基于极坐标Hough变换的焊点检测标定方法摘要：针对探头在粗定位情况下对车身焊点检测效率和准确率方面存在的不足，提出了一种结合焊点形态结构特点，利用极坐标Hough变换算法和改进的边缘检测算子，以精确获取焊点坐标的方法。此方法通过形态结构决策降低参数存储，用极坐标构造二维参数极大地提高了运算速度，再结合滤波、最小二乘法、双阈值法等算法，能在高噪声的背景下对焊点进行检测标定，以提高机械臂末端探头检测焊点质量的效率和准确率，对于工业上车身焊点检测具有重要的实际意义。实验结果表明，该方法处理焊点图像的准确率达到99.2%，且快速性也有很大的提高。关键词：焊点；形态结构；极坐标Hough变换；高斯梯度；最小二乘：TP391文献标识码：A在工业4.0智能工厂的加速推动下，企业的智能化、创新和生产效率将提到一个新的高度，汽车行业的加工将变得更加智能化、精确化、高效化等。完成焊接但是未涂装之前的车身即白车身，其焊点质量关系到整车的基本性能，用CAE工具选定的关键区域对整车的性能影响更大，所以其质量检测更是必不可少。由于运用人工来检测焊点具有视觉疲劳等不可克服的缺点，同时白车身焊点检测技术正处在一个高速发展的时期，运用机器视觉技术识别焊点并进行精确定位，来提高超声波探头检测焊点的效率和准确率将成为一个必然的途径。为此，文章对白车身焊点的检测标定方法进行研究。点焊作为白车身主要的车身装配工艺形式，由于车身结构点焊的原因，所需检测的焊点大部分为圆或近似圆形。当前对于圆检测理论的研究也比较多，常用的检测方法有环路积分微分法、颜色分类法和Hough变换检测法。Hough变换是目前应用最为广泛的圆检测方法，也是国内外研究最多的方法。该方法的优点是可靠性高，对于噪声、区域部分缺失的情况仍能检测比较准确，但缺点是运算量大，存储空间消耗大。针对此问题国内外对此提出了多种改进方法，XuF等在工业机器人装配减速器过程中提出了一种改进型Hough变换，但在模糊边缘时检测效果不理想；Illingworth等提出了自适应Hough变换，用一个累加器数组和灵活的迭代搜索Hough参数空间的峰值；Kultanen等提出了随机Hough变换（RHT）及改进算法，在图像空间随机选取不共线的三点映射到参数空间的一个点，实现多到一的映射；Ichikawa等提出了用一维累计数组的快速Hough变换，运用局部极值点这一维数组来决定圆的方程；林金龙等提出了用点Hough变换实现圆的检测，采用固定距离取点和中垂线必过圆心的方法来确定圆的参数空间；袁卫鹏等提出了模糊随机Hough变换算法，将模糊规则融合随机Hough变换能有效地避免检出错误曲线的情况。以上学者提出方法大多基于图像噪声较小，边缘检测得到的点集比较集中时可以取得比较理想的效果，而白车身焊点噪声干扰较大，边缘并不齐整，容易检测出多个虚假圆。本文针对焊点特性进行研究，提出的焊点形态结构和极坐标Hough变换，以及改进的边缘检测算子，能在正确率和快速性方面取得比较理想的效果。1总体技术方案本文方案是在焊点检测时机器人通过示教得到粗步定位，使得CCD相机能垂直于车身表面，然后控制相机在环形LED光源下获取焊点图像，相机将图像传给计算机进行一系列处理，得到焊点精确坐标，然后控制机械臂带动探头向偏差减小的方向运动，以提高探头检测焊点质量的效率和准确率。本文技术方案实现的总流程图如图1所示。1.1滤波及改进的边缘检测在实验中由于遮挡等光线原因容易使获取图像出现深色区域，极大地影响识别精度，为此在摄像头前端安装均匀环形光源，使获得的图像具有大体一致且满足实验条件的背景，实验中获取分辨率为640×480的图像如图2（a）所示，由图像得到其直方图如图2（c）所示，焊点的等高线如图2（b）所示，可知焊点图像的像素值集中在90到230之间，且焊点边缘模糊，属于噪声干扰比较大的一种情况。由于油污和钢材锈迹的影响，易产生类似于椒盐的噪声。从理论上分析，中值滤波对于某些类型的随机噪声具有非常理想的降噪能力，相对于均值滤波，自适应平滑滤波等更有优势。其用冒泡法对f（x+s，y+t）构成的矩阵M进行排序，其中s，t取值大小为-（2k+1）～（2k+1），f取排序后的中...