一種基于激光雙目視覺的復雜角焊縫位置檢測方法
【專利摘要】本發(fā)明公開了一種基于激光雙目視覺的復雜角焊縫位置檢測方法，克服了傳統(tǒng)圖像檢測算法對于角焊縫特征點提取精度低、不穩(wěn)定的缺點。本發(fā)明通過下述技術方案予以實現(xiàn)：使用激光掃描工件，由雙目CCD攝像機采集圖像，采集的灰度圖像傳輸?shù)接嬎銠C的軟件系統(tǒng)進行處理。處理流程依次為中值濾波、二值化、細化、獲取最大連通域、近角點搜索、直線擬合求交點，最終獲得焊縫特征點圖像坐標。本發(fā)明采用的預處理方法（中值濾波、二值化、細化、獲取最大連通域）去除了圖像背景的干擾，減小了后續(xù)處理的檢索范圍，并提出一種近角點搜索策略，提高了角點檢測的速度，最后使用直線擬合求交點的方法使檢測精度達到亞像素級。
【專利說明】一種基于激光雙目視覺的復雜角焊縫位置檢測方法
【技術領域】
[0001]本發(fā)明涉及復雜角焊縫檢測【技術領域】，具體涉及一種基于激光雙目視覺的復雜角焊縫位置檢測方法。
【背景技術】
[0002]隨著工業(yè)技術的不斷發(fā)展，焊接結構件的形狀越來越復雜，比如存在彎曲或帶折線的對接或角接焊縫。對于這些焊縫，要實現(xiàn)自動焊接必須首先實現(xiàn)焊縫位置的自動檢測和跟蹤。目前焊縫跟蹤可用多種傳感器實現(xiàn)，其中使用線狀結構光結合雙目視覺的傳感方式可對待焊接頭進行三維重建，獲得待焊縫的空間位置，為焊接跟蹤提供路徑信息。
[0003]激光雙目視覺下對角接接頭待焊縫位置的檢測實際上就是對激光條紋在待焊縫處角點的檢測。現(xiàn)有的角點提取方法主要可分為兩類:一是利用模板區(qū)域面積對灰度圖像進行角點檢測，Moravcc、Harris、Trajkovic、SUSAN等是這類算法中的典型；二是基于邊緣輪廓的角點提取算法，先提取圖像信息中的邊緣輪廓，再求角點，Kitchen-Rosenfeld、CSS、Freem鏈碼法、Wang-Brady等是這類算法中的典型。
[0004]對于實際角焊縫的檢測，第一類算法檢測過程中受圖像的幾何尺寸影響較大，而且精度不高，精度在像素級別甚至更低。第二類算法把搜索范圍縮小到激光線邊緣上，根據(jù)曲率信息搜索拐點，具有較高的準確性，但是由于激光條紋邊緣在焊件上存在漫反射，邊緣圖像呈輕微鋸齒狀，傳統(tǒng)算法實際檢測中容易產生偽角點，不利于坡口特征的提取和后期的雙目匹配，檢測效率仍有待提高。
[0005]另外，由于兩相機安裝有一定的夾角和距離，并且對于一些復雜角焊縫如波紋板角焊縫線狀激光掃描過程中相機深度方向存在較大的變化，為保證焊縫特征點始終能在兩個相機的視場范圍內，視場中會存在一些非焊縫特征的角點。這些角點會干擾焊縫特征點的提取。
[0006]因此，設計一種用于復雜角焊縫位置檢測的更高效準確的算法，對于實現(xiàn)角焊縫的實時精確跟蹤是十分必要的。

【發(fā)明內容】

[0007]為了克服現(xiàn)有基于視覺的焊縫位置檢測技術存在識別能力差、效率低、可靠性低的不足，本發(fā)明充分利用實際角接接頭的幾何特點，提出了一種基于激光雙目視覺的復雜角焊縫位置檢測方法。該檢測方法不僅識別準確，而且速度快、穩(wěn)定性好。
[0008]一種基于激光雙目視覺的復雜角焊縫位置檢測方法，由雙目CCD攝像機采集圖像，采集的圖像經過的處理流程為預處理、近角點搜索、直線擬合求交點，最終獲得焊縫特征點圖像坐標。
