由于盾構隧道施工具有高機械化程度、快速挖掘、對環境干擾小以及適應復雜地質條件的能力，它已被確定為一種主要的地下施工技術[[1], [2], [3], [4]]。在實際操作中，前端切割頭進行挖掘，同時在盾構尾部組裝預制的完整環以形成永久性襯砌[[5], [6], [7], [8]]。傳統方法主要依賴于人工引導的技術人員來操縱段位、調整姿態，并通過遠程操作器進行連接固定，這些操作器的傳感和反饋能力有限，因此組裝質量受工人技能水平的影響，導致組裝質量不穩定[[9], [10], [11]]。此外，惡劣的隧道環境對工人健康構成重大風險，而且每個環的頂部段安裝過程中還存在額外的安全隱患。

隨著人工智能（AI）的發展，已經開展了許多研究來開發自動化段組裝系統[[12], [13], [14]]。這些研究包括段位估計[[15], [16], [17]]、軌跡優化[18]和運動學建模[[19], [20]]。例如，張和何（2025年）利用現有的視覺識別算法和深度學習方法從多視圖圖像數據中獲取盾構段的三維空間信息，從而在組裝過程中實現實時定位和誤差校正[21]。吳等人（2011年）設計了一種三自由度球形并聯操作器，用于盾構隧道機械中的段組裝機器人的定向微調[22]。盡管取得了這些進展，但現有的自動化嘗試（如使用可編程邏輯控制器（PLC）控制或激光定位）主要集中在改進個別步驟上，而沒有消除對人工操作的總體依賴。

為此，我們的研究旨在解決以下問題：如何在盾構隧道施工中實現段環的可靠和完全自動化組裝？為了解決這個問題，我們提出了一種基于視覺的自動化組裝方法，包括（1）機器人運動學建模；（2）基于視覺的相對姿態估計；（3）組裝規劃與控制。為了評估我們提出方法的有效性和可行性，我們開發并使用了一個包含鐘形段和插頭段的全尺寸測試平臺。需要注意的是，鐘形段和插頭段的自動化組裝更具挑戰性，因為它同時要求（1）定位精度小于±1毫米；（2）徑向和周向的6自由度對齊；（3）組裝機的二次逆運動學解決方案的規劃與控制。這些要求對涉及視覺、運動學和控制的集成系統提出了重大挑戰。在這里，我們承認我們研究的重點不是關節本身的優勢，而是缺乏一種可靠的自動化組裝方法。我們研究的貢獻有兩個方面：（1）一個端到端的、基于視覺的自動化框架，整合了運動學建模、相對姿態估計以及組裝機的二次逆運動學解決方案的規劃與控制，以滿足鐘形段和插頭段的公差和6自由度對齊要求；（2）實驗驗證表明，該框架能夠實現可靠的端到端操作，其精度和循環時間指標符合部署要求。

本文的結構如下。首先，我們回顧了當前盾構段組裝實踐的局限性。接下來，在第3節中詳細描述了我們提出的方法。第4節介紹了實驗設置和結果。在小節中討論了我們的貢獻、局限性以及結論。

我們提出了一種基于視覺的集成方法，用于盾構隧道施工中的盾構段自動化組裝。我們提出的方法包括三個關鍵模塊：（1）運動學建模和校準；（2）基于視覺的段位估計；（3）組裝規劃與控制。圖1展示了我們提出方法的工作流程。

接下來，我們將介紹所提出方法每個組成部分的詳細信息。

為了評估我們提出方法的有效性和可行性，我們建立了一個全尺寸的測試平臺，如圖12所示。該平臺設計用于容納直徑為6米的段，由六個主要組件組成：（1）鋼制外框架；（2）加載系統；（3）盾構機；（4）滑動支撐；（5）鋼制段，包括鐘形段和插頭段類型；（6）段送料裝置。

•

鋼制外框架：框架長度為13米，寬度為8米