（北京工業(yè)大學(xué)機(jī)械工程及應(yīng)用電子技術(shù)學(xué)院，北京100124）

0 前言

近年來，計(jì)算機(jī)技術(shù)、機(jī)器人技術(shù)、電子技術(shù)的不斷發(fā)展為焊接自動(dòng)化奠定了堅(jiān)實(shí)基礎(chǔ)，因而焊接實(shí)現(xiàn)全自動(dòng)化成為必然趨勢[1]。其關(guān)鍵技術(shù)是焊縫路徑的識(shí)別。

目前，焊接機(jī)器人的焊縫識(shí)別方法主要有示教編程、離線編程和自主編程3種形式[2-3]。

相比其他兩種方式，自主編程技術(shù)提高了焊接機(jī)器人的智能化水平，已經(jīng)成為現(xiàn)代焊接技術(shù)的發(fā)展趨勢，主要的一個(gè)方向就是利用機(jī)器視覺傳感器和相關(guān)處理算法規(guī)劃焊接路徑。通過視覺傳感方式定位焊縫，無需與傳感器發(fā)生接觸或者相對運(yùn)動(dòng)，與其他傳感方式相比具有定位快、精度高、抗干擾能力強(qiáng)等優(yōu)勢，對于實(shí)現(xiàn)智能化機(jī)器人焊接適用性最強(qiáng)[4-5]。

在英國、德國、加拿大、日本等發(fā)達(dá)國家已經(jīng)有較為成熟的視覺傳感產(chǎn)品廣泛應(yīng)用于焊接領(lǐng)域[6]。國內(nèi)對基于視覺的焊接機(jī)器人研究雖然取得了一些成果，也出現(xiàn)了產(chǎn)品化的系統(tǒng)，但在系統(tǒng)集成度、柔性化、自主性等方面與國外先進(jìn)技術(shù)還有一定差距，產(chǎn)品應(yīng)用有待完善[6]。

本研究針對上述需求，基于視覺技術(shù)研究了焊接工件的識(shí)別及焊縫的定位。

1 標(biāo)準(zhǔn)化工件定位特點(diǎn)與視覺系統(tǒng)設(shè)計(jì)

1.1 標(biāo)準(zhǔn)化工件定位特點(diǎn)

根據(jù)不同的工業(yè)需求，現(xiàn)代焊接會(huì)出現(xiàn)不同的標(biāo)準(zhǔn)化工件焊接，具有尺寸標(biāo)準(zhǔn)、形狀特征明顯、焊接數(shù)量大等特點(diǎn)。

在研究標(biāo)準(zhǔn)化工件的自動(dòng)焊接中，根據(jù)其特有的形狀特征，基于機(jī)器視覺工件的特征元素，改變傳統(tǒng)圖像信息的表達(dá)方式，保留圖像重要特征的同時(shí)，研究焊接工件識(shí)別和焊縫路徑獲取的方法。

1.2 視覺系統(tǒng)設(shè)計(jì)

針對標(biāo)準(zhǔn)化工件自動(dòng)化焊接問題，設(shè)計(jì)了一套視覺定位系統(tǒng)，包括雙色復(fù)合光源、視覺傳感器、運(yùn)動(dòng)控制器、圖像處理器等。視覺傳感系統(tǒng)框圖如圖1所示。

圖1 視覺傳感系統(tǒng)框圖Fig.1 Visual sensing system block diagram

光源是機(jī)器視覺系統(tǒng)中重要的組件之一，合適的光源是機(jī)器視覺系統(tǒng)正常運(yùn)行的必備條件。因此，機(jī)器視覺光源的選擇非常重要。使用光源的目的是區(qū)分目標(biāo)物體與背景，獲得高品質(zhì)、高對比度的圖像。LED光源是目前應(yīng)用最多的機(jī)器視覺光源，具有效率高、壽命長、防潮防震、節(jié)能環(huán)保等特點(diǎn)，適用于焊接環(huán)境。由于本研究的目標(biāo)工件具有明顯的角度，所以在實(shí)驗(yàn)處理過程中選用雙色LED光源以不同角度照射待焊接區(qū)域，獲取明顯的特征信息。

焊縫路徑的獲取是完成基于主動(dòng)雙色光源掃描信息的視覺標(biāo)定方法研究的關(guān)鍵，其提取的精度直接影響視覺標(biāo)定的準(zhǔn)確性。本研究中CCD相機(jī)采集的焊接工件信息原始圖是彩色圖像，其信息量相對較大且存在大量的隨機(jī)噪聲，因此，優(yōu)先對采集的彩色圖像進(jìn)行圖像預(yù)處理，提取出焊接工件的特征輪廓信息，利用圖像特點(diǎn)，采用分步算法獲取焊縫路徑。

