懸臂式掘進機截割頭位姿視覺測量系統(tǒng)改進

張旭輝， 謝楠， 張超， 楊文娟， 張楷鑫， 周創(chuàng)

(1.西安科技大學 機械工程學院， 陜西 西安 710054；2.陜西省礦山機電裝備智能監(jiān)測重點實驗室， 陜西 西安 710054)

0 引言

近年來，隨著煤礦綜采技術裝備快速發(fā)展，開采任務量成倍增長，采掘失衡問題尤為突出[1-2]，掘進裝備智能化問題亟待解決。由于井下環(huán)境復雜，存在粉塵、噪聲等，在截割過程中掘進機司機難以準確判斷截割頭位置，導致巷道斷面成形質(zhì)量差等問題[3-4]。因此，研究掘進機截割頭位姿精確測量，實現(xiàn)復雜工況下井下設備的局部定位，對于提高巷道斷面成形質(zhì)量和掘進工作效率具有重要意義。

懸臂式掘進機截割頭位姿檢測方法主要包括接觸式和非接觸式2種，其中接觸式測量方式應用廣泛，取得了一定效果，但易受井下振動等工況影響，造成傳感器數(shù)據(jù)不穩(wěn)甚至失效[5-8]。視覺測量是一種非接觸式測量方法，利用光學成像原理和位姿解算模型實現(xiàn)目標物體的姿態(tài)求解，具有價格低、便于安裝標定的特點，用于設備局部定位具有較大優(yōu)勢[9-10]。文獻[11]提出了一種基于紅外LED特征的懸臂式掘進機截割頭位姿視覺測量方法，通過相機采集紅外標靶特征，實現(xiàn)了截割頭姿態(tài)的實時解算和可視化顯示。但在實際應用過程中，巷道環(huán)境、測量方法、標定參數(shù)誤差、圖像特征提取精度等都會對視覺測量結果產(chǎn)生影響[12]。

工業(yè)相機外參標定穩(wěn)定性對視覺測量精度具有重要影響。在懸臂式掘進機截割頭位姿視覺測量系統(tǒng)中，外參標定即求取相機與掘進機機體之間的位姿關系，確定相機坐標系與掘進機基坐標系的相對位置，從而為截割頭位姿解算奠定基礎。外參數(shù)即相機坐標系相對于掘進機基坐標系的轉換矩陣。現(xiàn)有外參標定方法需依靠經(jīng)驗將截割臂擺至正中位置(未知)，標定結果存在較大波動。針對該問題，本文提出了一種基于多點固定的外參標定方法，該方法將截割臂擺動到已知極限位置時的相關數(shù)據(jù)作為標定依據(jù)，可有效提高外參標定穩(wěn)定性，且具有簡單、快速、不受限于機身位姿的優(yōu)點。

防爆工業(yè)相機采集掘進機運行過程中的紅外LED標靶圖像并進行預處理后，需進一步提取光斑中心來進行截割頭位姿解算。但紅外LED光斑的形狀不規(guī)則，難以對光斑中心進行提取，且掘進機作業(yè)過程中的振動、光線等因素會影響光斑中心提取精度。現(xiàn)有的灰度質(zhì)心法采用像素的灰度值作為權重來計算光斑質(zhì)心，精度只能到像素級，僅可粗略滿足實際應用需求。亞像素級邊緣檢測算法可有效降低光斑中心提取誤差，從而提高視覺測量精度。因此，本文采用亞像素級[13]邊緣檢測算法對光斑中心提取方法進行改進。

1 系統(tǒng)組成及原理

懸臂式掘進機截割頭位姿視覺測量系統(tǒng)由懸臂式掘進機、防爆工業(yè)相機、紅外LED標靶、機載防爆計算機、捷聯(lián)慣導、超聲波傳感器等組成，如圖1所示。紅外LED標靶垂直固定于掘進機截割臂上，防爆工業(yè)相機、機載防爆計算機固定于掘進機機身上。

圖1 懸臂式掘進機截割頭位姿視覺測量系統(tǒng)組成

(1)

