CN113247788A - 一种基于投影光自对准控制的起重机 - Google Patents

一种基于投影光自对准控制的起重机 Download PDF

Info

Publication number
CN113247788A
CN113247788A CN202110605974.2A CN202110605974A CN113247788A CN 113247788 A CN113247788 A CN 113247788A CN 202110605974 A CN202110605974 A CN 202110605974A CN 113247788 A CN113247788 A CN 113247788A
Authority
CN
China
Prior art keywords
bearing disc
camera
stand column
crane
projection
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
Application number
CN202110605974.2A
Other languages
English (en)
Other versions
CN113247788B (zh
Inventor
曹敏
王玥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinxiang Vocational and Technical College
Original Assignee
Xinxiang Vocational and Technical College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xinxiang Vocational and Technical College filed Critical Xinxiang Vocational and Technical College
Priority to CN202110605974.2A priority Critical patent/CN113247788B/zh
Publication of CN113247788A publication Critical patent/CN113247788A/zh
Application granted granted Critical
Publication of CN113247788B publication Critical patent/CN113247788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/16—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes with jibs supported by columns, e.g. towers having their lower end mounted for slewing movements
    • B66C23/163—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes with jibs supported by columns, e.g. towers having their lower end mounted for slewing movements where only part of the column rotates, i.e. at least the bottom part is fixed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/16—Applications of indicating, registering, or weighing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/46—Position indicators for suspended loads or for crane elements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/48—Automatic control of crane drives for producing a single or repeated working cycle; Programme control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于投影光自对准控制的起重机，其技术方案要点是：驾驶舱旋转固定于立柱上，可绕立柱旋转，悬臂水平设置，与驾驶仓固定连接；吊索设置于悬臂上，相机承载盘位于立柱上，且环绕立柱设置，相机承载盘能够绕立柱转动，投影灯承载盘位于立柱上，且环绕立柱设置，投影灯承载盘能够绕立柱转动，投影灯承载盘位于相机承载盘之上；控制器，用于实施起重机的自对准方法。本申请涉及一种基于图像的起重机自对准控制系统及方法，该方法可应用于塔式起重机的自动定位、自动控制，通过图像视觉的方法对要搬运的货物进行自动定位，并根据定位的结果自动控制起重机将起重臂移至作业目标附近，大大减轻了人工操作起重机的工作量。

