电梯制动过程钢丝绳移动量监测方法与流程

[0001]
本发明涉及一种电梯曳引制动装置的钢丝绳移动量监测，属于电梯检测技术 领域。


背景技术：

[0002]
电梯在使用过程中，缠绕在曳引轮上的钢丝绳不断在与曳引轮槽发生摩擦。 对于老旧的电梯曳引轮，其轮槽处会逐渐磨损，曳引轮与钢丝绳的摩擦减小，曳 引能力降低。当曳引能力降低到一定程度时，曳引轮与钢丝绳发生打滑，无法正 常带动电梯轿厢，如果在运行过程中发生打滑，则会发生安全事故。此外，制动 闸瓦每次制动时与制动轮发生摩擦，使闸瓦磨损，造成制动能力下降，发生制动 轮打滑，也会发生安全事故。
[0003]
电梯的曳引制动装置的性能常用制动距离来衡量。制动距离即轿厢在制动过 程中的移动量。由于轿厢与钢丝绳直接连接，制动距离又等于钢丝绳在制动过程 中的移动量，是电梯制动系统与电梯曳引系统综合作用的结果。电梯制动过程中， 制动轮相对于制动闸瓦的移动量加上钢丝绳相对于曳引轮的移动量等于钢丝绳 的总移动量(制动轮和曳引轮可以看作刚性连接)。制动轮相对于制动闸瓦的移 动量代表电梯的制动能力。钢丝绳相对于曳引轮的移动量才代表曳引能力。电梯 制动能力或曳引能力下降时，制动过程中钢丝绳的移动量将会增大。因此，检测 钢丝绳的移动量，能综合反映电梯的制动能力和曳引能力。
[0004]
针对钢丝绳移动量的测量，现有的检测装置常用的做法是：使用摩擦较大的 小轮夹紧钢丝绳，小轮上安装有角度编码器。钢丝绳移动时，带动小轮转动，使 角度编码器计数。通过小轮转动角度和小轮直径计算出钢丝绳移动的距离。这种 方法成本低，容易实现，适合现场检测。但小轮与钢丝绳之间也存在滑动，而且 随着使用时间增加，安装松动以及小轮自身的磨损，会使得测量精度越来越低。 因此，这种方法不适合钢丝绳移动量的长期监测。
[0005]
例如：申请号为cn201821457677.8、公开(公告号)为cn208916530u的 实用新型专利公开了一种电梯制动距离检测装置，其涉及电梯检测技术领域，具 体公开了一种电梯制动距离检测装置，包括数据发送器、制停信号接线、第一距 离检测传感器和第二距离检测传感器，数据发送器分别与制停信号接线、第一距 离传感器和第二距离传感器连接，用于向检测人员发送检测数据，制停信号接线 用于连接电梯的制动继电器以检测以接收电梯的制动信号，第一距离检测传感器 设有检测滚轮，检测滚轮用于与电梯的限速器的钢丝绳配合以检测钢丝绳的移动 距离，第二距离检测传感器设有检测磁铁，检测磁铁用于吸附在电梯的曳引机轮 的中心处以检测钢丝绳在曳引机轮里的滑动距离。
[0006]
申请号为cn201210163507.x，公开(公告号)为cn102674101b的发明专利 公开了一种电梯钢丝绳位移测量装置，应用光电鼠标芯片组件构成光学图像位移 检测系统，在仪表架上设置了具有绳槽的导向轮，导向轮的构件中使用了磁性材 料制造，导向轮对被测钢丝绳具有磁吸力，使测量装置与被测钢丝绳保持规定的 相互位置，实现无接触位移测量。
适用于电梯运行速度与行程的测量，操作简便， 检测精度较高。
[0007]
申请号为cn201410238968.8、公开(公告号)为cn104016201a的发明专利 申请公开了一种电梯轿厢绝对位置检测装置，包括曳引轮、导向轮、曳引钢丝绳、 轿厢、对重和电梯主控板，还包括安装在曳引钢丝绳两侧的投光器、受光器以及 与电梯主控板通信的位置控制器，所述受光器包括感光元件和图像识别元件，所 述投光器向曳引钢丝绳投射光束，将曳引钢丝绳移动时的图像投射到受光器的感 光元件上成像，所述受光器的图像识别元件周期性的对图像进行对比及特征采样， 并按采样特征的变化生成对应的位移信号，所述位置控制器对位移信号进行方向 判别及计算，进而检测出电梯轿厢的位置。此电梯轿厢绝对位置检测装置简单实 用，精度高，且不存在打滑导致检测误差的问题。
