基于残差优化的综采工作面煤壁点云补全方法

煤矿综采工作面巷道的数字化三维重建过程中需要完整且密集的煤壁点云数据。受遮挡、视角限制等因素影响,采集的综采工作面煤壁点云数据往往不完整且稀疏,影响下游任务,需进行煤壁点云修复和补全。目前缺少针对井下点云补全任务的数据集和网络模型,现有模型用于煤壁点云补全时存在点云密度分布不均匀、点云特征信息丢失等情况。针对上述问题,设计了一种基于残差优化的煤壁点云补全网络模型,采用监督学习方式学习点云特征信息,通过最小化密度采样和残差网络迭代优化输出完整点云。采集煤矿井下真实综采工作面煤壁点云数据,预处理后筛选可用数据,通过模拟随机空洞制作煤壁点云缺失数据集,并用缺失数据集训练基于残差优化的煤壁点云补全网络模型。实验结果表明:与经典的FoldingNet,TopNet,AtlasNet,PCN,3D-Capsule点云补全网络模型相比,基于残差优化的煤壁点云补全网络模型针对构造的缺失煤壁点云和稀疏煤壁点云补全的倒角距离、地移距离及F1分数均能达到最优水平,整体补全效果最佳;针对实际缺失的煤壁点云,该模型能够实现有效补全。

巷道三维激光点云数据变形提取方法

在地下煤炭资源开采过程中,高地压、高应力等外部因素会使得巷道围岩出现形状改变并引发冒顶、片帮等围岩破坏现象,严重威胁煤矿安全生产。为及时掌握巷道围岩变形情况,对煤矿巷道变形进行有效监测,提出了一种基于三维激光点云技术的巷道断面提取与变形量分析方法,并通过巷道内模拟实验验证了该方法的可行性。实验结果表明:所提方法能够适应井下巷道复杂环境,自动识别巷道变形位置并利用断面提取法进行更精确的变形分析,所监测表面位移分辨率能够达到厘米级,符合巷道表面位移监测需求。

矿井煤流数字孪生激光扫描质量评价方法研究

激光扫描技术是矿井数字孪生建模的基础手段,其模型点云质量好坏直接影响孪生建模和智能分析的精度。介绍了煤流激光扫描数字孪生建模的原理,通过分析煤流点云几何参数的信息熵,明确了点云信息熵与噪音强度之间的关系,并可将其作为建立激光扫描煤流点云模型质量评价方法的实验依据。阐明了信息熵的影响因素,开展了多因素方差实验进行显著性效应检验,结果表明信息熵的变化主要与煤流量、噪音强度有关。结合二次曲面方程、高斯牛顿迭代法,对噪音强度的预测模型进行了优化训练;通过构建模糊关系矩阵,实现对点云滤波参数的模糊推理,进而得到高保真、高可靠以及高精度的煤流点云模型。针对煤矿综放工作面实地采集的煤流点云样本进行实验,结果表明点云质量评价算法具备更好的一致性、稳定性和单调性,更适用于煤矿井下复杂工况条件。

基于双目实时匹配的输送带煤流监测方法

煤流实时监测是实现煤炭开采数字化过程的重要技术,传统立体匹配方法 RAFT计算效率低下,为提升煤流监测方法的效率,提出了一种基于双目实时匹配的输送带煤流监测方法,首先采用基于Mask约束的煤流图像快速立体匹配算法计算煤流视差、点云,然后利用PUGeo-Net网络对煤流点云进行加密,最后通过网格分割法计算煤流体积和质量。实验结果表明,该方法计算煤流质量平均耗时为0.6 s/帧,煤流质量误差3.5%以内,相较传统方法效率提升4.16倍,验证了其针对输送带实时煤流监测效率、精度的有效性。

综采工作面三维防爆巡检机器人设计及试验

设计了一种应用于煤矿综采工作面上的防爆型巡检机器人,该机器人搭载激光雷达、惯导、车载计算机等设备。采用四驱结构,并且具有激光slam技术执行同步建图及定位功能,做到建图及定位的有机结合,并且该建图是实时的,可以用于监控。由于激光雷达的测量精度与光照无关,这对于综采工作面环境特别有优势,可以弥补视频监控在弱光条件下显示效果差、无光条件下无法使用等缺点。通过工业性试验,验证了该四驱型巡检机器人的可靠性及通过性。通过提取激光点云的特征可以求出煤壁与顶板的交线,为采煤机自动截煤提供技术支撑。

基于点云数据的带式输送机跑偏及堆煤算法研究

为了解决同发东周窑煤业带式输送机输送带跑偏、出现堆煤等情况,通过点云数据处理来监测输送带跑偏程度、利用煤流等效高度判断堆煤情况。通过对比实验结果表明:输送带速度为0.5~3.0m/s时,边沿点检测相对误差为-6.98%3.12%,最大误差仅为2.83mm,在煤炭质量接近堆煤报警的临界值时,系统会发出警告,可以较好地实现对输送带跑偏及堆煤的实时监测,从而避免堆煤情况的发生。

