姚建南，邢 強(qiáng)，許浩然

（1.南通大學(xué) 機(jī)械工程學(xué)院，江蘇 南通 226019；2.江蘇華宇印涂設(shè)備集團(tuán)有限公司，江蘇 南通 226300）

橫向振動(dòng)位移是提升鋼絲繩動(dòng)力學(xué)特性分析與安全程度評(píng)價(jià)的主要技術(shù)指標(biāo)之一，在實(shí)際應(yīng)用中，常常依靠目測(cè)與經(jīng)驗(yàn)性的判斷來(lái)進(jìn)行設(shè)備維護(hù)。因此，需要采取傳感的方式對(duì)移動(dòng)鋼絲繩橫向振動(dòng)位移進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，為柔索提升系統(tǒng)的穩(wěn)定性分析提供準(zhǔn)確的動(dòng)態(tài)位移信息[1-2]。

柔索橫向動(dòng)位移的監(jiān)測(cè)方式主要分為接觸式與非接觸式。在接觸式測(cè)量方面：寇保福等[3]將ICP型加速度傳感器綁定在鋼絲繩上，對(duì)礦井提升鋼絲繩橫向振動(dòng)數(shù)據(jù)進(jìn)行了無(wú)線采集。董建華[4]采用壓電式加速度傳感器對(duì)拱橋吊索的隨機(jī)振動(dòng)進(jìn)行了單點(diǎn)檢測(cè)。在非接觸式測(cè)量方面：Cunha 等[5]采用激光多普勒測(cè)振儀對(duì)大跨度索拉橋的懸索橫向位移進(jìn)行了動(dòng)態(tài)測(cè)試。徐良等[6]采用GPS 實(shí)時(shí)位移監(jiān)測(cè)系統(tǒng)對(duì)橋梁懸索進(jìn)行了位移監(jiān)測(cè)。而在基于視覺(jué)圖像的測(cè)量方面，則吸引了更多學(xué)者的關(guān)注：Kim 等[7]采用便攜式數(shù)字相機(jī)對(duì)拉索橋的懸索進(jìn)行了遠(yuǎn)距離橫向振動(dòng)動(dòng)態(tài)測(cè)試，并采用數(shù)字圖像處理法與模態(tài)法提取了吊索的動(dòng)態(tài)特征參數(shù)，實(shí)現(xiàn)了吊索的載荷估計(jì)。Ji 等[8]對(duì)懸索的橫向振動(dòng)進(jìn)行了檢測(cè)，基于視覺(jué)圖像技術(shù)對(duì)由攝像機(jī)拍得的振動(dòng)圖像序列進(jìn)行分析，采用光流法計(jì)算了所選目標(biāo)區(qū)域的光流密度，最后通過(guò)獲取的光流向量對(duì)選中目標(biāo)的位移進(jìn)行了動(dòng)態(tài)測(cè)量。Olaszek[9]聯(lián)合了數(shù)字?jǐn)z影原理及計(jì)算機(jī)可視化技術(shù)研究了橋梁的動(dòng)態(tài)特性。Kim[10]針對(duì)兩端固定的抖動(dòng)的鋼絲繩的橫向振動(dòng)圖像，提出了多模板匹配算法，克服了高速抖動(dòng)繩索圖像的模糊性與照相機(jī)的低采樣率，獲得了抖動(dòng)繩索的橫向振動(dòng)位移。陳艾榮等[11]利用數(shù)字?jǐn)z影測(cè)量的方法，在斜拉橋全橋氣彈模型風(fēng)洞試驗(yàn)中對(duì)拉索結(jié)構(gòu)實(shí)現(xiàn)振動(dòng)位移的動(dòng)態(tài)測(cè)量。何能[12]采用非接觸3D 位移測(cè)量?jī)x獲得了橋梁懸索在風(fēng)荷載作用下的響應(yīng)數(shù)據(jù)。牛巖軍[13]針對(duì)鋼絲繩卷放運(yùn)動(dòng)特征難以識(shí)別的問(wèn)題，設(shè)計(jì)了一種基于機(jī)器視覺(jué)技術(shù)的卷筒鋼絲繩運(yùn)動(dòng)特征識(shí)別算法。Zhu 等[14]與Otsuki 等[15-16]在電梯提升系統(tǒng)的實(shí)驗(yàn)研究中，利用薄鋼帶對(duì)提升鋼絲繩進(jìn)行了等效替換，應(yīng)用激光傳感器測(cè)得了帶的平面橫向振動(dòng)。

通過(guò)對(duì)以上文獻(xiàn)研究發(fā)現(xiàn)：雖然對(duì)于鋼絲繩的橫向振動(dòng)檢測(cè)已經(jīng)提出了諸多方法，但是研究?jī)H局限在如橋梁懸索這類(lèi)兩端固支的靜態(tài)柔索的橫向振動(dòng)檢測(cè)上。而提升鋼絲繩，諸如礦井、電梯提升鋼絲繩，屬于一維軸向運(yùn)動(dòng)連續(xù)體，目前，對(duì)移動(dòng)柔索任一空間位置的橫向振動(dòng)檢測(cè)的研究還未深入。

機(jī)器視覺(jué)作為測(cè)量振動(dòng)參數(shù)較為靈活、有效的方法之一，具有可實(shí)現(xiàn)非接觸、全場(chǎng)測(cè)量、不改變被測(cè)物的振動(dòng)特性等諸多優(yōu)點(diǎn)。因此，本文提出一種基于霍夫變換的移動(dòng)鋼絲繩平面橫向振動(dòng)檢測(cè)方法，該方法基于機(jī)器視覺(jué)，通過(guò)圖像的預(yù)處理、霍夫變換、像素檢測(cè)3 個(gè)階段得到觀測(cè)點(diǎn)的坐標(biāo)，具有不與待測(cè)物體接觸、不影響待測(cè)物體正常運(yùn)動(dòng)等優(yōu)點(diǎn)，實(shí)用性良好。

1 鋼絲繩平面橫向振動(dòng)檢測(cè)原理

本文以落地式多繩摩擦式礦井提升機(jī)懸繩平面橫向振動(dòng)檢測(cè)為例，闡述移動(dòng)鋼絲繩平面橫向振動(dòng)檢測(cè)方法。

在落地式多繩摩擦式礦井提升機(jī)中，提升鋼絲繩在摩擦輪的摩擦驅(qū)動(dòng)和天輪的導(dǎo)向作用下進(jìn)行往復(fù)升降運(yùn)動(dòng)。在此過(guò)程中，由摩擦輪、天輪的同軸度誤差等引起的摩擦輪與天輪沿其主軸方向的軸向擺動(dòng)，將引起懸繩的橫向振動(dòng)。本文選擇高分辨率高速相機(jī)對(duì)礦井提升懸繩進(jìn)行橫向振動(dòng)檢測(cè)，如圖1（a）所示。將數(shù)字?jǐn)z像機(jī)固定安裝在懸繩的正下方；根據(jù)測(cè)試范圍選用合適的鏡頭并調(diào)整好焦距，獲得如圖1（b）所示的初始靜態(tài)圖像。采樣頻率為1 000 幀/s，圖像分辨率為1 024 × 768。

圖1 測(cè)量方式示意圖Fig.1 Schemafic illustration of measurement method

由于懸繩是一維連續(xù)運(yùn)動(dòng)體，當(dāng)需要測(cè)量其空間某一固定位置處的橫向動(dòng)位移時(shí)，很難選擇具有明顯特征區(qū)分的特征點(diǎn)。為此，本文擬在測(cè)得的圖像幀序列中，在測(cè)點(diǎn)處截取一個(gè)窄、長(zhǎng)方形的垂直于被測(cè)直線的感興趣區(qū)域，通過(guò)檢測(cè)該區(qū)域內(nèi)鋼絲繩的動(dòng)點(diǎn)坐標(biāo)，即可獲得移動(dòng)鋼絲繩空間某一固定位置處的懸繩橫向振動(dòng)位移。

2 霍夫變換直線提取方法

霍夫變換是圖像中識(shí)別幾何形狀的基本方法之一，是一種基于特征提取的技術(shù)。它利用點(diǎn)與線的對(duì)偶關(guān)系實(shí)現(xiàn)圖像空間向參數(shù)空間的轉(zhuǎn)換，將圖像空間中具有一定關(guān)系的點(diǎn)在參數(shù)空間實(shí)現(xiàn)聚集，從而將一個(gè)形狀的檢測(cè)問(wèn)題轉(zhuǎn)換為參數(shù)空間尋找峰值的問(wèn)題，也就是把一個(gè)檢測(cè)整體特性的問(wèn)題轉(zhuǎn)化為檢測(cè)局部特性的問(wèn)題。

