[发明专利]一种基于任务驱动的视觉注意模型提取激光条纹的方法

说明书

本发明提出了一种基于任务驱动的视觉注意模型提取激光条纹的方法，前期处理中通过Gabor滤波产生方向特征图，然后通过Otsu阈值分割并利用最近邻算法对数据进行聚类；后期处理中先根据激光条纹的厚度及空间跨度信息设计了三种度量方法：聚类结果中类的空间跨度度量、类的厚度度量和类的厚度均匀性度量，并提取在三种度量方法中显著性都得到增强的类从而提取激光条纹的主体轮廓；然后以主体轮廓为框架，选取各主体轮廓之间一定数目的属于激光条纹细节的类作为候选类，设计局部竞争算法提取激光条纹的细节部分，最终获取完整的激光条纹。该方法对焊缝图像包含和不包含电弧区域的两种情况都适用，且对不同接头轮廓的提取均有效，有利于降低焊接成本。

技术领域

本发明属于焊接技术领域，具体涉及一种基于任务驱动的视觉注意模型提取激光条纹的方法。

背景技术

机器人焊接中采用“示教再现”模式完成工件连接时，往往耗时巨大，且不能应对焊接产生变形而形成的干扰，所以焊接效率低下，焊接质量不高，焊缝自动跟踪技术是解决这一问题的首选，而厚板焊接领域采用激光视觉传感器检测焊缝轮廓中，激光条纹的有效提取是实现焊缝自动跟踪技术的前提，对于激光条纹的精确提取是自动化焊接技术领域的研究重点之一。目前激光条纹提取的研究和专利只针对某种激光条纹进行了算法的设计和实现，对于各种激光条纹提取的通用算法尚未实现，而实现激光条纹提取的通用算法有助于焊接系统的集成和自动化焊接技术应用领域的拓展，并利于降低自动焊接的成本，具有现实意义。

发明内容

本发明针对上述情况，提供了一种基于任务驱动的视觉注意模型提取激光条纹的方法，可以对各种焊缝坡口下的激光条纹进行提取。

本发明通过如下技术方案实现上述目的：一种基于任务驱动的视觉注意模型提取激光条纹的方法，包括如下步骤：

(1)设计了基于任务驱动型的视觉注意模型来获取焊缝图像的激光条纹显著性图，该视觉注意模型以对原始焊缝图像进行多方向Gabor滤波获取的方向特征图为起始，经Otsu算法进行阈值分割，并将获取的数目以最近邻聚类算法进行聚类，然后基于聚类结果和任务需求对聚类结果中的类通过设计跨度度量、宽度度量和宽度均匀性度量进行处理，获取激光条纹各方向上叠加得到的综合显著图，该综合显著图即为从干扰数据中辨别出的属于激光条纹的数据，即提取激光条纹的准备数据；(2)设计了一种基于局部显著性竞争的方法提取激光条纹的主体轮廓；(3)设计了一种基于提取的激光条纹的主体轮廓获取激光条纹的细节轮廓的方法，根据激光条纹平均厚度来设定主体轮廓之间的搜索范围，将与搜索范围有交集的数据类视为激光条纹的细节轮廓；(4)将提取的激光条纹的主体轮廓与细节轮廓进行位置叠，即获得最终完整的激光条纹。

本发明的具体操作步骤如下所述：

步骤1：对原始焊缝图像进行±10°和80°的多方向Gabor滤波，并对各滤波结果进行线性叠加获取综合方向特征图，并经Otsu算法进行阈值分割，将方向特征图转化为二值图像；

步骤2：以2个像素的距离作为阈值，对步骤1中的二值图像中的数据点进行最近邻聚类处理，将图中数据分割为不同类，每一个类代表位置相邻的数据点；

步骤3：对步骤中聚类结果的各类分别计算类的跨度度量、类的宽度度量和类的宽度均匀性度量，获得三种方向显著性图，将三种度量数值归一化至0～255，然后进行线性叠加，获得一种方向上的激光条纹的显著图；

其中，类的跨度度量的公式如下式(1)所示：

式(1)中，L_i表示聚类结果中第i个类在图像中的欧式距离，n表示类的数目，表示第i个类度量后的跨度数值；

其中，类的宽度度量的公式如下式(2)所示：

式(2)中，T_i表示第i个类在垂直方向上的平均宽度，表示第i个类度量后的宽度数值；