基于模板匹配的焊縫自動跟蹤系統

黨向盈，黃小林，厲 丹

（徐州工程學院 徐州市機器視覺應用工程技術研究中心，江蘇 徐州 221000）

基于模板匹配的焊縫自動跟蹤系統

黨向盈，黃小林，厲 丹

（徐州工程學院 徐州市機器視覺應用工程技術研究中心，江蘇 徐州 221000）

焊縫跟蹤是焊縫質量控制的前提。針對復雜環境背景下，焊縫跟蹤的精度會受到弧光、飛濺以及煙塵等若干因素的影響，提出對預處理后的焊縫圖像，采用MCD距離相關匹配方法，構建相關數學模型，然后利用自適應遺傳算法，求取該函數模型全局最優解，搜索出實時圖像與目標模板圖像之間的最佳匹配位置；最后構建跟蹤運動模型，準確跟蹤焊縫。實驗證明，在焊縫跟蹤精度和自動調整方面，本系統的方法取得了預期效果。

遺傳算法；焊縫跟蹤；MCD（平均絕對差分算法）；焊縫圖像

0 前言

隨著智能化和自動化的發展，自動焊接技術在焊接領域得到越來越廣泛的應用，為了進一步提高焊接質量，要求智能設備能夠又快又精確的進行焊縫自動跟蹤，同時在焊接過程中，為了實現對焊接過程實時控制，快速有效的圖像技術是視覺技術在控制焊接過程中應用的關鍵技術。國內外很多學者針對焊縫跟蹤技術做了較多的研究，王秀媛等[1]提出了無需外加光源，采用圖像技術對焊縫邊緣進行識別，包括采用圖像分割方法對焊縫圖像分區，以及基于焊縫圖像的實際性質加以分析，得出的基于CCD掃描的焊縫邊緣識別法；劉繼忠等[2]將基于粒子群算法應用于焊縫跟蹤的研究；除此之外，文獻[3-5]分別提出高精度激光-MIG復合焊焊縫跟蹤系統和基于激光和結構光視覺的焊縫跟蹤技術。這些技術在焊縫跟蹤的精度方便都有所改善，但是在實際應用中都存在一些局限性，比如在焊縫跟蹤中大部分只是考慮精度，很少關心焊縫跟蹤的速度和穩定性問題。

針對以上不足，本研究提出一種采用MCD相關匹配模板與遺傳算法相結合方法，試圖提高焊縫跟蹤速度和穩定性。首先基于模板匹配的方法，實時地計算當前圖像中感興趣區域；然后利用了遺傳算法的非遍歷搜索機制，快速地搜索出實時序列圖像與目標模板圖像之間的最佳匹配位置，縮短處理時間；最后穩定且準確地獲得整條結構光變化的關鍵跟蹤點信息。

1 焊縫跟蹤系統原理及結構

基于視覺傳感技術的焊縫跟蹤系統主要包括視覺傳感、圖像處理和跟蹤控制三部分。在焊縫跟蹤過程中，首先利用CCD等光學器件組的視覺傳感器獲得焊縫的圖像信息，并將信息傳輸到計算機，基于圖像技術進行處理，減少圖像中的噪聲污染，并加強焊縫特征信息；然后采用一定的算法策略，提取焊縫的特征點，判定焊槍與焊縫中心是否偏離、偏離方向和偏離程度的處理結果；最后根據這個結果獲得驅動信號控制焊槍的運動，進一步控制執行機構，調節焊槍與焊縫中心的相對位置，消除焊槍與焊縫的偏離，達到焊槍準確跟蹤焊縫的目的。焊縫跟蹤過程的實時控制系統結構原理如圖1所示。

圖1 焊縫跟蹤系統結構Fig.1 Structure of seam tracking system

2 焊縫跟蹤系統功能與實現

設計出一套自動化焊縫跟蹤的系統，主要包括實時序列圖像采集、顯示、圖像預處理、焊槍控制、焊縫匹配等方面，該系統為進一步系統的自動化應用提供了理論和實驗支撐。

焊縫跟蹤系統主要功能如圖1所示，該功能模板由圖像采集、顯示、存儲、圖像處理和焊槍控制等幾部分組成；其中圖像處理是基于視覺傳感器焊縫自動跟蹤系統的核心。

焊縫跟蹤系統功能的實現過程為：由CCD攝像機獲取焊縫圖像，經圖像采集卡轉換后送入計算機內存；為了更好地獲取焊槍的偏差信息，采用針對性的圖像處理技術對圖像數據進行處理。系統中圖像處理技術包括對焊縫圖像的預處理、焊縫檢測、識別和焊縫跟蹤等技術。圖像預處理包括先對原始采集到的真彩焊縫圖像進行必要的灰度化；由于焊縫圖像不可避免地會受到噪聲的污染，采用中值濾波去除噪聲，因為中值濾波能更好地去除孤立點，降低噪聲，同時保持圖像的邊緣。

