Snake模型和遗传算法在特殊焊缝提取中应用.PDFVIP

第 39 卷 第 9 期 焊 接 学 报 Vol.39(9):083 − 089 2 0 1 8 年 9 月 TRANSACTIONS OF THE CHINA WELDING INSTITUTION September 2018 Snake模型和遗传算法在特殊焊缝提取中的应用 1 1 2 吴 鑫 ， 李 强 ， 齐铂金 (1. 北京交通大学 机械电子与控制工程学院，北京　100044； 2. 北京航空航天大学 机械工程及自动化学院，北京　100191) 摘 要： 针对CCD 直接拍摄图像的弧焊机器人焊缝视觉检测问题，文中提出了一种精确提取带有较大的间断、尖 锐的拐点、较多的干扰等特殊焊缝轨迹的算法. 该算法先用小波变换进行焊缝边缘线的平滑，得到与最终焊缝距离 很近的初始焊缝轨迹，再用基于Snake 模型和遗传算法的进行特殊焊缝的精确匹配和提取. 结果表明，该算法能进 一步提高特殊焊缝轨迹识别的识别和检测精度，具有较强的适应性，也为弧焊机器人视觉检测的智能化的进一步 提高提供一定的技术参考. 关键词： 弧焊机器人；图像处理；小波变换；Snake 模型；遗传算法 中图分类号：TG 409 文献标识码：A doi：10.12073/j.hjxb.2018390229 0 序　　言 检测边缘点更高一层的处理. 对于复杂干扰的图 像，比如含有划痕、黑笔记号、且与焊缝交叉干扰的 弧焊机器人在航空发动机、动车组、高铁、汽车 图像，需要用数学形态学的方法对二值化后的图像 [1] 进行膨胀、腐蚀和开、闭运算，并进行骨架细化，然 制造中有广泛的应用 . 其中弧焊机器人视觉检测 具有信息量大、精度高、适用范围广、智能程度高等 后根据设定的边缘链之间合并的规则等先验知识， 独特优点，具有很大的开发潜力和广泛的应用前 判断边缘链之间的空间位置关系、夹角、灰度类型 景. 弧焊机器人视觉检测主要包括直接拍摄方式和 和相近程度等特征，合并相邻的符合要求的链，去 [2] 结构光检测方式两种检测方法. 直接拍摄方式更具 除干扰链，最终提取焊缝边缘线 . 潜力，因信息量大，图像复杂，识别难度大，要求的 文中焊缝边缘线算法中比较关键的一步是焊 智能化程度高，一直是机器人领域研究的热点. 缝边缘线的平滑. 在焊缝边缘点的梯度值一般都相 文中提出了一种基于Snake 模型和遗传算法 对比较大，但在焊缝区域附近还可能有梯度值比较 的弧焊机器人直接拍摄方法. 能够精确提取有较大 大的少数干扰点，这些干扰点会形成相邻点位置的 间断、尖锐的拐点、较多干扰等特殊的焊缝轨迹. 跃变或间断，使离散的焊缝边缘点离真实焊缝曲线 有一定的偏差而且有跳动，难以把握这些离散焊缝 1 焊缝轨迹平滑的意义及局限性 边缘点的总体走向和趋势. 较好的解决办法是对这 些离散焊缝边缘点所形成的带有小毛刺、锯齿等的 1.1    焊缝边缘线平滑的意义 不规则曲线进行平滑，才能把握焊缝的总体走向和 文中采取的图像处理一般步骤为焊缝边缘点 趋势. 而且焊缝曲线基本都是平直连续的和光滑 的检测和焊缝边缘线的提取. 焊缝边缘点一般表现 的，适合采用平滑函数进行平滑，连成有意义的焊 为灰度的突变，是视觉感知的重要线索，它有多种 缝边缘线，如图1. 类型，如斜坡型、阶跃