基于深度八叉樹的粘接機器人移動軌線自動識別系統設計

韓寶虎 趙亮 韓希君

摘 要：針對以往使用的GPS、電渦流法、超聲波法移動軌線自動識別系統受到噪聲干擾，而導致識別精度低的問題，提出了基于深度八叉樹的露天礦粘接機器人移動軌線自動識別系統設計。采用充電樁對電池進行充電，保證系統持續供電8 h以上。利用IMX179型照相機，從后方和側面角度拍攝了露天礦粘接機器人的移動畫面。利用搖把開關控制avt31 HD視頻跟蹤器，跟蹤機器人的移動軌跡。采用深度八叉樹將識別數據繪制到三維實體中，避免了繁瑣的數據查找過程，方便了三維子體的定位。采用白平衡技術消除外界光線干擾，獲得清晰的視頻圖像。構造深度八叉樹存儲結構，對其進行迭代處理，得到單通道亮度圖像，即：軌道線。利用三階貝茲曲線對其進行擬合，確定機器人的工作軌線。實驗結果表明：系統軌線長度200 m，識別精準。

關鍵詞：深度八叉樹;露天礦;粘接機器人;移動軌線;自動識別

中圖分類號：TN958?????? 文獻標識碼：A? 文章編號：1001-5922（2022）03-0172-05

Design of automatic recognition system for moving

trajectory of bonding robot based on depth octree

HAN Baohu，ZHAO Liang，HAN Xijun

（Storage Center of Hiller Energy Co.，Ltd. Hulun Buir 021000，Inner Mongolia China）

Abstract：

Aiming at the problem that the GPS， eddy current method and ultrasonic method mobile trajectory automatic identification system used in the past is interfered by noise， which leads to the problem of low identification accuracy， an automatic identification system design for the mobile trajectory of the bonding robot in open-pit mine based on the depth octree is proposed. Use the charging pile to charge the battery to ensure that the system can continue to supply power for more than 8 hours. Using the IMX179 camera， the moving pictures of the open-pit mine bonding robot were taken from the rear and side angles. Use the rocker switch to control the avt31 HD video tracker to track the movement of the robot. The recognition data is drawn into the three-dimensional entity by using the depth octree， which avoids the tedious data search process and facilitates the positioning of the three-dimensional sub-body. White balance technology is used to eliminate external light interference and obtain clear video images. Construct a deep octree storage structure， and iteratively process it to obtain a single-channel luminance image， that is， a track line. The third-order Bezier curve is used to fit it to determine the working trajectory of the robot. It can be seen from the experimental results that the trajectory length of the system is 200 m， which is consistent with the ideal situation and has accurate identification results.

Key words：

deep octree; open pit mine; bonding robot; moving trajectory; automatic identification

目前，露天礦帶式輸送機與天然氣管道之間工作環境溫度一般為-45～40 ℃，作業環境溫差較大，溫度偏高[1]。由于環境溫差較大導致輸送機傳送皮帶壽命減少，局部容易開裂，造成傳送故障。在實現裂縫實時，有效的粘接修復前，必須對粘接機器人的移動軌跡進行有效的識別[2]。采用人工檢測的方法，在這種特殊的工作環境下，人工勞動強度增大，同時也存在著檢測效率低、實時性差等缺點[3]。UAV飛行式 GPS移動軌道自動識別系統的使用，也會受到自身、信號傳輸和地面接收設備等因素的影響，從而引起 GPS定位信息的誤差[4]。此外，露天礦粘接機器人運動軌跡坐標信息比較稀疏，無法對局部目標進行實時定位。

現有的方法多采用電渦流軌線自動識別系統或超聲波軌線自動識別系統，其中渦流軌道識別系統是利用軌道探傷儀產生的感應電流來識別運動軌跡。但是，識別系統中高頻激勵信號的存在，使識別信號的處理和識別速度變慢。超聲波自動識別軌道系統雖然是一項應用廣泛的技術，但其探傷探頭在被連續超聲波脈沖發射到軌道上檢測運動軌道時也會受到干擾，從而影響識別精度。因此，根據現有系統存在的問題，設計了一種基于深度八叉樹的露天礦山粘接機器人運動軌跡自動識別系統。

