CN110310295A - 一种焊缝轮廓提取方法及系统 - Google Patents

一种焊缝轮廓提取方法及系统 Download PDF

Info

Publication number
CN110310295A
CN110310295A CN201910236334.1A CN201910236334A CN110310295A CN 110310295 A CN110310295 A CN 110310295A CN 201910236334 A CN201910236334 A CN 201910236334A CN 110310295 A CN110310295 A CN 110310295A
Authority
CN
China
Prior art keywords
image
weld
filtering
threshold segmentation
processing
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
CN201910236334.1A
Other languages
English (en)
Other versions
CN110310295B (zh
Inventor
汪婷
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.)
Milky Way Institute Of Guangdong Technical Normal College
Tianhe College of Guangdong Polytechnic Normal University
Original Assignee
Milky Way Institute Of Guangdong Technical Normal College
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 Milky Way Institute Of Guangdong Technical Normal College filed Critical Milky Way Institute Of Guangdong Technical Normal College
Priority to CN201910236334.1A priority Critical patent/CN110310295B/zh
Publication of CN110310295A publication Critical patent/CN110310295A/zh
Application granted granted Critical
Publication of CN110310295B publication Critical patent/CN110310295B/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
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种用于焊缝轮廓处理的方法，包括：获取焊缝图像；根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；基于改进中值滤波算法对所述阈值分割图像进行图像滤波处理，得到滤波图像；基于hough变换法对所述滤波图像进行处理，得到线段集；根据所述滤波图像和线段集，得到焊缝轮廓。本发明可以实现在高图像噪声、高干扰的情形下，动态稳定准确的提取焊缝轮廓信息，从而提高焊接工艺的精确度。

