基于斜率單調(diào)區(qū)間跨度分割的焊縫輪廓特征點的提取

(1.江西科技學院，南昌 330098； 2.南昌大學 資源環(huán)境與化工學院， 南昌 330031)

基于斜率單調(diào)區(qū)間跨度分割的焊縫輪廓特征點的提取

余亮1唐華1王芳1盧桂琴1何銀水2

(1.江西科技學院，南昌 330098； 2.南昌大學 資源環(huán)境與化工學院， 南昌 330031)

焊縫輪廓特征點是厚板機器人焊接中指導焊槍實施焊道規(guī)劃和焊縫跟蹤的依據(jù)。以提取的T形接頭焊縫輪廓為研究對象，提出了一種利用斜率單調(diào)區(qū)間跨度Otsu分割來提取焊縫輪廓特征點的算法。該算法首先利用有效的斜率計算方法求取預處理后的焊縫輪廓的斜率，然后對斜率進行平滑處理并確定斜率單調(diào)區(qū)間，從中篩選出斜率跨度超過平均跨度的區(qū)間；將這些區(qū)間的跨度再進行Otsu分割以確定跨度超過獲得的閾值區(qū)間，獲得最終區(qū)間的中間位置即為焊縫輪廓的特征點。該算法無需設定任何參數(shù)，可用于典型的焊縫輪廓特征點的提取。

特征點提取機器人焊接斜率跨度焊縫輪廓

0 序 言

厚板機器人弧焊涉及多層多道焊。在采用主動視覺傳感方式檢測焊縫輪廓信息時需要提取焊縫輪廓的特征點，因其是引導機器人實施焊道規(guī)劃和焊縫跟蹤的依據(jù)。因此有效獲取各類型接頭的焊縫輪廓的特征點是實現(xiàn)厚板機器人多層多道智能化焊接的關鍵技術之一。

目前對各類型焊縫輪廓特征點的定義尚無統(tǒng)一標準。在諸多研究中，對接、角接的焊縫輪廓特征點識別的研究較為多見。焊縫輪廓特征點的提取算法概括來共有如下幾種：Hough變換法[1]、搜索算法[2]；最小二乘法[3]、曲線擬合法[4]、模板匹配法[5]和斜率法[6]，其中最小二乘法直線擬合用于提取V形焊縫輪廓的邊界點及打底焊規(guī)則焊縫輪廓的特征點，而曲線擬合法用來獲取填充焊時的焊縫輪廓特征點。當然也有幾種方法同時采用的，這是因為在焊接過程中當縫隙尚未填滿時，焊縫的輪廓由兩部分組成，即邊界部分和待填縫隙輪廓部分，如文獻[2]提出用直線擬合獲取V形焊縫的邊界點，用搜索算法結合特征條件提取其它特征點。

上述研究中，提出的眾多算法有兩個方面有待改進：①識別出的焊縫輪廓的特征點的數(shù)目有限，即識別出的特征點的數(shù)目不能隨焊縫輪廓形貌的變化而變化；②需要人為設置特征點識別的各種閾值。這些缺陷無疑降低了算法的魯棒性和準確性。文中提出的利用斜率單調(diào)區(qū)間跨度Otsu分割法將有效解決上述問題。

1 特征點提取流程

提出的特征點提取流程如圖1所示。主要分兩個階段，一是焊縫輪廓預處理階段，二是基于斜率單調(diào)區(qū)間跨度分割獲取輪廓特征點階段。預處理的目的是使焊縫輪廓平滑且連續(xù)，為后續(xù)斜率計算的準確性作準備。

圖1 特征點提取流程

2 焊縫輪廓預處理

預處理的作用是使得圖像輪廓平滑，不產(chǎn)生偽特征點，如文獻[7]設計了圖像骨架化算法來剔除細化后焊縫輪廓的毛刺。

文中的預處理包括4個步驟，即細化處理(獲取線狀焊縫，可通過求取激光條紋平均高度獲得)、B樣條插值、膨脹處理和再次細化處理。以圖2作為試驗對象，圖3顯示了上述4個處理步驟的效果。

圖2 試驗圖像

圖3 預處理過程和效果

從處理結果來看，預處理后的焊縫輪廓光滑、連續(xù)。特征點提取試驗表明，預處理后的焊縫輪廓減少了偽特征點。

3 斜率計算

采用斜率法來識別焊縫輪廓特征點時首先需要設計有效的斜率計算公式，因為提取的焊縫輪廓在數(shù)字圖像中是離散的，且輪廓的局部區(qū)域數(shù)據(jù)點會因干擾和畸變而隨機偏離激光條紋各分段的主體位置。為了盡量減少局部干擾數(shù)據(jù)對斜率計算的影響，文中采用多個斜率平均值法來實現(xiàn)。式(1)給出了具體的斜率計算方法，即用4個斜率的均值作為最終的斜率。

(1)

式中,y(i)表示輪廓上的數(shù)據(jù)點在圖像中的列；x(i)表示對應的行位置。以圖3中再次細化的圖像為試驗圖像，經(jīng)平滑處理后獲取的輪廓數(shù)據(jù)的斜率如圖4所示，且該圖用“×”示意了特征點的位置。圖4直觀顯示了跨度值較大的各斜率單調(diào)區(qū)間及對應的特征點位置。

