CN110148172B - 一种焊缝定位方法、装置、设备及计算机可读存储介质 - Google Patents
一种焊缝定位方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110148172B CN110148172B CN201910418909.1A CN201910418909A CN110148172B CN 110148172 B CN110148172 B CN 110148172B CN 201910418909 A CN201910418909 A CN 201910418909A CN 110148172 B CN110148172 B CN 110148172B
- Authority
- CN
- China
- Prior art keywords
- light image
- structure light
- weld
- determining
- welding seam
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000003466 welding Methods 0.000 claims abstract description 140
- 238000011282 treatment Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 229910000838 Al alloy Inorganic materials 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 229910001256 stainless steel alloy Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种焊缝定位方法,通过获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;根据所述特征类型,确定焊缝的位置。可见,本申请中可以由包括多条结构光条的二值化焊缝结构光图像确定出焊缝的位置,弥补了现有技术的不足。此外,本申请还提供一种具有上述优点的装置、设备及计算机可读存储介质。
Description
技术领域
本申请涉及焊缝定位技术领域,特别是涉及一种焊缝定位方法、装置、设备及计算机可读存储介质。
背景技术
焊接是制造业中使用最多的一种加工方法,广泛应用于机械制造、航天航空、水利水电、海洋钻探、在船舶制造、电子技术等领域。如今焊接工艺由手工操作向着自动化与智能化的方向发展,而高度的自动化与智能化将是未来焊接领域的重要发展趋势。
作为自动化焊接过程中的关键问题之一,焊接精度与速度对焊接质量和效率至关重要。因此,在自动化焊接中,通常使用焊缝跟踪装置来对焊缝进行跟踪位。得到焊缝位置坐标,再将焊缝位置坐标进行标定发送给焊接机器人,便可实现自动焊接。可见,焊缝位置坐标直接决定了焊接的精度与质量,而焊缝结构光图像处理方法决定了焊缝位置坐标的精确度。
现有的图像处理方法仅是对于一些常见的材料和焊缝得到的图像进行处理,图像中为一条水平或者垂直的结构光条,突变的位置即为焊缝的位置,利用角点检测便可以确定焊缝位置。而对于表面光亮度较高的特殊焊接材料如不锈钢、铝合金适用性不够,结构光照射在这类焊材表面时,除了会发生正常的表结构光漫反射外,其表面产生的镜面反射现象较为严重,部分角度甚至会发生多次反射,镜面反射的结构光条纹与原投射的结构光条纹有部分重叠,导致焊缝结构光图像存在散点、明暗不均匀以及其他高频噪声,且结构光条纹会在角焊缝之间互相反射,造成图像特征复杂,可能会有两条甚至以上的结构光条,现有的焊缝结构光图像处理方法并不能进行有效的处理,从而无法实现焊缝的准确定位。
发明内容
本申请的目的是提供一种焊缝定位方法、装置、设备及计算机可读存储介质,以解决现有技术中仅能根据包括一条结构光条的图像进行焊缝定位的问题。
为解决上述技术问题,本申请提供一种焊缝定位方法,包括:
获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
根据所述特征类型,确定焊缝的位置。
可选的,当所述特征类型为所述多条结构光条均为直线型结构光条时,所述根据所述特征类型,确定焊缝的位置包括:
确定每条直线型结构光条的斜率;
获取任意两条直线型结构光条的斜率乘积;
当所述斜率乘积小于零时,确定所述两条直线型结构光条的交点位置。
可选的,当所述特征类型为所述多条结构光条包括直线型结构光条和曲线型结构光条时,所述根据所述特征类型,确定焊缝的位置包括:
确定直线型结构光条和曲线型结构光条的交点位置。
可选的,所述获取包括多条结构光条的二值化焊缝结构光图像具体包括:
获取包括所述多条结构光条的原始焊缝结构光图像;
对所述原始焊缝结构光图像进行灰度处理,得到焊缝结构光灰度图像;
对所述焊缝结构光灰度图像进行滤波处理,得到滤波后焊缝结构光图像;
对所述滤波后结构光图像进行形态学运算,得到二值化焊缝结构光图像。
可选的,在所述获取包括所述多条结构光条的原始焊缝结构光图像之后,还包括:
切割所述原始焊缝结构光图像,得到切割后焊缝结构光图像;
相应的,所述对所述原始焊缝结构光图像进行灰度处理包括:
对所述切割后焊缝结构光图像进行灰度处理。
本申请还提供一种焊缝定位装置,包括:
第一获取模块,用于获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
提取模块,用于提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
第一确定模块,用于根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
第二确定模块,用于根据所述特征类型,确定焊缝的位置。