Description

一种焊缝轮廓提取方法及系统
技术领域
本发明涉及图像处理领域，具体而言，涉及一种焊缝轮廓提取方法及系统。
背景技术
在工业焊接领域，焊接工件数量庞大、焊缝类型不一、产品复杂多变；人工焊接质量稳定性差、效率低，机器人焊接取代人工焊接是发展的必然趋势。机器人焊接系统主要包括焊缝识别和焊缝跟踪，焊缝轮廓信息的有效提取是焊缝识别和焊缝跟踪的前提。目前，关于焊缝提取方法可总结为两种情况：第一，图像是在没有起弧的条件下采集，不包含熔池信息，图像噪声少；第二，算法中参数的选择缺乏自动性。
对于如何快速高效、清晰地提取图像噪声大的焊缝轮廓信息，其实际应用中的亟待处理的实际问题还有很多未提出具体的解决方案。
发明内容
本发明提出了一种焊缝轮廓提取方法及系统以解决所述问题。
为了实现上述目的，本发明采用如下技术方案：一种用于焊缝轮廓处理的方法，包括：获取焊缝图像；根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；基于hough变换法对所述滤波图像进行处理，得到线段集；根据所述滤波图像和线段集，得到焊缝轮廓。
进一步地，根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像，包括：将获取的焊缝图像存储于预设的当前图像堆栈中，当满堆栈时，则根据预设阈值对所述焊缝图像进行阈值分割处理，得到阈值分割图像。
进一步地，根据所述焊缝图像宽度，设置行、列模板，计算以Sxy为中心的列模板大小和行模板大小的灰度均值差U，并判断所述灰度均值差U的大小。
进一步地，若所述灰度均值差U大于零，则进行中值滤波处理；若所述灰度均值差U小于零，则Sxy处的灰度均值不变。
进一步地，选择行、列活动模板大小，依次扫描所述阈值分割图像中的各像素点，计算得到其列领域均值UC、行领域均值UR，根据所述列领域均值UC、行领域均值UR计算灰度均值差U。
进一步地，若U>0，将行领域的中值作为Sxy处灰度值输出；否则，输出不变。
进一步地，基于hough变换法对所述滤波图像进行处理获取线段端点坐标，并连接所述端点坐标，得到线段集。
进一步地，若所述滤波图像中某点到所述线段集的最短距离中的最小值小于所述预设阈值，则该点的灰度值保持不变，否则，该点的灰度值置为零。
进一步地，中值滤波的二维模板和所述行模板一致。
另外，还提供了一种焊缝轮廓处理系统，包括：图像获取模块，用于获取焊缝图像；阈值分割模块：用于根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；滤波模块：用于基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；线段集获取模块：用于基于hough变换法对所述滤波图像进行处理，得到线段集；提取模块：用于根据所述滤波图像和线段集，得到焊缝轮廓。
本发明所取得的有益技术效果包括：1、所获取的焊缝图像可以为起弧条件下采集，图像信息更复杂；2、相较于传统滤波方式，本发明不仅可以有效去除边缘干扰，对孤立干扰有较好滤波效果；还可以更好地解决条纹干扰的问题；3、通过计算焊缝图像像素点到线段集的最短距离，并以此为参考，稳定准确的提取焊缝轮廓信息，提高焊接工艺的精确度、质量。
附图说明
从以下结合附图的描述可以进一步理解本发明。在不同的图中，相同的附图标记指定对应的部分。
图1是本发明实施例提供的焊缝图像处方法的流程图；
图2是本发明实施例提供的焊缝图像处理系统的结构示意图；
图3是本发明实施例采用阈值分割法的得到阈值分割图像的示意图；
图4是本发明实施例采用基于中值滤波法滤波得到的滤波图像的示意图；
图5是本发明实施例采用基于hough变换法得到的线段集的示意图；
图6是本发明实施例基于滤波图像和线段集图像提取的焊缝图像的示意图。
具体实施方式
为了使得本发明的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内、包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。
实施例一：参照图1、图2、图3、图4、图5、图6，本实施例提供了一种用于焊缝轮廓处理的方法，如图1所示，包括以下步骤：
步骤S101：获取焊缝图像；
步骤S102：根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；
步骤S103：基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；
步骤S104：基于hough变换法对所述滤波图像进行处理，得到线段集；
步骤S105：根据所述滤波图和线段集，得到焊缝轮廓。
其中，根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像，包括：将获取的焊缝图像存储于预设的当前图像堆栈中，当满堆栈时，则根据预设阈值对所述焊缝图像进行阈值分割处理，得到阈值分割图像。
其中，根据所述焊缝图像宽度，设置行、列模板，计算以Sxy为中心的列模板大小和行模板大小的灰度均值差U，并判断所述灰度均值U的大小。
进一步地，若所述灰度均值差U大于零，则进行中值滤波处理；若所述灰度均值差U小于零，则Sxy处的灰度均值不变。
其中，所述中值滤波处理，选择行、列活动模板大小，依次扫描所述阈值分割图像中的各像素点，计算得到其列领域均值UC、行领域均值UR，根据所述列领域均值UC、行领域均值UR计算灰度均值差U。
进一步地，若U＞0，将行领域的中值作为Sxy处灰度值输出；否则，输出不变。
进一步地，基于hough变换法对所述滤波图像进行处理获取线段端点坐标，并连接所述端点坐标，得到线段集。
进一步地，若所述滤波图像中某点到所述线段集的最短距离中的最小值小于所述预设阈值，则该点的灰度值保持不变，否则，该点的灰度值置为零。
进一步地，中值滤波的二维模板和所述行模板一致。
另外，还提供了一种焊缝轮廓处理系统，包括：图像获取模块，用于获取焊缝图像；阈值分割模块：用于根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；滤波模块：用于基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；线段集获取模块：用于基于hough变换法对所述滤波图像进行处理，得到线段集；提取模块：用于根据所述滤波图和线段集，得到焊缝轮廓。
实施例二：参照图1、图2、图3、图4、图5、图6，本实施例提供了一种用于焊缝轮廓处理的方法，如图1所示，包括以下步骤：
步骤S101：获取焊缝图像。所述焊缝图像为包含焊接过程中的焊缝的图像，在实际应用中，处理系统可以通过图像采集器接收获得，或是与外界连接进行数据传输获得，在应用场景上，机器人焊接系统中的焊缝识别或焊缝跟踪，均是以有效提取焊缝轮廓信息为前提。
步骤S102：根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像。将获取的焊缝图像存储于预设的当前图像堆栈中，当满堆栈时，则根据预设阈值对所述焊缝图像进行阈值分割处理，得到阈值分割图像。将获取的焊缝图像直方图存储于预设的当前图像堆栈中，当所述当前堆栈为256，即满堆栈时，激光带的灰度信息集中在210—255之间，选取阈值T＝210对干扰图像进行阈值分割，可以很好的保留激光光带并去除部分噪声。其中，所述预设条件为根据激光带的灰度信息集中分布的区间，选定的阈值T。
步骤S103：基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像。根据所述焊缝图像中的激光带实际宽度，设置列模板和行模板，求取以Sxy为中心列模板大小和行模板大小的灰度均值差U，并判断所述灰度均值差U的大小。其中，若U＞0，则认为该点为竖条纹噪声，判定使用中值滤波法处理所述阈值分割图像；若U＜0，则认为该点不作为竖条纹噪声，输出值不变，即将所述灰度均值差U作为输出值。
步骤S104：基于hough变换法对所述滤波图像进行处理，得到线段集。
步骤S105：根据所述滤波图和线段集，得到焊缝轮廓。
其中，所述中值滤波处理所述焊缝图像的具体实施步骤为：
1)选择列活动模板大小为M×N，行活动模板的大小为N×M，N＝整数倍M，比如，N＝2M、N＝3M、N＝4M、N＝5M、N＝6M……。
2)依次扫描所述阈值分割图像中各像素点，计算其列领域和行领域的均值。
均值计算方法如下：
式中，UC为列领域均值，UR为行领域均值，x、y为行列滑动模板共同的中心点坐标值，Sij为对应位置的灰度值差。
3)竖条纹噪声判断，若U＝UC-UR>0，判断为竖条纹噪声，将行领域的中值作为输出，即Sxy＝M；否则，不作为竖条纹噪声，输出不变。中值计算如下：
M＝Median(Sij) (3)
式中，i的取值范围为至
j的取值范围为至
4)重复步骤3)，直至x等于图像的宽度，y等于图像的高度时，输出最终中值计算结果，得到已去除竖条纹干扰的滤波图像，如图4所示。
另外，基于hough变换法对所述滤波图像进行处理获取线段端点坐标，并连接所述端点坐标，提取得到线段，形成线段集。因所述提取的线段均在激光带附近，不影响后续的焊缝轮廓提取。
进一步地，若所述滤波图像中某点到所述线段集的最短距离中的最小值小于所述预设阈值，则该点的灰度值保持不变，否则，该点的灰度值置为0。
其中，所述最短距离的包括三种情形，如A的坐标为(XA,YA)，B点坐标为(XB,YB)，A、B两点的坐标可有hough变换获取，另取一点M，其坐标由(0,0)至(width,heigh)遍历，width为图像宽度，heigh为图像高度，另存在一点N，其为M点在直线AB上的投影，坐标为(XN,YN)。所述最短距离的三种情形具体如下：
针对情形一，MN为最短距离；
针对情形二，MB为最短距离；
针对情形三，MA为最短距离。
对于上述直线AB的方程，可表示为：
y-yA＝K(x-xA) (4)
式中，xA,yA为A点的坐标,B,yB为B点的坐标。
MN与AB垂直，则MN的方程可表示为：
式中，xM,yM为M点的坐标。结合式子(4)、(5)、(6)，可求出N点坐标
上述三种最短距离情形的计算如下：
