CN114120111B - 一种不锈钢焊缝智能化超声波冲击方法 - Google Patents
一种不锈钢焊缝智能化超声波冲击方法 Download PDFInfo
- Publication number
- CN114120111B CN114120111B CN202111384407.5A CN202111384407A CN114120111B CN 114120111 B CN114120111 B CN 114120111B CN 202111384407 A CN202111384407 A CN 202111384407A CN 114120111 B CN114120111 B CN 114120111B
- Authority
- CN
- China
- Prior art keywords
- stainless steel
- ultrasonic impact
- roi image
- ultrasonic
- frame
- 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
- 229910001220 stainless steel Inorganic materials 0.000 title claims abstract description 65
- 239000010935 stainless steel Substances 0.000 title claims abstract description 64
- 238000003466 welding Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009499 grossing Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000000877 morphologic effect Effects 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000009966 trimming Methods 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000010953 base metal Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 229910000734 martensite Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005482 strain hardening Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000009210 therapy by ultrasound Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20112—Image segmentation details
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明提供了一种不锈钢焊缝智能化超声波冲击方法,包括以下步骤:图片扫描、设定ROI图像区域、灰度转化、平滑处理、自适应图像阈值分割、形态学修整、求取超声冲击实施区域、规划超声实施轨迹、求取超声冲击头位姿以及六轴机器人控制自动化超声波冲击。该不锈钢焊缝智能化超声波冲击方法具有操作便捷、焊缝自动识别、轨迹自动规划、冲击效果好的优点。
Description
技术领域
本发明涉及不锈钢焊接领域,具体的说,涉及了一种不锈钢焊缝智能化超声波冲击方法。
背景技术
不锈钢尤其是铁素体不锈钢具备价格低廉、耐高温性好、耐腐蚀性优异等优点,故被广范应用于焊接领域的各个场合,比如汽车排气管的冷弯、膨胀成形、车体不锈钢薄板焊接等。
不锈钢焊接的主要方法是激光焊接,在焊接时,尤其是铁素体不锈钢焊接时,存在着焊缝晶粒粗化、形成马氏体以及高温脆化等现象,在焊接残余应力的作用下会造成对接接头的弱化;随着热量输入增加、硅酸盐夹杂、硫化物夹杂及加工硬化程度过高等都能导致不锈钢焊件在后期冷成型或服役过程中出现裂纹。
超声冲击处理工艺可以有效地调整焊接残余应力,提高不锈钢接头的性能,但目前针对不锈钢激光焊接接头进行超声冲击处理的方式,主要由人工进行,不仅存在效率低下、强烈噪音等问题,而且超声冲击高频强烈的反作用力加速人体骨骼疏松、关节疲劳,对人体造成严重损伤,此外,人工操作还容易导致超声效果的不均匀,但是智能化超声冲击处理又会面临不锈钢焊缝识别、超声处理区域定位与超声冲击处理轨迹规划等难题,因此目前还没有对不锈钢焊缝进行智能化超声冲击处理的方法。
