CN113204029A - 一种热轧板坯翘曲检测装置及方法 - Google Patents
一种热轧板坯翘曲检测装置及方法 Download PDFInfo
- Publication number
- CN113204029A CN113204029A CN202110419070.0A CN202110419070A CN113204029A CN 113204029 A CN113204029 A CN 113204029A CN 202110419070 A CN202110419070 A CN 202110419070A CN 113204029 A CN113204029 A CN 113204029A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- coordinate system
- point
- line laser
- point cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种热轧板坯翘曲检测装置及方法,属于智能冶金轧制技术领域。该装置包括单线激光雷达、激光雷达安装支架、水冷机、激光雷达服务器及标定板,首先通过单线激光雷达扫描辊道上的标定板进行标定,获取单线激光雷达相对于世界坐标系的外参,进行位姿变换将单线激光雷达坐标系的点云转换到世界坐标系;然后单线激光雷达扫描运动板坯捕获板坯头部点云数据,结合辊道速度信息进行位姿变换,生成三维点云信息;再通过点云处理和特征提取得到板坯头部点云特征;最后采用最小二乘法拟合板坯头部曲线,并通过求解曲线的极值获取板坯头部特征。本发明有效改善或消除粗轧板坯非对称板形缺陷,提高产品质量稳定性,提高粗轧工序智能化水平。
Description
技术领域
本发明涉及智能冶金轧制技术领域,特别是指一种热轧板坯翘曲检测装置及方法。
背景技术
头部弯曲问题是热连轧粗轧生产中普遍存在的问题,至今尚未得到很好解决,一直是重要研究课题之一。轧件头部弯曲可分为两种情况翘头和扣头。它们是指板带在轧制过程中,由于板带上下表面层的金属秒流量存在差异,引起板带头部在出口向辊道上方或下方弯曲运动的现象。轧件头部弯曲的主要控制手段为“雪橇板”控制,但是“雪橇板”的控制量或“雪撬板”控制的数学模型很难确定,在上下辊分别由两台主电机单独驱动的情况下,如果“雪橇板”的控制量给定不当,就很容易在轧制过程中出现头部严重弯曲的问题。
在板坯翘扣头智能化检测领域,目前主要依靠基于机器视觉或激光雷达的方式进行检测。
如文献一(沈际海,张健民.基于图像测量的热轧板坯翘扣头控制系统设计与实现[J].冶金自动化,2013,37(06):43-47.)针对热轧板坯在粗轧轧制过程中的板坯翘扣头现象,建立了过CCD摄像机捕获板坯头部图像,采基于图像测量的热轧板坯翘扣头控制系统,但机器视觉易受环境和光线等因素的影响,稳定性较差;专利一(一种控制中板翘扣头的方法,CN108672503B)利用粗轧机和精轧机轧前轧件温度监测结合当前道次压下量,通过公式计算确定当前道次的轧制线高度值,但基于公式计算的方式难以取得较高的鲁棒性和精度;专利二(粗轧轧制过程中带钢翘扣头检测控制装置及方法,CN101920270A)采用自制接触式检测器来检测板坯翘扣头状况,其上下两个检测器由各自的扭杆弹簧、承座、回转轴、测量杆、脉冲编码器组成,通过板坯翘扣头撞击测量杆,带动回转轴转动脉冲编码器记录偏转角度并发出位置反馈信号,但该接触式检测器需要上下两个检测器,制作复杂,且接触式检测难以保证系统长时间运转磨损状况下的稳定性。
随着激光雷达技术的飞速发展,其制造和研发成本逐渐降低,愈加广泛地应用在了工业现场中。
发明内容
本发明针对目前现有的技术手段在板坯翘扣头检测方面的应用限制问题,提供一种热轧板坯翘曲检测装置及方法,通过单线激光雷达扫描运动板坯捕获板坯头部点云数据,结合辊道速度信息进行位姿变换,生成三维点云信息,得到板坯头部点云特征,精确识别板坯翘扣头信息,实现翘扣头的在线检测与自动控制,可以有效改善或消除粗轧板坯非对称板形缺陷,提高产品质量稳定性,提高粗轧工序智能化水平。
该装置包括单线激光雷达、激光雷达安装支架、水冷机、激光雷达服务器及标定板,单线激光雷达安装在激光雷达安装支架上,激光雷达安装支架固定在辊道一侧,与辊道水平距离5~10m,使得单线激光雷达的扫描平面垂直于板坯侧面,且单线激光雷达的扫描中心低于最厚板坯侧面的上边沿,水冷机与单线激光雷达相连,单线激光雷达连接激光雷达服务器,标定板置于辊道上。
单线激光雷达的扫描平面与辊道中辊的方向平行。
单线激光雷达的安装高度小于最小厚度板坯的上表面,板坯随辊道运动的同时由单线激光雷达捕获板坯头部形状信息,并将形状信息通过以太网传递给激光雷达服务器进行数据处理。
标定板由两个平板组成,放置在辊道上,这两个平板间的夹角θ是固定的,θ在120~150°之间,在放置时,其中一个平面的法线方向平行于辊道中辊的方向。
具体包括步骤如下:
S1:雷达标定,将标定板放置在辊道上,其中一个平面的法线方向平行于辊道中辊的方向,标定板随辊道运动的同时由单线激光雷达捕获标定板点云信息,并将点云信息通过以太网传递给激光雷达服务器进行数据处理,结合辊道运行速度生成三维点云,进行数据处理后得到单线激光雷达相对于世界坐标系的外参,即位姿变换矩阵Tran;
S2:板坯形状检测,在板坯扫描过程中,用户通过激光雷达服务器向单线激光雷达发送开始扫描指令,启动单线激光雷达,当单线激光雷达检测到辊道上方出现连续的深度变化时,判定板坯来到,开启计算程序,通过点云处理获取板坯外侧的位置信息,经过坐标转换计算板坯表面高度变化,获取头部翘扣头数据;板坯运行过程中结合辊道速度,连续采集板坯翘曲数据,当板坯尾部离开单线激光雷达的检测范围,检测到辊道上方出现连续的深度变化,单线激光雷达采集最后一帧板坯尾部点云数据,开启计算翘扣程度计算程序,最终获得板坯全长翘曲数据;
S3:当检测装置安装完成,调整好单线激光雷达后,执行S1,完成雷达标定;测量时只需执行S2,测量板坯形状信息;若雷达安装位置、姿态发生变化,则需要重新进行S1。
其中,S1中包含具体步骤如下:
S11:将单线激光雷达扫描平面视为雷达坐标系olxlylzl中由xl轴和yl轴组成的平面,即竖直向上为雷达坐标系的yl轴,沿着辊道运动方向设置为雷达坐标系的zl轴,垂直于雷达坐标系中zl轴和yl轴的为雷达坐标系的xl轴,按此坐标系将辊道输出的速度信息结合起来,如公式1所示,其中vg是辊道运行速度,第i帧中的第j个点在zl轴上的值为T为单线激光雷达的扫描周期,m为第n个扫描周期中点的总数量,N为扫描周期总数量,通过对激光点云在轴上赋值,将激光点数据拼接为三维点云;
S12:在拼接多帧激光点数据生成三维点云后,对点云进行直通滤波和统计滤波处理,筛选出标定板其中一个平面周围区域的点云,通过RANSAC方法拟合此平面,得到雷达坐标系olxlylzl中的标定板平面方程如公式2所示,其中,Ab、Bb、Cb、Db为平面方程的四个参数;再由标定板平面拟合结果的参数计算雷达坐标系olxlylzl绕世界坐标系zwywzw中zw的转角和绕yw轴的转角θy=arctanCb/Bb,生成变换矩阵T1进行位姿变换,将单线激光雷达坐标系olxlylzl下的点云变换到与世界坐标系owxwywzw的ywowzw平面平行的临时坐标系o1x1y1z1,如公式3所示,其中xw方向垂直标定板向内,yw方向竖直向上,zw方向与辊道前进方向相同;
Abx+Bby+Cbz+Db=0 公式2
S13:在临时坐标系o1x1y1z1下继续拟合当前点云的平面方程,重复以上标定步骤计算变换矩阵T1′,更新T1,进行坐标系变换,如公式4,直至当前平面法向量与xw正方向夹角小于阈值(阈值范围在10-4~10-6之间),如公式5所示;
S14:通过直通滤波只保留下另一个标定板平面的点云,在坐标系o1x1y1z1下用RANSAC方法拟合此平面方程,如公式6所示,Ag1、Bg1、Cg1、Dg1分别为标定板拟合平面方程的四个参数。通过平面方程参数计算坐标系olxlylzl绕世界坐标系owxwywzw中xw的转角同时以此平面的边缘直线处最上方E点为基准,计算此坐标系移动到世界坐标系的平移量xt、yt、zt,生成变换矩阵T2,将o1x1y1z1坐标系变换到世界坐标系owxwywzw,如公式7所示;
Ag1x+Bg1y+Cg1z+Dg1=0 公式6
将T2T1的结果记为单线激光雷达坐标系olxlylzl向世界坐标系owxwywzw进行转换的位姿变换矩阵Tran并保存在本地。
S2中单线激光雷达扫描运动中的板坯后,其点云处理和数据计算包括以下步骤:
S21:激光雷达服务器下达任务,单线激光雷达扫描运动中的板坯时,对单帧数据进行特征提取:
(a)单线激光雷达检测到辊道上方出现连续的深度变化时,启动计算程序;
(b)按照公式1,结合辊道速度信息和单线激光雷达扫描周期T消除因板坯随辊道运动产生的畸变;
(c)结合步骤(b)中辊道速度信息和S1中最后得到的变换矩阵Tran,计算单线激光雷达第n个扫描周期中的第i个扫描点的变换矩阵Ti n,并由此将单线激光雷达坐标系xlylzl变换到世界坐标系xwywzw下,如公式8所示;
(d)对点云进行滤波处理,通过直通滤波留下板坯和辊道周围的点云,如公式9所示,留下每个坐标轴阈值范围内的点,每个坐标轴范围阈值根据现场实际情况确定,ximn、xmax、yimn、ymax、zimn、zmax分别为x、y、z轴上直通滤波范围的最小值和最大值;
通过统计滤波,删除噪声点,如公式10所示,将点云分布视为高斯分布,若目标点到其k个邻近点的平均距离dk小于1个全局标准差σ,则将其视为噪声点去除,即剔除出现概率小于0.3174的点,其中μ为全局点的距离均值,σ为全局点的距离标准差;
(e)寻找边缘点,将每一帧点云向y-o-z面进行投影,同时,对滤波后的剩下的每个点的y坐标值进行遍历,对于第i帧中的第j个点的y坐标设定一个阈值emax,当时,认为点为深度突变点,即可得到一系列深度突变点,其中emax的取值范围为1~5m;
(f)将(e)中得到的一系列深度突变点看作边缘目标点,对这些目标点继续遍历,利用当前点及其前后十个点计算距离差,进而得到协方差来描述当前点的曲率,如公式11所示,当该点曲率K>Kmax时,认为该点为曲率突变点,并用曲率的突变进一步缩小目标点范围,得到最后的边缘目标点,其中Kmax的取值范围为100~500;
K=(yi-5+yi-4+yi-3+yi-2+yi-1-yi×10+yi+1+yi+2+yi+3+yi+4+yi+5)2 公式11
S22:在S21的基础上,生成板坯边缘三维点云,识别板坯形状信息:
(a)将板坯多帧的边缘点加入到同一个三维点云中,组成板坯的头部曲线;
(b)选取板坯头部曲线第1个点作为第1个关键参考点,令其为Ph(Phx,Phy,Phz),另外选取距离Ph最近的极值点作为第2个关键参考点Pt(Ptx,Pty,Ptz),利用2个关键参考点之间直线的斜率α来判定,如公式12所示,斜率α大于0时即翘曲方向向上,斜率α小于0时即翘曲方向向下;
(c)板坯的翘曲程度由翘扣头量ΔH=|Pty-Phy|来反应。
本发明的上述技术方案的有益效果如下:
本发明通过单线激光雷达扫描运动板坯捕获板坯头部点云数据,结合辊道速度信息进行位姿变换,生成三维点云信息,得到板坯头部点云特征,精确识别板坯翘扣头信息,实现翘扣头的在线检测与自动控制,可以有效改善或消除粗轧板坯非对称板形缺陷,提高产品质量稳定性,提高粗轧工序智能化水平。具体优点如下:
1)与利用机器视觉获取板坯形状信息的方案相比,本发明受环境光线等因素影响更小,能直接获取深度信息,精确度更高,适用工业现场应用;
2)与利用多线激光雷达获取板坯形状信息的方案相比,本发明成本更低,数据解读更方便,精确度更高,更适用于企业生产改造需求;
3)与采用定制标定块进行外参标定的方式比较,本发明应用标定板进行标定,操作过程更简单,且可存储标定结果,校正安装误差;
4)本发明的检测系统,整体结构简单明了,易于安装和维护保养,算法鲁棒性强,计算速度快,精度符合大多数生产线对板坯形状的检测要求。
附图说明
图1为本发明检测装置结构示意图;
图2为本发明方法生产的板坯边缘三维点云图;
图3为本发明实施例中直通滤波后点云图。
其中:1-单线激光雷达,2-激光雷达安装支架,3-水冷机,4-激光雷达服务器,5-标定板。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
随着人工智能、智能制造领域的相关技术应用于钢铁生产,使得钢厂逐渐达到最最先进化的水平、极大的提高了生产效率,为了适应行业发展的趋势,需要开发基于智能检测技术的粗轧翘扣头自动控制功能,减少人工干预,保障产品质量及生产稳定性。由于机器视觉受环境中的光线等因素影响较大,难以适应恶劣环境,限制了机器视觉技术在工厂中的广泛应用,而激光雷达受环境影响较小,具有较高精度,能够直接获取深度信息,且单线激光雷达比多线激光雷达成本更低,因此本发明采取单线激光雷达检测板坯的方式,来准确获取板坯翘扣头形状信息。通过单线激光雷达扫描运动板坯捕获板坯头部点云数据,结合辊道速度信息进行位姿变换,生成三维点云信息,得到板坯头部点云特征,精确识别板坯翘扣头信息,实现翘扣头的在线检测与自动控制,可以有效改善或消除粗轧板坯非对称板形缺陷,提高产品质量稳定性,提高粗轧工序智能化水平。
具体的,本发明提供一种热轧板坯翘曲检测装置及方法。
如图1所示,该装置包括单线激光雷达1、激光雷达安装支架2、水冷机3、激光雷达服务器4、辊道、板坯、标定板5;
单线激光雷达1安装在激光雷达安装支架2上,单线激光雷达1的扫描平面与辊道中辊的方向平行,板坯随辊道运动的同时由单线激光雷达1捕获板坯头部形状信息,并将点云信息通过以太网传递给激光雷达服务器4进行数据处理;激光雷达安装支架2固定在辊道一侧;水冷机3与单线激光雷达1相连;标定板5放置在辊道上,其平面法线方向平行于辊道中辊的方向。
该装置测量的基本原理为:
用户通过激光雷达服务器向单线激光雷达发送开始扫描指令,启动单线激光雷达,当单线激光雷达检测到辊道上方出现连续的深度变化时,判定板坯来到,开启计算程序,通过点云处理获取板坯外侧的位置信息,经过坐标转换计算板坯表面高度变化,获取头部翘扣头数据;板坯运行过程中结合辊道速度,连续采集板坯翘曲数据,当板坯尾部离开单线激光雷达的检测范围,检测到辊道上方出现连续的深度变化,单线激光雷达采集最后一帧板坯尾部点云数据,开启计算翘扣程度计算程序,最终获得板坯全长翘曲数据。
应用该装置具体包括步骤如下:
S1:雷达标定,将标定板5放置在辊道上,其中一个平面的法线方向平行于辊道中辊的方向,标定板5随辊道运动的同时由单线激光雷达1捕获标定板5点云信息,并将点云信息通过以太网传递给激光雷达服务器4进行数据处理,结合辊道运行速度生成三维点云,进行数据处理后得到单线激光雷达1相对于世界坐标系的外参;
S2:板坯形状检测,在板坯扫描过程中,用户通过激光雷达服务器4向单线激光雷达1发送开始扫描指令,启动单线激光雷达1,当单线激光雷达1检测到辊道上方出现连续的深度变化时,判定板坯来到,开启计算程序,通过点云处理获取板坯外侧的位置信息,经过坐标转换计算板坯表面高度变化,获取头部翘扣头数据;板坯运行过程中结合辊道速度,连续采集板坯翘曲数据,当板坯尾部离开单线激光雷达1的检测范围,检测到辊道上方出现连续的深度变化,单线激光雷达1采集最后一帧板坯尾部点云数据,开启计算翘扣程度计算程序,最终获得板坯全长翘曲数据;
S3:当检测装置安装完成,调整好单线激光雷达1后,执行S1,完成雷达标定;测量时只需执行S2,测量板坯形状信息;若雷达安装位置、姿态发生变化,则需要重新进行S1。
其中,S1中包含具体步骤如下:
S11:将单线激光雷达1扫描平面视为雷达坐标系olxlylzl中由xl轴和yl轴组成的平面,即竖直向上为雷达坐标系的yl轴,沿着辊道运动方向设置为雷达坐标系的zl轴,垂直于雷达坐标系中zl轴和yl轴的为雷达坐标系的xl轴,按此坐标系将辊道输出的速度信息结合起来,如公式1所示,其中vg是辊道运行速度,第i帧中的第j个点在zl轴上的值为T为单线激光雷达1的扫描周期,m为第n个扫描周期中点的总数量,N为扫描周期总数量,通过对激光点云在轴上赋值,将激光点数据拼接为三维点云;
S12:在拼接多帧激光点数据生成三维点云后,对点云进行直通滤波和统计滤波处理,筛选出标定板5其中一个平面周围区域的点云,通过RANSAC方法拟合此平面,得到雷达坐标系olxlylzl中的标定板5平面方程如公式2所示,再由标定板5平面拟合结果的参数计算雷达坐标系olxlylzl绕世界坐标系zwywzw中zw的转角θz和绕yw轴的转角θy,生成变换矩阵T1进行位姿变换,将单线激光雷达1坐标系olxlylzl下的点云变换到与世界坐标系owxwywzw的ywowzw平面平行的临时坐标系o1x1y1z1,如公式3所示,其中xw方向垂直标定板向内,yw方向竖直向上,zw方向与辊道前进方向相同;
Abx+Bby+Cbz+Db=0 公式2
S14:再通过直通滤波只保留下另一个标定板平面的点云,在坐标系o1x1y1z1下用RANSAC方法拟合此平面方程,如公式6所示,Ag1、Bg1、Cg1、Dg1分别为标定板5拟合平面方程的四个参数。通过平面方程参数计算坐标系olxlylzl绕世界坐标系owxwywzw中xw的转角θx,同时以此平面的边缘直线处最上方E点为基准,计算此坐标系移动到世界坐标系的平移量xt、yt、zt,生成变换矩阵T2,将o1x1y1z1坐标系变换到世界坐标系owxwywzw,如公式7所示;
Ag1x+Bg1y+Cg1z+Dg1=0 公式6
将T2T1的结果记为单线激光雷达坐标系olxlylzl向世界坐标系owxwywzw进行转换的位姿变换矩阵Tran并保存在本地。
S2中单线激光雷达1扫描运动中的板坯后,其点云处理和数据计算包括以下步骤:
S21:激光雷达服务器4下达任务,单线激光雷达1扫描运动中的板坯时,对单帧数据进行特征提取:
(a)单线激光雷达1检测到辊道上方出现连续的深度变化时,启动计算程序;
(b)按照公式1,结合辊道速度信息和单线激光雷达1扫描周期T消除因板坯随辊道运动产生的畸变;
(c)结合步骤(b)中辊道速度信息和权利要求7中步骤(4)中标定后存储的总的变换矩阵Tran,计算单线激光雷达1第n个扫描周期中的第i个扫描点的变换矩阵Ti n,并由此将单线激光雷达1坐标系xlylzl变换到世界坐标系xwywzw下,如公式8所示;
(d)对点云进行滤波处理,通过直通滤波留下板坯和辊道周围的点云,如公式9所示,留下每个坐标轴阈值范围内的点,如图3所示,直通滤波后将只留下辊道和钢板的点云;
通过统计滤波,删除噪声点,如公式10所示,将点云分布视为高斯分布,若目标点到其k个邻近点的平均距离dk小于1个全局标准差σ,则将其视为噪声点去除,即剔除出现概率小于0.3174的点;
(e)寻找边缘点,将每一帧点云向y-o-z面进行投影,同时,对滤波后的剩下的每个点的y坐标值进行遍历,对于第i帧中的第j个点的y坐标设定一个阈值emax,当时,认为点为深度突变点,即可得到一系列深度突变点,其中emax的取值范围为1~5m;
(f)将(e)中得到的一系列深度突变点看作边缘目标点,对这些目标点继续遍历,利用当前点及其前后十个点计算距离差,进而得到协方差来描述当前点的曲率,如公式11所示,当该点曲率K>Kmax时,认为该点为曲率突变点,并用曲率的突变进一步缩小目标点范围,得到最后的边缘目标点,其中Kmax的取值范围为100~500;
K=(yi-5+yi-4+yi-3+yi-2+yi-1-yi×10+yi+1+yi+2+yi+3+yi+4+yi+5)2 公式11
S22:在S21的基础上,生成板坯边缘三维点云,识别板坯形状信息,如图2所示:
(a)将板坯多帧的边缘点加入到同一个三维点云中,组成板坯的头部曲线;
(b)选取板坯头部曲线第1个点作为第1个关键参考点,令其为Ph(Phx,Phy,Phz),另外选取距离Ph最近的极值点作为第2个关键参考点Pt(Ptx,Pty,Ptz),利用2个关键参考点之间直线的斜率α来判定,如公式12所示,斜率α大于0时即翘曲方向向上,斜率α小于0时即翘曲方向向下;
(c)板坯的翘曲程度由翘扣头量ΔH=|Pty-Phy|来反应。
当激光雷达安装完成,并调试好电源与通讯部分之后,执行单线激光雷达外参标定部分,记录标定得到的变换矩阵T,之后检测板坯头部的位置信息只需要按照存储的变换矩阵T进行标定,再执行其他步骤即可。
在本实例中,测量结果与人工测量结果误差较小,说明本发明所示的装置及方法测量精确度较高。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种热轧板坯翘曲检测装置,其特征在于:包括单线激光雷达(1)、激光雷达安装支架(2)、水冷机(3)、激光雷达服务器(4)及标定板(5),单线激光雷达(1)安装在激光雷达安装支架(2)上,激光雷达安装支架(2)固定在辊道一侧,与辊道水平距离5~10m,使得单线激光雷达(1)的扫描平面垂直于板坯侧面,且单线激光雷达(1)的扫描中心低于最厚板坯侧面的上边沿,水冷机(3)与单线激光雷达(1)相连,单线激光雷达(1)连接激光雷达服务器(4),标定板(5)置于辊道上。
2.根据权利要求1所述的热轧板坯翘曲检测装置,其特征在于:所述单线激光雷达(1)的扫描平面与辊道中辊的方向平行。
3.根据权利要求1所述的热轧板坯翘曲检测装置,其特征在于:所述单线激光雷达(1)的安装高度小于最小厚度板坯的上表面,板坯随辊道运动的同时由单线激光雷达(1)捕获板坯头部形状信息,并将形状信息通过以太网传递给激光雷达服务器(4)进行数据处理。
4.根据权利要求1所述的热轧板坯翘曲检测装置,其特征在于:所述标定板(5)由两个平板组成,放置在辊道上,两个平板间的夹角θ是固定的,θ在120~150°之间,在放置时,其中一个平板的法线方向平行于辊道中辊的方向。
5.应用权利要求1所述的热轧板坯翘曲检测装置的方法,其特征在于:包括步骤如下:
S1:雷达标定,将标定板(5)放置在辊道上,标定板(5)随辊道运动的同时由单线激光雷达(1)捕获标定板(5)点云信息,并将点云信息通过以太网传递给激光雷达服务器(4)进行数据处理,结合辊道运行速度生成三维点云,进行数据处理后得到单线激光雷达(1)相对于世界坐标系的外参,即位姿变换矩阵Tran;
S2:板坯形状检测,在板坯扫描过程中,用户通过激光雷达服务器(4)向单线激光雷达(1)发送开始扫描指令,启动单线激光雷达(1),当单线激光雷达(1)检测到辊道上方出现连续的深度变化时,判定板坯来到,开启计算程序,通过点云处理获取板坯外侧的位置信息,经过坐标转换计算板坯表面高度变化,获取头部翘扣头数据;板坯运行过程中结合辊道速度,连续采集板坯翘曲数据,当板坯尾部离开单线激光雷达(1)的检测范围,检测到辊道上方出现连续的深度变化,单线激光雷达(1)采集最后一帧板坯尾部点云数据,开启计算翘扣程度计算程序,最终获得板坯全长翘曲数据;
S3:当检测装置安装完成,调整好单线激光雷达(1)后,执行S1,完成雷达标定;测量时只需执行S2,测量板坯形状信息;若雷达安装位置、姿态发生变化,则需要重新进行S1。
