نظام تحديد المواقع ورسم الخرائط بالرؤية SLAM للرافعة العلوية

القيمة التقنية للتموضع البصري في بيئة الرافعات العلوية

من أبرز التحديات التي تواجه التشغيل الآلي للرافعات العلوية هو تحقيق تموضع شامل عالي الدقة والموثوقية داخل مبنى المصنع حيث لا تتوفر إشارات GPS. تعتمد الحلول التقليدية لتموضع الرافعات، مثل محدد مسافة ليزري، ناقل كود غراي، والمشفر المطلق، على توفير دقة تموضع بمستوى المليمتر، إلا أن لكل منها عيوباً جوهرية: يتأثر محدد المسافة الليزري بشدة بالغبار والأتربة، بينما تتسم أنظمة ناقل كود غراي بارتفاع تكاليف التركيب والصيانة، وتعاني المشفرات من الخطأ التراكمي وانحراف التموضع الناتج عن انزلاق العجلات. والأهم من ذلك، أن هذه الحلول توفر معلومات الموقع في بُعد واحد أو بعدين فقط، ولا يمكنها إدراك زاوية الاتجاه (زاوية الانعراج) أو الوضع ثلاثي الأبعاد للرافعة، بينما تتطلب تطبيقات مثل الرفع المرن، مانع التأرجح، وتجنب العوائق معرفة كاملة بدرجات الحرية الست.

يمثل نظام تحديد المواقع البصري المتزامن ورسم الخرائط (SLAM) مساراً تقنياً جديداً كلياً لتموضع الرافعات. يعتمد هذا النظام على كاميرا أحادية أو ثنائية مثبتة على الرافعة لالتقاط صور متتالية لبيئة المصنع، ثم يقوم باستخراج ومطابقة نقاط ORB المميزة بين الإطارات، ويدمجها مع بيانات المستشعر بالقصور الذاتي (IMU) عبر تحسين مقترن بإحكام. وبهذه الطريقة، يتمكن النظام من تقدير وضع الرافعة بست درجات حرية وبناء خريطة بيئية (سواء كانت متناثرة أو كثيفة) في آن واحد دون الحاجة لمعرفة مسبقة بالبيئة. تكمن المزايا الجوهرية لهذه التقنية في: أولاً، عدم الحاجة لتركيب أي بنية تحتية على السكة، فالكاميرا هي المستشعر الوحيد المطلوب، مما يخفض تكلفة النشر بشكل كبير مقارنة بأنظمة ناقل كود غراي أو الألواح العاكسة الليزرية. ثانياً، توفر معلومات كاملة عن الوضع تشمل الموقع على المحاور X و Y و Z بالإضافة إلى زوايا الالتفاف والميل والانعراج، وهي معلومات حاسمة في تطبيقات مانع التأرجح وتخطيط المسار. ثالثاً، تتميز معلومات التموضع بطبيعتها بالاتساق العام، مما يلغي مشكلة الانجراف التراكمي الذي تعاني منه المشفرات. في بيئات المباني ذات البحر الكبير (بحر 30~50م)، يمكن لدقة تموضع نظام SLAM البصري أن تصل إلى ±10سم، ورغم أنها أقل من دقة المليمتر التي يوفرها قياس المسافة بالليزر، إلا أن خاصية عدم تأثرها بالانسداد أحادي النقطة تجعلها خياراً مثالياً كنظام تكرار احتياطي لأنظمة الليزر والمشفرات، مما يعزز بشكل كبير الموثوقية الكلية لنظام تحديد المواقع.

▲ نظام رسم الخرائط البيئي بالرؤية الحاسوبية للرافعة العلوية – استخراج نقاط ORB المميزة · رسم الخرائط اللحظي بتقنية SLAM · خط معالجة متكامل متعدد المستشعرات VINS-Mono

تكييف خوارزمية ORB-SLAM3 وتحسين استخراج الميزات للرافعات

تُعد خوارزمية ORB-SLAM3 من أكثر أطر عمل SLAM البصري نضجاً حالياً، حيث تدعم أوضاع الكاميرا الأحادية والثنائية وRGB-D، وتتضمن أربع وحدات أساسية: الواجهة الأمامية المزدوجة المقترنة بإحكام للرؤية والقياسات بالقصور الذاتي، والواجهة الخلفية لتحسين الحزمة (Bundle Adjustment)، وكشف الحلقة المغلقة، وإعادة استخدام الخريطة. عند تطبيق ORB-SLAM3 مباشرة في بيئة الرافعات العلوية، تظهر ثلاثة تحديات هندسية رئيسية: قلة عدد الميزات المميزة بسبب ندرة القوام في بيئة المصنع، وعدم استقرار مطابقة الإطارات المتتالية نتيجة اهتزاز الرافعة أثناء الحركة، وتضخم حجم الخريطة في السيناريوهات ذات البحر الكبير.

