在建设海洋强国的背景下,船舶和罐体等大型立面的除锈,喷漆和缺陷检测作业开始引用爬壁机器人完成。然而,目前的爬壁机器人对立面进行作业时缺乏视觉系统的反馈,需要人工辅助作业。例如,在进行除锈、喷漆作业时,需要操作人员查看作业效果是否合格,如果发现作业缺陷则对爬壁机器人的作业参数进行遥控调整。因此,实现爬壁机器人对立面作业效果以及表面缺陷的视觉检测是解决问题的关键。本文首先确定了基于双目视觉的整体检测方案,建立双目视觉模型,为后续的测距提供理论支持。由于直接使用相机采集的图像存在畸变,本文采用张氏标定法对ZED2i相机进行标定,并对双目图像进行畸变校正。通过左右目图像计算视差图的时候,需要双目图像极线对齐,因此本文基于Bouguet算法对左右目图像立体校正,使其共面行对准。在对图像预处理后,本文展开基于图像处理技术的作业效果检测方法研究。通过选取除锈、喷漆作业合格的图片为基准,基于直方图对比的方式判断作业效果是否合格。考虑到漏喷区域的颜色和正常喷涂区域会有明显差异,本文利用边缘检测提取漏喷区域两侧的线条,再测量两条曲线之间的最大距离。针对船舶的油漆表面可能存在波纹和气泡缺陷,选用YOLO目标检测算法进行检测。根据船舶表面缺陷检测标准,本文开展基于目标检测算法的表面缺陷检测方法研究。首先,模拟船舶表面常见的裂缝和凹坑两类缺陷,采集不同拍摄环境下的表面缺陷图像,通过数据增广方式创建数据集。实验表明,本文采用的YOLO V3检测模型有较好的应用效果。完成对表面缺陷的识别后,下一步需要对缺陷的深度进行测量。本文采用SGBM算法实现对目标物体的测距,通过彩色图中的检测框确定深度图中的感兴趣区域。在感兴趣区域内,把缺陷部分到相机的距离与立面到相机的距离之差作为该区域内缺陷的深度。实验结果表明,本文提出的表面缺陷检测方法有较高的准确率。最后,将作业效果检测算法和表面缺陷检测算法集成到移动式开发板TX2中,并搭建爬壁机器人检测实验平台。在立面检测实验中,分别设计了除锈作业效果判断实验、漏喷检测实验、漆面缺陷检测实验、不同环境下的相机测距实验、表面缺陷的识别和深度测量实验。实验结果表明,本文提出的研究方法有较好的检测效果,为爬壁机器人的立面自动化作业提供了视觉解决方案。