便攜式激光盤煤系統(tǒng)的研究應(yīng)用

　　目前，燃煤電廠存煤的測量一般采用人工計量方法，即先用推土機對煤場進行整形，使其外觀形體近似于梯形，再用經(jīng)緯儀和米尺進行人工丈量，根據(jù)經(jīng)驗，簡單計算或估算。這種方法，不僅耗費大量工時和人力，而且計量也不準(zhǔn)確，嚴重制約了企業(yè)的現(xiàn)代化管理。因此迫切要求一種可以代替人工、省時省力、計量快速準(zhǔn)確的裝置測出煤場存煤量。由此，針對大型煤場，研制了便攜式激光盤煤系統(tǒng)。該系統(tǒng)由激光測距儀、地圖星和掌上電腦組成，激光測距儀用于對煤場進行掃描測量，地圖星用于激光測距和傳輸數(shù)據(jù)，掌上電腦用于存儲數(shù)據(jù)。掃描完成后，由計算機擬合煤堆表面形狀，從而快速、準(zhǔn)確地測出煤場的存煤量。

　　1　現(xiàn)場快速盤煤裝置概況

　　某電廠已應(yīng)用了自動盤煤裝置，其機械掃描系統(tǒng)如圖1所示，它由場地取料機、裝在取料機固定梁上的單軌和懸掛在單軌上運行的小車組成。當(dāng)取料機沿煤場兩側(cè)鋪設(shè)的鋼軌勻速做縱向運行時，小車在單軌上做橫向往復(fù)運動，當(dāng)取料機從煤場一端運行到另一端時，裝在車上的光電探測系統(tǒng)就對整個煤場進行了二維掃描，實現(xiàn)對整個煤場煤堆表面各點高度的檢測。

　　還有一種超聲波測距煤場儲量自動計量測繪系統(tǒng)，測距傳感器安裝在龍門吊的小車上，借助龍門吊上小車的行走對煤場平面進行掃描，完成數(shù)據(jù)采集，并通過計算機實現(xiàn)儲量計算和圖形繪制。

　　使用這2種盤煤裝置的必要條件是煤場上已安裝有龍門吊或堆式取料機，否則這兩種裝置難以使用。但是若要為此而專門修建龍門吊則需大量投資，很不經(jīng)濟。

　　固定式圖象測量系統(tǒng)需要將盤煤裝置安裝在固定的高塔架構(gòu)上，精密儀器長期暴露在惡劣的自然環(huán)境中，精度下降得很快，而且高塔架構(gòu)不利于維修人員上下，投資較大。

　　便攜式激光盤煤儀以手持的激光測距儀替代塔式的激光器―――攝像機轉(zhuǎn)臺，以人工選點測量替代轉(zhuǎn)臺自動掃描，得到包含曲面特征的三維散亂數(shù)據(jù)點集。最后，把包含有散亂點集的數(shù)據(jù)文件傳入電腦中，由相應(yīng)的軟件部分完成曲面的擬合與體積計算部分。該系統(tǒng)克服了上述2種系統(tǒng)的弊端。用5號電池供電，整體重量僅2．5 kg。

　　2　便攜式激光盤煤系統(tǒng)的構(gòu)成

　　便攜式激光測距儀系統(tǒng)流程如圖2所示。

　　激光測距儀用于采集數(shù)據(jù)，采集到的數(shù)據(jù)信息包括被采集點相對于采集位置的坐標(biāo)（x，y，z），這個坐標(biāo)是相對坐標(biāo)，采集位置的坐標(biāo)為（x0，y0，z0），則被采集點的絕對坐標(biāo)為（x＋x0，y＋y0，z＋z0）。數(shù)據(jù)采集還包括對采集到的數(shù)據(jù)的濾波和校驗，濾掉無效數(shù)據(jù)和沒有用到的數(shù)據(jù)信息，確保有效數(shù)據(jù)的準(zhǔn)確性。數(shù)據(jù)合成指的是對不同采集位置采集到的數(shù)據(jù)進行相對坐標(biāo)與絕對坐標(biāo)之間的轉(zhuǎn)換處理，使得所有采集點在同一個坐標(biāo)系內(nèi)。

　　三維可視化指的是對三維散亂數(shù)據(jù)進行可視化處理，先對散亂數(shù)據(jù)進行插值。經(jīng)過插值運算后，得到的俯視圖是在x，y平面內(nèi)均勻分布的點，立體圖則為煤場的三維網(wǎng)格圖，得到三維網(wǎng)格圖之后便可很容易的計算體積了。插值點之間的間隔可由操作人員任意設(shè)置，但是其間隔不應(yīng)太大，太大影響體積計算的精度；也不可太小，太小影響計算速度。

