焊接煙塵凈化機智能跟隨作業方式的研究

侯建強 王飛 董玉欣

摘 要：針對鐵路車輛檢修車間情況，為提高焊接煙塵凈化機應用效率，解放勞動力，引入3D相機和激光雷達相結合的智能跟隨系統作為運動控制手段，研究了適合檢修車間應用的焊煙凈化機的智能跟隨作業方式。

關鍵詞：3D相機；激光雷達；智能跟隨；焊接煙塵凈化機

中圖分類號：TG408 文獻標識碼：A 文章編號：1671-2064（2019）15-0088-02

0 引言

按照鐵路貨車檢修規程，在鐵路車輛檢修車間大庫內，須對車體分散部位進行焊修，在焊修過程中會產生大量的焊接煙塵，對車間作業人員的身體健康產生危害。現在絕大多數焊接煙塵凈化機都是固定使用的，覆蓋整個檢修車間固定焊接煙塵凈化機的成本很高，本文則針對一種可移動的焊煙凈化機的作業進行研究。

焊接工人作業時，需要攜帶操作工具，如果還需要另外手動控制焊煙凈化機移動則會降低工作效率。本文針對這一問題以及檢修車間復雜的工作環境，將智能跟隨系統加入到焊煙凈化機中，在工人移動作業時，可以使得焊煙凈化機智能跟隨作業工人行走到下一個工作場地，持續作業，有利于提高工作效率，助力企業智能升級。

1 智能跟隨方式設計

智能跟隨包含了兩個步驟：（1）知道目標在哪。（2）能跟著目標運動。在跟隨過程中，還要處理障礙物的躲避。主要包含3個技術模塊：人體定位模塊、機器人跟隨運動控制模塊和避障模塊。其中人體定位模塊是整個智能跟隨系統的核心以及難點。

1.1 人體定位方案選擇

充分調研現有產品上人體定位方案，大致分為3個類別：第一種是采用傳感器定位模塊，如藍牙、射頻技術等；第二種是基于深度相機，如Kinect、RealSense等。第三種是激光雷達。下面分別分析這三種方案的優點和缺點，針對檢修車間的智能跟隨系統選擇合適的方案。

1.1.1 傳感器定位

（1）優點：1）能夠求出目標的x、y、z坐標。2）在360°都可定位。3）定位目標受障礙物影響較小。

（2）缺點：1）無法判斷障礙物。還需輔助其他技術。2）使用人員必須佩戴相對應的傳感器。

1.1.2 深度相機定位

基于深度相機直接去識別人體骨骼。

（1）優點：1）不僅能求出x、y、z坐標，還能求出物體相對于相機的三維偏轉角。能夠獲得更豐富的決策信息，精度高。2）深度相機不僅可以用來識別目標，還可以識別大多數障礙物。

（2）缺點：深度相機的視角有限，一般不大于70°，且受視線影響，會被遮蔽。

1.1.3 激光定位

激光定位主要通過識別檢測人腿信息，并通過人腿配對的方法定位人體信息。

（1）優點：1）能求出x、y、z坐標。2）不僅可以識別目標，還可以識別大多數障礙物。3）檢測范圍較廣，一般能夠達到180°以上。

（2）缺點：由于激光本身數據信息量少的限制，容易造成誤檢測或者檢測丟失的情況，通常需要結合其他傳感器一起使用。

1.1.4 總結

通過對以上三個方案進行綜合比較，結合焊煙機實際的工作環境，最終決定選擇利用3D相機結合激光雷達的定位方案作為跟隨式焊煙凈化機的跟隨方案，理由如下：

（1）3D相機檢測精度較高，穩定性好。（2）檢修車間工作環境比較復雜，車輛以及工作人員比較多，需要做好避障措施，使用激光雷達可以簡單高效地完成避障任務。（3）激光雷達還能一定程度上彌補3D相機視野較窄的情況。

1.2 跟隨系統軟件框架設計

如圖1為跟隨系統軟件框架。

主要分為以下4個步驟：

（1）Kinect相機通過紅外線發射器和紅外CMOS攝像機共同完成深度圖像的獲取，控制處理系統NUC通過骨架識別算法對深度圖像處理，輸出人體位置。（2）激光雷達傳感器采集前方區域點云數據，控制處理系統NUC通過隨機決策森林算法識別人腿，并對人腿進行配對，輸出人的位置信息。（3）對上面兩個輸出的人的位置信息做數據融合，輸出人的最優檢測位置。（4）然后根據檢測目標位置，對機器人進行跟隨運動控制。