2 標(biāo)準(zhǔn)化工件的視覺宏觀定位

2.1 圖像處理流程

原始圖像采用雙色單目視覺圖像采集，通過固定相機(jī)與目標(biāo)的距離，調(diào)節(jié)相機(jī)的焦距可以使圖像達(dá)到最清晰的要求，雙色光源可以適應(yīng)不同的操作環(huán)境，減少環(huán)境對圖像信息的影響。本研究以大型鍋爐管道連接件的焊接為對象來驗(yàn)證視覺系統(tǒng)，CCD相機(jī)拍攝的原始圖像如圖2所示，該工件上下為管道，中間U型工件為連接件，U型工件的下邊緣為焊縫，焊縫上已有一個(gè)點(diǎn)焊點(diǎn)，最終的焊縫應(yīng)覆蓋該點(diǎn)焊點(diǎn)。

圖2 實(shí)驗(yàn)原始圖像Fig.2 Experiment original drawing

具體圖像處理流程主要步驟為：顏色模型轉(zhuǎn)換→空間閾值分割→連通域求取→目標(biāo)識(shí)別→焊縫路徑獲取。

2.2 顏色模型轉(zhuǎn)換

對于圖像信息而言，顏色差異和邊界是工件與背景圖像最直接的區(qū)別，因此通過顏色分量的提取可以簡化目標(biāo)物的識(shí)別以及從復(fù)雜場景中提取目標(biāo)。將原始圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，使目標(biāo)識(shí)別排除光照引起的噪聲和干擾以達(dá)到最理想效果。

每一種顏色都是以色調(diào)（Hue，簡H）、飽和度（Saturation，簡 S）和明度（Value，簡 V）來表示的。

顏色從RGB到HSV轉(zhuǎn)換為非線性變換，其轉(zhuǎn)換關(guān)系為[7]

對原彩色圖像顏色模型轉(zhuǎn)換后各分量結(jié)果如圖3所示。

HSV顏色模型中，H分量工件輪廓與背景具有明顯梯度，S分量工件左側(cè)輪廓與背景幾乎融為一體，V分量焊縫特征明顯。綜上分析，本研究選用H分量和V分量。

2.3 HSV空間閾值分割

圖像閾值化分割是一種最常用、最簡單的圖像分割方法，其基本原理是：設(shè)定一個(gè)閾值，循環(huán)圖像中的每一個(gè)像素點(diǎn)的值和閾值進(jìn)行比較，當(dāng)像素點(diǎn)灰度值或彩色值大于閾值時(shí)則置為1，小于閾值時(shí)則置于0。在實(shí)際應(yīng)用中，圖像分割后的效果取決于閾值的選擇，有關(guān)閾值的設(shè)定與選取目前有固定閾值分割法、Otsu分割法、迭代閾值法、灰度直方圖熵法。由于本研究采用雙色光源獲得原始圖像，轉(zhuǎn)換到HSV空間后顏色特征已知，所以采用固定閾值分割法。對轉(zhuǎn)換到HSV空間圖像的H分量和V分量進(jìn)行空間閾值分割，分割后效果如圖4所示。

由經(jīng)過閾值分割后的圖像可知，二值化后的圖像已經(jīng)明顯得到目標(biāo)區(qū)域（U形）且特征十分明顯。但要準(zhǔn)確識(shí)別出目標(biāo)，還需去除雜點(diǎn)以及非目標(biāo)區(qū)域。

2.4 連通區(qū)域及分析

圖3 HSV顏色空間圖像Fig.3 HSV color space image

圖4 閾值分割結(jié)果Fig.4 Threshold segmentation results

連通區(qū)域（Connected Component）一般是指圖像中具有相同像素值且位置相鄰的前景像素點(diǎn)組成的圖像區(qū)域（Region，Blob）。從視覺上看，彼此連通的點(diǎn)形成一個(gè)區(qū)域，而不連通的點(diǎn)形成不同的區(qū)域。這樣一個(gè)所有的彼此連通的點(diǎn)構(gòu)成的集合稱為一個(gè)連通區(qū)域。連通區(qū)域分析（Connected Component-Analysis，Connected Component Labeling）是指找出并標(biāo)記圖像中的各個(gè)連通區(qū)域。由于需要將目標(biāo)提取出來以便后續(xù)處理，所以要對閾值分割后的圖像進(jìn)行連通域求取。形態(tài)學(xué)處理可剔除圖像中感興趣區(qū)域外的冗余形態(tài)結(jié)構(gòu)，從而達(dá)到簡化圖像數(shù)據(jù)、保持圖像基本形態(tài)特征等優(yōu)點(diǎn)，主要用于解決噪聲濾除、邊緣檢測、特征提取、圖像分割以及圖像恢復(fù)與重建等圖像處理問題。

