CN113909689B - 一种激光光条的管道焊接坡口特征提取方法 - Google Patents
一种激光光条的管道焊接坡口特征提取方法 Download PDFInfo
- Publication number
- CN113909689B CN113909689B CN202111325213.8A CN202111325213A CN113909689B CN 113909689 B CN113909689 B CN 113909689B CN 202111325213 A CN202111325213 A CN 202111325213A CN 113909689 B CN113909689 B CN 113909689B
- Authority
- CN
- China
- Prior art keywords
- image
- light bar
- welding
- pixel
- groove
- 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.)
- Active
Links
- 238000003466 welding Methods 0.000 title claims abstract description 81
- 238000000605 extraction Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 238000003709 image segmentation Methods 0.000 claims description 16
- 239000002893 slag Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000005484 gravity Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/20—Bonding
- B23K26/21—Bonding by welding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/04—Automatically aligning, aiming or focusing the laser beam, e.g. using the back-scattered light
- B23K26/044—Seam tracking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/16—Removal of by-products, e.g. particles or vapours produced during treatment of a workpiece
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
-
- 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)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种激光光条的管道焊接坡口特征提取方法,采用伽马变换、高斯滤波和方向性模板阈值分割算法来进行图像的预处理,分析焊缝图像分布特征,实现管道焊缝区域准确定位、焊缝图像降噪,运用灰度重心法和拟合直线法,对管道焊缝的表面形态、光条中心线和坡口特征点进行提取,给机械手焊枪提供实时的行进路径,解决了焊接过程中的焊枪和焊缝方向之间存在偏差的问题;本发明通过提取管道二维图像的坡口特征点,实现了焊接过程中焊缝的实时跟踪技术;针对焊接过程中坡口焊缝图像受到弧光、飞溅等干扰造成的特征点提取位置偏差问题,本发明提高了焊缝跟踪的精度,大大提升了自动焊接的效率和质量。
Description
技术领域
本发明涉及管道自动焊接技术领域,具体涉及一种激光光条的管道焊接坡口特征提取方法。
背景技术
随着机器人和机器视觉技术的进步,智能化焊接得到了快速的发展和广泛的应用,在陆地、海洋油气输送的大型管道铺设中,管道自动焊接一直是研究热点,管道自动焊接技术难点主要在于如何实现管道焊缝的精准跟踪引导,进而实时控制机械手的焊枪运行轨迹,以提高焊接的质量和效率,降低人工焊接的难度和危险性。
管道焊缝路径提取在早期主要有探针接触式传感、电磁传感、超声波传感、电弧传感和红外传感等的研究方法。随着视觉传感的快速发展,相比其他方法具有应用范围广、无接触、跟踪精度高等优势,焊缝视觉跟踪已成为自动化焊接行业研究的热点。焊接视觉跟踪技术一般可分为主动视觉传感和被动视觉传感两大类。主动视觉传感主要采用相机、光源结合线结构光成像的方法,它的优势在于采集焊缝的图像能够快速提取坡口特征,降低背景干扰,但焊接过程中的弧光和焊接飞溅等污染会降低坡口特征提取精度。针对焊缝图像会受到强烈弧光、飞溅等环境污染的问题,急需研究一种将图像经过预处理从而准确提取出焊缝特征点的方法,以实现准确、快速的三维焊缝特征信息提取。
发明内容
为实现上述背景技术中提到的问题,本发明采用以下步骤来实现:
一种激光光条的管道焊接坡口特征提取方法,包括如下步骤:
S1、首先通过相机获取在焊接过程中受到弧光和焊渣飞溅污染的图像Image;
S2、分析打底焊坡口图像的特征,在图像Image中使用矩形框ROI框选坡口所在区域并对焊缝图像Image进行裁剪,裁切后获得裁切图像Image_crop;
S3、使用伽马变换对图像Image_crop进行对比度增强,增强后获得图像Image_enhance;
S4、使用高斯滤波对图像Image进行图像预处理,抑制正态分布的噪声,保留图像的总体灰度分布特征,去除图像背景噪点干扰,去噪后获得图像Image_denoise;
S5、采用一种方向性模板阈值分割的方法来进行焊缝光条图像分割,来去除污染亮条,保留完整焊接坡口焊接方向光条,分割后获得图像Image_segment;
S6、对分割后图像Image_segment用曲线拟合法进行光条中心线的提取,提取后获得图像Image_extract;
S7、用拟合直线法来拟合出光条中心线的直线方程,提取出光条的拐点的二维图像像素坐标;
S8、根据提取出的拐点图像像素坐标,采用相机标定后获得的转换矩阵计算得到各个特征点的世界坐标,然后实时传输给机械手进行管道焊接路径引导。
进一步地,所述步骤S5中,具体的图像分割步骤为:
S51、将坡口焊缝图像根据光条的方向分为四个区域A、B、C、D,分别是左侧水平光条,右下倾斜方向光条,右上倾斜方向光条,右侧水平光条;
S52、根据光条上和污染亮条上的各自像素的灰度值变化过程,对四个区域分别设计各自5*5的模板,模板中正中间为目标像素,模板中为1的是感兴趣的点;
S53、对于A区域,采用从左往右、从上往下的顺序,按照模板计算每个像素的值t(i,j),而B区域则采用从右到左、从上往下的顺序,按照模板计算每个像素的值t(i,j);根据目标像素点与污染亮条的灰度值的大小差异,得到阈值T1,根据目标像素是位于光条内部还是光条外部设置阈值T2,通过比较每个像素t(i,j)与阈值T1、T2的大小,得到该像素点的图像分割结果;
对于C区域,采用从左往右、从上往下的顺序计算,按照模板每个像素的值t(i,j),而D区域采用从右往左、从上往下的顺序,按照模板计算每个像素的值t(i,j);根据目标像素点与污染亮条的灰度值的大小差异,得到阈值T1、T3,设置阈值T3,根据目标像素是位于光条内部还是光条外部设置阈值T2,通过比较每个像素t(i,j)与阈值T1、T2、T3的大小,得到该像素点的图像分割结果。
进一步地,所述步骤S6中,曲线拟合法具体为,将灰度图像中光条部分的各列像素点的灰度值与他们的纵坐标拟合成高斯曲线,拟合结果的峰值位置就是光条中心点。
附图说明
附图1为本发明的流程示意图。
本发明对坡口焊缝图像进行图像预处理并采用一种方向性模板阈值分割算法,解决了受到焊接弧光、焊渣飞溅干扰的带有噪声的坡口焊缝图像品质较低的问题,,得到了较好的图像分割结果;使用曲线拟合法与拟合直线法从图像分割结果中准确提取出坡口的形态和焊缝特征点,符合焊缝跟踪的实时性需求。
本发明的激光光条的管道焊接坡口特征提取方法,解决了图像在焊接过程中受到电弧光和焊渣飞溅等环境干扰,缺少准确的表面形态信息和自动调整控制等问题,实现准确、快速的焊缝三维形貌信息提取,并引导焊枪实时跟踪焊缝进行焊接,提高焊缝跟踪精度。
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、完整的描述,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。本领域普通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,均属于本发明的保护范围。
结合参阅附图1的本发明方法流程示意图,本发明的一种激光光条的管道焊接坡口特征提取方法,由于管道焊缝存在图像对比度差、表面纹理模糊、噪声污染严重等问题,结合管道焊缝图像的焊缝不均和光条污染等特点,本发明研究出焊缝光条图像处理方法,采用伽马变换、高斯滤波和方向性模板阈值分割算法来进行图像的预处理,分析焊缝图像分布特征,实现管道焊缝区域准确定位、焊缝图像降噪,运用灰度重心法和拟合直线法,对管道焊缝的表面形态、光条中心线和坡口特征点进行提取,能够实现焊枪的实时的方位并准确焊接,本发明激光光条的管道焊接坡口特征提取方法包括如下步骤:
S1、首先通过相机获取在焊接过程中受到弧光和焊渣飞溅污染的图像Image。
S2、分析打底焊坡口图像的特征,在图像Image中使用矩形框ROI框选坡口所在区域并对焊缝图像Image进行裁剪,裁切后获得裁切图像Image_crop。
S3、使用伽马变换对图像Image_crop进行对比度增强,增强后获得图像Image_enhance。
S4、使用高斯滤波对图像Image进行图像预处理,抑制正态分布的噪声,保留图像的总体灰度分布特征,去除图像背景噪点干扰,去噪后获得图像Image_denoise。
S5、采用一种方向性模板阈值分割的方法来进行焊缝光条图像分割,来去除污染亮条,保留完整焊接坡口焊接方向光条,分割后获得图像Image_segment。
具体的图像分割步骤为:
S51、将坡口焊缝图像根据光条的方向分为四个区域A、B、C、D,分别是左侧水平光条,右下倾斜方向光条,右上倾斜方向光条,右侧水平光条。
S52、根据光条上和污染亮条上的各自像素的灰度值变化过程,对四个区域分别设计各自5*5的模板,模板中正中间为目标像素,模板中为1的是感兴趣的点。
S53、对于A区域,采用从左往右、从上往下的顺序,按照模板计算每个像素的值t(i,j),而B区域则采用从右到左、从上往下的顺序,按照模板计算每个像素的值t(i,j);根据目标像素点与污染亮条的灰度值的大小差异,得到阈值T1,根据目标像素是位于光条内部还是光条外部设置阈值T2,通过比较每个像素t(i,j)与阈值T1、T2的大小,得到该像素点的图像分割结果。
对于C区域,采用从左往右、从上往下的顺序计算,按照模板每个像素的值t(i,j),而D区域采用从右往左、从上往下的顺序,按照模板计算每个像素的值t(i,j);根据目标像素点与污染亮条的灰度值的大小差异,得到阈值T1、T3,设置阈值T3,根据目标像素是位于光条内部还是光条外部设置阈值T2,通过比较每个像素t(i,j)与阈值T1、T2、T3的大小,得到该像素点的图像分割结果。
S6、对分割后图像Image_segment用曲线拟合法进行光条中心线的提取,提取后获得图像Image_extract;曲线拟合法具体为,将灰度图像中光条部分的各列像素点的灰度值与他们的纵坐标拟合成高斯曲线,拟合结果的峰值位置就是光条中心点。
S7、用拟合直线法来拟合出光条中心线的直线方程,提取出光条的拐点的二维图像像素坐标。
S8、根据提取出的拐点图像像素坐标,采用相机标定后获得的转换矩阵计算得到各个特征点的世界坐标,然后实时传输给机械手进行管道焊接路径引导。
本发明对坡口焊缝图像进行图像预处理并采用一种方向性模板阈值分割算法,解决了受到焊接弧光、焊渣飞溅干扰的带有噪声的坡口焊缝图像,得到了较好的图像分割结果;使用曲线拟合法与拟合直线法从图像分割结果中准确提取出坡口的形态和焊缝特征点,符合焊缝跟踪的实时性需求。
本发明的激光光条的管道焊接坡口特征提取方法,解决了图像在焊接过程中受到电弧光和焊渣飞溅等环境干扰,缺少准确的表面形态信息和自动调整控制等问题,实现准确、快速的焊缝三维形貌信息提取,并引导焊枪实时跟踪焊缝进行焊接,提高焊缝跟踪精度。
以上所述仅为本发明的实施例,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流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种激光光条的管道焊接坡口特征提取方法,其特征在于,包括如下步骤:
S1、首先通过相机获取在焊接过程中受到弧光和焊渣飞溅污染的图像Image;
S2、分析打底焊坡口图像的特征,在图像Image中使用矩形框ROI框选坡口所在区域并对焊缝图像Image进行裁剪,裁切后获得裁切图像Image_crop;
S3、使用伽马变换对图像Image_crop进行对比度增强,增强后获得图像Image_enhance;
S4、使用高斯滤波对图像Image进行图像预处理,抑制正态分布的噪声,保留图像的总体灰度分布特征,去除图像背景噪点干扰,去噪后获得图像Image_denoise;
S5、采用一种方向性模板阈值分割的方法来进行焊缝光条图像分割,来去除污染亮条,保留完整焊接坡口焊接方向光条,分割后获得图像Image_segment;
所述步骤S5中,具体的图像分割步骤为:
S51、将坡口焊缝图像根据光条的方向分为四个区域A、B、C、D,分别是左侧水平光条,右下倾斜方向光条,右上倾斜方向光条,右侧水平光条;
S52、根据光条上和污染亮条上的各自像素的灰度值变化过程,对四个区域分别设计各自的5*5的模板,模板中正中间为目标像素,模板中为1的是感兴趣的点;
S53、对于A区域,采用从左往右、从上往下的顺序,按照模板计算每个像素的值t(i,j),而B区域则采用从右到左、从上往下的顺序,按照模板计算每个像素的值t(i,j);根据目标像素点与污染亮条的灰度值的大小差异,得到阈值T1,根据目标像素是位于光条内部还是光条外部设置阈值T2,通过比较每个像素t(i,j)与阈值T1、T2的大小,得到该像素点的图像分割结果;
对于C区域,采用从左往右、从上往下的顺序计算,按照模板计算每个像素的值t(i,j),而D区域采用从右往左、从上往下的顺序,按照模板计算每个像素的值t(i,j);根据目标像素点与污染亮条的灰度值的大小差异,得到阈值T1、T3,设置阈值T3,根据目标像素是位于光条内部还是光条外部设置阈值T2,通过比较每个像素t(i,j)与阈值T1、T2、T3的大小,得到该像素点的图像分割结果;
S6、对分割后图像Image_segment用曲线拟合法进行光条中心线的提取,提取后获得图像Image_extract;
S7、用拟合直线法来拟合出光条中心线的直线方程,提取出光条的拐点的二维图像像素坐标;
S8、根据提取出的拐点图像像素坐标,采用相机标定后获得的转换矩阵计算得到各个特征点的世界坐标,然后实时传输给机械手进行管道焊接路径引导。
2.根据权利要求1所述的激光光条的管道焊接坡口特征提取方法,其特征在于,所述步骤S6中,曲线拟合法具体为,将灰度图像中光条部分的各列像素点的灰度值与他们的纵坐标拟合成高斯曲线,拟合结果的峰值位置就是光条中心点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111325213.8A CN113909689B (zh) | 2021-11-10 | 2021-11-10 | 一种激光光条的管道焊接坡口特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111325213.8A CN113909689B (zh) | 2021-11-10 | 2021-11-10 | 一种激光光条的管道焊接坡口特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113909689A CN113909689A (zh) | 2022-01-11 |
CN113909689B true CN113909689B (zh) | 2024-04-05 |
Family
ID=79245831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111325213.8A Active CN113909689B (zh) | 2021-11-10 | 2021-11-10 | 一种激光光条的管道焊接坡口特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113909689B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115229355B (zh) * | 2022-09-22 | 2022-12-13 | 江苏双赢锻压机床有限公司 | 高精密冲压锻件用激光焊接方法 |
CN116823703B (zh) * | 2023-02-03 | 2024-04-19 | 肇庆学院 | 一种基于Gabor滤波的结构激光焊缝图像处理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103008881A (zh) * | 2012-12-05 | 2013-04-03 | 中国电子科技集团公司第四十五研究所 | 一种基于模板匹配的焊缝跟踪方法 |
CN104942404A (zh) * | 2015-07-15 | 2015-09-30 | 广东工业大学 | 双波长双目视觉焊缝跟踪方法及跟踪系统 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
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 |
CN110310295A (zh) * | 2019-03-27 | 2019-10-08 | 广东技术师范学院天河学院 | 一种焊缝轮廓提取方法及系统 |
CN110773842A (zh) * | 2019-10-21 | 2020-02-11 | 大族激光科技产业集团股份有限公司 | 一种焊接定位方法及装置 |
CN111805099A (zh) * | 2020-06-22 | 2020-10-23 | 西安中科微精光子制造科技有限公司 | 一种基于区域调制技术的激光扫描装置及扫描方法 |
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 |
CN112950627A (zh) * | 2021-04-01 | 2021-06-11 | 上海柏楚电子科技股份有限公司 | 用于激光切割的检测及控制方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014074947A2 (en) * | 2012-11-08 | 2014-05-15 | Das, Suman | Systems and methods for additive manufacturing and repair of metal components |
-
2021
- 2021-11-10 CN CN202111325213.8A patent/CN113909689B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103008881A (zh) * | 2012-12-05 | 2013-04-03 | 中国电子科技集团公司第四十五研究所 | 一种基于模板匹配的焊缝跟踪方法 |
CN104942404A (zh) * | 2015-07-15 | 2015-09-30 | 广东工业大学 | 双波长双目视觉焊缝跟踪方法及跟踪系统 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
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 |
CN110310295A (zh) * | 2019-03-27 | 2019-10-08 | 广东技术师范学院天河学院 | 一种焊缝轮廓提取方法及系统 |
CN110773842A (zh) * | 2019-10-21 | 2020-02-11 | 大族激光科技产业集团股份有限公司 | 一种焊接定位方法及装置 |
CN111805099A (zh) * | 2020-06-22 | 2020-10-23 | 西安中科微精光子制造科技有限公司 | 一种基于区域调制技术的激光扫描装置及扫描方法 |
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 |
CN112950627A (zh) * | 2021-04-01 | 2021-06-11 | 上海柏楚电子科技股份有限公司 | 用于激光切割的检测及控制方法和系统 |
Non-Patent Citations (3)
Title |
---|
一种激光视觉引导的自动识别V形焊缝的算法;凌超;嵇保健;洪磊;沈健;;组合机床与自动化加工技术;20170620(第06期);第12-15+20页 * |
基于CCD的埋弧焊焊缝跟踪系统数字图像处理方法;程世东;汤楠;高炜欣;穆向阳;;焊接技术(第02期);全文 * |
基于X射线图像的长输管道焊缝快速边缘检测方法研究;查笑春;高炜欣;汤楠;程世东;;石油仪器(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113909689A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shah et al. | Butt welding joints recognition and location identification by using local thresholding | |
CN107798330B (zh) | 一种焊缝图像特征信息提取方法 | |
CN108637435B (zh) | 一种基于视觉与弧压传感的三维焊缝跟踪系统及方法 | |
CN113909689B (zh) | 一种激光光条的管道焊接坡口特征提取方法 | |
CN210046133U (zh) | 基于激光结构光的焊缝视觉跟踪系统 | |
He et al. | Weld seam profile detection and feature point extraction for multi-pass route planning based on visual attention model | |
CN109272544B (zh) | 管道全位置焊缝的结构光三维测量模型和图像处理方法 | |
CN108568624A (zh) | 一种基于图像处理的机械臂焊接系统及焊接方法 | |
CN110717872B (zh) | 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 | |
Ye et al. | A robust algorithm for weld seam extraction based on prior knowledge of weld seam | |
CN110814465B (zh) | 一种自动焊接焊缝轮廓提取的通用方法 | |
CN113427168A (zh) | 一种焊接机器人实时焊缝跟踪装置及方法 | |
CN108765419A (zh) | 结构光视觉焊缝图像信息自适应提取方法 | |
CN113634964A (zh) | 一种大型构件龙门式机器人焊接装备及焊接工艺 | |
Zou et al. | Conditional generative adversarial network-based training image inpainting for laser vision seam tracking | |
Zou et al. | Research on a real-time pose estimation method for a seam tracking system | |
CN112365439A (zh) | 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 | |
CN112222570A (zh) | 焊接机器人焊接路线规划方法、装置、机器人及储存介质 | |
Xu et al. | Image processing and visual control method for arc welding robot | |
Zou et al. | Seam tracking investigation via striped line laser sensor | |
Wang et al. | Groove-center detection in gas metal arc welding using a template-matching method | |
Shah et al. | Recognition of butt welding joints using background subtraction seam path approach for welding robot | |
Jin et al. | A new welding seam recognition methodology based on deep learning model MRCNN | |
CN114932292B (zh) | 一种窄间隙被动视觉焊缝跟踪方法及系统 | |
Wang et al. | Weld seam detection and feature extraction based on laser vision |
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 |