一种基于汽车焊接生产线的机器人激光检测方法

技术领域

本发明涉及激光检测技术领域，尤其涉及一种基于汽车焊接生产线的机器人激光检测方法。

背景技术

焊接工艺是重要的材料连接制造方法，传统的机器人焊接是通过一些自动化装置和预先设定的轨迹进行焊接作业的，只能实现简单重复的焊接工作，对于焊缝形状复杂和加工精度要求高的场合，使用示教盒进行简单示教的方法就有可能出现不能满足焊接质量的要求。如在汽车制造中存在大量的厚板角接、搭接的焊缝，这些焊缝形状复杂、焊接工件尺寸大或者存在焊缝间隙变化的情况，通过机器人简单重复的方式不能很好的满足焊接要求。在焊接过程中由于金属熔化会产生大量的热，导致焊接工件产生热变形使还没完成焊接的焊缝位置出现变化导致与示教的轨迹发生变化，这些情况在焊接之前是不能预料到的，因此容易导致最终的焊缝成型出现质量问题。所以，针对机器人焊接进行激光检测对于提高焊接质量是十分必要的。

发明内容

本发明提供了一种基于汽车焊接生产线的机器人激光检测方法，以解决现有技术中存在的焊接工艺是重要的材料连接制造方法，传统的机器人焊接是通过一些自动化装置和预先设定的轨迹进行焊接作业的，只能实现简单重复的焊接工作，对于焊缝形状复杂和加工精度要求高的场合，使用示教盒进行简单示教的方法就有可能出现不能满足焊接质量的要求。如在汽车制造中存在大量的厚板角接、搭接的焊缝，这些焊缝形状复杂、焊接工件尺寸大或者存在焊缝间隙变化的情况，通过机器人简单重复的方式不能很好的满足焊接要求。在焊接过程中由于金属熔化会产生大量的热，导致焊接工件产生热变形使还没完成焊接的焊缝位置出现变化导致与示教的轨迹发生变化，这些情况在焊接之前是不能预料到的，因此容易导致最终的焊缝成型出现质量问题。所以，针对机器人焊接进行激光检测对于提高焊接质量是十分必要的上述问题。

为了达到上述目的，本发明提供如下技术方案：

一种基于汽车焊接生产线的机器人激光检测方法，包括：

S101：在汽车焊接过程中，将工业相机通过夹持机构安装于机器人焊枪前，使用激光器作为焊缝图像采集的辅助光源，通过主动激光视觉技术采集焊缝图像信息，对焊缝图像信息进行预处理形成数据集；

S102：利用深度迁移学习算法作焊缝图像分析，根据焊缝图像分析判断是否存在异常焊缝的情况；

S103：若焊缝图像分析判断存在焊缝异常情况，则对异常焊缝进行诊断，通过诊断确定异常原因并进行处理。

其中，所述S101步骤包括：

S1011：使用激光器将激光束照射到焊接表面处，形成一个光斑点，经过工业相机中的透镜在光敏探测器上产生一个像点，当激光器与焊接处的距离发生变化时，光敏探测器上的像点位置相应发生变化；