防止因噪聲影響導(dǎo)致不同連通域出現(xiàn)連接等問題，可以利用開運(yùn)算對圖像進(jìn)行處理。連通域求取結(jié)果如圖5所示。

圖5 求取連通域Fig.5 Find the connected domain

由圖5可知，標(biāo)準(zhǔn)化目標(biāo)所在連通區(qū)域面積較大，通過標(biāo)準(zhǔn)計(jì)算，可獲得目標(biāo)連通區(qū)域的面積范圍，通過所有連通區(qū)域與所求面積范圍的對比，篩選出在此面積范圍內(nèi)的連通區(qū)域，篩選結(jié)果如圖6所示，白色區(qū)域?yàn)檫B通區(qū)域。

圖6 面積篩選后連通域Fig.6 Area after the filter to connect the domain

由圖6可知，篩選結(jié)果較為理想，干擾連通區(qū)域形狀不規(guī)則，而目標(biāo)區(qū)域形狀特征明顯。

2.5 目標(biāo)識(shí)別

基于標(biāo)準(zhǔn)化工件特點(diǎn)，利用形狀特征作為目標(biāo)識(shí)別的信息，擊中擊不中變換是形態(tài)學(xué)中用來檢測形狀的一個(gè)基本工具，本研究利用其內(nèi)外匹配的思想，將所求連通域與自構(gòu)二值化模板進(jìn)行“與”操作，計(jì)算匹配程度。為防止干擾連通域面積較大，導(dǎo)致目標(biāo)匹配錯(cuò)誤，將連通域與模板進(jìn)行取“反”操作，將背景作為匹配目標(biāo)，計(jì)算匹配度，以此類推，記錄所有連通區(qū)域的匹配結(jié)果，選擇其中“與”操作和取“反”操作后，找出匹配度最大的連通區(qū)域并標(biāo)記，則此連通區(qū)域?yàn)槟繕?biāo)工件，識(shí)別結(jié)果如圖7所示。

由圖7可知，目標(biāo)定位準(zhǔn)確，符合識(shí)別要求。因此，在目標(biāo)位置確定后，可進(jìn)一步進(jìn)行焊縫路徑識(shí)別與定位。

圖7 目標(biāo)識(shí)別Fig.7 Target Recognition

3 焊縫的精確定位

在工件識(shí)別且定位的基礎(chǔ)上去識(shí)別焊縫的路徑與起始點(diǎn)可降低工作量，提高速度。將工件左、下邊界線的交點(diǎn)作為焊縫起始點(diǎn)，右、下邊界線的交點(diǎn)作為結(jié)束點(diǎn)，在起始點(diǎn)、結(jié)束點(diǎn)求取前必須擬合出工件的邊界線。由于工件為標(biāo)準(zhǔn)工件，則過起始點(diǎn)與結(jié)束點(diǎn)的直線路徑為焊縫路徑。邊界線的擬合要求準(zhǔn)確提取出工件的邊緣。利用Canny算子檢測工件邊緣，Hough變換將邊緣擬合成邊界線。

3.1 Canny算子檢測邊緣

（1）Canny邊緣檢測基本原理。

圖像邊緣檢測必須滿足兩個(gè)條件：一是能有效地抑制噪聲；二是必須盡量精確確定邊緣位置。根據(jù)對信噪比與定位乘積進(jìn)行測度，得到最優(yōu)化逼近算子，即Canny邊緣檢測算子。

（2）Canny邊緣檢測算法。

首先用高斯濾波器平滑圖像；用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向；對梯度幅值進(jìn)行非極大值抑制；最后用雙閾值算法檢測和連接邊緣。

對H分量使用Canny算子后效果如圖8所示，檢測到邊界特征點(diǎn)。

圖8 Canny算子檢測邊緣Fig.8 Canny operator detects edges

3.2 分區(qū)Hough變換檢測直線

通過Canny算子檢測邊緣，為減小誤差，選擇數(shù)量最多的邊界特征像素?cái)M合成的直線作為工件的邊界。

Hough變換是圖像處理中的一種特征提取技術(shù)，經(jīng)典Hough變換用來檢測直線。其原理是運(yùn)用兩個(gè)坐標(biāo)空間之間的變換在一個(gè)空間中具有相同形狀的直線映射到另一個(gè)坐標(biāo)空間的一個(gè)點(diǎn)上形成峰值，從而將檢測直線轉(zhuǎn)化為統(tǒng)計(jì)峰值問題。

在圖像xy坐標(biāo)空間中，經(jīng)過點(diǎn)（xi，yi）的直線表示為

式中a為斜率；b為截距。通過點(diǎn)（xi，yi）的直線有無數(shù)條，且對應(yīng)不同的斜率和截距。如果將xi和yi視為常數(shù)，而將原本的參數(shù)看作變量，則式（1）可表示為

