王利棟

(晉能控股集團有限公司，山西 大同 037003)

目前，綜放開采技術(shù)已成為我國厚煤層開采的主要方法[1，2]。在煤礦綜放開采過程中，亟待解決的難題之一是如何正確判斷放煤口最佳開閉時間，從而解決與智能化綜放開采相配套的技術(shù)問題。目前，對于放煤口的開閉時間主要有兩種方法，其一是由放煤工人通過視覺和聽覺，以及經(jīng)驗積累來確定放煤口的開閉[3]，這種方式會帶來過放或者欠放情況發(fā)生，同時放煤過程會產(chǎn)生大量的粉塵和瓦斯，對放煤操作工人的生命健康造成巨大威脅。二是應(yīng)用電液控制系統(tǒng)來實現(xiàn)放煤口的開閉[4，5]，基本方法是在電液控制系統(tǒng)中嵌入預(yù)先設(shè)定的放煤程序，按照預(yù)先設(shè)定好的放煤動作及放煤時間實現(xiàn)放煤口的開閉。由于煤層厚度等因素的變化，如若放煤口開閉時間一成不變，同樣導(dǎo)致放煤過程中出現(xiàn)過放或者欠放情況，使煤質(zhì)下降或者資源遭受損失。因此，在智能化放煤過程中，放煤量三維重建是精準放煤的關(guān)鍵技術(shù)，通過分析放煤量三維模型，獲取的煤流動態(tài)參數(shù)是采煤和放煤機構(gòu)動作和控制的重要依據(jù)，也是煤流監(jiān)控系統(tǒng)的重要技術(shù)指標。

另外，當前在煤礦井下運煤量監(jiān)測方面，國內(nèi)外同類技術(shù)多數(shù)用于固定式的帶式輸送機或轉(zhuǎn)載機運煤量測量[6]，對于總處于動態(tài)移置過程中的綜放工作面放煤口及刮板機上煤量監(jiān)測技術(shù)研究較少。本文充分考慮粉塵、水霧及光線等因素對激光掃描結(jié)果的影響，研究提出了一種基于激光掃描的綜放工作面后刮板機煤量三維重建方法。該方法根據(jù)激光掃描原理，結(jié)合放煤工作面成套裝備布置特點，將激光掃描儀安裝在液壓支架尾梁上，根據(jù)發(fā)射和接受反射回來的激光時間差，計算得到刮板機上煤流輪廓高度信息，按照時空域關(guān)系對點云進行配準，實時構(gòu)建高精度的放煤量三維點云模型，并結(jié)合峰值信噪比和結(jié)構(gòu)相似性的量化指標，證明算法的有效性。

由于井下綜放工作面后部安裝空間受限，本文采用激光掃描飛行時間原理[7]，通過給目標連續(xù)發(fā)送光脈沖，然后用傳感器接收從物體返回的光，通過探測這些發(fā)射和接收光脈沖的飛行(往返)時間來得到目標物距離。

1 實驗系統(tǒng)整體設(shè)計

綜放工作面的放煤過程要靠液壓支架尾梁擺動以及插板的伸縮來實現(xiàn)，在煤巖沿液壓支架尾梁滑落到液壓支架下方的刮板輸送機的過程中，從液壓支架上方滑落下來的煤流的運移規(guī)律復(fù)雜，放煤過程中粉塵大，放煤口容易被支架后部結(jié)構(gòu)件和工作面堆煤遮擋。因此，該系統(tǒng)考慮采取通過測量臨近放煤口位置的刮板輸送機上部煤流運動的特征信息的方式，構(gòu)建高精度的放煤量三維點云模型。

圖1 放煤量激光掃描檢測系統(tǒng)方案

放煤量激光掃描檢測系統(tǒng)方案如圖1所示，在井下刮板機上方依托液壓支架安裝激光掃描裝置。激光掃描裝置對刮板機上的煤堆進行二維輪廓掃描，得到煤堆界面表面輪廓上的點云數(shù)據(jù)，該數(shù)據(jù)信息傳輸至工控機，經(jīng)過數(shù)據(jù)處理和曲線擬合可得到煤堆的表面輪廓線，利用點云配準求取每幀點云數(shù)據(jù)之間的變換關(guān)系，按照時空域關(guān)系進行三維點云拼接，結(jié)合濾波算法對拼接后圖像進行降噪處理，消除拼接誤差和環(huán)境噪聲。

