危化品码垛仓储的定位数据中值滤波去噪算法

刘学君，卢 浩,2，江 帆,2，李 京,2，戴 波

(1.北京石油化工学院信息工程学院，北京 102617；2.北京化工大学信息科学与技术学院，北京 100029)

0 引言

随着危化品相关产业的发展，国内危化品仓储存在的问题逐渐显现。为避免安全隐患，需要对危化品仓储储存时的堆垛情况进行监管。针对仓库内堆垛品的堆距、墙距、顶距、柱距、通道距五距原则，设计了危化品堆垛检测的激光扫描定位装置[1-2]。根据五距要求，确定5个报警检测面。各扫描装置实现对各个检测平面的扫描，进而得到各检测面的二维数据[3]。

数据采集为扫描初始数据库的建立及系统运行时有无障碍物遮挡、遮挡物尺寸还原等工作奠定基础。所采集的数据直接影响后续数据的运算精度。由于激光扫描测量所测得的数据受到被测物体材质、仪器测量角度、测量精度、边缘效应及外界环境的多重影响[4]，因而需要对扫描所获得的原始数据进行处理。

1 扫描数据特点

所用激光测距仪为FTM-50A，测量装置被固定于可旋转的云台上。采用由步进电机、细分驱动及螺旋蜗杆组成的伺服系统，实现对选定监测面的旋转扫描并返回扫描点距离数据。通过对激光测距仪及编码器返回数据的处理，可以得到监测面各个采样点的角度及距离数据。采样点坐标如图1所示。

图1 采样点坐标图

扫描点坐标(x，y)可通过下式求得：

(1)

式中：x、y分别为点云数据中单个坐标点的横、纵坐标；D为该坐标点对应的激光测距仪所返回的距离数值；α为测得的坐标点角度。

危化品仓储激光扫描所获取的点云数据具有以下特征。

(1)排布相对规则。由于扫描的是仓库内部环境，扫描面多为墙面或化学品堆垛的某一边，所以数据点连线多为规则折线。

(2)存在“逸出值”。“逸出值”具体可表现为测得的距离值与真实值存在显著的差别，也被称为距离反常噪声。激光探头端的噪声或扫描环境背景噪声的峰值超出了实际扫描点的激光回波的峰值，出现了“逸出值”。“逸出值”主要由以下2种原因产生。

①物体表面粗糙，激光照射时产生散斑，使得光路与实际距离差异较大。

②接收回波时，可能受散粒噪声的影响。散粒噪声和散斑噪声的干扰导致距离测量值与真实值间存在巨大偏差。

(3)存在“失落信息点”。“失落信息点”具体表现为设备测得的采样点距离值为空白信息，产生的原因为：激光测距仪没有得到回波，脉冲发射通道上不存在反射表面(如天空等)，或者回波未能反射到测距仪上(如当扫描至窗户玻璃上时)。

(4)具有“边缘效应”[5]。激光测距仪在扫描时所发出的激光会在扫描点处投射光斑。当在不同目标的交界处时，可能光斑的一部分在目标内部，另一部分在相邻目标处。来自这2个不同光斑点的反射能量最终都被系统接收，导致测量结果产生系统性偏差。

2 激光扫描数据处理算法

对激光扫描返回点云数据的处理主要集中在对“逸出值”及“失落信息点”的处理。扫描线数据的噪声点去除的方法,主要有直观检查法、曲线检查法、弦高差方法、孤立点统计排异法、代数法等。此外，还可以借鉴数字图像去噪的处理方法，将数据点视为灰度值来对待。常用的方法有均值滤波法、中值滤波法、自适应滤波法等[6]。均值滤波虽简单、常用，但相同的权值处理造成边缘模糊，且没有很好地利用被测点之间的相关性和位置信息。中值滤波具有较好的适用性，能有效抑制噪声的非线性信号。

本文结合中值滤波和线性滤波的优点，首先对扫描数据进行中值滤波，滤除孤立的噪声点；然后对存在大量噪声点的数据进行线型性去噪并预测消失值，从而完成奇异点的处理[7]。

算法数据处理流程如图2所示。

图2 算法数据处理流程图

3 中值滤波处理“逸出值”数据

中值滤波是基于非线性滤波的一种滤波方法。根据排序和统计理论进行数据处理，中值滤波方法能够很好地抑制噪声，得到更为精准的数据。中值滤波可以应用于图像和数据。根据图像的像素进行排序和统计，根据数据值进行排序和分析。

标准中值滤波(standard median filter,SMF)的基本原理是对数字图像或1组数据中的各点进行排序，找出排序后的中间值，最后用中间数值代替这个点的实际值。根据这种方法，对这个数字图像或者数据组进行排序并代替[8]。数据处理过程如下。