三维激光扫描技术在储煤筒仓耐磨衬板检测中的应用

针对储煤筒仓内部封闭、光线不足等复杂环境造成传统方法难以实现对耐磨衬板病害检测的问题,本文采用三维激光扫描技术对黄骅港储煤筒仓内部耐磨衬板病害情况进行了检测与评估。通过三维激光扫描技术完成了对筒仓内部结构的三维模型构建,介绍了点云数据处理流程、数据分析方法,结合三维模型云图和灰度影像图实现了对衬板脱落、磨损等病害情况的识别与分析,验证了三维激光扫描技术在储煤筒仓耐磨衬板病害检测中的可行性和有效性,为储煤筒仓的维护和修复提供了依据。

基于三维激光点云比对的煤矿巷道表面位移监测研究

煤矿巷道表面位移监测对于确保矿山安全和稳定运营至关重要。采用基于点云法向量的下采样算法与多尺度模型到模型的点云比对算法(Multiscale Model-to-Model Cloud Comparison,M3C2)相融合的方式,实现了对巷道表面的特征提取与整体性监测;通过三维激光扫描仪获取的三维激光点云对巷道表面进行重构,获取三维点云模型,利用点云对比算法对不同时期的2期点云数据进行处理,并以色值表征煤矿巷道位移区域变化,运用于实际巷道表面位移监测。结果表明:应用基于点云法向量的下采样算法与M3C2算法相融合的方式成功提取特征区域并实现巷道表面位移的整体性监测,此方法能直观反映巷道表面的变形区域,相比在巷道直接应用M3C2算法性能更优。

基于图像和激光点云融合的智能采面煤岩识别

为了提高采煤工作面的智能化水平,提出了基于图像和激光点云融合的煤岩识别方法。首先,利用三维重建构建了蕴含煤岩颜色信息及截割纹理特征的图像点云;其次,提出了基于改进迭代最近点(iterative closest point,简称ICP)算法的煤岩点云配准方法,提高了点对间的搜索速度和配准精度;然后,设计了基于改进区域生长算法的煤岩识别方法,通过仿真分析验证了改进措施的有效性;最后,搭建了采煤机煤岩截割实验系统,并对相关改进算法进行了实验对比分析。结果表明,所提方法的点云数据分割效果最好,煤岩识别准确率达92.95%。在煤矿井下采煤工作面进行了现场测试,进一步证明了所提煤岩识别方法的可行性和实用性。

基于双目结构光视觉的煤流量测量研究

在常规的双目视觉系统中,常用的加速稳健特征和尺度不变特征转换匹配算法对图像质量要求高,针对煤炭这种颜色纹理比较单一的场景应用时容易失效,且需要消耗大量的计算资源,难以保证实时性;激光雷达在进行煤流量测量时,有效视场范围较小,对应的测量点数较少,扫描频率也较低,在带式输送机运行速度较快时,精度会大幅降低。针对上述问题,提出一种基于双目结构光视觉的煤流量测量方法,将线结构光引入双目视觉系统,利用线结构光的约束,将图像特征点匹配简化成左右2幅图像行之间的匹配。在保证双目系统相机光轴平行度的基础上,采用对应行匹配计算三维坐标点,提高采样频率和分辨率,进而提高煤流量测量精度,降低测量系统对光照和环境的依赖。点云获取:利用线结构光凸显煤料截面曲线,提取煤料截面中心线的图像坐标,利用双目相机获取左右煤料截面线结构光图像,建立双目结构光三维重建模型,左右图像中心线坐标构成匹配点对参与计算煤料截面三维坐标,实现点云的实时获取。煤流量计算:利用空载胶带截面点云和负载胶带截面点云,结合获取煤料点云,利用微元法对煤料三维点云进行采样,分别利用均匀网格化法和三角网格化法求取单位时间内的煤料体积,实现带式输送机煤流量测量。实验结果表明,利用均匀网格化法检测煤料体积平均相对误差为6.758%,利用三角网格化法检测煤料体积平均相对误差为2.791%,三角网格化法测量精度高于均匀网格化法。工业性试验结果表明,基于双目结构光视觉的煤流量测量方法与电子胶带秤相比,绝对误差最大值为87.855 t/h,绝对误差平均值为25.902 t/h,相对误差最大值为2.876%,平均相对误差为0.847%,满足煤矿非接触式煤流量测量使用要求。

基于线性模型划分的煤流体积测量

针对基于线激光条纹的带式输送机煤量测量精度和计算效率较低、胶带运行过程中存在拖尾现象及跑偏、飘带造成的数据不对齐问题,提出了一种基于线性模型划分的煤流体积测量方法。首先,利用高速线激光相机进行煤流数据采集;然后,通过基于线性模型划分的点云配准算法将胶带底部点云数据与煤流表面数据融合,形成完整的三维煤流数据;最后,通过煤流体积测量模型实现对煤流体积的测量。试验结果表明,基于线性模型划分的煤流体积测量方法在高粉尘环境、煤流表面洒水环境、昏暗环境及正常光照环境下测量粗糙表面铁块、光滑表面铁块及实物(煤和矸石)所得结果精度均在95%以上;且光滑表面铁块较粗糙表面铁块在4种模拟环境下的测量精度高,说明物体表面平整度越好测量精度越高,环境对测量精度影响不大。实际测试结果表明,基于线性模型划分的煤流体积测量方法的测量精度均在97%以上,对应平均耗时均在80 ms以内;与基于KD树的测量方法相比,整体精度提高了6%以上,处理时效性提高了1倍。

基于三维激光扫描的煤矿巷道形变监测方法

针对传统煤矿巷道形变监测方法存在数据采集不全面、数据形式不直观、精度差、不能实现对全巷道形变连续监测等问题,提出了一种基于三维激光扫描的煤矿巷道形变监测方法。首先利用三维激光扫描技术获取煤矿巷道真实的三维点云数据;其次利用深度学习模型VoxelNet对三维激光扫描数据进行检测去噪,将无序的点云数据转换成高维特征数据;再次利用alphashape算法对提取的巷道断面离散点进行拟合,并采用基于差值的方法对数据进行多维差值计算,以得到巷道形变的具体数据,实现矿区巷道形变监测的全覆盖。将三维激光扫描技术应用于塔山煤矿30507工作面的形变监测,对巷道三维点云数据进行了截面分析和三维整体分析。分析结果表明:通过2期巷道截面轮廓的相对偏差,可直接观测该区域的主要形变,如果上轮廓向内偏离则顶板发生塌陷;如果下轮廓向外偏离,则底板发生鼓起。随着测点距工作面的距离越近,附色模型的颜色越偏向红色和蓝色,且颜色越深,巷道形变越大。

基于改进注意力机制的燃煤电厂电煤库存校核研究

电煤作为我国电力行业重要生产原料以及最主要的能源来源之一,其资源管理事关经济民生。针对现阶段我国监管部门无法直接校核电煤库存以及数据集稀缺的情况,建立了一种基于U-net结构并融合改进式注意力机制的电煤库存校核算法模型,旨在助力我国电煤库存校核工作。该模型应对极少样本训练的情况,并通过提取单张无景深电煤图片中的空间特征信息并进行上采样生成点云信息,实现煤堆的三维重建后计算体积。实验结果表明,该校核算法可以在极少量数据样本数据集训练情况下,实现煤炭体积库存校核。最终实验点云生成结果位置区域吻合,测试集平均校核误差为3.04%,证明了该模型可有效帮助监管部门在校核样本稀少且缺乏相关数据集的情况下完成电煤库存校核。

基于无人机摄影技术的露天煤矿深基坑变形实时监测研究

以保障矿区工程施工安全为目的,研究基于无人机摄影技术的露天煤矿深基坑变形实时监测方法。按照露天煤矿工程分布情况,使用混合基准网法确定无人机航飞范围,选择UX5型无人机搭载红外摄像机采集该矿区深基坑红外图像;使用PIX4D mapper软件对红外图像数据进行全自动化处理,生成正射影像和数字表面模型;使用点云配准方法获取露天煤矿深基坑水平变形和沉降变形结果。实验结果表明,本文方法设计的无人机航飞方案较为合理,拍摄红外图像的航向重叠率和旁向重叠率较小,生成的深基坑DEM文件较为精准,匹配点云数据的吻合度为98.44%,匹配精度较高,可有效精准监测露天煤矿深基坑沉降情况,为露天煤矿深基坑安全施工提供准确数据。

基于激光三维扫描的不规则煤场测量系统设计

针对不规则煤场料堆体积和质量测量的技术难题,提出了基于激光三维测量获取煤场料堆表面三维点云的测量原理,依据相邻关系对点云排序,运用Delaunay改进型三角剖分三维重构算法拟合三维曲面,进而计算出煤场料堆体积和质量。同时设计开发了基于激光三维扫描的不规则煤场测量系统硬件、控制软件以及Web应用程序,实现了系统对料堆的激光三维自动测量、三维重构、体积和质量计算、测量结果的远程访问与维护。

手提激光盘煤仪点云去噪

由于堆场环境、人为因素和设备噪声使得手提盘煤仪获取的堆体点云不可避免的存在异物点云和噪声,为减小手提盘煤仪的测量误差,将高度阈值分类算法和双边滤波算法应用于盘煤仪的点云去噪,首先根据堆体自身的堆砌角特性和网格长度确定高度阈值,利用高度阈值去除点云中的异物杂点,然后利用双边滤波算法去除小尺度噪声,从而减小盘煤仪的测量误差。在大连华能电厂实际煤堆盘点实验表明,去噪前后的手提盘煤仪的重复性误差由1.1%降低到0.6%,结果表明,利用所提点云滤波方法可有效去除测量过程的异物点云,减小重复测量误差。

神宝能源穹顶仓储煤场盘煤系统研究及应用

针对圆形封闭式储煤场盘煤效率低、精度不高的问题,设计了多点激光扫描3D点云模型成像的自动盘煤系统。通过在穹顶仓内部空间合理布置激光扫描仪,对仓内存煤料堆进行全覆盖扫描,然后利用德内洛三角建模算法,将获取的三维点云进行三角建模运算,使采集的点云数据形成可编辑网格图形,再基于微积分算法将所有网格图形进行体积计算,最后得到整体煤堆体积,由此算出煤场内的储煤量。该盘煤系统在神宝能源储装中心穹顶仓煤场工程应用,解决了穹顶仓储煤场盘煤系统的协调规划及点云处理关键技术难题,实现了储煤场的高效、精准盘煤。

基于X射线图像和激光点云的煤矸识别方法

煤矸高效分选是实现煤炭资源绿色开采的重要手段,其核心技术是煤和矸石的快速精准识别。因此,本文提出了基于X射线图像和激光点云融合的煤矸识别方法。首先,设计了基于局部熵和全局均差加权的改进Otsu分割算法,以此提高X射线图像的分割精度和分割效率;同时,利用直通滤波和体素栅格降采样简化了煤矸激光点云数据,进而提取了X射线图像和激光点云的煤矸组合特征。然后,针对传统麻雀搜索算法(SSA)易陷入局部最优和种群多样性差等问题,提出了多策略改进的SSA算法(ISSA),并用于轻量梯度提升机(LightGBM)参数的寻优,进而设计了基于ISSA-LightGBM的煤矸快速识别模型。最后,搭建了煤矸识别实验平台,开展了相应的实验对比分析,结果表明:ISSA-LightGBM模型的煤矸识别准确达99.00%,综合性能优于其它模型,满足了煤矸高效识别的需求。

热电厂运煤车厢动态监测及体积测量方法

热电厂存煤量的实时检测是数字化生产的重要环节,检测得到的大量统计数据为煤量供耗科学管理提供数据支撑。提出一种图像和激光相结合的低成本运煤车厢物料监测和非接触式体积测量方法。首先,基于神经网络的目标检测方法和K-Means聚类算法实现对进出煤场车厢类型和标号的自动识别;其次,利用光流法获取车厢运动速度信息,采用二维激光和图像测速相结合的方式生成车辆的三维点云模型;最后,利用区域生长方法,得到特定区域内的有效激光点云数据,并利用多重积分和三维重构技术,得到不同车厢的装煤量体积数据。现场试验结果表明,该方法可以对不同运煤火车车厢装煤量进行实时测量,测量精度达到92%以上。

基于激光点云的割煤顶板线提取技术研究

激光扫描数据的获取与处理是煤矿智能工作面的关键技术之一。作为监测煤矿采煤机截割轨迹的重要手段,三维激光扫描技术,因其具有非接触、精度高、受烟尘影响小等特点日益受到重视,但由于激光点云数据存在的海量性、离散性、冗余多的特点,实际生产中,目前只能将远程获取工作面三维点云信息,无法利用激光点云数据的空间特征直接提取采煤机割煤顶板线,即无法提供当前刀采煤机截割轨迹的反馈信息。为实时获取和预测采煤机当前刀割煤顶板线位置数据,在基于物探、钻探、巷道素描和激光扫描等数据构建初始透明化工作面的基础上,利用激光扫描仪,实时感知获取煤矿井下综采工作面的激光点云数据,在充分理解激光扫描装置运行原理和激光点云数据特征的前提下,针对三维激光点云存在的数据离散、信息量大、特征提取困难等问题,通过移除离群点、点云滤波、点云切片和基于空间形态的特征点提取等算法,建立了一套完整的工作面三维激光点云的特征提取流程,实现了综采工作面激光点云的割煤顶板线的自动提取,并与基于目视解译法提取的割煤顶板线数据进行对比验证,误差小于0.04 m的点数量占84%,误差小于0.08 m的点数量占96%,验证了该提取采煤机当前刀割煤顶板线算法的可行性,从而为下一刀或下几刀采煤机截割行程提供数据参考。