基于图像处理的爬壁机器人焊缝识别与跟踪

0 引言

随着工业自动化与智能化的不断发展，爬壁机器人由于其高度的灵活性与机动性，引起了研究者的广泛关注。爬壁机器人根据其吸附方式的不同，主要分为真空吸附式、磁吸附式和静电吸附式；根据其移动机构的不同，可分为轮式、履带式、足式和轨道式等[1]。国内爬壁机器人的研究大多偏重于应用型，主要用于油罐、管道和船体壁面等的清洗除锈及焊缝检测[2]。为实现爬壁机器人的焊缝跟踪，引导其沿焊缝行进，需要获取更准确的焊缝位置信息。非接触的视觉传感器，被广泛应用于焊缝跟踪过程中。针对不同的应用环境，研究者分别讨论了基于单目视觉的方法、基于双目视觉的方法，以及基于激光机构光与视觉传感器相结合的方法，获取焊缝的二维或者三维立体信息[3-5]。

对于采集到的图像信息，一般有2种处理方法：空间域和频域。空间域方法是把图像看作平面上各个像素组成的集合，直接对像素点进行处理；频域方法需先对图像进行正交变换后，再处理变换域的系数矩阵[6]。由于数字图像信息量大、处理器运算速度有限，而频域方法计算过程不直观、计算量大，不满足实时性要求，更常用的是空间域方法，如图像模板匹配、模式识别等。

本文的爬壁机器人，应用于三峡水电站发电机组压力钢管的焊缝检测，管道直径不小于12.5 m，机器人需要高空作业。考虑到吸附力与机器人自重限制，希望视觉系统尽可能简单；考虑到焊缝高度相对较小，三维特征不明显，希望通过二维信息获取焊缝位置；考虑到图像信息量及处理速度限制，希望选用效率较高的算法。基于以上原因，选用基于单目视觉的图像采集方式，以及基于灰度形态学的图像处理方法，搭建了三峡爬壁机器人实验平台，并基于机器人传回的图像研究了焊缝识别与位置提取算法，并对算法的准确率和实时性进行了分析。

1 爬壁机器人及视觉系统

爬壁机器人采用模块化设计方法，电机驱动4组履带轮作为移动模块，能适应曲率半径不同的壁面；使用永磁式吸附结构，确保运动过程中吸附可靠性；使用里程计+位姿传感器，解决压力钢管内大范围的定位问题。采用机器视觉方法，实现焊缝循迹，图像采集使用海康网络PTZ摄像机。相机置于爬壁机器人前端云台，距离壁面高度可调节，行进过程中垂直于壁面俯拍焊缝图像。考虑到管道内部光照强度较低，在相机上方增加白色条形光辅助照明，提高图像采集质量。机器人上还安装有六自由度关节式机械臂、焊枪和喷涂装置等，可以实现移动中的焊缝维护。实验系统构成如图1所示，设计质量约200 kg。

图1 爬壁机器人及图像处理系统

云台相机采集图像，传回上位PC控制端，在软件平台上，进行图像实时处理，识别焊缝并提取焊缝位置。位置信息反馈到移动平台控制器，引导爬壁机器人沿焊缝前进。

2 焊缝识别及位置检测

CCD视觉传感器获得的原始图像如图2所示(图像左侧方框中为需要识别的焊缝大致所在区域)。焊缝图像信息量大，有效区域小，信噪比高。为此，将图像处理流程设计为预处理和焊缝提取2个步骤，如图3所示。预处理流程目的在于压缩图像信息，弱化图像噪声，凸显焊缝特征；焊缝提取步骤通过边缘检测等方法，表征焊缝具体位置，并获取坐标。

图2 视觉传感器获取的焊缝原始图像

图3 图像信息处理流程

2.1 焊缝图像预处理

2.1.1 灰度化处理

原图为1 024×1 280的RGB 三色图，分辨率和画面质量较高。为减少图像信息，提高运算速度，将RGB图像转换为灰度图像。转换方式采用根据人眼灰度视觉效果得到的心理学灰度公式：

Zxy为转换后的灰度图像在(x,y)点处的灰度值；Rxy、Gxy、Bxy分别为原彩色图像中红、绿、蓝分量在(x,y)点处的值。

2.1.2 自适应中值滤波去噪

在图像采集、传输过程中存在许多干扰因素，如管道壁面不完全平整，光照条件不一致，焊缝周围存在飞溅物、车轮印等。这些噪声严重影响到焊缝特征提取，必须予以滤除。传统的滤波方法，如高通滤波、低通滤波和中值滤波等，往往在去噪的同时模糊了图像的细节特征，不利于后续处理。为了有效消除噪声的同时，保留焊缝细节，本文采用自适应中值滤波方法。

自适应中值滤波在传统的中值滤波基础上，实时更正滤波窗尺寸，提高其适用性。基本工作过程分2步完成[7]：

上一篇：神经外科耐碳青霉烯类铜绿假单胞菌肺部感染的
下一篇：没有了