激光掃描裝置內(nèi)置激光掃描傳感器選用德國SICK公司的LMS111激光雷達，采用TOF激光掃描原理，非接觸式在線檢測，且具備IP68工業(yè)防護等級，使得即使在惡劣環(huán)境下也能準確測量。工控機內(nèi)部集成化設(shè)計，搭載有分析處理模塊、顯示模塊、電源模塊。為了使測量數(shù)據(jù)能做到統(tǒng)一管理并及時高效地分析數(shù)據(jù)，選用M700SE型3.5寸微型工控主板，主板安裝有用于通訊及分析處理的上位機軟件，進行接收及自動分析數(shù)據(jù)；顯示模塊采用10寸工業(yè)嵌入式顯示器，用于顯示測量分析結(jié)果，并對上位機軟件進行可視化控制；電源模塊將外部提供的127V電壓轉(zhuǎn)換為激光掃描儀、微型工控主板以及顯示模塊使用的12V工作電壓并為其供電。

2 放煤量模型三維重建

放煤量模型三維重建的主要原理是，按照時間關(guān)系對每幀激光數(shù)據(jù)排序，結(jié)合最近迭代點算法構(gòu)建在空間上的位置關(guān)系，通過泰勒公式來描述物體形貌隨時間的變化情況，形成具有較高精度的放煤三維點云。

2.1 最近迭代點算法

煤流輪廓掃描結(jié)果如圖2所示，為不同時間下煤流輪廓的激光圖像。這些圖像以掃描中心為原點，形成了測量數(shù)據(jù)點圍繞原點的極坐標系，其中紅點為激光雷達的掃描中心，綠點為測量數(shù)據(jù)點。僅僅分析單幅激光圖像，很難獲取有用的放煤數(shù)據(jù)，可以看出圖3(a)(b)(c)存在著一定的旋轉(zhuǎn)、位移變換關(guān)系，調(diào)整各圖像之間的位置關(guān)系來推算出具體的放煤情況，將形成直觀且清晰的放煤三維點云。

圖2 煤流輪廓掃描

在放煤量變化不大的情況下，圖2(a)到圖2(i)的每幀圖像之間都存在剛體變換，見式(2)，描述了幀與幀之間的剛體變換關(guān)系，P為當前幀圖像的點集，P′為上一幀圖像的點集，R、T為上一幀圖像與當前圖像點集之間的旋轉(zhuǎn)、位移變換矩陣?？梢岳米罱c算法(ICP)[8]求解其次變換矩陣R、T，對多幀激光圖像進行點云配準，從而完成放煤三維點云的拼接。

P′=R·P+T

(1)

1)對于當前幀圖像點集P的每個數(shù)據(jù)點，搜索其在上一幀圖像點集P′中幾何距離最近的點，并建立對應(yīng)關(guān)系。

2)根據(jù)最小二乘法和點與點之間的對應(yīng)關(guān)系，對目標函數(shù)f(R，T)中的R、T變換矩陣進行求解。

3)結(jié)合最小二乘法估計得到的R、T矩陣，變換得到新的當前幀點集P。

4)按照對應(yīng)點間的關(guān)系，計算點集P和P′間的均方距離D，見式(3)。若均方距離小于收斂閾值，則結(jié)束迭代，輸出點集Pn。若不滿足，則繼續(xù)步驟2)對目標函數(shù)f(R，T)中的R、T變換矩陣進行求解，變換得到新的點集P，繼續(xù)迭代。

處理后煤流輪廓如圖3所示，為經(jīng)過ICP算法處理后的煤流輪廓。與圖2對比，可以看出(b)(c)(e)(g)等的位移和旋轉(zhuǎn)偏差被明顯矯正了，初步驗證了ICP算法的有效性。

圖3 處理后煤流輪廓

2.2 高次項回歸預(yù)測算法

然而實際工況中，放煤量的變化情況不可預(yù)知，ICP算法又對噪聲敏感，常常陷入局部最優(yōu)解，導(dǎo)致點云拼接時產(chǎn)生誤差，點與點、面與面之間存在嚴重的重疊。通常情況下，可以利用移動最小二乘法(MLS)[9]對拼接后的點云進行降噪處理，消除拼接誤差，但是移動最小二乘法在處理大量點云時耗時較長，當算法要求高實時性時，可以運用本文所提出的高次多項式回歸算法，以部分精度為代價來降低算法耗時。

p(t)=p(t0)+p′(t0)(t-t0)+…+

該算法的基本思想是當被測物體輪廓不存在過于復(fù)雜的變化時，其輪廓曲線可以被泰勒公式所描述，式(4)為物體曲線的泰勒表達式，該表達式只可以用來描述物體形貌t0時刻鄰域的變化，超出鄰域?qū)斐蒖n余項的巨大偏差。

圖4 放煤曲線時空變化

放煤曲線時空變化如圖4所示，結(jié)合最小二乘法，構(gòu)建時空域關(guān)系，求取放煤曲線t時刻的泰勒表達式p(t)。式(5)選取n為5，階數(shù)n過高時，容易引起過擬合現(xiàn)象，階數(shù)過小時，會導(dǎo)致Rn余項偏差。f為損失函數(shù)，dt為t時刻的插值數(shù)據(jù)。式(6)為曲線t時刻的5階表達式p(t)。

p(t)=a1t5+a2t4+a3t3+a4t2+a5t+a6

(6)

按照式(7)(8)(9)，計算泰勒公式的參數(shù)矩陣A：

(8)

A=(XTX)-1XTP

(9)

其中，ti為第i幀的時間。

為了避免過擬合，使用正則化方法添加參數(shù)懲罰項，防止某些參數(shù)過大，改進后的損失函數(shù)：

經(jīng)過光照渲染的三維重建效果如圖5所示，其中黑色區(qū)域為煤流，綠色區(qū)域為刮板機?？梢钥闯鲋皇褂肐CP算法的點云存在著噪聲、重疊等問題，而在ICP算法基礎(chǔ)上結(jié)合本文提出的算法，則消除了噪音，得到了更貼近實際的點云圖像。

圖5 三維重建效果圖

3 三維重建算法性能評價

為了進一步探究該算法的性能，選取了峰值信噪比(PSNR)和平均結(jié)構(gòu)相似性(MSSIM)，作為點云圖像質(zhì)量評價的量化指標[10]。

峰值信噪比(PSNR)的含義是指信號最大值和背景噪聲之間的對數(shù)比值，當PSNR的值越大，就代表失真越少。式(11)中，MSE為均方誤差，Ix(t，n)為參考點云圖像x中t時刻第n個點到掃描中心的距離，Iy(t，n)為算法處理后點云y中t時刻第n個點到掃描中心的距離，激光雷達的最大測量距離為20000mm，所以最大信號比特數(shù)m取為15。

結(jié)構(gòu)相似性(SSIM)通過比較參考圖像和測試圖像點云的平均深度、方差以及協(xié)方差的相似性，來評估圖像的失真程度。式所示，為SSIM的表達式，μx、σx2、μy、σy2、σxy分別為點云圖像x的平均深度和方差、點云圖像y的平均深度和方差以及兩圖像之間的協(xié)方差。L1、L2為兩個較小的數(shù)，防止分母等于0使等式不成立。

為了符合人眼聚焦的視覺習(xí)慣，需要對點云圖像x、y進行分區(qū)處理，建立滑窗求取平均結(jié)構(gòu)相似性(MSSIM)[11]。式(17)為平均結(jié)構(gòu)相似性的表達式，xi，yi為x、y的第i個區(qū)塊，M為區(qū)塊總數(shù)。本文按照時間、空間排序，對點云圖像進行了8×8的分塊，因此M取為64。

3.1 粉塵適應(yīng)性試驗

在煤礦環(huán)境中，粉塵是影響激光雷達工作的主要因素。由于激光雷達產(chǎn)生的激光束會遇到空氣中粉塵顆粒、氣溶膠等成分，發(fā)生散射、吸收等作用，僅小部分反射能量被激光雷達接收，導(dǎo)致激光雷達精度大大降低。因此，有必要研究粉塵濃度對放煤量三維重建精度的影響，進而驗證本文算法的可靠性。

在實驗室環(huán)境下搭建了放煤量重建實驗系統(tǒng)，包含了煤堆、激光雷達、實驗架、帶式輸送機、鼓風(fēng)機、煤灰、粉塵濃度檢測器等。該系統(tǒng)利用煤灰和鼓風(fēng)機得到不同粉塵濃度的實驗環(huán)境，通過激光雷達掃描煤堆取得煤量三維重建模型，根據(jù)PSNR指標對重建模型質(zhì)量評價，對比計算出不同粉塵濃度對煤量重建精度的影響。

PSNR變化如圖6所示，為不同粉塵濃度下的PSNR變化曲線圖，可以看出隨著粉塵濃度的不斷增加，PSNR指數(shù)不斷下降，圖像質(zhì)量明顯受到影響。然而，與原始圖像比較，在粉塵濃度較大的情況下，本文算法的PSNR指標明顯得到了提高，表明本文算法的圖像質(zhì)量得到了改善，能夠適用于粉塵濃度較大的煤礦環(huán)境。

圖6 PSNR變化折線圖

3.2 放煤量重建工業(yè)性試驗

在同煤集團塔山煤礦8222工作面采集后刮板機放煤量點云數(shù)據(jù)，建立了評價算法性能的測試集。

測試集點云的基本參數(shù)見表1。測試集的樣本數(shù)量為140，采集設(shè)備的掃描頻率為50Hz，工作面環(huán)境的光強范圍為2.50～150lux，粉塵濃度為3.31mg/m3。受到環(huán)境條件限制，無法采集到真實的點云圖像，將會使用經(jīng)ICP配準和移動最小二乘法(MLS)算法處理后的測試集圖像作為參考點云圖像，比較不同算法之間的差異。

表1 測試集基本參數(shù)

為了更好地量化各算法之間的性能，采取了調(diào)和分數(shù)相乘的打分方法。與平均數(shù)分數(shù)相比，調(diào)和分數(shù)考慮到了方差問題，在總體方差較大的情況下，該方法更傾向于得到較小的分數(shù)。分數(shù)的計算方法見式(18)，通過調(diào)和平均數(shù)PSNR′和MSSIM′相乘得到。

分數(shù)與噪聲方差如圖7所示，向測試集引入了不同噪聲，圖7初步描述了分數(shù)與噪聲方差之間的關(guān)系，分數(shù)與均勻噪聲、高斯噪聲以及泊松噪聲的斯皮爾曼相關(guān)系數(shù)(SROCC)[12-15]分別為-0.979、-0.980、-0.966，表明了噪聲強度越大，分數(shù)越小，分數(shù)可以用來衡量圖像失真程度。

圖7 分數(shù)與噪聲方差折線圖

選取了統(tǒng)計濾波、半徑濾波以及高斯濾波作為對照降噪算法[16-19]，由ICP算法對測試集圖像進行配準，結(jié)合PSNR和MSSIM兩種指標，對本文算法的性能進行評價打分。

峰值信噪比和平均結(jié)構(gòu)相似性分布折線分別如圖8、9所示，可以看出各算法的PSNR和MSSIM分布呈現(xiàn)近似正態(tài)分布，性能更強的算法常具有均值大、方差小的特點。

圖8 MSSIM分布折線圖

圖9 PSNR分布折線圖

先對點云圖像進行了ICP點云配準，利用不同算法對測試集圖像進行降噪處理，求取了PSNR、MSSIM的調(diào)和數(shù)，計算了不同算法的性能分數(shù)，見表2。結(jié)合表、圖，本文算法的分數(shù)遠大于高斯濾波、半徑濾波，略大于統(tǒng)計濾波，表明了本文所提出的算法具有比半徑濾波、高斯濾波、統(tǒng)計濾波更強的去噪性能，更適用于綜放工作面的放煤量的三維重建。

表2 算法性能評價

4 結(jié) 論

1)設(shè)計了基于激光掃描的放煤量實時監(jiān)測系統(tǒng)，利用激光掃描儀獲取臨近放煤口位置的刮板運輸機上煤流輪廓點云數(shù)據(jù)，進而構(gòu)建放煤量三維模型。

2)提出了一種適用于綜放工作面的三維重建方法，該方法利用了最近迭代點算法對多幀激光圖像進行配準，按照時空域關(guān)系對點云圖像進行拼接，設(shè)計了一種實時性強的高次回歸濾波方法，用于消除拼接誤差和環(huán)境噪聲。

3)選取了峰值信噪比和平均結(jié)構(gòu)相似性作為評價算法性能的量化指標，采取了調(diào)和數(shù)打分的評價方法，通過對比不同算法的分數(shù)，證明了本文算法具有較強的魯棒性。