高速动车组、城轨车辆和相关基础装备的保有量持续增加，车辆关键承载构件在长期交变载荷、制动热载荷、环境腐蚀、振动冲击及焊接残余应力共同作用下容易出现疲劳裂纹、焊缝裂纹、应力腐蚀裂纹和冲击损伤。目前轨道车辆检修仍然大量依赖人工目视、磁粉、渗透、超声探伤和局部拆检。人工巡检的优势是经验判断灵活，但也存在劳动强度高、天窗时间受限、车底空间作业困难和结果一致性不足等问题。传统无损检测方法在各自适用范围内较成熟，但遇到涂层、油污、反光、曲面、闭合裂纹和伪缺陷并存的场景时，单一手段往往难以同时完成快速筛查、真实性确认和深度定量。随着检修模式逐步从定期检修向状态检修转变，研究能够进入复杂空间、主动调整检测路径并融合多源感知信息的检修机器人，具有较明确的工程需求。
具有视觉检测功能，触觉感知，同时视觉触觉感知融合（特征级融合）去综合性判断裂纹的坐标，长度，宽度，深度，最终能够输出检测到的裂纹尺寸以及位置以及置信度等等。但是由于触觉感知的代码以及感知融合的部分的代码有保密条例，不能公开，下方提供的仅仅是视觉部分的代码以及操控CNC与推杆控制传感器进一步检测的部分。
全部由本人负责完成，
这是一种视觉触觉融合感知的金属部件表面裂纹检测方法，以充分发挥跨模态数据的互补优势，提升检测的准确性和可靠性。
一种视觉触觉融合感知的金属部件表面裂纹检测方法，包括：
步骤S1，通过RGB-D相机采集待检测金属部件表面的图像，并对采集的图像进行自适应图像增强和去噪预处理，得到预处理后的图像；
步骤S2，从预处理后的图像中提取裂纹的视觉几何特征向量，所述视觉几何特征向量包括裂纹的长度、宽度、视觉深度及视觉深度统计分布特征；
步骤S3，通过触觉传感器定位至裂纹区域，采集裂纹的3D形貌、位移场和分布力数据，并基于力学模型计算出裂纹的触觉测量深度，再基于触觉测量深度构建触觉特征向量；
步骤S4，采用小波变换对视觉几何特征向量与触觉特征向量进行多尺度对齐，并通过归零神经网络优化算法进行特征级融合，得到融合特征；
步骤S5，基于融合特征使用机器学习分类器进行裂纹检测，输出裂纹尺寸、位置及置信度。
评论