打开文本图片集
摘要：目前，螺旋板式换热器焊接存在焊缝跟踪困难，焊接所导致的偏差存在的缺陷。本文设计和研发了一套基于主动光视觉技术的螺旋焊缝实时跟踪焊接系统，通过焊接前的焊缝特征点提取，焊接时核相关滤波目标跟踪算法进行焊缝的识别和自动跟踪，实验测试表明该方法能够达到螺旋板式换热器的全自动焊接跟踪精度要求。
Abstract： At present， the welding of spiral plate heat exchanger has the defect of welding seam tracking difficulty and deviation caused by welding. This paper designed and developed a set of real-time tracking based on active light vision technology of spiral seam welding system， by prior to welding the weld feature point extraction， welding nuclear related filter target tracking algorithm for seam tracking， identification and experimental tests show that the method can meet the automatic welding tracking accuracy requirements of spiral plate heat exchanger.
关键词：螺旋板式换热器;主动光视觉;焊缝跟踪;核相关滤波目标跟踪算法
Key words： spiral plate heat exchanger;active optical vision;weld seam tracking;target tracking algorithms based on core-correlation filtering
中图分类号：TG439.9 文献标识码：A 文章编号：1006-4311（2019）20-0145-06
1 概述
本系统中换热器采用的是螺旋板方式，主要是两个相互平行的金属板构成的，通过将两个金属板卷制所得的螺旋形作为换热器的通道，换热器由螺旋板的内壁来完成对不同温度流体之间的转换。该设备能够有效且适用于蒸汽的冷凝以及无相变的对流传热过程，同时也适用在沸腾热传中。广泛应用于中小型合成氨厂的变换热交换器、合成塔下部的热交换器、烧碱厂的电解液加热器、浓碱液的冷却器，以及一系列的冷却设备中，都能达成优秀的结果。
螺旋板式换热器生产时，需要把两张板卷制而成，形成了两个均匀的螺旋通道，两端进行焊接而成，焊缝呈现螺旋状。对螺旋焊缝的焊接存在定位困难，焊接弧度多，容易虚焊等缺点。
目前，在工业上比较常见的有手持式、专业型以及机器人[1-3]来进行焊接工作的设备。手持式的焊接方式对螺旋焊缝容易产生疲劳，焊接机器人存在实现成本高，系统复杂。有基于视觉和激光传感的焊缝跟踪系统[5-8]，有适用于管状外壳螺纹形状焊接，采用主动结构光的螺旋焊缝的自动焊接系统，尚没有较为完整的设计系统，本系统的开发研究具有实际应用价值。
2 主动结构光螺旋板式换热器焊缝实时跟踪系统
主动结构光焊缝实时跟踪系统主要硬件组成为焊接机器人、工業PC、工业相机、工业镜头、线激光发生器、摆动装置、位置微调装置及焊接设备等，其结构示意图如图 2所示。
如图2所示，由图像采集、图像处理以及控制系统这三部分组成整体的系统。
2.1 结构光焊缝采集
结构光视觉传感器作为本系统中最重要的模块之一，相当于系统的“眼睛”。在关于本系统所采用的的传感器中，有工业相机、滤光片、保护壳等一系列模块所组成的，其中主要的结构图可见图3。线激光发生器以一个固定的角度？兹和工业相机相连接，其中待焊工件以H作为与传感器所保持的距离，在保证传感器正常工作的条件下，待焊工件将通过激光发生器所发射出的线激光条纹进行照射，经过漫反射之后的激光条纹能够在CCD上进行成像。同时通过固定角度？兹的放置，既能够保证通过相机而实现焊缝位置的确定，又能进一步反映出更深层次的内容信息。
在工作环境中，工业相机与工件呈90°角，同时激光器以一定的倾角进行布放，激光器所发射出的激光穿过里面的柱透镜，从而形成的光束以“一字型”的形式打穿在螺旋板式换热器端面上，在焊缝上留下又细又窄的一束光带。相机拍摄时所面向区域中的图像在完成最终的成像前，将依次经过位于镜头之前的窄带滤光片与减光片，它们所起到的功能便是过滤掉规定波长之外的光以及对光照强度作用的减少，其中窄带滤光片的选择应该与激光器所产生的中心波段相适应。相机所成像中关于光带条纹的信息是最能体现焊缝本身的信息，最后通过特定的采样时间将图片发送给工业PC。