情形一：
情形二：
情形三：
故此，所述根据滤波图像及hough变换获取的线段集提取所述焊缝轮廓的具体实现步骤如下：
1)具体参考式(7)、(8)，确定N点坐标；
2)将所述N点坐标与A、B坐标进行比较，判断其属于哪一种最短距离情形。
3)根据步骤2)的判断结果，计算最短距离距离LMIN_i，i的取值范围为1至线段集的总数n，计算参考式(9)(10)(11)。
4)重复步骤(2)、(3)，直至i＝n。
5)求取最短距离的最小值。
LMIN＝min(LMIN_1,LMIN_2…LMIN_n) (12)
6)判断LMIN是否小于阈值T，若小于则灰度值保持不变，否则置0。处理结果如图6。
进一步地，中值滤波的二维模板和所述行模板一致。
另外，还本实施例提供了一种焊缝轮廓处理系统，包括：图像获取模块，用于获取焊缝图像；阈值分割模块：用于根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；滤波模块：用于基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；线段集获取模块：用于基于hough变换法对所述滤波图像进行处理，得到线段集；提取模块：用于根据所述滤波图和线段集，得到焊缝轮廓。
实施例三：参照图1、图2、图3、图4、图5、图6，本实施例提供了一种用于焊缝轮廓处理的方法，如图1所示，包括以下步骤：
步骤S101：获取焊缝图像。所述焊缝图像为包含焊接过程中的焊缝的图像，在实际应用中，处理系统可以通过图像采集器接收获得，或是与外界连接进行数据传输获得，在应用场景上，机器人焊接系统中的焊缝识别或焊缝跟踪，均是以有效提取焊缝轮廓信息为前提。相比较现有技术中焊缝图像获取的两种情况：一、图像是在没有起弧的条件下采集，不包含熔池信息，进而图像噪声少；二、算法参数选择缺乏自动性。本实施例所述获取焊缝图像为包含熔池信息的强干扰图像，即可以获取全过程、噪声大的图像，且持续动态获取。
步骤S102：根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像。将获取的焊缝图像存储于预设的当前图像堆栈中，当满堆栈时，则根据预设阈值对所述焊缝图像进行阈值分割处理，得到阈值分割图像。将获取的焊缝图像直方图存储于预设的当前图像堆栈中，当所述当前堆栈为256，即满堆栈时，激光带的灰度信息集中在200—250之间，还可选取阈值T＝210、T＝215、T＝220、T＝230、T＝240对干扰图像进行阈值分割，以较好的保留激光光带并去除部分噪声。其中，所述预设条件为根据激光带的灰度信息集中分布的区间，选定的阈值T。当依据所述阈值T进行图像阈值分割操作时，大于所述阈值T的激光带灰度信息顺序出栈，当到阈值T所对应的激光带灰度信息时，即输出得到阈值分割图像，同时清空小于阈值T的激光带灰度信息。以此类推，通过不断获取焊缝图像进行存储、出栈、输出图像，可以实现动态获取焊接数据，为焊缝位置的确认提供动态参考。另外，所述图像堆栈可以有多个，且之间实现图像获取信息的先后时间连接，以提高所述阈值分割图像的获取效率。
步骤S103：基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像。根据所述焊缝图像中的激光带实际宽度，设置列模板和行模板，求取以Sxy为中心列模板大小和行模板大小的灰度均值差U，并判断所述灰度均值差U的大小。其中，若U＞0，则认为该点为竖条纹噪声，判定使用中值滤波法处理所述阈值分割图像；若U＜0，则认为该点不作为竖条纹噪声，输出值不变，即将所述灰度均值差U作为输出值。所述求取以Sxy为中心列模板大小和行模板大小的灰度均值差U，该中心点为所述阈值分割图像的任一点，如所述阈值分割图像中的各像素点，均可以作为点Sxy，对应像素点的坐标即为点Sxy的坐标，随着依次扫描所述阈值分割图像的各像素点，可实现动态实时判断各像素点是否为图像噪声，优于现有焊缝提取算法，因是通过依次扫描，各个像素点的参数实时变动，故此本实施例算法参数的选择具有自动性。
其中，所述中值滤波处理所述焊缝图像的具体实施步骤为：
1)选择列活动模板大小为M×N，行活动模板的大小为N×M，N＝整数倍M，比如，N＝2M、N＝3M、N＝4M、N＝5M、N＝6M……N＝2000M、N＝2001M……。
2)依次扫描所述阈值分割图像中各像素点，计算其列领域和行领域的均值。
均值计算方法如下：
式中，UC为列领域均值，UR为行领域均值，x、y为行列滑动模板共同的中心点坐标值，Sij为对应位置的灰度值差。
3)竖条纹噪声判断，若U＝UC-UR>0，判断为竖条纹噪声，将行领域的中值作为输出，即Sxy＝M；否则，不作为竖条纹噪声，输出不变。中值计算如下：
M＝Median(Sij) (3)
式中，i的取值范围为至
j的取值范围为至
4)重复步骤3)，直至x等于图像的宽度，y等于图像的高度时，输出最终中值计算结果，得到已去除竖条纹干扰的滤波图像，如图4所示。
步骤S104：基于hough变换法对所述滤波图像进行处理，得到线段集。
