CN111402323B - 对接焊缝识别方法、装置、设备及存储介质 - Google Patents
对接焊缝识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111402323B CN111402323B CN202010246308.XA CN202010246308A CN111402323B CN 111402323 B CN111402323 B CN 111402323B CN 202010246308 A CN202010246308 A CN 202010246308A CN 111402323 B CN111402323 B CN 111402323B
- Authority
- CN
- China
- Prior art keywords
- point
- inflection point
- image
- weld
- anchor point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明实施例公开了一种对接焊缝识别方法、装置、设备及存储介质。该方法包括:在焊接开始后,获取一帧焊缝图像;在所述焊缝图像中确定激光条纹的左拐点和右拐点;如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。在上述技术方案中,当焊缝拐点识别发生错误时,采用锚点来替代能够实现有效地过渡,直到焊缝拐点识别重新回到正常状态,进而有效地解决了在正常焊接过程中短期出现焊缝识别错误的问题。
Description
技术领域
本发明实施例涉及图像识别技术领域,尤其涉及一种对接焊缝识别方法、装置、设备及存储介质。
背景技术
随着工业化自动化的迅猛发展,焊接自动化也越来越被工业领域广泛地接受和应用,尤其是在应对一些高难度高要求的大型钢结构设备焊接中。要实现焊接自动化,焊缝自动跟踪是一大关键,实现焊缝跟踪最关键的技术问题就是要实现焊缝的自动识别。
然而,在室外的大型结构件现场应用中,存在组队不规则的问题,具体表现为错边、组队间隙不规则等,还可能存在过T型口,光照强弱变化也会带来干扰。进而,在盖面焊接时,焊缝特征不明显,或者由于打磨导致焊缝内反光严重,这些问题都会影响焊缝识别的准确率,导致焊缝的拐点识别出现错误。
发明内容
本发明实施例提供一种对接焊缝识别方法、装置、设备及存储介质,以有效解决在正常焊接过程中短期出现焊缝识别错误的问题,提高焊缝识别的准确率。
第一方面,本发明实施例提供了一种对接焊缝识别方法,包括:
在焊接开始后,获取一帧焊缝图像;
在所述焊缝图像中确定激光条纹的左拐点和右拐点;
如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;
将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。
第二方面,本发明实施例还提供了一种对接焊缝识别装置,包括:
焊缝图像获取模块,用于在焊接开始后,获取一帧焊缝图像;
左右拐点确定模块,用于在所述焊缝图像中确定激光条纹的左拐点和右拐点;
左右拐点修正模块,用于如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;
焊缝中心点确定模块,用于将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任意实施例所述的对接焊缝识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的对接焊缝识别方法。
本发明实施例提供的一种对接焊缝识别方法、装置、设备及存储介质,在焊接过程中,针对获取的一帧焊缝图像,如果在该帧焊缝图像中识别出的激光条纹的左右拐点与预设确定的左右锚点之间的距离不满足预设条件,则将左右锚点分别作为该帧焊缝图像中激光条纹的左右拐点,进而得到焊缝中心点(即左右拐点的中点)。在上述技术方案中,当焊缝拐点识别发生错误时,采用锚点来替代能够实现有效地过渡,直到焊缝拐点识别重新回到正常状态,进而有效地解决了在正常焊接过程中短期出现焊缝识别错误的问题。
附图说明
图1是本发明实施例一中的一种对接焊缝识别方法的流程图;
图2是本发明实施例三中的一种对接焊缝识别方法的流程图;
图3是本发明实施例三中的一种自适应图像增强后的焊缝图像示例图;
图4是本发明实施例四中的一种对接焊缝识别方法的流程图;
图5是本发明实施例五中的一种对接焊缝识别装置的结构示意图;
图6是本发明实施例六中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种对接焊缝识别方法的流程图,可适用于在焊接过程中由于背景光照强度不同或激光线条的强弱不同使焊缝特征点识别可能发生错误的情况下,该方法可以由本发明实施例提供的对接焊缝识别装置来执行,该装置可采用软件和/或硬件的方式实现,并一般可集成在焊缝图像采集设备(含处理器)中。
