雙目立體視覺技術(shù)在潛孔鉆機(jī)鉆孔定位中的應(yīng)用

吳萬榮，史 建，徐 智

(中南大學(xué)機(jī)電工程學(xué)院，湖南 長沙 410083)

潛孔鉆機(jī)主要用于露天礦山的開采、建筑基礎(chǔ)開挖、建材、水利、交通以及國防建設(shè)等多種工程中的鑿巖鉆孔工作，具有鉆孔深、鉆孔效率高、適應(yīng)范圍廣等特點(diǎn)，是目前應(yīng)用最為廣泛的大型鑿巖鉆孔設(shè)備之一.鉆孔定位是潛孔鉆機(jī)工作的基礎(chǔ)，鉆孔之前需先對(duì)打孔位置用孔位標(biāo)識(shí)進(jìn)行標(biāo)識(shí).目前，國外已研制出模塊化的計(jì)算機(jī)鉆車控制系統(tǒng)，定位和鉆孔都由RCS(rig control system)自動(dòng)控制，操作員角色轉(zhuǎn)變?yōu)楸O(jiān)督員，自動(dòng)化水平較高［1-3］.隨著人力資源成本的提高以及對(duì)產(chǎn)品使用性能和質(zhì)量要求的提高，國內(nèi)也開始了這方面的研究［4］，目前尚處于初級(jí)階段，還需要大量的研究以及實(shí)際應(yīng)用工作.

筆者將立體視覺技術(shù)引入潛孔鉆機(jī)鉆孔定位領(lǐng)域，提出采用隸屬度函數(shù)為梯形函數(shù)的模糊閾值分割方法實(shí)現(xiàn)對(duì)孔位標(biāo)識(shí)的識(shí)別分割，并利用圖像的幾何不變矩原理提取標(biāo)識(shí)質(zhì)心，從而獲取孔位的三維位置信息，為實(shí)現(xiàn)潛孔鉆機(jī)鉆孔自動(dòng)化鉆孔定位提供技術(shù)基礎(chǔ).

1 雙目立體視覺技術(shù)

雙目立體視覺是計(jì)算機(jī)視覺的一個(gè)重要分支，它是由兩臺(tái)或一臺(tái)攝像機(jī)經(jīng)過平移或者旋轉(zhuǎn)拍攝含有目標(biāo)的兩幅圖像，通過計(jì)算目標(biāo)在兩幅圖像中的視差，由三角法測(cè)量原理求取目標(biāo)點(diǎn)的三維坐標(biāo)信息.最常用的攝像機(jī)成像幾何模型為透視投影模型［5-6］，如圖1 所示.

圖1 雙目立體視覺幾何模型

設(shè)Pl(xl，yl)和Pr(xr，yr)為目標(biāo)點(diǎn)P在兩攝像機(jī)成像平面上的圖像坐標(biāo).選取兩攝像機(jī)中心Cl，Cr為攝像機(jī)坐標(biāo)原點(diǎn)，連線ClCr向右為x軸的正方向，垂直于水平面向下為y軸的正方向，垂直于成像平面并指向目標(biāo)點(diǎn)P為z軸的正方向.為計(jì)算方便，選取世界坐標(biāo)系OwXwYwZw與左攝像機(jī)坐標(biāo)系Clxlylzl重合.在求取目標(biāo)點(diǎn)P的世界坐標(biāo)時(shí)，需先將經(jīng)圖像處理得到的像素坐標(biāo)轉(zhuǎn)換為圖像坐標(biāo)，即

式中:(x，y)為目標(biāo)點(diǎn)的圖像坐標(biāo);(u，v)為目標(biāo)點(diǎn)的像素坐標(biāo);(u0，v0)為攝像機(jī)的圖像中心;dl為攝像機(jī)像元尺寸.

則由三角測(cè)量原理可求得目標(biāo)點(diǎn)P的世界坐標(biāo)(Xw，Yw，Zw)為

式中:(xl，yl)為左攝像機(jī)圖像坐標(biāo);(xr，yr)為右攝像機(jī)圖像坐標(biāo);f為攝像機(jī)焦距;b為雙目攝像機(jī)基線.

2 立體視覺系統(tǒng)組成

立體視覺系統(tǒng)由雙目攝像機(jī)、1394圖像連接線、1394圖像采集卡以及工控機(jī)組成.攝像機(jī)采用PointGrey公司的Bumblebee XB3攝像機(jī)，為提高定位精度，采用基線為24 cm的兩個(gè)攝像機(jī)，其分辨率為1280×960.Bumblebee XB3攝像機(jī)參數(shù)如下:b=0.240125 m，f=3.8 mm，dl=3.75 μm，u0=644.612像素，v0=474.974像素.

由于潛孔鉆機(jī)鉆孔時(shí)具有較大的沖擊振動(dòng)，因此采用ECM-945GSE型工控機(jī).雙目攝像機(jī)通過1394圖像連接線與工控機(jī)上的1394圖像采集卡相連接.

視覺平臺(tái)結(jié)構(gòu)如圖2所示.

圖2 立體視覺系統(tǒng)結(jié)構(gòu)圖

由圖2可以看出，以LabVIEW作為程序的框架，采用PointGrey公司提供的FlyCapture軟件包進(jìn)行雙目攝像機(jī)初始化設(shè)置和數(shù)據(jù)采集，以及Triclops Stereo Vision SDK軟件包進(jìn)行圖像校正，通過讀取雙目攝像機(jī)的內(nèi)置校正參數(shù)，無需棋盤格便可以輸出校正過的精確圖像，供下一步數(shù)據(jù)處理以及計(jì)算.采用OpenCV函數(shù)庫進(jìn)行圖像處理程序的編寫.

3 標(biāo)識(shí)識(shí)別與中心提取

閾值分割法是目前最常見、最簡單的圖像分割技術(shù)，其中閾值的選取直接影響到圖像分割的質(zhì)量.灰度直方圖是利用灰度值進(jìn)行圖像分割的理論基礎(chǔ)，它表示圖像中在某種灰度等級(jí)的灰度值i的像素?cái)?shù)ni與灰度值i的對(duì)應(yīng)關(guān)系.在一幅圖像中，背景與目標(biāo)的邊界點(diǎn)屬于背景還是目標(biāo)的模糊性最大.而對(duì)于其他點(diǎn)，其灰度值與分割閾值距離越大模糊性越小，這就是模糊集合理論應(yīng)用于閾值分割的理論基礎(chǔ)［7-10］.設(shè)μ(imn)為在大小為M×N的圖像I中像素(m，n)在L級(jí)灰度上的隸屬函數(shù)，則圖像I可表示為

模糊圖像分割法是通過計(jì)算圖像的模糊率γ(I)來反映圖像的模糊性度量，進(jìn)而選取圖像分割所需的閾值.模糊率越小，圖片中目標(biāo)與背景分離效果越好.模糊率γ(I)為

選取隸屬度函數(shù)為梯形函數(shù)的模糊閾值分割方法進(jìn)行圖像分割，梯形隸屬度函數(shù)如式(5)所示，函數(shù)圖形和分布如圖3所示.模糊集合由a，b，c，d確定，區(qū)間［0，(b+c)/2］段表示圖像中“暗灰度值”像素點(diǎn)的集合，區(qū)間［(b+c)/2，L］段表示圖像中“亮灰度值”像素點(diǎn)的集合，并按式(6)對(duì)圖像進(jìn)行模糊閾值分割.

圖3 隸屬度函數(shù)μ(imn)形狀及分布

則可以得出

式中T1，T2為圖像的黑白閾值.

將分割后圖像的不同連通區(qū)域采用8領(lǐng)域標(biāo)記法進(jìn)行標(biāo)記，將像素總數(shù)遠(yuǎn)小于或遠(yuǎn)大于孔位標(biāo)識(shí)區(qū)域的連通區(qū)域?yàn)V除.分割后圖像的質(zhì)心便是孔位中心.利用圖像的幾何不變矩原理可求得被分割區(qū)域的質(zhì)心.對(duì)于大小為M×N的圖像f(x，y)，區(qū)域密度的總和即為其零階矩:

設(shè)M10和M01分別為圖像對(duì)u和v軸的慣性矩，則有

式中f(x，y)可理解為一個(gè)像素的質(zhì)量.則被分割區(qū)域的質(zhì)心坐標(biāo)為

標(biāo)識(shí)識(shí)別與中心提取的結(jié)果如圖4所示，十字標(biāo)記處即為孔位中心.

圖4 目標(biāo)分割及特征提取結(jié)果

4 試驗(yàn)結(jié)果與分析

試驗(yàn)在基于文中所建立的立體視覺系統(tǒng)以及ECM-945GSE型工控機(jī)的TD138BM潛孔鉆機(jī)自動(dòng)定位試驗(yàn)臺(tái)上實(shí)現(xiàn)，如圖5所示.

采用直徑為200 mm的白色圓形標(biāo)識(shí)進(jìn)行孔位標(biāo)識(shí)，攝像機(jī)距離地面距離為2 m.進(jìn)行了30次定位試驗(yàn)，其中一組試驗(yàn)的孔位標(biāo)識(shí)原始圖像如圖6a，6b所示.經(jīng)圖像分割、像素標(biāo)記、質(zhì)心提取等圖像處理操作后可提取分割區(qū)域的質(zhì)心坐標(biāo)信息，如圖6c，6d中十字標(biāo)記處所示，即為所要提取的孔位標(biāo)識(shí)中心.

圖5 TD138BM潛孔鉆機(jī)

圖6 孔位識(shí)別與提取試驗(yàn)

由圖6可見，采用文中提出的圖像分割及目標(biāo)提取方法能夠有效分割孔位標(biāo)識(shí)并準(zhǔn)確獲得孔位標(biāo)識(shí)中心位置信息.需要注意的是，為獲得較好的分割效果，選取的孔位標(biāo)識(shí)應(yīng)盡量與背景有較大的灰度差別.

潛孔鉆機(jī)自動(dòng)定位結(jié)束后，通過試驗(yàn)定位誤差，如圖7所示.

圖7 立體視覺定位試驗(yàn)誤差

由圖7可見，采用文中提出的立體視覺系統(tǒng)定位誤差主要分布在15 mm到25 mm之間，需要指出的是，此誤差中還包含由于潛孔鉆機(jī)自動(dòng)定位控制過程帶來的誤差.此定位誤差能夠滿足潛孔鉆機(jī)對(duì)鉆孔定位精度的要求.

5 結(jié)論

1)建立了基于立體視覺的潛孔鉆機(jī)自動(dòng)定位系統(tǒng)，采用以灰度直方圖為基礎(chǔ)的模糊閾值分割實(shí)現(xiàn)了對(duì)孔位標(biāo)識(shí)有效信息的提取.由于潛孔鉆機(jī)工作環(huán)境復(fù)雜多變，要實(shí)現(xiàn)更為通用有效的圖像分割還需要進(jìn)一步的研究與試驗(yàn).

2)進(jìn)行了潛孔鉆機(jī)自動(dòng)定位試驗(yàn)，結(jié)果表明，建立的潛孔鉆機(jī)立體視覺定位系統(tǒng)定位誤差優(yōu)于25 mm，可有效地提高潛孔鉆機(jī)定位的精度.

References)

［1］Ramstr?m M.Atlas Copco drill rigs for mine automation and communication-a totally new technology platform for advanced mining systems［J］.CIM Magazine，2005，98:1088.

［2］Xiong Qingshan，Li Jia，Liu Shuangliang，et al.The computerized simulation software development of the pneumatic DTH［J］.Advanced Materials Research，2011，doi:10.4028/www.scientific.net/AMR.317-319.2113.

［3］V?rde P，Westin J，Sangireddy S，et al.Rig control system:WIPO patent 2012173563［P］.2012-12-21.

［4］陳 志.一種新型旋挖鉆機(jī)回轉(zhuǎn)定位系統(tǒng)的設(shè)計(jì)［J］.筑路機(jī)械與施工機(jī)械化，2013(1):76-77，81.Chen Zhi.Design of new type of rotary positioning system for rotary drilling rig［J］.Road Machinery＆ Construction Mechanization，2013(1):76-77，81.(in Chinese)

［5］顧 勇，何明昕.基于機(jī)器視覺的啤酒瓶檢測(cè)系統(tǒng)研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012，33(1):248-253.Gu Yong，He Mingxin.Research on beer bottle detection system based on machine vision［J］.Computer Engineering and Design，2012，33(1):248-253.(in Chinese)

［6］孫 俊，蘆 兵，毛罕平.基于雙目識(shí)別技術(shù)的復(fù)雜背景中果實(shí)識(shí)別試驗(yàn)［J］.江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2011，32(4):423-427.Sun Jun，Lu Bing，Mao Hanping.Fruits recognition in complex background using binocular stereovision［J］.Journal of Jiangsu University:Natural Science Edition，2011，32(4):423-427.(in Chinese)

［7］Cuevas E，Zaldivar D，Pérez-Cisneros M.A novel multi-threshold segmentation approach based on differential evolution optimization［J］.Expert Systems with Applications，2010，37(7):5265-5271.

［8］Lopes N V，Mogadouro do Couto P A，Bustince H，et al.Automatic histogram threshold using fuzzy measures［J］.IEEE Transactions on Image Processing，2010，19(1):199-204.

［9］蔡健榮，周小軍，王 鋒，等.柑橘采摘機(jī)器人障礙物識(shí)別技術(shù)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(11):171-175.Cai Jianrong，Zhou Xiaojun，Wang Feng，et al.Obstacle identification of citrus harvesting robot［J］.Transactions of the Chinese Society for Agricultural Machinery，2009，40(11):171-175.(in Chinese)

［10］Liu Dong，Jiang Zhaohui，F(xiàn)eng Huanqing.A novel fuzzy classification entropy approach to image thresholding［J］.Pattern Recognition Letters，2006，27(16):1968-1975.