CN107705312A - 一种基于线扫描数据提取焊后焊缝边缘点的方法 - Google Patents

一种基于线扫描数据提取焊后焊缝边缘点的方法 Download PDF

Info

Publication number
CN107705312A
CN107705312A CN201710763164.3A CN201710763164A CN107705312A CN 107705312 A CN107705312 A CN 107705312A CN 201710763164 A CN201710763164 A CN 201710763164A CN 107705312 A CN107705312 A CN 107705312A
Authority
CN
China
Prior art keywords
line
scan
edge point
weld edge
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710763164.3A
Other languages
English (en)
Other versions
CN107705312B (zh
Inventor
李维诗
周婷婷
王文祥
于连栋
夏豪杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201710763164.3A priority Critical patent/CN107705312B/zh
Publication of CN107705312A publication Critical patent/CN107705312A/zh
Application granted granted Critical
Publication of CN107705312B publication Critical patent/CN107705312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于线扫描数据提取焊后焊缝边缘点的方法，首先通过三维激光扫描设备获取焊后焊缝的线扫描数据并输入计算机中，根据待提取的焊缝边缘点在扫描线中的位置交互设定扫描线方向；然后，计算每一条扫描线相邻线段间的有向夹角以及有向夹角的累加和，并进行移动平均处理；最后，自前向后遍历，自适应设定阈值，根据阈值自动确定焊缝边缘点的位置。本发明方法为焊缝检测中边缘点识别提供了一种快速、准确的分析方法，操作简便，计算结果可靠。