如图1所示,本实施例的方法具体包括:
S110、在焊接开始后,获取一帧焊缝图像。
焊缝图像,指的是通过焊缝图像采集设备采集到的焊缝的图像,焊缝图像中包含激光条纹。其中,本实施例中所涉及的焊缝一般指的是对接型焊缝,对接型焊缝是指在焊件的坡口面间或一焊件的坡口面与另一焊件端(表)面间焊接的焊缝,例如是V型口焊缝。
S120、在所述焊缝图像中确定激光条纹的左拐点和右拐点。
对焊缝图像进行焊缝特征点识别,即为在焊缝图像中识别激光条纹的左右拐点。其中,拐点在数学上指的是改变曲线向上或向下方向的点,而激光条纹的拐点即为激光条纹上的突变点,其代表着焊缝的边缘。
其中,确定激光条纹的左拐点和右拐点,具体为在激光条纹的单像素中心线上确定左右拐点。激光条纹的单像素中心线,指的是激光条纹的中心线,且该中心线的线宽为一个像素。具体的,可以使用Hessian矩阵法获得激光条纹的单像素中心线。
作为一种具体的实施方式,可以使用斜率分析法在激光条纹的单像素中心线上确定左右拐点,也即根据中心线上各像素点的平均斜率在中心线上搜索左右拐点。
计算中心线上各个像素点的斜率,比较相邻两点的斜率变化,如果前后两点的斜率变化大于设定斜率差阈值,则判定这两个像素点为左右拐点。
示例性的,中心线上第i点的斜率k(i)可以按照如下公式来计算:
其中,f(i)为第i个像素点的灰度值。
值得指出的是,上述计算斜率k(i)的公式可以根据实际需求进行调整,本实施例对此不做具体限定。
还需指出的是,左拐点和右拐点,是针对于水平方向的激光条纹而言的,是位置相对的两个拐点,而“左右”并非是对拐点位置的具体限定。左拐点和右拐点,也可被称为是位置相对的第一拐点和第二拐点。
S130、如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点。
其中,所述左右锚点是预先确定的,用于对焊接开始后根据每一帧焊缝图像识别出的左右拐点进行校验并修正。
具体的,可以在焊接开始前,根据至少一帧焊缝图像确定所述左锚点以及所述右锚点。典型的,左右锚点具体可以是在焊接开始前采集到的焊缝图像比较理想的情况下得到焊缝特征点(激光条纹的左右拐点),还可以根据多个焊缝特征点(通过识别在焊接开始前采集到的至少一帧焊缝图像得到的)综合确定。
值得指出的是,左锚点和右锚点,同样是针对于水平方向的激光条纹而言的位置相对的两个锚点,“左右”并非是对锚点位置的具体限定。左锚点和右锚点,也可被称为是位置相对的第一锚点和第二拐点锚点。
针对当前焊缝图像识别出激光条纹的左右拐点之后,计算左拐点与左锚点之间的第一距离,计算右拐点与右锚点之间的第二距离。如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则认为焊缝拐点识别发生错误,并使用左右锚点来分别替代当前焊缝图像识别得到的左右拐点。
其中,第一距离以及第二距离不满足预设条件,具体指的是第一距离和第二距离大于设定距离阈值。也即,左右拐点与左右锚点的间隔过大或者误差太大时,认为左右拐点识别错误,需要使用左右锚点暂时替代。
如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离满足预设条件,则无需对识别得到的左右拐点进行替代处理。
S140、将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。
焊缝中心点,即为左拐点和右拐点的中点,具体可以根据左右拐点的坐标来确定。
综上可知,在第一距离以及第二距离满足预设条件的情况下,当前焊缝图像的焊缝中心点即为由当前焊缝图像识别出的左右拐点的中点,在第一距离以及第二距离不满足预设条件的情况下,当前焊缝图像的焊缝中心点即为左右锚点的中点。
本发明实施例提供的技术方案,在焊接过程中,针对获取的一帧焊缝图像,如果在该帧焊缝图像中识别出的激光条纹的左右拐点与预设确定的左右锚点之间的距离不满足预设条件,则将左右锚点分别作为该帧焊缝图像中激光条纹的左右拐点,进而得到焊缝中心点(即左右拐点的中点)。在上述技术方案中,当焊缝拐点识别发生错误时,采用锚点来替代能够实现有效地过渡,直到焊缝拐点识别重新回到正常状态,进而有效地解决了在正常焊接过程中短期出现焊缝识别错误的问题。
实施例二
在上述实施例的基础上,本实施例给出“在焊接开始前,根据至少一帧焊缝图像确定所述左锚点以及所述右锚点”几种具体的实施方式。
作为一种具体的实施方式,可以将根据至少一帧焊缝图像确定所述左锚点以及所述右锚点,具体为:
获取第一帧焊缝图像;在所述第一帧焊缝图像中确定激光条纹的左拐点和右拐点,分别作为所述左锚点和所述右锚点。
判断获取的焊缝图像是否是第一帧焊缝图像,如果是,则在所述焊缝图像中识别出激光条纹的左右拐点,并将所述左右拐点对应作为所述左右锚点。
在一示例中,左右拐点的识别方式可以是:
首先,使用Hessian矩阵法获得激光条纹的单像素中心线,其中,单像素中心线是由各个中心点构成的,沿着单像素中心线的延伸方向逐一扫描每个中心点,剔除不符合预设条件的中心点,并采用线性插值法对单像素中心线进行差值运算,修补其中的间断点。
具体的,以一个中心点为例,中心点坐标的确定方式为:针对激光条纹中的任一像素点,计算Hessian矩阵,确定该Hessian矩阵最大特征值的特征向量,该特征向量即为激光条纹在这一像素点上的法线方向;获取激光条纹沿该法线方向的所有像素点的坐标(xi,yi)以及对应的灰度值h(xi,yi),根据如下公式即可计算得到激光条纹该法线方向上的中心点(x,y):
典型的,不符合预设条件的中心点可以是与前后一个中心点或多个中心点的差值较大的中心点。也即,如果某个中心点与前后一个或多个中心点的差值较大,则在单像素中心线中剔除掉该中心点。
可选的,对剔除掉部分中心点的单像素中心线进行差值运算,修补间断点以实现平滑所述单像素中心线时,可以依据如下公式进行:
假设,单像素中心线沿水平方向或类似水平方向延伸时,a可以为间断点的纵坐标值,a(n-2)、a(n-1)、a(n)、a(n+1)、a(n+2)分别为间断点前后五个中心点的纵坐标值,进而将这五个中心点纵坐标值的均值作为间断点修补后的纵坐标值;假设,单像素中心线沿竖直方向或类似竖直方向延伸时,a可以为间断点的横坐标值,a(n-2)、a(n-1)、a(n)、a(n+1)、a(n+2)分别为间断点前后五个中心点的横坐标值,进而将这五个中心点横坐标值的均值作为间断点修补后的横坐标值。
其次,在获得修补后的激光条纹中心线之后,通过对中心点进行直线拟合可以得到四条直线线段,分别为焊缝斜面上的两条直线线段和焊缝坡口的两条直线线段,焊缝斜面上直线线段与焊缝坡口的直线线段的交点,即为拐点。以激光条纹中心线为水平方向为例,这四条直线线段分别为焊缝斜面上左直线线段和右直线线段,以及焊缝坡口的左斜向直线线段和右斜向直线线段,焊缝斜面上左直线线段与焊缝坡口的左斜向直线线段的交点即为左拐点,焊缝斜面上右直线线段与焊缝坡口的右斜向直线线段的交点即为右拐点。在另一示例中,左右拐点的识别方式还可以是:使用Hessian矩阵法获得激光条纹的单像素中心线;计算单像素中心线上各个像素点的斜率,比较相邻两点的斜率变化,如果前后两点的斜率变化大于设定斜率差阈值,则判定这两个像素点为左右拐点。示例性的,中心线上第i点的斜率k(i)可以按照如下公式来计算:其中,f(i)为第i个像素点的灰度值。
在又一示例中,左右拐点的识别方式还可以是:通过计算激光条纹的灰度质心来获得激光条纹的单像素中心线;计算单像素中心线上各个像素点的斜率,比较相邻两点的斜率变化,如果前后两点的斜率变化大于设定斜率差阈值,则判定这两个像素点为左右拐点。示例性的,中心线上第i点的斜率k(i)可以按照如下公式来计算:其中,f(i)为第i个像素点的灰度值。
值得指出的是,左右拐点的识别方式有多种,本实施仅是示例性的列举几种具体的实施方式,对此不做具体限定。
作为另一种具体的实施方式,可以将根据至少一帧焊缝图像确定所述左锚点以及所述右锚点,具体为:
获取至少两帧焊缝图像;在每帧焊缝图像中分别确定激光条纹的至少一个左拐点和至少一个右拐点;根据在所述至少两帧焊缝图像中得到的多个左拐点确定所述左锚点,根据在所述至少两帧焊缝图像中得到的多个右拐点确定所述右锚点。
可选的,在每帧焊缝图像中分别识别出激光条纹的左右拐点(识别方式如上述任一种所述),例如,在第i帧焊缝图像中识别出激光条纹的左拐点Si0,在第i帧焊缝图像中识别出激光条纹的右拐点Si1,进而可以根据连续N(N≥2)帧焊缝图像识别出的激光条纹的左拐点S10、S20、…、Si0、…、SN0确定左锚点,根据连续N帧焊缝图像识别出的激光条纹的右拐点S11、S21、…、Si1、…、SN1确定右锚点。例如,根据将左拐点S10、S20、…、Si0、…、SN0的分布情况确定左锚点的位置,根据右拐点S11、S21、…、Si1、…、SN1的分布情况确定右锚点的位置。再例如,将左拐点S10、S20、…、Si0、…、SN0的坐标平均值对应的像素点作为左锚点,即左锚点(Si0为第i帧焊缝图像中的左拐点),将右拐点S11、S21、…、Si1、…、SN1的坐标平均值对应的像素点作为右锚点,即右锚点(Si1为第i帧焊缝图像中的右拐点)。
