徐东昊， 杨柳， 曾骥， 袁洪涛

(1.哈尔滨理工大学 自动化学院，黑龙江 哈尔滨 150080； 2.上海海事大学 海洋科学与工程学院，上海 201306； 3.哈尔滨工程大学 青岛船舶科技有限公司，山东 青岛 266400； 4.上海外高桥造船有限公司，上海 200137)

图像识别技术在井架吊装运动测量中的应用

徐东昊1， 杨柳1， 曾骥2,3， 袁洪涛4

(1.哈尔滨理工大学 自动化学院，黑龙江 哈尔滨 150080； 2.上海海事大学 海洋科学与工程学院，上海 201306； 3.哈尔滨工程大学 青岛船舶科技有限公司，山东 青岛 266400； 4.上海外高桥造船有限公司，上海 200137)

为了保证海洋钻井平台井架吊装过程的安全性，本文基于机器视觉的图像识别技术，开展了井架吊装运动的非接触测量方法研究。该方法以归一化的图像灰度信息为基础，采用模板匹配算法进行图像匹配；在此基础上，根据图像像素距离和特征长度的比尺确定动态目标的运动位移；根据海洋石油981平台的井架吊装方案，制定了井架运动测量方案，完成了基于图像识别技术的井架吊装过程的运动状态监测。研究结果表明：基于图像识别技术的测量精度满足井架吊装运动测量需求，保证井架吊装的安全性。研究拓宽了图像识别技术的应用领域，建立的测量方法可用于船舶与海洋工程领域其他大型分段和设备的吊装运动测量。

海洋平台； 吊装作业； 井架吊装； 运动监测； 图像识别； 非接触测量

井架是海洋钻井平台的重要设备，井架吊装是继平台“总装搭载”后又一个具有里程碑意义的建造环节，其吊装的安全性一直为业界所关注[1]。陆上井架吊装不同[2-3]，海洋平台的井架吊装往往在码头采用浮吊进行，场地、设备和风浪环境对于井架吊装、定位和安装的影响非常大。为了保证井架吊装的安全性，除了需要对起吊设备的提升能力、作业时段的潮汐和气象情况等做前期的准备并制定相应的吊装方案，同时需要对现场吊装过程井架的实时运动进行监测。以往主要通过现场目测并结合经验对井架吊装运动状态进行评估，存在较大的安全隐患，需要研究一种更高效的测量方法[4]。

图像识别指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术[5-6]。识别过程包括图像预处理、图像分割、特征提取和判断匹配[7-9]。随着计算机技术与信息技术的发展，图像识别技术得到了迅速的发展[10]。基于图像识别的测量方法通过对图像的匹配定位计算特征区域和参考图像特征中心点位置偏离的像素差，进而获得目标的位移量，具有非接触、全场测量和高精度的特点，适用于结构变形和动态目标运动的非接触测量，已在在机械加工、土木工程、航空航天和交通运输等领域获得了广泛的应用[11-16]。

根据海洋钻井平台大型井架吊装的特点，本文将开展基于图像识别技术的井架吊装运动非接触测量方法研究，确定合理的图像匹配算法和位移换算关系，以实现井架吊装过程运动位移的实时监测，为井架吊装安全性评估和现场决策提供参考。

1 基于图像识别技术的井架吊装运动测量方法

基于图像识别技术的井架吊装运动测量方法以图像灰度信息为基础，采用模板匹配方法，以归一化相关系数为相似性度量指标对井架吊装实时图像进行匹配定位。在此基础上，根据实时图像中特征区域与参考图像中相应特征中心点位置偏离的像素差值换算，得到两者的表征长度，从而确定井架的运动轨迹，实现井架吊装运动的实时测量。

该方法包括颜色特征提取、模板匹配定位和表征长度换算等关键技术，其实现流程如图1所示。

图1 井架吊装运动测量的实现流程
Fig.1 Realization flow of the movement measurement method for hoisting of derrick