S1012：当激光器沿着焊接表面处扫描前进时，采集所扫描焊接表面处的焊缝轮廓图像；

S1013：对焊缝轮廓图像进行预处理，利用引导滤波算法抑制焊缝轮廓图像噪声，保留焊缝轮廓图像边缘细节；

S1014：利用最大类间方差法自动提取焊缝轮廓图像阈值；

S1015：利用形态学操作修复焊缝轮廓图像条纹断裂，预处理后的焊缝轮廓图像数据形成数据集。

其中，所述S102步骤包括：

S1021：通过数据集构建训练集和测试集，按照预设时间间隔分别对训练集和测试集进行分组，将每组训练集和测试集的样本独立聚类成焊缝轮廓图像的样本数据；

S1022：基于深度迁移学习算法对训练集进行分析预测，获得分析预测结果；

S1023：基于分析预测结果不断重复学习获取标准的焊接特征及质量信息，根据标准的焊接特征及质量信息对焊接模型进行调整，通过调整焊接模型建立检测模型；

S1024：基于检测模型对实时获取的焊缝轮廓图像进行分析，获取分析结果。

其中，所述S103步骤包括：

S1031：通过分析结果获取焊缝位置偏差，若焊缝位置偏差不符合标准要求，则对不符合标准的焊接处进行诊断；

S1032：通过诊断模型获取焊缝不符合标准的原因，确定不符合标准的原因后对当前焊缝进行二次焊接以及激光检测。

其中，所述S1013包括：

对采集的焊缝轮廓图像进行均值滤波；

对均值滤波后的焊缝轮廓图像进行图像增强，计算梯度幅值，并将邻域内幅值有显著变化的点突出显示；

对增强后的焊缝轮廓图像进行检测，采用设定阈值的方法对边缘点进行筛选，通过筛选判断哪些点是图像的边缘点；

对检测后的焊缝轮廓图像进行定位，采用递归跟踪算法将边缘点拟合为边缘曲线。

其中，包括：通过均值滤波去除焊缝轮廓图像中的噪音；

在焊缝轮廓图像中，将图像灰度值数据生成一个矩阵模板，假设目标像素为当前像素点，以当前像素点为中心，对当前像素点周边灰度值进行加权平均数求值后得到新的像素点，其中，均值滤波对焊缝轮廓图像中的低频部分进行保留，对高频的噪声进行过滤。

其中，所述S1024步骤包括：

将实时获取的焊缝轮廓图像与检测模型中的标准焊缝轮廓图像进行比较，分析焊缝轮廓图像是否发生了位置偏差；

通过对焊缝图像进行逐列扫描，获取边缘像素点，对边缘像素点进行统计获取平均的偏差距离；

若偏差距离较小时，标准焊缝与实时焊缝有较高的重叠，则判定实时获取的焊缝是标准的，若偏差较大时，两条焊缝之间的距离拉大，则判定实时获取的焊缝是不标准的，通过调整汽车焊件位置符合焊接标准。

其中，对采集的焊缝轮廓图像进行均值滤波前包括：对焊缝轮廓图像进行过滤；

计算焊缝轮廓图像的平均灰度值，若灰度值大于正常图像的30％则对该焊缝轮廓图像不进行处理，采集新的图像进行处理；

焊缝轮廓图像特征提取后计算焊缝的宽度，对于飞溅遮挡焊缝的情况造成焊缝宽度明显小于正常状态下的焊缝合并为一个焊缝，对于焊缝宽度过小的图像进行丢弃，采集新的图像进行处理；

当焊缝轮廓图像中焊缝偏差值与前后偏差相差较大时，对该焊缝轮廓图像中偏差值进行丢弃，采集新的图像进行处理。

其中，所述S101步骤包括：所述主动激光视觉技术采集焊缝轮廓图像时利用扫描振镜控制聚集光斑在待采集焊缝上移动，通过控制扫描振镜的旋转角度，让光束汇聚在已经成形的焊缝上，利用扫描振镜控制扫描镜头沿X、Y轴方向移动获取焊缝表面轮廓信息；

激光器的准直光束与扫描振镜的x镜面法线成45°角入射到镜面中心，经过扫描振镜的x镜面反射后，准直光束以与扫描振镜的y镜面法线成45°角入射到扫描振镜的y镜面中心，再垂直入射到水平固定的场镜上，最终聚焦到待采集焊缝表面，扫描振镜的x镜面控制光斑沿X轴方向移动，扫描振镜的y镜面控制光斑沿Y轴方向移动，最终使光束的聚焦点在已经成形的焊缝上。

其中，对均值滤波后的焊缝轮廓图像进行图像增强包括：

读入待进行增强的焊缝轮廓图像，对读入的焊缝轮廓图像进行小波分解，得到各个频率段的细节数据，对需要增强的细节数据在对应频率段的系数分别进行增强处理，对处理后的小波系数进行小波重构，得到最终的增强图像。

