-
激光扫描仪以一定的频率发射出一束激光[8-9],然后柱面物镜将激光光束分散为条状,照射在被测对象上时变成一行激光散点,激光散点在被测对象上产生漫反射[10-11],反射光透过物镜收集至CMOS,生成罐道扫描数据传递给控制器[12-13],罐道扫描数据反映了扫描仪到被测对象的距离值。激光散点之间有着固定的散点间距,该值成为衡量横向错位值的基本单位。扫描原理图如图1所示。
在实际检测中,激光扫描仪固定在罐笼中,正对着罐道,随着罐笼的上下运行,扫描仪即可对罐道进行扫描。激光扫描仪如果扫描到相邻罐道之间的缝隙,反射光数据表现为无效值,这是用来区分缝隙与罐道的关键;如果两根罐道之间发生错位,罐道两端包络线有明显不同于正常缝隙的区别;或者罐道表面发生了磨损,罐道反射值分布会体现出与正常罐道不一样的纹理。这些典型特征为甄别算法的设计提供了依据和可行性。
扫描时罐道与激光扫描仪的相对位置示意图如图2所示。其中,沿X方向的错位代表沿罐道扫描面水平方向的错位,沿Y方向的错位代表与罐道扫描面垂直方向的错位,沿Z方向的间距代表两罐道之间缝隙的宽度。
图 2 罐道与激光扫描仪相对位置示意图
Figure 2. Schematic diagram of relative position between shaft guide and laser scanner
激光扫描仪具有内部触发和编码器触发两种形式。实际应用中采用编码器触发方式触发,滑轮与编码器同轴相连,滑轮紧贴罐道壁,滑轮转过一定的角度,编码器转过相同的角度,可确保激光扫描与检测行进保持同步。激光扫描仪的触发间距
$ \Delta L $ 与使用的编码器线程及所用滑轮的周长密切相关,满足如下关系:$$ \Delta L=Z/S $$ (1) 式中:S代表编码器的线程;Z代表滑轮的周长。
-
系统采用基恩士公司出品的LJ-V 7200型快速激光扫描仪,内嵌有蓝色半导体激光器,具体技术参数如表1所示。
表 1 激光扫描仪参数
Table 1. Parameters of laser scanner
Parameter Range/mm Measurement distance 300-400 Measurement width 110-240 Scatter interval 0.3 扫描仪获取到数据后,经由控制器将数据传输给检测系统中的嵌入式计算机进行数据处理与关键值提取。该系统使用C#语言编写采集与处理软件,软件中整合有罐道数据采集模块、数据处理模块,其中数据处理模块包括数据预处理和后续处理,可完成数据的初筛、分析和提取,实现对罐道扫描数据的实时处理和罐道关键值报表生成。
-
罐道扫描数据中包含了丰富的信息,将罐道扫描数据中的全0行看作缝隙数据,非0行看作罐道数据,以罐道扫描数据为基础,可以计算出罐道缝隙处的宽度与错位值,但是从仪器中取出的扫描数据无法被直接利用,因此需要对数据进行预处理,具体流程包括无效值剔除、边缘线明晰化。
-
罐道扫描数据中包括正常值和无效值,为了便于后续处理,需要剔除无效值。具体做法是:当一行数据中的有效值的个数小于设置的阈值时,判定为缝隙,整行置零。
-
实际的罐道边缘为弧形,且罐道边缘通常会有泥土以及油渍,在数据上体现为边缘数据参差不齐,出现毛刺。这对罐道水平方向的错位判别会产生较大的干扰,为此需要去除毛刺,使边缘线更清晰。具体方法是从中间往两边搜寻数值为零的点,将其视为该位置的边界,将左右边界以外的点置为零,即认为边界以外的非零点为毛刺点,将毛刺点归零。该处理方式可大大简化后续数据处理的复杂度。
-
为了后续可以准确定位磨损的具体位置,需要知道磨损在第几根罐道,由此需要知道单根罐道的长度,该算法通过将扫描数据中连续非0行的行数,乘以触发间距
$ \Delta L $ ,即可得到单根罐道长度,类似地,将扫描数据中全0行的行数,乘以编码器的触发间距$ \Delta L $ ,即可得到缝隙的宽度。 -
错位算法包括沿罐道面水平和垂直两个方向的错位算法。其中水平方向的错位算法处理流程为:数据经过预处理后,经过缝隙宽度算法可以分析出缝隙的起始行号与终止行号,起始行号以上部分为罐道,终止行号以下部分为下一根罐道,据此可以找到上一根罐道的左边界L1及下一根罐道的左边界L2,因此水平方向的错位Dh可以由公式(2)计算得到:
$$ {D}_{h}=\left|{L}_{2}-{L}_{1}\right|·D $$ (2) 式中:D代表每个激光散点间距。
罐道面垂直方向的错位算法处理流程为:由于罐道扫描数据表示扫描仪与罐道之间的实际距离,因此取缝隙数据上方第1行的正中心的值,取缝隙数据下方第1行的正中心的值,两者相减可得到与罐道面垂直方向的错位值。
-
考虑到磨损部位一般位于罐道正中央,故取罐道数据的中间位置若干列的平均值AVGm作为磨损部位与激光扫描仪之间的距离,此外,考虑到边缘数据经过明晰化后,依然可能存在部分异常数据,因此为了数据的有效性,减小误差,需要计算罐道左侧边缘若干列数据的平均值AVGl以及右侧边缘若干列数据的平均值AVGr,则非磨损部位与激光扫描仪之间的距离的值为(AVGl+AVGr)/2,则磨损量AVGw可由公式(3)计算得到:
$$ {AVG}_{w}=\frac{({AVG}_{l}+{AVG}_{r})}{2}-{AVG}_{m} $$ (3) -
为了提高检测缝隙的准确度,设计了一种参数阈值判别算法,在单行数据中计算了平均值、方差等参数,由于缝隙数据的这些参数会与罐道数据的参数存在明显的不同,因此,当一行数据的其中某一个参数大于所设置的阈值时,判定为缝隙。读取扫描数据文件,调用计算平均值、方差等参数的函数,将计算得到的每一行数据的参数在控制台打印出来,在绘图软件中绘制每个参数的曲线,然后确定所需要的阈值。阈值的选取应尽量选取与罐道面数据值相差较大的数值,以避免产生误判。
-
在实际的罐道测量中,考虑到扫描仪可能无法正对着罐道进行扫描,即使扫描线看起来水平,但是实际的扫描仪可能已经发生左右偏离,为此,需要设置一种左右纠偏补正算法,如图3所示。设原有的距离值为
$ {Y}_{r} $ ,则补正后的距离值V可以由公式(4)计算得到:$$ V = {Y_r} - \frac{{{Y_r} - {Y_l}}}{{{X_r} - {X_l}}}\Delta l $$ (4) 式中:Xr为右边界的坐标;Xl为左边界的坐标;Yr为右边界坐标的距离值;Yl为左边界坐标的距离值;Δl为待补正点相对左边界的X方向距离。
-
该系统所用算法流程图如图4所示。
Detection algorithm of shaft guide based on two-dimensional laser scanning technology
-
摘要: 罐道在煤矿生产中发挥着重要作用,因此,必须对煤矿罐道进行安全检测,保证其形变范围在正常范围内,避免影响煤矿的安全生产。为了解决目前我国煤矿罐道检测方法中存在的精度不高,操作繁琐的问题, 研究了一种基于二维激光扫描技术的罐道检测算法,可以通过该算法计算出两根罐道之间的缝隙、错位,以及单根罐道的磨损,并将此算法写入进上位机软件中。在实验室的环境下,该算法的可重复性较好,同时在实际煤矿的实验中,该算法的识别准确率达到了62.5%,对算法进行改进后,识别率提高到了87.5%,验证了该算法具有较好的实用性与可靠性。相比于传统方法,该方法操作简单,同时具有较高的测量精度,将该方法应用于煤矿罐道检测中,将有效提高煤矿的生产安全性,具有较大的推广应用价值。Abstract: The shaft guide plays an essential role in the production of the coal mine. Therefore, it is necessary to carry out a safety inspection on the shaft guide to ensure that its deformation range is within the normal range to avoid affecting the coal mine's safety production. To solve the problems of low precision and cumbersome process in the current detection methods of coal mines shaft guide in our country, a shaft guide detection algorithm based on two-dimensional laser scanning technology was studied, which could calculate the gap, misalignment between two shaft guides, and the wear of a single shaft guide, and write this algorithm into the upper computer software. In the laboratory environment, the algorithm had good repeatability. Simultaneously, in the actual coal mine experiment, the algorithm’s recognition accuracy rate reaches 62.5%; after the algorithm is improved, the recognition rate increases to 87.5%, proving that the algorithm has reasonable practicability and reliability. Compared with the traditional method, the method is simple to operate and has high measurement accuracy. This method's application in the detection of coal mine cage will effectively improve the production safety of coal mine and has great popularization and application value.
-
Key words:
- shaft guide detection /
- coal mine /
- algorithm /
- software /
- laser scanning
-
表 1 激光扫描仪参数
Table 1. Parameters of laser scanner
Parameter Range/mm Measurement distance 300-400 Measurement width 110-240 Scatter interval 0.3 -
[1] Zhang Zemin. Monitoring of shaft deformation and ground subsidence of auxiliary shaft in coal mine [J]. Mining Equipment, 2020(3): 52-53. (in Chinese) doi: 10.3969/j.issn.2095-1418.2020.03.023 [2] Ma Tianbing, Wu Qiang, Wang Xinquan, et al. Rigid tank path fault location technology based on machine vision and laser fusion [J]. Safety in Coal Mines, 2020, 51(1): 134-137. (in Chinese) [3] Guan Bowen, Wu Jun, Gong Ruimin, et al. Based on the design of AT89S52 rigid tank detection instrument [J]. Coal Mine Machinery, 2010, 31(4): 5-7. (in Chinese) doi: 10.3969/j.issn.1003-0794.2010.04.003 [4] Zhao Wenwen, Wu Qingzhong, Zhao Changsheng. Deformation analysis of coal mine derrick based on 3D laser scanning technology [J]. Mine Survey, 2015(2): 67-69. (in Chinese) doi: 10.3969/j.issn.1001-358X.2015.02.23 [5] Li Xiaolu, Zeng Jingjing, Wang Hao, et al. Design and real-time imaging technology of three-dimensional scanning LiDAR [J]. Infrared and Laser Engineering, 2019, 48(5): 0503004. (in Chinese) doi: 10.3788/IRLA201948.0503004 [6] Lv Yuanzhi, Sun Qiang, Bi Guoling. Recognition and repairing of surface hole in three dimensional laser scanning system [J]. Chinese Optics, 2016, 9(1): 114-121. (in Chinese) doi: 10.3788/co.20160901.0114 [7] Guo Feng. Design on detection system for distance and joint of rigid steel guide [J]. Mining & Processing Equipment, 2019, 47(12): 17-20. (in Chinese) doi: 10.3969/j.issn.1001-3954.2019.12.005 [8] Wang Xiaona, Zhang Yishu, Hou Dexin, et al. Detection of microcrack in inductor based on orthogonal scanning line laser thermography [J]. Infrared and Laser Engineering, 2020, 49(7): 20190522. (in Chinese) doi: 10.3788/IRLA20190522 [9] Li Xiuming, Huang Zhanhua, Li Xiangyu, et al. Two-dimensional point laser Doppler velocimeter for velocity measurement [J]. Optics and Precision Engineering, 2014, 22(10): 2627-2632. (in Chinese) doi: 10.3788/OPE.20142210.2627 [10] Li Lei, Yan Jie, Ruan Youtian. Calibration of vehicle-borne laser mapping system [J]. Chinese Optics, 2013, 6(3): 353-358. (in Chinese) doi: 10.3788/CO.20130603.0353 [11] Tian Qingguo, Ge Baozhen, Du Pu, et al. Measurement of human figure size based on laser 3D scanning [J]. Optics and Precision Engineering, 2007, 15(1): 84-88. (in Chinese) doi: 10.3321/j.issn:1004-924X.2007.01.014 [12] Mohamed Ihab S, Capitanelli Alessio, Mastrogiovanni Fulvio, et al. A 2D laser rangefinder scans dataset of standard EUR pallets [J]. Data in Brief, 2019, 24: 103837. doi: 10.1016/j.dib.2019.103837 [13] Kaleci Burak, Şenler Çağrı Mete, Dutağacı Helin, et al. Semantic classification of mobile robot locations through 2D laser scans [J]. Intelligent Service Robotics, 2020, 13(1): 63-85. doi: 10.1007/s11370-019-00295-6