CN112561854A - 一种基于线结构光点云的焊缝检测方法 - Google Patents
一种基于线结构光点云的焊缝检测方法 Download PDFInfo
- Publication number
- CN112561854A CN112561854A CN202011251104.1A CN202011251104A CN112561854A CN 112561854 A CN112561854 A CN 112561854A CN 202011251104 A CN202011251104 A CN 202011251104A CN 112561854 A CN112561854 A CN 112561854A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- welding
- point
- line
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 241
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 239000000463 material Substances 0.000 claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims description 18
- 239000002184 metal Substances 0.000 claims description 14
- 229910052751 metal Inorganic materials 0.000 claims description 14
- 239000010953 base metal Substances 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910000679 solder Inorganic materials 0.000 description 2
- 238000005493 welding type Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于线结构光点云的焊缝检测方法,所述方法包括:获取待测焊缝的三维点云数据;将各个断面点云数据分割为母材点云数据和焊缝点云数据;根据母材点云数据和焊缝点云数据,确定待测焊缝对应的特征点;根据待测焊缝对应的特征点,确定待测焊缝对应的外形特征曲线;根据待测焊缝对应的外形特征曲线,确定待测焊缝的平整度。本发明通过对待测焊缝的三维点云数据进行分割,并基于分割后的母材点云数据和焊缝点云数据得到待测焊缝对应的特征点以及外形特征曲线,以对待测焊缝的结构外形进行检测,该检测方法具有精度高、效率高、实时检测、过程简单、适应性强等特点,适用于各种类型的焊缝检测。
Description
技术领域
本发明涉及电子信息技术领域,尤其涉及的是一种基于线结构光点云的焊缝检测方法。
背景技术
焊接质量主要取决于结构外形、焊缝组织和力学性能等方面,其中,焊缝结构外形是衡量焊缝质量的重要指标。良好的焊缝结构外形应为:焊缝表面细致、几何形状正确、焊缝余高适中、焊缝与母材过度平滑。实际焊接生产过程中,受焊接参数的变化和外界因素的干扰,焊接产品不可避免地会出现咬边、焊瘤、凹陷、焊接变形等缺陷。
传统的焊缝检测方法由检测人员使用焊缝检测尺来实现,此种方法检测效率低、缺乏一致性,不能满足现代焊接检测技术的要求。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于线结构光点云的焊缝检测方法,旨在解决现有技术中由检测人员使用焊缝检测尺来对焊缝进行检测,检测效率低、缺乏一致性,不能满足现代焊接检测技术的要求的问题。
本发明解决问题所采用的技术方案如下:
本发明实施例提供一种基于线结构光点云的焊缝检测方法,其中,所述方法包括:
获取待测焊缝的三维点云数据;其中,所述三维点云数据包括若干断面点云数据;
对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据;
根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点;
根据所述待测焊缝对应的特征点,确定所述待测焊缝对应的外形特征曲线;
根据所述待测焊缝对应的外形特征曲线,确定所述待测焊缝的平整度。
所述的基于线结构光点云的焊缝检测方法,其中,所述对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据的步骤包括:
获取各个所述断面点云数据中各个点对应的局部斜率;
根据各个点对应的局部斜率,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。
所述的基于线结构光点云的焊缝检测方法,其中,所述根据各个点对应的局部斜率,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据的步骤包括:
