油田注水機器人視覺定位系統(tǒng)研究

王朋朋，周建平，姜 宏，許 燕

（新疆大學機械工程學院，新疆 烏魯木齊 830047）

1 引言

油田注水是提高油田開發(fā)水平，保持油藏能量和油田穩(wěn)產(chǎn)主要的工藝技術(shù)，在國內(nèi)外得到了廣泛的應(yīng)用[1]。目前塔河油田的注水裝置大部分是簡易的注水撬，主要運行模式是通過水車運水，并通過向油田注水井口注水的方式來完成注水作業(yè)。雖然目前這種裝置簡單實用，但普遍需要人工值守來進行相關(guān)的泵的啟停以及注水量統(tǒng)計，耗費人力財力，勞務(wù)用工成本壓力大，不適合現(xiàn)階段的注水作業(yè)。通過大量市場調(diào)研，該文將機器視覺技術(shù)與油田注水工藝結(jié)合，提出了一種油田注水機器人用于替代石油現(xiàn)場的人工注水作業(yè)，并對其中水車泄水管口邊緣檢測和管口中心三維定位部分進行了研究。

目前針對機器人視覺與定位是國內(nèi)外學者研究的熱點，國內(nèi)外專家學者均做出了諸多相關(guān)的研究。例如文獻[2]將雙目視覺技術(shù)應(yīng)用在草莓采摘機器人中，實現(xiàn)成熟草莓的識別、雙目定位和采摘工作，能滿足草莓采摘的要求。通過對冷凝器清洗移動機器人的視覺定位方法的探究，文獻[3]提出一種采樣密度可調(diào)的輪廓擬合定位算法。該方法能精確定位所需清洗管口質(zhì)心，為清洗噴槍提供準確運動參數(shù)。文獻[4]通過對雙目立體視覺在管口測量系統(tǒng)中應(yīng)用的關(guān)鍵問題進行探究，解決了圓孔透視投影中形狀畸變的問題，提高了圓幾何參數(shù)的視覺測量精度。文獻[5]將手眼視覺系統(tǒng)應(yīng)用在工業(yè)水泥灌裝自動化改進方面，擁有視場大，定位精度高的優(yōu)勢。通過文獻閱讀分析，目前尚無將機器視覺技術(shù)與油田注水工藝結(jié)合的應(yīng)用技術(shù)。

該文借鑒雙目立體視覺定位方法和圖像邊緣檢測算法，提出一種平行雙目立體視覺技術(shù)的水車管口的視覺定位系統(tǒng)，希冀能滿足油田自動化注水作業(yè)的現(xiàn)場工作要求。

2 機器人的系統(tǒng)整體框架

油田注水工作模式，如圖1 所示。當水車停到限定范圍內(nèi)模糊工位后，固定在機械臂前端的雙目攝像機采集包括水車泄水口在內(nèi)的場景圖像，并將場景圖像采集到圖像處理模塊。利用機器視覺技術(shù)通過提取泄水口的邊緣特征信息，再結(jié)合橢圓擬合方法和雙目視覺原理得到泄水口中心在相機坐標系中的位置。其次，通過坐標系間的變換，得到在世界坐標系下的泄水口中心三維信息。最終通過解算求出機械臂運動參數(shù)實現(xiàn)與連接泄水導管的機械臂自動對接任務(wù)，在對接完成后，通過泄水管處的電磁開關(guān)打開泄水閥門，并將水車內(nèi)的液體通過泄水導管注入到地下油井內(nèi)，完成油田注水工藝的無人值守任務(wù)。

圖1 油田注水機器人的現(xiàn)場示意圖Fig.1 Site Schematic Diag Ram of Oilfield Water Injection Robot

3 定位系統(tǒng)總體技術(shù)路線

該文所研究的基于雙目立體視覺油田注水機器人的三維空間定位系統(tǒng)的總體技術(shù)路線，如圖2 所示。

圖2 雙目視覺油田注水立體視覺定位實現(xiàn)框架Fig.2 Binocular Vision Oilfield Water Injection Stereo Vision Positioning Implementation Framework