1 系統硬件結構設計

根據露天礦實際情況，設計了基于深度八叉樹的露天礦粘接機器人移動軌線自動識別系統的硬件結構，如圖1所示。

由圖1可知，系統是通過將充電樁和充電探頭連接在一起，從而為鋰電池充電，并使用DC降壓模塊和逆變器為箱內設備供電[5-7]。無線通信主機1、2由識別箱側的開關傳送到監控屏幕;識別箱側曲柄式跟蹤箱發送的露天礦粘接機器人移動跟蹤信號由無線通信主機2到達;1號識別箱側及身體上的運動機器人運動跟蹤器內有運動跟蹤程序，用于跟蹤粘接機器人的運動軌跡，可進行前進、后退、停止、粘接、復位、充電等各種作業[8-10]。

1.1 充電樁

根據充電樁在戶外安裝的實際工作情況，需要考慮其防水絕緣問題，避免接通電源后發生火災事故[11]。所以自制的阻燃有機玻璃充電樁，在電機內部使用高碳鋼電刷充電探頭，保證了充電探頭與接觸點的銅片接觸時不會產生火花或電弧，且導電性能好、耐磨、消弧性能好，其結構如圖2所示。

由圖2可知，充電樁內置高強度壓縮彈簧，電動制動充電探針。通過對壓縮彈簧的壓力，使帶電探針與銅板充分接觸，保證充放電接觸面良好，不受外界環境影響。針對每臺設備的功耗，在供電方面采用48 V、80 AH鋰聚合物電池組供電給系統充電探頭，可保證整個系統持續供電8 h以上[12]。鋰電池充電器連接著充電探頭，并連接到可充電的鋰電池銅片上[13]。本機配有鋰電池組和充電器，電池過充保護電路，充電后能自動停止充電，對鋰電池組起到保護作用;同時能有效延長其使用壽命，節省成本。

1.2 高清球機

采用高速攝像機對露天礦粘接機器人的運動軌跡進行拍攝時，可以通過多臺高速攝像機同時拍攝，實現多角度觀測。選取采樣角時，應根據運動模型建立原理，將相機置于目標物的背面及側面，進行后角及側角的拍攝[14]。依據視頻逐幀播放分析運動目標的軌跡和運動過程，對所建立的模型和標記點進行路徑跟蹤。采用IMX179攝像機拍攝作物工業級光學全波鏡頭，可任意角度選擇，成像清晰，并增加了補光夜視功能[15]。根據對模型和標點的路徑跟蹤，即插即用USB2.0的標準速度可以達到60 MB/s;同時還可以使用 UVC驅動程序。

1.3 移動跟蹤器

利用avt31 HD標取差器的設計思想，將捕獲和自跟蹤兩種模式下的平臺運動，實現了對目標運動的預測準速，使跟蹤更可靠、更平滑、更全面。avt31型 HD視頻跟蹤器，跟蹤性能平穩可靠，通用性好，能夠實現目標運動的跟蹤與預測[16]。該跟蹤器具有多核 DSP和 FPGA作為主芯片，具有24位的 RGB格式視頻輸入接口;在VGA接口的 RGB部分，疊加了同步信號和 RGB部分，可實現隔行逐行處理。該視頻接口實現了數字模擬 HD視頻，可支持高達1 080 p 60 Hz的逐行視頻，像素頻率可達165 MHz，可進行S232通信和控制接口。

1.4 搖柄開關盒

在搖桿開關盒上設置有跟蹤手柄，跟蹤中心的操作人員在從顯示器上遠程識別場景后，僅需在搖桿開關盒上設置跟蹤手柄，即可對粘接箱的移動和停止進行檢查和控制。操作者只需坐在室內進行跟蹤，通過觀察屏幕就能自動識別出運動軌跡，同時完成自動識別工作。本實用新型還具有一鍵識別、一鍵復位充電功能，能夠實現移動軌線智能識別與控制。

2 系統軟件部分設計

2.1 基于深度八叉樹三維體識別數據繪制

在面對大量復雜、繁瑣的三維數據時，三維數據的實時繪制是一個非常困難的問題，計算和繪制速度都很慢。當前即使是最高端的繪圖工作站，也不能達到高逼真度的三維視覺效果，不能滿足實時繪制的要求。因此，需要使用深度八叉樹來實現大規模三維數據體繪制的要求。

三維數據域具有不同的數據結構，如結構化和非結構化，結構化數據結構主要有3種形式：方格網格、矩形網格和不規則網格。由于規則排列的網格并不局限于每個網格，只需要在網格點的屬性值之外，

