本发明属于计算机视觉领域，具体涉及一种基于双线结构光的在线焊缝成型视觉检测方法。
背景技术：
：目前，焊接质量的评价主要通过对焊缝成形过程中焊缝尺寸的控制来实现，当前国内外主要采用的传感方法包括：超声波传感、电弧传感、红外传感及视觉传感等。相比于其它测量方式，线结构光对焊缝的三维测量，具有无接触、价格低、无辐射等优点，能够实现实时、快速、高精度的焊缝三维重建为了获取正确的三维信息，必须确定线结构光的参数，即线结构光视觉传感器与相机像平面的位姿关系。传统的线结构光视觉传感器标定方法主要由拉丝法、机械调整法、锯齿靴法、基于双重变比不变的标定方法等。但是这些方法大多操作繁琐、标定板制作复杂，无法实现快速的线结构光标定。基于三点透视模型，使用传统的棋盘格作为标定板，可以快速、方便的获取线结构光的标定参数；但是该方法通常会对重建结果造成一定的误差；因此，如何将简便、速度与精度三者结合起来，是线结构光的标定和重建的难点之一。传统的线结构光三维重建装置，是将激光器发出的光与被测物体表面的法线成一定角度入射到被测物体表面上，受被测物体表面的深度变化调制后，形成结构光光条信息，同时利用相机接收到该信息，计算得到被测物体轮廓的三维信息。但是仅使用一条线结构光，在堆焊等母板不平整的焊接条件下，无法实时获取焊缝体积的变化情况，也无法通过焊缝体积的变化，来判断是否存在气孔等焊接异常情况。焊缝尺寸中的焊缝宽度、余高以及焊缝的粗糙程度是关系焊接产品强度及有关性能的重要因素。常见的焊接质量评价准则中，只考虑了焊缝宽度与余高这两种数据，未对粗糙度进行评价，影响了焊接质量评价的准确性。因此，准确、快速的获取焊缝宽度和余高对焊接质量的评价是十分必要的；同时，如何用恰当的计算准则对焊缝的粗糙度进行衡量，并且利用好这一数据对焊接质量进行全面而准确的评价，也是该领域的难点和热点之一。因此，需要一种新的图像去雾方法以解决上述问题。技术实现要素：(一)解决的技术问题针对现有技术的不足，本发明提供了一种基于双线结构光的在线焊缝成型视觉检测方法。(二)技术方案为实现上述目的，本发明提供如下技术方案：一种基于双线结构光的在线焊缝成型视觉检测方法，采用双线结构光装置，所述双线结构光装置包括母板、焊枪、激光器、激光分束器和ccd相机，所述激光器正对所述母板设置，所述激光分束器设置在所述激光器的出光口，激光经过所述激光分束器得到两条线结构光，所述焊枪设置在两条线结构光之间，所述ccd相机用于拍摄两条线结构光，包括以下步骤：步骤一、选定标定板，分别选用两种不同的曝光时间，拍摄两条线结构光照射在标定板上的图片，对线结构光进行标定，同时对所述ccd相机进行标定；步骤二、标定完成后，使用标准件，提取线结构光中心线，获取三维数据，在母板上对重建结果进行校正；步骤三、对两条线结构光产生的三维曲面进行点云匹配，获取母板同一位置焊接成型前后的体积变化。优选的，两条线结构光平行。优选的，步骤三中在母板上做多个标记，记录两条线结构光经过同一处标记的帧数，利用步骤二得到的三维数据作为点云匹配的衡量准则，匹配后将点云所覆盖区域的体积相减，即可获取每条线结构光扫描位置焊接前后体积的变化数值。优选的，还包括步骤四，对焊缝粗糙度进行评价。优选的，步骤一中所述标定板为棋盘格。方便利用棋盘格的黑格区域和白格区域对线结构光进行标定。优选的，步骤一中两种不同的曝光时间包括第一曝光时间t1和第二曝光时间t2，其中，t1>t2，所述标定板为棋盘格，在第一曝光时间t1模式下，提取照射在黑格区域的线结构光图像，在第二曝光时间t2模式下，提取照射在白格区域的线结构光图像，将提取后的黑格区域的线结构光图像和白格区域的线结构光图像进行拼接，获得均匀的线结构光图像。优选的，步骤二中对重建结果进行校正为利用获取的深度信息对重建结果进行校正。优选的，步骤四中对焊缝的粗糙度进行评价：选取焊缝峰顶区域，在焊缝峰顶区域内，提取每个重建点的高度信息，使用标准差作为计算准则，标准差公式如下：其中，n为采样次数，xi为第i次采样值，为n次采样的均值。优选的，所述焊缝峰顶区域为焊缝上方三分之一的区域。