[0008]
申请号为cn201910653566.7、公开(公告号)为cn110240038a的发明专利 申请公开了一种电梯曳引轮滑移量检测装置及方法。该装置包括电梯曳引系统、 图像采集装置、无线传输装置和监控中心；电梯曳引系统，包括：曳引轮、曳引 轮电机、带有刻度标记的钢丝绳和控制柜；曳引轮电机与曳引轮电连接；钢丝绳 放置于曳引轮的绳槽内，钢丝绳和曳引轮的绳槽吻合；控制柜与曳引轮电机电连 接，控制柜用于读取曳引轮电机的转数；图像采集装置设置在曳引轮上方，图像 采集装置用于采集钢丝绳的刻度标记图像；无线传输装置分别与图像采集装置和 控制柜连接，无线传输装置用于将图像采集装置采集到的刻度标记图像和曳引轮 电机的转数无线传输至监控中心。采用本发明的装置及方法，解决了电梯维保人 员在测量过程中存在危险的问题。


技术实现要素：

[0009]
本发明的目的是：使用图像算法和高帧摄像机，对输入的图像数据进行处理， 从而得出电梯曳引制动装置钢丝绳的移动量。
[0010]
为了达到上述目的，本发明的技术方案是提供了一种电梯制动过程钢丝绳移 动量监测方法，其特征在于，包括以下步骤：
[0011]
使用工业摄像机对制动过程中的曳引钢丝绳组进行拍摄，将拍摄到的图像传 入计算机，计算机利用图像识别算法计算曳引钢丝绳的移动量，并在显示设备上 显示结果，其中，所述图像识别算法包括以下步骤：
[0012]
步骤1、检测出工业摄像机实时获得的图像中属于钢丝绳的点的坐标分布， 从而划分出一个只包含钢丝绳的区域，该区域即为检测窗，包括以下步骤：
[0013]
步骤101、获得只包含钢丝绳的图像，统计该图像的灰度频率分布直方图得 到一个长度为256的向量x0；
[0014]
步骤102、将工业摄像机实时获得的图像转换成灰度图并进行高斯模糊，得 到一张去噪的灰度图i(x,y)，根据灰度图i(x,y)中每个点的频率分布直方图向量 与向量x0之间的欧几里得距离，将灰度图i(x,y)中每个点的灰度值赋值为1或0， 从而得到一个提取出钢丝绳坐标位置的二值图b0；
[0015]
步骤103、求出所有点坐标在x轴、y轴上的均值和标准差，分别为m
x
、m
y
、 σ
x
、σ
y
，则有：
[0016][0017]
将x
min
、x
max
、y
min
、y
max
分别作为x轴的最小、最大值以及y轴的最小值、 最大值，从而从灰度图i(x,y)中分割出一个区域，这个区域即为检测窗；
[0018]
步骤2、将步骤1得到的检测窗中的钢丝绳按根分割，并将不包含钢丝绳的 区域剔除，最终得到一组小的检测块，通过检测块中的灰度计算出与绳移动有关 的指标值，包括以下步骤：
[0019]
步骤201、利用霍夫变换对检测窗sec(x,y)进行分割并旋转，得到所有直线 的直线参数，其中：
[0020]
直线包括检测窗中所有钢丝绳与钢丝绳之间的直线边界、干扰直线以及冗余 直线，其中：直线边界定义为分割线；干扰直线为与分割线不平行的直线；冗余 直线为与分割线平行，但与另一直线距离很近，可以视作同一直线的直线；
[0021]
直线参数是直线到原点的距离ρ和直线与x轴的夹角θ，通过霍夫变换得到 集合s，s＝{(ρ
i
,θ
i
)|i＝1,2,
…
,n}，ρ
i
为第i条直线到原点的距离；θ
i
为第i条 直线与x轴的夹角；n为检测到的直线的总数
[0022]
步骤202、对步骤201检测到的所有直线的直线参数进行处理，剔除干扰直 线以及冗余直线，包括以下步骤：
[0023]
步骤2021、对集合s做分割，令其中任意两个集合a
i
、a
j
互斥， 分割按以下方法进行：
[0024]
从集合s中取出下一个直线的参数对(ρ
