基于视觉定位的激光切割设备控制系统及方法与流程

1.本发明涉及控制调节技术领域，具体涉及基于视觉定位的激光切割设备控制系统及方法。


背景技术：

2.激光切割主要是利用高功率密度激光束照射被切割材料，使材料很快被加热至汽化温度，蒸发形成孔洞，随着光束在材料上的移动，孔洞连续形成宽度很窄的（如0.1mm左右）切缝，完成对材料的切割，激光切割加工是用不可见的光束代替了传统的机械刀，具有切割速度快，不局限于切割图案限制，自动排版节省材料，加工成本低等特点，将逐渐改进或取代于传统的金属切割工艺设备。然而，由于料带本身存在边角料误差，加上料带在传送的过程中也会产生位置的偏移，进而导致激光切割设备最终切割可能会产生较大偏差，影响产品的质量，降低产品的合格率。因此，如何对切割完成的材料的切割效果进行检测并根据检测结果调节激光切割设备的参数，对于保证后续材料切割精度是非常重要的。


技术实现要素：

3.为了解决如何对切割完成的材料的切割效果进行检测并根据检测结果调节激光切割设备的参数的问题，本发明的目的在于提供一种基于视觉定位的激光切割设备控制系统及方法，所采用的技术方案具体如下：第一方面，本发明提供了一种基于视觉定位的激光切割设备控制方法，该方法包括以下步骤：获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；所述拼接后的材料表面图像中包含切割缝；根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值；对所述切割面的图像进行直线检测，根据切割面的图像中的直线数量和直线宽度，计算切痕系数；获取切割面的图像中各像素点对应的颜色向量，根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子；获取所述拼接后的材料表面图像中切割缝的边缘像素点；根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝；统计偏差点的数量；根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值；所述偏差点为边缘像素点中除主切割缝上的像素点之外的像素点；根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。
4.第二方面，本发明提供了一种基于视觉定位的激光切割设备控制系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的基于视觉定位的激光切割设备控制方法。
5.优选的，所述根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值，包括：对于切割面的图像中的任一像素点：以该像素点为中心点，建立预设大小的窗口；获取该窗口内各像素点在红绿蓝三个颜色通道的颜色分量，根据该窗口内各像素点在红绿蓝三个颜色通道的颜色分量，构建该窗口内各像素点对应的颜色向量；根据该窗口内水平方向上任意两个相邻像素点对应的颜色向量，构建对应两个像素点的分布特征向量；统计水平方向上各分布特征向量出现的频次；根据该窗口内竖直方向上任意两个相邻像素点对应的颜色向量，构建对应两个像素点的分布特征向量；统计竖直方向上各分布特征向量出现的频次；根据所述水平方向上各分布特征向量出现的频次和竖直方向上各分布特征向量出现的频次，计算切割面的图像中的该像素点对应的结构分布表征值。
6.优选的，采用如下公式计算切割面的图像中的该像素点对应的结构分布表征值：其中，为切割面的图像中的该像素点对应的结构分布表征值，为该像素点对应的窗口内水平方向上分布特征向量的总数量，为该像素点对应的窗口内竖直方向上分布特征向量的总数量，为该像素点对应的窗口内水平方向上第个分布特征向量出现的频次，为该像素点对应的窗口内竖直方向上第个分布特征向量出现的频次，为水平方向对应的权值系数，为竖直方向对应的权值系数。
7.优选的，采用如下公式计算切痕系数：其中，为切痕系数，为切割面的图像所提取的直线段数量，为切割面的图像中第条直线段的宽度。
8.优选的，所述获取切割面的图像中各像素点对应的颜色向量，包括：将切割面的图像进行hsv颜色空间转换，获取各像素点对应的色调、饱和度和明度；根据各像素点对应的色调、饱和度和明度，得到各像素点对应的颜色向量；所述颜色向量中的各元素分别为对应像素点对应的色调、饱和度和明度。
