煤矿井下履带式巷道巡检机器人系统设计

为解决煤矿井下巷道巡检存在的劳动强度大、巡检效率低、漏检误检等问题,设计了1种具有最优路径规划、自主行走的履带式巡检机器人系统。详细阐述了该系统的硬件、软件设计,以STM32电路控制板、激光雷达、Jetson Xavier NX(模组系统)构建了巡检机器人的硬件系统,以机器人操作系统(Robot Operating System,ROS)构建了巡检机器人的软件系统,并采用改进的A算法进行路径规划和自主行走控制,最后实施了仿真与测试。结果表明,巡检机器人系统能够实现最优路径规划和自主行走,并代替人工巡检,降低了巡检人员的劳动强度,提升了巡检效率,有效地避免了漏检误检。

基于机器视觉的锚杆异常快速检测方法

现有的锚杆异常人工检测方法只能对单根锚杆进行抽检,无法全面检查锚杆异常情况,且效率较低。锚杆有异常时,杆体露出段往往出现长度或角度变化,甚至发生脱落。根据锚杆出现异常时露出段长度、角度会发生变化的特点,以巷道巡检机器人为平台,基于机器视觉技术设计了一种由锚杆图像匹配与提取、锚杆特征检测构成的非接触式锚杆异常快速检测方法。在锚杆图像匹配与提取阶段,采用感知哈希算法进行采集图像与原始图像匹配,采用直方图均衡化实现图像增强,采用YOLOv3算法定位并提取锚杆区域;在锚杆特征检测阶段,采用双边滤波与Canny边缘检测算法提取锚杆图像边缘信息,采用直线段检测算法提取锚杆图像直线段,结合锚杆轮廓可视为一组平行线的特征,实现锚杆长度、角度特征提取,并与原始图像锚杆特征进行对比,实现异常检测。通过在实验室制作数据集对锚杆异常快速检测方法进行实验,结果表明该方法可快速、准确地检测出锚杆异常。