圖4 斜率計算及特征點位置展示

4 斜率單調(diào)區(qū)間跨度分割

如圖4所示，斜率值改變較大的位置往往存在焊縫輪廓特征點，且斜率值改變大的區(qū)間是單調(diào)區(qū)間(包括單增、單減區(qū)間)。對于上述單調(diào)區(qū)間，通過程序判定容易獲取，但是如何自動獲取斜率值改變“大”的區(qū)間需要設置有效處理步驟。為此，文中首先獲取所有斜率單調(diào)區(qū)間，同時標記每個區(qū)間的斜率改變量，然后求取這些斜率改變量的平均值，并選取斜率改變量超過上述平均值的區(qū)間。經(jīng)過上述處理，已能進一步消除大量的偽特征點。為了對剩下的區(qū)間作進一步甄別，文中采用Otsu算法對剩下區(qū)間的斜率改變量進一步分割，只選取斜率改變量超過Otsu算法獲取的閾值的區(qū)間，并將該區(qū)間的中心位置作為特征點。選取圖3中再次細化后的圖像為試驗圖像，特征點識別結果如圖5所示。

圖5 特征點識別結果

圖5效果顯示，獲取的4個特征點能準確反映焊縫輪廓的關鍵信息，且其獲取過程是自動的，中間無需設置任何人為的經(jīng)驗參數(shù)。

5 試驗驗證

為了進一步驗證文中算法流程的有效性，提出分別采用V形焊縫、T形接頭不同焊縫和搭接焊縫輪廓來驗證。驗證結果分別如圖6～9所示。

上述不同坡口特征點提取試驗結果顯示，文中提出的特征點提取算法能準確獲取各種典型焊縫輪廓的特征點。為獲取特征點提取的實際精度，特選定V形坡口5道焊縫輪廓進行試驗，所用焊縫輪廓視覺特征點的數(shù)目達到23個。試驗方法為：對視覺系統(tǒng)進行標定，之后進行焊縫輪廓特征點提取，記錄當前各特征點的視覺坐標，通過轉換得到相對應的空間坐標；將焊槍尖端移動至相關的特征點，記錄此時的空間坐標值；將每一視覺特征點轉換得到的坐標與記錄的對應的空間坐標相減獲取每次偏差。在視覺標定誤差為0.15 mm的前提下，文中特征點提取算法的平均精度可達0.21 mm。

圖6 V形坡口典型焊縫輪廓特征點提取試驗

圖7 T形接頭典型焊縫輪廓特征點提取試驗

圖8 兩塊試板搭接坡口特征點提取試驗

圖9 三塊試板搭接坡口焊縫特征點提取試驗

6 結 論

(1)提出了一種焊縫輪廓特征點提取方法，能滿足不同焊縫輪廓的特征點的提取。該方法以獲取的斜率單調(diào)區(qū)間為研究出發(fā)點，計算各單調(diào)區(qū)間的跨度值，并挑選出高于平均跨度值的單調(diào)區(qū)間，重新用Otsu算法對剩下的跨度值進行分割，最終自動確定跨度大的區(qū)間。

(2)該方法簡單、準確，且無需設定任何經(jīng)驗參數(shù)。經(jīng)過細化→插值→膨脹→再細化，能將焊縫輪廓處理為平滑且連續(xù)的曲線，可以有效減少偽特征點的出現(xiàn)。

(3)由于焊縫輪廓是離散型數(shù)據(jù)，存在局部波動，因此利用局部區(qū)域數(shù)據(jù)來設計多種斜率計算形式，并以這些斜率的平均值來擬制上述波動。文中提出的斜率計算方法能較好達成這一目的。

[1] Chen H，Liu W，Huang L，et al. The decoupling visual feature extraction of dynamic three-dimensional V-type seam for gan-try welding robot[J]. The International Journal of AdvancedManufacturing Technology，2015，80(9-12)：1741-1749.

[2] 黎咸西，熊震宇. 基于視覺傳感的多層多道焊縫圖像特征的識別[J]. 南昌航空大學學報(自然科學版)，2011，25(1): 53-57.

[3] 檀朝彬，曾惠林，皮亞東，等. 基于激光結構光的管道激光/電弧復合焊焊道跟蹤與能量控制系統(tǒng)[J]. 焊接，2015(7):26-29.

[4] 劉國平，張 華，胡瑢華，等. V形焊縫特征點提取的算法研究[J]. 焊接，2006(2):36-38.

[5] Zaojun F，De X，Min T. A vision-based self-tuning fuzzy controller for fillet weld seam tracking[J]. IEEE/ASME Transactions on Mechatronics，2011，16(3): 540-550.

[6] 雷正龍，呂 濤，陳彥賓，等. 基于掃描激光視覺傳感的焊縫圖像特征信息識別[J]. 焊接學報，2013，34(5): 54-58.

[7] 劉 航，李志勇，任杰亮，等. 焊縫輪廓線激光檢測系統(tǒng)開發(fā)及算法實現(xiàn)[J]. 焊接，2017(1): 27-31.

2017-04-25

TG409

余 亮，1971年出生，大學本科，講師。主要從事機械加工與材料熱處理技術方面的科研和教學工作。