自動化散貨裝船機物位檢測技術(shù)

李強，宓超，趙寧，沈陽

(1.天津港(集團)有限公司科技設(shè)備部，天津 300461;2.上海海事大學(xué)物流工程學(xué)院，上海 201306)

0 引言

隨著經(jīng)濟全球化進程的加快，對煤、礦石等生產(chǎn)資料的需求日益增大，使散貨的海運量也不斷增長，港口散貨的作業(yè)效率和作業(yè)可靠性成為人們關(guān)注的話題.各種提高作業(yè)效率及作業(yè)可靠性的方案不斷被提出和應(yīng)用，實現(xiàn)港口散貨作業(yè)的自動化逐漸成為一種趨勢.［1-3]

當(dāng)前，在世界上個別大型國際樞紐港已開始無人操作(港口散貨自動化裝卸和管理)的研究，但這些研究大多著力于優(yōu)化機械資源配置、港口工藝及管理決策層的智能化等方面，而有關(guān)機械生產(chǎn)過程自動化的研究還比較少.［4]

海船的載質(zhì)量較大、船型多，不易于實現(xiàn)自動化裝卸，國內(nèi)外對海船的自動化裝卸技術(shù)研究較少.［5]因此，這是一個非常有前瞻性的發(fā)展方向.這里研究的裝卸對象以海船為主，系統(tǒng)需根據(jù)該散貨裝船機的作業(yè)情況、船艙的大小以及艙內(nèi)物料的形狀，確定落料點與船艙的相對位置，再判斷該點何時落料結(jié)束，并自動控制溜筒落料位置、停留時間及其移動軌跡，實現(xiàn)安全、高效、均衡裝載.

自動化散貨裝船機物位檢測技術(shù)主要包含兩個關(guān)鍵技術(shù):對船艙尺寸(如船艙大小、船艙傾角)的識別，以確定單艙流量以及落料工藝;對物料形狀(如物料分布、物料高度)的識別，以確定落料軌跡.

1 系統(tǒng)整體架構(gòu)設(shè)計

本自動化散貨裝船機系統(tǒng)結(jié)合激光雷達傳感檢測、圖像識別、運動控制等前沿技術(shù)，對散貨裝船機進行自動化改造.在散貨裝船機的安裝平臺上安裝一套多軸伺服運動機構(gòu)以及激光雷達，實現(xiàn)對目標(biāo)的實時掃描.系統(tǒng)結(jié)構(gòu)見圖1:通過一套伺服運動機構(gòu)帶動激光雷達旋轉(zhuǎn)到不同姿態(tài)，利用激光雷達對目標(biāo)的截面外輪廓進行實時掃描，將截面外輪廓掃描轉(zhuǎn)變?yōu)槿S輪廓掃描;通過嵌入式控制器進行圖像識別處理，完成對船艙位置、尺寸、傾角、艙內(nèi)物料形狀等的識別;通過通信總線的方式，將識別后的數(shù)據(jù)送入主控可編程邏輯控制器中，控制溜筒落料位置、停留時間及其移動軌跡，進行自動化作業(yè).

圖1 自動化散貨裝船機系統(tǒng)結(jié)構(gòu)

2 物位檢測算法

2.1 船艙尺寸自動識別算法

2.1.1 三維目標(biāo)檢測

物位自動檢測技術(shù)的應(yīng)用是實現(xiàn)散貨裝船機裝卸作業(yè)自動化運行的前提條件.根據(jù)港口自身的環(huán)境，可以選擇激光雷達進行物位檢測.

激光雷達測距的工作原理［6-7]見圖2:激光雷達的激光器向被測目標(biāo)發(fā)射出一頻率周期變化的激光，發(fā)射的同時開啟脈沖計數(shù)器;激光經(jīng)過正弦調(diào)制后照射到目標(biāo)，經(jīng)目標(biāo)反射后的光信號由接收器接收，接收器接收信號的同時關(guān)閉脈沖計數(shù)器;信號處理器將發(fā)射端和接收端的信號相比較，得出相位差Δφ.

