一种基于激光视觉传感器焊缝图像特征点提取方法

技术领域

本发明涉及一种基于激光视觉焊缝跟踪系统中图像特征点快速提取方法，可广泛应 用于机器人智能焊接等方面，属于先进制造与自动化领域。

背景技术

随着生产自动化和智能化技术的迅速发展，传统的示教再现式自动焊接因其自身的 局限性逐步向借助传感器进行自动识别焊缝的智能焊接转变。激光视觉传感器是一种具 有信息量大、测量精度高、抗电磁干扰能力强、适用范围广等一系列优点的无接触式传 感器，已成为焊缝跟踪系统的主流发展方向和研究热点，国外已进入实用化阶段。在利 用激光视觉传感器跟踪焊缝过程中，首先将激光投射到焊缝表面并由CCD摄取反射回来 的接头轮廓光条纹图像，通过图像处理技术提取结构光条纹中心线，从而获取焊枪与焊 缝的偏差信号和焊缝接头轮廓信息，最后实现焊接参数的实时调整，达到焊缝跟踪的目 的。

激光视觉传感器的关键有两点：一是如何获取高质量的焊缝图像，这对后续的图 像处理的复杂度和实时性至关重要；二是图像处理算法，图像处理作为整个处理过程 的基础与核心决定了焊缝检测的成败，但结构光视觉传感器很容易受到一次反光、光 条纹亮度分布不均、焊接弧光、烟雾和飞溅等影响，因此使得图像处理成为了整个检 测处理环节中的一个难题。刘振国和陈志翔在《电焊机》(2009，Vol39，No.4： 133-137)上发表了的“激光传感图像处理方法研究”，该文以典型的V型坡口焊缝为 例，针对激光传感图像研究了用于焊缝跟踪的实时图像处理算法。文中改进的中值滤 波算法减小了运算量，采用灰度比较得到最大值的方法巧妙的实现图像细化；针对倾 斜的结构光图像，利用点与直线的距离关系和激光结构光图像的特点捕捉图像特征 点。该方法具有可靠性高，抗杂散光或激光反光的优点，但是图像特征点的提取算法 繁琐，效率急需提高。因此，必须发展一种图像提取方法，该方法既有很强的鲁棒性 和对环境的抗干扰能力，同时能简化特征点提取的计算量和复杂程度，从而提高焊缝 识别的实时性，进一步保证焊接质量和智能焊接的顺利。

发明内容

本发明目的在于提高焊缝跟踪系统的鲁棒性和图像处理效率，提出了一种基于激光 视觉传感器焊缝图像特征点提取方法，以便快速的识别焊缝，对焊接参数做出快速调整。

本发明采用的技术方案为：一种基于激光视觉传感器焊缝图像特征点提取方法，包 括如下具体步骤：

1)CCD摄像机摄取条形激光线投射在焊缝表面上的图像信息后，经过图像滤波、阈 值分割、图像细化一系列预处理，得到清晰的激光条纹中心线；对于V型坡口，激光条 纹有五个特征点需要提取，定义其所在坐标系，首先从左到右，从上到下逐次搜索第一 个灰度非零值点，此点记为点A,其像素标记为(iA,jA)；从右到左，从上到下逐次搜索第 一个灰度非零值点，此点记为点E，其像素标记为(iE,jE)；

2)利用旋转算法将激光线条图像旋转到水平方向，定义旋转后的坐标系为x′oy′； 相应地，旋转后的图像中各特征点及其像素点记为A’、B’、C’、D’、E’，在旋转 后的图像中从左到右，从上到下逐次搜索第一个灰度非零值点，此点记为点C’；

3)利用3×1的窗口搜索点B’和点D’：窗口中心点初始位置为(ia,jc)，从初始位 置逐次向左或向右搜索第一个窗口中各像素点灰度值总和为非零的位置，记此处的窗口 中心点为点B’或D’；

4)根据B’、C’、D’点逆旋转算子求取原图像中B、C、D点，至此图像特征点提 取完成，接着利用最小二乘法原理拟合各段直线，计算焊缝几何特征信息和偏差信息。

本发明首先利用CCD摄像机摄取条形激光线投射在焊缝上的图像信息，通过中值滤 波(或均值滤波)对图像进行平滑处理，从而在一定程度上抑制图像中的噪声；接着采 用迭代算法实现自动阈值分割，对图像进行二值化处理，把图像分割为目标和背景两部 分，以利于后续的快速分析处理；通过边缘检测(如目前效果最好的Canny算子检测) 后采取上下两侧同时搜索各列相元上下两个灰度值为255的点并记录其所在行标，最后 求出两个行标的中值作为激光条纹的中心点，实现图像骨骼细化，图像细化有助于突出 其形状特点和减少冗余信息；接着利用本发明方法提取图像的特征点，最终获取焊缝的 几何特征信息和焊枪与焊缝的偏差信息。

本发明方法稍加改进还可以用于带间隙的V型坡口和对接焊缝。同样地，图像旋转 后用搜索A、E点的方法搜索两个缝隙特征点，搜索窗口初始位置的中心点列标取两缝 隙特征点列标的中值。

有益效果：采用本发明方法进行焊缝图像特征点提取，不仅可以使焊缝识别系统具 有很强的鲁棒性和对环境的抗干扰能力，同时简化了特征点提取的计算量和复杂程度， 从而提高了焊缝识别的实时性，为保证焊接质量具有一定的意义。

附图说明

图1是本发明涉及的未旋转的焊缝图像示意图；

图2是本发明涉及的旋转后的焊缝图像示意图；

图3是本发明涉及的图像特征点提取程序流程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。

如图1-3所示，一种基于激光视觉传感器焊缝图像特征点提取方法，包括如下具体 步骤：

1、经过细化后的图像，得到的激光条纹中心线有五个特征点(A、B、C、D、E)需 要提取，定义其所在坐标系，首先从左到右，从上到下逐次搜索第一个灰度非零值点， 此点记为点A，其像素点标记为(iA,jA)；从右到左，从上到下逐次搜索第一个灰度非零 值点，此点记为点E，其像素标记为(iE,jE)；

2、利用旋转算法将激光条纹图像旋转到水平方向，旋转角为θ，定义旋转后的坐标 系为x′oy′。旋转后的图像中各像素点坐标按照旋转算法发生改变，但灰度值保持不变， 记旋转后的图像中的各特征点及其像素点为A’、B’、C’、D’、E’。以A点为例， 像素点及其灰度值变换关系表示如下：

$(ia,ia,g(ia,ja\left)\right)=(iA,jA,g(iA,jA\left)\right)\left(\begin{array}{ccc}cos\theta & -sin\theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right)$

其中，g(ia,ja)表示A’点的灰度值，g(iA,jA)表示A点的灰度值，旋转角θ：

$\theta =arctan\left(\frac{iE-iA}{jE-jA}\right)$

3、图像旋转后A’E’与y′轴平行，此时可保证C’点在最下面，于是从左到右，从 上到下逐次搜索第一个灰度非零值点，可以得到点C’；

4、设计一个3×1的窗口搜索点B’和点D’，窗口中心点初始位置为(ia,jc)。从初 始位置逐次向左(右)移动窗口，搜索第一个窗口中各像素点灰度值总和G为非零值的 位置，记此处的窗口中心点为点B’(D’)。如果想要更准确的识别特征点B、D的位 置，可以将搜索窗口改为带有一定倾斜角度的窗口，窗口长度也可以加长，例如包含五 个像素点(ia+n,j+n)(n＝±2,±1,0)的左倾斜窗口，此窗口用来搜索B’点，搜索D’点 的窗口则需改为右倾斜。同时当窗口中灰度值总和G满足非零的时候，记窗口中那个灰 度非零值的点为B’(D’)点。

5、根据B’、C’、D’点及逆旋转矩阵求取原图像中B、C、D点，至此图像特征点 提取完成，接着利用最小二乘法原理拟合各段直线，计算焊缝几何特征参数和焊枪与焊 缝之间的偏差信息，控制系统根据此信号调节焊接参数进行纠偏，以达到实时跟踪的目 的。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提 下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实 施例中未明确的各组成部分均可用现有技术加以实现。