本发明专利技术公开了一种基于面阵结构光3D视觉的焊缝检测分割方法，包括获取相对应的焊缝接头纹理图和点云数据，由点云提取焊缝母材区域轮廓生成假设的焊缝接头候选集，通过纹理图用于点云的对应获得母材外轮廓，并在此基础上完成焊缝ROI区域的提取，通过基于HOG特征向量的SVM支持向量机识别判断焊缝ROI区域是否存在焊缝，对焊缝ROI区域所对应的焊缝接头母材区域表面拟合，以及基于拟合表面的ROI区域内所对应的点云焊缝外形主体分割提取。本发明专利技术还公开了基于面阵结构光3D视觉的焊缝检测分割装置。本发明专利技术对于焊缝检测的可靠性和效率均较高。高。高。
【技术实现步骤摘要】
一种基于面阵结构光3D视觉的焊缝检测分割方法及装置
[0001]本专利技术涉及一种焊缝检测方法及装置，特别是涉及一种基于面阵结构光3D视觉的焊缝检测分割方法及装置。
技术介绍
[0002]目前对成形焊缝的铣削打磨的应用需求也越来越多，以往焊缝铣削打磨主要还是依靠人工手动来实施，但是人工打磨效率较低，劳动强度大，对技艺性以及精准性均要求比较高。一般来说当前主要通过自动化装备或系统的方式来替代人工，主要分为专机型与机器人型两类系统方式，首先专机类主要是针对特定使用对象与场合(单一直缝或者环缝等)的专用型设备与装置(如CN 104400090,CN 112816554,CN 204657585所述)，而机器人型主要采用以重载工业机械臂为核心的集成式机器人工作站模式(如CN 110977702,CN 107116561,CN 112847128所述)，其对于加工焊缝的空间分布多变以及焊缝形状复杂的情况下的适应更为宽泛，但是相较于专机其刚度特性或者单一效率可能会具有弱势。不管采用哪种自动化铣削打磨装置，对于焊缝位置以及外形的精确把握则是铣削打磨质量的先决条件以及实施难点。
[0003]现有技术中对于焊缝的检测的主要问题是，接触式或者接近式检测信息量十分简单、2D图像传感器因为不能反应焊缝3维信息难以被设备或者机器人直接使用(只能用于一些固定结构的专机中)，3D激光轮廓扫描只依赖点云或者测距信息，因此在实际实施过程中经常会出现所获取的3D数据因为焊缝本身工况影响所导致的点云或者测距数据丢失，或者是焊缝本身因为成形不一导致焊缝余高变薄甚至塌陷的问题进而导致的检测可靠性问题，另外激光轮廓扫描需要依赖机器人进行动态扫描运动规划与控制，因此在检测模式、效率等方面还需要进一步提升。
技术实现思路
[0004]针对上述现有技术的缺陷，本专利技术提供了一种基于面阵结构光3D视觉的焊缝检测分割方法，目的是提高焊缝检测的可靠性和效率。本专利技术的另一目的是提供一种基于面阵结构光3D视觉的焊缝检测分割装置。
[0005]本专利技术技术方案如下：一种基于面阵结构光3D视觉的焊缝检测分割方法，包括以下步骤：
[0006]步骤1、通过RGBD结构光3D相机获取焊缝接头纹理图和点云数据，所述点云数据与所述纹理图一一对应；
[0007]步骤2、由所述点云数据提取母材点云边界，得到点云数据的假设接头候选集；
[0008]步骤3、将所述假设接头候选集映射至与所述点云数据对应的纹理图，并基于所述映射在所述纹理图提取母材外轮廓，计算纹理图上母材外轮廓的内接多边形并寻找两个多边形距离最近的两条边，由该最近的两条边的最小外接旋转矩形区域作为焊缝ROI区域；
[0009]步骤4、对所述焊缝ROI区域图像进行旋转及缩放预处理后提取HOG特征向量，并输
入至训练后的基于HOG特征的SVM支持向量机识别是否具有焊缝；
[0010]步骤5、经所述步骤4识别为具有焊缝时，将所述焊缝ROI区域图像对应的假设接头候选集进行平面拟合得到焊缝接头母材平面，计算焊缝ROI区域图像对应的所有点云数据至所述焊缝接头母材平面的有向投影距离，所有满足相对于焊缝接头母材平面有向投影距离大于0且小于焊缝预设余高阈值的点云数据构成焊缝本体点云数据。
[0011]进一步地，所述步骤2中由所述点云数据提取母材点云边界后，设定点云量级阈值对所述母材点云边界及边界内点云进行阈值排除。
[0012]进一步地，所述步骤2中提取母材点云边界后得到候选焊缝接头集，对候选焊缝接头集中每个候选焊缝接头的两个母材进行平面拟合并计算两个母材之间的夹角，然后设定夹角阈值对候选焊缝接头集筛选得到所述假设接头候选集。
[0013]进一步地，所述步骤3中在得到两个多边形距离最近的两条边后，通过纹理图像至3D点云的映射得到两条边对应的空间内边界，并对两条所述空间内边界计算落差，设定落差阈值进行筛选。
[0014]进一步地，所述落差由以下方法计算：