2 外參標定改進方法

2.1 坐標系建立

坐標系定義如圖2所示[15]，其中O0X0Y0Z0，O1X1Y1Z1，O2X2Y2Z2，O3X3Y3Z3，O4X4Y4Z4分別為懸臂式掘進機基坐標系、回轉關節(jié)坐標系、抬升關節(jié)坐標系、伸縮關節(jié)坐標系及截割頭坐標系，OcXcYcZc，OwXwYwZw分別為相機坐標系及標靶坐標系。

圖2 坐標系定義

(2)

2.2 基于多點固定的標定方法

由掘進機結構參數(shù)可知，截割臂水平擺角θ1的變化范圍為[-32°,32°]，垂直擺角θ2的變化范圍為[-132°,-66°]。運行視覺測量系統(tǒng)，控制掘進機截割臂分別擺動到左上角、右上角、左下角、右下角4個已知極限位置，(θ1，θ2)分別為(-32°，-132°)，(32°，-132°)，(-32°，-66°)，(32°，-66°)，如圖3所示。

圖3 截割頭擺動位置

(3)

3 光斑中心提取改進方法

為實現(xiàn)光斑中心精確定位，首先采用灰度質(zhì)心法進行光斑中心粗提取，然后采用亞像素級邊緣檢測算法求出亞像素級邊緣坐標[17]，最后使用基于最小二乘法的橢圓中心擬合算法[18]進行光斑中心定位。

進行亞像素級邊緣細定位之前，將邊緣點所在區(qū)域劃分為2個部分，如圖4所示，設黃色部分為區(qū)域1，藍色部分為區(qū)域2，原點O為圓心，P(xp，yp)為圓邊緣像素點。

圖4 邊緣點區(qū)域劃分

設區(qū)域1中點P的臨近點為K(xk，yk)，J(xj，yj)，K點和J點分別為直線OP與直線x=xp+1，x=xp-1的交點；設區(qū)域2中點P的臨近點為M(xm，ym)，N(xn，yn)，M點和N點分別為直線OP與直線y=yp+1，y=yp-1的交點。假設邊緣點P位于區(qū)域2內(nèi)，則有ym=yp+1，因為點M在直線OP上，且直線OP已知，通過ym可以求得xm。

任意像素點(i,j)的灰度值可表示為

(4)

式中g(x,y)為圖像的連續(xù)光強分布。

對邊緣點P的臨近點進行灰度插值。根據(jù)線性插值原理得到M點的灰度值：

f(xm，ym)=(1-λ)f([xm]，ym)+

λf([xm]+1，ym)

(5)

式中：[xm]為xm的整數(shù)部分；λ=xm-[xm]。

同理可得臨近點K(xk，yk)，J(xj，yj)，N(xn，yn)的灰度值f(xk，yk)，f(xj，yj)，f(xn，yn)。根據(jù)4個臨近點的灰度值可得到亞像素級邊緣點坐標(x0,y0):

(6)

4 實驗驗證

懸臂式掘進機截割頭位姿視覺測量實驗平臺如圖5所示，包括1∶5實驗室掘進機模型、30 cm×30 cm紅外LED標靶、MV-EM130M/C型工業(yè)相機、機載防爆計算機、SCA120T型傾角傳感器、拉繩傳感器。紅外LED標靶上均勻分布16個紅外LED光源。傾角傳感器、拉繩傳感器分別用于檢測截割臂垂直擺角和水平擺角。

圖5 懸臂式掘進機截割頭位姿視覺測量實驗平臺

4.1 光斑中心提取精度對比

采集到紅外LED光斑圖像后，首先進行二值化處理；其次采用灰度質(zhì)心法實現(xiàn)光斑中心粗提取，對雜點進行濾除；然后采用亞像素級邊緣檢測方法實現(xiàn)邊緣細定位；最后通過最小二乘擬合獲取光斑中心，得到其三維坐標值。光斑中心提取過程如圖6所示。