与现有技术相比，本发明具有以下优点：

一种基于汽车焊接生产线的机器人激光检测方法，包括：S101：在汽车焊接过程中，将工业相机通过夹持机构安装于机器人焊枪前，使用激光器作为焊缝图像采集的辅助光源，通过主动激光视觉技术采集焊缝图像信息，对焊缝图像信息进行预处理形成数据集；S102：利用深度迁移学习算法作焊缝图像分析，根据焊缝图像分析判断是否存在异常焊缝的情况；S103：若焊缝图像分析判断存在焊缝异常情况，则对异常焊缝进行诊断，通过诊断确定异常原因并进行处理。该激光检测方法得到的图像特征结构稳定，不容易受到外部环境的影响，同时激光器与焊接系统是保持相对独立的，保证图像受到外部焊接条件的干扰可以最大程度的消除，同时可以获取更加稳定清晰的焊缝图像，对于形状复杂的焊缝也可以很好的处理，获取得到焊缝特征信息，从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于汽车焊接生产线的机器人激光检测方法的流程图；

图2为本发明实施例中一种基于汽车焊接生产线的机器人激光检测方法中的采集汽车焊接焊缝的图像数据的流程图；

图3为本发明实施例中一种基于汽车焊接生产线的机器人激光检测方法中进行焊缝图像分析的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于汽车焊接生产线的机器人激光检测方法，请参照图1至图4，该基于汽车焊接生产线的机器人激光检测方法包括：S101：在汽车焊接过程中，将工业相机通过夹持机构安装于机器人焊枪前，使用激光器作为焊缝图像采集的辅助光源，通过主动激光视觉技术采集焊缝图像信息，对焊缝图像信息进行预处理形成数据集；

S102：利用深度迁移学习算法作焊缝图像分析，根据焊缝图像分析判断是否存在异常焊缝的情况；

S103：若焊缝图像分析判断存在焊缝异常情况，则对异常焊缝进行诊断，通过诊断确定异常原因并进行处理。

上述技术方案的工作原理为：在汽车焊接过程中，将工业相机通过夹持机构安装于机器人焊枪前，使用激光器作为焊缝图像采集的辅助光源，通过主动激光视觉技术采集焊缝图像信息，对焊缝图像信息进行预处理形成数据集；利用深度迁移学习算法作焊缝图像分析，根据焊缝图像分析判断是否存在异常焊缝的情况；若焊缝图像分析判断存在焊缝异常情况，则对异常焊缝进行诊断，通过诊断确定异常原因并进行处理。该激光检测方法得到的图像特征结构稳定，不容易受到外部环境的影响，同时激光器与焊接系统是保持相对独立的，保证图像受到外部焊接条件的干扰可以最大程度的消除，同时可以获取更加稳定清晰的焊缝图像，对于形状复杂的焊缝也可以很好的处理，获取得到焊缝特征信息，从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

上述技术方案的有益效果为：在汽车焊接过程中，将工业相机通过夹持机构安装于机器人焊枪前，使用激光器作为焊缝图像采集的辅助光源，通过主动激光视觉技术采集焊缝图像信息，对焊缝图像信息进行预处理形成数据集；利用深度迁移学习算法作焊缝图像分析，根据焊缝图像分析判断是否存在异常焊缝的情况；若焊缝图像分析判断存在焊缝异常情况，则对异常焊缝进行诊断，通过诊断确定异常原因并进行处理。该激光检测方法得到的图像特征结构稳定，不容易受到外部环境的影响，同时激光器与焊接系统是保持相对独立的，保证图像受到外部焊接条件的干扰可以最大程度的消除，同时可以获取更加稳定清晰的焊缝图像，对于形状复杂的焊缝也可以很好的处理，获取得到焊缝特征信息，从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

在另一实施例中，所述S101步骤包括：

S1011：使用激光器将激光束照射到焊接表面处，形成一个光斑点，经过工业相机中的透镜在光敏探测器上产生一个像点，当激光器与焊接处的距离发生变化时，光敏探测器上的像点位置相应发生变化；

