CN112837307A - 焊道轮廓的确定方法、装置、处理器与系统 - Google Patents
焊道轮廓的确定方法、装置、处理器与系统 Download PDFInfo
- Publication number
- CN112837307A CN112837307A CN202110206789.6A CN202110206789A CN112837307A CN 112837307 A CN112837307 A CN 112837307A CN 202110206789 A CN202110206789 A CN 202110206789A CN 112837307 A CN112837307 A CN 112837307A
- Authority
- CN
- China
- Prior art keywords
- bead
- image
- edge
- initial
- welding
- 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
- 239000011324 bead Substances 0.000 title claims abstract description 431
- 238000003466 welding Methods 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000003708 edge detection Methods 0.000 claims abstract description 121
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 11
- 239000010953 base metal Substances 0.000 abstract description 8
- 238000001914 filtration Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000758 substrate Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种焊道轮廓的确定方法、装置、处理器与系统，该确定方法包括：获取初始焊道图像；对初始焊道图像进行第一边缘检测，得到中间焊道图像；根据中间焊道图像，确定感兴趣区域；对感兴趣区域进行预定处理，得到焊道轮廓，预定处理至少包括第二边缘检测。该确定方法中，对获取的初始焊道图像依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，这样可以在较短时间内得到较为准确的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
Description
技术领域
本申请涉及焊道领域，具体而言，涉及一种焊道轮廓的确定方法、装置、计算机可读存储介质、处理器与系统。
背景技术
无轨导爬行机器人能够依靠外部视觉传感器自动寻找焊道位置，并据此调整机器人本体以及焊枪的位置以及姿态。基于视觉的焊道检测是其中十分重要的模块，直接影响后续焊接的精度。
目前，基于视觉伺服的焊接机器人一般都是通过寻找焊缝的左右拐点确定焊道的中心点位置，并根据中心点位置直接对机器人本体以及焊枪进行调整。但是，在实际应用过程中仅仅依据焊道中心点位置无法对焊枪的姿态进行精准控制。因此，亟需一种准确提取焊道轮廓的方法，来达到精准控制焊枪的目的。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种焊道轮廓的确定方法、装置、计算机可读存储介质、处理器与系统，以解决现有技术中无法准确提取焊道轮廓的问题。
根据本发明实施例的一个方面，提供了一种焊道轮廓的确定方法，包括：获取初始焊道图像；对所述初始焊道图像进行第一边缘检测，得到中间焊道图像；根据所述中间焊道图像，确定感兴趣区域；对所述感兴趣区域进行预定处理，得到所述焊道轮廓，所述预定处理至少包括第二边缘检测。
可选地，对所述初始焊道图像进行第一边缘检测，得到中间焊道图像，包括：对所述初始焊道图像进行所述第一边缘检测，以确定第一焊道图像；去除所述第一焊道图像中的伪边缘，得到所述中间焊道图像。
可选地，所述第一焊道图像包括多个子图像，多个所述子图像为不同时刻获取的焊道的图像，去除所述第一焊道图像中的伪边缘，得到所述中间焊道图像，包括：按预定比例对多个所述子图像进行缩放；获取缩放后的多个所述子图像的灰度值；根据多个所述灰度值，去除所述伪边缘，以得到所述中间焊道图像。
可选地，根据多个所述灰度值，去除所述伪边缘，以得到所述中间焊道图像，包括：比较多个所述灰度值，确定所述灰度值最小的所述子图像为第二焊道图像，所述第二焊道图像包括多个边缘线；根据多个所述边缘线，确定所述第二焊道图像中的所述伪边缘；从所述第二焊道图像中剔除所述伪边缘，得到所述中间焊道图像。
可选地，根据多个所述边缘线，确定所述第二焊道图像中的所述伪边缘，包括：获取多个所述边缘线的长度以及夹角；获取长度阈值以及夹角阈值；根据多个所述长度、多个所述夹角、所述长度阈值以及所述夹角阈值，确定多个所述边缘线是否为所述伪边缘，在所述长度小于所述长度阈值或者所述夹角小于所述夹角阈值的情况下，确定所述长度或所述夹角对应的所述边缘线为所述伪边缘。
可选地，所述中间焊道图像包括依次相连的焊道第一边缘线、焊道初始轮廓以及焊道第二边缘线，根据所述中间焊道图像，确定感兴趣区域，包括：根据所述焊道第一边缘线、所述焊道初始轮廓以及所述焊道第二边缘线，确定所述中间焊道图像中的第一初始拐点以及第二初始拐点，所述第一初始拐点为所述焊道第一边缘线与所述焊道初始轮廓的交点，所述第二初始拐点为所述焊道第二边缘线与所述焊道初始轮廓的交点；确定所述第一初始拐点与所述第二初始拐点之间的区域为所述感兴趣区域。
