基于LabVIEW的焊缝视觉跟踪系统研究

陈 锋 ，张众杰 ，周杭超 ，董晨晨 ，张恒靖 ，马小龙

（1.浙江方圆检测集团股份有限公司，浙江 杭州310018；2.浙江省产品质量安全检测研究院，浙江 杭州310018；3.浙江工业大学，浙江 杭州 310018）

0 引言

焊接工艺是制造业中非常重要的一种加工工艺方法。随着产品设计结构的复杂化和要求高生产效率，机器自动焊接工艺已在逐步取代手工焊接工艺。自动焊接工艺也表现出了其优势：焊接质量高，人的劳动强度低，效率高，人的焊接条件大大改善。随着焊接工艺要求的越来越高，自动焊接机器人的控制方式从一开始的开环控制，改进到现在的闭环控制为主，焊接机器人也具有了路径自动识别，自动校正，焊缝跟踪，焊缝质量识别等功能[1-2]。视觉传感器的焊缝跟踪识别使机器人具有自主获取焊接路径的能力，解决了以往焊接机器人靠人工进行示教而生产效率不高的问题，提高了智能化。

焊缝跟踪是自动焊接机器人研究的一个重要课题，即以焊枪头作为控制对象，利用机械方法、电磁感应方法、视觉方法获取到焊枪的实时位置，计算出实际位置与规划位置的偏差量，偏差量输入控制器，运算后控制焊枪调整位置状态[3-4]。其中视觉方法进行焊缝跟踪识别引起了国内外学者的较大关注和研究，提出了多样的图像处理算法，文献[5]对其研究现状进行介绍。

焊缝的准确识别是对机器人做出准确判断的前提条件，如何采用快速、准确的计算机运算达到识别目的，是很多专家学者们关注。本系统通过增加结构光作为辅助光源，避开了焊接时因为弧光造成的干扰，采用图形化的编程工具LabVIEW对焊缝进行识别算法编程，实现了焊缝的快速、准确识别。

1 算法原理

通过对采集到的焊缝图像进行预处理，提取到细化的单结构光图像，就需要得到该结构光的中心点和两侧的边缘点坐标（xa，ya），（xb，yb），（xc，yc），本文采用焊缝特征提取算法为模板匹配法。

图1 V型焊缝结构光图像示意图

1.1 采用Hough变换的图像预处理

Hough变换是利用图像全局特性将边缘连接起来促成封闭边界的一种方法，可以很方便得到边界曲线将不连续的边缘点像素连接起来形成连续线。优点是受噪声和曲线间断的影响较小。

Hough变换的基本思想是点线对偶性。Hough处理是先确定图像的突变点，将这些点按照一定的顺序和法则连成线段或直线[6]。在直角坐标系中描述直线有很多种方法。其中，参数方程是描述一组直线的便捷方案。

在这里，r是指原点到该直线的距离，θ是r相对X轴的转角。

1.2 模板匹配法

模板匹配法是利用已知的模板对视觉图像中的相关特诊进行匹配，通过模板的匹配方法对图像上的各像素点进行逐级搜索过程如图2所示。用归一化互相关匹配算法逐行进行匹配，当搜索到具有模板相关特征的像素点时，就判断为找到该特征位置了[7]。

图2 模板匹配过程示意图

设模板 T（m，n）在被匹配的图像 S（M，N）中进行平移，模板所覆盖的那块区域记做Sij，那么归一化的相关系数 R（i，j）可以表达为：

分子为模板与子图像的互相关计算，随着（i，j）坐标的变化，当模板与子图像一致匹配时，归一化相关系数 R（i，j）就得到 1，将被匹配的图像 S（M，N）全部进行搜索后找到R（i，j）的最大值，即为模板所对应的子图像的匹配目标。利用模板匹配的方法检测到的焊缝特征点位置图像。

2 实验系统

2.1 硬件系统

系统由硬件和软件两大部分组成。可将整个系统划分为电子图像获取系统、计算机程序处理系统、XY轴跟踪平台系统、步进电机控制系统、电源系统。本实验平台改进了以往的工件固定，焊枪移动的工作模式；将焊枪固定，工件移动的工作模式。

