基于3D点云的矿石粒度检测系统.pdf

《装备维修技术》2021年第15期 基于3D点云的矿石粒度检测系统 赵全邦 （沈阳聚德视频技术有限公司，辽宁 沈阳 110167） 摘 要：矿石2D图像存在矿尘淹没、泥浆覆盖、光照不均、黏连交叠等干扰的严重噪声，使得基于2D图像处理技术很难对矿石进行 特征提取，导致矿石粒度检测准确率低。本文提出一种基于3D点云信息的矿石粒度检测方法，该方法通过提取矿石的3D点云信息， 利用矿石的深度图像进行分析处理，有效解决了上述干扰因素导致无法准确提取矿石特征的问题，结果表明：本方法能提高矿石分割 的正确率，利用实时反馈的矿石粒度信息控制破碎机进料口的大小，提高了矿石的破碎效率和利用率。 关键词：矿石粒度；2D图像；3D点云；特征提取 1 引言 5 实验结果分析 矿石粒度是矿物加工过程中的一项关键数据指标，同时也是影 图1：基于2D 矿石图像分割结果 响选矿方法以及工艺流程选择的重要参数，通过对矿石粒度的检测 图2 ：基于3D 矿石深度图像分割结果 分析，可以明确当前破碎机的工作状态，从而实时调节破碎机进料 从实验结果可以看出，图1 中a，b 两个石块由于光照不均， 口的大小，使最终的矿石粒度满足生产要求，提高经济效益[1] 。因 同一块矿石的明暗对比度非常明显，使得最终被分割成多个矿石。 此粒度测量一直是矿物加工、冶金、化工等领域重要的研究课题[2] 。 而图2 矿石的深度图像和伪彩色图像明显过滤掉了2D 图像中光照 传统的矿石粒度检测方法有筛分法[3] 、沉降法、电阻法、库尔 不均等干扰因素，而且矿石与矿石之间的边缘非常明显，层次也很 特法等，这些方法普适性较差，精度和可靠性都比较低。近些年随 分明，有利于后期的分割处理，得到的分割结果更准确。 着图像处理技术和人工智能技术的发展，出现了多种基于图像分割 的粒度分布检测技术。主要由两种方式：基于边缘的方法，如通过 分析颗粒之间的轮廓，或者采用基于分割目标的方法，如区域增长。 Amankwah 和Yuncai 等人分别提出改进的分水岭算法，通过引入自 适应阈值和形状标记，来克服矿石过分割问题。He 等人提出了基 于多尺度协方差图的特征提取方法，利用来自不同尺度的空间信息 增强样本，使用卷积神经网络对高光谱图像的分类。Prakash 等人 提出了使用基于双正交小波变换融合多峰的医学图像算法，在多尺 度上对小波域中的医学图像执行多尺度融合方案，这种方法在融合 由高斯和斑点噪声破坏的图像中具有抗噪性。 这些方法普遍基于矿石的2D 图像信息进行处理分析，但是由 于矿石2D 图像存在矿尘淹没、泥浆覆盖、光照不均、黏连交叠等 干扰的严重噪声，使得基于2D 图像处理技术很难对矿石进行特征 提取，导致矿石粒度检测准确率低。随着3D 技术的发展，图像识 图1 别逐渐从2D 图像过渡到3D 点云数据，这种数据自身具备3D 空间 几何特征，可天然解耦物体和背景，并且有效克服了泥浆、矿尘、 光照等干扰因素的影响，基于此本文提出一种基于3D 点云信息的 矿石粒度检测方法，该方法通过提取矿石的3D 点云信息，利用矿 石的深度图像进行分析处理，对矿石准确分割得到精确的矿石粒度 信息。 2 3D 相机标定 由于3D 相机需要根据不同的传送带宽度及传输速度配置相应 参数，但是现场矿道内的环境恶劣，充满矿尘泥浆，而且传送带的 高速运动，也给人身安全带来隐患，这些不利因素使得在现场标定 相机参数非常困难，进而影响标定参数的精确性，基于此本系统采 用线下标定的方式，即在设备安装到现场前，提前针对不同的传送 带宽度，以及传动带距离矿道顶部的距离等情况，标定出几组不同 的相机参数。现场安装设备后，只需要通过后端软件调用对应的标 定文件即可完成相机参数设置，使得标定过程安全、方便、快速。 3 获取 3D 点云数据深度图像 由3D 相机获得的点云数据无法直接进行图像处理，需要由点 云数据进一步合成可进行图像识别的深度图像，本文的做法是把点 云数据归一化至0~255 之间，并过滤掉噪声数据，如图2 所示，左 侧为矿石点云数据的深度图像，右侧为深度图像的伪彩色图像。从