CN113963012A - 一种焊缝边缘检测方法 - Google Patents
一种焊缝边缘检测方法 Download PDFInfo
- Publication number
- CN113963012A CN113963012A CN202111208525.0A CN202111208525A CN113963012A CN 113963012 A CN113963012 A CN 113963012A CN 202111208525 A CN202111208525 A CN 202111208525A CN 113963012 A CN113963012 A CN 113963012A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- similarity
- frame data
- cloud data
- detection method
- 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 42
- 238000003708 edge detection Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000002184 metal Substances 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000003466 welding Methods 0.000 claims description 32
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000011179 visual inspection 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G06T5/70—
-
- 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
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
Abstract
本发明公开了一种焊缝边缘检测方法,使用单线结构光传感器沿焊缝长度方向获取焊缝点云数据,将单次获得的焊缝点云数据记为单帧数据,再筛选出疑似焊缝边缘的轮廓点云数据;包括如下步骤:1)对轮廓点云数据中各点求取二阶导数,以结果趋近于零的点为节点;2)两节相邻的单帧数据中的节点,构建图网络;3)对图网络进行处理,获取两相连节点之间的相似性;所述相似性为两相连节点的欧式距离和;4)从第一帧数据至最后一帧数据,沿图网络求取同一路径的相似性和;取相似性和最小的两条路径为焊缝的两个边缘。该方法兼顾局部、全局点云特征,不受母材形变影响,测试结果具有稳定性和鲁棒性。
Description
技术领域
本发明涉及机器视觉检测领域,具体涉及一种焊缝边缘检测方法。
背景技术
焊缝边缘检测常用方法主要有(1)基于图像的匹配方法(2)基于母材类型的母材轮廓拟合方法。方法(1)需采用相机采集图像,与模板图像进行匹配,获取焊缝边缘;这种方法对图片质量要求较高,但实际获取的图像因亮度、环境的影响往往达不到要求。同时,因相机只能获取2D图像,不能得到焊缝的深度信息,所以使用环境受限。方法(2)采用结构光传感器扫描焊缝,获取点云数据,在进行焊缝边缘点云分割时假定母材角度固定已知,但实际焊缝边缘往往因材料不同而存在角度变化,导致焊缝边缘分割不准确。
发明内容
为了解决上述技术问题,本发明提供一种焊缝边缘检测方法,兼顾局部、全局点云特征,不受母材形变影响,测试结果具有稳定性和鲁棒性。
为此,本发明的技术方案如下:
一种焊缝边缘检测方法,使用单线结构光传感器沿焊缝长度方向获取焊缝点云数据,将单次获得的焊缝点云数据记为单帧数据;
对所述单帧数据分别进行处理,筛选出疑似焊缝边缘的轮廓点云数据;
再进行如下步骤处理:
1)对所述轮廓点云数据中各点求取二阶导数,以结果趋近于零的点为节点;
2)将相邻的单帧数据中的节点进行连接,属于同一单帧数据中的节点不连接,得到图网络;
3)对所述图网络进行处理,获取两相连节点之间的相似性;
将所述两相连节点的欧式距离求和,得到所述相似性;
其中欧氏距离基于母材异形情况进行调整;
4)从采集图像时获取的第一帧数据中的任一节点开始,沿图网络的边至最后一帧数据中的任一节点,求取同一路径的相似性和;
取相似性和最小的两条路径为焊缝的两条边缘。
进一步,步骤4)获取相似性和最小的两条路径使用的方法为最优路径搜索。
进一步,步骤4)获取相似性和最小的两条路径使用的方法为迪杰斯特拉算法。
进一步,筛选轮廓点云数据的方法为:
①对采集到的焊缝的激光条轮廓图像提取激光条亚像素中心点;
②计算每个提取到的亚像素中心点沿法线方向的梯度,找到各亚像素中心点对应的两个激光条边缘点,计算两边缘点间距,删掉超出预设值的点;
③解算光条中心点在相机坐标系下的三维坐标,并将其转换到光平面坐标系,得到二维轮廓点云,滤波后,得到所述轮廓点云数据。
更进一步,步骤①采用Steger方法求取激光条亚像素中心点。
更进一步,步骤③中滤波采用中值滤波的方法。
该焊缝边缘检测方法,兼顾局部、全局点云特征,不受母材形变影响,测试结果具有稳定性和鲁棒性。
附图说明
图1a为单线结构光传感器获取点云数据的原理示意图;
图1b为单线结构光传感器获取整个待测物的点云数据示意图;
图2为单帧数据焊缝检测结果示意图;图中线条为轮廓点云,突出显示点为节点;
图3为图网络示意图;
图4为现有方法视觉检测结果显示图(未使用图网络);
图5为本发明提供方法得到的焊缝边缘检测结果显示图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种焊缝边缘检测方法,使用单线结构光传感器沿焊缝长度方向获取焊缝点云数据(如图1a、1b所示),将单次获得的焊缝点云数据记为单帧数据;
对单帧数据分别进行处理,筛选出疑似焊缝边缘的轮廓点云数据;再进行如下步骤处理:
1)对轮廓点云数据中各点求取二阶导数,以结果趋近于零的点为节点,(如图2所示);
2)将相邻的单帧数据中的节点进行连接,属于同一单帧数据中的节点不连接,得到图网络(如图3所示);
3)对图网络进行处理,获取两相连节点之间的相似性;
将两相连节点的欧式距离求和,得到相似性;
其中欧氏距离基于母材异形情况进行调整;
4)从采集图像时获取的第一帧数据中的任一节点开始,沿图网络的边至最后一帧数据中的任一节点,求取同一路径的相似性和;
取相似性和最小的两条路径为焊缝的两条边缘。获取相似性和最小的两条路径使用的方法为最优路径搜索,具体来说是迪杰斯特拉算法(Dijkstra算法详解)。
具体来说,筛选疑似焊缝边缘的轮廓点云数据的方法为:
①对采集到的焊缝的激光条轮廓图像提取激光条亚像素中心点,可采用采用Steger方法求取激光条亚像素中心点,或者也可以采用其他提取中心点的方法;
②计算每个提取到的亚像素中心点沿法线方向的梯度,找到各亚像素中心点对应的两个激光条边缘点,计算两边缘点间距,删掉超出预设值的点;
③解算光条中心点在相机坐标系下的三维坐标,并将其转换到光平面坐标系,得到二维轮廓点云,滤波后,得到轮廓点云数据。滤波可采用中值滤波的方法,也可采用其它滤波方法。
本发明着重保护了单线结构光传感器采集焊缝图像的方式,也可以将该方法应用到多线结构光传感器采集焊缝图像的情况。
该焊缝边缘检测方法,兼顾局部(单帧数据)、全局点云特征(图网络),不受母材形变影响,测试结果具有稳定性和鲁棒性。如图4、5所示,图4是现有处理方法对焊缝图像处理后的结果,其仅考虑单帧图像中点云数据,得到的边缘误差较大,这是因为①单帧轮廓点云中焊缝边缘点易受气孔、焊渣等缺陷影响从而导致边缘点误检,②母材异性(母材为渐变或突变的曲面)导致边缘点误检;而图5是本发明提供的处理方法对焊缝图像处理后的结果,这是因为通过焊缝边缘点全局连续一致的约束能够排除掉上述的干扰点,所以焊缝边缘结果准确。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的,也不是想要把本发明限制为所公开的精确形式,显然,根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用,从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (6)
1.一种焊缝边缘检测方法,使用单线结构光传感器沿焊缝长度方向获取焊缝点云数据,将单次获得的焊缝点云数据记为单帧数据;
对所述单帧数据分别进行处理,筛选出疑似焊缝边缘的轮廓点云数据;
其特征在于再进行如下步骤处理:
1)对所述轮廓点云数据中各点求取二阶导数,以结果趋近于零的点为节点;
2)将相邻的单帧数据中的节点进行连接,属于同一单帧数据中的节点不连接,得到图网络;
3)对所述图网络进行处理,获取两相连节点之间的相似性;
将所述两相连节点的欧式距离求和,得到所述相似性;
其中欧氏距离基于母材异形情况进行调整;
4)从采集图像时获取的第一帧数据中的任一节点开始,沿图网络的边至最后一帧数据中的任一节点,求取同一路径的相似性和;
取相似性和最小的两条路径为焊缝的两条边缘。
2.如权利要求1所述焊缝边缘检测方法,其特征在于:步骤4)获取相似性和最小的两条路径使用的方法为最优路径搜索。
3.如权利要求1所述焊缝边缘检测方法,其特征在于:步骤4)获取相似性和最小的两条路径使用的方法为迪杰斯特拉算法。
4.如权利要求1所述焊缝边缘检测方法,其特征在于:筛选轮廓点云数据的方法为:
①对采集到的焊缝的激光条轮廓图像提取激光条亚像素中心点;
②计算每个提取到的亚像素中心点沿法线方向的梯度,找到各亚像素中心点对应的两个激光条边缘点,计算两边缘点间距,删掉超出预设值的点;
③解算光条中心点在相机坐标系下的三维坐标,并将其转换到光平面坐标系,得到二维轮廓点云,滤波后,得到所述轮廓点云数据。
5.如权利要求4所述焊缝边缘检测方法,其特征在于:步骤①采用Steger方法求取激光条亚像素中心点。
6.如权利要求4所述焊缝边缘检测方法,其特征在于:步骤③中滤波采用中值滤波的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111208525.0A CN113963012A (zh) | 2021-10-18 | 2021-10-18 | 一种焊缝边缘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111208525.0A CN113963012A (zh) | 2021-10-18 | 2021-10-18 | 一种焊缝边缘检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113963012A true CN113963012A (zh) | 2022-01-21 |
Family
ID=79464944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111208525.0A Pending CN113963012A (zh) | 2021-10-18 | 2021-10-18 | 一种焊缝边缘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113963012A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114969553A (zh) * | 2022-07-19 | 2022-08-30 | 苏芯物联技术(南京)有限公司 | 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法 |
-
2021
- 2021-10-18 CN CN202111208525.0A patent/CN113963012A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114969553A (zh) * | 2022-07-19 | 2022-08-30 | 苏芯物联技术(南京)有限公司 | 一种基于知识图谱的焊接成本和工艺参数综合智能推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Concrete crack assessment using digital image processing and 3D scene reconstruction | |
CN105809668B (zh) | 基于线扫描三维点云的物体表面变形特征提取方法 | |
US8428335B2 (en) | Combining feature boundaries | |
CN108460760B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像判别修复方法 | |
CN102032875B (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
CN104574393B (zh) | 一种三维路面裂缝图像生成系统和方法 | |
Zhang et al. | 3D mapping of discontinuity traces using fusion of point cloud and image data | |
CN114240944B (zh) | 一种基于点云信息的焊接缺陷检测方法 | |
JP2003530546A (ja) | 被検体の鋳造欠陥の自動検出方法 | |
CN109752392B (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN108921164A (zh) | 一种基于三维点云分割的接触网定位器坡度检测方法 | |
JP2020126590A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN113963012A (zh) | 一种焊缝边缘检测方法 | |
CN105787870A (zh) | 一种图形图像拼接融合系统 | |
CN112016558A (zh) | 一种基于图像质量的介质能见度识别方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
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 | |
JP6577243B2 (ja) | 表面欠陥評価装置、表面欠陥検査システムおよび表面欠陥検査方法 | |
Sadeq | Using total probability in image template matching. | |
JP2000321038A (ja) | パターン欠陥検出方法 | |
JP2961140B2 (ja) | 画像処理方法 | |
CN112734840A (zh) | 一种输电线安全距离测量方法 | |
CN112396644A (zh) | 一种基于3d视觉检测技术的焊缝追踪方法 |
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 |