浅谈激光测距技术对料堆盘库的应用

浅谈激光测距技术对料堆盘库的应用
作者：杨栋；刘铮；





       随着市场经济的不断发展，成本核算对于企业日常管理的重要性日益明显。在大型冶金企业、火力发电厂、港口及车站等地方存在大量粉体物料堆。这些地方的料堆仅靠进出料场的衡器计量无法满足精确细化的成本核算。对于堆料场的精确盘库是企业成本控制的重要环节，精确控制物料存量有利于提高原料的利用率，控制原料消耗，合理配置空间资源，对经济效益有积极作用。目前大部分企业在测量时还采用最原始的方法，先用推土机对料堆推成标准几何状后，人工用皮尺进行丈量和估算。虽然小部分企业目前也有利用三维扫描、激光测距技术设计了半自动的测量系统，但在原理和实现技术上还存许多需要改进的地方，还无法适用于不规则料堆的测量。为解决企业对大型料堆进行精确盘库计量的需求，本文提出一种基于激光测距仪设计的料堆盘库系统。

1、盘库系统的主要结构及工作原理

      全部系统主要由激光测距，数据收集及处理，体积计算三个部分构成。系统硬件主要有激光测距仪，两个步进电机及其驱动电路，RS232 通讯接口，数据采集卡，计算机一台。激光测距部分由激光测距仪和水平步进电机和垂直步进电机组成。其中水平步进电机控制激光测距仪的水平转动，垂直步进电机控制激光测距仪的垂直运动。先由激光测量装置测得料堆表面某一点到激光测距仪的直线距离 L，再根据此时激光测距仪的水平角度 α 和垂直角度 β，可以计算出该点在以该料仓构建的三维空间的坐标。如图 3 所示，在已知激光测量装置安装的高度 H 时，并以此激光测距仪在水平面上的投影为原点构建的 XYZ 三维坐标系中我们可以计算出测量点的三维坐标 。

       测量时首先控制垂直步进电机让激光测距仪纵向转一个角度并保持住；然后水平步进电机使激光测距头微步距地做水平扫描，且每偏转一个等值的角度，激光测距头就发出一束激光同时测得该点距离并根据式转化成三维坐标。同理，纵向角再偏转相同角度，激光头再做水平扫

描并测量获得相应的三维数据，直至完全获取整个料堆的三维点云数据。在对料堆的实际测量中可依据料堆的不规则程度和料堆的占地面积确定所需安装激光测距仪的个数。最后对所有数据进行合并计算，把所测得所有三维数据合成到同一坐标系中获得该料堆的三维点云图。

2、数据处理及三维重建

       激光测距装置所采集的数据与 PC 机通过RS-232 接口进行通讯传输，在对这些数据处理时我们借助 MATLAB 软件进行分析处理。MATLAB是美国 athWorks 公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，全称为矩阵实验室 （Matrix Laboratory）。借助 MATLAB 平台的编程及调用相关函数实现测距数据后期处理、料堆三维的重构和体积计算。运用 MATLAB 可以将 PC 机采集的测距数据实时画出三维点云图。通过编程便可实现数据的读取、转换和实时完成绘图，方便快捷。随着测距仪每转动一个角度。对料堆采集一个点的数据，最终数据以点云图的形式记录下来。可以在编程中根据料仓的实际情况设定特定长度和扫描的角度初步过滤无效数据。初步处理后的数据后获得的料堆点云数据是离散和杂乱的、非均匀分布的。不仅数据量庞大，而且包含有许多杂点、噪声点等。这些因素会影响了进一步的料堆三维重构。要对散乱的点云数据进行下一步处理。常用的方法包括滤波去噪、数据、精简、数据插补等。这里采用阈值滤波算法对点云数据进行删减，去除明显噪点，精简数据。根据所测得料堆点云数据的特点设置合适的阈值，通过滤波后大于阈值的异常点被剔除出点云数据。再借助MATLAB 的 Find 函数滤除点云数据中的躁点。

       建立物料堆的三维仿真模型，直接可看出料堆的平整度，可以更为精确得估算体积。由离散的点云数据重构曲面有多种方式，大都是基于数据插补的原理而实现的。在处理离散点云数据时， Delaunay 三角剖分法最具有代表性。令 S= {S1，S2， … ， SN} 为 平 面 域 上 N 个 散 点 的 集 合 。 Delaunay 三角剖分是将 S 集合中点按一定方式连接成互不交叉的三角形网图形，Delaunay 三角剖分得到的三角形满足最小内角最大的原则，具有平均形态比最大的性质，使得任一个三角形外接圆中均不包含点集中的其他点，各三角形尽可能接近于等边三角形，避免了狭长三角形的存在。因此， Delaunay 三角剖分是二维任意域内的三角网中被公认为最优的三角剖分，它是给定区域内离散点集的最佳三角剖分算法之一。

3、影响测量结果的因素利用激光测距技术堆料进行测量的过程中误差主要产生在测量过程中误差和数据处理过程中。

       在测量过程中激光测距仪自身产生的误差、测量平台上步进电机旋转角度的误差及作业条件影响误差都会影响测量结果。测距仪在实际使用时，测量效果会由四方面因素决定：目标大小、物体形状、空气质量、阳光强弱。这些因素都会削弱测距仪接收到的返回光波从而产生测距的误差。测量平台所使用的步进电机在做旋转动作时所产生的角度误差会引起最终所得点坐标的偏移。通过选择抗干扰能力强的激光测距仪和高精度的步进电机，这些因素误差可以减小。

       在数据处理过程中坐标系转换时和点云数据处理时选择方法的不同也会引起不同的误差。数据是在激光测距仪坐标下测得的。运动着的激光测距仪在坐标转换过程中会带来一定误差。点云数据处理过程中需要对噪声点进行滤波处理，而不同的滤波算法都有各自的适用范围，对点云数据使用了不适合的滤波方式，噪声点过滤效果不显著或有效点减少，从而会造成测量误差。在测量过程中减轻测量平台的抖动，并使用合适的滤波方式可以减小误差。

5、结语

       本文为解决企业对不规则粉体料堆精确盘库的基本需求，利用激光测距仪平台和 MATLAB 设计了一套料堆盘库方案。运用激光测距技术实现对料堆表面的三维扫，并利用采集的料堆数据进行三维重构，根据 Delaunay 三角剖分算法对料堆的三维模型分割计算，最终计算出料堆的体积和质量。该方案可有效替代传统料堆盘库方法，省去了人工和时间成本，大大提高了企业进行成本核算的效率，为企业的发展提供了帮助。该系统虽可以很好地解决大多数不规则煤场料堆体积的难题。但是在料堆质量测量方面还是有很因素制约其精确程度，例如物料的密度不是很容易估算准确，物料大小差异及物料的干湿程度对其都会产生影响。在体积测量时料堆边缘扫描盲点地带的三维重构有待进一步研究优化，进一步提高系统测量的精确度。






本文章转自爱学术（aixueshu.com），如有侵权，请联系删除