顧 壹 蔣書波 繆小冬,2

(1. 南京工業(yè)大學(xué)電氣工程與控制科學(xué)學(xué)院，210009，南京；2. 康尼機(jī)電股份有限公司，210009，南京//第一作者，碩士研究生)

近些年，隨著城市基礎(chǔ)設(shè)施的大規(guī)模建設(shè)，城市軌道交通已經(jīng)成為不可或缺的交通工具，因此，對列車的安全提出了更高的要求。

據(jù)車輛運(yùn)用維護(hù)部門統(tǒng)計(jì)，在車門檢修中，查找故障的時(shí)間占總檢修時(shí)間的60%左右[1]。為了能夠更加快速、精準(zhǔn)地找到故障位置，縮減檢查人員的勞動(dòng)時(shí)間，更加合理地對車門做出評價(jià)，有必要深入研究車門故障原因、車門故障診斷技術(shù)等。

通過對城市軌道交通車輛設(shè)備的研究發(fā)現(xiàn)，需要在不影響正常工作的情況下，對門鎖工作狀態(tài)進(jìn)行監(jiān)測并診斷故障。為此，設(shè)計(jì)了一套以視覺測量為核心的嵌入式裝置，采用計(jì)算機(jī)視覺技術(shù)對車門鎖閉機(jī)構(gòu)進(jìn)行智能監(jiān)測。在嵌入式視覺監(jiān)測裝置中采用非接觸式的攝像頭傳感器，可以有效觀察鎖閉機(jī)構(gòu)的運(yùn)動(dòng)狀態(tài)，判斷車門鎖閉裝置的可靠性。

1 嵌入式視覺監(jiān)測裝置

1.1 基礎(chǔ)塞拉門結(jié)構(gòu)

選取塞拉門為研究對象，針對塞拉門鎖閉機(jī)構(gòu)的鎖銷和撞塊兩個(gè)部件進(jìn)行在線監(jiān)測與分析。圖1為塞拉門結(jié)構(gòu)圖。通常將子部件按照系統(tǒng)功能分為六個(gè)子系統(tǒng)，包括承載導(dǎo)向裝置、驅(qū)動(dòng)鎖閉裝置、控制裝置、門板裝置、內(nèi)外操作裝置和基礎(chǔ)部件[2]。

整個(gè)塞拉門系統(tǒng)被固定在車廂的安裝架上，車門正中間是一個(gè)長導(dǎo)柱，確保了車門在開關(guān)過程中能夠在垂直于車廂的平面上運(yùn)動(dòng)。同時(shí)在旋轉(zhuǎn)絲桿的下方，左右門扇各有一個(gè)導(dǎo)軌，這個(gè)導(dǎo)軌確保了車門能夠在開關(guān)門動(dòng)作時(shí)按照指定的塞拉行程運(yùn)動(dòng)。整個(gè)車門的開關(guān)門運(yùn)動(dòng)都是由電子門控器EDCU控制，電機(jī)在工作的時(shí)候會(huì)將電流信號、轉(zhuǎn)速值等傳輸給門控器[3]。由于車門長時(shí)間運(yùn)行后，車門鎖閉機(jī)構(gòu)的零部件開始老化，機(jī)械故障頻發(fā)，單靠從電機(jī)采集的數(shù)據(jù)已經(jīng)不能夠正確反映車門關(guān)門是否正常[4]。因此，提出了采用非接觸式攝像頭傳感器，在線監(jiān)測車門鎖閉機(jī)構(gòu)。

圖1 車輛塞拉門系統(tǒng)示意圖

1.2 在線采集的嵌入式監(jiān)測裝置

在線采集的嵌入式監(jiān)測裝置硬件結(jié)構(gòu)如圖2，其芯片為Broadcom BCM 2836，配備Video Core IV雙核GPU，GPU支持OpenGL ES 2.0,OpenVG硬件加速，1080p30H.264高清解碼，1GB內(nèi)存，4個(gè)USB 2.0接口，采用USB接口供電，有攝像頭接口，LCD接口，尺寸為85 mm×56 mm×17 mm。該圖像采集傳感器為30萬象素，采用USB接口，符合Video for Linux(簡稱V4L標(biāo)準(zhǔn))，輔助燈光采用LED貼片，將LED接到主板的輸入輸出引腳，通過高低電頻進(jìn)行控制。

圖2 在線采集的嵌入式監(jiān)測裝置

在線采集的嵌入式監(jiān)測裝置通過門控制串口采集關(guān)門信號，當(dāng)關(guān)門時(shí)開啟攝像頭進(jìn)行視頻拍攝，接收到關(guān)到位信號時(shí)結(jié)束拍攝，將拍攝的視頻和圖像保存到本地，經(jīng)過對圖像的處理與分析，將得到的撞塊與鎖銷的轉(zhuǎn)動(dòng)數(shù)據(jù)通過TCPIP協(xié)議發(fā)送到服務(wù)器。

2 檢測算法

2.1 參數(shù)標(biāo)定

攝像機(jī)將三維空間的實(shí)體變成二維圖像，為了得到一幅圖像的三維幾何信息，需要對相機(jī)進(jìn)行標(biāo)定[5]。采用平面標(biāo)定方法，即利用一個(gè)標(biāo)準(zhǔn)參照物與相應(yīng)圖像對應(yīng)的約束關(guān)系來求解攝像機(jī)參數(shù)。標(biāo)定結(jié)果如表1所示。

表1 標(biāo)定參數(shù)驗(yàn)證結(jié)果

根據(jù)表1中的數(shù)值可以得出，實(shí)際的坐標(biāo)值與計(jì)算得出的坐標(biāo)值存在著一定的誤差，兩者之間的絕對誤差主要是由透視成像效果所引起。當(dāng)成像距離不斷加長時(shí)，實(shí)際增加的物理距離所對應(yīng)的像素點(diǎn)數(shù)反而減少，因此在像素誤差比例相同的情況下，距離越遠(yuǎn)，誤差越大。另外，由于采用的是商業(yè)鏡頭，所以存在鏡頭畸變的現(xiàn)象，使攝像機(jī)標(biāo)定時(shí)，坐標(biāo)對應(yīng)變化有一定的非線性。

2.2 基于離散余弦信息的光斑檢測

采用離散余弦變換的方法對帶有圓形光斑的圖像進(jìn)行壓縮處理，提取圓形光斑的特征信息和位置信息。包括如下步驟：

步驟1：對原始采集圖像進(jìn)行預(yù)處理，主要有以下子步驟：

1) 對原始圖像灰度化，得到灰度圖像。

2) 把灰度圖像帶入離散余弦變換公式從而得到相位和幅值信息。

3) 濾波已經(jīng)得到的相位信息，求出濾波前后的相位信息差值。

4) 由灰度圖像處理后得到的幅值信息和③得到的相位差值進(jìn)行逆離散變換，得到預(yù)處理圖像。

步驟2：對預(yù)處理圖像進(jìn)行二值化計(jì)算，具體包括如下子步驟：

1) 設(shè)灰度圖像灰度級是L，則灰度范圍為[0，L-1]，圖像的最佳閾值為：

g=max[w0(t)·(u0(t)-u)2+

w1(t)·(u1(t)-u)2]

(1)

式中：

w0——前景像素點(diǎn)；

w1——背景像素點(diǎn)；

u0——前景像素點(diǎn)的平均灰度值；

u1——背景像素點(diǎn)的平均灰度值；

t——分割閾值。

此方法屬于最大間類方差法。

當(dāng)g最大時(shí)，此時(shí)分割閾值t就是最佳分割閾值；

2) 采用最佳閾值分割預(yù)處理圖像，得到二值圖像。

3) 對步驟2)處理后得到的二值圖像進(jìn)行邊緣檢測。通過對于二值圖像的遍歷，在發(fā)現(xiàn)像素值變化的地方即為圖像邊緣。

4) 對邊緣檢測后的圖像進(jìn)行質(zhì)心計(jì)算，公式如下：

零階矩陣公式為

(2)

一階矩陣公式為

(3)

式中:

i、j——均為圖像的坐標(biāo)值，

V——圖像的像素值；

M、N——圖像的長、寬。

則圖像的質(zhì)心坐標(biāo)為：

(4)

(5)

在對圖像進(jìn)行邊緣檢測、計(jì)算質(zhì)心后，在原始圖像中標(biāo)示出顏色光斑的形狀和位置。如圖3，邊緣檢測的結(jié)果就是標(biāo)記物的形狀，同時(shí)質(zhì)心坐標(biāo)值就是標(biāo)記物的坐標(biāo)。

2.3 基于骨架霍夫變換的線段檢測

采用基于骨架化的直線檢測和角度計(jì)算方法，包括如下步驟：

首先，通過閾值分割，計(jì)算得到目標(biāo)區(qū)域，然后通過對于顏色的分割將直線標(biāo)簽所在的前景與其余機(jī)械部件所在的背景鎖分離。

圖3 圓標(biāo)簽檢測圖

然后采用基于最大圓盤的形態(tài)學(xué)骨架抽取算法來獲取直線標(biāo)簽的骨架形態(tài)。所謂的最大圓盤是指在圖像中取一些圓，這些圓必須滿足三點(diǎn)要求：① 這些圓必須被圖像所包容，不能超出圖像的范圍；② 最大圓盤上至少有兩個(gè)點(diǎn)要與圖像的邊界相切；③ 這些圓必須是圖像中能勾勒出來的最大的圓，不能夠被其他圓完全地包容。

按照上述條件求取圖像骨架時(shí)，可以采取以下做法：第一，圖像要緩慢的逐步縮??；第二，在整個(gè)縮小的過程中，圖像的歐拉數(shù)應(yīng)該保持不變。以下是應(yīng)用數(shù)學(xué)概念來表達(dá)骨架求解過程。

對于n=0,1,2,…,定義骨架子集Skel(S;n)為圖像S內(nèi)所有最大圓盤n0的圓心x構(gòu)成的集合。從骨架的定義可知,骨架是所有骨架子集的并：

Skel(S)=∪ {Skel(S;n):n=0,1,2,…}

(6)

設(shè)x為歐氏空間E2上的集合,x的骨架記為s(x),sr(x)為骨架s(x)的子集,即sr(x)對應(yīng)于x的最大內(nèi)切圓半徑為r的骨架,則數(shù)學(xué)形態(tài)學(xué)對骨架的描述為：

(7)

式中:

rB——以r為半徑的圓；

drB——具有微小半徑值dr的圓。

歐氏網(wǎng)格空間Z2中,圓drB可近似認(rèn)為是一個(gè)小的結(jié)構(gòu)元素B。圓rB則近似地認(rèn)為是有離散半徑n的圓nB：nB=B⊕B⊕…⊕B(n次)。

得到二值化目標(biāo)的骨架數(shù)據(jù)后，再采用霍夫直線擬合方法得到直線的角度，結(jié)果如圖4所示。

3 實(shí)際測試

圖5為嵌入式視覺監(jiān)測裝置整體測試方案，包含關(guān)門信號觸發(fā)處理和故障信息分析并傳送[6]。

圖4 直線標(biāo)簽檢測結(jié)果圖

首先由車門控制器讀取關(guān)門觸發(fā)信號，啟動(dòng)攝像頭采集圖像，所有的視頻數(shù)據(jù)和圖像數(shù)據(jù)都保存在本地SD卡中。裝置讀取圖像數(shù)據(jù)進(jìn)行特征檢測處理，得到角度數(shù)據(jù)，通過無線通信模塊發(fā)送給服務(wù)器[7]。

圖5 嵌入式視覺監(jiān)測裝置功能圖

圓點(diǎn)光斑檢測和直線檢測均能達(dá)到檢測結(jié)果，但是通過實(shí)際臺架測試100組數(shù)據(jù)得知直線檢測容易受到噪聲的影響，標(biāo)準(zhǔn)差比較大，而圓點(diǎn)光斑檢測的結(jié)果要相對穩(wěn)定。

由于實(shí)際的測試是針對對稱同步的驅(qū)動(dòng)絲桿進(jìn)行的，因此，圓標(biāo)簽檢測和直線段檢測可以相互校核。圓標(biāo)簽的角度檢測誤差大約在±0.9°之間，直線的角度檢測誤差在±1.5°之間，因此直線檢測的誤差要略大，但也能夠滿足實(shí)際要求(如表2所示)。

4 結(jié)語

采用嵌入式機(jī)器視覺監(jiān)測裝置對反復(fù)旋轉(zhuǎn)門

表2 圓點(diǎn)標(biāo)記和直線段標(biāo)記檢測結(jié)果對比

鎖機(jī)構(gòu)進(jìn)行了檢測和分析，設(shè)計(jì)了一套基于ARM和Linux的圓標(biāo)簽和直線段檢測方法，通過實(shí)際測試驗(yàn)證了其有效性，得到以下結(jié)論：

1)采用圓點(diǎn)檢測相對于直線段標(biāo)簽檢測準(zhǔn)確度要高；

2)采用非接觸光學(xué)檢測方法,實(shí)施便捷、成本低。

3)通過機(jī)器視覺監(jiān)測裝置檢測到了鎖銷進(jìn)入鎖閉槽的回彈現(xiàn)象，與仿真數(shù)據(jù)基本吻合。