为了解决以上存在的问题,人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足,从而提供一种操作便捷、焊缝自动识别、轨迹自动规划、冲击效果好的不锈钢焊缝智能化超声波冲击方法。
为了实现上述目的,本发明所采用的技术方案是:一种不锈钢焊缝智能化超声波冲击方法,包括以下步骤:
步骤S1、按照既定的示教轨迹和既定的拍摄帧率,用CDD工业相机对不锈钢焊缝不断拍摄图像,获取图片数据流;
步骤S2、设定每帧图片的ROI图像区域并进行灰度转化、平滑处理;
步骤S3、自适应图像阈值分割,包括以下子步骤:
S3.1、将第一帧图片的ROI图像区域作为标准图像,手动框选出标准图像的不锈钢焊缝区域,获取标准图像的不锈钢焊缝中心在ROI图像上的坐标(u0,v0);
S3.2、对每帧ROI图像区域整体进行灰度直方图值统计,将该帧图像中概率最大的灰度记为m0;
S3.3、对每帧ROI图像区域的每一行进行灰度直方图值统计,将各行概率最大的灰度记为m1,m2……mn;其中n表示ROI图像区域的行数;
S3.4、求取m0,m1……mn的平均值m;
S3.5、对每帧ROI图像区域整体进行灰度直方图值统计,将该帧图像中小概率且灰度值接近于0的灰度值记为p0;
S3.6、对每帧ROI图像区域的每一行进行灰度直方图值统计,将各行小概率且灰度值接近于0的灰度值记为p1,p2……pn;其中n表示ROI图像区域的行数;
S3.7、异常值灰度移除,将(u0,v0)附近的一定范围作为目标区域,当p1,p2……pn灰度值的位置落在该目标区域内时记为有效灰度,否则记为无效灰度,有效灰度记为p1,p2……pk,k为有效灰度的个数;
S3.8、求取p0,p1……pk的平均值p;
S3.9、求取m与p的中值g;
S3.10、针对每帧ROI图像,利用阈值g进行二值化处理,将不锈钢焊缝区域转化为白色,其他区域转化为黑色;
步骤S4、对每帧ROI图像进行形态学修整;
步骤S5、提取每帧ROI图像白色区域两边缘各自中点的像素坐标,并将两边缘各自中点的像素坐标转化为六轴机器人基坐标下的三维坐标,再通过B样条曲线拟合法获取实际的两条激光焊缝边缘线;
步骤S6、依据超声冲击头的冲击宽度t/2,将两条激光焊缝边缘线各自向外平移t距离,得到两条超声冲击实施区域边缘线;
步骤S7、选取位于焊缝同侧的所述激光焊缝边缘线和所述超声冲击实施区域边缘线,截取两者中央t/2的区域作为冲击头行走区间,在所述冲击头行走区间内规划所述超声冲击头中点的超声实施轨迹,并使所述超声实施轨迹与所述冲击头行走区间的两边缘规律性地接触;
步骤S8、求取每帧ROI图像白色区域所在平面的法线方向,超声冲击时所述超声冲击头的轴线与该法线方向平行,所述超声冲击头与不锈钢母材的接触线垂直于不锈钢焊缝的延伸方向,以此作为本帧ROI图像所述超声冲击头的位姿;
步骤S9、六轴机器人控制所述超声冲击头以步骤S8中的实时位姿沿步骤S7求取的超声实施轨迹进行自动化超声冲击。
基于上述,步骤S7中的所述超声实施轨迹采用Z字型循环轨迹,在所述冲击头行走区间截取循环单元区间,所述Z字型循环轨迹由所述循环单元区间内的超声实施轨迹循环而成,具体为,在所述循环单元区间的一边缘线上依次找cder四个点、另一边缘线上依次找absq四个点,所述循环单元区间内的超声实施轨迹为 a-b-c-d-e-b-s-q-e-r。
基于上述,步骤S1中要求CDD工业相机光轴线尽可能地垂直于不锈钢母材所在平面。
基于上述,步骤S2中,设定的ROI图像区域为(u1,v1,size.width,size.height),其中(u1,v1)表示ROI图像区域的像素顶点坐标,size.width表示ROI图像区域的宽度,size.height表示ROI图像区域的高度;步骤S3.7中目标区域的范围为(u0-30,v0-30,60,60)。
基于上述,步骤S2中的平滑处理方法为连续两次中值滤波,滤波核大小为ksize=(5、5)。
基于上述,步骤S3.10中,二值化公式如下:
。
基于上述,步骤S4中的处理方法是先闭运算后开运算。
基于上述,步骤S5中,图像坐标转化为六轴机器人基坐标下的三维坐标时采用结构光视觉标定和手眼标定相结合的方式。
本发明相对现有技术具有突出的实质性特点和显著的进步,具体的说,本发明利用CCD工业相机对不锈钢焊缝进行扫描,设定ROI图像区域,利用不锈钢母材偏向灰色、不锈钢焊缝趋向于黑色(灰度值趋近0)的特性,针对每帧图像的灰度进行整体概率统计以及每行单独概率统计,通过概率大小选取出灰度数列,对概率最大的灰度数列直接求取平均值,对小概率且灰度接近于0的灰度数列剔除掉异常值灰度后求取平均值,这样可消除由于光线、反射等原因造成的识别偏差,保证不锈钢焊缝识别的准确性,后续求取出不锈钢焊缝的两边缘各自的中心点像素、转化为六轴机器人基坐标下的三维坐标,通过B样条曲线拟合得到实际的两条激光焊缝边缘线,将超声冲击头的冲击宽度考虑进来,选出所述冲击头行走区间,规划合理的Z字型循环轨迹,实现对待冲击区域有条理地进行超声冲击,保证各处冲击效果的一致性和均匀性,再结合位姿的求取,实现六轴机器人对不锈钢焊缝的智能化超声波冲击;其具有操作便捷、焊缝自动识别、轨迹自动规划、冲击效果好的优点。
附图说明
图1是本发明中不锈钢焊缝智能化超声波冲击方法所使用的六轴机器人的结构示意图。
图2是本明中超声冲击实施区域识别原理图。
图3是本发明中超声冲击头轨迹规划原理图。
图4是本发明中激光焊接后与超声冲击后效果对比图。
图5是本发明中激光焊接后与超声冲击后焊缝硬度对比图。
图6是本发明中激光焊接后与超声冲击后焊缝拉伸强度对比图。
图中:1. 工控机;2. 机器人控制器;5. CCD工业相机;6. 超声冲击头;7. 六轴机械臂;8. 超声冲击控制器;9. 不锈钢对接焊件;13. 激光焊缝边缘线;14. 超声冲击实施区域;15. 形态学修整后的不锈钢焊缝ROI图像;16. 白色区域边缘;17.冲击头行走区间;18. 超声冲击实施区域边缘线。
具体实施方式
下面通过具体实施方式,对本发明的技术方案做进一步的详细描述。
如图1-3所示,一种不锈钢焊缝智能化超声波冲击方法,包括以下步骤:
步骤S1、按照既定的示教轨迹和既定的拍摄帧率,用CDD工业相机5对不锈钢焊缝不断拍摄图像,获取图片数据流,拍摄过程中CDD工业相机5光轴线应当尽可能地垂直于不锈钢母材所在平面。
步骤S2、设定每帧图片的ROI图像区域为(u1,v1,size.width,size.height),其中(u1,v1)表示ROI图像区域的像素顶点坐标,size.width表示ROI图像区域的宽度,size.height表示ROI图像区域的高度;对ROI图像区域进行灰度转化、平滑处理,平滑处理的方法为连续两次中值滤波,滤波核大小为ksize=(5、5)。
步骤S3、自适应图像阈值分割,包括以下子步骤:
S3.1、将第一帧图片的ROI图像区域作为标准图像,手动框选出标准图像的不锈钢焊缝区域,获取标准图像的不锈钢焊缝中心在ROI图像上的坐标(u0,v0);
S3.2、对每帧ROI图像区域整体进行灰度直方图值统计,将该帧图像中概率最大的灰度记为m0;
S3.3、对每帧ROI图像区域的每一行进行灰度直方图值统计,将各行概率最大的灰度记为m1,m2……mn;其中n表示ROI图像区域的行数;
S3.4、求取m0,m1……mn的平均值m;
S3.5、对每帧ROI图像区域整体进行灰度直方图值统计,将该帧图像中小概率且灰度值接近于0的灰度值记为p0;
S3.6、对每帧ROI图像区域的每一行进行灰度直方图值统计,将各行小概率且灰度值接近于0的灰度值记为p1,p2……pn;其中n表示ROI图像区域的行数;
S3.7、异常值灰度移除,将(u0,v0)附近的一定范围作为目标区域,具体地,可将目标区域的范围划分为(u0-30,v0-30,60,60),当p1,p2……pn灰度值的位置落在该目标区域内时记为有效灰度,否则记为无效灰度,有效灰度记为p1,p2……pk,k为有效灰度的个数;
S3.8、求取p0,p1……pk的平均值p;
S3.9、求取m与p的中值g;
S3.10、针对每帧ROI图像,利用阈值g进行二值化处理,采用的二值化公式如下:
将不锈钢焊缝区域转化为白色,其他区域转化为黑色。
步骤S4、对每帧ROI图像进行形态学修整,方法为先闭运算后开运算,消除白色毛刺、去除白色区域中的黑色空洞、填补黑色区域中的白点,得到形态学修整后的不锈钢焊缝ROI图像10。
步骤S5、提取每帧焊后ROI图像白色区域两边缘(白色区域边缘16)各自中点的像素坐标,并将两边缘各自中点的像素坐标转化为六轴机器人基坐标下的三维坐标,再通过B样条曲线拟合法获取实际的两条激光焊缝边缘线13(图4中实线)。
步骤S6、依据超声冲击头6的冲击宽度t/2,将两条激光焊缝边缘线13各自向外平移t距离,得到两条超声冲击实施区域边缘线18(图4中虚线),激光焊缝边缘线13与超声冲击实施区域边缘线18之间的区域即为超声冲击实施区域14。
步骤S7、选取位于焊缝同侧的所述激光焊缝边缘线13和所述超声冲击实施区域边缘线18,截取两者中央t/2的区域作为冲击头行走区间17;
在所述冲击头行走区间17内规划超声冲击头6中点的超声实施轨迹,所述超声实施轨迹需要与所述冲击头行走区间17的两边缘规律性地接触,本实施例中具体采用以下Z字型循环轨迹:在所述冲击头行走区间17截取循环单元区间,所述循环单元区间的一边缘线上依次找cder四个点、另一边缘线上依次找absq四个点,则所述循环单元区间内的超声实施轨迹为 a-b-c-d-e-b-s-q-e-r。
在其它实施例中也可采用锯齿形走法等其它走法。
步骤S8、求取每帧ROI图像白色区域所在平面的法线方向,超声冲击时所述超声冲击头6的轴线与该法线方向平行,超声冲击头6与不锈钢母材的接触线垂直于不锈钢焊缝的延伸方向,以此作为本帧ROI图像超声冲击头6的位姿。
步骤S9、六轴机器人控制超声冲击头6以步骤(5)中的实时位姿沿步骤(4)求取的超声实施轨迹进行自动化超声冲击。
本实施例中超声冲击头6的形状与U形封闭端相近,厚度是1.5mm,与母材的接触线长度即为1.5mm,故确定的t值为3mm。
该不锈钢焊缝智能化超声波冲击方法实施时采用的六轴机器人包括工控机1、机器人控制器2、CCD工业相机5、超声冲击头6、六轴机械臂7和超声冲击控制器8,CCD工业相机5拍摄不锈钢对接焊件9的图片并传输给工控机4,工控机4执行上述步骤中的相关计算并将结果传送至机器人控制器2,由机器人控制器2控制六轴机械臂7进行方位、姿态实时调整,超声冲击控制器8控制超声冲击头6进行超声波冲击。
工作原理:
利用CCD工业相机5对不锈钢焊缝进行扫描,设定ROI图像区域,利用不锈钢母材偏向灰色、不锈钢焊缝趋向于黑色(灰度值趋近0)的特性,针对每帧图像的灰度进行整体概率统计以及每行单独概率统计,通过概率大小选取出灰度数列,对概率最大的灰度数列直接求取平均值,对小概率且灰度接近于0的灰度数列剔除掉异常值灰度后求取平均值,这样可消除由于光线、反射等原因造成的识别偏差,保证不锈钢焊缝识别的准确性,
后续求取出不锈钢焊缝的两边缘各自的中心点像素、转化为六轴机器人基坐标下的三维坐标,通过B样条曲线拟合得到实际的两条激光焊缝边缘线13,将超声冲击头6的冲击宽度考虑进来,选出所述冲击头行走区间17,规划合理的Z字型循环轨迹,实现对待冲击区域有条理地进行超声冲击,保证各处冲击效果的一致性和均匀性,再结合位姿的求取,实现六轴机器人对不锈钢焊缝的智能化超声波冲击。
如图4所示,对激光焊接后与超声冲击后的效果进行对比,左侧表示激光焊接后未冲击焊缝以及周围焊缝的内部组织,母材较为粗大,右侧表示激光焊接后超声冲击处理后的焊缝以及周围焊缝的内部组织,晶粒得到细化,晶粒的大小以及一致性得到保证。
如图5所示,对激光焊接后与超声冲击后焊缝的硬度进行对比,超声冲击后薄板对接接头表面产生超声诱导强化层,表面层硬度平均提升20%以上。
如图6所示,对激光焊接后与超声冲击后焊缝的拉伸性能进行对比,超声冲击后薄板焊件拉伸强度达到母材水平,延伸率略有提升。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (8)
1.一种不锈钢焊缝智能化超声波冲击方法,其特征在于,包括以下步骤:
步骤S1、按照既定的示教轨迹和既定的拍摄帧率,用CDD工业相机对不锈钢焊缝不断拍摄图像,获取图片数据流;
步骤S2、设定每帧图片的ROI图像区域并进行灰度转化、平滑处理;
步骤S3、自适应图像阈值分割,包括以下子步骤:
S3.1、将第一帧图片的ROI图像区域作为标准图像,手动框选出标准图像的不锈钢焊缝区域,获取标准图像的不锈钢焊缝中心在ROI图像上的坐标(u0,v0);
S3.2、对每帧ROI图像区域整体进行灰度直方图值统计,将该帧ROI图像中概率最大的灰度记为m0;
S3.3、对每帧ROI图像区域的每一行进行灰度直方图值统计,将各行概率最大的灰度记为m1,m2……mn;其中n表示ROI图像区域的行数;
S3.4、求取m0,m1……mn的平均值m;
S3.5、对每帧ROI图像区域整体进行灰度直方图值统计,将该帧ROI图像中小概率且灰度值接近于0的灰度值记为p0;
S3.6、对每帧ROI图像区域的每一行进行灰度直方图值统计,将各行小概率且灰度值接近于0的灰度值记为p1,p2……pn;其中n表示ROI图像区域的行数;
S3.7、异常值灰度移除,将(u0,v0)附近的一定范围作为目标区域,当p1,p2……pn灰度值的位置落在该目标区域内时记为有效灰度,否则记为无效灰度,有效灰度记为p1,p2……pk,k为有效灰度的个数;
S3.8、求取p0,p1……pk的平均值p;
S3.9、求取m与p的中值g;
S3.10、针对每帧ROI图像,利用阈值g进行二值化处理,将不锈钢焊缝区域转化为白色,其他区域转化为黑色;
步骤S4、对每帧ROI图像进行形态学修整;
步骤S5、提取每帧ROI图像白色区域两边缘各自中点的像素坐标,并将两边缘各自中点的像素坐标转化为六轴机器人基坐标下的三维坐标,再通过B样条曲线拟合法获取实际的两条激光焊缝边缘线;
步骤S6、依据超声冲击头的冲击宽度t/2,将两条激光焊缝边缘线各自向外平移t距离,得到两条超声冲击实施区域边缘线;
步骤S7、选取位于焊缝同侧的所述激光焊缝边缘线和所述超声冲击实施区域边缘线,截取两者中央t/2的区域作为冲击头行走区间,在所述冲击头行走区间内规划所述超声冲击头中点的超声实施轨迹,并使所述超声实施轨迹与所述冲击头行走区间的两边缘规律性地接触;
步骤S8、求取每帧ROI图像白色区域所在平面的法线方向,超声冲击时所述超声冲击头的轴线与该法线方向平行,所述超声冲击头与不锈钢母材的接触线垂直于不锈钢焊缝的延伸方向,以此作为本帧ROI图像所述超声冲击头的位姿;
步骤S9、六轴机器人控制所述超声冲击头以步骤S8中的实时位姿沿步骤S7求取的超声实施轨迹进行自动化超声冲击。
2.根据权利要求1所述的不锈钢焊缝智能化超声波冲击方法,其特征在于:步骤S7中的所述超声实施轨迹采用Z字型循环轨迹,在所述冲击头行走区间截取循环单元区间,所述Z字型循环轨迹由所述循环单元区间内的超声实施轨迹循环而成,具体为,在所述循环单元区间的一边缘线上依次找cder四个点、另一边缘线上依次找absq四个点,所述循环单元区间内的超声实施轨迹为 a-b-c-d-e-b-s-q-e-r。
3.根据权利要求2所述的不锈钢焊缝智能化超声波冲击方法,其特征在于:步骤S1中要求CDD工业相机光轴线垂直于不锈钢母材所在平面。
4.根据权利要求3所述的不锈钢焊缝智能化超声波冲击方法,其特征在于:步骤S2中,设定的ROI图像区域为(u1,v1,size.width,size.height),其中(u1,v1)表示ROI图像区域的像素顶点坐标,size.width表示ROI图像区域的宽度,size.height表示ROI图像区域的高度;步骤S3.7中目标区域的范围为(u0-30,v0-30,60,60)。
5.根据权利要求4所述的不锈钢焊缝智能化超声波冲击方法,其特征在于:步骤S2中的平滑处理方法为连续两次中值滤波,滤波核大小为ksize=(5、5)。
6.根据权利要求5所述的不锈钢焊缝智能化超声波冲击方法,其特征在于,步骤S3.10中,二值化公式如下:
。
7.根据权利要求6所述的不锈钢焊缝智能化超声波冲击方法,其特征在于:步骤S4中的处理方法是先闭运算后开运算。
8.根据权利要求1-7任一项所述的不锈钢焊缝智能化超声波冲击方法,其特征在于:步骤S5中,图像坐标转化为六轴机器人基坐标下的三维坐标时采用结构光视觉标定和手眼标定相结合的方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384407.5A CN114120111B (zh) | 2021-11-22 | 2021-11-22 | 一种不锈钢焊缝智能化超声波冲击方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384407.5A CN114120111B (zh) | 2021-11-22 | 2021-11-22 | 一种不锈钢焊缝智能化超声波冲击方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114120111A CN114120111A (zh) | 2022-03-01 |
CN114120111B true CN114120111B (zh) | 2024-05-17 |
Family
ID=80439176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111384407.5A Active CN114120111B (zh) | 2021-11-22 | 2021-11-22 | 一种不锈钢焊缝智能化超声波冲击方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114120111B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014147334A1 (fr) * | 2013-03-19 | 2014-09-25 | Renault | Procede de controle de cordons de soudure par ultrasons |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN112858483A (zh) * | 2021-02-01 | 2021-05-28 | 吉林大学 | 相控阵探头扫查轨迹自纠偏系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10249037B2 (en) * | 2010-01-25 | 2019-04-02 | Amcad Biomed Corporation | Echogenicity quantification method and calibration method for ultrasonic device using echogenicity index |
-
2021
