基于激光与视觉融合的煤量检测技术研究

随着煤矿智能化的发展,矿井的精确检测和分析逐渐成为衡量煤矿高效安全生产的重要手段。在煤矿井下粉尘、水雾等不利环境因素影响下,常规煤量检测设备例如电子皮带秤、单激光单视觉测距仪器在检测过程中存在着识别精度不高、抗干扰能力差等问题。针对这些问题,提出了一种激光与双目视觉融合技术,研制了一款适用于煤矿井下的基于激光与视觉融合技术的输送带煤量检测装置,通过对摄像机和激光雷达同步检测的图像进行融合,利用PSMNet网络的多尺度融合特征并基于结构进行预测,获得更准确、更密集的深度信息,经现场实验验证该方法对井下煤量体积检测的准确率可以达到90%以上。该技术可以实现煤堆表面点的快速、准确测量并有效提升煤量测量的准确度。

激光视觉融合下的运动检测与失配矫正

针对单一传感器在动态场景感知问题上的局限性,设计了一种融合激光与视觉的实现系统,并对运动检测中的背景显露区误判问题和融合中不同传感器间点云的失配问题分别提出了改进算法。在运动检测上,首先基于视觉的背景差分算法对激光进行前景点分拣,再以激光前景点为启发信息进行视觉前景聚类。在融合失配问题上,首先基于栅格失配度分别对激光和视觉点云进行聚类分割,再以激光为基准,逐一将对应的视觉点云与之配准,滤除噪声后所得到的矫正点云可用于场景重建进行进一步验证。实验结果表明,改进算法所获得的融合前景对"影子"有更好的鲁棒性;较之整体配准的矫正,改进算法在平均失配度上降低了约75%,在y和z方向上的偏移比收敛了至少5%。

基于激光和视觉融合的障碍检测研究

无人驾驶技术作为未来驾驶领域的发展趋势,实现实时定位是其最主要的功能。避障是实现路径的合理规划规划与道路边缘检测的基础。然而,目前的单一传感器检测在复杂的动态场景中无法保证检测结果的准确性。为了提高无人驾驶车的避障性能,本文重点研究了基于激光和视觉融合的障碍检测方法,探究了影响融合效果的关键因素,创新性地提出将三维激光雷达扫描与机器视觉融合的避障技术并说明了其工作原理。该方法能够减小障碍物检测的误差。最后总结了该方法的应用前景。

激光与视觉融合技术在煤矿胶轮车的应用

为实现煤矿胶轮车自主定位和自主识别巷道环境,提高煤矿运输系统的智能化水平,以WLR-5BA无轨胶轮车为载体,在车辆上布置多类型传感器,构建了车辆的导航框架及运动模型,采用激光雷达与视觉识别融合技术,利用非线性扩展卡尔曼随机类数据融合方法,进行了车辆在行驶过程中对周围环境的感知以及障碍物的识别。研究结果表明,在井下远距离障碍测试中,观测点误差波动范围为0.048~1.525 m,相对误差约为1.00%,因此,激光雷达与视觉识别融合技术可达到较高的感知精度。