论文部分内容阅读
随着人工智能技术的不断进步以及煤炭工业生产力的不断提升,煤矿开采向着无人化、智能化方向发展。在使用煤矿智能化装备生产过程中,易受煤矿巷道未知环境约束,因此需要通过煤矿探测机器人对煤矿巷道内部场景进行三维环境重建,为煤矿智能化装备正常工作提供基础保障。煤矿巷道三维重建的精度完全取决于煤矿探测救援机器人的定位精度,但由于煤矿巷道照度低、粉尘浓度高以及湿度大的特点和巷道内部动态物体的干扰,都会对煤矿探测机器人定位系统的性能产生严重影响。为此,本文将针对煤矿探测机器人精确定位问题提出了一种基于组合代价函数的图像处理算法以及光流法与语义分割相结合的动态物体去除算法,解决煤矿巷道内干扰因素的影响,提高煤矿探测机器人定位精度与鲁棒性。具体探究内容如下:针对煤矿探测机器人精准定位需求,首先,对煤矿巷道地形特征进行研究。其次,研发适用于煤矿巷道地形特征的煤矿探测机器人平台,并对其硬件与软件系统进行设计。在硬件方面,根据实际场景的需要,选用小觅双目深度相机获取煤矿巷道内部场景信息,采用惯导设备辅助相机为煤矿探测机器人提供精准的位姿估计;根据煤矿巷道内部地形的特点,采用W型轮履结合的行走机构作为煤矿探测机器人的底盘行走机构,既保证了行走速度快,又具有翻越障碍物的能力。在软件方面,上下位机采用无线网络进行通讯,通过ROS机器人操作系统对煤矿探测机器人进行控制。然后,搭建RVIZ和Gazebo显示界面,满足煤矿探测机器人正常工作实时显示需求。针对传感器参数对煤矿探测机器人定位系统的影响,需要对传感器进行标定。首先,对相机成像模型进行分析。其次,通过kalibr工具以及Matlab工具分别对相机进行标定。经试验分析表明,通过kalibr工具标定的左右目相机图像坐标误差均分布在±1个像素之间,采用Matlab工具标定的相机平均坐标误差分布在0.14个像素左右,Matlab工具标定数据结果与小觅相机出厂数据一致性较高。然后,对IMU内参标定,通过分析IMU噪声模型,采集IMU数据包,经标定试验可获得IMU零偏以及随机游走误差等参数。最后,相机与IMU通过离线联合标定方式进行外参标定,经试验分析,可获得相机与IMU的外参以及传感器之间的时间漂移数据等。针对煤矿巷道内部环境照度低、粉尘浓度高以及湿度大等问题,提出了一种基于组合代价函数的图像处理算法。研制了一种煤矿模拟巷道试验平台,通过改变模拟巷道内光照、粉尘浓度以及湿度等干扰因素,对煤矿探测机器人视觉系统进行试验研究。本文提出的图像去雾算法过程主要有图像大气光估计、图像块传输估计、组合代价函数避免对比度过度增强导致图像信息丢失以及精细化传输。经过与多种图像去雾算法性能对比试验,表明本文提出的基于组合代价函数的图像去雾算法在保证图像去雾效果的同时,还可提高图像亮度,增强图像对比度,保持图像纹理细节。针对煤矿巷道内部场景动态物体的干扰问题,提出了一种基于光流法与语义分割方法相结合的动态物体去除算法,消除动态物体的干扰,提高煤矿探测机器人定位与建图系统的精度与鲁棒性。主要针对ORB-SLAM2算法框架进一步改进,通过分析帧间差分法与光流法的优缺点,采用光流法与语义分割方法相结合的方式去对图像的动态特征检测并移除,消除场景中动态物体的干扰,保证数据的动态关联,满足煤矿探测机器人在动态场景中的定位精度需求,提高系统的鲁棒性。通过动态场景语义分割试验分析,本文提出的语义分割算法可以有效分割出场景中的物体,满足实际需求。为了验证本文提出的光流法与语义分割相结合的动态物体去除算法的适用性,进行了大量的试验分析。结果表明,本文所提出的动态场景SLAM算法可以在高动态环境下正常运行,煤矿探测机器人位姿估计精度得到了大幅度提升,实现了动态场景下高精度定位,充分展现了算法的合理性与有效性。针对图像保存形式,采用基于八叉树的Octomap地图保存方式,提高了地图更新效率,减少了内存占用率。该论文有图103幅,表21个,参考文献106篇。