Description

一种基于投影光自对准控制的起重机
技术领域
本发明涉及起重机领域，特别涉及一种自动化的起重机。
背景技术
新一代信息技术的快速发展正在深刻影响并改变着传统制造业。2019年11 月交通运输部发布的《关于建设世界一流港口的指导意见》指出，2025 年我国部分沿海集装箱枢纽港初步形成全面感知、泛在互联、港车协同的智能化系统，2035 年集装箱枢纽港基本建成智能化系统。集装箱枢纽港关键起重设备的智能化技术水平将直接影响我国智慧港口等重大建设项目的顺利实施。包括智能化港口起重机在内的智能起重机的开发及其关键技术研究成为行业近年重点研究方向。
智能起重机是应用新一代信息科学与人工智能技术对起重机现有功能进行升级，使起重机具有智能感知、数据分析、优化决策、自适应控制、实时监控、自评估自诊断、信息共享和通用网络互联等能力的高性能起重机械，起重机自对准控制系统及方法作为起重机智能化研究的基础，将会在智能起重机的研究中发挥有效作用。我国在起重机自动化控制方面已经取得了一定的研究和应用成果。除了港口和核电外，一些具有自动化作业功能的起重机产品已经在仓储、钢铁、能源等行业得到应用。
然而，目前起重机大部分需要人工操作，费时费力，且对操作工人要求较高。特别是在操作不熟练时，吊索移动速度过快容易发生安全问题，移动速度过慢则影响操作效率。如何高效、快速将起重机的吊钩移动至指定位置，是亟待解决的问题。
发明内容
为解决如何高效、快速、安全、自动将起重机的吊钩移动至指定位置，提出一种基于投影光自对准控制的起重机，包括立柱、悬臂、驾驶舱、吊索、多个相机、相机承载盘、多个投影灯、投影灯承载盘和控制器。
其中驾驶舱旋转固定于立柱上，可绕立柱旋转，从而实现360°作业；悬臂水平设置，与驾驶舱固定连接，可随驾驶舱一起旋转；吊索设置于悬臂上，吊索能够在悬臂上直线移动；
相机承载盘位于立柱上，且环绕立柱设置，相机承载盘能够绕立柱转动，相机承载盘上设置有3个以上的相机，用于拍摄地面圆环标记；
投影灯承载盘位于立柱上，且环绕立柱设置，投影灯承载盘能够绕立柱转动，投影灯承载盘上设置有3个以上的投影灯，用于向地面投射圆环标记；
投影灯承载盘位于相机承载盘之上；
控制器，用于实施起重机的自对准方法，包括：
开启投影灯向货物周边分别投射不少于三个圆环标记；
控制相机承载盘旋转，将相机转动到对准多个圆环标记，控制至少三台相机同时拍摄，保证每个相机均能分别采集到不同的圆环标记；
将采集到的圆环标记图像输入预先训练好的神经网络识别模型中进行识别；
计算各圆环标记在世界坐标系中的三维坐标；
根据地面圆环标记估算地面作业目标的范围大小及坐标；
其中神经网络识别模型包括三个隐藏层和一个输出层，其中激励函数为：
Figure RE-RE-DEST_PATH_IMAGE001
其中
Figure RE-DEST_PATH_IMAGE002
为调节参量，
Figure RE-DEST_PATH_IMAGE003
。
相机与相机承载盘可转动连接。
投影灯与投影灯承载盘可转动连接。
控制器中存储有各个相机在世界坐标系坐标和旋转角度的对应表。
各圆环标记圆心组合所形成的圆周能够完整覆盖作业目标。
本发明发明点及技术效果：
1、通过光标记投影和相机采集圆环标记的方式实现了起重机自对准，减少了人工操作，从而避免人工操作的安全问题。
2、使用投影灯投影，无需预制、预放标记，操作更加便捷，操作人员可以根据需要将标记投影至任意位置。
3、建立圆环标记识别的专用模型，识别效率高，定位更加准确。
4、提出了一种基于圆周近似的作业目标区域估算方法，根据地面圆环标记估算地面作业目标的范围大小，以便快速将起重臂移动至相关区域内。
本申请涉及一种基于图像的起重机自对准控制系统及方法，该方法可应用于塔式起重机的自动定位、自动控制，通过图像视觉的方法对要搬运的货物进行自动定位，并根据定位的结果自动控制起重机将起重臂移至作业目标附近，大大减轻了人工操作起重机的工作量。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是起重机结构示意图；
图2是世界坐标系映射到像素坐标系的示意图。
具体实施方式
一、起重机结构
起重机包括立柱1、悬臂2、驾驶舱3、吊索4、相机5、相机承载盘6、投影灯7、投影灯承载盘8。
其中驾驶舱3旋转固定于立柱1上，可绕立柱1旋转，从而实现360°作业。悬臂2水平设置，与驾驶舱3固定连接，可随驾驶舱3一起旋转。吊索4设置于悬臂2上，吊索4可由小车等移动装置（图中未示出）带动，在悬臂2上直线移动。
