結(jié)構(gòu)光焊縫跟蹤傳感器設(shè)計的關(guān)鍵問題

王含宇，韓 沖，張碧超

（新疆威奧科技股份有限公司，新疆 克拉瑪依 834003）

0 前言

在自動化和智能化設(shè)備研發(fā)領(lǐng)域，焊縫跟蹤依然是研究的重要技術(shù)之一。目前，焊縫跟蹤的應(yīng)用主要體現(xiàn)在焊前、焊接過程和焊后幾個階段。焊前主要進(jìn)行坡口檢查，起焊位置的自動尋找；焊接過程中主要進(jìn)行焊縫跟蹤；焊后主要進(jìn)行超聲無損檢測的導(dǎo)引和防腐涂層厚度的控制[1]。結(jié)構(gòu)光焊縫跟蹤傳感器仍然是研究和應(yīng)用較多的一種焊縫跟蹤傳感形式。國內(nèi)眾多高校和科研院所對結(jié)構(gòu)光傳感器進(jìn)行了各個方面的研究，包括傳感器設(shè)計、光學(xué)系統(tǒng)、圖像處理方法等[2]。

1 結(jié)構(gòu)光傳感器角度位置的設(shè)計實驗

結(jié)構(gòu)光焊縫跟蹤系統(tǒng)穩(wěn)定性的前提是圖像處理結(jié)果的穩(wěn)定性高、精度高，受外界環(huán)境的影響小。因此，對圖像采集方案的設(shè)計提出了更高的要求：要求投射出的激光條紋亮度均勻，寬度適宜，頻率受外界光照條件或弧光、飛濺等的干擾最少。設(shè)計出性能良好的圖像采集系統(tǒng)，盡可能地避開弧光、飛濺物等進(jìn)入圖像。因此，CCD拍攝的角度和條形激光器投射的角度以及濾光減光設(shè)計是圖像采集的關(guān)鍵，兩者角度關(guān)系的示意如圖1所示。

圖1 CCD拍攝的角度和條形激光器投射的角度示意

圖1中，α為激光器和工件夾角，β為CCD和工件形成的夾角。由經(jīng)驗可知，在β不變的前提下，α越小，光條紋變形度越大。在α不變的前提下，β在90°-α°～90°的范圍內(nèi)變化：當(dāng)β越接近90°，工件表面的環(huán)境光的鏡面反射越強(qiáng)，工件上的激光條紋的反光越小；當(dāng)β越接近90°-α°，工件表面的環(huán)境光的鏡面反射越小，工件上的激光條紋的反光越強(qiáng)；當(dāng)α=β時，激光條紋在焊件上的反光最強(qiáng)。在文獻(xiàn)[3]中，通過結(jié)構(gòu)光三維視覺測量精度分析，得出“當(dāng)α+β=90°時，即攝像機(jī)光軸方向與光平面垂直時，zL向即深度方向測量誤差最小，且不受其他參數(shù)的影響”的結(jié)論。而在文獻(xiàn)[4]中關(guān)于機(jī)器人運動和平面約束的結(jié)構(gòu)光標(biāo)定的討論中，得出“若結(jié)構(gòu)光平面與攝像機(jī)光軸垂直，則攝像機(jī)觀察不到結(jié)構(gòu)光圖像，因此，實際應(yīng)用中，結(jié)構(gòu)光平面與攝像機(jī)光軸不會垂直。”的結(jié)論。文獻(xiàn)[5]提出了一種結(jié)構(gòu)光焊縫跟蹤傳感器的結(jié)構(gòu)設(shè)計，CCD垂直拍攝焊件，激光器與相機(jī)成15°安裝，但未就激光器和CCD之間角度進(jìn)行說明。為了最好的設(shè)計本系統(tǒng)的光路結(jié)構(gòu)，本研究實測在打底、填充后焊道上激光器和攝像頭的位置關(guān)系變化對成像結(jié)果的影響。實驗方法是對α從15°～90°每隔15°，β從30°～150°每隔30°進(jìn)行角度遍歷的正交實驗。實驗效果如表1、表2所示。

表1 打底后焊道正交實驗效果

通過正交實驗得出結(jié)論：75°≤β≤95°，15°≤α≤30°激光條紋的變形度和成像效果均比較理想。

表2 打底焊后焊道正交實驗結(jié)果

由于一般的半導(dǎo)體激光器的光強(qiáng)存在高斯分布的特性，本系統(tǒng)采用Stocker yale的Nanoline Laser單線激光器（型號：NL-660S-50-01L-45°）。該系列的半導(dǎo)體激光器其相對光強(qiáng)和相對角位置有非高斯特性、輸出光強(qiáng)均勻分布的激光線，同時又保證穩(wěn)定的聚焦性能，適合于大部分的工業(yè)檢測應(yīng)用，如圖2所示。

由α和β的角度正交實驗結(jié)論設(shè)計了傳感器機(jī)械結(jié)構(gòu)。3D設(shè)計如圖3所示，實物如圖4所示。機(jī)械結(jié)構(gòu)設(shè)計既采用了正交實驗得出的結(jié)論，又兼顧了實際物體的實際外形尺寸和緊湊性。傳感器由CCD相機(jī)及濾鏡、激光器、弧光遮擋板、輔助攝像頭等幾個部分組成。

2 界面設(shè)計

圖2 激光器特性曲線對比

圖3 傳感器機(jī)械結(jié)構(gòu)3D設(shè)計

圖4 傳感器實物

本項目采用Qt應(yīng)用程序框架，構(gòu)建工業(yè)級跨平臺應(yīng)用程序用戶界面。應(yīng)用OpenCV的開源圖像處理函數(shù)庫設(shè)計軟件中的圖像處理算法，實現(xiàn)對焊縫關(guān)鍵點的識別和提取。采用標(biāo)定技術(shù)實現(xiàn)二維圖像向三維世界坐標(biāo)系的重建，實現(xiàn)坡口尺寸、坡口面積等的測量和計算。在工業(yè)現(xiàn)場實際應(yīng)用時，即便對同一種焊縫形式（如V型焊縫），結(jié)構(gòu)光條紋的圖像處理參數(shù)也是有可能需要調(diào)節(jié)的。這是由于在工業(yè)廠房內(nèi)，每天不同時段的環(huán)境光強(qiáng)度不同，工件坡口表面處理的不均勻造成的。雖然對同一種焊縫形式的圖像處理方法和流程一樣，但是設(shè)置的處理參數(shù)要在一段焊縫焊完更換下一段時重新驗證設(shè)置的是否合適。在跟蹤前，用戶界面彈出一個參數(shù)設(shè)置窗口。將相機(jī)此時拍攝的一張激光條紋圖像，通過調(diào)節(jié)界面參數(shù)，觀察微調(diào)后的圖像處理效果，判斷是否可以開始焊接，如圖5所示。

圖5 圖像處理參數(shù)設(shè)置窗口

在得到較理想圖像處理效果后，保存參數(shù)并點擊界面上的跟蹤按鈕，進(jìn)行焊縫跟蹤的圖像實時處理程序，如圖6所示。用戶界面分成五個部分：第一個部分為結(jié)構(gòu)光條紋的實時處理效果；第二部分為傳感器中小的輔助攝像頭拍攝的焊道的圖像。輔助攝像頭用于在跟蹤過程中，焊工實時監(jiān)控焊接狀態(tài)。如果發(fā)現(xiàn)處理偏差較大或出現(xiàn)處理結(jié)果失效，可以隨時在線干預(yù)跟蹤效果。由于焊接過程是不存在試錯的，所以如適當(dāng)增加人工干預(yù)可以有效減少由于焊接過程中系統(tǒng)波動造成的焊接失敗，減少損失。第三部分為跟蹤過程中，通過結(jié)構(gòu)光條紋和標(biāo)定結(jié)果輸出坡口的各項測量值，如：坡口寬度、坡口高度、組對間隙、錯邊量，跟蹤過程中水平和垂直軸的實際偏差量以及發(fā)送的脈沖數(shù)，還有一些焊接輔機(jī)的參數(shù)和系統(tǒng)參數(shù)等。第四部分為跟蹤水平和垂直軸的位置曲線變化情況，直觀顯示跟蹤的狀態(tài)是否穩(wěn)定可靠。第五部分為功能按鍵操作區(qū)域，布置了跟蹤系統(tǒng)各個硬件的操作按鈕。

圖6 焊縫跟蹤用戶界面

3 系統(tǒng)設(shè)計

系統(tǒng)設(shè)計如圖7所示。通過用戶界面、鍵盤、鼠標(biāo)、相機(jī)、遙控器等外部數(shù)據(jù)輸入系統(tǒng)，通過系統(tǒng)對輸入數(shù)據(jù)的正確性驗證后進(jìn)行處理。處理過程主要是圖像處理、定時器處理、運動執(zhí)行機(jī)構(gòu)處理以及其他中間數(shù)據(jù)的處理。輸出的處理結(jié)果主要是運動控制卡的脈沖輸出和其他執(zhí)行機(jī)構(gòu)的串口信號輸出。

圖7 系統(tǒng)設(shè)計框圖

4 前道工序的影響消除

在焊縫跟蹤傳感器的設(shè)計及測試過程中發(fā)現(xiàn)，前道工序?qū)缚p跟蹤的結(jié)果影響較大。突出表現(xiàn)在打底焊的自動跟蹤過程中，對識別穩(wěn)定性的影響最大。其中坡口打磨力度、速度與方向是否均勻，決定了激光結(jié)構(gòu)光在坡口處發(fā)生鏡面反射的情況是否沿焊接方向具有一致性，對識別準(zhǔn)確性的影響比較明顯，如圖8所示。雖然用同一種圖像處理方法，在進(jìn)行二值化后，可以明顯觀察到由于坡口打磨的偏差，導(dǎo)致激光條紋在坡口處的反光有非常明顯的起伏，如圖9所示。在連續(xù)焊接過程中，如果是在同一段焊道上，這種反光的變化會在一定程度上影響圖像處理結(jié)果，導(dǎo)致偏差。在實際應(yīng)用中，可通過機(jī)械打磨、化學(xué)噴涂等方法減小坡口處的鏡面反射，改善結(jié)構(gòu)光圖像質(zhì)量，更有利于準(zhǔn)確檢出坡口尺寸和組對間隙的大小。

圖8 前道工序的影響對比

圖9 采用相同圖像處理方法下的二值化結(jié)果

5 卡爾曼濾波在跟蹤中的應(yīng)用

在焊接跟蹤過程中，會有大量的噪聲進(jìn)入圖像，使得在起焊前設(shè)置好的圖像處理算法和相應(yīng)的參數(shù)在起焊后處理的結(jié)果出現(xiàn)偏差，導(dǎo)致焊接失敗。因此研究了在焊縫跟蹤過程中，建立卡爾曼濾波器來實現(xiàn)跟蹤過程的魯棒性控制。通過對圖像處理得出的焊縫中心點建立狀態(tài)方程和測量方程，建立中心點的卡爾曼濾波器，抑制過程噪聲和測量噪聲，來實現(xiàn)對焊縫中心點的最優(yōu)估計，并以這個最優(yōu)估計值來與設(shè)定的跟蹤點進(jìn)行比較，得出焊槍和焊縫中心的偏離[6]。采用卡爾曼濾波器在跟蹤過程中預(yù)測移動的下一位置，消除了圖像處理中由于環(huán)境變化導(dǎo)致的跟蹤點的跳變。OpenCV有自帶的卡爾曼濾波器，對于調(diào)試、使用十分方便。通過函數(shù)cvCreateKalman創(chuàng)建一個卡爾曼濾波器，用函數(shù)cvSetIdentity設(shè)置卡爾曼初始化參數(shù)。在跟蹤過程中，不斷將新處理得到的焊縫中心點送入預(yù)測函數(shù)cvKalmanPredict和校正函數(shù)cvKalmanCorrect，得到輸出的濾波后的中心點坐標(biāo)。跟蹤中卡爾曼濾波器對跟蹤點的濾波效果如圖10所示。

6 V型焊縫圖像處理方法及結(jié)果

6.1 圖像畸變校正

圖10 跟蹤中卡爾曼濾波器對跟蹤點的濾波效果

6.2 閾值分割[7]

比較圖像和中值濾波器后的圖像，來達(dá)到動態(tài)閾值的效果，實現(xiàn)初步消除環(huán)境光和激光在坡口處的二次反光的干擾。采用比激光條紋寬度大的濾波器尺寸，將濾波后的圖像作為原圖的背景。由原圖像相應(yīng)位置點的灰度值和代表該位置背景的圖像的相應(yīng)位置處的灰度值相減，如圖11所示。

圖11 閾值分割示意

平滑相減能消除部分反光，同時自適應(yīng)外部環(huán)境的變化，處理速度和效果均比較理想。原圖見圖12，動態(tài)閾值分割結(jié)果如圖13所示。設(shè)定的比較閾值過大，容易損失過多的原條紋圖像，影響后續(xù)處理精度；閾值設(shè)置過小，導(dǎo)致過多干擾圖像被保留。

圖12 原圖

6.3 查找輪廓

圖13 閾值分割后效果

在閾值分割結(jié)果上，使用腐蝕操作，消除一些小的離散區(qū)域。然后使用OpenCV的cvFindContours函數(shù)從二值圖像中尋找輪廓[8]。在被搜索到的所有輪廓中，用cvArcLength函數(shù)計算各個輪廓的邊長。因為激光條紋的閉合區(qū)域必然比零散噪聲的閉合區(qū)域大得多，于是比較邊長和設(shè)定的閾值，大于閾值的留下，并繪制在圖像上；小于閾值的則刪除。這樣，在初步設(shè)置參數(shù)時，可以通過試驗找到比較合適的閾值，既可以準(zhǔn)確留下條紋的區(qū)域，刪除反光在二值圖像上留下的干擾區(qū)域的影響，效果如圖14所示。

