基于視覺糾偏的原油儲罐浮船板焊接機器人研究

摘 要 為提高原油儲罐浮船板焊接質(zhì)量，采用基于視覺糾偏的方法對原油儲罐浮船板焊接機器人進行了研究。首先搭建并標定了焊接機器人視覺系統(tǒng)，設計了一套焊縫圖像處理與特征點提取方法；然后建立了三維焊接機器人模型、焊槍模型和線結(jié)構(gòu)光視覺傳感器仿真模型，并采用基于迭代最近點配準算法進行了焊接視覺糾偏，獲得了真實的焊縫位置；最后進行了焊縫軌跡離線糾偏實驗，通過離線焊縫糾偏解決了浮船板工件定位不精確導致傳統(tǒng)示教模式下焊接機器人無法精確焊接的實際工程問題。

關(guān)鍵詞 原油儲罐 浮船板 圖像處理 視覺糾偏 焊接機器人

中圖分類號 TP242"" 文獻標志碼 A"" 文章編號 1000 3932（2025）01 0063 07

在海上石油開采和運輸中，主要使用大型原油儲罐浮船。浮船板是浮頂罐的重要組成部分，浮船板的焊接是儲罐施工過程中的一個重點，也是一個難點。目前浮船板焊接方法采用的是傳統(tǒng)的手工電弧焊和帶有行走機構(gòu)的半自動焊接設備［1］。通過前期對浮船板施工現(xiàn)場進行調(diào)研發(fā)現(xiàn)，當前焊接作業(yè)存在以下局限性：

a. 焊縫長度跨度較遠，設備不具備主動感知焊縫的能力，焊接質(zhì)量難以保證；

b. 焊接過程由人工監(jiān)管，焊接設備自動化程度低，產(chǎn)品穩(wěn)定性差；

c. 工人勞動強度大，焊接效率低，特別是在進行仰焊作業(yè)時由于環(huán)境惡劣、工藝復雜，難以進行長時間有效作業(yè)。

針對以上焊接問題，筆者將基于機器視覺的焊縫信息提取作為主要研究內(nèi)容，對浮船板焊接機器人進行研究，針對平面直線焊縫實現(xiàn)智能焊接，這對于提高浮船板焊接質(zhì)量和焊接效率具有重要意義。

1 焊接機器人視覺系統(tǒng)搭建與標定

1.1 焊接機器人視覺系統(tǒng)搭建

基于傳統(tǒng)焊接現(xiàn)存的問題，設計并搭建了結(jié)構(gòu)光視覺傳感系統(tǒng)。焊縫的相關(guān)信息將采用結(jié)構(gòu)光視覺傳感系統(tǒng)進行采集。焊縫的相關(guān)信息主要包括焊縫位置信息和焊縫形貌信息，這兩類信息分別用于焊接機器人糾偏和焊接材料表層缺陷掃描。

焊接機器人、結(jié)構(gòu)光視覺傳感器、焊接電源、控制柜和PC主機5個部分共同構(gòu)成了焊接機器人視覺系統(tǒng)。其中，在焊接機器人焊槍位置處安裝結(jié)構(gòu)光視覺傳感器，結(jié)構(gòu)光視覺傳感器由自帶工業(yè)以太網(wǎng)接口并能高速傳輸數(shù)據(jù)的相機、鏡頭和激光發(fā)射器3部分組成，從而獲得激光圖片。PC主機通過線纜分別與控制柜和結(jié)構(gòu)光視覺傳感器聯(lián)通，由此在PC主機上可以實時獲得高清圖像，并控制焊接機器人的作業(yè)姿態(tài)。圖1為基于視覺糾偏的原油儲罐浮船板焊接機器人架構(gòu)。

1.2 焊接機器人視覺系統(tǒng)標定

筆者采用視覺測量系統(tǒng)手眼關(guān)系標定和線結(jié)構(gòu)光傳感器激光平面標定對焊接機器人視覺系統(tǒng)進行標定。

1.2.1 視覺測量系統(tǒng)手眼關(guān)系標定

線結(jié)構(gòu)光傳感器安裝在焊接機器人焊槍前端側(cè)面，焊接作業(yè)時將伴隨焊接機器人動作，采用“手-眼標定”的方法對視覺測量系統(tǒng)進行標定后，可以將焊縫位置由相機坐標系轉(zhuǎn)換到機器人基座坐標系下。圖2為視覺測量系統(tǒng)手眼關(guān)系標定示意圖。

1.2.2 線結(jié)構(gòu)光傳感器激光平面標定

采用四點不變性原理對線結(jié)構(gòu)光傳感器發(fā)射的兩條相交激光線進行標定，根據(jù)兩條相交平行線的端點確定出激光線與標定板圓點構(gòu)成的直線交點。焊接機器人作業(yè)過程中不斷改變姿態(tài)，獲取不同的高清照片，從而根據(jù)兩條相交直線和四點得出線結(jié)構(gòu)光平面方程。

2 焊縫圖像處理與特征點提取

線結(jié)構(gòu)光視覺傳感器相較其他類型傳感器，優(yōu)勢在于具有精度高、信息量大等特點。在焊接機器人現(xiàn)場施工過程中，現(xiàn)場環(huán)境會對傳感器采集的信息造成干擾，如火化、煙霧等，導致采集到的焊縫圖像存在噪聲和干擾。針對噪聲和干擾對圖像識別的影響，設計了一套合適的焊縫圖像處理與特征點提取方法。

焊縫圖像處理與特征點提取方法分為以下3步：

a. 判定已獲得的圖像焊縫特征的圈定區(qū)域，選用中值濾波對方差法分割后的焊縫圖像進行降噪處理；

b. 為保證傳感器采集圖像中線結(jié)構(gòu)光條紋的連通性，采用“開+閉運算”形態(tài)學進行操作；

c. 采用灰度重心法獲得線結(jié)構(gòu)光條紋的中心線，從而獲得線結(jié)構(gòu)光條紋中心線的狀態(tài)和實時位置信息［2］。

2.1 圖像圈定區(qū)域提取

從采集到的焊縫圖像中截取部分作為研究對象進行分析，初始圖像如圖3a所示。在初始圖像（大小為1100×550）中設定圖像圈定區(qū)域的大小為450×220，采集到的初始位置坐標設定為（350，240），目前圈定區(qū)域面積為原始圖像面積的13.96%，圈定區(qū)域提取結(jié)果如圖3b所示。采用圖像圈定區(qū)域提取方法對采集到的焊縫初始圖像進行處理，圈定了有效的分析范圍，提高了處理圖像的速度并減小了噪聲干擾。

2.2 圖像濾波、分割及形態(tài)學處理

圖像噪聲主要來自于兩個部分，一是工件材質(zhì)粗糙而出現(xiàn)激光散射、自然光源干擾及傳感器性能等因素的影響；二是焊接時的弧光飛濺、弧焊產(chǎn)生的煙霧和飛塵的影響。為了有效抑制圖像噪聲，需要采用中值濾波對圖3b中的圈定區(qū)域提取結(jié)果進行濾波，從而去除90%以上的噪聲并增強焊縫邊緣信息。

激光漫反射是采集圖像過程中經(jīng)常出現(xiàn)的狀態(tài)，為防止激光漫反射對激光條紋的干擾，采用基于閾值的圖像分割處理方法將激光漫反射的干擾進行分離，從而保證激光條紋的精度。其中，閾值將通過最大類間方差法進行求取。

通過多次試驗可知，基于閾值的圖像分割處理方法效率高，可以滿足焊接實時性的要求，有效增強了激光條紋的對比度，保護了采集圖像的邊緣信息，能夠準確檢測出焊縫圖像的邊緣位置。

焊縫圖像經(jīng)過濾波、切割等步驟，焊縫圖像中的激光條紋依然有切割面毛刺、氣孔等缺陷，缺陷會使焊縫圖像中心線和特征點的提取難度變大、提取精度變低。因此選擇“開+閉運算”形態(tài)學的方法對焊縫圖像進行處理，用以消除空洞和邊緣不齊的部分，讓焊縫圖像的邊緣部分更加光滑［3］。圖4分別為圈定區(qū)域提取結(jié)果、中值濾波后結(jié)果、最大類間方法圖像分割、“開+閉運算”形態(tài)學處理圖。

2.3 中心線、特征點提取

焊縫圖像經(jīng)過濾波、分割及形態(tài)學一系列處理后，可以得到激光條紋圖像。在此基礎上采用灰度重心法對激光條紋圖像進行中心線、特征點的提取，需以焊縫圖像中激光條紋像素點的灰度值來確定提取過程中激光條紋的中心。

圖5為基于灰度重心法的中心線、特征點提取效果圖。

3 基于仿真和迭代最近點配準算法的焊接糾偏方法

經(jīng)過焊縫圖像處理與特征點提取，得到了去除噪聲后的高質(zhì)量圖像，通過圖像處理后獲得焊縫位置，并將得到的焊縫位置轉(zhuǎn)換為機器人坐標系下的坐標，從而進一步實現(xiàn)糾正機器人作業(yè)位姿的目的。

但當機器人處于特殊位姿時，反射光暈會遮擋住焊縫位置處，此時需要使用焊縫識別算法進行焊接糾偏。

3.1 基于線結(jié)構(gòu)光視覺系統(tǒng)虛擬仿真平臺的先驗信息獲取

在基于線結(jié)構(gòu)光視覺系統(tǒng)的虛擬仿真平臺中載入工件模型，便可針對真實視覺的檢測過程進行可視化仿真［4］，仿真平臺如圖6所示。手眼標定結(jié)果、相機內(nèi)部矩陣及激光平面方程等傳感器參數(shù)均可應用于仿真狀態(tài)得到模擬激光條紋。

仿真過程分為以下3步：

a. 確定虛擬激光器發(fā)射的初始起點位置。

b. 將初始起點位置作為中心，以相同的角度在空間360°范圍內(nèi)進行等間隔劃分，即將激光平面劃分為無限條激光線束（無數(shù)個激光點集）。

c. 在仿真平臺中載入工件模型后，選擇線-面相交算法得出激光線束與工件表面的交點。根據(jù)標定值，即可將x y z三維坐標系的交點轉(zhuǎn)換到焊縫圖像坐標系下，同時獲得三維環(huán)境下的仿真激光條紋。

3.2 焊縫識別算法設計、分析

焊縫識別算法設計、分析選擇基于仿真信息和迭代最近點配準的焊縫位置提取方法。

3.2.1 圖像預處理方法

采用文中2.2節(jié)的方法對焊縫圖像進行處理，圖7a、b、c、d依次為圖像預處理結(jié)果的圈定區(qū)域提取結(jié)果、中值濾波后結(jié)果、最大類間方法圖像分割和“開+閉運算”形態(tài)學處理。

3.2.2 基于迭代最近點配準算法的圖像處理方法

采用基于迭代最近點（Iterative Closest Point，ICP）配準算法的圖像處理方法對焊縫圖像進行處理，通過若干次的迭代，精確配準完成兩個副點，此時配準后的仿真焊縫位置即真實的焊縫位置［5］。

4 焊縫軌跡離線糾偏實驗

針對非標工件加工誤差較大的問題，焊接之前在線結(jié)構(gòu)光視覺傳感器檢測出焊縫軌跡后，通過離線糾偏的方式對示教軌跡進行調(diào)整，從而適應定位精度不高的非標工件焊接［6］。離線糾偏流程如圖8所示。

實驗以浮船板表面工件為例，工件表面易反光，焊縫類型為T形對接直線焊縫，如圖9a所示。焊縫軌跡離線糾偏實驗分為3步：

a. 對工件的焊縫進行示教，獲得相應的示教程序；

b. 如圖9b所示，將激光線束投射到焊縫位置，完成基于線結(jié)構(gòu)光視覺系統(tǒng)的焊縫檢測并按照檢測結(jié)果對示教程序進行更新；

c. 采用基于ICP配準算法的圖像處理方法對焊縫圖像進行處理，焊縫位置識別結(jié)果如圖9c所示，此時啟動更新后的示教程序結(jié)束焊接作

業(yè)［7］。

采用ICP配準算法配準焊縫仿真軌跡和真實軌跡，焊縫離線糾偏情況如圖10所示。在放置工件后，選擇線結(jié)構(gòu)光視覺傳感器對焊縫位置（紅色圓點組成的線段）進行檢測，同時采用標定矩陣的方法將采集到的照片轉(zhuǎn)換為笛卡爾坐標系，并標記為藍色圓圈組成的線段。當焊縫仿真軌跡和真實軌跡間距大于5 mm時，通過采用ICP配準算法，焊縫示教軌跡會變換到焊縫仿真軌跡上。

在進行焊縫軌跡離線糾偏實驗的過程中，實時記錄糾偏軌跡的匹配結(jié)果，焊縫仿真軌跡和真實軌跡之間的距離最大值為0.426 mm，最小值為0.126 mm，平均值為0.219 mm，均方根誤差為0.232 mm。實驗結(jié)果表明，離線糾偏軌跡的匹配效果較好，更新后的示教軌跡可以很好地匹配到焊縫仿真軌跡上。

啟動更新后的示教程序后結(jié)束焊接作業(yè)，圖11a、b、c分別為焊槍末端運動軌跡、軌跡偏差和實際焊接場景。離線焊縫糾偏方式解決了浮船板工件定位不精確，而使得傳統(tǒng)示教模式下焊接機器人無法精確焊接的實際工程問題。焊接效果如圖11d所示，工件的焊接表面光滑，焊接定位準確，焊接美觀且焊縫質(zhì)量良好。針對同規(guī)格尺寸的工件在使用離線焊縫糾偏的過程中，僅需人工示教一次，每安裝完成一個工件的同時進行一次焊縫檢測，即可得到當前工件最優(yōu)的焊接示教程序，有效提高了焊接效率。

5 結(jié)束語

通過研究并結(jié)合工程實際，搭建了焊接機器人視覺系統(tǒng)，實現(xiàn)了在焊接過程中提取焊縫，從而對焊接機器人進行糾偏。對焊接機器人和原油儲罐浮船板實驗工件進行了可視化仿真，獲得了仿真激光線，并將其作為焊接糾偏算法的先驗信息。利用焊縫圖像處理與特征點提取方法對圖像進行了預處理，完成了圖像降噪工作；然后采用基于迭代最近點配準算法，將源點集和目標點集進行了配準，用焊縫檢測軌跡更新焊縫示教軌跡，完成了焊接糾偏。經(jīng)實驗驗證，該技術(shù)提升了焊接設備的自動化水平，縮短了施工工期，并有效保證了焊接質(zhì)量。

參 考 文 獻

［1］ 邢世鈺.大型儲罐浮船焊接變形控制技術(shù)的應用［J］.石油和化工設備，2018，21（8）：38-40.

［2］ 龔燁飛，程艷花，趙廣志，等.基于面結(jié)構(gòu)光視覺檢測的機器人焊縫銑削導引［J/OL］.計算機集成制造系統(tǒng)，1-22［2023-12-29］.http：//kns.cnki.net/kcms/detail/11.5946.TP.20230920.1027.012.html.

［3］ 朱成祥.基于視覺引導的焊接機器人焊縫糾偏技術(shù)的研究［D］.長春：長春工業(yè)大學，2023.

［4］ 王文楷，石玗，張剛，等.基于激光視覺檢測的焊縫軌跡離線規(guī)劃［J］.電焊機，2023，53（9）：55-60.

［5］ 張國強，荊煬.基于焊縫特征的焊接路徑視覺辨識方法研究［J］.化工自動化及儀表，2020，47（6）：497-502.

［6］ 李海周.基于BIM的免示教焊接機器人在鋼結(jié)構(gòu)智能建造中的應用［J］.施工技術(shù)（中英文），2023，52（5）：36-40.

［7］ 夏攀.基于深度學習的機器人焊縫跟蹤技術(shù)研究［D］.襄陽：湖北文理學院，2023.

（收稿日期：2024-01-06，修回日期：2024-11-29）

Research on Welding Robot for Floating Ship Plates of Crude

Oil Storage Tanks Based on Visual Correction

LI Yi1， LIU Jie1， LIU Chang sha1， DU Fu xin2， PU Jian min1

（1. China Construction Industrial amp; Energy Engineering Group Co.，Ltd.；

2. School of Control Science and Engineering， Shandong University）

Abstract"" With a view to ensuring the welding quality of crude oil storage tanks， having a visual correction based to study the welding robot for floating ship plates of crude oil storage tanks was implemented. Firstly， having the welding robot vision system built and calibrated and both welding seam image processing and feature point extraction methods designed; then， having a 3D welding robot model， a welding gun model and a simulation model of a structured light visual sensor established， including having an iterative nearest point registration algorithm based to implement welding visual correction so as to obtain the real welding seam position; finally， having an off line correction experiment conducted on the weld trajectory. The results show that， the off line welding deviation correction can solve the problem that the welding robot doesn’t accurately work in a traditional teaching mode because of the workpiece’s inaccurate positioning of the floating ship plate.

Key words"" crude oil tank， floating boat plate， image processing， visual correction， welding robot