1.1颜色特征提取

摄像设备获得的图像通常是24位真彩色图像，采用RGB颜色模型。RGB模型是基于笛卡尔坐标系统，3个轴分别为红(R)、绿(G)、蓝(B)三原色，如图2所示。从黑到白的主对角线上，各原色的强度相等，产生由暗到明的白色，即不同的灰度值。

图2 RGB颜色模型Fig.2 The RGB color model

RGB空间对光源亮度的依赖是很强的，当亮度变化时同一种颜色的RGB将有可能有很大的区别。为了提高图层的识别精度，首先对RGB空间进行归一化处理以增强光照变化下匹配的鲁棒性，即

(1)

由于r+g+b=1，蓝色分量可通过b=1-(r+g)确定，因此以r为横坐标、g为纵坐标重构颜色平面，开展颜色信息的提取。由于受光照的影响，即使是纯色的模板，也将发生一定的色值变化，但这些变化主要在其本色周围波动，其颜色信息反映到r-g平面中将会是一块小的色值变化域。要想提取该模板的图像，只需在图像中提取r和g值落入r-g平面相应区域的图像块。颜色信息的提取步骤如下：

1)获得模板在不同光照下的RGB信息并归一化，统计得到r和g的最大值和最小值，即rmax、rmin、gmax和gmin，进而得到四个点A(rmin，gmin)、B(rmax，gmin)、C(rmax，gmax)和D(rmin，gmax)。

2)同样，将测试图像的RGB空间进行归一化处理，并引入四条抛物线(抛物线t、抛物线b、抛物线l和抛物线r)分别来确定模板颜色信息在r-g平面的上边界、下边界、左边界和右边界，如图3所示。其中，抛物线t过C和D点，抛物线b过A和B点，抛物线l过A和D点，抛物线r过B和C点。一般将四条抛物线采用如下表达：

抛物线t：g=α1r2+β1r+c1

抛物线b：g=α2r2+β2r+c2

抛物线l：r=α3g2+β3g+c3

抛物线r：r=α4g2+β4g+c4

则，提取的模板在r-g平面颜色区域为

g≤α1r2+β1r+c1

g≥α2r2+β2r+c2

r≥α3g2+β3g+c3

r≤α4g2+β4g+c4

图3 颜色信息提取Fig.3 The extraction of color information

3)为了确定这些抛物线，还至少需要第3个点。通过第3个点的变化来调整抛物线的位置从而使得确定的区域与实际区域的吻合程度达到可以接受的范围，以达到完整地保存目标图像的同时尽量消除背景噪声。

1.2模板匹配定位

图像匹配算法主要分为两类[5]：一类基于特征匹配的方法，还有一类基于模板匹配的方法。特征匹配主要通过在参考图像中提取点、线或区域等显著特征作为匹配基元进行匹配，包括边缘匹配和几何匹配，此类方法匹配速度较快，但精度不一定高。模板匹配是指用一个较小的图像(即模板)与源图像进行比较，以确定在源图像中是否存在与该模板相同或相似的区域，匹配率高。为了提高运算和储存效率，在实际使用中一般将彩色图像转换成灰色图像进行模板匹配，因此模板匹配也叫灰度匹配。

模板匹配常用的相似性度量指标是模板与源图

像对应区域的误差平方和。设f(x,y)为M行N列的源图像，t(j,k)为J行K列的模板图像，且满足J≤M和K≤N，则误差平方和测度定义为

DS(x,y)+DT(x,y)-DST(x,y)

(2)

其中

式中：DS(x,y)为源图像中与模板对应区域的能量，随像素位置(x,y)的变化，DS(x,y)变化缓慢；DT(x,y)为模板的能量，与源图像无关；DST(x,y)为模板与源图像对应区域的相关系数，当模板与源图像ROI相匹配时达到峰值。

实际操作中，如忽略DS(x,y)的变化，仅根据DST(x,y)值进行匹配可能导致匹配失真或无法匹配。为了避免出现该问题，一般采用归一化相关系数作为相似性度量指标，即

(3)

1.3位移量计算

利用模板匹配定位能够很容易的计算出每帧实时图像中特征区域与参考图像中相应特征中心点位置偏离的像素差值。一旦获得了像素距离与特征长度的比尺，就可以确定根据像素差值确定特征区域的位移量[12]。