[0009]進一步地，所述預處理依次采用中值濾波、二值化、細化、獲取最大連通域的圖像處理方法進行處理。
[0010]進一步地，所述近角點搜索的方法包括初選和細選兩個步驟； 所述初選具體是:在預處理后圖像中最大連通域上，以最右邊像素點為起始點，以大步長a為間隔，依次向左取到第二、三、四點，順次連接形成向量1，向量2和向量3，三個向量組成一個向量組；計算向量1、向量3之間的夾角Θ，若向量1、向量3的夾角Θ大于預設角，則記錄向量2的起點為初選點A并作為細選時的起點，記錄向量2的終點作為細選時的終點B并結束初選；否則，向量組向左偏移大步長a，重復以上過程；
所述細選具體是:利用所述的點A和點B，在預處理后圖像中最大連通域上，以A為起點，以小步長b為間隔，依次向左取到第二、三、四點，順次連接形成向量1，向量2和向量3，三個向量組成一個向量組；判斷向量I的起點是否在細選終點B左側,若是則記錄A為近角點并結束細選；否則計算向量I和向量3之間的夾角Θ，若向量I和向量3的夾角Θ大于預設角，則記錄向量2的起點為近角點并結束細選，否則向量組向左偏移小步長b，b〈a重復以上過程。
[0011]進一步地，所述近角點為在預處理后圖像中最大連通域上，與真實角焊縫特征點之間相差一個小步長b的像素點。
[0012]進一步地，步長定義為所選連續(xù)像素點的個數(shù)。
[0013]進一步地，所述直線擬合求交點的方法是:在預處理后圖像中最大連通域上，近角點向左偏移小步長b后的像素點作為起點，向左依次取出最大連通域上的數(shù)十個像素點，利用最小二乘法對這數(shù)十個像素點進行直線擬合，獲得直線一；在預處理后圖像中最大連通域上，近角點向右依次取出最大連通域上的數(shù)十個像素點，利用最小二乘法對這數(shù)十個像素點進行直線擬合，獲得直線二。直線一和直線二的交點圖像坐標為焊縫特征點的圖像坐標。
[0014]與現(xiàn)有技術相比，本發(fā)明的優(yōu)點是:通過激光掃描、圖像預處理技術、近角點搜索方法以及直線擬合求交點的流程，能快速定位角焊縫特征點，精度在亞像素級別，結合三維重建技術，可用于焊接機器人對復雜角焊縫的精確跟蹤。該方法可用于角焊縫的自動跟蹤，尤其適合復雜角焊縫如波紋板角焊縫的精確跟蹤。
【專利附圖】

【附圖說明】
[0015]下面結合附圖和實施方式對本發(fā)明進一步說明。
[0016]圖1是本發(fā)明的圖像處理流程框圖。
[0017]圖2是圖像采集系統(tǒng)和線狀激光器在移動平臺上的安裝示意圖。
[0018]圖3是CXD攝像機采集的角焊縫原始圖。
[0019]圖4是預處理后的效果圖。
[0020]圖5a是近角點搜索初選過程的原理圖。
[0021]圖5b是近角點搜索細選過程的原理圖，圖中圓形區(qū)域是對圖5a中圓形區(qū)域的放大。
[0022]圖6是近角點搜索的流程圖。
[0023]圖7是取直線擬合點的示意圖。
[0024]圖8是焊縫特征點提取的效果圖。
【具體實施方式】[0025]以下結合附圖對本發(fā)明的具體實施作進一步說明，但本發(fā)明的實施和保護范圍不限于此。
