申请/专利权人：大连理工大学

申请日：2023-12-27

公开（公告）日：2024-04-09

公开（公告）号：CN117853753A

主分类号：G06V10/46

分类号：G06V10/46;G06V10/44;G06V10/762;G06V10/75;G06T7/13;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明一种基于激光点云的对焊焊缝高精度识别方法，属于计算机视觉和图像处理领域，涉及一种基于激光点云的对焊焊缝高精度识别方法。该方法首先获取焊缝三维点云数据，再基于自适应滑动窗模型提取各轮廓线的边界点，最后，采用基于DBSCAN聚类对异常边界点进行识别与修正。在没有先验形貌特征的情况下，可准确识别焊缝边界。该方法中可有效识别边界特征，通过局部模型与分段匹配策略，利用焊缝整体特征之间的相关性修正由碎屑、变形等产生的误识别数据，进一步增强鲁棒性。降低了焊缝错缝和变形的影响，为焊接件智能化焊后处理研究奠定了基础。

主权项：1.一种基于激光点云的对焊焊缝高精度识别方法，其特征是，该方法首先获取焊缝三维点云数据，再基于自适应滑动窗模型提取各轮廓线的边界点，最后，基于DBSCAN聚类对异常边界点进行识别与修正；通过局部模型与分段匹配策略，有效识别出边界特征，利用焊缝整体特征之间的相关性修正由碎屑、变形产生的误识别数据；以一类识别难度较大的薄壁筒零件环焊缝的背部边界提取为例，方法的具体步骤如下：步骤一、焊缝点云的获取首先，通过线激光扫描仪对包括焊缝和两侧母材在内的筒体焊接区域进行扫描；线激光扫描仪始终将焊缝定位在其测量范围的中心区域，沿圆周方向以等角间距Δθ采集n条轮廓线，Δθ＝360°；将得到的n条焊缝轮廓线表示为一个集合C＝{Ci|i＝1,2,...,n}，为方便计算，将焊缝点云中各点按照圆柱坐标表示为ρ,θ,z,其与直角坐标的转换关系为公式1； 步骤2、采用局部模型与分段匹配策略进行基于自适应滑动窗的轮廓线边界点的提取；以轮廓线左侧边界点Pi,lm提取为例，提取过程如下：2.1、构造滑动窗口WR,i：对于焊缝的轮廓线Ci，i＝1,2,...,n，其包含m个点，Pi,j，i＝1,2,...,n、j＝1,2,...,m表示轮廓线Ci中的第j个点，从Ci中选取参考点构成描述母材局部形貌的滑动窗口集WR,i；WR,i＝{Pi,j∣j＝sini,sini+1,...,send}2其中，sini—滑动窗口的起始点，send—滑动窗口的终止点；初始状态下，滑动窗口集中sini＝1，send＝r，r表示从轮廓线Ci的边缘选取的初始窗口点的个数，初始窗口点的数量根据实际轮廓线形貌选取，尽量不超出轮廓点总数的10％；2.2、局部参考线LR拟合：采用最小二乘法将滑动窗口集合WR,i中的参考点拟合为直线，即LR；2.3、边界查询点Pi,quегу判别：令Pi,quегу表示边界查询点，初始状态下Pi,quегу＝Pi,r+1；计算Pi,quегу和LR之间的空间距离dR，将dR与设定的偏差参考阈值dR0进行比较；若dR＜dR0，进入步骤2中的2.4；若dR≥dR0，当前Pi,quегу被认为是焊缝标志点Pi,lm，进入步骤2中的2.6；2.4、滑动窗WR,i与查询点Pi,quегу滑动更新：dR＜dR0表示此时Pi,quегу不是焊缝标志点；滑动窗口集WR,i和Pi,quегу同步滑动更新，更新原则为公式3和4：WR,i＝WR,i+Pi,quегу3Pi,query＝Pi,query+142.5、滑动窗WR,i自适应调整：为了保证算法在存在局部变形的情况下也能保持准确的边界点识别，基于均方误差对窗口WR,i进行自适应调整，调整原则为公式5： 其中，MSE为滑动窗WR,i内参考点拟合直线所产生的均方误差值，MSEt为设置的自适应调整阈值；直到MSE≤MSEt，完成调整后；进入2.2；2.6、点集WT,i回溯：得到焊缝标志点Pi,lm后，将距离标志点Pi,lm最近的k个点组成回溯点集WT,i，表示为公式6：WT,i＝{Pi,j∣j＝lm-k,lm-k+1,...,lm-1}6计算WT,i中每个点与参考线LR之间的空间距离di,j，计算结果形成集合DT,i，表示为公式7：DT,i＝{di,j∣j＝lm-k,lm-k+1,...,lm-1}72.7、获得边界点Pi,lm：确定集合DT,i中的最小值，将与之对应的点识别为当前轮廓线Ci的焊道左侧边界点Pi,lm；对于轮廓线Ci，从两侧分别识别出焊缝的两个边界点Pi,lm和Pi,br，按照这种方法完成n条轮廓线的边界识别；步骤3、基于DBSCAN聚类的异常边界点识别与修正；3.1、拟合焊缝中心平面Sc：基于边界点Pi,bl和Pi,br，通过公式8计算出焊缝的中心点Pi,ct：Pi,ct＝Pi,br+Pi,bl28在计算出所有轮廓线的焊缝中心点Pi,cti＝1,2,...,n后，基于最小二乘法拟合得到焊缝中心平面Sc；3.2构建特征向量Fc,i：为便于各轮廓线异常边界特征的辨识，构建特征向量Fc,i，表示为公式9：Fc,i＝[dl,i,dr,i,αi]T9其中，dl,i和dr,i为轮廓线Ci的边界点Pi,lm和Pi,br到中心平面Sc的距离；αi表示轮廓线Ci的空间位置信息，与其在圆柱坐标系中的角度θi成正比，满足公式10，μ为比例系数；αi＝μ·θi103.3建立特征向量集Uc与总向量集U：各条轮廓线Ci的特征向量Fc,i可组特征向量集Uc＝{Fc,i∣i＝1,2,...,n}；为了保证特征向量集Uc首尾向量在聚类分析中的准确性，构建两个辅助向量集，Uaux1＝{Faux1,u∣u＝1,2,...,k}和Uaux2＝{Faux2,u∣u＝1,2,...,k}；辅助向量集由特征向量集Uc通过公式11和12衍生得到：Faux1,u＝Fc,n+1-u+[0；0；-2πμ]T11Faux2,u＝Fc,u+[0；0；2πμ]T12总向量集U由公式13得到：U＝Uc+Uaux1+Uaux213其中，辅助向量集Uaux1和Uaux2仅参与聚类，不生成离群向量；3.4、DBSCAN聚类算法识别离群向量：在建立总向量集U后，设置聚类算法相关参数：邻域半径Rn、构成核心向量所需的最小邻接向量个数运用DBSCAN聚类算法识别离群向量Ft:[dl,t,dr,t,αt]T；3.5异常边界修正：异常向量记为Ft:[dl,t,dr,t,αt]T，在与其相邻的两一般特征向量之间于αt处进行线性插值，从而将异常向量更新为[d'l,t,d'r,t,αt]T，利用修正后的特征向量通过反求得到新的焊缝边界；将异常边界点修正完成后，基于每条轮廓线Ci的边界点构建焊缝边界，从而在点云模型中准确分割出焊缝和母材区域。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于激光点云的对焊焊缝高精度识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD