CN109855574A - 一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质，包括：通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像；将获取的激光条纹图像通过坐标转换得到焊缝侧表面的三维坐标信息；根据得到的三维坐标信息生成焊缝侧表面的三维点云视图；利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化。本申请利用激光视觉传感系统采集侧表面轮廓图像，并将其转化为三维点云视图，利用三维点云算法计算侧表面粗糙度，克服了靠人工测量确定粗糙度的缺点，属于无损检测的范畴，为后续的铣削操作提供量化参考，并且检测速度快，检测精度满足生产需求，极大提高了增材制造技术的自动化程度和生产效率。

Description

一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质

技术领域

本发明涉及表面粗糙度检测技术领域，特别是涉及一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质。

背景技术

近年来，在资源节约及高效制造的背景下，基于加法加工模式的增材制造技术呈现出广阔的应用前景。在增材制造领域，以电弧作为热源的金属零件增材制造技术具有设备简单、材料利用率高、生产效率高等优点。电弧增材制造技术是低成本金属零件直接制造的重要研究方向。电弧堆焊是利用焊条或电极熔敷在基材表面进行增材制造，由于各种因素的影响，焊缝侧表面在堆积过程中往往会出现各种焊接缺陷直接影响侧表面的粗糙程度。

传统的粗糙度检测方法有比较法、印模法、触针法、干涉法和光切法。其中，比较法是被测表面与标准样块对比来评定粗糙度，易受主观因素影响，不能得出正面的数值；印模法是利用无流动和弹性的塑料材料贴合在被测表面进行测量印模从而评定被测表面的粗糙度，该方法同样是人工操作，流程较为复杂，不满足自动化的需求；触针法和干涉法虽然测量精度和测量效率都很高，但是仪器价格较为昂贵；光切法是将光带投射到被测表面，以它与被测表面的交线所形成的轮廓曲线来测量表面粗糙度，但是同样需要人工取点，测量效率低。

因此，如何不依赖人工，达到无损检测焊缝侧表面粗糙度的目的，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质，可以不依赖人工测量，检测速度快和精度高，属于无损检测的范畴。其具体方案如下：

一种焊缝侧表面粗糙度检测方法，包括：

通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像；

将获取的所述激光条纹图像通过坐标转换得到所述焊缝侧表面的三维坐标信息；

根据得到的所述三维坐标信息生成所述焊缝侧表面的三维点云视图；

利用三维点云算法对所述焊缝侧表面的粗糙度进行检测和量化。

优选地，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，还包括：

对所述焊缝侧表面进行铣削加工，并判断所述焊缝侧表面的粗糙度是否达标。

优选地，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，所述激光视觉传感系统包括线激光扫描器和CCD相机，安装在机器人焊枪旁或集成在龙门机架上。

优选地，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像，具体包括：

将待测焊件侧放并用夹具固定住；

驱动X轴运动平台使所述待测焊件的焊缝侧表面处于所述CCD相机的可测范围内；

驱动Y轴运动平台进行所述线激光扫描器对所述焊缝侧表面的扫描，同时驱动所述CCD相机采集扫描过程中所述焊缝侧表面的激光条纹图像。

优选地，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，根据得到的所述三维坐标信息生成所述焊缝侧表面的三维点云视图，具体包括：

根据得到的所述三维坐标信息，利用点云三维重建法建立所述焊缝侧表面的三维点云视图；

对建立的所述三维点云视图进行高斯时域去噪。

优选地，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，利用三维点云算法对所述焊缝侧表面的粗糙度进行检测和量化，具体包括：

运用阈值分割算法获得拟合平面以及所述拟合平面上方的所有点云坐标值及点云数量；

通过计算所有点云坐标值到所述拟合平面的距离，求取平均值；

计算所述点云数量与所述点云视图中的点云数据个数的比值；

根据求取的所述平均值与计算的所述比值，得到所述焊缝侧表面的粗糙度。

本发明实施例还提供了一种焊缝侧表面粗糙度检测装置，包括：

激光视觉传感系统，用于获取待测焊件的焊缝侧表面的激光条纹图像；

坐标转换模块，用于将获取的所述激光条纹图像通过坐标转换得到所述焊缝侧表面的三维坐标信息；

视图生成模块，用于根据得到的所述三维坐标信息生成所述焊缝侧表面的三维点云视图；

算法检测模块，用于利用三维点云算法对所述焊缝侧表面的粗糙度进行检测和量化。

优选地，在本发明实施例提供的上述焊缝侧表面粗糙度检测装置中，所述激光视觉传感系统包括线激光扫描器和CCD相机，安装在机器人焊枪旁或集成在龙门机架上。

本发明实施例还提供了一种焊缝侧表面粗糙度检测设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如本发明实施例提供的上述焊缝侧表面粗糙度检测方法。

本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本发明实施例提供的上述焊缝侧表面粗糙度检测方法。

本发明所提供的一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质，包括：通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像；将获取的激光条纹图像通过坐标转换得到焊缝侧表面的三维坐标信息；根据得到的三维坐标信息生成焊缝侧表面的三维点云视图；利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化。

本发明利用激光视觉传感系统采集侧表面轮廓图像，并将其转化为三维点云视图，利用三维点云算法计算侧表面粗糙度，克服了单纯靠人工测量确定粗糙度的缺点，解决了传统测量方法难以在多层单道焊缝侧表面进行粗糙度测量的问题，属于无损检测的范畴，不会对待测焊件造成任何成型质量方面的影响，为后续的铣削操作提供量化参考，并且检测速度快，检测精度满足生产需求，极大提高了增材制造技术的自动化程度和生产效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的焊缝侧表面粗糙度检测方法的流程图；

图2为本发明实施例提供的激光视觉传感系统、计算机和运动平台的结构示意图；

图3为本发明实施例提供的焊缝侧表面粗糙度测量原理图；

图4为本发明实施例提供的焊缝侧表面粗糙度检测装置的结构示意图。

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。

本发明提供一种焊缝侧表面粗糙度检测方法，如图1所示，包括以下步骤：

S101、通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像；

本发明主要针对的是多层单道增材制造过程中焊缝侧表面粗糙度检测的问题，该步骤中用激光视觉传感系统获取的激光条纹图像指的是多层单道焊缝侧表面整体轮廓图像；

S102、将获取的激光条纹图像通过坐标转换得到焊缝侧表面的三维坐标信息；

在实际应用中，需要对激光视觉传感系统进行标定来获取图像坐标到世界坐标的数学转换模型，坐标转换是通过该数学转换模型来完成的；

S103、根据得到的三维坐标信息生成焊缝侧表面的三维点云视图；

S104、利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化。

在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，利用激光视觉传感系统采集侧表面轮廓图像，并将其转化为三维坐标信息以生成三维点云视图，利用三维点云算法计算侧表面粗糙度，克服了单纯靠人工测量确定粗糙度的缺点，解决了传统测量方法难以在多层单道焊缝侧表面进行粗糙度测量的问题，属于无损检测的范畴，不会对待测焊件造成任何成型质量方面的影响，为后续的铣削操作提供量化参考，并且检测速度快，检测精度满足生产需求，极大提高了增材制造技术的自动化程度和生产效率。

需要说明的是，上述步骤S101至步骤S104均需要利用计算机来实现，无需人工测量。本发明除了多层单道焊缝侧表面粗糙度检测，同样适用于各种材料表面的粗糙度检测，实用范围广，利用先进、高效的视觉检测技术，极大地提高了自动化程度。

进一步地，在具体实施时，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，在执行完步骤S104利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化之后，还可以包括：对焊缝侧表面进行铣削加工，并判断焊缝侧表面的粗糙度是否达标。步骤S104检测量化得到的焊缝侧表面粗糙度为接下来的铣削加工提供参考依据，对焊缝侧表面铣削加工完成后可以再进行粗糙度测量直到粗糙度达到满意程度为止。

在具体实施时，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，如图2所示，激光视觉传感系统可以包括线激光扫描器1和CCD相机2，安装在机器人焊枪旁或集成在龙门机架上。在运作时，仅通过控制机器人焊枪或龙门机架的X轴运动平台3和Y轴运动平台4移动到相应位置，就可以实现焊缝侧表面5的激光条纹图像的获取，实现焊缝侧表面的粗糙度测量，设备简单，操作方便，实用范围广，为增材制造成形质量评价提供了检测方案和量化数值。

在实际应用中，如图2所示，需要首先将线激光扫描器1和CCD相机2成一定角度安装于夹具中构成激光视觉传感系统，然后将此激光视觉传感系统固定于平台上方进行发射和采集焊缝侧表面的激光条纹图像。

进一步地，在具体实施时，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，步骤S101通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像，具体可以包括：首先，将待测焊件侧放并用夹具固定住；然后，驱动X轴运动平台使待测焊件的焊缝侧表面处于CCD相机的可测范围内；最后，驱动Y轴运动平台进行线激光扫描器对焊缝侧表面的扫描，同时驱动CCD相机采集扫描过程中焊缝侧表面的激光条纹图像。

具体地，如图2所示，为了采集多层单道焊缝侧表面5，将待测焊件侧放后用夹具固定于平台。在计算机的控制下，驱动X轴运动平台3使待测焊件侧表面处于CCD相机的可测范围内，然后驱动Y轴运动平台4进行焊缝侧表面的扫描，与此同时驱动CCD相机2采集扫描过程中的激光条纹图像传输给计算机通过图像处理计算得出焊缝侧表面的图像坐标，经过坐标转换算法生成对应的三维世界坐标，从而得到多层单道焊缝侧表面的三维坐标信息。

在具体实施时，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，步骤S103根据得到的三维坐标信息生成焊缝侧表面的三维点云视图，具体可以包括：根据得到的三维坐标信息，利用点云三维重建法建立焊缝侧表面的三维点云视图；对建立的三维点云视图进行高斯时域去噪。

需要说明的是，由于激光条纹扫描过程中受到机械振动及传感器自身质量的影响,利用CCD相机采集的焊缝图像存在噪声影响,同时在进行坐标转换、传输及数字化的过程中也会出现常见的高斯噪声、脉冲噪声等，因此对得到的三维点云视图进行简单高斯时域去噪，便于获得更加真实的三维信息。

在具体实施时，在本发明实施例提供的上述焊缝侧表面粗糙度检测方法中，步骤S104利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化，具体可以包括：运用阈值分割算法获得拟合平面以及拟合平面上方的所有点云坐标值及点云数量；通过计算所有点云坐标值到拟合平面的距离，求取平均值；计算点云数量与点云视图中的点云数据个数的比值；根据求取的平均值与计算的比值，得到焊缝侧表面的粗糙度。

图3示出了多层单道焊缝的侧视图，假设焊缝侧表面的三维点云视图共有N个点云数据：首先，运用阈值分割算法获得由L1、L2和L3形成的拟合平面L(平面方程Ax+By+C＝0)以及拟合平面L上方的所有点云(图3中示出了P₁、P₂、P₃…P_n)坐标值及点云数量n；然后，通过计算P₁、P₂、P₃…P_n到拟合平面L的距离(d₁、d₂、d₃…d_n)求取平均值d，最后，计算n/N的比值m，则焊缝侧表面的粗糙可量化为R＝md。

基于同一发明构思，本发明实施例还提供了一种焊缝侧表面粗糙度检测装置，由于该焊缝侧表面粗糙度检测装置解决问题的原理与前述一种焊缝侧表面粗糙度检测方法相似，因此该焊缝侧表面粗糙度检测装置的实施可以参见焊缝侧表面粗糙度检测方法的实施，重复之处不再赘述。

在具体实施时，本发明实施例提供的焊缝侧表面粗糙度检测装置，如图4所示，具体包括：

激光视觉传感系统11，用于获取待测焊件的焊缝侧表面的激光条纹图像；

坐标转换模块12，用于将获取的激光条纹图像通过坐标转换得到焊缝侧表面的三维坐标信息；

视图生成模块13，用于根据得到的三维坐标信息生成焊缝侧表面的三维点云视图；

算法检测模块14，用于利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化。

在本发明实施例提供的上述焊缝侧表面粗糙度检测装置中，可以通过激光视觉传感系统、坐标转换模块、视图生成模块和算法检测模块的相互作用，可以克服单纯靠人工测量确定粗糙度的缺点，解决传统测量方法难以在多层单道焊缝侧表面进行粗糙度测量的问题，属于无损检测的范畴，不会对待测焊件造成任何成型质量方面的影响，为后续的铣削操作提供量化参考，并且检测速度快，检测精度满足生产需求，极大提高了增材制造技术的自动化程度和生产效率。

在具体实施时，在本发明实施例提供的上述焊缝侧表面粗糙度检测装置中，如图2所示，激光视觉传感系统可以包括线激光扫描器1和CCD相机2，安装在机器人焊枪旁或集成在龙门机架上。激光视觉传感系统与计算机连接，计算机可以控制机器人焊枪或龙门机架的X轴运动平台3和Y轴运动平台4移动到相应位置，以实现焊缝侧表面5的激光条纹图像的获取。坐标转换模块、视图生成模块和算法检测模块均可以由计算机来实现。

关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。

相应的，本发明实施例还公开了一种焊缝侧表面粗糙度检测设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现前述实施例公开的焊缝侧表面粗糙度检测方法。

关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

进一步的，本发明还公开了一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现前述公开的焊缝侧表面粗糙度检测方法。

关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

综上，本发明实施例提供的一种焊缝侧表面粗糙度检测方法、装置、设备及存储介质，包括：通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像；将获取的激光条纹图像通过坐标转换得到焊缝侧表面的三维坐标信息；根据得到的三维坐标信息生成焊缝侧表面的三维点云视图；利用三维点云算法对焊缝侧表面的粗糙度进行检测和量化。这样利用激光视觉传感系统采集侧表面轮廓图像，并将其转化为三维点云视图，利用三维点云算法计算侧表面粗糙度，克服了单纯靠人工测量确定粗糙度的缺点，解决了传统测量方法难以在多层单道焊缝侧表面进行粗糙度测量的问题，属于无损检测的范畴，不会对待测焊件造成任何成型质量方面的影响，为后续的铣削操作提供量化参考，并且检测速度快，检测精度满足生产需求，极大提高了增材制造技术的自动化程度和生产效率。

最后，还需要说明的是，在本文中，关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的焊缝侧表面粗糙度检测方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种焊缝侧表面粗糙度检测方法，其特征在于，包括：

通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像；

将获取的所述激光条纹图像通过坐标转换得到所述焊缝侧表面的三维坐标信息；

根据得到的所述三维坐标信息生成所述焊缝侧表面的三维点云视图；

利用三维点云算法对所述焊缝侧表面的粗糙度进行检测和量化。

2.根据权利要求1所述的焊缝侧表面粗糙度检测方法，其特征在于，还包括：

对所述焊缝侧表面进行铣削加工，并判断所述焊缝侧表面的粗糙度是否达标。

3.根据权利要求1所述的焊缝侧表面粗糙度检测方法，其特征在于，所述激光视觉传感系统包括线激光扫描器和CCD相机，安装在机器人焊枪旁或集成在龙门机架上。

4.根据权利要求2所述的焊缝侧表面粗糙度检测方法，其特征在于，通过激光视觉传感系统获取待测焊件的焊缝侧表面的激光条纹图像，具体包括：

将待测焊件侧放并用夹具固定住；

驱动X轴运动平台使所述待测焊件的焊缝侧表面处于所述CCD相机的可测范围内；

驱动Y轴运动平台进行所述线激光扫描器对所述焊缝侧表面的扫描，同时驱动所述CCD相机采集扫描过程中所述焊缝侧表面的激光条纹图像。

5.根据权利要求1所述的焊缝侧表面粗糙度检测方法，其特征在于，根据得到的所述三维坐标信息生成所述焊缝侧表面的三维点云视图，具体包括：

根据得到的所述三维坐标信息，利用点云三维重建法建立所述焊缝侧表面的三维点云视图；

对建立的所述三维点云视图进行高斯时域去噪。

6.根据权利要求1所述的焊缝侧表面粗糙度检测方法，其特征在于，利用三维点云算法对所述焊缝侧表面的粗糙度进行检测和量化，具体包括：

运用阈值分割算法获得拟合平面以及所述拟合平面上方的所有点云坐标值及点云数量；

通过计算所有点云坐标值到所述拟合平面的距离，求取平均值；

计算所述点云数量与所述点云视图中的点云数据个数的比值；

根据求取的所述平均值与计算的所述比值，得到所述焊缝侧表面的粗糙度。

7.一种焊缝侧表面粗糙度检测装置，其特征在于，包括：

激光视觉传感系统，用于获取待测焊件的焊缝侧表面的激光条纹图像；

坐标转换模块，用于将获取的所述激光条纹图像通过坐标转换得到所述焊缝侧表面的三维坐标信息；

视图生成模块，用于根据得到的所述三维坐标信息生成所述焊缝侧表面的三维点云视图；

算法检测模块，用于利用三维点云算法对所述焊缝侧表面的粗糙度进行检测和量化。

8.根据权利要求7所述的焊缝侧表面粗糙度检测装置，其特征在于，所述激光视觉传感系统包括线激光扫描器和CCD相机，安装在机器人焊枪旁或集成在龙门机架上。

9.一种焊缝侧表面粗糙度检测设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至6任一项所述的焊缝侧表面粗糙度检测方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的焊缝侧表面粗糙度检测方法。