涉及的關(guān)鍵技術(shù)主要有：（1）相機標定與校正。通過雙目攝像機采集含有標定板在內(nèi)的多幅左右視場圖像，執(zhí)行相機標定算法求解相機的內(nèi)外參數(shù)，并對攝像機進行畸變矯正，去除由相機畸變等因素產(chǎn)生圖像定位的像素誤差。目前常用的相機標定方法是張正友棋盤格標定方法，該標定過程簡單快捷，誤差較小[6]。（2）建立世界坐標系。對于矯正后的圖像建立相機坐標系，再通過分析坐標系的剛體變換關(guān)系，求解以世界坐標系為基準的泄水導管口的中心的坐標。（3）水車泄水口的的檢測與定位。從校正好的圖像中獲取有效區(qū)域中的泄水管口圖像，再執(zhí)行OTSU 閾值分割和亞像素邊緣提取泄水管口的邊緣，并通過對管口邊緣的最小二乘法的橢圓擬合確定泄水管口中心坐標的位置，最后通過分析雙目立體定位的原理求得泄水管口圓心的三維空間坐標。

4 雙目立體視覺模型的建立

平行雙目立體視覺定位技術(shù)由左右雙目視覺圖像中視差與距離的反比關(guān)系，由三角法原理進行立體坐標數(shù)據(jù)的求解。

平行雙目視覺模型，如圖3 所示。其中左右相機光心的投影中心分別表示為O1與Or，選用以O(shè)1為基準點，并定義光心投影中心Or到O1的距離為基線距離b。假設(shè)（Xc，Yc，Zc）為點P在相機坐標下的三維坐標，則P點在左圖像中的像素坐標為P1（ul，vl），P點在右圖像中的坐標為Pr（ur，vr）。

則在相機坐標系下P點的三維坐標可由三角形幾何關(guān)系。

圖3 平行雙目立體成像原理Fig.3 Parallel Binocular Stereo Imaging Principle

可解算得，如式（1）所示。

式中：d=ul-ur左右相機的視差；（cx，cy）—左光心O1在圖像上的成像像素點坐標。

5 泄水管口中心求取算法

5.1 圖像濾波

通過雙目攝像頭采集的現(xiàn)場圖片往往混有一定的噪聲，因此在對圖像進行分析之前，對圖像進行濾波操作。該文針對使用中值濾波器會將圖像中的線條細節(jié)濾除和使用均值濾被器會使圖像邊緣模糊的問題，選用了一種Kuwahara 邊緣保持平滑濾波器來濾波原始圖像，并在濾除噪聲和保留邊緣細節(jié)方面均有比較良好的效果。

5.2 圖像分割

圖像分割是指通過分析圖像背景與特征目標在灰度分布上的不同，選取合適的分割閾值從背景中分割出特征目標的一種處理方法。該文所選用的OSTU 算法是一種自適應(yīng)全局閾值選擇方法，該方法使用最大類間方差標準來區(qū)分背景與前景[7]。

5.3 泄水管輪廓邊緣提取

圖像邊緣是指在灰度值存在階躍變化的邊緣像素點的集合。該文針對上節(jié)OSTU 閾值分割后的泄水管口圖像，首先采用Canny 邊緣檢測方法初步提取水車泄水口的圖像邊緣特征。

傳統(tǒng)的邊緣檢測算法如 Roberts、Canny、Prewitt、Sobel 以及Laplace 算子等雖然表達形式簡單。算法運行速度較快，但是算法精度較差，無法滿足油田現(xiàn)場泄水導管對接的精度要求。針對上述問題，該文對上節(jié)由canny 邊緣檢測算子初步得到的泄水管口的像素邊緣進行亞像素邊緣提取，之后再進行水車泄水口的橢圓擬合算法。其中，該文利用的是Zernike 正交矩的方式對管口邊緣進行亞像素圖像邊緣提取[8]。

5.4 泄水管口的橢圓擬合與中心坐標求解

Hough 變換法和最小二乘擬合法是使用最為廣泛的橢圓擬合算法。其中，Hough 變換法易受邊緣梯度的影響，且算法執(zhí)行復雜。而相對于應(yīng)用最小二乘法擬合橢圓，其僅受泄水口邊緣信息精度的影響，算法執(zhí)行較快，應(yīng)用性較強。因此，通過由上節(jié)提取的泄水管口的亞像素圖像邊緣點，該文選用最小二乘法擬合泄水管口形狀并解算其橢圓中心。

6 實驗驗證

6.1 實驗系統(tǒng)組成

實驗硬件平臺主要由計算機、圖像采集設(shè)備Kingcent 平行雙目攝像頭（最大像素數(shù)為1280×960）組成，軟件環(huán)境為windows 10 系統(tǒng)，matlab2016b 進行相機標定，圖像處理與三維坐標計算由vs2012 結(jié)合Opencv2.49 完成。并針對采油現(xiàn)場的注水作業(yè)為背景，模擬搭建實驗平臺，如圖4 所示。