获取各个点对应的局部斜率变化量,将各个点对应的局部斜率变化量与预设分割阈值进行比较;
若所述局部斜率变化量小于预设分割阈值,则将所述局部斜率变化量对应的点作为母材点云数据中的点;
若所述局部斜率大于或者等于预设分割阈值,则将所述局部斜率对应的点作为焊缝点云数据中的点。
所述的基于线结构光点云的焊缝检测方法,其中,所述特征点包括焊脚点、顶点以及中心点,所述根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点的步骤包括:
根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的焊脚点;其中,所述焊脚点包括于所述焊缝点云数据内;
根据所述待测焊缝对应的焊脚点,确定所述待测焊缝对应的顶点和中心点。
所述的基于线结构光点云的焊缝检测方法,其中,所述根据所述待测焊缝对应的焊脚点,确定所述待测焊缝对应的顶点和中心点的步骤包括:
获取所述焊缝点云数据中各个点到其焊脚点组成的直线的距离值;
根据所述距离值,确定所述待测焊缝对应的顶点。
所述的基于线结构光点云的焊缝检测方法,其中,所述外形特征曲线包括焊缝边缘线、焊缝顶点线以及焊缝中心线;所述根据所述待测焊缝对应的特征点,确定所述待测焊缝对应的外形特征曲线的步骤包括:
根据所述待测焊缝对应的焊脚点,确定所述待测焊缝对应的焊缝边缘线;
根据所述待测焊缝对应的顶点,确定所述待测焊缝对应的焊缝顶点线;
根据所述待测焊缝对应的中心点,确定所述待测焊缝对应的焊缝中心线。
所述的基于线结构光点云的焊缝检测方法,其中,所述焊缝检测方法,还包括:
根据所述母材点云数据,确定所述待测焊缝对应的母材拼接点;
根据所述母材拼接点,确定所述待测焊缝对应的焊缝厚度。
所述的基于线结构光点云的焊缝检测方法,其中,所述焊缝检测方法,还包括:
根据所述母材拼接点和所述焊脚点,确定所述待测焊缝对应的焊脚厚度。
本发明的有益效果:本发明实施例首先获取待测焊缝的三维点云数据,然后,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。接着,根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点。随后,根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点。最后,根据所述待测焊缝对应的外形特征曲线,确定所述待测焊缝的平整度。本发明通过对待测焊缝的三维点云数据进行分割,并基于分割后的母材点云数据和焊缝点云数据得到待测焊缝对应的特征点以及外形特征曲线,以对待测焊缝的结构外形进行检测,该检测方法具有精度高、效率高、实时检测、过程简单、适应性强等特点,适用于各种类型的焊缝检测。
附图说明
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,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地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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他的附图。
图1是本发明实施例提供的一种基于线结构光点云的焊缝检测方法的流程示意图;
图2是本发明实施例提供的线结构光传感器采集待测样品的三维点云数据的结构示意图;
图3是本发明实施例提供的断面点云数据的结构示意图;
图4是本发明实施例提供的焊接结构为平面焊缝结构时,线结构光传感器采集的断面点云数据的结构示意图;
图5是本发明实施例提供的焊接结构为角焊缝结构时,线结构光传感器采集的断面点云数据的结构示意图;
图6是本发明实施例提供的待测焊缝对应的特征点的结构示意图;
图7是本发明实施例提供的待测焊缝对应的外形特征曲线的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
由于现有技术中,受焊接参数的变化和外界因素的干扰,焊接产品不可避免地会出现咬边、焊瘤、凹陷、焊接变形等缺陷。但传统焊缝检测方法是由检验人员使用焊缝检验尺来实现,此种方法检测效率低、缺乏一致性,不能满足现代焊接技术的要求。三维精密测量是传感技术与自动检测技术的研究前沿以及未来的发展方向。其中,线结构光三维测量方法具有精度高、适应性强、受环境光影响小、安装维护方便等特点,在工业测量和移动测量领域得到广泛应用,是焊接领域中最有发展前景的传感器检测技术。目前,国内线结构光焊缝三维检测技术停留在理论界面,缺乏用于实际工程的方法和设备。
