一种基于结构光视觉传感的焊缝跟踪系统及方法与流程

本发明涉及工业制造领域，更具体地，涉及一种基于结构光视觉传感的焊缝跟踪系统及方法。

背景技术：

焊接是制造业领域重要的加工技术，具有工作条件恶劣、工作量大及质量要求高等诸多特点。电弧焊和激光焊是焊接工业中较常见的焊接工艺方法，以电弧和激光束作为被控对象实现焊接自动控制是焊接自动化的一个重要手段。其中，精确的焊缝跟踪是保证焊接质量的前提，即在整个焊接过程中必须控制激光束或者电弧使其始终与焊缝对中，否则就会造成报废。为此，需精确的自动检测出焊缝位置并实现自动跟踪。

由于焊接是一门复杂的热加工工艺技术，工件在焊接过程中会产生热变形，并且在焊接过程中会出现强烈的辐射、弧光、烟尘、飞溅等干扰，使得在焊接过程中实现焊缝位置的精确检测相当困难。同时，焊缝装置机构误差、夹具装配误差和焊接过程焊接热变形等因素造成的焊缝路径实际上是三维曲线焊缝，涉及较为复杂的三维曲线跟踪问题。

机器视觉检查设备作为工业自动化系统的重要组成部分，是一种用于工业现场，检测产品是否合格的设备，具有检测速度快、精度高、非接触、自动化程度高等一系列优势，该技术近年来被广泛用于轻工业、电子、半导体、制药和机械等众多领域，能够很好的满足现在加工制造业对检测的要求。机器视觉技术不但可以在传统加工制造业中代替人工作业，提高工业生产自动化水平、控制产品质量、提高劳动生产率，而且在许多常规检测方面无法实现的领域也起到有效的作用。而目前，国内外采用的焊缝跟踪系统大多都是基于传统pc的机器视觉系统，但是其成本过高，适应性差，不合适大规模推广。

技术实现要素：

为了解决现有技术中基于传统pc的机器视觉系统，但是其成本过高，适应性差，不合适大规模推广的不足，本发明提供了一种基于结构光视觉传感的焊缝跟踪系统及方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于结构光视觉传感的焊缝跟踪系统，包括龙门架，焊接工作台以及焊炬，其特征在于，所述的系统包括激光视觉传感器，焊缝跟踪纠偏轴以及上位机；所述的激光视觉传感器安装在焊缝跟踪纠偏轴上，所述的焊缝跟踪纠偏轴安装于龙门架上；所述的焊缝跟踪纠偏轴上安装有焊炬；所述的激光视觉传感器、焊缝跟踪纠偏轴分别与上位机相连接；

所述的激光视觉传感器用于发射激光至焊缝上并采集焊缝的图像，将图像传递给上位机；

所述的上位机用于对采集到的图像进行分析，根据分析结果调节焊缝跟踪纠偏轴的位置；

所述的焊缝跟踪纠偏轴用于根据上位机的指令调节焊炬与焊件的位置。

优选的，所述的激光视觉传感器包括相机以及一字线结构光激光器；所述的相机与一字线结构光激光器分别与上位机相连接。

一种基于结构光视觉传感的焊缝跟踪方法，所述的方法基于上述所述的系统，包括以下步骤：

步骤s1：激光视觉传感器采集焊缝的图像，将采集到的图像传输给上位机；

步骤s2：上位机对采集到的图像进行预处理，对预处理后的图像提取出焊缝的中心线以及中心线的特征点；

步骤s3：上位机基于中心线以及中心线的特征点进行偏差计算，得到焊炬与焊缝中心的偏差量；

步骤s4：上位机将偏差量传输给焊缝跟踪纠偏轴，焊缝跟踪纠偏轴上根据偏差量调节焊炬与焊缝的位置。

优选的，所述的步骤s2的具体步骤如下：

步骤s201：上位机读取激光视觉传感器采集到的焊缝的图像；

步骤s202：对图像进行灰度变换；目的是为了改善画质，使图像的显示效果更加清晰。

步骤s203：对图像中的目标区域进行提取以及滤波处理，得到目标图像；提取目标区域主要是为了减少运算量，提高处理速度；进行滤波的目的在于增强图像轮廓、增强图像对比度、消除干扰。

步骤s204：去除目标图像的纵向干扰；由于焊接过程中采集到的包含焊缝信息的图片中，往往存在很多弧光干扰，并且弧光基本呈现竖直状态，通过对图像做垂直卷积能够将垂直走向的弧光干扰去除。

步骤s205：对去除纵向干扰后的目标图像进行阈值分割；目的是分离图像的前景与背景图像，以便于针对前景图像进行处理而获取所需特征点。

步骤s206：对阈值分割后的目标图像进行面积域滤波；目的是为了去除阈值分割后存在的诸多小面积斑，避免影响后续的处理。

步骤s207：对经过面积域滤波的图像进行形态学处理；经过阈值分割的图像中激光条纹会出现断裂的情况，形态学处理目的是对断裂处进行连接。

步骤s208：对经过形态学处理的图像进行中心线提取；

步骤s209：对中心线进行特征点提取。

优选的，步骤s203的具体步骤如下：

通过计算焊缝图像每行的灰度值累加和，得到行灰度值之和的分布曲线，目标区域上下边界可以由(1)式确认，

式中：g0为图像中激光条纹行像素灰度值之和最大值所对应的行数；s为v型坡口深度；

m为预留边缘距离，目标区域的范围为:

y∈[g0-m,g0+s+m](2)

对目标区域采用3像素×3像素窗口的中值滤波器进行滤波处理，得到目标图像。

优选的，步骤s205的具体步骤如下：

采用otsu法自适应阈值分割方法求得合适的阈值，即(3)式

式中：g(i,j)为处理后图像在像素点(i,j)位置的灰度值；f(i,j)为原始图像在像素点(i,j)位置的灰度值；t为otsu自适应阈值分割方法获取的最佳分割阈值。

优选的，步骤s208的具体步骤如下：

采用基于光强度分布特性的灰度平方加权重心法提取结构光条纹中心线，其表达式为(4)式：

其中：i为激光条纹特征点所在的列，u、v分别为图像坐标系中的横坐标和纵坐标，n、m为图像中每列条纹区域上下边缘的纵坐标值。

优选的，步骤s209中采用道格拉斯-普克算法和最小二乘法相结合的方法提取中心线的特征点。

与现有技术相比，本发明技术方案的有益效果是：

(1)本发明结构简单、适应性强，可应用于各种工业场合，如与焊接小车、龙门架及机械手结合应用。

(2)本发明成本低，适合推广。现代市面上的跟踪器价格昂贵，推广受阻，而本发明较低的成本使得在推广上更具优势。

(3)本发明提出的图像处理算法抗干扰能力强，跟踪精度高。焊接过程中存在大量弧光、飞溅、反射等噪声干扰，影响焊缝位置的识别与跟踪。因此，性能稳定的图像处理算法在焊缝特征提取上显得尤为重要。

附图说明

图1为本发明的系统结构图。

图2为本发明的方法流程图。

图3为本发明图像处理方法的流程图。

图4为本发明激光视觉传感器的结构图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1以及图4所示，一种基于结构光视觉传感的焊缝跟踪系统，包括龙门架4，焊接工作台5以及焊炬6，其特征在于，所述的系统包括激光视觉传感器3，焊缝跟踪纠偏轴2以及上位机1；所述的激光视觉传感器3安装在焊缝跟踪纠偏轴2上，所述的焊缝跟踪纠偏轴2安装于龙门架4上；所述的焊缝跟踪纠偏轴2上安装有焊炬6；所述的激光视觉传感器3、焊缝跟踪纠偏轴2分别与上位机1相连接；