相机承载盘6位于立柱1上，且环绕立柱1设置。在优选情况下，相机承载盘6能够绕立柱1转动。相机承载盘6上设置有3个以上的相机5，用于拍摄地面标记。相机5与相机承载盘6可转动连接。投影灯承载盘8位于立柱1上，且环绕立柱1设置。在优选情况下，投影灯承载盘8能够绕立柱1转动。投影灯承载盘8上设置有3个以上的投影灯7，用于向地面投射固定标记，投影灯7与投影灯承载盘8可转动连接。投影灯承载盘8位于相机承载盘6之上。在现有技术中，通常相机5和投影灯7均是固定，或简单转动，但没有这种方案：承载装置360度旋转，同时相机5和投影灯7也可旋转。这使得具有采集死角，同时相机5在不适合的角度采集或投影灯7在不适合的角度投影虽然不影响定位功能，但会影响定位精度。两个承载盘的设计能够使得投影灯7投射更加准确，相机5采集更加清晰完整，从而使得识别、定位更加准确，因此也是发明点之一。
二、自动对准控制方法
还包括控制器，用于实现起重机的自对准。以下自对准控制方法均由控制器完成。
一种地面标记的图像自动识别方法，用于自动识别放置于地面的投射光标记，并自动计算其在拍摄图像中的坐标位置（即像素坐标），用以计算后续步骤中标记在世界坐标系中的坐标位置（即世界坐标）。所谓世界坐标系，是指在真实世界中以物理距离为单位的三维坐标系。本文以水平面为参照设置世界坐标系，x、y轴位于水平面内，z轴垂直于水平面。特别的，假设塔式起重机起重臂与水平面平行，并且塔身与水平面垂直。
1、投射预定标记
控制投影灯承载盘8旋转，将投影灯7转动到对准待搬运货物周边，开启投影灯7向货物周边分别投射不少于三个圆环标记。多个圆环可以有不同的半径大小、颜色不同、和/或光斑粗细不同等不同特征。在进行投射时，三种圆环标记应当与货物分离，但距离较小，不宜离货物过远。优选的，其距离货物0.5m。将圆环标记投射于起重机待作业的目标周围，数量不少于3个，并确保圆环标记圆心组合所形成的圆周能够完整覆盖作业目标，且面积尽可能小，例如投射在货物外接圆周上，间隔120°。面积尽可能小的目的是：能够将起重机引导至作业目标附近。如果圆环标记组成的圆周覆盖面积太大，那么起重机自动引导后可能距离作业目标仍然较远，增加了人工调整的工作量。
2、采集圆环标记图像
控制相机承载盘6旋转，将相机5转动到对准多个圆环标记。控制至少三台相机5同时拍摄包括所有圆环标记的图像。保证每个相机均能分别采集到不同的圆环标记。当旋转完毕后，三台相机5在世界坐标系中的相对位置已知。该位置可以由保存在控制器数据库中的坐标和旋转角度的对应表查询得知。也可以使用常规的方式进行标定。
3、圆环标记识别
将采集到的圆环标记图像输入预先训练好的模型中进行识别判断，从而判断出圆环标记。
具体模型构建及训练方式如下：
对于一张包含圆环标记的图像，利用下面方法检测其在图像中的像素坐标
Figure RE-DEST_PATH_IMAGE004
。
（1）假设输入的原始图像是
Figure RE-DEST_PATH_IMAGE005
。在输入图像中随机选取Z个区域，每个区域的位置 和大小尺寸均为随机选取（尺寸不低于12x12）。对Z个区域，分别应用模型M1、模型M2、模型 M3（以圆环标记为3个，Ring1、Ring2、Ring3为例）进行检测，如果一个区域对模型M1的输出 为1且对其它模型的输出为0，则将该区域标记为K1；同理，可将区域对应于M2、M3标记为K2、 K3。如果标记为K1的区域的数量大于或者等于
Figure RE-DEST_PATH_IMAGE006
，则认为图像
Figure RE-373242DEST_PATH_IMAGE005
中包含圆环标记Ring1；同 理可认为图像
Figure RE-555961DEST_PATH_IMAGE005
中包含圆环标记Ring2、Ring3。如果图像
Figure RE-614660DEST_PATH_IMAGE005
中不包含任一圆环，则转步骤 （2）。
（2）将图像按二维坐标系u、v方向分别折半分割，分割成4张大小相同的子图
Figure RE-DEST_PATH_IMAGE007
、
Figure RE-DEST_PATH_IMAGE008
、
Figure RE-DEST_PATH_IMAGE009
、
Figure RE-DEST_PATH_IMAGE010
。对于4个子图
Figure RE-619656DEST_PATH_IMAGE007
、
Figure RE-965187DEST_PATH_IMAGE008
、
Figure RE-318807DEST_PATH_IMAGE009
、
Figure RE-851420DEST_PATH_IMAGE010
，分别应用步骤（1）的方案，如果找到某一个圆环，则标记 改子图包含这个圆环RingX（X=1, 2, 3），否则对该子图重复步骤（1）。
递归应用步骤（1）和（2）（如图），可以找到所有圆环RingX所对应的子图区域。将子图区域的中心位置设为圆环RingX的像素坐标。如果不能找到对应的子图区域，重新调整圆环标记的位置和相机5参数，直至获得所有子图区域为止。
该方法可以准确快速检测圆环，也是发明点之一。
圆环标记的模型M1、M2、M3定义如下。
定义：
Figure RE-DEST_PATH_IMAGE011
式子(1)表示神经网络的输入层到隐藏层的映射，其中，
Figure RE-DEST_PATH_IMAGE012
和
Figure RE-DEST_PATH_IMAGE013
中的i、j和p、q表 示上标而非幂指数（下同），i与j、p与q、i+p与j+q分别表示神经网络输入层（即：圆环标记的 样本图像，为一矩阵）的行坐标与列坐标，
Figure RE-DEST_PATH_IMAGE014
表示输入层的一个节点，其位置由上标 i+p, j+q标识；
Figure RE-925686DEST_PATH_IMAGE012
表示第一个隐藏层（即：等式1的输出）的一个节点，由上标i,j标识，其值 由等式右边计算。
Figure RE-DEST_PATH_IMAGE015
表示输入层（即：圆环标记的样本图像），
Figure RE-DEST_PATH_IMAGE016
表示输入圆环图像在坐标 (i, j)处的像素值。p、q是以(i,j)为中心的二维卷积窗口的控制参数，二维卷积在窗口内 (p,q)处的权值由
Figure RE-673194DEST_PATH_IMAGE013
定义，定义
Figure RE-DEST_PATH_IMAGE017
。
Figure RE-DEST_PATH_IMAGE018
表示激励函数。参数
Figure RE-728874DEST_PATH_IMAGE013
、偏置
Figure RE-DEST_PATH_IMAGE019
待 后续训练过程确定。
定义：
Figure RE-DEST_PATH_IMAGE020
式子(2)表示神经网络第一个隐藏层与第二个隐藏层之间的映射，其中，
Figure RE-DEST_PATH_IMAGE021
表示第 一个隐藏层的所有节点，是上一步计算的结果，
Figure RE-DEST_PATH_IMAGE022
表示第一个隐藏层中坐标为(i+ p, j+q)的节点，p、q是以(i, j)为中心的二维窗口的控制参数，定义
Figure RE-355640DEST_PATH_IMAGE017
。
Figure RE-DEST_PATH_IMAGE023
表示第二个隐藏层（即：等式2的输出）的一个节点，由上标i,j标识。
Figure RE-905701DEST_PATH_IMAGE018
的定义同(1)。偏置
Figure RE-DEST_PATH_IMAGE024
待后续训练过程确定。
定义：
Figure RE-DEST_PATH_IMAGE025
式子(3) 表示神经网络第二个隐藏层与第三个隐藏层之间的映射，其中，v2是上 一步计算的结果，
Figure RE-DEST_PATH_IMAGE026
表示第二个隐藏层中坐标为(i+p, j+q)的节点，p、q是二维卷 积窗口的控制参数，
Figure RE-DEST_PATH_IMAGE027
表示第三个隐藏层（即：等式3的输出）的一个节点，由上标i,j标识。 参数
Figure RE-DEST_PATH_IMAGE028
、偏置参数
Figure RE-DEST_PATH_IMAGE029
的含义同式子(1)，待后续训练过程确定。定义
Figure RE-366770DEST_PATH_IMAGE017
。并且
Figure RE-DEST_PATH_IMAGE030
定义：
Figure RE-RE-DEST_PATH_IMAGE031
式子(5)表示从神经网络第三个隐藏层到输出层的映射，其中，y表示神经网络输 入层
Figure RE-875243DEST_PATH_IMAGE015
（即：圆环标记的样本图像）经过神经网络模型后的输出值。
Figure RE-DEST_PATH_IMAGE032
表示权重，分别对应 第三个隐藏层v3的每一个节点
Figure RE-913606DEST_PATH_IMAGE027
，
Figure RE-DEST_PATH_IMAGE033
是线性偏置量。参数
Figure RE-998849DEST_PATH_IMAGE032
和
Figure RE-907899DEST_PATH_IMAGE033
待后续训练过程确定。
式子(1)-(5)中，定义激励函数：
Figure RE-DEST_PATH_IMAGE034
用于建立非线性模型，调节参数
Figure RE-39803DEST_PATH_IMAGE002
的作用是调整模型函数的收敛速度。式子(6)分 别对应于式子1, 2, 3, 5中的
Figure RE-50616DEST_PATH_IMAGE018
，x为每层节点的线性输出。通常
Figure RE-DEST_PATH_IMAGE035