可选的,当所述特征类型为所述多条结构光条均为直线型结构光条时,所述第二确定模块具体包括:
第三确定模块,用于确定每条直线型结构光条的斜率;
第二获取模块,用于获取任意两条直线型结构光条的斜率乘积;
第四确定模块,用于当所述斜率乘积小于零时,确定所述两条直线型结构光条的交点位置。
可选的,当所述特征类型为所述多条结构光条包括直线型结构光条和曲线型结构光条时,所述第二确定模块具体用于确定直线型结构光条和曲线型结构光条的交点位置。
本申请还提供一种焊缝定位设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一种所述焊缝定位方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述焊缝定位方法的步骤。
本申请所提供的焊缝定位方法,通过获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;根据所述特征类型,确定焊缝的位置。本申请焊缝定位方法中,获取包括多条结构光条的二值化焊缝结构光图像,并进行去噪处理,得到焊缝结构光图像,进而提取每一条结构光条的中心线,得到具有中心线的焊缝结构光图像,根据具有中心线的焊缝结构光图像中的中心线,得到多条结构光条的特征类型,从而根据特征类型确定焊缝的位置,因此,本申请中可以由包括多条结构光条的二值化焊缝结构光图像确定出焊缝的位置,弥补了现有技术的不足。此外,本申请还提供一种具有上述优点的装置、设备及计算机可读存储介质。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案,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的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种焊缝定位方法的流程图;
图2为本申请实施例所提供的另一种焊缝定位方法的流程图;
图3为本申请实施例所提供的另一种焊缝定位方法的流程图;
图4为本申请实施例提供的焊缝定位装置的结构框图;
图5为本申请实施例提供的焊缝定位设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种焊缝定位方法的流程图,该方法包括:
步骤S101:获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
具体的,不锈钢或铝合金焊材等表面反光率高的材料,除了弧光、飞溅干扰之外,反光噪声最为严重,二值化焊缝结构光图像仍然存在大量的噪声和干扰区域,对二值化焊缝结构光图像进行噪声抑制,以抑制噪声干扰。具体方法为:二值化焊缝结构光图像中像素点的灰度值为0或者255,噪声干扰在二值化焊缝结构光图像中是若干独立的像素区域,设这些区域有n个,通过逐行扫描计算二值化焊缝结构光图像中n个独立区域的面积分别为S1,S2,S3…Sn,其中面积最大的区域为Smax,max≤n,此时设定参数可信度ηi=Si/Smax,(i≤n),ηi代表的是区域Si为有效区域而非噪声和干扰区域的概率,根据经验可设定一个常数阈值ηT,即当ηi<ηT时,认为二值化焊缝结构光图像中区域Si为噪声干扰,并将区域Si内像素灰度值设定为0,即将区域Si剔除;反之,若ηi≥ηT,则保留区域Si。
具体的,在本申请的一个实施例中,获取包括多条结构光条的二值化焊缝结构光图像具体包括:
步骤S1011:获取包括所述多条结构光条的原始焊缝结构光图像;
步骤S1012:对所述原始焊缝结构光图像进行灰度处理,得到焊缝结构光灰度图像;
步骤S1013:对所述焊缝结构光灰度图像进行滤波处理,得到滤波后焊缝结构光图像;
具体的,对焊缝结构光灰度图像进行内核大小为3*3的高斯滤波处理,得到滤波后焊缝结构光图像。
步骤S1014:对所述滤波后结构光图像进行形态学运算,得到二值化焊缝结构光图像。
具体的,采用形态学闭运算,即对滤波后焊缝结构光图像进行先膨胀处理,再进行腐蚀处理,得到二值化焊缝结构光图像。其中,膨胀处理和腐蚀处理的具体过程和原理已为本领域技术人员所熟知,此处不再详细赘述。
步骤S102:提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
具体的,利用Hilditch算法对焊缝结构光图像进行细化处理,提取焊缝结构光图像中结构光条的中心线,得到具有中心线的焊缝结构光图像。其中,细化处理的具体过程以及原理已为本领域技术人员所熟知,此处不再详细赘述。
步骤S103:根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
具体的,利用先验知识的特征检测方法对具有中心线的焊缝结构光图像进行特征检测,得到多条结构光条的特征类型。
步骤S104:根据所述特征类型,确定焊缝的位置。
本实施例所提供的焊缝定位方法,通过获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;根据所述特征类型,确定焊缝的位置。本实施例的焊缝定位方法中,获取包括多条结构光条的二值化焊缝结构光图像,并进行去噪处理,得到焊缝结构光图像,进而提取每一条结构光条的中心线,得到具有中心线的焊缝结构光图像,根据具有中心线的焊缝结构光图像中的中心线,得到多条结构光条的特征类型,从而根据特征类型确定焊缝的位置,因此,本实施例可以由包括多条结构光条的二值化焊缝结构光图像确定出焊缝的位置,弥补了现有技术的不足。
请参考图2,图2为本申请实施例所提供的另一种焊缝定位方法的流程图。
步骤S201:获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
步骤S202:提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
