軌道測量裝置激光光斑中心定位*

許海翔 李哲一 吳峰崎 龔 文 劉玉明

上海市特種設(shè)備監(jiān)督檢驗技術(shù)研究院 上海 200062

0 引言

傳統(tǒng)起重機的軌道測量存在受環(huán)境變化影響大、精度低、勞動強度高及安全性較差等缺陷，本文研制了軌道激光測量裝置，開發(fā)了軌道測量小車及控制分析軟件，以實現(xiàn)軌道的自動化測量和數(shù)據(jù)實時分析。測量裝置[1-3]的測試精度由2方面決定：一是測量小車的姿態(tài)能夠真實反映軌道的空間尺寸變化情況；二是光斑圖片的計算中心點能夠準(zhǔn)確定位激光發(fā)射器的中心軸線。前者通過合理設(shè)計測量小車的軌道夾緊機構(gòu)及行走機構(gòu)保證小車行走姿勢穩(wěn)定可靠；后者根據(jù)現(xiàn)場條件等多方面因素設(shè)計光斑中心算法，故光斑中心位置是決定軌道測量精度的關(guān)鍵指標(biāo)。

目前比較常用的光斑中心定位法有質(zhì)心法、圓擬合法、Hough變換法、空間矩法[4-6]等，這些算法在檢測精度、速度和抗干擾性上都存在不足?；叶荣|(zhì)心法對于均勻光斑能夠較準(zhǔn)確定位，計算速度快、抗干擾能力差，對于復(fù)雜情況實際圖像，定位精度很差，且只能定位中心，不能計算半徑。Hough變換圓檢測是目前應(yīng)用最為廣泛的方法之一，其可靠性高，對噪聲、變形、部分區(qū)域殘缺、邊緣不連續(xù)等有較好的適應(yīng)性，缺點是計算量大，需對參數(shù)空間離散化，限制了檢測精度。另外，參數(shù)空間得票最高的點未必唯一，選擇不同點得到的圖像空間曲線差異較大。圓擬合法時間復(fù)雜度較小，運算的精度較高，算法速度較快，但其抗干擾能力較差。當(dāng)隨機噪聲存在時，中心運算精度會明顯降低；當(dāng)遇到很強的外界干擾時，所得到的圓心可能會產(chǎn)生明顯錯誤。在現(xiàn)場測量環(huán)境中，由于測距范圍變化大，激光光斑存在著散斑、光斑信號強度分布不均勻等干擾因素，僅采用一種光斑中心定位法很難獲得理想效果。

本文采用形態(tài)級聯(lián)濾波器和高斯核濾波器對光斑圖像進行去噪光滑預(yù)處理，為充分利用光斑灰度光強分布特性，采用OTSU算法和最大光強確定閾值區(qū)間，以函數(shù)進行非均勻閾值分割得到一系列二值光斑圖像。在質(zhì)心法初步確定光斑中心后，對其邊緣提取圖像進行Hough變換得到一系列中心點樣本，然后采用K-means算法獲得聚類中心，通過BP神經(jīng)網(wǎng)絡(luò)擬合的坐標(biāo)函數(shù)對應(yīng)關(guān)系，求出中心的實際坐標(biāo)。

2 光斑圖像的畸變校正

2.1 測量原理

如圖1所示，用激光器發(fā)射的激光束作為基準(zhǔn)坐標(biāo)軸，帶有光屏的測量小車在軌道上移動，攝像頭記錄光屏上的光斑圖片，并傳輸至計算機圖像處理軟件提取光斑中心，換算為小車光屏中心位移，該相對位移即為軌道相對于基準(zhǔn)的偏差值，同時記錄測量小車行走的位移，經(jīng)換算生成軌道的空間曲線。

2.2 光斑圖像畸變校正

如圖2所示，測量小車上裝有接收屏和攝像頭，攝像頭記錄激光光斑圖像。由于攝像頭的魚眼效應(yīng)產(chǎn)生了圖像桶形畸變，因此需進行畸變矯正，使圖像點坐標(biāo)轉(zhuǎn)化為真實坐標(biāo)[7]。常用的方法有二元多項式法、神經(jīng)網(wǎng)絡(luò)訓(xùn)練及支持向量機法等，其本質(zhì)都是對坐標(biāo)轉(zhuǎn)化中非線性函數(shù)關(guān)系的擬合。神經(jīng)網(wǎng)絡(luò)利用其自適應(yīng)性擬合坐標(biāo)映射函數(shù)，能夠有效地完成圖像矯正，其泛化能力優(yōu)于二元多項式法[8]。

圖2 測量小車及接收屏

本文采用BP神經(jīng)網(wǎng)絡(luò)法對圖3畸變圖像坐標(biāo)進行矯正，實際坐標(biāo)單元格距離為5 mm，建立坐標(biāo)映射對應(yīng)關(guān)系，其中輸入為畸變圖像點坐標(biāo)，點擊取點確定10組530×2數(shù)據(jù)，輸出為以o點為原點確定的對應(yīng)實際坐標(biāo)，按輸入次序重復(fù)10組530×2數(shù)據(jù)，隱含層有2個，節(jié)點數(shù)分別為5、6。選取9組數(shù)據(jù)為訓(xùn)練集，1組數(shù)據(jù)為驗證集，通過訓(xùn)練得到網(wǎng)絡(luò)的權(quán)值和閾值，各點預(yù)測誤差最大不超過0.5。

圖3 坐標(biāo)畸變圖像

3 光斑圖像中心算法

3.1 圖像預(yù)處理

本算法流程如圖4所示。為便于激光光斑中心的定位和距離計算，采用全站儀測量光屏上確定的坐標(biāo)點，并構(gòu)建數(shù)學(xué)形態(tài)學(xué)濾波器級聯(lián)濾波去噪，再進行高斯核函數(shù)平滑，完成圖像預(yù)處理。圖5為光斑1預(yù)處理不同階段圖像。

圖4 算法流程圖

圖5 光斑1預(yù)處理不同階段圖像

3.2 圖像閾值的選取

灰度圖像采用閾值分割并進行二值化是比較關(guān)鍵的環(huán)節(jié)，二值化閾值的選取關(guān)系光斑中心坐標(biāo)計算的精確度。OTSU法[9]是最大類間方差閾值方法，將灰度圖像按級數(shù)分為2個部分，使其之間灰度值差異最大，每個部分灰度差異最小，是圖像分割閾值選取的最優(yōu)方法。在現(xiàn)場測量中，由于測距范圍變化大，激光光斑存在散斑、光斑信號強度分布不均勻等干擾因素，需充分利用光強分布特性，閾值區(qū)間定義為其中為OTSU法確定閾值，為最大灰度光強值。圖6為對光斑1灰度圖像分割閾值平面示意，由于所需提取的光斑的中心特性與光強較大部分有關(guān)，而與光強較小部分（對應(yīng)散斑、反射光及背景光等）基本無關(guān)。為充分利用光斑光強在不同高度截面分布信息，采用閾值區(qū)間內(nèi)對灰度圖像以函數(shù)進行非均勻閾值分割，使得光強低的區(qū)域閾值分割較疏，光強高的區(qū)域閾值分割較密，進而后續(xù)光斑中心樣本聚類分析能較好地反映中心特性。

圖6 光斑1灰度圖像

3.3 基于Hough變換的光斑中心計算

Hough變換是一種在圖像中定位形狀的技術(shù)，定義了從圖像點到累加器空間的映射，廣泛用于提取直線、圓和橢圓[10,11]。光斑圖像經(jīng)閾值區(qū)間分割得到一系列二值圖像光斑大小也在不斷變化，其估計半徑在40.7～233.1像素之間。為克服傳統(tǒng)的Hough變換計算時間較長的缺點，對二值光斑圖像先采用Sobel算子提取邊緣圖像，搜索半徑在估計半徑的f20像素范圍內(nèi)，以最大光強面積質(zhì)心作為初始圓心，圓心累加器在初始圓心的像素范圍內(nèi)計算，以減少Hough變換計算量。為使光斑變形較嚴重時也能得到正確的結(jié)果，對所有搜索半徑對應(yīng)的圓心累加器最大值進行排序，保留后20%區(qū)間圓心累加器，經(jīng)計算得到一系列光斑中心。

3.4 圓心樣本的聚類分析

聚類分析將給定的數(shù)據(jù)分成不同的簇，分類原則是高的簇內(nèi)相似性和低的簇間相似性，K-means聚類算法是典型的分割迭代算法，即固定K類并根據(jù)最小距離準(zhǔn)則對樣本進行分類。本文對光斑中心坐標(biāo)樣本進行K-means聚類分析計算，從樣本點分布情況確定分為3類，并計算每類的質(zhì)心，將樣本數(shù)最多的類質(zhì)心確定為光斑中心。

4 試驗結(jié)果與分析

4.1 本算法與質(zhì)心法的比較

為了驗證本算法的有效性，將閾值區(qū)間非均勻劃分為62個二值圖像，對其分別進行Hough變換求中心，經(jīng)中心坐標(biāo)樣本聚類分析后，得到光斑中心圖像坐標(biāo)為(319，149)，其中心圖像實際坐標(biāo)為(322.687 2，151.544 6)，如圖7所示。其中三角形為本算法中心，方塊為圖像實際中心，“.”為62個中心坐標(biāo)樣本點。圖8為質(zhì)心法經(jīng)聚類得光斑中心圖像坐標(biāo)為(316.052 1，150.023 1)，其中三角形為質(zhì)心法中心。本算法誤差距離為4.48，質(zhì)心法誤差距離為6.81，故本算法精度優(yōu)于質(zhì)心法。

圖7 本算法聚類中心

圖8 質(zhì)心法聚類中心

4.2 本算法誤差情況

為了驗證算法的精確程度，再選取光斑2圖像進行中心分析，如圖9所示。采用本算法參數(shù)設(shè)置同前，圖10為本算法中心坐標(biāo)(436，150)，真實中心圖像坐標(biāo)為(437.436 5，154.359 5)，分別如圖9中三角形和方塊所示。將圖6和圖9光斑圖像通過BP神經(jīng)網(wǎng)絡(luò)法求得其實際坐標(biāo)分別為(-0.563 4，15.577 7)、(19.834 5，15.621 1)，屏幕真實坐標(biāo)為(0，15)、(20，15)，定位誤差距離分別為0.81 mm、0.65 mm，2光斑點距離誤差為1.99%。其他邊緣及中部位置光斑圖像進行中心提取如表1所示。

表1 本算法與質(zhì)心法誤差比較

圖9 光斑2原圖像

圖10光斑2聚類中心

5 結(jié)論

本文根據(jù)激光光斑光強分布的特性，提出了精度滿足要求的光斑中心算法。在圖像預(yù)處理基礎(chǔ)上，采用OTSU算法和最大光強確定閾值區(qū)間，并進行非均勻閾值分割，充分利用光強較大部分截面能夠較好反應(yīng)光斑中心的特點。系列截面圖像光斑中心的提取結(jié)合質(zhì)心法和Hough變換，降低了Hough變換計算量。在本算法框架下，對比質(zhì)心法和Hough變換獲得的光斑中心精度，本算法精度高于質(zhì)心法，能夠滿足現(xiàn)場測試的精度要求。本軌道激光測量裝置成本低使用便捷，具有較好的推廣應(yīng)用前景。