自动焊接时,为提高焊缝坡口关键位置的检测精度和抗干扰能力,基于卷积神经网络设计了焊缝特征点提取网络。该网络通过卷积、池化操作对图像中焊缝激光线的位置信息和拐点特征信息进行提取;引入先验框,将焊缝特征点检测从全局定位转为局部定位;识别定位模块通过结合特征点位置预测与特征点存在置信度预测,抑制了噪声干扰。为保证实际的焊接效率,融合相关滤波算法完成了焊缝关键位置的自动追踪。核相关滤波通过快速傅里叶变换降低了算法的时间复杂度,引入循环矩阵循环移位样本进行充分训练,保证了跟踪速度和精度。实验结果表明,焊缝特征点定位的均方根误差为0.207 mm,最大定位误差为0.71 mm。本文所提算法的定位精度较高,而且适用性和抗噪声干扰能力较强,能够满足焊缝自动跟踪系统的要求。

针对自动焊接过程中焊缝跟踪因受弧光、飞溅等噪声干扰而导致跟踪精度低的问题,提出了一种基于方向梯度直方图(Hog)粒子滤波的V型焊缝跟踪算法。Hog具有良好的几何和光学形变不变性,所提算法用它来描述焊缝激光条纹在拐点处的方向性特征。本算法首先通过提取焊缝目标区域的Hog建立目标模板,然后利用焊缝序列图像位置信息的连续性预测焊缝的候选状态,再通过粒子采样计算候选状态下的Hog特征,并将其与目标模板进行相似度计算,得到最优的焊缝位置,实现焊缝的跟踪。对典型的V型焊缝图像进行了跟踪实验,实验结果显示:所提算法在有强烈弧光、飞溅等噪声干扰的环境下,能够准确定位焊缝的目标位置,跟踪误差小于0.24 mm。

基于深层卷积神经网络的特征学习能力,提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来,通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明:所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置,具有抗干扰能力强、识别准确的优点。

设计了一种高速扫描频闪激光光栅条纹实时投射系统。系统通过现场可编程门阵列(FPGA)实时监测光电探测器信号并控制激光器的调制输出，使高速旋转的多面棱镜与线激光器调制信号精确配合产生稳定、清晰、精密的频闪激光光栅条纹。系统结合了光栅条纹整体投射和线激光光源高精度的特性，具有刷新速度快、条纹分布精度高的特点，且亮度、频率、脉宽、相移可动态编程实时控制。应用该系统对微小尺寸器件进行了测量，获得了准确反映被测器件三维形貌的相位和特征点数据。该系统在高精度快速三维形貌测量中，尤其是工业现场精密器件在线三维检测场合具有广泛的应用前景。

针对3D动画设计对人脸表情动态变化的三维数据信息的需求，设计了人脸表情动态采集系统。首先，采用标记光栅和空间映射法构建了人脸测量模型；设计了标记光栅图，并给出了利用相位图获取特征矩形的方法。然后，通过光栅上的特征矩形位置信息将测量得到的相对相位转化为绝对相位，再利用空间映射法获取三维坐标点信息。最后，进行了精度验证和人脸测量实验。测量了一个(220±0.01) mm标准半球的直径，平均值为219.95 mm，5次直径拟合的均方差为0.48 mm；5次测量中，三维数据点同标准球面距离的均方差为0.28~0.46 mm。对一名实验人员面部表情进行了测量实验，仅用一幅带有特征矩形的变形光栅图即完成了对人脸表情的三维数据动态采集, 所获得的三维造型真实，数据信息丰富，获取速度快。