为了解决基于线激光视觉传感的焊缝中心位置定位精度不高的问题, 采用了一种基于改进跟踪-学习-检测（TLD）算法的焊缝跟踪方法。由激光视觉传感器实时获取焊缝图像, 采用将跟踪器与检测器结合的TLD算法实时跟踪焊缝特征点, 同时通过在线学习机制更新分类器参量。在此基础上对激光条纹图像截取感兴趣区域, 大幅减少检测器的搜索区域; 根据激光条纹光强分布特性, 结合纠偏方向选取跟踪器有效特征点, 以此提高算法效率, 对不锈钢板V型焊缝和搭接焊缝进行跟踪试验。结果表明, 跟踪与检测可实现共同定位焊缝中心位置, 其融合的焊缝跟踪方法能够准确地提取焊缝特征点, 两种焊缝跟踪平均绝对误差分别为0.062mm和0.052mm。此方法为提高焊缝跟踪精度提供了依据。

在面对光照变化、部分遮挡、背景杂乱和平面内外旋转等跟踪难点时, 跟踪学习检测算法(Tracking-Learning-Detection, TLD)容易产生漂移导致跟踪失败, 其跟踪性能还有待提高。在传统TLD算法的基础上, 提出一种基于人工鱼群粒子滤波的TLD改进算法。首先使用人工鱼群粒子滤波跟踪器代替金字塔光流跟踪器, 将颜色直方图特征和方向梯度直方图特征进行融合, 建立目标表观模型, 引入图像金字塔多尺度思想进行尺度匹配, 提高目标跟踪的稳健性。然后通过粒子滤波过程预测目标区域, 将TLD算法检测模块的全局扫描改进为局部扫描, 剔除大量非目标区域, 提高检测模块的检测效率。实验结果表明: 基于人工鱼群粒子滤波的TLD改进算法具有良好的跟踪性能, 与传统TLD算法相比, 其平均成功率和精准度分别提高了19.04%和28.00%, 平均跟踪速度可达33.87 FPS, 提高了38.78%。