CN113358058A - 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 - Google Patents
基于离散序列点的焊缝轮廓特征计算机视觉检测方法 Download PDFInfo
- Publication number
- CN113358058A CN113358058A CN202110632763.8A CN202110632763A CN113358058A CN 113358058 A CN113358058 A CN 113358058A CN 202110632763 A CN202110632763 A CN 202110632763A CN 113358058 A CN113358058 A CN 113358058A
- Authority
- CN
- China
- Prior art keywords
- points
- discrete sequence
- computer vision
- bitmap
- discrete
- 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
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于离散序列点的焊缝轮廓特征计算机视觉检测方法,包括以下步骤:第一步,依据序列点在两个相互正交的方向上的最小分辨率的差别,构建{XOZ}坐标系;第二步,以X方向的最小分辨率基本单位作为像素点的采样步长,构建一张能覆盖整个离散序列点的位图;第三步,通过离散序列点在{XOZ}坐标系中的坐标值构建灰度位图;第四步,利用计算机视觉算法中的LSD法,对构造的灰度位图进行直线特征提取,在轮廓的上沿和下沿获得相关的直线特征;第五步,通过所获直线的像素坐标反算出轮廓的真实几何信息,实现对焊缝轮廓特征的量化描述。与现有技术相比,本发明的积极效果是:1)计算效率高。2)检测精度可控。3)适应范围广。
Description
技术领域
本发明涉及一种计算机视觉检查方法,特别涉及一种基于离散序列点描述,面向焊缝轮廓特征的计算机视觉检测方法。
背景技术
焊缝轮廓检测技术在焊接工程中有着广泛的应用,获取的轮廓信息是焊缝坡口检测、焊缝自动跟踪、焊接装配质量检查等应用场景的技术基础,也是焊接自动化能力的重要体现。如图1所示,其中,附图标记包括:焊缝间隙1、焊缝阶差2、焊缝对中3、焊漏槽4、左侧母材5、右侧母材6;以对接焊缝为例,焊缝轮廓一般包括焊缝间隙、焊缝阶差和焊缝对中等要素,焊缝轮廓检测的本质是抽象出焊缝截面中的线段、点等几何特征,并计算相关特征之间的几何信息,以对轮廓进行量化描述。
因具有响应速度快,测量精度高,适用范围广等优点,基于结构光视觉传感器进行焊缝轮廓信息提取是目前的主流技术手段,其一般步骤为:图像滤波、线条拟合、特征识别和几何信息提取等。在经过图像滤波后,一般可获得到一系列离散序列点,相关的轮廓信息就蕴含在这些离散点之中。如专利CN101486124——《多结构光双目复合视觉焊缝跟踪方法及装置》,就是利用结构光提取焊缝特征。相关技术也在其他领域得到推广应用,如专利CN106584090A——《基于结构光三维测量系统的工件装配方法》,专利CN111842177A——《一种基于结构光视觉的耐火砖检测控制方法》等。其核心问题,实际是对离线序列点处理,特别是实现高效的数据处理。
针对离散序列点,现有的技术手段多遵从在离散的点中构建线条的数学模型,并在对应的数学模型中计算焊缝的几何信息这一思路,来实现焊缝轮廓特征的检测。Hough变换法、斜率分析法、最小二程拟合法等都是在拟合过程中常用的算法。但是算法复杂度高,计算过程耗时长是这一类方法的典型缺点。
直线检测是机器视觉的重要研究方向,其检测方法可分为两大类:边缘图检测法和相位编组检测法。边缘图检测法主要利用边缘检测算子(如Sobel算子、Canny算子等)获得图像边缘,进而构造直线。但是这类方法只用到了图像的全局统计特性来检测直线,未考虑图片中局部离散点所蕴含的整体信息,因而容易受噪声的影响,造成直线的错检和漏检。相位编组检测法的典型代表是LSD(Line Segment Detector)法,目前是被业界普遍认为性能优良的直线检测方法。在无需参数调试的前提下,该方法能在较短的时间内提取一张灰度图上所有的线段特征。其在道路特征检测,卫星遥感影像处理,建筑物场景分析等领域有着广泛的使用。
发明内容
为了克服现有技术的上述缺点,本发明提供了基于离散序列点的焊缝轮廓特征计算机视觉检测方法。
本发明解决其技术问题所采用的技术方案是:一种基于离散序列点的焊缝轮廓特征计算机视觉检测方法,包括以下步骤:
第一步,依据序列点在两个相互正交的方向上的最小分辨率的差别,构建{XOZ}坐标系,其中X方向的最小分辨率大于Z向的最小分辨率;
第二步,以X方向的最小分辨率基本单位作为像素点的采样步长,构建一张能覆盖整个离散序列点的包含m×n个像素点的位图;
第三步,通过离散序列点在{XOZ}坐标系中的坐标值构建灰度位图;
第四步,利用计算机视觉算法中的LSD法,对构造的灰度位图进行直线特征提取,在轮廓的上沿和下沿获得相关的直线特征;
第五步,通过所获直线的像素坐标反算出轮廓的真实几何信息,实现对焊缝轮廓特征的量化描述。
与现有技术相比,本发明的积极效果是:
1)计算效率高。本发明将传统对离散点的代数拟合问题,转化为在灰度位图中检测直线特征的问题,借助计算机视觉算法,特别是在专业图形计算卡的协助下,可获得计算效率的大幅提升。
2)检测精度可控。该方法获得直线特征在轮廓的上沿或者下沿,其误差仅为一个像素点。离散序列点相邻点之间的间距越小,则获得的检测精度越高。
3)适应范围广。该方法以离线序列点作为输入来源,将点几何中的几何特征抽象为直线,对各种复杂形状的适应能力强,适用于大多数焊接轮廓检测应用场合。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1为对接焊缝轮廓特征示意图;
图2为离散序列点正交方向定义示意图;
图3是基于离散序列点构造的位图示意图;
图4是通过离散序列点在{XOZ}坐标系中的坐标值,构建灰度位图的示意图;
图5是通过LSD法在灰度位图中获得直线特征的示意图。
具体实施方式
离散序列点在焊缝轮廓特征描述中广泛使用,这些序列点包含了焊缝的轮廓信息,但是只有理清各个点之间的相对几何位置关系,才可能对焊缝特征进行量化描述。直线是焊缝轮廓中普遍存在的形式,通过离线序列点高效准确的拟合直线特征是焊缝轮廓检测中面临的普遍问题,也是本发明重点解决的难点问题。
本发明提出一种焊缝轮廓特征检测方法。该方法以包含焊缝轮廓信息的离散序列点为输入,将相关离散点映射为灰度位图上的像素点,通过计算机视觉算法在位图上构造直线,并计算相关直线之间的几何关系,从而完成对焊缝轮廓信息的检测。与传统基于代数运算的直线拟合方法相比,该方法可基于计算机视觉算法实现直线特征的快速构造,从而在检测效率上实现有效提升。
以下,结合附图对本发明方法详细描述如下:
针对实施焊接的应用场合,选择合适的轮廓检测装置与安装方式。保证检测装置可随着焊缝轮廓的变化,稳定可靠地输出对应的序列离散点,并提供这些点的序列与坐标信息。
第一步,依据序列点在两个相互正交的方向上的最小分辨率的差别,构建{XOZ}坐标系,其中X方向的最小分辨率大于Z向的最小分辨率。
通常情况下,用于轮廓信息描述的离散序列点在两个相互正交的方向上的最小分辨率不同,如图2所示,其中包括如下附图标记:分辨率较小的方向定义为Z方向21、正交方向中分辨率较小的方向22、正交方向中分辨率较大的方向23、离散序列点中的一点24、分辨率较大的方向定义为X方向25。设定最小分辨率较大的方向为X方向,较小的方向为Z方向,从而可形成坐标系{XOZ}。
第二步,以X方向的最小分辨率大小作为像素点的采样步长,构建一张可以覆盖整个离散序列点灰度位图。
设X方向的最小分辨率基本单位为Xe,离散序列点在X方向的分布长度为ΔX,在Z方向的分布长度为ΔZ。则通过公式(1),可以将离散序列点转化为一张包含m×n个像素点的位图,如图3所示,图中附图标记包括:包含m×n个像素点的位图31、离散序列点中的一点32。其中函数floor为向下取整函数。
第三步,对于包含有n个序列点的集合,第i个序列点在{XOZ}坐标系中的坐标值可利用相邻的两个像素点来表示。相关像素点的灰度值可通过坐标值进行调整。
对于包含有n个序列点的集合,设第i个序列点在{XOZ}坐标系中的坐标值为(Cxi,Czi),该点可通过Z方向相邻的两个离散点来表示,其在位图中的像素点坐标分别记为满足公式(2),其中floor函数表示向下取整。处的灰度值满足公式(3),其中函数round表示圆整函数。处的灰度值满足公式(4)。位图的构造过程如图4所示,图中附图标记包括:最终形成的灰度位图41、单个序列点上侧的像素点42、单个序列点43、单个序列点下侧的像素点44。
第四步,利用计算机视觉算法中的LSD法,对构造的灰度位图进行直线特征提取,在轮廓的上沿和下沿获得相关的直线特征。
利用计算机视觉算法中的LSD法,对构造的灰度位图进行直线特征提取,可在轮廓的上沿和下沿快速获得相关的直线特征,如图5所示,图中附图标记包括:在位图轮廓上沿获得的直线特征51、在位图轮廓下沿获得的直线特征52。
第五步,通过图片中直线的像素坐标反算出轮廓几何信息,从而实现对焊缝轮廓特征量化描述,完成基于离散序列点的焊缝轮廓特征计算机视觉检测。
利用获得直线,可以描述在位图中的轮廓信息。由于位图中相邻像素点的距离为Xe,则可以通过图片中直线的像素坐标反算出轮廓真实几何信息,从而达到对焊缝轮廓特征量化描述,完成基于离散序列点的焊缝轮廓特征计算机视觉检测。
Claims (6)
1.一种基于离散序列点的焊缝轮廓特征计算机视觉检测方法,其特征在于:包括以下步骤:
第一步,依据序列点在两个相互正交的方向上的最小分辨率的差别,构建{XOZ}坐标系,其中X方向的最小分辨率大于Z向的最小分辨率;
第二步,以X方向的最小分辨率基本单位作为像素点的采样步长,构建一张能覆盖整个离散序列点的包含m×n个像素点的位图;
第三步,通过离散序列点在{XOZ}坐标系中的坐标值构建灰度位图;
第四步,利用计算机视觉算法中的LSD法,对构造的灰度位图进行直线特征提取,在轮廓的上沿和下沿获得相关的直线特征;
第五步,通过所获直线的像素坐标反算出轮廓的真实几何信息,实现对焊缝轮廓特征的量化描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632763.8A CN113358058B (zh) | 2021-06-07 | 2021-06-07 | 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632763.8A CN113358058B (zh) | 2021-06-07 | 2021-06-07 | 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113358058A true CN113358058A (zh) | 2021-09-07 |
CN113358058B CN113358058B (zh) | 2022-10-14 |
Family
ID=77532846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110632763.8A Active CN113358058B (zh) | 2021-06-07 | 2021-06-07 | 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113358058B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1567898A1 (en) * | 2002-12-05 | 2005-08-31 | Telefonaktiebolaget LM Ericsson (publ) | Fusion temperature calibration |
CN1698065A (zh) * | 2003-03-25 | 2005-11-16 | 三菱电机株式会社 | 将二维距离场转换到边界描述符集合的方法 |
EP2022595A1 (de) * | 2007-07-23 | 2009-02-11 | Grünberger, Thomas | Verfahren und Einrichtung zur Einstellung einer Bearbeitungsposition |
CN101486124A (zh) * | 2009-02-13 | 2009-07-22 | 南京工程学院 | 多结构光双目复合视觉焊缝跟踪方法及装置 |
WO2013044350A1 (en) * | 2011-09-26 | 2013-04-04 | Ontario Power Generation Inc. | Ultrasound matrix inspection |
CN103759648A (zh) * | 2014-01-28 | 2014-04-30 | 华南理工大学 | 一种基于激光双目视觉的复杂角焊缝位置检测方法 |
CN103793712A (zh) * | 2014-02-19 | 2014-05-14 | 华中科技大学 | 一种基于边缘几何特征的图像识别方法及系统 |
CN103940511A (zh) * | 2014-04-03 | 2014-07-23 | 清华大学 | 高光谱采集系统的光谱谱线定标方法及装置 |
CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
CN106584090A (zh) * | 2016-12-26 | 2017-04-26 | 清华大学 | 基于结构光三维测量系统的工件装配方法 |
CN207642480U (zh) * | 2017-12-07 | 2018-07-24 | 四川航天长征装备制造有限公司 | 一种用于五轴搅拌摩擦焊接设备的焊缝扫描系统 |
CN109447939A (zh) * | 2018-07-10 | 2019-03-08 | 南京理工大学 | 基于混合光谱视觉的熔池成形前焊缝宽度预测方法 |
CN110555385A (zh) * | 2019-08-01 | 2019-12-10 | 福州国化智能技术有限公司 | 一种基于变步长曲率滤波的焊缝特征点求取方法 |
CN111842177A (zh) * | 2020-06-12 | 2020-10-30 | 天津扬天科技有限公司 | 一种基于结构光视觉的耐火砖检测控制方法 |
CN112365439A (zh) * | 2020-09-24 | 2021-02-12 | 南昌大学 | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 |
CN112529858A (zh) * | 2020-12-02 | 2021-03-19 | 南京理工大学北方研究院 | 一种基于机器视觉的焊缝图像处理方法 |
-
2021
- 2021-06-07 CN CN202110632763.8A patent/CN113358058B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1567898A1 (en) * | 2002-12-05 | 2005-08-31 | Telefonaktiebolaget LM Ericsson (publ) | Fusion temperature calibration |
CN1698065A (zh) * | 2003-03-25 | 2005-11-16 | 三菱电机株式会社 | 将二维距离场转换到边界描述符集合的方法 |
EP2022595A1 (de) * | 2007-07-23 | 2009-02-11 | Grünberger, Thomas | Verfahren und Einrichtung zur Einstellung einer Bearbeitungsposition |
CN101486124A (zh) * | 2009-02-13 | 2009-07-22 | 南京工程学院 | 多结构光双目复合视觉焊缝跟踪方法及装置 |
WO2013044350A1 (en) * | 2011-09-26 | 2013-04-04 | Ontario Power Generation Inc. | Ultrasound matrix inspection |
CN103759648A (zh) * | 2014-01-28 | 2014-04-30 | 华南理工大学 | 一种基于激光双目视觉的复杂角焊缝位置检测方法 |
CN103793712A (zh) * | 2014-02-19 | 2014-05-14 | 华中科技大学 | 一种基于边缘几何特征的图像识别方法及系统 |
CN103940511A (zh) * | 2014-04-03 | 2014-07-23 | 清华大学 | 高光谱采集系统的光谱谱线定标方法及装置 |
CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
CN106584090A (zh) * | 2016-12-26 | 2017-04-26 | 清华大学 | 基于结构光三维测量系统的工件装配方法 |
CN207642480U (zh) * | 2017-12-07 | 2018-07-24 | 四川航天长征装备制造有限公司 | 一种用于五轴搅拌摩擦焊接设备的焊缝扫描系统 |
CN109447939A (zh) * | 2018-07-10 | 2019-03-08 | 南京理工大学 | 基于混合光谱视觉的熔池成形前焊缝宽度预测方法 |
