基于單目主被動視覺結合的焊接偏差檢測方法

柯希林,王中任,劉海生,王小剛

(1.湖北文理學院機械工程學院,湖北 襄陽 441053;2.智能制造與機器視覺襄陽市重點實驗室,湖北 襄陽 441053 )

1 引 言

近年來,隨著人力成本的不斷攀升和機器人焊接技術的快速發展,機器人自動焊接愈發受到現代制造企業的重視。而對管道現場焊接施工,由于人工焊接具有效率低、勞動強度大、質量得不到保證等缺點,管道全位置機器人自動焊已經成為國內外研究人員關注的重點[1-3]。潘際鑾等研制的無軌導爬行式焊接機器人采用激光視覺技術自主跟蹤焊縫,能夠在大型結構件表面爬行并執行全位置焊接操作任務[4]。如何實施精準的焊縫跟蹤是爬行式焊接人自動焊接的一個關鍵技術,其目的是確保焊槍沿著焊縫軌跡中心運動。為了實現焊縫跟蹤,機器人焊接研究領域通常采用視覺傳感器去獲取熔池和焊縫坡口邊緣等特征信息來識別焊接偏差[5]。鄒勇等[6]基于管道全位置GMAW根焊熔池圖像尖端特征,提出了一種通過提出熔池圖像焊絲和熔池尖端中心位置像素值,以獲得焊接偏差的方法,然而該方法并不適用于厚壁管道填充焊焊接偏差檢測,原因是熔池圖像無法形成熔池尖端特征。王小剛等[7]提出了一種定位焊槍中心來替代定位焊絲尖端的焊接偏差測定方法,該方法雖能快速測定偏差量,但是算法計算過程過于復雜。

視覺傳感器根據是否使用輔助光源,被分為被動視覺和主動視覺兩類[8]。被動視覺用相機直接對焊接區域進行拍攝,由于檢測目標與焊槍在同一位置,因此不存在主動視覺超前檢測誤差問題,并且可實時獲取電弧、熔池等信息,但是受弧光、飛濺和煙塵等噪聲干擾使后續圖像處理和信息提取有很大困難。相比于被動視覺,主動視覺技術發展相對成熟,并形成有成熟化產品,激光視覺傳感技術可以獲取焊縫尺寸和接頭信息,但跟蹤實時性較低。主動視覺和被動視覺結合的方法充分利用二者的優勢并相互彌補,可以獲得更多的焊接信息。

本文針對管道全位置機器人自動填充焊,提出了一種基于主被動視覺結合的熔化極氣體保護焊(GMAW)焊接偏差檢測方法。利用單目視覺圖像采集裝置,攝取到的焊接圖像包含有焊絲、電弧、激光線等信息,其中,焊絲被電弧包圍出現在圖像上半部分,激光條紋出現在圖像下半部分。首先,為避免盲目性圖像去噪,采用基于小波域的圖像噪聲類型識別方法,先對圖像進行小波變換得到高頻子帶系數直方圖分析出圖像能量分布服從廣義高斯分布,接著,運用拉普拉斯高斯(Laplance-of-Gauss,LoG)濾波算法對圖像進行去噪；然后,通過圖像處理算法分別提取焊絲和坡口中心位置坐標值,獲得焊絲與焊縫坡口中心的焊接偏差信息；最后,通過試驗驗證該偏差檢測方法的有效性。

2 焊接偏差測定系統

2.1 試驗系統

試驗采用自行研制的磁吸式爬行焊接機器人,試驗系統如圖1所示。該系統由移動焊接機器人、控制系統、焊接系統(包括送絲機及焊接電源)、圖像采集系統等組成。圖像采集系統包括CMOS攝像機、一字線紅光激光器、一套計算機圖像采集軟件、PC機及復合濾光系統等。CMOS攝像機架設在焊槍行走路徑正前方；復合濾光系統由中心波長為(650±5)nm的窄帶濾光片、偏振片以及一種特殊制作的調光玻璃組成。如圖2所示,所設計的調光玻璃其左半部分和右半部分的透光率分別為100 %和4.4 %。

圖1 焊接偏差檢測試驗系統Fig.1 Welding deviation detection test system

圖2 一種特殊設計的調光玻璃Fig.2 A specially designed dimmer glass

2.2 目標成像模型與偏差測定原理

圖3為目標成像模型,相機傾斜拍攝,激光器安裝方向與焊槍平行,激光器與相機光軸之間夾角為30°。同一幀焊接圖像中包含了焊絲尖端位置的電弧區域和投射到焊縫區域上的激光條紋。

圖3 目標成像模型Fig.3 Model of target image

圖4為偏差測定原理示意圖,通過圖像處理分別計算出坡口中心線與焊絲中心線沿x軸方向的距離Δx作為焊槍糾偏量。

圖4 焊接偏差示意Fig.4 Principle diagram of weld deviation

圖4中a、b、c為坡口特征點,記焊縫坡口中心坐標點列像素值為x1,x1值可由公式(1)得出:

(1)

若焊絲末端中心點列像素值記為x2,則通過比較x1、x2像素值大小可以確定焊接偏差量大小和方向,焊接偏差量由公式(2)計算得出:

Δx=|x1-x2|

(2)

3 圖像分析與處理

3.1 焊接圖像分析

試驗采集的焊接圖像見圖5,圖5具有如下特征:①同一幀圖像中包含有電弧、焊絲末端、激光條紋等關鍵信息,焊絲末端被電弧包圍；②圖像受到多種污染,污染源包括電弧區飛出的飛濺和彌漫煙塵；③激光線亮度較高,并能反映出坡口截面信息；④圖像上半部分灰度值最大區域集中在電弧區,便于快速檢測。

圖5 焊接圖像Fig.5 Weld image

為了能簡單、快速地檢測焊接偏差,文中設計了如圖6為焊接偏差測定流程。在圖6所示的流程中,圖像噪聲識別最為關鍵,它能有助于對圖像噪聲類型客觀描述,減少了圖像去噪過程的盲目性。文中采用基于小波域分解的圖像噪聲識別方法,該方法利用了圖像經小波變換后的高頻子帶的HH系數不僅能反映高斯噪聲類型的大小,而且能反映出圖像受干擾噪聲的類型這一特點,為后續濾波算法選擇提供指導。

圖6 焊接偏差測定流程Fig.6 Process of weld deviation detecting

3.2 選取ROI

ROI(Region of Interset),即感興趣區域。在圖像處理過程中,對圖像ROI進行處理,不僅會減少圖像處理的數據量,提高處理速度,還可以去除ROI以外的干擾。由于CMOS攝相機、激光器、焊槍三者的相對位置是固定的,并隨焊槍一起沿管道軸線方向做橫擺運動,所以激光線和焊絲總是出現在焊接圖像中固定位置,且焊絲燃燒時電弧位置在圖像中也是相對固定的。根據條紋和焊絲尖端焊接圖像中的位置,分別在圖像中設置了兩個ROI框,如圖7所示。 ROI框的大小和位置可能不同,可在視覺圖像處理系統軟件界面上預先設置。

圖7 焊接圖像中選取的ROIFig.7 ROI selected in weld image

3.3 圖像去噪

由于焊接過程伴隨的大量飛濺、弧光及煙塵等干擾,導致圖像變模糊。圖像去噪的目的就是設計出合適的濾波器以降低圖像噪聲干擾。利用小波變換的特點分析圖像的噪聲是一種較好的方法[9]。根據已有研究,模糊圖像經小波變換后,高頻子帶系數會隨噪聲類型的不同而變化。另外,焊接過程中產生的圖像噪聲主要分為高斯噪聲和椒鹽噪聲,因此,可通過觀察圖像的高頻子帶系數直方圖確定出噪聲類型。通過觀察圖8可以確定焊接圖像主要受高斯噪聲影響。

LoG算子即拉普拉斯高斯算子,它對圖像的處理過程包含兩個環節:先用高斯函數對圖像進行低通濾波,抑制噪聲干擾,然后進行拉普拉斯算子二階微分運算。 由于灰度圖是二維函數,這一過程的表達式如下所示:

I(x,y)=f(x,y)*2Gσ(x,y)

(3)

式中,I(x,y)為濾波后圖像;f(x,y)為輸入圖像;σ代表高斯分布的標準差,2Gσ(x,y)為LoG濾波器,其計算表達式為:

(4)

圖8 小波變換后能量分布直方圖Fig.8 Energy distribution histogram after wavelet transform

LoG算子濾波除了能對圖像進行平滑處理,抑制高斯噪聲外,還有一個特點就是當尺度與高斯目標的尺度相等時,響應值最大,因此LoG濾波適合目標寬度恒定的圖像濾波處理。從ROI1區域圖像可看出,熔化的焊絲末端被電弧包圍且寬度一致,利用LoG算子對ROI1區域圖像濾波處理,焊絲末端位置出現亮斑區域,該區域即為響應最大位置,圖9為σ=3時,ROI1區域圖像的濾波處理效果圖。同樣,利用激光條紋寬度基本一致的特性,使用LoG算子對ROI2區域圖像的濾波處理,圖10為σ=10時,對ROI2區域圖像濾波處理后效果圖。可明顯看出,焊絲末端位置和激光條紋均在圖像中凸顯出來。

