CN111666889A - 一种焊缝的识别方法以及识别装置 - Google Patents

一种焊缝的识别方法以及识别装置 Download PDF

Info

Publication number
CN111666889A
CN111666889A CN202010512861.3A CN202010512861A CN111666889A CN 111666889 A CN111666889 A CN 111666889A CN 202010512861 A CN202010512861 A CN 202010512861A CN 111666889 A CN111666889 A CN 111666889A
Authority
CN
China
Prior art keywords
line laser
laser irradiation
image
irradiation area
gradient
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.)
Pending
Application number
CN202010512861.3A
Other languages
English (en)
Inventor
俞智昊
章意斌
卢晓伟
张路
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.)
Nanjing Uni Specialized Robot Technology Co ltd
Original Assignee
Nanjing Uni Specialized Robot Technology 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 Nanjing Uni Specialized Robot Technology Co ltd filed Critical Nanjing Uni Specialized Robot Technology Co ltd
Priority to CN202010512861.3A priority Critical patent/CN111666889A/zh
Publication of CN111666889A publication Critical patent/CN111666889A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Abstract

本发明公开了一种焊缝的识别方法以及识别装置，其中识别方法包括：获取包含经过线激光照射的焊缝的图像；提取所述图像中包含的线激光照射区域的特征；对所述线激光照射区域的特征进行滤波处理，得到线激光照射区域的形状；将所述线激光照射区域的纵向宽度缩减为一个像素宽度；对缩减后的所述线激光照射区域的所有像素进行梯度计算，根据梯度的正负变化，找出焊缝的中心点；该方法通过线激光照射焊缝，接着对图像进行二值化、滤波、梯度计算等一系列处理，最后得到焊缝的中心点，该方法减少了检测流程，提高检测效率，而且通过梯度计算的方式寻找焊缝的中心点准确度高。

Description

一种焊缝的识别方法以及识别装置
技术领域
本发明涉及焊缝识别技术领域，特别涉及一种能够实现自动识别焊缝的方法以及焊缝的识别装置。
背景技术
特种设备检验检测工作既是执行我国特种设备安全法规，保证特种设备安全经济运行的一项重要措施，就其本身而言，它又是一项危险性较大的、存在着诸多危脸、有害因素的、有特殊技术要求的复杂劳动。其中焊缝的检测占了很大的份额，尤其是大型结构件，压力容器等特种设备，开发研制满足于现场条件的自动焊缝检测系统代替人工进行检测操作，具有十分重要的现实意义。
焊缝的质量检测是特种设备检验检测工作中非常重要的一个部分，而自动焊缝检测系统的主要技术难点在于焊缝识别，现有的焊缝识别一般是采用激光照射的方式，例如公开号为CN109676243A，公开日为2019.04.26的中国发明专利申请公开了一种基于双线激光结构光的焊缝识别与定位系统及方法，该方法通过一字线激光器产生的两个结构光平面与焊缝的特征点来确定焊缝的三维空间姿态，即需要两台激光发射器才能够实现焊缝识别，成本高，而且两台激光发射器之间需要相互配合，容易造成误差。
发明内容
为了解决现有的焊缝识别时设备造价高，而且容易造成误差的问题，本发明提供一种低成本、低误差的焊缝的识别方法以及识别装置。
为了实现上述目的，本申请一方面提供一种焊缝的识别方法，包括：
获取包含经过线激光照射的焊缝的图像；
提取所述图像中包含的线激光照射区域的特征；
对所述线激光照射区域的特征进行滤波处理，得到线激光照射区域的形状；
将所述线激光照射区域的纵向宽度缩减为一个像素宽度；
对缩减后的所述线激光照射区域的所有像素进行梯度计算，根据梯度的正负变化，找出焊缝的中心点。
该方法通过线激光照射焊缝，接着对图像进行二值化、滤波、梯度计算等一系列处理，最后得到焊缝的中心点，该方法减少了检测流程，提高检测效率，而且通过梯度计算的方式寻找焊缝的中心点准确度高。
在上述识别方法中，可选的，所述提取所述图像中包含的线激光照射区域的特征包括：对所述图像进行自适应二值化处理，得到线激光照射区域的形状。
在上述识别方法中，可选的，所述提取所述图像中包含的线激光照射区域的特征包括：对所述图像进行固定阈值的二值化处理，得到线激光照射区域的形状。
在上述识别方法中，可选的，所述提取所述图像中包含的线激光照射区域的特征包括：对所述图像进行多颜色通道加减运算，提取出线条的灰度图像，得到线激光照射区域的形状。
在上述识别方法中，进一步的，所述对所述线激光照射区域的特征进行滤波处理，得到线激光照射区域的形状，进一步包括：
对所述线激光照射区域的特征采用中值滤波，滤除游离在外的小型干扰像素块；
接着进行形态学闭运算，得到更加精准的线条；
再次采用中值滤波，滤除游离在外的大型干扰像素块，得到最终的线激光照射区域的形状。
在上述识别方法中，进一步的，所述对缩减后的所述线激光照射区域的所有像素进行梯度计算，根据梯度的正负变化，找出焊缝的中心点，进一步包括：
获取缩减后的所述线激光照射区域的所有像素；
每隔一定数量选取一组像素，得到多组像素数据；
计算每组像素数据中相邻两个被选中点位y轴上的梯度，得到多组梯度数据；
若其中一组梯度数据的数值为负，且相邻的两组梯度数据为正，则该梯度组数据所在的像素位置为焊缝的中心点所在位置。
可选的，所述计算每组像素数据中相邻两个被选中点位y轴上的梯度，得到多组梯度数据后，还包括：去除异常的梯度数据。
另外，基于同样的发明创造原理，本申请还提供一种焊缝的识别装置，包括：
激光发射单元，用于发射线激光照射包含焊缝的物体表面；
图像获取单元，用于获取包含经过线激光照射的焊缝的图像；
图像处理单元，用于对所述图像按照上述焊缝的识别方法进行处理；
该识别装置激光照射包含焊缝的物体表面，在利用图获取单元拍摄得到图像，并利用图像处理单元对图像进行处理后得到焊缝的中心点，实现焊缝全自动检测焊缝，无需人工干预，大大的提高了焊缝的识别效率。
在上述识别装置中，可选的，所述激光发射单元是发射绿色线激光的激光发生器。
附图说明
图1是本发明中焊缝的识别方法的流程图；
图2是包含被线激光照射的焊缝的图像的原图；
图3是对图像进行滤波处理的流程图；
图4是经过滤波处理后的图像；
图5是将图像纵向宽度缩减为一个像素宽度处理后的图像；
图6是对图像进行梯度计算的流程图；
图7是本发明中焊缝的识别装置的结构框架图。
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，所描述的实施例仅是本发明的一部分实施例，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。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本申请保护范围的限制。此外，尽管本申请中所使用的术语是从公知公用的术语中选择的，但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本申请。
如图1所示，本发明提供一种焊缝的识别方法，包括以下步骤：
S10：获取包含经过线激光照射的焊缝的图像；具体的，通过线激光发射器发生绿色的线激光照射待检测物体的表面，因为绿色激光不同工况下的适应能力更强；在线激光发射器照射待检测物体的表面后，利用摄像机或者照相机等拍摄包含经过线激光照射的且包含有焊缝的物体表面，将该图像作为原始图像等待后续的处理，得到的图像如图2所示；
S20：提取所述图像中包含的线激光照射区域的特征；具体的，首先提取出原图像的绿色通道，遍历绿色通道的所有像素点，根据超过阈值的像素点占总体数量的比例，确定下一步提取特征的方法；提取方法主要分为三种，第一种是直接进行自适应二值化处理；第二种是固定阈值的二值化处理；图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。灰度值0：黑，灰度值255：白，一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化，固定阈值的二值化处理就是固定一个阈值对整个图像做二值化处理；自适应阈值的二值化处理即图像的不同部位采用不同的阈值进行二值化处理。还有一种方法是多颜色通道加减运算，提取出线条的灰度图像，得到绿色线激光的大致形状。
S30：对所述线激光照射区域的特征进行滤波处理，得到线激光照射区域的形状；具体的，如图3所示，该步骤进一步包括：
S301：对所述线激光照射区域的特征采用中值滤波，滤除游离在外的小型干扰像素块；中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点
S302：接着进行形态学闭运算，得到更加精准的线条；先对图像进行膨胀然后腐蚀其结果称其为闭运算。如果结构元素为圆形，则膨胀操作可填充图像中比结构元素小的孔洞以及图像边缘处小的凹陷部分。而腐蚀可以消除图像中的毛刺及细小连接成分，并将图像缩小，从而使其补集扩大。但是，膨胀和腐蚀并非互为逆运算，所以它们可以结合使用。在腐蚀和膨胀两个基本运算的基础上，可以构造出形态学运算簇，它由膨胀和腐蚀两个运算的复合与集合操作(并、交、补等)组合成的所有运算构成。
S303：再次采用中值滤波，滤除游离在外的大型干扰像素块，得到最终的线激光照射区域的形状，得到的图像如图4所示。
S40：将所述线激光照射区域的纵向宽度缩减为一个像素宽度；处理后的图像如图5所示，这样做的目的是为了后续找到焊缝所在位置；
S50：对缩减后的所述线激光照射区域的所有像素进行梯度计算，根据梯度的正负变化，找出焊缝的中心点；具体的步骤如下，如图6所示：
S501：获取缩减后的所述线激光照射区域的所有像素；
S502：每隔一定数量选取一组像素，得到多组像素数据；
S503：计算每组像素数据中相邻两个被选中点位y轴上的梯度，得到多组梯度数据；
S504：去除异常的梯度数据；
S505：若其中一组梯度数据的数值为负，且相邻的两组梯度数据为正，则该梯度组数据所在的像素位置为焊缝的中心点所在位置。
控制装置沿着该焊缝中心点移动即可，可通过公式速度＝基础速度±(k*位置偏移百分比)，计算出识别机器人的双轮速度，控制机器人于焊缝的相对误差在一定范围内。
该方法通过线激光照射焊缝，接着对图像进行二值化、滤波、梯度计算等一系列处理，最后得到焊缝的中心点，该方法减少了检测流程，提高检测效率，而且通过梯度计算的方式寻找焊缝的中心点准确度高。
在一些实施例中，本发明基于同样的发明构思，还提供一种焊缝的识别装置，如图7所示，该识别装置包括：激光发射单元100，用于发射线激光照射包含焊缝的物体表面；在本实施例中，采用发生绿色激光的激光发射器，将该激光发射器固定于整个装置的下部；该装置还包括图像获取单元200，用于获取包含经过线激光照射的焊缝的图像；在本实施例中，图像获取单元采用摄像头，摄像头架设于整个装置的上部，采集经过激光发射器照射过的待检测物品的表面；另外，该装置还包括图像处理单元300，图像处理单元300是用来对摄像头获取到的图像进行处理，用于找到焊缝的中心点，具体的处理方法在上述的焊缝的识别方法对图像进行处理，最后找到焊缝的中心点，由于该方法前面已经详细阐述过，在此就不再赘述。
该识别装置激光照射包含焊缝的物体表面，在利用图获取单元拍摄得到图像，并利用图像处理单元对图像进行处理后得到焊缝的中心点，实现焊缝全自动检测，无需人工干预，大大的提高了识别效率。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种焊缝的识别方法，其特征在于，包括：
获取包含经过线激光照射的焊缝的图像；
提取所述图像中包含的线激光照射区域的特征；
对所述线激光照射区域的特征进行滤波处理，得到线激光照射区域的形状；
将所述线激光照射区域的纵向宽度缩减为一个像素宽度；
对缩减后的所述线激光照射区域的所有像素进行梯度计算，根据梯度的正负变化，找出焊缝的中心点。
2.根据权利要求1所述的识别方法，其特征在于，所述提取所述图像中包含的线激光照射区域的特征包括：对所述图像进行自适应二值化处理，得到线激光照射区域的形状。
3.根据权利要求1所述的识别方法，其特征在于，所述提取所述图像中包含的线激光照射区域的特征包括：对所述图像进行固定阈值的二值化处理，得到线激光照射区域的形状。
4.根据权利要求1所述的识别方法，其特征在于，所述提取所述图像中包含的线激光照射区域的特征包括：对所述图像进行多颜色通道加减运算，提取出线条的灰度图像，得到线激光照射区域的形状。
5.根据权利要1所述的识别方法，其特征在于，所述对所述线激光照射区域的特征进行滤波处理，得到线激光照射区域的形状，进一步包括：
对所述线激光照射区域的特征采用中值滤波，滤除游离在外的小型干扰像素块；
接着进行形态学闭运算，得到更加精准的线条；
再次采用中值滤波，滤除游离在外的大型干扰像素块，得到最终的线激光照射区域的形状。
6.根据权利要求1所述的识别方法，其特征在于，所述对缩减后的所述线激光照射区域的所有像素进行梯度计算，根据梯度的正负变化，找出焊缝的中心点，进一步包括：
获取缩减后的所述线激光照射区域的所有像素；
每隔一定数量选取一组像素，得到多组像素数据；
计算每组像素数据中相邻两个被选中点位y轴上的梯度，得到多组梯度数据；
若其中一组梯度数据的数值为负，且相邻的两组梯度数据为正，则该梯度组数据所在的像素位置为焊缝的中心点所在位置。
7.根据权利要6所述的识别方法，其特征在于，所述计算每组像素数据中相邻两个被选中点位y轴上的梯度，得到多组梯度数据后，还包括：去除异常的梯度数据。
8.一种焊缝的识别装置，其特征在于，包括：
激光发射单元，用于发射线激光照射包含焊缝的物体表面；
图像获取单元，用于获取包含经过线激光照射的焊缝的图像；
图像处理单元，用于对所述图像按照权利要求1-7中任意一项的方法进行处理。
9.根据权利要求8所述的识别装置，其特征在于：所述激光发射单元是发射绿色线激光的激光发生器。
CN202010512861.3A 2020-06-08 2020-06-08 一种焊缝的识别方法以及识别装置 Pending CN111666889A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010512861.3A CN111666889A (zh) 2020-06-08 2020-06-08 一种焊缝的识别方法以及识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010512861.3A CN111666889A (zh) 2020-06-08 2020-06-08 一种焊缝的识别方法以及识别装置

Publications (1)

Publication Number Publication Date
CN111666889A true CN111666889A (zh) 2020-09-15

Family

ID=72386986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010512861.3A Pending CN111666889A (zh) 2020-06-08 2020-06-08 一种焊缝的识别方法以及识别装置

Country Status (1)

Country Link
CN (1) CN111666889A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132807A (zh) * 2020-09-23 2020-12-25 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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020066847A (ko) * 2001-02-14 2002-08-21 현대중공업 주식회사 시각센서를 이용한 Ｖ, Ｕ, Ｂｕｔｔ, 필릿 및 랩 조인트형상인식 방법
CN110717872A (zh) * 2019-10-08 2020-01-21 江西洪都航空工业集团有限责任公司 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020066847A (ko) * 2001-02-14 2002-08-21 현대중공업 주식회사 시각센서를 이용한 Ｖ, Ｕ, Ｂｕｔｔ, 필릿 및 랩 조인트형상인식 방법
CN110717872A (zh) * 2019-10-08 2020-01-21 江西洪都航空工业集团有限责任公司 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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132807A (zh) * 2020-09-23 2020-12-25 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
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

Similar Documents

Publication Publication Date Title
CN108550159B (zh) 一种基于图像三色分割的烟气浓度标识方法
US8842912B2 (en) Method for processing highlights and saturated regions in a digital image
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
CN108537787B (zh) 一种人脸图像的质量判定方法
CN107909571A (zh) 一种焊缝图像处理方法、系统、设备及计算机存储介质
CN112381819A (zh) 基于hsv颜色模型的植保雾滴检测方法
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
CN112669286A (zh) 基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法
CN107194971B (zh) 一种金手指定位方法、装置及计算机可读存储介质
CN113362238A (zh) 测试图像处理方法、装置、电子设备及存储介质
CN111666889A (zh) 一种焊缝的识别方法以及识别装置
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN112070735B (zh) 一种基于特设卷积算子的沥青芯样图像提取方法及系统
CN112381084B (zh) 断层图像的轮廓自动识别方法
CN110632094B (zh) 一种基于逐点比对分析的图纹质量检测方法，装置与系统
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN109919942B (zh) 基于高精度降噪理论的桥梁裂缝智能化检测方法
CN113763491B (zh) 一种烟丝桶残余物的视觉检测方法
JP2014238789A (ja) 画像処理プログラム、画像処理方法及び画像処理装置
CN116309307A (zh) 焊缝缺陷检测方法、装置、可读存储介质及电子设备
CN112991251B (zh) 一种表面缺陷检测的方法、装置及设备
AU2021368390B2 (en) Multi-target recognition system and method for follow-up robot based on coded thermal infrared mark
CN114155236A (zh) 一种适用于动态测量环境的激光条纹中心线提取方法
CN113643290A (zh) 一种基于图像处理的吸管计数方法、装置及存储介质
CN113643437A (zh) 一种矫正深度图像突起干扰噪声的方法和装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200915