i
,θ
i
)并将其中的夹角θ
i
与已有的所 有集合a1、a2、
…
a
k
中所有直线夹角的平均数θ
1mean
、θ
2mean
、
…
θ
kmean
进行对 比，若其中存在任何一个θ
smean
，使得θ
i-θ
smean
|＜t
θ
成立，t
θ
是一个预先选定 的阈值，则进一步将夹角θ
i
对应的距离ρ
i
与平均数θ
smean
所对应的集合a
s
中所有 直线的距离的平均值ρ
smean
对比，若|ρ
i-ρ
smean
|＜t
ρ
成立，则将(ρ
i
,θ
i
)加入集合 a
s
，t
ρ
为预先选定的阈值，若|ρ
i-ρ
smean
|＜t
ρ
不成立则将该直线丢弃；
[0025]
如果不存在这样的平均数θ
smean
或者不存在已有的集合，则新建一个集合 a
k+1
并将(ρ
i
,θ
i
)加入新集合a
k+1
；然后继续从集合s中取下一个直线的参数对， 继续以上过程，直至集合s中所有直线的参数对取完；
[0026]
步骤2022、通过步骤2021，霍夫变换的检测结果被分割为若干两两互斥集 合a1、a2、
…
a
m
的并集，从这些集合中找出元素数量最多的一个，设为集合a
q
， 则集合a
q
中的直线即为正确检测的直线，即为分割线，其他集合中的直线全部 剔除；
[0027]
步骤203、利用步骤202得到的分割线将钢丝绳按条分割成独立的区域，每 个区域为一个检测带，再对每个检测带内的像素灰度进行统计，并计算得到的灰 度分布向量与向量x0的欧几里得距离，并将大于阈值的检测带剔除，只保留有 效检测带，则得到k个有效检测带；
[0028]
步骤204、设i(x1:x2,y1:y2)代表灰度图i(x,y)中x轴坐标为x1到x2、y轴 坐标为y1到y2的区域，则步骤203得到的某个有效检测带表示为 i(0:x
max
,y
i
:y
i+1
)，其中x
max
代表灰度图i(x,y)的最大x轴坐标；
[0029]
步骤205、设置一个块高h，则步骤204中所述检测带的检测块分别为 i(0:h-1,y
i
:y
i+1
)、i(1:h,y
i
:y
i+1
)、
…
、i(x
max-h+1:x
max
,y
i
:y
i+1
)，共 x
max-h+2个检测块；
[0030]
步骤206、利用步骤204及步骤205的方法对每个有效检测带进行处理，在 得到(x
max-h+2)
·
k个检测块；
[0031]
步骤207、对步骤206获得的每个检测块，将其沿x轴方向求和得到sum(y)， 统计sum(y)在中间坐标y
mid
以及y
mid-1、y
mid
+1三点处的均值，作为一个指标 值，统计同一个检测块在不同时间得到的指标值，绘出折线图；
[0032]
步骤3、计算每个检测块内随时间变化的折线图的有效波动周期数，并求平 均，然后将这个数乘以钢丝绳的股间距，即可得到钢丝绳移动的距离。
[0033]
优选地，所述工业摄像机利用工业路由器将拍摄到的图像传入所述计算机。
[0034]
优选地，步骤102中，对所述灰度图i(x,y)中任意一点(i,j)，统计其周围一 定像素区域的点，得到灰度的频率分布直方图向量x
ij
；计算频率分布直方图向 量x
ij
与向量x0的欧几里得距离dist(i,j)并设定一个阈值t
d
，若满足 dist(i,j)＝||x
ij-x0||2＜t
d
，则点(i,j)的灰度值赋值为1，否则，并点(i,j)的灰度 值赋值为0。
[0035]
优选地，所述步骤201包括以下步骤：
[0036]
步骤2011、将检测窗sec(x,y)进行梯度阈值过滤，有：
[0037][0038]
令：
[0039][0040]
得到二值图b
edges
(x,y)，式(3)及(4)中，grad
x
sec为检测窗沿x方向梯 度；grad
y
sec为检测窗沿y方向梯度；mag(x,y)为检测窗梯度大小规则化后的值； t
ml
为最低阈值；t
mh
为最高阈值；
[0041]
步骤2022、对二值图b
edges
(x,y)作霍夫变换，检测出所有所述直线。
[0042]
优选地，步骤203中，计算集合a
q
中所有直线的角度的平均值θ
qmean
，然后 将检测窗逆时针旋转角度θ
qmean
；
[0043]
设集合a
q
中直线的距离从小到大分别为ρ
q1
＜ρ
q2
＜
…
＜ρ
qmax
，对图像y轴 取[ρ
q1
+σ,ρ
q2-σ]、[ρ
q2
+σ,ρ
q3-σ]、
…
、[ρ
q(max-1)
+σ,ρ
qmax-σ]这几个区 间，每个区间就是一个所述检测带，其中，σ为一个较小的预设值。
[0044]
优选地，步骤3中，检测周期时，对折线图波动的幅度设定阈值t，每当折 线图中的函数增长超过阈值t，且中途没有出现过超过阈值t的下降，就认为出 现一个新的周期，钢丝绳移动的股数加一。
[0045]
本发明使用高帧工业摄像机结合图像识别的方法对钢丝绳移动量进行测量。 本
发明采用的图像处理的算法能够自动识别钢丝绳在图像中分布于何处，并自动 对钢丝绳进行分割。因此，本发明对相机安装的要求低，且无需对曳引制动装置 做任何改造。由于基于图像的测量是非接触测量，能克服摩擦小轮测量方法的不 足，适合长期监测。
[0046]
本发明实现了非接触测量，测量装置不会影响制动器的性能，无需对曳引制 动装置进行改装，可以根据图像，找出被测量对象，减小对安装精度的要求，也 减小了环境改变对检测系统的影响，可以完成长时间对钢丝绳移动进行监测的任 务。
附图说明
[0047]
图1为实际使用的曳引制动装置的示意图；
[0048]
图2为本实施例中的系统图；
[0049]
图3为实施例中手动截取得到的矩形区域示意图；
[0050]
图4为钢丝绳坐标位置的二值图b0；
[0051]
图5为检测窗；
[0052]
图6为二值图b
edges
；
[0053]
图7为在检测窗中画出直线的示意图；
[0054]
图8为获得的波形图；
[0055]
图9为利用波形图计算经过的周期数的过程。
具体实施方式
[0056]
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明 本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之 后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本 申请所附权利要求书所限定的范围。
[0057]
本发明提供的一种基于图像识别的电梯钢丝绳移动量的监测方法输入的是 工业摄像机(以下简称“相机”)采集到的高帧率视频，由于钢丝绳纹理变化周 期短，因此必须使用帧率高、曝光时间短的相机才能完整地采集到一个纹理变化 周期内。此外，为降低相机摆放位置的要求，需要根据采集到的数据更新计算参 数，当相机与制动轮的相对位置发生微小变动时，相机仍然能够计算出钢丝绳移 动量。
[0058]
本发明的整体方案具体描述如下：
[0059]
相机摆放在合适的位置，相机将采集到的图像数据传至工业路由器，由工业 路由器发送到计算机。计算机内运行着图像处理的程序。当获取到含有钢丝绳的 图像后，需要先筛选出图像中钢丝绳所在的点，并根据这些点划分出包含钢丝绳 的检测窗。在这个检测窗中有多股钢丝绳，采用霍夫变换检测检测窗中主要的直 线，利用直线将这些钢丝绳分割成数根，得到检测带。对每根钢丝绳的检测带再 进一步划分，得到很多小的检测块，统计每个小检测块沿时间变化所经过的周期， 取平均值，得到钢丝绳移动的股数，根据股数乘股间距，即可求得钢丝绳滑移量， 最终显示在输出设备(如显示器)上。
[0060]
根据前面的描述，上述图像处理程序的基本步骤是：
[0061]
第一步，钢丝绳检测；
[0062]
第二步，区域分割；
[0063]
第三步，移动量计算。
[0064]
上述图像处理程序的具体描述如下：
[0065]
(1)钢丝绳检测，就是检测出图像中属于钢丝绳的点的坐标分布，从而划 分出一个只包含钢丝绳得到区域，为下一步计算做准备。使用到的技术是局部直 方图特征匹配。
[0066]
钢丝绳相较于图像其他部分，沿空间轴灰度变化频率较高且有一定周期性， 属于纹理图像。这类图像不能简单地使用颜色或梯度阈值进行分割。考虑到纹理 图像空间分布的规律性，可以统计每个像素点周围区域内灰度的频率直方图，组 成一个长度为256的向量。并将该向量与预先采样的区域的灰度分布向量相比较， 筛选出钢丝绳所在的区域。
[0067]
首先利用相机拍摄任意一帧图像，并手动截取其中一段只包含钢丝绳的图像， 统计该图像的灰度频率分布直方图，得到一个长度为256的向量x0。
[0068]
将原图像转换成灰度图并进行高斯模糊，得到一张去噪的灰度图i(x,y)。对 灰度图i(x,y)中任意一点(i,j)，统计其周围13
×
13像素区域的点，得到灰度的频 率分布直方图向量x
ij
。计算频率分布直方图向量x
ij
与向量x0的欧几里得距离 dist(i,j)并设定一个阈值t
d
，即当公式：
[0069]
dist(i,j)＝||x
ij-x0||2＜t
d
ꢀꢀ
(1)
[0070]
满足的点(i,j)，将其灰度值赋值为1，并将其余点赋值为0，得到一个提取 出钢丝绳坐标位置的二值图b0。
[0071]
从原图像中划分出一块尽可能只包含钢丝绳的区域进行分析，求出所有点坐 标在x轴、y轴上的均值和标准差，分别为m
x
、m
y
、σ
x
、σ
y
。令：
[0072][0073]
将x
min
、x
max
、y
min
、y
max
分别作为x的最小、最大值以及y的最小值、最大 值从灰度图i(x,y)中分割出一个区域，这个区域即为检测窗，这个检测窗除了包 含钢丝绳，可能还包含其他部分，例如当钢丝绳之间间隙较大时，间隙也会包含 到该检测窗。
[0074]
(2)区域分割，区域分割是为了将前一步得到的检测窗中的钢丝绳按根分 割，并将不包含钢丝绳的区域剔除，最终得到一组小的检测块，通过检测块中的 灰度，能够计算出与绳移动有关的指标值。区域分割分为两步，第一步是利用霍 夫变换对检测窗进行分割，并旋转。利用霍夫变换检测到的直线对旋转后的检测 窗进行分割，得到检测带。第二步是利用滑动窗方法，从检测带中提取出检测块， 为计算指标值作准备。
[0075]
检测窗中钢丝绳与钢丝绳之间有明显的直线边界，可以使用霍夫变换检测出 图中的长直线，作为分割线。使用霍夫变换时，先将检测窗进行梯度阈值过滤。 检测窗用sec(x,y)表示。令：
[0076][0077]
令：
[0078][0079]
得到二值图b
edges
(x,y)，式(3)及(4)中，grad
x
sec为检测窗沿x方向梯 度；grad
y
sec为检测窗沿y方向梯度；mag(x,y)为检测窗梯度大小规则化后的值； t
ml
为最低阈值；t
mh
为最高阈值。
[0080]
然后可以对该二值图b
edges
(x,y)作霍夫变换，检测出所有直线。
[0081]
通过霍夫变换得到的分割线往往伴随一些干扰的无关直线。需要对检测到的 所有直线参数进行处理，剔除所有不符合要求的直线，方便后续处理。根据前面 的讨论，需要剔除的直线分为两类：
[0082]
1)与正确分割直线不平行的干扰直线。
[0083]
2)与正确分割直线平行，但与另一直线距离很近，可以视作同一直线的冗 余直线。
[0084]
霍夫变换返回的是直线到原点的距离ρ和直线与x轴的夹角θ的集合s：
[0085]
s＝{(ρ
i
,θ
i
)|i＝1,2,
…
,n}
ꢀꢀ
(5)
[0086]
式(5)中，ρ
i
为第i条直线到原点的距离；θ
i
为第i条直线与x轴的夹角；n 为检测到的直线的总数。
[0087]
根据前面两类直线的特征，对集合s做一个分割，即令其中任意 两个集合a
i
、a
j
互斥。分割按以下方法进行：
[0088]
从集合s中取出下一个直线的参数对(ρ
i
,θ
i
)并将其中的夹角θ
i
与已有的所 有集合a1、a2、
…
a
k
中所有直线夹角的平均数θ
1mean
、θ
2mean
、
…
θ
kmean
进行对 比，若其中存在任何一个θ
smean
，使得：
[0089]
|θ
i-θ
smean
|＜t
θ
ꢀꢀ
(6)
[0090]
式(6)中，t
θ
是一个预先选定的阈值，则再将夹角θ
i
对应的距离ρ
i
与平均 数θ
smean
所对应的集合a
s
中所有直线的距离的平均值ρ
smean
对比，若：
[0091]
|ρ
i-ρ
smean
|＜t
ρ
ꢀꢀ
(7)
[0092]
则将(ρ
i
,θ
i
)加入集合a
s
，式(7)中，t
ρ
为预先选定的阈值；否则就将该直 线丢弃。如果不存在这样的平均数θ
smean
或者不存在已有的集合，则新建一个集 合a
k+1
并将(ρ
i
,θ
i
)加入新集合a
k+1
。然后继续从集合s中取下一个直线的参数对， 继续以上过程，直至集合s中所有直线的参数对取完。
[0093]
通过以上过程，霍夫变换的检测结果被分割为若干两两互斥集合a1、a2、
…
a
m
的并集。从这些集合中找出元素数量最多的一个，假设是集合a
q
，则集合a
q
中的直线即为正确检测的直线，其他集合中的直线全部剔除。这里假设了正确检 测的直线数量最多，而错误检测的直线只占较少部分，且距离和角度的差别较大。
[0094]
经过筛选后的直线已经可以将钢丝绳按条分割成独立的区域。但是这些直线 有一定的角度，不利于后续的计算处理。因此，计算集合a
q
中所有直线的角度 的平均值θ
qmean
，然后将检测窗逆时针旋转角度θ
qmean
。这样，原本检测到的有一 定斜率的分割线会变成竖直线。假设集合a
q
中直线的距离从小到大分别为 ρ
q1
＜ρ
q2
＜
…
＜ρ
qmax
。只需要对图像y轴(横
这样也能得到钢丝绳在图中的主要分布位置，运行速度可以极大提高，本例对每 个像素点进行统计)。按照前面介绍的步骤，对每个点对应的直方图向量与样本 向量x0计算欧几里得距离，然后将阈值设定为0.12，得到的钢丝绳坐标位置的 二值图b0如图4所示。并据此算出检测窗的范围，从灰度图中划分出检测窗如 图5所示(标准差所乘的系数设定为0.7)。
[0108]
(2)区域分割
[0109]
先将图像转换成梯度二值图，阈值设定70，得到的二值图b
edges
如图6所示。 对该二值图b
edges
使用霍夫变换检测长度大于150的直线，并在检测窗中画出这 些直线，如图7所示。将直线集合用前面介绍的方法分割，并取元素最多的子集， 得到有效直线，根据有效直线将检测窗旋转，划分检测带。然后选出有效检测带， 使用滑动窗法得到检测块。
[0110]
(3)移动量计算
[0111]
对每个检测块求出一个指标值随时间变化的折线图，即波形图，如图8所示， 图中仅为制动的最后段时刻的波形图，因为整个过程图像较长，因此只给出一个 检测块的一段时刻。对该波形图，使用如图9所示的过程计算经过的周期数，成 以股间距，即为移动量，对所有检测块计算出的移动量求平均，以减小误差，求 得最终移动量。