Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2022, Vol. 62 Issue (1): 156-162    DOI: 10.16511/j.cnki.qhdxxb.2021.21.031
  机械工程 本期目录 | 过刊浏览 | 高级检索 |
用于弧焊过程的视觉传感图像处理及特征信息提取方法
张天一, 朱志明, 朱传辉, 孙博文
清华大学 机械工程系, 先进成形制造教育部重点实验室, 北京 100084
Visual sensing image processing and feature information extraction for arc welding
ZHANG Tianyi, ZHU Zhiming, ZHU Chuanhui, SUN Bowen
Key Laboratory for Advanced Materials Processing Technology of Ministry of Education, Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China
全文: PDF(2530 KB)   HTML
输出: BibTeX | EndNote (RIS)      
摘要 视觉传感是获取焊枪位置和姿态以及焊接坡口形状和尺寸等特征信息的有效手段,是实现弧焊过程闭环反馈控制和智能化焊接的基础。该文提出了用于弧焊过程的视觉传感图像处理及特征信息提取方法。研发了基于视觉与重力融合的多源传感器;为有效降低弧焊环境的强弧光及飞溅等对CCD图像的干扰,优化了相关硬件和图像预处理算法,改进并实现了基于Canny算子的边缘提取和基于迭代腐蚀的骨架细化算法。将这2种算法应用于多源传感器采集的弧焊过程中包含激光线的焊接坡口CCD图像处理,分别实现了图像中的激光线交点和焊接坡口导致的激光线弯折点坐标的有效提取和识别。对比分析了2种算法的特征信息提取速度与识别精度。结果表明,基于Canny算子的边缘提取算法完全能够满足对实时性有较高要求的弧焊过程焊缝跟踪需求。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张天一
朱志明
朱传辉
孙博文
关键词 图像处理视觉传感边缘提取骨架细化特征提取    
Abstract:Visual sensing is an effective means for obtaining arc-welding characteristic information, such as the position and pose of the welding torch, the shape and size of the welding groove, for closed-loop feedback control in intelligent arc welding. The paper describes a visual sensing image processing and feature extraction method for arc welding. A multi-source sensor was developed based on the fusion of visual information with the effect of gravity. The hardware and image preprocessing algorithm are optimized to reduce the interference of the strong arc light, spatter, and other effects on the CCD image. The algorithm then uses the edge extraction based on a Canny operator or the skeleton thinning algorithm based on iterative erosion. The two algorithms separately process the CCD image of the welding groove collected by the multi-source sensor to extract the laser lines, the laser line intersection coordinates and the laser line bending points coordinates caused by the welding groove. Comparison of the feature information extraction speeds and recognition accuracies of the two algorithms shows that the edge extraction algorithm based on the Canny operator can provide real-time weld seam tracking during arc welding.
Key wordsimage processing    visual sensing    edge extraction    skeleton thinning    feature extraction
收稿日期: 2021-02-22      出版日期: 2022-01-14
基金资助:国家自然科学基金面上项目(51775301)
通讯作者: 朱志明,教授,E-mail:zzmdme@tsinghua.edu.cn     E-mail: zzmdme@tsinghua.edu.cn
引用本文:   
张天一, 朱志明, 朱传辉, 孙博文. 用于弧焊过程的视觉传感图像处理及特征信息提取方法[J]. 清华大学学报(自然科学版), 2022, 62(1): 156-162.
ZHANG Tianyi, ZHU Zhiming, ZHU Chuanhui, SUN Bowen. Visual sensing image processing and feature information extraction for arc welding. Journal of Tsinghua University(Science and Technology), 2022, 62(1): 156-162.
链接本文:  
http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2021.21.031  或          http://jst.tsinghuajournals.com/CN/Y2022/V62/I1/156
  
  
  
  
  
  
  
  
  
  
  