所述的激光视觉传感器3用于发射激光至焊缝上并采集焊缝的图像，将图像传递给上位机1；

所述的上位机1用于对采集到的图像进行分析，根据分析结果调节焊缝跟踪纠偏轴2的位置；

所述的焊缝跟踪纠偏轴2用于根据上位机1的指令调节焊炬6与焊件的位置。

作为一个优选的实施例，所述的激光视觉传感器3包括相机7以及一字线结构光激光器8；所述的相机7与一字线结构光激光器8分别与上位机1相连接。

实施例2

如图1、图2以及图3所示，本实施例提供了一种基于结构光视觉传感的焊缝跟踪方法，所述的方法基于上述所述的系统，包括以下步骤：

步骤s1：激光视觉传感器3采集焊缝的图像，将采集到的图像传输给上位机1；

步骤s2：上位机1对采集到的图像进行预处理，对预处理后的图像提取出焊缝的中心线以及中心线的特征点；

步骤s3：上位机1基于中心线以及中心线的特征点进行偏差计算，得到焊炬6与焊缝中心的偏差量；

步骤s4：上位机1将偏差量传输给焊缝跟踪纠偏轴2，焊缝跟踪纠偏轴2上根据偏差量调节焊炬6与焊缝的位置。

作为一个优选的实施例，所述的步骤s2的具体步骤如下：

步骤s201：读取激光视觉传感器3采集到的焊缝的图像；

步骤s202：对图像进行灰度变换；目的是为了改善画质，使图像的显示效果更加清晰。

步骤s203：对图像中的目标区域进行提取以及滤波处理，得到目标图像；提取目标区域主要是为了减少运算量，提高处理速度；进行滤波的目的在于增强图像轮廓、增强图像对比度、消除干扰。

步骤s204：去除目标图像的纵向干扰；由于焊接过程中采集到的包含焊缝信息的图片中，往往存在很多弧光干扰，并且弧光基本呈现竖直状态，通过对图像做垂直卷积能够将垂直走向的弧光干扰去除。

步骤s205：对去除纵向干扰后的目标图像进行阈值分割；目的是分离图像的前景与背景图像，以便于针对前景图像进行处理而获取所需特征点。

步骤s206：对阈值分割后的目标图像进行面积域滤波；目的是为了去除阈值分割后存在的诸多小面积斑，避免影响后续的处理。

步骤s207：对经过面积域滤波的图像进行形态学处理；经过阈值分割的图像中激光条纹会出现断裂的情况，形态学处理目的是对断裂处进行连接。

步骤s208：对经过形态学处理的图像进行中心线提取；

步骤s209：对中心线进行特征点提取。

作为一个优选的实施例，步骤s203的具体步骤如下：

通过计算焊缝图像每行的灰度值累加和，得到行灰度值之和的分布曲线，目标区域上下边界可以由(1)式确认，

式中：g0为图像中激光条纹行像素灰度值之和最大值所对应的行数；s为v型坡口深度；

m为预留边缘距离，所以目标区域的范围为:

y∈[g0-m,g0+s+m](2)

对目标区域采用3像素×3像素窗口的中值滤波器进行滤波处理，得到目标图像。

作为一个优选的实施例，步骤s205的具体步骤如下：

采用otsu法自适应阈值分割方法求得合适的阈值，即(3)式

式中：g(i,j)为处理后图像在像素点(i,j)位置的灰度值；f(i,j)为原始图像在像素点(i,j)位置的灰度值；t为otsu自适应阈值分割方法获取的最佳分割阈值。

作为一个优选的实施例，步骤s208的具体步骤如下：

采用基于光强度分布特性的灰度平方加权重心法提取结构光条纹中心线，其表达式为(4)式：

其中：i为激光条纹特征点所在的列，u、v分别为图像坐标系中的横坐标和纵坐标，n、m为图像中每列条纹区域上下边缘的纵坐标值。

作为一个优选的实施例，步骤s209中采用道格拉斯-普克算法和最小二乘法相结合的方法提取中心线的特征点。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。