霍夫變換的核心之一就是圖像空間（圖2）與參數(shù)空間（圖3）的轉(zhuǎn)換。假設(shè)考慮圖像空間一點(diǎn)（xi，yi），以及通過(guò)該點(diǎn)的所有直線，有無(wú)數(shù)條直線通過(guò)點(diǎn)（xi，yi），所有這些直線都有對(duì)應(yīng)的參數(shù)a 和b 滿(mǎn)足斜截式y(tǒng)i=axi+b?？紤]到參數(shù)空間a-b 平面，會(huì)得到過(guò)固定點(diǎn)（xi，yi）的一條直線方程；此外，第二點(diǎn)（xj，yj），在參數(shù)空間也有一條與之關(guān)聯(lián)的直線，且兩條直線交于（a′，b′），其中a′是斜率，b′是在圖像空間過(guò)點(diǎn)（xi，yi）和（xj，yj）直線的截距。然而，當(dāng)直線趨于垂直時(shí)，斜率趨于無(wú)窮大，導(dǎo)致無(wú)限的變換空間。

圖2 圖像空間Fig.2 Image space

圖3 笛卡兒坐標(biāo)下的參數(shù)空間Fig.3 Parameter space in Cartesian coordinates

而上述問(wèn)題的解決方案就是采用極坐標(biāo)參數(shù)空間（ρθ 空間），用法線來(lái)表示直線?？紤]一點(diǎn)（xi，yi），此點(diǎn)對(duì)應(yīng)了參數(shù)空間的一條正弦曲線ρ=xicos θ+yisin θ，點(diǎn)（xj，yj）對(duì)應(yīng)了正弦曲線ρ=xjcos θ+yjsin θ，兩條曲線交于點(diǎn)（ρ′，θ′）（如圖4所示），其中θ′是所在直線的法線與x 軸的夾角，ρ′等于正的截距。

圖4 極坐標(biāo)下的參數(shù)空間Fig.4 Parameter space in polar coordinates

霍夫變換的另一核心就是投票機(jī)制的引入?；舴蜃儞Q將ρθ 空間細(xì)分為所謂的累加器單元，最初，這些單元上全部設(shè)置為0，對(duì)圖像空間中的每個(gè)非背景點(diǎn)（xk，yk），令-90°≤θ≤90°，使用公式ρ=xkcos θ+yksin θ 解出相應(yīng)的ρ 值，得到的ρ 值四舍五入為最近的允許單元值，使得對(duì)應(yīng)的累加器單元（ρ，θ）加1，這就是對(duì)累加器單元的一次投票；直到完成所有像素點(diǎn)的遍歷，找到累加器單元中的峰值；按照索引，最終檢測(cè)到相應(yīng)的直線。

3 算法實(shí)現(xiàn)

3.1 圖像預(yù)處理

通過(guò)圖像采集系統(tǒng)直接得到的圖像存在較多的干擾，使得圖像中的有效信息淹沒(méi)在眾多數(shù)據(jù)中。特征提取是圖像處理中的一個(gè)概念，它是指通過(guò)計(jì)算機(jī)提取圖像信息，決定每個(gè)點(diǎn)是否屬于一個(gè)圖像特征，而這些特征可以是圖像中的邊緣、一個(gè)角，甚至一個(gè)區(qū)域。為了便于軟件系統(tǒng)的識(shí)別，突出這些特征信息，需要對(duì)圖像進(jìn)行一些預(yù)處理，使得特征信息能夠與其他干擾信息進(jìn)行分離、強(qiáng)化。

3.1.1 圖像二值化

圖像的閾值分割是利用圖像中的背景和目標(biāo)區(qū)域上的灰度特性差異，將圖像看成具有不同灰度級(jí)的兩類(lèi)區(qū)域的組合。選取一個(gè)合適的閾值以確定是背景還是目標(biāo)區(qū)域。

如圖5（a）所示的鋼絲繩圖像中，背景圖像呈現(xiàn)灰白色，鋼絲繩圖像呈現(xiàn)黑色，二者具有較大的灰度差異，將鋼絲繩從圖像中提取出來(lái)的方法就是選擇一個(gè)合適的閾值T 來(lái)分離這兩種模式。滿(mǎn)足條件f（x，y）＞T 的點(diǎn)稱(chēng)為背景點(diǎn)，滿(mǎn)足條件f（x，y）＜T的點(diǎn)稱(chēng)為目標(biāo)點(diǎn)。閾值處理后的二值圖像如圖5（b）所示。

圖5 圖像二值化Fig.5 Image binaryzation

3.1.2 圖像細(xì)化

由于鋼絲繩的圖像像素寬度過(guò)大，在圖像處理的過(guò)程中無(wú)法獲得鋼絲繩骨架直線的準(zhǔn)確信息，誤差明顯。圖像細(xì)化就是為了在保持原有形狀的基礎(chǔ)上剝離多余像素，將多像素寬度的線條簡(jiǎn)化成單像素寬度的線條，對(duì)有效信息進(jìn)行精簡(jiǎn)、篩選。通常，我們可以認(rèn)為這條單像素寬度的直線就是原直線的中心線。通過(guò)圖像的細(xì)化，圖像特定區(qū)域的特征更加便于描述和抽取，效果圖如圖6 所示。

圖6 圖像細(xì)化Fig.6 Image thinning

3.1.3 圖像膨脹

如圖6 所示，細(xì)化處理后的鋼絲繩圖像存在斷斷續(xù)續(xù)、毛刺等問(wèn)題，而且霍夫變換并不能完整地提取只有單像素寬度的直線，不利于后續(xù)圖像處理，因此，需要進(jìn)行圖像膨脹處理。

膨脹處理就是遍歷圖像的每一個(gè)像素點(diǎn)，將結(jié)構(gòu)元素與圖像像素進(jìn)行重疊，在重疊區(qū)域中如果存在任意一個(gè)像素值為1，則覆蓋范圍全部為1，否則全部為0。膨脹之后的圖像如圖7 所示。

圖7 圖像膨脹Fig.7 Image dilation

3.1.4 圖像降噪

經(jīng)過(guò)圖像二值化、細(xì)化與膨脹處理之后，圖像中仍然存在一些像素值和鋼絲繩相似的噪聲點(diǎn)，如圖7 所示，如果保留這些噪聲點(diǎn)可能會(huì)被誤認(rèn)為是鋼絲繩上的點(diǎn)，從而造成測(cè)量誤差。利用這些孤立噪聲點(diǎn)分散且面積小的特點(diǎn)，單個(gè)噪點(diǎn)的像素面積遠(yuǎn)遠(yuǎn)小于鋼絲繩圖像的面積，因此使用MATLAB 工具箱自帶的bwareaopen 函數(shù)，計(jì)算圖像中所有的連通域，計(jì)算每個(gè)連通域的面積，設(shè)定一個(gè)閾值，當(dāng)一個(gè)連通域的像素面積遠(yuǎn)遠(yuǎn)小于閾值時(shí)就判定為噪點(diǎn)，而當(dāng)連通域面積大于閾值時(shí)，就判定為鋼絲繩上的有效點(diǎn)。進(jìn)行圖像降噪處理后，噪點(diǎn)都被去除，保留骨骼細(xì)化后的直線圖片，效果圖如圖8 所示。

圖8 無(wú)噪點(diǎn)二值圖Fig.8 Binary image without noisy points

3.2 直線提取

經(jīng)過(guò)預(yù)處理之后的圖像，通過(guò)霍夫變換可以提取到每條直線段的起始坐標(biāo)。其MATLAB 代碼為[H,T,R]=hough（BW）;

P=houghpeaks（H,10,′threshold′,ceil（0.4*max（H（:））））;

lines=houghlines（BW,T,R,P,′FillGap′,14,′Min Length′,55）;

BW 是經(jīng)過(guò)圖像預(yù)處理后的第1 幀圖像。在MATLAB 圖像處理工具箱中有3 個(gè)與霍夫變換有關(guān)的函數(shù)。算法先通過(guò)Hough 函數(shù)得到霍夫變換提取直線后生成的霍夫變換矩陣，代碼中的返回值H 就是霍夫變換矩陣，而返回值T 和R 分別是ρ 和θ 的值；隨后通過(guò)houghpeaks 函數(shù)尋找霍夫變換矩陣中的峰值；最后利用houghlines 函數(shù)查找在圖像空間中是否真實(shí)存在與這些峰值所對(duì)應(yīng)的直線圖像，實(shí)現(xiàn)直線的提取，并用變量lines 記錄檢測(cè)到的每條直線的起始坐標(biāo)信息。其中，變量lines 是一個(gè)數(shù)組，它相當(dāng)于給檢測(cè)到的直線進(jìn)行了編號(hào)，假設(shè)將檢測(cè)到的第1 條直線記錄為lines（1），將檢測(cè)到的第3 條直線的起點(diǎn)坐標(biāo)記錄為lines（3）.point1，將檢測(cè)到的第n 條直線的終點(diǎn)坐標(biāo)記錄為lines（n）.point2。圖像的霍夫變換及提取的直線分別如圖9和圖10 所示。