为了解决现有技术的问题,本实施例提供了一种基于线结构光点云的焊缝检测方法,通过所述方法可以实现对焊缝进行高精度以及高效率检测,并且能够实时检测焊缝,焊缝检测过程见到,适用于对各种类型的焊缝进行检测。具体实施时,首先获取待测焊缝的三维点云数据,然后,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。接着,根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点。随后,根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点。最后,根据所述待测焊缝对应的外形特征曲线,确定所述待测焊缝的平整度。该检测方法具有精度高、效率高、实时检测、过程简单、适应性强等特点,适用于各种类型的焊缝检测。
本实施例提供一种基于线结构光点云的焊缝检测方法,具体如图1中所示,所述方法包括:
步骤S100、获取待测焊缝的三维点云数据;其中,所述三维点云数据包括若干断面点云数据。
具体地,本实施例中三维点云数据由线结构光传感器采集,如图2和图3所示,线结构光传感器由固定角度安装的相机和线激光器组成,线结构光传感器基于激光三角测量原理获取单个测量断面点云数据,并通过编码器提供的距离触发信号工作,连续获取多个测量断面点云数据,结合定位定姿信息即可获得待测焊缝的三维点云数据,以便后续步骤中根据三维点云数据对焊缝的结构外形进行检测分析。
步骤S200、对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。
如图4和图5所示,为焊接结构中常见的平面焊缝结构和角焊缝结构对应的三维点云数据图,从图4和图5可以看出,线结构光传感器获取的断面点云数据具有“直线-焊接面曲线-直线”的形状特征,与线结构光投射到两块焊接母材表面形成的轮廓一致。为了获取待测焊缝对应的特征点,对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。所述母材点云数据与所述焊缝点云数据在空间位置上应该是连续的,对于不连续的点云数据,可以使用中值滤波、DBSCAN算法等进行去噪。
在一具体实施例中,所述步骤S200包括:
步骤S210、获取各个所述断面点云数据中各个点对应的局部斜率;
步骤S220、根据各个点对应的局部斜率,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。
具体地,所述断面点云数据中各个点对应的局部斜率指包含所述断面点云数据中各个点的局部区域段的斜率。由图4和图5可以看出,属于同一母材的点云数据中的A点和B点对应的局部斜率相近,属于焊缝点云数据中的C点和D点对应的局部斜率则存在差异。本实施例在对断面点云数据进行分割时,获取各个所述断面点云数据中各个点对应的局部斜率,并根据各个点对应的局部斜率对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。对于断面点云数据S(p1,p2,p3,...,pn),其任意点pi对应的局部斜率Ri可以表示为:
其中,(xi+k,yi+k)为pi+k点坐标,(xi-k,yi-k)为pi-k点坐标,k为大于1的整数。
在一具体实施例中,所述步骤S220具体包括:
步骤S221、获取各个点对应的局部斜率变化量,将各个点对应的局部斜率变化量与预设分割阈值进行比较;
步骤S222、若所述局部斜率变化量小于预设分割阈值,则将所述局部斜率变化量对应的点作为母材点云数据中的点;
步骤S223、若所述局部斜率大于或者等于预设分割阈值,则将所述局部斜率对应的点作为焊缝点云数据中的点。
具体地,各个点对应的局部斜率变化量可以是各个点对应的局部斜率与其邻近的点对应的局部斜率的差值,也可以在断面点云数据的两端各选择一个点,并分别计算断面点云数据两端的点对应的局部斜率到选定的点对应的局部斜率的差值,得到各个点对应的局部斜率变化量。然后将各个点对应的局部斜率变化量与预设分割阈值进行比较,当局部斜率变化量小于预设分割阈值时,将该局部斜率变化量对应的点作为母材点云数据中的点;则断面点云数据中剩下的点,即局部斜率变化量大于或者等于预设分割阈值时,将该局部斜率变化量对应的点作为焊缝点云数据中的点。
例如,待测焊缝的三维点云数据为S(p1,p2,p3,...,pn),基于线结构光传感器获取的断面点云数据形状特征,三维点云数据可被分割为母材点云数据SL(p1,p2,p3,...,px)和SR(py,p2,p3,...,pn),以及焊缝点云数据SM(px,p2,p3,...,py)。在将三维点云数据分割为母材点云数据SL(p1,p2,p3,...,px)时,可以在三维点云数据S(p1,p2,p3,...,pn)的左侧选取一个对比点例如p1,然后从三维点云数据的左侧开始,将三维点云数据中各个点对应的局部斜率与对比点p1对应的局部斜率相减,获得各个点对应的局部斜率变化量,然后将各个点对应的局部斜率变化量与预设分割阈值进行比较,获取局部斜率变化量小于分割阈值对应的点组成母材点云数据SL(p1,p2,p3,...,px),其中,母材点云数据SL(p1,p2,p3,...,px)满足:
SL={pi|abs(Ri-m1)<TANDpi-1∈SL}
其中,Ri为三维点云数据中任意点pi对应的局部斜率,m1为对比点对应的局部斜率,T为预设分割阈值。