本系統提出了一種新的基于遺傳算法和MCD相結合的焊縫匹配跟蹤方法。

2.1 利用MCD模板匹配實時獲取感興趣區域

在復雜背景環境中，目標跟蹤方法優劣的判定主要依靠提取目標的準確性。所以不僅需要考慮跟蹤的穩定、快速等特點，而且必須考慮設備能夠根據跟蹤目標的變化而自動調節。其中，模板匹配算法是比較合適的方法之一，該方法搜索策略決定于匹配算法的速度，然而傳統模板匹配算法的缺點是搜索策略是遍歷性的，除對比較小的區域中的感興趣匹配點外，絕大部分時間都是在非最優匹配點區域做無用操作。

因此，針對傳統匹配算法的不足，改進了匹配算法中的搜索策略，嘗試利用遺傳算法進行非遍歷搜索，并與MAD（平均絕對差分算法）和Hausdorff距離算法結合，采用了一種新的圖像間的相似性度量方法，通過實驗應用到多序列圖像的跟蹤，驗證該方法的有效性。

利用MAD和Hausdorff距離兩種算法，定義一種新的圖像間的相似性度量，即最多臨近點MCD[6]算法。該算法的基本思想為：首先，根據待匹配的兩幅圖像，計算他們所對應像素點的灰度絕對差，如果該絕對差小于閾值（這個值取經驗值為10～20之間比較合適，本算法仿真實驗取15），就認為這兩處像素點相似，否則不相似；然后在整幅圖像區域中，統計對應點像素絕對差小于這個閾值的數目，記該數目為MCD距離，MCD越大說明兩幅圖像越相似，反之則越不相似。通過這種方法，確定這兩幅圖像的相似程度。

設模板圖像大小為T（x，y），它與任一同樣大小的圖像S（x，y）的距離定義為

一般處于強弧光干擾環境下的焊縫圖像，要想比較準確的找出感興趣區域是非常困難的，而且所消耗的時間也非常長。采取的措施是：獲得初始圖像感興趣區域的位置，在焊接開始之前，將該區域內的圖像作為模板圖像T，則在焊接之后的圖像序列幀中，利用模板匹配的方法實時獲得每幀圖像中的感興趣區域范圍。

在目標圖像內，首先將模板圖像滑動時，統計每個位置處的圖像與模板圖像的MCD距離，這樣可以得到整幅圖像的一個相關曲面；然后尋找這個相關曲面的峰值，即可確定最佳匹配位置。由于該方法拋棄了與模板圖像相差很大的點，重點考慮目標圖像區域中那些與模板圖像相似的像素點數，度量兩幅圖像之間的相似程度，因此可以避免傳統相關匹配算法中，由于噪聲點引起的相關曲面不突出的問題。

在進行CCD拍攝圖像時，由于拍攝過程的抖動以及儀器自身的缺陷，拍攝的圖像具有局部噪聲高、遮擋、形變等特點，當在這種復雜場景中，焊縫圖像容易產生誤匹配。本研究提出了一種修正的MCD相關匹配算法，即歸一化MCD算法。通過這種規一化后，即使局部圖像像素強度發生變化，也可以將這種影響降到最低，從而克服MCD在處理圖像時由于局部像素強度異常而產生誤匹配。

具體方法為：將式（1）中Distance（x，y）規一化得到一個相似性測度R（Dx，y）

2.2 基于遺傳算法的焊縫圖像跟蹤實現

遺傳算法是模擬自然界生物進化過程的一種模型，原則是依據優勝劣汰，對需要優化的群體，按照選擇、交叉、變異等遺傳算子操作，不斷生成新的更優秀的種群，最終得滿足要求的最優解。遺傳算法通過目標函數進行計算，對問題依賴小，而且可以設計多個種群，多種群并行操作，大大提高計算的速度。

（1）種群初始化和編碼。

本研究方法種群規模設為30，并采用逐個產生初始種群的方法。匹配圖像的行列坐標作為編碼的對象，編碼方式采用了格雷碼，碼串長度取16位，其中左右各8位分別代表了一個模板經過平移變化后，在搜索圖中的行列坐標位置。

（2）適應值。

遺傳算法的執行過程中，適應值函數直接影響到遺傳算法的收斂速度，以及能否找到最優解，可以根據種群中包含每個個體的適應值來進行搜索。適應值函數通常是根據目標函數確定的，如式（3）為本算法采用的適應值函數

式中 R（Dx，y）為模板與搜索圖之間的相似性測度，R（Dx，y）越大，則適應值越高，匹配效果越佳。

（3）遺傳算子。

主要遺傳算子有選擇、交叉、變異三種。

選擇算子：采用賭輪盤方式，該方式保證了個體的選擇概率與其適應值成比例，適應值大的為優良個體；可以通過交叉操作產生新個體，逐步淘汰適應度值小的劣質個體。

交叉算子：交叉算子決定了遺傳算法的全局搜索能力。本研究采用的是均勻交叉算子，該算子可在種群數量和遺傳代數均較少的情況下拓寬搜索空間、提高算法的搜索能力。

變異算子：變異本身是一種局部隨機搜索策略，與選擇算子結合在一起，保證了遺傳算法的有效性，同時遺傳算法保持種群的多樣性，以防止出現非早熟收斂，本研究的變異算子采用的是自適應的基本位變異算子。