[1] 范俊峰, 景奉水, 方灶军. 基于视觉传感的焊缝跟踪技术研究现状和发展趋势[J]. 热加工工艺, 2017, 46(5):6-10, 14. FAN J F, JING F S, FANG Z J. Research status and development trend of welding seam tracking technology based on vision sensors[J]. Hot Working Technology, 2017, 46(5):6-10, 14. (in Chinese)
[2] 吴林, 陈善本. 智能化焊接技术[M]. 北京:国防工业出版社, 2000. WU L, CHEN S B. Intelligent technologies for welding[M]. Beijing:National Defense Industry Press, 2000. (in Chinese)
[3] 张瑞雪. 多线激光传感器Ⅴ型焊缝轨迹识别[D]. 南昌:南昌大学, 2018. ZHANG R X. Recognition of V-shaped weld trajectory with multi-line laser vision sensor[D]. Nanchang:Nanchang University, 2018. (in Chinese)
[4] SHEN H Y, WU J, LIN T, et al. Arc welding robot system with seam tracking and weld pool control based on passive vision[J]. The International Journal of Advanced Manufacturing Technology, 2008, 39(7-8):669-678.
[5] KONG M, CHEN S B. Al alloy weld pool control of welding robot with passive vision[J]. Sensor Review, 2009, 29(1):28-37.
[6] 刘超, 邵文军, 黄禹, 等. 激光焊接中窄拼缝被动光视觉检测算法[J]. 小型微型计算机系统, 2019, 40(4):798-801. LIU C, SHAO W J, HUANG Y, et al. Weld seam detection method based on passive vision sensor in laser welding[J]. Journal of Chinese Computer Systems, 2019, 40(4):798-801. (in Chinese)
[7] 石玗, 汪海涛, 薛诚, 等. 采用激光线光源的焊接坡口间隙视觉检测[J]. 兰州理工大学学报, 2009, 35(6):29-32. SHI Y, WANG H T, XUE C, et al. Visual detection of welding groove gap with linear laser source[J]. Journal of Lanzhou University of Technology, 2009, 35(6):29-32. (in Chinese)
[8] 李明利, 刘占民. 焊接坡口激光检测图像处理及跟踪信息的提取[J]. 焊接学报, 2005, 26(5):31-35. LI M L, LIU Z M. Image processing and tracing data collection for welding groove laser detection[J]. Transactions of the China Welding Institution, 2005, 26(5):31-35. (in Chinese)
[9] 李忠虎, 郭蕾, 闫俊红, 等. 线结构光光条中心提取算法研究[J]. 内蒙古科技大学学报, 2019, 38(3):252-257. LI Z H, GUO L, YAN J H, et al. Research on extraction algorithm of line structured light stripe center[J]. Journal of Inner Mongolia University of Science and Technology, 2019, 38(3):252-257. (in Chinese)
[10] 孙小亮, 贾剑平, 叶艳辉, 等. 结构光在阴极板焊缝自动跟踪系统中的应用[J]. 有色冶金设计与研究, 2020, 41(增刊1):13-16. SUN X L, JIA J P, YE Y H, et al. Application and practice of structured light in automatic seam tracking system of cathode plate[J]. Nonferrous Metals Engineering & Research, 2020, 41(S1):13-16. (in Chinese)
[11] 孙博文, 朱志明, 郭吉昌, 等. 基于组合激光结构光的视觉传感器检测算法及图像处理流程优化[J]. 清华大学学报(自然科学版), 2019, 59(6):445-452. SUN B W, ZHU Z M, GUO J C, et al. Detection algorithms and optimization of image processing for visual sensors using combined laser structured light[J]. Journal of Tsinghua University(Science and Technology), 2019, 59(6):445-452. (in Chinese)