圖6 光斑中心提取過程

根據(jù)所得光斑中心坐標值計算標靶LED燈間距，并與實際間距120 mm進行對比。將截割頭擺動至按3×3布置的9個位置點，在每個位置點采集多組圖像，進行均值濾波處理，測量誤差如圖7所示。

圖7 光斑中心提取方法改進前后測量結果對比

由圖7可知，改進前最大測量誤差為3.2 mm，最大相對誤差為2.7%；改進后最大測量誤差為1 mm，最大相對誤差為0.8%。

4.2 外參標定實驗

在實驗室關燈并緊閉窗簾，模擬煤礦井下光線不足環(huán)境，利用計算機程序?qū)崿F(xiàn)工業(yè)相機的軟觸發(fā)，設置采集時間間隔為100 ms。分別擺動掘進機截割臂至左上角、左下角、右上角、右下角4個極限位置，通過防爆工業(yè)相機采集各位置的圖像，通過計算機進行圖像預處理、光斑中心提取及外參標定。每標定1次將相機在x軸方向移動50 mm，實現(xiàn)不同距離的外參標定。改進后的外參標定結果見表1、表2。

表1 外參數(shù)t

表2 外參數(shù)R

由表1、表2可知，平移矩陣中位移的最大變化幅度為15 mm，旋轉矩陣中角度的最大變化幅度為1°，說明用基于多點固定的外參標定方法所獲得的外參數(shù)矩陣比較穩(wěn)定，可為掘進機截割頭位姿解算奠定基礎。

4.3 系統(tǒng)測量誤差對比

在截割頭位姿視覺測量實驗平臺上，使用傾角傳感器和拉繩傳感器檢測截割臂真實擺動角，并采用改進前后的視覺測量系統(tǒng)進行對比實驗。截割頭水平擺角、垂直擺角測量結果對比分別見表3、表4。

表3 截割頭水平擺角測量結果對比

由表3、表4可知，視覺測量系統(tǒng)改進前對截割頭擺角的測量誤差范圍為[-1.2°,1.7°]，改進后截割頭水平擺角誤差范圍為[-0.5°,0.5°]，垂直擺角誤差范圍為[-0.6°,0.6°]。實驗結果表明，改進方法有效提高了截割頭擺角的檢測精度。以EBZ160掘進機為例，截割臂長度為4.7 m，結合擺角誤差范圍，可計算得到截割頭位置誤差在50 mm以內(nèi)，滿足煤礦井下截割頭實時測量精度需求。

表4 截割頭垂直擺角測量結果對比

5 結論

(1) 針對懸臂式掘進機截割頭位姿視覺測量系統(tǒng)外參標定結果存在較大波動的問題，提出一種基于多點固定的外參標定方法，該方法將截割臂擺動到極限位置(已知)時的相關數(shù)據(jù)作為標定依據(jù)，可有效提高外參標定穩(wěn)定性。

(2) 針對灰度質(zhì)心法提取光斑中心精度只能到像素級的問題，提出采用亞像素級邊緣檢測算法改進光斑中心提取方法。在采用灰度質(zhì)心法進行光斑中心粗提取的基礎上，采用亞像素級邊緣檢測算法進行邊緣細定位，再使用基于最小二乘法的橢圓中心擬合算法進行光斑中心定位。

(3) 光斑中心提取精度對比實驗結果表明，改進光斑中心提取方法將標靶LED燈間距最大測量誤差從3.2 mm縮小為1 mm，提高了檢測精度。外參標定實驗結果表明，基于多點固定的外參標定方法所獲得的外參數(shù)矩陣比較穩(wěn)定，平移矩陣中位移的最大變化幅度為15 mm，旋轉矩陣中角度的最大變化幅度為1°。系統(tǒng)測量誤差對比實驗結果表明，視覺測量系統(tǒng)改進前對截割頭擺角的測量誤差范圍為[-1.2°,1.7°]，改進后截割頭水平擺角誤差范圍為[-0.5°,0.5°]，垂直擺角誤差范圍為[-0.6°,0.6°]，說明改進方法有效提高了截割頭擺角的檢測精度。