目前，燃煤電廠存煤的測量一般采用人工計量方法，即先用推土機對煤場進行整形，使其外觀形體近似于梯形，再用經緯儀和米尺進行人工丈量，根據經驗，簡單計算或估算。這種方法，不僅耗費大量工時和人力，而且計量也不準確，嚴重制約了企業(yè)的現(xiàn)代化管理。因此迫切要求一種可以代替人工、省時省力、計量快速準確的裝置測出煤場存煤量。由此，針對大型煤場，研制了便攜式激光盤煤系統(tǒng)。該系統(tǒng)由激光測距儀、地圖星和掌上電腦組成，激光測距儀用于對煤場進行掃描測量，地圖星用于激光測距和傳輸數據，掌上電腦用于存儲數據。掃描完成后，由計算機擬合煤堆表面形狀，從而快速、準確地測出煤場的存煤量。

　　1　現(xiàn)場快速盤煤裝置概況

　　某電廠已應用了自動盤煤裝置，其機械掃描系統(tǒng)如圖1所示，它由場地取料機、裝在取料機固定梁上的單軌和懸掛在單軌上運行的小車組成。當取料機沿煤場兩側鋪設的鋼軌勻速做縱向運行時，小車在單軌上做橫向往復運動，當取料機從煤場一端運行到另一端時，裝在車上的光電探測系統(tǒng)就對整個煤場進行了二維掃描，實現(xiàn)對整個煤場煤堆表面各點高度的檢測。

　　還有一種超聲波測距煤場儲量自動計量測繪系統(tǒng)，測距傳感器安裝在龍門吊的小車上，借助龍門吊上小車的行走對煤場平面進行掃描，完成數據采集，并通過計算機實現(xiàn)儲量計算和圖形繪制。

　　使用這2種盤煤裝置的必要條件是煤場上已安裝有龍門吊或堆式取料機，否則這兩種裝置難以使用。但是若要為此而專門修建龍門吊則需大量投資，很不經濟。

　　固定式圖象測量系統(tǒng)需要將盤煤裝置安裝在固定的高塔架構上，精密儀器長期暴露在惡劣的自然環(huán)境中，精度下降得很快，而且高塔架構不利于維修人員上下，投資較大。

　　便攜式激光盤煤儀以手持的激光測距儀替代塔式的激光器―――攝像機轉臺，以人工選點測量替代轉臺自動掃描，得到包含曲面特征的三維散亂數據點集。最后，把包含有散亂點集的數據文件傳入電腦中，由相應的軟件部分完成曲面的擬合與體積計算部分。該系統(tǒng)克服了上述2種系統(tǒng)的弊端。用5號電池供電，整體重量僅2．5 kg。

　　2　便攜式激光盤煤系統(tǒng)的構成

　　便攜式激光測距儀系統(tǒng)流程如圖2所示。

　　激光測距儀用于采集數據，采集到的數據信息包括被采集點相對于采集位置的坐標（x，y，z），這個坐標是相對坐標，采集位置的坐標為（x0，y0，z0），則被采集點的絕對坐標為（x＋x0，y＋y0，z＋z0）。數據采集還包括對采集到的數據的濾波和校驗，濾掉無效數據和沒有用到的數據信息，確保有效數據的準確性。數據合成指的是對不同采集位置采集到的數據進行相對坐標與絕對坐標之間的轉換處理，使得所有采集點在同一個坐標系內。

　　三維可視化指的是對三維散亂數據進行可視化處理，先對散亂數據進行插值。經過插值運算后，得到的俯視圖是在x，y平面內均勻分布的點，立體圖則為煤場的三維網格圖，得到三維網格圖之后便可很容易的計算體積了。插值點之間的間隔可由操作人員任意設置，但是其間隔不應太大，太大影響體積計算的精度；也不可太小，太小影響計算速度。

　　圖像拼接技術實現(xiàn)的是將數碼相機拍攝到的煤場的部分圖像拼接成一大張煤場的全景圖。圖像處理包括濾波，灰度化處理，邊緣檢測和曲線平滑處理。三維網格的修正以檢測出的邊緣檢測曲線為依據，修改網格圖中的邊緣點，網格圖的邊緣點被修改后，部分相應的其它的點會被相應的處理。

　　為了便于斗輪機取煤和卸煤的方便，煤場一般都建成長而且很窄的長方形，煤會被堆放成橫截面為中間高兩邊低的三角形，或中間是平面的梯形，有時被斗輪機取走一部分煤后，其形狀就像在三角形的腰部切掉一塊。其形狀如圖3所示。

　　無論是那一種情況，其最高點只有一點，而且，三角形的最高點一般在煤場的中間位置，那么，在水平方向拍到的圖像經邊緣檢測后得到的邊緣曲線就是所有最高點連成的曲線。根據這一特點，可以將煤場沿長邊從中間一分為二。修改時在平視圖中放置所拍圖片的邊緣曲線，每修改一個平視圖中的點，俯視圖中在同一列上的所有點都得到修改，這樣減小了三角形或梯形煤堆圖形擬合時的誤差。對于煤堆的第3種情況修改時采用折中的辦法，當所拍圖片能看到最高點時，修改時以最高點為依據；當看不到最高點，只看到被挖掉一部分后的煤堆的邊時修改時要略高于邊緣檢測曲線，這樣就盡量的減小了誤差，見圖4。

　　體積計算采用積分的方法，經插值計算后煤堆被均勻的劃分成了若干個小立方體，將所有的立方體的體積的加起來便是煤堆的體積。

　　3　系統(tǒng)的理論依據

　　3．1　散亂數據的插值

　　散亂數據指的是在二維平面上或三維空間中，無規(guī)則的隨機分布的數據。散亂數據的可視化是指對散亂數據進行插值或擬合，形成曲線或曲面并用圖形或圖像表現(xiàn)出來的技術。用激光測得的數據是三維的散亂數據，散亂數據不能直接用于圖形擬合，為了能夠進行圖形擬合和體積計算，需要對散亂數據進行插值運算。

　　早在20世紀60年代，散亂數據的插值問題就已引起人們的注意。近30 a來，已經有多種算法被提了出來。但是，沒有一種算法適用于所有場合。而且大多數算法只能適用于具有中小規(guī)模數據量的散亂點插值問題。大規(guī)模散亂數據（1 000個點以上）的插值問題還正在研究之中。

　　中小規(guī)模散亂數據的插值方法主要有2種。

　　3．1．1　與距離成反比的加權方法

　　這一方法首先是由氣象學及地質學工作者提出來的，被稱為Shepard方法。其基本思想是將插值函數定義為n個數據點函數值的加權平均，即

　?。▁，y）點到（xk，yk）點的距離。μ值一般取2。

　　這是一種與距離成反比的加權方法。點（xk，yk）的值fk對F（x，y）的影響與（xk，yk）至（x，y）的距離成反比。

　　3．1．2　徑向基函數插值法

　　基函數是由單個變量構成的，一個點（x，y）的這種基函數的形式往往是hk（x，y）＝h（dk），這里的dk表示由點（x，y）至第k個數據點的距離。一般說來，這種方法不具有多項式精度，但只要稍加改進，就可獲得具有多項式精度的插值公式：

　　式（3）中的n個方程滿足了插值要求，而式（4）中的m個方程則保證了多項式精度。2式中共有m＋n個未知數，同時存在m＋n個方程式，聯(lián)立求解，即可得出待定系數。

　　3．1．3　限元方法

　　在給出具有雙自變量的散亂數據點vi（xi，yi）及其函數zi＝f（xi，yi）（i＝1，2，…，n）以后，首先求出二維平面上散亂點的vi凸包，并對其進行三角剖分，形成一系列的三角形Tj，k，l（j，k，l∈i）。然后構造一系列的面片，使其插值于所有pi點的函數值zi。主要有：Clough－Tocher插值法、Herron插值法、最小模網絡法（MNN法），這里不再祥述。

　　3．2　圖像拼接

　　拍攝的2幅相鄰圖像上有相重疊的部分，只要判斷出這2幅圖像的重疊位置并實行相似判形就可以實現(xiàn)2圖像的拼接，在圖5中，假設圖像1和圖像2是相鄰的2幅圖像。原始圖像中的圓形是所拍攝圖像的重疊部分。只要判斷出兩個原始圖像中的同一個圓，就可以將兩幅圖像拼接起來。當然上述的圓形只是舉個例子，實際上可以是任意圖像（只要不是純色）。

　　這樣就可以將圖像拼接歸結為：在2個有重疊部分的圖像的重疊區(qū)區(qū)域內各采集下一個樣本圖像塊，2個樣本圖像塊為原始圖像中的同一圖案，如圖中的2個樣本塊A、B塊。圖中A塊一定要包含B塊且明顯大于B塊，只要測定出B塊在A塊中的位置，就可完成2個圖像的拼接。

　　如何測算出B塊圖像是A塊圖像的哪一個組成部分，也就是如何判斷出A塊中大小與B塊相同的哪塊圖像是與B塊最相似的問題。下面從色度學的角度談談兩個色塊相似性的判斷。在顏色理論中有很多描述色度空間的方法。常用的有RGB、HSV等方法?，F(xiàn)在計算機中的圖像大部分采用RGB法描述。比如，RGB色度空間中有2個顏色M（R0、G0，B0）、N（R1，G1，B1），若這2個顏色在RGB空間里的距離越小，2個顏色就越接近。

　　M、N2顏色RGB空間距離為

　　此處，D越小，M與N的顏色就越相似，當D＝0時，就說明M和N是2個相同的顏色。如果2個色塊的每一點都進行比較計算、并求出所有點的D平均值。平均值越小就表明兩個色塊的圖案越相似。因為A塊、B塊是具有重疊部分的2幅圖像，而A塊包含B塊．故在A塊中一定能尋找到一塊大小與B塊相同的一塊圖像，其與B塊計算出的D平均值為最小。例如，假設A塊圖像有i×j個點，B塊有p×q個點。

　　根據上式求出Dxy為最小的（x，y）點，此點即為與B塊圖形最相近的位置點。這樣就找到了A塊中包含的與B塊圖案最接近的位置，也就是2圖案相重疊的位置。

　　3．3　邊緣檢測

　　邊緣是圖像的最主要特征，它的提取是圖像分割、目標區(qū)域的識別、區(qū)域形狀提取等圖像分析領域十分重要的基礎。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機器視覺研究領域最活躍的課題之一，在工程應用中占有十分重要的地位。所謂邊緣就是指圖像局部亮度變化最顯著的部分，它是檢測圖像局部變化、顯著變化的最基本的運算。典型的邊緣提取方法分成以下3個步驟：

　　a．求出原始圖像橫向和縱向的梯度圖像；

　　b．根據2個方向的梯度得到模值和幅角值；

　　c．沿幅角方向求模極大值，獲得所需邊緣。

　　現(xiàn)在有很多傳統(tǒng)的計算方法，如Canny算子和Sobel算子、Roberts交叉算子和拉普拉斯算子等。對于數字圖像，圖像灰度灰度值的顯著變化可以用梯度來表示，以邊緣檢測Sobel算子為例來講述數字圖像處理中邊緣檢測的實現(xiàn)。

　　對于數字圖像，可以用一階差分代替一階微分。

　　Sobel梯度算子是先做成加權平均，再微分，然后求梯度，即：

　　　圖6（b）給出的是依據圖像處理算法得到的經過圖像灰度化、高通濾波、Sobel邊緣算子處理后的結果。

　　4　實測數據

　　對于煤場盤煤，測量體積的精度主要反映在重復性這個性能指標上。在實際應用中，用戶最為關心的也是重復性問題：重復性越好說明測量越準確，精度越高?，F(xiàn)場的大量實驗表明該系統(tǒng)重復測量的精度很高。其中4次的實測結果分析見表1。

　　注：①試驗地點：河北某電廠；②試驗時間：2002年7月；③測量次數：4次；④測量基點數：8個；⑤煤場面積：281 m×52．5 m。