[0026]本實例中，通過激光掃描工件，形成線狀激光條紋，由CCD攝像機采集并傳輸至計算機軟件系統(tǒng)進行處理。圖像采集系統(tǒng)和線狀激光器在移動平臺上的安裝如圖2所示。兩相機(Cp C2)安裝時均進行側放，即相機坐標系的XOZ平面垂直于待焊件長度方向，其中一個相機所采集的角焊縫原始圖像如圖3示，另一相機采集的圖像與之特征基本相同，因此處理流程相同。
[0027]圖1中是本發(fā)明的圖像處理總體流程圖。以下結合附圖進行各個步驟的詳細說明。
[0028]本發(fā)明的預處理分四步:中值濾波、閾值分割、激光條紋細化以及獲取最大連通域。預處理效果如圖4示。通過預處理，剔除了噪聲的影響，并提取出存在焊縫特征的細化激光條紋。在預處理中獲取最大連通域可剔除激光條紋細化后的一些短線，僅保留激光條紋骨骼，去除離散雜光的干擾，并縮小后續(xù)搜索角點的范圍，提高搜索效率。
[0029]預處理后，將在細化的激光條紋上進行角焊縫特征點的檢測。檢測方法主要由2個步驟完成:
I在預處理后圖像中最大連通域上，采用分別采用兩種不同步長構造的三向量組合進行近角點的搜索。
[0030]2選取預處理后圖像中最大連通域上，近角點左右兩側的若干個像素點，分別進行直線擬合，求直線交點的方法找到焊縫特征點。
[0031 ] 結合圖5a和圖5b的近角點搜索原理圖，近角點的搜索流程如圖6所示，具體過程分兩步:初選和細選。
[0032]第一步進行初選。在預處理后圖像中最大連通域上，以最右邊像素點為起始點，以大步長a為間隔，依次向左取到第二、三、四點，順次連接形成向量1，向量2和向量3，三個向量組成一個向量組。計算向量I，向量3之間的夾角Θ，若向量1、向量3的夾角Θ大于預設角，則記錄向量2的起點為初選點A并作為細選時的起點,記錄向量2的終點作為細選時的終點B并結束初選；否則，向量組向左偏移大步長a，重復以上過程。其中，預處理后圖像最大連通域上所取的一段所含有連續(xù)像素點的個數(shù)稱為步長。
[0033]第二步進行細選。在預處理后圖像中最大連通域上，以A為起點，以小步長b為間隔，依次向左取到第二、三、四點，順次連接形成向量1，向量2和向量3，三個向量組成一個向量組。判斷向量I的起點是否在細選終點B左側,若是則記錄A為近角點并結束細選；否貝U計算向量I和向量3之間的夾角Θ，若向量I和向量3的夾角Θ大于預設角，則記錄向量2的起點為近角點并結束細選，否則向量組向左偏移小步長b (b〈a)，重復以上過程。其中，近角點定義為在預處理后圖像中最大連通域上，與真實角焊縫特征點之間相差一個小步長b的像素點。
[0034]圖7展示了直線擬合點的選取方法，圖8展示了直線擬合結果以及兩直線的交點，交點即為提取的焊縫特征點，具體處理過程如下。
[0035]在預處理后圖像中最大連通域上，近角點向左偏移小步長b后的像素點作為起點，向左依次取出最大連通域上的數(shù)十個像素點，利用最小二乘法對這數(shù)十個像素點進行直線擬合，獲得直線一；在預處理后圖像中最大連通域上，近角點向右依次取出最大連通域上的數(shù)十個像素點，利用最小二乘法對這數(shù)十個像素點進行直線擬合，獲得直線二。直線一和直線二的交點圖像坐標為焊縫特征點的圖像坐標。
