CN112396644A - 一种基于3d视觉检测技术的焊缝追踪方法 - Google Patents
一种基于3d视觉检测技术的焊缝追踪方法 Download PDFInfo
- Publication number
- CN112396644A CN112396644A CN202011372269.4A CN202011372269A CN112396644A CN 112396644 A CN112396644 A CN 112396644A CN 202011372269 A CN202011372269 A CN 202011372269A CN 112396644 A CN112396644 A CN 112396644A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- points
- laser stripe
- skeleton
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 230000000007 visual effect Effects 0.000 title claims abstract description 11
- 238000003466 welding Methods 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 210000000988 bone and bone Anatomy 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000011179 visual inspection Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009966 trimming Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012067 mathematical method Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 11
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research 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
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于3D视觉检测技术的焊缝追踪方法，属于焊缝追踪领域，基于标定方案流程给出了管道内壁视觉检测系统的标定结果，最后分别进行了有缺陷和无缺陷的管道内壁实际测量。通过对比测量结果验证整个系统的检测精度，同时初步实现了管道内壁三维形貌的重构，证明本文提出的管道内壁视觉检测系统的可行性。最后对系统的误差来源进行了分析，提出改进方法，并且在焊缝检测中对比分析了两种数学模型的优点和缺点，根据实际的应用需求进行选择，讨论了如何通过选择结构光的功率和滤光镜来降低光线和飞溅对测量的影响。
Description
技术领域
本发明涉及焊缝追踪领域，尤其涉及一种基于3D视觉检测技术的焊缝追踪方法。
背景技术
长期以来，由于激光焊接过程焊缝跟踪精度严重影响到焊接质量，是确保焊接质量稳定性和有效控的前提，因而焊接过程焊缝跟踪控制是激光焊接的一个重要研究方向。由于焊接前的焊件夹装误差和焊接过程中的焊件热变形，激光束如果按照预先固定的路径运动，往往会造成激光束偏离焊缝。特别是对于大功率光纤激光焊接，其光束功率密度高，焊缝间隙窄，所允许的焊缝路径偏离误差非常小，所以对焊缝跟踪精度要求高，通常当激光束与焊缝之间的偏差超过时即不能满足工程要求。可见，实时准确地识别和跟踪焊缝是实现焊接过程不稳定性的监测和控制，最终实现焊接质量可靠性的控制的关键。
对于管道内壁的焊缝现在还缺少一种行之有效的方法对其进行检测，并且能够有效规避管内光线对于管壁焊缝的检测。
发明内容
本发明为解决上述问题，而提出的一种基于3D视觉检测技术的焊缝追踪方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于3D视觉检测技术的焊缝追踪方法，包括以下步骤：
S1、靶标图像圆光条中心提取：通过预处理拟制不需要的噪声，限定遍历区域，使圆结构光条投射在该区域内的范围中自由移动；之后采取Hessian矩阵求解出法线方向，然后在该法线方向上通过级数展开以及求导等数学方计算出中心点坐标；即得到亚像素精度的光条中心点坐标；