设一组数据(数字图像或者数字序列组)是{x1,x2,…,xn}，将n个数据按照数值大小排序，排序后数组为{y1,y2,…,yn}，则：

(2)

式中：y为中间值。

中值滤波原理如图3所示。

图3 中值滤波原理图

运用中值滤波对激光扫描数据滤波。滤波前，从图像中能观察到偏离真实值的“逸出值”的存在；经中值滤波处理后，去除了“逸出值”，保证了原有数据的真实性。

4 拟合“失落信息点”数据

在危化品仓库的扫描监测数据中，存在大量失落信息点，如果使用中值滤波，则必须增大滤波的阈值，这样就造成对孤立的噪声点的过滤效果不佳。针对大量失落信息点的情况，采用最小二乘拟合法，通过对失落信息点前后点的情况进行拟合，预测失落信息点的值。

综合危化品仓储数据的特点，选用直线拟合进行失落信息点数据补足。设x和y的函数关系为：

y=a0+a1x

(3)

式中：a0为截距；a1为斜率。

对于等精度测量所得到的N组数据(xi,yi),i=1,2,…,N。采用最小二乘法将观测数据拟合为直线，进而补足失落点数据。采用最小二乘法估计参数时，要求观测值yi的加权平方和为最小。

(4)

(5)

利用所得的a0、a1，对失落信息点数据进行补足[9]。

扫描面可能是由多个直线段所组成的折线，这需要进行基于最小二乘法的分段拟合[9]。

最小二乘法的分段拟合思路是给定一个角度阈值。假设拟合出的线段起点为S(XS，YS)，终点为E(XE，YE)，下一个要拟合的点为N(XN,YN)，则S、E、N这3点间的距离可以通过计算求得。根据余弦定理，NE连线与SE直线的延长线夹角α可通过下式求得：

(6)

若α小于给定角度阈值，则认为N在SE的延长线上。将其作为新的E点重新进行线性拟合，直到计算结果大于给定阈值的转折点[10-11]。

最小二乘法处理前后对比如图4所示。

图4(a)所示为拟合前扫描数据，图中的空白区域表示激光扫描设备由于扫描到玻璃而无返回数值的区域；图4(b)为最小二乘法处理的数据，玻璃无返回值处的数据被拟合线段补齐且保留了两端的轮廓线，与试验室实际测量的玻璃处位置相符，避免了无返回值区域的“失落信息点”对监测结果的影响。

图4 最小二乘法处理前后对比图

5 结束语

对于仓储码垛五距定位监控设备，采集的点云数据的精确度对设备的运行至关重要。本文提出了仓储环境下定位点云数据的中值滤波和最小二乘法联合去噪算法。

试验结果表明，该算法可以有效地去除扫描数据中出现的逸出和消失等奇异点，既保证了数据的准确性，又保证了监控设备运行的准确度与可靠性。

[1] 戴波,吕昕,刘学君,等.基于改进的UWB危化品堆垛仓储定位技术的研究[C]//第25届中国过程控制会议,2014.

[2] 刘学君,江帆,戴波,等,基于激光测距仪的危化品仓库堆垛安全距离的网格化监测方案[C]//中国自动化大会,2015.

[3] 陈晓清,马君国,付强,等.相干激光雷达距离像距离反常抑制方法[J].中国激光,2010(1):181-185.

[4] LU X,LIU X J，DAI B.Research on UWB-based location technology applied for hazardous chemicals stacking storage[C]//In Proceeding of The 26th Chinese Control and Decision Conference，2014.

[5] 刘俊焱,云挺,周宇,等.基于最小二乘的点云叶面拟合算法研究[J].西北林学院学报,2014(5):70-77.

[6] 罗德安,廖丽琼.地面激光扫描仪的精度影响因素分析[J].铁道勘察,2007(4):5-8.

[7] 未永飞,杜正春,姚振强.中值滤波在激光雷达点云数据预处理中的应用[J].激光技术,2009(2):213-216

[8] 李熙,汤儒峰,李祝莲,等.基于二值图像的卫星激光测距数据处理[J].中国激光,2014(12):188-195.

[9] 路达,滕奇志,卿粼波,等.基于激光测距的中小型货物三维体积扫描[J].微型机与应用,2015,23(2):83-86.

[10]田垅,刘宗田.最小二乘法分段直线拟合[J].计算机科学,2012(S1):482-484.

[11]谢友宝.最小二乘法分段直线拟合[J].南昌航空大学学报(自然科学版),1992(1):19-25.