懸臂式掘進機截割頭位姿視覺測量系統改進

張旭輝， 謝楠， 張超， 楊文娟， 張楷鑫， 周創

(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，造成傳感器數據不穩甚至失效[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目標物體的姿態求解，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，實現了截割頭姿態的實時解算和可視化顯示。但在實際應用過程中，巷道環境、測量方法、標定參數誤差、圖像特征提取精度等都會對視覺測量結果產生影響[12]。

工業相機外參標定穩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。外參數即相機坐標系相對于掘進機基坐標系的轉換矩陣。現有外參標定方法需依靠經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據作為標定依據，可有效提高外參標定穩定性，且具有簡單、快速、不受限于機身位姿的優點。

防爆工業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光斑的形狀不規則，難以對光斑中心進行提取，且掘進機作業過程中的振動、光線等因素會影響光斑中心提取精度。現有的灰度質心法采用像素的灰度值作為權重來計算光斑質心，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 系統組成及原理

懸臂式掘進機截割頭位姿視覺測量系統由懸臂式掘進機、防爆工業相機、紅外LED標靶、機載防爆計算機、捷聯慣導、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、回轉關節坐標系、抬升關節坐標系、伸縮關節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，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

為實現光斑中心精確定位，首先采用灰度質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，將邊緣點所在區域劃分為2個部分，如圖4所示，設黃色部分為區域1，藍色部分為區域2，原點O為圓心，P(xp，yp)為圓邊緣像素點。

圖4 邊緣點區域劃分

設區域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位于區域2內，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)為圖像的連續光強分布。

對邊緣點P的臨近點進行灰度插值。根據線性插值原理得到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；其次采用灰度質心法實現光斑中心粗提取，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境，利用計算機程序實現工業相機的軟觸發，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t

表2 外參數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矩陣比較穩定，可為掘進機截割頭位姿解算奠定基礎。

4.3 系統測量誤差對比

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，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)時的相關數據作為標定依據，可有效提高外參標定穩定性。

(2) 針對灰度質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矩陣比較穩定，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°。系統測量誤差對比實驗結果表明，視覺測量系統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。