- 2021-11-22 CN CN202111384407.5A patent/CN114120111B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014147334A1 (fr) * | 2013-03-19 | 2014-09-25 | Renault | Procede de controle de cordons de soudure par ultrasons |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN112858483A (zh) * | 2021-02-01 | 2021-05-28 | 吉林大学 | 相控阵探头扫查轨迹自纠偏系统及方法 |
Non-Patent Citations (2)
Title |
---|
单管式鳍片管焊接工艺;李明观;杜红军;雷亚婷;徐德生;徐国成;;电焊机;20100220(第02期);全文 * |
超声冲击技术消除转向架构架焊接残余应力试验方案分析;应之丁;高立群;范庆锋;;城市轨道交通研究;20160110(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114120111A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shao et al. | A novel weld seam detection method for space weld seam of narrow butt joint in laser welding | |
Fang et al. | Visual seam tracking system for butt weld of thin plate | |
CN112750102B (zh) | 一种基于图像处理的焊点定位方法和系统 | |
US10725447B2 (en) | Method for automated straightening of welded assemblies | |
US20130236050A1 (en) | Method of post-correction of 3d feature point-based direct teaching trajectory | |
CN109483017A (zh) | 一种基于图像识别的焊缝跟踪系统及其优化方法 | |
CN112053376B (zh) | 一种基于深度信息的工件焊缝识别方法 | |
CN102699534A (zh) | 基于扫描式激光视觉传感的厚板窄间隙深坡口激光自动化多层焊焊接方法 | |
Kim et al. | A robust visual seam tracking system for robotic arc welding | |
CN112365439B (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 | |
CN109514043A (zh) | 一种有效的焊接机器人焊接控制系统 | |
CN108907526A (zh) | 一种具有高鲁棒性的焊缝图像特征识别方法 | |
CN113909689B (zh) | 一种激光光条的管道焊接坡口特征提取方法 | |
Zhang et al. | Narrow-seam identification and deviation detection in keyhole deep-penetration TIG welding | |
CN110814465A (zh) | 一种自动焊接焊缝轮廓提取的通用方法 | |
CN114399461B (zh) | 智能化焊趾机械打磨疲劳延寿方法 | |
CN114120111B (zh) | 一种不锈钢焊缝智能化超声波冲击方法 | |
CN112296999A (zh) | 一种基于机器视觉的不规则工件加工路径生成方法 | |
Wang et al. | Groove-center detection in gas metal arc welding using a template-matching method | |
CN109523548B (zh) | 一种基于临界阈值的窄间隙焊缝特征点提取方法 | |
CN114043080B (zh) | 一种不锈钢智能化激光焊接处理方法 | |
CN113551599A (zh) | 一种基于结构光导向的焊缝位置偏差视觉跟踪方法 | |
CN111681217A (zh) | 疲劳断口的机器视觉图像智能分析方法、装置及系统 | |
CN113427380A (zh) | 一种块体非晶合金产品表面抛光修复方法及控制系统 | |
CN109063689B (zh) | 人脸图像发型检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |