CN108335286A - 一种基于双线结构光的在线焊缝成型视觉检测方法 - Google Patents

一种基于双线结构光的在线焊缝成型视觉检测方法 Download PDF

Info

Publication number
CN108335286A
CN108335286A CN201810042383.7A CN201810042383A CN108335286A CN 108335286 A CN108335286 A CN 108335286A CN 201810042383 A CN201810042383 A CN 201810042383A CN 108335286 A CN108335286 A CN 108335286A
Authority
CN
China
Prior art keywords
structure light
weld
line
double structure
motherboard
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.)
Granted
Application number
CN201810042383.7A
Other languages
English (en)
Other versions
CN108335286B (zh
Inventor
韩静
于浩天
赵壮
柏连发
张毅
彭冲冲
黄煜
黄永豪
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201810042383.7A priority Critical patent/CN108335286B/zh
Publication of CN108335286A publication Critical patent/CN108335286A/zh
Application granted granted Critical
Publication of CN108335286B publication Critical patent/CN108335286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
    • G01B5/0037—Measuring of dimensions of welds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Abstract

本发明公开了一种基于双线结构光的在线焊缝成型视觉检测方法，在不同曝光时间下，对标定板进行采样，实现线结构光的标定；三维重建后，使用标准平面，在母板上对重建结果进行校正；最后结合前后两条线结构光的三维重建结果，对两个三维曲面进行匹配，可以在线获得焊接前后，母板上同一位置的三维数据；同时在线获取焊缝粗糙度、高度、宽度等结果。本发明方法可以在母板不平整，如堆焊等情况下，取得较好结果；母板平整的情况下，亦可实现功能。本发明方法能够有效提高标定精度和三维重建精度，并对焊缝成型结果进行多角度的分析。

