于铁军， 刘立峰， 邢彦锋， 蒋世谊

(1.上海和达汽车配件有限公司， 上海 201799； 2.上海工程技术大学 机械与汽车工程学院, 上海 201600)

焊缝质量检测作为焊接工艺中必不可少的一环，一直受到广大研究者的关注。现如今的自动化焊缝质量检测工艺包含基于焊缝图像的焊缝质量检测以及基于点云的焊缝质量检测[1-3]。其中由于焊接过程噪声大等原因，基于图像的焊缝质量检测鲁棒性不高，但基于点云的焊缝质量检测由于点云数据庞大，往往计算量过大导致计算时间长[4]。针对这个问题，有必要对焊缝点云数据进行ROI区域的处理，提取出包含特征的数据区域，从而减少数据量来缩短计算时间。

在机器视觉应用广泛的今天，ROI提取技术在机器视觉，尤其是特征提取上的应用十分广泛[5-7]。文献[8]中刘琼等利用Haar-Like特征对双阈值分割法进行改进，以此来进行车载热成像行人检测的ROI提取，与传统算法相比，召回率提高49%，并且提取速度快。文献[9]中陈典典等提出了一种基于Harris角点检测和聚类算法的掌纹图像ROI区域提取算法，并验证了准确性。

在焊缝点云质量检测的过程中，点云数据主要由带有激光的焊缝图像提取得到，因此理想的ROI区域提取算法的目标在于寻找激光图像中的角点。

Moravec角点检测算法用二值化图像寻找角点。文献[10]中宋俊芳等对Moravec算法进行改进，用于检测运动目标的角点，满足了交通场景中对行人检测的要求。文献[11]中王博杨等研究了使用Moravec算法寻找角点，将多目视频图像融合成同一图像的应用。……