3D reconstruction of laser scanning at weld surface defects
-
摘要: 为检测工件焊缝表面缺陷，采用点激光位移传感测距法和数据拟合技术进行焊缝表面缺陷检测试验研究. 首先采集缺陷表面轮廓数据点，利用高斯滤波对原始数据降噪处理. 再对处理后的数据点进行Delaunay三角剖分，使散乱点连接并结合其空间坐标重构出缺陷的三维模型. 结果表明，基于点激光位移传感测距技术及焊缝表面缺陷三维重构方法可以准确判断焊缝成形情况.Abstract: The surface defects of the workpiece weld bead were detected suing a point laser displacement sensing method. Firstly, the data of weld defect surface was collected and the original data was filtered by Gaussian filtering. Then the Delaunay triangulation was applied for the processed data points and reconstruction of a three-dimensional model with the spatial coordinates. Experimental results showed that the 3D reconstruction method based on the point laser displacement sensing and the surface defect images of the weld bead can accurately judge the appearance of welds.
-
Keywords:
- laser ranging /
- weld defect /
- triangulation /
- 3D reconstruction
-
0. 序言
在焊接过程中，由于各种因素的影响，焊缝往往会出现多种焊接缺陷[1]. 而焊缝成形是衡量焊接质量的重要指标[2]，因此，对焊接表面缺陷的检测就显得十分重要. 焊接过程中产生的咬边、凹坑、焊瘤等表面缺陷对焊接质量极其不利[3]. 传统的检测方法由技术工人手工完成，检测成本低、过程简单、不需要特殊设备，但其检测精度取决于技术工人的检测技能，且检验尺长时间使用易造成磨损，降低了检测精度. 近年来，机器视觉技术被引入该领域，以克服手工检测的缺点[4]. 目前，机器视觉多采用图像分析技术，实现对焊缝缺陷表面图像的去燥、阈值分割等处理，缺陷与背景分离[5]. 图像处理的质量直接影响焊缝表面缺陷检测结果，对图像处理要求较高，通常难以满足检测要求.
激光位移传感器具有与工件表面不接触、精度高、抗干扰性好等优点[6]. 用激光扫描测量的方法进行焊后检测，利用对焊缝表面高度差的测量得到焊接缺陷的尺寸大小和形态，以此评估焊接质量是否达到工业要求. 当前，虽然线结构光对焊缝表面缺陷检测应用广泛，成熟产品颇多，但检测精度还有待提高[7]. 为此在点激光位移传感器对焊缝表面缺陷检测试验的基础上，阐述其原理和优点，并与结构光对比，提出了一种高精度的焊缝表面缺陷检测方法.
1. 试验装置
点激光扫描焊缝表面缺陷检测系统是由3个模块组成，分别是视觉传感模块、运动控制模块和计算机,其试验系统如图1所示. 视觉传感模块是该检测系统的核心组成部分，试验采用超高速激光位移传感器,传感器中CCD(charge-coupled device)发射的点激光具有单色性、相干性好、光束准直和精度高等优点，点激光传感器绝对精度可达0.001 mm.
运动控制模块由运动控制卡、驱动器、步进电机和试验工作台四部分构成，运动控制卡同时可控制2个步进电机，完成运动控制功能. 驱动器通过运动控制卡发出的脉冲信号转化为步进电机的角位移，步进电机通过滚珠丝杠带动试验工作台运动. 运动控制系统的脉冲当量和步进电机的步距角、丝杆的螺距及驱动器的细分选择有关，其计算如式(1)所示.
$$ d = L/\left( \frac{{360}}{\theta }\cdot N \right) $$ (1) 式中：L为丝杆的螺距；N为驱动器细分选择倍数；θ为步进电机的步距角；d为对应轴的脉冲当量. 步进电机步距角θ为0.72°，驱动器细分可调，设置N为8，丝杠螺距L为10 mm，运动控制系统脉冲当量值为0.002 5 mm.
2. 激光位移传感器精度测量
激光位移传感器测量物体表面高度的原理是激光位移传感器沿着x轴与y轴移动，测量出空间坐标系中z轴的坐标. x轴和y轴坐标可由平台运动路径规划给出，激光位移传感器测得z轴坐标，利用扫描所得焊缝表面缺陷空间三维坐标，拟合重构出缺陷三维形态.
在对传感器精度测量的试验中采用10 mm量块,相应的装置如图1所示. 图2是10 mm量块经扫描得到的轮廓点集，由图中可以看出在平台及量块表面数据点有跳动，测量必然会有误差.
表1是通过多次测量10 mm量块的同一位置高度，来确定整个测量系统的测量误差，其中，测量值存在大于10 mm和小于10 mm的情况，并无整体偏大或偏小，这说明不存在系统方向性误差，测量可靠. 其结果如图3所示，均方根误差为0.058 4 mm.
表 1 量块高度测量误差表Table 1. Gage block height measurement error table序号 10 mm 标准值量块 测量值 h1/mm 真实值 h/mm 误差 ε/mm 1 9.962 10 0.038 2 9.945 10 0.055 3 9.907 10 0.093 4 9.946 10 0.054 5 9.988 10 0.012 6 10.069 10 –0.069 7 9.955 10 0.045 8 10.076 10 –0.076 9 9.959 10 0.041 10 9.939 10 0.061 平均值 $\scriptstyle \bar h $/mm 9.975 10 0.025 标准偏差σ/mm 0.025 均方误差 MSE/mm 0.058 4 3. Delaunay三角剖分原理
试验中传感器是逐条扫描焊缝缺陷重构出三维形态，在相邻两条扫描轮廓之间用Delaunay三角剖分. 当给定的结点分布中不存在四点或四点以上共圆时，Delaunay三角剖分有唯一的最优解，保证划分出的三角网格尽量均匀规范[8]. 在试验结果分析中，利用Delaunay三角剖分对采集到的数据点进行处理，得出焊缝表面缺陷的三维模型.
Delaunay三角剖分应用于焊缝表面，假设焊缝表面存在有限点集，在扫描焊缝得到表面高度的数据点后，选定其中3个点构成原始三角形，由此向周围扩展，最后得到一个平面. 该平面图满足两个条件[9]，第一是Delaunay三角网唯一，在Delaunay三角形网中任意三角形的外接圆范围内不会有其它点存在；第二是在点集可能形成的三角剖分中，Delaunay三角剖分所形成的三角形的最小角最大. 在两个相邻的三角形构成凸四边形的对角线，在相互交换后，两个内角的最小角不再增大，为最优解.
Delaunay三角剖分所具备的一些优异特性在焊接试验中均有体现. 以最接近的三点形成三角形，且各线段(三角形的边)皆不相交，从而保证了网格没有冗余点. 不论从区域何处开始构建，最终都得到一致结果，使得最终得到唯一的网格划分[10].
网格构建通过一个循环扩展的三角形生长过程实现，从点数据中选择3个点规定一个初始三角形，并作为网格曲面的种子三角形加入三角曲面集. 实时刷新边界集，通过曲面网格由局部到整体的动态增长最终完成完整的焊缝轮廓三角网格曲面.
4. 信号的高斯降噪处理
基于试验平台和数据处理原理，用点激光位移传感器扫描焊缝表面凹凸缺陷得到数据点，并对目标进行三维重构. 扫描所得原始数据噪声点较多，先对其进行滤波降噪处理. 将高斯核函数与数据点原始信号进行卷积得到滤波输出后的信号[11]，如图4所示.
一维高斯函数为
$$ f\left( {t,\sigma } \right) = \frac{1}{{\sqrt {2{\text{π}} \sigma } }}\exp\left( { - \frac{{{t^2}}}{{2{\sigma ^2}}}} \right) $$ (2) 其一阶导数为
$${f^{\left( 1 \right)}}\left( {t,\sigma } \right) = \frac{{ - t}}{{{{\sqrt {2{\text{π}} \sigma ^3 } }}}}\exp\left( { - \frac{{{t^2}}}{{2{\sigma ^2}}}} \right)$$ (3) 式中：
${f^{\left( 1 \right)}}\left( {t,\sigma } \right) $ 为高斯滤波器.函数z(t)被${f^{\left( 1 \right)}}\left( {t,\sigma } \right) $ 滤波的结果$G\left( {t,\sigma } \right)$ 为$$G\left( {t,\sigma } \right) = z\left( t \right)*{f^{\left( 1 \right)}}\left( {t,\sigma } \right)$$ (4) 式中：*为卷积运算符；σ为高斯函数的标准方差.
高斯滤波器的平滑由σ控制，可以改变高斯标准方差来调节信号降噪的平滑程度. 试验扫描对象是不锈钢对接焊焊缝，实物图和凹坑缺陷横向轮廓图分别如图5和图6所示.
![]()
图 6 含有凹坑缺陷的单次焊缝扫描横向轮廓图Figure 6. Single weld scanning horizontal profile including pits defects如图6所示，每条轮廓300个点，相邻点之间平均距离为0.1 mm.另外，相邻轮廓间隔0.2 mm. 采用高斯降噪对原始信号处理，经高斯滤波后的拟合曲线更光滑，更接近实际焊缝轮廓，图6两边靠近母材部分的小凸起是焊接飞溅.
数据点的网格剖分根据Delaunay三角剖分准则对采集数据点以三角形连接成网格并保证质量最优. 图6所示的凹坑缺陷横向轮廓，原始采样信号高频噪声点较多，高斯滤波降噪后的曲线更平滑. 为更明显地体现高斯滤波和Delaunay三角剖分在三维重构中的作用，可对三维图进行进一步处理，图7是原始采集数据三维图，图8是处理后的三维模型. 处理后的效果图比原始数据三维模型更平滑和密集，轮廓之间衔接更好.
图9是焊缝咬边缺陷实物图.咬边缺陷焊缝二维轮廓图及三维重构图如图10所示，图10a为图9对应的咬边二维轮廓图，在第350个数据点左右有明显的咬边缺陷. 图10b为焊缝表面三维重构图，在y轴4 mm到6 mm的位置为咬边缺陷.
![]()
图 10 咬边缺陷焊缝二维轮廓图及三维重构图Figure 10. Two-dimensional contour and three-dimensional reconstruction picture of weld with undercut defect. (a) two-dimensional contour of weld with undercut defect; (b) three-dimensional reconstruction picture of weld with undercut defect5. 结论
(1) 将激光测距技术应用于焊缝表面缺陷的三维建模，设计以激光测距技术为核心的测量系统，通过激光位移传感器在x，y轴两个方向的运动，扫描得到缺陷表面高度点集，实现焊缝表面缺陷的三维重构.
(2)用Delaunay三角剖分对数据点网格化处理并得到缺陷三维图，提出通过焊缝表面缺陷三维模型判断焊缝成形优劣的方法. 由点激光位移传感的高精度测量和高斯降噪等数据处理方法，能有效检测出焊缝表面缺陷形态，为检测焊缝表面质量提供了一种基于点激光扫描检测的方法.
-
![]()
图 6 含有凹坑缺陷的单次焊缝扫描横向轮廓图
Figure 6. Single weld scanning horizontal profile including pits defects
![]()
图 10 咬边缺陷焊缝二维轮廓图及三维重构图
Figure 10. Two-dimensional contour and three-dimensional reconstruction picture of weld with undercut defect. (a) two-dimensional contour of weld with undercut defect; (b) three-dimensional reconstruction picture of weld with undercut defect
表 1 量块高度测量误差表
Table 1 Gage block height measurement error table
序号 10 mm 标准值量块 测量值 h1/mm 真实值 h/mm 误差 ε/mm 1 9.962 10 0.038 2 9.945 10 0.055 3 9.907 10 0.093 4 9.946 10 0.054 5 9.988 10 0.012 6 10.069 10 –0.069 7 9.955 10 0.045 8 10.076 10 –0.076 9 9.959 10 0.041 10 9.939 10 0.061 平均值 $\scriptstyle \bar h $ /mm9.975 10 0.025 标准偏差σ/mm 0.025 均方误差 MSE/mm 0.058 4 
下载: 导出CSV
-
[1] Qi Jiyang, Li Jinyan. Feature extraction of welding defect based on machine vision[J]. China Welding, 2019, 28(1): 56 − 62.
[2] 李雪琴, 刘培勇, 殷国富. 基于Fourier拟合曲面的X射线焊缝缺陷检测[J]. 焊接学报, 2014, 35(10): 61 − 64. Li Xueqin, Liu Peiyong, Yin Guofu. Detection of X - ray weld defects based on fourier fitting surface[J]. Transactions of the China Welding Institution, 2014, 35(10): 61 − 64.
[3] 高向东, 郑俏俏, 王春草. 旋转磁场下焊接缺陷磁光成像检测与强分类研究[J]. 机械工程学报, 2019, 55(17): 61 − 67. doi: 10.3901/JME.2019.17.061 Gao Xiangdong, Zheng Qiaoqiao, Wang Chuncao. Magneto-optical imaging detection and strong classification of weld defects in rotating magnetic fied[J]. Journal of Mechanical Engineering, 2019, 55(17): 61 − 67. doi: 10.3901/JME.2019.17.061
[4] Gao X D, Mo L, Zhong X G, et al. Detection of seam tracking offset based on infrared image during high-power fiber laser welding[J]. Acta Physica Sinica, 2011, 60(8): 298 − 300.
[5] 方吉米, 王克鸿, 黄勇. 基于透红外视觉传感的GMA-AM熔池图像质量评价[J]. 焊接学报, 2018, 39(12): 89 − 94. doi: 10.12073/j.hjxb.2018390304 Fang Jimi, Wang Kehong, Huang Yong. Weld pool image quality evaluation of gas metal arc additive manufacturing based on infrared visual sensing[J]. Transactions of the China Welding Institution, 2018, 39(12): 89 − 94. doi: 10.12073/j.hjxb.2018390304
[6] 董祉序, 孙兴伟, 刘伟军, 等. 基于激光位移传感器的自由曲面精密测量方法[J]. 仪器仪表学报, 2018, 39(12): 30 − 38. Dong Zhixu, Sun Xingwei, Liu Weijun, et al. Precision measurement method of free-form curved surfaces based on laser displacement sensor[J]. Chinese Journal of Scientific Instrument, 2018, 39(12): 30 − 38.
[7] Graaf M D, Aarts R, Jonker B, et al. Real-time seam tracking for robotic laser welding using trajectory-based control[J]. Control Engineering Practice, 2010, 18(8): 944 − 953. doi: 10.1016/j.conengprac.2010.04.001
[8] 梁德群, 沈杉, 杨海军. 基于点光源X射线焊缝缺陷深度尺寸的测量[J]. 焊接学报, 2000, 21(3): 5 − 8. doi: 10.3321/j.issn:0253-360X.2000.03.002 Liang Dequn, Shen Shan, Yang Haijun. Measurement of depth depth of X - ray weld based on point light source[J]. Transactions of the China Welding Institution, 2000, 21(3): 5 − 8. doi: 10.3321/j.issn:0253-360X.2000.03.002
[9] 莫毅. 基于结构光视觉传感器的弧焊机器人视觉检测方法及试验结果分析[J]. 热加工工艺, 2017(1): 238 − 242. Mo Yi. A visual inspection method of arc welding robot based on structured light vision sensor and analysis of experimental results[J]. Processing of Hot Processes, 2017(1): 238 − 242.
[10] Gao Shiyi, Yang Kaizhen, Liu Shitian. Detection of surface defects in laser weld seam based on data fitting[J]. Modern Electronics Technique, 2011, 34(14): 188 − 190.
[11] 孙俊灵, 孙光民, 马鹏阁, 等. 基于对称小波降噪及非对称高斯拟合的激光目标定位[J]. 中国激光, 2017(6): 178 − 185. Sun Junling, Sun Guangmin, Ma Pengge, et al. Laser target localization based on symmetric wavelet denoising and asymmetric gauss fitting[J]. Chinese Journal of Lasers, 2017(6): 178 − 185.
-
期刊类型引用(9)
1. 高博轩，赵弘，苗兴园. 基于改进GWO-GRNN的管道焊缝三维重构测量. 机床与液压. 2024(01): 1-10 . 
百度学术
2. 陈晓明，王丽，马良，周峰，袁山山. 钢筋工程焊缝质量检测技术研究进展. 北京理工大学学报. 2024(12): 1215-1224 . 百度学术
3. 唐昌华，吴琼，时兵，陈坚，李洪亮. 基于压缩感知的激光复合成像超分辨三维重构方法. 激光杂志. 2023(09): 109-113 . 百度学术
4. 李诺薇，邹维科，种法力. 基于3D激光扫描传感器的焊缝区域跟踪方法设计. 激光与红外. 2023(11): 1650-1656 . 百度学术
5. 余志，白小亮. 一种石油管内焊缝余高及刮槽深度的测量方法. 石油工业技术监督. 2022(05): 17-19 . 百度学术
6. 杨国威，张金丽. 基于光栅投影的焊后焊缝表面三维测量. 焊接学报. 2022(04): 100-105+112+119-120 . 本站查看
7. 马涛，丁克勤，舒安庆，刘亚男. 基于布里渊分布式光纤的储液罐变形场重构方法研究. 压力容器. 2021(04): 11-19 . 百度学术
8. 胡曦，余震，刘海生. 管道全位置焊缝三维测量研究. 石油机械. 2021(09): 129-136 . 百度学术
9. 李亮亮，郑世伟，单清群，左玉达. 转向架焊接结构件深度缺陷超声相控阵检测及三维可视化. 焊接. 2021(09): 44-50+64 . 百度学术
其他类型引用(12)
计量
- 文章访问数: 616
- HTML全文浏览量: 50
- PDF下载量: 38
- 被引次数: 21
