隧道襯砌管片鋼筋骨架機器視覺引導焊接技術

蔣 濤

(1.上海隧道工程有限公司，上海 200233；2.同濟大學土木工程學院，上海 200000)

0 引言

盾構管片具有承受土層壓力、預防地下水滲漏等作用，已成為現代盾構法隧道施工中不可或缺的必備構件[1-2]。盾構管片由鋼筋骨架經混凝土澆筑成型，鋼筋骨架主要由主筋鋼筋和箍筋鋼筋縱橫交錯組成，具有結構復雜、體積大等特征。其中，主筋鋼筋長度長、重量大，受材料自身性能等影響，造成主筋加工難以標準化、人工穿插鋼筋組裝勞動強度大、焊接成品質量一致性難以控制等問題[3]。焊接機器人技術融合機械化與焊接技術，已在諸多領域得到廣泛的應用，具有改善勞動強度和提高生產效率的作用[4-5]。焊接生產現場粉塵污染大、環境嘈雜，且焊接領域已表現出“用人荒”和人員斷層現象，將自動焊接技術應用于鋼筋骨架焊接已呈大勢所趨[6]。

為了解決以上問題，部分廠家初步嘗試采用示教型焊接機器人對鋼筋骨架進行焊接。該種機器人在批量大、焊縫路徑固定的場合中，具有焊接質量穩定、焊接效率高的優勢[7]。對于管片鋼筋骨架，由于組成主筋鋼筋長度長、直徑大、剛度大、各批次鋼筋品質不同等，造成彎弧后鋼筋的回彈量和變形量不同，導致彎弧鋼筋成品成型一致性較低，鋼筋骨架裝配后的鋼筋搭接點位置隨機。應用表明，示教型焊接機器人基于事先設置的焊接路徑進行工作，焊接鋼筋骨架時存在較高的偏差率，焊接中需要頻繁再示教操作，自動焊接效率不高。如何實現焊接時快速精準定位，已成為管片鋼筋骨架自動焊接中亟待解決的問題。

針對焊接定位難的問題，大量學者投入到焊縫的追蹤和定位研究中[8-9]。然而，研究對象大都是針對同一平面上處于相對較穩定、背景對比明顯及長焊縫糾偏、追蹤和定位，與鋼筋骨架焊接現場存在的焊接環境差、背景對比不明顯、焊接特征存在于異面上的情況不同。結構光相機采用主動光源，具有對外界干擾不敏感、可以多維度掃描、精度高等特征[10-12]。開展3D結構光相機在管片鋼筋骨架自動焊接中對焊接點的糾偏和引導焊接研究，對改善鋼筋骨架多維焊點自動焊接具有重要意義。本文在傳統自動焊接技術基礎上，首次引入3D結構光相機，結合鋼筋骨架中鋼筋搭接焊接特征和相機自帶數據處理軟件，以期實現高效的鋼筋骨架自動焊接。

1 管片鋼筋骨架自動焊接分析

1.1 管片鋼筋骨架焊接分析

1.1.1 管片鋼筋骨架結構

盾構管片鋼筋骨架主要由主筋和箍筋構成，通常鋼筋骨架網結構復雜、體積較大。以上海地區中埋深直徑6.9 m管片為例，標準塊主筋鋼筋最大直徑為22 mm，平均長度約4 m；箍筋直徑為10 mm，平均長度約3.5 m。鋼筋骨架寬1.5 m，內外弧面間距350 mm，內外弧長分別約3.4、3.8 m，總質量約300 kg。管片鋼筋骨架結構如圖1所示。

圖1 管片鋼筋骨架結構示意圖

1.1.2 示教型焊接機器人

當前，管片鋼筋骨架自動焊接采用示教型焊接機器人，如圖2所示。示教型焊接機器人配有1臺示教編程器，工作時首先將焊接工件固定好，然后由人工通過示教編程器將焊接點位依次輸入焊接系統，焊接時機器人按照定位好的點位進行走位，完成指定工件上所有點的焊接。

