低可见度环境下基于改进YOLOv3的井下人员定位方法

煤矿井下光照不足、粉尘遮挡,井下视频监控系统采集的人员目标在二维图像中表现为小目标或低可见度目标时,原始YOLOv3网络的Darknet53特征金字塔结构无法充分提取和保留目标的细节信息,导致定位结果不准确。针对上述问题,提出了一种低可见度环境下基于改进YOLOv3的井下人员定位方法。首先,结合β函数映射和帧间信息增强技术,提升低可见度环境下煤矿井下监控视频的清晰度。然后,采用更轻量级的Darknet-19替代YOLOv3中的Darknet53,并引入CIoU作为损失函数,利用改进YOLOv3识别增强后视频中的井下人员目标。最后,基于映射模型将识别到的目标从二维空间投影至三维空间,结合三维定位结果完成井下人员定位。选用某煤矿一段低可见度环境下井下监控视频进行实验,结果表明:①经过基于改进YOLOv3的井下人员定位方法处理后的视频帧亮度、可见度和各项评价指标(平均灰度、平均对比度、信息熵与灰度谱带宽)较原始视频均有明显提升,整体光照条件得到显著改善,且处理后的视频帧对比度得到增强,目标和背景之间更易区分,证明了采用的图像增强技术的有效性。②改进YOLOv3模型能准确识别视频帧中的井下工作人员,不存在漏识别问题。③采用已知位置的标定物或人工标注的的真实三维位置作为基准,计算投影结果与真实位置之间的偏差(偏差计算涵盖X,Y,Z方向上的距离偏差),其中X方向和Y方向上的偏差均小于0.2 m,Z方向上的偏差小于0.002 m,表明构建的映射模型的映射效果好且定位精度较高。

基于5G+UWB和惯导技术的井下人员定位系统

针对煤矿井下人员定位系统在实际应用中存在因设备算力与存储资源不足导致无法使用复杂测距与定位算法,定位数据即时传输与响应性能不足,在系统部署方面人力物力损耗较大等问题,提出了一种基于5G+UWB和惯导技术的井下人员定位系统。在末端部署能耗低、抗干扰性强的UWB定位基站,定位基站与5G基站以级联的方式连接,定位基站采集UWB与惯导数据,利用5G网络回传至计算平台,在计算平台上完成定位信息的解算和存储。将基于惯导的人员位置估计作为预测值,将基于UWB的三边定位算法获取的人员位置估计作为观测值,利用卡尔曼滤波器将预测值和观测值进行融合,降低定位误差。在煤矿主体实验基地搭建测试系统,模拟真实煤矿井下环境并进行对比实验。结果表明:(1)在x轴和y轴,融合惯导的卡尔曼滤波算法得出的位置信息和真实位置信息的重合度最高,说明融合惯导的卡尔曼滤波算法得出的位置信息最接近真实位置,平均误差为22.192 cm。(2)5G+UWB和惯导技术组合的井下人员定位系统的位置信息和真实位置信息的重合度最高,误差为[15 cm,20 cm],x轴最大平均误差为26 cm,y轴最大平均误差为24 cm,超过目前大多数井下人员定位系统精度。

基于PDR算法与伪平面技术的井下人员定位方法研究

为了降低行人航位推算(Pedestrian dead reckoning,PDR)算法在进行井下人员定位时产生的累积误差,提出了一种基于PDR算法与伪平面技术的井下人员定位方法。首先,采用惯性导航传感器获取井下人员的步态信息,通过线性步长估计模型和四元数法实现步长估计和方向估计,利用PDR算法推算人员的位置;其次,使用井下人员活动区域以及预设的标记点构建伪平面,并将井下人员位置映射到伪平面坐标上,为降低PDR算法的累积误差做准备;最后,采用SVM进行井下人员活动检测,通过转弯活动判断其是否处于特殊标记点,将PDR解算的位置与伪平面内已知转弯位置标记点进行相关性分析,完成伪平面信息与工人位置的匹配,校准并更新PDR位置,降低累积误差。结果表明:井下工人在完成单个转弯活动过程中,传统PDR算法解算位置平均误差为0.98 m,而进行伪平面修正后平均误差降低到0.31 m;在完成区域性多活动过程中,采用伪平面技术修正后的PDR平均定位误差从1.08 m降低到0.38 m。因此,所提出的井下人员定位方法有效提高了PDR算法的定位精度。

基于Chan-PF的TDOA井下人员定位算法研究

煤矿井下的复杂情况,导致在NLOS环境下,人员定位精度大幅下降,甚至得到的数据无法使用。针对此问题,文章提出一种Chan-PF融合定位算法。首先,使用Chan算法对到达时间差(TDOA)得到的测量值进行处理,获得最优解;其次,采用粒子滤波对最优解再次进行处理,最终粒子重采样后的中心位置即为目标节点的精确位置。仿真结果表明,该算法能有效地抵抗煤矿井下NLOS环境中的干扰,提高定位精度,得到较为精确的定位坐标。

基于UWB与PDR的井下人员融合定位方法

现有超宽带(UWB)与行人航位推算(PDR)融合定位方法大多忽略了非视距(NLOS)环境下的定位误差校正,以简单的阈值划分作为NLOS环境判断依据,而阈值划分在很大程度上与定位场景及场地大小相关。针对上述问题,提出一种考虑NLOS环境的基于UWB与PDR的井下人员融合定位方法。首先,利用UWB技术进行井下人员位置解算,通过三边定位算法得到人员初步位置后,使用最小二乘法对位置进行优化,通过多项式拟合实现NLOS环境下基站和标签之间实际值和测量值之间的拟合,减小NLOS环境下的测距误差,提高定位精度。其次,采用PDR算法对步态进行识别和分析,PDR算法使用惯性导航传感器采集的步态数据,通过步态识别、步长估计和方向估计,实现目标位置的更新;然后,通过卷积神经网络(CNN)-长短期记忆(LSTM)网络分析信道脉冲响应(CIR)特征,实现视距(LOS)/NLOS识别,解决NLOS环境判断存在场景限制的问题;最后,根据LOS/NLOS识别结果确定融合系数,实现UWB和PDR定位结果融合。测试结果表明:多项式拟合后UWB平均测距误差降低0.59 m;LOS/NLOS识别的平均准确率为95.3%,召回率和F1分数均在90%以上,验证了CNNLSTM具有较好的识别效果;融合定位方法的平均误差为0.31 m,较UWB降低1.57 m,较PDR降低1.41 m。

基于改进Transformer的井下人员检测算法

针对现有井下人员检测算法的特定后处理步骤,如锚点生成和非极大抑制,导致训练过程复杂的情况,提出了一种基于改进Transformer的检测方法,旨在提高井下作业人员检测的准确性。算法以Detection Transformer为基础检测框架,将主干网络ResNet替代为轻量级的Swin Transformer网络;同时向输入序列中添加可学习的检测块,并采用一种重新配置的注意力模块;以更好地处理多尺度特征的融合,使用轻量级的无编码颈部结构,减少计算开销。通过采集不同工作场景监控视频并制作数据集进行实验,结果表明,提出的方法在自建井下人员检测数据集上表现出色,平均检测准确度达到97.8%,优于其他井下人员检测网络,此外检测速度达到32帧/s。

基于生成对抗网络的井下人员步长估计方法

针对基于行人航位推算(PDR)的煤矿井下人员定位系统中步长估计存在累计误差及传统深度学习方法所需数据集样本过大的问题,提出了一种基于生成对抗网络(GAN)的井下人员步长估计方法。GAN模型主要包括生成模型和判别模型2个部分,均采用深度神经网络(DNNs)实现。生成模型根据输入数据生成连续的结果分布(即标签),其输出层使用线性激活函数,以保留网络的线性特性,允许模型预测任何人员在行走过程中的步长;判别模型根据输入数据与标签判别是真实标签还是由生成器生成的标签,其输出层使用Sigmoid激活函数,以实现结果的二分类。确定生成模型与判别模型后,GAN模型联合2个模型进行训练,通过构建并优化生成器和判别器之间的动态竞争,使得生成器能够在不断迭代中学会生成更加逼真、难以区分的数据样本。实验结果表明,使用同样训练集及测试集的情况下,GAN模型的平均误差为0.14 m,标准差和均方根误差均小于DNNs模型,最小值均为0.74 m。户外测试结果表明,基于GAN的井下人员步长估计方法在上下坡场景的误差最小值为3.21%,最大值为4.79%;相比于上下坡场景,操场场景的误差更小,最大误差为1.91%。