S1012：当激光器沿着焊接表面处扫描前进时，采集所扫描焊接表面处的焊缝轮廓图像；

S1013：对焊缝轮廓图像进行预处理，利用引导滤波算法抑制焊缝轮廓图像噪声，保留焊缝轮廓图像边缘细节；

S1014：利用最大类间方差法自动提取焊缝轮廓图像阈值；

S1015：利用形态学操作修复焊缝轮廓图像条纹断裂，预处理后的焊缝轮廓图像数据形成数据集。

上述技术方案的工作原理为：使用激光器将激光束照射到焊接表面处，形成一个光斑点，经过工业相机中的透镜在光敏探测器上产生一个像点，当激光器与焊接处的距离发生变化时，光敏探测器上的像点位置相应发生变化；当激光器沿着焊接表面处扫描前进时，采集所扫描焊接表面处的焊缝轮廓图像；对焊缝轮廓图像进行预处理，利用引导滤波算法抑制焊缝轮廓图像噪声，保留焊缝轮廓图像边缘细节；利用最大类间方差法自动提取焊缝轮廓图像阈值；利用形态学操作修复焊缝轮廓图像条纹断裂，预处理后的焊缝轮廓图像数据形成数据集。保证图像可以最大程度的消除外部焊接条件的干扰，同时可以获取更加稳定清晰的焊缝图像。

上述技术方案的有益效果为：使用激光器将激光束照射到焊接表面处，形成一个光斑点，经过工业相机中的透镜在光敏探测器上产生一个像点，当激光器与焊接处的距离发生变化时，光敏探测器上的像点位置相应发生变化；当激光器沿着焊接表面处扫描前进时，采集所扫描焊接表面处的焊缝轮廓图像；对焊缝轮廓图像进行预处理，利用引导滤波算法抑制焊缝轮廓图像噪声，保留焊缝轮廓图像边缘细节；利用最大类间方差法自动提取焊缝轮廓图像阈值；利用形态学操作修复焊缝轮廓图像条纹断裂，预处理后的焊缝轮廓图像数据形成数据集。保证图像可以最大程度的消除外部焊接条件的干扰，同时可以获取更加稳定清晰的焊缝图像。

在另一实施例中，所述S102步骤包括：

S1021：通过数据集构建训练集和测试集，按照预设时间间隔分别对训练集和测试集进行分组，将每组训练集和测试集的样本独立聚类成焊缝轮廓图像的样本数据；

S1022：基于深度迁移学习算法对训练集进行分析预测，获得分析预测结果；

S1023：基于分析预测结果不断重复学习获取标准的焊接特征及质量信息，根据标准的焊接特征及质量信息对焊接模型进行调整，通过调整焊接模型建立检测模型；

S1024：基于检测模型对实时获取的焊缝轮廓图像进行分析，获取分析结果。

上述技术方案的工作原理为：通过数据集构建训练集和测试集，按照预设时间间隔分别对训练集和测试集进行分组，将每组训练集和测试集的样本独立聚类成焊缝轮廓图像的样本数据；基于深度迁移学习算法对训练集进行分析预测，获得分析预测结果；基于分析预测结果不断重复学习获取标准的焊接特征及质量信息，根据标准的焊接特征及质量信息对焊接模型进行调整，通过调整焊接模型建立检测模型；基于检测模型对实时获取的焊缝轮廓图像进行分析，获取分析结果。通过对焊缝轮廓图像进行分析能更准确的获取焊接过程中出现的问题，及时解决焊接过程中出现的问题，从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

上述技术方案的有益效果为：通过数据集构建训练集和测试集，按照预设时间间隔分别对训练集和测试集进行分组，将每组训练集和测试集的样本独立聚类成焊缝轮廓图像的样本数据；基于深度迁移学习算法对训练集进行分析预测，获得分析预测结果；基于分析预测结果不断重复学习获取标准的焊接特征及质量信息，根据标准的焊接特征及质量信息对焊接模型进行调整，通过调整焊接模型建立检测模型；基于检测模型对实时获取的焊缝轮廓图像进行分析，获取分析结果。通过对焊缝轮廓图像进行分析能更准确的获取焊接过程中出现的问题，及时解决焊接过程中出现的问题，从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

在另一实施例中，所述S103步骤包括：

S1031：通过分析结果获取焊缝位置偏差，若焊缝位置偏差不符合标准要求，则对不符合标准的焊接处进行诊断；

S1032：通过诊断模型获取焊缝不符合标准的原因，确定不符合标准的原因后对当前焊缝进行二次焊接以及激光检测。

上述技术方案的工作原理为：通过分析结果获取焊缝位置偏差，若焊缝位置偏差不符合标准要求，则对不符合标准的焊接处进行诊断；通过诊断模型获取焊缝不符合标准的原因，确定不符合标准的原因后对当前焊缝进行二次焊接以及激光检测。通过图像处理得到当前焊缝位置偏差，控制机器人执行纠偏运动，保证机器人焊接顺利进行，最终达到提高机器人焊接质量的目的。