記錄初始點的位置坐標和網格間距，存儲容量小，僅適用于大規模使用和管理。網格數據結構是一種具有規則間隔的網格陣列，它可以將原始數據卷分割成大小相等的子塊。如果數據塊過大或過小時，根據當前系統的軟硬件條件，可能會造成數據調度過度，影響機器的處理能力。為此，提出一種基于深度八叉樹的算法，三維數據處理過程主要以三維數據體的細化為基礎，對三維軸的各個方向進行細化處理。

數據三維體字節數量的計算公式是：

N=log8VV0

式中：V表示識別數據三維體字節數量;V0表示載入數據字節數量。

為實現對三維數據體從粗略到詳細的全局觀測，并支持全局體繪制，需要對其進行編碼，以建立子實體間的空間關系。大型三維數據體可以是多個不同尺寸粒度的子體，而且每個子體都具有單獨繪制處理的能力。子實體之間的空間關系主要表現在兩個方面：一方面，它主要表現為一個粗壯子實體與若干弱細子實體之間的細節層次關系;另一方面，它又表現為子實體之間的鄰接關系，即同一層的位置。采用此代碼是為了方便子體定位和避免復雜的搜索過程。

2.2 基于深度八叉樹自動識別流程設計

基于深度八叉樹露天礦粘接機器人移動軌線特點，進行如下流程設計。

步驟1：由無人機攝取軌道視頻圖像，并對其進行預處理，使用白平衡處理方法來消除環境光的影響。首先根據預先的識別結果提取相關區域，然后將相關區域轉換成單通道亮度圖像。詳細內容為：采用灰度世界法消除環境光的影響，使 R、G、B圖像經過變換后，其平均灰度值趨于同一水平;通過對單道亮度圖像進行轉換，將 BGR模式圖像轉換為 HLS模式，并以L分量表示亮度信息，通過4次量化亮度值得到最終的單通道亮度圖像。

步驟2：利用深度八叉樹算法實現了視頻圖像的軌跡識別。依據深度八叉樹識別原理，使每個節點對應一個磁盤文件。

圖1顯示了深度八叉樹的存儲結構。

由圖3可知，該存儲結構包括（8n-1）/7個文件。其中，n表示八叉樹深度，在進行稀疏處理之后，完成了所有文件處理。

根據深度八叉樹型邏輯結構，將露天礦粘接機器人的運動軌跡數據進行分塊處理。每個子段被分成8個子段，也就是說，每個子段被分成8個子段，每個子段對應一個根節點，子體8等分如圖4所示。

如圖4所示，等分后得到完整的八叉樹，且八叉樹節點的數據大小相同，對應于露天礦粘接機器人的軌跡數據。從葉節點開始，各節點對應的露天礦粘接機器人運動軌跡可識別如下。

每個葉子節點的父節點具有1/8的數據大小，通過兩次稀釋值（即點之間的時間間隔），將8個子節點的數據合并成1/8的子節點數據大小，得到所有非葉子節點的對應數據。對合并后的相應數據進行重復稀釋，經迭代處理，可以得到單通道亮度圖像。比較單通道和動態門限的亮度值，作為新的識別節點，最終獲得亮度較大的二值圖像。判別二值化圖像的熵是否大于閾值，或者迭代處理次數是否大于10次。滿足此要求時，處理過程將停止，否則將繼續迭代處理。對二值圖的連通域處理，選擇區

域最大的兩個連通域對噪點進行消噪，從而得到軌道線。

步驟3：利用3次貝茲曲線進行擬合，可獲得軌跡線的直線或分段。然后，按照縱坐標對擬合點進行排序，確定起點和終點，計算貝茲曲線的跟蹤點坐標，得到擬合結果。

設軌道線路所在的直線段或曲線段上的某點為Q（t），表達公式為：

Q（t）=T（t）MP=[t3 t2 t 1]

P0

P1

P2

P3

式中：T表示兩點歐氏距離;M表示權重矩陣;P表示起點P0、終點P1和跟蹤點P3矩陣。

以縱坐標為基準，縱坐標上的最小點為起點，縱坐標上的最大點為終點，對所得輪廓點進行計算。將乘法計算轉化為大量的加法計算，并進行參數值擬合。通過對前后幀的左右距離進行計算，根據前后幀之間的距離判斷識別結果是否正確。當兩點歐氏距離大于設定閾值像素時，在一定的移動范圍內，識別結果將被判定為干擾軌線;否則，識別結果將被判定為真實移動軌線。

3 實驗結果與分析

以露天煤礦為背景，對基于深度八叉樹的露天礦粘接機器人移動軌線自動識別系統設計合理性進行實驗驗證分析。

3.1 模擬跟蹤

將露天礦粘接機器人在搭建的模擬實驗環境中進行跟蹤實驗，設置起點與終點之間距離為100 m，粘接機器人由起點運行到終點后，再返回到起點，模擬跟蹤路線主要有3條，如圖5所示。

在圖5所示路線下，得到的模擬跟蹤實驗數據如表1所示。

由表1可知，為了節省時間，避免繁瑣布置，選擇了線路3作為模擬跟蹤線路。

3.2 實驗結果與分析

分別使用GPS、電渦流法、超聲波法和基于深度八叉樹移動軌線自動識別系統對露天礦粘接機器人移動軌跡識別，識別結果如圖6所示。

由圖6可知，使用GPS法、電渦流法、超聲波法軌線識別結果與理想情況不符。其中，GPS法移動軌跡長度282 m，電渦流法移動軌跡長度223 m，超聲波法移動軌跡長度222 m，深度八叉樹法移動軌跡長度200 m。由此可知，使用深度八叉樹法設計的系統識別結果更加精準。

4 結語

通過對露天礦粘接機器人在實時移動時出現的問題，提出了三維大尺度數據場深度八叉樹的概念，并對其應用進行了分析。該系統采用深度八叉樹方法，實時采集礦山粘接機器人的運動軌跡，通過三維數據場繪制，精確自動識別出粘接機器人的運動軌跡，可廣泛應用于露天礦山日常巡視工作中，大大提高了工程管理效率。

在未來，將深度八叉樹這一先進的理念運用到電廠、大型企業車間檢查與維修中，使得露天礦粘接機器人能適應各種不同的應用場合。

【參考文獻】

[1] 郝勇，袁智.綜采工作面自動巡檢機器人系統設計[J].煤炭科學技術，2020，48（8）：145-149.

[2] 李艷，周瑩亮，李可可.基于STM32的移動機器人目標自動跟隨系統設計[J].電子器件，2019，42（2）：403-410.

[3] 劉帥，王敏珍，劉超.基于模式識別的機器人運行軌跡數據分類存儲系統設計[J].現代電子技術，2020，43（4）：145-148.

[4] 李業謙，陳春苗.基于ROS和激光雷達的移動機器人自動導航系統設計[J].現代電子技術，2020，43（10）：176-178.

[5] 彭蓋倫，彭道剛，張浩，等.基于Faster R-CNN和模糊PID的巡檢機器人云臺控制研究[J].微電子學與計算機，2019，36（3）：61-65.

[6] 張軍，韋鵬，王古超.基于ROS的全向移動機器人定位導航系統研究[J].組合機床與自動化加工技術，2020（6）：119-122.

[7] 楊知化，湯鵬，單曉輝，等.海上升壓站自動巡檢機器人顏色檢測算法研究[J].紅外與激光工程，2020，49（S2）：255-261.

[8] 胡鵬，吳功平，曹琪，等.巡檢機器人行駛軌跡定位方法[J].機械設計與制造，2019，337（3）：23-26.

[9] 李榮，欒貽青，王海鵬，等.全向四驅變電站巡檢機器人運動控制系統設計[J].機床與液壓，2020，48 （8）：112-116.

[10] 張樹生，馬靜雅，岑強，等.煤礦綜采工作面巡檢機器人系統研究[J].煤炭科學技術，2019，47（10）：136-140.

[11] 王滿，吳功平，熊一飛，等.巡檢機器人自動上下線系統制動裝置研究[J].機床與液壓，2020，48（9）：1-4，15.

[12] 盧萬杰，付華，趙洪瑞.基于深度學習算法的礦用巡檢機器人設備識別[J].工程設計學報，2019，26（5）：527-533.

[13] 羅宇亮，沈潔.智能機器人巡檢系統在輸變電工程中的應用研究[J].電測與儀表，2020，57（23）：17-22.

[14] 劉明春，張葛祥，黃占鰲，等.基于深度學習的變電站巡檢機器人道路場景識別[J].科學技術與工程，2019，19（13）：163-168.

[15] 陳浩龍，李擎，鄭耿峰.基于熒光磁粉裂紋探傷的圖象識別裝置設計[J].電子設計工程，2020，28（2）：121-125.

[16] 何健，胡宏宇，徐波.室內巡查掛軌機器人軌線智能跟蹤方法研究[J].電子設計工程，2019，27（8）：63-66.