可选的,根据多种拐点识别方式在每帧焊缝图像中分别识别出激光条纹的多个左右拐点,例如,根据k种拐点识别方式在第i帧焊缝图像中识别出激光条纹的k个左拐点Si10、Si20、…、Sik0,在第i帧焊缝图像中识别出激光条纹的k个右拐点Si11、Si21、…、Sik1,进而可以根据连续N(N≥2)帧焊缝图像识别出的激光条纹的左拐点S110、S120、…、S1k0、S210、S220、…、S2k0、…、Si10、Si20、…、Sik0、…、Sn10、Sn20、…、Snk0确定左锚点,根据连续N帧焊缝图像识别出的激光条纹的右拐点S111、S121、…、S1k1、S211、S221、…、S2k1、…、Si11、Si21、…、Sik1、…、Sn11、Sn21、…、Snk1确定右锚点。例如,根据将左拐点S110、S120、…、S1k0、S210、S220、…、S2k0、…、Si10、Si20、…、Sik0、…、Sn10、Sn20、…、Snk0的分布情况确定左锚点的位置,根据右拐点S111、S121、…、S1k1、S211、S221、…、S2k1、…、Si11、Si21、…、Sik1、…、Sn11、Sn21、…、Snk1的分布情况确定右锚点的位置。再例如,将左拐点S110、S120、…、S1k0、S210、S220、…、S2k0、…、Si10、Si20、…、Sik0、…、Sn10、Sn20、…、Snk0的坐标平均值对应的像素点作为左锚点,即左锚点(Sij0为第i帧焊缝图像中的第j个左拐点),将右拐点S111、S121、…、S1k1、S211、S221、…、S2k1、…、Si11、Si21、…、Sik1、…、Sn11、Sn21、…、Snk1的坐标平均值对应的像素点作为右锚点,即右锚点(Sij1为第i帧焊缝图像中的第j个右拐点)。
值得指出的是,左右锚点的设置方式有多种,本实施仅是示例性的列举几种具体的实施方式,对此不做具体限定。
在上述技术方案中,根据在焊接开始前焊缝图像比较理想的情况下得到的焊缝特征点设置锚点,当后续焊接开始后,会受到多种干扰情况,比如说机器人通过T型口时,或者焊缝间隙忽宽忽窄时,会导致焊缝特征点识别误差较大,使用锚点替换错误的焊缝特征点,这样可以保证稳定的焊缝跟踪。
实施例三
图2是本发明实施例三提供的一种对接焊缝识别方法的流程图。在上述技术方案的基础上,本实施例进行具体化,其中,在获取每一帧焊缝图像之后,还包括:对焊缝图像进行自适应图像增强,在焊缝图像中自动选取感兴趣区域(Region of Interest,ROI);对应的,在焊缝图像中确定激光条纹的左拐点和右拐点,可以具体为:在焊缝图像的感兴趣区域中确定激光条纹的左拐点和右拐点。
如图2所示,本实施例的方法具体包括:
S210、在焊接开始后,获取一帧焊缝图像。
S220、对所述焊缝图像进行自适应图像增强。
由于受到室外光照影响、工件反光以及激光器信号不佳等多种原因,导致接收到的焊缝图像不理想,这样会严重影响后续焊缝特征点的提取准确率,因此需要对焊缝图像进行自适应增强处理,以提高图像的对比度。其中,自适应增强处理的主要思路是计算原始焊缝图像的平均灰度值,把平均灰度值划分到不同的范围,再进行相应的调整。
作为一种具体的实施方式,可以将S220具体为:
计算所述焊缝图像的平均灰度值;选取与所述平均灰度值所属的灰度值范围对应的目标图像增强系数组;根据所述目标图像增强系数组,分别对每个像素点进行图像增强处理。
具体的,读取到焊缝图像之后:首先,计算所述焊缝图像的平均灰度值其中,xi是第i个像素点的灰度值;其次,判断xa所属的目标灰度值范围,选取与目标灰度值范围匹配的目标图像增强系数组,其中,灰度值范围划分以及对应的图像增强系数组,可以是根据实验确定的;再次,根据目标图像增强系数组依次对每个像素点进行图像增强处理,其中,在对一个像素点进行图像增强处理时,该像素点的灰度值所属的灰度值范围不同,采用的图像增强方式可能不同。图3给出了自适应图像增强后的焊缝图像示例,其中,图3中的焊缝已被焊接了一部分。
在一示例中:如果xa≤30,选取图像增强系数组a1、b1、c1、d1、α1、β1,对每个像素点进行操作:
如果30<xa≤50,选取图像增强系数组a2、b2、c2、d2、α2、β2,对每个像素点进行操作:
如果50<xa≤100,选取图像增强系数组a3、b3、c3、d3、α3、β3,对每个像素点进行操作:
如果xa>100,选取图像增强系数组α4、β4,对每个像素点进行操作:
f(x)=α4*x+β4。
S230、在所述焊缝图像中自动选取感兴趣区域。
感兴趣区域,指的是焊缝附近的图像区域。
选取感兴趣区域的目的在于,仅仅选取焊缝附近的图像区域进行处理,可以提高算法处理速度,也能够减少很多干扰信号,比如弧光干扰和飞溅干扰等。
作为一种具体的实施方式,可以将S230具体为:
计算所述焊缝图像每行中目标像素点的数量,其中,所述目标像素点的灰度值大于设定灰度阈值;以所述目标像素点的数量最大的一行作为中心行,将自所述中心行向上搜索得到的第一目标行作为所述感兴趣区域的上边界,将自所述中心行向下搜索得到的第二目标行作为所述感兴趣区域的下边界;其中,所述第一目标行和所述第二目标行中目标像素点的数量满足零值数量条件,零值数量条件可以指的是数量为零或者接近零(例如为小于5或小于10等)。
假设设定灰度阈值为T1,计算焊缝图像中每行中灰度值大于T1的像素点的个数N(i),并找出其中的最大值max(N(i))和相对应的行号I,即第I行为中心行。以第I行为中心线,向焊缝图像的上侧方向进行搜索,当搜索到某行的N(i)满足零值数量条件时,例如为零时,即认为达到结构光的上边界,也即感兴趣区域的上边界;以第I行为中心线,向焊缝图像的下侧方向进行搜索,当搜索到某行的N(i)满足零值数量条件时,例如为零时,即认为达到结构光的下边界,也即感兴趣区域的下边界。上边界与下边界之间即为感兴趣区域。
S240、在所述焊缝图像的感兴趣区域中确定激光条纹的左拐点和右拐点。
S250、判断所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离是否满足预设条件,若否,则执行S260,若是,则执行S270。
S260、将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点,执行S270。
S270、将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。
本实施例未尽详细解释之处请参加前述实施例,在此不再赘述。
在上述技术方案中,对焊缝图像进行自适应增强,提升焊缝图像的图像质量,进而提高了焊缝特征点的提取准确率;自动选取感兴趣区域,仅对焊缝附近的图像区域进行处理,提高了算法处理速度,也减少了很多干扰信号。
值得指出的是,对焊缝图像进行自适应增强以及自动选取感兴趣区域,不仅仅是针对于焊接开始后获取的焊缝图像,也同样针对于焊缝开始前获取的焊缝图像,以提高锚点的准确率,提升算法处理速度,减少干扰信号。
实施例四
图4是本发明实施例四提供的一种对接焊缝识别方法的流程图。在上述技术方案的基础上,本实施例提供了一种具体的实施方式。如图4所示,本实施例的方法具体包括:
S310、获取到一帧焊缝图像,对所述焊缝图像进行自适应图像增强。
S320、在所述焊缝图像中自动选取感兴趣区域。
S330、判断所述焊缝图像是否为获取的第一帧焊缝图像,若是,则执行S340,若否,则执行S350。
S340、在感兴趣区域中识别激光条纹的左右拐点,将所述左右拐点设置为左右锚点。
其中,第一帧焊缝图像一般为静止条件下获取的,焊缝图像比较理想,识别得到的左右拐点比较准确,可以设置为左右锚点。
S350、在感兴趣区域中识别激光条纹的左右拐点,计算所述左右拐点与左右锚点之间的距离,执行S360。
S360、判断左右拐点与左右锚点的距离是否大于设定距离阈值,若是,则执行S370,若否,则执行S380。
S370、使用所述左右锚点代替所述左右拐点,执行S380。
S380、将所述左右拐点的中点作为焊缝中心点。
本实施例未尽详细解释之处请参加前述实施例,在此不再赘述。
在上述实施例中,根据获取的第一帧焊缝图像确定左右锚点,如果后续获取的焊缝图像中左右拐点与左右锚点误差较大时,使用锚点替换错误的拐点,以此保证了稳定的焊缝跟踪。
实施例五
图5是本发明实施例五提供的一种对接焊缝识别装置的结构示意图,可适用于在焊接过程中由于背景光照强度不同或激光线条的强弱不同使焊缝特征点识别可能发生错误的情况下,该装置可采用软件和/或硬件的方式实现,并一般可集成在焊缝图像采集设备(含处理器)中。
如图5所示,该对接焊缝识别装置具体包括:焊缝图像获取模块410、左右拐点确定模块420、左右拐点修正模块430和焊缝中心点确定模块440。其中,焊缝图像获取模块410,用于在焊接开始后,获取一帧焊缝图像;
左右拐点确定模块420,用于在所述焊缝图像中确定激光条纹的左拐点和右拐点;
左右拐点修正模块430,用于如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;
焊缝中心点确定模块440,用于将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。
本发明实施例技术方案,在焊接过程中,针对获取的一帧焊缝图像,如果在该帧焊缝图像中识别出的激光条纹的左右拐点与预设确定的左右锚点之间的距离不满足预设条件,则将左右锚点分别作为该帧焊缝图像中激光条纹的左右拐点,进而得到焊缝中心点(即左右拐点的中点)。在上述技术方案中,当焊缝拐点识别发生错误时,采用锚点来替代能够实现有效地过渡,直到焊缝拐点识别重新回到正常状态,进而有效地解决了在正常焊接过程中短期出现焊缝识别错误的问题。
进一步的,上述装置还包括:锚点设置模块,用于在焊接开始前,根据至少一帧焊缝图像确定所述左锚点以及所述右锚点。
在一示例中,锚点设置模块,具体用于获取第一帧焊缝图像;在所述第一帧焊缝图像中确定激光条纹的左拐点和右拐点,分别作为所述左锚点和所述右锚点。
在一示例中,锚点设置模块,具体用于获取至少两帧焊缝图像;在每帧焊缝图像中分别确定激光条纹的至少一个左拐点和至少一个右拐点;根据在所述至少两帧焊缝图像中得到的多个左拐点确定所述左锚点,根据在所述至少两帧焊缝图像中得到的多个右拐点确定所述右锚点。
进一步的,上述装置还包括:图像增强模块和ROI选取模块,其中,
图像增强模块用于在获取每一帧焊缝图像之后,对所述焊缝图像进行自适应图像增强;
ROI选取模块,用于在所述焊缝图像中自动选取感兴趣区域;
对应的,左右拐点确定模块420,具体用于在所述焊缝图像的所述感兴趣区域中确定激光条纹的左拐点和右拐点。
在一示例中,图像增强模块,具体用于计算所述焊缝图像的平均灰度值;选取与所述平均灰度值所属的灰度值范围对应的目标图像增强系数组;根据所述目标图像增强系数组,分别对每个像素点进行图像增强处理。
在一示例中,ROI选取模块,具体用于计算所述焊缝图像每行中目标像素点的数量,其中,所述目标像素点的灰度值大于设定灰度阈值;以所述目标像素点的数量最大的一行作为中心行,将自所述中心行向上搜索得到的第一目标行作为所述感兴趣区域的上边界,将自所述中心行向下搜索得到的第二目标行作为所述感兴趣区域的下边界;其中,所述第一目标行和所述第二目标行中目标像素点的数量满足零值数量条件。
上述对接焊缝识别装置可执行本发明任意实施例所提供的对接焊缝识别方法,具备执行对接焊缝识别方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种计算机设备的硬件结构示意图,如图6所示,该计算机设备包括:
一个或多个处理器510,图6中以一个处理器510为例;
存储器520;
所述设备还可以包括:输入装置530和输出装置540。
所述设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器520作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种对接焊缝识别方法对应的程序指令/模块(例如,附图5所示的焊缝图像获取模块410、左右拐点确定模块420、左右拐点修正模块430和焊缝中心点确定模块440)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述方法实施例的一种对接焊缝识别方法。
存储器520可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器520可选包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种对接焊缝识别方法,该方法包括:
在焊接开始后,获取一帧焊缝图像;
在所述焊缝图像中确定激光条纹的左拐点和右拐点;
如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;
将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点。
可选的,该计算机可执行指令在由计算机处理器执行时还可以用于执行本发明任意实施例所提供的一种对接焊缝识别方法的技术方案。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述对接焊缝识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种对接焊缝识别方法,其特征在于,包括:
在焊接开始后,获取一帧焊缝图像;
在所述焊缝图像中确定激光条纹的左拐点和右拐点;
如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;
将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点;
其中,在焊接开始前,根据至少一帧焊缝图像中确定的激光条纹的至少一个左拐点和至少一个右拐点,分别确定所述左锚点以及所述右锚点;
所述第一距离以及第二距离不满足预设条件,具体指的是第一距离和第二距离大于设定距离阈值。
2.根据权利要求1所述的方法,其特征在于,根据至少一帧焊缝图像确定所述左锚点以及所述右锚点,包括:
获取第一帧焊缝图像;
在所述第一帧焊缝图像中确定激光条纹的左拐点和右拐点,分别作为所述左锚点和所述右锚点。
3.根据权利要求1所述的方法,其特征在于,根据至少一帧焊缝图像确定所述左锚点以及所述右锚点,包括:
获取至少两帧焊缝图像;
在每帧焊缝图像中分别确定激光条纹的至少一个左拐点和至少一个右拐点;