唐安煤矿井下人员管理系统升级改造研究

传统人员位置监测系统往往存在定位技术落后、不能和其他设备联动等缺陷,在实际使用中已无法满足现代煤矿智能化的要求。针对这一情况,本文以唐安煤矿为例,对该矿原有人员位置监测系统进行改造升级。通过对现有人员定位技术的分析对比,选用KJ1626J矿用井下精确定位系统,该系统采用UWB定位技术、TOF(飞行时间)定位算法,具有定位高精度、定位覆盖广、抗干扰性能强、多系统融合等优点。新系统实践后,应用效果良好,提高了唐安煤矿的安全生产管理水平。

基于ZigBee网络环境的井下人员定位算法改进

针对煤矿井下环境的特殊性,改进优化了一种适合用于井下人员的定位算法,并通过仿真软件测试了算法的准确度。定位过程以获取固定在当前目标基站所在环境参数来判断适合使用何种定位算法,在不同情况下使用最优的定位算法提高定位精度,并通过ZigBee无线网络自组网功能将所得数据上传,在后台使用Matlab仿真软件得出定位误差。仿真结果显示,在获取任意固定目标基站位置信息时都能比较精确的计算出移动节点的位置坐标,并且仿真的平均误差控制在0.41~0.85 m,相比于传统及现有的井下人员定位算法,精度有较大的提高。

煤矿井下人员不安全行为测度模型与应用研究

预防为主、防治结合是目前煤矿安全管理的主要模式。在分析影响煤炭安全因素的基础上,从个体因素、物料因素、方法因素、环境因素与管理因素等5个方面建立了衡量煤矿井下员工安全行为的指标体系,采用概率语言信息决策方法构建了井下人员不安全行为的测度模型,利用该模型对金阳煤矿井下人员不安全行为进行了分析,找出了井下人员不安全行为的主要问题,并提出了相应的对策。

无线通信技术在煤矿井下人员定位系统安装中的应用

无线通信技术是现代通信领域的一项关键技术,它能使数据在设备无需物理连接的情况下进行传输。在众多应用领域中,无线技术尤其适用于环境恶劣且难以布线的场所,如煤矿井下。煤矿井下人员定位系统是一种利用无线通信技术来监控矿工位置和安全的系统。此类系统的安装和运行对提高井下安全性具有至关重要的意义,因为它们能够实时监控人员位置,及时响应可能的安全事故。

基于ZigBee的井下人员精确定位方案及实现

针对矿井采用的传统RFID定位技术不能实现井下人员精确定位的问题,并根据矿井巷道的一维线性空间特点和井下人员的作业习惯,提出一套基于ZigBee的井下人员定位方案。方案将矿井巷道虚拟地划分为近基站区域和远基站区域,近基站区域采用RSSI定位算法,并利用高斯滤波模型对接收功率值滤波,实现精确定位;远基站区域采用V-T(Velocity-Time)算法进行定位。实验表明算法在近基站区域测量最大绝对误差为3m,远基站区域最大绝对误差为5m。

基于Zigbee网络平台的井下人员跟踪定位系统

将Zigbee无线网络系统与有源RFID进行了比较,基于两者的优劣采用先进的Zigbee无线网络技术初步设计了井下人员跟踪定位系统,并介绍了此系统的构成及功能特点.该系统便于矿领导、调度室和安监人员及时了解有关人员下井时间及分布情况.

基于捷联惯性导航的井下人员精确定位系统

针对目前井下人员无法精确定位的问题,根据人员移动速度慢、方向多变的特点,研究出基于捷联惯性导航技术的井下人员精确定位方法.通过选择灵敏度高的惯性传感器,检测人员运动的三轴加速度和角速度数据,通过角速度值计算人员运动的姿态角,利用姿态信息对加速度数据进行坐标变换,进而解算出载体在运动方向上的速度和相对于定位坐标系的移动里程信息,完成对载体的定位功能.针对传感器的随机误差影响定位精度的问题,提出利用UFK滤波算法对位置计算中需要的姿态信息进行最优估计,提高定位精度.对系统长时间积累误差使用射频路标修正.完成了定位系统软硬件设计,在试验中取得较好效果.

一种新型井下人员组合定位系统设计

针对目前井下人员定位精度低、无法实时全局定位、搜救被困人员困难等问题,设计了一种基于微惯性测量组合(MIMU)导航技术和WiFi技术相结合的井下人员组合定位系统;给出了发生矿难后的基于该组合定位系统的搜救方案。该系统利用WiFi提供的可靠位置信息来给定MIMU最初的位置信息并校正MIMU的位置,弥补了MIMU误差随时间累积的缺点;利用MIMU的实时全局定位来弥补WiFi的局部定位。选用卡尔曼滤波将两者进行信息融合,进行最优组合处理。测试结果表明,该系统实现了对矿井井下人员实时三维全局定位及快速搜救,具有一定的工程实际意义。

基于监督局部保持映射算法的井下人员定位技术

针对人脸、指纹和手写签名等人员身份鉴定方法不能很好地满足煤矿井下人员管理系统需要的现状,基于局部保持映射(LPP)算法,提出一种监督LPP算法(SLPP),并应用于煤矿井下人员步态识别中。利用该方法对步态数据进行映射,得到步态数据在低维空间中的表示方法,再利用最近邻分类器对低维步态数据进行识别。在2个步态数据库中进行一系列步态识别试验,并与经典维数约简算法LDA、监督流形学习算法DLPP、判别映射嵌入(DPE)流形学习算法以及其他步态识别方法分别进行比较。试验结果表明,在同等试验条件下,SLPP识别率最高,从而验证了该算法的有效性和可行性。

非接触式智能IC卡在井下人员定位系统中的应用

矿井事故时有发生,加强安全生产和监督已成为当务之急,把非接触式智能IC卡应用于煤矿井下定位,对人员和设备实时监控,发生危险时自动报警,将提高搜救和救援效率。首先给出了设计方案和设备选型,然后设计了系统功能,包括数据自动采集、实时定位跟踪、综合信息管理等。

基于LQI滤波与联合参数估计的井下人员定位算法

现有的基于RFID技术的井下人员定位系统存在定位准确度低、抗干扰性差等问题。为提高井下人员定位算法的准确性和环境适应性,提出了一种在ZigBee通信协议框架下,基于LQI滤波与RSSI联合参数估计的定位算法。首先使用LQI指标对通过ZigBee芯片读取的原始RSSI数据进行滤波,其次对RSSI的信道参数和环境噪声参数进行联合估计,并依据环境噪声参数对距离估计进行补偿,最后利用最小二乘法完成定位计算。算法挖掘了现有硬件设备的潜力,更多考虑了环境对定位的影响,有效的提高了定位的准确度。最后通过ZigBee硬件平台验证了算法的有效性,与原有RSSI定位算法相比,改进算法将定位均方误差降低了约10%。

基于聚类和K近邻算法的井下人员定位算法

针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法。用二分k-means聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采集RSSI值,分别存储到在线定位数据库和动态修正数据库;根据待测点和动态修正器的离线数据和实时数据,采用软硬件动态修正加权K近邻算法计算权重值,结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明,所提定位算法的最小标准误差为0.46m,最大标准误差为3.26m,平均误差为1.62m。对比分析结果表明,与未进行聚类分析的算法相比,本文算法的精度更高,实时性更好;与未动态修正权重值的算法相比,本文算法的运算时间略有增加,但定位精度提高了37.21%。

基于ZigBee的井下人员生理指标监测系统设计

针对传统的井下人员监测系统多用于井下人员的定位而无法实时获取井下人员生理指标的问题,设计了一种基于ZigBee的井下人员生理指标监测系统。该系统通过多个无线传感器采集井下人员生理指标,路由器接收传感器采集到的生理指标数据,并通过无线链路发送给网关;网关通过以太网接口将数据上传到地面监测中心,实现井下人员生理指标的实时监测。测试结果表明,该系统满足心率监测要求,进一步提高了煤矿安全管理水平。