实验平台由采集图像卡、图像采集摄像机、结构光发生器、固定支架构成，如图3所示。

图3 结构光主动视觉识别平台示意图

同时算法中尽量避免图像雅可比逆矩阵时的奇异点造成的系统不稳定[3]。

本实验选用DAHENG_Mercury_Cameras，带触发相机功能。摄像机通过USB口将数字量信号传入计算机，免去了以往还需要模拟量转数字量板卡。摄像机与结构光发生器用支架固定在框架中，安装于焊枪正前方，主要用于采集缝前端的图像。

2.2 软件系统

LabVIEW是一种用图标代替文本创建应用程序的图形化编程语言，即虚拟仪器，它提供了丰富的图形控件，并采用图形化编程方法。本系统就是以LabVIEW为软件开发平台而开发的焊缝跟踪系统。软件系统分为四个组成部分：图像采集处理获取焊缝中心，控制步进电机，相关参数设置等。系统框图如图4所示。

图4 图像视觉识别系统框图

图像视觉识别系统对摄像机观察到的特征信息进行直接反馈，已经改进了以往的需要对位姿进行估计的方法，受到传感器模型和机器人运动学标定带来的误差较小影响，使得静态定位精度较高。

3 图像采集与处理

3.1 图像采集

图像采集时要求图像在显示屏的正中间位置，试验过程中通过调整摄像机与工件的相对高度位置达到图像位于显示屏正中间位置。焊枪位于摄像机后方，结构光照射到摄像机正下方的工件表面上形成一字红线，形成的V型特征线图像，采集图像如图5所示。

图5 焊缝图像

采集到的图像像素为2 048×1 536，图像所采集的区域尺寸为横向距离为96 mm×72 mm，经过标定每一个像素对应的实际长度值为0.046 875 mm。

3.2 图像处理

焊缝跟踪的精度很大程度上取决于焊缝图像特征的提取，即焊缝中心点的检测。

焊接过程产生的飞溅、反射光等干扰会是的说拍摄图片含有大量噪声，影响中心点的检测，为此，有必要对原始图像进行预处理。本系统的处理方法及流程如图6所示。

图6 焊缝中心检测流程图

焊缝中心提取结果如图7所示。

图7 焊缝中心检测图

实验证明，用该方法进行焊缝识别时非常快速有效提取到了焊缝的特征点。

4 实验结果及分析

首先通过实验确定了本系统中的各个参数，确定焊缝图像上像素点与实际坐标之间的关系，以获取焊缝实际坐标。

焊缝跟踪试验时，设定的电弧电压为25 V，焊接电流为210 A，送丝速度为12 m/min，焊丝直径为1.2 mm，保护气体是混合二元气80%Ar+20%CO2，流量为12 L/min，焊接速度35 cm/min，V形坡口S形，板厚为10 mm，单边坡口角度30°，试件焊接长度为300 mm的Q235钢板。

在开始焊接时，调整焊接装置使内焊缝中心处于图像的中间位置，即图像水平方向第1 024个像素处。在实际运行中，抽查了一组焊缝中心的数据，如表1所示，表1列出了采用本文提出的方法所得实时识别焊缝中心与焊缝路径拟合（实际坐标）的部分对比结果。从数据的分布上来看，能够确定焊缝的偏差范围可以控制在0.5 mm以内，完全能够满足企业要求。焊缝跟踪实物如图8所示。

表1 图像识别坐标与拟合坐标位置表

图8 焊接效果图

实验表明，该焊缝视觉信息检测系统抗干扰能力强，焊接速度可根据焊接工艺调整，精度高，可以满足实时性和高精度的要求。

5 结论

焊缝视觉跟踪识别技术由于其对工件无损伤，适应性强，快速准确性，市场需求量已经开始显现。LabVIEW由于其编程语言简洁，视觉开发环境可以使开发者快速开发出适用的视觉识别及跟踪程序。

本系统搭建了弧焊机器人视觉传感试验硬件系统，并基于LabVIEW平台开发软件系统，对原始图像进行平滑去噪，采用边缘检测算法抽取了激光条纹边缘；利用Hough变换和模板匹配算法提取了光带中心线和焊缝中心点。

实验证明，该系统可以实时的跟踪焊缝并进行纠偏，并对跟踪过程实时的显示，运行可靠，精度高，提高生产率。