圖2 激光測距工作原理

假設(shè)發(fā)射和接收激光信號的時間差為Δt，調(diào)制頻率為f，則可得激光在觀測點與被測點之間的往返時間

觀測點與被測點之間的距離

式中:c為光速;n為周期數(shù).

激光雷達只能進行180°的一維掃描，根據(jù)式(2)，激光雷達只能掃出一條輪廓線，而該研究的目的是要得到船艙的尺寸以及物料的形狀，因此要借助已有的多軸伺服運動機構(gòu)實現(xiàn)多次檢測，得到多條線段后再進行船艙及物料形狀的擬合.

首先對激光雷達的檢測范圍及分度進行選擇.這里分度的概念實際就是指激光雷達內(nèi)部反射鏡每次旋轉(zhuǎn)的角度［8]，而每個角度上都會發(fā)出一束激光，得到一個測量值，所以分度值越小，檢測精度越高.激光雷達提供的最大檢測范圍是 180°，最小分度是 0.25°，從0°起旋轉(zhuǎn)一個平角，見圖3.

圖3 激光雷達檢測范圍示意圖

設(shè)定好激光雷達的變量后，可在靜態(tài)檢測的情況下勾勒出物體的外輪廓線.激光雷達在水平面上旋轉(zhuǎn)一周對目標(biāo)進行多次檢測后，就可生成船艙以及物料的大致形狀.

因采回的點云數(shù)據(jù)經(jīng)過解碼得到的是以激光雷達檢測中心為極點的極坐標(biāo)系(l，α)，其中l(wèi)為激光雷達到檢測點的長度，α為此直線與水平方向的夾角，所以需進行極坐標(biāo)系與直角坐標(biāo)系的相互轉(zhuǎn)換，將數(shù)據(jù)表示在直角坐標(biāo)系中.［9]

圖4為激光雷達與物料間的幾何關(guān)系.圖中，O為激光雷達所在位置，R為掃描點，α為OR與x軸的夾角，則可以得到掃描點R的投影到xOy平面上的二維坐標(biāo):

圖4 激光雷達與物料間的幾何關(guān)系

激光雷達繞x軸轉(zhuǎn)動，掃描點R與其形成夾角β，則掃描點R相對于激光雷達的三維坐標(biāo):

2.1.2 船艙截面圖像邊緣提取算法

激光雷達位于船艙的上方，這里要檢測的只是船艙的形狀.由于數(shù)據(jù)越多處理速度越慢，因此最理想的情況是使激光雷達的檢測范圍剛好可以覆蓋船艙.根據(jù)現(xiàn)場觀察，選擇180°的檢測范圍完全可以滿足需要.

在對船艙形狀進行識別之初，激光雷達在檢測過程中有可能產(chǎn)生一些離散出去的點，而根據(jù)測距儀的初始設(shè)置可以知道它當(dāng)前狀態(tài)下可檢測的最大距離.因此，超出最大距離的點都會被程序識別為無效點.

通過激光雷達掃描后反饋的圖像信號進行船艙識別的方法［10]有:(1)差分算法;(2)霍夫變換檢測直線;(3)小波分析模極大值和奇異點檢測.

為了獲得較明顯的邊緣點，將差分算法、霍夫變換和小波變換3者相結(jié)合，進行船艙邊緣的檢測.二維圖像信號的高斯函數(shù)

設(shè)(x，y)［11]滿足

則對圖像進行平滑［11]后有

在某一方向n上的一階方向?qū)?shù)

式中:n是方向矢量;▽G是梯度矢量.

將圖像f(x，y)與Gn作卷積，同時改變n的方向，Gn·f(x，y)取得最大值時的n就是正交于檢測邊緣［12]的方向，

A(x，y)反映圖像(x，y)點處的邊緣強度，θ是圖像(x，y)點處的法向與橫坐標(biāo)的夾角.

再利用最小二乘法進行最終匹配［13]，即可得到最佳匹配結(jié)果.

2.1.3 船艙艙口圖形擬合算法

通過激光雷達獲取的點云數(shù)據(jù)一般為原始測量數(shù)據(jù)，因此在使用之前必須經(jīng)過配準(zhǔn)、濾波等一系列前期處理，在減小數(shù)據(jù)運算量同時減少噪點的干擾.在進行船艙形狀擬合時，根據(jù)實際情況編寫一個邊緣提取算法.具體如下:

(1)找到測距儀中心下方正對的點x0;(2)向右尋找點x1，求得點x1與點x0所連成線段的斜率K1;(3)依次向右，求得點x2與x1所連成線段的斜率K2，如果 K1=K2，則說明 x0，x1，x2在一條直線上;同時，考慮到艙底可能會有一些結(jié)構(gòu)凸出以及激光雷達在檢測中存在誤差，設(shè)定一個斜率差值的允許范圍T，若|K2－K1|＜T，則表示未到船艙邊緣處;(4)按照步驟(2)和(3)繼續(xù)往下找，直到Kn與Kn－1差值的絕對值大于T，則認為找到邊緣點xn;(5)按照步驟(2)，(3)和(4)向左邊尋找左邊緣點 x′n.

根據(jù)此邊緣提取算法［14]可以檢測到船艙艙口邊緣上的兩點，并得到測距儀中心到兩點的水平距離，兩個距離之和即為測距儀檢測平面內(nèi)艙口邊緣兩點間的長度.通過激光雷達在水平面內(nèi)的旋轉(zhuǎn)，激光雷達進行多次掃描，得到多組船艙邊緣上的點，將這些點用直線依次連接起來，就可以得到船艙的形狀(見圖5).

圖5 邊緣提取算法示意圖

2.2 物料形狀自動提取算法

港口散貨裝卸作業(yè)中，作業(yè)料堆的堆型分布、最大高度、最小高度、體積等都需要進行實時監(jiān)測，確定后續(xù)作業(yè)的工作參數(shù)須經(jīng)過一定規(guī)則的計算.

由第2.1節(jié)的艙口圖像擬合算法可同理找到垂直面上的邊緣點{y0，y1，y2，…，yn}，利用式(3)將邊緣點轉(zhuǎn)換為二維平面上的點并擬合出內(nèi)艙壁的形狀［15-16]，見圖 6.在散貨作業(yè)中，作業(yè)的連續(xù)性極其重要，一旦停止流程或全線停機，可能導(dǎo)致拋料鏟堵塞等嚴(yán)重情況，致使設(shè)備磨損、增加不必要的人工作業(yè)、影響作業(yè)效率.因此，必須實時監(jiān)測作業(yè)船只的傾角，防止發(fā)生船舶傾覆事件.船艙的傾角α可以通過邊緣直線的斜率k計算，根據(jù)最小二乘法即可得到k(式(14))，則船艙的傾角α可用式(15)求解.系統(tǒng)根據(jù)此傾角自動調(diào)整落料的軌跡，自動控制作業(yè)船舶的傾角在2°之內(nèi)，以確保作業(yè)安全.

圖6 船艙壁擬合示意圖

設(shè)(x0，y0)，…，(xn，yn)是在船艙壁上找到的 n個點，設(shè)置閾值［17]

激光雷達掃描到的數(shù)據(jù)的絕對值若大于T，則此點不可能為物料點，軟件自動將絕對值大于T的點過濾掉，剩下絕對值小于T的點即為物料點，將這些點用最小二乘法進行精確的直線擬合，即可得到物料的形狀，見圖7.

圖7 物料二維曲面

3 激光雷達現(xiàn)場試驗結(jié)果分析

改造結(jié)束后的自動化散貨裝船機在天津港煤碼頭進行一次裝船試驗，對系統(tǒng)性能進行測試:在散貨裝船機上安裝激光雷達(見圖8)，通過控制激光雷達在船艙上方不同的位置進行船艙尺寸以及物料位置的檢測(見圖9).表2是試驗結(jié)果.

圖8 激光雷達安裝示意圖

圖9 現(xiàn)場檢測軟件截圖

表2 檢測數(shù)據(jù)與實際數(shù)據(jù)比對

由表2可知，誤差大小控制在2%以內(nèi)，測量的結(jié)果與實際結(jié)果非常接近，并且滿足自動化裝船作業(yè)的要求.根據(jù)船艙和艙內(nèi)堆料的形狀，即可得到船艙的傾角，為下一步的落料點提供確切依據(jù)，從而為實現(xiàn)裝船的自動化提供基礎(chǔ).

4 結(jié)束語

隨著世界港口散貨總體吞吐量的迅速增長，碼頭散貨裝卸面臨很大的壓力，進行散貨的自動化生產(chǎn)和信息化管理勢在必行.此新型散貨裝船機自動化模式便是適應(yīng)這一新形勢的未來散貨裝卸自動化系統(tǒng)的組成部分之一，可在無人操作的情況下實現(xiàn)遠程安全、可靠的自動化裝卸作業(yè)，在節(jié)約人力的同時提高系統(tǒng)作業(yè)效率.

［1]包起帆.港口散貨全自動裝卸設(shè)備研究與開發(fā)［J].中國機械工程，2008(23):2797-2803.

［2]李柯.港口散貨碼頭智能化控制和管理研究［J].水運管理，2001，23(1):19-21，32.

［3]陳韜.現(xiàn)代散貨碼頭自動化和信息技術(shù)的發(fā)展趨勢及應(yīng)用［C]//中國土木工程學(xué)會港口工程分會技術(shù)交流文集，2009:28-32.

［4]王云強.淺談大型港口機械行業(yè)差異化發(fā)展戰(zhàn)略研究［J].現(xiàn)代商業(yè)，2011(29):121.

［5]于勁松.大型港口機械自動控制系統(tǒng)的可行性研究［J].中小企業(yè)管理與科技，2010(5):265.

［6]ZHANG Wenjun，WU Tao.Remote 3D measurement＆ visualization system based on laser scanning＆ 3D reconstruction［C]//Photonics＆ Optoelectronic，19-21 June 2010.

［7]XU Huipu，MA Zi，CHEN Yuqing.A modified calibration technique of camera for 3D laser measurement system［C]//Automation ＆ Logistics，5-7 Aug 2009.

［8]ZHENG Keqiang，ZHUANG Yan，WANG Wei.Automated 3D scenes reconstruction for mobile robots using laser scanning［C]//Control＆ Decision Conference，17-19 June 2009.

［9]毛建東，華燈鑫，王玉峰，等.基于小波包分析的激光雷達信號消噪算法的研究［J].中國激光，2011，38(2):220-227.

［10]黃洪瓊，溫軍燕.基于小波變換的圖像融合［J].上海海事大學(xué)學(xué)報，2006，27(1):58-61.

［11]尚軍偉，張延華，柳佳斌.基于小波邊緣識別的圖像匹配算法［C]//2010振動與噪聲測試峰會論文集:151-153.

［12]謝宏，李琳琳，薄華，等.基于NSCT和ACO的SAR圖像艦船檢測［J].上海海事大學(xué)學(xué)報，2009，30(4):17-21.

［13]劉佳嘉，何小海，陳為龍.一種結(jié)合小波變換的FIFT特征圖像匹配算法［J].計算機仿真，2011(1):257-260.

［14]呂葉寅，宓為建.船艙位置激光雷達掃描檢測［J].上海海事大學(xué)學(xué)報，2010，31(4):54-58.

［15]MAO Xuesong，INOUE D，KATO S，et al.Amplitude-modulated laser radar for range and speed measurement in car applications［J].Intelligent Transportation Systems，2012，13(1):408-413.

［16]BIEGELBAUER G，VINCZE M.3D vision-guided bore inspection system［C]//Computer Vision Systems，4-7 Jan 2006.

［17]李鵬輝，趙文光，朱宏平，等.基于數(shù)字圖像處理技術(shù)的多點動態(tài)位移監(jiān)測［J].華中科技大學(xué)學(xué)報:自然科學(xué)版，2011，39(2):80-84.