استراتيجية استخراج الميزات المكيفة لبيئة المصنع

تختلف الخصائص البيئية لمباني المصانع بشكل ملحوظ عن المكاتب الداخلية: فجدران المصنع غالباً ما تكون مصنوعة من ألواح معدنية مسطحة أو خرسانة، وتتميز بتكرار عالٍ للأنماط ومعلومات ترددية منخفضة؛ والأرضيات إسمنتية ذات قوام نادر للغاية. لكن البنية السقفية للمصنع (الجمالونات الفولاذية، المدادات، المناور)، وسكة الرافعة (العارضة I، مشبك السكة)، وأعمدة البوابة الرافعة، توفر ثروة من الحواف ونقاط الزوايا المميزة. بناءً على هذا التوزيع الخاص للميزات، يجب تعديل معاملات استخراج ميزات ORB الأصلية في ORB-SLAM3 على النحو التالي:

بالإضافة إلى ذلك، ونظرًا لوجود عدد كبير من الحواف المستقيمة في مبنى المصنع (حواف السكة، وأعمدة السقف، وخطوط الأعمدة)، تتم إضافة طبقة مطابقة مساعدة لخصائص القطع المستقيمة بعد استخراج خصائص ORB. يتم استخدام خوارزمية LSD (Line Segment Detector) لاستخراج القطع المستقيمة من الصورة، ثم يتم استخدام واصف LBD (Line Band Descriptor) لوصف القطع المستقيمة ومطابقتها. يؤدي إدخال خصائص القطع المستقيمة إلى رفع معدل مطابقة الخصائص من حوالي 35% في مخطط ORB الخالص إلى حوالي 52%، مما يعزز بشكل ملحوظ استقرار تحديد المواقع عند الحركة على طول اتجاه السكة.

2.2 تكييف الواجهة الأمامية للإقران المحكم البصري-القصوري

الاهتزازات الميكانيكية أثناء تشغيل الرافعة العلوية (خاصة الرنين منخفض التردد الناتج عن بدء وإيقاف آلية الرفع وتأرجح الحمولة) تسبب تداخلًا شديدًا مع الواجهة الأمامية لنظام SLAM البصري. في الوضع البصري الخالص لنظام ORB-SLAM3، يحدث فقدان التتبع بين الإطارات عندما يتجاوز سعة الاهتزاز ±50 بكسل. الحل هو تفعيل وضع الإقران المحكم البصري-القصوري (VI) في ORB-SLAM3، وإدخال بيانات السرعة الزاوية والتسارع من وحدة القياس القصوري (IMU):

• التكامل المسبق لوحدة IMU: خلال الفاصل الزمني بين إطارين (القيمة النموذجية 33~50 مللي ثانية، أي ما يعادل 20~30 إطارًا في الثانية)، يتم إجراء التكامل العددي للسرعة الزاوية ω والتسارع a من وحدة IMU للحصول على الدوران النسبي ΔR والسرعة Δv والإزاحة Δp بين الإطارات. يدمج نموذج التكامل المسبق انحياز وحدة IMU كمتغير تحسين في متجه الحالة، ويتم تحسينه بشكل مشترك مع خطأ إعادة الإسقاط البصري، مما يلغي الاعتماد على المعايرة المسبقة لانحياز وحدة IMU.
• التهيئة المشتركة البصرية-القصورية: في مرحلة بدء تشغيل SLAM، يتم أولاً تقدير الموضع والاتجاه عبر 5~15 إطارًا باستخدام الوضع البصري الخالص، مع استخدام قياسات وحدة IMU في نفس الوقت لتقدير اتجاه الجاذبية وانحياز مقياس التسارع والقيم الأولية للسرعة. عندما يتقارب خطأ المحاذاة بين البصري والقصوري إلى ما دون العتبة (القيمة النموذجية: المتبقي للتسارع <0.5m/s²)، يتم التبديل إلى وضع الإقران المحكم VI.
• تعزيز المتانة ضد الاهتزاز: في وضع VI، توفر وحدة IMU تنبؤًا عالي التردد للحركة بين الإطارات (معدل أخذ عينات IMU هو 200~400 هرتز، وهو أعلى بكثير من 20~30 إطارًا في الثانية للكاميرا). عندما يتسبب الاهتزاز في فشل مطابقة الخصائص البصرية، يعمل موضع IMU المتوقع كقيد مسبق قوي لتقليل نطاق البحث عن الخصائص، مما يقلل معدل فقدان التتبع من حوالي 8% في الوضع البصري الخالص إلى حوالي 0.5% في وضع VI.