(三)有益效果与现有技术相比，本发明的基于双线结构光的在线焊缝成型视觉检测方法方法在不同曝光时间下，对标定板进行采样，实现线结构光的标定；三维重建后，使用标准平面，在母板上对重建结果进行校正；最后结合前后两条线结构光的三维重建结果，对两个三维曲面进行匹配，可以在线获得焊接前后，母板上同一位置的三维数据。本发明可以在母板不平整，如堆焊等情况下，取得较好结果；母板平整的情况下，亦可实现功能。本发明方法能够有效提高标定精度和三维重建精度，从而为焊缝成型结果进行多角度的分析做好准备。附图说明图1是本发明方法使用的双线结构光的示意图；图2是本发明方法中不同曝光时间下，线结构光的拼接；图3是本发明方法中单根线结构光在焊缝上的重建结果；图4是本发明方法中点云拼接的示意图；图5是本发明方法中焊接前后焊缝体积变化的曲线；图6是本发明方法中在粗糙度标准件上的重建结果。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例1：如附图1所示，本发明的基于双线结构光的在线焊缝成型视觉检测方法，包括母板1、焊枪2、激光器3、激光分束器4、ccd相机5；激光器3与焊接母板1垂直放置，激光分束器4与激光器3贴合放置，经激光分束器4产生了两条平行激光线，照射在焊接母板1，分别位于焊枪2的前后位置；ccd相机5选择合适的角度，保证可以观察到两条平行的激光线。依据附图1的装置，进行在线成型焊缝视觉检测，包括以下步骤：步骤一：选用棋盘格作为标定板，选取高曝光时间和低曝光时间两种模式，对同一幅标定图像，在两种模式下对线结构光进行拍摄；激光器向待测件表面投射一光平面，该光平面受待测件表面的深度变化调制，形成一个变形的光条纹，该条纹图像最终由摄像机捕获。光条条纹的变形程度包含了激光器与摄像机之间的相对位置信息以及被测物体表面的深度信息。线结构光视觉测量的工作就是根据激光器与摄像机之间的空间位置关系，从变形的结构光条纹图像中获取被测物体表面的三维信息。采用一块棋盘格作为平面标定靶，保证线激光与棋盘格相交。获取线激光与棋盘格交点的像素坐标，将这个二维坐标转换到摄像机坐标系上的三维坐标，并将多个三维坐标拟合平面，即可标定线结构光。为提高标定精度，选用两种模式对线结构光进行拍摄，在高曝光时间这一模式下，提取较细的条纹图像，即照射在黑格区域的线结构光图像；在低曝光时间这一模式下，提取较粗的条纹图像，即照射在白格区域的线结构光图像；将提取后的图像进行拼接，获得比较均匀的线结构光图像，如附图2所示；拍摄大约二十五组图像，利用steger等算法，对线结构光中心线进行提取。完成对线结构光参数的标定。采用传统的张正友标定法对相机进行标定，使用棋盘格作为标定板；在已知标定板物理尺寸的前提下，将标定板变换位置，进行多次采样，提取不同位置下，棋盘格角点的像素坐标；利用获取的数据，在图像坐标系、成像平面坐标系、摄像机坐标系、世界坐标系下进行坐标的变换，即可获取相机的内参，以及标定板在不同位置下相机的外参；利用ccd相机的标定数据，结合线结构光的标定数据，以及线结构光照射在目标上的像素坐标，利用steger等线结构光中心提取算法，即可对线结构光进行三维重建；相机的标定需与线结构光标定同时进行；即标定板不移动的情况下，拍摄标定板的图像，实现ccd相机的标定。步骤二：在线结构光三维重建后，使用标准件，在母板上对重建结果进行校正。将标准件放置在与母板处于同一高度处，并略高于焊缝顶峰。使用线结构光在标准件不同高度的平面进行扫描，在各个平面上获取大量的数据点，得到它们重建后的三维数据；选择某一平面作为参考平面，将参考平面上的三维数据拟合为空间平面，选取另一平面上的所有点，二者距离的均值视为两个平面之间的距离。利用获取的多个平面之间的距离，对不同的深度进行数据拟合；根据不同的拟合方式所获得的校正结果，发现一次线性拟合效果最好；因此，利用获取的深度信息对重建结果进行校正，提高重建精度。步骤三：对两条线结构光产生的三维曲面进行点云匹配，获取母板同一位置焊缝成型前后的体积变化。在母板上提前做好多处标记，记录两条线结构光经过同一处标记的帧数；激光点经过激光分束器将会产生平行的两束线结构光，焊枪的移动速度由程序设定，可视为匀速运动，因此经过同一处标记的帧数的差值即是点云匹配的衡量准则。