CN115578363A - 一种基于三维点云的对接焊缝焊偏与焊接间断判断方法 - Google Patents
一种基于三维点云的对接焊缝焊偏与焊接间断判断方法 Download PDFInfo
- Publication number
- CN115578363A CN115578363A CN202211308465.4A CN202211308465A CN115578363A CN 115578363 A CN115578363 A CN 115578363A CN 202211308465 A CN202211308465 A CN 202211308465A CN 115578363 A CN115578363 A CN 115578363A
- Authority
- CN
- China
- Prior art keywords
- welding
- point
- weld
- deviation
- point cloud
- 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
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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Butt Welding And Welding Of Specific Article (AREA)
Abstract
本发明公开了一种基于三维点云的对接焊缝焊偏与焊接间断判断方法,包括:获得三维点云的点云法向量及曲率,并基于区域增长法进行焊缝分割;对分割后的焊缝基于随机采样一致法进行平面拟合;将三维点云和焊缝轨迹点集投影至拟合后的平面;将投影后的平面基于罗德里格公式旋转至XOY平面平行;根据焊缝轨迹点集的邻域点集分布判断是否存在焊偏与焊接间断。本发明中在判断焊偏与焊接间断使用根据不同工况设定的阈值,可以满足不同工件焊接的标准。
Description
技术领域
本发明涉及机器视觉领域,特别涉及一种基于三维点云的对接焊缝焊偏与焊接间断判断方法。
背景技术
在实际焊接过程中,由于焊接保护气的供给间断、操作失误或者焊缝位置识别错误等原因,都会造成焊偏或者焊接不连续等情况。这会影响焊接的质量,若有缺陷的工件交付使用,会成为安全隐患,带来不必要的生命财产损失。因此,在焊接完成后,有必要对焊接质量进行检测,以便对焊接过程做出调整,避免工件的损耗与时间的浪费。
目前,对于焊偏及焊接间断的检测,主要基于人工评判。在人工判断焊接是否存在焊偏与焊接不连续的时候,往往以判断焊锡是否完全覆盖焊缝位置为标准。人工检测不仅效率低下,而且由于检测人员会产生视觉疲劳,往往会产生错检误检,带来不必要的损失。
采用视觉的方式,重建后的焊缝点云具有多维信息,依据人工检测标准进行检测,可以大量节省人力物力,降低成本的同时,提高生产效率。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于提供一种基于三维点云的对接焊缝焊偏与焊接间断判断方法。
本发明的目的通过以下技术方案实现:
一种基于三维点云的对接焊缝焊偏与焊接间断判断方法,包括:
获得三维点云的点云法向量及曲率,并基于区域增长法进行焊缝分割;
对分割后的焊缝基于随机采样一致法进行平面拟合;
将三维点云和焊缝轨迹点集投影至拟合后的平面;
将投影后的平面基于罗德里格公式旋转至XOY平面平行;
根据焊缝轨迹点集的邻域点集分布判断是否存在焊偏与焊接间断。
进一步,所述获得三维点云的点云法向量及曲率,具体为:
以空间点pi为例,使用kd树求取其近邻的k个点,记为点集{pi,i=1,2,...,k},该点集重心记为C,构造点云的协方差矩阵H,根据点云的协方差矩阵H获得点云法向量及曲率。
进一步,所述随机采样一致法,具体为:
预先设定好距离阈值,Z为概率置信度,kmin为满足置信度所需要迭代的最小次数,当迭代次数大于kmin时,认为所求的模型准确的概率大于预先设定的概率置信度,迭代终止,得到拟合的平面方程。
进一步,根据焊缝轨迹点集的邻域点集分布判断是否存在焊偏与焊接间断,具体为:
依据焊缝检测点邻域的焊缝点集分布,确定感兴趣区域;
统计感兴趣区域的点集数目,若点集数目小于数目阈值Nthreshold,则认为该区域内没有焊锡,判定为焊接间断;
统计感兴趣区域的点集数目,若点集数目大于数目阈值Nthreshold,则进行焊偏与焊接完整的判断。
进一步,进行焊偏与焊接完整的判断,具体为:
若感兴趣区域内的点集满足均匀分布,计算该区域内的焊锡点集的质心点Pmean,并通过计算质心点与当前焊缝点的距离d,根据焊接缺陷检测标准,若d≤dthreshold,则认为焊接正常,否则出现焊偏。
进一步,数目阈值Nthreshold为用户根据实际应用场景设定。
进一步,所述感兴趣区域具体为:遍历焊缝点点集,以焊缝点P为中心,通过计算过焊缝点垂直于焊缝轨迹的方向来划定感兴趣区域的长宽方向。
进一步,所述kmin为满足置信度所需要迭代的最小次数,具体为:
一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的对接焊缝焊偏与焊接间断判断方法的步骤。
与现有技术相比,本发明具有以下优点和有益效果:
本发明基于视觉的判断方法可以大大降低人工成本,并提高判断准确性。
本发明中判断焊偏与焊接间断使用了人为设定的阈值,用于可根据不同使用环境设定阈值,进一步可以满足不同工件的焊接验收标准,
附图说明
图1为本方法流程图
图2为本方法对接焊缝的平面拟合示意图
图3为本方法焊锡与焊缝轨迹点集的关系简图
图4为本方法空间向量旋转示意图
图5为本方法焊偏与焊接间断判断方法的流程示意图。
具体实施方式
下面结合实施例,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
如图1-图5所示,一种基于三维点云的对接焊缝焊偏与焊接间断判断方法,包括如下步骤:
S1获得三维点云的的点云法向量及曲率,并基于区域增长法进行焊缝分割;
进一步,获得三维点云的点云法向量及曲率,具体为:
以空间点pi为例,使用kd树求取其近邻的k个点,记为点集{pi,i=1,2,...,k},该点集重心记为C,构造点云的协方差矩阵H。
所述区域增长法对焊缝进行分割,具体为:
根据三维点云的点云法向量与曲率,初始化label值为-1。选取label值为-1的最小曲率的点作为种子点seed,加入种子点队列queue,将其labelcur置为0。对队列中的点进行最近邻搜索。比对该点和近邻点的法向量夹角,若小于夹角阈值thetath,则将该近邻点归为当前的类别。比较近邻点的曲率大小,若小于曲率阈值cth,则将该点作为种子点,继续搜索。直到所有的点被遍历完成。
S2对分割后的焊缝基于随机采样一致法进行平面拟合,具体为:
设定内点的距离阈值,并在点集中随机选取三个点,计算平面:
Ax+By+Cz+D=0
计算所有点到该平面的距离,并初始化模型的概率置信度。统计所有点距离平面模型的距离,若距离小于设定的距离阈值,则被认为是内点,否则认为是外点。统计内点的数量,并计算相应概率。将pn记为采样点为模型点的概率,n1为样本中模型点的数量,n为样本中点的总数量,k为迭代次数,p1为采样点均符合模型的概率,p2为采样的三个点至少有一个是外点的概率,p3为迭代k次获得正确模型的概率,则有:
不断迭代上述过程,找到所求模型符合工程需要时,对应的迭代次数k。其中,迭代次数k值越大,获得正确模型的概率就越高,可得:
其中,Z为概率置信度,kmin为满足置信度所需要迭代的最小次数。因此,当迭代次数大于kmin时,认为所求的模型准确的概率大于预先设定的概率置信度,迭代终止。
S3将三维点云和焊缝轨迹点集投影至拟合后的平面;
所述焊缝轨迹点集是在焊接过程中,由提取的每一帧结光图片中的特征点,即实际焊接时的焊接位置中心点构成的点集。
S4将投影后的平面基于罗德里格公式旋转至XOY平面平行.
其中:
S5、根据焊缝轨迹点的邻域点集分布判断是否存在焊偏与焊接间断。具体而言,所述步骤S5中,判断是否存在焊偏与焊接间断,如图5,依据焊缝检测点邻域的焊缝点集分布。遍历焊缝点点集,以焊缝点P为中心,通过计算过焊缝点垂直于焊缝轨迹的方向来划定感兴趣区域的长宽方向,根据实际需要制定感兴趣区域的大小。统计该区域内的点集数目Sum,若数目小于点集数目阈值Nthreshold,则认为该区域内没有焊锡,判定为焊接间断;如果该区域点集数目较多,则进行焊偏与焊接完整的判断:认为感兴趣区域内的点集满足均匀分布,计算该区域内的焊锡点集的质心点Pmean,并通过计算质心点与当前焊缝点的距离d,根据焊接缺陷检测标准,若d≤dthreshold,则认为焊接正常,否则出现焊偏。该方法需要人为设定点集数目阈值Nthreshold,本文根据焊接实际需要设定为经验值。接着,继续遍历焊缝轨迹点,直到完全遍历。
具体地,设定点集数目阈值主要根据传感器采集点云的密度确定,本实施例使用的阈值是采集数据调试的经验值,取1000。
如果用户采集的点云更密集就更需要增大,反之减小。
进一步,邻域点集其实就是理想情况下焊缝的存在范围,根据判断实际扫描得到的焊缝点集在此范围内的点数目,如果数量太少则认为焊接间断。
本实施例还另外提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的对接焊缝焊偏与焊接间断判断方法的步骤。
还需要说明的是,在本说明书中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于三维点云的对接焊缝焊偏与焊接间断判断方法,其特征在于,包括:
获得三维点云的点云法向量及曲率,并基于区域增长法进行焊缝分割;
对分割后的焊缝基于随机采样一致法进行平面拟合;
将三维点云和焊缝轨迹点集投影至拟合后的平面;
将投影后的平面基于罗德里格公式旋转至XOY平面平行;
根据焊缝轨迹点集的邻域点集分布判断是否存在焊偏与焊接间断。
2.根据权利要求1所述的对接焊缝焊偏与焊接间断判断方法,其特征在于,所述获得三维点云的点云法向量及曲率,具体为:
以空间点pi为例,使用kd树求取其近邻的k个点,记为点集{pi,i=1,2,...,k},该点集重心记为C,构造点云的协方差矩阵H,根据点云的协方差矩阵H获得点云法向量及曲率。
3.根据权利要求1所述的对接焊缝焊偏与焊接间断判断方法,其特征在于,所述随机采样一致法,具体为:
预先设定好距离阈值,Z为概率置信度,kmin为满足置信度所需要迭代的最小次数,当迭代次数大于kmin时,认为所求的模型准确的概率大于预先设定的概率置信度,迭代终止,得到拟合的平面方程。
5.根据权利要求1所述的对接焊缝焊偏与焊接间断判断方法,其特征在于,根据焊缝轨迹点集的邻域点集分布判断是否存在焊偏与焊接间断,具体为:
依据焊缝检测点邻域的焊缝点集分布,确定感兴趣区域;
统计感兴趣区域的点集数目,若点集数目小于数目阈值Nthreshold,则认为该区域内没有焊锡,判定为焊接间断;
统计感兴趣区域的点集数目,若点集数目大于数目阈值Nthreshold,则进行焊偏与焊接完整的判断。
6.根据权利要求5所述的对接焊缝焊偏与焊接间断判断方法,其特征在于,进行焊偏与焊接完整的判断,具体为:
若感兴趣区域内的点集满足均匀分布,计算该区域内的焊锡点集的质心点Pmean,并通过计算质心点与当前焊缝点的距离d,根据焊接缺陷检测标准,若d≤dthreshold,则认为焊接正常,否则出现焊偏。
7.根据权利要求5所述的对接焊缝焊偏与焊接间断判断方法,其特征在于,数目阈值Nthreshold为用户根据实际应用场景设定。
8.根据权利要求5所述的对接焊缝焊偏与焊接间断判断方法,其特征在于,所述感兴趣区域具体为:遍历焊缝点点集,以焊缝点P为中心,通过计算过焊缝点垂直于焊缝轨迹的方向来划定感兴趣区域的长宽方向。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9任一项所述的对接焊缝焊偏与焊接间断判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211308465.4A CN115578363A (zh) | 2022-10-25 | 2022-10-25 | 一种基于三维点云的对接焊缝焊偏与焊接间断判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211308465.4A CN115578363A (zh) | 2022-10-25 | 2022-10-25 | 一种基于三维点云的对接焊缝焊偏与焊接间断判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578363A true CN115578363A (zh) | 2023-01-06 |