上述技术方案的有益效果为：通过分析结果获取焊缝位置偏差，若焊缝位置偏差不符合标准要求，则对不符合标准的焊接处进行诊断；通过诊断模型获取焊缝不符合标准的原因，确定不符合标准的原因后对当前焊缝进行二次焊接以及激光检测。通过图像处理得到当前焊缝位置偏差，控制机器人执行纠偏运动，保证机器人焊接顺利进行，最终达到提高机器人焊接质量的目的。

在另一实施例中，所述S1013包括：

对采集的焊缝轮廓图像进行均值滤波；

对均值滤波后的焊缝轮廓图像进行图像增强，计算梯度幅值，并将邻域内幅值有显著变化的点突出显示；

对增强后的焊缝轮廓图像进行检测，采用设定阈值的方法对边缘点进行筛选，通过筛选判断哪些点是图像的边缘点；

对检测后的焊缝轮廓图像进行定位，采用递归跟踪算法将边缘点拟合为边缘曲线。

上述技术方案的工作原理为：对采集的焊缝轮廓图像进行均值滤波；对均值滤波后的焊缝轮廓图像进行图像增强，计算梯度幅值，并将邻域内幅值有显著变化的点突出显示；对增强后的焊缝轮廓图像进行检测，采用设定阈值的方法对边缘点进行筛选，通过筛选判断哪些点是图像的边缘点；对检测后的焊缝轮廓图像进行定位，采用递归跟踪算法将边缘点拟合为边缘曲线。从而得到的图像特征结构稳定，不容易受到外部环境的影响。

上述技术方案的有益效果为：对采集的焊缝轮廓图像进行均值滤波；对均值滤波后的焊缝轮廓图像进行图像增强，计算梯度幅值，并将邻域内幅值有显著变化的点突出显示；对增强后的焊缝轮廓图像进行检测，采用设定阈值的方法对边缘点进行筛选，通过筛选判断哪些点是图像的边缘点；对检测后的焊缝轮廓图像进行定位，采用递归跟踪算法将边缘点拟合为边缘曲线。从而得到的图像特征结构稳定，不容易受到外部环境的影响。

在另一实施例中，包括：通过均值滤波去除焊缝轮廓图像中的噪音；

在焊缝轮廓图像中，将图像灰度值数据生成一个矩阵模板，假设目标像素为当前像素点，以当前像素点为中心，对当前像素点周边灰度值进行加权平均数求值后得到新的像素点，其中，均值滤波对焊缝轮廓图像中的低频部分进行保留，对高频的噪声进行过滤。

上述技术方案的工作原理为：通过均值滤波去除焊缝轮廓图像中的噪音；在焊缝轮廓图像中，将图像灰度值数据生成一个矩阵模板，假设目标像素为当前像素点，以当前像素点为中心，对当前像素点周边灰度值进行加权平均数求值后得到新的像素点，其中，均值滤波对焊缝轮廓图像中的低频部分进行保留，对高频的噪声进行过滤。从而得到的图像特征结构稳定，不容易受到外部环境的影响。

上述技术方案的有益效果为：通过均值滤波去除焊缝轮廓图像中的噪音；在焊缝轮廓图像中，将图像灰度值数据生成一个矩阵模板，假设目标像素为当前像素点，以当前像素点为中心，对当前像素点周边灰度值进行加权平均数求值后得到新的像素点，其中，均值滤波对焊缝轮廓图像中的低频部分进行保留，对高频的噪声进行过滤。从而得到的图像特征结构稳定，不容易受到外部环境的影响。

在另一实施例中，所述S1024步骤包括：

将实时获取的焊缝轮廓图像与检测模型中的标准焊缝轮廓图像进行比较，分析焊缝轮廓图像是否发生了位置偏差；

通过对焊缝图像进行逐列扫描，获取边缘像素点，对边缘像素点进行统计获取平均的偏差距离；

若偏差距离较小时，标准焊缝与实时焊缝有较高的重叠，则判定实时获取的焊缝是标准的，若偏差较大时，两条焊缝之间的距离拉大，则判定实时获取的焊缝是不标准的，通过调整汽车焊件位置符合焊接标准。