CN110555385A (zh) * | 2019-08-01 | 2019-12-10 | 福州国化智能技术有限公司 | 一种基于变步长曲率滤波的焊缝特征点求取方法 |
CN111842177A (zh) * | 2020-06-12 | 2020-10-30 | 天津扬天科技有限公司 | 一种基于结构光视觉的耐火砖检测控制方法 |
CN112365439A (zh) * | 2020-09-24 | 2021-02-12 | 南昌大学 | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 |
CN112529858A (zh) * | 2020-12-02 | 2021-03-19 | 南京理工大学北方研究院 | 一种基于机器视觉的焊缝图像处理方法 |
Non-Patent Citations (5)
Title |
---|
RAFAEL GROMPONE VON GIOI等: "LSD:a fast line segment detector with a false detection control", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS & MACHINE INTELLIGENCE》 * |
ZENGSHUN ZHAO等: "Visual Tracking System for Welding Seams", 《JOURNAL OF MEASUREMENT SCIENCE AND INSTRUMENTATION》 * |
张万江 等: "基于结构光视觉的激光拼焊焊缝质量检测方法研究", 《仪表技术与传感器》 * |
杨玥旻 等: "基于图像处理的爬壁机器人焊缝识别与跟踪", 《机械与电子》 * |
赵慧慧 等: "用于遥控焊接的焊缝特征检测算法", 《焊接学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113358058B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109900706B (zh) | 一种基于深度学习的焊缝及焊缝缺陷检测方法 | |
Li et al. | Automatic welding seam tracking and identification | |
CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
Ding et al. | An on-line shape-matching weld seam tracking system | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN102519400B (zh) | 基于机器视觉的大长径比轴类零件直线度误差检测方法 | |
CN105865344A (zh) | 一种基于机器视觉的工件尺寸测量方法和装置 | |
CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN111678518B (zh) | 一种用于修正自动泊车路径的视觉定位方法 | |
Wang et al. | Improvement in real-time obstacle detection system for USV | |
Yang et al. | Detection of weld groove edge based on multilayer convolution neural network | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
CN108460348B (zh) | 基于三维模型的道路目标检测方法 | |
Drews Jr et al. | Tracking system for underwater inspection using computer vision | |
CN113358058B (zh) | 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 | |
Molleda et al. | A profile measurement system for rail manufacturing using multiple laser range finders | |
Naji et al. | Square groove detection based on Förstner with Canny edge operator using laser vision sensor | |
Guo et al. | A V-shaped weld seam measuring system for large workpieces based on image recognition | |
CN114170202A (zh) | 基于面阵结构光3d视觉的焊缝分割与铣削判别方法及装置 | |
Sun et al. | Precision work-piece detection and measurement combining top-down and bottom-up saliency | |
Zou et al. | Laser-based precise measurement of tailor welded blanks: a case study | |
CN110298799B (zh) | 一种pcb图像定位校正方法 | |
Huang et al. | Weld line detection using realsense depth camera based on depth map |
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 |