[0036]在實際檢測過程中，可根據(jù)圖像的具體特征進行參數(shù)的選擇。例如，圖像的實際大小為400300像素，預處理后最大連通域右側第一個轉折點為所要提取的焊縫特征點。若第一個轉角Θ約45°，可選預設角為40° ;若連通域上，特征點右側直線段長約200到250像素，左側直線段長約100像素，可選初選中的大步長a為20像素，細選中的小步長為4像素，直線一擬合選取像素點的個數(shù)為50,直線二擬合選取像素點的個數(shù)為80。
[0037]通過以上步驟，分別獲取兩個相機對應的焊縫特征點，由雙目視覺測量原理計算得到焊縫特征點的空間幾何信息，再根據(jù)坐標轉換關系，得到機器人坐標系下的焊縫軌跡?？刂坪附訖C器人可以準確地跟蹤、定位該角焊縫。
【權利要求】
1.一種基于激光雙目視覺的復雜角焊縫位置檢測方法，由雙目CCD攝像機采集圖像，其特征是:采集的圖像經過的處理流程為預處理、近角點搜索、直線擬合求交點，最終獲得焊縫特征點圖像坐標。
2.根據(jù)權利要求1所述的一種基于激光雙目視覺的復雜角焊縫位置檢測方法，其特征在于:所述預處理依次采用中值濾波、二值化、細化、獲取最大連通域的圖像處理方法進行處理。
3.根據(jù)權利要求1所述的一種基于激光雙目視覺的復雜角焊縫位置檢測方法，其特征在于:所述近角點搜索的方法包括初選和細選兩個步驟； 所述初選具體是:在預處理后圖像中最大連通域上，以最右邊像素點為起始點，以大步長a為間隔，依次向左取到第二、三、四點，順次連接形成向量1，向量2和向量3，三個向量組成一個向量組；計算向量1、向量3之間的夾角Θ，若向量1、向量3的夾角Θ大于預設角，則記錄向量2的起點為初選點A并作為細選時的起點，記錄向量2的終點作為細選時的終點B并結束初選；否則，向量組向左偏移大步長a，重復以上過程； 所述細選具體是:利用所述的點A和點B，在預處理后圖像中最大連通域上，以A為起點，以小步長b為間隔，依次向左取到第二、三、四點，順次連接形成向量1，向量2和向量3，三個向量組成一個向量組；判斷向量I的起點是否在細選終點B左側,若是則記錄A為近角點并結束細選；否則計算向量I和向量3之間的夾角Θ，若向量I和向量3的夾角Θ大于預設角，則記錄向量2的起點為近角點并結束細選，否則向量組向左偏移小步長b，b〈a重復以上過程。
4.根據(jù)權利要求3所述的一種基于激光雙目視覺的復雜角焊縫位置檢測方法，其特征在于:所述近角點為在預處理后圖像中最大連通域上，與真實角焊縫特征點之間相差一個小步長b的像素點。
5.根據(jù)權利要求3所述的一種基于激光雙目視覺的復雜角焊縫位置檢測方法，其特征在于:步長定義為所選連續(xù)像素點的個數(shù)。
6.根據(jù)權利要求1所述的一種基于激光雙目視覺的復雜角焊縫位置檢測方法，其特征在于:所述直線擬合求交點的方法是:在預處理后圖像中最大連通域上，近角點向左偏移小步長b后的像素點作為起點，向左依次取出最大連通域上的數(shù)十個像素點，利用最小二乘法對這數(shù)十個像素點進行直線擬合，獲得直線一；在預處理后圖像中最大連通域上，近角點向右依次取出最大連通域上的數(shù)十個像素點，利用最小二乘法對這數(shù)十個像素點進行直線擬合，獲得直線二，直線一和直線二的交點圖像坐標為焊縫特征點的圖像坐標。
【文檔編號】G01B11/00GK103759648SQ201410042882
【公開日】2014年4月30日 申請日期:2014年1月28日 優(yōu)先權日:2014年1月28日
【發(fā)明者】石永華, 王曉佳, 陳熙引, 李學瑞 申請人:華南理工大學