一种表面焊缝识别系统的制作方法

本发明涉及焊缝识别技术，尤其涉及一种表面焊缝识别系统。

背景技术：

随着工业机器人的迅速发展和工业4.0概念的提出，工业检测机器人越来越受到人们的关注，焊接自动跟踪系统的研制和应用显得越来越重要，焊接自动跟踪系统一般由传感器、信息处理系统和跟踪执行系统组成，在焊接过程中，传感器不断检测有关焊接中心位置的信息，信息处理机构则对偏差信息进行处理，得出焊接的中心位置，然后输出控制信号，执行机构根据得到的控制信号产生所需的运动，实现焊缝的实时跟踪，这其中信息处理机构有着重要的作用，他直接决定输出控制信号的正确与否，从而影响执行机构的焊缝跟踪精度，在基于视觉传感的焊缝跟踪中，信息处理机构需要完成的主要任务是对输入的焊接图像进行一系列的预处理，对处理后的图像再进行搜索得到焊接中心位置，然后焊接位置信息变换成相应的控制信号，但是，这种方法的识别精度不高。

近年来，运用计算机视觉、数字图像处理、模式识别、智能控制等当代高新技术，焊缝跟踪研究已经取得了较大的成就，尤其是计算机运算速度大大加快，使得应用复杂算法实时处理连续焊接图像成为可能，因而计算机视觉在焊接中应用研究越来越广泛和深入，如今出现了各种各样的图像处理算法应用到焊缝图像处理步骤中。

这些算法有其弊端，很难再实时条件下完成准确的焊缝识别，一般的图像处理技术，例如频域处理方法，这种方法显示将图像进行离散傅里叶变换，然后再对图像进行解析，频域图像处理需要大量的时间，并且这种算法比较复杂，而且对于一些细节的识别准确度不是特别高，

伴随智能时代的来临，智能机器人与智能制造越来越为广大人民群众认可，所以，智能识别成了一项关键技术。对于工业机器人领域，机器人对工作运行环境的感知是其完成所承担任务的前提和基础。如何实现场景中物体的有效分类与识别是机器人对于环境感知的核心问题。目前基于视觉图像处理技术来进行场景的感知是该领域的重要方法，然而这种基于图像处理的识别算法比较复杂，而且对于这种方法获取的视觉图像的质量受周围环境（例如光线强度）的变化影响比较大，所以对于深度信息的应用研究体现了很大的优势，而且使被测目标更多细节快速方便地获取成为可能。对于焊接技术，焊缝是焊件经焊接后所形成的结合部分，焊接形成的表面焊缝直接影响作业后产品的质量，所以对焊缝质量的评价以及焊缝的打磨至关重要。目前对于焊缝的处理一般都是人工完成，但是通过人工对表面焊缝处理时产生的粉尘会影响健康，而且作业有一定的危险性，所以考虑发明一种表面焊缝的自动识别系统，这种系统可以应用于工业机器人当中从而代替人工操作，市场前景非常大。

技术实现要素：

针对上述技术存在的问题，现提供了一种表面焊缝的识别系统。

具体的技术方案如下：

一种表面焊缝识别系统，应用于对被扫描物体的焊缝信息进行识别，所述识别系统包括：

采集模块，利用激光雷达扫描多个数据点的焊缝区域信息；

预处理模块，连接所述采集模块，转换所述焊缝区域信息为坐标信息，并且对所述数据点进行预提取；

识别算法模块，连接所述预处理模块，根据提取的所述数据点和所述坐标信息对所述焊缝区域信息进行聚类滤波处理，以获取所述焊缝信息。

优选的，所述采集模块按照预设的扫描频率和扫描范围进行扫描；以及

采集的所述焊缝区域信息以数据包的形式传输。

优选的，所述焊缝区域信息包括：所述激光雷达与所述被扫描物体的直线距离、所述激光雷达的角分辨率。

优选的，所述预处理模块包括：

坐标模块，连接所述采集模块、所述识别算法模块，转换所述焊缝区域信息为坐标信息；

提取模块，连接所述采集模块、所述识别算法模块，对所述数据点进行预提取。

优选的，所述坐标信息为以所述激光雷达为中心的直角坐标系中每个数据点的坐标；以及

所述坐标信息为（D×cosβ），（D×sinβ）；

其中，D为所述激光雷达与所述被扫描物体的直线距离，β为所述激光雷达的角分辨率。

优选的，所述提取模块以所述激光雷达为中心原点建立世界坐标系，以所述激光雷达扫描平面为XY平面，其中以所述中心原点为起点，垂直于焊缝所在表面的方向为Y轴正方向，垂直于XY平面的坐标轴为Z轴；