点云匹配之后，将点云所覆盖区域的体积相减，即可获取焊接前后，每一条线结构光扫描的区域体积变化的具体数值；因此可以在焊接过程中，在线实时获取焊缝体积的变化情况；从而对焊接过程中是否存在气孔等异常情况进行判断，进而对焊接参数进行实时调整。步骤四：提出一种焊缝粗糙度评价准则，对焊缝粗糙度进行等级划分。选取单根线结构光重建后的三维数据，在三维数据中选取焊缝与母材相交的拐点，计算拐点之间的距离即为焊缝的宽度；计算单根线结构光的三维曲线与母板平面距离的最大值，即为焊缝的余高。对于焊缝的粗糙度，选取焊缝峰顶区域，即焊缝上方三分之一的区域，在这个区域内，提取每个重建点的高度信息，使用标准差作为计算准则，标准差公式如下：其中，n为采样次数，xi为第i次采样值，为n次采样的均值；根据不同粗糙程度焊缝的标准差，分成三个等级，评判成型后焊缝的粗糙程度。使用均方根误差、方差或信息熵等作为计算准则，亦可得到同样的结果。结合焊缝的宽度、余高和粗糙度，在线实时判定焊缝成型质量，针对不同情况，对焊接参数进行实时修改。本发明的效果可以通过以下结果进一步说明：使用本发明步骤一所述标定算法，多次选取线结构光上两点，测量两点的实际距离和通过标定数据得到的距离。与原始标定数据相比较，使用原始标定方法的误差为1.69％，改进后的标定方法误差为1.26％。表明该技术可以提高标定精度。使用本发明步骤二所述校正算法，在标准件上对线结构光深度测量进行定量分析，使用的校正方式为一次线性拟合，即y＝kx+b，其中，k＝0.8571，b＝0.0016；原始数据、标准数据、校正数据如下：原始数据标准数据校正数据1.1681.0001.0031.1841.0001.0161.1851.0001.0171.1611.0000.9971.1621.0000.9981.1571.0000.9931.1501.0000.9871.1551.0000.9912.3532.0002.0182.3692.0002.0322.3492.0002.0152.3232.0001.9932.3182.0001.9892.3082.0001.9792.3072.0001.9793.5383.0003.0343.5323.0003.0293.5113.0003.0113.4783.0002.9823.4693.0002.9743.4643.0002.9704.7034.0004.0324.6954.0004.0254.6694.0004.0034.6284.0003.9684.6264.0003.9665.8655.0005.0295.8515.0005.0175.8195.0004.9895.7845.0004.9597.0236.0006.0217.0026.0006.0026.9776.0005.9818.1737.0007.0078.1597.0006.9949.3328.0007.999由上述结果可知，本发明所提出的校正算法，可以有效提高三维重建的精度，在焊缝高度的范围内，可以有效减少因线结构光不均匀、标定参数不准、提取中心线不精确等因素带来的误差。使用本发明步骤三所述获取焊接前后体积变化算法，单根线结构光扫描后三维重建结果如图3所示，由图可知，在母板不平的情况下，无法实时、准确获取焊接前后，焊缝体积的变化。点云匹配的结果如图4所示，本发明可以对双线结构光三维重建后获得的点云准确匹配，由此获得图5结果，即焊接前后，相机单次采样，焊缝体积实时的变化情况。使用本发明步骤四所述粗糙度评价准则，在粗糙度标准件上，对该算法进行验证，对同一粗糙度下进行三次测量，效果图如图6所示，所得标准差如下：由实验数据可知，该算法可对粗糙度进行分级，评价不同焊缝的粗糙程度。选取三道粗糙度不同的不锈钢焊缝，在不同的行进距离下，测量的标准差结果如下：三道焊缝长度均为19mm左右，在对焊缝整体粗糙度进行评估时，可以得到较好的结果，并且能明确区分不同的粗糙程度。将焊缝整体分成三个部分，每部分长约6.25mm时，对焊缝进行粗糙度评估。此时，由于采样数量的不同，各部分焊缝的标准差低于整体；由于个别部分粗糙程度与整体粗糙程度存在差异，因此粗糙程度二的第三部分和粗糙程度三的第三部分数值略有不同。尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。当前第1页12