CN110717872B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110717872B
CN110717872B CN201910949203.8A CN201910949203A CN110717872B CN 110717872 B CN110717872 B CN 110717872B CN 201910949203 A CN201910949203 A CN 201910949203A CN 110717872 B CN110717872 B CN 110717872B
Authority
CN
China
Prior art keywords
image
laser
welding seam
pixel
gray level
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
CN201910949203.8A
Other languages
English (en)
Other versions
CN110717872A (zh
Inventor
邓少平
肖熙
陈启芳
赖明波
万慧
邓卫华
胡建冬
张龙
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.)
Jiangxi Hongdu Aviation Industry Group Co Ltd
Original Assignee
Jiangxi Hongdu Aviation Industry Group Co Ltd
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 Jiangxi Hongdu Aviation Industry Group Co Ltd filed Critical Jiangxi Hongdu Aviation Industry Group Co Ltd
Priority to CN201910949203.8A priority Critical patent/CN110717872B/zh
Publication of CN110717872A publication Critical patent/CN110717872A/zh
Application granted granted Critical
Publication of CN110717872B publication Critical patent/CN110717872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/20028—Bilateral 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Abstract

本发明公开了一种激光辅助定位下的V型焊缝图像特征点提取方法，包括以下步骤：S1、激光焊缝图像采集；S2、双边滤波去除噪声；S3、灰度直方图均衡处理；S4、基于密度峰聚类的二值图像分割；S5、形态学开运算；S6、激光像素骨架抽取：将处理后的激光焊缝二值分割图像进行迭代处理，不断缩小连通区域的边界，得到单像素宽度的激光骨架；S7、基于曲率分析的特征点提取：在单像素宽度的激光骨架中，首先找到激光焊缝的首尾特征点，然后按照从头到尾的方向计算激光像素的曲率，将曲率极值点作为激光焊缝的特征点，从而定位焊缝位置。本发明方法实现了焊缝跟踪自动化，为焊接件的自动焊生产提供了有力支撑，更好地保证焊接件的产品质量。