9.优选的，所述根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子，包括：将切割面的图像中像素点的颜色向量两两组合，得到各颜色向量组合；统计颜色向量组合的种类数，计算各颜色向量组合出现的概率；采用如下公式计算切割面平整系数：
其中，为切割面平整系数，为第个颜色向量中的第个元素，为第个颜色向量中的第个元素，为颜色向量组合出现的概率，为以为底的指数函数；根据所述切痕系数和切割面平整系数，采用如下公式计算切割面平整度因子：其中，为切割面平整度因子，为切割面平整系数，为切痕系数。
10.优选的，所述根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝，包括：从边缘像素点中随机提取q个像素点，利用这q个像素点拟合一条直线，统计处于直线上的边缘像素点的数量；重新选取q个像素点再次进行拟合，得到一条拟合直线，统计处于直线上的边缘像素点的数量，依次重复，直至所有边缘像素点全部选取完毕，将包含边缘像素点数量最多的直线作为主切割缝。
11.优选的，所述根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值，包括：计算拼接后的材料表面图像中切割缝的边缘像素点的角度的方差；根据所述角度的方差和偏差点的数量，采用如下公式计算切割缝特征值：其中，为切割缝特征值，为偏差点的数量，为切割缝的边缘像素点的角度的方差，为自然常数。
12.优选的，所述根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数，包括：根据切割面的图像中各像素点对应的结构分布表征值，计算切割面的图像中像素点对应的结构分布表征值的均值；根据所述结构分布表征值的均值、切割面平整度因子和切割缝特征值，判断当前激光切割设备的参数设置的是否合适，若合适，则无需调节激光切割设备的参数；若不合适，则调节激光切割设备的参数。
13.本发明具有如下有益效果：本发明首先获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；然后分别对切割面的图像和拼接后的材料表面图像进行分析。对于切割面的图像：根据该图像中各像素点对应的预设窗口内各像素点在红绿蓝三个颜色通道的分量值，得到该图像中各像素点对应的结构分布表征值；根据该图像中的直线（切痕）数量和直线（切痕）宽度，计算切痕系数；根据该图像中各像素点对应的颜色向量，得到切割面平整系数；根据切痕系数和切割面平整系数，计算切割面平整度因子。对于拼接后的材料表面图像：根据该图像中切割缝的边缘像素点对应的角度序列和偏差点的数量，得到切割缝特征值。接着本发明根据切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。本发明提供的方法能够对激光切割完成的材料的切割效果进行检测，并根据检测结果调节激光切割设备的参数，
保证了后续切割完成的材料的质量，提高了后续材料的切割精度。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
15.图1为本发明提供的一种基于视觉定位的激光切割设备控制方法的流程图。
具体实施方式
16.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于视觉定位的激光切割设备控制系统及方法进行详细说明如下。
17.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
18.下面结合附图具体的说明本发明所提供的一种基于视觉定位的激光切割设备控制系统及方法的具体方案。
19.基于视觉定位的激光切割设备控制方法实施例为了解决如何对切割完成的材料的切割效果进行检测并根据检测结果调节激光切割设备的参数的问题，本实施例提出了基于视觉定位的激光切割设备控制方法，如图1所示，本实施例的基于视觉定位的激光切割设备控制方法包括以下步骤：步骤s1，获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；所述拼接后的材料表面图像中包含切割缝。
20.利用激光切割设备切割材料时，可能会由于光切割设备的参数设置的不合适，影响切割后的产品的质量，降低产品的合格率。为了准确判断当前激光切割设备的参数设置是否合适，本实施例对当前切割完成的材料的切割效果进行判断，若当前切割完成的材料的切割效果较好，则将当前激光切割设备的参数作为后续切割的参数，若当前切割完成的材料的切割效果不好，则根据当前的切割效果调节激光切割设备的参数，以保证后续切割的产品的质量。
