何 煊，李 冰，翟永杰

（1.華北電力大學(xué) 自動(dòng)化系，河北 保定 071003；2.華北電力大學(xué) 科技學(xué)院，河北 保定 071003）

0 引言

自動(dòng)化焊接和焊縫識(shí)別是薄板焊接未來(lái)的發(fā)展趨勢(shì)，其中，焊縫識(shí)別是自動(dòng)化焊接的前提。目前，利用傳感技術(shù)識(shí)別焊縫是實(shí)現(xiàn)提高自動(dòng)化焊接水平的主要方式，也是焊接領(lǐng)域研究的熱點(diǎn)[1]，由于視覺(jué)傳感技術(shù)具有測(cè)量精度高、非接觸和不受電磁場(chǎng)干擾等顯著優(yōu)勢(shì)，其被廣泛應(yīng)用于焊縫識(shí)別[2]。陳海永等采用圖像偽彩色增強(qiáng)算法得到圖像能量分布情況，使用差分搜索算法準(zhǔn)確地提取條紋中心線，利用隨機(jī)抽樣一致算法分析圖像特征歷史數(shù)據(jù)，實(shí)現(xiàn)焊縫特征點(diǎn)預(yù)測(cè)[3]；毛志偉等采用灰度形態(tài)學(xué)算法去除圖像中飛濺、弧光和煙塵，利用圖像相減和頂帽變換減小灰度值差異，將動(dòng)態(tài)開(kāi)窗和最小二乘法結(jié)合的方法提取焊縫特征點(diǎn)[4]。

針對(duì)原始圖像行灰度分布特點(diǎn)，本文提出一種邊緣檢測(cè)和中心提取的焊縫識(shí)別算法，采用基于Scharr 算子的邊緣檢測(cè)算法得到條紋邊緣，根據(jù)條紋邊緣選取ROI區(qū)域，使用非線性加權(quán)重心法獲取其中心，通過(guò)分析中心行坐標(biāo)特點(diǎn)來(lái)提取焊縫特征，從而識(shí)別出焊縫。

1 主動(dòng)視覺(jué)傳感系統(tǒng)組成及工作原理

主動(dòng)視覺(jué)傳感系統(tǒng)主要由CMOS 相機(jī)、鏡頭、濾光片和一字線激光器組成[5?6]。主動(dòng)視覺(jué)傳感系統(tǒng)裝置圖如圖1 所示。由圖1 可知，一字線激光器相對(duì)于薄板傾斜角度為60°，CMOS 相機(jī)與薄板表面是垂直關(guān)系。當(dāng)系統(tǒng)工作時(shí)，一字線激光器發(fā)出的激光平面投射到薄板焊縫表面，CMOS 相機(jī)實(shí)時(shí)采集包含焊縫信息的條紋圖像。原始圖像及其行灰度分布如圖2 所示。

圖1 主動(dòng)視覺(jué)傳感系統(tǒng)裝置圖

圖2 原始圖像及其行灰度分布

由圖2 可知，原始圖像中背景像素點(diǎn)灰度值較小，條紋像素點(diǎn)灰度值較大。

2 邊緣檢測(cè)

由于原始圖像中背景像素點(diǎn)灰度值遠(yuǎn)小于條紋像素點(diǎn)灰度值，在此采用邊緣檢測(cè)方法獲得原始圖像中條紋邊緣。首先使用梯度算子求取圖像方向?qū)?shù)，常用梯度算子有Robert、Sobel 和Scharr 等[7?8]。本文采用Scharr 算子計(jì)算原始圖像水平和垂直方向?qū)?shù)，將水平和垂直方向?qū)?shù)函數(shù)分別設(shè)為fs(i,j)和fc(i,j)，計(jì)算過(guò)程如下：

式中：fs(i,j)和fc(i,j)分別為像素點(diǎn)(i,j)的水平和垂直方向?qū)?shù)值；fo(i-1,j+1)，fo(i+1,j) 和fo(i-1,j-1) 等為原始圖像相應(yīng)像素點(diǎn)灰度值，1 ≤i≤m,1 ≤j≤n。

接著計(jì)算原始圖像的梯度幅值和方向，將梯度幅值和方向函數(shù)分別設(shè)為M(i,j)和H(i,j)，梯度幅值和方向計(jì)算公式：

式中M(i,j)和H(i,j)分別為像素點(diǎn)(i,j)的梯度幅值和梯度方向角。

梯度幅值列分布如圖3 所示，由圖3 可知，圖像中依然存在較多噪聲。

圖3 梯度幅值列分布

通過(guò)對(duì)梯度幅值圖像進(jìn)行濾波去除噪聲，目前常見(jiàn)濾波算法有均值濾波、中值濾波和高斯濾波等[9]。本文使用高斯濾波算法去除梯度幅值圖像中噪聲，模板窗口設(shè)為9×9，標(biāo)準(zhǔn)差設(shè)為3，利用式（5）對(duì)梯度幅值圖像進(jìn)行卷積，高斯濾波后梯度幅值圖像及其列分布如圖4 所示。由圖4可知，高斯濾波算法有效地去除了噪聲，但條紋邊緣較粗。

圖4 濾波后梯度幅值圖像及其列分布

式中：σ為高斯函數(shù)的標(biāo)準(zhǔn)差；G(x,y)為二維高斯函數(shù)。

實(shí)現(xiàn)條紋邊緣細(xì)化需要使用非極大值抑制算法，非極大值抑制算法如式（6）所示。

式中M(i,j)為原始圖像中像素點(diǎn)(i,j)梯度幅值。

條紋邊緣細(xì)化圖像及其第256 列梯度幅值分布如圖5 所示。由圖5 可知，圖像中存在一些梯度幅值比較小的孤立點(diǎn)，影響后續(xù)ROI 區(qū)域選取。

圖5 條紋邊緣細(xì)化圖像及其第256 列分布

刪除條紋邊緣細(xì)化圖像中孤立點(diǎn)需要采用閾值分割算法，常用閾值分割算法有全局閾值法、Otsu 算法和最大熵法等[10]。本文利用全局閾值法進(jìn)行閾值分割，將閾值分割后圖像函數(shù)設(shè)為M′(m,n)，利用式（7）實(shí)現(xiàn)閾值分割。條紋邊緣及其第256 列梯度幅值分布如圖6所示。

由圖6 可知，該方法有效地刪除了條紋邊緣細(xì)化圖像中孤立點(diǎn)，從而得到實(shí)際條紋邊緣。

圖6 實(shí)際條紋邊緣圖像及其第256 列分布

式中：M′(i,j)為閾值分割后圖像像素點(diǎn)(i,j)的梯度幅值；k為孤立點(diǎn)梯度幅值中最大值。

3 獲取ROI 區(qū)域中心

根據(jù)條紋邊緣圖像梯度幅值分布特點(diǎn)，將每列灰度值大于0 的兩個(gè)像素點(diǎn)分別設(shè)為ROI 區(qū)域每列的上邊界和下邊界，實(shí)現(xiàn)從原始圖像中選取ROI 區(qū)域，ROI 區(qū)域如圖7 所示。由圖7 可知，ROI 區(qū)域包含比較多的焊縫特征信息，則提取焊縫特征運(yùn)算量比較大。

圖7 ROI 區(qū)域

獲取ROI 區(qū)域中心需要利用中心提取算法，常見(jiàn)的中心提取算法有極值法、閾值法和重心法等算法。本文采用非線性加權(quán)重心法獲取ROI 區(qū)域每列中心，通過(guò)調(diào)節(jié)加權(quán)系數(shù)t實(shí)現(xiàn)對(duì)每列灰度值較大像素點(diǎn)的權(quán)重調(diào)節(jié)[11]，使實(shí)際獲取的ROI 區(qū)域中心更接近條紋實(shí)際中心，將ROI 區(qū)域函數(shù)[12]設(shè)為fr(m,n)，選取t為2.15，利用式（8）求取其中心行坐標(biāo)，ROI 區(qū)域中心行坐標(biāo)變化如圖8 所示。由圖8 可知，ROI 區(qū)域中心某些列的行坐標(biāo)為0。

圖8 ROI 區(qū)域中心行坐標(biāo)變化

式中：xj為ROI 區(qū)域中心第j列行坐標(biāo)；fr(i,j)為ROI 區(qū)域像素點(diǎn)(i,j)灰度值；1 ≤i≤m,1 ≤j≤n；t為加權(quán)系數(shù)。

4 焊縫識(shí)別

針對(duì)ROI 區(qū)域中心行坐標(biāo)變化特點(diǎn)，通過(guò)搜索ROI區(qū)域中心行坐標(biāo)為0 的像素點(diǎn)提取焊縫特征，將第一個(gè)中心行坐標(biāo)為0 的像素點(diǎn)作為焊縫左端坐標(biāo)，記為將最后一個(gè)中心行坐標(biāo)為0 的像素點(diǎn)作為焊縫右端坐標(biāo)，記為將焊縫左右端坐標(biāo)進(jìn)行相減運(yùn)算得到焊縫寬度l為i-j，將焊縫左右端坐標(biāo)進(jìn)行相加相除運(yùn)算得到焊縫中心為焊縫識(shí)別如圖9 所示。由圖9 可知，本文算法能準(zhǔn)確地識(shí)別出焊縫。

圖9 焊縫識(shí)別

5 實(shí)驗(yàn)分析

通過(guò)對(duì)4 幅采集圖像分別采用極值法、邊緣取中法和本文算法求取焊縫寬度和中心。焊縫寬度和中心如表1 所示。因?yàn)楣羌鼙砻娣瓷渎矢哂诒“灞砻娣瓷渎?，中間背景像素點(diǎn)灰度值大于左右背景像素點(diǎn)灰度值。由表1 可知，使用極值法和邊緣取中法得到的焊縫寬度和中心都小于本文算法計(jì)算得到的焊縫寬度和中心，原因是其他算法將中間背景像素點(diǎn)看作是左右條紋，本文所提算法提取焊縫寬度和中心的精度高，去除了物體表面反射率不均勻的影響。

表1 焊縫寬度和中心

6 結(jié)論

本文根據(jù)原始圖像行灰度分布特點(diǎn)，采用Scharr 算子求取原始圖像方向?qū)?shù)、梯度幅值和梯度方向，接著使用高斯濾波算法去除梯度幅值中噪聲，然后利用非極大值抑制算法細(xì)化較粗的條紋邊緣，最后采用閾值分割算法刪除孤立點(diǎn)，從而實(shí)現(xiàn)條紋邊緣檢測(cè)。

根據(jù)所得條紋邊緣實(shí)現(xiàn)從原始圖像選取ROI 區(qū)域，采用非線性加權(quán)重心法獲取ROI 區(qū)域中心，通過(guò)對(duì)ROI區(qū)域中心行坐標(biāo)進(jìn)行分析得到焊縫特征，從而實(shí)現(xiàn)焊縫識(shí)別。

通過(guò)將本文算法與極值法和邊緣取中法相對(duì)比，本文所提算法能夠較好地去除物體表面反射率不均勻的影響，提取焊縫寬度和中心的精度較高。