2.3 استراتيجية إدارة الخرائط لمباني المصانع ذات البحر الكبير

نطاق تشغيل الرافعة العلوية في مبنى المصنع ذي البحر الكبير (الطول 100~300 متر) يؤدي إلى تضخم حاد في حجم خريطة ORB-SLAM3. بعد ساعة واحدة من التشغيل المستمر، يمكن أن يصل عدد الإطارات الرئيسية (KeyFrame) في الخريطة المتناثرة إلى 3000~5000 إطار، ويبلغ عدد نقاط الخريطة (MapPoint) 150~250 ألف نقطة، وهو ما يتجاوز القدرة على المعالجة في الوقت الفعلي لأجهزة Jetson الطرفية. لمعالجة هذه العقبة الهندسية، يتم اعتماد إجراءات التحسين الثلاثة التالية:

• تقليم الرسم البياني للرؤية المشتركة (Covisibility Graph): عندما يتجاوز عدد الإطارات الرئيسية في الخريطة الحد الأعلى (المحدد بـ 1000 إطار)، يتم تشغيل عملية التقليم — إزالة الإطارات الرئيسية الزائدة التي تحتوي على أقل من 15 نقطة خريطة مشتركة مع الإطار الحالي. يتم تشغيل تقليم الرسم البياني للرؤية المشتركة كل 50 إطارًا، وتزيل كل عملية تقليم حوالي 5~10% من الإطارات الزائدة، مما يحافظ على حجم الخريطة ضمن نطاق استهلاك ذاكرة أقل من 2 جيجابايت.
• الإدارة النشطة للخريطة المحلية: يتم تقسيم منطقة تشغيل الرافعة العلوية إلى خلايا شبكية بحجم 50m×30m، وتحتفظ كل خلية شبكية بخريطة فرعية. عند عبور الرافعة لحدود الخلية الشبكية، يتم تشغيل تبديل الخريطة الفرعية، ويتم تحميل الخرائط الفرعية للخلية الحالية والثماني خلايا المجاورة فقط في المحسن للمشاركة في حساب BA المحلي. يتم تخزين الخرائط الفرعية للمناطق البعيدة على القرص بتنسيق مضغوط، ويتم تحميلها عند الحاجة (مثل مطابقة الإطارات الرئيسية البعيدة في الكشف عن الحلقة المغلقة).
• الكشف التزايدي عن الحلقة المغلقة: يتم استخدام نموذج حقيبة الكلمات DBoW2 لتوليد متجه كلمات بصرية لكل إطار رئيسي جديد، وإجراء بحث ومطابقة مع الإطارات الرئيسية التاريخية. عند اكتشاف إطار مرشح للحلقة المغلقة واجتياز التحقق الهندسي، يتم تشغيل تحسين الرسم البياني للموضع (Pose Graph Optimization) بدلاً من تحسين BA الشامل — يعمل تحسين الرسم البياني للموضع على تحسين مواضع الإطارات الرئيسية فقط دون تعديل مواقع نقاط الخريطة، وحسابه يبلغ حوالي 1/10 من حساب BA الشامل، ويمكنه إكمال تحسين مقياس 3000 إطار خلال 500 مللي ثانية.

ثالثًا: نشر نظام تحديد المواقع البصري-القصوري VINS-Mono

VINS-Mono (Visual-Inertial System - Monocular) هو نظام SLAM بصري-قصوري مفتوح المصدر طوره فريق شين شاو جي في جامعة هونغ كونغ للعلوم والتكنولوجيا، ويعتمد مخطط الإقران المحكم لكاميرا أحادية + وحدة IMU سداسية المحاور. مقارنةً بـ ORB-SLAM3، يتميز تصميم VINS-Mono في التحسين غير الخطي للنافذة المنزلقة بميزة أكبر في الوقت الفعلي، مما يجعله أكثر ملاءمة لسيناريوهات النشر الطرفي للرافعة العلوية ذات الموارد الحاسوبية المحدودة.

