论文部分内容阅读
机器视觉激光焊接具有焊接质量高、精度高、速度快等优点,实现了机械自动化,现已经被广泛应用到各行各业。如汽车行业对零部件采用激光焊接降低了车身的重量和生产成本、制船行业对船板采用激光焊接在焊后基本没有变形等。随着机器视觉激光焊接的发展,通过机器视觉实现对焊后焊件表面的自动化缺陷检测也变得尤为重要。机器视觉缺陷检测系统一般都具有快速性和实时性,但是在不牺牲速度的前提下提高准确性一直是攻克的难点。这里通过引入Hough变换检测圆(CHT,Circular Hough Transform)做缺陷检测,其主要是定位缺陷所在位置,通过引入Hough变换使得产品缺陷检测的准确性和快速性得到了很大的提高。本课题来源于某公司“基于机器视觉的激光自动焊接设备”项目。本文主要做了如下工作:1)将CHT应用到基于机器视觉的激光焊接焊后焊件表面缺陷检测领域中。对工业相机(CCD,Charge-coupled Device)采集到的图像先用Canny算子进行边缘检测,然后用CHT做焊接位置定位,最后累计焊接位置处坏的像素点的个数,并与设定的缺陷阈值进行比较由此判断产品焊接质量的好坏。本算法与用模版匹配做缺陷检测的算法进行对比分析,误判率和漏判率分别降低了5%和3%左右。2)将改进随机Hough变换(RHT,Random Hough Transform)应用到基于机器视觉的激光焊接焊后焊件表面缺陷检测领域中。RHT检测圆与CHT相比速度得到了提高,但是由此会引入大量的无效累积,因此对RHT进行如下改进:判断随机采样的三点是否共线并对其之间的距离进行限定,这样避免了之后大量的无效计算;当判断候选圆是否为真实圆时,先判断边缘点是否在候选圆的内外切正方形之间然后再计算边缘点是否在候选圆上,避免了大量计算;采用求弦的中垂线对圆参数求解,提高了运行速度。该算法先在matlab上仿真运行然后被应用到机器设备上,验证了其准确性与有效性。改进RHT算法的准确性与RHT、CHT的准确性基本相同,改进RHT相比RHT算法速度提高了100ms左右,改进RHT算法相比CHT速度提高了600ms左右。