激光视觉多层多道焊接图像处理

摘 要：本文针对基于激光视觉的多层多道焊接图像处理技术展开了研究工作。根据中厚板V型坡口焊接条件，制定一条合理的焊缝激光条纹图像处理流程，并提出改进的基于距离滤波的特征点识别方法，快速准确地检测激光条纹特征点信息，为后续多层多道焊接路径规划提供研究基础。试验结果表明，该方法处理速度快、精度高、鲁棒性强，满足多层多道焊接工艺要求。

关键词：图像处理；焊接；激光视觉

一、序言

中厚板焊接经常应用于船舶制造、桥梁桁架以及压力容器等领域中[1]，多层多道焊为常用的焊接方法之一.传统多层多道机器人焊接中一般采用每道焊接单独示教的方法，劳动强度大，效率低下，精度无法控制.因此多层多道自动化焊接系统为提高生产效率的关键解决方案[2].

目前，国内外为解决智能化焊接问题研制了多种传感方式，其中，视觉传感器因其具有非接触式，精度高，图像信息丰富等优点受到国内外学者广泛关注. 现阶段，大量论文的方向集中在激光视觉焊缝跟踪的图像处理技术。张华军[3]等人分析了焊缝条纹图像的纵向灰度分布规律，采用二重斜率平滑处理的方法，获得了焊缝形状的四个拐点；顾帆[4]等人通过中心线直线拟合与逐列搜索相结合的方法提取了焊缝特征点；蔡志勇[5]等人将小波变换算法应用于多层多道焊缝激光条纹提取，并通过模板匹配技术实现焊缝坡口拐点识别. Prasarn Kiddee等人[6]利用十字激光交叉点的先天条件设计了一种自动获取ROI区域的算法，并通过局部模板匹配的方法获取特征点的坐标，减小了计算成本。

本文根据焊接过程中的弧光、飞溅等噪声的存在方式，制定了一条实时焊接图像处理流程，提出了改进的基于距离滤波的特征点识别方法，快速准确处理出每道焊缝填充后所形成的激光条纹特征点.

二、多层多道焊接系统

整个焊接系统包括一台ABB IRB1410型机器人，一套福尼斯MIG/MAG焊接系统，一个激光视觉传感器以及一台工控机.焊枪位于机器人末端，同时将激光传感器固定于焊枪前方.由激光视觉传感器采集焊接图像传输给工控机，经过图像处理获得所需要的特征点三维信息。焊接顺序如图1所示，共4层8道，钢板材料为Q235，板厚12mm，每道焊接参数相同。

三、多层多道焊缝图像处理

1. 图像预处理

如图2a所示，激光视觉传感器中设置的滤光片和遮光板为采集到的图像滤除了大量的弧光、飞溅，但仍然包含许多类似椒盐和脉冲等噪声。在对原始图像灰度化后，采用3*3的模板对采集到的图像进行中值滤波，处理结果如图2b所示。本文采用通用的二值化算法来消除滤波后残留的灰度值较小的噪声，突出激光条纹线。对于图像中除了激光条纹线外的少量飞溅，本文提取了如图2d所示坡口附近图像的感兴趣区域（ROI）使区域外像素值置0。并对感兴趣区域内的条纹线，以3阶的单位矩阵为结构元素进行2次形态学膨胀，处理结果如图2e所示。图像细化可以删除二值图像不必要的轮廓点，只保留其骨架。本文采用文献[7]的算法，将激光条纹曲线层层简化为单像素的中心线。对激光条纹图像进行多次迭代，直至获得如图2f所示的中心线。

2. 特征点提取方法

（1）距离滤波方法基本思想

采用距离滤波对激光条纹中心线进行特征点识别[8]是取激光条纹中的前后若干点进行直线拟合，求取激光条纹上的像素点到该直线的距离并根据经验设置一定阈值.通过对比所求取的距离数据与设置的阈值之间的大小，对中心线进行3次滤波得到图像特征点。由于设置了阈值所以滤波后的两端端点并不是真正的特征点，因此需要对设置的阈值进行补偿.最终确定精确的激光条纹特征点.

该方法可以快速滤除中心线上大量与特征点无关的信息.然而采用这种滤波方法检测出的4个特征点信息仅适用于并排焊道不多于2道的情况同时先滤波后补偿的方法在运算过程中易出现误差，具有一定的局限性.

（2）改进的基于距离检测的特征点提取方法

本文针对中厚板大坡口多层多道焊接特征点，借鉴上述距离检测的概念设计了一种焊接特征点检测方法，基本检测流程如图3所示。首先从左（右）第一个像素不为0的点逐列检索，根据V型坡口顶部拐点的特点检索出顶部左（右）2个拐点，然后过这两点（a（jl），jl），（a（jr），jr）拟合一条直线，在jl，jr间计算像素值为1的点到该直线的距离d的集合。最终检索出最大值d所在的点，作为下一步焊接位置的参考点。

四、试验结果

采用上述多层多道焊缝图像处理算法，分别对各道焊缝进行图像处理和特征点检测试验，处理结果如图4所示，以焊接第二道、第四道、第六道的结果为例。其中图4a1、4b1和4c1为原始的灰度图像；图5a2、5b2和5c2为距离检测曲线；图4a3、4b3和4c3为特征点检测结果。可以看出，特征点识别结果与焊缝特征点实际位置基本吻合。通过特征点的位置信息，可以进一步计算焊枪偏差值，规划焊枪位姿，实现焊缝跟踪，同时检测焊接质量，形成良好的焊接工艺。经过多组试验验证，该方法测量精度在0.2mm左右，单幅图像测量时间不超过0.08s。

五、结论

针对多层多道焊接过程中存在的问题，设计了一条结构光视觉图像处理流程，提出了一种改进的基于距离滤波的多层多道激光条纹焊缝特征点检测方法.首先采用逐列对比搜索的方法提取焊缝顶端2个特征点，过两点拟合一条直线，最终通过中心上的点到直线的距离对图像进行滤波得到底部特征点。试验证明，该方法能够快速准确地检测坡口特征信息，运算速度快，计算精度高，适应性强，满足多层多道焊缝跟踪的要求。

参考文献

[1]Kim Y B，Kim J G，Jang W T，et al.，“Development of Automatic Welding System for Multi-Layer and Multi-Pass Welding，” IFAC Proceedings Volumes，Vol.41，No.2，pp. 4290-4291，2008.

[2]Kang M G，Kim J H，Park Y J，et al.，“Laser vision system for automatic seam tracking of stainless steel pipe welding machine（ICCAS 2007），” International Conference on Control，Automation and Systems IEEE，pp. 1046-1051，2007.

[3]张华军，张广军，蔡春波，高洪明，吴林.机器人多层多道焊缝激光视觉焊道的识别[J].焊接学报，2009，30（04）：105-108+118.

[4]顾帆，陈华斌，何银水，陈善本.基于激光视觉的多层多道焊接坡口特征点提取方法[J].上海交通大学学报，2016，50（S1）：62-65.

[5]蔡志勇，陈荣，余伏章，张华，胡保安.小波变换的多层多道焊接拐角跟踪点的识别研究[J].中国图象图形学报，2008，13（12）：2344-2350.

[6]Kiddee P，Fang Z and Tan M.，“An automated weld seam tracking system for thick plate using cross mark structured light，” International Journal of Advanced Manufacturing Technology，Vol. 87，No. 9-12，pp. 3589-3603，2016.

[7]Zhang T Y.，“A fast parallel algorithm for thinning digital patterns，” Comm Acm，Vol. 27，No. 3，pp. 236-239，1984.

[8]歐志辉，孙振国，陈咏华，吴景然.基于距离滤波的厚板多层多道焊特征点识别算法[J].焊接技术，2017，46（05）：8-12+151.

作者简介

倪沫楠，男，1993.11.26，天津工业大学，研究方向：机器人视觉及其控制。

（作者单位：天津工业大学）