趙陳磊 ，吳圣紅 ，席 林 ，宋 強(qiáng) ，羅 嘯 ，馮葉陶 ，谷 豐

（吉利學(xué)院汽車工程學(xué)院，四川 成都 641402）

0 引言

焊接作為一種材料融合手段，是現(xiàn)代制造業(yè)當(dāng)中必不可少的一項(xiàng)制造工藝。焊接從商周時期的鑄焊工藝，一直發(fā)展到了現(xiàn)在門類繁多的氣體保護(hù)焊、激光焊、點(diǎn)焊、螺柱焊等現(xiàn)代焊接工藝，在現(xiàn)代制造業(yè)當(dāng)中的地位也越來越重要，同時自身的內(nèi)涵也日新月異，自動化和智能化程度也在逐步提高，出現(xiàn)了第一代的示教焊接機(jī)器人以及現(xiàn)在正在開發(fā)的第三代智能焊接機(jī)器人。

第三代智能焊接工業(yè)機(jī)器人是指在一定條件下實(shí)現(xiàn)焊接工作的智能焊接、柔性焊接，核心功能是依托視覺系統(tǒng)來實(shí)現(xiàn)的。一個完整的智能焊接工業(yè)機(jī)器人，視覺系統(tǒng)應(yīng)該具備以下幾個基礎(chǔ)功能：焊縫特征檢測與標(biāo)記、焊縫特征提取、焊縫特征三維重建、焊縫特征坐標(biāo)與機(jī)器人坐標(biāo)進(jìn)行轉(zhuǎn)換（手眼標(biāo)定）；在此基礎(chǔ)功能上，焊接機(jī)器人還可以對焊接過程進(jìn)行控制追蹤、焊接質(zhì)量檢測等傳統(tǒng)第一代和第二代焊接機(jī)器人無法實(shí)現(xiàn)的功能。

其中，如何對焊縫特征進(jìn)行標(biāo)記或者說焊縫檢測，是實(shí)現(xiàn)焊接機(jī)器人智能焊接工作的重要前提，也是目前焊接機(jī)器人視覺系統(tǒng)研究的熱點(diǎn)方向之一?，F(xiàn)有的焊縫標(biāo)記方法研究方向大致分為兩個：一是基于邊緣檢測算法來實(shí)現(xiàn)的，二是基于角點(diǎn)檢測算法來實(shí)現(xiàn)的。本文在對上述兩種方法進(jìn)行詳細(xì)論述的基礎(chǔ)上，通過實(shí)驗(yàn)進(jìn)行對比分析，確定了最適合本文研究對象的焊縫標(biāo)記方法。

1 焊縫特征標(biāo)記

1.1 基于邊緣檢測算法的焊縫特征標(biāo)記方法

邊緣檢測算法目前大致分為兩個研究方向：傳統(tǒng)研究方向和基于深度學(xué)習(xí)的研究方向。傳統(tǒng)研究方向主要通過研究圖像邊緣信息來實(shí)現(xiàn)對物體特征的提取，由于圖像在邊緣處某些信息會產(chǎn)生突變，例如圖像的灰度信息；通過檢測圖像灰度信息突變點(diǎn)，可實(shí)現(xiàn)對物體邊緣輪廓的檢測標(biāo)記，進(jìn)而實(shí)現(xiàn)本文研究對象——焊縫特征的提取[1]。此外，也可以通過對物體顏色、紋理、亮度等特征信息進(jìn)行提取，完成對物體特征的標(biāo)記[2]。課題組針對傳統(tǒng)邊緣檢測方法，重點(diǎn)選取了應(yīng)用較為典型的Sobel 算子、Canny 算子進(jìn)行了驗(yàn)證，其中Canny 算子是傳統(tǒng)邊緣檢測方法中目前應(yīng)用最廣泛的算子。

1）Sobel 算子。Sobel 算子通過對圖像的梯度信息進(jìn)行檢測，基于此實(shí)現(xiàn)對圖像邊緣的定位，并使用一個3×3的卷積模板，對圖像進(jìn)行處理，其定義為：

其中：

2）Canny 算子。Canny 算子首先對圖像進(jìn)行預(yù)處理，再對圖像進(jìn)行偏導(dǎo)，但是這個偏導(dǎo)采用了一個2×2 的差分模板進(jìn)行，最后對圖像的梯度的幅度和方向進(jìn)行判斷，取極大值，確定角點(diǎn)，其定義為：

基于深度學(xué)習(xí)的目標(biāo)檢測算法，是隨著近幾年人工神經(jīng)網(wǎng)絡(luò)技術(shù)的興起發(fā)展起來的，雖然檢測精度高，與人眼檢測差異性小，但是該方法前期工作量大，對計算機(jī)硬件和訓(xùn)練數(shù)據(jù)量要求較高；且深度學(xué)習(xí)算法應(yīng)用于目標(biāo)檢測本就具備一些缺點(diǎn)，例如有的算法檢測精度高，但只能應(yīng)用于圖片檢測，無法應(yīng)用于視頻流檢測；有的算法可應(yīng)用于視頻流檢測，但檢測精度較低，不適用于小目標(biāo)物體檢測。從這個方向來看，傳統(tǒng)方法相較而言更為成熟，適宜性更好，故本文未對基于深度學(xué)習(xí)的目標(biāo)檢測算法進(jìn)行驗(yàn)證。

