1.一种熔池形貌检测及弧焊机器人控制方法，其特征在于，包括如下步骤：步骤1，采集弧焊增材制造熔覆池视频，从视频中提取单帧熔覆池视频序列帧彩色图像；

步骤2，针对提取的单帧熔覆池视频序列帧彩色图像进行灰度变换得到熔覆池灰度图像；

步骤3，对熔覆池灰度图像进行基于多级卷积核加权的噪声滤波，得到熔覆池滤波图像；

步骤4，对基于多级卷积核加权的熔覆池滤波图像进行基于阈值处理的掩膜修补，去除金属液滴区域部分，得到修补后的熔覆池灰度图像；

步骤5，对修补后的熔覆池灰度图像进行两次区域图像分割，得到二次区域分割图像；

步骤6，对二次区域分割图像进行基于天牛须搜索自适应阈值算法的边缘检测，得到熔覆池边缘检测图像；

步骤7，对熔覆池边缘检测图像进行阈值分割和基于粒子群算法的伽马变换，进行灰度增强，得到去噪和增强后的熔覆池边缘图像；

步骤8，对去噪和增强后的熔覆池边缘图像进行像素遍历，得到熔覆池的圆心像素点坐标；

步骤9，以熔覆池的圆心像素点坐标为基准，进行基于竖轴和横轴的区域图像分割，再通过右半平面和下半平面进行镜像对称和组合，得到熔覆池的椭圆拟合图像；

步骤10，以熔覆池的圆心像素点坐标为基准，对熔覆池的椭圆拟合图像进行像素遍历，计算出长轴和短轴像素数大小；利用长轴和短轴的变化量判断终止打印或者继续打印；判断当前熔覆池视频序列帧彩色图像是否为最后一帧，如果是，则结束打印，如果不是，则回到步骤1。

2.根据权利要求1所述的方法，其特征在于，步骤2包括：将单帧熔覆池视频序列帧彩色图像中每个像素点进行灰度变换，并利用以下公式重新赋值：Graym＝0.2986*Rm+0.5871*Gm+0.1143*Bm其中，Graym为灰度变换后的灰度值，Rm为单帧熔覆池视频序列帧彩色图像中红色分量的值，Gm为绿色分量的值，Bm为蓝色分量的值。

3.根据权利要求2所述的方法，其特征在于，步骤3包括：进行四级卷积核加权，卷积核的尺寸为n×n，取尺寸分别为3×3、5×5、7×7、9×9的四级卷积核，n＝2×k+1，k为正整数，将卷积核所覆盖像素中的中值作为中心点的像素值，遍历所有元素，四级卷积核加权公式如下：dst＝0.4*dst1+0.3*dst2+0.2*dst3+0.1*dst4其中，dst表示加权后的像素值，dst1、dst2、dst3、dst4分别是卷积核尺寸为3×3、5×

5、7×7、9×9作用后的像素值。

4.根据权利要求3所述的方法，其特征在于，步骤4包括：

步骤4-1，根据熔覆池滤波图像的灰度直方图，选取170作为图像分割的阈值，使用阈值分割分离出金属液滴区域部分，以金属液滴区域部分构成熔覆池滤波图像的掩膜，也即熔覆池滤波图像的待修复区域；

步骤4-2，对熔覆池滤波图像进行修补，去除金属液滴区域部分，得到修补后的熔覆池灰度图像，修补公式如式：其中，I(u)为熔覆池滤波图像修补后的灰度值，▽u(x,y)为熔覆池滤波图像灰度值的梯度，Ω为待修复区域，x和y分别为像素点的横坐标和纵坐标。

5.根据权利要求4所述的方法，其特征在于，步骤5包括：

步骤5-1，在修补后的熔覆池灰度图像中选取一个矩形，矩形四个顶点的像素坐标分别为(130,125)、(360,125)、(130,20)和(360,20)，遍历所有的像素，如果像素坐标在这个矩形区域内，则像素值不变；如果像素坐标在这个矩形区域外，则把像素值置为0，即黑色，得到初步区域分割图像；

步骤5-2，在初步区域分割图像中选取一个矩形，矩形四个顶点的像素坐标分别为(200,100)、(200,50)、(300,100)和(300,50)，遍历所有的像素，如果像素坐标在这个矩形区域内，像素值置为0，即黑色；如果像素坐标在这个矩形区域外，则像素值不变，得到二次区域分割图像。

6.根据权利要5所述的方法，其特征在于，步骤6包括：利用Sobel算子对二次区域分割图像进行卷积计算得到边缘梯度值，对边缘梯度值使用天牛须搜索自适应阈值算法，当边缘梯度值大于自适应阈值时标记为边缘，得到熔覆池边缘检测图像，Sobel算子如下：Gx＝G_x*A,

Gy＝G_y*A,

|G|＝|Gx|+|Gy|,

其中，Gx及Gy分别代表经过横向边缘检测的图像灰度值和经过纵向边缘检测的图像灰度值，G_x及G_y分别为横坐标x方向需要使用的卷积因子和纵坐标y方向需要使用的卷积因子，A代表二次区域分割图像，|G|为经过Sobel算子计算后的边缘梯度值；

所述天牛须搜索自适应阈值算法包括：

步骤6-1，建立天牛须朝向的随机向量dir并单位化，其方向为从右须指向左须：其中，rands()代表随机向量，m代表空间维度；

步骤6-2，确定天牛左右须的坐标：

右须坐标：

xrn＝xn-l*dir/2

左须坐标：

xln＝xn+l*dir/2

其中，xln代表左须坐标，xrn代表右须坐标，xn表示在第n次迭代时的质心坐标，n为非负整数，l为左须和右须之间距离；

步骤6-3，通过计算分别得到左、右两须的适应度值fl和fr，根据这两个适应度值fl和fr的大小关系，判断天牛的前进方向，第n次迭代时行进步长为jn，xn+1表示在第n+1次迭代时的质心坐标，此时用下式更新天牛的位置：

7.根据权利要求6所述的方法，其特征在于，步骤7包括：

步骤7-1，对熔覆池边缘检测图像的灰度直方图使用粒子群算法寻找阈值，进行阈值分割去除熔覆池轮廓图像中非轮廓部分，即对熔覆池边缘检测图像完成去噪处理，得到更精准的熔覆池边缘图像，粒子群算法公式如下：式中，ω为惯性因子，c1和c2代表学习因子，r1和r2是[0,1]之间的随机数，Pbest-i是第i个粒子已知的历史最优状态，Gbest是整个粒子群已知的历史最优状态， 和 分别代表k时刻粒子i的位置和速度， 和 分别代表k+1时刻粒子i的位置和速度；

步骤7-2，对步骤7-1得到的熔覆池边缘图像，使用粒子群算法自适应的选取合适的伽马值，再进行伽马变换进行灰度增强，增加熔覆池边缘图像的对比度，得到去噪和增强后的熔覆池边缘图像，伽马变换的公式如下：式中，g为输入灰度级，γ为伽马值，s为经过伽马变换后的灰度。

8.根据权利要求7所述的方法，其特征在于，步骤8包括，对去噪和增强后的熔覆池边缘图像，利用循环遍历每一个像素点，从下到上依次遍历每一行像素点，寻找第一个非0的像素点，记录其坐标位置Z1；再从右向左依次遍历每一列像素点，寻找到第一个非0的像素点，记录其坐标位置Z2；则Z1的横坐标和Z2的纵坐标即为熔覆池圆心像素点的横坐标和纵坐标。

9.根据权利要求8所述的方法，其特征在于，步骤9包括：

步骤9-1，对去噪和增强后的熔覆池边缘图像，以过熔覆池圆心和Z1的竖轴为基准，进行区域图像分割，得到只有右半平面的熔覆池边缘图像，再基于右半平面进行镜像对称和组合，得到以竖轴为基准进行组合的熔覆池边缘图像；

步骤9-2，对以竖轴为基准进行组合的熔覆池边缘图像，以过熔覆池圆心和Z2的横轴为基准，进行区域图像分割，得到只有下半平面的熔覆池边缘图像，再基于下半平面进行镜像对称和组合，得到熔覆池的椭圆拟合图像。

10.根据权利要求9所述的方法，其特征在于，步骤10包括：

步骤10-1，对熔覆池椭圆拟合图像圆心横坐标轴所在的纵轴，基于熔覆池圆心，从上往下寻找第一个像素灰度值非零的点，将熔覆池圆心的纵坐标减去该点的纵坐标，得到椭圆的短轴b；对于熔覆池圆心的纵坐标所在的横轴，从左往右寻找第一个像素灰度值非零的点，将熔覆池圆心的横坐标减去该点的横坐标，得到椭圆的长轴a，最后得到长轴和短轴的像素数大小；

步骤10-2：如果单个轴的大小发生变化，且变化量大于或等于20个像素数，则控制弧焊机器人停止打印；如果改变量小于20个像素数，则控制弧焊机器人继续打印；如果长轴和短轴大小都改变，且|a|+|b|≥30个像素数，则控制弧焊机器人停止打印，如果|a|+|b|＜30个像素数，则控制弧焊机器人继续打印；

步骤10-3：判断熔覆池视频序列帧彩色图像是否为最后一帧，如果是最后一帧，则控制弧焊机器人停止打印；如果不是最后一帧，则回到步骤1，控制弧焊机器人继续打印。