圖2 示教型焊接機器人及其配套示教編程器

鋼筋骨架焊接現場人工示教焊接機械手如圖3所示。鋼筋骨架總裝完畢后，經行車起吊輸送到自動焊接工位上并固定；然后，現場操作人員使用示教器對機械手的焊接姿態以及鋼筋骨架上的鋼筋交叉點位逐個進行示教、記錄；最后，啟動焊接系統，按照示教存儲的路徑和姿態完成焊接。

圖3 鋼筋骨架焊接現場人工示教焊接機械手

示教型機械手自動焊接，要求目標焊縫標準化和一致性，其優勢在于能對大批量、同類型產品進行連續焊接[13]。采用焊接機械手焊接管片鋼筋骨架，為提高焊接效率，要求一次示教就能完成整標段所有鋼筋骨架的有效焊接。實踐中發現，對于同一批鋼筋骨架而言，采用人工總裝裝配后鋼筋交叉點會出現一定的偏移，當偏移量較大時會導致大量焊接脫焊，造成鋼筋骨架焊接不合格。圖4示出鋼筋骨架總裝鋼筋偏移量較大時，自動焊接后整體出現大規模脫焊。分析認為，管片鋼筋骨架組成鋼筋直徑大、長度長，彎弧加工后各主筋鋼筋回彈量不一，再加上總裝工人之間存在個體差異，造成總裝鋼筋骨架中鋼筋搭接點的位置存在偏差。當前鋼筋骨架總裝存在鋼筋交叉點偏差，需要人工進行微調，單個鋼筋骨架總裝耗時約45 min。

圖4 鋼筋骨架總裝存在較大偏差時出現大規模脫焊

1.1.3 機器視覺技術

在示教型機器人基礎上，引入機器視覺技術對焊縫位置進行焊接補償和糾偏，有效解決自動焊接中出現的脫焊、漏焊現象[14]。根據相機與機械手的相對位置關系，視覺-機械手組成存在2種模式，即“眼在手外”和“眼在手上”，如圖5所示。“眼在手外”，即相機固定在機械手以外的支架或平臺上，工作中要求相機可以拍攝到目標的全貌以獲取所有焊接特征信息，一般適用于外形較小物品的焊接引導；“眼在手上”，即將相機固定在機械手臂末端，通過機械手運動帶動相機對目標的不同部位進行拍攝，該方式具有更大的靈活性，適用于各種外形物體的焊接引導。調查發現，3D結構光相機有效工作距離<1 m，平均有效視野為500 mm×500 mm。綜上，在管片鋼筋骨架焊接引導研究時，選用“眼在手上”模式，通過調整3D相機的拍攝角度以獲取目標的高質量3D點云數據。

圖5 相機與機械手相對位置示意圖

基于3D結構光相機的鋼筋骨架自動焊接技術，是在原自動焊接基礎上通過相機及其軟件處理系統，完成對焊接目標的提取和位置糾偏，相當于給機械手裝上“眼睛”，實現對鋼筋搭接點的精準引導和快速焊接。具體過程包含以下步驟：1)完成相機坐標系與機械手坐標系之間的轉換和標定；2)對焊接點位及焊接過程進行示教，記錄焊接點數和機械手具體運動路徑，同時注意相機姿態調整，保證相機無障礙拍照；3)通過機械手將相機調整至初始拍照位，并由機械手觸發相機進行拍照；4)針對鋼筋骨架結構的特殊性，在執行焊接目標糾偏之前先對鋼筋搭接狀態進行判斷，即確定鋼筋搭接滿足焊接要求后，系統再進行焊接位置糾偏與補償計算；5)經計算處理，將圖像處理結果與示教坐標進行對比，得到示教坐標的偏差值，基于偏差值，機械手完成對焊接目標的補償運動；6)當有焊接質量檢測需要時，焊接后對剛完成的焊接點進行檢測拍照并上傳系統，經與數據庫中合格焊接圖片進行對比，完成對焊接質量的判斷。基于機器視覺的鋼筋骨架自動焊接流程如圖6所示。