根据在所述至少两帧焊缝图像中得到的多个左拐点确定所述左锚点,根据在所述至少两帧焊缝图像中得到的多个右拐点确定所述右锚点。
4.根据权利要求1-3任一项所述的方法,其特征在于,在获取每一帧焊缝图像之后,还包括:
对所述焊缝图像进行自适应图像增强,在所述焊缝图像中自动选取感兴趣区域;
在所述焊缝图像中确定激光条纹的左拐点和右拐点,包括:
在所述焊缝图像的所述感兴趣区域中确定激光条纹的左拐点和右拐点。
5.根据权利要求4所述的方法,其特征在于,对所述焊缝图像进行自适应图像增强,包括:
计算所述焊缝图像的平均灰度值;
选取与所述平均灰度值所属的灰度值范围对应的目标图像增强系数组;
根据所述目标图像增强系数组,分别对每个像素点进行图像增强处理。
6.根据权利要求4所述的方法,其特征在于,在所述焊缝图像中自动选取感兴趣区域,包括:
计算所述焊缝图像每行中目标像素点的数量,其中,所述目标像素点的灰度值大于设定灰度阈值;
以所述目标像素点的数量最大的一行作为中心行,将自所述中心行向上搜索得到的第一目标行作为所述感兴趣区域的上边界,将自所述中心行向下搜索得到的第二目标行作为所述感兴趣区域的下边界;
其中,所述第一目标行和所述第二目标行中目标像素点的数量满足零值数量条件;
零值数量条件指的是数量为零或者接近零。
7.一种对接焊缝识别装置,其特征在于,包括:
焊缝图像获取模块,用于在焊接开始后,获取一帧焊缝图像;
左右拐点确定模块,用于在所述焊缝图像中确定激光条纹的左拐点和右拐点;
左右拐点修正模块,用于如果所述左拐点与左锚点的第一距离,以及所述右拐点与右锚点的第二距离不满足预设条件,则将所述左锚点作为所述左拐点,将所述右锚点作为所述右拐点;其中,所述左锚点和所述右锚点是预先设置的;
焊缝中心点确定模块,用于将所述左拐点与所述右拐点的中点作为所述焊缝图像中的焊缝中心点;
其中,所述对接焊缝识别装置在焊接开始前,根据至少一帧焊缝图像中确定的激光条纹的至少一个左拐点和至少一个右拐点,分别确定所述左锚点以及所述右锚点;所述第一距离以及第二距离不满足预设条件,具体指的是第一距离和第二距离大于设定距离阈值。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010246308.XA CN111402323B (zh) | 2020-03-31 | 2020-03-31 | 对接焊缝识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010246308.XA CN111402323B (zh) | 2020-03-31 | 2020-03-31 | 对接焊缝识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402323A CN111402323A (zh) | 2020-07-10 |
CN111402323B true CN111402323B (zh) | 2021-09-17 |
Family
ID=71431422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010246308.XA Active CN111402323B (zh) | 2020-03-31 | 2020-03-31 | 对接焊缝识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402323B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111774764B (zh) * | 2020-07-14 | 2022-04-08 | 北京博清科技有限公司 | 一种焊接机器人的控制方法、控制装置及可读存储介质 |
CN112489010A (zh) * | 2020-11-27 | 2021-03-12 | 桂林电子科技大学 | 一种焊缝快速识别方法、装置及存储介质 |
CN112621033A (zh) * | 2020-12-10 | 2021-04-09 | 北京博清科技有限公司 | 一种焊枪的定位方法、装置、设备和存储介质 |
CN112621034A (zh) * | 2020-12-10 | 2021-04-09 | 北京博清科技有限公司 | 一种焊枪的定位方法、装置、设备和存储介质 |
CN112767491B (zh) * | 2021-04-08 | 2021-11-12 | 北京博清科技有限公司 | 焊道拐点的确定方法、装置和计算机可读存储介质 |
CN113649672A (zh) * | 2021-08-06 | 2021-11-16 | 武汉理工大学 | 一种对接焊缝几何特征的自适应提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
