基于机器视觉的施工现场钢结构焊缝坡口识别

基于线结构光视觉传感技术建立了一种适用于施工现场钢结构焊缝坡口识别方法.以南京某超高层建筑钢结构为工程背景,首先设计开发了适用于施工现场的图像采集装置,通过识别算法从采集图像中截取结构光线条感兴趣区域图像;其次,提出了基于分组教学优化算法-大津法(GTO-Otsu)的图像局部阈值分割方法,实现了结构光线条与背景的有效分割;然后,构建了线性结构元素用于修复结构光线条断裂区域;最后,通过比较相邻像素点的灰度和与一阶差分值的方法提取了结构光线条中心线及特征点坐标,并建立了像素转化方法,完成特征点像素坐标的转换,实现坡口几何尺寸测量.3组施工现场钢结构焊缝坡口图像处理和识别结果表明了该方法的准确性与适用性.

基于Top-down范式的施工现场钢结构焊缝坡口特征实时检测方法

针对现场焊缝图像背景复杂、坡口特征点定位难度大的问题,提出了一种端对端的焊缝特征实时检测方法,用于提升建筑钢结构焊接效率和质量.基于人体姿态估计的思想,将焊缝特征点提取等效于人体骨骼关键点检测任务,遵从姿态估计Top-down范式建立施工现场建筑钢结构焊缝坡口特征提取方法.首先引入RTMdet目标检测器快速定位焊缝坡口区域,随后基于RTMPose姿态估计模型对目标区域进行坡口特征点检测,该网络将特征点坐标回归定位转换为特征点横纵坐标分类问题,有效提升了特征点定位的精度和效率.实验结果表明,相比基于数字图像处理的焊缝识别方法和基于全连接层回归的焊缝识别方法,该方法能够在包含复杂信息的焊缝图像中快速准确地提取焊缝特征点,单幅图像的特征点定位误差小于2像素,平均处理时间为38.2 ms,能满足施工现场自动化焊接的需求.