同理,在将三维点云数据分割为母材点云数据SR(py,p2,p3,...,pn)时,可以在三维点云数据S(p1,p2,p3,...,pn)的右侧选取一个点例如pn,然后从三维点云数据的右侧开始,将三维点云数据中各个点对应的局部斜率与pn对应的局部斜率相减,获得各个点对应的局部斜率变化量,然后将各个点对应的局部斜率变化量与预设分割阈值进行比较,获取局部斜率变化量小于分割阈值对应的点组成母材点云数据SR(py,p2,p3,...,pn),其中,母材点云数据SR(py,p2,p3,...,pn)满足:
SR={pi|abs(Ri-m2)<TANDpi+1∈SR}
其中,Ri为三维点云数据中任意点pi对应的局部斜率,m2为对比点对应的局部斜率,T为预设分割阈值。
步骤S300、根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点。
具体地,所述特征点包括所述待测焊缝对应的焊脚点、顶点以及中心点。前述步骤中提到,断面点云数据被分割成三个子集,即焊缝左侧母材点云数据、焊缝点云数据以及焊缝右侧母材点云数据,各个点云子集间的交汇点即为待测焊缝对应的焊脚点。例如,母材点云数据为SL(p1,p2,p3,...,px)和SR(py,p2,p3,...,pn),焊缝点云数据为SM(px,p2,p3,...,py),则焊脚点为px和py。获取到待测焊缝对应的焊脚点后,根据待测焊缝对应的焊脚点,确定待测焊缝对应的顶点和中心点。
由上述步骤可知,每个断面点云数据中有两个焊脚点,即焊缝左侧母材点云数据与焊缝点云数据的交点以及焊缝点云数据与焊缝右侧母材点云数据的交点。如图6所示,假设每个断面点云数据中的焊脚点为pL(xL,yL)和pR(xR,yR),则焊脚点pL(xL,yL)和pR(xR,yR)所在的直线满足方程:
或者
Ax+By+C=0
其中,A=xR-xL,B=xL-xR,C=yL(yR-yL)+xL(xL-xR)。
一般将焊缝点云数据中到焊脚点组成的直线的距离最大值作为焊缝高度,而将焊缝高度对应的焊缝点云数据作为焊缝顶点,其中焊缝点云数据中各点到其焊脚点组成的直线的距离d的计算公式为:
焊缝高度的计算公式可表示为:
h=max(d)。
待测焊缝对应的中心点为焊脚点组成的直线的中点,假设焊脚点为pL(xL,yL)和pR(xR,yR),则待测焊缝对应的中心点pc(xc,yc)的计算公式为:
考虑到焊缝宽度会影响焊接时工件受热膨胀引起的变形,本实施例在获取到待测焊缝对应的焊脚点后,还进一步根据待测焊缝对应的焊脚点,确定待测焊缝对应的焊缝宽度。待测焊缝对应的焊缝宽度为焊脚点的连接线长度,假设焊脚点为pL(xL,yL)和pR(xR,yR),则待测焊缝对应的焊缝宽度w为:
在一具体实施例中,所述焊缝检测方法还包括:
步骤M310、根据所述母材点云数据,确定所述待测焊缝对应的母材拼接点;
步骤M320、根据所述母材拼接点,确定所述待测焊缝对应的焊缝厚度。
具体地,所述焊缝拼接点为焊缝左右两侧母材的交点,在确定待测焊缝对应的母材拼接点时,首先利用一元线性回归方程对焊缝左右两侧的母材点云数据进行拟合,得到第一拟合直线和第二拟合直线,然后求解第一拟合直线和第二拟合直线的交点,即为母材拼接点。而待测焊缝对应的焊缝厚度为待测焊缝对应的顶点到母材拼接点的距离。假设焊缝顶点为ph(x,y),母材拼接点为pM(xM,yM),则待测焊缝对应的焊缝厚度t为:
在一具体实施例中,所述方法还包括:
步骤M400、根据所述母材拼接点和所述焊脚点,确定所述待测焊缝对应的焊脚厚度。
具体地,所述待测焊缝对应的焊脚厚度包括左侧焊脚厚度和右侧焊脚厚度,其为左侧焊脚点和右侧焊脚点到母材拼接点的距离。假设左侧焊接点为pL(xL,yL),右侧焊接点为pR(xR,yR),母材拼接点为pM(xM,yM),则左侧焊脚厚度tL和右侧焊脚厚度tR的计算公式可表示为:
步骤S400、根据所述待测焊缝对应的特征点,确定所述待测焊缝对应的外形特征曲线。
具体地,如图7所示,待测焊缝的三维点云数据中包含三条典型的外形特征曲线,即焊缝边缘线,焊缝中心线以及焊缝顶点线。前述步骤中提到,待测焊缝的三维点云数据包括若干断面点云数据,对每个断面点云数据进行分割,并提取特征点,可以得到待测焊缝对应的多个焊脚点,多个顶点以及多个中心点,而焊缝边缘线为待测焊缝对应的多个焊脚点的连线,焊缝顶点线为待测焊缝对应的多个顶点的连线,焊缝中心线为待测焊缝对应的多个中心点的连线。在步骤S300中获取到待测焊缝对应的多个焊脚点、多个顶点以及多个中线点后,将各焊脚点连线即可获得待测焊缝对应的边缘线,将各顶点连线即可获得待测焊缝对应的顶点线,将各中心点连线即可获得待测焊缝对应的中心线。
步骤S500、根据所述待测焊缝对应的外形特征曲线,确定所述待测焊缝的平整度。
表面平整、过渡平缓的焊缝,应力集中的程度较小,抗疲劳性能较高。冷却不均匀或焊接工艺不合理,会产生局部凹凸现象,影响焊缝的平整度,产生局部应力集中,影响焊接强度。本实施例中在获取到待测焊缝对应的外形特征曲线后,通过固定间距采样,计算待测焊缝对应的外形特征曲线在一段区间内的标准差,并基于标准差、标准差的平均值、变异系数等确定待测焊缝的平整度,从而对焊缝的平整度或焊缝的整体一致性或细致程度进行量化评定。
例如,以待测焊缝对应的顶点线为例,计算固定间距(例如:1mm间距)采样的焊缝顶点数据的区间内标准差(例如:10cm区间)和该区间内曲线振幅大于预设阈值(例如:3mm、5mm、8mm、10mm等)的次数,以及曲线振幅的单向(凸起或凹下)累计值作为标准差的变异系数来确定待测焊缝的平整度,从而对焊缝的平整度或焊缝的整体一致性或细致程度进行量化评定。
以待测焊缝对应的中心线为例,每个计算区间焊缝中心线平整度以该区间测定结果的标准差表示:
其中,σi为焊缝中心线平整度计算值,di是以1m为一个计算区间,每隔一定距离采集得到的凹凸偏差位移值;n为计算区间用于计算标准差的测试数据个数。
综上所述,本发明公开了一种基于线结构光点云的焊缝检测方法,所述方法包括:获取待测焊缝的三维点云数据;对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据;根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点;根据所述待测焊缝对应的特征点,确定所述待测焊缝对应的外形特征曲线;根据所述待测焊缝对应的外形特征曲线,确定所述待测焊缝的平整度。本发明通过对待测焊缝的三维点云数据进行分割,并基于分割后的母材点云数据和焊缝点云数据得到待测焊缝对应的特征点以及外形特征曲线,以对待测焊缝的结构外形进行检测,该检测方法具有精度高、效率高、实时检测、过程简单、适应性强等特点,适用于各种类型的焊缝检测。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种基于线结构光点云的焊缝检测方法,其特征在于,所述方法包括:
获取待测焊缝的三维点云数据;其中,所述三维点云数据包括若干断面点云数据;
对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据;
根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点;
根据所述待测焊缝对应的特征点,确定所述待测焊缝对应的外形特征曲线;
根据所述待测焊缝对应的外形特征曲线,确定所述待测焊缝的平整度。
2.根据权利要求1所述的基于线结构光点云的焊缝检测方法,其特征在于,所述对各个所述断面点云数据进行分割,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据的步骤包括:
获取各个所述断面点云数据中各个点对应的局部斜率;
根据各个点对应的局部斜率,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据。
3.根据权利要求2所述的基于线结构光点云的焊缝检测方法,其特征在于,所述根据各个点对应的局部斜率,将各个所述断面点云数据分割为母材点云数据和焊缝点云数据的步骤包括:
获取各个点对应的局部斜率变化量,将各个点对应的局部斜率变化量与预设分割阈值进行比较;
若所述局部斜率变化量小于预设分割阈值,则将所述局部斜率变化量对应的点作为母材点云数据中的点;
若所述局部斜率大于或者等于预设分割阈值,则将所述局部斜率对应的点作为焊缝点云数据中的点。
4.根据权利要求1所述的基于线结构光点云的焊缝检测方法,其特征在于,所述特征点包括焊脚点、顶点以及中心点,所述根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的特征点的步骤包括:
根据所述母材点云数据和所述焊缝点云数据,确定所述待测焊缝对应的焊脚点;其中,所述焊脚点包括于所述焊缝点云数据内;
根据所述待测焊缝对应的焊脚点,确定所述待测焊缝对应的顶点和中心点。
5.根据权利要求4所述的基于线结构光点云的焊缝检测方法,其特征在于,所述根据所述待测焊缝对应的焊脚点,确定所述待测焊缝对应的顶点和中心点的步骤包括:
获取所述焊缝点云数据中各个点到其焊脚点组成的直线的距离值;
根据所述距离值,确定所述待测焊缝对应的顶点。
6.根据权利要求4所述的基于线结构光点云的焊缝检测方法,其特征在于,所述外形特征曲线包括焊缝边缘线、焊缝顶点线以及焊缝中心线;所述根据所述待测焊缝对应的特征点,确定所述待测焊缝对应的外形特征曲线的步骤包括:
根据所述待测焊缝对应的焊脚点,确定所述待测焊缝对应的焊缝边缘线;
根据所述待测焊缝对应的顶点,确定所述待测焊缝对应的焊缝顶点线;
根据所述待测焊缝对应的中心点,确定所述待测焊缝对应的焊缝中心线。
7.根据权利要求4所述的基于线结构光点云的焊缝检测方法,其特征在于,所述焊缝检测方法,还包括:
根据所述母材点云数据,确定所述待测焊缝对应的母材拼接点;
根据所述母材拼接点,确定所述待测焊缝对应的焊缝厚度。
8.根据权利要求7所述的基于线结构光点云的焊缝检测方法,其特征在于,所述焊缝检测方法,还包括:
