基于多信息融合与神经网络的矿区目标体重建方法研究

为提高矿区目标体的重建效果,提出了一种将点云数据与图片进行融合的重建方法。通过MATLAB获得目标体的点云数据,对目标体的点云数据进行拼接以及表面重建。以清晰程度、纹理复杂度以及曝光率作为评价图片质量的3个因素,利用BP神经网络对目标体图片的质量进行分级,在卷积神经网络的基础上搭建BP神经网络对目标体图片中的部分进行识别。最终通过融合激光雷达、单目相机所获得的点云数据与图片来实现目标体的重建。结果显示,BP神经网络的分级准确率为96.39%,BP神经网络的最低识别率为96.4%,通过融合后重建目标体的误差小于±0.12m。研究结果为目标体的定位、矿区救援提供了参考依据。