另外，基于hough变换法对所述滤波图像进行处理获取线段端点坐标，并连接所述端点坐标，提取得到线段，形成线段集。因所述提取的线段均在激光带附近，不影响后续的焊缝轮廓提取。
步骤S105：根据所述滤波图像和线段集，得到焊缝轮廓。
另外，所述阈值分割图像、滤波图像、线段集存储于存储介质中，且根据焊缝轮廓的提取情况判断是否将所述阈值分割图像、滤波图像、线段集从所述存储介质中清空。其中，所述阈值分割图像、滤波图像、线段集一一对应存储，即所述阈值分割图像对应的滤波图像、线段集存储于存储介质中的同一个区域或地址，紧密相靠近。因所述阈值分割图像、滤波图像、线段集存储于存储介质中，当焊缝轮廓提取工作突然中断时，处理系统可以根据存储接种的存储情况，自动选择开始的焊缝轮廓提取点，从而提高焊缝提取的工作效率，提高焊接工艺的效率，解决了遭遇突发情况，焊接工作突然中断，而恢复工作状态时只能从新开始提取焊缝轮廓、效率低下的问题。
进一步地，若所述滤波图像中某点到所述线段集的最短距离中的最小值小于所述预设阈值，则该点的灰度值保持不变，否则，该点的灰度值置为0。
其中，所述最短距离的包括三种情形，如A的坐标为(XA,YA)，B点坐标为(XB,YB)，A、B两点的坐标可有hough变换获取，另取一点M，其坐标由(0,0)至(width,heigh)遍历，width为图像宽度，heigh为图像高度，另存在一点N，其为M点在直线AB上的投影，坐标为(XN,YN)。所述最短距离的三种情形具体如下：
针对情形一，MN为最短距离；
针对情形二，MB为最短距离；
针对情形三，MA为最短距离。
对于上述直线AB的方程，可表示为：
y-yA＝K(x-xA) (4)
式中，xA,yA为A点的坐标,B,yB为B点的坐标。
MN与AB垂直，则MN的方程可表示为：
式中，xM,yM为M点的坐标。结合式子(4)、(5)、(6)，可求出N点坐标
上述三种最短距离情形的计算如下：
情形一：
情形二：
情形三：
故此，所述根据滤波图像及hough变换获取的线段集提取所述焊缝轮廓的具体实现步骤如下：
1)具体参考式(7)、(8)，确定N点坐标；
2)将所述N点坐标与A、B坐标进行比较，判断其属于哪一种最短距离情形。
3)根据步骤2)的判断结果，计算最短距离距离LMIN_，i的取值范围为1至线段集的总数n，计算参考式(9)(10)(11)。
4)重复步骤(2)、(3)，直至i＝n。
5)求取最短距离的最小值。
LMIN＝min(LMIN_1,LMIN_2…LMIN_n) (12)
6)判断LMIN是否小于阈值T，若小于则灰度值保持不变，否则置0。处理结果如图6。
进一步地，中值滤波的二维模板和所述行模板一致。
另外，本实施例提供了一种焊缝轮廓处理系统，包括：图像获取模块，用于获取焊缝图像；阈值分割模块：用于根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；滤波模块：用于基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；线段集获取模块：用于基于hough变换法对所述滤波图像进行处理，得到线段集；提取模块：用于根据所述滤波图像和线段集，得到焊缝轮廓；还包括存储模块，用于存储所述焊缝图像、阈值分割图像、滤波图像、线段集。
另外，所述阈值分割图像、滤波图像、线段集存储于存储介质中，且根据焊缝轮廓的提取情况判断是否将所述阈值分割图像、滤波图像、线段集从所述存储介质中清空。其中，所述阈值分割图像、滤波图像、线段集一一对应存储，即所述阈值分割图像对应的滤波图像、线段集存储于存储介质中的同一个区域或地址，紧密相靠近。因所述阈值分割图像、滤波图像、线段集存储于存储介质中，当焊缝轮廓提取工作突然中断时，处理系统可以根据存储接种的存储情况，自动选择开始的焊缝轮廓提取点，从而提高焊缝提取的工作效率，提高焊接工艺的效率，解决了遭遇突发情况，焊接工作突然中断，而恢复工作状态时只能从新开始提取焊缝轮廓、效率低下的问题。
综上所述，本发明所取得的有益技术效果包括至少以下之一：1、所获取的焊缝图像可以为起弧条件下采集，图像信息更复杂；2、相较于传统滤波方式，本发明不仅可以有效去除边缘干扰，对孤立干扰有较好滤波效果；还可以更好地解决条纹干扰的问题；3、通过计算焊缝图像像素点到线段集的最短距离，并以此为参考，稳定准确的提取焊缝轮廓信息，提高焊接工艺的精确度、质量；4、基于动态获取焊缝图像信息，使得焊缝提取工作更具有具有自动性。
虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，系统和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。
在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路、过程、算法、结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。
综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (10)