上述技术方案的工作原理为：将实时获取的焊缝轮廓图像与检测模型中的标准焊缝轮廓图像进行比较，分析焊缝轮廓图像是否发生了位置偏差；通过对焊缝图像进行逐列扫描，获取边缘像素点，对边缘像素点进行统计获取平均的偏差距离；若偏差距离较小时，标准焊缝与实时焊缝有较高的重叠，则判定实时获取的焊缝是标准的，若偏差较大时，两条焊缝之间的距离拉大，则判定实时获取的焊缝是不标准的，通过调整汽车焊件位置符合焊接标准。从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

上述技术方案的有益效果为：将实时获取的焊缝轮廓图像与检测模型中的标准焊缝轮廓图像进行比较，分析焊缝轮廓图像是否发生了位置偏差；通过对焊缝图像进行逐列扫描，获取边缘像素点，对边缘像素点进行统计获取平均的偏差距离；若偏差距离较小时，标准焊缝与实时焊缝有较高的重叠，则判定实时获取的焊缝是标准的，若偏差较大时，两条焊缝之间的距离拉大，则判定实时获取的焊缝是不标准的，通过调整汽车焊件位置符合焊接标准。从而在一定程度上能够提高焊接加工的效率，降低加工成本和废品率。

在另一实施例中，对采集的焊缝轮廓图像进行均值滤波前包括：对焊缝轮廓图像进行过滤；

计算焊缝轮廓图像的平均灰度值，若灰度值大于正常图像的30％则对该焊缝轮廓图像不进行处理，采集新的图像进行处理；

焊缝轮廓图像特征提取后计算焊缝的宽度，对于飞溅遮挡焊缝的情况造成焊缝宽度明显小于正常状态下的焊缝合并为一个焊缝，对于焊缝宽度过小的图像进行丢弃，采集新的图像进行处理；

当焊缝轮廓图像中焊缝偏差值与前后偏差相差较大时，对该焊缝轮廓图像中偏差值进行丢弃，采集新的图像进行处理。

上述技术方案的工作原理为：对采集的焊缝轮廓图像进行均值滤波前包括：对焊缝轮廓图像进行过滤；计算焊缝轮廓图像的平均灰度值，若灰度值大于正常图像的30％则对该焊缝轮廓图像不进行处理，采集新的图像进行处理；焊缝轮廓图像特征提取后计算焊缝的宽度，对于飞溅遮挡焊缝的情况造成焊缝宽度明显小于正常状态下的焊缝合并为一个焊缝，对于焊缝宽度过小的图像进行丢弃，采集新的图像进行处理；当焊缝轮廓图像中焊缝偏差值与前后偏差相差较大时，对该焊缝轮廓图像中偏差值进行丢弃，采集新的图像进行处理。将有缺陷的图像进行过滤处理，消除影响机器人焊接时纠偏过程的因素，保证焊接纠偏过程的顺利进行。

上述技术方案的有益效果为：对采集的焊缝轮廓图像进行均值滤波前包括：对焊缝轮廓图像进行过滤；计算焊缝轮廓图像的平均灰度值，若灰度值大于正常图像的30％则对该焊缝轮廓图像不进行处理，采集新的图像进行处理；焊缝轮廓图像特征提取后计算焊缝的宽度，对于飞溅遮挡焊缝的情况造成焊缝宽度明显小于正常状态下的焊缝合并为一个焊缝，对于焊缝宽度过小的图像进行丢弃，采集新的图像进行处理；当焊缝轮廓图像中焊缝偏差值与前后偏差相差较大时，对该焊缝轮廓图像中偏差值进行丢弃，采集新的图像进行处理。将有缺陷的图像进行过滤处理，消除影响机器人焊接时纠偏过程的因素，保证焊接纠偏过程的顺利进行。

在另一实施例中，所述S101步骤包括：所述主动激光视觉技术采集焊缝轮廓图像时利用扫描振镜控制聚集光斑在待采集焊缝上移动，通过控制扫描振镜的旋转角度，让光束汇聚在已经成形的焊缝上，利用扫描振镜控制扫描镜头沿X、Y轴方向移动获取焊缝表面轮廓信息；