设特征区域的特征长度为L，其像素距离为P，任一时刻的实时图像中特征区域与参考图像中相应特征中心点位置偏离的像素差值为ΔPi，则此时特征区域的实际位移量Di为

(4)

式中：L/P为像素与特征长度的比尺，即标定值。

2 方法验证与误差分析

为了验证上述方法的可行性与准确性，采用可变焦摄像机、视频监控软件和服务器等设备组成了图像采集系统，并开发了相应的图像处理和位移计算程序，完成井架吊装运动测量系统的搭建，在此基础上开展了试验验证。

试验主要测试两块木板的水平位移量，如图4(a)所示。在两块木板上设置不同大小的3个矩形，定义图中上方较小的矩形为特征区域1(位于后侧较大的木板上)，图中下方左侧的矩形为特征区域2，右侧是特征区域3，2和3位于前侧较小的木板上。记录三个矩形的特征长度和几何型心，包括2和3型心间的实际距离。试验在自然光情况下进行，且试验背景也较井架吊装的海天背景更为复杂。

颜色特征提取和匹配定位。图4(b)为分割后的二值图像，可以发现虽然提取的特征区域边缘有一定的退化，但整体效果是可以的。造成图像退化的原因除了具体的图像处理算法的原因外，还可能是成像系统和光线的原因造成图像失真以及镜头聚焦不准产生的散焦模糊等。

图4 彩色图像分割Fig.4 Color image segmentation

标定值的确定。根据特征区域2、特征区域3的像素长度以及两者型心的像素长度以及它们的特征长度，确定相应的比尺，分别为0.927 2、0.925 6和0.926 2 cm/pixel。实际处理中，采用三者的加权平均，即比尺取0.926 3 cm/pixel。

位移确定与误差分析。含较小矩形的后侧木板不动，移动前侧木板带动特征区域2和3一起移动。以初始位置为基准，木板先向右移动16 cm，再向左移动14 cm，基于图像识别处的木板移动轨迹如图5所示。

图5 基于图像识别的木板的位移轨迹Fig.5 The shifting trace of the front board using image recognition technology

实际位移量与测量值的比较见表1，可以发现测量误差分别为0.72%和3.39%，导致了误差的原因如前所述，主要由于在视频拍摄中存在干扰以及对图像进行处理时噪声等。由于测量误差均小于5%，因此该测量方法是满足工程使用要求的。

表1实际位移与测量结果比较

Table1Comparisonoftheactualdisplacementsandthemeasuredvalues

实际值/cm测量值/cm误差/%16.016.11560.72-14.0-13.52613.39

3 井架吊装运动测量

3.1井架基本信息与吊装方案

目标平台为我国自主设计建造的第六代深水半潜式钻井平台——“海洋石油981”，其井架高约89 m，总重量751.4 t，平面尺寸15.85 m×14 m。吊装作业在上海外高桥船厂五号码头进行，起吊设备为“振浮七号”浮吊船，其最大起吊重量4 000 t，井架吊装的总体示意图如图6所示。

图6 井架吊装示意图Fig.6 Diagrammatic drawing of derrick hoisting

考虑到井架的自重以及平台甲板平面的高度，为了保证吊装安全性，将井架自下而上分为三段依次吊装，且要求吊装过程井架的摆动幅度不大于5°。图7为三个井架分段的结构示意图，其中，根部分段高约22 m，自重198.6 t；中间分段高约38.4 m，自重385 t；顶部分段高约28.6 m，自重167.8 t。

图7 井架分段示意图Fig.7 Diagrammatic drawing of structural segments of derrick

3.2相机与标识物布置

为了获得吊装过程中井架两个水平方向的运动状态，因此现场交错布置了两套摄像设备，以实时拍摄井架的运动画面。如图8(a)所示，一套摄像设备拍摄井架南北向的运动画面，另一套摄像设备拍摄井架东西向的运动画面。

由于图像处理中采用模板的颜色特征为目标进行模板匹配，结合海天背景和井架的形状颜色特点，在井架分段的根部设置与其背景颜色相差较大的标识物。在不影响定位安装的前提下，标识物的尺寸尽量大，以保证图像识别中更容易地提取该颜色特征并实现特征区域的匹配分割。图8(b)为井架分段根部设置的纯绿色(G)标识物。

图8 摄像机与标识物布置Fig.8 Arrangement of camera equipments and markers

3.3井架吊装测试结果

完成标识物布置和摄像机位架设后，对三个井架分段的吊装开展了运动测量。由于三个分段中中间分段的高度最大，因此在吊装过程中的运动位移相对较大。中间分段两个水平方向的实时运动轨迹如图9和10所示，可以发现：1)数据存在一定的噪声干扰，但井架的整体运动轨迹符合真实井架的运动；2)在50～100 s，井架东西向有显著位移，这是蜘蛛人根据吊装要求在牵引井架导致的，南北向也有类似的操作。

图9 井架东西方向运动轨迹Fig.9 Motion trail of derrick in east-west direction

为了保证井架吊装的安全性，实际吊装过程中要求井架的水平摆动幅值不大于1 m。从图9和10的井架实时运动轨迹可以发现，去除人为的牵引位移，井架东西方向、南北方向及合成摆动幅值均小于1 m，满足吊装安全性要求。

图10 井架南北方向运动轨迹Fig.10 Motion trail of derrick in north-south direction

经各方充分地协调和配合，“海洋石油981”平台钻井井架已于2010年8月26日顺利完成吊装。

4 结论

1)基于图像识别技术的运动测量方法的测量精度满足工程使用要求，测量误差小于5%；

2)相对于传统的现场目测，基于图像识别技术的井架吊装运动测量方法可以实时定量地给出吊装过程中井架的运动状态，有效地保证了井架吊装的安全性。

3)本文提出的测量方法也适用于船舶与海洋工程领域其他大型分段及设备的吊装运动测量，对于海上吊装运动测量具有借鉴意义。

[1] 陈刚，吴晓源. 深水半潜式钻井平台的设计和建造研究[J]. 船舶与海洋工程, 2012 (89): 9-14.

[2]杨益明. 钢结构井架吊装载荷监测系统的研究[J]. 能源技术与管理, 2010, 5: 80-81, 86.

[3]马智民, 田德文, 钱乔国. 钢结构井架吊装方法[J]. 建井技术, 2005, 3-4(26): 66-68, 78.

[4] 王志强,盖涛. 海洋钻井平台井架安装工艺探讨[J]. 科技视界, 2014(4): 293-294, 309.

[5] CASTLEMAN K R. Digital image processing[M]. Prentice Hall Inc., 1996: 1-10.

[6]章毓晋. 图像分割评价技术分类和比较[J]．中国图像图形学报, 1996, 1(2): 151-158．

ZHANG Yujin. A classification and comparison of evaluation techniques for image segmentation[J]．China journal of image and graphics, 1996, 1(2): 151-158．

[7]王科俊, 郭庆昌． 基于粒子群优化算法和改进的Snake模型的图像分割算法[J]．智能系统学报, 2007, 2(1): 53-58．

WANG Kejun，GUO Qingchang．Image segmentation algorithm based on the PSO and improved snake model[J]．CAAI transactions on intelligent systems, 2007, 2(1): 53-58．

[8]孙惠杰, 邓廷权, 李艳超. 改进的分水岭图像分割算法[J]. 哈尔滨工程大学学报, 2014, 7(35): 857-864.

SUN Huijie, DENG Tingquan, LI Yanchao. Image segmentation algorithm based on the improved watershed algorithm[J]. Journal of Harbin Engineering University, 2014, 7(35): 857-864.

[9]林开颜, 吴军辉, 徐立鸿. 彩色图像分割方法综述[J]. 中国图象图形学报, 2005, 1(10): 1-10.

LIN Kaiyan, WU Junhui, XU Lihong. A Survey on color image segmentation techniques[J]. Journal of Image and Graphics, 2005, 1(10): 1-10.

[10]ZITOVA B, FLUSHER J. Image registration methods: survey[J]. Image and vision computing, 2003, 21:977-1000.

[11] 张铭钧, 尚云超, 杨杰. 基于灰度-梯度不变矩的水下目标识别系统[J]. 哈尔滨工程大学学报, 2009,30(6): 653-657.

ZHANG Mingjun, SHANG Yunchao, YANG Jie. Recognition system for underwater objects based on gray and grads invariant moment[J]. Journal of Harbin Engineering University, 2009, 30(6): 653-657.

[12] MIURA S, YAMAMOTO T, KURONUMA I, et al. Configuration and displacement measurement using vision metrology[J]. International journal of the Japanese committee for rock mechanics， 2003, 1(1): 1-6.

[13] 范毅方. 基于层的平动军事目标图像识别及运动估计[J]. 光学技术, 2006, 32(S1): 162-165.

FAN Yifang. Translation military target image recognition and movement estimation based upon layer processing[J]. Optical technique, 2006, 32(S1): 162-165.

[14] SRINIVAS U, MONGA V, RAJ R G. SAR automatic target recognition using discriminative graphical models[J]. IEEE transactions on aerospace and electronic systems, 2014, 50(1): 591-606.

[15] 徐连美. 运动物体图像测试技术研究[D]. 长春: 吉林大学, 2014: 1-54.

XU Lianmei. The study of moving object image measuring technology[D]. Changchun: Jilin University, 2014: 1-54.

[16] 王佳欣, 魏涛. 基于图像融合技术的运动目标图像识别研究[J]. 微电子学与计算机, 2016, 33(8): 158-162.

WANG Jiaxin, WEI Tao. Research on image recognition of moving target based on image fusion technology[J]. Microelectronics & computer, 2016, 33(8): 158-162.

本文引用格式：

徐东昊， 杨柳， 曾骥，等. 图像识别技术在井架吊装运动测量中的应用[J]. 哈尔滨工程大学学报， 2017， 38(11): 1733 -1738.

XU Donghao, YANG Liu, ZENG Ji, et al. Movement measurement method for derrick hoisting of offshore platform using image recognition technology[J]. Journal of Harbin Engineering University， 2017， 38(11): 1733 -1738.

Movementmeasurementmethodforderrickhoistingofoffshoreplatformusingimagerecognitiontechnology

XU Donghao1, YANG Liu1, ZENG Ji2, 3, YUAN Hongtao4

(1.School of Automation, Harbin University of Science and Technology, Harbin 150080, China; 2.School of Ocean Science and Engineering, Shanghai Maritime University, Shanghai 201306, China; 3.Qingdao Ship Science and Technology Co., Ltd., Harbin Engineering University, Qingdao 266400, China; 4.Shanghai Waigaoqiao Shipbuilding Co., Ltd., Shanghai 200137, China)

To improve the safety of derrick hoisting operations on offshore platforms, this study proposes a non-contact movement measuring method using image recognition technology. The image grayscales are normalized and matched using a template-matching algorithm. The movement displacement of the moving object of concern is then determined by analyzing the relation between the characteristic length of the object and the corresponding pixel distances. Based on this method, a movement measuring configuration is then designed for the Haiyang Shiyou 981 platform, and motions occurring during the derrick hoisting operations are successfully monitored. The results show that the measuring accuracy of this method meets the requirements for measuring the movement during derrick hoisting, and the safety of derrick hoisting operations is ensured according to the monitored motions. The image recognition technology applied here can also be extended to ensure safe operation when hoisting large objects such as ship sections and equipment in the naval architecture and ocean engineering industries.

offshore platform; hoisting operation; derrick hoisting; movement monitoring; image recognition; non-contact measurement

10.11990/jheu.201704091

http://www.cnki.net/kcms/detail/23.1390.u.20171016.1607.014.html

U656.6

A

1006-7043(2017)11-1733-06

2017-04-26.

网络出版日期：2017-10-16.

国家高技术研究发展计划项目(2006AA09A103-6).

徐东昊(1981-), 女, 副教授;

曾骥(1978-), 男, 教授.

曾骥, E-mail: sczengji@126.com.