圖14 查找輪廓結(jié)果

6.4 中心線提取

在原圖中，激光條紋的中心最亮，因此在輪廓包圍的區(qū)域內(nèi)，每列中灰度值最大的點必然在激光條紋的中心上。在原始圖像輪廓區(qū)域內(nèi)，縱向從上到下掃描每個像素，比較像素值大小，將像素值最大的位置標(biāo)記，即為中心線。這樣做的結(jié)果是：中心線變?yōu)檫B續(xù)線條。然而在氬弧或者氣保打底焊時，在焊接過程中十分關(guān)注組對間隙，通過精確測量組對間隙，實時調(diào)節(jié)焊接機(jī)械機(jī)構(gòu)，使之隨著組對間隙的變化自動調(diào)節(jié)焊接擺動器的擺幅和擺速。因此，必須準(zhǔn)確定位坡口的位置。改進(jìn)后的提取策略如圖15所示。

如果采用一個固定設(shè)定的閾值，用所有區(qū)域內(nèi)的灰度值縱坐標(biāo)比較，容易造成中心線提取的間斷，即使是在折點和谷點的小范圍間斷，對后面提取關(guān)鍵點的準(zhǔn)確性也存在影響。如果采用輪廓的上下縱坐標(biāo)的平均值作為中心線，得出的中心線會有很多毛刺和波浪，對后續(xù)關(guān)鍵折點提取的準(zhǔn)確性將造成較大影響。本研究中心線提取方法取得的中心線仍然會由于有噪聲的引入，導(dǎo)致后面關(guān)鍵點的提取失敗。解決方法是對標(biāo)記的中心線沿橫坐標(biāo)和縱坐標(biāo)分別進(jìn)行中值濾波，濾波器的窗口設(shè)置小一些，能將中心線上的毛刺清除。由此，得出激光條紋的中心線，如圖16所示。

圖15 中心線提取算法

圖16 中心線提取結(jié)果

6.5 關(guān)鍵點提取

在中心線上，定義關(guān)鍵點從左往右分別為A，B，C，D，E，F(xiàn)。關(guān)鍵點提取算法如圖17所示。

在獲取的圖像上的關(guān)鍵點圖像2D坐標(biāo)，通過用標(biāo)定的相機(jī)內(nèi)外參數(shù)和激光條紋形成的光平面方程，計算關(guān)鍵點A，B，C，D，E，F(xiàn)在以焊件平面為世界坐標(biāo)系的空間中的三維坐標(biāo)值，并計算各點之間的實際距離，標(biāo)注在原圖像上，如圖18所示。

7 結(jié)論

圖17 關(guān)鍵點提取算法

圖18 最終結(jié)果

得出了設(shè)計制造結(jié)構(gòu)光焊縫跟蹤傳感器的幾個關(guān)鍵問題的研究結(jié)果。實驗了激光器和相機(jī)的角度變化對傳感器成像結(jié)果的影響，得出了激光器和相機(jī)之間角度的最佳結(jié)果，并由此設(shè)計了傳感器機(jī)械結(jié)構(gòu)。提出對坡口采用機(jī)械打磨、化學(xué)噴涂等方法處理，消除由于坡口制備造成的激光條紋的反光。通過卡爾曼濾波器跟蹤中得到的最優(yōu)估計與焊縫位置的偏差進(jìn)行跟蹤，提高跟蹤系統(tǒng)的抗干擾能力。由于焊縫組對間隙精確測量是實現(xiàn)自動化氣保氬弧焊接打底的關(guān)鍵。詳細(xì)論述了焊縫組對間隙精確測量的圖像處理方法。

[1]陳善本，林 濤.智能化焊接機(jī)器人技術(shù)[M].北京：機(jī)械工業(yè)出版社，2006.

[2]喬東虓，鄭 軍，潘際鑾.雙線結(jié)構(gòu)光焊縫跟蹤傳感器及其特性[J].電焊機(jī)，2010，40（11）：14-16.

[3]張廣軍.視覺測量[M].北京：科學(xué)出版社，2008：183-184.

[4]徐 德，譚 民，李 原.機(jī)器人視覺測量與控制[M].北京：國防工業(yè)出版社，2011：107-108.

[5]張 虓，馬兆瑞，鄭 軍，等.結(jié)構(gòu)光視覺焊縫跟蹤傳感器光學(xué)系統(tǒng)的研究[J].電焊機(jī)，2006，36(3)：22-26.

[6]陳建輝，高向東，劉明濤，等.基于卡爾曼濾波的焊縫跟蹤技術(shù)研究[J].試驗與研究，2008，37(1)：11-13.

[7]楊少榮，吳迪靖，段德山.機(jī)器視覺算法與應(yīng)用[M].北京：清華大學(xué)出版社，2008：148-149.

[8]于仕琪，劉瑞禎.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009：259-260.