Description

一种基于双线结构光的在线焊缝成型视觉检测方法
技术领域
本发明属于计算机视觉领域，具体涉及一种基于双线结构光的在线焊缝成型视觉检测方法。
背景技术
目前，焊接质量的评价主要通过对焊缝成形过程中焊缝尺寸的控制来实现，当前国内外主要采用的传感方法包括：超声波传感、电弧传感、红外传感及视觉传感等。相比于其它测量方式，线结构光对焊缝的三维测量，具有无接触、价格低、无辐射等优点，能够实现实时、快速、高精度的焊缝三维重建
为了获取正确的三维信息，必须确定线结构光的参数，即线结构光视觉传感器与相机像平面的位姿关系。传统的线结构光视觉传感器标定方法主要由拉丝法、机械调整法、锯齿靴法、基于双重变比不变的标定方法等。但是这些方法大多操作繁琐、标定板制作复杂，无法实现快速的线结构光标定。基于三点透视模型，使用传统的棋盘格作为标定板，可以快速、方便的获取线结构光的标定参数；但是该方法通常会对重建结果造成一定的误差；因此，如何将简便、速度与精度三者结合起来，是线结构光的标定和重建的难点之一。
传统的线结构光三维重建装置，是将激光器发出的光与被测物体表面的法线成一定角度入射到被测物体表面上，受被测物体表面的深度变化调制后，形成结构光光条信息，同时利用相机接收到该信息，计算得到被测物体轮廓的三维信息。但是仅使用一条线结构光，在堆焊等母板不平整的焊接条件下，无法实时获取焊缝体积的变化情况，也无法通过焊缝体积的变化，来判断是否存在气孔等焊接异常情况。
焊缝尺寸中的焊缝宽度、余高以及焊缝的粗糙程度是关系焊接产品强度及有关性能的重要因素。常见的焊接质量评价准则中，只考虑了焊缝宽度与余高这两种数据，未对粗糙度进行评价，影响了焊接质量评价的准确性。因此，准确、快速的获取焊缝宽度和余高对焊接质量的评价是十分必要的；同时，如何用恰当的计算准则对焊缝的粗糙度进行衡量，并且利用好这一数据对焊接质量进行全面而准确的评价，也是该领域的难点和热点之一。
因此，需要一种新的图像去雾方法以解决上述问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于双线结构光的在线焊缝成型视觉检测方法。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：
一种基于双线结构光的在线焊缝成型视觉检测方法，采用双线结构光装置，所述双线结构光装置包括母板、焊枪、激光器、激光分束器和CCD相机，所述激光器正对所述母板设置，所述激光分束器设置在所述激光器的出光口，激光经过所述激光分束器得到两条线结构光，所述焊枪设置在两条线结构光之间，所述CCD相机用于拍摄两条线结构光，包括以下步骤：
步骤一、选定标定板，分别选用两种不同的曝光时间，拍摄两条线结构光照射在标定板上的图片，对线结构光进行标定，同时对所述CCD相机进行标定；
步骤二、标定完成后，使用标准件，提取线结构光中心线，获取三维数据，在母板上对重建结果进行校正；
步骤三、对两条线结构光产生的三维曲面进行点云匹配，获取母板同一位置焊接成型前后的体积变化。
优选的，两条线结构光平行。
优选的，步骤三中在母板上做多个标记，记录两条线结构光经过同一处标记的帧数，利用步骤二得到的三维数据作为点云匹配的衡量准则，匹配后将点云所覆盖区域的体积相减，即可获取每条线结构光扫描位置焊接前后体积的变化数值。
优选的，还包括步骤四，对焊缝粗糙度进行评价。
优选的，步骤一中所述标定板为棋盘格。方便利用棋盘格的黑格区域和白格区域对线结构光进行标定。
优选的，步骤一中两种不同的曝光时间包括第一曝光时间t1和第二曝光时间t2，其中，t1>t2，所述标定板为棋盘格，在第一曝光时间t1模式下，提取照射在黑格区域的线结构光图像，在第二曝光时间t2模式下，提取照射在白格区域的线结构光图像，将提取后的黑格区域的线结构光图像和白格区域的线结构光图像进行拼接，获得均匀的线结构光图像。
优选的，步骤二中对重建结果进行校正为利用获取的深度信息对重建结果进行校正。
优选的，步骤四中对焊缝的粗糙度进行评价：选取焊缝峰顶区域，在焊缝峰顶区域内，提取每个重建点的高度信息，使用标准差作为计算准则，标准差公式如下：
其中，n为采样次数，Xi为第i次采样值，为n次采样的均值。
优选的，所述焊缝峰顶区域为焊缝上方三分之一的区域。
(三)有益效果
与现有技术相比，本发明的基于双线结构光的在线焊缝成型视觉检测方法方法在不同曝光时间下，对标定板进行采样，实现线结构光的标定；三维重建后，使用标准平面，在母板上对重建结果进行校正；最后结合前后两条线结构光的三维重建结果，对两个三维曲面进行匹配，可以在线获得焊接前后，母板上同一位置的三维数据。本发明可以在母板不平整，如堆焊等情况下，取得较好结果；母板平整的情况下，亦可实现功能。本发明方法能够有效提高标定精度和三维重建精度，从而为焊缝成型结果进行多角度的分析做好准备。
附图说明
图1是本发明方法使用的双线结构光的示意图；
图2是本发明方法中不同曝光时间下，线结构光的拼接；
图3是本发明方法中单根线结构光在焊缝上的重建结果；
图4是本发明方法中点云拼接的示意图；
图5是本发明方法中焊接前后焊缝体积变化的曲线；
图6是本发明方法中在粗糙度标准件上的重建结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如附图1所示，本发明的基于双线结构光的在线焊缝成型视觉检测方法，包括母板1、焊枪2、激光器3、激光分束器4、CCD相机5；激光器3与焊接母板1垂直放置，激光分束器4与激光器3贴合放置，经激光分束器4产生了两条平行激光线，照射在焊接母板1，分别位于焊枪2的前后位置；CCD相机5选择合适的角度，保证可以观察到两条平行的激光线。依据附图1的装置，进行在线成型焊缝视觉检测，包括以下步骤：
步骤一：选用棋盘格作为标定板，选取高曝光时间和低曝光时间两种模式，对同一幅标定图像，在两种模式下对线结构光进行拍摄；激光器向待测件表面投射一光平面，该光平面受待测件表面的深度变化调制，形成一个变形的光条纹，该条纹图像最终由摄像机捕获。光条条纹的变形程度包含了激光器与摄像机之间的相对位置信息以及被测物体表面的深度信息。线结构光视觉测量的工作就是根据激光器与摄像机之间的空间位置关系，从变形的结构光条纹图像中获取被测物体表面的三维信息。采用一块棋盘格作为平面标定靶，保证线激光与棋盘格相交。获取线激光与棋盘格交点的像素坐标，将这个二维坐标转换到摄像机坐标系上的三维坐标，并将多个三维坐标拟合平面，即可标定线结构光。为提高标定精度，选用两种模式对线结构光进行拍摄，在高曝光时间这一模式下，提取较细的条纹图像，即照射在黑格区域的线结构光图像；在低曝光时间这一模式下，提取较粗的条纹图像，即照射在白格区域的线结构光图像；将提取后的图像进行拼接，获得比较均匀的线结构光图像，如附图2所示；拍摄大约二十五组图像，利用steger等算法，对线结构光中心线进行提取。完成对线结构光参数的标定。采用传统的张正友标定法对相机进行标定，使用棋盘格作为标定板；在已知标定板物理尺寸的前提下，将标定板变换位置，进行多次采样，提取不同位置下，棋盘格角点的像素坐标；利用获取的数据，在图像坐标系、成像平面坐标系、摄像机坐标系、世界坐标系下进行坐标的变换，即可获取相机的内参，以及标定板在不同位置下相机的外参；利用CCD相机的标定数据，结合线结构光的标定数据，以及线结构光照射在目标上的像素坐标，利用steger等线结构光中心提取算法，即可对线结构光进行三维重建；相机的标定需与线结构光标定同时进行；即标定板不移动的情况下，拍摄标定板的图像，实现CCD相机的标定。
步骤二：在线结构光三维重建后，使用标准件，在母板上对重建结果进行校正。将标准件放置在与母板处于同一高度处，并略高于焊缝顶峰。使用线结构光在标准件不同高度的平面进行扫描，在各个平面上获取大量的数据点，得到它们重建后的三维数据；选择某一平面作为参考平面，将参考平面上的三维数据拟合为空间平面，选取另一平面上的所有点，二者距离的均值视为两个平面之间的距离。利用获取的多个平面之间的距离，对不同的深度进行数据拟合；根据不同的拟合方式所获得的校正结果，发现一次线性拟合效果最好；因此，利用获取的深度信息对重建结果进行校正，提高重建精度。
步骤三：对两条线结构光产生的三维曲面进行点云匹配，获取母板同一位置焊缝成型前后的体积变化。在母板上提前做好多处标记，记录两条线结构光经过同一处标记的帧数；激光点经过激光分束器将会产生平行的两束线结构光，焊枪的移动速度由程序设定，可视为匀速运动，因此经过同一处标记的帧数的差值即是点云匹配的衡量准则。点云匹配之后，将点云所覆盖区域的体积相减，即可获取焊接前后，每一条线结构光扫描的区域体积变化的具体数值；因此可以在焊接过程中，在线实时获取焊缝体积的变化情况；从而对焊接过程中是否存在气孔等异常情况进行判断，进而对焊接参数进行实时调整。
步骤四：提出一种焊缝粗糙度评价准则，对焊缝粗糙度进行等级划分。选取单根线结构光重建后的三维数据，在三维数据中选取焊缝与母材相交的拐点，计算拐点之间的距离即为焊缝的宽度；计算单根线结构光的三维曲线与母板平面距离的最大值，即为焊缝的余高。对于焊缝的粗糙度，选取焊缝峰顶区域，即焊缝上方三分之一的区域，在这个区域内，提取每个重建点的高度信息，使用标准差作为计算准则，标准差公式如下：
其中，n为采样次数，Xi为第i次采样值，为n次采样的均值；根据不同粗糙程度焊缝的标准差，分成三个等级，评判成型后焊缝的粗糙程度。使用均方根误差、方差或信息熵等作为计算准则，亦可得到同样的结果。结合焊缝的宽度、余高和粗糙度，在线实时判定焊缝成型质量，针对不同情况，对焊接参数进行实时修改。
本发明的效果可以通过以下结果进一步说明：
使用本发明步骤一所述标定算法，多次选取线结构光上两点，测量两点的实际距离和通过标定数据得到的距离。与原始标定数据相比较，使用原始标定方法的误差为1.69％，改进后的标定方法误差为1.26％。表明该技术可以提高标定精度。
使用本发明步骤二所述校正算法，在标准件上对线结构光深度测量进行定量分析，使用的校正方式为一次线性拟合，即y＝kx+b，其中，k＝0.8571，b＝0.0016；原始数据、标准数据、校正数据如下：
原始数据 标准数据 校正数据
1.168 1.000 1.003
1.184 1.000 1.016
1.185 1.000 1.017
1.161 1.000 0.997
1.162 1.000 0.998
1.157 1.000 0.993
1.150 1.000 0.987
1.155 1.000 0.991
2.353 2.000 2.018
2.369 2.000 2.032
2.349 2.000 2.015
2.323 2.000 1.993
2.318 2.000 1.989
2.308 2.000 1.979
2.307 2.000 1.979
3.538 3.000 3.034
3.532 3.000 3.029
3.511 3.000 3.011
3.478 3.000 2.982
3.469 3.000 2.974
3.464 3.000 2.970
4.703 4.000 4.032
4.695 4.000 4.025
4.669 4.000 4.003
4.628 4.000 3.968
4.626 4.000 3.966
5.865 5.000 5.029
5.851 5.000 5.017
5.819 5.000 4.989
5.784 5.000 4.959
7.023 6.000 6.021
7.002 6.000 6.002
6.977 6.000 5.981
8.173 7.000 7.007
8.159 7.000 6.994
9.332 8.000 7.999
由上述结果可知，本发明所提出的校正算法，可以有效提高三维重建的精度，在焊缝高度的范围内，可以有效减少因线结构光不均匀、标定参数不准、提取中心线不精确等因素带来的误差。
使用本发明步骤三所述获取焊接前后体积变化算法，单根线结构光扫描后三维重建结果如图3所示，由图可知，在母板不平的情况下，无法实时、准确获取焊接前后，焊缝体积的变化。点云匹配的结果如图4所示，本发明可以对双线结构光三维重建后获得的点云准确匹配，由此获得图5结果，即焊接前后，相机单次采样，焊缝体积实时的变化情况。
使用本发明步骤四所述粗糙度评价准则，在粗糙度标准件上，对该算法进行验证，对同一粗糙度下进行三次测量，效果图如图6所示，所得标准差如下：
由实验数据可知，该算法可对粗糙度进行分级，评价不同焊缝的粗糙程度。
选取三道粗糙度不同的不锈钢焊缝，在不同的行进距离下，测量的标准差结果如下：