Family
ID=84587844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211308465.4A Pending CN115578363A (zh) | 2022-10-25 | 2022-10-25 | 一种基于三维点云的对接焊缝焊偏与焊接间断判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578363A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503409A (zh) * | 2023-06-28 | 2023-07-28 | 矽瞻科技(成都)有限公司 | 一种焊缝缺陷3d点云检测方法、设备和介质 |
-
2022
- 2022-10-25 CN CN202211308465.4A patent/CN115578363A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503409A (zh) * | 2023-06-28 | 2023-07-28 | 矽瞻科技(成都)有限公司 | 一种焊缝缺陷3d点云检测方法、设备和介质 |
CN116503409B (zh) * | 2023-06-28 | 2023-09-12 | 矽瞻科技(成都)有限公司 | 一种焊缝缺陷3d点云检测方法、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11200351B2 (en) | Method for constructing curve of robot processing path of part with small curvature based on point cloud boundary | |
CN107953336B (zh) | 机械手超声无损检测中被测件装卡偏差的修正方法及系统 | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN111400830B (zh) | 一种三维毛坯工件的加工校准方法及装置 | |
WO2022105676A1 (zh) | 一种工件平面磨损的测量方法和系统 | |
CN112697388B (zh) | 一种基于纹影图像的高超声速风洞模型姿态角测量方法 | |
CN113920081A (zh) | 一种刀具磨损度检测方法 | |
CN115578363A (zh) | 一种基于三维点云的对接焊缝焊偏与焊接间断判断方法 | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
CN111390439A (zh) | 一种焊缝检测方法、装置、焊接机器人及储存介质 | |
CN116740060B (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
CN115239625B (zh) | 顶盖焊点云缺陷检测方法、装置、设备及存储介质 | |
CN117274167A (zh) | 一种基于三维信息的成形焊缝外观缺陷提取方法 | |
CN114638795A (zh) | 一种多结构光测量单元在线测量方法及系统 | |
CN116909208B (zh) | 基于人工智能的壳体加工路径优化方法及系统 | |
CN116541638A (zh) | 一种基于张量投票的飞机蒙皮修配加工路径计算方法 | |
CN112818428B (zh) | 一种用于cad模型面结构光全自动扫描路径规划方法 | |
CN206864487U (zh) | 一种太阳能电池片高速视觉定位及矫正系统 | |
CN115388806A (zh) | 零件表面线型偏差检测方法、装置、电子设备及存储介质 | |
CN115564792A (zh) | 基于八叉树区域生长的焊接路径提取方法 | |
CN115131417A (zh) | 激光点云2d-3d双模态交互增强不规则电线检测方法 | |
CN112508766B (zh) | 一种基于点云和gpu技术的岩体结构面智能解译方法 | |
CN116503409B (zh) | 一种焊缝缺陷3d点云检测方法、设备和介质 | |
CN114596293B (zh) | 基于agv对工件进行作业的方法及agv系统 | |
CN107818582B (zh) | 全自动识别载带卷盘角度和条码信息的检测系统和方法 |
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 |