基于機(jī)器視覺(jué)的鋼軌對(duì)接焊高精度檢測(cè)方法

陳 庚，張 偉，李存榮，鄒振東，任勇濤

(武漢理工大學(xué)機(jī)電工程學(xué)院，武漢 430070)

近年來(lái)，中國(guó)鐵路工業(yè)經(jīng)過(guò)不斷摸索，逐漸掌握核心技術(shù)并使鐵路技術(shù)快速、穩(wěn)定地發(fā)展，我國(guó)高鐵鋼軌焊接的數(shù)量隨之增加，其中使用閃光對(duì)接焊的比例最高。閃光對(duì)接焊設(shè)備將兩根鋼軌兩端的軌頂部平面和鋼軌的軌底部平面夾緊，工人通過(guò)用手觸摸并結(jié)合標(biāo)準(zhǔn)尺的方式來(lái)判斷兩鋼軌端的軌頂面和軌側(cè)面高度差，再根據(jù)結(jié)果調(diào)節(jié)鋼軌位置，但會(huì)存在以下問(wèn)題：人手感觸檢測(cè)存在主觀誤差；手動(dòng)操作受環(huán)境變化影響，焊接合格率不穩(wěn)定；對(duì)操作人員經(jīng)驗(yàn)要求高。由于閃光對(duì)接焊設(shè)備焊接前的對(duì)中精度需達(dá)到精度要求，且人工檢測(cè)方法易受人員經(jīng)驗(yàn)影響，不能滿足現(xiàn)場(chǎng)生產(chǎn)要求，因此，需要一種穩(wěn)定且精度較高的檢測(cè)方法來(lái)解決上述問(wèn)題。

機(jī)器視覺(jué)及圖像處理相關(guān)算法已在各工程問(wèn)題中被廣泛應(yīng)用。Norman Lei等針對(duì)CNC高速銑削操作期間的顫振問(wèn)題，設(shè)計(jì)了一種新的基于機(jī)器視覺(jué)的檢測(cè)系統(tǒng)對(duì)顫振頻率進(jìn)行識(shí)別并通過(guò)驗(yàn)證[1]；袁小翠等提出了鋼軌表面缺陷檢測(cè)的圖像預(yù)處理改進(jìn)算法進(jìn)行圖像檢測(cè)分析[2]；鞠標(biāo)等設(shè)計(jì)了一種基于幾何特征的鋼軌磨耗檢測(cè)系統(tǒng)，并通過(guò)了在軌道檢測(cè)小車(chē)上的實(shí)驗(yàn)驗(yàn)證[3]；Sandro M. Goi為比較三刺激色度計(jì)和圖像分析系統(tǒng)的差別，開(kāi)發(fā)了一種基于機(jī)器視覺(jué)的計(jì)算機(jī)系統(tǒng)，使用經(jīng)驗(yàn)數(shù)學(xué)模型進(jìn)行轉(zhuǎn)換分析，并通過(guò)了與比色計(jì)的對(duì)比驗(yàn)證[4]；吳祿慎等提出基于機(jī)器視覺(jué)的鋼軌表面檢測(cè)光學(xué)模型，并通過(guò)了實(shí)驗(yàn)性驗(yàn)證[5]；E.S. Gadelmawla開(kāi)發(fā)了一種用于螺紋的自動(dòng)測(cè)量和檢測(cè)的視覺(jué)系統(tǒng)，通過(guò)實(shí)驗(yàn)證明了該系統(tǒng)的良好準(zhǔn)確度[6]；R. Manish等為檢查磨削加工表面的光潔度和缺陷，保證精度要求，開(kāi)發(fā)了基于圖像處理的表面光潔度與缺陷檢測(cè)系統(tǒng)，利用Canny邊緣檢測(cè)算法在視覺(jué)上比較結(jié)果[7]。以上研究表明，機(jī)器視覺(jué)及圖像處理相關(guān)算法在軌道檢測(cè)中已得到廣泛應(yīng)用，但由于現(xiàn)場(chǎng)鋼軌閃光對(duì)接焊設(shè)備焊接過(guò)程的生產(chǎn)及操作人員條件等原因，導(dǎo)致目前基于機(jī)器視覺(jué)和圖像處理的技術(shù)尚沒(méi)有在鋼軌對(duì)接焊檢測(cè)中應(yīng)用。

目前通用的測(cè)量方式分為接觸式測(cè)量與非接觸式測(cè)量?jī)煞N[8-10]。在本文采用的非接觸式圖像測(cè)量方法中，將激光器發(fā)射出的線激光投射于被測(cè)部分，通過(guò)工業(yè)相機(jī)采集鋼軌圖像進(jìn)行一系列圖像處理方法及算法，最終得出測(cè)量結(jié)果[11]。非接觸式圖像測(cè)量中采用了相對(duì)測(cè)量的方法，測(cè)量不需要固定參考，因此易于操作且計(jì)算簡(jiǎn)單，避免了因固定參考點(diǎn)定位引起的誤差積累，解決了目前手動(dòng)接觸式測(cè)量中精度不穩(wěn)定的問(wèn)題。

本文采用一種基于機(jī)器視覺(jué)和圖像處理技術(shù)的高精度圖像處理定位方法，在生產(chǎn)中，迅速完成對(duì)兩段鋼軌的軌頂面和軌側(cè)面的高度差值檢測(cè)，實(shí)現(xiàn)較高精度的焊前位置檢測(cè)，解決了焊接不對(duì)中以及焊縫未對(duì)準(zhǔn)的問(wèn)題，并將誤差控制在接受范圍內(nèi)，該檢測(cè)算法在應(yīng)用中具有一定的通用性。

1 檢測(cè)系統(tǒng)設(shè)計(jì)

鋼軌端面呈H型，分別由軌頭、軌腰和軌底三部分組成，端面焊接如圖1所示，鋼軌軌頭和軌底被電極鉗口用夾緊力夾緊，待焊端面在頂鍛力的作用下互相貼緊。

圖1 焊接示意

系統(tǒng)總體方案如圖2所示，檢測(cè)裝置放置于鋼軌之上，檢測(cè)系統(tǒng)由成像裝置、處理系統(tǒng)和操作控制系統(tǒng)組成。激光垂直投射在與軌道軸線平行的軌頂面上，工業(yè)相機(jī)軸線與垂直于軌頂面的平面及激光線垂直，相機(jī)采集圖像后發(fā)送給客戶端，通過(guò)客戶端檢測(cè)軟件分析、計(jì)算出測(cè)量結(jié)果，將結(jié)果數(shù)據(jù)提供給操作人員，最后通過(guò)設(shè)備控制裝置調(diào)整焊接位置，形成負(fù)反饋閉環(huán)，直至測(cè)量結(jié)果在焊接精度要求范圍內(nèi)。

圖2 系統(tǒng)總體方案

2 檢測(cè)算法設(shè)計(jì)

2.1 檢測(cè)原理及數(shù)學(xué)模型

在檢測(cè)系統(tǒng)進(jìn)行特征定位與計(jì)算時(shí)，以圖像的左下角為坐標(biāo)原點(diǎn)(0，0)建立坐標(biāo)系，設(shè)經(jīng)過(guò)原點(diǎn)沿圖像寬度方向向右為X軸正方向，經(jīng)過(guò)原點(diǎn)沿圖像高度方向向上為Y軸正方向。檢測(cè)原理如圖3所示。

圖3 檢測(cè)原理示意

工業(yè)相機(jī)采集的圖像經(jīng)過(guò)前期處理后(包括灰度化以及二值化處理)可觀察到焊縫處造成了激光線的斷開(kāi)或突出(在焊縫處的左、右側(cè)激光線分別代表左、右鋼軌)，因此必須對(duì)焊縫處位置進(jìn)行定位，才能以此排除干擾，找出代表左、右鋼軌的特征線。

通過(guò)像素點(diǎn)灰度值的突變定位出焊接位置(即焊縫處)，如圖3中紅色線標(biāo)出的位置；在X軸上的(Xa，0)，(Xb，0)，(Xc，0)，(Xd，0)點(diǎn)處分別沿Y軸正方向?qū)ふ?，通過(guò)逐點(diǎn)判斷像素點(diǎn)灰度值是否由0變?yōu)?55或由255變?yōu)?的突變，來(lái)找到a1、a2、b1、b2、c1、c2、d1、d2點(diǎn)并記錄下各點(diǎn)的坐標(biāo)。