圖9 霍夫變換圖Fig.9 Image of Hough transform

3.3 測(cè)點(diǎn)選擇

考慮到手動(dòng)選擇的不確定性，鼠標(biāo)所選取的位置不一定能精準(zhǔn)定位到已檢測(cè)到的直線上，為了減少誤差，使得鼠標(biāo)能夠準(zhǔn)確定位到觀測(cè)點(diǎn)在直線上的位置坐標(biāo)，本文設(shè)計(jì)了一種直接有效的方法。

圖10 霍夫變換提取的直線Fig.10 Obtained lines by Hough transform

該方法先通過(guò)MATLAB 中的get 函數(shù)獲取當(dāng)前鼠標(biāo)所在的位置信息；利用length 函數(shù)獲得經(jīng)過(guò)霍夫變換后檢測(cè)到的直線數(shù)量；對(duì)這些檢測(cè)到的直線進(jìn)行逐個(gè)遍歷，設(shè)定一個(gè)數(shù)組len（k），k 表示直線的編號(hào)，利用點(diǎn)到直線的距離公式計(jì)算所選取的目標(biāo)點(diǎn)到第n 條直線的距離并用數(shù)組len（n）記錄。設(shè)定一個(gè)固定閾值進(jìn)行判斷，如果選取點(diǎn)所在位置距離第n 條直線的距離len（n）小于4.5，就判定第n 條直線為待檢測(cè)直線，如果點(diǎn)到所有直線的距離均大于4.5，則算法沒(méi)有響應(yīng)，等待重新選擇。

由于點(diǎn)的選擇存在誤差，雖然確定了所在直線，但無(wú)法準(zhǔn)確得知待測(cè)點(diǎn)在第n 條直線上的準(zhǔn)確位置，所以需要對(duì)鼠標(biāo)選擇的位置進(jìn)行修正。由于已知第n 條直線的起始坐標(biāo)p1=lines（n）.point1 和終點(diǎn)坐標(biāo)p2=lines（n）.point2，因此可以得到它的方向向量lla=abs（p1 -p2）。假設(shè)將它換算成單位方向向量后為lla=（a，b），利用單位方向向量和單位法向向量相乘等于0 的原理，可以得到單位法向向量（即垂線斜率）lcd=（-b，a）。已知直線斜率和線上一點(diǎn)可以確定一條直線，這條直線即待測(cè)鋼絲繩直線的垂線，而鋼絲繩直線與其垂線的交點(diǎn)就是算法需要測(cè)量的坐標(biāo)點(diǎn)p0=（x0，y0），如圖11 所示。

圖11 測(cè)點(diǎn)選擇Fig.11 Selection of measured point

3.4 基于邊緣檢測(cè)的圖像標(biāo)定

圖像坐標(biāo)系只代表像素的行數(shù)和列數(shù)，圖像坐標(biāo)空間并不能反映實(shí)際空間的真實(shí)情況。為確定鋼絲繩實(shí)際測(cè)量空間某點(diǎn)的位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系，需要對(duì)圖像進(jìn)行標(biāo)定。

本文中，在振動(dòng)平面與圖像平面幾乎平行的情況下，可以采用直接求解圖像尺寸分辨率的方法，公式為Df=df/di，其中，df是圖像中物體的真實(shí)世界距離，di是圖像的像素距離。本文中鋼絲繩直徑為46 mm，通過(guò)測(cè)量鋼絲繩像素寬度的方法可完成圖像的標(biāo)定。

為了測(cè)量鋼絲繩的像素寬度，本文提出一種基于邊緣檢測(cè)的標(biāo)定方法。利用邊緣檢測(cè)法提取鋼絲繩的上下邊緣，計(jì)算鋼絲繩上下邊緣之間的法向距離，即為像素寬度di。采用Priwitt 算子進(jìn)行邊緣檢測(cè)，得到鋼絲繩直線的上下邊緣，并對(duì)圖像邊緣細(xì)化處理成單像素邊緣，如圖12 所示。經(jīng)過(guò)邊緣檢測(cè)后的圖像只有鋼絲繩的邊界為白色，其余像素值均為黑色。以鼠標(biāo)選取的點(diǎn)或跟蹤窗口為中心，對(duì)一條垂直于鋼絲繩的單像素直線段進(jìn)行遍歷，如圖13所示。由于鋼絲繩像素寬度是有限的，因此所作直線段并不需要太長(zhǎng)，在本文中，該直線段長(zhǎng)度取70，這個(gè)長(zhǎng)度既超過(guò)了鋼絲繩的寬度，所作的直線段又不會(huì)與其他直線發(fā)生干涉。對(duì)該垂線段進(jìn)行從下向上遍歷，依次檢測(cè)每個(gè)像素點(diǎn)的值，對(duì)垂線上檢測(cè)到的第1 個(gè)和最后1 個(gè)像素點(diǎn)進(jìn)行記錄并保存，計(jì)算它們的距離，這個(gè)距離就是實(shí)驗(yàn)所需要的鋼絲繩像素寬度di。

圖12 邊緣檢測(cè)提取的直線Fig.12 Obtained lines by edge detection

3.5 感興趣區(qū)域選擇

對(duì)整幅圖像進(jìn)行處理，每幀需要處理1 024 ×768 個(gè)像素，大大增加了計(jì)算工作量和計(jì)算時(shí)間，而實(shí)際的圖像處理只需要搜索一個(gè)相對(duì)較小的感興趣區(qū)域就能達(dá)成目的。為了解決這個(gè)問(wèn)題并提高算法的處理速度，引入了ROI（region of interest）技術(shù)。

圖13 邊緣遍歷Fig.13 Edge traversing

考慮到本實(shí)驗(yàn)是為了檢測(cè)鋼絲繩在法向方向上的運(yùn)動(dòng)情況，而點(diǎn)的運(yùn)動(dòng)是限制在一定范圍內(nèi)的，因此設(shè)定感興趣區(qū)域?yàn)橐粋€(gè)20 × 140 的長(zhǎng)方形像素區(qū)域，并垂直于被測(cè)直線，如圖14 所示。

圖14 感興趣區(qū)域選擇Fig.14 Selection of ROI

3.6 像素檢測(cè)

像素檢測(cè)就是一次遍歷，依次掃描感興趣區(qū)域的每一個(gè)像素點(diǎn)，由于感興趣區(qū)域已經(jīng)過(guò)二值化處理，所以像素值非0（黑）即1（白），如圖15 所示。遍歷檢測(cè)查找每一個(gè)像素值為1 的像素點(diǎn)，每找到一個(gè)，就令area、sum_x、sum_y 3 個(gè)變量分別進(jìn)行相應(yīng)的運(yùn)算，檢測(cè)結(jié)束后，使得area 等于所有像素值為1的點(diǎn)的個(gè)數(shù)之和，sum_x 等于所有像素值為1 的點(diǎn)的x 軸坐標(biāo)之和，sum_y 等于所有像素值為1 的點(diǎn)的y 軸坐標(biāo)之和。令x0=sum_x/area，y0=sum_y/area，其中x0，y0是這一幀待觀測(cè)點(diǎn)的x 軸和y 軸的坐標(biāo)，待觀測(cè)點(diǎn)的坐標(biāo)為p0=（x0，y0）。

3.7 檢測(cè)效果

霍夫變換直線檢測(cè)算法通過(guò)作輔助直線、建立坐標(biāo)系、檢測(cè)待測(cè)點(diǎn)的位置信息，得到該待測(cè)點(diǎn)的橫向像素動(dòng)位移，如圖16 所示。然后，根據(jù)像素位移與真實(shí)世界距離的比例關(guān)系及采樣頻率，即可獲得待測(cè)點(diǎn)實(shí)際位移隨時(shí)間的變化曲線。

圖15 感興趣區(qū)域二值圖Fig.15 Binary image of ROI

圖16 檢測(cè)效果圖Fig.16 Effect image by the proposed method

4 檢測(cè)軟件系統(tǒng)設(shè)計(jì)

將從硬件部分采集得到的圖像進(jìn)行處理、識(shí)別與跟蹤，并進(jìn)一步對(duì)得到的數(shù)據(jù)進(jìn)行分析與顯示。本文設(shè)計(jì)的軟件部分主要包括圖像讀取、相機(jī)標(biāo)定、圖像處理和數(shù)據(jù)輸出，如圖17 所示。

