變徑彎管內(nèi)蠕動(dòng)式仿生機(jī)器人及視覺(jué)檢測(cè)技術(shù)研究.pdf

1、工業(yè)中采用了大量由異種鋼焊接進(jìn)行聯(lián)結(jié)的管道，這類管道在長(zhǎng)期服役過(guò)程中，因各種外界因素的作用，在異種鋼焊接接頭部位可能出現(xiàn)缺陷，為防止泄漏等事故的發(fā)生，必須對(duì)管道進(jìn)行有效的檢測(cè)維護(hù)。但是，特殊工業(yè)中的一些管道其結(jié)構(gòu)非常復(fù)雜，不僅管徑變化而且包含曲率半徑較小的彎曲結(jié)構(gòu)，受管道內(nèi)部空間及結(jié)構(gòu)的限制，無(wú)法采用人工手段進(jìn)行檢測(cè)，而常規(guī)的管道機(jī)器人很難解決在這種復(fù)雜管道內(nèi)的通過(guò)性問(wèn)題；另一方面，對(duì)彎曲變徑管道中單面焊雙面成形的異種鋼焊接接頭進(jìn)行無(wú)損

2、檢測(cè)前，通常需先對(duì)其表面質(zhì)量作視覺(jué)檢測(cè)，但該技術(shù)受管道內(nèi)部環(huán)境及焊接接頭表面特征的影響，獲取的焊接接頭圖像存在較大的噪聲干擾，同時(shí)圖像的對(duì)比度偏低，如何有效消除噪聲干擾、從圖像中準(zhǔn)確提取缺陷信息并以此實(shí)現(xiàn)缺陷尺寸的定量分析存在很大困難。針對(duì)這兩個(gè)難題，本文研制了新型的機(jī)器人移動(dòng)載體，開(kāi)發(fā)了機(jī)器人控制系統(tǒng)及視覺(jué)檢測(cè)技術(shù)，實(shí)現(xiàn)了機(jī)器人在復(fù)雜管道內(nèi)的順利行走、在焊縫作業(yè)位置處的自主定位及對(duì)異種鋼焊接接頭部位的缺陷尺寸進(jìn)行定量分析的目的，不但對(duì)

3、學(xué)科發(fā)展具有一定的理論意義，而且具有較大的工程應(yīng)用價(jià)值。 管內(nèi)仿生機(jī)器人移動(dòng)載體采用新型的輪足復(fù)合式結(jié)構(gòu)，通過(guò)支撐足與支撐輪的有機(jī)結(jié)合，克服了傳統(tǒng)足式移動(dòng)載體越障能力有限運(yùn)動(dòng)及穩(wěn)定性欠佳的不足，實(shí)現(xiàn)了移動(dòng)載體在變徑管道、垂直管道及曲率半徑較小的“L”型彎管內(nèi)穩(wěn)定行走的功能；由氣動(dòng)控制模塊和CCD攝像機(jī)構(gòu)成的視覺(jué)伺服控制系統(tǒng)采用由粗到精的兩級(jí)定位策略，有效克服了常規(guī)“碼盤(pán)”定位方式定位精度較低的不足，實(shí)現(xiàn)了機(jī)器人在焊縫作業(yè)處的高精

4、度自主定位；視覺(jué)檢測(cè)系統(tǒng)利用CCD攝像機(jī)獲取焊接接頭圖像，該圖像傳入計(jì)算機(jī)后采用混合濾波器去噪、模糊多尺度形態(tài)邊緣檢測(cè)、快速二值分割及快速亞像素邊緣定位等算法對(duì)圖像進(jìn)行處理和分析，可實(shí)現(xiàn)異種鋼焊接接頭部位缺陷尺寸的定量分析。 CCD攝像機(jī)獲取的焊接接頭圖像中?；烊朊}沖噪聲和高斯噪聲，為消除混合噪聲的影響，提出了基于自適應(yīng)開(kāi)關(guān)中值濾波和自適應(yīng)模糊加權(quán)均值濾波的混合濾波方法，該方法先采用一定的檢測(cè)標(biāo)準(zhǔn)將圖像中的混合噪聲分開(kāi)，再分別采

5、用自適應(yīng)中值濾波和自適應(yīng)加權(quán)均值濾波去除分離出的脈沖噪聲和高斯噪聲，這種處理方式充分發(fā)揮了兩類濾波方法的優(yōu)點(diǎn)，使混合濾波方法具有優(yōu)良的濾波性能，能在有效抑制混合噪聲的同時(shí)，很好地保護(hù)圖像細(xì)節(jié)，具有其它混合濾波方法不可比擬的優(yōu)點(diǎn)。 焊接接頭部位的圖像對(duì)比度偏低，為實(shí)現(xiàn)有效提取圖像邊緣信息的目的，結(jié)合模糊增強(qiáng)思想及多尺度概念，提出了模糊多尺度形態(tài)邊緣檢測(cè)算法，該算法先采用多級(jí)模糊增強(qiáng)算法提高圖像對(duì)比度，然后對(duì)增強(qiáng)后的圖像進(jìn)行自適應(yīng)多

6、尺度形態(tài)邊緣檢測(cè)。多級(jí)模糊增強(qiáng)算法運(yùn)算簡(jiǎn)單且不會(huì)造成圖像中低灰度邊緣信息的損失；自適應(yīng)多尺度形態(tài)邊緣檢測(cè)算法其形態(tài)算子對(duì)噪聲不敏感、能根據(jù)圖像局部特征自適應(yīng)確定結(jié)構(gòu)元形態(tài)且可實(shí)現(xiàn)不同尺度下邊緣信息的自適應(yīng)融合，兩種算法的有效結(jié)合使模糊多尺度形態(tài)邊緣檢測(cè)算法能從低對(duì)比度圖像中提取連續(xù)且細(xì)膩的邊緣信息。 為實(shí)現(xiàn)邊緣圖像的快速二值分割，提出了基于自適應(yīng)遺傳算法的模糊熵分割算法，該方法克服了傳統(tǒng)模糊閾值法中窮舉法計(jì)算效率偏低及因預(yù)置隸屬

7、函數(shù)窗寬而對(duì)不同圖像缺乏自適應(yīng)性的弊端，同時(shí)克服了標(biāo)準(zhǔn)遺傳算法求解模糊閾值時(shí)存在早熟及收斂速度較慢的不足，可自適應(yīng)確定隸屬函數(shù)的窗寬及最優(yōu)閾值，既保證窗寬對(duì)不同圖像具有良好的適應(yīng)性，又提高了最優(yōu)閾值求解的準(zhǔn)確性及計(jì)算效率。 為提高缺陷尺寸的測(cè)量精度，提出了快速亞像素邊緣定位算法，該算法先利用像素級(jí)邊緣檢測(cè)算法提取單像素寬邊緣，然后根據(jù)邊緣像素的大致位置，采用基于Zernike正交矩算子的改進(jìn)亞像素定位算法得到邊緣點(diǎn)的精確位置?？?/p>

8、速算法結(jié)合了像素級(jí)邊緣檢測(cè)算法運(yùn)算時(shí)間少及亞像素級(jí)邊緣檢測(cè)算法定位精度較高的優(yōu)點(diǎn)，可對(duì)圖像中的階躍邊緣和屋頂邊緣實(shí)現(xiàn)精確邊緣定位。 對(duì)研制的管內(nèi)仿生機(jī)器人進(jìn)行試驗(yàn)，考察機(jī)器人在復(fù)雜管道內(nèi)的通過(guò)性、機(jī)器人在焊縫作業(yè)位置處的定位性能及視覺(jué)檢測(cè)系統(tǒng)缺陷檢測(cè)精度。結(jié)果表明：蠕動(dòng)式管內(nèi)機(jī)器人能順利通過(guò)150mm-200mm的復(fù)雜管道，可越過(guò)高度不超過(guò)12mm的障礙；機(jī)器人能實(shí)現(xiàn)在焊縫位置處的自主定位，定位精度為±2mm；視覺(jué)檢測(cè)系統(tǒng)能從存