Description

一种基于线扫描数据提取焊后焊缝边缘点的方法
技术领域
本发明涉及无损检测技术与机器人领域，具体是一种基于线扫描数据提取焊后焊缝边缘点的方法。
背景技术
焊件在焊接过程中因焊接工艺与设备条件的偏差，残余应力状态和冶金因素变化的影响以及结构材料与尺寸的差异等，往往会在焊缝中产生不同程度与数量的气孔、夹渣、未熔合、未焊透以及裂纹等缺陷。为了检测这些焊缝缺陷，实际应用中，常常需要通过超声探伤等无损检测方法来实现，目前主要采用手动方式，检测效率低，人为因素也容易对检测结果产生不利影响。将无损检测技术与机器人技术相结合，研究自动化检测技术，是解决上述问题的有效途径。
在机器人应用中，路径规划及机器人编程是一项关键技术，目前主要有两种方式：基于自学习或者示教的在线编程和基于CAD模型的离线编程。在线示教编程简单直接，目前，国内外应用的工业机器人***大多采用示教再现模式，但是示教再现模式在实际生产中存在如下缺点：(1)编程者处于机器人工作空间中，危险系数高；(2)运动规划的失误容易导致工装夹具或者机器人的损坏。对于无损检测应用，磕碰容易导致价格昂贵的探头器件损坏；(3)示教编程很难实现复杂的机器人作业，采用示教编程很难得到优化的测量路径；(4)编程质量取决于编程者的经验；(5)示教编程需要占用机器人的作业时间。
离线编程是应用计算机图形学技术实现一个交互式软件环境，机器人作业的全过程在数字化环境里实现。与传统的在线示教编程相比，离线编程具有如下优点：(1)编程者远离危险的工作环境，安全系数高；(2)在编程期间不会损坏工装夹具及机器人等相关设备；(3)容易生成复杂的运动轨迹，且便于编辑机器人程序，有利于提高编程效率和编程质量；(4)对编程人员的经验要求不高；(5) 编程时不影响机器人的正常生产；(6)便于和CAD/CAM***结合,做到 CAD/CAM/机器人一体化。但是，对于焊件来说，工件与CAD模型之间很难准确匹配，因此很难利用CAD模型进行离线编程，而采用激光三维扫描技术获取焊缝位置，并基于扫描数据实现离线编程就可以避免上述缺陷。
目前工业中也存在各种各样的焊缝自动化跟踪技术，但大多是针对焊接之前的焊缝识别，本发明主要针对焊后焊缝，通过对激光三维扫描技术获取的扫描数据进行分析、计算，来提取焊缝边缘点。
发明内容
本发明的目的是提供一种基于线扫描数据提取焊后焊缝边缘点的方法，以实现准确、自动化识别焊缝边缘，从而实现焊缝的精准检测。
为了达到上述目的，本发明所采用的技术方案为：
一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：包括以下步骤：
(1)、通过三维激光扫描设备获取焊后焊缝的线扫描数据并输入计算机中，根据待提取的焊缝边缘点在扫描线中的位置交互设定扫描线方向；
(2)、计算每一条扫描线相邻线段间的有向夹角以及有向夹角的累加和，并进行移动平均处理；
(3)、自前向后遍历，自适应确定阈值，根据阈值自动确定焊缝边缘点的位置。
所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(1)中交互设定扫描线方向时，当待提取的焊缝边缘点离扫描线起始点近时，扫描线方向不变；否则将所有扫描线反向。
所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(2)过程如下：
(2a)、将一条扫描线上的所有点用pi＝(xi，yi，zi)表示，其中i＝0，…，n，每个点与其之后的一个点确定一个向量，得到向量 vi＝(xi+1-xi，yi+1-yi，zi+1-zi)，其中i＝0，…，n-1；
(2b)、计算相邻两向量vi-1、vi之间的夹角θi，其中i＝1，…，n-1，设 k＝(0，0，1),若(vi-1×vi)·k＞0，则θi＝arccos(vi-1·vi/||vi-1||||vi||)；若 (vi-1×vi)·k＜0，则θi＝-arccos(vi-1·vi/||vi-1||||vi||)；；
(3c)、一条扫描线中pi点对应的夹角为θi，其中i＝1，…，n-1，夹角累加和为其中j-1，…，n-1；
(3d)、对步骤(3c)得到的夹角累加和进行移动平均处理，即自第二个点开始求连续2m+1个的平均值，得到其中 k＝m+1，…，n-m-1。
所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(3)过程如下：
(3a)、遍历找到最小值记录最小值的索引值为Imin，自到遍历，找到局部最大值令
(3b)、从开始遍历，寻找局部最小值当时，停止遍历，记录停止遍历时的局部最小值的索引值Ilmin，则焊缝边缘点下标为： Ib＝(Ilmin+Imin)/2，δ为一常数。
与已有技术相比，本发明的优点在于：第一，该算法计算简单，可用于焊后焊缝边缘点的在线提取，从而实现基于焊缝激光扫描的自适应路径规划，实现焊后焊缝的自动检测；第二，该算法也具有较为广泛的应用，针对不同类型的焊缝，可以适当调整，实现不同类型焊缝的边缘点准确识别。
附图说明
图1为本发明的方法流程图。
图2为实施例中焊缝扫描线数据的示意图。
图3为实施例中计算夹角累加和的结果示意图。
图4为实施例中计算夹角累加和移动平均处理的结果示意图。
具体实施方式
如图1所示，一种基于线扫描数据提取焊后焊缝边缘点的方法，包括以下步骤：
(1)、通过三维激光扫描设备获取焊后焊缝的线扫描数据并输入计算机中，根据待提取的焊缝边缘点在扫描线中的位置交互设定扫描线方向；
(2)、计算每一条扫描线相邻线段间的有向夹角以及有向夹角的累加和，并进行移动平均处理；
(3)、自前向后遍历，自适应确定阈值，根据阈值自动确定焊缝边缘点的位置。
实施例一
本实施例是对只有一条焊缝的零件的焊缝边缘点识别，包括以下步骤：
步骤(1)中，交互设定扫描线方向时，假设图2所示扫描线起始点为左侧点，且待提取的焊缝边缘点为焊缝左侧的边缘点，扫描线方向不变；否则需要将所有扫描线反向。
步骤2：计算每一条扫描线相邻段间的有向夹角以及有向夹角的累加和，并进行移动平均处理。
(2a)图2所示的一条扫描线上所有点用pi＝(xi，γi，zi)(i＝0，…，n)表示，每个点与其之后一点确定一个向量，得到向量 vi＝(xi+1-xi，yi+1-yi，zi+1-zi)(i＝0，…，n-1)；
(2b)计算相邻两向量vi-1、vi之间的夹角θi(i＝1，…，n-1)，设z＝(0，0，1) 且图2中z轴指向内部，如果(vi-1×vi)·z＞0,则θi＝arccos(vi-1·vi/||vi-1||||vi||)；否则,则θi＝-arccos(vi-1·vi/||vi-1||||vi||)；
(2c)一条扫描线中pi点对应的夹角为θi(i＝1，…，n-1)，夹角累加和为结果如图3所示；
(2d)对步骤(2)得到的夹角累加和进行移动平均处理，即自第二个点开始求连续2m+1个的平均值，得到 (k＝m+1，…，n-m-1)，结果如图4所示，对夹角累加和进行移动平均处理有助于抑制扫描线数据中的噪声对计算结果的影响；
所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(3)过程如下：
步骤3：自前向后遍历自适应设定阈值，并根据阈值自动确定焊缝边缘点的位置。
(3a)遍历找到最小值记录最小值的索引值为Imin，自到遍历，找到局部最大值令
(3b)从开始遍历，寻找局部最小值当时，停止遍历，记录停止遍历时的局部最小值的索引值Ilmin，则焊缝边缘点下标为： Ib＝(Ilmin+Imin)/2，δ为一常数。
以上实施方式仅用于说明本发明，而非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。