1.一种用于焊缝轮廓处理的方法，其特征在于，包括：
获取焊缝图像；
根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；
基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；
基于hough变换法对所述滤波图像进行处理，得到线段集；
根据所述滤波图和线段集，得到焊缝轮廓。
2.如权利要求1所述的一种用于焊缝轮廓处理的方法，根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像，其特征在于，包括：
将获取的焊缝图像存储于预设的当前图像堆栈中，当满堆栈时，则根据预设阈值对所述焊缝图像进行阈值分割处理，得到阈值分割图像。
3.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，根据所述焊缝图像宽度，设置行、列模板，计算以Sxy为中心的列模板大小和行模板大小的灰度均值差U，并判断所述灰度均值差U的大小。
4.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，根据所述判断所述灰度均值差U的结果，若所述灰度均值差U大于零，则进行中值滤波处理；若所述灰度均值U小于零，则Sxy处的灰度均值不变。
5.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，选择行、列活动模板大小，依次扫描所述阈值分割图像中的各像素点，计算得到其列领域均值UC、行领域均值UR，根据所述列领域均值UC、行领域均值UR计算灰度均值差U。
6.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，若U>0，将行领域的中值作为Sxy处灰度值输出；否则，输出不变。
7.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，基于hough变换法对所述滤波图像进行处理获取线段端点坐标，并连接所述端点坐标，得到线段集。
8.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，若所述滤波图像中某点到所述线段集的最短距离中的最小值小于所述预设阈值，则该点的灰度值保持不变，否则，该点的灰度值置为零。
9.如前述权利要求之一所述的一种用于焊缝轮廓处理的方法，其特征在于，中值滤波的二维模板和所述行模板一致。
10.一种焊缝轮廓处理系统，其特征在于，包括：
图像获取模块，用于获取焊缝图像；
阈值分割模块：用于根据预设条件对所述焊缝图像进行阈值分割处理，得到阈值分割图像；
滤波模块：用于基于中值滤波法对所述阈值分割图像进行图像滤波处理，得到滤波图像；
线段集获取模块：用于基于hough变换法对所述滤波图像进行处理，得到线段集；
提取模块：用于根据所述滤波图和线段集，得到焊缝轮廓。
CN201910236334.1A 2019-03-27 2019-03-27 一种焊缝轮廓提取方法及系统 Active CN110310295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910236334.1A CN110310295B (zh) 2019-03-27 2019-03-27 一种焊缝轮廓提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910236334.1A CN110310295B (zh) 2019-03-27 2019-03-27 一种焊缝轮廓提取方法及系统