S2、管道内壁图像圆光条中心提取：首先采用灰度阈值判断过滤一部分干扰信息，之后采用24领域计算有效点个数和的方法予以剔除少量孤立噪声点，之后再通过Hessian矩阵求解特征值；
S3、管道内壁圆3D视觉测量系统标定：通过摄像机拍摄带有该圆光条的图像就可以同时获得摄像机标定以及圆结构光标定的数据源，进而通过平面靶标与张正友法完成二者的同步标定，完成标定后的系统就可以进行实际测量；
S4、3D图像转换：将每幅图像的光条中心点坐标均转化到以第一幅图像为XOY面的全局世界坐标下，通过MATLAB绘制得到的全部内壁三维数据点；
S5、初始特征点提取：采集焊缝结构光图像，图像中不存在弧光和飞溅噪声，在带通滤光镜的作用下，环境光被过滤，激光条纹与背景的对比度十分高；
S6、阈值分割：应用大律法进行阈值分割，分割后灰度值较低的噪声被全部去除，激光条纹保持良好的完整性；
S7、形态学修整：对S6中的图像进行闭计算填充激光条纹区域内部可能存在的小孔洞；
I1＝I0·S1
式中，I0表示S6中的图像，S1表示结构元；
之后对I1＝I0·S1进行开运算，去除边缘毛刺：
I2＝I1·S2
其中，结构元S2的宽度应该小于激光条纹的宽度，否则开运算会把激光条纹整体去除；为了避免激光条纹局部的宽度比开运算的结构元的宽度小，开运算将导致激光条纹在该部位断开，对图像进行膨胀运算：
其中，结构元S3的宽度应与激光条纹接近；
S8、ROI提取：通过ROI将激光条纹从图像中提取出来；根据8连通准则标记图像中所有的连通域；统计所有连通域各自包含的像素数量，以像素数量作为连通域的面积；将面积最大的连通域提取出来；
S9、中心线、特征点和倾斜角提取：首先采用图像细化法获取目标的骨骼；之后拟合求交的方法提取特征点，首先对骨骼进行拆分，然后对拆分后的骨骼进行直线拟合，最后通过拟合直线求交得到特征点，两段骨骼的过渡部分形成拐点，可以根据拐点可以对骨骼进行拆分。
优选地，所述S2中灰度阈值判断指在进行Hessian矩阵求解特征值时首先判断该点的灰度值是否大于设定的阈值，若小于则直接认定为干扰点剔除。
优选地，所述S5中由于金属镜面反射的影响，图像局部存在一些反光噪声，这种情况下，可以利用图像处理方法进行去噪并提取激光条纹的特征点。
优选地，所述S6中由于一些灰度值与激光条纹相近的反光噪声与激光条纹一同被分割了出来，之后需要通过后续的图像处理将反光噪声去除。
优选地，所述S9中的拆分方法如下：设骨骼的端点为P1和P2，计算出所有骨骼点到直线P1和P2的距离，找出距离最大的点，设该为P，如果P点到直线P1和P2的距离小于5个像素，则认为骨骼没有拐点，拆分结束，如果距离大于5个像素，则认为P点是拐点，然后以P点为界将骨骼拆分为两段，两段骨骼的端点分别为P1、P和P、P2；
对上述拆分得到的两段骨骼采用同样的方法检测拐点，如果存在拐点则进一步拆分，如果不存在拐点则对该段骨骼进行标记；
重复第一步和第二步直到所有的骨骼都不存在拐点。
与现有技术相比，本发明提供了一种基于3D视觉检测技术的焊缝追踪方法，具备以下有益效果：
1.本发明的有益效果是：本发明基于标定方案流程给出了管道内壁视觉检测系统的标定结果，最后分别进行了有缺陷和无缺陷的管道内壁实际测量。通过对比测量结果验证整个系统的检测精度，同时初步实现了管道内壁三维形貌的重构，证明本文提出的管道内壁视觉检测系统的可行性。最后对系统的误差来源进行了分析，提出改进方法，并且在焊缝检测中对比分析了两种数学模型的优点和缺点，根据实际的应用需求进行选择，讨论了如何通过选择结构光的功率和滤光镜来降低光线和飞溅对测量的影响。
附图说明
图1为本发明提出的一种基于3D视觉检测技术的焊缝追踪方法的一具体实施例的流程图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1：
参考图1，一种基于3D视觉检测技术的焊缝追踪方法，包括以下步骤：
S1、靶标图像圆光条中心提取：通过预处理拟制不需要的噪声，限定遍历区域，使圆结构光条投射在该区域内的范围中自由移动；之后采取Hessian矩阵求解出法线方向，然后在该法线方向上通过级数展开以及求导等数学方计算出中心点坐标；即得到亚像素精度的光条中心点坐标；
S2、管道内壁图像圆光条中心提取：首先采用灰度阈值判断过滤一部分干扰信息，之后采用24领域计算有效点个数和的方法予以剔除少量孤立噪声点，之后再通过Hessian矩阵求解特征值；