步骤S203:根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
步骤S204:当所述特征类型为所述多条结构光条均为直线型结构光条时,确定每条直线型结构光条的斜率;
具体的,采用Hough算法找到具有中心线的焊缝结构光图像中的多条直线型结构光条L1,L2,L3…Ln,进而Hough算法找出直线Li(i≤n)的两端点(x1,y1),(x2,y2),由此两端点计算直线Li的斜率ki。
步骤S205:获取任意两条直线型结构光条的斜率乘积;
具体的,设α为任意两条直线的斜率乘积,α=ki×kj,ki和kj分别为直线Li与直线Lj的斜率。
步骤S206:当所述斜率乘积小于零时,确定所述两条直线型结构光条的交点位置。
具体的,当α<0时,两条直线型结构光条的交点即为焊缝位置。由于直线数量和几何位置不确定,为了提高焊缝位置的准确性,需要排除接近重合或者几何关系不明显的直线,因此,设定斜率乘积小于零时两条直线型结构光条的交点为焊缝的位置。
需要说明的是,多条直线型结构光条以随机角度相交,且相交于同一点,交点即为当前这一帧具有中心线的焊缝结构光图像中需要找的焊缝点。因此,本实施例中只要找到任意两条结构光条的交点即可,即得到焊缝的位置。
请参考图3,图3为本申请实施例所提供的另一种焊缝定位方法的流程图。
步骤S301:获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
步骤S302:提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
步骤S303:根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
步骤S304:当所述特征类型为所述多条结构光条包括直线型结构光条和曲线型结构光条时,确定直线型结构光条和曲线型结构光条的交点位置。
具体的,当多条结构光条中既包括直线型结构光条又包括曲线型结构光条时,直线型结构光条和曲线型结构光条的交点即为焊缝的位置。
在上述任一实施例的基础上,在本申请的一个实施例中,在所述获取包括所述多条结构光条的原始焊缝结构光图像之后,还包括:
切割所述原始焊缝结构光图像,得到切割后焊缝结构光图像;
相应的,所述对所述原始焊缝结构光图像进行灰度处理包括:
对所述切割后焊缝结构光图像进行灰度处理。
可以理解的是,对原始焊缝结构光图像进行切割,保留感兴趣的区域,即选取所需信息的区域,去除冗余信息,可以减少后续的运算量,提高运算效率。
下面对本申请实施例提供的焊缝定位装置进行介绍,下文描述的焊缝定位装置与上文描述的焊缝定位方法可相互对应参照。
图4为本申请实施例提供的焊缝定位装置的结构框图,参照图4焊缝定位装置可以包括:
第一获取模块100,用于获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
提取模块200,用于提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
第一确定模块300,用于根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
第二确定模块400,用于根据所述特征类型,确定焊缝的位置。
本实施例的焊缝定位装置用于实现前述的焊缝定位方法,因此焊缝定位装置中的具体实施方式可见前文中的焊缝定位方法的实施例部分,例如,第一获取模块100,提取模块200,第一确定模块300,第二确定模块400,分别用于实现上述焊缝定位方法中步骤S101,S102,S103和S104,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本实施例的焊缝定位装置中,获取包括多条结构光条的二值化焊缝结构光图像,并进行去噪处理,得到焊缝结构光图像,进而提取每一条结构光条的中心线,得到具有中心线的焊缝结构光图像,根据具有中心线的焊缝结构光图像中的中心线,得到多条结构光条的特征类型,从而根据特征类型确定焊缝的位置,因此,本实施例中可以由包括多条结构光条的二值化焊缝结构光图像确定出焊缝的位置,弥补了现有技术的不足。
具体的,当所述特征类型为所述多条结构光条均为直线型结构光条时,所述第二确定模块400具体包括:
第三确定模块,用于确定每条直线型结构光条的斜率;
第二获取模块,用于获取任意两条直线型结构光条的斜率乘积;
第四确定模块,用于当所述斜率乘积小于零时,确定所述两条直线型结构光条的交点位置。
具体的,当所述特征类型为所述多条结构光条包括直线型结构光条和曲线型结构光条时,所述第二确定模块400具体用于确定直线型结构光条和曲线型结构光条的交点位置。
下面对本申请实施例提供的焊缝定位设备进行介绍,下文描述的焊缝定位设备与上文描述的焊缝定位方法可相互对应参照。
请参考图5,图5为本申请实施例提供的焊缝定位设备的结构框图,焊缝定位设备包括:
存储器11,用于存储计算机程序;
处理器13,用于执行所述计算机程序时实现上述任一实施例所述焊缝定位方法的步骤。
本实施例的焊缝定位设备,通过获取包括多条结构光条的二值化焊缝结构光图像,并进行去噪处理,得到焊缝结构光图像,进而提取每一条结构光条的中心线,得到具有中心线的焊缝结构光图像,根据具有中心线的焊缝结构光图像中的中心线,得到多条结构光条的特征类型,从而根据特征类型确定焊缝的位置,因此,本实施例中可以由包括多条结构光条的二值化焊缝结构光图像确定出焊缝的位置,弥补了现有技术的不足。
下面对本申请实施例提供的计算机可读存储介质进行介绍,下文描述的计算机可读存储介质与上文描述的焊缝定位方法可相互对应参照。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述焊缝定位方法的步骤。
