激光視覺搭接焊縫的圖像識(shí)別*

江南春,劉蘇宜，張 華

(1.南昌大學(xué) 江西省機(jī)器人與焊接自動(dòng)化重點(diǎn)實(shí)驗(yàn)室,江西 南昌330031;2.南昌大學(xué) 機(jī)電工程學(xué)院,江西 南昌 330031)

焊接過程自動(dòng)化是焊接的發(fā)展方向，焊縫識(shí)別技術(shù)則是實(shí)現(xiàn)焊接自動(dòng)化的關(guān)鍵技術(shù)之一。由于視覺傳感方法具有信息量大、信號(hào)傳感過程不影響焊接等優(yōu)點(diǎn)，目前，激光視覺傳感被廣泛應(yīng)用于焊縫識(shí)別。與其他普通光源相比，激光具有波長范圍窄、能量相對集中以及受環(huán)境影響小等優(yōu)點(diǎn)，利用它來進(jìn)行焊縫跟蹤識(shí)別所得圖像效果更好，從激光圖像中不僅能檢測出焊縫的中心位置，還能夠獲得焊縫的截面形狀和尺寸，適用于各種不同形狀的焊縫和焊接方法[1]。焊接接頭坡口的形式有不開坡口、V形坡口、U形坡口、X形坡口、搭接坡口等。本文針對搭接焊縫的圖像進(jìn)行識(shí)別，取得了較好效果。

1 圖像預(yù)處理

1.1 原始搭接焊接圖像分析

盡管激光圖像的質(zhì)量相比于其他光源拍攝圖像有所改善，但依然會(huì)受到焊接飛濺、煙塵以及弧光的影響。如何花費(fèi)盡可能少的時(shí)間消除這些噪聲，獲得高質(zhì)量的圖像是焊縫跟蹤識(shí)別的關(guān)鍵。

圖1為激光視覺焊縫跟蹤示意圖，試驗(yàn)用的焊絲為天津三英公司的SQJ501氣保護(hù)藥芯焊絲。圖2為焊接過程中現(xiàn)場采集的搭接接頭激光傳感圖像，從圖中可以看出采集的焊接坡口圖像信噪比低，包含很多噪聲，多為線狀和塊狀。根據(jù)焊接過程分析，這些噪聲主要由弧光、強(qiáng)熱、飛濺、煙塵等產(chǎn)生，噪聲的圖像灰度高于背景灰度，與圖像中激光線的灰度接近或者更高。因此如果對這些原始采集圖像直接進(jìn)行焊接坡口中心位置的識(shí)別和提取，會(huì)嚴(yán)重受到圖像噪聲的干擾而難以正確識(shí)別和提取。為更精確地識(shí)別、提取出焊接圖像中坡口中心的位置，需要對原始采集圖像進(jìn)行濾波去噪、邊緣檢測、二值化等預(yù)處理。

1.2 圖像預(yù)處理

圖像預(yù)處理的方法很多，主要有濾波去噪、圖像增強(qiáng)、圖像恢復(fù)（復(fù)原）、幾何畸變校正、直方圖變換等，圖像預(yù)處理的目的是改善圖像質(zhì)量，利于計(jì)算機(jī)后續(xù)處理和提取出目標(biāo)對象特征。圖像處理針對性很強(qiáng)，對不同的應(yīng)用有不同的要求，采取的處理方法也各不相同[2，3]，需要針對現(xiàn)場采集到的搭接焊接圖像進(jìn)行預(yù)處理分析。

通過均值濾波法、中值濾波、改進(jìn)濾波方法分析得出,焊接坡口圖像中背景灰度值最低，一般在50以下,噪聲和目標(biāo)圖像-激光線的灰度值基本上在100以上,但激光線的寬度一般為2～3個(gè)像素,而噪聲多為點(diǎn)線狀，寬度多在4個(gè)像素以上?；谶@些特征,本文提出一種更有效快速的濾波去噪方法。

在圖像中取一個(gè)1×5的水平窗口，并選定某一閾值T，當(dāng)窗口中第一像素小于 T而第 2、3、4、5個(gè)像素大于T，則判定為噪聲，并用第1個(gè)像素灰度值替代窗口中第2、3、4、5 個(gè)像素灰度值,按此規(guī)則掃描整幅圖像。圖3為原圖中一個(gè) 1×5水平窗口，窗口中第1個(gè)像素值為68，與第 2個(gè)像素 102有較大的灰度差值，而第 2～5個(gè)像素之間灰度差值很小，這是典型的噪聲?？扇∧骋婚撝礣作判斷依據(jù)，并用68取代第2～5個(gè)像素灰度值。

圖3 噪聲示例

由于每幅圖像的噪聲特點(diǎn)各有差異，因此閾值T的選取也不盡相同,而T值選取得合適與否會(huì)直接影響圖像處理的效果。為此，通過統(tǒng)計(jì)圖像中灰度值在50～100間各級灰度對應(yīng)的像素?cái)?shù)，按以下公式取其中的概率平均灰度值：