[0015]由所述两个母材之间的夹角的平面的法向相加可以得到焊缝接头的角分线向量计算两条所述空间内边界的中点和得到
[0016][0017]得到接头空间法向直线
[0018][0019]计算两个母材平面和直线L
i
的交点和则和之间的距离为所述落差。
[0020]本专利技术的另一技术方案是，基于面阵结构光3D视觉的焊缝检测分割装置，包括RGBD结构光3D相机和控制模块，所述RGBD结构光3D相机将焊缝接头纹理图和3D点云数据发送至控制模块，所述控制模块包括处理器及存储器所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述的基于面阵结构光3D视觉的焊缝检测分割方法。
[0021]本专利技术所提供的技术方案的优点在于：
[0022]传统技术方案只依赖于图像或者是3D激光点云或者轮廓，例如2D图像本身只具备对象的图像灰度纹理信息，缺乏3D的深度信息，因此在特征提取时往往会导致误识别等等错误，另外3D激光轮廓扫描只依赖点云或者测距信息，因此在实际实施过程中经常会出现所获取的3D数据因为焊缝本身工况影响所导致的点云或者测距数据丢失，或者是焊缝本身因为成形不一导致焊缝余高变薄甚至塌陷的问题进而导致的检测可靠性问题。本专利技术采用基于纹理图像与点云的融合处理，其信息更丰富，冗余度更好，因此在可靠性方面具有更好基础，并且可以分别提取焊缝与接头母材等分类信息。另外一般基于深度学习的焊缝识别，本质还是2D人工智能图像识别，需要依赖大量数据的训练才能达到一定的效果，而本专利技术基于设计者的算法规则设计，不需要特别多的数据即可实施。
[0023]本专利技术基于光栅结构光的RGBD式的3D相机采用的是立体视锥式光学采样覆盖范围，因此对于该区间内的焊缝对象只需固定位置单次拍摄(并且可以适应视野内多条焊缝同时存在)，而不需要像线扫激光轮廓仪必须通过带有启停控制的连续扫描运动(而且往往只能适应单条焊缝)，这样在时间效率上必然具备优势。同时，采用轮廓分析的线扫激光轮廓仪的扫描运动必须是沿着焊缝的方向，在考虑机器人运动过程中的关节限制等因素，本专利技术方法在带有曲线或者分段转向的焊缝在使用性上相比采用轮廓分析方法便利性更好。
附图说明
[0024]图1是实施例的基于面阵结构光3D视觉的焊缝检测分割方法的流程示意图。
[0025]图2是焊缝接头母材点云轮廓分割结果示意图。
[0026]图3是假设焊缝边界的落差距离计算示意图。
[0027]图4是焊缝ROI区域获取结果示意图。
[0028]图5是基于HOG特征向量的焊缝有无判断流程示意图。
具体实施方式
[0029]下面结合实施例对本专利技术作进一步说明，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本说明之后，本领域技术人员对本说明的各种等同形式的修改均落于本申请所附权利要求所限定的范围内。
[0030]一般机器人控制铣削打磨比较适合于焊缝空间分布较广的应用场景中，因本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于面阵结构光3D视觉的焊缝检测分割方法，其特征在于，包括以下步骤：步骤1、通过RGBD结构光3D相机获取焊缝接头纹理图和点云数据，所述点云数据与所述纹理图一一对应；步骤2、由所述点云数据提取母材点云边界，得到点云数据的假设接头候选集；步骤3、将所述假设接头候选集映射至与所述点云数据对应的纹理图，并基于所述映射在所述纹理图提取母材外轮廓，计算纹理图上母材外轮廓的内接多边形并寻找两个多边形距离最近的两条边，由该最近的两条边的最小外接旋转矩形区域作为焊缝ROI区域；步骤4、对所述焊缝ROI区域图像进行旋转及缩放预处理后提取HOG特征向量，并输入至训练后的基于HOG特征的SVM支持向量机识别是否具有焊缝；步骤5、经所述步骤4识别为具有焊缝时，将所述焊缝ROI区域图像对应的假设接头候选集进行平面拟合得到焊缝接头母材平面，计算焊缝ROI区域图像对应的所有点云数据至所述焊缝接头母材平面的有向投影距离，所有满足相对于焊缝接头母材平面有向投影距离大于0且小于焊缝预设余高阈值的点云数据构成焊缝本体点云数据。2.根据权利要求1所述的基于面阵结构光3D视觉的焊缝检测分割方法，其特征在于，所述步骤2中由所述点云数据提取母材点云边界后，设定点云量级阈值对所述母材点云边界及边界内点云进行阈值排除。3.根据权利要求1所述的基于面阵结构光3D视觉...
【专利技术属性】
技术研发人员：龚烨飞，程艳花，谢雨欣，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。