CN111738985A - 一种焊缝轮廓视觉检测方法及系统 - Google Patents
一种焊缝轮廓视觉检测方法及系统 Download PDFInfo
- Publication number
- CN111738985A CN111738985A CN202010474943.3A CN202010474943A CN111738985A CN 111738985 A CN111738985 A CN 111738985A CN 202010474943 A CN202010474943 A CN 202010474943A CN 111738985 A CN111738985 A CN 111738985A
- Authority
- CN
- China
- Prior art keywords
- welding seam
- weld
- welding
- toe
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 230000000007 visual effect Effects 0.000 title claims abstract description 17
- 238000003466 welding Methods 0.000 claims abstract description 273
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000011179 visual inspection Methods 0.000 claims 3
- 238000007689 inspection Methods 0.000 claims 2
- 238000005259 measurement Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 239000010953 base metal Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005493 welding type Methods 0.000 description 1
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种焊缝轮廓视觉检测方法及系统,包括,首先获取焊缝截面轮廓数据;判定该截面不存在焊缝,若存在焊缝,采用一水平直线l将焊缝轮廓区域分割为特征点区域和两个焊趾点区域;计算特征点区域的特征点坐标,根据计算出的焊缝特征点位置,可以得到焊缝特征点相对于扫描设备中心的距离,该距离为扫描设备下一次移动的距离;采用最远距离法确定两个焊趾点区域中的两个焊趾点,根据焊趾点位置可得到焊缝的轮廓高度;重复上述过程,直至完成整个焊缝的跟踪扫描,得到整个焊缝轮廓及焊缝轮廓高度。本发明检测方法可精确的识别出焊缝的特征,准确识别率高,可识别的焊缝宽度可达到50mm,生成的焊缝轮廓三维图形可以真实的反映出焊缝的形貌。
Description
技术领域
本发明涉及属于工件检测技术领域,涉及一种焊缝轮廓视觉检测方法及系统。
背景技术
焊后检测一般包括焊后外形的获取和焊缝质量的评估两方面,在实际生产中,焊缝表面成型质量也是通过焊缝的外形尺寸来判断的。焊缝轮廓信息检测方法分为接触式测量(如三坐标测量机法)和非接触式测量(如激光三角法)两种。接触式测量法虽然可以达到很高的检测精度(±0.5μm),对被检测物体的材质与表面光泽无特殊要求,而且对物体边界也能准确的测量,但是测量时必须与测量对象接触,随着使用时间的延长,接触式测量也暴露出一些的问题,如探头容易损伤并划伤被检测物体表面、测量速度慢、测头磨损和测头半径需要补偿等。非接触式测量是随着近些年传感器技术的发展和普及而被广泛用于获取物体外轮廓的一种检测方法。由于非接触式方法测量避免了与被测对象表面的直接接触,可以从根本上解决由于接触而产生的各种问题。它能够快速形成密集的点状数据,可以较为真实地反映出零件的真实形貌,特别是对于轮廓复杂、控件尺寸小和速度要求高的零件。
焊缝外观检测是焊缝成型控制和焊缝磨削后高度检测的关键环节,传统的检测方法是由工人利用标尺等工具来完成,在检测过程中由于各种因素导致误差,很难满足现在焊接快速、准确检测的工业要求。因此,采用先进的检测方法对焊缝轮廓及焊缝轮廓高度进行检测越来越重要,基于激光视觉的焊后检测技术,目前已经成为了焊缝外形及质量检测领域普遍采用的方式,在传统生产方式中,人工参与检测加工对生产效率的影响逐渐增大,对产品质量控制的负面作用也逐渐凸显,且该工作对工人操作能力也有一定的要求。在焊缝轮廓视觉检测方面,国内外学者已经取得了一定的研究成果,中北大学材料科学与工程学院焊接研究中心提出了一种基于激光视觉的焊缝质量检测方法,可精确识别咬边、焊瘤、气孔等焊接缺陷,提高了焊接检测的自动化、智能化水平,但目前的对缺陷的识别标准仍停留在几何外形的层面上,仍然是一种基于人工经验的识别方法,且不能精确检测焊缝高度。R.A.White等人基于图像研发了一套焊缝轮廓视觉检测系统,该测量系统可实现对角焊缝和对接焊缝的在线监测,但可测焊缝熔宽和精度都较低,焊缝熔宽为5-20mm,精度小于2%。可以看出,现有的焊缝轮廓检测方法均存在着焊缝准确识别率低、高度和位置不够精确等缺点。
发明内容
为解决上述问题,本发明提供了一种焊缝轮廓视觉检测方法及系统,解决现有焊缝轮廓检测方法准确识别率低、位置不够精确和鲁棒性差等问题。
为了解决上述技术问题,本发明采用如下技术方案予以实现:
一种焊缝轮廓视觉检测方法,包括以下步骤:
步骤1,获取待检测焊缝某一截面轮廓数据,其中,焊缝轮廓数据为以(X,Z)坐标形式表示的像素点;对焊缝截面数据进行直线拟合,计算该焊缝截面数据的残差平方和;
步骤2,若残差平方和未超过阈值,判定该截面不存在焊缝,结束检测;若超过阈值,判定该截面存在焊缝,进行步骤3;
步骤3,采用一水平直线l将焊缝轮廓区域分割为特征点区域和两个焊趾点区域;
其中,l=Z,Z为扫描设备出光口到该截面焊缝轮廓上所有像素点的距离的均值;水平直线与水平直线上方焊缝轮廓形成特征点区域;水平直线与水平直线下方一侧焊缝轮廓形成的其中一个焊趾点区域,水平直线与水平直线下方另一侧焊缝轮廓形成的另一个焊趾点区域;
步骤4,将公式(1)和公式(2)计算的值作为特征点区域的特征点坐标(Xm,Zm),
式中,Zi为扫描设备出光口到特征点区域的焊缝轮廓线上的第i个像素点的Z值;Xi为特征点区域的焊缝轮廓线上第i个像素点对应的X值;n为特征点区域的焊缝轮廓线上像素点的数量;
根据计算出的焊缝特征点的Xm值,可以得到焊缝特征点相对于扫描设备中心的水平距离,该距离为扫描设备下一次移动的距离;
步骤5,采用最远距离法确定两个焊趾点区域中的两个焊趾点位置;根据焊趾点位置和步骤4得到的焊缝特征点的Zm值可得到焊缝的轮廓高度;
所述的焊缝的轮廓高度为焊缝特征点的Zm值与两个焊趾点中Z值较大的高度差;
步骤6,根据步骤4确定的距离移动扫描设备,重复步骤1至步骤5,直至完成所有焊缝截面的跟踪扫描;得到整个焊缝轮廓及焊缝轮廓高度。
具体的,所述的步骤1具体包括:
步骤1.1,采用轮廓仪获取焊缝截面轮廓数据,对焊缝截面轮廓数据进行中值滤波和移动平均滤波处理;
步骤1.2,对焊缝截面轮廓数据进行拟合,求所有数据的残差平方和。
具体的,所述的步骤2中的阈值为0.1~0.5。
具体的,所述的步骤5具体包括:
该截面上焊缝轮廓的第一个像素点P1与水平直线l上方靠近像素点P1侧的第一个像素点PL形成直线l1-L,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线l1-L的距离中最大距离对应的像素点作为其中一个焊趾点;
该截面上焊缝轮廓的最后一个像素点PN与水平直线l上方靠近像素点PN侧的第一个像素点PR形成直线lN-R,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线lN-R的距离中最大距离对应的像素点作为另一个焊趾点。
本发明还公开了一种焊缝轮廓视觉检测系统,包括焊缝轮廓数据获取模块、焊缝轮廓判断模块、焊缝区域分割模块、特征点确定模块、焊趾点确定模块和跟踪扫描模块,其中,
焊缝轮廓数据获取模块用于获取待检测焊缝某一截面轮廓数据,其中,焊缝轮廓数据为以(X,Z)坐标形式表示的像素点;对焊缝截面数据进行直线拟合,计算该焊缝截面数据的残差平方和;
焊缝轮廓判断模块用于判断是否存在焊缝,具体为:
若残差平方和未超过阈值,判定该截面不存在焊缝,结束检测;若超过阈值,判定该截面存在焊缝,进行步骤3;
焊缝区域分割模块用于采用一水平直线l将焊缝轮廓区域分割为特征点区域和两个焊趾点区域;
其中, 为扫描设备出光口到该截面焊缝轮廓上所有像素点的距离的均值;水平直线与水平直线上方焊缝轮廓形成特征点区域;水平直线与水平直线下方一侧焊缝轮廓形成的其中一个焊趾点区域,水平直线与水平直线下方另一侧焊缝轮廓形成的另一个焊趾点区域;
特征点确定模块用于将公式(1)和公式(2)计算的值作为特征点区域的特征点坐标(Xm,Zm),
式中,Zi为扫描设备出光口到特征点区域的焊缝轮廓线上的第i个像素点的Z值;Xi为特征点区域的焊缝轮廓线上第i个像素点对应的X值;n为特征点区域的焊缝轮廓线上像素点的数量;
根据计算出的焊缝特征点的Xm值,可以得到焊缝特征点相对于扫描设备中心的水平距离,该距离为扫描设备下一次移动的距离;
焊趾点确定模块用于采用最远距离法确定两个焊趾点区域中的两个焊趾点位置;然后根据焊趾点位置和特征点确定模块得到的焊缝特征点的Zm值可得到焊缝的轮廓高度;
所述的焊缝的轮廓高度为焊缝特征点的Zm值与两个焊趾点中Z值较大的高度差;
跟踪扫描模块用于根据特征点确定模块确定的距离移动扫描设备,移动扫描设备,重复焊缝轮廓数据获取模块至焊趾点确定模块过程,直至完成所有焊缝截面的跟踪扫描,得到整个焊缝轮廓及焊缝轮廓高度。
具体的,所述的焊缝轮廓数据获取模块具体包括数据预处理模块和数据拟合模块,其中,
数据预处理模块用于采用轮廓仪获取焊缝截面轮廓数据,对焊缝截面轮廓数据进行中值滤波和移动平均滤波处理;
数据拟合模块用于对焊缝截面轮廓数据进行拟合,求所有数据的残差平方和。
具体的,所述的焊缝轮廓判断模块中的阈值设为0.1~0.5。
具体的,所述的焊趾点确定模块包括左焊趾点确定模块和右焊趾点确定模块,其中,
左焊趾点确定模块中,将该截面上焊缝轮廓的第一个像素点P1与水平直线l上方靠近像素点P1侧的第一个像素点PL形成直线l1-L,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线l1-L的距离中最大距离对应的像素点作为其中一个焊趾点;
右焊趾点确定模块中,将该截面上焊缝轮廓的最后一个像素点PN与水平直线l上方靠近像素点PN侧的第一个像素点PR形成直线lN-R,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线lN-R的距离中最大距离对应的像素点作为另一个焊趾点。
与现有技术相比,本发明的有益效果是:
本发明检测方法可精确的识别出焊缝的特征,准确识别率高,可识别的焊缝宽度可达到50mm;识别精度高,可检测修磨后焊缝与基材高度差低至0.05mm~0.1mm;生成的焊缝轮廓三维图形可以真实的反映出焊缝的形貌,为后续的焊缝修磨提供了质量保障。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
图1是本发明实施例记载的检测方法流程图。
图2是本发明实施例记载的焊缝轮廓分割示意图。
图3是本发明实施例记载的最远距离法确定焊趾点示意图。
图4是本发明实施例的焊缝轮廓三维重构图。
图5是本发明实施例记载的检测系统的结构组成图。
以下结合附图和具体实施方式对本发明的具体内容作进一步详细解释说明。
具体实施方式
本发明焊缝轮廓中的各部分轮廓和特殊点做出以下定义:
焊缝区域:对母材进行焊接形成的不规则轮廓区域;
焊缝特征点:焊缝的中心位置,用来确定焊缝的存在;
焊趾点:焊缝与母材位置区域的分界点;
本发明中的焊缝轮廓数据为以(X,Z)坐标形式表示的像素点,一般采用轮廓仪等扫描设备对焊缝进行扫描,其中Z表示扫描设备出光口到待检测物体表面的距离,X表示扫描设备的扫描宽度。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例1
本实施例公开了一种焊缝轮廓视觉检测方法,该方法流程如图1所示,具体包括以下步骤:
步骤1,获取待检测焊缝某一截面轮廓数据,其中,焊缝轮廓数据为以(X,Z)坐标形式表示的像素点;
本实施例使用轮廓仪扫描焊缝截面轮廓,轮廓仪直接获取的轮廓数据为1280个以(X,Z)坐标形式的点,即将被检测焊缝分割成1280个像素点,每个点均对应一个X值和值,即每一条焊缝均可以分为一个表示法向方向的一维数组和一个表示轴向方向的一维数组。扫描过程中每100ms记录一次焊缝轨迹数据,每500ms记录一次焊缝左右位点高度数据和焊缝轮廓数据。
本实施例中,为了保证在整个检测过程中轮廓仪所获取的数据的精确性,应使轮廓仪出光口距离钢管表面70mm~120mm。
对于每次获得的焊缝截面数据后,先对焊缝截面轮廓数据进行中值滤波和移动平均滤波处理;然后对处理后的数据用最小二乘法进行直线拟合,求该焊缝截面上所有数据的残差平方和。
步骤2,设置阈值,若残差平方和未超过阈值,判定该截面不存在焊缝即此处为焊缝钢管平面,结束检测;若超过阈值,则认为此处存在起伏,判定该截面存在焊缝,进行步骤3。本实施例中阈值为0.1~0.5。
步骤3,采用一水平直线l作为区域分割线,将焊缝轮廓区域分割为特征点区域和两个焊趾点区域。
其中, 为扫描设备出光口到该截面焊缝轮廓上所有像素点的距离的均值;特征点区域为水平直线与水平直线上方焊缝轮廓形成的区域;水平直线与水平直线下方其中一侧焊缝轮廓形成的一个焊趾点区域,水平直线与水平直线下方另一侧焊缝轮廓形成的另一个焊趾点区域,如图2所示。
由于焊缝各区域的形状特征各不相同,焊缝区域的轮廓较不规则,而底平面区域则较为规则,因此采用一条水平直线作为区域分割线,将整个焊缝进行区域分割,将其分割为焊缝顶端区域(即特征点区域)和两个底边区域(即焊趾点区域),然后在焊缝区域内确定特征点,在两个底边区域内确定焊趾点。
步骤4,将公式(1)和公式(2)计算的值作为特征点区域的特征点坐标(Xm,Zm),
式中,Zi为扫描设备出光口到特征点区域的焊缝轮廓线上的第i个像素点的Z值;Xi为特征点区域的焊缝轮廓线上第i个像素点对应的X值;n为特征点区域的焊缝轮廓线上像素点的数量。
然后根据计算出的焊缝特征点位置,可以得到焊缝特征点相对于扫描设备中心的距离,该距离扫描设备下一次移动的距离;
步骤5,采用最远距离法确定两个焊趾点区域中的两个焊趾点位置;
由于焊趾点区域轮廓相比焊缝区域较为规则,形状为近似的折线段,采用最远距离法对两个焊趾点进行确定,具体为:
在确定好区域分割线以后,将该截面上焊缝轮廓的第一个像素点设为P1,焊缝轮廓的最后一个像素点设为PN,N为该截面上整个焊缝轮廓的像素点数量;水平直线l上方靠近像素点P1侧的第一个像素点设为PL,PL也为特征点区域的起始点。则P1至PL区域称为左焊趾点区域。像素点P1和像素点PL两点之间形成直线l1-L,则P1、PL和该左焊趾点区域内焊缝轮廓上任意一点都可以通过三点确定一个三角形,该左焊趾点区域内焊缝轮廓上任意一点到直线l1-L都会有一个距离SL,将距离最大的点作为左焊趾点。
同理可以确定另一个焊趾点,具体为:将水平直线l上方靠近像素点PN侧的第一个像素点设为PR,PR也为特征点区域的终止点。PR至PN区域称为右焊趾点区域,像素点P1和像素点PL两点之间形成直线lR-N,则PR、PN和该右焊趾点区域内焊缝轮廓上任意一点都可以通过三点确定一个三角形,该右焊趾点区域内焊缝轮廓上任意一点到直线lR-N都会有一个距离SR,将距离最大的点作为右焊趾点。其示意图如图3所示。
根据焊趾点位置以及焊缝特征点的Zm值可得到焊缝的轮廓高度,其中,焊缝的轮廓高度为特征点区域的焊缝轮廓的Z值的均值与两个焊趾点中较大Z值的高度差。焊缝的轮廓高度对于焊缝成型后高度检测和焊缝磨削后焊缝高度检测具有重要作用。
经过上述步骤1至步骤5可获得某一截面的焊缝轮廓数据以及焊缝轮廓高度。
步骤6,移动扫描设备,其中扫描设备移动的距离为步骤4中确定的距离,然后重复步骤1至步骤5;直至完成整个焊缝的跟踪扫描,最终得到整个焊缝轮廓数据及焊缝轮廓高度。
可根据整个焊缝轮廓数据,通过LabVIEW对扫描后的焊缝进行三维重构,生成焊缝的三维图形,焊缝三维图形如图4所示。
实施例2
本实施例公开了一种焊缝轮廓视觉检测系统,该系统内部组成如图5所示。该检测系统包括焊缝轮廓数据获取模块、焊缝轮廓判断模块、焊缝区域分割模块、特征点确定模块、焊趾点确定模块和跟踪扫描模块,其中,
焊缝轮廓数据获取模块用于获取焊缝截面轮廓数据,其中,焊缝轮廓数据为以(X,Z)坐标形式表示的像素点;对焊缝截面数据进行直线拟合,计算该焊缝截面数据的残差平方和;
具体的,本实施例的焊缝轮廓数据获取模块具体包括数据预处理模块和数据拟合模块,其中,
数据预处理模块用于采用轮廓仪获取焊缝截面轮廓数据,对焊缝截面轮廓数据进行中值滤波和移动平均滤波处理;
数据拟合模块用于对焊缝截面轮廓数据进行拟合,求所有数据的残差平方和。
焊缝轮廓判断模块用于判断是否存在焊缝,具体为:
若残差平方和未超过阈值,判定该截面不存在焊缝,结束检测;若超过阈值,判定该截面存在焊缝,进行步骤3;本实施例中阈值设为0.1~0.5。
焊缝区域分割模块用于采用一水平直线l将焊缝轮廓区域分割为特征点区域和两个焊趾点区域;
特征点确定模块用于将公式(1)和公式(2)计算的值作为特征点区域的特征点坐标(Xm,Zm),
式中,Zi为扫描设备出光口到特征点区域的焊缝轮廓线上的第i个像素点的Z值;Xi为特征点区域的焊缝轮廓线上第i个像素点对应的X值;n为特征点区域的焊缝轮廓线上像素点的数量;
根据计算出的焊缝特征点的Xm值,可以得到焊缝特征点相对于扫描设备中心的水平距离,该距离为扫描设备下一次移动的距离;
焊趾点确定模块用于采用最远距离法确定两个焊趾点区域中的两个焊趾点位置。具体的,焊趾点确定模块包括左焊趾点确定模块和右焊趾点确定模块,其中,
左焊趾点确定模块中,将该截面上焊缝轮廓的第一个像素点P1与水平直线l上方靠近像素点P1侧的第一个像素点PL形成直线l1-L,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线l1-L的距离中最大距离对应的像素点作为其中一个焊趾点;
右焊趾点确定模块中,将该截面上焊缝轮廓的最后一个像素点PN与水平直线l上方靠近像素点PN侧的第一个像素点PR形成直线lN-R,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线lN-R的距离中最大距离对应的像素点作为另一个焊趾点。其原理如图3所示。
在确定焊趾点位置后,根据焊趾点位置和特征点确定模块得到的焊缝特征点的Zm值可得到焊缝的轮廓高度;其中,焊缝的轮廓高度为焊缝特征点的Zm值与两个焊趾点中Z值较大的高度差。
跟踪扫描模块用于焊缝轮廓数据获取模块至焊趾点确定模块过程,直至完成整个焊缝的跟踪扫描,得到整个焊缝轮廓及焊缝轮廓高度。
经过上述实施例的检测方法可获得焊缝轮廓及焊缝高度,焊缝的轮廓检测是自动化磨削的基础步骤,在获取了焊缝外轮廓的准确信息后对焊缝进行修磨,具体为:
经过上述实施例记载的检测方法检测后得到焊缝轮廓数据,对其进行三维重构,标定出整个焊缝需要磨削部分,规划磨头修磨轨迹,进而指导磨头对焊缝进行高精度修磨;修磨作业完成以后,再次扫描磨削后的焊缝数据,对打磨后的焊缝残余高度进行数据分析,比较焊缝残余位置与母材位置高度差,分析打磨质量是否满足要求,若不满足,继续按照上述过程进行打磨。
本发明方法可检测修磨后焊缝与基材高度差低至0.05mm~0.1mm,为钢管修磨质量提供了保障。
本发明检测方法可用于检测螺旋焊缝、直焊缝等多种不同类型的焊缝。
在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,只要其不违背本发明的思想,同样应当视其为本发明所公开的内容。
Claims (8)
1.一种焊缝轮廓视觉检测方法,其特征在于,包括以下步骤:
步骤1,获取待检测焊缝某一截面轮廓数据,其中,焊缝轮廓数据为以(X,Z)坐标形式表示的像素点;对该截面焊缝轮廓数据进行直线拟合,计算该焊缝截面数据的残差平方和;
步骤2,若残差平方和未超过阈值,判定该截面不存在焊缝,结束检测;若超过阈值,判定该截面存在焊缝,进行步骤3;
步骤3,采用一水平直线l将焊缝轮廓区域分割为特征点区域和两个焊趾点区域;
其中, 为扫描设备出光口到该截面焊缝轮廓上所有像素点的距离的均值;水平直线与水平直线上方焊缝轮廓形成特征点区域;水平直线与水平直线下方一侧焊缝轮廓形成的其中一个焊趾点区域,水平直线与水平直线下方另一侧焊缝轮廓形成的另一个焊趾点区域;
步骤4,将公式(1)和公式(2)计算的值作为特征点区域的特征点坐标(Xm,Zm),
式中,Zi为扫描设备出光口到特征点区域的焊缝轮廓线上的第i个像素点的Z值;Xi为特征点区域的焊缝轮廓线上第i个像素点对应的X值;n为特征点区域的焊缝轮廓线上像素点的数量;
根据计算出的焊缝特征点的Xm值,可以得到焊缝特征点相对于扫描设备中心的水平距离,该距离为扫描设备下一次移动的距离;
步骤5,采用最远距离法确定两个焊趾点区域中的两个焊趾点位置;根据焊趾点位置和步骤4得到的焊缝特征点的Zm值可得到焊缝的轮廓高度;
所述的焊缝的轮廓高度为焊缝特征点的Zm值与两个焊趾点中Z值较大的高度差;
步骤6,根据步骤4确定的距离移动扫描设备,重复步骤1至步骤5;直至完成所有焊缝截面的跟踪扫描;得到整个焊缝轮廓数据及焊缝轮廓高度。
2.如权利要求1所述的焊缝轮廓视觉检测方法,其特征在于,所述的步骤1具体包括:
步骤1.1,采用轮廓仪获取焊缝截面轮廓数据,对焊缝截面轮廓数据进行中值滤波和移动平均滤波处理;
步骤1.2,对焊缝截面轮廓数据进行拟合,求所有数据的残差平方和。
3.如权利要求1所述的焊缝轮廓视觉检测方法,其特征在于,所述的步骤2中的阈值为0.1~0.5。
4.如权利要求1所述的焊缝轮廓视觉检测方法,其特征在于,所述的步骤5具体包括:
该截面上焊缝轮廓的第一个像素点P1与水平直线l上方靠近像素点P1侧的第一个像素点PL形成直线l1-L,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线l1-L的距离中最大距离对应的像素点作为其中一个焊趾点;
该截面上焊缝轮廓的最后一个像素点PN与水平直线l上方靠近像素点PN侧的第一个像素点PR形成直线lN-R,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线lN-R的距离中最大距离对应的像素点作为另一个焊趾点。
5.一种焊缝轮廓视觉检测系统,其特征在于,包括焊缝轮廓数据获取模块、焊缝轮廓判断模块、焊缝区域分割模块、特征点确定模块、焊趾点确定模块和跟踪扫描模块,其中,
焊缝轮廓数据获取模块用于获取待检测焊缝某一截面轮廓数据,其中,焊缝轮廓数据为以(X,Z)坐标形式表示的像素点;对焊缝截面数据进行直线拟合,计算该焊缝截面数据的残差平方和;
焊缝轮廓判断模块用于判断是否存在焊缝,具体为:
若残差平方和未超过阈值,判定该截面不存在焊缝,结束检测;若超过阈值,判定该截面存在焊缝,进行步骤3;
焊缝区域分割模块用于采用一水平直线l将焊缝轮廓区域分割为特征点区域和两个焊趾点区域;
其中, 为扫描设备出光口到该截面焊缝轮廓上所有像素点的距离的均值;水平直线与水平直线上方焊缝轮廓形成特征点区域;水平直线与水平直线下方一侧焊缝轮廓形成的其中一个焊趾点区域,水平直线与水平直线下方另一侧焊缝轮廓形成的另一个焊趾点区域;
特征点确定模块用于将公式(1)和公式(2)计算的值作为特征点区域的特征点坐标(Xm,Zm),
式中,Zi为扫描设备出光口到特征点区域的焊缝轮廓线上的第i个像素点的Z值;Xi为特征点区域的焊缝轮廓线上第i个像素点对应的X值;n为特征点区域的焊缝轮廓线上像素点的数量;
根据计算出的焊缝特征点的Xm值,可以得到焊缝特征点相对于扫描设备中心的水平距离,该距离为扫描设备下一次移动的距离;
焊趾点确定模块用于采用最远距离法确定两个焊趾点区域中的两个焊趾点位置;然后根据焊趾点位置和特征点确定模块得到的焊缝特征点的Zm值可得到焊缝的轮廓高度;
所述的焊缝的轮廓高度为焊缝特征点的Zm值与两个焊趾点中Z值较大的高度差;
跟踪扫描模块用于根据特征点确定模块确定的距离移动扫描设备,重复焊缝轮廓数据获取模块至焊趾点确定模块过程,直至完成所有焊缝截面的跟踪扫描,得到整个焊缝轮廓及焊缝轮廓高度。
6.如权利要求5所述的焊缝轮廓视觉检测系统,其特征在于,所述的焊缝轮廓数据获取模块具体包括数据预处理模块和数据拟合模块,其中,
数据预处理模块用于采用轮廓仪获取焊缝截面轮廓数据,对焊缝截面轮廓数据进行中值滤波和移动平均滤波处理;
数据拟合模块用于对焊缝截面轮廓数据进行拟合,求所有数据的残差平方和。
7.如权利要求5所述的焊缝轮廓视觉检测系统,其特征在于,所述的焊缝轮廓判断模块中的阈值设为0.1~0.5。
8.如权利要求5所述的焊缝轮廓视觉检测系统,其特征在于,所述的焊趾点确定模块包括左焊趾点确定模块和右焊趾点确定模块,其中,
左焊趾点确定模块中,将该截面上焊缝轮廓的第一个像素点P1与水平直线l上方靠近像素点P1侧的第一个像素点PL形成直线l1-L,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线l1-L的距离中最大距离对应的像素点作为其中一个焊趾点;
右焊趾点确定模块中,将该截面上焊缝轮廓的最后一个像素点PN与水平直线l上方靠近像素点PN侧的第一个像素点PR形成直线lN-R,将该侧焊趾点区域的焊缝轮廓上任意一像素点到直线lN-R的距离中最大距离对应的像素点作为另一个焊趾点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474943.3A CN111738985B (zh) | 2020-05-29 | 2020-05-29 | 一种焊缝轮廓视觉检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474943.3A CN111738985B (zh) | 2020-05-29 | 2020-05-29 | 一种焊缝轮廓视觉检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738985A true CN111738985A (zh) | 2020-10-02 |
CN111738985B CN111738985B (zh) | 2024-04-02 |
Family
ID=72648050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010474943.3A Active CN111738985B (zh) | 2020-05-29 | 2020-05-29 | 一种焊缝轮廓视觉检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738985B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112528735A (zh) * | 2020-10-30 | 2021-03-19 | 清华大学 | 管道螺旋焊缝漏磁自动识别方法和装置 |
CN112857271A (zh) * | 2021-01-08 | 2021-05-28 | 中国科学院力学研究所 | 一种激光熔覆过程稳定性的判别方法 |
CN114061458A (zh) * | 2022-01-17 | 2022-02-18 | 快克智能装备股份有限公司 | 一种空间扫描定位缝隙的方法及装置和应用 |
CN114193240A (zh) * | 2021-12-16 | 2022-03-18 | 大连理工大学 | 一种特种移动机器人壳体内焊缝随形加工工艺方法 |
CN114619081A (zh) * | 2021-11-23 | 2022-06-14 | 三门三友科技股份有限公司 | 一种能精确引导铣削铜粒子的方法及高精密装备 |
CN116423049A (zh) * | 2023-06-12 | 2023-07-14 | 广州市易鸿智能装备有限公司 | 一种补焊位置确定方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007192721A (ja) * | 2006-01-20 | 2007-08-02 | Nippon Steel Corp | ビード形状検出方法及び装置 |
CN104697467A (zh) * | 2015-02-12 | 2015-06-10 | 中北大学 | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 |
CN109175608A (zh) * | 2018-09-30 | 2019-01-11 | 华南理工大学 | 焊缝特征点位置在线测量方法及焊缝轨迹自动测量系统 |
CN110091333A (zh) * | 2019-05-17 | 2019-08-06 | 上海交通大学 | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 |
KR20190124452A (ko) * | 2018-04-26 | 2019-11-05 | 오토아이티(주) | 용접비드 비전 검사 장치 및 용접 불량 검사방법 |
CN110987944A (zh) * | 2019-12-19 | 2020-04-10 | 武汉新耐视智能科技有限责任公司 | 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 |
-
2020
- 2020-05-29 CN CN202010474943.3A patent/CN111738985B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007192721A (ja) * | 2006-01-20 | 2007-08-02 | Nippon Steel Corp | ビード形状検出方法及び装置 |
CN104697467A (zh) * | 2015-02-12 | 2015-06-10 | 中北大学 | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 |
KR20190124452A (ko) * | 2018-04-26 | 2019-11-05 | 오토아이티(주) | 용접비드 비전 검사 장치 및 용접 불량 검사방법 |
CN109175608A (zh) * | 2018-09-30 | 2019-01-11 | 华南理工大学 | 焊缝特征点位置在线测量方法及焊缝轨迹自动测量系统 |
CN110091333A (zh) * | 2019-05-17 | 2019-08-06 | 上海交通大学 | 复杂曲面表面焊缝特征识别和自动磨抛的装置及方法 |
CN110987944A (zh) * | 2019-12-19 | 2020-04-10 | 武汉新耐视智能科技有限责任公司 | 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
余亮;唐华;王芳;卢桂琴;何银水;: "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, no. 10 * |
范力予;李志勇;杨军涛;刘航;: "基于线激光扫描工业角焊缝外观的判识", 焊接技术, no. 02 * |
范力予;李志勇;杨军涛;刘航;: "基于线激光扫描的工业焊缝外观检测系统", 焊接学报, no. 07 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528735A (zh) * | 2020-10-30 | 2021-03-19 | 清华大学 | 管道螺旋焊缝漏磁自动识别方法和装置 |
CN112528735B (zh) * | 2020-10-30 | 2022-07-01 | 清华大学 | 管道螺旋焊缝漏磁自动识别方法和装置 |
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 |
CN112857271A (zh) * | 2021-01-08 | 2021-05-28 | 中国科学院力学研究所 | 一种激光熔覆过程稳定性的判别方法 |
CN112857271B (zh) * | 2021-01-08 | 2022-03-11 | 中国科学院力学研究所 | 一种激光熔覆过程稳定性的判别方法 |
CN114619081B (zh) * | 2021-11-23 | 2024-03-22 | 三门三友科技股份有限公司 | 一种能精确引导铣削铜粒子的方法及高精密装备 |
CN114619081A (zh) * | 2021-11-23 | 2022-06-14 | 三门三友科技股份有限公司 | 一种能精确引导铣削铜粒子的方法及高精密装备 |
CN114193240B (zh) * | 2021-12-16 | 2022-10-04 | 大连理工大学 | 一种特种移动机器人壳体内焊缝随形加工工艺方法 |
CN114193240A (zh) * | 2021-12-16 | 2022-03-18 | 大连理工大学 | 一种特种移动机器人壳体内焊缝随形加工工艺方法 |
CN114061458A (zh) * | 2022-01-17 | 2022-02-18 | 快克智能装备股份有限公司 | 一种空间扫描定位缝隙的方法及装置和应用 |
CN114061458B (zh) * | 2022-01-17 | 2022-04-19 | 快克智能装备股份有限公司 | 一种空间扫描定位缝隙的方法及装置和应用 |
CN116423049A (zh) * | 2023-06-12 | 2023-07-14 | 广州市易鸿智能装备有限公司 | 一种补焊位置确定方法和装置 |
CN116423049B (zh) * | 2023-06-12 | 2023-09-08 | 广州市易鸿智能装备有限公司 | 一种补焊位置确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111738985B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111738985B (zh) | 一种焊缝轮廓视觉检测方法及系统 | |
Huang et al. | Development of a real-time laser-based machine vision system to monitor and control welding processes | |
CN112683193B (zh) | 基于机器视觉的刀具类型判别及几何参数检测方法及系统 | |
CN108801914B (zh) | 一种对多沟槽型面板材成形缺陷的检测方法及检测系统 | |
CN109855562B (zh) | 钢轨磨耗测量方法及装置 | |
CN111103291A (zh) | 基于产品焊缝特征的图像识别与质量智能评价系统 | |
CN110987944B (zh) | 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 | |
CN204788276U (zh) | 一种基于激光扫描的直缝焊管焊缝噘嘴检测系统 | |
CN106323192A (zh) | 一种基于激光扫描的直缝焊管焊缝噘嘴检测系统 | |
CN109239081B (zh) | 基于结构光与视觉成像的焊缝质量参数检测方法 | |
CN115318762B (zh) | 一种复杂结构面的激光清洗方法及清洗装置 | |
CN110232388A (zh) | 一种从蜂窝芯表面测量数据中识别蜂窝边的方法 | |
CN114088021B (zh) | 一种非接触式传感器联合定位的钢轨直线度检测方法 | |
CN112561854A (zh) | 一种基于线结构光点云的焊缝检测方法 | |
Póka et al. | A robust digital image processing method for measuring the planar burr length at milling | |
CN108827197B (zh) | 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法 | |
Yu et al. | Visual texture-based 3-D roughness measurement for additive manufacturing surfaces | |
CN112345540A (zh) | 一种基于圆形结构光检测内孔过盈配合表面拆卸损伤的检测方法 | |
Wang et al. | Detection of HF-ERW process by 3D bead shape measurement with line-structured laser vision | |
Li et al. | Narrow weld joint recognition method based on laser profile sensor | |
CN109993741B (zh) | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 | |
García et al. | Rail surface inspection system using differential topographic images | |
CN111815575A (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN116664508A (zh) | 一种焊缝表面质量检测方法及计算机可读存储介质 | |
Chen et al. | Vision-based position deviation measurement of rail corrugation chord measuring points under bi-linear laser assistance |
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 |