MATLAB 具備良好的建模能力，它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化，以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多功能集成在一個(gè)易于使用的視窗環(huán)境中，為算法的設(shè)計(jì)和開(kāi)發(fā)提供了便利。本文基于MATLAB GUI（graphic user interface）設(shè)計(jì)了鋼絲繩平面橫向振動(dòng)檢測(cè)軟件系統(tǒng)，其檢測(cè)界面如圖18 所示。

界面中主要按鈕功能如下：

1）OpenAvi 按鈕：該按鈕主要負(fù)責(zé)讀取視頻的任務(wù)，它將從硬件系統(tǒng)中采集并傳輸?shù)接?jì)算機(jī)的視頻文件導(dǎo)入系統(tǒng)，使得系統(tǒng)能夠離線分析該視頻文件，獲得并保存視頻文件的每幀圖像信息，讓其他模塊能夠隨時(shí)調(diào)用視頻文件指定幀的圖像。該按鈕運(yùn)行后，將在axes1 窗口輸出視頻文件的第1幀圖像。

圖17 檢測(cè)軟件系統(tǒng)組成Fig.17 Configuration of the measurement software system

圖18 檢測(cè)軟件系統(tǒng)界面Fig.18 Interface of the measurement software system

2）Target 按鈕：在該按鈕的回調(diào)函數(shù)中，集待測(cè)目標(biāo)的選擇、感興趣區(qū)域確定和相機(jī)的標(biāo)定等多功能于一體。點(diǎn)擊OpenAvi 按鈕之后，將在axes1 窗口輸出視頻第1 幀圖像，隨后點(diǎn)擊Target 按鈕，系統(tǒng)將要求用戶(hù)在axes1 窗口輸出的第1 幀圖像上手動(dòng)選擇待測(cè)目標(biāo)（待測(cè)目標(biāo)可以是鋼絲繩上某一點(diǎn)，也可以是一個(gè)矩形跟蹤框），隨后以待測(cè)目標(biāo)的中心點(diǎn)為中心建立感興趣區(qū)域并對(duì)圖像進(jìn)行標(biāo)定。點(diǎn)擊該按鈕后，將在axes2、axes3 窗口中分別輸出感興趣區(qū)域部分的截取圖像與相應(yīng)的二值圖像，因?yàn)槭艽翱诖笮∠拗?，?biāo)定過(guò)程中得到的鋼絲繩上下邊緣檢測(cè)圖像將在一個(gè)副窗口中彈出。

3）Compute 按鈕：在確定了待測(cè)目標(biāo)之后，就需要用相應(yīng)的算法對(duì)后續(xù)幀圖像中的目標(biāo)進(jìn)行識(shí)別與跟蹤，在該階段，本文應(yīng)用像素檢測(cè)方法對(duì)目標(biāo)進(jìn)行測(cè)量，測(cè)得的該點(diǎn)橫向振動(dòng)位移將在axes4 窗口中顯示。

5 總結(jié)

本文提出了一種基于霍夫變換直線提取的鋼絲繩平面橫向振動(dòng)的檢測(cè)方法。通過(guò)圖像預(yù)處理改善了待測(cè)圖像質(zhì)量，應(yīng)用霍夫變換算法提取了鋼絲繩在圖像中的直線特征信息，利用邊緣檢測(cè)法實(shí)現(xiàn)了相機(jī)的標(biāo)定，在感興趣區(qū)域內(nèi)選擇確定了待測(cè)點(diǎn)橫向振動(dòng)的動(dòng)態(tài)區(qū)域，通過(guò)像素檢測(cè)得到了待測(cè)點(diǎn)的動(dòng)態(tài)坐標(biāo)信息，并設(shè)計(jì)了可用于算法實(shí)現(xiàn)的檢測(cè)軟件系統(tǒng)。此方法把鋼絲繩平面橫向振動(dòng)檢測(cè)的全局性問(wèn)題簡(jiǎn)化成了一個(gè)對(duì)局部圖像像素進(jìn)行處理、識(shí)別和遍歷的問(wèn)題，大大減少了搜索范圍與計(jì)算量，取得了較好的檢測(cè)結(jié)果。該方法可實(shí)現(xiàn)礦井提升機(jī)、電梯及其他提升裝備鋼絲繩平面橫向振動(dòng)的非接觸式全場(chǎng)檢測(cè)，具有較好的使用價(jià)值。