基于多双目立体视觉的焊缝测量研究.pdfVIP

摘要

在制造业迅速发展的今天，汽车已经成为人们日常出行的必需品。在汽车生产

制造过程中，焊接和喷胶工艺非常常见。焊缝喷胶检测能有效地发现车身中的焊接

缺陷，无论这些缺陷是发生在可见还是不可见的焊缝上。焊装涂胶工艺是汽车车身

制造过程中非常重要的一环。本文提出了一种基于多双目立体视觉的焊缝测量算法，

是针对焊缝自动化喷胶生产的研究，将深度学习技术的智能化与多目立体视觉测量

的定量化结合，保证胶水被正确的喷涂在车体焊缝上，并实时地测量涂胶喷头相对

于被涂胶焊缝的位置和检测焊缝喷胶后的效果，旨在实现焊缝喷胶的自动化测量，

从而提高生产效率和产品质量。主要研究工作和创新点如下：

（1）为了对目标焊缝喷胶进行测量，本文对目标检测算法的性能在COCO数据

集上进行比较之后，根据训练的指标和工程应用检测需求选择了轻量型的YOLOv5s

目标检测算法。首先将要识别的焊缝喷胶图片用LabelImg标注方式自制数据集；然

后将标注好的数据集和标签，根据8：1：1的比例分为训练集、测试集和验证集，

进行网络模型的训练和测试；最后根据训练的结果，通过评价指标来评估YOLOv5s

模型的目标检测性能，通过与其他几种典型的目标检测模型进行对比实验，发现

YOLOv5s模型在检测精度和实时性方面都有很好的表现，达到了较高的水平。

（2）提出了一种基于深度学习的多双目立体视觉焊缝测量系统，该系统，首先

使用YOLOv5s目标检测算法来检测目标物体上的焊缝，并通过三个相机拍摄的目标

焊缝和喷过胶的焊缝照片，使用张氏相机标定法建立世界坐标系与像素坐标系之间

的映射关系。然后，通过校正算法得到目标焊缝上的参考点的像素坐标，并使用

SIFT立体匹配算法对校正后的图像进行像素点匹配。最后根据多双目测距原理来计

算目标与相机之间的真实距离。通过实验，多双目测距方法相较于双目视觉的测距

方法具有更高的测量精度，距离不超过1400mm误差在3.17%以内。

（3）焊缝喷胶加工过程中存在胶水飞溅、相机镜头附着胶水、图像清晰度降低

等问题，针对这一问题，本文利用一种图像处理算法来对多双目视觉系统获取的焊

缝喷胶图像进行处理；为实际生产的工作需要，然后对图像处理网络模型进行压缩，

便于工程应用的部署；最后对压缩过的图像处理方法进行实验验证。实验结果表明

图像处理算法模型参数量减少，焊缝喷胶图像清晰度提升，FPS提升。

关键词：深度学习，焊缝喷胶，目标检测，多双目测量，图像处理

ABSTRACT

Today,withtherapiddevelopmentofmanufacturingindustry,carshavebecomea

necessityforpeoplesdailytravel.Weldinganddispensingprocessesareverycommonin

automotivemanufacturing.Weldsprayinspectionisaneffectivewaytofindwelding

defectsinthecarbody,whethertheyoccuronvisibleorinvisiblewelds.Theweldingand

gluingprocessisaveryimportantpartoftheautomobilebodymanufacturingprocess.In

recentyears,withtherapiddevelopmentofdeeplearning,deeplearningengineering

applicationshavebecomearesearchhotspotinmanyindustries.Thispaperproposesa

weldmeasurementalgorithmbasedonmulti-binocularstereovision,whichisaresearchon

theautomaticglue