交叉概率Pc和變異概率Pm作為遺傳算法的重要參數，是影響遺傳算法行為和性能的關鍵，直接影響算法的收斂性。如果Pc過大，個體產生的速度比較快；如果Pc過小，會使搜索過程緩慢，以至停滯不前。對于變異概率，如果Pm過小，就不易產生新的個體結構；如果Pm取值過大，那么遺傳算法就變成了純粹的隨機搜索算法。

針對交叉概率Pc和變異概率Pm的確定問題，Srinvivas[7]等提出一種自適應遺傳算法（Adaptive GA，AGA），該算法確定的Pc和Pm能夠隨適應值變化而自動改變。為了保證每一代的優良個體不被破壞，可以采用精英選擇策略，直接復制到下一代中。

計算和公式如下

式中 Pc1=0.9，Pc2=0.6，Pm1=1，Pm2=0.001。

（4）終止準則。

終止準則可以設置最大遺傳代數5 000，進化到一定代數后，各代中的最佳個體仍沒有變化則停止運算。

3 實驗結果和分析

利用激光結構光進行焊縫跟蹤時，在強弧光干擾的情況下穩定、準確地獲取跟蹤信息是非常關鍵的問題。本研究焊縫跟蹤主要針對多幀序列圖像檢測問題，屬于運動分析中的移動物體跟蹤和定位問題。

對連續三幀序列焊縫圖像，進行處理的結果如圖2所示。首先對連續序列焊縫圖像進行必要的灰度化、中值濾波等預處理操作，去除噪聲和煙塵，再對預處理后的焊縫圖像，利用非遍歷自適應遺傳算法，計算匹配模板MCD函數的全局閾值最優解，實時獲得每幀圖像中的感興趣區域范圍，自動完成焊縫跟蹤。圖2中白色框為匹配模板跟蹤的焊縫區域，其中圖2a為第N幀圖像；圖2b為第N+1幀圖像，仔細觀察圖2b白色框匹配模板，焊縫出現了一定角度的偏差（白色框中），這說明跟蹤時出現了問題；隨后系統對焊槍自動進行一定范圍的調整；從焊縫圖像的第N+2幀（在圖2c白色框中觀察，焊縫跟蹤又恢復了正確位置，但是此時弧光又比較強，強光遮蓋了焊縫一部分，這時跟蹤系統做了相應的處理，根據幀與幀之間相關性，匹配模板依然能夠正確檢測焊縫的位置。

實驗結果表明，該系統能夠快速有效地找到源圖像與目標圖像之間的最佳匹配位置，實現對復雜背景和目標的跟蹤，而且達到了預期的跟蹤效果，雖然偶爾發生跟蹤效果有所下降，或是發生偏離，但是不會丟掉目標，焊槍會根據實時傳送過來的圖像，及時自動調整位置，最終能夠準確、穩定的定位焊縫。

圖2 連續三幀序列本研究跟蹤方法實驗結果Fig.2 Three consecutive frames tracking results by this paper method

4 結論

處理精度、處理時間、抗噪能力及適應復雜背景能力是衡量一個跟蹤系統好壞的重要指標。所采用的跟蹤方法，基本能實現對序列圖像的連續、穩定的跟蹤。從實驗效果可以看出，該方法跟蹤焊縫時偶爾會有所偏離，這主要原因是模板的更新策略，沒有能根據目標的大小進行自適應的動態調節，所以從實用性的角度來考慮，這些問題還需在以后的工作中解決，使該系統進一步完善。此外，在改進算法的實時性能方面也要作更進一

Page 107

Automatic weld seam tracking system based on template matching

DANG Xiangying，HUANG Xiaolin，LI Dan
（Xuzhou Institute of Technology，Xuzhou Machine Vision Application Engineering Technology Research Center，Xuzhou 221000，China）

Weld seam tracking is the precondition of welding quality control.In the complex background environment，according to weld image of strong arc disturbance，first use the MCD distance correlation matching method,build a relevant mathematical model, then using adaptive genetic algorithm,and calculate the global optimal solution of the function model,search the real-time image and the best match between the target template image position;finally build tracking motion model,accurate tracking weld.Experiments show that the precision and automatic adjustments have achieved the expected effect.

genetic algorithm；seam tracking；MCD（Mean Absolute Difference Algorithm）；weld seam image

TG409

：A

：1001-2303（2015）10-0094-05

10.7512/j.issn.1001-2303.2015.10.20

2014-11-07；

：2015-07-18

徐州工程學院科研項目（XKY2013319）；住房城鄉建設部科學技術計劃項目（2014-K5-027）；住房城鄉建設部科學技術計劃項目（2014-K5-027）；江蘇省高校自然科學研究面上項目（15KJB520033）

黨向盈（1978—），女，江蘇徐州人，副教授，在讀博士，主要研究領域為焊接技術、圖像處理。