6.根据权利要求5所述的热轧板坯翘曲检测的方法,其特征在于:所述S1中包含具体步骤如下:
S11:将单线激光雷达(1)扫描平面视为雷达坐标系olxlylzl中由xl轴和yl轴组成的平面,即竖直向上为雷达坐标系的yl轴,沿着辊道运动方向设置为雷达坐标系的zl轴,垂直于雷达坐标系中zl轴和yl轴的为雷达坐标系的xl轴,按此坐标系将辊道输出的速度信息结合起来,通过公式1对激光点云在zl轴上赋值,将激光点数据拼接为三维点云,其中vg是辊道运行速度,第i帧中的第j个点在zl轴上的值为T为单线激光雷达(1)的扫描周期,m为第n个扫描周期中点的总数量,N为扫描周期总数量;
S12:在拼接多帧激光点数据生成三维点云后,对点云进行直通滤波和统计滤波处理,筛选出标定板(5)其中一个平面周围区域的点云,通过RANSAC方法拟合此平面,得到如公式2的雷达坐标系olxlylzl中的标定板(5)平面方程,其中,Ab、Bb、Cb、Db为平面方程的四个参数;再由标定板(5)平面拟合结果的参数计算雷达坐标系olxlylzl绕世界坐标系zwywzw中zw的转角和绕yw轴的转角θy=arctanCb/Bb,生成变换矩阵T1进行位姿变换,按公式3,将单线激光雷达(1)坐标系olxlylzl下的点云变换到与世界坐标系owxwywzw的ywowzw平面平行的临时坐标系o1x1y1z1,其中xw方向垂直标定板向内,yw方向竖直向上,zw方向与辊道前进方向相同;
Abx+Bby+Cbz+Db=0 公式2
S13:在临时坐标系o1x1y1z1下继续拟合当前点云的平面方程,重复以上标定步骤计算变换矩阵T1 l,更新T1,进行坐标系变换,如公式4,直至当前平面法向量与xw正方向夹角小于阈值阈值范围在10-4~10-6之间,如公式5所示;
S14:通过直通滤波只保留下另一个标定板平面的点云,在坐标系o1x1y1z1下用RANSAC方法拟合此平面方程,如公式6所示,Ag1、Bg1、Cg1、Dg1分别为标定板(5)拟合平面方程的四个参数;通过平面方程参数计算坐标系olxlylzl绕世界坐标系owxwywzw中xw的转角同时以此平面的边缘直线处最上方E点为基准,计算此坐标系移动到世界坐标系的平移量xt、yt、zt,生成变换矩阵T2,将o1x1y1z1坐标系变换到世界坐标系owxwywzw,如公式7所示;
Ag1x+Bg1y+Cg1z+Dg1=0 公式6
将T2T1的结果记为单线激光雷达坐标系olxlylzl向世界坐标系owxwywzw进行转换的位姿变换矩阵Tran并保存在本地。
7.根据权利要求5所述的热轧板坯翘曲检测的方法,其特征在于:所述S2中单线激光雷达(1)扫描运动中的板坯后,其点云处理和数据计算包括以下步骤:
S21:激光雷达服务器(4)下达任务,单线激光雷达(1)扫描运动中的板坯时,对单帧数据进行特征提取:
(a)单线激光雷达(1)检测到辊道上方出现连续的深度变化时,启动计算程序;
(b)按照如下公式,结合辊道速度信息和单线激光雷达(1)扫描周期T消除因板坯随辊道运动产生的畸变;
(c)结合步骤(b)中辊道速度信息和S1中最后得到的变换矩阵Tran,计算单线激光雷达(1)第n个扫描周期中的第i个扫描点的变换矩阵Ti n,并由此将单线激光雷达(1)坐标系xlylzl变换到世界坐标系xwywzw下,如公式8所示;
(d)对点云进行滤波处理,通过直通滤波留下板坯和辊道周围的点云,如公式9所示,留下每个坐标轴阈值范围内的点,每个坐标轴范围阈值根据现场实际情况确定,ximn、xmax、yimn、ymax、zimn、zmax分别为x、y、z轴上直通滤波范围的最小值和最大值;
通过统计滤波,删除噪声点,如公式10所示,将点云分布视为高斯分布,若目标点到其k个邻近点的平均距离dk小于1个全局标准差σ,则将其视为噪声点去除,即剔除出现概率小于0.3174的点,其中μ为全局点的距离均值,σ为全局点的距离标准差;
(e)寻找边缘点,将每一帧点云向y-o-z面进行投影,同时,对滤波后的剩下的每个点的y坐标值进行遍历,对于第i帧中的第j个点的y坐标设定一个阈值emax,当时,认为点为深度突变点,得到一系列深度突变点,其中emax的取值范围为1~5m;
(f)将(e)中得到的一系列深度突变点看作边缘目标点,对这些目标点继续遍历,利用当前点及其前后十个点计算距离差,进而得到协方差来描述当前点的曲率,如公式11所示,当该点曲率K>Kmax时,认为该点为曲率突变点,并用曲率的突变进一步缩小目标点范围,得到最后的边缘目标点,其中Kmax的取值范围为100~500;
K=(yi-5+yi-4+yi-3+yi-2+yi-1-yi×10+yi+1+yi+2+yi+3+yi+4+yi+5)2 公式11
S22:在S21的基础上,生成板坯边缘三维点云,识别板坯形状信息:
(a)将板坯多帧的边缘点加入到同一个三维点云中,组成板坯的头部曲线;
(b)选取板坯头部曲线第1个点作为第1个关键参考点,令其为Ph(Phx,Phy,Phz),另外选取距离Ph最近的极值点作为第2个关键参考点Pt(Ptx,Pty,Ptz),利用2个关键参考点之间直线的斜率α来判定,如公式12所示,斜率α大于0时即翘曲方向向上,斜率α小于0时即翘曲方向向下;
(c)板坯的翘曲程度由翘扣头量ΔH=|Pty-Phy|来反应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110419070.0A CN113204029B (zh) | 2021-04-19 | 2021-04-19 | 一种热轧板坯翘曲检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110419070.0A CN113204029B (zh) | 2021-04-19 | 2021-04-19 | 一种热轧板坯翘曲检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113204029A true CN113204029A (zh) | 2021-08-03 |
CN113204029B CN113204029B (zh) | 2022-09-16 |
Family
ID=77027586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110419070.0A Active CN113204029B (zh) | 2021-04-19 | 2021-04-19 | 一种热轧板坯翘曲检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204029B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113639657A (zh) * | 2021-08-04 | 2021-11-12 | 中冶京诚工程技术有限公司 | 方坯弯曲检测方法及装置、棒线材原料坯弯曲检测系统 |
CN115112022A (zh) * | 2022-08-30 | 2022-09-27 | 枣庄市胜达精密铸造有限公司 | 一种毛胚铸件激光测量系统 |
CN117218123A (zh) * | 2023-11-09 | 2023-12-12 | 上海擎刚智能科技有限公司 | 一种基于点云的冷轧带钢飞丝设备故障检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09122728A (ja) * | 1995-10-27 | 1997-05-13 | Nippon Steel Corp | スラブ受入・払出自動運転装置 |
CN101153794A (zh) * | 2006-09-26 | 2008-04-02 | 宝山钢铁股份有限公司 | 一种在线测量板坯镰刀弯的方法 |
CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
CN111521129A (zh) * | 2020-04-20 | 2020-08-11 | 北京科技大学 | 基于机器视觉的板坯翘曲检测装置及方法 |
CN112581451A (zh) * | 2020-12-21 | 2021-03-30 | 北京科技大学 | 一种基于激光雷达的仓库线卷位置检测系统及方法 |
-
2021
- 2021-04-19 CN CN202110419070.0A patent/CN113204029B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09122728A (ja) * | 1995-10-27 | 1997-05-13 | Nippon Steel Corp | スラブ受入・払出自動運転装置 |
CN101153794A (zh) * | 2006-09-26 | 2008-04-02 | 宝山钢铁股份有限公司 | 一种在线测量板坯镰刀弯的方法 |
CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
CN111521129A (zh) * | 2020-04-20 | 2020-08-11 | 北京科技大学 | 基于机器视觉的板坯翘曲检测装置及方法 |