1.2 基于角點(diǎn)檢測算法的焊縫特征標(biāo)記方法

點(diǎn)是構(gòu)成物體幾何要素的最基本要素，對于焊縫特征亦是如此。本文研究對象的焊縫在一般狀態(tài)下可以近似看作一條線，而線又可以看作是由若干個點(diǎn)構(gòu)成的。所以要完成物體焊縫的特征標(biāo)記的另外一個思路就是使用點(diǎn)對焊縫進(jìn)行逐個標(biāo)記，再由這些點(diǎn)集形成完整的焊縫特征?，F(xiàn)有的角點(diǎn)提取方法大致分為3種，但基本上都是基于圖像信息來實(shí)現(xiàn)的，包括基于圖像灰度信息、圖像二值信息、圖像邊緣信息[3-5]。針對本文實(shí)驗(yàn)對象，本文重點(diǎn)選取了基于圖像灰度信息的Forstner、Harris 兩種角點(diǎn)提取算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。因?yàn)閳D像灰度信息相較于圖像二值信息、圖像邊緣信息更豐富，同時對于相關(guān)研究表面，在某些情況下，F(xiàn)orstner、Harris 角點(diǎn)提取算法性能更優(yōu)異。

1）Forstner算子。Forstner算子被廣泛應(yīng)用于航空圖像處理中，具有精度高、檢測速度快等優(yōu)勢。通過確定最佳窗口對像元的邊緣直線圖像Y方向進(jìn)行加權(quán)處理，或者通過確定Robert 梯度和固定窗口像素中心的灰度協(xié)方差矩陣，求解所求角點(diǎn)的最佳位置[6-8]。在確定最佳窗口時，可通過對比興趣值q與權(quán)值w是否大于給定的閾值，對最佳窗口位置進(jìn)行判斷，其中：

式中，detN和trN表示為矩陣N的行列式和跡。

2）Harris 算子。Harris 算子具有局部特征不變性，且在圖像匹配中，在圖像的灰度變化上，對噪聲的敏感性和魯棒性都有較好的處理效果[9-10]；它使用角點(diǎn)響應(yīng)函數(shù)CRF、微分矩陣M 和來實(shí)現(xiàn)對角點(diǎn)位置的判斷。

式中，Gx、Gy分別表示x 和y 方向上的梯度，G(σ)表示高斯濾波器。

2 實(shí)驗(yàn)驗(yàn)證

本文研究對象為角焊焊縫特征的標(biāo)記，為了保證實(shí)驗(yàn)的可操作性，故本文采用焊接模擬件用于算法效果驗(yàn)證。采用邁德威視工業(yè)相機(jī)進(jìn)行數(shù)據(jù)采集，并在Halcon 平臺上分別對邊緣檢測算子——Sobel 算子、Canny 算子以及Forstner、Harris 角點(diǎn)檢測算子進(jìn)行實(shí)驗(yàn)對比分析，實(shí)驗(yàn)?zāi)M件原圖如圖1 所示，對應(yīng)的焊縫標(biāo)記效果如圖2、圖3、圖4、圖5所示。

圖1 焊接模擬件

對實(shí)驗(yàn)結(jié)果進(jìn)行分析可知，本文選取的研究方法對本文研究對象總體上均有較好的標(biāo)記效果，但圖像進(jìn)行局部放大處理后，F(xiàn)orstner 算子的標(biāo)記精度明顯更高，如圖6、圖7、圖8所示。由圖6可知，邊緣檢測算法是標(biāo)記焊縫的邊緣輪廓，而在實(shí)際工程應(yīng)用中最佳的標(biāo)記位置是在焊縫中間，故角點(diǎn)檢測算法更適合本文研究對象，同時Forstner 算子標(biāo)記焊縫的一致性更好。

圖2 Sobel算子標(biāo)記焊縫

圖3 Canny 算子標(biāo)記焊縫

圖4 Forstner 算子標(biāo)記焊縫

圖5 Harris 算子標(biāo)記焊縫

圖6 邊緣檢測算法焊縫標(biāo)記效果

圖7 Forstner 算子焊縫標(biāo)記效果

圖8 Harris 算子焊縫標(biāo)記效果

3 結(jié)論

本文針對角焊模擬件的焊縫標(biāo)記，使用了兩種邊緣檢測算法和兩種角點(diǎn)檢測算法并進(jìn)行對比分析。確定了Forstner 算子更適合本文研究對象。通過標(biāo)記焊縫，可為后續(xù)的焊縫三維重建，焊接機(jī)器人的自主路徑提供重要的依據(jù)。