3.1 بنية تكييف VINS-Mono للرافعة العلوية

تنقسم عملية المعالجة الكاملة لـ VINS-Mono إلى أربع وحدات: التتبع البصري الأمامي، والتكامل المسبق لوحدة IMU، وتحسين النافذة المنزلقة، والكشف عن الحلقة المغلقة. ينصب تركيز التكييف في سيناريو الرافعة العلوية على ضبط المعاملات ومعايرة المعلمات الخارجية للمستشعر:

معايرة الإعدادات الخارجية للكاميرا-IMU والمزامنة الزمنية

تعتمد دقة نظام الاندماج البصري-القصوري بشكل كبير على المعايرة الدقيقة للإعدادات الخارجية بين الكاميرا ووحدة القياس بالقصور الذاتي (IMU)، بما في ذلك مصفوفة الدوران (R) ومتجه الإزاحة (t)، بالإضافة إلى الإزاحة الزمنية (t_offset). على جهاز الحوسبة الطرفية للرافعة العلوية (NVIDIA Jetson Orin NX)، نعتمد عملية معايرة من ثلاث خطوات:

• المعايرة الأولية دون اتصال: في بيئة المختبر، نستخدم لوحة معايرة بنمط رقعة الشطرنج لمعايرة المعلمات الداخلية للكاميرا (fx، fy، cx، cy، k1، k2، p1، p2)، بالإضافة إلى معايرة وحدة IMU باستخدام طريقة المواضع الستة (انحياز مقياس التسارع وعامل المقياس). متطلبات دقة المعايرة: خطأ إعادة الإسقاط للكاميرا أقل من 0.3 بكسل، واستقرار انحياز مقياس التسارع في IMU أقل من 0.1 مللي-غ.
• المعايرة الدقيقة عبر الإنترنت: بعد تركيب الجهاز على الرافعة العلوية، نقود الرافعة بحركة على شكل حرف S على طول السكة، ونستخدم وظيفة المعايرة عبر الإنترنت المدمجة في VINS-Mono لتحسين الإعدادات الخارجية للكاميرا-IMU بشكل مستمر أثناء تشغيل SLAM. تُستمد الإعدادات الخارجية الأولية من الرسومات الهندسية للتصميم الميكانيكي (دقة ±2 مم/±0.5 درجة)، وتتقارب المعايرة عبر الإنترنت إلى قيم إعدادات خارجية بدقة ±0.1 مم/±0.02 درجة بعد 1000 إطار.
• المزامنة الزمنية للأجهزة: محاذاة الطوابع الزمنية للكاميرا ووحدة IMU هي الأساس المسبق لدقة النظام بأكمله. نعتمد مخطط مزامنة عبر تشغيل الأجهزة — حيث تُستخدم إشارة 1PPS (نبضة في الثانية) من IMU كإشارة تشغيل خارجية للكاميرا، مما يجعل لحظة تعريض الكاميرا ولحظة أخذ عينات IMU متطابقتين تمامًا. في حالة عدم توفر مزامنة الأجهزة (مثل كاميرا USB منخفضة التكلفة مع IMU مستقل)، نستخدم خوارزمية محاذاة الطوابع الزمنية البرمجية: نطبق استيفاءً خطيًا واستيفاءً بالشرائح التكعيبية على تسلسل رسائل IMU وتسلسل رسائل الكاميرا على التوالي، ونبحث داخل نافذة منزلقة عن الإزاحة الزمنية t_offset التي تقلل خطأ إعادة الإسقاط البصري. دقة المزامنة البرمجية تبلغ ±2 مللي-ثانية، بينما تصل دقة المزامنة عبر الأجهزة إلى ±50 ميكرو-ثانية.

تقييم مقارن لدقة تحديد المواقع

أُجري اختبار مقارن لنظام VINS-Mono في مبنى مصنع صناعي قياسي ببحر 36 مترًا وطول 120 مترًا. شروط الاختبار: الكاميرا Basler acA2040-25gm (دقة 2048×1536، معدل إطارات 25 إطارًا/ثانية، مصراع شامل)، ووحدة IMU من فئة ADIS16470 التكتيكية (استقرار انحياز مقياس التسارع 0.1 مللي-غ، انحراف عشوائي للجيروسكوب 0.2°/√ساعة)، وجهاز الحوسبة الطرفية NVIDIA Jetson Orin NX (استهلاك طاقة 25 واط). تم توفير القيمة المرجعية الحقيقية بواسطة محدد مسافة ليزري من Leuze AMS 308i (دقة ±1 مم) ونظام SLAM بالليدار من SICK LMS111:

أظهرت نتائج الاختبار أن نظام VINS-Mono يحقق الأداء الأفضل في بيئة الرافعات العلوية، حيث بلغ خطأ تحديد المواقع حوالي ±8 سم، وانخفض معدل فقدان التتبع إلى 0.5% فقط، واستغرق الاستدلال لكل إطار 42 مللي ثانية (أقل من عتبة الزمن الحقيقي البالغة 50 مللي ثانية)، وبلغ استهلاك وحدة المعالجة المركزية في الحالة المستقرة 55%، مما يجعله الخيار الأمثل للنشر على الحافة. يعود تفوق VINS-Mono إلى آلية تحسين النافذة المنزلقة، حيث يقوم بتحسين حالات 15 إطارًا فقط داخل النافذة في كل مرة، متجنبًا الانفجار الحسابي الناتج عن التحسين الشامل.

تصميم نظام تحديد المواقع المدمج متعدد المستشعرات

يواجه الاعتماد على نظام SLAM البصري بمفرده قصورين جوهريين: الأول هو احتمال فشل استخراج الميزات البصرية تمامًا في الظروف القاسية مثل الإضاءة الخلفية أو الغبار أو انخفاض الإضاءة الليلية؛ والثاني هو أن تردد الخرج لنظام SLAM البصري مقيد بمعدل إطارات الكاميرا (عادة 25~30 هرتز)، مما لا يلبي متطلبات التحكم في الوقت الحقيقي في السيناريوهات عالية السرعة. لذلك، في التطبيقات الهندسية الفعلية، يجب دمج SLAM البصري مع مستشعرات مثل المشفرات ومحددات المسافة بالليزر لبناء نظام تحديد مواقع موثوق مع تكرار.

إطار دمج مرشح كالمان الممتد

يعتمد جوهر نظام تحديد المواقع المدمج على مرشح EKF (مرشح كالمان الممتد)، الذي يدمج تقديرات الحالة من أربعة مصادر استشعار بتردد 25 هرتز:

• نظام SLAM البصري (VINS-Mono، 25 هرتز): يوفر الموضع ثلاثي الأبعاد (x, y, z) والاتجاه ثلاثي الأبعاد (roll, pitch, yaw) بالإضافة إلى مصفوفة التباين المقابلة. يتمتع نظام SLAM البصري بدرجة ثقة عالية في المناطق الغنية بالنسيج، وتزداد مصفوفة التباين تلقائيًا في المناطق ضعيفة الإضاءة أو قليلة النسيج.
• المشفر المطلق (Heidenhain ECN1313، 1 كيلو هرتز): يوفر قياس الموضع أحادي البعد لجسر الرافعة والعربة، بدقة ±0.1 مم. يتمتع المشفر بدرجة ثقة عالية جدًا في حالة عدم الانزلاق، ولكنه قد ينتج أخطاء تراكمية عند انزلاق العجلات أو دورانها الفارغ.
• محدد مسافة ليزري (Leuze AMS 308i، 100 هرتز): يوفر قياس الموضع المطلق أحادي البعد في اتجاه جسر الرافعة، بدقة ±1 مم. يتميز محدد المسافة بالليزر بدقة عالية جدًا في حالة عدم وجود عوائق، ولكنه يفشل تمامًا عند حجب العواكس أو الأسطح العاكسة.
• بيانات IMU بالقصور الذاتي سداسي المحاور (ADIS16470، 400 هرتز): توفر تنبؤًا حركيًا عالي التردد، ويُستخدم في الاستيفاء بين الإطارات وحساب الموضع والاتجاه عند غياب الإشارة البصرية لفترات قصيرة.

تعتمد مرحلة التنبؤ في مرشح كالمان الموسع (EKF) على نموذج الحركة التفاضلية للعجلتين في الرافعة العلوية، حيث يُستخدم كل من سرعة المشفر والسرعة الزاوية من وحدة قياس القصور الذاتي (IMU) كمدخلات تحكم. أما مرحلة التحديث فتُنفَّذ وفقًا للتسلسل الزمني لوصول بيانات المستشعرات: محدد مسافة الليزر (100 هرتز) ← المشفر (1 كيلو هرتز مع اختزال إلى 200 هرتز) ← نظام الرؤية البصرية المتزامن (SLAM) (25 هرتز) ← تصحيح السرعة الصفرية لوحدة IMU (إدخال بتردد 400 هرتز يُستخدم فقط لحسابات الحركة في مرحلة التنبؤ). من المهم جدًا في التنفيذ الهندسي الانتباه إلى محاذاة التوقيت الزمني للمستشعرات — حيث يتم تحويل الطوابع الزمنية لجميع المستشعرات إلى النطاق الزمني الرئيسي لوحدة تحكم الرافعة العلوية (عبر بروتوكول مزامنة NTP أو PTP)، وعند استلام ملاحظة جديدة، يقوم مرشح EKF تلقائيًا بالاستعلام عن حالة التنبؤ في اللحظة المقابلة لإجراء التحديث.