圖9 ROI1去噪結果Fig.9 Denoising result of ROI1

圖10 ROI2去噪結果Fig.10 Denoising result of ROI2

3.4 焊絲尖端位置檢測

為確定焊絲中心線位置，先對濾波處理后的ROI1區域圖像采用OTSU算法[10]將亮斑區域從背景圖像中分割出，然后直接計算出的區域中心點位置作為焊絲尖端中心點坐標,圖11為焊絲尖端位置的檢測結果,圖11中“×”標志處為焊絲尖端中線點坐標。

圖11 焊絲尖端位置檢測結果Fig.11 Result of ROI1 in welding image processed

3.5 焊縫特征點提取

對于濾波處理后的ROI2圖像區域,利用激光條紋的高斯特性,采用了高斯擬合法提取激光條紋中心點。高斯擬合法提取激光條紋中心主要是利用激光條紋光強分布近似服從高斯分布的特性，在激光條紋法線方向擬合高斯曲線，求出極值點位置作為條紋中心[11],圖12為激光條紋中心線提取結果。

圖12 激光條紋中心線Fig.12 Laser stripe centerline

接著,運用加權最小二乘法擬合出4條直線(分別為左水平線L1、左斜線L2、右斜線L3和右水平線L4),最后求取擬合直線的交點。直線擬合結果如圖13所示,圖13中做了標記的兩點p1、p2為即為檢測所得的焊縫特征點。

圖13 直線擬合結果Fig.13 Result of lines fitting

4 試驗結果與分析

4.1 試驗條件

本文試驗搭建的爬行式管道焊接機器人系統實物圖如圖14所示。管道焊接機器人可以吸附在管道上爬行,試驗所用鋼管材質為45號碳鋼,規格為φ400 mm×20 mm,坡口形式為V形,坡口角度為60°。采用的工業相機的分辨率為1280×1024,最高采集幀率為30 fps；線激光器選擇弧光較弱的660 nm波長,功率為16 mW,激光線距離焊槍尖端25 mm。

圖14 焊接偏差測試裝置Fig.14 Test equipment of welding deviation

焊接電源為松下YD-500GS5型焊機,采用GMAW焊接工藝方法,保護氣體為80 %Ar+ 20 % CO2,焊接材料選擇了大西洋牌ER50-6實心焊絲,焊絲直徑為1.2 mm,具體焊接試驗工藝參數如表1所示。

表1 主要焊接試驗參數Tab.1 The main welding test conditions

4.2 試驗結果

焊接過程中,視覺焊縫跟蹤控制系統采用Modbus協議通過485串行總線將檢測到的糾偏量發送給控制系統進行視覺自動糾偏。系統起弧焊接后,視覺圖像處理系統對部分焊接圖像處理結果如圖15所示,可見本文方法能對采集到的焊接圖像精確處理,實時糾偏值顯示在圖16曲線中。

圖15 部分圖像處理結果Fig.15 Part images processed

圖16 糾偏值曲線Fig.16 Curve of rectify deviation

試驗整體焊接的結果如圖17所示,圖中實現了V形坡口的自主焊接,焊接過程中焊槍能自動糾偏,焊后焊縫成型美觀、焊接質量高。通過大量的焊接試驗,焊接誤差基本在0.2 mm以內,滿足管道全位置焊接焊縫自動跟蹤要求。

圖17 焊接效果Fig.17 Welding effect

5 結 論

(1)設計了一種調光玻璃安裝于鏡頭前端,使采集到的同一幀圖像上半部分包含被電弧包圍的焊絲尖端信息,下半部分包含有激光條紋,實現了主被動視覺相結合。

(2)對焊接圖像進行小波變換得到能量分布直方圖,分析出GMAW焊接圖像噪聲為高斯噪聲類型,運用LoG算子濾波,能夠幫助快速檢測出焊絲末端和激光線大致位置。

(3)通過大量的焊接試驗,表明該焊接偏差檢測方法能夠滿足管道全位置GMAW填充焊自動跟蹤要求,具有較強的工程應用價值。