其中，i為灰度級，ni為灰度級的像素?cái)?shù)。采用通過此方法得到的閾值T，能取得較好的處理效果。

1.3 搭接焊接圖像的二值化

進(jìn)行圖像分析首先要把分析對象即感興趣的物體從背景中分割出來，即圖像分割。圖像分割最常用的方法就是圖像二值化。圖像二值化就是設(shè)定某一閾值T，用T將圖像的數(shù)據(jù)分成兩大部分：大于T的像素群的灰度值設(shè)置為0或255，小于T的像素群的灰度值設(shè)置為255或0，使灰度圖像變成黑白二值圖像，其數(shù)學(xué)表達(dá)式為：

正確選取灰度閾值T是圖像二值化處理的關(guān)鍵問題。閾值選取的方法有多種[3]，如P參數(shù)法、雙峰法、微分直方圖法等，使用時(shí)針對圖像的不同特性選取最佳的方法。

在焊接過程中，由于電弧狀況不斷變化，焊縫跟蹤時(shí)實(shí)時(shí)拍攝的坡口圖像背景灰度值并不恒定，在一幅圖像中效果較好的灰度閾值在其他圖像中效果可能較差。基于這種情況，本文采用一種自適應(yīng)閾值調(diào)整的方法——最大方差法[4]。這種閾值選取法不管圖像的直方圖有無明顯的雙峰，都能得到較滿意的結(jié)果，是閾值自動(dòng)選擇的最優(yōu)方法。搭接直方圖及其二值化圖像如圖4所示。

2 圖像識(shí)別

2.1 三種圖像識(shí)別方法

2.1.1 結(jié)構(gòu)元素匹配法

通過分析大量經(jīng)圖像預(yù)處理后的搭接接頭中心位置的特點(diǎn)，本文提取了搭接接頭中心的三種結(jié)構(gòu)元素模型如下：其中帶*號(hào)的像素點(diǎn)為待識(shí)別的搭接接頭中心點(diǎn)，×表示灰度值為0或255。

2.1.2 改進(jìn)模板匹配法

圖像的模板匹配算法思想是先給定一幅圖像，然后到另一幅圖像中去查找這幅圖像，如果找到了就匹配成功[5-6]。圖像模板匹配的算法有多種，常用的是全圖模板匹配。

(1)全圖模板匹配

全圖模板匹配的具體計(jì)算方法如下:設(shè)一幅圖像f(x,y)的大小為 M×N，模板圖像ω(x,y)的大小為 J×K(J＜M，K＜N),如圖6所示。模板圖像ω(x,y)在原圖上平移，在原圖上被模板圖像所覆蓋的圖稱為子圖Sm,n，m、n是子圖左上角像素點(diǎn)在原圖中的坐標(biāo)，模板圖像與子圖像之間的相似程度用以下相關(guān)函數(shù)R(m,n)計(jì)算，當(dāng)m,n改變時(shí)，可搜索到一個(gè)R(m,n)最大值，即為模板匹配的位置。

(2)特征點(diǎn)模板匹配

基于全圖模板匹配計(jì)算量大、費(fèi)時(shí)、實(shí)時(shí)性差的不足，本文提出采用圖像特征點(diǎn)匹配的方法，即不作全圖匹配而只是對原始圖像預(yù)處理后的二值化圖像中的白點(diǎn)(灰度值為255)計(jì)算其相關(guān)值R，同時(shí)二值化的模板圖像也只提取其中的白點(diǎn)參與計(jì)算。需要注意的是，這時(shí)模板圖像的匹配基準(zhǔn)點(diǎn)不在左上角像素點(diǎn)上，而在圖像上面第一行中掃描到的第一個(gè)灰度值為255的白點(diǎn)處。

模板匹配方法對搭接接頭的識(shí)別和提取適用，并且方法穩(wěn)定性高，精度誤差和實(shí)時(shí)性滿足應(yīng)用要求。

2.1.3 改進(jìn)Hough變換識(shí)別法

Hough變換[7-8]是一種檢測和定位直線和解析曲線的方法，適于用來檢測已知形狀的幾何曲線。Hough變換的主要優(yōu)點(diǎn)是其檢出曲線的能力較少受曲線中的斷點(diǎn)等干擾的影響，同時(shí)對原圖上的所有點(diǎn)進(jìn)行處理，取最終效果，因此抗干擾能力較強(qiáng)，是一種有效檢出形狀的方法。

(1)標(biāo)準(zhǔn)直線 Hough變換

Hough變換思想為：在原始圖像坐標(biāo)系下的一個(gè)點(diǎn)對應(yīng)了參數(shù)坐標(biāo)系中的一條直線，同樣參數(shù)坐標(biāo)系的一條直線對應(yīng)了原始坐標(biāo)系下的一個(gè)點(diǎn)，然后，原始坐標(biāo)系下呈現(xiàn)直線的所有點(diǎn)，它們的斜率和截距是相同的，所以它們在參數(shù)坐標(biāo)系下對應(yīng)于同一個(gè)點(diǎn)。這樣在將原始坐標(biāo)系下的各個(gè)點(diǎn)投影到參數(shù)坐標(biāo)系下之后，看參數(shù)坐標(biāo)系下有沒有聚集點(diǎn)，這樣的聚集點(diǎn)就對應(yīng)了原始坐標(biāo)系下的直線。