CN112581451A (zh) * | 2020-12-21 | 2021-03-30 | 北京科技大学 | 一种基于激光雷达的仓库线卷位置检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
沈际海等: "基于图像测量的热轧板坯翘扣头控制系统设计与实现", 《冶金自动化》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113639657A (zh) * | 2021-08-04 | 2021-11-12 | 中冶京诚工程技术有限公司 | 方坯弯曲检测方法及装置、棒线材原料坯弯曲检测系统 |
CN113639657B (zh) * | 2021-08-04 | 2024-02-27 | 中冶京诚工程技术有限公司 | 方坯弯曲检测方法及装置、棒线材原料坯弯曲检测系统 |
CN115112022A (zh) * | 2022-08-30 | 2022-09-27 | 枣庄市胜达精密铸造有限公司 | 一种毛胚铸件激光测量系统 |
CN117218123A (zh) * | 2023-11-09 | 2023-12-12 | 上海擎刚智能科技有限公司 | 一种基于点云的冷轧带钢飞丝设备故障检测方法及系统 |
CN117218123B (zh) * | 2023-11-09 | 2024-02-02 | 上海擎刚智能科技有限公司 | 一种基于点云的冷轧带钢飞丝设备故障检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113204029B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113204029B (zh) | 一种热轧板坯翘曲检测装置及方法 | |
CN111207695A (zh) | 一种基于双线结构光的热轧带钢端部三维轮廓测量方法 | |
CN111521129B (zh) | 基于机器视觉的板坯翘曲检测装置及方法 | |
CN115035106B (zh) | 一种带钢缺陷智能检测方法 | |
CN112801966B (zh) | 一种热轧带钢跑偏的在线检测方法 | |
CN111421001A (zh) | 一种高速线材轧机在线精确对中系统及其对中方法 | |
CN113298792A (zh) | 基于ai视觉的皮带跑偏监测调速控制装置及方法 | |
CN109226282B (zh) | 一种基于物联网的钢板在线固溶的轧后快速冷却方法 | |
CN105327950A (zh) | 考虑厚度变化的热轧中间坯镰刀弯检测装置及检测方法 | |
CN117250200B (zh) | 一种基于机器视觉的方管生产质量检测系统 | |
CN113188484A (zh) | 一种热轧卷头部轮廓面积检测方法 | |
CN105499279B (zh) | 一种冷轧带材板形前馈控制方法 | |
CN115384052A (zh) | 一种智能化的覆膜机自动控制系统 | |
CN117583751A (zh) | H型钢激光切割变形补偿算法 | |
CN116460151A (zh) | 一种基于机器视觉的低延时带钢跑偏量检测方法 | |
CN115971257A (zh) | 平整机控制方法、装置、设备及计算机存储介质 | |
CN113420612B (zh) | 基于机器视觉的生产节拍计算方法 | |
CN116105606A (zh) | 一种钢铁宽厚板长度视觉测量系统和方法 | |
CN112361985B (zh) | 一种基于机器视觉的坯料弯曲度检测方法 | |
CN112974753B (zh) | 一种火焰清理机铸坯扒皮量在线测量与调节方法 | |
GB2278464A (en) | Reverse rolling control system of pair cross rolling mill | |
CN107520255A (zh) | 一种自学习式轧机入口厚度优化方法 | |
CN115569994A (zh) | 板坯镰刀弯自动检测系统及方法 | |
Noh et al. | Automatic level and bender control for hot finishing mill using flatness measurement of steel strip | |
CN113804127A (zh) | 一种弯曲失效应变测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |