英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 外文译文
基于机器视觉的矿井提升机提升钢丝绳横向振动测量方法
使用边缘位置
Ganggang Wu1 , Xingming Xiao1, Jiannan Yao2 and Chunyang Song1
摘 要
提升垂直钢丝绳是提升机运行过程中一维运动的连续体，目前没有合适的方法测量其振动位移。提出了一种非接触式无标记机器视觉测量方法，用于测量提升垂直绳索的横向振动位移。首先，利用背景差分法构建背景图像提取绳索。随后，提出了一种新的行列数据统计滤波算法，并将其应用于边缘检测图像，以去除未测量绳的边缘。最后，利用霍夫变换定位绳索边界的两条边缘线，得到线参数，可用于计算不同时刻被测点的振动位移。采用已报道的机器视觉测量方法，测量了矿井提升机运行提升垂直钢丝绳的横向振动位移，验证了该方法的可行性。为了验证该方法的有效性，搭建了仿真实验系统。利用该方法和激光位移传感器测量了人工横向振动同时移动垂直绳索。这两个结果具有很好的一致性，表明该方法能够比较合理、准确地测量矿井垂直钢丝绳的横向振动位移。
关键词:机器视觉、Canny边缘检测算法、霍夫变换、行列数据统计滤波、振动测量、提升垂直绳索。
1.引言
提升垂直绳索的动态特性决定了落地式多绳摩擦式矿井提升机的安全性和稳定性，如图所示。竖直绳索的上端和下端分别与头部滑轮和提升输送装置连接。头部滑轮的轴向振动是由它们自身不可避免的圆度或同轴度和安装误差以及摩擦滑轮的缠绕运动引起的。同样，罐笼导轨的变窄会导致起重运输工具的横向波动。头部滑轮和提升运输的横向摆动会引起垂直绳索的横向振动，1振动示意图如图所示。这些横向振动可能会导致相邻绳索之间的碰撞，降低系统安全性并缩短绳索的寿命。为了给提升机的可靠性评估提供精确的数据支持，研究提升钢丝绳的减振方法，测量提升钢丝绳的振动位移具有重要意义。柔性提升钢丝绳是矿井提升机运行过程中一维运动的连续体。传统的振动测量技术采用不同的加速度计和位移传感器附着在被测物体上，影响了系统的固有特性，难以安装在运动的提升钢丝绳上。而这些传感器只能用于定点测量，对于绳索的振动测量是不合适和不可靠的。因此，我们需要考虑采用非接触测量技术来获得提升垂直绳索的振动位移。
Gentile3，4采用微波遥感技术测量了电缆的振动响应。采用激光测量系统对斜拉桥拉索和桥梁挠度及振动进行监测微波和激光系统自动控制精度高，价格昂贵，只能进行单点测量。沃森等人提出了基于全球定位系统技术的方法来监测斜拉桥的结构运动。Moschas和Stiros8使用全球定位系统和加速度计测量了一座短跨度人行桥的动态位移和模态频率。尽管全球定位系统技术测量柔性结构振动具有一定的精度，但测量数据不易采集，经济性差。
目前，基于图像处理的振动测量方法越来越多地被采用，它可以为柔性结构提供完整的视野，进行多点振动测量。Lee等11人利用运动跟踪方法来获得经历大位移的非常柔性的梁的动态特性。李等12人研究了一种基于正方形图像推进算法的非接触、非侵入式方法来观测斜拉索的大振幅振动。Kim13使用多模板匹配算法识别电缆表面上目标的中心。Kim和Kiml4通过使用归一化互相关算法来匹配对象，并通过引入二次多项式函数来校正变形图像和未变形图像之间的地理度量失真，从而研究了悬索的动态特性。Lee等15人使用高速摄像机通过跟踪其上的标记来测量细悬臂豆的振动。冯等16人采用了基于视觉的传感器系统，该系统通过鲁棒的方向码匹配()算法来测量电缆振动。陈等17，18人使用基于数字图像处理(DIP)的数字摄影测量技术来识别斜拉索的振型比例。Ribeiro等人基于二值图像和图像扫描技术建立了一个铁路桥面非接触动态位移测量系统，以跟踪预定目标的中心点。姚等20人应用基于单目视觉的均值漂移跟踪算法和数字图形叠加法测量起重臂的横向振动在矿井提升机中。
现有文献表明，柔性结构振动测量的研究对象主要是带有不同类型附加标记的斜拉索提升竖绳与斜拉索的区别在于提升竖绳的两端不固定，绳索中某一点的空间位置发生变化。为此，提出了一种基于DIP技术的非接触式无标记振动测量方法，用于测量提升垂直绳索中感兴趣点的横向振动位移。该方法利用背景差分法提取垂直绳索，利用Canny边缘检测算法和霍夫变换测量绳索边缘位置。
为了提高测量精度，采用一种新的行列数据统计滤波算法，保留被测绳索的边缘，去除未被测绳索的边缘，并优化霍夫变换的定位结果，消除绳索的内边缘。在自行搭建的仿真平台上测量了垂直绳索的人工振动，验证了所提出的方法。
- 方法
测量原理
垂直钢丝绳的主要振动来自于头部滑轮的偏转和轿厢导轨的随机不平度，它们平行于头部滑轮的轴向。因此，垂直提升钢丝绳振动测量的主要任务是获得其中任意一点的横向振动位移。很明显，竖绳是圆柱形的，在二维数字图像中显示为矩形，因此很容易获得其边缘信息。目标的位置可以通过在图像中定位目标的边缘来确定。这里，我们提出了一种基于DIP的边缘定位测量方法来测量垂直绳索的横向振动。
起重机运行前，垂直绳索处于初始位置。而在某一时刻，它处于动态位置。静止状态下动态点位置与其原始位置的偏移距离为其振动位移。因为竖绳有一定的宽度(绳直径的大小)，所以竖绳的边缘可以看作是它在图像中的实际位置。因此，振动在获得图像中的边缘位置之后，可以计算测量的提升垂直绳索的位移。在进行振动测量之前，有必要确定被测点在垂直绳索中的实际位置。坐标系是以o点，即天滑轮和一根垂直绳的切点为原点，垂直绳在初始位置的轴线作为x轴来确定被测位置。竖绳中的MO到原点的距离为xm，可以选择点MO作为测量点。
需要添加一条垂直于竖绳并穿过被测点的虚拟参考线，竖绳与参考线的交点即为每个图像中被测点的位置。点MO的位置包括两个交点，分别是M01和M02，这两个点是在时间t=0时垂直绳的左边缘和右边缘的点。并且在时间t=ti，点M01和M02的位置将处于动态垂直绳索中的点Mil和Mi2的位置。提升垂直绳索的振动位移是从点M0(点M01和点M02之间线段的中点)到点Mi(点Mi和点Mi2之间线段的中点)相对于时间的距离。在视频图像序列中，点M01和M02在时间t=0的像素坐标和点Mi1和Mi2在时间t=ti的像素坐标可以分别通过应用本文提出的边缘定位算法来确定。假设点M01和M02以及Mil和Mi2的像素坐标被确定为(x01，y01)和(x02，y02)以及(xil，yil)和(xi2，yi2)，则点和Mi的像素坐标(x0，y0)和(xi，yi)可以被容易地识别。
然而当点M0l在时刻t1的振动位移可以计算出来时，其中L(ti)是横向振动位移；I为单位为mm/像素的比例因子，用于将图像坐标系中的像素距离转化为实际距离；i=1，2，3..，N，N是视频图像的帧数。根据测量原理，我们确定了实现边缘位置测量方法的技术方法及其应用步骤。
从图中可以发现，除了图像采集之外，所提出的方法还包括三个部分:第一个虚线框中的边缘检测、第二个虚线框中的边缘定位和位移计算。在下面的小节中，我们将具体解释这三个部分。
图像采集
与传统的传感器测量技术一样，高速摄像机是一种用于图像数据采集的非接触式传感器。在这项工作中，一个易于安装的和便携式镜头的高速摄像机。摄像机可以采集视频图像，图像以768times;3times;1024像素分辨率数字化，每个像素为8位数据类型，采样率达到1000fps。并且数据采集系统还包括用于存储视频图像的便携式计算机。
在视频采集过程中，通常可以将摄像机直接安装在三脚架上，确保它在坚实的地面上。在本次工作中，中煤集团姚桥煤矿副井进行了实际的垂直钢丝绳振动测量。捕获的原始静态图像如图所示。图中表明，原始图像中不仅有上、下滑轮上的八根垂直绳索，而且头架和周围环境也不可避免地被拍摄下来。
- 基于边缘定位的振动测量方法
提取测量的垂直绳索
如图所示，很明显，垂直绳索周围的所有这些复杂背景将影响所测量的垂直绳索的特征提取。为了解决这个问题，我们选择了背景差分法来提取提升竖绳。假设当前图像及其背景图像分别为It(x，y)和I1(x，y)，背景减法可以表示为其中IIt(x，y)为只包含竖绳的差分图像；i=1，2，3....，N，N为视频图像序列的帧数；t是灰度值差值的阈值。
因为每张图像中都有竖绳，所以无法直接识别背景。为此，我们提出了构建背景的方法来获取背景图像。考虑到今后将采用测量技术获取竖井内垂直绳索的振动位移，在这种情况下，井壁将成为垂直绳索的背景。井孔壁的纹理结构也很复杂，但在所有区域都可以保持一致，因此构造背景的方法是合适的。一般来说，它是识别用于执行振动测量的感兴趣区域(ROI)所必需的。因此，在本文第四部分的案例研究中，将原始图像中的矩形区域A作为研究矿井提升机垂直钢丝绳横向振动的感兴趣区域。这里，我们还选择区域A来呈现图像处理方法。M是垂直绳索的中点。
原始图像序列第一帧中的区域A如图所示，为了构建背景，第一步是通过图6(b)中的边缘提取算法定位包含测量的垂直绳索的区域B。不定冠词可能会影响测得的绳索边缘的位置。这也是为什么我们选择背景差分法提取垂直绳而不是直接用边缘检测算法识别其边缘的原因。
为了解决这个问题，需要在视频中选择两幅图像，并利用帧间差分方法获得只包含垂直绳索的差分图像。这样就可以很容易地得到竖绳的边缘位置，只包含竖绳边缘的图像如图所示。接下来，如图所示，选择垂直绳索旁边的区域C来替换原始图像中的区域B。因此，可以获得如图所示的去除垂直绳索的背景图像，其可以用于背景减法中以提取测量的垂直绳索。
图显示了通过对感兴趣区域应用背景减法提取垂直绳索的有效图像，白色部分是在每个原始图像中位置不同的垂直绳索。而且还可以看到，图像中的圆柱绳在图中呈现为一个矩形，每个矩形区域的两条边缘线也保持非常清晰，这也证明了该方法的有效性。
垂直绳索的边缘检测
利用物体边缘信息来区分图像中的物体和背景是机器视觉技术的主要手段。通过比较多种不同检测算法对垂直绳索的不同边缘检测结果，选择Canny边缘检测算法对垂直绳索的边缘进行识别。该方法将高斯函数应用于图像滤波，利用一阶差分算子计算图像的梯度和方向。同时，利用非最大值抑制和滞后阈值法可以确定最大梯度值，实现边缘信息的获取。该算法能够在边缘检测和噪声点去除之间达到很好的平衡。
为了确认Canny边缘检测算法足够精确，为了识别垂直绳索的边缘，设计了一种新的简单的图像度量方法。首先，我们构建了一个不规则的几何图形，如图所示。其次，将Canny算法应用于几何图形绘制，检测结果如图8(b)所示。最后，我们比较了一些具体的参数。从原始图像中的m个边缘检测结果及其预设值中获得，以完成边缘检测图像的度量。
从图中可以看出，不规则几何图形的边缘线是绝对检测到的，一些小的边缘如L3线和L4线的交点也是原来呈现的。在图中，分别包括L1-L6线段的所有六条直线的斜率和截距是已知的。通过使用最小二乘拟合方法，我们确定了图中所有直线的斜率和截距，并与原始图像中的先验值进行了比较，并对Canny算法进行了精度分析。
从表中发现，原始垂直线L2和L5与检测到的垂直线L2和L5之间的斜率和截距的相对误差为0。对于垂直提升钢丝绳，它们的边缘线都是垂直线，所以用Canny算法识别垂直提升钢丝绳边缘的误差为0，表明Canny算法识别垂直边缘线非常准确。此外，来自非垂直线的相对误差小于0.5%，这也包括拟合误差，并且对于整数像素处的边缘位置可以忽略。
使用Canny边缘检测算法提取去除背景的垂直绳边缘的结果如图所示。在图中，其他未测量绳索的边缘线出现在区域A中。因此，在边缘位置，它可以定位未测量绳索的边缘，并且测量的垂直绳索很可能被忽略，从而降低测量精度。
针对这一问题，提出了一种新的滤波方法——行列数据统计滤波算法，用于保留被测数据的边缘。用绳子捆住，去掉未测量的绳子的边缘。此方法需要计算每个图像列中的有效点数。一般来说，测量的垂直绳索的边缘存在于具有最大有效点数的两列周围的几列中。通过比较每列中有效点的数量，两列的位置可以包含最左边和最右边的边，它们是垂直绳索的有效边。
这里需要说明的是，被测垂直绳通常存在于所选区域的中部。还应注意的是，具有绳索的每个子区域应该由一组连续的像素列组成，包括边缘检测图像中的有效点。并且可以根据每一列中有效点的统计结果来识别所有这些子区域。
假设所有可能包含垂直绳索有效边的列都被识别为一个集合U。因此，如果在感兴趣区域中有三个包含绳索的子区域，那么我们找到两个列，它们的位置在U中这些列的中间部分。并且如果在感兴趣区域中存在包括绳索的两个子区域，则位置远离感兴趣区域的末端的区域是被测绳索存在的位置。因此，我们可以在美国的这些列中找到与感兴趣区域末端距离最大的两列和第二列。然而，一般情况是只有一个子区域包括垂直绳，U中的两列是垂直绳的边缘位置。
在上述三种情况下，可以假设这两列可能包含所测量的垂直绳索的有效边缘，并且在列数为m的边缘检测图像中被识别为列(a)和(b)，我们可以将列(a)和列(b)之间的像素点(列外的像素点)的灰度值设置为0，这可以移除未测量的垂直绳索的边缘。然而，边缘检测图像的列(a)和列(b)是否是包括有效边缘的列是不确定的。因此，列(a)和列(b)周围的列中的像素点的灰度值不应该改变，范围大约是2-4像素，但根据我们在垂直绳索边缘检测的经验，它可能会更大。因此，我们设置一个更大的范围来保证所有可能的列都包含有
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[605036]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