本实施例的计算机可读存储介质,通过获取包括多条结构光条的二值化焊缝结构光图像,并进行去噪处理,得到焊缝结构光图像,进而提取每一条结构光条的中心线,得到具有中心线的焊缝结构光图像,根据具有中心线的焊缝结构光图像中的中心线,得到多条结构光条的特征类型,从而根据特征类型确定焊缝的位置,因此,本实施例中可以由包括多条结构光条的二值化焊缝结构光图像确定出焊缝的位置,弥补了现有技术的不足。
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。
以上对本申请所提供的焊缝定位方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请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申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (8)
1.一种焊缝定位方法,其特征在于,包括:
获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
根据所述特征类型,确定焊缝的位置;
当所述特征类型为所述多条结构光条均为直线型结构光条时,所述根据所述特征类型,确定焊缝的位置包括:
通过Hough算法确定每条直线型结构光条的斜率;
获取任意两条直线型结构光条的斜率乘积;
当所述斜率乘积小于零时,确定所述两条直线型结构光条的交点位置。
2.如权利要求1所述的焊缝定位方法,其特征在于,当所述特征类型为所述多条结构光条包括直线型结构光条和曲线型结构光条时,所述根据所述特征类型,确定焊缝的位置包括:
确定直线型结构光条和曲线型结构光条的交点位置。
3.如权利要求1至2任一项所述的焊缝定位方法,其特征在于,所述获取包括多条结构光条的二值化焊缝结构光图像具体包括:
获取包括所述多条结构光条的原始焊缝结构光图像;
对所述原始焊缝结构光图像进行灰度处理,得到焊缝结构光灰度图像;
对所述焊缝结构光灰度图像进行滤波处理,得到滤波后焊缝结构光图像;
对所述滤波后结构光图像进行形态学运算,得到所述二值化焊缝结构光图像。
4.如权利要求3所述的焊缝定位方法,其特征在于,在所述获取包括所述多条结构光条的原始焊缝结构光图像之后,还包括:
切割所述原始焊缝结构光图像,得到切割后焊缝结构光图像;
相应的,所述对所述原始焊缝结构光图像进行灰度处理包括:
对所述切割后焊缝结构光图像进行灰度处理。
5.一种焊缝定位装置,其特征在于,包括:
第一获取模块,用于获取包括多条结构光条的二值化焊缝结构光图像,并对所述二值化焊缝结构光图像进行去噪处理,得到焊缝结构光图像;
提取模块,用于提取所述焊缝结构光图像中所述多条结构光条的中心线,得到具有所述中心线的焊缝结构光图像;
第一确定模块,用于根据具有中心线的焊缝结构光图像,确定所述多条结构光条的特征类型;
第二确定模块,用于根据所述特征类型,确定焊缝的位置;
当所述特征类型为所述多条结构光条均为直线型结构光条时,所述第二确定模块具体包括:
第三确定模块,用于通过Hough算法确定每条直线型结构光条的斜率;
第二获取模块,用于获取任意两条直线型结构光条的斜率乘积;
第四确定模块,用于当所述斜率乘积小于零时,确定所述两条直线型结构光条的交点位置。
6.如权利要求5所述的焊缝定位装置,其特征在于,当所述特征类型为所述多条结构光条包括直线型结构光条和曲线型结构光条时,所述第二确定模块具体用于确定直线型结构光条和曲线型结构光条的交点位置。
7.一种焊缝定位设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述焊缝定位方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述焊缝定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910418909.1A CN110148172B (zh) | 2019-05-20 | 2019-05-20 | 一种焊缝定位方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910418909.1A CN110148172B (zh) | 2019-05-20 | 2019-05-20 | 一种焊缝定位方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110148172A CN110148172A (zh) | 2019-08-20 |
CN110148172B true CN110148172B (zh) | 2023-07-25 |
Family
ID=67592372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910418909.1A Active CN110148172B (zh) | 2019-05-20 | 2019-05-20 | 一种焊缝定位方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110148172B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112729106A (zh) * | 2020-12-15 | 2021-04-30 | 鹏城实验室 | 一种基于脉冲焊接的智能焊缝实时检测方法及系统 |
CN113129270B (zh) * | 2021-03-25 | 2023-07-14 | 武汉锐科光纤激光技术股份有限公司 | 一种确定焊缝线的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770641A (zh) * | 2008-12-26 | 2010-07-07 | 中国科学院沈阳自动化研究所 | 一种结构光焊缝图像特征点快速提取方法 |