圖4 模擬泄水管口立體測距實驗平臺Fig.4 Experimental Platform for Simulating Three-Dimensional Distance Measurement of Discharge Pipe Orifice

三腳架上的平行雙目攝像頭捕獲前面的模擬管口的圖像。其中，雙目間距測得103mm，左相機光心距離底部270mm，管口中心距離底部平臺270mm，左相機光心距離三腳架前端N=37mm，以左攝像機光心為三維坐標原點，每次移動箱體一定距離，測得三腳架前端距離模擬水車的距離L，并計算求得管心的實際坐標（51.5，0，L+N）并進行多組實驗分析。

6.2 實驗流程

6.2.1 攝像機標定

圖5 相機標定部分標定圖片F(xiàn)ig.5 Camera Calibration Part Calibration Picture

利用上節(jié)所提及的張氏標定法，對雙目攝像頭分別進行了標定實驗。首先通過雙目相機采集標定板圖像，張氏標定法中需要將標定板放置為不同姿態(tài)，使用雙目相機采集左右相機標定圖像各30 張，運行MATLAB 中的雙目標定程序，相機標定實驗所采集的部分圖像，如圖5 所示。其中，標定板選擇標準9×6 黑白棋盤格，每個棋盤格的大小為（21.7×21.7）mm，經(jīng)過標定實驗后的左右攝像頭參數(shù)的結(jié)果，如表1 所示。

表1 攝像頭標定結(jié)果Tab.1 Camera Calibration Result

6.2.2 泄水管口的立體定位

由上節(jié)MATLAB 標定實驗得到的攝像機內(nèi)外參數(shù)通過寫入xml 文件傳入到OpenCV 中。并按照如下步驟進行圖像矯正，圖像處理，泄水管口的橢圓擬合與中心坐標的提取。

（1）采集矯正后的泄水管口圖像，如圖6 所示。

圖6 泄水管口的圖像Fig.6 Image of the Drain Pipe

（2）采用Kuwahara 邊緣濾波和OSTU 算法對采集的圖像分別進行自適應(yīng)閾值分割并進行反色處理效果，如圖7 所示。

圖7 泄水管口的閾值分割結(jié)果Fig.7 Threshold Segmentation Result of Drain Pipe

（3）采用Canny 算法和亞像素邊緣檢測對采集的左右目圖像分別進行邊緣提取，如圖8 所示。

圖8 邊緣提取結(jié)果Fig.8 Edge Extraction Result

（4）在得到圓孔左右目圖像的邊緣像素點后，利用最小二乘法分別在左右目圖像的坐標系中擬合出橢圓方程，并求取圖像坐標系中橢圓的中心坐標，最后由平行雙目定位原理求解相機坐標系下的三維坐標結(jié)果，如圖9 所示。

圖9 橢圓擬合結(jié)果Fig.9 Ellipse Fitting Result

6.3 實驗結(jié)果

圖10 XYZ 測量結(jié)果與誤差關(guān)系曲線圖Fig.10 Diagram of Nexus Between XYZ Measurement Result and Error

通過上節(jié)中的實驗，可以分別得到管口中心在左右圖像中的相對應(yīng)圖像像素坐標，并結(jié)合平行雙目立體視覺三角法計算出管口中心在以左相機坐標系中的三維坐標，如圖10 所示。并分別移動模擬的泄水車箱，進行了11 組實驗，實驗結(jié)果，如表2 所示。結(jié)合圖10 和表2 可以得出：當測量距離小于500 時，XYZ測量誤差基本上都在±10mm 以內(nèi)；當測量距離超過500mm 以上時，誤差開始逐漸增大。

表2 實驗結(jié)果分析Tab.2 Analysis of Results

6.4 結(jié)論

根據(jù)多次實驗結(jié)果并結(jié)合實際現(xiàn)場工作要求（實際現(xiàn)場測得注水井口距運水車500mm 內(nèi)，水車泄水口管口外徑10.2cm，泄水導管管內(nèi)徑11.8cm），誤差范圍滿足要求。當測量距離在500mm 以上時，誤差增加較大的原因分析主要存在于：（1）當距離較遠致使圖片識別出的管口殘缺或圖像的清晰度下降，導致擬合圓心計算誤差增大；（2）其次是由于測量距離較遠時，由于攝像機焦距的限制，此時成像模型并不是嚴格遵守小孔成像模型所以可能會造成一定的偏差。綜上，在實際油田注水現(xiàn)場工作中使用該文方法將對實現(xiàn)油田注水自動化作業(yè)具有一定的指導意義。