焊接机器人初始焊位导引初始焊位识别

4.1初始焊位识别

本文通过视觉传感器获取角焊缝图像，通过一系列图像处理的手段，提取初始焊位在图像中的像素，为后续的三维重建和视觉导引做出好准备。因此，图像处理是一个关键环节，其处理效果直接关系到视觉导引的精度。图4-1是本文初始焊位像素坐标获取流程。 4.1.1图像预处理 实际获取的图像，往往由于拍摄过程或传输的过程中受到噪声污染，使得图像整体质量下降，并直接影响到图像的后续处理。本文在采集焊缝信息时，同样存在噪声干扰。因此在提取焊位初始点时，应对图像进行预处理，通过空域滤波增强的方式减少噪声的干扰。 常见的空域滤波方法有:平滑化滤波、中值滤波和锐化滤波。这三种方法可以理解为:通过特定的结构元素直接对像素点操作，达到增强图像的目的。平滑滤波器比较典型是均值滤波，用以像素点为中心领域内所有数据的平均值代替该点的值。该方法实质上是将噪声“平均化”，不过在有效抑制噪声干扰的的同时也降低了降低了图像的清晰度。锐化滤波恰好与平滑滤波的目的相反，具有增强图像边缘的能力。经分析本文采集的图像主要受离散的椒盐噪声和脉冲噪声(孤立点)影响。与简单的均匀滤波器相比，中值滤波器中心像素邻域中所有灰度的中间值作为输出值，对这两类噪声并不敏感。因此本文决定采用中值滤波对图像进行预处理，在消除噪声干扰的同时，保证了图像边缘的清晰。图4-2(a), (b)分别是预处理前后的对比。 4.1.2边缘提取 边缘是图像的重要特征，为了识别对象，需提取图像的轮廓。通常利用边缘检测来提取所需轮廓。边缘通常是图像中灰度值发生突变的区域，在数学上表现为其一阶或二阶导数的变化。基于这一原理，可以将像素灰度发生发生阶跃形、尖顶性或直线型的像素几何抽取出来，并把其作为边缘对图像进行研究。 常见的边缘检测算子有Roberts算子、Prewitt算子、Sobels算子和Canny算子。前三种都是基于一阶微分边缘检测算子，且对噪声比较敏感，故不考虑使用。Canny算子是目前应用最成功且使用最广泛一种边缘检测，其抗干扰能力较强，且其双阀值值算法检测能够有效去除伪边缘的干扰，降低误判率，故在边缘检测方面表现出了优越性能。 基于这种考虑，本文拟采用Canny边缘检测算子提取焊缝边缘，如图4-3所示。经过Canny算子作用后，焊缝的关键的3条直线被提取出来了。但是仍然存在一些干扰轮廓，于是在此基础上进行面积滤波，通过调整合适的阀值可去除冗余的连通面积较小的轮廓，留下目标轮廓。其处理结果如图4-4所示。焊接机器人

• 上一篇：焊接机器人视觉系统标定与初始焊位导引摄像机标定实验（下）
• 下一篇：机器人Pepper 被日企业累到过劳死 享年 11 个月“入棺安葬”