, , ,
(西南交通大學 機械工程學院,成都 610031)
公鐵聯(lián)運車是一種既可在公路上運行也可在鐵路上運行的新型運輸車輛。這種車在公路上由集卡車車頭進行牽引行駛,由公路轉(zhuǎn)鐵路時,汽車車胎上升到一定高度后,鋼輪被放下,落在鋼軌上,即轉(zhuǎn)成鐵路運行。它能夠在所有鐵路和公路覆蓋的區(qū)域進行運輸或作業(yè),集鐵路長距離、低成本和公路靈活機動、“門到門”的運輸?shù)碾p重優(yōu)勢于一身,是一種非常符合我國經(jīng)濟與運輸業(yè)發(fā)展需要,成本低、周轉(zhuǎn)快、效率高的多式聯(lián)運方式[1]。
目前世界上的公鐵聯(lián)運車基本都是采用人工輔助方式進行落軌對準,即一人在車旁利用人眼目測估計出鋼輪與鋼軌的距離,指揮集卡車司機調(diào)整鋼輪與鐵軌的相對位置,從而實現(xiàn)對準落軌。這種方法耗費人力且落軌效率不高。
隨著計算機技術和數(shù)字圖像處理技術的快速發(fā)展,基于機器視覺的測量技術因其具有測量速度快、系統(tǒng)結(jié)構(gòu)簡單、安裝方便等優(yōu)點,在工業(yè)幾何量測試中得到廣泛的應用[2]。采用機器視覺測量技術取代人工指揮落軌操作方式,可解放人力,極大地提高生產(chǎn)效率,促進公鐵聯(lián)運車更好的推廣應用。
公鐵聯(lián)運車導引落軌檢測系統(tǒng)檢測方案如圖1所示,在鐵軌旁畫上白線和黃線,集卡車司機通過后視鏡觀察黃線與車胎的相對位置,進行聯(lián)運車的粗定位。落軌檢測系統(tǒng)的攝像頭固定安裝在車架下方,其光軸與地面垂直,車架與攝像頭可視為一個整體,攝像頭安裝位置與聯(lián)運車鋼輪的相對位置一定。因此,通過檢測攝像頭中心在地平面的投影點與白色標志線的偏移距離和偏移角度,可以換算得到聯(lián)運車鋼輪與白色標志線的偏移距離和偏移角度。白色標志線與鋼軌的位置關系同樣固定不變,進而可以計算出鋼輪與鋼軌的偏移距離和偏移角度。集卡車司機根據(jù)此信息控制聯(lián)運車鋼輪與鋼軌的相對位置,使其對準,進行落軌精定位。
圖1 落軌檢測方案圖
系統(tǒng)整體結(jié)構(gòu)分為3個部分,圖像采集部分、工控機核心處理部分和平板顯示部分,如圖2所示。首先利用安裝在轉(zhuǎn)向架附近車架下方的攝像頭,采集車架下方區(qū)域的圖像信息,并傳輸至位于聯(lián)運車電氣箱內(nèi)的工控機。工控機對采集的數(shù)字圖像進行矯正、處理和計算,得到聯(lián)運車鋼輪與地面鋼軌之間的相對位置關系,并通過無線方式將結(jié)果傳輸至上位機。上位機是位于駕駛室的平板顯示器,用以指導司機操作聯(lián)運車完成落軌動作。
圖2 系統(tǒng)整體結(jié)構(gòu)
根據(jù)公鐵聯(lián)運車落軌要求,檢測系統(tǒng)需具有較高精度,最大落軌誤差不應超過±3 mm,同時需具有一定實時性,單相機系統(tǒng)平均響應時間不應超過200 ms,雙相機系統(tǒng)平均響應時間不應超過500 ms,根據(jù)粗定位的范圍大小,確定檢測范圍應大于300 mm*300 mm。
公鐵聯(lián)運車導引落軌檢測系統(tǒng)硬件部分主要由攝像頭、工控機、工業(yè)無線路由器、電源和平板顯示器等組成。
攝像頭的選型既要考慮安裝位置和圖像采集范圍等因素,又需要滿足系統(tǒng)對檢測精度和響應時間的要求。因此,系統(tǒng)選擇了帶USB3.0接口的高速工業(yè)數(shù)字單目相機。它采用一種逐行CMOS型傳感器,幀率為20 fps,每次采集圖像時間間隔為50 ms,能夠滿足系統(tǒng)響應時間的要求。攝像頭可視角度為120°,安裝高度約1 m,圖像采集范圍可達1.8 m*1.8 m,滿足檢測范圍要求。其最高分辨率可達2 592*1 944像素,像素間距為0.7 mm/pixel,能夠滿足落軌檢測系統(tǒng)的精度要求±3 mm。
工業(yè)控制計算機是整個檢測系統(tǒng)的主控制器,主要負責接收圖像數(shù)據(jù)、分析處理圖像和網(wǎng)絡傳輸?shù)裙δ埽x工控機的處理器為Windows10操作系統(tǒng),Intel Core i5處理器能夠較為快速地處理圖形運算工作,保證系統(tǒng)檢測的實時性。
工控器把檢測結(jié)果通過無線網(wǎng)絡傳輸至位于駕駛室的平板顯示器,傳輸內(nèi)容包括檢測結(jié)果和感興趣區(qū)域(ROI)的圖像。圖像大小約為0.31 MB,傳輸速度至少為50 Mb/s才能達到20 fps的顯示幀率,因此無線路由器選擇了百兆級工業(yè)路由器。
本系統(tǒng)下位機和上位機程序均是基于Windows系統(tǒng)下的LabVIEW平臺實現(xiàn)。系統(tǒng)的下位機程序流程圖如圖3所示,程序開始后,利用LabVIEW視覺模塊中的Configure Grab.vi進行攝像頭的初始化配置并利用Grab.vi獲取一幀圖像。使用C語言基于OpenCV編寫了圖像處理程序并生成動態(tài)鏈接庫(Dynamic-link Library, DLL),在LabVIEW中調(diào)用DLL,從而實現(xiàn)對獲取的圖像幀進行畸變矯正、圖像處理和距離計算等功能,最后將檢測結(jié)果和所采集的軌面圖像通過TCP/IP協(xié)議傳輸至上位機。上位機程序界面如圖4所示,實現(xiàn)檢測結(jié)果和軌面圖像的實時顯示功能。
圖3 下位機程序流程圖
圖4 上位機界面圖
單目視覺系統(tǒng)存在無法獲取立體信息的缺點,導致無法計算出被測物在空間中的幾何信息,而且攝像機所采集的圖像一般存在畸變誤差和透視誤差,因此必須對攝像機進行標定[3]。本系統(tǒng)的攝像頭一經(jīng)安裝后其焦距、位置和方向不會再發(fā)生改變,其焦距也固定不變,根據(jù)這一特點,本系統(tǒng)選擇了改進的張正友標定法[4]對攝像機進行標定,求取攝像頭內(nèi)外參數(shù)和畸變參數(shù),并對單張圖像進行畸變矯正[5]。
在實際應用中,不同的拍攝條件(如天氣原因造成的環(huán)境光照不足)下采集的圖像存在各種各樣的問題,導致獲取的圖像質(zhì)量不高。并且圖像在經(jīng)過采集、存儲、轉(zhuǎn)換、傳輸?shù)纫幌盗胁僮髦?,圖像的質(zhì)量會再次下降。因此在提取圖像的特征信息之前,需要對采集的圖像進行增強等處理。
3.2.1 圖像的增強
數(shù)字圖像處理技術中圖像增強方法分為空域法和頻域法兩大類。空域方法的原理是將圖像轉(zhuǎn)換為數(shù)字二維或三維矩陣,對矩陣值進行數(shù)學處理,從而實現(xiàn)圖像的增強效果。而頻域方法是對數(shù)字圖像進行傅里葉變換,在頻域中使用增強算子以調(diào)整圖像亮度、對比度或者灰度級別,從而實現(xiàn)圖像的增強[6]。但是頻域方法不能滿足對圖像的所有部分都能較好增強,且算法缺少自適應能力。
本系統(tǒng)選擇了空域方法中的直方圖均衡法。該算法的傳統(tǒng)做法是將圖像灰度信息通過非線性函數(shù)映射為在每個灰度級上的均勻分布信息,這種方法具有較好的對比度增強能力和動態(tài)能力,但由于其在均衡過程中沒有對圖像灰度數(shù)據(jù)加以選擇,因此對背景噪聲的對比度也有一定的增強,并且使圖像的細節(jié)消失。針對傳統(tǒng)方法的不足,Kim提出了一種基于灰度圖像均值分割的亮度均值穩(wěn)定的直方圖均衡化算法(BBHE)[7],這種算法既能夠一直保持灰度圖像的亮度均值不變,又能增強圖像對比度。Wan等人還提出了等面積的雙子圖像直方圖均衡化算法(DSIHE)[8],這種算法將圖像分割為兩個像素點數(shù)相等的圖像分別進行均衡化。此外,最大亮度雙直方圖均衡算法(MMBEBHE)[9]通過計算圖像的絕對平均亮度差,確保了增強后的圖像與原圖的亮度均值的誤差值最小。本文對采集圖像分別進行以上方法增強,增強效果分別如圖5和圖6所示。
圖5 不同方法均衡化效果圖對比
圖6 不同方法均衡化直方圖比較
從均衡化效果圖和直方圖可以看出,BBHE算法增強的圖像出現(xiàn)了一定程度的退化效應,圖像低亮度區(qū)域的信息有部分丟失,并且在增大了灰度圖像的對比度的同時,引入了噪聲。DSIHE算法和MMBEBHE算法處理后的圖像出現(xiàn)的退化效應較小,但也產(chǎn)生了噪聲。MMBEBHE算法計算過于復雜,十分耗時,處理一幅1 600 *1 200像素規(guī)格的灰度圖像需耗費3.8秒,遠遠達不到檢測系統(tǒng)實時性的要求。綜上分析比較,本系統(tǒng)選擇了DSIHE算法作為圖像增強算法。
3.2.2 提取邊緣信息
針對本系統(tǒng)所測對象模型,考慮攝像機安裝位置固定,檢測系統(tǒng)確定了一塊包含白色標志線和鋼軌圖像的矩形ROI區(qū)域,以此作后續(xù)處理計算。這塊區(qū)域大小為130*600像素,如圖7(a)所示。
系統(tǒng)需從圖像ROI中提取出白色標志線的邊緣特征,因此需對圖像進行邊緣檢測。本系統(tǒng)選擇的邊緣檢測算子是Canny算子[10],這種邊緣檢測算子不容易受噪聲干擾,對邊緣定位非常準確,圖像邊緣精確到一個像素點,檢測精度非常高。其原理是先利用高斯濾波器對圖像進行平滑,再根據(jù)數(shù)字圖像矩陣的一階有限差分近似代替導數(shù),計算圖像梯度矢量的模和方向,從而確定邊緣點。圖像的邊緣點即為在方向上使取得局部極大值的點。
(1)
(2)
式中,f(x,y)為圖像函數(shù);Gα(x,y)為高斯濾波函數(shù);Mα和Aα分別為梯度矢量的模和方向。
從圖7(b)可以看出,Canny邊緣檢測的效果整體上較好,準確檢測出了預設白色標志線的邊緣直線。但是,白色標志線左側(cè)邊緣信息被過度平滑,產(chǎn)生了局部圖像的失真。同時,邊緣檢測圖像中除了白色標志線的邊緣信息,還可能存在其他干擾信息,例如,圖7(b)中標志線邊緣上方存在一段近似和標志線平行的干擾信息。這可能會導致測量結(jié)果發(fā)生嚴重的偏差,所以,還需對標志線進行進一步特征提取。因為標志線始終是兩條平行直線,根據(jù)這一特征,選擇了利用概率Hough變換[11]對圖像中的直線進行自動識別定位。
如圖7(c)所示,通過概率Hough變換,標志線的特征非常好地被提取了出來,可直接得到標志線上下邊緣直線的4個端點的坐標值,這為后續(xù)算法計算距離提供了依據(jù)。值得注意的是,Canny算法造成的左側(cè)邊緣失真對Hough變換的效果沒有影響。
圖7 邊緣信息提取效果圖
3.3.1 偏移角度
偏移角度是指聯(lián)運車鋼輪與地面鋼軌之間形成的夾角,也即白色標志直線在圖像坐標系中的斜率角度。利用Hough變換得到了標志線兩條邊緣直線的4個端點坐標值,根據(jù)直線的兩點式方程:
(3)
式中,x1、x2、y1、y2分別為同一直線兩個端點的橫縱坐標值。
可以得到兩條直線方程為:
yu=kuxu+bu
(4)
yd=kdxd+bd
(5)
其中:ku和kd分別為上下兩條直線的斜率,且數(shù)值相等,由式(6)可計算得到。
(6)
根據(jù)斜率就能求得偏移角度θ為:
θ=tan-1ku
(7)
3.3.2 偏移距離
如圖8所示,取攝像頭光軸在地平面的投影點為O(xo,yo),即采集圖像的中心點,坐標值為(75,300)。作OP垂直于標志線,與標志線上邊緣相交于點P,可計算得到點P的坐標值(xP,yP)。
攝像機的內(nèi)參數(shù)矩陣A為:
(8)
式中,fx、fy分別為攝像機在x軸和y軸上的尺度因子,cx、cy為攝像機中心點坐標。
(9)
(10)
其中:f為焦距,dx,dy分別為圖像坐標軸中x、y軸上單位像素的尺寸大小。
△xT=△x*dx
(11)
△yT=△y*dy
(12)
式中,△x、△y為OP兩點在x、y軸方向上的像素點之差;△x、△yT為像素點差值所對應的實際差值。
因此,O點實際位置與地面鋼軌的實際距離D為:
(13)
根據(jù)O點實際位置與聯(lián)運車鋼輪的位置關系,進而算出聯(lián)運車鋼輪與地面鋼軌之間的偏移距離。
圖8 距離計算示意圖
為驗證本系統(tǒng)的精度和穩(wěn)定性,分別在不同環(huán)境(雨天、晴天)、不同工況(車體靜止、運動)下進行現(xiàn)場試驗。圖9為在晴天、雨天,車體運動、車體靜止時的實測數(shù)據(jù)誤差圖。從試驗數(shù)據(jù)來看誤差值都在允許范圍內(nèi),雨天時誤差會比晴天時大一些,車體運動時比靜止時誤差大一些,但是仍都在±3 mm之內(nèi),故系統(tǒng)的測距精度能滿足應用要求。
圖9 車體運動實測誤差圖
下位機系統(tǒng)測量得到檢測結(jié)果后,需要無線傳輸?shù)今{駛室的無線顯示器上進行顯示,為檢驗系統(tǒng)響應時間,對每一次循環(huán)中單相機和雙相機拍攝、測距并傳輸所用的時間進行了測試,測試結(jié)果如圖10所示??梢钥闯鰡蜗鄼C傳輸效率明顯更高,系統(tǒng)響應時間最高不超過200 ms。雙相機系統(tǒng)(車體前后各布置一個攝像機)雖然相比單相機系統(tǒng)的響應時間更長一些,但兩種方案的系統(tǒng)響應時間均滿足系統(tǒng)設計指標,即不高于500 ms,故都能滿足實際應用對實時性的要求。
圖10 響應時間測試結(jié)果
針對目前公鐵聯(lián)運車落軌時需要人工輔助,效率較低的問題,基于機器視覺研制了公鐵聯(lián)運車導引落軌檢測系統(tǒng)。從試驗的結(jié)果可以看到,系統(tǒng)能夠精確檢測出聯(lián)運車鋼輪與鋼軌的偏移距離,最大測距誤差不超過±3 mm;單相機圖像檢測、處理和傳輸更新時間不超過200 ms。檢測精度及實時性都能滿足應用需要。本系統(tǒng)取代人工指揮落軌的操作方式,可極大地提高生產(chǎn)效率,促進公鐵聯(lián)運車更好的推廣應用。