4.2 كشف فشل المستشعرات والجدولة الديناميكية للأوزان

قد يتعطل أي مستشعر منفرد في البيئة الصناعية في أي وقت، لذا يجب أن يتمتع نظام تحديد المواقع المدمج بالقدرة على الكشف التلقائي عن فشل المستشعرات والعمل في وضع الأداء المُخفَّض. يحتفظ كل مستشعر بدرجة صحية H_i تتراوح قيمتها بين [0، 1]، وتُحسب بناءً على المؤشرات التالية:

• مؤشر جودة الإشارة: قوة الإشارة المنعكسة (RSSI) لمحدد مسافة الليزر، وعند انخفاضها عن الحد الأدنى يتم تقليل الوزن تلقائيًا؛ عدد نقاط التتبع الداخلية لنظام الرؤية البصرية المتزامن (SLAM)، وإذا قلّ عن 20 نقطة داخلية تُصفَّر الثقة البصرية.
• اختبار الاتساق: تتم مقارنة البواقي المعيارية (مسافة ماهالانوبيس) بين قيم الملاحظة من كل مستشعر وقيمة التنبؤ من مرشح EKF مع الحد الأدنى المسموح، وعند تجاوز الحد الأدنى لثلاث مرات متتالية، يتم تفعيل علامة فشل المستشعر.
• صحة التوقيت: الفرق بين الطابع الزمني لأحدث ملاحظة من المستشعر والوقت الحالي، وإذا تجاوز أقصى تأخير مسموح به (50 مللي ثانية لليزر، 100 مللي ثانية للرؤية، 10 مللي ثانية للمشفر) يتم تقليل الوزن تلقائيًا.

تعمل الدرجة الصحية على ضبط مصفوفة التباين المشترك لضوضاء الملاحظة للمستشعر المقابل في مرشح EKF ديناميكيًا وفقًا للمعادلة R_i = R_base / H_i. عندما تنخفض H_i إلى أقل من 0.1، يُستبعد هذا المستشعر تمامًا من تحديثات EKF، وتستمر بقية المستشعرات في الدمج. في حالة الفشل الكامل للرؤية (مثل فترة الإغلاق الليلي للصيانة)، يتحول نظام الدمج إلى وضع المستشعرات الثلاثة: الليزر + المشفر + وحدة IMU، مع الحفاظ على دقة تموضع تبلغ ±3 مم. وعند استعادة الرؤية، تقوم آلية مراقبة البواقي في EKF بإعادة وزن الرؤية إلى مستواه الطبيعي خلال 3 إلى 5 دورات تحديث (حوالي 0.1 إلى 0.2 ثانية).

4.3 توحيد نظام الإحداثيات الأرضي ومحاذاة الخرائط

1. المحاذاة الأولية: عند أول تشغيل للرافعة العلوية، يتم الحصول على الموضع المطلق في لحظة البداية (x0، y0) باستخدام محدد مسافة الليزر والمشفر، بينما يُخرج نظام الرؤية البصرية المتزامن (SLAM) الموضع النسبي في تلك اللحظة (x'_0، y'_0، θ'_0). يتم حساب مصفوفة التحويل المتجانسة T_map_init = T_abs / T_rel لحل الانحراف الأولي.
2. التصحيح عبر الإنترنت: أثناء التشغيل، يتم جمع بيانات مواضع الإخراج من نظام الرؤية البصرية المتزامن (SLAM) والمواضع المطلقة من الليزر/المشفر بشكل مستمر، ويتم تركيب مصفوفة التحويل المثلى باستخدام طريقة المربعات الصغرى. عند إعادة تهيئة الميزات البصرية (مثل الاستعادة بعد فقدان الرؤية)، يتم استخدام أحدث مصفوفة تحويل مُركَّبة لمحاذاة نظام الإحداثيات، لتجنب حدوث قفزات مفاجئة في الموضع تؤثر على نظام التحكم في الرافعة العلوية.
3. تثبيت المعالم الدلالية: يتم لصق رموز AprilTag ثنائية الأبعاد (بطول ضلع 200 مم) في مواقع ثابتة محددة داخل مبنى المصنع (مثل أرقام الأعمدة، مواقع وصلات السكة). عند اكتشاف AprilTag أثناء التشغيل، يربط نظام الرؤية البصرية المتزامن (SLAM) تلقائيًا معرّف العلامة المكتشف بإحداثيات المصنع المخزنة مسبقًا، ويستخدمها كنقاط ربط إحداثية مطلقة لتصحيح الانجراف المتراكم. التردد النموذجي لتصحيح تثبيت AprilTag هو مرة واحدة كل 50 إلى 100 متر من طول السكة، ويكون مقدار التصحيح في كل مرة أقل من 5 سم.

خامسًا: النشر الهندسي وتحسين الأداء

5.1 اختيار الأجهزة وخطة التركيب

5.2 إجراءات النشر ونقاط الفحص الرئيسية

1. تركيب الكاميرا ومعايرتها: تُثبَّت الكاميرا في الواجهة الأمامية لهيكل العربة بزاوية ارتفاع 15° لالتقاط الخصائص النسيجية لكل من السكة القريبة وسقف مبنى المصنع البعيد. تُستخدم لوحة معايرة بنمط رقعة الشطرنج (12×9 خلايا، بمسافة 30mm بين الخلايا) لمعايرة المعلمات الداخلية للكاميرا، مع اشتراط ألا يتجاوز خطأ إعادة الإسقاط 0.3 بكسل. بعد المعايرة، يُثبَّت البعد البؤري بعدسة ثابتة لا تتغير لمنع انزياح المعلمات الداخلية الناتج عن الاهتزاز.
2. معايرة IMU وتعويض درجة الحرارة: تُوضع وحدة IMU داخل حجرة تحكم حراري، وتُجمَّع منحنيات درجة حرارة كل من نقطة الصفر وعامل المقياس لمقياس التسارع والجيروسكوب عبر نطاق درجة حرارة من -20℃ إلى 70℃ بخطوات مقدارها 10℃، ثم يُبنى نموذج تعويض حراري (استيفاء خطي متعدد الأجزاء، بخطوة تعويض مقدارها 1℃). تُكتب معاملات التعويض الحراري لـ IMU في ملف إعدادات وحدة الحافة، ويتم التعويض لحظيًا أثناء التشغيل بالرجوع إلى الجدول بناءً على قراءات مستشعر درجة الحرارة الداخلي لـ IMU.
3. بناء خريطة كشف الحلقة المغلقة: قبل أول تشغيل آلي للرافعة العلوية، تُجرى دورتان كاملتان ذهابًا وإيابًا على طول السكة بسرعة منخفضة تبلغ 0.3m/s (حركة مشتركة لجسر الرافعة والعربة) لبناء الخريطة الأولية لكشف الحلقة المغلقة لبيئة المصنع. بعد اكتمال البناء الأولي للخريطة، يُفحص يدويًا نطاق تغطية الخريطة (التحقق مما إذا كانت هناك مناطق غير مستكشفة تتجاوز 50% من مساحة الحواف) وجودة قيود الحلقة المغلقة (التحقق من أن متوسط خطأ إعادة الإسقاط بعد تحسين مخطط الوضعية أقل من 2 بكسل).
4. التحقق من نظام الإحداثيات: بمساعدة محطة قياس شاملة (بدقة ±1mm، مثل Leica TS16)، تُعيَّر إحداثيات 10 نقاط تحكم موزعة بشكل منتظم في مبنى المصنع. تُحدد المواقع البصرية لنقاط التحكم هذه في خريطة SLAM، ويُحسب الانحراف عن الإحداثيات الفعلية. إذا كان الانحراف أقل من 8cm في المنطقة المركزية للمصنع وأقل من 15cm في المناطق الطرفية، يُعتبر محاذاة نظام الإحداثيات ناجحة.
5. اختبار التشغيل المستمر: يُجرى اختبار تحديد موقع متواصل لمدة 24 ساعة دون انقطاع، مع مراقبة المؤشرات التالية: أقصى انحراف في تحديد المواقع أقل من 15cm، عدد مرات فقدان التتبع أقل من 3 مرات، والفجوة الزمنية لمخرجات اندماج EKF (الوقت دون ملاحظات صالحة) أقل من 200ms. إذا لم يتحقق أي من هذه المؤشرات، تُعاد العملية إلى الخطوة المقابلة لاستكشاف الأخطاء وإصلاحها.

5.3 نقاط تحسين الأداء

• تسريع استخراج الميزات عبر GPU: يمكن تسريع اكتشاف زوايا FAST وحساب واصفات BRIEF في استخراج ميزات ORB باستخدام CUDA على GPU الخاص بمنصة Jetson، مما يقلل زمن استخراج ميزات الإطار الواحد من 15ms إلى 3ms. يُستخدم مكتبا VisionWorks أو VPI (واجهة برمجة الرؤية) المقدمتان من NVIDIA لتنفيذ تسريع GPU.
• توازي خط الإنتاج متعدد النوى: تُوزَّع مهام تتبع الميزات الأمامية لنظام VINS-Mono (مكثفة على المعالج، مرتبطة بالنواتين CPU2-3)، والتكامل المسبق لـ IMU (حساب خفيف، مرتبط بالنواة CPU0)، وتحسين النافذة المنزلقة الخلفية (مكثفة على الذاكرة، مرتبطة بالنواتين CPU4-5) على ثلاثة خيوط مستقلة، مستفيدة من معالج Jetson Orin NX ذي الست نوى لتحقيق توازي خط الإنتاج. ينخفض إجمالي زمن الاستجابة بين الإطارات (من التقاط الصورة الأمامية إلى مخرجات تحسين النافذة المنزلقة) من 42ms في الوضع التسلسلي إلى 28ms في وضع خط الإنتاج.
• تكميم النموذج واستدلال INT8: في السيناريوهات التي تنخفض فيها نقاط ميزات ORB بسبب التغيرات الشديدة في الإضاءة (بين النهار والليل)، يمكن استخدام شبكة استخراج الميزات التلافيفية خفيفة الوزن SuperPoint بدلاً من ميزات ORB اليدوية. تُكمَّم أوزان شبكة SuperPoint إلى INT8 (فقدان دقة أقل من 2%)، ويُستخدم TensorRT للاستدلال على GPU الخاص بمنصة Jetson، حيث يستغرق استخراج الميزات ووصف الإطار الواحد حوالي 8ms، مع إخراج 300 ميزة زاوية عالية الجودة ووصفات ذات 256 بُعدًا في نفس الوقت.

سيناريوهات التطبيق النموذجية والنتائج

6.1 التغذية الراجعة للموضع في التحكم المرن المضاد للتأرجح

يعتمد التحكم التقليدي المضاد للتأرجح في الرافعات العلوية على مستشعر الزاوية لقياس زاوية ميل الرفع مباشرة، إلا أن تركيبه صعب وصيانته معقدة. يوفر ناتج SLAM البصري الموضع ثلاثي الأبعاد اللحظي للرفع (الموقع + زاوية الانعراج) كتغذية راجعة للموضع لوحدة التحكم المضادة للتأرجح — حيث تقوم وحدة التحكم بتعديل سرعة الجسر والعربة مسبقًا (تعويض التغذية الأمامية) بناءً على معدل تغير زاوية الانعراج المقدم من SLAM، لمعادلة تأرجح الحمولة. في تطبيق فعلي في أحد مصانع الصلب، وباستخدام رافعة علوية بتغذية راجعة مضادة للتأرجح تعتمد على VINS-Mono، وبسرعة حركة 1.5m/s ومسافة تشغيل 25m، انخفض التأرجح المتبقي للحمولة بعد التوقف من 650mm (بدون تحكم مضاد للتأرجح) إلى 80mm، وتقلص زمن اضمحلال التأرجح من 12s إلى 3.5s.

6.2 تكرار تحديد المواقع الشامل في العمليات غير المأهولة

في مستودع ألواح آلي بمساحة 30m × 150m، تنفذ رافعتان علويتان عمليات إدخال وإخراج الألواح بشكل غير مأهول. يعتمد نظام تحديد المواقع على محدد مسافة ليزري + المشفر المطلق كحل رئيسي، مع نظام SLAM البصري كنسخة احتياطية مكررة. خلال 3 أشهر من التشغيل المتواصل، بلغت نسبة الوقت الذي كان فيه SLAM البصري غير متاح 0.3% فقط (حدثت بشكل رئيسي أثناء فترات التوقف الليلية وعند التركيزات العالية جدًا للغبار)، وفي 17 حدثًا حيث فشل محدد مسافة الليزر مؤقتًا بسبب حجب رافعة شوكية أمامية، نجح SLAM البصري في تولي مهمة تحديد المواقع في جميع الحالات، ولم تتوقف عمليات الرافعة العلوية بسبب انقطاع تحديد المواقع.

6.3 التثبيت المكاني في رسم الخرائط الافتراضية للتوأم الرقمي

يتطلب نظام التوأم الرقمي للرافعة العلوية تعيين الموضع والاتجاه اللحظيين للرافعة في العالم المادي إلى السيناريو الافتراضي ثلاثي الأبعاد. يوفر SLAM البصري موضعًا بست درجات من الحرية كمدخل إحداثي مباشر لهذا التعيين — بمجرد اكتمال معايرة إحداثيات التثبيت للمعدات المختلفة في النموذج ثلاثي الأبعاد للمصنع داخل خريطة SLAM، يكون تأخير المزامنة بين صورة التوأم والحركة الفعلية أقل من 30ms، مما يلبي المتطلبات الأساسية للمراقبة اللحظية. مقارنةً بخطط التعيين التقليدية القائمة على المشفر + النمذجة الحسابية (التي يمكنها تعيين الموقع فقط دون القدرة على تعيين الانعراج واتجاه الميل)، تمكن خطة SLAM البصرية نظام التوأم الرقمي من عكس التغيرات الدقيقة في وضع الرافعة أثناء التشغيل (مثل الميل الطفيف الناتج عن التحميل غير المتوازن للعربة)، مما يوفر لموظفي التشغيل والصيانة تجربة مراقبة عن بُعد أكثر واقعية.

الأسئلة الشائعة (FAQ)