工业相机选择德国Basler公司生产的acA640-90gm型号相机为本系统的视觉采集硬件，光学镜头选用12mm的镜头。在焊接过程过，由于存在大量弧光的作用，其结果便是导致大量焊缝图像所伴有的信息损失，故而单一地运用被动视觉所取得的图像不能进行深一层次的图像处理工作，还是需要增加光源和辅助相机系统。本系统采用的光源形式为一字线红色激光，其中窄带滤光片的选择为半带宽距离20nm的，且中心波长确定为635nm，同时减光片也将依照激光器来选择。滤光片和减光片的安放位置将位于相机之前，选择这一方式来安放，能够降低在焊接过程中所产生弧光的影响，尽量避免弧光对图像中信息的遮盖等不利情况的产生。
2.2 图像处理与焊缝识别
图像处理部分主要分为初始帧的焊缝特征点提取及焊接环境下焊缝特征点的目标跟踪。首先工业PC对相机采集的第一帧无弧光、飞溅干扰的焊缝图片进行初始特征点的提取，并以该初始点为目标点，利用目标跟踪算法对以后每一帧焊接环境下的图像进行特征点跟踪，并实时反馈焊缝特征点图像位置信息。
焊缝识别采用基于核相关滤波的目标跟踪算法，虽然结构光传感器一侧的挡板能遮住一部分弧光和飞溅噪声，但此时过多的噪声信息导致前面设计的算法无法很好地适用于焊接过程中焊缝特征点的提取。核相关滤波的目标跟踪算法能够根据相邻的两帧图像中，焊缝特征点与周围激光条纹环境存在的密切几何关系及这个关系的稳定性，滤除弧光和飞溅噪声的影响，实现对焊缝特征点的识别和跟踪。
2.3 系统控制部分
系统控制同样分为两个功能，一是根据当前特征点位置坐标信息控制微调机构对结构光传感器进行位置调整，保证焊缝特征点在相机的视野范围之内;二是将焊缝特征点二维位置信息进行运算得到对应的三维坐标信息，并通过旋转机构、XYZ运动机构、视觉传感器及焊枪位置之间的数学模型进行实际焊接点计算从而实现在线引导焊接任务。
3 焊缝图像识别及核相关滤波目标跟踪算法
图像处理作为整个焊接过程中的核心部分，通过提取在焊接过程中的结构光图像中的特征，本文所提出的算法将基于特征点的图像处理以及相应滤波进行特征点的提取，即使在外界巨多因素的干扰下，仍然能精准有效地提取焊缝处的特征点，且保持测量点距离实际所在焊接点120nm的长度，以增加系统性能。包括三步：首先在焊接开始之前，所基于的初始特征点是在没有弧光与噪声影响下提取的;第二步，焊接开始，基于核相关滤波算法从有一系列污染影响中所提取的特征点;最后，在程序运行中不断改正算法和模型。
3.1 初始特征点提取
在第一部焊接开始之前，螺旋板式换热器端面焊缝在结构光视觉系统下所显示图像如图4所示。因为还未开始焊接，所以图片中没有显示飞溅、弧光等影响。装置中的带通滤光片与减光片将环境周围的光线进行了过滤，从而使焊缝所照射得到的激光条纹和背景有明显的对比度。反而金属表面会反射激光，将在图像中出现小区域的、细小的反光噪声。
利用基础的图像处理对激光条纹所在的特征点进行处理和提取，具体流程图在图5显示。
本文中采用的补偿值offset=30，经过实验发现利用3*3掩膜中值滤波后的图片当作原图，9*9掩膜处理后图像当作参考图像的阈值分割效果比未经中值滤波的原图和以9*9掩膜作中值滤波处理的参考图像效果更理想。如图 6所示。
经过自适应动态阈值化处理后，虽然实验表明3*3矩阵掩膜和9*9矩陣掩膜中值滤波配合的自适应动态阈值化处理效果较好。为了达到去除噪声与平滑图像的效果，在图6b）所示的图像中运用到开闭运算的环节，运算之后的结果如图7所示。
经过开闭运算的环节，能够在不改变激光条纹原有尺寸的条件下，完成去除毛刺以及孔洞的填充。对比图6b）和图7，可以看到，经过形态学修整后，激光表面变得更加平滑，并且将细小的噪声点去除，为后续的中心线提取打下了基础。利用ROI提取把激光条纹上有焊缝坡口形状特征的这部分从图像中进行提取，最后所提取出的图像如图8所示。
基于结构光视觉处理后，焊缝图像所在坡口处的形状为V型，通过直线拟合求交点获得焊缝特征点。经过骨骼提取的激光条纹在每一列上均只有一个像素点，因此可以将求取左右两端中心点理解为求取质心的过程，而求取质心通常需要根据矩特征去计算。
尽管重心是从像素精度的数据去计算的，但是结果是非像素精度的，提取的效果如图9所示，重心点坐标用“×”在图像中进行表示。
3.2 基于核相关滤波的目标跟踪算法
在焊接后的焊缝特征图像如图10所示，但是焊接点与测量点之间出现的、大小为120mm左右的前置距离差，导致焊接时产生的弧光和飞溅对图像造成了严重的污染。虽然结构光传感器一侧的挡板能遮住一部分弧光和飞溅噪声，但此时过多的噪声信息导致前面设计的算法无法很好地适用于焊接过程中焊缝特征点的提取。
核相关滤波算法，是根据循环矩阵理论对目标区域中构造出大批样本来进行分类，为稀疏采样中样本冗余性的问题提供方案，核相关滤波算法原理如图 11所示。
如图 12所示，焊缝的特征点在第一帧图像上由激光“×”所表示，图像中的目标区域以M×N大小的矩形表示，区域中的正样本以X表示，通过循环偏移X得到一系列负样本。
KCF算法是通过将连续的标签作为样本进行标记的，依照被跟踪物体与选框中心之间的距离，距离大小分别以[0，1]区间内的数来赋值，越靠近目标的，赋值越趋近1;越远离目标的，赋值越趋近0，具体的赋值方式可以根据高斯函数或正弦函数来实现。
在连续采集图像的过程中，运用上述所提到的高斯核相关目标跟踪算法，并且将每一帧图像中焊缝的特征点以二维像素坐标值进行表示，从而解决焊缝特征点在大噪声影响下提取困难的问题。
4 实验与分析
根据焊接状态，将螺旋焊缝跟踪的开发软件系统分为两大部分。对于软件系统中关于视觉方面的标定任务，包括相机标定、光平面标定及手眼标定，从而得到焊缝特征点在运动平台基坐标系下的准确三维坐标的关系转换矩阵。其中相机标定程序基于HALCON软件开发，该软件具有操作步骤简单，功能完善，软件接口丰富等特点;光平面标定和手眼标定使用HALCON软件系统配合Matlab软件系统实现，通过HALCON软件完成特征点的提取，利用Matlab平面拟合及快速的矩阵计算和求解优化问题的能力，完成光平面方程的建立和手眼关系矩阵的提取。
由于实际焊接点和测量点之间存在位置偏差量及时间滞后，该验证实验的目的就是验证一段实际焊缝轨迹计算所得的焊接点位置与时间信息与焊枪末端在对应时间段内走过的路径轨迹的一致性。其操作步骤为：
①首先进行起点示教，控制焊枪与圆台中心在X轴方向的大小一致，再调节Y轴，使得焊枪靠近需要焊接的那一圈螺旋焊缝，然后对视觉传感器的位置进行微调，保证所检测的焊缝特征点在图像中间附近，最后下降Z轴，使得焊枪末端靠近焊缝，同时记录此刻焊枪末端的三维位置。
②在激光照射的焊缝特征点上做上标记，控制焊枪末端移动到该标记点，记录该点的坐标。从这点开始，控制焊枪沿着该圈焊缝的特征点移动，终点设置为相邻外圈上与起始点和圆台中心点所在直线的交点。实际操作时，用细线连接两点获得终点坐标并标记。在焊枪运动过程中记录焊枪末端点坐标，最后获得400个位置坐标点并控制焊枪回到步骤①中记录的三维位置。
③设置转台速度、焊枪摆动幅度和速度，随后进行焊缝跟踪实验，同时以500ms为采样周期记录期间编码器反馈的焊枪位置及对应时间。
采用表 1中的焊接过程工艺参数。
实验过程中相机采样频率为30Hz，运动控制卡控制周期为2ms，测量点与预测焊接点在X轴方向的距离大约为100mm，在Y轴方向大约为4mm。焊接过程如图 14，焊接完成的焊缝如图 15所示。
经过测量，从内圈往外焊接，焊缝跟踪误差小于0.5mm，达到系统设计要求。
5 结论
本文针对螺旋板式换热器端面的螺旋焊缝，基于主动光视觉技术的螺旋焊缝实时跟踪焊接的设计研发，搭建主动光视觉传感器，设计包括形态学处理、ROI提取及基于霍夫变换等焊缝特征点提取方法。在获得初始特征点后，结合焊缝结构的不变性，引入目标跟踪领域的核相关滤波算法，实现了在有弧光和飞溅干扰下依然能准确地识别焊缝特征点。通过焊缝的焊接精度分析实验，显示焊接精度在0.5mm以内，能够达到焊接要求，实现了螺旋板式换热器端面焊缝焊接过程的自动化。
参考文献：
[1]王伟，邹奇仕，朱六妹，等.视觉传感焊缝跟踪技术的发展状况及实施方案探讨[J].电焊机，2002（5）：1-8.
[2]郭志鹏，于治水，张培磊，等.基于视觉传感的焊缝跟踪系统研究现状[J].轻工机械，2016，34（5）：95-100.
[3]范俊峰，景奉水，方灶軍.基于视觉传感的焊缝跟踪技术研究现状和发展趋势[J].热加工工艺，2017，46（5）：6-10.
[4]程继文，张义顺.螺旋管埋弧焊内焊焊缝跟踪[J].焊接技术，2016，45（6）：71-74.
[5]程继文.螺旋，管内焊温度场图像处理算法的研究[D].辽宁沈阳：沈阳工业大学，2017.
[6]邹焱飚，周卫林，王研博.基于概率连续模型的激光视觉焊缝自动跟踪[J].机械工程学报，2017，53（10）：70-78.
[7]张旭.螺旋管内焊图像处理算法的研究[D].辽宁沈阳：沈阳工业大学，2015.
[8]李松阳.基于图像传感技术的焊缝定位检测系统的研究[D].浙江杭州：浙江大学，2018.