圖6 基于機器視覺的鋼筋骨架自動焊接流程圖

1.2 相機-機械手空間坐標轉換與機器視覺成像

1.2.1 3D結構光相機

3D結構光相機主要由成像CCD和激光投射器組成。激光投射器將主動結構信息投射到被測物體表面，通過CCD拍攝被測物體表面即得到結構光圖像。然后，基于三角測量原理，經過圖像三維解析計算，得到被測物體的三維點云圖像，如圖7所示。

圖7 結構光相機成像原理示意圖

1.2.2 相機-機械手坐標標定

相機和機械手標定前，各自有獨立的坐標系。相機固定在機械手上后，運用“手眼標定法”進行標定，得到相機與機械手之間的坐標關系。通過該關系轉換，將視覺圖像分析出的結果轉換成機械手坐標系下的坐標值，則機械手可以識別、調用該視覺圖像信息，執行相應運動等操作。

標定原理基于求解AX=XB方程問題。其中，A為機器人末端連桿坐標架在機器人-相機系統移動前后的轉換關系；B為相機坐標架在移動前后的相對關系。需要說明的是，要確定手眼矩陣的各分量，至少需要旋轉軸不平行的2組運動。考慮存在噪聲，在實際測量中通過多組運動來求解該方程。

1.2.3 數據交互

相機與機械手之間建立通訊協議后，就可以進行數據交互。該項目中，相機控制器與機械手之間采用TCP/IP通訊協議，相機控制器與機械手在整個系統具有唯一的地址和標準化的高層協議，具有可靠的數據交互方式。

1.2.4 系統運行過程

首先是圖像采集，機械手帶動相機運動到拍照位置，以TCP/IP通訊協議通過以太網將拍照信號發送給相機，相機收到拍照信號后進行拍照，采集鋼筋骨架的二維圖片及三維點云信息；然后，相機將采集到的圖像傳輸到相機控制器的視覺處理軟件；最后，相機控制器將分析處理的結果，以TCP/IP通訊協議通過以太網傳輸給機械手，機械手根據該結果指令執行動作。

1.2.5 圖像處理過程

視覺軟件獲得圖像后，將通過一系列圖像處理算法對圖像進行預處理、前處理、終處理操作。首先，基于輪廓模糊定位算法對鋼筋三維點云進行圖像輪廓定位，并由輪廓相識度鎖定鋼筋分布區域；然后，采用邊緣增強分割提取算法，獲取鋼筋的三維邊界信息，進而計算出鋼筋在三維空間中的坐標、大小等，并運用掃描三維點云匹配算法，確定鋼筋十字交叉、L型搭接、T型搭接等的焊接位置；最后，借助形態學分析精度判定算法，計算出焊接位置、2根鋼筋之間的間隙大小，以及判定鋼筋搭接間隙是否滿足焊接條件，同時根據焊接位置信息，計算出鋼筋骨架各個部分的尺寸。在三維圖像中，能計算出焊點的精確位置，再根據三維圖像與二維圖像之間的映射關系，推導出焊點在二維圖像中的位置。在二維圖像中，以該位置為中心圈定一個區域，通過形態學分析精度判定算法，計算出該區域的焊接面積，再通過焊接面積確定焊點尺寸。

2 基于3D結構光的管片鋼筋骨架自動焊接引導

在參考大量前人研究成果的基礎上，為了積累經驗和提高機器視覺技術引入的成功率，在正式對鋼筋骨架焊接系統實施升級改造之前，先對鋼筋骨架鋼筋搭接接頭特征進行焊接識別和引導試驗。在小規模鋼筋焊接接頭特征識別基本功能實現之后，再在管片鋼筋骨架上進行焊接調試和焊接引導補償操作。