21.本实施例设置图像采集设备，图像采集设备包括相机、光源、固定台等，用于获取图像数据，将材料切割面朝上放置于固定台上，相机镜头处于固定台的正上方，光源设置于固定台的四周，以保证固定台上材料表面的光照，以俯视视角对固定台上材料的切割面进行图像采集，得到切割面的图像；为保证对切割效果的准确分析，实现对激光切割设备的精确控制，本实施例将切割后的材料进行组合拼接，利用图像采集设备对拼接后的材料表面图像进行采集，采集拼接后的材料表面图像时相机的拍摄方向与切割方向相同，以获取切割缝图像数据，用于后续分析激光切割设备的切割效果，实现对激光切割设备的精确控制，所述拼接后的材料表面图像中包含切割缝。
22.本实施例分别对采集的切割面的图像和拼接后的材料表面图像进行直方图均衡化，增加图像对比度，消除图像表面光照不均衡的问题，实施者可自行选取光照不均处理方
法，以消除光照不均的影响。本实施例中后面提到的切割面的图像和拼接后的材料表面图像均为消除光照不均的影响后的图像。
23.步骤s2，根据切割面的图像中各像素点对应的预设窗口内各像素点在红绿蓝三个通道的颜色分量值，得到切割面的图像中各像素点对应的结构分布表征值；对所述切割面的图像进行直线检测，根据切割面的图像中的直线数量和直线宽度，计算切痕系数；获取切割面的图像中各像素点对应的颜色向量，根据所述各像素点对应的颜色向量，得到切割面平整系数；根据所述切痕系数和切割面平整系数，计算切割面平整度因子。
24.本实施例在步骤s1中得到了切割面的图像，在该步骤中基于切割面的图像对切割面进行分析，接下来建立窗口对切割面的图像中的各像素点进行分析。
25.为了准确地分析切割面像素点的结构分布情况，本实施例基于水平方向和竖直方向像素点的特征的变化情况对切割面的图像中的各像素点进行分析。
26.对于切割面的图像中的任一像素点：首先本实施例分别以该像素点为中心点，建立的窗口，本实施例设置的值为5，在具体应用中，实施者可自行设置的值；然后对窗口内的局部区域结构分布状况进行分析，获取窗口内所有像素点在红绿蓝三个颜色通道的颜色分量，根据窗口内所有像素点在红绿蓝三个颜色通道的颜色分量，构建窗口内各像素点对应的颜色向量，即)，其中，，为窗口内像素点的数量，为窗口内第个像素点的红色分量，为窗口内第个像素点的绿色分量，为窗口内第个像素点的蓝色分量；然后本实施例基于该窗口内各像素点对应的颜色向量，分别获取该窗口内水平方向上任意两个相邻像素点的分布特征向量，对于窗口内的第个像素点：获取该窗口内水平方向上与该像素点相邻像素点（即第个像素点）对应的颜色向量，根据第个像素点对应的颜色向量和第个像素点对应的颜色向量，构建第个像素点和第个像素点的分布特征向量，即，其中，为窗口内的第个像素点的红色分量，为窗口内的第个像素点的绿色分量，为窗口内的第个像素点的蓝色分量，为窗口内的第个像素点的红色分量，为窗口内的第个像素点的绿色分量，为窗口内的第个像素点的蓝色分量；采用上述方法，得到该窗口内水平方向上任意两个相邻像素点的分布特征向量；统计水平方向上各分布特征向量出现的频次；同理，本实施例基于该窗口内各像素点对应的颜色向量，分别获取该窗口内竖直方向上任意两个相邻像素点的分布特征向量，对于窗口内的第个像素点：获取该窗口内竖直方向上与该像素点相邻像素点（即第个像素点）对应的颜色向量，根据第个像素点对应的颜色向量和第个像素点对应的颜色向量，构建第个像素点和第个像素点的分布特征向量；采用上述方法，得到该窗口内竖直方向上任意两个相邻像素点的分布特征向量；统计竖直方向上各分布特征向量出现的频次。至此，本实施例得到了该窗口内水平方向上各分布特征向量出现的频次和竖直方向上各分布特征向量出现的频次。
27.本实施例基于窗口内水平方向上各分布特征向量出现的频次和竖直方向上各分
布特征向量出现的频次，对局部窗口的结构分布状况进行分析，计算切割面的图像中的该像素点对应的结构分布表征值，即：其中，为切割面的图像中的该像素点对应的结构分布表征值，为该像素点对应的窗口内水平方向上分布特征向量的总数量，为该像素点对应的窗口内竖直方向上分布特征向量的总数量，为该像素点对应的窗口内水平方向上第个分布特征向量出现的频次，为该像素点对应的窗口内竖直方向上第个分布特征向量出现的频次，为水平方向对应的权值系数，为竖直方向对应的权值系数。本实施例设置，，在具体应用中，实施者可自行设置和的值。
