超声波无损检测(Ultrasonic NDT)是保证焊接件焊接质量的重要途径之一,其中最常见的管道和相贯线NDT,一般需要专业技术员手动进行。恶劣的工作环境,高强度的工作,将导致手动NDT采集的数据偏差大,一致性差,检测效率低,因此自动NDT技术应运而生,其目标是自动识别焊缝线并引导超声波探头沿着焊缝线进行扫查。本文将针对一种爬壁式自动NDT机器人,设计出平行结构光(PSL)平台并提出一种基于结构光的焊缝线检测方案,实现机器人对焊缝线的自动识别与跟踪。PSL平台具有两个交叉安装的结构光发生器,通过平台上的摄像头捕获发生器各自投射在焊缝边界附近的5段平行结构光条纹。然后通过图像处理算法,分析结构光条纹特征,识别出需要跟踪的焊缝线与机器人之间的角度和距离。本文图像处理包括,图像预处理、条纹特征提取和条纹特征分析:(1)图像预处理,使用了 SSD-MobileNet模型进行ROI的定位与识别,提取出两个面积约为原图10%的ROI区域,不仅避免了非目标区域的光污染、噪点等干扰影响,而且提升了算法处理速度和保障了 ROI预处理的质量稳定。(2)条纹特征提取,首先选用精度达亚像素级别的灰度重心法进行条纹中心线提取,然后通过改进的同步区域生长算法和断线插值修复算法,对所有中心线像素点进行区域划分和修复局部断线。(3)条纹特征分析阶段,本文提出了基于条纹的几何特征法,实现稳定且快速的焊缝边界点提取。然后提出了两种焊缝线识别算法,分别是基于迭代的最小二乘焊缝线拟合算法和基于信息融合的全局焊缝线搜索算法,前者利用了边界点分布方差,排除干扰点,优化焊缝线拟合效果;后者则根据全局边界信息,构建焊缝线搜索模型及其代价函数,遍历全局求最优解,因此,充分考虑了多个焊缝边界之间的信息关联性,实验证明后者识别效果更准确和稳定。最后,进行了验证实验,SSD-MobileNet离线训练模型的ROI预测准确率达到90%以上;在圆型管道焊缝和Y型相贯线焊缝进行的18组焊缝线识别与跟踪实验结果表明,焊缝线距离跟踪精度为0.6mm,焊缝线角度跟踪精度为±1°,基本满足本文的设计要求以及实际的无损检测作业要求。