下一步，根據(jù)各點(diǎn)坐標(biāo)計(jì)算出線段a1a2、線段b1b2、線段c1c2和線段d1d2對(duì)應(yīng)中點(diǎn)a，b，c和d的點(diǎn)坐標(biāo)；最后，連接ab和dc的相交紅線與l和r兩點(diǎn)，此時(shí)用線段al和dr代表特征線的位置，運(yùn)用以下公式計(jì)算點(diǎn)l和r在Y軸方向的像素差值ΔY。

(1)

(2)

得出

ΔY=Yl-Yr

(3)

式中，(Xa，0)，(Xb，0)，(Xc，0)，(Xd，0)分別是a、b、c和d點(diǎn)的坐標(biāo)；XS為點(diǎn)l和點(diǎn)r的橫坐標(biāo)；Yl和Yr分別為點(diǎn)l和點(diǎn)r的縱坐標(biāo)。根據(jù)式(4)計(jì)算鋼軌焊縫處兩端軌頂面或軌側(cè)面高度差值

Δ=ΔY×μ

(4)

其中，Δ為實(shí)際左、右鋼軌頂平面或軌側(cè)平面高度差值；μ為像素當(dāng)量。

2.2 圖像預(yù)處理

圖像預(yù)處理的主要目的是消除工業(yè)相機(jī)采集圖像中的干擾信息，讓所需信息在圖像中更清晰可見(jiàn)，提高特征線定位的準(zhǔn)確性，減少周?chē)h(huán)境對(duì)后續(xù)定位和計(jì)算的影響，滿足特征線的定位和計(jì)算要求[12-13]。

圖像的灰度化處理中，將工業(yè)相機(jī)采集圖像轉(zhuǎn)換為灰度圖像，這樣既減少了信息處理量也便于圖像的后處理[14]，灰度處理后如圖4所示。

圖4 灰度化處理

在對(duì)圖像進(jìn)行灰度化處理之后，每個(gè)像素由不同的灰度值表示[15]，如果根據(jù)此時(shí)的圖像信息作為分析依據(jù)，特征線的識(shí)別和定位將復(fù)雜且工作量大，執(zhí)行效率低，精度將受到顯著影響，因此，有必要對(duì)圖像進(jìn)行二值化處理[16]。

設(shè)置合適閾值T，如果大于該值，則像素的灰度值設(shè)置為255，如果小于閥值，則將其設(shè)置為0[17-18]，如式(5)所示，二值化處理后，效果如圖5所示。

(5)

其中，f(x，y)是圖像二值化處理之前對(duì)應(yīng)點(diǎn)的灰度值；g(x，y)是與閥值對(duì)比后對(duì)應(yīng)點(diǎn)新設(shè)置的灰度值。

圖5 二值化處理

由于外部環(huán)境光線和鋼軌表面鏡反射的干擾，采集的圖像中不可避免地會(huì)有一些噪聲雜點(diǎn)，由于該噪聲雜點(diǎn)接近于特征線的灰度值，因此圖像的二值化處理并不能有效地去除，這將導(dǎo)致特征線的定位在某種程度上失效，直接影響后續(xù)計(jì)算，需通過(guò)濾波降噪消除噪聲[19-20]，效果如圖6所示。

圖6 濾波降噪處理

2.3 導(dǎo)軌焊接位置定位

工業(yè)相機(jī)采集的圖像經(jīng)過(guò)圖像預(yù)處理后，分析時(shí)出現(xiàn)如圖7、圖8所示的兩種情況。

(1)特征線在焊縫處斷裂，并且在左、右兩段特征線之間存在斷開(kāi)間隙，如圖7所示。

圖7 焊縫處特征線線斷開(kāi)

(2)左右特征線間無(wú)斷開(kāi)現(xiàn)象，但焊縫處的線寬有很大的突起，如圖8所示。

圖8 焊縫處特征線突變

針對(duì)圖7的情況，在圖像寬度方向(即Y軸方向)上逐列掃描，掃描每一列的同時(shí)對(duì)每列中灰度值為255的像素點(diǎn)進(jìn)行累計(jì)數(shù)量統(tǒng)計(jì)(設(shè)為T(mén))。當(dāng)掃描到某一列(設(shè)為α1列)且這一列中灰度值為255的像素點(diǎn)的數(shù)量T1為零，認(rèn)為特征線在此處開(kāi)始斷開(kāi)，記錄下列數(shù)并繼續(xù)掃描，當(dāng)掃描到某一列(設(shè)為β1列)且這一列中255灰度值像素點(diǎn)的累計(jì)數(shù)量T1不為零時(shí)，則認(rèn)為特征線在焊縫處的斷裂在此處結(jié)束并記錄下這列的列數(shù)，斷開(kāi)位置的中心通過(guò)以下公式得出

S1=α1+(β1-α1)/2

(6)

式中，S1為左右特征線斷開(kāi)的中心位置；α1為特征線開(kāi)始斷開(kāi)的位置；β1為特征線結(jié)束斷開(kāi)的位置。

針對(duì)圖8中左右特征線間無(wú)斷開(kāi)，但焊縫處線寬有很大突起的現(xiàn)象，采用在圖像寬度方向上逐列掃描，同時(shí)在掃描每一列時(shí)通過(guò)判斷各點(diǎn)的灰度值是否為255的方式，來(lái)記錄該列白像素點(diǎn)個(gè)數(shù)T2(統(tǒng)計(jì)完一列后初始化為零)。通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，特征線的平均寬度介于12～15個(gè)像素，當(dāng)T2>15時(shí)，記錄α2為特征線開(kāi)始突變的列，當(dāng)T2<15時(shí)，則認(rèn)為特征線結(jié)束突變，記該列為β2。突變處的中心位置用以下公式算出

S2=α2+(β2-α2)/2

(7)

式中，S2為特征線突變的中心位置；α2為特征線開(kāi)始突變的位置；β2為特征線結(jié)束突變的位置。具體判斷流程如圖9所示。

圖9 鋼軌焊接定位流程

2.4 特征線的識(shí)別和定位

特征線在圖像預(yù)處理后對(duì)呈白色線段，圖像預(yù)處理后的坐標(biāo)軸如圖3所示建立，再通過(guò)算法找到導(dǎo)軌焊接位置并在相應(yīng)位置繪制標(biāo)記線后，將特征線分為左特征線和右特征線兩部分，分別對(duì)其進(jìn)行識(shí)別與定位，但通過(guò)觀察與分析大量圖像發(fā)現(xiàn)以下問(wèn)題：

(1)左右特征線的最左與最右部分的線寬較細(xì)，并且少量出現(xiàn)特征線中斷與不連續(xù)現(xiàn)象；

(2)特征線在鋼軌焊接位置附近變形嚴(yán)重。

為降低減少識(shí)別和定位特征線的計(jì)算量，同時(shí)降低算法難度，選擇避免該干擾區(qū)域。

以左側(cè)特征線為例，搜索列中所有像素的灰度值，在距圖像最左邊一定距離(設(shè)置的距離為g像素)的位置上從下到上搜索、判別這列中所有像素點(diǎn)的灰度值，識(shí)別和定位左側(cè)特征線。首次檢測(cè)到像素點(diǎn)的灰度值為255時(shí)，將此像素點(diǎn)記為左特征線的下邊緣點(diǎn)a2，繼續(xù)辨別像素灰度值為255的點(diǎn)，如下一個(gè)像素點(diǎn)的灰度值為0，則記錄此像素點(diǎn)為特征線的上邊緣，設(shè)該點(diǎn)為a1，中心點(diǎn)a的坐標(biāo)由點(diǎn)a1和點(diǎn)a2的計(jì)算而來(lái)。同理，找到左特征線靠近焊接位置端的點(diǎn)b1，b2，b(設(shè)置從b1到X方向的h像素的焊接距離)， 識(shí)別、定位如圖10所示。

圖10 左特征線識(shí)別、定位示意

在圖10中，點(diǎn)a1和b1定位出左特征線的上邊緣，點(diǎn)a2和b2定位出下邊緣，連接a和b形成一條線段，該線段代表左特征線的位置。

2.5 計(jì)算特征線高度差

根據(jù)2.4節(jié)的方法定位出左右特征線，如圖11所示。在該圖中，線段ab和線段dc表示左右特征線，并且延伸線段ab和線段dc分別在點(diǎn)l和點(diǎn)r處與焊接中心線相交。根據(jù)圖11坐標(biāo)系，建立如下數(shù)學(xué)模型(在該項(xiàng)目實(shí)現(xiàn)中，將g設(shè)置為40，將h設(shè)置為100)。

圖11 特征線識(shí)別、定位示意

設(shè)點(diǎn)a，點(diǎn)b，點(diǎn)c和點(diǎn)d的坐標(biāo)分別為(Xa，Ya)，(Xb，Yb)，(Xc，Yc)，(Xd，Yd)，焊縫的中心位置由2.3節(jié)求得，已知點(diǎn)l和r的橫坐標(biāo)并記錄為Xs，由公式(1)計(jì)算得到

(8)

同理，由式(2)可得

(9)

聯(lián)立式(3)與式(4)，獲得鋼軌焊縫處兩端軌頂面和軌側(cè)面實(shí)際高度差值Δ。

3 功能開(kāi)發(fā)及驗(yàn)證

采用C#開(kāi)發(fā)軟件并進(jìn)行重復(fù)檢測(cè)試驗(yàn)，結(jié)合本文算法以直觀地對(duì)焊縫處特征線進(jìn)行檢測(cè)與特征識(shí)別，以軌頂面為例，其檢測(cè)及擬合界面如圖12所示。

圖12 軌頂焊縫處檢測(cè)及擬合界面

為驗(yàn)證本文系統(tǒng)的重復(fù)性與可靠性，檢測(cè)鋼軌焊接處在軌頂面和軌側(cè)面的高度差，對(duì)算法進(jìn)行分析，依據(jù)測(cè)量結(jié)果對(duì)系統(tǒng)進(jìn)行評(píng)估。選用兩段規(guī)格為60 kg/m且長(zhǎng)度均為100 m的標(biāo)準(zhǔn)鋼軌作為測(cè)試對(duì)象，根據(jù)均值-極差法選擇3個(gè)測(cè)量人(A、B、C)和6個(gè)測(cè)量樣品，每個(gè)測(cè)量樣品測(cè)量3次，測(cè)得數(shù)據(jù)見(jiàn)表1。

表1 檢測(cè)數(shù)據(jù)匯總 mm

由表1可得，測(cè)量人A、B、C對(duì)這6個(gè)樣品測(cè)得的均值和極差為

XA=0.138，RA=0.040

XB=0.146，RB=0.030

XC=0.146，RC=0.040

其中，X為均值，R為極值，參考值的均值XP為 0.153，極差RP為0.09，得到重復(fù)性和再現(xiàn)性(R&R)值為0.016，總變差(TV)值為0.062，由下式計(jì)算

%R&R=100×((R&R)/TV)

(10)

得%R&R=25.8%

根據(jù)Gage R&R判斷原則，結(jié)合綜合因素，該檢測(cè)系統(tǒng)在檢測(cè)的重復(fù)性及再現(xiàn)性方面符合誤差要求，具有較好穩(wěn)定性。

4 結(jié)論

(1)基于試驗(yàn)研究與分析，利用圖像處理和機(jī)器視覺(jué)技術(shù)提出一種新的鋼軌焊接檢測(cè)方法，對(duì)鋼軌焊縫的正面或側(cè)面高度差的檢測(cè)進(jìn)行優(yōu)化，確定了最適于高度差檢測(cè)的特征線的識(shí)別與定位方法。

(2)針對(duì)圖像預(yù)處理后的特征線斷開(kāi)、凸變的問(wèn)題，提出導(dǎo)軌焊接位置的定位方法，提取特征線突變中心位置，為進(jìn)一步獲得特征線高度差信息做好了準(zhǔn)備。

(3)針對(duì)手動(dòng)檢測(cè)效率低以及合格率不穩(wěn)定的問(wèn)題，利用相對(duì)定位方法計(jì)算特征，簡(jiǎn)化計(jì)算，避免參考點(diǎn)誤差引起的累積誤差，測(cè)量精度達(dá)到0.030 0 mm，使焊接合格率有較大提升。

(4)針對(duì)本文解決的相關(guān)問(wèn)題，即特征線信息的識(shí)別與提取，結(jié)合算法建立WinForms界面軟件，對(duì)焊縫處特征線信息進(jìn)行提取與分析。

(5)在下一步研究中，將繼續(xù)探討與深入檢測(cè)精度的提升與使用場(chǎng)景的拓展，使檢測(cè)結(jié)果更符合實(shí)際需求。