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 |
CN108765419A (zh) * | 2018-06-20 | 2018-11-06 | 天津大学 | 结构光视觉焊缝图像信息自适应提取方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5338890B2 (ja) * | 2011-12-15 | 2013-11-13 | Jfeスチール株式会社 | レーザ溶接の溶接位置検出装置および溶接位置検出方法 |
-
2019
- 2019-05-20 CN CN201910418909.1A patent/CN110148172B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770641A (zh) * | 2008-12-26 | 2010-07-07 | 中国科学院沈阳自动化研究所 | 一种结构光焊缝图像特征点快速提取方法 |
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 |
CN108765419A (zh) * | 2018-06-20 | 2018-11-06 | 天津大学 | 结构光视觉焊缝图像信息自适应提取方法 |
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 |
Non-Patent Citations (1)
Title |
---|
基于视觉的焊缝检测与跟踪;王复庆;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑,信息科技》;20140115(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110148172A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shah et al. | Butt welding joints recognition and location identification by using local thresholding | |
CN113436168B (zh) | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 | |
CN105160641B (zh) | 基于图像处理的x射线焊缝区域提取方法 | |
CN110148172B (zh) | 一种焊缝定位方法、装置、设备及计算机可读存储介质 | |
CN108872997B (zh) | 一种基于侧扫声呐数据融合与精密处理的海底线检测方法 | |
Wu et al. | A study on the modified Hough algorithm for image processing in weld seam tracking | |
Ye et al. | A robust algorithm for weld seam extraction based on prior knowledge of weld seam | |
CN110751628B (zh) | 一种基于超声图像的焊缝缺陷自动识别方法 | |
CN113674206B (zh) | 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法 | |
CN107742291A (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
CN111275659B (zh) | 一种焊缝图像处理方法、装置、终端设备及存储介质 | |
CN109754362B (zh) | 一种用可旋转的边界框标注海参目标检测结果的方法 | |
CN113610772B (zh) | 易拉罐瓶底喷码缺陷检测方法、系统、装置及存储介质 | |
KR100615047B1 (ko) | 용접부의 결함 자동 검측 방법 | |
CN113066051A (zh) | 一种坡口缺陷检测方法、计算设备及可读存储介质 | |
Reddy et al. | Canny scale edge detection | |
Tong et al. | Defects detection of weld image based on mathematical morphology and thresholding segmentation | |
Mahmoudi et al. | Welding defect detection by segmentation of radiographic images | |
CN116485884B (zh) | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 | |
CN113298775A (zh) | 自吸泵双面金属叶轮外观缺陷检测方法、系统和介质 | |
CN105956613A (zh) | 一种工业x射线焊缝图像圆形、线性缺陷分类方法 | |
CN113902742B (zh) | 一种基于tft-lcd检测缺陷真假判定方法和系统 | |
Jinle et al. | Research on a visual weld detection method based on invariant moment features | |
CN116128826A (zh) | 基于YOLOv5的锂电池缺陷检测方法、系统、设备以及存储介质 | |
CN111414912B (zh) | 对接型焊缝特征点的识别方法、装置、设备及存储介质 |
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 |