三道焊缝长度均为19mm左右，在对焊缝整体粗糙度进行评估时，可以得到较好的结果，并且能明确区分不同的粗糙程度。将焊缝整体分成三个部分，每部分长约6.25mm时，对焊缝进行粗糙度评估。此时，由于采样数量的不同，各部分焊缝的标准差低于整体；由于个别部分粗糙程度与整体粗糙程度存在差异，因此粗糙程度二的第三部分和粗糙程度三的第三部分数值略有不同。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于双线结构光的在线焊缝成型视觉检测方法，其特征在于，采用双线结构光装置，所述双线结构光装置包括母板(1)、焊枪(2)、激光器(3)、激光分束器(4)和CCD相机(5)，所述激光器(3)正对所述母板(1)设置，所述激光分束器(4)设置在所述激光器(3)的出光口，激光经过所述激光分束器(4)得到两条线结构光，所述焊枪(2)设置在两条线结构光之间，所述CCD相机(5)用于拍摄两条线结构光，包括以下步骤：
步骤一、选定标定板，分别选用两种不同的曝光时间，拍摄两条线结构光照射在标定板上的图片，对线结构光进行标定，同时对所述CCD相机(5)进行标定；
步骤二、标定完成后，使用标准件，提取线结构光中心线，获取三维数据，在母板(1)上对重建结果进行校正；
步骤三、对两条线结构光产生的三维曲面进行点云匹配，获取母板同一位置焊接成型前后的体积变化。
2.根据权利要求1所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：两条线结构光平行。
3.根据权利要求1所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：步骤三中在母板上做多个标记，记录两条线结构光经过同一处标记的帧数，利用步骤二得到的三维数据作为点云匹配的衡量准则，匹配后将点云所覆盖区域的体积相减，即可获取每条线结构光扫描位置焊接前后体积的变化数值。
4.根据权利要求1所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：还包括步骤四，对焊缝粗糙度进行评价。
5.根据权利要求1所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：步骤一中所述标定板为棋盘格。
6.根据权利要求1所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：步骤一中两种不同的曝光时间包括第一曝光时间t1和第二曝光时间t2，其中，t1>t2，所述标定板为棋盘格，在第一曝光时间t1模式下，提取照射在黑格区域的线结构光图像，在第二曝光时间t2模式下，提取照射在白格区域的线结构光图像，将提取后的黑格区域的线结构光图像和白格区域的线结构光图像进行拼接，获得均匀的线结构光图像。
7.根据权利要求1所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：步骤二中对重建结果进行校正为利用获取的深度信息对重建结果进行校正。
8.根据权利要求4所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：步骤四中对焊缝的粗糙度进行评价：选取焊缝峰顶区域，在焊缝峰顶区域内，提取每个重建点的高度信息，使用标准差作为计算准则，标准差公式如下：
其中，n为采样次数，Xi为第i次采样值，为n次采样的均值。
9.根据权利要求8所述的基于双线结构光的在线焊缝成型视觉检测方法，其特征在于：所述焊缝峰顶区域为焊缝上方三分之一的区域。
CN201810042383.7A 2018-01-17 2018-01-17 一种基于双线结构光的在线焊缝成型视觉检测方法 Active CN108335286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810042383.7A CN108335286B (zh) 2018-01-17 2018-01-17 一种基于双线结构光的在线焊缝成型视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810042383.7A CN108335286B (zh) 2018-01-17 2018-01-17 一种基于双线结构光的在线焊缝成型视觉检测方法