[12] 齐欣. 数字图像的存储方式及传输途径[J]. 照相机, 2004(7):42-43. QI X. Storage and transmission of digital image[J]. Camera, 2004(7):42-43. (in Chinese)
[13] 张安定, 衣华鹏, 崔青春.《遥感原理》研究性教学的探索与实践[J]. 测绘通报, 2005(12):59-61. ZHANG A D, YI H P, CUI Q C. Searching and practice in the investigating teaching of remote sensing course[J]. Bulletin of Surveying and Mapping, 2005(12):59-61. (in Chinese)
[14] 高浩军, 杜宇人. 中值滤波在图像处理中的应用[J]. 电子工程师, 2004, 30(8):35-36. GAO H J, DU Y R. The application of median filtering on image processing[J]. Electronic Engineer, 2004, 30(8):35-36. (in Chinese)
[15] 丁怡心, 廖勇毅. Gauss模糊算法优化及实现[J]. 现代计算机(专业版), 2010(8):76-77, 100. DING Y X, LIAO Y Y. Optimization and implementation of Gaussian blur algorithm[J]. Modern Computer, 2010(8):76-77, 100. (in Chinese)
[16] 汪涛, 成孝刚, 李德志, 等. 基于霍夫变换与角点检测的叶脉特征提取算法[J]. 计算机技术与发展, 2019, 29(11):159-162. WANG T, CHENG X G, LI D Z, et al. A feature extraction algorithm for leaf vein based on hough transform and corner detection[J]. Computer Technology and Development, 2019, 29(11):159-162. (in Chinese)
[17] 王国宏, 李林, 于洪波. 基于点集合并的修正Hough变换TBD算法[J]. 航空学报, 2017, 38(1):203-213. WANG G H, LI L, YU H B. A modified Hough transform TBD algorithm based on point set merging[J]. Acta Aeronautica et Astronautica Sinica, 2017, 38(1):203-213. (in Chinese)
[1] 冯宇星, 郑军, 林劲松. 基于恒聚焦光路的线激光视觉传感器的标定方案[J]. 清华大学学报(自然科学版), 2024, 64(4): 738-748.
[2] 谢维强, 张晓平, 刘晓丽, 周小雄, 刘泉声. 基于多角度投影方法的砂土颗粒三维形态表征[J]. 清华大学学报(自然科学版), 2024, 64(2): 294-302.
[3] 张名芳, 李桂林, 吴初娜, 王力, 佟良昊. 基于轻量型空间特征编码网络的驾驶人注视区域估计算法[J]. 清华大学学报(自然科学版), 2024, 64(1): 44-54.
[4] 朱传辉, 朱志明, 柯挚捷, 张天一. 基于组合激光结构光的视觉传感器内参一体化标定方法[J]. 清华大学学报(自然科学版), 2022, 62(9): 1516-1523.
[5] 杨宏宇, 张梓锌, 张良. 基于并行特征提取和改进BiGRU的网络安全态势评估[J]. 清华大学学报(自然科学版), 2022, 62(5): 842-848.
[6] 孙悦, 何可, 张执南. 多源信息拟合摩擦系数的回归集成模型[J]. 清华大学学报(自然科学版), 2022, 62(12): 1980-1988.
[7] 程世佳, 朱志明, 符平坡. 基于电弧图像的脉冲TIG焊电弧形态及特征温度演变规律[J]. 清华大学学报(自然科学版), 2021, 61(9): 994-1001.
[8] 朱志明, 程世佳, 于英飞, 符平坡. 焊接电弧形貌判别模型及钨极高度的影响规律[J]. 清华大学学报(自然科学版), 2020, 60(4): 285-291.
[9] 孙博文, 朱志明, 郭吉昌, 张天一. 基于组合激光结构光的视觉传感器检测算法及图像处理流程优化[J]. 清华大学学报(自然科学版), 2019, 59(6): 445-452.
[10] 张思敏, 王国磊, 于乾坤, 华宵桐, 宋立滨, 陈恳. 基于图像处理的喷涂雾锥角影响因素分析[J]. 清华大学学报(自然科学版), 2019, 59(2): 103-110.
[11] 肖熙, 周路. 基于k均值和基于归一化类内方差的语音识别自适应聚类特征提取算法[J]. 清华大学学报(自然科学版), 2017, 57(8): 857-861.
[12] 焦智灏, 杨健, 叶春茂, 宋建社. 基于散射成分一致性参数的极化SAR图像分类[J]. 清华大学学报(自然科学版), 2016, 56(8): 908-912.
[13] 韩赞东, 李永杰, 李晓阳. 残余奥氏体含量涡流检测仿真与特征提取[J]. 清华大学学报(自然科学版), 2016, 56(6): 617-621.
[14] 聂鼎, 安雪晖. 基于图像处理的净浆扩展度测量工具开发[J]. 清华大学学报(自然科学版), 2016, 56(12): 1249-1254.
[15] 史琳, 许然, 许强辉, 须颖, 郑立才. 基于显微CT技术的结焦砂3维孔隙结构精细表征[J]. 清华大学学报(自然科学版), 2016, 56(10): 1079-1084.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn