基于labview的竖井激光导向偏差计算方法及导向装置与流程

本发明属于竖井掘进监测技术领域，具体涉及一种基于labview的竖井激光导向偏差计算方法及导向装置。

背景技术：

sbm竖井掘进机是我国首台将隧道掘进理念引入竖井施工，实现了大型盲竖井施工的机械化，智能化，工厂化施工，既保障施工安全，又可以提高施工效率。掘进机位置及姿态的自动测定是竖井掘进机的核心问题之一。目前竖井掘进机位置测定采用铅锤线进行垂直向下导向，此种方法需要人工辅助测量，且同时随着掘进深度的加深，线尾端加上重物，随着线的加长，重物需加重，一方面会存在线断裂的风险；另一方面如果重物较轻，存在掘进机不是垂直向下掘进，导致掘偏。

技术实现要素：

本发明要解决的是现有用铅垂线竖直掘进的技术问题，从而提供一种基于labview的竖井激光导向偏差计算方法及导向装置。

为解决上述技术问题，本发明所采用的技术方案如下：

一种基于labview的竖井激光导向偏差计算方法，步骤如下：

s1，采集标定图像。

s2，对标定图像进行预处理并得到标定图像中激光点a和激光点b的像素点坐标。

s2.1，对标定图像亮度、对比度进行伽玛校正得到矫正的标定图像。

s2.2，对矫正的标定图像利用最大类间算法进行阈值分割。

s2.2.1，给定标定图像的分割阈值t。

s2.2.2，将标定图像分割为区域c0和区域c1，所述区域c0由灰度值[0，t-1]的像素组成,区域c1由灰度值[t，l-1]的像素组成。

s2.2.3，计算区域c0的概率p0：

其中，i为标定图像中灰度值，ni为标定图像中灰度值i的像素数，pi为灰度值i的概率；n为标定图像的总像素数；l-1为标定图像中灰度值上限。

s2.2.4，计算区域c0的平均灰度μ0；

s2.2.5，计算区域c1的概率p1；

s2.2.6，计算区域c1的平均灰度μ1；

其中，μ为标定图像的平均灰度。

s2.2.7，计算标定图像的平均灰度μ：

s2.2.8，计算区域c0和区域c1的灰度方差σb；

σb²=p0(μ0-μ)²+p1(μ1-μ)²＝p0p1(μ0-μ1)²。

s2.2.9，改变阈值t，重复步骤s2.2.2-s2.2.8，直至得到标定图像中每个灰度值对应的灰度方差。

s2.2.10，选择灰度方差最大对应的阈值t作为最佳分割阈值，并选择最佳分割阈值对应的分割图像。

s2.2.11，根据步骤s2.2.10得到标定图像中激光点a周围系列像素坐标值(x1i,y1i),i＝0,......,n；x1i＝0-255；y1i＝0-255；激光点b周围系列像素坐标值(x2i,y2i)，i＝0,......,n；x2i＝0-255；y2i＝0-255。

s2.3，对分割后的标定图像利用二位卷积算法进行边缘的优化，去除分割图像中激光点的边缘无效点，得到激光点a有效的周围系列像素坐标值(x′1i,y′1i)和激光点b有效的周围系列像素坐标值(x′2i,y′2i)。

s2.4，对激光点a有效的周围系列像素坐标值(x′1i,y′1i)用最小二乘法进行曲线拟合，得到拟合曲线对激光点b有效的周围系列像素坐标值(x′2i,y′2i)用最小二乘法进行曲线拟合，得到拟合曲线

拟合曲线的限定条件是拟合误差的平方和最小：

拟合曲线的限定条件是拟合误差的平方和最小：

s2.5，确定激光点a和激光点b的像素点坐标。

s2.5.1，根据步骤s2.4分别得到拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值和拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值。

s2.5.2，根据步骤s2.5.1得到的拟合曲线的四个像素坐标值，得到两条直线，两直线的交点坐标就是激光点a的像素坐标；根据拟合曲线的四个像素坐标值，得到另外两条直线，两直线的交点坐标就是激光点b的像素坐标。

s3，根据激光点a和激光点b建立三维坐标系，并将激光点a和激光点b的像素坐标转为到三维坐标系中。

以激光点a和激光点b的中心o为原点，以激光点a和激光点b所在直线为x轴，以过原点o并垂直x轴的直线为y轴，以过原点o并垂直x轴和y轴的直线为z轴。

s4，采集定位图像。

s5，对定位图像进行预处理并得到激光点a′和激光点b′的坐标。

s5.1，对定位图像亮度、对比度进行伽玛校正得到矫正的定位图像。

s5.2，对矫正的定位图像利用最大类间算法进行阈值分割。

s5.2.1，给定定位图像的分割阈值t。

s5.2.2，将定位图像分割为区域c0′和区域c1′，所述区域c0′由灰度值[0，t-1]的像素组成,区域c1′由灰度值[t，l-1]的像素组成。

s5.2.3，计算区域c0′的概率p0′。

其中，i为定位图像中灰度值，ni′为定位图像中灰度值i的像素数，pi′为灰度值i的概率；n为定位图像的总像素数；l-1为定位图像中灰度值上限。

s5.2.4，计算区域c0′的平均灰度μ0′；

s5.2.5，计算区域c1′的概率p1′；

s5.2.6，计算区域c1′的平均灰度μ1′；

其中，μ′为定位图像的平均灰度。

s5.2.7，计算图像的平均灰度μ′：

s5.2.8，计算区域c0′和区域c1′的灰度方差σb′；

σb′²＝p0′(μ0′-μ′)²+p1′(μ1′-μ′)²＝p0′p1′(μ0′-μ1′)²。

s5.2.9，改变阈值t，重复步骤s5.2.2-s5.2.8，直至得到定位图像中每个灰度值对应的灰度方差.

s5.2.10，选择灰度方差最大对应的阈值t作为最佳分割阈值，并选择最佳分割阈值对应的分割图像。

s5.2.11，根据步骤s5.2.10得到标定图像中激光点a′周围系列像素坐标值(x′1i,y′1i),i＝0,......,n；x′1i＝0-255；y′1i＝0-255；激光点b′周围系列像素坐标值(x′2i,y′2i)，i＝0,......,n；x′2i＝0-255；y′2i＝0-255。

s5.3，对分割后的定位图像利用二位卷积算法进行边缘的优化，去除分割图像中激光点的边缘无效点，得到激光点a′有效的周围系列像素坐标值(x″1i,y″1i)和激光点b′有效的周围系列像素坐标值(x″2i,y″2i)。

s5.4，对激光点a′有效的周围系列像素坐标值(x″1i,y″1i)用最小二乘法进行曲线拟合，得到拟合曲线对激光点b′有效的周围系列像素坐标值(x″2i,y″2i)用最小二乘法进行曲线拟合，得到拟合曲线

s5.5，确定激光点a′和激光点b′的像素点坐标。

s5.5.1，根据步骤s5.4分别得到拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值和拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值。

s5.5.2，根据步骤s5.5.1得到的拟合曲线的四个像素坐标值，得到两条直线，两直线的交点坐标就是激光点a′的像素坐标；根据拟合曲线的四个像素坐标值，得到另外两条直线，两直线的交点坐标就是激光点b′的像素坐标。

s5.6，将激光点a′和激光点b′的像素点坐标转换到建立的三维坐标中。

s6，根据标定图像中激光点a和激光点b以及定位图像中的激光点激光点a′和激光点b′，得到定位图像在z轴的旋转角γ。

s7，根据倾角仪得到定位图像的x轴偏转角度α和y轴偏转角度β。

s8，计算竖井掘进机的掘进偏差,所述掘进偏差包括x轴方向的掘进偏差δx和y轴方向的掘进偏差δy。

s8.1，将定位图像在z轴方向反向扭转得到扭转定位图像，扭转定位图像的旋转角γ＝0°，x轴偏转角度α和y轴偏转角度β与定位图像的x轴偏转角度α和y轴偏转角度β相同。

s8.2，利用定位图像中激光点a′和激光点b′和扭转定位图像中激光点a′和激光点b″构造三角形a′b′b″，三角形a′b′b″中∠a′＝γ，a′b′＝a′b″。

s8.3，在三角形a′b′b″中作垂线b′n，垂足为n，且a′、n、b″在同一水平线上。

s8.4，计算垂足n点坐标。

b′n＝a′b′×sinγ；

其中，(a′,b′)为激光点a′的坐标，(c′,d′)为激光点b′的坐标，(e,b′)为垂足n的坐标。

s8.5，计算激光点b″的坐标；

其中，(c′,d′)为激光点b′的坐标，(e,b′)为垂足n的坐标；(f,b′)为激光点b″的坐标。

s8.6，计算激光点a′和激光点b″的中点o′坐标(g,b′)。

s8.7，计算竖井掘进机在x轴方向的掘进偏差δx。

δx＝oo′cosα；

其中，o为原点。

s8.8，计算竖井掘进机在y轴方向的掘进偏差δy；

δy＝oo′cosβ。

而本发明中所使用的竖井盾构用激光导向装置，包括竖井盾构机，在竖井盾构机中部设置有供激光穿过的通孔，在通孔下方的竖井盾构机内设置有激光靶，激光靶的靶面为pvc透明塑料板且与通孔相对应；激光发射器设置在地面并通过通孔将发射的激光照射到激光靶的靶面上；在激光靶的底部设置有倾角仪，倾角仪检测激光靶的倾斜角度并将检测信号通过光纤传输到地面的上位机内；在激光靶内安装有相机，相机的设置方向与激光靶的靶面垂直并将拍摄的激光靶的靶面上的激光点位置通过光纤传输到地面的上位机内。其中，所述激光发射器选用量程300米的测距量程；相机选用600万basler黑白工业相机；倾角仪选用正负15度范围的倾角仪。

本发明使用两束激光点和倾角仪可自动实时的观察掘进的方位变化；可同时测得东西南北方向的偏差，及掘进平面上x轴和y轴上的倾斜角度及竖直向下方向的旋转角度，因此可提供给盾构司机掘进倾斜程度，及时矫正。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中定位图像和扭转图像构成的三角形示意图。

图2为本发明定位图像偏转量示意图。

图3为本发明偏转量测量过程示意图，图a为发生扭转状态的测量过程，图b为发生平移状态的测量过程。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：一种基于labview的竖井激光导向偏差计算方法，步骤如下：

s1，采集标定图像。

s2，对标定图像进行预处理并得到标定图像中激光点a和激光点b的像素点坐标。

s2.1，对标定图像亮度、对比度进行伽玛校正得到矫正的标定图像。

s2.2，对矫正的标定图像利用最大类间算法进行阈值分割。

s2.2.1，给定标定图像的分割阈值t。

s2.2.2，将标定图像分割为区域c0和区域c1，所述区域c0由灰度值[0，t-1]的像素组成,区域c1由灰度值[t，l-1]的像素组成。

s2.2.3，计算区域c0的概率p0：

其中，i为标定图像中灰度值，ni为标定图像中灰度值i的像素数，pi为灰度值i的概率；n为标定图像的总像素数；l-1为标定图像中灰度值上限。

s2.2.4，计算区域c0的平均灰度μ0；

s2.2.5，计算区域c1的概率p1；

s2.2.6，计算区域c1的平均灰度μ1；

其中，μ为标定图像的平均灰度。

s2.2.7，计算标定图像的平均灰度μ：

s2.2.8，计算区域c0和区域c1的灰度方差σb；

σb²=p0(μ0-μ)²+p1(μ1-μ)²＝p0p1(μ0-μ1)²。

s2.2.9，改变阈值t，重复步骤s2.2.2-s2.2.8，直至得到标定图像中每个灰度值对应的灰度方差。

s2.2.10，选择灰度方差最大对应的阈值t作为最佳分割阈值，并选择最佳分割阈值对应的分割图像。

s2.2.11，根据步骤s2.2.10得到标定图像中激光点a周围系列像素坐标值(x1i,y1i),i＝0,......,n；x1i＝0-255；y1i＝0-255；激光点b周围系列像素坐标值(x2i,y2i)，i＝0,......,n；x2i＝0-255；y2i＝0-255。

s2.3，对分割后的标定图像利用二位卷积算法进行边缘的优化，去除分割图像中激光点的边缘无效点，得到激光点a有效的周围系列像素坐标值(x′1i,y′1i)和激光点b有效的周围系列像素坐标值(x′2i,y′2i)。

s2.4，对激光点a有效的周围系列像素坐标值(x′1i,y′1i)用最小二乘法进行曲线拟合，得到拟合曲线对激光点b有效的周围系列像素坐标值(x′2i,y′2i)用最小二乘法进行曲线拟合，得到拟合曲线

拟合曲线的限定条件是拟合误差的平方和最小：

拟合曲线的限定条件是拟合误差的平方和最小：

s2.5，确定激光点a和激光点b的像素点坐标。

s2.5.1，根据步骤s2.4分别得到拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值和拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值。

s2.5.2，根据步骤s2.5.1得到的拟合曲线的四个像素坐标值，得到两条直线，两直线的交点坐标就是激光点a的像素坐标；根据拟合曲线的四个像素坐标值，得到另外两条直线，两直线的交点坐标就是激光点b的像素坐标。

s3，根据激光点a和激光点b建立三维坐标系，并将激光点a和激光点b的像素坐标转为到三维坐标系中。

以激光点a和激光点b的中心o为原点，以激光点a和激光点b所在直线为x轴，以过原点o并垂直x轴的直线为y轴，以过原点o并垂直x轴和y轴的直线为z轴。

s4，采集定位图像。

s5，对定位图像进行预处理并得到激光点a′和激光点b′的坐标。

s5.1，对定位图像亮度、对比度进行伽玛校正得到矫正的定位图像。

s5.2，对矫正的定位图像利用最大类间算法进行阈值分割。

s5.2.1，给定定位图像的分割阈值t。

s5.2.2，将定位图像分割为区域c0′和区域c1′，所述区域c0′由灰度值[0，t-1]的像素组成,区域c1′由灰度值[t，l-1]的像素组成。

s5.2.3，计算区域c0′的概率p0′。

其中，i为定位图像中灰度值，ni′为定位图像中灰度值i的像素数，pi′为灰度值i的概率；n为定位图像的总像素数；l-1为定位图像中灰度值上限。

s5.2.4，计算区域c0′的平均灰度μ0′；

s5.2.5，计算区域c1′的概率p1′；

s5.2.6，计算区域c1′的平均灰度μ1′；

其中，μ′为定位图像的平均灰度。

s5.2.7，计算图像的平均灰度μ′：

s5.2.8，计算区域c0′和区域c1′的灰度方差σb′；

σb′²＝p0′(μ0′-μ′)²+p1′(μ1′-μ′)²＝p0′p1′(μ0′-μ1′)²。

s5.2.9，改变阈值t，重复步骤s5.2.2-s5.2.8，直至得到定位图像中每个灰度值对应的灰度方差.

s5.2.10，选择灰度方差最大对应的阈值t作为最佳分割阈值，并选择最佳分割阈值对应的分割图像。

s5.2.11，根据步骤s5.2.10得到标定图像中激光点a′周围系列像素坐标值(x′1i,y′1i),i＝0,......,n；x′1i＝0-255；y′1i＝0-255；激光点b′周围系列像素坐标值(x′2i,y′2i)，i＝0,......,n；x′2i＝0-255；y′2i＝0-255。

s5.3，对分割后的定位图像利用二位卷积算法进行边缘的优化，去除分割图像中激光点的边缘无效点，得到激光点a′有效的周围系列像素坐标值(x″1i,y″1i)和激光点b′有效的周围系列像素坐标值(x″2i,y″2i)。

s5.4，对激光点a′有效的周围系列像素坐标值(x″1i,y″1i)用最小二乘法进行曲线拟合，得到拟合曲线对激光点b′有效的周围系列像素坐标值(x″2i,y″2i)用最小二乘法进行曲线拟合，得到拟合曲线

s5.5，确定激光点a′和激光点b′的像素点坐标。

s5.5.1，根据步骤s5.4分别得到拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值和拟合曲线中最左侧像素点坐标值、最右侧像素点坐标值、最上侧像素点坐标值以及最下侧像素点坐标值。

s5.5.2，根据步骤s5.5.1得到的拟合曲线的四个像素坐标值，得到两条直线，两直线的交点坐标就是激光点a′的像素坐标；根据拟合曲线的四个像素坐标值，得到另外两条直线，两直线的交点坐标就是激光点b′的像素坐标。

s5.6，将激光点a′和激光点b′的像素点坐标转换到建立的三维坐标中。

s6，根据标定图像中激光点a和激光点b以及定位图像中的激光点激光点a′和激光点b′，得到定位图像在z轴的旋转角γ，如图2所示。

s7，根据倾角仪得到定位图像的x轴偏转角度α和y轴偏转角度β。

s8，计算竖井掘进机的掘进偏差，所述掘进偏差包括x轴方向的掘进偏差δx和y轴方向的掘进偏差δy，求解过程示意图如图3所示。

s8.1，将定位图像在z轴方向反向扭转得到扭转定位图像，扭转定位图像的旋转角γ＝0°，x轴偏转角度α和y轴偏转角度β与定位图像的x轴偏转角度α和y轴偏转角度β相同。

s8.2，利用定位图像中激光点a′和激光点b′和扭转定位图像中激光点a′和激光点b″构造三角形a′b′b″，如图1所示，三角形a′b′b″中∠a′＝γ，a′b′＝a′b″。

s8.3，在三角形a′b′b″中作垂线b′n，垂足为n，且a′、n、b″在同一水平线上。

s8.4，计算垂足n点坐标。

b′n＝a′b′×sinγ；

其中，(a′,b′)为激光点a′的坐标，(c′,d′)为激光点b′的坐标，(e,b′)为垂足n的坐标。

s8.5，计算激光点b″的坐标；

其中，(c′,d′)为激光点b′的坐标，(e,b′)为垂足n的坐标；(f,b′)为激光点b″的坐标。

s8.6，计算激光点a′和激光点b″的中点o′坐标(g,b′)。

s8.7，计算竖井掘进机在x轴方向的掘进偏差δx。

δx＝oo′cosα；

其中，o为原点。

s8.8，计算竖井掘进机在y轴方向的掘进偏差δy；

δy＝oo′cosβ。

实施例2：一种竖井盾构用激光导向装置，包括竖井盾构机，在竖井盾构机中部设置有供激光穿过的通孔，在通孔下方的竖井盾构机内设置有激光靶，激光靶的靶面为pvc透明塑料板且与通孔相对应；激光发射器设置在地面并通过通孔将发射的激光照射到激光靶的靶面上；在激光靶的底部设置有倾角仪，倾角仪检测激光靶的倾斜角度并将检测信号通过光纤传输到地面的上位机内；在激光靶内安装有相机，相机的设置方向与激光靶的靶面垂直并将拍摄的激光靶的靶面上的激光点位置通过光纤传输到地面的上位机内。其中，所述激光发射器选用量程300米的测距量程；相机选用600万basler黑白工业相机；倾角仪选用正负15度范围的倾角仪。

上面所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。