基于Hausdorff距离的工件焊缝接头类型识别.pdf

《基于Hausdorff距离的工件焊缝接头类型识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、李原等：基于Hausdorff距离的工件焊缝接头类型识别基于Hausdorff距离的工件焊缝接头类型识别!李原!徐德谭民（中国科学院自动化研究所复杂系统与智能科学重点实验室北京100080）摘要提出了一种以Hausdorff距离为度量准则的工件焊缝接头类型识别方法。通过激光结构光视觉方法，CCD摄像机采集被焊工件焊缝接头的激光图像，并提取出激光条纹中心线。根据焊缝接头图像特点，提出6种焊缝接头条纹形状基准模型。以Hausdorff距离度量激光条纹图形与基准模型库之间的匹配程度，当条纹形状与基准模型的距离具有最小容差时，认为与相对应

2、的焊缝接头类型相匹配。为实现算法加速，采用Hough变换和HoteIIing变换来标准化图形，并利用图像特征对搜索空间进行了降维。实验结果验证了该识别方法的有效性。关键词机器人，结构光视觉，焊缝识别，模板匹配，Hausdorff距离需要能够自动识别焊缝的接头类型，以提高焊接机0引言器人的适应性和自动化水平。文献［3］采用人工神经网络实现焊缝类型的自动识别。该法将焊缝图像目前，焊接机器人的工作方式以示教-再现的中条纹曲线的沟槽区域进行等分，抽取沟槽深度作方式为主，受工件的加工、定位精度和热变形的影为特征向量，通过神经网络方法对焊缝类

3、型进行识响，其示教路径往往偏离焊缝，不能满足要求。焊缝别，取得了比较好的效果。但是，这种方法的实现具跟踪是机器人焊接领域的一个重要研究问题，是实有一定的困难：不同类型接头的焊缝图像特征向量［1］现高质量机器人自动焊接的基础。实现焊缝位置提取方法不同；特征向量的提取往往需要依赖于焊检测的方法有多种，其中结构光视觉方法以其精度缝接头形状的先验知识。文献［4］提出了一种碎片高，信息丰富，抗干扰性好等优点，被认为是很有发轮廓匹配算法，但该法没有充分利用轮廓线自身所［2］展前途的一种传感方式。该方法将激光结构光平固有的几何特征，算法比较复杂

4、。面投射到工件焊缝表面，形成激光特征条纹，然后由本文提出了一种以Hausdorff距离为度量准则CCD摄像机采集条纹图像，通过图像处理提取出焊的焊缝结构光图像接头类型的自动匹配与识别方缝特征位置，引导机器人末端焊枪沿焊缝轨迹运动，法。该方法在充分利用了焊缝图像的几何形状特征实现焊缝跟踪。在焊接生产中，根据坡口形式和连的基础上，采用Hough变换和HoteIIing变换对图形接方式的不同，工件焊缝的接头类型主要有以下几进行标准化，对匹配搜索空间进行了降维，并利用条种：对称V型坡口，左、右单边V型坡口，T型坡口，纹的曲率特征位置进一步

5、加快搜索，减少了算法的以及左、右搭接坡口类型等。在不同接头类型焊缝计算量。的结构光图像中，激光特征条纹形状不同，图像特征的选择与提取的方法也是不同的。基于结构光视觉1Hausdorff距离方法的焊缝跟踪系统，需要针对特定焊缝接头类型开发相应的图像特征提取算法。焊接机器人在工作Hausdorff距离是一种极大-极小距离，主要用于前，一般需要根据焊接工件接头形式人工选择相应测量两个点集之间的匹配程度。的特征提取算法。不仅各种类型接头焊缝的图像特给定两个有限集合A=｛a0，a1，⋯，am｝与B=征提取方法是不同，而且焊缝跟踪时机器人末端

6、焊｛J0，J1，⋯，Jn｝，则A、B之间的Hausdorff距离定义枪的位姿控制也是不同的。所以，机器人视觉系统为："863计划（2002AA422160）资助项目。!男，1977年生，博士生，研究方向：焊接机器人视觉控制；联系人，E-maiI：Iiyuan@compsys.ia.ac.cn（收稿日期：2005-11-29）—1129—高技术通讯2006年11月第16卷第11期H（A，B）=max（h（A，B），h（B，A））左搭接类型和右搭接类型。这些类型焊缝的激光结其中构光图像如图1所示（为观察方便，原始图像反色显h（A，B）

7、=maxmin（"a-b"）示，括号内为相应接头类型代号）。a!Ab!Bh（B，A）=maxmin（"b-a"）b!Aa!B式中，"·"为定义在点集A和B上的某种距离范数，如欧氏距离。h（A，B）和h（B，A）分别称为前向和后向Hausdorff距离。定义一个点到一个有限集合的距离为该点与这个集合所有点的距离的最小值，则h（B，A）即为点集A中的每个点到点集B的距离的最大值。Hausdorff距离度量了两个点集间的匹配程度。作为距离测度时，无需考虑两个点集中的点与点之间的对应关系，因此可以在没有映射关系的情况下对两个点集之间的相似

8、性进行度量。Hausdorff距离［5］可以有效解决当图像中存在噪声时的识别问题。采用Hausdorff距离度量点集的匹配程度，关键是采用高效的搜索策略对目标进行搜索。目标图形在图像空间中的二维仿射变换为：éU'ùéabU0ùéUùê1'úêci1