　　圖像拼接技術(shù)實現(xiàn)的是將數(shù)碼相機拍攝到的煤場的部分圖像拼接成一大張煤場的全景圖。圖像處理包括濾波，灰度化處理，邊緣檢測和曲線平滑處理。三維網(wǎng)格的修正以檢測出的邊緣檢測曲線為依據(jù)，修改網(wǎng)格圖中的邊緣點，網(wǎng)格圖的邊緣點被修改后，部分相應(yīng)的其它的點會被相應(yīng)的處理。

　　為了便于斗輪機取煤和卸煤的方便，煤場一般都建成長而且很窄的長方形，煤會被堆放成橫截面為中間高兩邊低的三角形，或中間是平面的梯形，有時被斗輪機取走一部分煤后，其形狀就像在三角形的腰部切掉一塊。其形狀如圖3所示。

　　無論是那一種情況，其最高點只有一點，而且，三角形的最高點一般在煤場的中間位置，那么，在水平方向拍到的圖像經(jīng)邊緣檢測后得到的邊緣曲線就是所有最高點連成的曲線。根據(jù)這一特點，可以將煤場沿長邊從中間一分為二。修改時在平視圖中放置所拍圖片的邊緣曲線，每修改一個平視圖中的點，俯視圖中在同一列上的所有點都得到修改，這樣減小了三角形或梯形煤堆圖形擬合時的誤差。對于煤堆的第3種情況修改時采用折中的辦法，當(dāng)所拍圖片能看到最高點時，修改時以最高點為依據(jù)；當(dāng)看不到最高點，只看到被挖掉一部分后的煤堆的邊時修改時要略高于邊緣檢測曲線，這樣就盡量的減小了誤差，見圖4。

　　體積計算采用積分的方法，經(jīng)插值計算后煤堆被均勻的劃分成了若干個小立方體，將所有的立方體的體積的加起來便是煤堆的體積。

　　3　系統(tǒng)的理論依據(jù)

　　3．1　散亂數(shù)據(jù)的插值

　　散亂數(shù)據(jù)指的是在二維平面上或三維空間中，無規(guī)則的隨機分布的數(shù)據(jù)。散亂數(shù)據(jù)的可視化是指對散亂數(shù)據(jù)進行插值或擬合，形成曲線或曲面并用圖形或圖像表現(xiàn)出來的技術(shù)。用激光測得的數(shù)據(jù)是三維的散亂數(shù)據(jù)，散亂數(shù)據(jù)不能直接用于圖形擬合，為了能夠進行圖形擬合和體積計算，需要對散亂數(shù)據(jù)進行插值運算。

　　早在20世紀60年代，散亂數(shù)據(jù)的插值問題就已引起人們的注意。近30 a來，已經(jīng)有多種算法被提了出來。但是，沒有一種算法適用于所有場合。而且大多數(shù)算法只能適用于具有中小規(guī)模數(shù)據(jù)量的散亂點插值問題。大規(guī)模散亂數(shù)據(jù)（1 000個點以上）的插值問題還正在研究之中。

　　中小規(guī)模散亂數(shù)據(jù)的插值方法主要有2種。

　　3．1．1　與距離成反比的加權(quán)方法

　　這一方法首先是由氣象學(xué)及地質(zhì)學(xué)工作者提出來的，被稱為Shepard方法。其基本思想是將插值函數(shù)定義為n個數(shù)據(jù)點函數(shù)值的加權(quán)平均，即

　?。▁，y）點到（xk，yk）點的距離。μ值一般取2。

　　這是一種與距離成反比的加權(quán)方法。點（xk，yk）的值fk對F（x，y）的影響與（xk，yk）至（x，y）的距離成反比。

　　3．1．2　徑向基函數(shù)插值法

　　基函數(shù)是由單個變量構(gòu)成的，一個點（x，y）的這種基函數(shù)的形式往往是hk（x，y）＝h（dk），這里的dk表示由點（x，y）至第k個數(shù)據(jù)點的距離。一般說來，這種方法不具有多項式精度，但只要稍加改進，就可獲得具有多項式精度的插值公式：

　　式（3）中的n個方程滿足了插值要求，而式（4）中的m個方程則保證了多項式精度。2式中共有m＋n個未知數(shù)，同時存在m＋n個方程式，聯(lián)立求解，即可得出待定系數(shù)。

　　3．1．3　限元方法

　　在給出具有雙自變量的散亂數(shù)據(jù)點vi（xi，yi）及其函數(shù)zi＝f（xi，yi）（i＝1，2，…，n）以后，首先求出二維平面上散亂點的vi凸包，并對其進行三角剖分，形成一系列的三角形Tj，k，l（j，k，l∈i）。然后構(gòu)造一系列的面片，使其插值于所有pi點的函數(shù)值zi。主要有：Clough－Tocher插值法、Herron插值法、最小模網(wǎng)絡(luò)法（MNN法），這里不再祥述。

　　3．2　圖像拼接

　　拍攝的2幅相鄰圖像上有相重疊的部分，只要判斷出這2幅圖像的重疊位置并實行相似判形就可以實現(xiàn)2圖像的拼接，在圖5中，假設(shè)圖像1和圖像2是相鄰的2幅圖像。原始圖像中的圓形是所拍攝圖像的重疊部分。只要判斷出兩個原始圖像中的同一個圓，就可以將兩幅圖像拼接起來。當(dāng)然上述的圓形只是舉個例子，實際上可以是任意圖像（只要不是純色）。

　　這樣就可以將圖像拼接歸結(jié)為：在2個有重疊部分的圖像的重疊區(qū)區(qū)域內(nèi)各采集下一個樣本圖像塊，2個樣本圖像塊為原始圖像中的同一圖案，如圖中的2個樣本塊A、B塊。圖中A塊一定要包含B塊且明顯大于B塊，只要測定出B塊在A塊中的位置，就可完成2個圖像的拼接。

　　如何測算出B塊圖像是A塊圖像的哪一個組成部分，也就是如何判斷出A塊中大小與B塊相同的哪塊圖像是與B塊最相似的問題。下面從色度學(xué)的角度談?wù)剝蓚€色塊相似性的判斷。在顏色理論中有很多描述色度空間的方法。常用的有RGB、HSV等方法?，F(xiàn)在計算機中的圖像大部分采用RGB法描述。比如，RGB色度空間中有2個顏色M（R0、G0，B0）、N（R1，G1，B1），若這2個顏色在RGB空間里的距離越小，2個顏色就越接近。

　　M、N2顏色RGB空間距離為

　　此處，D越小，M與N的顏色就越相似，當(dāng)D＝0時，就說明M和N是2個相同的顏色。如果2個色塊的每一點都進行比較計算、并求出所有點的D平均值。平均值越小就表明兩個色塊的圖案越相似。因為A塊、B塊是具有重疊部分的2幅圖像，而A塊包含B塊．故在A塊中一定能尋找到一塊大小與B塊相同的一塊圖像，其與B塊計算出的D平均值為最小。例如，假設(shè)A塊圖像有i×j個點，B塊有p×q個點。

　　根據(jù)上式求出Dxy為最小的（x，y）點，此點即為與B塊圖形最相近的位置點。這樣就找到了A塊中包含的與B塊圖案最接近的位置，也就是2圖案相重疊的位置。

　　3．3　邊緣檢測

　　邊緣是圖像的最主要特征，它的提取是圖像分割、目標(biāo)區(qū)域的識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。所謂邊緣就是指圖像局部亮度變化最顯著的部分，它是檢測圖像局部變化、顯著變化的最基本的運算。典型的邊緣提取方法分成以下3個步驟：

　　a．求出原始圖像橫向和縱向的梯度圖像；

　　b．根據(jù)2個方向的梯度得到模值和幅角值；

　　c．沿幅角方向求模極大值，獲得所需邊緣。

　　現(xiàn)在有很多傳統(tǒng)的計算方法，如Canny算子和Sobel算子、Roberts交叉算子和拉普拉斯算子等。對于數(shù)字圖像，圖像灰度灰度值的顯著變化可以用梯度來表示，以邊緣檢測Sobel算子為例來講述數(shù)字圖像處理中邊緣檢測的實現(xiàn)。

　　對于數(shù)字圖像，可以用一階差分代替一階微分。

　　Sobel梯度算子是先做成加權(quán)平均，再微分，然后求梯度，即：

　　　圖6（b）給出的是依據(jù)圖像處理算法得到的經(jīng)過圖像灰度化、高通濾波、Sobel邊緣算子處理后的結(jié)果。

　　4　實測數(shù)據(jù)

　　對于煤場盤煤，測量體積的精度主要反映在重復(fù)性這個性能指標(biāo)上。在實際應(yīng)用中，用戶最為關(guān)心的也是重復(fù)性問題：重復(fù)性越好說明測量越準(zhǔn)確，精度越高。現(xiàn)場的大量實驗表明該系統(tǒng)重復(fù)測量的精度很高。其中4次的實測結(jié)果分析見表1。

　　注：①試驗地點：河北某電廠；②試驗時間：2002年7月；③測量次數(shù)：4次；④測量基點數(shù)：8個；⑤煤場面積：281 m×52．5 m。