Feature Extraction of Welding Seam Image Based
文章目录
1、总结
为提高焊缝识别的速度和精度,提出了基于不同类型坡口的焊缝图像特征提取算法。
- 首先对含有激光条纹的坡口图像进行预处理,包括滤波、阈值分割和感兴趣区域(ROI);
- 采用脊线跟踪和方向模板算法提取激光条纹中心线;
- 采用斜率分析法和最小二乘法提取焊缝特征信息:分析了激光条纹中心线在凹槽处的斜率,采用最小二乘法对中心线的每一段进行拟合,得到直线拟合线的所有交点,即特征点。
- 与已有的研究结果相比,本文提出的方法由于图像处理点数少,计算速度快。方向模板法可以使提取的中心线精度达到亚像素级。
2、优势
- 通过脊线跟踪方法,只从中心线提取激光条纹附近的直线。因此,图像处理面积小,处理速度快。
- 通过方向模板法,激光条纹中心线的提取精度达到亚像素级,使得中心线的提取精度较高。
- 采用斜率分析法和最小二乘法提取焊缝特征点,具有较强的抗干扰能力,能够满足焊缝跟踪的高精度要求。
3、焊接机器人系统
机器人本体、视觉传感器、动力系统和PC处理器。
使用单线激光器处理简单;焊缝和传感器之间的距离约为35厘米,可以拍摄到焊接板上5cm2范围;该机器人以每秒3毫米的慢速运行,可满足每30毫秒1次的图像采集频率。
4、图像特征提取方法和实验结果
4.1 图像滤波
中值滤波,能很好地滤除椒盐噪声,保护目标图像的边缘。
4.2 图像分割
Otsu法,考虑焊接表面灰度值的不均匀性等多种因素。
![]() |
![]() |
![]() |
![]() |
4.3 中心线提取
提取激光条纹中心线的算法有极值法、阈值法、重力法、Steger法和方向模板法。
方向模板法每个点的方向模板计算量是原来的4倍,在此基础上改进。
![]() |
![]() |
4.4 特征点提取
![]() |
![]() |
K 1 = y i + 1 − y i − 1 2 + y i + 2 − y i − 2 4 + y i + 3 − y i − 3 6 + y i + 4 − y i − 4 8 4 K_1={{y_{i+1}-y_{i-1}\over2}+{y_{i+2}-y_{i-2}\over4}+{y_{i+3}-y_{i-3}\over6}+{y_{i+4}-y_{i-4}\over8}\over4} K1=42yi+1−yi−1+4yi+2−yi−2+6yi+3−yi−3+8yi+4−yi−4 和 x c = 1 2 ( x a + x b ) x_c={1\over2}(x_a+x_b) xc=21(xa+xb)
优化:考虑到焊接工件表面的缺陷、不同的焊缝坡口角度、激光条纹不平整以及激光条纹在焊缝坡口处的反射等因素。划分四个区域分别进行拟合,得到线的交点。
![]() |
![]() |
5、其他实验
![]() |
![]() |
d = ∣ a + b x i − y i ∣ a 2 + b 2 d={|a+bx_i-y_i|}\over \sqrt{a^2+b^2} a2+b2d=∣a+bxi−yi∣
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
参数:各个特征点像素坐标、焊缝宽度高度像素数