
S25、判断已跟踪提取的中心线是否为激光扫描条纹的完整中心线，如果是，则跟踪停止，若否，则进行步骤S26，
S26、以已跟踪提取的中心线的两端点为基准，去除已提取的中心线所在的整个激光扫描条纹图像区域，在其他未跟踪区域循环步骤S21～S25。
2.根据权利要求1所述的一种焊缝图像特征信息提取方法，其特征在于，所述步骤S1对包含激光扫描条纹的焊缝图像进行预处理的过程具体包括：去噪、阈值分割和感兴趣区域提取。
3.根据权利要求1所述的一种焊缝图像特征信息提取方法，其特征在于，所述步骤S24中达到跟踪中止条件具体包括：新的跟踪起始点至少满足以下三者之一：1)已到达目前图像的边界，2)已被跟踪过，3)已到达非激光扫描条纹图像区域。
4.根据权利要求1所述的一种焊缝图像特征信息提取方法，其特征在于，所述步骤S25中判断已跟踪提取的中心线是否为激光扫描条纹的完整中心线的依据为：提取的中心线像素点总数与焊缝图像的激光扫描条纹长度的像素点总数一致。
5.根据权利要求1所述的一种焊缝图像特征信息提取方法，其特征在于，所述步骤S3中通过斜率分析法对激光扫描条纹中心线分段具体包括：计算激光扫描条纹中心线上各点的斜率，将与某一侧相邻点相比斜率发生突变的点作为焊缝特征拐点，以各个焊缝特征拐点为划分基准对激光扫描条纹中心线分段。
6.根据权利要求1所述的一种焊缝图像特征信息提取方法，其特征在于，所述激光扫描条纹中心线上若存在间断点，则在步骤S3处理前先通过插值法将激光扫描条纹中心线补充完整。
7.根据权利要求2所述的一种焊缝图像特征信息提取方法，其特征在于，所述预处理过程中的去噪采用中值滤波去噪方法。
8.根据权利要求2所述的一种焊缝图像特征信息提取方法，其特征在于，所述预处理过程中的阈值分割采用大律法。
9.根据权利要求2所述的一种焊缝图像特征信息提取方法，其特征在于，所述预处理过程中的感兴趣区域提取具体包括；将经过阈值分割后的焊缝图像等分成多个图像块，计算每个图像块的像素均值，根据像素均值大小提取所有含有激光扫描条纹的图像块并组合，将不含有激光扫描条纹的图像块舍去。
CN201711103814.8A 2017-11-10 2017-11-10 一种焊缝图像特征信息提取方法 Active CN107798330B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711103814.8A CN107798330B (zh) 2017-11-10 2017-11-10 一种焊缝图像特征信息提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711103814.8A CN107798330B (zh) 2017-11-10 2017-11-10 一种焊缝图像特征信息提取方法

Publications (2)

Publication Number Publication Date
CN107798330A CN107798330A (zh) 2018-03-13
CN107798330B true CN107798330B (zh) 2021-07-20

Family

ID=61534763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711103814.8A Active CN107798330B (zh) 2017-11-10 2017-11-10 一种焊缝图像特征信息提取方法

Country Status (1)

Country Link
CN (1) CN107798330B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898158A (zh) * 2018-05-31 2018-11-27 华南理工大学 一种基于分段线性拟合的焊缝识别方法
CN108801268B (zh) * 2018-06-27 2021-03-05 广州视源电子科技股份有限公司 目标对象的定位方法、装置及机器人
CN109215000A (zh) * 2018-08-03 2019-01-15 武汉工程大学 一种焊缝图像处理方法及系统
CN109492688B (zh) * 2018-11-05 2021-07-30 深圳一步智造科技有限公司 焊缝跟踪方法、装置及计算机可读存储介质
CN109523548B (zh) * 2018-12-21 2023-05-05 哈尔滨工业大学 一种基于临界阈值的窄间隙焊缝特征点提取方法
JP6984988B1 (ja) * 2019-06-28 2021-12-22 清華大学Tsinghua University 溶接ビード成形制御装置及び方法
CN110717872B (zh) * 2019-10-08 2022-11-01 江西洪都航空工业集团有限责任公司 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取系统
CN110930368B (zh) * 2019-10-31 2022-02-18 中船重工鹏力（南京）智能装备系统有限公司 一种薄板搭接焊缝实时焊接图像特征提取方法
CN111008607B (zh) * 2019-12-11 2020-09-29 南京航空航天大学 一种视觉伺服飞机舱门缝隙自动化激光扫描方法和系统
CN111292303B (zh) * 2020-01-21 2023-09-19 湖北文理学院 焊缝缺陷类别检测方法、装置、电子设备及存储介质
CN111402239B (zh) * 2020-03-17 2022-09-13 山东奥太电气有限公司 基于形态特征滤波的激光焊缝跟踪图像处理方法及系统
CN111438460B (zh) * 2020-04-18 2021-05-07 南昌大学 基于视觉的厚板t形接头焊接焊缝成形特征在线测量方法
CN111633358B (zh) * 2020-05-25 2021-11-09 西咸新区大熊星座智能科技有限公司 基于激光的焊缝参数测量方法及装置
CN111637847A (zh) * 2020-05-25 2020-09-08 西咸新区大熊星座智能科技有限公司 焊缝参数测量方法及装置
CN111783795B (zh) * 2020-06-10 2023-12-01 恒通西交智能机器(广东)有限公司 将图像转换为激光扫描路径的方法、装置、设备及介质
CN112749732B (zh) * 2020-12-15 2023-08-22 华南理工大学 一种用于结构光焊缝定位的多模板夹角分辨率计算方法
CN112508971B (zh) * 2020-12-21 2023-08-22 华南理工大学 基于仿真结构光条纹的焊缝定位方法、系统及存储介质
CN112767491B (zh) * 2021-04-08 2021-11-12 北京博清科技有限公司 焊道拐点的确定方法、装置和计算机可读存储介质
CN113271099A (zh) * 2021-07-19 2021-08-17 常州罗盘星检测科技有限公司 一种提升仪器测量精度的数据处理方法
CN113532320B (zh) * 2021-07-20 2023-04-28 武汉华工激光工程有限责任公司 一种基于图像的光斑衍射环分析方法、存储介质及芯片
CN113649672A (zh) * 2021-08-06 2021-11-16 武汉理工大学 一种对接焊缝几何特征的自适应提取方法
CN113894481B (zh) * 2021-09-09 2023-05-09 中国科学院自动化研究所 复杂空间曲线焊缝的焊接位姿调整方法及装置
CN114399461B (zh) * 2021-12-02 2023-07-25 郑州煤矿机械集团股份有限公司 智能化焊趾机械打磨疲劳延寿方法
CN116571845B (zh) * 2023-07-13 2023-09-26 广东省特种设备检测研究院顺德检测院 焊缝跟踪检测机器人及其焊缝跟踪方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279190A (zh) * 2011-04-29 2011-12-14 广州有色金属研究院 一种激光焊接不等厚板焊缝表面缺陷图像检测方法
WO2014005603A1 (de) * 2012-07-03 2014-01-09 Baden-Württemberg Stiftung Ggmbh Verfahren zum betrieb einer laserschweissvorrichtung und vorrichtung
CN103955927A (zh) * 2014-04-26 2014-07-30 江南大学 一种基于激光视觉的角焊缝自动跟踪方法
CN105678776A (zh) * 2016-01-11 2016-06-15 南京工业大学 一种基于激光视觉传感器焊缝图像特征点提取方法
CN105844622A (zh) * 2016-03-16 2016-08-10 南京工业大学 一种基于激光视觉的v型坡口焊缝检测方法
KR101762203B1 (ko) * 2016-10-24 2017-07-27 한국생산기술연구원 Fov의 자동조절이 가능한 비전센서장치 및 그 제어방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279190A (zh) * 2011-04-29 2011-12-14 广州有色金属研究院 一种激光焊接不等厚板焊缝表面缺陷图像检测方法
WO2014005603A1 (de) * 2012-07-03 2014-01-09 Baden-Württemberg Stiftung Ggmbh Verfahren zum betrieb einer laserschweissvorrichtung und vorrichtung
CN103955927A (zh) * 2014-04-26 2014-07-30 江南大学 一种基于激光视觉的角焊缝自动跟踪方法
CN105678776A (zh) * 2016-01-11 2016-06-15 南京工业大学 一种基于激光视觉传感器焊缝图像特征点提取方法
CN105844622A (zh) * 2016-03-16 2016-08-10 南京工业大学 一种基于激光视觉的v型坡口焊缝检测方法
KR101762203B1 (ko) * 2016-10-24 2017-07-27 한국생산기술연구원 Fov의 자동조절이 가능한 비전센서장치 및 그 제어방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Welding Seam Detection and Feature Point Extraction for Robotic Arc Welding Using Laser-Vision;Jun-Di Sun等;《2016 13th International Conference on Ubiquitous Robots and Ambient Intelligence (URAl)》;20160822;第644-647页 *
一种激光视觉引导的自动识别 V 形焊缝的算法;凌超等;《组合机床与自动化加工技术》;20170630;第9-17页 *
基于激光视觉的焊缝特征提取算法研究;顾冬霞等;《机械制造文摘-焊接分册》;20171027;第38-45页 *

Also Published As

Publication number Publication date
CN107798330A (zh) 2018-03-13

Similar Documents

Publication Publication Date Title
CN107798330B (zh) 一种焊缝图像特征信息提取方法
CN109060836B (zh) 基于机器视觉的高压油管接头外螺纹检测方法
CN107145905B (zh) 电梯紧固螺帽松动的图像识别检测方法
CN108537808B (zh) 一种基于机器人示教点信息的涂胶在线检测方法
CN108637435B (zh) 一种基于视觉与弧压传感的三维焊缝跟踪系统及方法
CN107516098B (zh) 一种基于边缘曲率角的目标轮廓三维信息提取方法
CN103425988B (zh) 一种具有圆弧几何基元的实时定位与匹配方法
CN107014294B (zh) 一种基于红外图像的接触网几何参数检测方法及系统
CN108597009B (zh) 一种基于方向角信息进行三维目标检测的方法
CN108280840B (zh) 一种基于三维激光雷达的道路实时分割方法
CN110814465B (zh) 一种自动焊接焊缝轮廓提取的通用方法
CN107832674B (zh) 一种车道线检测方法
CN110717872A (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取系统
CN111260708A (zh) 一种线结构光中心提取方法及系统
CN112365439B (zh) 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法
CN110147748B (zh) 一种基于道路边缘检测的移动机器人障碍物识别方法
CN113624225B (zh) 一种用于发动机定位销安装的位姿解算方法
CN111311618A (zh) 一种基于高精度几何基元提取的圆弧工件匹配与定位方法
CN112862898B (zh) 一种基于计算机视觉的流速测定方法
CN114331986A (zh) 一种基于无人机视觉的坝体裂纹识别与测量方法
CN115880674B (zh) 一种基于无人驾驶矿车的避障转向矫正方法
CN114881965A (zh) 一种基于人工智能和图像处理的木板节子检测方法
CN114240845A (zh) 一种应用于切削工件的光切法表面粗糙度测量方法
CN112767359A (zh) 复杂背景下的钢板角点检测方法及系统
CN115060754B (zh) 一种不锈钢制品表面质量检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant