徐東昊， 楊柳， 曾驥， 袁洪濤

(1.哈爾濱理工大學 自動化學院，黑龍江 哈爾濱 150080； 2.上海海事大學 海洋科學與工程學院，上海 201306； 3.哈爾濱工程大學 青島船舶科技有限公司，山東 青島 266400； 4.上海外高橋造船有限公司，上海 200137)

圖像識別技術(shù)在井架吊裝運動測量中的應(yīng)用

徐東昊1， 楊柳1， 曾驥2,3， 袁洪濤4

(1.哈爾濱理工大學 自動化學院，黑龍江 哈爾濱 150080； 2.上海海事大學 海洋科學與工程學院，上海 201306； 3.哈爾濱工程大學 青島船舶科技有限公司，山東 青島 266400； 4.上海外高橋造船有限公司，上海 200137)

為了保證海洋鉆井平臺井架吊裝過程的安全性，本文基于機器視覺的圖像識別技術(shù)，開展了井架吊裝運動的非接觸測量方法研究。該方法以歸一化的圖像灰度信息為基礎(chǔ)，采用模板匹配算法進行圖像匹配；在此基礎(chǔ)上，根據(jù)圖像像素距離和特征長度的比尺確定動態(tài)目標的運動位移；根據(jù)海洋石油981平臺的井架吊裝方案，制定了井架運動測量方案，完成了基于圖像識別技術(shù)的井架吊裝過程的運動狀態(tài)監(jiān)測。研究結(jié)果表明：基于圖像識別技術(shù)的測量精度滿足井架吊裝運動測量需求，保證井架吊裝的安全性。研究拓寬了圖像識別技術(shù)的應(yīng)用領(lǐng)域，建立的測量方法可用于船舶與海洋工程領(lǐng)域其他大型分段和設(shè)備的吊裝運動測量。

海洋平臺； 吊裝作業(yè)； 井架吊裝； 運動監(jiān)測； 圖像識別； 非接觸測量

井架是海洋鉆井平臺的重要設(shè)備，井架吊裝是繼平臺“總裝搭載”后又一個具有里程碑意義的建造環(huán)節(jié)，其吊裝的安全性一直為業(yè)界所關(guān)注[1]。陸上井架吊裝不同[2-3]，海洋平臺的井架吊裝往往在碼頭采用浮吊進行，場地、設(shè)備和風浪環(huán)境對于井架吊裝、定位和安裝的影響非常大。為了保證井架吊裝的安全性，除了需要對起吊設(shè)備的提升能力、作業(yè)時段的潮汐和氣象情況等做前期的準備并制定相應(yīng)的吊裝方案，同時需要對現(xiàn)場吊裝過程井架的實時運動進行監(jiān)測。以往主要通過現(xiàn)場目測并結(jié)合經(jīng)驗對井架吊裝運動狀態(tài)進行評估，存在較大的安全隱患，需要研究一種更高效的測量方法[4]。

圖像識別指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術(shù)[5-6]。識別過程包括圖像預處理、圖像分割、特征提取和判斷匹配[7-9]。隨著計算機技術(shù)與信息技術(shù)的發(fā)展，圖像識別技術(shù)得到了迅速的發(fā)展[10]?；趫D像識別的測量方法通過對圖像的匹配定位計算特征區(qū)域和參考圖像特征中心點位置偏離的像素差，進而獲得目標的位移量，具有非接觸、全場測量和高精度的特點，適用于結(jié)構(gòu)變形和動態(tài)目標運動的非接觸測量，已在在機械加工、土木工程、航空航天和交通運輸?shù)阮I(lǐng)域獲得了廣泛的應(yīng)用[11-16]。

根據(jù)海洋鉆井平臺大型井架吊裝的特點，本文將開展基于圖像識別技術(shù)的井架吊裝運動非接觸測量方法研究，確定合理的圖像匹配算法和位移換算關(guān)系，以實現(xiàn)井架吊裝過程運動位移的實時監(jiān)測，為井架吊裝安全性評估和現(xiàn)場決策提供參考。

1 基于圖像識別技術(shù)的井架吊裝運動測量方法

基于圖像識別技術(shù)的井架吊裝運動測量方法以圖像灰度信息為基礎(chǔ)，采用模板匹配方法，以歸一化相關(guān)系數(shù)為相似性度量指標對井架吊裝實時圖像進行匹配定位。在此基礎(chǔ)上，根據(jù)實時圖像中特征區(qū)域與參考圖像中相應(yīng)特征中心點位置偏離的像素差值換算，得到兩者的表征長度，從而確定井架的運動軌跡，實現(xiàn)井架吊裝運動的實時測量。

該方法包括顏色特征提取、模板匹配定位和表征長度換算等關(guān)鍵技術(shù)，其實現(xiàn)流程如圖1所示。

圖1 井架吊裝運動測量的實現(xiàn)流程
Fig.1 Realization flow of the movement measurement method for hoisting of derrick

1.1顏色特征提取

攝像設(shè)備獲得的圖像通常是24位真彩色圖像，采用RGB顏色模型。RGB模型是基于笛卡爾坐標系統(tǒng)，3個軸分別為紅(R)、綠(G)、藍(B)三原色，如圖2所示。從黑到白的主對角線上，各原色的強度相等，產(chǎn)生由暗到明的白色，即不同的灰度值。

圖2 RGB顏色模型Fig.2 The RGB color model

RGB空間對光源亮度的依賴是很強的，當亮度變化時同一種顏色的RGB將有可能有很大的區(qū)別。為了提高圖層的識別精度，首先對RGB空間進行歸一化處理以增強光照變化下匹配的魯棒性，即

(1)

由于r+g+b=1，藍色分量可通過b=1-(r+g)確定，因此以r為橫坐標、g為縱坐標重構(gòu)顏色平面，開展顏色信息的提取。由于受光照的影響，即使是純色的模板，也將發(fā)生一定的色值變化，但這些變化主要在其本色周圍波動，其顏色信息反映到r-g平面中將會是一塊小的色值變化域。要想提取該模板的圖像，只需在圖像中提取r和g值落入r-g平面相應(yīng)區(qū)域的圖像塊。顏色信息的提取步驟如下：

1)獲得模板在不同光照下的RGB信息并歸一化，統(tǒng)計得到r和g的最大值和最小值，即rmax、rmin、gmax和gmin，進而得到四個點A(rmin，gmin)、B(rmax，gmin)、C(rmax，gmax)和D(rmin，gmax)。

2)同樣，將測試圖像的RGB空間進行歸一化處理，并引入四條拋物線(拋物線t、拋物線b、拋物線l和拋物線r)分別來確定模板顏色信息在r-g平面的上邊界、下邊界、左邊界和右邊界，如圖3所示。其中，拋物線t過C和D點，拋物線b過A和B點，拋物線l過A和D點，拋物線r過B和C點。一般將四條拋物線采用如下表達：

拋物線t：g=α1r2+β1r+c1

拋物線b：g=α2r2+β2r+c2

拋物線l：r=α3g2+β3g+c3

拋物線r：r=α4g2+β4g+c4

則，提取的模板在r-g平面顏色區(qū)域為

g≤α1r2+β1r+c1

g≥α2r2+β2r+c2

r≥α3g2+β3g+c3

r≤α4g2+β4g+c4

圖3 顏色信息提取Fig.3 The extraction of color information

3)為了確定這些拋物線，還至少需要第3個點。通過第3個點的變化來調(diào)整拋物線的位置從而使得確定的區(qū)域與實際區(qū)域的吻合程度達到可以接受的范圍，以達到完整地保存目標圖像的同時盡量消除背景噪聲。

1.2模板匹配定位

圖像匹配算法主要分為兩類[5]：一類基于特征匹配的方法，還有一類基于模板匹配的方法。特征匹配主要通過在參考圖像中提取點、線或區(qū)域等顯著特征作為匹配基元進行匹配，包括邊緣匹配和幾何匹配，此類方法匹配速度較快，但精度不一定高。模板匹配是指用一個較小的圖像(即模板)與源圖像進行比較，以確定在源圖像中是否存在與該模板相同或相似的區(qū)域，匹配率高。為了提高運算和儲存效率，在實際使用中一般將彩色圖像轉(zhuǎn)換成灰色圖像進行模板匹配，因此模板匹配也叫灰度匹配。

模板匹配常用的相似性度量指標是模板與源圖

像對應(yīng)區(qū)域的誤差平方和。設(shè)f(x,y)為M行N列的源圖像，t(j,k)為J行K列的模板圖像，且滿足J≤M和K≤N，則誤差平方和測度定義為

DS(x,y)+DT(x,y)-DST(x,y)

(2)

其中

式中：DS(x,y)為源圖像中與模板對應(yīng)區(qū)域的能量，隨像素位置(x,y)的變化，DS(x,y)變化緩慢；DT(x,y)為模板的能量，與源圖像無關(guān)；DST(x,y)為模板與源圖像對應(yīng)區(qū)域的相關(guān)系數(shù)，當模板與源圖像ROI相匹配時達到峰值。

實際操作中，如忽略DS(x,y)的變化，僅根據(jù)DST(x,y)值進行匹配可能導致匹配失真或無法匹配。為了避免出現(xiàn)該問題，一般采用歸一化相關(guān)系數(shù)作為相似性度量指標，即

(3)

1.3位移量計算

利用模板匹配定位能夠很容易的計算出每幀實時圖像中特征區(qū)域與參考圖像中相應(yīng)特征中心點位置偏離的像素差值。一旦獲得了像素距離與特征長度的比尺，就可以確定根據(jù)像素差值確定特征區(qū)域的位移量[12]。

設(shè)特征區(qū)域的特征長度為L，其像素距離為P，任一時刻的實時圖像中特征區(qū)域與參考圖像中相應(yīng)特征中心點位置偏離的像素差值為ΔPi，則此時特征區(qū)域的實際位移量Di為

(4)

式中：L/P為像素與特征長度的比尺，即標定值。

2 方法驗證與誤差分析

為了驗證上述方法的可行性與準確性，采用可變焦攝像機、視頻監(jiān)控軟件和服務(wù)器等設(shè)備組成了圖像采集系統(tǒng)，并開發(fā)了相應(yīng)的圖像處理和位移計算程序，完成井架吊裝運動測量系統(tǒng)的搭建，在此基礎(chǔ)上開展了試驗驗證。

試驗主要測試兩塊木板的水平位移量，如圖4(a)所示。在兩塊木板上設(shè)置不同大小的3個矩形，定義圖中上方較小的矩形為特征區(qū)域1(位于后側(cè)較大的木板上)，圖中下方左側(cè)的矩形為特征區(qū)域2，右側(cè)是特征區(qū)域3，2和3位于前側(cè)較小的木板上。記錄三個矩形的特征長度和幾何型心，包括2和3型心間的實際距離。試驗在自然光情況下進行，且試驗背景也較井架吊裝的海天背景更為復雜。

顏色特征提取和匹配定位。圖4(b)為分割后的二值圖像，可以發(fā)現(xiàn)雖然提取的特征區(qū)域邊緣有一定的退化，但整體效果是可以的。造成圖像退化的原因除了具體的圖像處理算法的原因外，還可能是成像系統(tǒng)和光線的原因造成圖像失真以及鏡頭聚焦不準產(chǎn)生的散焦模糊等。

圖4 彩色圖像分割Fig.4 Color image segmentation

標定值的確定。根據(jù)特征區(qū)域2、特征區(qū)域3的像素長度以及兩者型心的像素長度以及它們的特征長度，確定相應(yīng)的比尺，分別為0.927 2、0.925 6和0.926 2 cm/pixel。實際處理中，采用三者的加權(quán)平均，即比尺取0.926 3 cm/pixel。

位移確定與誤差分析。含較小矩形的后側(cè)木板不動，移動前側(cè)木板帶動特征區(qū)域2和3一起移動。以初始位置為基準，木板先向右移動16 cm，再向左移動14 cm，基于圖像識別處的木板移動軌跡如圖5所示。

圖5 基于圖像識別的木板的位移軌跡Fig.5 The shifting trace of the front board using image recognition technology

實際位移量與測量值的比較見表1，可以發(fā)現(xiàn)測量誤差分別為0.72%和3.39%，導致了誤差的原因如前所述，主要由于在視頻拍攝中存在干擾以及對圖像進行處理時噪聲等。由于測量誤差均小于5%，因此該測量方法是滿足工程使用要求的。

表1實際位移與測量結(jié)果比較

Table1Comparisonoftheactualdisplacementsandthemeasuredvalues

實際值/cm測量值/cm誤差/%16.016.11560.72-14.0-13.52613.39

3 井架吊裝運動測量

3.1井架基本信息與吊裝方案

目標平臺為我國自主設(shè)計建造的第六代深水半潛式鉆井平臺——“海洋石油981”，其井架高約89 m，總重量751.4 t，平面尺寸15.85 m×14 m。吊裝作業(yè)在上海外高橋船廠五號碼頭進行，起吊設(shè)備為“振浮七號”浮吊船，其最大起吊重量4 000 t，井架吊裝的總體示意圖如圖6所示。

圖6 井架吊裝示意圖Fig.6 Diagrammatic drawing of derrick hoisting

考慮到井架的自重以及平臺甲板平面的高度，為了保證吊裝安全性，將井架自下而上分為三段依次吊裝，且要求吊裝過程井架的擺動幅度不大于5°。圖7為三個井架分段的結(jié)構(gòu)示意圖，其中，根部分段高約22 m，自重198.6 t；中間分段高約38.4 m，自重385 t；頂部分段高約28.6 m，自重167.8 t。

圖7 井架分段示意圖Fig.7 Diagrammatic drawing of structural segments of derrick

3.2相機與標識物布置

為了獲得吊裝過程中井架兩個水平方向的運動狀態(tài)，因此現(xiàn)場交錯布置了兩套攝像設(shè)備，以實時拍攝井架的運動畫面。如圖8(a)所示，一套攝像設(shè)備拍攝井架南北向的運動畫面，另一套攝像設(shè)備拍攝井架東西向的運動畫面。

由于圖像處理中采用模板的顏色特征為目標進行模板匹配，結(jié)合海天背景和井架的形狀顏色特點，在井架分段的根部設(shè)置與其背景顏色相差較大的標識物。在不影響定位安裝的前提下，標識物的尺寸盡量大，以保證圖像識別中更容易地提取該顏色特征并實現(xiàn)特征區(qū)域的匹配分割。圖8(b)為井架分段根部設(shè)置的純綠色(G)標識物。

圖8 攝像機與標識物布置Fig.8 Arrangement of camera equipments and markers

3.3井架吊裝測試結(jié)果

完成標識物布置和攝像機位架設(shè)后，對三個井架分段的吊裝開展了運動測量。由于三個分段中中間分段的高度最大，因此在吊裝過程中的運動位移相對較大。中間分段兩個水平方向的實時運動軌跡如圖9和10所示，可以發(fā)現(xiàn)：1)數(shù)據(jù)存在一定的噪聲干擾，但井架的整體運動軌跡符合真實井架的運動；2)在50～100 s，井架東西向有顯著位移，這是蜘蛛人根據(jù)吊裝要求在牽引井架導致的，南北向也有類似的操作。

圖9 井架東西方向運動軌跡Fig.9 Motion trail of derrick in east-west direction

為了保證井架吊裝的安全性，實際吊裝過程中要求井架的水平擺動幅值不大于1 m。從圖9和10的井架實時運動軌跡可以發(fā)現(xiàn)，去除人為的牽引位移，井架東西方向、南北方向及合成擺動幅值均小于1 m，滿足吊裝安全性要求。

圖10 井架南北方向運動軌跡Fig.10 Motion trail of derrick in north-south direction

經(jīng)各方充分地協(xié)調(diào)和配合，“海洋石油981”平臺鉆井井架已于2010年8月26日順利完成吊裝。

4 結(jié)論

1)基于圖像識別技術(shù)的運動測量方法的測量精度滿足工程使用要求，測量誤差小于5%；

2)相對于傳統(tǒng)的現(xiàn)場目測，基于圖像識別技術(shù)的井架吊裝運動測量方法可以實時定量地給出吊裝過程中井架的運動狀態(tài)，有效地保證了井架吊裝的安全性。

3)本文提出的測量方法也適用于船舶與海洋工程領(lǐng)域其他大型分段及設(shè)備的吊裝運動測量，對于海上吊裝運動測量具有借鑒意義。

[1] 陳剛，吳曉源. 深水半潛式鉆井平臺的設(shè)計和建造研究[J]. 船舶與海洋工程, 2012 (89): 9-14.

[2]楊益明. 鋼結(jié)構(gòu)井架吊裝載荷監(jiān)測系統(tǒng)的研究[J]. 能源技術(shù)與管理, 2010, 5: 80-81, 86.

[3]馬智民, 田德文, 錢喬國. 鋼結(jié)構(gòu)井架吊裝方法[J]. 建井技術(shù), 2005, 3-4(26): 66-68, 78.

[4] 王志強,蓋濤. 海洋鉆井平臺井架安裝工藝探討[J]. 科技視界, 2014(4): 293-294, 309.

[5] CASTLEMAN K R. Digital image processing[M]. Prentice Hall Inc., 1996: 1-10.

[6]章毓晉. 圖像分割評價技術(shù)分類和比較[J]．中國圖像圖形學報, 1996, 1(2): 151-158．

ZHANG Yujin. A classification and comparison of evaluation techniques for image segmentation[J]．China journal of image and graphics, 1996, 1(2): 151-158．

[7]王科俊, 郭慶昌． 基于粒子群優(yōu)化算法和改進的Snake模型的圖像分割算法[J]．智能系統(tǒng)學報, 2007, 2(1): 53-58．

WANG Kejun，GUO Qingchang．Image segmentation algorithm based on the PSO and improved snake model[J]．CAAI transactions on intelligent systems, 2007, 2(1): 53-58．

[8]孫惠杰, 鄧廷權(quán), 李艷超. 改進的分水嶺圖像分割算法[J]. 哈爾濱工程大學學報, 2014, 7(35): 857-864.

SUN Huijie, DENG Tingquan, LI Yanchao. Image segmentation algorithm based on the improved watershed algorithm[J]. Journal of Harbin Engineering University, 2014, 7(35): 857-864.

[9]林開顏, 吳軍輝, 徐立鴻. 彩色圖像分割方法綜述[J]. 中國圖象圖形學報, 2005, 1(10): 1-10.

LIN Kaiyan, WU Junhui, XU Lihong. A Survey on color image segmentation techniques[J]. Journal of Image and Graphics, 2005, 1(10): 1-10.

[10]ZITOVA B, FLUSHER J. Image registration methods: survey[J]. Image and vision computing, 2003, 21:977-1000.

[11] 張銘鈞, 尚云超, 楊杰. 基于灰度-梯度不變矩的水下目標識別系統(tǒng)[J]. 哈爾濱工程大學學報, 2009,30(6): 653-657.

ZHANG Mingjun, SHANG Yunchao, YANG Jie. Recognition system for underwater objects based on gray and grads invariant moment[J]. Journal of Harbin Engineering University, 2009, 30(6): 653-657.

[12] MIURA S, YAMAMOTO T, KURONUMA I, et al. Configuration and displacement measurement using vision metrology[J]. International journal of the Japanese committee for rock mechanics， 2003, 1(1): 1-6.

[13] 范毅方. 基于層的平動軍事目標圖像識別及運動估計[J]. 光學技術(shù), 2006, 32(S1): 162-165.

FAN Yifang. Translation military target image recognition and movement estimation based upon layer processing[J]. Optical technique, 2006, 32(S1): 162-165.

[14] SRINIVAS U, MONGA V, RAJ R G. SAR automatic target recognition using discriminative graphical models[J]. IEEE transactions on aerospace and electronic systems, 2014, 50(1): 591-606.

[15] 徐連美. 運動物體圖像測試技術(shù)研究[D]. 長春: 吉林大學, 2014: 1-54.

XU Lianmei. The study of moving object image measuring technology[D]. Changchun: Jilin University, 2014: 1-54.

[16] 王佳欣, 魏濤. 基于圖像融合技術(shù)的運動目標圖像識別研究[J]. 微電子學與計算機, 2016, 33(8): 158-162.

WANG Jiaxin, WEI Tao. Research on image recognition of moving target based on image fusion technology[J]. Microelectronics & computer, 2016, 33(8): 158-162.

本文引用格式：

徐東昊， 楊柳， 曾驥，等. 圖像識別技術(shù)在井架吊裝運動測量中的應(yīng)用[J]. 哈爾濱工程大學學報， 2017， 38(11): 1733 -1738.

XU Donghao, YANG Liu, ZENG Ji, et al. Movement measurement method for derrick hoisting of offshore platform using image recognition technology[J]. Journal of Harbin Engineering University， 2017， 38(11): 1733 -1738.

Movementmeasurementmethodforderrickhoistingofoffshoreplatformusingimagerecognitiontechnology

XU Donghao1, YANG Liu1, ZENG Ji2, 3, YUAN Hongtao4

(1.School of Automation, Harbin University of Science and Technology, Harbin 150080, China; 2.School of Ocean Science and Engineering, Shanghai Maritime University, Shanghai 201306, China; 3.Qingdao Ship Science and Technology Co., Ltd., Harbin Engineering University, Qingdao 266400, China; 4.Shanghai Waigaoqiao Shipbuilding Co., Ltd., Shanghai 200137, China)

To improve the safety of derrick hoisting operations on offshore platforms, this study proposes a non-contact movement measuring method using image recognition technology. The image grayscales are normalized and matched using a template-matching algorithm. The movement displacement of the moving object of concern is then determined by analyzing the relation between the characteristic length of the object and the corresponding pixel distances. Based on this method, a movement measuring configuration is then designed for the Haiyang Shiyou 981 platform, and motions occurring during the derrick hoisting operations are successfully monitored. The results show that the measuring accuracy of this method meets the requirements for measuring the movement during derrick hoisting, and the safety of derrick hoisting operations is ensured according to the monitored motions. The image recognition technology applied here can also be extended to ensure safe operation when hoisting large objects such as ship sections and equipment in the naval architecture and ocean engineering industries.

offshore platform; hoisting operation; derrick hoisting; movement monitoring; image recognition; non-contact measurement

10.11990/jheu.201704091

http://www.cnki.net/kcms/detail/23.1390.u.20171016.1607.014.html

U656.6

A

1006-7043(2017)11-1733-06

2017-04-26.

網(wǎng)絡(luò)出版日期：2017-10-16.

國家高技術(shù)研究發(fā)展計劃項目(2006AA09A103-6).

徐東昊(1981-), 女, 副教授;

曾驥(1978-), 男, 教授.

曾驥, E-mail: sczengji@126.com.