基于机器视觉的新能源电动车充电孔检测与定位方法

针对电动车辆人工充电环节的效率低下、场合限制、漏电隐患等难题,研究了一种基于机器视觉的新能源电动车充电孔检测与定位方法。该方法能有效获取目标充电孔的有用特征,实现机器人的自动化充电。首先采用中值滤波去除强电磁噪声的干扰;然后提出了基于HSI颜色模型的二阶段图像检测方法,包括HSI模型变换、Hue分量阈值分割、形态学操作、Canny算子边缘检测、鲁棒性拟合等步骤,并以亚像素的高精度提取出目标充电孔特征;最后,采用HALCON软件对设计算法进行验证测试,实验结果表明该方法能有效识别充电孔,且定位精度满足机器人作业要求,运行时间约为1051.2 ms。

基于曲率滤波和反向P-M电动车充电孔检测方法

为了解决电动车人工充电作业的效率低下、场合限制、漏电隐患等难题,研究了基于曲率滤波和反向P-M扩散的电动车充电孔检测与定位方法,该方法能够从充电座图像中精确高效地提取目标物充电孔的特征,实现机器人的自动化充电。针对图像信号受强电磁干扰,采用了具有噪点识别能力和边缘保持特性的曲率滤波法进行图像除噪;由于充电座图像背景复杂、亮度不均以及干扰项多,导致常规分割方法失效,故研究了反向P-M扩散和BP神经网络(BPNN)相结合的分割方法。预处理图像经反向P-M扩散、差分运算、滤波及空洞填充得到P-M精确分割的连通域,再利用形态学击中算法,在P-M连通域中搜寻由BPNN粗略提取的连通域,从而得到精确的充电孔目标区域。最后,对所提出的方法进行验证测试,实验结果表明该方法能有效识别充电孔,并且检测速度、定位精度很好地满足充电机器人作业要求。

综掘系统视觉处理技术研究现状及发展趋势

机器视觉技术具有非接触测量、获取信息量大、数据处理能力强等优点,将其应用于综掘工作面,对于提高综掘工作效率、保障人员设备安全、减少事故发生具有重要意义。综述了近年来视觉处理技术在煤矿综掘系统中的具体应用与发展情况,依据综掘工作面的任务分工,结合具体实际案例,重点分析了机器视觉技术在视觉检测与定位、安全监测与事故预防、装备自动化与智能化等方面的应用。通过分析不同应用场景中各类视觉检测系统的结构与检测原理,明确了视觉处理技术在综掘工作面工程应用中的技术性能、工作流程及优缺点。分析了视觉技术在综掘工作面应用中存在的挑战,包括环境适应性问题、成像视野范围较窄、智能算法的鲁棒性和可靠性尚待提高等。指出多传感器信息融合技术、设备群协同控制技术与数字孪生驱动远程监控技术是基于机器视觉的煤矿智能化装备体系未来需要重点发展的新方向。