S3、管道内壁圆3D视觉测量系统标定：通过摄像机拍摄带有该圆光条的图像就可以同时获得摄像机标定以及圆结构光标定的数据源，进而通过平面靶标与张正友法完成二者的同步标定，完成标定后的系统就可以进行实际测量；
S4、3D图像转换：将每幅图像的光条中心点坐标均转化到以第一幅图像为XOY面的全局世界坐标下，通过MATLAB绘制得到的全部内壁三维数据点；
S5、初始特征点提取：采集焊缝结构光图像，图像中不存在弧光和飞溅噪声，在带通滤光镜的作用下，环境光被过滤，激光条纹与背景的对比度十分高；
S6、阈值分割：应用大律法进行阈值分割，分割后灰度值较低的噪声被全部去除，激光条纹保持良好的完整性；
S7、形态学修整：对S6中的图像进行闭计算填充激光条纹区域内部可能存在的小孔洞；
I1＝I0·S1
式中，I0表示S6中的图像，S1表示结构元；
之后对I1＝I0·S1进行开运算，去除边缘毛刺：
I2＝I1·S2
其中，结构元S2的宽度应该小于激光条纹的宽度，否则开运算会把激光条纹整体去除；为了避免激光条纹局部的宽度比开运算的结构元的宽度小，开运算将导致激光条纹在该部位断开，对图像进行膨胀运算：
其中，结构元S3的宽度应与激光条纹接近；
S8、ROI提取：通过ROI将激光条纹从图像中提取出来；根据8连通准则标记图像中所有的连通域；统计所有连通域各自包含的像素数量，以像素数量作为连通域的面积；将面积最大的连通域提取出来；
S9、中心线、特征点和倾斜角提取：首先采用图像细化法获取目标的骨骼；之后拟合求交的方法提取特征点，首先对骨骼进行拆分，然后对拆分后的骨骼进行直线拟合，最后通过拟合直线求交得到特征点，两段骨骼的过渡部分形成拐点，可以根据拐点可以对骨骼进行拆分。
进一步，优选地，所述S2中灰度阈值判断指在进行Hessian矩阵求解特征值时首先判断该点的灰度值是否大于设定的阈值，若小于则直接认定为干扰点剔除。
进一步，优选地，所述S5中由于金属镜面反射的影响，图像局部存在一些反光噪声，这种情况下，可以利用图像处理方法进行去噪并提取激光条纹的特征点。
进一步，优选地，所述S6中由于一些灰度值与激光条纹相近的反光噪声与激光条纹一同被分割了出来，之后需要通过后续的图像处理将反光噪声去除。
进一步，优选地，所述S9中的拆分方法如下：设骨骼的端点为P1和P2，计算出所有骨骼点到直线P1和P2的距离，找出距离最大的点，设该为P，如果P点到直线P1和P2的距离小于5个像素，则认为骨骼没有拐点，拆分结束，如果距离大于5个像素，则认为P点是拐点，然后以P点为界将骨骼拆分为两段，两段骨骼的端点分别为P1、P和P、P2；
对上述拆分得到的两段骨骼采用同样的方法检测拐点，如果存在拐点则进一步拆分，如果不存在拐点则对该段骨骼进行标记；
重复第一步和第二步直到所有的骨骼都不存在拐点。
本发明基于标定方案流程给出了管道内壁视觉检测系统的标定结果，最后分别进行了有缺陷和无缺陷的管道内壁实际测量。通过对比测量结果验证整个系统的检测精度，同时初步实现了管道内壁三维形貌的重构，证明本文提出的管道内壁视觉检测系统的可行性。最后对系统的误差来源进行了分析，提出改进方法，并且在焊缝检测中对比分析了两种数学模型的优点和缺点，根据实际的应用需求进行选择，讨论了如何通过选择结构光的功率和滤光镜来降低光线和飞溅对测量的影响。
实施例2：基于实施例1有所不同的是；
本实施例实际测量的对象为一长度约为60cm，内径约为90mm的工业直管。每移动2mm拍摄一幅图像，一共拍摄了十幅图像。经过光条特征信息提取以及干扰滤除后，将每幅图像的光条中心点坐标均转化到以第一幅图像为XOY面的全局世界坐标下，通过MATLAB绘制得到的全部内壁三维数据点再采用OPENGL重构无缺陷的内壁数据点得到的管道内表面三维形貌；
使用50分度的游标卡尺测量管道内径结果如表1所示，计算其平均内径为88.51mm，利用本发明检测系统测量出的管道内壁见表2，计算其平均直径为88.52mm。通过比较可知本发明测量方法测量精度在100μm以内。
表1游标卡尺测量管道内径结果
表2检测系统测量的管道内径结果
实施例3：基于实施例1和2，但又有所不同的是；
本实施例在确认检测系统对管道内壁缺陷检测的可行性，测量过程与无缺陷内壁测量一样，每次移动管道2mm后拍摄图像。一共拍摄了十幅图像，其中八幅图像中都可以看到由于圆结构光锥面受到管道内壁缺陷的调制光条下部发生了弯曲，前两幅图像由于凸起部分遮挡了圆结构光而导致摄像机拍摄不到弯曲的圆光条，其余六幅图像能够完整显示出缺陷部分的形貌。十幅图像经过特征提取以及干扰信息剔除处理。后续处理与无缺陷时一样，将从所有图像中提取出的光条中心点坐标转换到以第一幅图像为XOY面的三维世界坐标系下，通过MATLAB绘制得到的全部有缺陷的管道内壁三维数据点，之后使用OPENGL重构有缺陷的内壁数据点得到的管道内表面三维形貌。
由于在实际的测量中，由于光线问题导致其背景亮度变得十分不均匀，严重降低了激光条纹与背景的对比度。对比度下降可能会使图像的灰度直方图形成多个谷峰，从而大律法失效。因此，在进行阈值分割前需要增强图像的对比度。解决背景亮度不均匀的最直接的办法就是把背景去除，把图像的背景提取出来，然后从原图减去背景，得到理想的前景图像，由实施例1中的的形态学知识可知，要去除图像的前景物体得到背景，只需要用一个尺寸比该物体大的结构元对图像进行形态学的开运算。这是因为通常情况下背景区域要比前景区域大，用一个尺寸比前景物体大的结构元对图像进行腐蚀能把该物体完全腐蚀掉，然后再用该结构元对图像进行膨胀就能把缺失的前景部分用背景的元素填充，从而得到图像的背景。得到背景后，用原图减去背景就能得到前景物体，其过程可以表示为：
I1＝I0-(I0ob)
式中，I0表示处理前的图像，表示灰度形态学的开运算，b表示结构元。结构元b的尺寸对处理结果影响很大。如果尺寸过小，提取出的背景就会含有前景物体的残余部分，相减后得到的前景就会有残缺；如果尺寸过大，一些背景的区域会被误认为是前景区域，从而导致背景提取失败。由于激光条纹宽度保持在10-15个像素左右，因此可以选择尺寸为30×30的方形结构元。去除背景后激光条纹整体的亮度有所降低，可以通过灰度指数变换对其进行增强。设图像I1的灰度值为I1(c,r)，指数变换后灰度值为I2(c,r)，指数变换为：
I2(c,r)＝[225^I1(c,r)/k-1]
式中，k为变换系数，[]表示如下操作：对结果取整数，取整后如果结果大于255则使结果等于255，作用是保证I2(c,r)为0-255的整数。取k等于150，对处理前的图像进行指数变换，结果表示，激光条纹亮度明显被增强，背景亮度被进一步抑制。
后续再对图像进行阈值分割、形态学修整、ROI提取和中心线、特征点和倾斜角提取。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于3D视觉检测技术的焊缝追踪方法，其特征在于，包括以下步骤：
S1、靶标图像圆光条中心提取：通过预处理拟制不需要的噪声，限定遍历区域，使圆结构光条投射在该区域内的范围中自由移动；之后采取Hessian矩阵求解出法线方向，然后在该法线方向上通过级数展开以及求导等数学方计算出中心点坐标；即得到亚像素精度的光条中心点坐标；
S2、管道内壁图像圆光条中心提取：首先采用灰度阈值判断过滤一部分干扰信息，之后采用24领域计算有效点个数和的方法予以剔除少量孤立噪声点，之后再通过Hessian矩阵求解特征值；
S3、管道内壁圆3D视觉测量系统标定：通过摄像机拍摄带有该圆光条的图像就可以同时获得摄像机标定以及圆结构光标定的数据源，进而通过平面靶标与张正友法完成二者的同步标定，完成标定后的系统就可以进行实际测量；
S4、3D图像转换：将每幅图像的光条中心点坐标均转化到以第一幅图像为XOY面的全局世界坐标下，通过MATLAB绘制得到的全部内壁三维数据点；
S5、初始特征点提取：采集焊缝结构光图像，图像中不存在弧光和飞溅噪声，在带通滤光镜的作用下，环境光被过滤，激光条纹与背景的对比度十分高；
S6、阈值分割：应用大律法进行阈值分割，分割后灰度值较低的噪声被全部去除，激光条纹保持良好的完整性；
S7、形态学修整：对S6中的图像进行闭计算填充激光条纹区域内部可能存在的小孔洞；
I1＝I0·S1
式中，I0表示S6中的图像，S1表示结构元；
之后对I1＝I0·S1进行开运算，去除边缘毛刺：
I2＝I1·S2
其中，结构元S2的宽度应该小于激光条纹的宽度，否则开运算会把激光条纹整体去除；为了避免激光条纹局部的宽度比开运算的结构元的宽度小，开运算将导致激光条纹在该部位断开，对图像进行膨胀运算：
其中，结构元S3的宽度应与激光条纹接近；
S8、ROI提取：通过ROI将激光条纹从图像中提取出来；根据8连通准则标记图像中所有的连通域；统计所有连通域各自包含的像素数量，以像素数量作为连通域的面积；将面积最大的连通域提取出来；
S9、中心线、特征点和倾斜角提取：首先采用图像细化法获取目标的骨骼；之后拟合求交的方法提取特征点，首先对骨骼进行拆分，然后对拆分后的骨骼进行直线拟合，最后通过拟合直线求交得到特征点，两段骨骼的过渡部分形成拐点，可以根据拐点可以对骨骼进行拆分。