根据所述母材拼接点和所述焊脚点,确定所述待测焊缝对应的焊脚厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011251104.1A CN112561854B (zh) | 2020-11-11 | 2020-11-11 | 一种基于线结构光点云的焊缝检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011251104.1A CN112561854B (zh) | 2020-11-11 | 2020-11-11 | 一种基于线结构光点云的焊缝检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561854A true CN112561854A (zh) | 2021-03-26 |
CN112561854B CN112561854B (zh) | 2023-07-04 |
Family
ID=75041951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011251104.1A Active CN112561854B (zh) | 2020-11-11 | 2020-11-11 | 一种基于线结构光点云的焊缝检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561854B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252449A (zh) * | 2021-09-27 | 2022-03-29 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面质量检测***及方法 |
CN114627020A (zh) * | 2022-03-18 | 2022-06-14 | 易思维(杭州)科技有限公司 | 一种曲面工件反光噪点去除方法 |
CN115294105A (zh) * | 2022-09-28 | 2022-11-04 | 南京理工大学 | 一种多层多道焊接余高预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106382884A (zh) * | 2016-08-18 | 2017-02-08 | 广东工业大学 | 一种点光源扫描焊缝的检测方法 |
CN107764205A (zh) * | 2017-11-06 | 2018-03-06 | 长安大学 | 基于线结构光扫描高频电阻焊焊缝形貌三维检测装置及检测方法 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
CN108335286A (zh) * | 2018-01-17 | 2018-07-27 | 南京理工大学 | 一种基于双线结构光的在线焊缝成型视觉检测方法 |
CN110717872A (zh) * | 2019-10-08 | 2020-01-21 | 江西洪都航空工业集团有限责任公司 | 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取*** |
CN111462110A (zh) * | 2020-04-20 | 2020-07-28 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、***及电子设备 |
-
2020
- 2020-11-11 CN CN202011251104.1A patent/CN112561854B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106382884A (zh) * | 2016-08-18 | 2017-02-08 | 广东工业大学 | 一种点光源扫描焊缝的检测方法 |
CN107764205A (zh) * | 2017-11-06 | 2018-03-06 | 长安大学 | 基于线结构光扫描高频电阻焊焊缝形貌三维检测装置及检测方法 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
CN108335286A (zh) * | 2018-01-17 | 2018-07-27 | 南京理工大学 | 一种基于双线结构光的在线焊缝成型视觉检测方法 |
CN110717872A (zh) * | 2019-10-08 | 2020-01-21 | 江西洪都航空工业集团有限责任公司 | 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取*** |
CN111462110A (zh) * | 2020-04-20 | 2020-07-28 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、***及电子设备 |
Non-Patent Citations (2)
Title |
---|
张德津等: "基于三维断面数据的机场道面刻槽检测方法", 《中南民族大学学报(自然科学版)》 * |
李玉: "基于结构光视觉的焊缝外观检测", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252449A (zh) * | 2021-09-27 | 2022-03-29 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面质量检测***及方法 |
CN114252449B (zh) * | 2021-09-27 | 2023-10-24 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面质量检测***及方法 |
CN114627020A (zh) * | 2022-03-18 | 2022-06-14 | 易思维(杭州)科技有限公司 | 一种曲面工件反光噪点去除方法 |
CN114627020B (zh) * | 2022-03-18 | 2023-06-20 | 易思维(杭州)科技有限公司 | 一种曲面工件反光噪点去除方法 |
CN115294105A (zh) * | 2022-09-28 | 2022-11-04 | 南京理工大学 | 一种多层多道焊接余高预测方法 |
CN115294105B (zh) * | 2022-09-28 | 2023-04-07 | 南京理工大学 | 一种多层多道焊接余高预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112561854B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112561854B (zh) | 一种基于线结构光点云的焊缝检测方法 | |
CN107876970B (zh) | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 | |
CN109596059B (zh) | 一种基于平行线结构光的飞机蒙皮间隙与阶差测量方法 | |
CN110987944B (zh) | 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 | |
CN111738985B (zh) | 一种焊缝轮廓视觉检测方法及*** | |
CN101178812A (zh) | 一种结构光光条中心线提取的混合图像处理方法 | |
CN112629441B (zh) | 3d曲面玻璃轮廓扫描检测方法及*** | |
CN110298853B (zh) | 面差视觉检测方法 | |
TWI724696B (zh) | 工件孔洞量測方法 | |
CN106813569B (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
CN112465851A (zh) | 一种基于压力容器表面焊缝表面轮廓曲线的参数检测方法 | |
CN108827197B (zh) | 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法 | |
Yu et al. | Visual texture-based 3-D roughness measurement for additive manufacturing surfaces | |
CN107894217B (zh) | 基于线结构光传感器的激光叠焊焊缝下凹量检测方法 | |
CN114111576B (zh) | 一种飞机蒙皮间隙面差检测方法 | |
CN113267122B (zh) | 一种基于3d视觉传感器的工业零件尺寸测量方法 | |
CN108662980A (zh) | 基于侧影技术的焊接螺柱位置检测装置及方法 | |
CN111288929B (zh) | 大曲率表面工件的三维高精度视觉测量方法 | |
CN113743483A (zh) | 一种基于空间平面偏移分析模型的道路点云误差场景分析方法 | |
Zou et al. | Laser-based precise measurement of tailor welded blanks: a case study | |
CN113390340A (zh) | 一种非连续区域的角球面球心空间位置检测方法 | |
Xu et al. | On-line visual inspection system for backside weld of tailored blanks laser welding | |
CN116423049B (zh) | 一种补焊位置确定方法和装置 | |
CN113358058B (zh) | 基于离散序列点的焊缝轮廓特征计算机视觉检测方法 | |
CN117853419B (zh) | 一种基于机器视觉的冷弯型钢几何缺陷检测方法 |
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 |