3D-kohteentunnistus pukkinosturin turvallisuuden parantamisessa

Abstract

Opinnäytetyössä selvitetään ratkaisuja tunnistamaan ja pysäyttämään tilanne, jossa kuorma-auto tai peräkärry nousee ilmaan nostettaessa tämän kuljettamaa rahtikonttia pukkinosturilla. Kyseinen vaaratilanne syntyy kontin lukitusmekanismin jäädessä kiinni joko mekaanisen virheen tai kuljettajan unohduksen seurauksena.

Työn alkupuolella esitellään sen kirjoitushetkellä käytössä ollut järjestelmä yllä kuvatun tilanteen estämiseksi, minkä puutteita hyödyntäen pohjustetaan tavoitteet, jotka suunnitteilla olevan järjestelmän tulee toteuttaa. Lisäksi selvitetään lasertutkan eli LiDARin (Light Detecting And Ranging) sekä kameraan pohjautuvan konenäköjärjestelmän toimintaperiaate, vaatimukset toiminnan suhteen sekä teknologian käyttökohteet. Kun teknologioista on saavutettu riittävä ymmärrys, asetetaan kriteerit, joiden avulla valitaan niistä lupaavin.

Opinnäytetyön toisella puoliskolla suunnitellaan 3D LiDARiin pohjautuvaa ratkaisua perävaunun tai kuorma-auton noston havaitsemiseksi. Tarkastellaan, mitä teknologian hyödyntäminen osana nosturia vaatisi ja mitä tekijöitä on otettava huomioon. Analyysin tuloksena todetaan 3D LiDARin soveltuvan ongelman ratkaisemiseksi teknologian nykyisellä tasolla.

Tietoperusta työlle on Konecranes-yhtiön sisällä vallitseva tuntemus sen valmistamista nostureista ja näiden toiminnasta sekä testauksen ja asiakaspalautteen myötä havaitut kehityskohteet. Opinnäytetyössä hyödynnetään kirjallisuutta ja tutkimusraportteja sekä artikkeleita konenäön, syväoppimisen ja LiDAR-anturitekniikan saroilta, valtaosin vuosien 2018–2022 ajalta.

Opinnäytetyön tulos on laajalla pohjatiedolla varustettu selvitystyö, jonka perusteella voidaan käynnistää kehitysprojekti. Opinnäytetyö ohjaa anturin ja sen asennuspaikan valintaa, anturin tuottaman datan käsittelyä sekä järjestelmän integroimista osaksi nykyaikaista pukkinosturia.

The goal of this thesis is to explore options for detecting and stopping a situation, where the trailer of a freight truck is lifted when hoisting a cargo container with a gantry crane. This hazardous situation sometimes follows a mechanical fault or the driver forgetting to open all the twist-locks securing the container to the trailer used to transport it.

Following the introduction, the second chapter of this thesis aims to establish basic understanding of the current system designed to detect the lifting of a trailer. Flaws in the system, discovered via customer feedback and testing within Konecranes, lay the foundation for the need of an improvement, giving criteria and areas of improvement guiding the thesis.

The following chapters offer information regarding camera-aided machine vision and LiDAR (Light Detection And Ranging) technology, their features, prerequisites, strengths, and weaknesses. The technology deemed most suitable for the problem at hand is chosen based on the criteria posed by the downfalls of the previous system in addition to other prerequisites for implementing it in a modern gantry crane.

The later sections lay down guiding principles for designing a system utilizing 3D LiDAR technology for detecting and stopping a hazardous trailer or truck lifting situation. The thesis offers guidance on the installation position, hardware choice, software design and communication with other crane systems.

This thesis cites literature, research, and articles from the field of LiDAR technology, computer vision and deep learning, as well as utilizing the deep understanding of gantry cranes and related technology at Konecranes. The resulting study is a thorough examination, which serves as a guideline and a source of insight for starting a development project utilizing a 3D LiDAR sensor.