CN109272544A (zh) * | 2018-10-22 | 2019-01-25 | 湖北文理学院 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
CN109483018A (zh) * | 2018-11-06 | 2019-03-19 | 湖北书豪智能科技有限公司 | 管道自动焊接中焊缝的主动视觉引导方法 |
-
2020
- 2020-03-31 CN CN202010246308.XA patent/CN111402323B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
CN109272544A (zh) * | 2018-10-22 | 2019-01-25 | 湖北文理学院 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
CN109483018A (zh) * | 2018-11-06 | 2019-03-19 | 湖北书豪智能科技有限公司 | 管道自动焊接中焊缝的主动视觉引导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111402323A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402323B (zh) | 对接焊缝识别方法、装置、设备及存储介质 | |
CN108765419B (zh) | 结构光视觉焊缝图像信息自适应提取方法 | |
CN108637435B (zh) | 一种基于视觉与弧压传感的三维焊缝跟踪系统及方法 | |
US10922794B2 (en) | Image correction method and device | |
CN112529858A (zh) | 一种基于机器视觉的焊缝图像处理方法 | |
CN112950627B (zh) | 用于激光切割的检测及控制方法和系统 | |
CN107909571A (zh) | 一种焊缝图像处理方法、系统、设备及计算机存储介质 | |
CN115056239B (zh) | 一种膜式壁机器人激光熔覆方法及系统 | |
CN111695575B (zh) | 一种基于改进均值滤波法的焊缝图像特征点提取方法 | |
CN110634128A (zh) | 一种球头销尺寸检测方法、装置、计算机设备及存储介质 | |
CN113579601B (zh) | 一种焊道的定位方法、装置、焊接机器人和存储介质 | |
Li et al. | Multiple weld seam laser vision recognition method based on the IPCE algorithm | |
CN110163894B (zh) | 基于特征匹配的亚像素级目标跟踪方法 | |
Lin et al. | Intelligent seam tracking of an ultranarrow gap during K-TIG welding: a hybrid CNN and adaptive ROI operation algorithm | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN111414912B (zh) | 对接型焊缝特征点的识别方法、装置、设备及存储介质 | |
CN109615603B (zh) | 一种基于任务驱动的视觉注意模型提取激光条纹的方法 | |
CN110555385A (zh) | 一种基于变步长曲率滤波的焊缝特征点求取方法 | |
CN113744243B (zh) | 焊缝跟踪检测的图像处理方法、装置、设备与介质 | |
CN102456138B (zh) | 印刷体阿拉伯字符预处理方法和装置 | |
CN114749849B (zh) | 焊接控制方法、装置和系统 | |
CN116385476B (zh) | 基于视觉检测的铁塔质量分析方法 | |
CN110717502B (zh) | 一种脉冲激光拼焊图像中熔池识别方法 | |
Gu et al. | Image processing and weld deviation recognition of robotic deep penetration TIG welding | |
US20240020846A1 (en) | Corner point detection method and apparatus |
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 |