鉴于大家对工科论文十分关注，我们编辑小组在此为大家搜集整理了“ 基于机器视觉的铁路货运木材检尺系统开发 ”一文，供大家参考学习
木材检尺是测量商品材规格、质量和数量的重要手段,其检测精度直接影响到所有者、经营者、使用者的切身利益[1].现有木材的检尺方法,主要是手工检尺,或利用称重等间接的方法计算木材的体积.尽管人们不断探索新的检尺方法以减轻手工检尺的劳动强度,提高检尺效率和精度,但由于木材的材质、密度等变化较大,使这些方法带来的误差较大,无法满足现实需求.因此目前应用最广、最实用的方法还是手工检尺.本文作者利用机器视觉技术, 开发出与手工检尺操作相同的检尺操作,以替代目前手工检尺的直接操作. 在铁路货运方面,待检木材基本按照图1方式放置.每节车厢装载2到3捆木材,每捆木材的高度接近4 m,由于木材的直径不同,大径木材每捆约 10根,小径木材每捆20~30根.由于是手工检尺, 检尺员需爬上货车测量.由于每根木材两端的截面面积不同,需要选择截面面积较小的一端作为测量标准,这就要求对于每根木材,必须首先分别测量两个截面,然后进行尺寸比较,工作强度非常大.有些检尺在高处作业,工作非常危险.因手工检尺的工较大直径木材 (b)大小直径混装木材图1 铁路货运不同直径木材放置 Fig.1 Illustration of logs with different diameters in rail freight 作效率非常低,为了不影响白天铁路运输和通关,通常一列货车需要200多人在夜间通宵工作.另外,手工检尺受人为因素影响较多,测量误差较大.
机器视觉的木材检尺利用机器视觉代替人工操作,主要是根据相机的成像原理,把一根或多根木材的待检部位拍摄下来,然后利用图像处理手段,提取木材的几何信息,再经过比例换算,由测量设备直接给出每根待测木材的几何尺寸.其优点是效率高(可以在拍摄的过程中动态显示待检部位的尺寸信息)、安全、人为影响因素降低,便于系统化、科学化的管理.但机器视觉也存在一些问题,例如如何保证被测木材的尺寸精度,如何保证被采集图像的画面质量,避免光照、遮挡等客观因素的影响. 在正常条件下利用机器视觉自动进行木材检尺,首先需要解决测量物距的问题,就是自动获得相机镜头与被测物之间的距离,以保证图像处理得到的几何尺寸被准确换算成实际尺寸.目前,测距传感器主要采用红外或超声波技术但这些传感器都受到测量距离的限制,易受周围环境的影响,测距的稳定性难以保证,只能在特定条件下给出满意的结果.激光三角测距是利用图像和激光实现的一种测距方法,该方法测距精度较高,但由于需要通过图像处理来完成,难度较大.本文作者利用机器视觉进行木材检尺,
如果能够采用激光三角测距技术,就与机器视觉的木材检尺设计融为一体,既降低了硬件成本,同时也提高了开发和应用的可行性. 在人工检尺的过程中,人们根据经验,可以直接判断出选取哪个角度方向的端面直径作为测量检尺直径.为了保证机器视觉检尺的精度,结合机器视觉的工作特点,机器视觉检尺将对某一端面同时进行多个角度方向的直径测量,然后将这些测量值进行比较,根据规则确定最佳值作为测量结果. 激光三角测距技术的开发在利用机器视觉对目标物体进行测量时,需要确定相机与目标物体间的距离.由于受到条件的限制,常用的红外传感器和超声波传感器都无法满足要求.激光三角测距技术借助于激光并通过图像处理计算目标面与相机镜头间的距离,激光测距和视觉检尺的结合将简化机器视觉检尺硬件系统. 激光三角测距原理如图2所示.假设相机的横向视角为λw,纵向视角为λh,激光器中心点与相机镜头中心点的距离为L,点p(x,y)为以像平面中心点为原点,宽度方向为x轴、高度方向为y轴的坐标系中的像点.镜头中心线与镜头中心点到激光面的垂线的夹角为θ,成像尺寸为2w×2h(相机分辨率,这里为640×480),根据空间几何关系,可以得到该激光点与相机光轴的一个夹角β, β=arctan(((y- h)/h)×tan(λh)). 这样在三角形PCD中,可以得到PD的长度Hy= Ltan(θ-β).