2.1 初期引導試驗驗證

初期試驗借助小型六軸機械手和3D結構光相機在實驗室中展開。相機型號為LXPS-HS0222-B/C，具體參數見表1。分析認為，鋼筋骨架中鋼筋搭接點較多，在實際焊接應用中采用多目標識別補償引導以提高焊接效率，故試驗調試中將對不失一般性的兩點識別進行調試驗證。如圖8所示，通過3根粗細不一的鋼筋搭接，模擬鋼筋骨架中主筋與箍筋形成的鋼筋搭接多接頭特征。

圖8 模擬主筋-箍筋鋼筋搭接特征多點識別

表1 相機主要參數表

鋼筋搭接接頭機器視覺識別，通過相機對焊接目標進行拍照，并由3D相機自帶軟件對圖像進行提取和逆向3D點云建模成像，然后將模型上傳至服務器系統進行計算處理，計算結果經相機-機械手坐標轉化，最終獲得焊接目標的機械手坐標信息，并發送給機械手去執行焊接任務。需要說明的是，在相機拍照之前需完成相機-機械手坐標轉換，并通過人工示教調節焊槍姿態以及焊槍終端與焊接目標的相對位置。焊接目標的相機拍攝圖片和逆向3D點云重建模型見圖9。

(a)相機拍攝圖片 (b)3D點云重建模型

考慮到采用小型機械手時其手臂末端的負重能力有限，焊接設備接入必將使結構設計和測試都變得復雜，而且焊接系統已在原焊接機器人中標定并取得成功應用，后續測試時嵌入焊接觸發指令即可，故此處只驗證3D結構光相機視覺識別技術對鋼筋搭接特征的識別、提取和焊接糾偏功能，機械手終端固定一根具有指示作用的鋼針代替焊槍完成焊接動作。

試驗調試中，基于相機自帶軟件，通過程序二次開發和圖像處理算法優化，實現對相機拍攝目標及模型的再加工，通過坐標轉換將最終計算焊接目標坐標值發送給機械手，實現焊接糾偏和焊接引導。同時，添加焊接完成后的焊接質量檢測功能，控制機械手帶動相機以一定的角度再次對焊接目標進行拍照，將獲取的照片與數據庫中合格的焊接接頭照片進行對比。視覺引導軟件開發流程如圖10所示。結果表明，借助3D結構光相機可以實現原示教型六軸焊接機械手同時對多點鋼筋搭接特征的提取和焊接糾偏。

圖10 視覺引導軟件開發流程

2.2 鋼筋骨架自動焊接引導

2.2.1 相機及焊接系統安裝

接下來將3D結構光相機及焊接系統應用于管片鋼筋骨架的焊接糾偏。與前期試驗驗證階段不同的是，管片鋼筋骨架焊接現場環境差，存在較強的弧光輻射、焊接熔融金屬飛濺、焊接煙塵等情況，易破壞相機，故專門設計一套相機保護裝置，為相機提供有效防護。

機械手與相機保護裝置如圖11所示。保護裝置為鋁合金材質，外觀輪廓尺寸為300 mm×80 mm×200 mm，質量為3 kg。保護裝置的保護窗采用氣缸驅動，開合速度小于1 s，驅動次數達1 000萬次以上。相機移動過程中，機械手控制氣缸打開保護窗，進行拍照，機械手移動的同時保護窗關閉，以減少整個拍照時間。圖12為機械手與相機裝配實物圖。

圖11 機械手與相機保護裝置示意圖

圖12 機械手與相機裝配實物圖

2.2.2 鋼筋骨架焊接糾偏和引導焊接

相機及焊接系統安裝完畢后，對鋼筋骨架進行焊接糾偏和引導焊接。機械手就位和相機安裝完畢后，將按照相機標定方法對機械手進行一次標定，得到相機與機械手之間的坐標關系。系統運行過程中，相機通過拍照獲得焊接目標的坐標，并通過標定關系轉換成機械手坐標系中的坐標值。

焊接點糾偏與引導：1)通過人工操作對主筋-箍筋鋼筋搭接位置進行逐點示教，示教時根據鋼筋骨架位置調整好相機拍照姿態、規劃焊接路徑并記錄；2)啟動焊接系統，相機移動到拍照位，由機械手觸發打開相機保護窗并拍照，然后機械手離開拍照位并關閉保護窗；3)系統對照片進行處理，初步判斷拍照位的可焊性，一旦系統判斷拍照點滿足焊接條件，機械手將運動到焊接位置實施焊接，否則將發出警報、記錄該壞點位置，同時運動到下一個拍照位。

從相機拍照到機械手收到系統指令并執行動作總時間約為0.5 s，所以現場工作人員不會感覺到機械手中間有停頓現象。另外，采用帶機器視覺的焊接系統，只需要一次示教過程就可以完成同一型號或標段的所有鋼筋骨架的引導焊接。

圖13為帶有3D結構光相機的機械手焊接鋼筋骨架現場照片。

圖13 帶有3D結構光相機的機械手焊接鋼筋骨架現場照片

2.2.3 焊接質量檢測

針對鋼筋骨架鋼筋搭接特征焊接質量檢測，從整體焊接效率考慮，采用單點焊接完畢即時檢測的策略，這還將有助于現場工作人員通過界面顯示隨時查看并評估鋼筋骨架即時焊接質量信息。同樣，焊接檢測需要焊前示教并記錄相機拍照姿態，待焊接指令完成后機械手將發送焊后檢測指令到相機，相機保護窗打開，同時機械手以特定的姿態運動到拍照位完成拍照，上傳至系統并與數據庫內合格焊接圖片進行比對，對焊接質量進行判斷，隨后機械手自動運動到下一個拍照位。大量測試結果表明，基于機器視覺的鋼筋骨架的焊接質量可以滿足要求，然而焊后檢測使機械手動作增多，嚴重影響焊接效率的提升，因此，實際應用中建議取消焊后檢測，或采用抽檢，這一點在自動焊接效果分析部分將給出具體分析。

3 基于3D結構光相機的管片鋼筋骨架自動焊接效果分析

3.1 實際焊接效果測試

對鋼筋骨架內側弧面與外側弧面中具有十字型及T字型特征的主筋與鋼筋搭接節點進行測試，基于3D結構光相機機器視覺的鋼筋骨架自動焊接結果如圖14所示。由圖可見，鋼筋骨架中焊點焊接位置總體上比較一致，焊點均位于主筋鋼筋-箍筋鋼筋交叉點上，焊點大小比較均勻，焊點表面光滑，無明顯漏焊、焊偏、咬肉等問題出現。

(a)T字型接頭 (b)十字型接頭

由圖13和圖14可見，圖中地面上貼有多個黃色標記，具有2方面作用：1)鋼筋骨架組裝完畢后，由人工通過臺架直接推到指定標記處，具體標記位置根據管片鋼筋骨架內、外弧面劃分，推放過程中鋼筋骨架位置允許誤差范圍為±50 mm；2)焊接測試時采用一臺機械手進行焊接，受機械手臂展限制，機械手在一個固定位置無法完成鋼筋骨架整個弧面焊接，故機械手完成一次連續焊接后，將鋼筋骨架推到下一個指定標記處，完成鋼筋骨架該弧面剩余部分的焊接，鋼筋骨架放置位置允許誤差范圍為±50 mm。對于示教型焊接機械手，鋼筋骨架總裝允許誤差為±3 mm。相比之下，帶有機器視覺的焊接系統對裝配的要求大大降低。