Publications (2)

Publication Number Publication Date
CN110310295A true CN110310295A (zh) 2019-10-08
CN110310295B CN110310295B (zh) 2021-09-14

Family

ID=68074598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910236334.1A Active CN110310295B (zh) 2019-03-27 2019-03-27 一种焊缝轮廓提取方法及系统

Country Status (1)

Country Link
CN (1) CN110310295B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110773842A (zh) * 2019-10-21 2020-02-11 大族激光科技产业集团股份有限公司 一种焊接定位方法及装置
CN111156921A (zh) * 2019-12-18 2020-05-15 哈尔滨工业大学 一种基于滑动窗口均值滤波的轮廓数据处理方法
CN113909689A (zh) * 2021-11-10 2022-01-11 佛山市南海区广工大数控装备协同创新研究院 一种激光光条的管道焊接坡口特征提取方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102645219A (zh) * 2012-05-16 2012-08-22 航天科工哈尔滨风华有限公司 用于焊缝检测的爬壁机器人的视觉导航系统及焊缝的焊接定位方法及焊缝偏移量获取方法
CN102779279A (zh) * 2012-06-14 2012-11-14 南京航空航天大学 搅拌摩擦焊弧形纹间距的图像识别方法
US20130259376A1 (en) * 2012-03-29 2013-10-03 Roman Louban Method for evaluating the centerline of an arbitrarily shaped object
CN103500321A (zh) * 2013-07-03 2014-01-08 无锡信捷电气股份有限公司 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术
CN106442533A (zh) * 2016-12-14 2017-02-22 哈尔滨理工大学 一种基于工业ccd的焊缝信息提取系统
WO2017045303A1 (zh) * 2015-09-15 2017-03-23 苏州中启维盛机器人科技有限公司 焊缝检测方法
CN107424144A (zh) * 2017-04-26 2017-12-01 哈尔滨理工大学 基于激光视觉的焊缝跟踪图像处理算法
CN108067725A (zh) * 2016-11-14 2018-05-25 广东技术师范学院 一种新的机器人激光视觉焊缝检测系统及方法
CN109003275A (zh) * 2017-06-06 2018-12-14 中国商用飞机有限责任公司 焊缝缺陷图像的分割方法
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

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130259376A1 (en) * 2012-03-29 2013-10-03 Roman Louban Method for evaluating the centerline of an arbitrarily shaped object
CN102645219A (zh) * 2012-05-16 2012-08-22 航天科工哈尔滨风华有限公司 用于焊缝检测的爬壁机器人的视觉导航系统及焊缝的焊接定位方法及焊缝偏移量获取方法
CN102779279A (zh) * 2012-06-14 2012-11-14 南京航空航天大学 搅拌摩擦焊弧形纹间距的图像识别方法
CN103500321A (zh) * 2013-07-03 2014-01-08 无锡信捷电气股份有限公司 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术
WO2017045303A1 (zh) * 2015-09-15 2017-03-23 苏州中启维盛机器人科技有限公司 焊缝检测方法
CN108067725A (zh) * 2016-11-14 2018-05-25 广东技术师范学院 一种新的机器人激光视觉焊缝检测系统及方法
CN106442533A (zh) * 2016-12-14 2017-02-22 哈尔滨理工大学 一种基于工业ccd的焊缝信息提取系统
CN107424144A (zh) * 2017-04-26 2017-12-01 哈尔滨理工大学 基于激光视觉的焊缝跟踪图像处理算法
CN109003275A (zh) * 2017-06-06 2018-12-14 中国商用飞机有限责任公司 焊缝缺陷图像的分割方法
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 (5)