所述提取模块提取的数据点为世界坐标系中Y轴坐标小于等于L-M的点；

其中，L为所述激光雷达至被扫描物体表面的距离，M为误差值。

优选的，所述误差值为±0.5mm。

优选的，所述激光雷达沿Z轴方向移动，多次扫描所述焊缝区域信息。

优选的，所述识别算法模块包括分组模块，分组模块用以将提取的所述数据点分组；

其中，分组方法为：

相邻两个提取的数据点之间的距离小于等于预设值时，该两个数据点为同一组，且其中一数据点为该组的最后一个数据点；

相邻两个提取的数据点之间的距离大于预设值时，该两个数据点为不同组，且其中一个数据点为新建立的一个组的第一个数据点。

优选的，所述识别算法模块还包括：

识别模块，连接所述分组模块，用以根据所述数据点的分组和所述坐标信息计算所述焊缝信息；

其中，所述识别模块根据每组的第一个数据点、最后一个数据点和中心原点坐标确定焊缝宽度信息；

所述识别模块根据每组Y轴的坐标机制确定焊缝高度信息。

上述技术方案的有益效果是：

上述技术方案利用现有的激光雷达作为传感器，实现确定焊缝位置的功能，提出基于激光雷达的表面焊缝识别算法，不同于通过视觉图像处理的识别算法，相对来说比较简单实用，此外，上述技术方案可以进行不同场合的应用，比如用于打磨、抛光等工业机器人当中进行表面处理等方面，用处比较广泛。

附图说明

图1为本发明一种表面焊缝的识别系统的实施例的结构示意图；

图2为本发明一种表面焊缝的识别系统的实施例的原理图；

图3为本发明一种表面焊缝的识别方法的实施例的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，下述技术方案，技术特征之间可以相互组合。

下面结合附图对本发明的具体实施方式作进一步的说明：

实施例一

本实施例提供了一种表面焊缝识别系统，如图1所示，应用于对被扫描物体的焊缝信息进行识别，所述识别系统包括：

采集模块，利用激光雷达扫描多个数据点的焊缝区域信息；

预处理模块，连接所述采集模块，转换所述焊缝区域信息为坐标信息，并且对所述数据点进行预提取；

识别算法模块，连接所述预处理模块，根据提取的所述数据点和所述坐标信息对所述焊缝区域信息进行聚类滤波处理，以获取所述焊缝信息。

本实施例中，采集模块包括一激光雷达，激光雷达作为传感器对多个数据点的焊缝区域信息进行扫描获取，预处理模块根据焊缝区域信息计算得到坐标信息，需要说明的是，本实施例中的焊缝区域信息为焊缝的周围信息，此外本实施例中的识别算法模块采用聚类滤波处理方式，根据提取的数据点的信息和坐标信息，获取焊缝信息。

进一步的，所述采集模块按照预设的扫描频率和扫描范围进行扫描；以及

采集的所述焊缝区域信息以数据包的形式传输。

本实施例中，如图1所示，本系统有三大主要模块组成，包括采集模块、预处理模块以及识别算法模块。其中，采集模块：设定扫描频率与扫描范围，通过激光雷达进行焊缝周围信息（即焊缝区域信息）的不断扫描，实现信息的采集。

进一步的，所述焊缝区域信息包括：所述激光雷达与所述被扫描物体的直线距离、所述激光雷达的角分辨率。

本实施例中，预处理模块：实现信息的预处理，将所述激光雷达与所述被扫描物体的直线距离、角度信息值转换为坐标系中的坐标值，能够实现信息的初步提取。识别算法模块：过对扫描点信息的聚类滤波处理，可以确定焊缝的宽度、高度以及位置等焊缝信息。

进一步的，所述预处理模块包括：

坐标模块，连接所述采集模块、所述识别算法模块，转换所述焊缝区域信息为坐标信息；

提取模块，连接所述采集模块、所述识别算法模块，对所述数据点进行预提取。

进一步的，所述坐标信息为以所述激光雷达为中心的直角坐标系中每个数据点的坐标；以及

所述坐标信息为（D×cosβ），（D×sinβ）；

其中，D为所述激光雷达与所述被扫描物体的直线距离，β为所述激光雷达的角分辨率。

进一步的，所述提取模块以所述激光雷达为中心原点建立世界坐标系，以所述激光雷达扫描平面为XY平面，其中以所述中心原点为起点，垂直于焊缝所在表面的方向为Y轴正方向，垂直于XY平面的坐标轴为Z轴；

所述提取模块提取的数据点为世界坐标系中Y轴坐标小于等于L-M的点；

其中，L为所述激光雷达至被扫描物体表面的距离，M为误差值。

进一步的，所述误差值为±0.5mm。

上述实施例中，采集模块启动激光雷达进行扫描，获取多个数据点焊接区域信息，通过激光雷达配置函数设定雷达的扫描范围和角度，此时激光雷达采集到的每帧数据里面会包含有多个数据点信息，依据这些数据包进行信息的识别与提取。

坐标模块进行数据点焊接区域信息的坐标转换，扫描以后得到的一系列焊机区域信息，是以数据包的形式进行传输，每一个数据包里面包含有多个数据点，每个数据点中包含的信息包括有激光雷达与被扫描物体的距离，可以将此距离记作D，还有激光雷达的角分辨率，可以将此角度记作β，所以，在以激光雷达为中心的直角坐标系中，每个数据包中的数据点坐标为：

（D×cos（β）)，D×sin(β)）。

如图2所示，提取模块继续进行信息的预处理，以激光雷达为中心原点Os建立世界坐标系，以激光雷达扫描平面为X，Y平面，以中心原点Os为起点垂直于焊缝所在表面的方向为Y轴正方向，垂直于X，Y平面的坐标轴记为Z轴，激光雷达与表面的距离记作L，提取凸起于表面的数据点（Mj+1，Mj等），考虑到雷达的误差为±0.5mm，所以，提取Y轴坐标小于等于(L-0.5)的点，即提取Y≤L-0.5的数据点作为初次识别后的数据点。

进一步的，所述激光雷达沿Z轴方向移动，多次扫描所述焊缝区域信息。

进一步的，所述识别算法模块包括分组模块，分组模块用以将提取的所述数据点分组；

其中，分组方法为：

相邻两个提取的数据点之间的距离小于等于预设值时，该两个数据点为同一组，且其中一数据点为该组的最后一个数据点；

相邻两个提取的数据点之间的距离大于预设值时，该两个数据点为不同组，且其中一个数据点为新建立的一个组的第一个数据点。

进一步的，所述识别算法模块还包括：

识别模块，连接所述分组模块，用以根据所述数据点的分组和所述坐标信息计算所述焊缝信息；

其中，所述识别模块根据每组的第一个数据点、最后一个数据点和中心原点坐标确定焊缝宽度信息；

所述识别模块根据每组Y轴的坐标机制确定焊缝高度信息。

上述实施例中，分组模块将激光雷达扫描的数据点进行聚类分组，通过信息预处理以后得到的提取点包含有其它干扰点的信息，所以需要将扫描到的干扰点信息过滤掉。实现的方法就是对扫描得到的数据点进行聚类分组处理，聚类分组滤波处理算法的原理是通过一系列计算从而将所有得到的数据点进行分类，分成不同的组，取得需要得到的数据组进行接下来的计算处理。

具体的算法流程如下：

首先，根据得到的每个数据包中的两个数据点之间的距离值大小设定一个阈值T1，通过判断此阈值与相邻两点的距离值大小将数据点分组；

如果相邻的两点（序号分别记为m和m+1）之间的距离小于之前设定的阈值T1，则把这两个点看作为在同一组当中，并且将第m+1点看作为此组的最后一个点；

如果相邻的两个数据点之间的距离大于之前设定的阈值T1，则把这两个点看作为不同组中的点。此时，则建立一个新的数据组，将第m+1个数据点看作为此组中的第一个数据点。

之后，不断重复上述的步骤，直到全部的数据点分组完成。

识别模块对焊缝的数据点进行识别，根据签署得到的数据点分组信息以及坐标信息，计算各个组别里数据点的数量，由于激光数据雷达多次扫描得到的点的密度比较高，所以，选取数据点数量最多的一组为焊缝每层的截面信息。

将激光雷达沿垂直于扫描平面的Z方向不断移动，进行下一次扫描聚类分组。统计每组的数据点，通过对每组数据点的位置坐标进行解析从而可以确定焊缝的位置。通过计算每个组别中的第一个数据点、最后一个数据点、中点坐标可以确定焊缝的宽度信息。通过统计每个组别中Y轴点的坐标极值可以确定焊缝截面的高度信息，取每层截面高度信息平均值可以得到焊缝平均高度值，可以评价焊缝质量。

目前一般焊缝识别方法是采用图像处理技术，这种方式一般算法比较复杂，而且对于一些细节的识别准确度不是特别高，所以上述实施例考虑采用激光雷达作为传感器的方式。如图2所示，上述实施例利用激光雷达作为传感器，实现了一种识别表面焊缝的系统。

本实施例的系统利用现有的激光雷达作为传感器，实现确定焊缝位置的功能，提出基于激光雷达的表面焊缝识别算法，不同于通过视觉图像处理的识别算法，相对来说算法比较简单实用，识别算法模块提出焊缝信息的具体分组算法，通过数据点的聚类滤波处理进行组别的分解过滤，更加增强了识别的准确性，此外，通过激光雷达多次扫描，可以增加识别的可靠性，上述实施例可以进行不同场合的应用，比如用于打磨、抛光等工业机器人当中进行表面处理等方面，用处比较广泛。

依靠激光雷达的扫描特点检测焊缝的二维环境信息（焊接区域信息），通过检测识别算法提取环境信息，可以计算出焊缝位置以及焊缝宽度和高度信息，建立世界坐标系，可以确定出激光雷达的载体与焊缝之间的相对位置关系，从而可以实现后续的焊缝打磨抛光等一系列功能。

通过激光雷达传感器进行设定角度范围内的扫描，可以获得一系列周围环境点的焊接区域信息，这些数据点的信息经过计算可以折算成世界坐标系中的坐标信息。然后根据这些数据点的坐标位置关系，经过预处理模块的预处理以及识别算法模块聚类分组滤波算法，可以实现焊缝信息的提取。

实施例二

本实施例提供了一种表面焊缝识别的方法，如图3所示，本实施例的方法首先启动激光雷达对被扫描物体焊缝的周围多个扫描点（数据点）进行扫描，之后将获得的焊缝区域信息进行扫描点坐标转换及预处理，之后通过对扫描点的聚类分组，确定焊缝高度、宽度以及位置信息。

具体的方法如下：

1、启动激光雷达进行扫描

获取扫描点信息，通过激光雷达配置函数设定雷达的扫描范围和角度，此时激光雷达采集到的每帧数据里面会包含有n个数据点信息，依据这些数据包进行信息的识别与提取。

2、数据点信息的坐标转换

扫描以后得到的一系列数据点的信息，是以数据包的形式进行传输，每一个数据包里面包含有n个数据点，每个数据点中包含的信息包括有激光雷达与扫描物体的距离D，还有激光雷达的角分辨率β，所以在以激光雷达为中心的直角坐标系中，每个数据包中的数据点坐标为（D*cos(β),D*sin(β)）。

3、数据预处理

以激光雷达中心为原点建立世界坐标系，以激光雷达扫描平面为X,Y平面，以原点为起点垂直于焊缝所在表面的方向为Y轴正方向，垂直于X,Y平面的坐标轴记为Z轴，激光雷达与表面的距离记作L，提取凸起于表面的数据点，考虑到雷达的误差为±0.5mm，所以提取Y轴坐标小于等于(L-0.5)的点，即提取Y≤L-0.5的数据点作为初次识别后的数据点。

4、扫描数据点的聚类分组

通过数据预处理以后得到的点包含有其它干扰点的信息，所以需要将扫描到的干扰点信息过滤掉。实现的方法就是对扫描得到的数据点进行聚类分组处理，聚类分组滤波处理算法的原理是通过一系列计算从而将所有得到的数据点进行分类，分成不同的组，取得需要得到的数据组进行接下来的计算处理。具体的算法流程如下：

S1：根据得到的每个数据包中的两个数据点之间的距离值大小设定一个阈值T1，通过判断此阈值与相邻两点的距离值大小将数据点分组;

S2：如果相邻的两点（序号分别记为m和m+1）之间的距离小于之前设定的阈值T1，则把这两个点看作为在同一组当中，并且将第m+1点看作为此组的最后一个点；

S3：如果相邻的两个数据点之间的距离大于之前设定的阈值T1，则把这两个点看作为不同组中的点。

S4：如果S3成立，则建立一个新的数据组，将第m+1个数据点看作为此组中的第一个数据点。

S5：不断重复上面S1~S4的步骤，直到全部的数据点分组完成。

5、焊缝点的识别

根据4中得到的数据点分组信息以及坐标信息，计算组别里点的数量，由于雷达多次扫描得到的点的密度比较高，所以选取点数量最多的一组为焊缝每层的截面信息，将激光雷达沿垂直于扫描平面的Z方向不断移动，进行下一次扫描聚类分组。

统计每组的数据点，通过对每组数据点的位置坐标进行解析从而可以确定焊缝的位置。通过计算每个组别中的第一个数据点、最后一个数据点、中点坐标可以确定焊缝的宽度信息。通过统计每个组别中Y轴点的坐标极值可以确定焊缝截面的高度信息，取每层截面高度信息平均值可以得到焊缝平均高度值，可以评价焊缝质量。

综上，上述技术方案利用现有的激光雷达作为传感器，实现确定焊缝位置的功能，提出基于激光雷达的表面焊缝识别算法，不同于通过视觉图像处理的识别算法，相对来说比较简单实用，此外，上述技术方案可以进行不同场合的应用，比如用于打磨、抛光等工业机器人当中进行表面处理等方面，用处比较广泛。

通过说明和附图，给出了具体实施方式的特定结构的典型实施例，基于本发明精神，还可作其他的转换。尽管上述发明提出了现有的较佳实施例，然而，这些内容并不作为局限。

对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。