管道无损检测机器人搜索与定位环焊缝的单目视觉方法研究

Facing the needs of intelligentizing the defect inspection robot of absorptive type whose power, size and weight are greatly limited, the techniques will be investigated in this project for searching a welded girth seam and measuring its distance to the robot and its status relative to the robot based on monocular vision. The investigations include (1) modeling the intensity distribution of the background image of the inner surface of the pipeline based on the optical reflect model of the surface and the image segmentation of the girth; (2)retrieving the contour of the weld girth seam by use of seeker optimization algorithm; (3)by exploit of prior knowledge of the shapes of the pipelines and welded girth seams and based on monocular vision and angular encoder of the run wheel of the robot, more accurately locating the welded girth seam and estimating the disturbed status of the robot by combination of the particle filter SLAM and fast decent solution of nonlinear system govern equation; (4)estimating the direction of pipeline segment ahead the robot; (5) under the multi-core CPU architecture, parallelizing the algorithms of segmenting, retrieving and locating a welded girth seam and estimating the direction of a pipeline segment ahead the robot to improve the real-time requirement of the algorithms. Through these investigations the new method is proposed for locating an object based monocular vision; And the intelligentization of the pipeline defects inspection robot of absorptive type is effectively supported. The expected achievements are 6 journal papers indexed by EI and SCI.

面向受重量、尺度和能耗极大限制的吸附式管道探伤机器人的智能化需要，本项目研究基于单目视觉搜索管道内壁环焊缝并测定它相对于管道探伤机器人的距离与姿态的方法，包括(1)基于管道内壁光学反射模型的管道内壁背景亮度分布建模与焊缝前景分割方法；（2）基于人群优化搜索的环焊缝轮廓提取方法；（3）利用管道结构与环焊缝轮廓形状先验知识，基于单目视觉与机器人爬行轮角编码器，将粒子滤波器SLAM与最速下降求解系统非线性控制方程相结合的准确定位环焊缝位姿和机器人扰动姿态的方法；（4）估计机器人行驶前方管道段走向的方法；（5）基于多核CPU焊缝的图像分割、轮廓提取、位姿定位算法和估计管道段走向算法的并行计算方法,进一步提高算法的实时性。通过研究，为基于单目视觉的目标定位技术增添新方法，对吸附式管道探伤机器人搜寻环焊缝运动的自主控制提供有效支撑。研究的预期成果为发表EI与SCI检索论文6篇。

1. 提出了直圆柱形管道内壁在机器人照明灯照射下、在具有俯仰角和左右偏转角的检测机器人单目光学数字相机的物理光学成像模型，该模型将支撑利用管道几何结构信息和相机内外参数先验信息辅助管道内壁圆环形焊缝目标的检测、分割和三位空间定位。.2. 提出了重构成像模型的九个未知参数的方法与算法，并基于GPU Cuda构架对算法进行并行化加速计算，使得算法应用到管道焊缝检测机器人时能满足实时计算的要求。.3. 提出了基于圆柱管道内壁的物理成像模型的椭圆形薄环径向图像灰度差分高实时性管道内壁焊缝前景目标的检测与分割方法，并对该算法进行基于GPU Cuda构架的并行化。通过与GMM背景建模方法、SOM ANN神经网络背景建模方法、帧差法相比较，所提出的方法无论检测机器人处于运动还是静止状态都能有效检测与分割出椭圆形焊缝目标，无漏检焊缝的风险。.4. 提出了基于圆柱管道内壁的物理成像模型用分割出的焊缝目标实现焊缝三维物理空间距离定位方法，该方法无论检测机器人处于运动还是静止状态都能有效快速定位检测机器人前方焊缝到机器人相机的物理距离，为检测机器人自主运动到圆环形焊缝进行探伤作业提供有效的距离信息。.5. 研究了热门的深度学习方法在低学习目标标注工作量要求下对管道内壁焊缝目标检测与分割的有效性。基于TensorFlow构建了10层标准CNN深度学习网络对管道内壁帧图像判别是无环形焊缝的背景帧还是含由环焊缝的前景帧，进而用减背景帧法分割出焊缝目标。实验表明，所构建的CNN深度学习网络不能有效判别出含环焊缝的前景帧。我们又提出了基于CNN的环形卷积自编码深度学习网络，只需标注一个环带是否含焊缝即可，该方法对环焊缝完好的情况下能较好地分割出焊缝目标。这两方面的研究表明，图像目标标注若不细化像素级，有监督深度学习网络也不能有效分割出帧图像中的环缝目标，这进一步加强本项目所研究出焊缝目标的检测分割方法的优势。.6. 我们基于物理光学成像的焊缝检测、分割与3D空间定位方法形成了管道焊缝检测机器人SLAM问题的有效解决方法。我们发表了学术论文4篇。