* Cited by examiner, † Cited by third party
Title
JIA Q.等: "Image processing algorithm of weld seam based on crawling robot By Binocular Vision", 《2011 SECOND INTERNATIONAL CONFERENCE ON MECHANIC AUTOMATION AND CONTROL ENGINEERING》 *
XIWEN L.等: "《Sixth International Conference on Intelligent Systems Design and Applications》", 11 December 2006 *
余亮 等: "基于斜率单调区间跨度分割的焊缝轮廓特征点的提取", 《焊接》 *
张广军 等: "《焊接过程传感与控制》", 30 June 2013, 哈尔滨：哈尔滨工业大学出版社 *
朱杏环 等: "I形坡口焊缝检测LOG-Hough方法研究", 《焊接》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110773842A (zh) * 2019-10-21 2020-02-11 大族激光科技产业集团股份有限公司 一种焊接定位方法及装置
CN111156921A (zh) * 2019-12-18 2020-05-15 哈尔滨工业大学 一种基于滑动窗口均值滤波的轮廓数据处理方法
CN113909689A (zh) * 2021-11-10 2022-01-11 佛山市南海区广工大数控装备协同创新研究院 一种激光光条的管道焊接坡口特征提取方法
CN113909689B (zh) * 2021-11-10 2024-04-05 佛山市南海区广工大数控装备协同创新研究院 一种激光光条的管道焊接坡口特征提取方法

Also Published As

Publication number Publication date
CN110310295B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN110310295A (zh) 一种焊缝轮廓提取方法及系统
KR101683704B1 (ko) 얼굴 보정 방법, 시스템 및 컴퓨터 저장 매체
CN107798330A (zh) 一种焊缝图像特征信息提取方法
CN109493313A (zh) 一种基于视觉的钢卷定位方法及设备
CN114821114A (zh) 一种基于视觉系统的坡口切割机器人图像处理方法
CN112257527B (zh) 基于多目标融合与时空视频序列的手机检测方法
CN110211110A (zh) 一种构件尺寸的检测方法、系统及终端设备
WO2020082866A1 (zh) 运动轨迹合成方法及电子设备
CN111062331A (zh) 图像的马赛克检测方法、装置、电子设备及存储介质
WO2020014913A1 (zh) 物体体积测量方法、相关装置及计算机可读存储介质
CN113763273B (zh) 人脸补全方法、电子设备和计算机可读存储介质
CN114581331A (zh) 一种适用于多种场景的点云降噪方法及装置
CN104978558B (zh) 目标的识别方法及装置
CN113177941A (zh) 一种钢卷边裂识别方法、系统、介质和终端
CN111192280B (zh) 一种基于局部特征的视盘边缘检测方法
CN111414877A (zh) 去除颜色边框的表格裁切方法、图像处理设备和存储介质
WO2022247684A1 (zh) 基站馈线检测方法、系统及相关装置
CN111738934B (zh) 基于mtcnn的红眼自动修复方法
CN113610091A (zh) 一种空气开关状态的智能识别方法、识别装置及存储介质
CN111814784B (zh) 基于图像处理的液位识别方法及相关装置
CN115761827A (zh) 一种化妆进度检测方法、装置、设备及存储介质
CN109949245A (zh) 十字激光检测定位方法、装置、存储介质及计算机设备
CN107103318A (zh) 图像点定位方法及图像点定位装置
CN113744273B (zh) 软包电芯折边检测方法、装置、电子设备及存储介质
CN111630569B (zh) 双目匹配的方法、视觉成像装置及具有存储功能的装置

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