28.当中心像素点对应窗口内的像素点的个数不满足窗口尺寸时，本实施例对其进行插值处理，窗口空缺处的通道值设置为窗口内非空缺像素点的通道均值，基于该方法进行插值填充，得到切割面的图像中各像素点对应的窗口；采用上述方法，得到切割面的图像中各像素点对应的结构分布表征值。若某一像素点对应的结构分布表征值较大，则说明该像素点的纹理结构分布情况较复杂。
29.本实施例对切割面的平整状况进行分析，建立平整度因子，用于对材料切割后的切割面的纹理平整度进行分析，所述建立平整度因子具体过程为：考虑到在对材料进行切割的过程中，若激光切割设备的各参数设置的合适，则切割材料的表面为相对平整、无划痕的光滑表面，若激光切割设备的参数设置的不合适，则会导致材料切割面出现大量的切痕。基于此，本实施例对切割面的图像进行边缘检测，采用霍夫直线检测算法提取切割面的图像中的直线段，并计算各直线段的宽度，各直线段的宽度的具体计算过程为：对于直线段（切痕），首先将其均分为份，的取值实施者可自行设定；然后在每份的终点处作直线段的垂线，统计每条垂线上包含的该线段像素点的数量，；接着根据垂线方向上该线段像素点的数量，计算直线段的宽度（即每个切痕的宽度），，其中，为切割面的图像中第条直线段的宽度；考虑到切痕的数量越多切割效果越不好，切痕越宽切割效果越不好，本实施例基于直线段的宽度（即每个切痕的宽度）和直线段（切痕）的数量，得到切痕系数，即：，其中，为切割面的图像所提取的直线段数量（即切痕的数量），为切痕系数，切痕系数用于对切割面的光滑情况进行整体描述，切痕系数越大，说明切割面的切割效果越不好，切割平滑度越低。
30.为了准确分析切割面的平整状况，提高视觉效果，本实施例将切割面的图像进行hsv颜色空间转换，得到每个像素点对应的色调、饱和度和明度信息，根据每个像素点对应的色调、饱和度和明度信息，得到每个像素点对应的颜色向量，即，其中，为第个像素点对应的颜色向量，为第个像素点对应的色调，为第个像素点对应的饱和度，为第个像素点对应的明度；将切割面的图像中像素点的颜色向量两两组合，得到各个颜色向量组合，统计所有颜色向量组合的种类数，用于后续计算每个颜色向量组合在图像中
出现的概率。然后本实施例采用1*2的滑动窗口，窗口滑动步长为1，窗口滑动方向为水平方向，对切割面的hsv图像进行分析，统计每个颜色向量组合在hsv切割面图像中出现的概率，获取各颜色向量组合在图像滑窗过程中出现的概率，并基于此得到切割面平整系数，用于对切割面的沟纹深浅以及整体平整程度进行判定，切割面平整系数的计算公式为：其中，为切割面平整系数，为第个颜色向量中的第个元素，为第个颜色向量中的第个元素，为颜色向量组合出现的概率，为以为底的指数函数。切割面平整系数能够体现切割面纹理的深浅特征信息，表征切割面的平整程度，切割面平整系数的值越大，说明切割面沟纹越浅，平整度越高，即切割效果越好。
31.为了使得对切割面的评估更加准确，本实施例基于切痕系数和切割面平整系数，计算切割面平整度因子，即：其中，为切割面平整度因子，为切割面平整系数，为切痕系数。切割面平整度因子越大，说明切割面越平整，切割效果越好。
32.至此，采用上述方法得到了切割面平整度因子。
33.步骤s3，获取所述拼接后的材料表面图像中切割缝的边缘像素点；根据拼接后的材料表面图像中切割缝的各边缘像素点的位置，得到主切割缝；统计偏差点的数量；根据所述拼接后的材料表面图像中切割缝的边缘像素点对应的角度和偏差点的数量，得到切割缝特征值；所述偏差点为边缘像素点中除主切割缝上的像素点之外的像素点。
34.本实施例在步骤s1中得到了拼接后的材料表面图像，在该步骤中基于拼接后的材料表面图像中的切割缝特征对激光切割设备的材料切割效果进行评估。当切割效果较好时，则切割材料能够很好的拼接在一起，几乎不存在缝隙，且切割缝边缘无毛刺现象，基于此，本实施例对拼接后的材料表面图像中的切割缝特征进行提取，用于对切割效果进行评估，进而实现对激光切割设备的自动调控。
35.切割特征提取的具体过程如下：本实施例首先通过边缘检测算法对拼接后的材料表面图像中的切割缝进行边缘提取，然后基于提取的边缘像素点进行拟合，从边缘像素点中随机提取q个像素点，利用这q个像素点拟合一条直线，统计处于拟合直线上的所有边缘像素点的数量，然后重新选取q个像素点（不重复）再次进行拟合，获取对应的拟合直线，并统计处于对应拟合直线上的边缘像素点的数量，依次重复上述操作，直至所有边缘像素点全部选取完毕，将包含边缘像素点数量最多的直线作为最终的切割缝直线，即主切割缝；本实施例将最终切割缝直线外的边缘像素点称为偏差点，统计所有偏差点的数量，将其记为。q的值小于边缘像素点的总个数，在具体应用中，q的值实施者自行设置。边缘像素点的提取过程为现有技术，此处不再赘述。
36.接下来本实施例获取各边缘像素点的极坐标参数，基于各边缘像素点的极坐标参数，构建边缘像素点对应的角度序列，即，其中，为第1个边缘像素点的
极坐标的角度，为第2个边缘像素点的极坐标的角度，为第个边缘像素点的极坐标的角度，为边缘像素点的总个数；本实施例基于所述角度序列，计算角度序列中元素的方差。极坐标转换过程为公知技术，此处不再赘述。
37.本实施例基于拼接后的材料表面图像中切割缝的边缘像素点的角度序列中元素的方差和偏差点的数量，计算切割缝特征值，即：其中，为切割缝特征值，为偏差点的数量，为切割缝的边缘像素点的角度序列中元素的方差（即切割缝的边缘像素点的角度的方差），为自然常数。偏差点的数量越多且边缘像素点的角度的方差越大，说明切割缝存在越多的毛刺、凹凸状况，切割缝特征值越大，即切割效果越不好。
38.步骤s4，根据所述切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。
39.本实施例在上述步骤中得到了切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，本实施例首先根据切割面的图像中各像素点对应的结构分布表征值，计算切割面的图像中各像素点对应的结构分布表征值的均值，然后基于切割面的图像中像素点对应的结构分布表征值的均值、切割面平整度因子和切割缝特征值。计算切割效果指标，，切割效果指标越小，说明切割效果越好；切割效果指标越大，说明切割效果越差；本实施例设置切割效果阈值，判断切割效果指标是否小于切割效果阈值，若小于，则说明当前激光切割设备的各项参数设置的合理，切割后的产品符合标准，直接将当前激光切割设备的各项参数作为最优参数，无需调节激光切割设备的各项参数，激光切割设备的参数包括切割进给速度、切割头高度、设备电流等，利用当前激光切割设备完成对材料的切割；若大于等于，则说明当前激光切割设备的各项参数设置的不合理，系统做出提示预警，提示相关技术人员对激光切割设备进行参数调节，以保证后续的切割效果。在具体应用中，的值实施者自行设定。
40.作为其它实施方式，可直接根据切割面的图像中像素点对应的结构分布表征值的均值、切割面平整度因子和切割缝特征值，构建切割效果分析向量，基于切割效果分析向量，利用全连接神经网络模型实现对激光切割设备参数的调控，网络的输入为切割效果分析向量，网络的输出为对应激光切割设备参数值。网络的训练过程为公知技术，此处不再赘述。
41.至此，即可通过本实施例提供的方法实现对切割效果的判断，并基于切割效果对激光切割设备进行自动控制。
42.本实施例首先获取当前生产过程中切割完毕的材料的切割面的图像和拼接后的材料表面图像；然后分别对切割面的图像和拼接后的材料表面图像进行分析。对于切割面的图像：根据该图像中各像素点对应的预设窗口内各像素点在红绿蓝三个颜色通道的分量值，得到该图像中各像素点对应的结构分布表征值；根据该图像中的直线（切痕）数量和直
线（切痕）宽度，计算切痕系数；根据该图像中各像素点对应的颜色向量，得到切割面平整系数；根据切痕系数和切割面平整系数，计算切割面平整度因子。对于拼接后的材料表面图像：根据该图像中切割缝的边缘像素点对应的角度序列和偏差点的数量，得到切割缝特征值。接着本实施例根据切割面平整度因子、切割缝特征值和切割面的图像中各像素点对应的结构分布表征值，调节激光切割设备的参数。本实施例提供的方法能够对激光切割完成的材料的切割效果进行检测，并根据检测结果调节激光切割设备的参数，保证了后续切割完成的材料的质量，提高了后续材料的切割精度。
43.基于视觉定位的激光切割设备控制系统实施例本实施例基于视觉定位的激光切割设备控制系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的视觉定位的激光切割设备控制方法。
44.由于基于视觉定位的激光切割设备控制方法已经在基于视觉定位的激光切割设备控制方法实施例中进行了说明，所以本实施例不再对基于视觉定位的激光切割设备控制方法进行赘述。
45.需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。