隧道环境内无人驾驶车辆目标决策两级信息融合感知策略

基于隧道内的特殊行驶环境和无人驾驶感知需求,选择合适的传感器及硬件搭建试验车辆,构建了毫米波雷达与摄像头多传感器融合的感知系统;基于YOLOv4目标级信息融合算法和改进D-S证据理论决策级信息融合算法,提出了一种“目标决策”两级信息融合策略;最后,在城市道路隧道环境内开展了感知信息两级融合验证试验,试验结果表明:相比单一的摄像头或毫米波雷达感知效果,基于摄像头与毫米波雷达传感器感知ROI区域关联实现的目标级融合结果可以提高9.51%的识别准确率,弥补了单一传感器在隧道环境内感知技术的不足;基于目标级融合感知结果,利用改进后的D-S证据理论算法再进行决策级融合,相比于单一的目标级融合结果,误检率降低了3.61%,显著提高了检测精度。采取多传感器感知信息目标决策两级融合策略能够满足隧道特殊环境内无人驾驶车辆可靠感知需求,为推动无人驾驶技术落地应用提供了理论与技术支撑。

煤矿井下单轨吊无人驾驶目标识别算法与轨道接缝检测方法

单轨吊作为煤矿井下辅助运输的重要设备形式之一,具有运载能力大、爬坡能力强等优点,在煤矿智能化建设背景下无人驾驶是其必然的发展方向。为确保无人驾驶单轨吊在井下巷道内的安全行驶,对轨道接缝和关键目标的可靠检测尤为重要,从提高单轨吊无人驾驶安全通过性出发,对单轨吊无人驾驶目标识别算法与轨道接缝检测方法两大主要方面展开了研究。首先,对矿井图片数据集进行了增强处理,提高了其多样性;提出了一种加入改进通道注意力机制ECA_s和EIOU回归损失函数的YOLOv5算法,并对改进后的YOLOv5算法进行试验分析,结果表明,采用改进后的YOLOv5算法,识别准确率提高了9.1%,mAP提升了3.6%。其次,建立了基于机器视觉的单轨吊轨道接缝检测方法,采用图像预处理、直方图信息统计、形态学处理等技术,根据标定系数计算轨道接缝距离,结果表明,基于机器视觉的轨道接缝检测算法处理一张接缝图像的检测误差仅为0.3 mm。最后,开展了单轨吊无人驾驶目标检测试验,结果表明,改进后的YOLOv5目标检测算法平均精度达到90.3%,具有更高的检测准确率;单轨吊轨道接缝检测算法处理接缝图像的平均检测误差为0.73 mm、最大检测误差不超过1.1 mm,具有更高的检测精度。为保障煤矿井下单轨吊无人驾驶安全通过性和可靠性,提供了务实可行的检测方案和精确可靠的检测算法。

煤矿井下无人化辅助运输系统关键基础研究及应用实践

辅助运输系统是煤矿生产系统的重要组成部分,辅助运输设备的先进与否直接关系到煤矿的生产效率与作业安全。近年来我国开始大力推进煤矿智能化建设,但传统辅助运输系统仍普遍存在工艺不连续、转载环节多、用工占比高、自动化程度低等现实问题,已经成为制约煤矿智能化建设和无人化发展的薄弱环节。面向煤矿辅助运输系统“无人化”发展目标,凝练提出了辅助运输系统亟需研究解决的“连续化、标准化、智能化”三大关键基础问题,分别针对轨道式、无轨式辅助运输系统给出了多种连续化、标准化和智能化解决方案,进而提出了一种新型复合式连续化无人型辅助运输系统。首先,针对往复式串车提升不连续问题,设计了一种采用悬挂式钢丝绳牵引的轨道矿车连续运输系统;针对无极绳绞车难以适应长距离运输问题,设计了一种采用耐磨胶带多点辅助驱动的长距离无极绳牵引系统;针对无轨胶轮车因爬坡能力不足而导致的应用受限问题,设计了一种采用钢丝绳辅助牵引的无轨胶轮车连续运输系统。其次,开展辅助运输系统标准化设计,基于无轨、有轨两类标准化载物平台,针对设备、长料、散料、液体等不同物料类型,设计了不同大小规格和开口形式的系列化标准容器;通过将标准化、系列化的装载容器与载物平台进行模块化组合,可实现辅助运输物料的“集装箱式”快速装运,为开展机器人化辅助运输奠定了基础。再次,面向煤矿辅助运输系统智能化建设需求,研制了无人驾驶的无轨胶轮车和单轨吊并通过现场试验进行了验证,给出了无极绳运输系统的无人化运行方案,可有效解决传统辅助运输系统用工岗位多、人为失误多等问题;进一步,针对井下转运环节和最后100 m运输亟待解决的智能化难题,设计了一种“装铲运”一体化重载搬运机器人。最后,针对传统辅助运输设备种类繁多和应用局限性问题,发明了一种“轮轨复合”且“天地衔接”的新型多功能井下运输机器人(MAGV);基于MAGV提出了煤矿井下“两地三轨”自适应连续化辅助运输系统,并分别给出了其在斜井和立井中的应用工艺。研究结果可为解决煤矿井下辅助运输系统长期存在的运输不连续、用工岗位多、智能化程度低等现实问题提供指导,从而为推动煤矿井下实现“连续、标准、智能”的“无人化”辅助运输提供了一系列务实可行的技术原理和设计方案。