加快 收敛速度，经过大量实验，优选
Figure RE-926168DEST_PATH_IMAGE003
，可兼顾准确性和收敛速度，这也是本发明的发明 点之一。
由于圆环标记Ring1、Ring2、Ring3（或更多的圆环标记）均已知，因此对于每一个圆环标记RingX，采集足够多数量的训练样本图像，可以利用式(1)-(5)建立与其对应的模型MX（X=1, 2, 3）。模型输出为1时，表示圆环标记X与输入图像对应，输出为0时，表示不对应。
以上建立了识别圆环标记的神经网络模型。针对本文应用中待检测的圆环标记的 特点，设计了带有多重卷积层和均值滤波用途的模型，并通过设计非线性激励函数加快模 型训练的收敛速度，保持了网络的检测能力并提高了检测效率。下表1对类似结构的模型与 本文所提出模型的检测性能进行了对比。
网络模型 检测成功率 训练时间（基于同配置设备）
Alex+ReLU非线性激励函数 85.1% 261.1分钟
本申请 91.7% 85.2分钟
4、计算圆环标记的坐标。
获取的圆环标记RingX的图像像素坐标，计算各标记在世界坐标系中的三维坐标。
将某一个目标从世界坐标系映射到像素坐标分为三个步骤：
第一步，通过平移变换，将目标在真实世界的坐标(Xw, Yw, Zw)换算成以相机5光心为原点，主光轴为Z轴，成像平面为xy平面的三维坐标系下的坐标(Xc, Yc, Zc)。
Figure RE-DEST_PATH_IMAGE036
第二步，根据相机5的焦距等参数，计算目标在二维成像平面上投影的坐标。
Figure RE-DEST_PATH_IMAGE037
第三步，根据相机5的像元尺寸等参数，进一步将二维成像平面的投影坐标转换为以像素为单位的像素坐标。
Figure RE-DEST_PATH_IMAGE038
由于三台相机5在世界坐标系中的相对位置已知，对于一个圆环标记RingX，其在三台相机5中的坐标也是已知的。因此，根据常规方法可以计算出RingX的真实世界坐标。
当然上述只是举例，采集标记图像后计算其世界坐标的方法有很多种，也可以使用其他公知的方法。
5、基于圆周近似的作业目标区域估算
根据地面圆环标记估算地面作业目标的范围大小，以便将起重臂移动至相关区域内，减少人工操作步骤。
假设地面的圆环标记由三个，其（中心的）真实世界坐标分别为：
Figure RE-RE-DEST_PATH_IMAGE039
、
Figure RE-DEST_PATH_IMAGE040
、
Figure RE-RE-DEST_PATH_IMAGE041
。根据本文所述的世界坐标系的配置，可知
Figure RE-DEST_PATH_IMAGE042
，因此 在本文的配置下，世界坐标的Z值相等，则三者在XY平面内可以近似确定一个圆周，该圆周 的圆心坐标也是可以确定的，假设其为
Figure RE-RE-DEST_PATH_IMAGE043
。则
Figure RE-DEST_PATH_IMAGE044
和
Figure RE-DEST_PATH_IMAGE045
的值可以通过
Figure RE-DEST_PATH_IMAGE046
和
Figure RE-DEST_PATH_IMAGE047
、
Figure RE-DEST_PATH_IMAGE048
和
Figure RE-DEST_PATH_IMAGE049
、
Figure RE-DEST_PATH_IMAGE050
和
Figure RE-DEST_PATH_IMAGE051
计算出来。并且当圆环标记更多时，可以通过最小二乘法拟合出圆周的方程。
理论上讲，因为三台相机5的光轴并不能都与地面垂直，因此圆环标记的中心所购成的圆周在相机5成像平面的映射并不是一个圆周而是一个椭圆。但由于相对于塔式起重机的高度，圆周的半径几乎可以忽略，并且圆周本身也是对起重机作业目标轮廓的一个近似表达，因此在实际应用中可以使用圆方程简化计算。
根据本文所述的世界坐标系定义方式，由于Z平面与地面平行，因此简化为在二维 平面上进行计算。假设圆周的圆心坐标为
Figure RE-DEST_PATH_IMAGE052
，半径为
Figure RE-DEST_PATH_IMAGE053
，假设塔式起重机吊钩的初始 位置为
Figure RE-DEST_PATH_IMAGE054
，要将其移至位于
Figure RE-922680DEST_PATH_IMAGE052
处，在塔式起重机塔身和底座不发生位移的前提 下，悬臂2应当旋转
Figure RE-DEST_PATH_IMAGE055
，吊钩移动距离为L。
对于吊钩的初始位置，可以在吊钩下垂于地面的附近进行标记，将吊钩看作目标，采取上述自动对准控制方法实现投射预定标记、采集圆环标记图像、圆环标记识别、计算圆环标记的坐标，确定其初始位置。

