1.一种矿用破碎机衬板磨损检测方法,其特征在于:包括如下步骤:
步骤S1、使用衬板磨损检测装置获得目标区域双目图像,具体是:
步骤S101、划分检测区域、确定采集位置:依据所检测衬板区域X与采集环境确定采集地点Y;
X={x1,x2,x3,…,xi}
Y={y1,y2,y3,…,yj}
将所检测衬板区域X划分为大小为xsize_a*xsiez_b的矩形目标区域x1,…,xi;依据目标区域xi的位置选择采集地点yj,多个目标区域xi对应一个采集地点yj;
步骤S102、获取IMU数据:
所述IMU为惯性测量单元;所述IMU数据为惯性测量单元的三个单轴的加速度计与三个单轴的陀螺仪、三个单轴的磁强计输出的数据,可解算出IMU的位姿变化,进一步获得与IMU固定的双目相机的位姿变化;
所述IMU数据来自与衬板磨损检测装置中的双目相机固定连接的惯性测量单元上;所述衬板磨损检测装置包括一个双目相机、一个与双目相机固定连接的IMU、一个可投影图案的投影设备、一台电脑作为数据处理系统、一个可同时对双目相机、IMU、投影设备和数据处理系统供电的电源;
在采集地点y1开始记录IMU数据,在将双目相机转移至后续所有采集地点yi时持续记录IMU数据;在最后一个采集地点yend双目相机采集图像后,重新使双目相机回到采集地点y1并记录IMU数据,作为最后一次采集,持续记录IMU数据至该地点后即完成IMU数据获取;
步骤S103、使用投影设备对衬板上目标区域投影数字散斑图案:
所述数字散斑图案由随机的黑白像素组成,为大小为Tsize_a*Tsiez_b的矩形;在各采集地点yj对与之对应的衬板上的多个目标区域xi进行投影数字散斑图案;数字散斑图案覆盖该采集地点yj所对应的所有目标区域xi;
步骤S104、使用双目相机获取目标区域双目图像:
在采集地点yj向衬板上进行投影的同时,使用双目相机对该采集地点yj所对应的衬板上多个目标区域xi进行图像采集;将所采集的双目图像传输至数据处理系统;
步骤S2、获得衬板表面三维点云;
步骤S3、计算衬板磨损量。
2.根据权利要求1所述的矿用破碎机衬板磨损检测方法,其特征在于:步骤S2所述的获得衬板表面三维点云,具体是:步骤S201、采用Census匹配代价计算的立体匹配方法,获得各目标区域的点云:在数据传输系统中,对各采集地点yj的双目图像组(a,b)j采用一种改进匹配代价计算的立体匹配方法,获得各目标区域的视差图Pd;同一双目图像组的对应像素点位于同一行;基于图像组中的左图像aj寻找右图像bj同一行中对应匹配点对;
采用Census匹配代价计算方法计算图像中像素点pi的匹配代价C(pi),匹配代价的值通过计算与其在同组图像中对应像素点(pi,bj)之间的汉明距离获得;
C(pi)=H[C(pi,aj),C(pi,bj)]
C(pi,aj)表示左图像aj中像素点(pi,aj)邻域的Census变换编码,C(pi,bj)表示右图像bj中像素点(pi,bj)邻域的Census变换编码,H[,]表示计算两编码的汉明距离;以像素点pi为原点建立坐标系,取坐标系中以原点为中心大小为7*7坐标窗口内坐标点为预设坐标点,获得预设坐标点对应的像素点的灰度值(x,y)Gv;将各灰度值与像素点pi灰度值比较,如果前者小,则编码位置为0,如果前者大,则编码位置为1;比较该像素点pi与所有预设坐标点后,生成该像素点的Census变换编码;
遍历左图像aj中像素点(pi,aj),生成像素点的Census变换编码C(pi,aj),寻找同组右图像bj中同一行的所有像素点,记为像素点(pi,aj)的点集,对该点集所有像素点生成各自的Census变换编码;分别对像素点(pi,aj)与其点集的各像素点的编码计算汉明距离,汉明距离最小值对应像素点为像素点(pi,aj)在右图像bj中的匹配像素点;结合相机参数对同组图像对应匹配像素点计算深度信息,获得左图像中所有点在相机坐标下的三维坐标,即获得点云;
步骤S202、对各目标区域点云进行滤波获得衬板区域表面三维点云:
对各目标区域点云每个点Pcloud_point_i应用三维KD树,搜索获得周围最邻近的K个点作为该点的搜索点集;计算Pcloud_point_i与搜索点集中点的欧氏距离,计算Pcloud_point_i与搜索点集中的所有点的欧式距离的平均值dpi;
dth_i=dpi+s
其中,dth_i为所述Pcloud_point_i的密度阈值;dpi为所述Pcloud_point_i与其搜索点集中的所有点的欧式距离的平均值;s为所述Pcloud_point_i与各自最邻近K个点的欧式距离的平均值的标准差;
判断Pcloud_point_i是否满足滤波条件,将满足滤波条件的点滤除;所述滤波条件为:统计该Pcloud_point_i与其搜索点集中欧氏距离小于dth_i的点的个数,是否小于0.84K,且判断Pcloud_point_i与其搜索点集欧式距离的平均值dpi是否大于密度阈值;
步骤S203、结合IMU数据完成点云拼接:
通过IMU数据获得采集地点yk对yk-1的双目相机的相对位姿Posekk-1;
其中R0是3x3的刚体旋转矩阵,t0是3x1的刚体平移矩阵,均由IMU数据解算得到;
最后一次采集与前一次采集时双目相机的相对位姿为Posejj-1;将最后一次采集的目标区域点云与第一次采集的目标区域点云进行匹配,计算获得相机的相对位姿Pose1j;
Pose21Pose32…Posejj-1Pose1j=Poseerror式中Poseerror为将所有相对位姿矩阵相乘所得值;加入相对位姿Pose1j后,所有位姿构成回环,所有相对位姿矩阵相乘理论值应为单位矩阵;将所有相对位姿矩阵相乘所得Poseerror矩阵与理论值单位矩阵作差,以该差值最小为目标函数调整优化所有相对位姿矩阵;
将所有采集地点Y的目标区域点云坐标通过优化后的相对位姿矩阵变换至采集地点y1相机坐标系下,完成点云初次拼接;
式中xj、yi、zj为采集地点yj处获得的点云中点在该地点相机坐标系下的三维坐标;xj-1、yi-1、zj-1为采集地点yj处获得的点云中点在上一采集地点yj-1相机坐标系下的三维坐标;R1为优化后的刚体旋转矩阵;t1为优化后的刚体平移矩阵;
对于完成初次拼接的相邻两采集地点的三维点云PCj与PCj-1,使用稀疏匹配算法对点云进行第二次拼接,优化相对位姿矩阵;将所有采集地点的目标区域点云通过优化后的相对位姿矩阵变换至采集地点y1相机坐标系下,完成点云拼接;
步骤S204、对衬板表面点云进行后处理:
对衬板点云应用体像素网格滤波算法采样;将点云空间均匀划分为a*b*c大小的多个立方体,对在立方体内的点云,计算其重心,用该重心点近似代替该立方体内点云;
采用移动最小二乘算法对采样后点云进行重采样平滑,近邻域搜索方法采用构建输入点云的八叉树结构。
3.根据权利要求1所述的矿用破碎机衬板磨损检测方法,其特征在于:步骤S3所述的计算衬板磨损量,具体是:步骤S301、导入新衬板安装时获取的表面点云:
使用衬板磨损检测装置获得对安装后未经磨损的衬板的原始表面三维点云Pcloud_0,该点云也可通过衬板设计时的三维数字模型表面提取获得;
步骤S302、进行点云对齐,将两点云坐标统一:
分别对原始表面三维点云Pcloud_0与获得处理后的磨损衬板三维点云Pcloud_1估计各点表面法线,即从该点k个最近点构成的点集估计该点的平面法线;进一步,将该平面法线单位化作为该点的单位表面法线;
采用改进的正态变换算法计算对齐点云Pcloud_0与点云Pcloud_1的位姿变换矩阵;所述对正态变换算法的改进为将点云中各点的三维坐标与该点的单位表面法线向量均作为匹配点集,即对点集X′P与YP′进行对齐;
X′P={x′1,x′2,…,x′Nx}
Y′P={y′1,y′2,…,y′Ny}
x′Nx=[x′,y′,z′,x′N,y′N,z′N]T
y′Ny=[x′,y′,z′,x′N,y′N,z′N]T
其中,点集X′P为对点云Pcloud_0均匀划分大小为A*B*C的各体素网格中的点集;点集YP′为点云Pcloud_1中所有点;Nx与Ny为所划分的点集中点的数量;x′,y′,z′为点的三维坐标;x′N,y′N,z′N为该点的单位表面法线向量的值;
所述对正态变换算法的改进为残差函数表示为
f(T)=‖(Ryi′+t)-μ‖
t=[tnormal_0,0,0,0]T
其中yi′为中点集YP′点;Rnormal_0、tnormal_0为求参数;Rnormal_0为3x3旋转变换矩阵;tnormal_0为3x1平移变换矩阵;μ为各体素网格的正态分布参数;
计算残差函数关于待求参数的雅可比矩阵,迭代优化获得待求参数Rnormal_1、tnormal_1,将磨损衬板三维点云Pcloud_1变换至衬板的原始表面三维点云Pcloud_0坐标系下,完成点云对齐;
Pcloud_2=Rnormal_1Pcloud_1+tnormal_1其中,Pcloud_2为磨损衬板在未磨损衬板表面坐标系下点云;
步骤S303、计算两点云对应点获得磨损值:
构建未经磨损的衬板的原始表面三维点云点云Pcloud_0的八叉树结构Octree;在Octree中搜索与Pcloud_2中点Pcloud_2_point的欧式距离最近点Pcloud_0_point;以Pcloud_2_point为起点,Pcloud_0_point为终点构建向量d02,将该向量投影至点Pcloud_2_point的单位表面法线方向Pcloud_2_point_normal,获得该点处磨损值Wear;
Wear=d02·Pcloud_2_point_normal
遍历Pcloud_2中所有点,计算该点的磨损值Wear,获得磨损衬板的磨损分布。