激光器的准直光束与扫描振镜的x镜面法线成45°角入射到镜面中心，经过扫描振镜的x镜面反射后，准直光束以与扫描振镜的y镜面法线成45°角入射到扫描振镜的y镜面中心，再垂直入射到水平固定的场镜上，最终聚焦到待采集焊缝表面，扫描振镜的x镜面控制光斑沿X轴方向移动，扫描振镜的y镜面控制光斑沿Y轴方向移动，最终使光束的聚焦点在已经成形的焊缝上。

上述技术方案的工作原理为：所述S101步骤包括：所述主动激光视觉技术采集焊缝轮廓图像时利用扫描振镜控制聚集光斑在待采集焊缝上移动，通过控制扫描振镜的旋转角度，让光束汇聚在已经成形的焊缝上，利用扫描振镜控制扫描镜头沿X、Y轴方向(X、Y的直角坐标系)移动获取焊缝表面轮廓信息；

扫描振镜包括两个镜面，x镜面和y镜面，x镜面是扫描振镜的X轴方向，y镜面是扫描振镜的Y轴方向；激光器的准直光束与扫描振镜的x镜面法线成45°角入射到镜面中心，经过扫描振镜的x镜面反射后，准直光束以与扫描振镜的y镜面法线成45°角入射到扫描振镜的y镜面中心，再垂直入射到水平固定的场镜上，最终聚焦到待采集焊缝表面，扫描振镜的x镜面控制光斑沿X轴方向移动，扫描振镜的y镜面控制光斑沿Y轴方向移动，最终使光束的聚焦点在已经成形的焊缝上。从而采集到焊缝轮廓图像。

根据激光主动成像模型，假定照射光束具有均匀的强度分布，工业相机焦平面的入射辐照度公式为：

其中，I表示入射辐照度；ρ表示目标反射率；C表示目标对比度；K表示反射光与入射光比率系数；T表示透光率；γ表示散射影响系数；P表示输出功率；ε表示激光发射系统透过率；f表示工业相机焦距；D表示工业相机镜头尺寸；θ表示激光发散角；L表示传播距离；

在特定系统和一定外界环境下，通过入射辐照度可估算激光主动成像有效作用距离，从而采集更准确的焊缝轮廓图像。

上述技术方案的有益效果为：所述主动激光视觉技术采集焊缝轮廓图像时利用扫描振镜控制聚集光斑在待采集焊缝上移动，通过控制扫描振镜的旋转角度，让光束汇聚在已经成形的焊缝上，利用扫描振镜控制扫描镜头沿X、Y轴方向移动获取焊缝表面轮廓信息；激光器的准直光束与扫描振镜的x镜面法线成45°角入射到镜面中心，经过扫描振镜的x镜面反射后，准直光束以与扫描振镜的y镜面法线成45°角入射到扫描振镜的y镜面中心，再垂直入射到水平固定的场镜上，最终聚焦到待采集焊缝表面，扫描振镜的x镜面控制光斑沿X轴方向移动，扫描振镜的y镜面控制光斑沿Y轴方向移动，最终使光束的聚焦点在已经成形的焊缝上。从而采集到焊缝轮廓图像。

在另一实施例中，对均值滤波后的焊缝轮廓图像进行图像增强包括：读入待进行增强的焊缝轮廓图像，对读入的焊缝轮廓图像进行小波分解，得到各个频率段的细节数据，对需要增强的细节数据在对应频率段的系数分别进行增强处理，对处理后的小波系数进行小波重构，得到最终的增强图像。

上述技术方案的工作原理为：读入待进行增强的焊缝轮廓图像，对读入的焊缝轮廓图像进行小波分解，得到各个频率段的细节数据，对需要增强的细节数据在对应频率段的系数分别进行增强处理，对处理后的小波系数进行小波重构，得到最终的增强图像。获取的焊缝图像更加稳定清晰。

上述技术方案的有益效果为：读入待进行增强的焊缝轮廓图像，对读入的焊缝轮廓图像进行小波分解，得到各个频率段的细节数据，对需要增强的细节数据在对应频率段的系数分别进行增强处理，对处理后的小波系数进行小波重构，得到最终的增强图像。获取的焊缝图像更加稳定清晰。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。