Claims (5)

1.一种基于投影光自对准控制的起重机，其特征在于：包括立柱、悬臂、驾驶舱、吊索、多个相机、相机承载盘、多个投影灯、投影灯承载盘和控制器；
其中驾驶舱旋转固定于立柱上，可绕立柱旋转，从而实现360°作业；悬臂水平设置，与驾驶舱固定连接，可随驾驶舱一起旋转；吊索设置于悬臂上，吊索能够在悬臂上直线移动；
相机承载盘位于立柱上，且环绕立柱设置，相机承载盘能够绕立柱转动，相机承载盘上设置有3个以上的相机，用于拍摄地面圆环标记；
投影灯承载盘位于立柱上，且环绕立柱设置，投影灯承载盘能够绕立柱转动，投影灯承载盘上设置有3个以上的投影灯，用于向地面投射圆环标记；
投影灯承载盘位于相机承载盘之上；
控制器，用于实施起重机的自对准方法，包括：
开启投影灯向货物周边分别投射不少于三个圆环标记；
控制相机承载盘旋转，将相机转动到对准多个圆环标记，控制至少三台相机同时拍摄，保证每个相机均能分别采集到不同的圆环标记；
将采集到的圆环标记图像输入预先训练好的神经网络识别模型中进行识别；
计算各圆环标记在世界坐标系中的三维坐标；
根据地面圆环标记估算地面作业目标的范围大小及坐标；
其中神经网络识别模型包括三个隐藏层和一个输出层，其中激励函数为：
Figure DEST_PATH_IMAGE002
其中
Figure DEST_PATH_IMAGE004
为调节参量，
Figure DEST_PATH_IMAGE006
。
2.如权利要求1所述的一种基于投影光自对准控制的起重机，其特征在于：相机与相机承载盘可转动连接。
3.如权利要求1所述的一种基于投影光自对准控制的起重机，其特征在于：投影灯与投影灯承载盘可转动连接。
4.如权利要求1所述的一种基于投影光自对准控制的起重机，其特征在于：控制器中存储有各个相机在世界坐标系坐标和旋转角度的对应表。
5.如权利要求1所述的一种基于投影光自对准控制的起重机，其特征在于：各圆环标记圆心组合所形成的圆周能够完整覆盖作业目标。
CN202110605974.2A 2021-06-01 2021-06-01 一种基于投影光自对准控制的起重机 Active CN113247788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110605974.2A CN113247788B (zh) 2021-06-01 2021-06-01 一种基于投影光自对准控制的起重机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110605974.2A CN113247788B (zh) 2021-06-01 2021-06-01 一种基于投影光自对准控制的起重机

Publications (2)

Publication Number Publication Date
CN113247788A true CN113247788A (zh) 2021-08-13
CN113247788B CN113247788B (zh) 2021-09-24

Family

ID=77185577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110605974.2A Active CN113247788B (zh) 2021-06-01 2021-06-01 一种基于投影光自对准控制的起重机

Country Status (1)

Country Link
CN (1) CN113247788B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000344461A (ja) * 1999-06-03 2000-12-12 Taisei Corp 立坑内における吊荷下の危険表示・監視装置
JP2008312004A (ja) * 2007-06-15 2008-12-25 Sanyo Electric Co Ltd カメラシステム及び機械装置
CN102915045A (zh) * 2012-10-31 2013-02-06 中联重科股份有限公司 一种臂架类工程车辆的控制方法及装置
CN103613013A (zh) * 2013-11-12 2014-03-05 宁夏电通物联网科技有限公司 塔吊施工安全监测系统及方法
CN105600693A (zh) * 2016-03-16 2016-05-25 成都科达光电技术有限责任公司 一种塔式起重机的监控系统
EP3354616A1 (de) * 2012-12-17 2018-08-01 Liebherr-Components Biberach GmbH Turmdrehkran
CN109095353A (zh) * 2018-06-12 2018-12-28 桂林电子科技大学 一种塔吊控制方法及系统
CN109215081A (zh) * 2018-11-27 2019-01-15 合肥工业大学 一种基于机器视觉的塔吊空间定位方法
CN109678057A (zh) * 2019-02-18 2019-04-26 上海应用技术大学 基于立体视觉的桥式吊车的摆角测量方法
KR102143747B1 (ko) * 2019-12-31 2020-08-12 호산엔지니어링(주) 크레인 영상 제어 작업 기록 시스템

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000344461A (ja) * 1999-06-03 2000-12-12 Taisei Corp 立坑内における吊荷下の危険表示・監視装置
JP2008312004A (ja) * 2007-06-15 2008-12-25 Sanyo Electric Co Ltd カメラシステム及び機械装置
CN102915045A (zh) * 2012-10-31 2013-02-06 中联重科股份有限公司 一种臂架类工程车辆的控制方法及装置
EP3354616A1 (de) * 2012-12-17 2018-08-01 Liebherr-Components Biberach GmbH Turmdrehkran
CN103613013A (zh) * 2013-11-12 2014-03-05 宁夏电通物联网科技有限公司 塔吊施工安全监测系统及方法
CN105600693A (zh) * 2016-03-16 2016-05-25 成都科达光电技术有限责任公司 一种塔式起重机的监控系统
CN109095353A (zh) * 2018-06-12 2018-12-28 桂林电子科技大学 一种塔吊控制方法及系统
CN109215081A (zh) * 2018-11-27 2019-01-15 合肥工业大学 一种基于机器视觉的塔吊空间定位方法
CN109678057A (zh) * 2019-02-18 2019-04-26 上海应用技术大学 基于立体视觉的桥式吊车的摆角测量方法
KR102143747B1 (ko) * 2019-12-31 2020-08-12 호산엔지니어링(주) 크레인 영상 제어 작업 기록 시스템

Also Published As

Publication number Publication date
CN113247788B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN112850501B (zh) 一种塔吊自动化防撞方法及系统
CN105234943B (zh) 一种基于视觉识别的工业机器人示教装置及方法
RU2623287C2 (ru) Башенный поворотный кран
WO2010009570A1 (zh) 一种起吊定位方法及起吊智能视觉系统
CN108182689A (zh) 应用于机器人搬运打磨领域的板状工件三维识别定位方法
JP2020097488A (ja) 重機械の自律動作システムおよび方法
US20230159308A1 (en) Automatic hoisting and transporting method for tower crane
CN113860178B (zh) 一种塔式起重机吊装物体识别及碰撞信息测量系统及方法
CN112537719B (zh) 基于视觉定位的gis管道自动对接装置及其工作方法
CN114092473B (zh) 一种大型产品视觉巡检装置及系统
Chun-Fu et al. Research on visual navigation algorithm of AGV used in the small agile warehouse
CN108106554A (zh) 一种基于机器视觉的大型环件外径检测系统及方法
CN113247788B (zh) 一种基于投影光自对准控制的起重机
CN115432572A (zh) 一种龙门吊及其吊具的吊装路径规划方法
CN114604771A (zh) 用于智能塔吊的物料传输优化路径规划方法和系统
CN105157564A (zh) 一种网架单元拼装精度快速自动化摄影测量方法
CN112991356A (zh) 机械臂在复杂环境下的快速分割方法
CN114604787A (zh) 用于无人驾驶智能塔吊的物料自动特征识别方法和装置
CN114604772A (zh) 用于任务时态模型的智能塔吊集群协同控制方法及系统
CN110950255A (zh) 起重机配重块对位检测及控制方法、设备及起重机
CN117218511A (zh) 磁粉探伤裂纹视觉识别方法、裂缝的磁粉探伤方法
CN112265912A (zh) 随车起重机的一体化操作系统与方法
CN117071912A (zh) 装配式建筑预制构件自动吊装定位方法及系统
CN113044736B (zh) 一种具有吊索稳定控制的起重机
CN113960069B (zh) 一种通过激光线扫描建立缆索表面形态的方法

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