Description

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
技术领域
本发明涉及视觉伺服焊接技术领域，具体是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。
背景技术
焊接是工业生产活动中的一种重要加工手段，通过高温或高压的方式使得工件和焊料熔化成熔池，在冷却凝固后形成材料间的连接。人工焊接的劳动条件恶劣，劳动强度较大，并且工件的焊接质量无法保障。现代制造业对焊接技术提出了更高生产效率、更高焊接质量和更低人力成本的要求，自主跟踪焊接技术很好地满足了这些要求。
焊缝定位技术是实现自主跟踪焊接的关键技术，焊缝定位技术可以实时获得焊缝与焊枪的位置偏差，从而实现焊枪运动的位置闭环控制。自主跟踪焊接系统采用激光视觉传感器来定位焊缝的位置。激光视觉传感器具有非接触、精度高等优点，可以实时获取焊缝位置。在实际焊接过程中，受到光照不均匀和飞屑等影响，激光视觉传感器采集到的激光焊缝图像存在噪声和干扰。这些因素给焊缝定位带来了较大的困难。
发明内容
为解决上述问题，本发明提供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，通过图像预处理来改善图像质量，在得到预处理图像后，从图像中提取激光焊缝的特征点，从而定位焊缝位置。该方法具有一定的抗干扰能力，能够准确定位焊缝位置、定位精度高。
本发明采用的技术方案是：
一种激光辅助定位下的V型焊缝图像特征点提取方法，包括以下步骤：
S1、激光焊缝图像采集：通过图像采集模块采集激光焊缝图像；
S2、双边滤波去除噪声：利用双边滤波模板对采集到的激光焊缝图像进行滤波处理得到去噪图像；
S3、灰度直方图均衡处理：将去噪图像的灰度直方图进行均衡处理得到灰度直方图均衡图像；
S4、基于密度峰聚类的二值图像分割：将灰度直方图均衡图像进行基于密度峰聚类的二值图像分割从而得到激光焊缝的二值分割图像；
S5、形态学开运算：对激光焊缝的二值分割图像进行形态学开运算处理；
S6、激光像素骨架抽取：将开运算处理后的激光焊缝二值分割图像进行迭代处理，不断缩小连通区域的边界，得到单像素宽度的激光骨架；
S7、基于曲率分析的特征点提取：在单像素宽度的激光骨架中，首先找到激光焊缝的首尾特征点，然后按照从头到尾的方向计算激光像素的曲率，将曲率极值点作为激光焊缝的特征点，从而定位焊缝位置。
进一步地，所述步骤S1中，图像采集模块包括工业CCD摄像机、激光发射器和图像采集卡，所述激光发射器倾斜照射焊缝表面，所述工业CCD摄像机垂直接收激光焊缝图像，通过图像采集卡将激光焊缝图像信号采集到工控机中进行处理，工控机是指在工业环境下使用的计算机(硬件)。
进一步地，所述步骤S2中，采用非线性的双边滤波方法，结合图像空间域临近度和灰度值相似度的一种折中处理，保存激光焊缝图像的边缘细节，同时去除图像中的噪声，平滑激光焊缝图像。双边滤波算法增强了算法对光照、弧光和飞屑等的抗干扰能力。
进一步地，所述步骤S3中，根据去噪图像的像素灰度值与灰度直方图均衡图像灰度值的映射关系，得到灰度值映射关系后，将去噪图像的所有像素灰度值根据映射关系替换为新的灰度值，得到灰度直方图均衡图像，均衡后的图像灰度级跨越更宽的灰度级范围，增强了图像对比度。
进一步地，所述步骤S4中，通过统计灰度直方图均衡图像中所有像素的灰度值和每个灰度值的像素数来计算灰度的密度和更高密度最小距离；将密度和更高密度最小距离乘积作为优先级来确定灰度直方图均衡图像中的焊接母材像素和激光像素对应的灰度值；遍历灰度直方图均衡图像中所有像素，计算该像素对应的灰度值与焊接母材像素对应的灰度值的差值的绝对值，计算该像素对应的灰度值与激光像素对应的灰度值的差值的绝对值，比较两个绝对值，如果与焊接母材像素对应的灰度值的差值的绝对值较小，就将像素灰度设为255(白色)，如果与激光像素对应的灰度值的差值的绝对值较小，就将像素灰度设为0(黑色)，从而得到激光焊缝的二值分割图像。
进一步地，所述形态学开运算是对激光焊缝的二值分割图像先进行腐蚀处理，再对腐蚀后的图像进行膨胀处理。形态学开运算，可以用来消除图像中的小毛刺，起到平滑图像的效果。
进一步地，所述腐蚀处理就是对激光焊缝的二值分割图像的每个像素的邻域内求局部最小值，用局部最小值代替原有像素值；所述行膨胀处理，就是对激光焊缝的二值分割图像每个像素的邻域内求局部最大值，用局部最大值代替原有像素值。
进一步地，所述步骤S6中，是对将开运算处理后的激光焊缝二值分割图像中多像素宽度的激光图像进行二值图像细化，即通过迭代膨胀处理来缩小激光像素的联通区域，直到没有新的像素被膨胀就得到了伪骨架，最后从伪骨架中提取出单像素宽度的激光骨架。
进一步地，所述步骤S7中，首先按照从左到右的顺序遍历单像素宽度激光骨架中的列，找到第一个灰度值为0的像素，作为左特征点；再按照从右到左的顺序遍历单像素宽度激光骨架中的列，找到第一个灰度值为0的像素，作为右特征点；按照从左特征点到右特征点的方向，以左特征点后第五个像素为起点，以右特征点前第五个像素为终点，计算起点到终点上所有激光像素的曲率，按顺序找出激光像素区域的3个曲率极大值点，通过3个曲率极大值点+起点+终点作为所有的特征点，从而确定激光焊缝图像中的所有特征点。
本发明还提供一种激光辅助定位下的V型焊缝图像特征点提取系统，包括
激光焊缝图像采集模块：通过图像采集模块采集激光焊缝图像；
双边滤波去除噪声模块：利用双边滤波模板对采集到的激光焊缝图像进行滤波处理得到去噪图像；
灰度直方图均衡处理模块：将去噪图像的灰度直方图进行均衡处理得到灰度直方图均衡图像；
基于密度峰聚类的二值图像分割模块：将灰度直方图均衡图像进行基于密度峰聚类的二值图像分割从而得到激光焊缝的二值分割图像；
形态学开运算模块：对激光焊缝的二值分割图像进行形态学开运算处理；
激光像素骨架抽取模块：将开运算处理后的激光焊缝二值分割图像进行迭代处理，不断缩小连通区域的边界，得到单像素宽度的激光骨架；
基于曲率分析的特征点提取模块：在单像素宽度的激光骨架中，首先找到激光焊缝的首尾特征点，然后按照从头到尾的方向计算激光像素的曲率，将曲率极值点作为激光焊缝的特征点，从而定位焊缝位置。
本发明的有益效果是：本发明激光辅助定位下的V型焊缝图像特征点提取方法及提取系统实现了焊缝跟踪自动化，为焊接件的自动焊生产提供了有力支撑，从而更好地保证焊接件的产品质量，无需人工介入，基于图像处理实现了自动提取功能。
附图说明
图1是本发明涉及的激光焊缝灰度图像各级灰度决策图；
图2是本发明涉及的激光焊缝灰度图像各级灰度优先级图；
图3是本发明涉及的激光焊缝图像采集及特征点示意图；
图4是本发明涉及的曲率计算示意图；
图5是本发明的整个特征提取流程图。
具体实施方式
为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
如图5所示，本发明提供一种激光辅助定位下的V型焊缝图像特征点提取方法，包含七个处理过程：S1、激光焊缝图像采集；S2、双边滤波去除噪声；S3、灰度直方图均衡处理；S4、基于密度峰聚类的二值图像分割，S5、形态学开运算；S6、激光像素骨架抽取，S7、基于曲率分析的特征点提取。具体的处理过程如下：
S1、激光焊缝图像采集：通过图像采集模块采集激光焊缝图像，图像采集由工业CCD摄像机、激光发射器和图像采集卡组成的图像采集模块实现。工业CCD摄像机垂直接收激光焊缝图像，激光发射器倾斜照射焊缝表面，通过图像采集卡将激光焊缝图像信号采集到工控机中进行处理，工控机是指在工业环境下使用的计算机(硬件)。
S2、双边滤波去除噪声：采用非线性的双边滤波方法，具有保边去噪的优点。双边滤波器的定义域核定义如下：
Figure BDA0002225016940000071
其中(k，l)为核的中心坐标；(i，j)为核中其他系数的坐标；
Figure BDA0002225016940000072
是高斯函数的标准差。双边滤波器的值域核定义如下：
Figure BDA0002225016940000073
其中，
Figure BDA0002225016940000074
是双边滤波器的方差，f(i，j)是核中其他坐标(i，j)的像素值，f(k，l)是核中心坐标(k，l)的像素值。
将两者相乘就得到了双边滤波的模板：
Figure BDA0002225016940000075
利用得到的双边滤波模板对采集到的激光焊缝图像进行滤波处理。
S3、灰度直方图均衡处理：首先要建立原有图像灰度值与灰度直方图均衡图像灰度的映射关系，通过以下公式确定灰度值映射关系：
Figure BDA0002225016940000076
其中rk是原图像灰度，sk是将rk进行T变换后映射的灰度，MN是图像中的像素总数，L是图像中可能的灰度值数量，sk是灰度值为rk的像素个数。得到灰度值映射关系后，将原图像中所有像素的灰度值根据映射关系替换为新的灰度值，得到灰度直方图均衡图像。
S4、基于密度峰聚类的二值图像分割：统计灰度直方图均衡图像中所有像素的灰度值和每个灰度值的像素数，计算对应灰度值的密度和更高密度最小距离。灰度值的密度公式如下：
Figure BDA0002225016940000081
Figure BDA0002225016940000082
其中，i表示像素i，j表示像素j，dij是两个灰度值差值的绝对值，dc是邻近灰度阈值。通过遍历所有像素来计算每个灰度值的密度。更高密度最小距离定义如下：
Figure BDA0002225016940000083
其中，j：ρj＞ρi表示像素点j的密度大于像素点i的密度。
根据每个灰度值的密度和更高密度最小距离可以绘制出如图1所示的决策图，图中横坐标为灰度值密度，纵坐标为更高密度最小距离。为了更容易从决策图中找出焊接母材和激光对应的灰度值，将密度值和更高密度最小距离的乘积作为优先级进行计算：
λ＝ρ·δ
将所有灰度值按照优先级值从大到小的顺序进行绘制，得到如图2所示的各灰度值优先级图(纵坐标是优先级，横坐标是像素点的序列号)。其中优先级最高的灰度即为焊接母材的灰度值，优先级第二高的灰度即为激光照射处的灰度值。遍历灰度直方图均衡图像中所有像素，分别计算像素与母材和激光的灰度差值的绝对值，如果像素与母材的灰度差值绝对值较小，就将像素灰度设为255(白色)，如果与激光像素灰度差值绝对值较小，就将像素灰度设为0(黑色)，从而得到激光焊缝的二值分割图像。图像中的白色色区域表示焊接母材的背景区域，黑色区域表示激光照射区域。
S5、开运算是对图像先进行腐蚀处理，腐蚀处理就是对图像每个像素的邻域内求局部最小值，用局部最小值代替原有像素值；再对腐蚀后的图像进行膨胀处理，膨胀处理就是对图像每个像素的邻域内求局部最大值，用局部最大值代替原有像素值。形态学开运算可以用来消除图像中的小毛刺，起到平滑图像的效果。
S6、激光像素骨架抽取：是对将开运算处理后的激光焊缝二值分割图像中多像素宽度的激光图像进行二值图像细化，通过不断缩小连通区域的边界，得到单像素宽度的激光像素骨架。本发明中的激光照射区域为黑色，通过迭代膨胀处理来缩小激光像素的联通区域，直到没有新的像素被膨胀就得到了伪骨架，最后从伪骨架中提取出单像素的激光骨架。
S7、基于曲率分析的特征点提取：是利用特征点曲率较大的特点来进行提取。首先按照从左到右的顺序遍历单像素宽度激光骨架中的列，找到第一个灰度值为0的像素，该像素即为图3中的特征点1；再按照从右到左的顺序遍历单像素宽度激光骨架中的列，找到第一个灰度值为0的像素，该像素即为图3中的特征点5；按照从特征点1和特征点5的方向，以特征点1后第五个像素为起点，以特征点5前第五个像素为终点，计算起点到终点上所有激光像素的曲率。像素的曲率计算示意图如图4所示，其中Pj表示当前像素点，Pi-1表示当前像素点前的第五个像素，Pi+1表示当前像素点后的第五个像素。曲率计算公式如下：
Figure BDA0002225016940000091
其中l1，l2，l3为三个像素点构成的三角形的三边长，s为三角形面积，该三角形的面积计算公式如下：
Figure BDA0002225016940000101
Figure BDA0002225016940000102
按顺序找出激光像素区域的3个曲率极大值点，分别对应图3中的特征点2、特征点3和特征点4，从而确定了激光焊缝图像中的所有特征点。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，包括以下步骤：
S1、激光焊缝图像采集：通过图像采集模块采集激光焊缝图像；
S2、双边滤波去除噪声：利用双边滤波模板对采集到的激光焊缝图像进行滤波处理得到去噪图像；
S3、灰度直方图均衡处理：将去噪图像的灰度直方图进行均衡处理得到灰度直方图均衡图像；
S4、基于密度峰聚类的二值图像分割：将灰度直方图均衡图像进行基于密度峰聚类的二值图像分割从而得到激光焊缝的二值分割图像；
S5、形态学开运算：对激光焊缝的二值分割图像进行形态学开运算处理；
S6、激光像素骨架抽取：将开运算处理后的激光焊缝二值分割图像进行迭代处理，不断缩小连通区域的边界，得到单像素宽度的激光骨架；
S7、基于曲率分析的特征点提取：在单像素宽度的激光骨架中，首先找到激光焊缝的首尾特征点，然后按照从头到尾的方向计算激光像素的曲率，将曲率极值点作为激光焊缝的特征点，从而定位焊缝位置；
所述步骤S4中，通过统计灰度直方图均衡图像中所有像素的灰度值和每个灰度值的像素数来计算灰度的密度和更高密度最小距离；将密度和更高密度最小距离乘积作为优先级来确定灰度直方图均衡图像中的焊接母材像素和激光像素对应的灰度值；遍历灰度直方图均衡图像中所有像素，计算该像素对应的灰度值与焊接母材像素对应的灰度值的差值的绝对值，计算该像素对应的灰度值与激光像素对应的灰度值的差值的绝对值，从而得到激光焊缝的二值分割图像；
所述步骤S6中，是对将开运算处理后的激光焊缝二值分割图像中多像素宽度的激光图像进行二值图像细化，即通过迭代膨胀处理来缩小激光像素的联通区域，直到没有新的像素被膨胀就得到了伪骨架，最后从伪骨架中提取出单像素宽度的激光骨架。
2.根据权利要求1所述的一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，所述步骤S1中，图像采集模块包括工业CCD摄像机、激光发射器和图像采集卡，所述激光发射器倾斜照射焊缝表面，所述工业CCD摄像机垂直接收激光焊缝图像，通过图像采集卡将激光焊缝图像信号采集到工控机中进行处理。
3.根据权利要求1所述的一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，所述步骤S2中，采用非线性的双边滤波方法，保存激光焊缝图像的边缘细节，同时去除图像中的噪声。
4.根据权利要求1所述的一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，所述步骤S3中，根据去噪图像的像素灰度值与灰度直方图均衡图像灰度值的映射关系，得到灰度值映射关系后，将去噪图像的所有像素灰度值根据映射关系替换为新的灰度值，得到灰度直方图均衡图像。
5.根据权利要求1所述的一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，所述步骤S5中，所述形态学开运算是对激光焊缝的二值分割图像先进行腐蚀处理，再对腐蚀后的图像进行膨胀处理。
6.根据权利要求5所述的一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，所述腐蚀处理就是对激光焊缝的二值分割图像的每个像素的邻域内求局部最小值，用局部最小值代替原有像素值；所述行膨胀处理，就是对激光焊缝的二值分割图像每个像素的邻域内求局部最大值，用局部最大值代替原有像素值。
7.根据权利要求1所述的一种激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，所述步骤S7中，首先按照从左到右的顺序遍历单像素宽度激光骨架中的列，找到第一个灰度值为0的像素，作为左特征点；再按照从右到左的顺序遍历单像素宽度激光骨架中的列，找到第一个灰度值为0的像素，作为右特征点；按照从左特征点到右特征点的方向，以左特征点后第五个像素为起点，以右特征点前第五个像素为终点，计算起点到终点上所有激光像素的曲率，按顺序找出激光像素区域的3个曲率极大值点，从而确定激光焊缝图像中的所有特征点。
8.一种激光辅助定位下的V型焊缝图像特征点提取系统，用于实现权利要求1的激光辅助定位下的V型焊缝图像特征点提取方法，其特征在于，包括
激光焊缝图像采集模块：通过图像采集模块采集激光焊缝图像；
双边滤波去除噪声模块：利用双边滤波模板对采集到的激光焊缝图像进行滤波处理得到去噪图像；
灰度直方图均衡处理模块：将去噪图像的灰度直方图进行均衡处理得到灰度直方图均衡图像；
基于密度峰聚类的二值图像分割模块：将灰度直方图均衡图像进行基于密度峰聚类的二值图像分割从而得到激光焊缝的二值分割图像；
形态学开运算模块：对激光焊缝的二值分割图像进行形态学开运算处理；
激光像素骨架抽取模块：将开运算处理后的激光焊缝二值分割图像进行迭代处理，不断缩小连通区域的边界，得到单像素宽度的激光骨架；
基于曲率分析的特征点提取模块：在单像素宽度的激光骨架中，首先找到激光焊缝的首尾特征点，然后按照从头到尾的方向计算激光像素的曲率，将曲率极值点作为激光焊缝的特征点，从而定位焊缝位置。
CN201910949203.8A 2019-10-08 2019-10-08 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 Active CN110717872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910949203.8A CN110717872B (zh) 2019-10-08 2019-10-08 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910949203.8A CN110717872B (zh) 2019-10-08 2019-10-08 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

Publications (2)

Publication Number Publication Date
CN110717872A CN110717872A (zh) 2020-01-21
CN110717872B true CN110717872B (zh) 2022-11-01

Family

ID=69212227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910949203.8A Active CN110717872B (zh) 2019-10-08 2019-10-08 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

Country Status (1)

Country Link
CN (1) CN110717872B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111666889A (zh) * 2020-06-08 2020-09-15 南京聚特机器人技术有限公司 一种焊缝的识别方法以及识别装置
CN112085700A (zh) * 2020-07-31 2020-12-15 上海航天精密机械研究所 X射线图像中焊缝区域的自动化提取方法、系统及介质
CN112132807B (zh) * 2020-09-23 2024-02-23 泉州装备制造研究所 一种基于颜色相似度分割的焊缝区域提取方法和装置
CN112276300B (zh) * 2020-09-30 2022-05-17 上海新时达机器人有限公司 一种波纹板的焊缝扫描方法
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
CN113191958B (zh) * 2021-02-05 2022-03-29 西北民族大学 一种基于鲁棒张量低秩表示的图像去噪方法
CN113762400B (zh) * 2021-09-13 2023-10-31 南昌大学 一种基于朴素贝叶斯分类器的焊缝位置的自主提取方法

Citations (3)

* Cited by examiner, † Cited by third party
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
CN107798330A (zh) * 2017-11-10 2018-03-13 上海电力学院 一种焊缝图像特征信息提取方法
CN109991306A (zh) * 2017-12-29 2019-07-09 西南科技大学 基于荧光磁粉的金属工件焊接缺陷的分类识别与定位

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040109608A1 (en) * 2002-07-12 2004-06-10 Love Patrick B. Systems and methods for analyzing two-dimensional images
JP5875637B2 (ja) * 2013-12-19 2016-03-02 キヤノン株式会社 画像処理装置、画像処理方法
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
CN105976352B (zh) * 2016-04-14 2019-01-11 北京工业大学 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法
CN107424144B (zh) * 2017-04-26 2020-08-14 哈尔滨理工大学 基于激光视觉的焊缝跟踪图像处理方法
CN107301644B (zh) * 2017-06-09 2019-10-08 西安电子科技大学 基于均值漂移和模糊聚类的自然图像无监督分割方法
CN107824940A (zh) * 2017-12-07 2018-03-23 淮安信息职业技术学院 基于激光结构光的焊缝视觉跟踪系统及方法
CN108132017B (zh) * 2018-01-12 2020-03-24 中国计量大学 一种基于激光视觉系统的平面焊缝特征点提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
CN107798330A (zh) * 2017-11-10 2018-03-13 上海电力学院 一种焊缝图像特征信息提取方法
CN109991306A (zh) * 2017-12-29 2019-07-09 西南科技大学 基于荧光磁粉的金属工件焊接缺陷的分类识别与定位

Also Published As

Publication number Publication date
CN110717872A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
CN110717872B (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
Shah et al. Butt welding joints recognition and location identification by using local thresholding
CN108765419B (zh) 结构光视觉焊缝图像信息自适应提取方法
CN107610111B (zh) 一种基于深度学习的焊点图像检测方法
CN110852173B (zh) 一种针对模糊焊缝的视觉定位方法及系统
CN107424144B (zh) 基于激光视觉的焊缝跟踪图像处理方法
CN112529858A (zh) 一种基于机器视觉的焊缝图像处理方法
CN110814465B (zh) 一种自动焊接焊缝轮廓提取的通用方法
CN112053376B (zh) 一种基于深度信息的工件焊缝识别方法
CN114821114A (zh) 一种基于视觉系统的坡口切割机器人图像处理方法
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
WO2022205525A1 (zh) 基于双目视觉自主式水下机器人回收导引伪光源去除方法
CN111784655B (zh) 一种水下机器人回收定位方法
CN115147448A (zh) 面向自动化焊接的图像增强与特征提取方法
CN113393426A (zh) 一种轧钢板表面缺陷检测方法
CN109558877B (zh) 基于kcf的海上目标跟踪算法
CN110705553A (zh) 一种适用于车辆远景图像的划痕检测方法
CN115830018B (zh) 基于深度学习与双目视觉的碳素块检测方法及系统
CN115661110B (zh) 一种透明工件识别与定位的方法
CN116883446A (zh) 一种车载摄像头镜片碾磨程度实时监测系统
CN116883498A (zh) 基于灰度质心提取算法的视觉合作靶标特征点定位方法
CN111062959B (zh) 一种航空薄壁微构零件切出底边毛刺特征的提取及表征方法
CN110390649B (zh) 一种用于油气管道焊缝图像降噪的方法
CN112200786B (zh) 一种极柱焊接环形区域的提取方法
Le et al. An automatic identification method of welding current and voltage based on visual sensing technology

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