基于激光三角法的煤矸石裝載體積測量方法

劉 輝，張春波，盧進南，張錦茹

(遼寧工程技術大學 機械工程學院,阜新 123000)

引 言

我國是煤礦開采大國，在采煤和洗煤過程中會伴隨著煤矸石的排放，使其成為我國工業排放廢棄物中占比最多的一項，其占比約能達到總數的25%[1-2]。為了不影響正常的選煤工作，采用汽運外排的方式對排放出的煤矸石進行排棄或再利用處理，并在矸石完成裝車后，根據所裝的重量對車隊進行工資結算。目前現場采用人工方式記錄裝車數，并采用地磅稱重的方式對車輛進行定期抽檢，將稱重的平均值作為參考值的方式計量該段時間內矸石的裝載運輸總量。該種計量方式存在一定的局限性：一方面，由于裝載車輛型號、裝載效果的不同，裝載總量與實際存在很大的差距；另一方面，稱重地磅與人工記錄的方式需要卡車完全駛入地磅，并且將所測得的數據人工輸入計量系統，該方法效率低、誤差率較高；最重要的是地磅的造價高、需要地面施工、易受雨雪天氣影響，而且維護成本高。

隨著科技的不斷進步，采用激光或圖像等計算機測量的方法已成為自動化研究領域的熱點之一。國內外均有學者將激光三角法應用在不同的領域[3-5]，例如LI[6]研究了基于激光三角法的測量材料體積的方法，提取了線結構光的中心線并且建立了計算體積的模型，從而設計了一套在實驗室中測量傳送帶上物料的測量系統。JIANG[7]提出了一種激光三角位移進行補償的雙光程對稱測量方法，克服了傳統測量方法在不均勻表面測量中成像光斑畸變問題。ZHU[8]構建了3維輪廓測量系統的硬件平臺并利用平臺測量了體積。因此，為提高裝車的效率和精度，實現自動化稱重計量，考慮煤礦行業向智能化、自動化、集成化趨勢發展。本文中基于激光三角法提出一種對運動中的矸石車進行裝載量自動檢測的方法。

1 測量系統組成

本文中所用的測量系統由激光器、電荷藕合器件(charge-coupled device,CCD)相機及個人計算機(personal computer，PC)組成，在系統測量過程中，裝載工作結束后矸石車沿固定行車路線低速前行，CCD相機與激光器保持固定不動，PC機對CCD相機采集的車輛裝載表面輪廓圖像進行處理，根據圖像處理計算出裝載矸石的體積，再乘以裝載系數，即得出該輛車矸石的裝載量。

如圖1所示，將激光器和相機固定在架子上，激光器垂直投射于被測矸石表面，相機與激光器在同一高度平面并以一定角度接收來自被測表面的漫反射光。當系統開始工作時，運矸車輛在激光器和CCD相機的下方沿著同一方向運動，激光器投射在矸石裝載表面一條激光線，CCD相機能夠實時地采集投射到矸石表面的激光條紋信息，把采集的圖像信息存儲到計算機中，之后提取出每張圖像上的激光條紋中心線在每幅圖像的坐標，再利用提前標定的系統參量，將中心點的坐標轉換成矸石表面的點坐標，通過黎曼積分計算出車輛裝載矸石的體積值。測量系統的具體工作流程如圖2所示。

Fig.1 Schematic diagram of measurement system structure

Fig.2 System measurement process flow chart

2 裝載量測量原理

根據實際工況情況，本文中采用直射式三角測量法[9]，其測量原理如圖3所示。激光器發射出的激光束垂直照射于被測物體，當被測物體縱向移動時，使得激光投射位置相對于被測物體所處背景始終不變，且為使圖像傳感器上成像清晰，透鏡光軸與圖像傳感器之間要形成一定的夾角。

Fig.3 Principle of direct laser triangulation measurement

圖3中，設D0所處的平面為基準面，A0表示基準像點，D1為激光線在被測表面反射點，A1為D1經成像透鏡在圖像傳感器的像點，則A0A1的距離δ為D0D1經透鏡成像在圖像傳感器上的偏移量，大小可由圖像傳感器計算得到,θ為入射光與反射光之間的角度，α為圖像傳感器和成像透鏡光軸之間的角度，l1為透鏡法線與光路交點到像在圖像傳感器上位移后位置的距離，即OA1,l2為透鏡法線與光路交點到待測點位移后位置的距離，即OD1。根據三角形相似原理，則被測表面上的點D1距離基準面的高度Δd可以通過下式表示為：

(1)

3 圖像預處理與裝載量計算

3.1 圖像預處理

受環境光照等因素的影響[10]，測量系統中采用的光電檢測設備直接獲取的圖像容易產生比較大的噪聲，雖然通過一些物理措施如增加遮光罩隔離自然光等，可以在一定程度上提升采集圖像的質量，但直接在原始獲取的圖像中進行特征提取，會導致結果的可靠性和精度降低，因此需對圖像進行濾波，來降低對結果的干擾。

3.1.1 圖像濾波 圖像濾波是降低噪聲影響的主要方法，其工作原理是選用適合的濾波方法，保證在降低噪聲干擾的前提下將原圖的重要信息保留下來。依據圖像像素的灰度值來對像素展開二次計算的方法稱為空間域濾波，常用空間域濾波的3種濾波方式分別是均值濾波、中值濾波和高斯濾波[11-14]，下面對3種濾波效果進行橫向比較選擇。

對比圖4發現，中值濾波相較于其它兩種方法而言，圖像模糊程度較小，更能保持圖像的整體細節。另外，由于汽運排矸工作大多在夜晚進行以及相機在大視野中的圖片采集會伴隨著圖像切割整合，圖像的噪聲類型多是椒鹽噪聲，而中值濾波對椒鹽噪聲處理的效果最佳。因此，選用中值濾波法作為系統的濾波方法。

Fig.4 Comparison chart of different filtering methods

3.1.2 圖像分割 在提取結構光條紋中心前應該先分割出光條的有效區域，合理地劃分光條有效區域可以避免因有效區域過小導致的光條信息缺失或因有效區域過大增加計算處理時間[15-16]。本文中所用的激光光源屬于結構光，通過降低背景光就能容易區分激光條紋和背景光，采用閾值分割法更為易于分割。而最佳閾值一般通過Otsu算法確定，根據Otsu算法，求解最佳閾值過程見下[17]。

以圖像I(x，y)為例，假設所提取的目標對象與背景的分割閾值為T，目標對象像素點數占圖像總像素點數的比重記為ω0；灰度均值為μ0；同理，背景像素點數占圖像總像素點數的比重為ω1；灰度均值為μ1；整幅圖像的灰度均值為μ；對應的類間方差值為g，取大小為M×N的背景較暗圖像，在整幅圖像中，灰度值小于分割閾值T的像素個數記為N0，大于分割閾值T的像素個數記為N1，則有：

(2)

μ=ω0μ0+ω1μ1

(3)

g=ω0(μ0-μ)2+ω1(μ1-μ)2

(4)

將(3)式代入(4)式，化簡可得：g=ω0ω1(μ0-μ1)2。類間方差值g的大小與圖像中目標對象和背景的差別成正比關系。因此，當所取閾值的分割使類間方差最大時，錯分的概率最小。采用遍歷的方法得到類間方差的最大值，對應閾值T即為所求最佳閾值。基于Otsu算法的閾值分割效果如圖5所示。其方法可將車輛的車廂和車頭分割出來，提取出的車廂可以把邊緣和矸石料堆區分出來。

Fig.5 Threshold segmentation effect based on Otsu algorithm

3.2 激光條紋中心提取

由于激光條紋上各點一般都不是單像素點，利用線激光進行測量時存在大量的冗余信息，導致計算處理難度大。為此需要對激光條紋進行提取中心線，本文中選用基于骨架的灰度重心法提取激光條紋中心，其原理是根據線結構光的高斯分布性質，一般可認為細化提取后的中軸基本位于光線的重心位置，利用細化后的曲線來代替灰度重心具有較好的準確性。但是為了獲得更加準確的數據，采用了灰度重心法進一步處理細化后的曲線，以得到準確的激光線的重心線[18-20]，其原理圖如圖6所示。

Fig.6 The theory of gray-scale center method based on skeleton

基于骨架的灰度重心法的具體實現過程[21]是先提取激光線的骨架，確定骨架上每一點的法線方向。法線方向的確定方法是沿著骨架依次選定一定區域的數據點進行曲線擬合，此區域要足夠小以反映曲線的局部特征，又要大到利于曲線的總體走勢，一般取10個像素；鑒于細化曲線局部一般比較平滑，常選用y=ax2+bx+c進行2階擬合，于是(x0，y0)點的斜率為t=2ax0+b。若t=0，則加權平均方向為y方向；若t≠0，則(x0，y0)點的法線斜率為k=-1/t，此時加權平均方向即為法線方向。計算出骨架上各點的法線方向之后，求取激光帶在其法線方向上的灰度分布；最后利用灰度重心法求出該分布的重心位置，即為被測物體在該處的輪廓點位置，將這些輪廓點連接起來形成新輪廓線。

圖7為基于骨架的灰度重心法提取的條紋中心。該方法可以處理情況復雜的線結構光光條圖像，減少激光條紋中的冗余信息。對于矸石車裝載量的激光條紋提取來說，很大程度地避免了因為激光條紋不均勻性導致的計算誤差，且提高了計算效率。

Fig.7 Extraction result of laser stripe centerline

3.3 裝載量體積計算

將空間中的待測物體用平行于xOy面的截面進行切割且在z軸的投影長度設為l，物體被均勻地分割成n個截面積設為Si的柱體，則空間中待測物體體積可表示為[6]：

(5)

由此可知，只要準確求出每個截面的面積Si，就可以得到空間待測物體的體積。由于實際裝車工作中，矸石在車廂內堆積呈圓錐狀且堆積高度會超出車廂高度，因此以車廂高度為分界線將車廂分為上下兩部分，

Fig.8 Volume calculation principle diagram

如圖8a所示。下部分由于車廂的尺寸約束為規則面，上部分的裝載截面為不規則面，選車廂上邊沿為基準面，采集圖像中激光輪廓的每個像素相對于基準面的高Δd可以通過(1)式來計算，如圖8b所示。因此可知截面面積Si為下部分的常數面積C1與上部分的不規則面積C2之和，對上部分不規則橫截面利用黎曼積分法來求面積C2。

設車廂上部分裝車截面在xOy坐標軸用函數表達式f(x)代替，將f(x)在x軸上的區間[x0,xm]進行m等分。則每個小區間的寬度為：

L=(xm-x0)/m

(6)

且各點之間的橫坐標有x0

gj=L·f(xj)

(7)

第i張圖片的截面積C2為：

(8)

由此可知，在上述的計算中等分的小區間越多，所求出來的截面積越接近C2的真實面積，計算出來的裝載體積也更準確。

4 系統搭建與現場實驗驗證

4.1 系統現場搭建

汽運矸石裝載體積測量系統是在矸石汽運自動裝車結束后需要檢測裝載量的基礎上設計的，根據現場的情況，系統搭建的基本要求為：(1)檢測對象。滿載矸石的前四后八式貨車，車頭長2.1m，車廂長寬高尺寸為8.1m×2.6m×2.3m，其中車廂距地高為1.3m；(2)檢測指標。對運動的貨車進行掃描，獲取車廂內煤矸石的3維點云數據，計算其體積大小，結果誤差為±4%;(3)車輛運行速率為2m/s～4m/s。

結合現場的實際情況和要求，本系統中所用激光器和CCD相機的型號以及參量如表1所示。

Table 1 Hardware selection parameter table

本系統中采用激光器垂直與被測物體表面投射激光束相機以一定角度觀察被測物體的方式搭建硬件，結合實際要求經過計算相機與激光器以圖9中所示的方式布置。激光器的光束垂直投射于車廂表面，相機以角度60°采集由被測物體表面反射而來的光線，相機與激光器在同一高度并相距3117mm，檢測高度距被測物體表面1800mm，這樣搭建相機的檢測范圍符合系統的要求，CCD相機視野如圖10所示。

Fig.9 On-site measurement system construction

Fig.10 CCD camera field of view

4.2 現場實驗驗證

現場實驗驗證的具體過程是安排10輛滿載矸石的貨車，先經過測量系統得出測量數據，后經過地磅得出稱重數據。由于測量系統得出的最后數據是體積，需要乘以相應系數換算成重量進行比較，系數的選取是根據用滿載矸石車輛的稱重值分別除以對應的測量值，再取其多次結果的平均值作為測量系統的裝載系數值，經多次實驗將裝載系數取為1.32t/m3。最后對比10輛滿載矸石的貨車的測量數據與稱重數據，得出誤差范圍，如圖11所示。

Fig.11 Comparison chart of measurement data and weighing data

由圖11可知，裝載體積測量系統的測量值與地磅稱重后的重量值之間存在誤差，但整體誤差范圍在2%～4%之間，符合現場精度誤差小于4%的測量使用要求，驗證基于激光三角法的煤矸石裝載體積測量系統滿足對于排矸車輛非勻速運行的條件下，實現無接觸式裝載體積測量要求。

4.3 誤差分析

由于排矸作業的工況條件較為復雜，外界干擾影響因素較多，誤差來源主要有：(1)裝載誤差。煤矸石是塊狀固體，在車廂裝載堆積過程中，中間存在縫隙,本文中提出的方法主要檢測車廂裝載表面，對內部縫隙的處理不足，導致測量值與稱重值存在誤差，此類誤差可以通過調整裝載系數降低;(2)系統標定誤差。排矸所用車輛的車廂尺寸由于車輛型號的不同存在一定的差別，系統最初標定時的數據無法對每輛車都適用,對于這種誤差，需要通過多次反復測量與選取更多的標定數據來降低誤差的影;(3)車輛速度與位置誤差。車速的過快、過慢及不均勻和車輛經過采集位置時左右偏移都會影響圖像采集效果，如圖12所示,車速的影響主要是將車輛的采集圖像拉長或縮短，無法準確地處理有效信息；而車輛位置的偏差則直接引起有效信息的缺失，降低此類誤差，除規范車輛行駛之外，也適當增大相機采集視野來避免因車輛位置偏移導致的有效信息缺失;(4)垂直振幅誤差。由于系統標定時采取空車標定，實際測量時檢測對象是滿載矸石的重車，輪胎的承重變形、路面的凹凸不平均會導致車輛相對于坐標原點的高度距離發生變化，這些影響因素統稱為垂直振幅誤差。

Fig.12 The influence of vehicle speed and position

為了降低因車輛的垂直振幅影響而帶來的誤差，除了以車廂上邊沿設置基準面，獲得裝載表面相較于車廂邊沿的高度值計算體積外，還需要重復對同一輛車進行多次滿載狀態下的圖像采集，分析CCD相機采集的深度圖，對檢測高度的算法進行修正。

5 結 論

提出了一個基于激光三角法的煤矸石裝載體積方法。主要采用線結構光掃描與單目視覺相結合的方式，選用線結構光作為系統測量光源，根據系統工作環境，選用直射式三角測量法，并選取了大功率、大范圍的激光器和CCD相機來檢測貨車的矸石裝載體積,實現了矸石裝載表面的3維重建，利用3維點云積分得到裝載體積。

(1)首先對CCD相機采集的圖像使用中值濾波的方法降低噪聲對結果的影響，再選擇基于Otsu算法的閾值分割法對車輛整體圖像進行有效區域的提取，最終將車頭與車廂分割，縮小處理區域；最后采用基于骨架的灰度重心法提取激光條紋的中心，去除冗余信息，加快圖像處理速度；最后通過處理及計算相應信息，得到該車輛的矸石裝載量。

(2)完成矸石裝載量測量系統的現場搭建與實驗驗證。通過多次多輛車的現場實驗，將系統測量數據與地磅稱重數據對比，結果誤差在2%～4%之間，滿足現場使用要求。分析結果誤差的產生原因，提出了誤差修正的方法。

下一步目標是進一步優化算法，加快運算速度，提高運算精度。