據不完全統計，目前基于機器視覺的焊接系統工作效率為5 s/單點，示教型焊接系統連續工作效率為4 s/單點。前者鋼筋骨架從裝配完成到推到焊接位置，焊前準備時間為25 min；后者由鋼筋骨架總裝到吊裝完成需要50 min。焊接完畢，前者可由人工直接推離焊接位，下一組鋼筋骨架推到焊接標識區內即可焊接，用時3 min；后者需要借助行車將鋼筋骨架吊離夾具、再吊進新的鋼筋骨架，用時15 min。綜合對比發現，按單側弧面100個交叉點計算，前者工作效率為20 s/單點；考慮位置標定，后者加工效率遠低于34 s/單點。此外，基于機器視覺的焊接系統的識別精度在±1 mm以內，識別成功率≥97%，焊接成功率≥99%，對鋼筋骨架型號沒有特殊要求。

3.2 焊后補焊輔助顯示

對于示教型自動焊接系統，鋼筋骨架中主筋-箍筋鋼筋交叉焊接點位多，總會存在一些交叉焊點在裝配時無法精確定位，導致焊接時出現脫焊、漏焊等現象，難以滿足鋼筋網漏焊率≤4%的要求[15]，因而焊接完畢后人工巡檢補焊工作量較大。視覺焊接系統擁有焊接目標糾偏功能，將極大地避免脫焊、漏焊的發生；此外，當焊接系統檢出因主筋-箍筋鋼筋間距過大而無法焊接時，將在顯示界面標識出來，以指示后期人工快速補焊。帶有視覺焊接系統的焊接狀態顯示界面如圖15所示。

基于視覺焊接系統焊后檢測，據不完全統計，無焊接焊后檢測時，焊接效率為5 s/單點。增加焊后檢測，整體焊接效率降低為9 s/單點。對比發現，增加焊后檢測環節，焊接系統總體焊接效率將大打折扣。分析認為，相機拍照、上傳與圖像處理時間在ms級，機械手動作的改變，如由靜止到運動或由運動到靜止的時間在s級。焊后檢測過程中，機械手首先要運動到拍照位、然后靜止拍照、再復位，有4個運動狀態變換，則整個焊接時間被嚴重延長。由圖14可見，基于機器視覺的焊接系統可以保證鋼筋骨架的焊接質量。提高焊接效率，應當減少機械手運動頻次，采用焊接中抽檢代替全檢，或根據焊接要求取消焊后質量檢測，依據圖15所示的焊接狀態圖，由焊前檢測狀態判斷焊后補焊情況。

綠色表示已成功焊接點位，紅色表示主筋-箍筋鋼筋間距過大無法焊接點位。

4 結論與討論

針對當前盾構管片鋼筋骨架焊接中存在的焊接質量不齊、生產效率低下、焊后檢驗困難等問題，本文提出將3D結構光相機引入示教型焊接機器人中，通過軟件編制、圖像處理算法開發及相應試驗測試，得到以下相關結論：

1)通過引入結構光相機，焊接機械手實現對多維度鋼筋搭接點的糾偏和焊接引導；

2)相比于原焊接系統，機器視覺技術引入后，鋼筋骨架的焊接質量和焊接均勻性均得到提高，焊接效率提高近2倍；

3)基于視覺的焊接系統，焊接識別精度在±1 mm以內，識別成功率≥97%，焊接成功率≥99%；

4)采用帶視覺的焊接系統，只需要一次示教過程就可以完成對于同一型號或標段的所有鋼筋骨架的焊接，大大提高了鋼筋骨架的焊接效率；

5)考慮到機械手狀態的改變耗費時間較多，且視覺技術引入后使得鋼筋骨架的焊接質量得到保證，建議取消焊后焊接質量隨檢環節或采用隨機抽樣檢測的方式，以保證鋼筋骨架整體焊接效率；

6)鋼筋骨架搭接與裝配是自動焊接的前提，當前鋼筋骨架采用人工裝配，存在時間長、主筋-箍筋間距無法保證等問題，限制了自動焊接應用的推廣；

7)基于自動化、智能化技術，需進一步研究鋼筋自動上料設備及鋼筋搭接緊固方法，解決鋼筋主筋-箍筋之間間隙過大難以焊接的問題。