2 人體定位算法概述

人體定位系統主要由3D相機Kinect以及激光雷達組成。通過Kinect相機采用骨架識別算法以及激光雷達的人腿識別算法檢測出跟蹤目標的位置，對這兩種算法進行數據融合，得到最優的結果。

2.1 Kinect的骨架識別算法

微軟開發了一種Kinect系統，這種系統是一種包括硬件和軟件的體感設備，具有實時捕捉、麥克風輸入、語音識別等功能。利用Kinect的動態捕捉可以獲取運動目標的三位坐標信息。由于Kinect相機可以很容易獲得目標的三維信息，研究者開始將這項功能應用在機器人的跟蹤上。

Kinect通過紅外線發射器和紅外CMOS攝像機共同完成深度圖像的獲取。

首先紅外線發射器會發出紅外光覆蓋攝取區域，同時紅外線攝像機接收發射光線得到深度圖像，每個像素的顏色代表物體那一點到攝像頭的距離。對深度圖像進行分析，利用分割算法將人體部分從環境中分離出來；對正在運動的部位進行分析，建立人體骨架圖。

跟隨機器人首先要獲取跟蹤目標，通過對骨架的分析后，Kinect識別跟蹤目標的骨架信息。

2.2 激光的人腿識別算法

激光雷達可以在前方270°的范圍內發射幾百個激光束，遇到障礙物時返回，可以計算出障礙物和激光的距離信息。

人腿識別算法采用的核心算法是一種隨機決策森林的算法。首先用機器學習訓練出人的腿部共14個特征，然后輸入激光數據，采用隨機決策森林算法匹配出人腿。最后通過兩個腿之間的位置信息進行配對，配對成功后就是人的信息。

2.3 兩種檢測算法的融合

由于兩種算法各自都有優缺點，基于深度相機直接去識別人體骨骼。不僅能求出x、y、z坐標，還能求出物體相對于相機的三維偏轉角。能夠獲得更豐富的決策信息，但是Kinect相機的視角有限，只有不到左右70°，且受視線影響，會被遮蔽。但是采用激光的話可以彌補Kinect的視野比較小的情況，還能通過激光雷達進行避障。

對于Kinect以及激光雷達兩種傳感器檢測出來的人的位置不是唯一的，會出現多檢測以及誤檢測的情況，需要對這兩種數據進行融合和篩選，輸出一個最合適的位置信息。

3 機器人跟隨運動控制模塊

結合機器人具體的底盤，設計一套合適的運動控制算法，其中包含了機器人的避障以及發送速度命令的均值濾波處理。

3.1 控制流程

如圖2所示，為焊煙凈化機控制流程圖，首先機器人站在機器人可識別的區域內，當識別成功后，進入跟隨模式，進行底盤運動控制。

3.2 底盤運動控制

如圖3所示，為機器人跟蹤示意圖，（x、y）這個點代表跟蹤目標的位置，單位為m；代表跟蹤目標偏離機器人正前方的角度，單位為弧度。機器人跟隨系統通過發送線速度和角速度來控制底盤運動。設定默認位置為（x0，y0），偏轉角度為0，則機器人運動控制的線速度v=（x-x0）*0.9；旋轉的角速度w=arctan（y/x）*1。

3.3 機器人避障

本文采用激光雷達進行避障。

（1）首先利用激光采集前方區域點云數據，標記出障礙物區域。（2）根據機器人當前的運動速度，仿真一段時間，看這段時間后，機器人會不會撞上標記上的障礙物，如果會撞上，立馬發停止命令。

4 結語

本文研究的跟隨式焊煙凈化機的智能跟隨方式，通過采用3D Kinect相機以及激光雷達結合使用，定位人體位置，并進行智能跟隨。目前，已將采用該跟隨式焊煙凈化機應用在鐵路車輛檢修車間，應用效果達到預期要求。在工人移動作業時，可以使得焊煙凈化機智能跟隨作業工人行走到下一個工作場地，持續作業，有利于提高工作效率，助力企業智能升級。

參考文獻

[1] 楊曉敏，張奇志，周亞.基于Kinect深度信息的人體運動跟蹤算法[J].北京信息科技大學學報（自然科學版），2013（24）：11-12.

[2] 扈彬.基于隨機森林與卡爾曼濾波的人體跟蹤方法[J].天津師范大學，2012（1）：16-18.