(2)快速Hough變換識(shí)別法

2.2 坡口中心識(shí)別方法的比較

本文對不同圖像識(shí)別方法進(jìn)行了直線型搭接焊縫的機(jī)器人跟蹤試驗(yàn)。

在焊接條件基本相同的情況下，分別采用三種對坡口中心的識(shí)別法，即結(jié)構(gòu)元素匹配法、特征點(diǎn)模板匹配法、快速Hough變換法，其試驗(yàn)條件如表1所示。

表1 試驗(yàn)條件

對20幀采樣圖像進(jìn)行實(shí)驗(yàn),將此提取的接頭中心點(diǎn)坐標(biāo)與實(shí)際圖像中接頭中心點(diǎn)坐標(biāo)進(jìn)行對照，并對以上提出的三種識(shí)別和提取搭接接頭中心點(diǎn)位置的方法進(jìn)行比較，從比較結(jié)果看，特征點(diǎn)模板匹配法比全模板匹配法的識(shí)別誤差和正確率均有所下降，但由于其計(jì)算量大大減少，因此實(shí)時(shí)性得到了很大提高；同樣,快速Hough變換法相比標(biāo)準(zhǔn)直線Hough變換法其識(shí)別誤差和正確率有所下降，但實(shí)時(shí)性得到很大提高。結(jié)構(gòu)元素匹配法的識(shí)別正確率稍低，但邊緣提取及角點(diǎn)檢測法識(shí)別誤差和正確率都較好，且計(jì)算量不大，實(shí)時(shí)性也高。另外，從穩(wěn)定性來看，結(jié)構(gòu)元素匹配法由于受所提取的結(jié)構(gòu)元素模型正確與否的影響，其穩(wěn)定性較其他方法稍差；從魯棒性來看，特征點(diǎn)模板匹配法和邊緣提取及角點(diǎn)檢測法的抗干擾能力強(qiáng)。

3 實(shí)驗(yàn)結(jié)果與分析

使用不同的識(shí)別方法對直線搭接焊縫進(jìn)行跟蹤,結(jié)果如圖7所示。

從圖7跟蹤試驗(yàn)結(jié)果來看，在直線搭接接頭焊縫的機(jī)器人跟蹤中，本文研究的三種焊接坡口中心圖像識(shí)別方法均能較好地實(shí)時(shí)識(shí)別和提取到坡口中心的圖像位置。其中用特征點(diǎn)模板匹配法、快速Hough變換法識(shí)別搭接接頭中心得到的跟蹤焊縫比較平整，而結(jié)構(gòu)元素匹配法稍有波動(dòng)，穩(wěn)定性較其他兩種稍低。

利用一種改進(jìn)的濾波方法，運(yùn)用自適應(yīng)閾值調(diào)整的的最大方差法計(jì)算濾波圖像的二值化閾值，是一種行之有效的圖像分割方法，最終為完善焊縫跟蹤系統(tǒng)奠定了基礎(chǔ)。

比較了三種方法的識(shí)別坐標(biāo)誤差、識(shí)別正確率，其中快速Hough變換法得到的跟蹤焊縫比較平整，為控制系統(tǒng)提供可靠的焊縫位置信息，這樣不僅有利于得到滿意的焊縫跟蹤效果，還能改善焊縫成形質(zhì)量。

[1]劉習(xí)文,王國榮,石永華.單條紋激光引導(dǎo)焊縫跟蹤圖像處理[J].焊接學(xué)報(bào)，2006，27(6)：25-28.

[2]岡薩雷斯.數(shù)字圖像處理(第 2版)[M].北京：電子工業(yè)出版社，2007.

[3]陳天華.數(shù)字圖像處理(第 1版)[M].北京：清華大學(xué)出版社,2007.

[4]陳梵,張秋余.基于背景圖像差分的手勢分割方法研究[D].蘭州:蘭州理工大學(xué),2009.

[5]高軍.基于模板匹配的圖像配準(zhǔn)算法[J].西安交通大學(xué)學(xué)報(bào),2007，41(3):307－311.

[6]隆武林,陳穎琪.基于圖像分割與特征匹配的目標(biāo)檢測及跟蹤[J].信息技術(shù),2009(11):19-23.

[7]姚立健，丁為民，趙三琴，等.廣義 Hough變換在遮擋圖像識(shí)別中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24(12)：97－101.

[8]姚立健,丁為民,張培培,等.基于改進(jìn)型廣義 Hough變換的茄子果實(shí)位姿識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(12):128-132.