這樣就變換到了參數(shù)平面a-b，該變換就是直角坐標(biāo)系中對于點(diǎn)（xi，yi）的Hough變換。該直線是圖像坐標(biāo)空間中的點(diǎn)（xi，yi）在參數(shù)空間的唯一方程。考慮到圖像坐標(biāo)空間中的直線如果接近豎直方向，則會(huì)因a值接近無窮大而增大計(jì)算量，因此使用直線的極坐標(biāo)方程來表示直線，其方程為

反之，在參數(shù)空間相交于同一點(diǎn)的所有直線，在圖像坐標(biāo)空間都有共線的點(diǎn)與之對應(yīng)。根據(jù)此特性，基于焊接工件宏觀定位的基礎(chǔ)上，對邊緣檢測后的圖像進(jìn)行分區(qū)Hough變換，具體方法為：在目標(biāo)識(shí)別（見圖7）標(biāo)記的左下角范圍內(nèi)對邊緣檢測后的圖像進(jìn)行Hough直線擬合；同理，在右下角進(jìn)行同樣擬合；在標(biāo)記的下邊界范圍內(nèi)進(jìn)行Hough變換直線擬合，進(jìn)而確定焊縫路徑的精確位置。

為便于觀察，將焊縫路徑經(jīng)Hough變換后邊界擬合用加粗線表示在HSV顏色空間的H分量圖像上，效果如圖9所示。

圖9 Hough變換效果Fig.9 Hough transform renderings

圖9中粗線部分為找到的邊界線，左側(cè)兩相交直線的方程聯(lián)立可求得交點(diǎn)的坐標(biāo)作為焊接路徑的起點(diǎn)，同理可獲得右側(cè)交點(diǎn)位置作為焊接路徑的結(jié)束位置。

本研究未對焊縫的深度方向位置進(jìn)行定位，可借助于圖像的放縮比例得到，更精確的深度方向位置定位可以采用激光結(jié)構(gòu)光視覺的方法獲得，該方法不在此論述。

4 結(jié)論

針對焊接工件與背景特征不明顯，基于機(jī)器視覺獲取原始圖像，并對其進(jìn)行圖像處理算法研究。

（1）為增加焊接工件在復(fù)雜背景信息中的邊界特征信息，設(shè)計(jì)采用雙色主動(dòng)光源，提高了目標(biāo)工件和背景以及焊縫的識(shí)別度。

（2）針對雙色光源工件圖像，將圖像轉(zhuǎn)換至HSV空間，在色調(diào)域和明度域進(jìn)行進(jìn)行閾值分割，提高閾值分割的可靠性。

（3）針對標(biāo)準(zhǔn)化焊接工件的特征，參考擊中擊不中運(yùn)算的算法思想，設(shè)計(jì)基于二值化圖像的目標(biāo)匹配算法，通過目標(biāo)與背景的雙重形狀匹配，可以準(zhǔn)確地提取出工件對象。

（4）通過Canny邊緣檢測算子，可以準(zhǔn)確地提取出工件的邊緣，采用分區(qū)Hough變換準(zhǔn)確地找到了焊縫的位置，同時(shí)找到了工件的左右邊界，然后通過求邊界交點(diǎn)的方法，準(zhǔn)確找到了焊縫的起始位置和終止位置。采用工件宏觀識(shí)別，然后在局部分區(qū)進(jìn)行Hough變換的方法減少了對直線識(shí)別的步驟，提高了算法的可靠性。

[1]柳倩，桂建軍，楊小薇，等.工業(yè)機(jī)器人傳感控制技術(shù)研究現(xiàn)狀及發(fā)展態(tài)勢——基于專利文獻(xiàn)計(jì)量分析視角[J].機(jī)器人，2016，38（5）：612-620.

[2]陳善本，林濤.智能化焊接機(jī)器人技術(shù)[M].北京：機(jī)械工業(yè)出版社，2006.

[3]董曉雨.機(jī)器人焊接工裝的即插即用控制技術(shù)的研究[D].上海：上海交通大學(xué)，2008：6.

[4]Qian B F，Ma X P.Automatic control of the electric cross sliding welding based on VC++[J].Applied Mechanics&Materials，2014（666）：179-183.

[5]Ambroza P，Bockus S，Kavaliauskiene L.Formation of build-up layers microstructure by arc automatic overlay welding using secondary raw material powders[J].Archives of Metallurgy and Materials，2013，58（2）：549-553.

[6]陽軍軍.基于激光視覺的焊縫定位系統(tǒng)開發(fā)[D].深圳：深圳大學(xué)，2016：22-34.

[7]吳佳藝.基于機(jī)器視覺的農(nóng)林環(huán)境導(dǎo)航路徑生成算法研究[D].杭州：浙江工業(yè)大學(xué)，2009.