Publications (2)

Publication Number Publication Date
CN108335286A true CN108335286A (zh) 2018-07-27
CN108335286B CN108335286B (zh) 2024-03-22

Family

ID=62925110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810042383.7A Active CN108335286B (zh) 2018-01-17 2018-01-17 一种基于双线结构光的在线焊缝成型视觉检测方法

Country Status (1)

Country Link
CN (1) CN108335286B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239081A (zh) * 2018-09-18 2019-01-18 广东省特种设备检测研究院珠海检测院 基于结构光与视觉成像的焊缝质量参数检测方法
CN109855574A (zh) * 2019-02-01 2019-06-07 广东工业大学 一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质
CN110132975A (zh) * 2019-03-28 2019-08-16 中核建中核燃料元件有限公司 一种用于核燃料棒包壳表面检测的方法、装置
CN110264457A (zh) * 2019-06-20 2019-09-20 浙江大学 基于旋转区域候选网络的焊缝自主识别方法
CN110715600A (zh) * 2019-10-18 2020-01-21 济南蓝动激光技术有限公司 一种钢轨焊缝错边量在线检测系统
CN111189393A (zh) * 2020-01-21 2020-05-22 北京卫星制造厂有限公司 一种三维薄壁结构焊缝的高精度全局视觉测量方法
CN111551565A (zh) * 2020-06-19 2020-08-18 湖南恒岳重钢钢结构工程有限公司 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法
CN112561854A (zh) * 2020-11-11 2021-03-26 深圳大学 一种基于线结构光点云的焊缝检测方法
CN112710235A (zh) * 2020-12-21 2021-04-27 北京百度网讯科技有限公司 结构光测量传感器的标定方法和装置
CN115294105A (zh) * 2022-09-28 2022-11-04 南京理工大学 一种多层多道焊接余高预测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334264A (zh) * 2008-07-25 2008-12-31 华中科技大学 激光焊接中狭窄对接焊缝的测量方法及装置
CN101486124A (zh) * 2009-02-13 2009-07-22 南京工程学院 多结构光双目复合视觉焊缝跟踪方法及装置
CN201357275Y (zh) * 2009-02-13 2009-12-09 南京工程学院 多结构光双目复合视觉焊缝跟踪装置
CN202278307U (zh) * 2011-08-19 2012-06-20 广州有色金属研究院 一种可调式双线结构光焊缝跟踪视觉传感系统
CN103759648A (zh) * 2014-01-28 2014-04-30 华南理工大学 一种基于激光双目视觉的复杂角焊缝位置检测方法
CN103987484A (zh) * 2011-10-06 2014-08-13 林肯环球股份有限公司 使用激光束在gmaw焊接中建立气体的焊后激光释放的设备及方法
US20160193681A1 (en) * 2015-01-07 2016-07-07 Illinois Tool Works Inc. Synchronized image capture for welding machine vision
CN105783726A (zh) * 2016-04-29 2016-07-20 无锡科技职业学院 一种基于线结构光视觉检测的曲线焊缝三维重建方法
CN106271369A (zh) * 2016-11-02 2017-01-04 北京中人联合教育科技研究院（普通合伙） 铁路辙岔智能焊补机器人
CN106971407A (zh) * 2017-02-16 2017-07-21 浙江工业大学 一种基于二维线结构光的焊缝三维重建方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334264A (zh) * 2008-07-25 2008-12-31 华中科技大学 激光焊接中狭窄对接焊缝的测量方法及装置
CN101486124A (zh) * 2009-02-13 2009-07-22 南京工程学院 多结构光双目复合视觉焊缝跟踪方法及装置
CN201357275Y (zh) * 2009-02-13 2009-12-09 南京工程学院 多结构光双目复合视觉焊缝跟踪装置
CN202278307U (zh) * 2011-08-19 2012-06-20 广州有色金属研究院 一种可调式双线结构光焊缝跟踪视觉传感系统
CN103987484A (zh) * 2011-10-06 2014-08-13 林肯环球股份有限公司 使用激光束在gmaw焊接中建立气体的焊后激光释放的设备及方法
CN103759648A (zh) * 2014-01-28 2014-04-30 华南理工大学 一种基于激光双目视觉的复杂角焊缝位置检测方法
US20160193681A1 (en) * 2015-01-07 2016-07-07 Illinois Tool Works Inc. Synchronized image capture for welding machine vision
CN105783726A (zh) * 2016-04-29 2016-07-20 无锡科技职业学院 一种基于线结构光视觉检测的曲线焊缝三维重建方法
CN106271369A (zh) * 2016-11-02 2017-01-04 北京中人联合教育科技研究院（普通合伙） 铁路辙岔智能焊补机器人
CN106971407A (zh) * 2017-02-16 2017-07-21 浙江工业大学 一种基于二维线结构光的焊缝三维重建方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
乔东;郑军;潘际銮;: "双线结构光焊缝跟踪传感器及其特性", 电焊机 *
周依霖;张华;肖勇;郭亮;: "基于双线结构光传感器的埋弧焊缝跟踪系统研究", 焊接 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239081A (zh) * 2018-09-18 2019-01-18 广东省特种设备检测研究院珠海检测院 基于结构光与视觉成像的焊缝质量参数检测方法
CN109239081B (zh) * 2018-09-18 2021-01-15 广东省特种设备检测研究院珠海检测院 基于结构光与视觉成像的焊缝质量参数检测方法
CN109855574A (zh) * 2019-02-01 2019-06-07 广东工业大学 一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质
CN110132975A (zh) * 2019-03-28 2019-08-16 中核建中核燃料元件有限公司 一种用于核燃料棒包壳表面检测的方法、装置
CN110132975B (zh) * 2019-03-28 2022-04-12 中核建中核燃料元件有限公司 一种用于核燃料棒包壳表面检测的方法、装置
CN110264457A (zh) * 2019-06-20 2019-09-20 浙江大学 基于旋转区域候选网络的焊缝自主识别方法
CN110715600B (zh) * 2019-10-18 2021-07-30 济南蓝动激光技术有限公司 一种钢轨焊缝错边量在线检测系统
CN110715600A (zh) * 2019-10-18 2020-01-21 济南蓝动激光技术有限公司 一种钢轨焊缝错边量在线检测系统
CN111189393A (zh) * 2020-01-21 2020-05-22 北京卫星制造厂有限公司 一种三维薄壁结构焊缝的高精度全局视觉测量方法
CN111189393B (zh) * 2020-01-21 2021-10-01 北京卫星制造厂有限公司 一种三维薄壁结构焊缝的高精度全局视觉测量方法
CN111551565A (zh) * 2020-06-19 2020-08-18 湖南恒岳重钢钢结构工程有限公司 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法
CN112561854A (zh) * 2020-11-11 2021-03-26 深圳大学 一种基于线结构光点云的焊缝检测方法
CN112561854B (zh) * 2020-11-11 2023-07-04 深圳大学 一种基于线结构光点云的焊缝检测方法
CN112710235A (zh) * 2020-12-21 2021-04-27 北京百度网讯科技有限公司 结构光测量传感器的标定方法和装置
CN115294105A (zh) * 2022-09-28 2022-11-04 南京理工大学 一种多层多道焊接余高预测方法

Also Published As

Publication number Publication date
CN108335286B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN108335286A (zh) 一种基于双线结构光的在线焊缝成型视觉检测方法
CN108088390B (zh) 一种焊接检测中基于双目线结构光的光条中心三维坐标获取方法
CN107764205B (zh) 基于线结构光扫描高频电阻焊焊缝形貌三维检测装置及检测方法
CN105046746B (zh) 一种数字散斑人体三维快速扫描方法
CN107631699B (zh) 基于网格结构激光的焊缝三维形貌构建方法
CN106289106B (zh) 一种线阵相机和面阵相机相结合的立体视觉传感器及标定方法
CN104331896B (zh) 一种基于深度信息的系统标定方法
CN102326182B (zh) 借助测量系统确定工件结构和/或几何形状的方法和装置
US8803943B2 (en) Formation apparatus using digital image correlation
CN107167093B (zh) 一种激光线扫描与阴影莫尔的复合式测量系统及测量方法
CN106392304B (zh) 一种激光辅助焊缝智能寻迹系统及方法
CN104616325B (zh) 一种快速高精度的大型表面光条中心提取方法
CN107941168B (zh) 基于散斑位置标定的反射式条纹面形测量方法与装置
CN110425998B (zh) 灰度图像耦合特征点高度的构件三维测量方法
JP6937642B2 (ja) 表面評価方法及び表面評価装置
KR20170002409A (ko) 이미지 분석에 의한 신의 3차원 재구성 디바이스 및 방법
CN104634246B (zh) 目标空间坐标的浮动式立体视觉测量系统及测量方法
CN106643567A (zh) 一种车道偏移系统产线标定板的校验方法及系统
Dekiff et al. Three-dimensional data acquisition by digital correlation of projected speckle patterns
CN108805870A (zh) 一种带针座的接插件的检测方法
CN108195314B (zh) 基于多视场拼接的反射式条纹三维面形测量方法
CN114323571A (zh) 一种光电瞄准系统多光轴一致性检测方法
CN110095069A (zh) 一种高铁白车身装配质量检测系统和方法
CN111397529A (zh) 一种基于双目视觉结构光的复杂表面形状检测方法
CN114459384A (zh) 一种基于多角度正弦条纹光场融合的相移轮廓术

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