Claims (4)

1.一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：包括以下步骤：
(1)、通过三维激光扫描设备获取焊后焊缝的线扫描数据并输入计算机中，根据待提取的焊缝边缘点在扫描线中的位置交互设定扫描线方向；
(2)、计算每一条扫描线相邻线段间的有向夹角以及有向夹角的累加和，并进行移动平均处理；
(3)、自前向后遍历，自适应确定阈值，根据阈值自动确定焊缝边缘点的位置。
2.根据权利要求1所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(1)中交互设定扫描线方向时，当待提取的焊缝边缘点离扫描线起始点近时，扫描线方向不变；否则将所有扫描线反向。
3.根据权利要求1所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(2)过程如下：
(2a)、将一条扫描线上的所有点用pi＝(xi，yi，zi)表示，其中i＝0，…，n，每个点与其之后的一个点确定一个向量，得到向量vi＝(xi+1-xi，yi+1-yi，zi+1-zi)，其中i＝0，…，n-1；
(2b)、计算相邻两向量vi-1、vi之间的夹角θi，其中i＝1，…，n-1，设k＝(0，0，1),若(vi-1×vi)·k＞0，则θi＝arccos(vi-1·vi/||vi-1|| ||vi||)；若(vi-1×vi)·k＜0，则θi＝-arrccos(vi-1·vi/||vi-1|| ||vi||；
(3c)、一条扫描线中pi点对应的夹角为θi，其中i＝1，…，n-1，夹角累加和为其中j＝1，…，n-1；
(3d)、对步骤(3c)得到的夹角累加和进行移动平均处理，即自第二个点开始求连续2m+1个Sj的平均值，得到其中k＝m+1，…，n-m-1。
4.根据权利要求1所述的一种基于线扫描数据提取焊后焊缝边缘点的方法，其特征在于：所述步骤(3)过程如下：
(3a)、遍历找到最小值记录最小值的索引值为Imin，自到遍历，找到局部最大值令
(3b)、从开始遍历，寻找局部最小值当时，停止遍历，记录停止遍历时的局部最小值的索引值Ilmin，则焊缝边缘点下标为：Ib＝(Ilmin+Imin)/2，δ为一常数。
CN201710763164.3A 2017-08-30 2017-08-30 一种基于线扫描数据提取焊后焊缝边缘点的方法 Active CN107705312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710763164.3A CN107705312B (zh) 2017-08-30 2017-08-30 一种基于线扫描数据提取焊后焊缝边缘点的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710763164.3A CN107705312B (zh) 2017-08-30 2017-08-30 一种基于线扫描数据提取焊后焊缝边缘点的方法

Publications (2)

Publication Number Publication Date
CN107705312A true CN107705312A (zh) 2018-02-16
CN107705312B CN107705312B (zh) 2021-02-26

Family

ID=61170334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710763164.3A Active CN107705312B (zh) 2017-08-30 2017-08-30 一种基于线扫描数据提取焊后焊缝边缘点的方法

Country Status (1)

Country Link
CN (1) CN107705312B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109115127A (zh) * 2018-08-24 2019-01-01 合肥工业大学 一种基于贝塞尔曲线的亚像素峰值点提取算法
CN112001935A (zh) * 2020-07-28 2020-11-27 上海巧视智能科技有限公司 基于激光扫描的t型焊缝打磨方法、***、介质及终端

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8520929B1 (en) * 2010-04-29 2013-08-27 Nypro Inc. Method of sensing defects in the application of hot melt adhesive
CN104122332A (zh) * 2014-08-01 2014-10-29 深圳市神视检验有限公司 一种u肋角焊缝超声波探伤截面动态跟踪的方法和装置
US20150087982A1 (en) * 2013-09-21 2015-03-26 General Electric Company Method and system for lesion detection in ultrasound images
CN104697467A (zh) * 2015-02-12 2015-06-10 中北大学 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
CN104899898A (zh) * 2015-05-28 2015-09-09 华南理工大学 基于多维信息概率模型的路面检测方法
CN105574864A (zh) * 2015-12-14 2016-05-11 浙江工业大学 基于角度累加的自适应角点检测方法
CN105938620A (zh) * 2016-04-14 2016-09-14 北京工业大学 一种小口径管内焊缝表面缺陷识别装置
CN106530269A (zh) * 2015-09-15 2017-03-22 苏州中启维盛机器人科技有限公司 焊缝检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8520929B1 (en) * 2010-04-29 2013-08-27 Nypro Inc. Method of sensing defects in the application of hot melt adhesive
US20150087982A1 (en) * 2013-09-21 2015-03-26 General Electric Company Method and system for lesion detection in ultrasound images
CN104122332A (zh) * 2014-08-01 2014-10-29 深圳市神视检验有限公司 一种u肋角焊缝超声波探伤截面动态跟踪的方法和装置
CN104697467A (zh) * 2015-02-12 2015-06-10 中北大学 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
CN104899898A (zh) * 2015-05-28 2015-09-09 华南理工大学 基于多维信息概率模型的路面检测方法
CN106530269A (zh) * 2015-09-15 2017-03-22 苏州中启维盛机器人科技有限公司 焊缝检测方法
CN105574864A (zh) * 2015-12-14 2016-05-11 浙江工业大学 基于角度累加的自适应角点检测方法
CN105938620A (zh) * 2016-04-14 2016-09-14 北京工业大学 一种小口径管内焊缝表面缺陷识别装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUAN LI等: "Measurement and Defect Detection of the Weld Bead Based on Online Vision Inspection", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 *
王青竹: "B样条小波边缘检测的改进算法", 《中国优秀硕士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109115127A (zh) * 2018-08-24 2019-01-01 合肥工业大学 一种基于贝塞尔曲线的亚像素峰值点提取算法
CN112001935A (zh) * 2020-07-28 2020-11-27 上海巧视智能科技有限公司 基于激光扫描的t型焊缝打磨方法、***、介质及终端

Also Published As

Publication number Publication date
CN107705312B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
Li et al. Automatic welding seam tracking and identification
Fan et al. A precise initial weld point guiding method of micro-gap weld based on structured light vision sensor
He et al. Autonomous detection of weld seam profiles via a model of saliency-based visual attention for robotic arc welding
CN103231162A (zh) 机器人焊接质量视觉检测装置及其检测方法
Xu et al. Visual sensing technologies in robotic welding: Recent research developments and future interests
Li et al. Measurement and defect detection of the weld bead based on online vision inspection
CN111014879B (zh) 一种基于激光焊缝跟踪的机器人波纹板自动焊接方法
Ye et al. Passive vision based seam tracking system for pulse-MAG welding
CN113634964B (zh) 一种大型构件龙门式机器人焊接装备及焊接工艺
CN113119122B (zh) 一种机器人焊接***的混合离线编程方法
Tian et al. Automatic identification of multi-type weld seam based on vision sensor with silhouette-mapping
Yang et al. An automatic detection and identification method of welded joints based on deep neural network
Mohd Shah et al. Autonomous detection and identification of weld seam path shape position
Gao et al. A method of feature extraction of position detection and weld gap for GMAW seam tracking system of fillet weld with variable gaps
Stavridis et al. A cognitive approach for quality assessment in laser welding
Geng et al. A method of welding path planning of steel mesh based on point cloud for welding robot
CN107705312A (zh) 一种基于线扫描数据提取焊后焊缝边缘点的方法
Ding Visual neural network model for welding deviation prediction based on weld pool centroid
Xiao et al. An automatic calibration algorithm for laser vision sensor in robotic autonomous welding system
Shen et al. Measurement and evaluation of laser-scanned 3D profiles in wire arc hybrid manufacturing processes
Zou et al. Welding deviation detection algorithm based on extremum of molten pool image contour
Fan et al. An initial point alignment method of narrow weld using laser vision sensor
Ivanov et al. Visual control of weld defects using computer vision system on FANUC robot
Wu et al. Research on Welding Guidance System of Intelligent Perception for Steel Weldment
Guo et al. Construction of welding quality intelligent judgment system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant