基于CCD测量原理的井下煤仓煤位测量模型研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于CCD测量原理的井下煤仓煤位测量模型研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

[摘 要] 通过分析CCD测量的基本原理以及井下煤仓的工作环境，指出几种井下煤位CCD测量模型的不足，给出了一种改进的测量模型，并采用聚类分析方法改进Gauss-Laplachian算子图像分割算法，比较准确提取了粉尘干扰以及煤炭表面漫反射干扰影响下的辅助光源成像光斑。模型整体降低了测量装置的安装要求和参数标定要求，提高了测量装置的抗干扰能力和测量误差。实验数据分析表明，本文所提出的测量方法能满足物位测量的要求，且能适应井下煤仓环境。

[关键词] CCD测量； 煤位测量； 聚类分析方法； Gauss-Laplachian算子

中图法分类号TP391

1 引言

井下煤仓煤位测量是井下自动作业控制的重要检测参数，能实时提供煤仓的储料情况，是煤矿井下作业自动化以及安全生产设计的重要环节。由于工作环境恶劣，井下煤仓煤位测量一直是国内外煤炭工业测量装置研究的难点，常用的测量方法有电容式煤位探测、重锤式煤位探测、核辐射式煤位探测和超声波式煤位探测系统等。运用图像处理技术实现井下煤仓煤位测量技术源自于光学三维轮廓技术。目前CCD物料料位测量的主要工作原理有：通过辅助点光源成像后的位移变化计算物料高度和通过辅助光源成像后的光斑面积变化计算物料高度两种，但这两种原理最核心的计算处理均为辅助光源成像后的光斑轮廓处理以及图像数据的标定，尤其前者所采用的基本算法是一致的。辅助光源在井下煤仓内产生光斑恶劣的情形大多为光斑灰度值较小情形，也就是煤尘的干扰较大情形，文献图像处理结果表明恶劣情形下获取比较准确的光斑直径比较困难，其光斑面积明显要比实际光斑面积小。从文献的图像预处理数据来看，在光斑灰度值较大的情况下，检测光斑的中心坐标还是相对容易，并且相对准确。本文采用的CCD测量方法也是一种基于辅助光源成像光斑中心点辨识的测量方法，能正确处理光斑灰度值较小的恶劣干扰情形，并且具冗余及校正能力，适用于井下煤仓煤位测量。

2 测量原理

根据摄像机的成像原理，两个共面交叉安装的点光源在被测物面上形成特征光点，当物料高度变化时，特征光点的两种变化值均与物料高度变化值相关：① 特征光点的像素位移值；② 特征光点间的成像点间距。式（1）表明了物料高度与特征光点的间距的线性映射关系，即物料高度与特征光点的间距成正比，比例系数仅与点光源的投射角度α、θ相关。

由于煤仓粉尘干扰比较大，并且煤块的堆积状况是随机的，恶劣情形下可能导致点光源不能形成成像光斑或者成像光斑失真，因此用双测量原理校正方式不失为一个好的选择，特征光点像素的位移值计算具有独立测量原理但又与上述测量方式共享测量器件，必然成为本文的首选校正测量方式。两点效验原理是一致的，取其中一点做分析。

假定点光源和ccd中线共面且交于一点，且CCD垂直于物面安装。假定物面1为设定的参考零点，物面2为待测高度物面，则物面高度h与其它参数的关系为：

式（5）与文献[1]中模型的区别在于h所关联的参数是相对于参考面成像点的相对位移，而非相对于CCD中心线相对位移。

3 光斑成像特点分析及提取算法

影响测量精度的主要因素在于光斑质心坐标确定，图3是典型的粉尘干扰下的成像光斑图，也是光斑质心坐标确定误差最大的干扰情形。目前已知的图像处理算法很难适用于所有的图像处理场合中，针对特定的图像特征设计针对性的图像处理算法不失为一种可行的工程设计选择。图3所示的粉尘干扰以及煤炭表明漫反射干扰的光斑图显示，煤炭表面由于漫反射形成若干随机噪声，这些随机噪声具有距离光斑中心距离相对较远以及面积较小等特征。光斑中心由于粉尘干扰光斑的灰度梯度从边缘到光斑中心均具有较大值，并且其梯度变化与粉尘的局部浓度相关，具有一定的随机性。

图像平滑的高斯函数表达式为：

（8）

高斯函数的二阶方向导数为：

（9）

原始图像f（x，y）变换后的输出图像F（x，y）的卷积分表达式为：

（10）

将pi记为灰度为i的像素点概率，ni为灰度为i的像素点个数，则在整个灰度级为N的图像中，pi 的计算式为：

4 测量模型标定以及模型参数的在线辨识

测量的准确性一方面与光斑的检测与提取相关，另一方面与模型的标定相关。式（4）与式（7）需要点光源与CCD镜头共面的假设条件，而实际安装过程中很难满足这一假设条件。因此式（4）中的参数a、b、H以及式（7）中的参数a、b需要修正以及标定。分别将式（4）与式（7）改写成最小二乘参数辨识模型，分别有式（17）、式（18）。

重心法计算质心能有效利用光斑的高斯能量分布特点，能比较有效处理粉尘干扰后的灰度值噪声，示值比较稳定。

5 测量数据及结论

系统采用的CCD像素为576*768，镜头焦距为5m，测量高度0～6000mm，图像灰度化采用逆滤波算法进行预处理，再采用聚类分析进行Gauss-Laplachian算子阈值分割，光斑中心采用质心坐标计算，模拟现场环境采取随机粉尘干扰，其测量结果如表1所示。

实验数据结果表明，粉尘干扰对测量数据有较大影响，但误差数据在可接受范围内。测量数据的准确度一方面需要模型的精确性，这一点通过测量模型的参数辨识已基本解决，另一方面需要光斑质心的确定，这需要非常准确地提取光斑的质心坐标。双辅助光源的设计、冗余测量原理的校正有助于提高测量数据的可靠性和稳定性。

[参考文献]

[1] Luca Biancardi，Giovanna Sansoni，and Franco Docchio.Adaptive Wh ole-Field Optical Profilometry： A Study of the Systematic Errors，IEEE Trans.On Instrumentation and Measurement[J]，1995，44（1）：36-41.

[2] 宋华，孟晓风， 一种基于CCD的物位测量方法， 仪器仪表学报[J]， 2002，23（2）：115-118.

[3] 潘国林，高幼年， 基于机器视觉煤仓料位测量方法的研究， 上海电力学院学报[J]，2007，32（2）：176-178.

[4] 孙继平， 吴冰， 刘晓阳等，基于膨胀/腐蚀运算的神经网络图像预处理方法及其应用研究，计算机学报[J]，2005，28（6）：985～990.

[5] 董玉杰，贾西科，吴冰，井下煤仓煤位不规则光斑图像的检侧方法研究，中国煤炭[J]， 2013，39（4）：68～70.