一项基于线性结构光的高层电梯曳引轮绳槽磨损的3D检测方法研究

《Measurement》：A study on a 3D detection method for traction sheave rope grooves wear in elevators based on linear structured light

　　•提出一种结合HSI-OTSU阈值分割方法与形态学开闭运算的方案，用以抑制油膜反射和灰尘散射，从而在复杂的电梯机房环境中实现光条的精准分离。•开发了一种分层式光条中心提取框架（通过骨架细化进行粗略定位，再利用Steger算法进行精确校准），该框架可实现亚像素级精度，并将处理效率提升54.84%。•基于光学平面标定与多坐标变换，建立了一种用于牵引绳轮的3D重建方法，以确保测量参考的稳定性及点云数据的可靠性。•通过点云分析可精确量化绳槽磨损深度，其内径/外径的重建相对误差分别为0.875%/0.075%，且相对于人工检测的测量误差低于0.4%。•该技术在高斯噪声（标准差≤20）环境下仍具有很强的鲁棒性，能够很好地适应恶劣的现场条件，实现实时、非接触式的牵引绳轮磨损检测。

引言
牵引绳轮是电梯牵引系统的核心承重部件，它通过钢丝绳与轿厢及对重产生摩擦力，从而驱动二者垂直运动。绳槽的磨损会直接影响电梯的牵引能力，同时也会影响电梯运行的安全性与稳定性。在重载及高速旋转的情况下，牵引绳轮的绳槽会逐渐磨损。若不及时监测，就会导致电梯振动及异常噪音；而严重的磨损则可能引发钢丝绳打滑，进而导致电梯失控或顶部碰撞等事故，造成人员伤亡和财产损失。因此，高效、准确的在线检测牵引绳轮绳槽磨损情况至关重要，这不仅有助于确保电梯的安全运行，还具有很高的工程价值。

传统的检测方法主要依靠人工目视检查及接触式测量。人工检查依赖于操作人员的经验，他们需用肉眼观察磨损情况，这种方法效率低下且具有主观性，很容易遗漏或误判缺陷。接触式测量则使用位移传感器和量规等工具，直接接触绳槽以采集磨损数据。虽然操作简单，但需要拆卸设备或将其安装在非常靠近绳槽的位置，因此不适用于空间较小的电梯机房。此外，接触式测量还可能划伤绳槽，且无法适应高速旋转及油污环境。从物理机制角度分析，牵引绳轮的快速旋转会导致静止的刚性探针与动态的绳槽表面之间持续发生摩擦和刮擦，这种强烈的机械振动会严重干扰测量信号的稳定性。另外，持续的刮擦还会人为破坏绳槽表面的固有几何形态，进一步导致磨损评估结果不准确。表面的油污会在探针与金属绳槽之间形成润滑液膜，破坏测量所需的稳定紧密接触。与此同时，被油层吸附的灰尘和金属碎屑也会引入随机性的测量偏差。这些问题凸显出对新型检测技术的迫切需求，这类技术应具备非接触、抗干扰和高精度的特点。相比之下，本文提出的非接触式线结构光测量方法完全避免了与绳轮表面的物理接触。此外，专门设计的HSI-OTSU分割算法能有效抑制由油面反射和灰尘散射引起的噪声干扰，从而在高速旋转且存在表面油污的实际工作条件下，实现稳定可靠的磨损检测。

非接触式检测技术具有无需接触且环境适应性强的优点，因此已成为磨损检测领域的研究重点。根据工作原理，非接触式检测技术可分为三类：声学检测、磁学检测和光学检测。声学检测适用于评估动态磨损趋势，但容易受到环境噪声的干扰。Wang[1]提出了一种基于多声发射信号融合的动态磨损识别方法，通过小波包分解和特征提取构建磨损状态分类模型。Bergs[2]收集了大量来自工艺循环的声发射信号，通过特征提取和降维聚类实现了磨损过程的跟踪。磁学检测对金属缺陷较为敏感，但难以准确量化绳槽的几何磨损情况。Liu[3]将磁通泄漏信号分析与卷积神经网络相结合，实现了对钢丝绳断丝及磨损等缺陷的自动分类与定量评估。Pawel[4]通过将磁通泄漏技术与实验室实验及数值模拟相结合，实现了对提升导轨磨损位置的精准定位。光学检测则兼具精度高和可视化好的优势；基于接触的光学测量已成功应用于导轨磨损[5]和平台摆动误差[6]等定量分析场景。Liu[7]开发了一个机器视觉检测平台，该平台通过提取绳槽角点来拟合轮廓并计算磨损程度。然而，这种方法流程繁琐，安装要求高，检测耗时较长，难以满足实时检测的需求。

作为主动视觉测量技术的重要分支，线结构光测量技术具有测量范围广、实时性强、成本适中以及能够直接生成3D拓扑模型等优点，它是取代人工检查、提升电梯运维自动化水平的关键途径。在研究了多种用于检测牵引绳轮磨损的方法后，我们发现每种传统技术都存在明显的局限性，比如会造成接触损伤、易受环境噪声影响、仅能进行定性评估，以及对油膜反射的抵抗能力不足。为直观展示这些传统方法与本文提出方法在抗干扰能力、检测效率、测量精度以及三维重建能力方面的差异，见表1。该表进一步凸显了本文方法相比现有主流方法的创新优势。

近年来，关于线结构光技术的研究众多，涉及领域包括全向测距系统[8]、机器人角焊缝在线编程系统[9]、焊缝图像获取方法[10]、导轨波纹检测成像[11]、条纹激光成像系统的标定方法[12]、水下混凝土3D重建[13]、熔池表面深度测量[14]以及零件局部缺陷检测[15]等。然而，将线结构光技术应用于牵引绳轮绳槽磨损检测时仍面临若干特定挑战：首先，在牵引绳轮旋转过程中，安装支架的轴向间隙及轻微变形会导致不同角度的测量点基于不同的光平面参考系，从而使点云数据出现错位，3D重建模型出现断裂或变形现象。其次，电梯机房内的油渍和灰尘会降低光条图像的质量，导致条纹断裂和噪声增加，进而降低点云数据的完整性。第三，传统的光条中心检测算法难以在精度与实时性能之间取得平衡，典型的例子就是Steger算法，该算法虽精度高，但计算量大，无法满足处于动态运行状态的牵引绳轮的连续监测需求[16]、[17]、[18]。这些问题严重限制了结构光技术在牵引绳轮磨损检测中的应用。

本研究提出了一种基于线扫描结构光的牵引绳轮3D重建方法，该方法解决了牵引绳轮磨损检测中的核心难题。首先完成相机标定和光学平面标定，将相机坐标系转换为世界坐标系；接着提出HSI-OTSU图像阈值分割方法，精准地将光条与背景分离；再利用形态学运算生成干净的光条二值图像；随后设计光条中心检测方法，通过骨架细化完成粗略定位，再借助Steger算法实现精细校准，最终输出亚像素精度的中心线。之后将世界坐标系转换为重建坐标系，该转换包含平移和旋转操作，同时利用点云参数验证数据有效性，从而成功重建牵引绳轮的3D模型，并从点云数据中定量计算出绳槽磨损深度。本文的主要贡献如下：(1)提出了一种基于HSI-OTSU的图像阈值分割方法，通过颜色空间特征分离有效削弱了油渍和灰尘散射带来的噪声，为光条中心提取提供了高质量的图像输入。(2)开发了一种快速的光条中心检测方法，将骨架细化与Steger算法相结合，有效降低了处理时间，同时保证了亚像素级的检测精度，使得检测精度与实时性能达到了良好的平衡。(3)提出了一种基于光平面位置标定的牵引绳轮3D重建方法，建立了专门的重建坐标系，制定了点云单元的有效性评估规则，实现了对轮面及绳槽几何形状的精准重建，为绳槽磨损评估提供了完整的非接触式检测方案。

本文的其余结构如下：第2节介绍所提出的各种方法，包括基于光学平面标定的3D重建方法、HSI-OTSU阈值分割方法，以及结合骨架细化和Steger算法的光条中心检测方法；第3节开展多组实验，验证所提方法的准确性、鲁棒性及实际应用效果；第4节给出研究结论，并提出未来的研究方向。

片段内容
一种基于光学平面位置标定的牵引轮3D重建方法
图1展示了利用线结构光测量电梯牵引绳轮绳槽深度的原理。由于后续将在现场进行实验，而实际应用中牵引绳轮本身处于旋转状态，同时为了满足3D重建的要求，牵引绳轮必须保持恒定的旋转速度，因此选用了JS4直流微齿轮电机，并将其连接到牵引绳轮的中央轴上，以此提供动力。

实验验证
在本节中，我们对本文提出的牵引绳轮光条中心线提取方法及三维重建方法进行了实验分析。我们搭建了一个用于检测牵引绳轮绳槽深度的测试平台，该平台由牵引绳轮、工业相机、光学镜头以及JS4直流微齿轮电机组成。鉴于电梯井内的环境较为复杂，存在灰尘等问题……

结论
为解决非接触式测量精度不足、在复杂工况下抗干扰能力弱以及检测牵引绳轮绳槽磨损时效率低等问题，本研究提出了一种基于线结构光的牵引绳轮3D重建方法。该方法通过标定光平面位置，利用牵引绳轮的几何参数建立稳定的测量参考。

作者贡献声明
Yanfei Kou：资源保障、项目管理、资金筹集。Haowei Che：写作——审稿与编辑、可视化处理。Tengyu Li：指导、概念构思。Gang Wang：指导、数据整理。Nan Sun：验证、指导。Guolong Yao：指导。Xin Ren：指导。Xinkai Qu：写作——审稿与编辑。

利益冲突声明
作者声明不存在任何可能影响本文工作的已知财务利益或个人关系。

致谢
作者衷心感谢山西省科技成果转化引导专项项目（202304021301029）、宁夏回族自治区关键研发计划（2024BEG02035）、山西省市场监管系统科技研发项目（2024KY26）以及国家市场监督管理总局电梯安全技术重点实验室开放项目的资金支持。

Yanfei Kou|Haowei Che|Tengyu Li|Gang Wang|Nan Sun|Guolong Yao|Xin Ren|Xinkai Qu