2.根据权利要求1所述的一种基于3D视觉检测技术的焊缝追踪方法，其特征在于：所述S2中灰度阈值判断指在进行Hessian矩阵求解特征值时首先判断该点的灰度值是否大于设定的阈值，若小于则直接认定为干扰点剔除。
3.根据权利要求1所述的一种基于3D视觉检测技术的焊缝追踪方法，其特征在于：所述S5中由于金属镜面反射的影响，图像局部存在一些反光噪声，这种情况下，可以利用图像处理方法进行去噪并提取激光条纹的特征点。
4.根据权利要求1所述的一种基于3D视觉检测技术的焊缝追踪方法，其特征在于：所述S6中由于一些灰度值与激光条纹相近的反光噪声与激光条纹一同被分割了出来，之后需要通过后续的图像处理将反光噪声去除。
5.根据权利要求1所述的一种基于3D视觉检测技术的焊缝追踪方法，其特征在于：所述S9中的拆分方法如下：设骨骼的端点为P1和P2，计算出所有骨骼点到直线P1和P2的距离，找出距离最大的点，设该为P，如果P点到直线P1和P2的距离小于5个像素，则认为骨骼没有拐点，拆分结束，如果距离大于5个像素，则认为P点是拐点，然后以P点为界将骨骼拆分为两段，两段骨骼的端点分别为P1、P和P、P2；
对上述拆分得到的两段骨骼采用同样的方法检测拐点，如果存在拐点则进一步拆分，如果不存在拐点则对该段骨骼进行标记；
重复第一步和第二步直到所有的骨骼都不存在拐点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011372269.4A CN112396644A (zh) | 2020-11-30 | 2020-11-30 | 一种基于3d视觉检测技术的焊缝追踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011372269.4A CN112396644A (zh) | 2020-11-30 | 2020-11-30 | 一种基于3d视觉检测技术的焊缝追踪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112396644A true CN112396644A (zh) | 2021-02-23 |
Family
ID=74604740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011372269.4A Pending CN112396644A (zh) | 2020-11-30 | 2020-11-30 | 一种基于3d视觉检测技术的焊缝追踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112396644A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485678A (zh) * | 2023-04-28 | 2023-07-25 | 深圳联安通达科技有限公司 | 基于嵌入式操作系统的图像处理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955927A (zh) * | 2014-04-26 | 2014-07-30 | 江南大学 | 一种基于激光视觉的角焊缝自动跟踪方法 |
| 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 |
-
2020
- 2020-11-30 CN CN202011372269.4A patent/CN112396644A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955927A (zh) * | 2014-04-26 | 2014-07-30 | 江南大学 | 一种基于激光视觉的角焊缝自动跟踪方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 张瑞: "管道内壁圆结构光视觉三维检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 龚国基: "基于主动光视觉传感的焊缝自动跟踪系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485678A (zh) * | 2023-04-28 | 2023-07-25 | 深圳联安通达科技有限公司 | 基于嵌入式操作系统的图像处理方法 |
| CN116485678B (zh) * | 2023-04-28 | 2024-02-09 | 深圳联安通达科技有限公司 | 基于嵌入式操作系统的图像处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | A robust weld seam recognition method under heavy noise based on structured-light vision | |
| CN109544456B (zh) | 基于二维图像和三维点云数据融合的全景环境感知方法 | |
| Shah et al. | Butt welding joints recognition and location identification by using local thresholding | |
| Shan et al. | A stereovision-based crack width detection approach for concrete surface assessment | |
| KR20020077420A (ko) | 시험편의 주조 결함을 자동으로 검출하는 검출 방법 | |
| Qingguo et al. | Utilizing polygon segmentation technique to extract and optimize light stripe centerline in line-structured laser 3D scanner | |
| CN111462054A (zh) | 一种点胶质量检测方法 | |
| CN114252449B (zh) | 一种基于线结构光的铝合金焊缝表面质量检测系统及方法 | |
| KR101026720B1 (ko) | 고속 레이저 비전 센서 시스템, 이를 이용한 고속 이미지프로세싱 방법 및 용접부 외관 검사방법 | |
| CN112950633B (zh) | 一种基于线结构光的铝合金焊缝表面缺陷检测方法 | |
| Hua et al. | 3D reconstruction of concrete defects using optical laser triangulation and modified spacetime analysis | |
| CN112508971B (zh) | 基于仿真结构光条纹的焊缝定位方法、系统及存储介质 | |
| CN114240944A (zh) | 一种基于点云信息的焊接缺陷检测方法 | |
| CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
| CN108986160A (zh) | 一种含有镜面反射光干扰的图像激光中心线提取方法 | |
| CN113379902A (zh) | 一种基于激光扫描的焊缝形状的特征提取与三维重建方法 | |
| CN116228652A (zh) | 一种基于三维点云曲率的管道焊缝表面缺陷检测方法 | |
| CN114066752B (zh) | 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法 | |
| Lin et al. | Intelligent seam tracking of an ultranarrow gap during K-TIG welding: a hybrid CNN and adaptive ROI operation algorithm | |
| CN112396644A (zh) | 一种基于3d视觉检测技术的焊缝追踪方法 | |
| CN115017707A (zh) | 一种基于像素法的2.5维编织复合材料建模方法 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN117611525A (zh) | 一种受电弓滑板磨耗视觉检测方法和系统 | |
| CN112330667A (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
| CN117455831A (zh) | 一种基于图像轮廓二阶差分的直角焊缝特征点识别方法 |
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: 20210223 |