机器人焊接的初始焊接位置的视觉识别

前言：

采用机器人立体视觉技术进行焊接机器人的初始焊接位置引导，首先要根据视觉传感器所采集的图像信息来识别焊缝，进而确定焊缝起始点在图像坐标中的位置，再结合一定的立体视觉模型或者伺服控制算法，实现对目标点的三维立体定位和控制。

目前，立体视觉系统中物体识别的基本方法是建立物体模型，然后使用各种匹配算法从真实的图像中识别出与物体模型最相似的物体。

根据物体识别任务所在的空间，常把物体识别分为二维物体识别和三维物体识别。可以认为，物体识别系统包括四个主要模块：模型库，特征检测器，假设生成和假设检验。

基于模板匹配技术的图像分割及目标识别方法，采用模板匹配技术实现对图像中目标的识别。

模板匹配的原理

---

焊缝区域的识别
针对图像中的物体识别方法很多，而基于模板匹配技术的方法是一种应用较广的识别方法。
在焊接领域，欲采用视觉传感器方法对初始焊缝位置的识别，为了提高识别的准确性及速度，首先需要在图像中识别焊缝，确定焊缝的区域，继而搜索识别焊缝的端点，即初始焊接位置。
处理的步骤：

• 图像预处理

  1. 在图像采集和传输过程中，不可避免地会混入噪声，使图像的质量降低，需要对图像进行去噪处理。另外，为了给后续的模板匹配创造有力的条件，需要预先增强图像中与模板相匹配的主要特征。
  2. 利用中值滤波消除随机噪声。通过中值滤波方法可以有效的消除图像中脉冲干扰及图像扫描噪声，并且可以克服线形滤波器的方法（如最小均方滤波，均值滤波等）所带来的使图像细节模糊的缺点。
  3. 根据图像特征，焊缝在图像中灰度值较低，表现为一条“黑线”。但是由于取像角度及光照条件的不同，不同图像中焊缝处及其宽度差别较大，影响了后续模板匹配的适用范围。通过采用对图像进行灰度腐蚀的方法可以增强焊缝处的特征，在腐蚀前需要对原图像进行备份，因为深度腐蚀会使图像中的一些细节信息丢失，但是对于焊缝的大致位置没有太大的影响，而对于提高匹配的成功率和准确率很有帮助，这种方法来实现对焊缝的“粗”定位。

• 金字塔型图像变分辨率表示
  一幅图像可以用多种不同的分辨率表示方法来表示，通过降低图像的分辨率（$M\ast N$）的方法可以降低数字图像阵列的尺寸。降低数字图像阵列的尺寸，虽然可能丢失一些信息，但是同时也可以降低对存储器容量及计算速度的要求。
  金字塔型的图像层级表示方法就是其中一种应用比较普遍的表示方法。
  顶层的图像表示为单一像素，而低层图像是原始图像或未被递减的图像。L层的图像是通过L+1图像的若干像素组合而成，某一层的一个像素表示上一层的几个像素的合成信息。
  例如：金字塔图像可以采用通过求上一层图像的2*2领域的均值得到

• 分层搜索匹配算法
  根据模板匹配的基本原理可知，任何一种模板匹配的总计算量都是采用的相关算法的计算量与搜索未知数之积： 总 计 算 量 = （ 相 关 算 法 计 算 量 ） × ( 搜 索 位 置 数