可选地，对所述感兴趣区域进行预定处理，得到所述焊道轮廓，包括：对所述感兴趣区域的轮廓进行所述第二边缘检测，得到所述焊道轮廓，所述第二边缘检测为自适应阈值的边缘检测算法。
可选地，对所述感兴趣区域进行预定处理，得到所述焊道轮廓，包括：对所述感兴趣区域的轮廓进行所述第二边缘检测，得到处理后感兴趣区域，所述处理后感兴趣区域包括不连贯的焊道轮廓线，所述第二边缘检测为自适应阈值的边缘检测算法；采用区域生长算法修复不连贯的所述焊道轮廓线，得到所述焊道轮廓。
可选地，采用区域生长算法修复不连贯的所述焊道轮廓线，得到所述焊道轮廓，包括：采用区域生长算法修复不连贯的所述焊道轮廓线，得到第三焊道图像；采用数学形态学确定所述第三焊道图像的第一拐点和第二拐点；获取所述第一拐点和所述第二拐点之间的轮廓线，所述轮廓线为所述焊道轮廓。
可选地，在获取初始焊道图像之前，在对所述初始焊道图像进行第一边缘检测之后，所述方法还包括：采用图像增强算法处理所述初始焊道图像，得到处理后焊道图像。
根据本发明实施例的另一方面，还提供了一种焊道轮廓的确定装置，包括：获取单元，用于获取初始焊道图像；检测单元，用于对所述初始焊道图像进行第一边缘检测，得到中间焊道图像；确定单元，用于根据所述中间焊道图像，确定感兴趣区域；第一处理单元，用于对所述感兴趣区域进行预定处理，得到所述焊道轮廓，所述预定处理至少包括第二边缘检测。
根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
根据本发明实施例的再一方面，还提供了处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
根据本发明实施例的一方面，还提供了一种系统，包括：焊接装置和焊接轮廓的确定装置，其中，焊接轮廓的确定装置，与所述焊接装置通信连接，所述焊接轮廓的确定装置用于执行任意一种所述的方法。
在本发明实施例中，所述焊道轮廓的确定方法中，首先获取初始焊道图像；然后对所述初始焊道图像进行第一边缘检测，得到中间焊道图像；之后根据所述中间焊道图像，确定感兴趣区域；最后对所述感兴趣区域进行预定处理，得到所述焊道轮廓，所述预定处理至少包括第二边缘检测。该确定方法中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请一种的实施例的焊道轮廓的确定方法的流程图；
图2示出了根据本申请一种的实施例的中间焊道图像的示意图；
图3示出了根据本申请一种的实施例的焊道轮廓的确定装置的示意图；
图4示出了根据本申请又一种的实施例的焊道轮廓的确定方法的流程图。
其中，上述附图包括以下附图标记：
11、焊道第一边缘线；12、焊道第二边缘线；13、第一初始拐点；14、第二初始拐点；15、焊道初始轮廓。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，现有技术中无法准确提取焊道轮廓的问题，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种焊道轮廓的确定方法、装置、计算机可读存储介质、处理器与系统。
根据本申请的实施例，提供了一种焊道轮廓的确定方法。
图1是根据本申请实施例的焊道轮廓的确定方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，获取初始焊道图像；
步骤S102，对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；
步骤S103，根据上述中间焊道图像，确定感兴趣区域；
步骤S104，对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。
上述焊道轮廓的确定方法中，首先获取初始焊道图像；然后对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；之后根据上述中间焊道图像，确定感兴趣区域；最后对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。该确定方法中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
在实际的应用过程中，本领域技术人员可以选择现有技术中任意的边缘检测方法来实现上述的第一边缘检测和上述的第二边缘检测。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请的一种实施例中，对上述初始焊道图像进行第一边缘检测，得到中间焊道图像，包括：对上述初始焊道图像进行上述第一边缘检测，以确定第一焊道图像；去除上述第一焊道图像中的伪边缘，得到上述中间焊道图像。在该实施例中，对获取的初始焊道图像进行第一边缘检测，再去除第一焊道图像中因弧光形成的伪边缘，进一步地克服了由于弧光形成的伪边缘产生的干扰，进一步地保证了得到的中间焊道图像较为准确，进一步地缓解了现有技术中无法准确提取焊道轮廓的问题。
本申请的一种具体的实施例中，上述第一边缘检测可以为粗边缘检测算法，但不限于粗边缘检测算法，可以为现有技术中任何的边缘检测的算法。
本申请的又一种实施例中，上述第一焊道图像包括多个子图像，多个上述子图像为不同时刻获取的焊道的图像，去除上述第一焊道图像中的伪边缘，得到上述中间焊道图像，包括：按预定比例对多个上述子图像进行缩放；获取缩放后的多个上述子图像的灰度值；根据多个上述灰度值，去除上述伪边缘，以得到上述中间焊道图像。在该实施例中，将多个子图像按照预定比例进行缩放，获取缩放后的多个子图像的灰度值，根据多个灰度值，这样可以较准确地去除第一焊道图像中的伪边缘，进一步地保证了得到的中间焊道图像较为准确。
本申请的另一种实施例中，根据多个上述灰度值，去除上述伪边缘，以得到上述中间焊道图像，包括：比较多个上述灰度值，确定上述灰度值最小的上述子图像为第二焊道图像，上述第二焊道图像包括多个边缘线；根据多个上述边缘线，确定上述第二焊道图像中的上述伪边缘；从上述第二焊道图像中剔除上述伪边缘，得到上述中间焊道图像。在该实施例中，通过比较多个灰度值，确定灰度值最小的子图像为第二焊道图像，进一步地保证了得到的第二焊道图像中的边缘线较为清晰，后续根据多个边缘线确定第二焊道图像中的伪边缘，这样可以更加准确地确定第二焊道图像中的伪边缘，进一步地避免了伪边缘对确定结果的干扰。
本申请的再一种实施例中，根据多个上述边缘线，确定上述第二焊道图像中的上述伪边缘，包括：获取多个上述边缘线的长度以及夹角；获取长度阈值以及夹角阈值；根据多个上述长度、多个上述夹角、上述长度阈值以及上述夹角阈值，确定多个上述边缘线是否为上述伪边缘，在上述长度小于上述长度阈值或者上述夹角小于上述夹角阈值的情况下，确定上述长度或上述夹角对应的上述边缘线为上述伪边缘。在该实施例中，根据第二焊道图像中的多个上述长度、多个上述夹角、上述长度阈值以及上述夹角阈值，在上述长度小于上述长度阈值或者上述夹角小于上述夹角阈值的情况下，确定上述长度或上述夹角对应的上述边缘线为上述伪边缘，能够较精确地确定出伪边缘，进一步保证了第一焊道图像中的伪边缘基本被去除。
本申请的一种具体的实施例中，去除上述第一焊道图像中的伪边缘包括两个步骤，第一步为初步过滤阶段：对获取的当前帧以及前一帧进行同步缩放，长宽均缩小为原来尺寸的1/2；然后用当前帧与上一帧逐像素做比较，灰度值较低的像素点被保留，进而得到一张新的图像，在初步过滤阶段中大部分的由弧光造成的伪边缘被滤除；第二步为精确过滤阶段，依据边缘特征的几何特征将新的图像中剩余边缘划分为有效边缘，即左右激光线边缘和焊道轮廓边缘，其中，有效边缘为长度较长且连续，相对水平位置具有较小的倾斜角；伪边缘为长度较短且不连续，相对水平位置有较大的倾斜角。
本申请的一种实施例中，如图2所示，上述中间焊道图像包括依次相连的焊道第一边缘线11、焊道初始轮廓15以及焊道第二边缘线12，根据上述中间焊道图像，确定感兴趣区域，包括：根据上述焊道第一边缘线11、上述焊道初始轮廓15以及上述焊道第二边缘线12，确定上述中间焊道图像中的第一初始拐点13以及第二初始拐点14，上述第一初始拐点13为上述焊道第一边缘线11与上述焊道初始轮廓15的交点，上述第二初始拐点14为上述焊道第二边缘线12与上述焊道初始轮廓15的交点；确定上述第一初始拐点13与上述第二初始拐点14之间的区域为上述感兴趣区域。在该实施例中，根据上述焊道第一边缘线11、上述焊道初始轮廓15以及上述焊道第二边缘线12，能够较快较准确地确定上述中间焊道图像中的第一初始拐点13以及第二初始拐点14，后续确定第一初始拐点13和第二初始拐点14之间的区域为上述感兴趣区域，进一步地保证了后续根据感兴趣区域，可以较为快速并准确地确定焊道轮廓，进一步地解决了现有技术中无法准确提取焊道轮廓的问题。
本申请的又一种实施例中，对上述感兴趣区域进行预定处理，得到上述焊道轮廓，包括：对上述感兴趣区域的轮廓进行上述第二边缘检测，得到上述焊道轮廓，上述第二边缘检测为自适应阈值的边缘检测算法。在该实施例中，采用自适应阈值的边缘检测算法对感兴趣区域进行第二边缘检测，进一步地保证了得到的上述焊道轮廓比较准确。
本申请的另一种实施例中，对上述感兴趣区域进行预定处理，得到上述焊道轮廓，包括：对上述感兴趣区域的轮廓进行上述第二边缘检测，得到处理后感兴趣区域，上述处理后感兴趣区域包括不连贯的焊道轮廓线，上述第二边缘检测为自适应阈值的边缘检测算法；采用区域生长算法修复不连贯的上述焊道轮廓线，得到上述焊道轮廓。在该实施例中，采用自适应阈值的边缘检测算法对感兴趣区域的轮廓进行第二边缘检测，这样能够准确地检测出感兴趣区域中焊道轮廓的所有边缘线，后续采用区域生长算法对检测出的不连贯的焊道轮廓线进行修复，进一步地保证了可以得到连续的焊道轮廓，进一步地解决了现有技术中因母材表面脏污造成的焊道左右边缘轮廓不连续的问题，进而进一步地保证了得到较为完整且准确的焊道轮廓。
本申请的再一种实施例中，采用区域生长算法修复不连贯的上述焊道轮廓线，得到上述焊道轮廓，包括：采用区域生长算法修复不连贯的上述焊道轮廓线，得到第三焊道图像；采用数学形态学确定上述第三焊道图像的第一拐点和第二拐点；获取上述第一拐点和上述第二拐点之间的轮廓线，上述轮廓线为上述焊道轮廓。在该实施例中，根据采用区域生长算法修复后的焊道轮廓线以及数学形态学确定第一拐点和第二拐点，保证了确定的第一拐点和第二拐点较为准确，后续确定第一拐点和第二拐点之间的轮廓线为焊道轮廓，进一步地保证了确定的焊道轮廓较为准确，进一步地解决了现有技术中无法准确提取焊道轮廓的问题，后续根据提取的焊道轮廓实现对焊枪的精确控制，进一步地保证了焊接过程中焊接的精度较好、效果较好。
本申请的一种具体的实施例中，上述采用区域生长算法修复不连贯的上述焊道轮廓线包括两个阶段，分别为焊道第一阶段和焊道后续阶段，其中焊道第一阶段，即打底阶段，采用直线拟合的方式，在焊道未断开连接的焊道左右轮廓线上分别随机选择一个种子点，计算这个种子点所在直线的斜率，最后，依据斜率来对断开区域进行直线拟合；焊道后续阶段，即盖面阶段，采用曲线拟合的方式，用直线直接连接焊道轮廓中断开的轮廓线，利用指数函数对新添加的直线轮廓进行曲线拟合。
本申请的一种实施例中，在获取初始焊道图像之前，在对上述初始焊道图像进行第一边缘检测之后，上述方法还包括：采用图像增强算法处理上述初始焊道图像，得到处理后焊道图像。在该实施例中，采用图像增强算法处理上述初始焊道图像，使得初始焊道图像中的边缘能够变得清晰可见，便于后续进行边缘提取。
本申请的一种具体的实施例中，上述图像增强算法可以普通的拉普拉斯图像增强算法，但不限于拉普拉斯图像增强算法，可以为现有技术中任何合适的图像增强算法。
本申请实施例还提供了一种焊道轮廓的确定装置，需要说明的是，本申请实施例的焊道轮廓的确定装置可以用于执行本申请实施例所提供的用于焊道轮廓的确定方法。以下对本申请实施例提供的焊道轮廓的确定装置进行介绍。
图3是根据本申请实施例的焊道轮廓的确定装置的示意图。如图3所示，该装置包括：
获取单元10，用于获取初始焊道图像；
检测单元20，用于对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；
确定单元30，用于根据上述中间焊道图像，确定感兴趣区域；
第一处理单元40，用于对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。
上述焊道轮廓的确定装置中，获取单元用于获取初始焊道图像；检测单元用于对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；确定单元用于根据上述中间焊道图像，确定感兴趣区域；第一处理单元用于对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。该确定装置中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
在实际的应用过程中，本领域技术人员可以选择现有技术中任意的边缘检测方法来实现上述的第一边缘检测和上述的第二边缘检测。
本申请的一种实施例中，上述检测单元还包括第一检测模块和第一去除模块，其中，第一检测模块用于对上述初始焊道图像进行上述第一边缘检测，以确定第一焊道图像；第一去除模块用于去除上述第一焊道图像中的伪边缘，得到上述中间焊道图像。在该实施例中，对获取的初始焊道图像进行第一边缘检测，再去除第一焊道图像中因弧光形成的伪边缘，进一步地克服了由于弧光形成的伪边缘产生的干扰，进一步地保证了得到的中间焊道图像较为准确，进一步地缓解了现有技术中无法准确提取焊道轮廓的问题。
本申请的一种具体的实施例中，上述第一边缘检测可以为粗边缘检测算法，但不限于粗边缘检测算法，可以为现有技术中任何的边缘检测的算法。
本申请的又一种实施例中，上述第一焊道图像包括多个子图像，多个上述子图像为不同时刻获取的焊道的图像，上述第一去除模块还包括第一缩放子模块、第一获取子模块和第一去除子模块，其中，第一缩放子模块用于按预定比例对多个上述子图像进行缩放；第一获取子模块用于获取缩放后的多个上述子图像的灰度值；第一去除子模块用于根据多个上述灰度值，去除上述伪边缘，以得到上述中间焊道图像。在该实施例中，将多个子图像按照预定比例进行缩放，获取缩放后的多个子图像的灰度值，根据多个灰度值，这样可以较准确地去除第一焊道图像中的伪边缘，进一步地保证了得到的中间焊道图像较为准确。
本申请的另一种实施例中，上述第一去除子模块还包括第一确定子模块、第一确定子模块和第一剔除子模块，其中，第一确定子模块用于比较多个上述灰度值，确定上述灰度值最小的上述子图像为第二焊道图像，上述第二焊道图像包括多个边缘线；第二确定子模块用于根据多个上述边缘线，确定上述第二焊道图像中的上述伪边缘；第一剔除子模块用于从上述第二焊道图像中剔除上述伪边缘，得到上述中间焊道图像。在该实施例中，通过比较多个灰度值，确定灰度值最小的子图像为第二焊道图像，进一步地保证了得到的第二焊道图像中的边缘线较为清晰，后续根据多个边缘线确定第二焊道图像中的伪边缘，这样可以更加准确地确定第二焊道图像中的伪边缘，进一步地避免了伪边缘对确定结果的干扰。
本申请的再一种实施例中，上述第二确定子模块还包括第二获取子模块、第三获取子模块和第三确定子模块，其中，第二获取子模块用于获取多个上述边缘线的长度以及夹角；第三获取子模块用于获取长度阈值以及夹角阈值；第三确定子模块用于根据多个上述长度、多个上述夹角、上述长度阈值以及上述夹角阈值，确定多个上述边缘线是否为上述伪边缘，在上述长度小于上述长度阈值或者上述夹角小于上述夹角阈值的情况下，确定上述长度或上述夹角对应的上述边缘线为上述伪边缘。在该实施例中，根据第二焊道图像中的多个上述长度、多个上述夹角、上述长度阈值以及上述夹角阈值，在上述长度小于上述长度阈值或者上述夹角小于上述夹角阈值的情况下，确定上述长度或上述夹角对应的上述边缘线为上述伪边缘，能够较精确地确定出伪边缘，进一步保证了第一焊道图像中的伪边缘基本被去除。
本申请的一种具体的实施例中，去除上述第一焊道图像中的伪边缘包括两个步骤，第一步为初步过滤阶段：对获取的当前帧以及前一帧进行同步缩放，长宽均缩小为原来尺寸的1/2；然后用当前帧与上一帧逐像素做比较，灰度值较低的像素点被保留，进而得到一张新的图像，在初步过滤阶段中大部分的由弧光造成的伪边缘被滤除；第二步为精确过滤阶段，依据边缘特征的几何特征将新的图像中剩余边缘划分为有效边缘，即左右激光线边缘和焊道轮廓边缘，其中，有效边缘为长度较长且连续，相对水平位置具有较小的倾斜角；伪边缘为长度较短且不连续，相对水平位置有较大的倾斜角。
本申请的一种实施例中，如图2所示，上述中间焊道图像包括依次相连的焊道第一边缘线11、焊道初始轮廓15以及焊道第二边缘线12，上述确定单元还包括第一确定模块和第二确定模块，其中，第一确定模块用于根据上述焊道第一边缘线11、上述焊道初始轮廓15以及上述焊道第二边缘线12，确定上述中间焊道图像中的第一初始拐点13以及第二初始拐点14，上述第一初始拐点13为上述焊道第一边缘线11与上述焊道初始轮廓15的交点，上述第二初始拐点14为上述焊道第二边缘线12与上述焊道初始轮廓15的交点；第二确定模块用于确定上述第一初始拐点13与上述第二初始拐点14之间的区域为上述感兴趣区域。在该实施例中，根据上述焊道第一边缘线11、上述焊道初始轮廓15以及上述焊道第二边缘线12，能够较快较准确地确定上述中间焊道图像中的第一初始拐点13以及第二初始拐点14，后续确定第一初始拐点13和第二初始拐点14之间的区域为上述感兴趣区域，进一步地保证了后续根据感兴趣区域，可以较为快速并准确地确定焊道轮廓，进一步地解决了现有技术中无法准确提取焊道轮廓的问题。
本申请的又一种实施例中，上述处理单元还包括第二检测模块，用于对上述感兴趣区域的轮廓进行上述第二边缘检测，得到上述焊道轮廓，上述第二边缘检测为自适应阈值的边缘检测算法。在该实施例中，采用自适应阈值的边缘检测算法对感兴趣区域进行第二边缘检测，进一步地保证了得到的上述焊道轮廓比较准确。
本申请的另一种实施例中，上述第一处理单元还包括第三检测模块和修复模块，第三检测模块用于对上述感兴趣区域的轮廓进行上述第二边缘检测，得到处理后感兴趣区域，上述处理后感兴趣区域包括不连贯的焊道轮廓线，上述第二边缘检测为自适应阈值的边缘检测算法；修复模块用于采用区域生长算法修复不连贯的上述焊道轮廓线，得到上述焊道轮廓。在该实施例中，采用自适应阈值的边缘检测算法对感兴趣区域的轮廓进行第二边缘检测，这样能够准确地检测出感兴趣区域中焊道轮廓的所有边缘线，后续采用区域生长算法对检测出的不连贯的焊道轮廓线进行修复，进一步地保证了可以得到连续的焊道轮廓，进一步地解决了现有技术中因母材表面脏污造成的焊道左右边缘轮廓不连续的问题，进而进一步地保证了得到较为完整且准确的焊道轮廓。
本申请的再一种实施例中，上述修复模块还包括第三确定子模块和第四获取子模块，其中第三确定子模块用于采用区域生长算法修复不连贯的上述焊道轮廓线，得到第三焊道图像；采用数学形态学确定上述第三焊道图像的第一拐点和第二拐点；第四获取子模块用于获取上述第一拐点和上述第二拐点之间的轮廓线，上述轮廓线为上述焊道轮廓。在该实施例中，根据采用区域生长算法修复后的焊道轮廓线以及数学形态学确定第一拐点和第二拐点，保证了确定的第一拐点和第二拐点较为准确，后续确定第一拐点和第二拐点之间的轮廓线为焊道轮廓，进一步地保证了确定的焊道轮廓较为准确，进一步地解决了现有技术中无法准确提取焊道轮廓的问题，后续根据提取的焊道轮廓实现对焊枪的精确控制，进一步地保证了焊接过程中焊接的精度较好、效果较好。
本申请的一种具体的实施例中，上述采用区域生长算法修复不连贯的上述焊道轮廓线包括两个阶段，分别为焊道第一阶段和焊道后续阶段，其中焊道第一阶段，即打底阶段，采用直线拟合的方式，在焊道未断开连接的焊道左右轮廓线上分别随机选择一个种子点，计算这个种子点所在直线的斜率，最后，依据斜率来对断开区域进行直线拟合；焊道后续阶段，即盖面阶段，采用曲线拟合的方式，用直线直接连接焊道轮廓中断开的轮廓线，利用指数函数对新添加的直线轮廓进行曲线拟合。
本申请的一种实施例中，在获取初始焊道图像之前，在对上述初始焊道图像进行第一边缘检测之后，上述装置还包括第二处理单元，用于采用图像增强算法处理上述初始焊道图像，得到处理后焊道图像。在该实施例中，采用图像增强算法处理上述初始焊道图像，使得初始焊道图像中的边缘能够变得清晰可见，便于后续进行边缘提取。
本申请的一种具体的实施例中，上述图像增强算法可以普通的拉普拉斯图像增强算法，但不限于拉普拉斯图像增强算法，可以为现有技术中任何合适的图像增强算法。
上述焊道轮廓的确定装置包括处理器和存储器，上述获取单元、检测单元、确定单元以及第一处理单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中无法准确提取焊道轮廓的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述焊道轮廓的确定方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述焊道轮廓的确定方法。
本发明实施例提供了一种系统，包括：焊接装置和焊接轮廓的确定装置，其中，焊接轮廓的确定装置，与上述焊接装置通信连接，上述焊接轮廓的确定装置用于执行任意一种上述的方法。
上述系统中，包括焊接装置和焊接轮廓的确定装置，其中，焊接轮廓的确定装置与上述焊接装置通信连接，上述焊接轮廓的确定装置可以执行上述任意一种上述焊道轮廓的确定方法，上述焊道轮廓的确定方法中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例来说明。
实施例
如图4所示，首先采集初始焊道图像，对初始焊道图像采用拉普拉斯图像增强算法进行图像增强，然后采用粗边缘检测算法进行第一边缘检测，提取初始焊道图像中的伪边缘、左右初始边缘以及焊道初始边缘，然后依据边缘的特征，去除检测出的伪边缘，进一步地得到左右初始边缘和焊道初始边缘，之后依据初始边缘之间的位置关系确定初始左右拐点的位置，根据确定的初始左右拐点的位置确定焊道轮廓线的感兴趣区域，再次使用自适应阈值的边缘检测算法对感兴趣区域进行第二次边缘检测，提取焊道轮廓线，之后对提取的不连贯的焊道轮廓线采用区域生长算法进行修复，进而得到一条连续的边缘线，根据得到的连续的边缘线确定左右拐点的位置以及最终焊道轮廓线。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，获取初始焊道图像；
步骤S102，对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；
步骤S103，根据上述中间焊道图像，确定感兴趣区域；
步骤S104，对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，获取初始焊道图像；
步骤S102，对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；
步骤S103，根据上述中间焊道图像，确定感兴趣区域；
步骤S104，对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请的焊道轮廓的确定方法中，首先获取初始焊道图像；然后对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；之后根据上述中间焊道图像，确定感兴趣区域；最后对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。该确定方法中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
2)、本申请的焊道轮廓的确定装置中，获取单元用于获取初始焊道图像；检测单元用于对上述初始焊道图像进行第一边缘检测，得到中间焊道图像；确定单元用于根据上述中间焊道图像，确定感兴趣区域；第一处理单元用于对上述感兴趣区域进行预定处理，得到上述焊道轮廓，上述预定处理至少包括第二边缘检测。该确定装置中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
3)、本申请的系统，包括焊接装置和焊接轮廓的确定装置，其中，焊接轮廓的确定装置与上述焊接装置通信连接，上述焊接轮廓的确定装置可以执行上述任意一种上述焊道轮廓的确定方法。上述焊道轮廓的确定方法中，对获取的初始焊道图像至少依次进行第一边缘检测、感兴趣区域确定以及第二边缘检测，通过第一边缘检测可以去除初始焊道图像中的大部分不相关信息，保证了得到的中间焊道图像较为清晰和准确，再确定感兴趣区域，保证了对感兴趣区域进行第二边缘检测时，数据量较少，这样可以在较短时间内得到较为准确且清晰的焊道轮廓，缓解了现有技术中由于焊接过程中母材被打磨形成反光而造成的焊道边缘轮廓不清晰以及不明显的问题，保证了可以较为快捷准确地从焊道图像中提取焊道轮廓，进而保证了后续根据焊道轮廓进行自动焊接的效果较好。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (14)
1.一种焊道轮廓的确定方法，其特征在于，包括：
获取初始焊道图像；
对所述初始焊道图像进行第一边缘检测，得到中间焊道图像；
根据所述中间焊道图像，确定感兴趣区域；
对所述感兴趣区域进行预定处理，得到所述焊道轮廓，所述预定处理至少包括第二边缘检测。
2.根据权利要求1所述的方法，其特征在于，对所述初始焊道图像进行第一边缘检测，得到中间焊道图像，包括：
对所述初始焊道图像进行所述第一边缘检测，以确定第一焊道图像；
去除所述第一焊道图像中的伪边缘，得到所述中间焊道图像。
3.根据权利要求2所述的方法，其特征在于，所述第一焊道图像包括多个子图像，多个所述子图像为不同时刻获取的焊道的图像，去除所述第一焊道图像中的伪边缘，得到所述中间焊道图像，包括：
按预定比例对多个所述子图像进行缩放；
获取缩放后的多个所述子图像的灰度值；
根据多个所述灰度值，去除所述伪边缘，以得到所述中间焊道图像。
4.根据权利要求3所述的方法，其特征在于，根据多个所述灰度值，去除所述伪边缘，以得到所述中间焊道图像，包括：
比较多个所述灰度值，确定所述灰度值最小的所述子图像为第二焊道图像，所述第二焊道图像包括多个边缘线；
根据多个所述边缘线，确定所述第二焊道图像中的所述伪边缘；
从所述第二焊道图像中剔除所述伪边缘，得到所述中间焊道图像。
5.根据权利要求4所述的方法，其特征在于，根据多个所述边缘线，确定所述第二焊道图像中的所述伪边缘，包括：
获取多个所述边缘线的长度以及夹角；
获取长度阈值以及夹角阈值；
根据多个所述长度、多个所述夹角、所述长度阈值以及所述夹角阈值，确定多个所述边缘线是否为所述伪边缘，在所述长度小于所述长度阈值或者所述夹角小于所述夹角阈值的情况下，确定所述长度或所述夹角对应的所述边缘线为所述伪边缘。
6.根据权利要求1所述的方法，其特征在于，所述中间焊道图像包括依次相连的焊道第一边缘线、焊道初始轮廓以及焊道第二边缘线，根据所述中间焊道图像，确定感兴趣区域，包括：
根据所述焊道第一边缘线、所述焊道初始轮廓以及所述焊道第二边缘线，确定所述中间焊道图像中的第一初始拐点以及第二初始拐点，所述第一初始拐点为所述焊道第一边缘线与所述焊道初始轮廓的交点，所述第二初始拐点为所述焊道第二边缘线与所述焊道初始轮廓的交点；
确定所述第一初始拐点与所述第二初始拐点之间的区域为所述感兴趣区域。
7.根据权利要求1所述的方法，其特征在于，对所述感兴趣区域进行预定处理，得到所述焊道轮廓，包括：
对所述感兴趣区域的轮廓进行所述第二边缘检测，得到所述焊道轮廓，所述第二边缘检测为自适应阈值的边缘检测算法。
8.根据权利要求1所述的方法，其特征在于，对所述感兴趣区域进行预定处理，得到所述焊道轮廓，包括：
对所述感兴趣区域的轮廓进行所述第二边缘检测，得到处理后感兴趣区域，所述处理后感兴趣区域包括不连贯的焊道轮廓线，所述第二边缘检测为自适应阈值的边缘检测算法；
采用区域生长算法修复不连贯的所述焊道轮廓线，得到所述焊道轮廓。
9.根据权利要求8所述的方法，其特征在于，采用区域生长算法修复不连贯的所述焊道轮廓线，得到所述焊道轮廓，包括：
采用区域生长算法修复不连贯的所述焊道轮廓线，得到第三焊道图像；
采用数学形态学确定所述第三焊道图像的第一拐点和第二拐点；
获取所述第一拐点和所述第二拐点之间的轮廓线，所述轮廓线为所述焊道轮廓。
10.根据权利要求1至9中任一项所述的方法，其特征在于，在获取初始焊道图像之前，在对所述初始焊道图像进行第一边缘检测之后，所述方法还包括：
采用图像增强算法处理所述初始焊道图像，得到处理后焊道图像。
11.一种焊道轮廓的确定装置，其特征在于，包括：
获取单元，用于获取初始焊道图像；
检测单元，用于对所述初始焊道图像进行第一边缘检测，得到中间焊道图像；
确定单元，用于根据所述中间焊道图像，确定感兴趣区域；
第一处理单元，用于对所述感兴趣区域进行预定处理，得到所述焊道轮廓，所述预定处理至少包括第二边缘检测。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至10中任意一项所述的方法。
13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至10中任意一项所述的方法。
14.一种系统，其特征在于，包括：
焊接装置；
焊接轮廓的确定装置，与所述焊接装置通信连接，所述焊接轮廓的确定装置用于执行权利要求1至10中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110206789.6A CN112837307B (zh) | 2021-02-24 | 2021-02-24 | 焊道轮廓的确定方法、装置、处理器与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110206789.6A CN112837307B (zh) | 2021-02-24 | 2021-02-24 | 焊道轮廓的确定方法、装置、处理器与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112837307A true CN112837307A (zh) | 2021-05-25 |
| CN112837307B CN112837307B (zh) | 2024-09-06 |
Family
ID=75933244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110206789.6A Active CN112837307B (zh) | 2021-02-24 | 2021-02-24 | 焊道轮廓的确定方法、装置、处理器与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112837307B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113450277A (zh) * | 2021-06-29 | 2021-09-28 | 上海长征医院 | 一种医学图像处理方法、介质及电子设备 |
| CN113487556A (zh) * | 2021-06-30 | 2021-10-08 | 北京博清科技有限公司 | 焊渣的检测方法与滤光片的更换方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105571502A (zh) * | 2015-12-29 | 2016-05-11 | 上海交通大学 | 搅拌摩擦焊接中焊缝间隙的测量方法 |
| CN105931227A (zh) * | 2016-04-14 | 2016-09-07 | 北京工业大学 | 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法 |
| US20170109892A1 (en) * | 2015-10-14 | 2017-04-20 | Fujitsu Limited | Method and apparatus for detecting a traffic state and electronic equipment |
| CN108280829A (zh) * | 2018-02-12 | 2018-07-13 | 广东省海洋工程装备技术研究所 | 焊缝图像识别方法、计算机装置及计算机可读存储介质 |
| CN109064475A (zh) * | 2018-09-11 | 2018-12-21 | 深圳辉煌耀强科技有限公司 | 针对宫颈脱落细胞图像的图像分割方法和装置 |
| CN110814465A (zh) * | 2019-11-28 | 2020-02-21 | 华东交通大学理工学院 | 一种自动焊接焊缝轮廓提取的通用方法 |
-
2021
- 2021-02-24 CN CN202110206789.6A patent/CN112837307B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170109892A1 (en) * | 2015-10-14 | 2017-04-20 | Fujitsu Limited | Method and apparatus for detecting a traffic state and electronic equipment |
| CN105571502A (zh) * | 2015-12-29 | 2016-05-11 | 上海交通大学 | 搅拌摩擦焊接中焊缝间隙的测量方法 |
| CN105931227A (zh) * | 2016-04-14 | 2016-09-07 | 北京工业大学 | 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法 |
| CN108280829A (zh) * | 2018-02-12 | 2018-07-13 | 广东省海洋工程装备技术研究所 | 焊缝图像识别方法、计算机装置及计算机可读存储介质 |
| CN109064475A (zh) * | 2018-09-11 | 2018-12-21 | 深圳辉煌耀强科技有限公司 | 针对宫颈脱落细胞图像的图像分割方法和装置 |
| CN110814465A (zh) * | 2019-11-28 | 2020-02-21 | 华东交通大学理工学院 | 一种自动焊接焊缝轮廓提取的通用方法 |
Non-Patent Citations (3)
| Title |
|---|
| SAHU，SK等: "Investigation on Mechanical Behavior of Friction Stir Welded Nylon-6 Using Temperature Signatures", JOURNAL OF MATERIALS ENGINEERING AND PERFORMANCE, vol. 29, no. 8, 2 September 2020 (2020-09-02) * |
| 吴莉;张华德;李翔;陈晓波;习俊通;: "搅拌摩擦焊对接拼缝间隙特征的在线检测方法", 焊接技术, no. 08, 28 August 2016 (2016-08-28) * |
| 阙禄松;王明泉;张俊生;李汉;: "基于Canny算子和形态学滤波的焊缝图像背景去除技术", 国外电子测量技术, no. 01, 15 January 2020 (2020-01-15) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113450277A (zh) * | 2021-06-29 | 2021-09-28 | 上海长征医院 | 一种医学图像处理方法、介质及电子设备 |
| CN113450277B (zh) * | 2021-06-29 | 2023-08-22 | 上海长征医院 | 一种医学图像处理方法、介质及电子设备 |
| CN113487556A (zh) * | 2021-06-30 | 2021-10-08 | 北京博清科技有限公司 | 焊渣的检测方法与滤光片的更换方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112837307B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717489B (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
| CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
| CN108369650B (zh) | 标识校准图案的可能特征点的方法 | |
| CN110488481B (zh) | 一种显微镜对焦方法、显微镜及相关设备 | |
| CN103544685B (zh) | 一种基于主体调整的图像构图美化方法及系统 | |
| CN108280829A (zh) | 焊缝图像识别方法、计算机装置及计算机可读存储介质 | |
| CN112085682B (zh) | 图像降噪方法、装置、电子设备及存储介质 | |
| CN112837307B (zh) | 焊道轮廓的确定方法、装置、处理器与系统 | |
| CN116542982B (zh) | 一种基于机器视觉的出发判断器缺陷检测方法及装置 | |
| CN107909571A (zh) | 一种焊缝图像处理方法、系统、设备及计算机存储介质 | |
| CN112785572B (zh) | 图像质量评估方法、装置以及计算机可读存储介质 | |
| CN111738045A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
| CN113744142A (zh) | 图像修复方法、电子设备及存储介质 | |
| CN111582000A (zh) | 一种条形码定位方法、装置及相关设备 | |
| CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
| CN110084763B (zh) | 图像修复方法、装置、计算机设备和存储介质 | |
| CN109614858B (zh) | 一种瞳孔中心的检测方法和装置 | |
| CN111402181A (zh) | 图像融合方法、装置及计算机可读存储介质 | |
| CN112184723B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN112767491B (zh) | 焊道拐点的确定方法、装置和计算机可读存储介质 | |
| CN116894849A (zh) | 图像分割方法和装置 | |
| CN116205903A (zh) | 一种车身面漆缺陷检测方法 | |
| CN113902699A (zh) | 焊缝拐点的确定方法、确定装置、处理器与焊接机器人 | |
| CN108898572B (zh) | 光斑提取方法 | |
| CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 |
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 |