在煤炭生产企业中,为了缓解煤炭企业的运输压力以及煤炭运输过程中的原煤的存储与中转的压力,煤炭企业通常会设置一定数量的煤仓。因此,煤仓煤位的深度检测是避免煤仓空仓,造成风流短路、煤炭溢出埋压设备等事故发生的关键措施,是煤炭企业安全、稳定、高效运行的重要条件。然而由于煤仓内煤种多变、高粉尘、高湿度、低照度、瓦斯聚集等恶劣的环境,严重制约着煤仓煤位智能检测控制技术的发展和应用,难以满足煤矿安全生产的需要,因此,煤仓煤位的测量是煤炭行业长期以来未能解决的技术难题。本文针对煤仓煤位在线检测的实际需求,首先介绍了煤仓煤位深度估计的实际现状,对现有的煤仓煤位检测方法进行了分析和总结,分析了基于接触式煤位计与非接触式煤位计的工作原理、煤仓结构以及各个测量方法存在的弊端。介绍了机器视觉的基本标定算法,研究了现有的摄像机自标定算法的具体过程,包括两步法、自标定算法、平面标定法,对坐标转换理论模型进行了详细的分析,通过实验仿真证明了本文提出的煤仓煤位自适应标定算法的有效性和可行性,参照现有的标定算法,对煤仓煤位图像检测的标定结果进行了对比分析,该标定算法无需任何标定模版,且标定算法简单,为后期的图像处理节约了时间,以及后期的实时三维重建提供了大量的数据支撑。由于煤炭企业煤仓内粉尘严重、湿气大,光线较弱的恶劣成像环境,本文通过分析研究煤仓内部摄像机成像的基本特征,针对煤仓煤位视觉检测顺利而有效的实施,提出了一种非接触式的基于高斯金字塔与Mallat小波塔式算法的煤仓煤位实时在线特征检测算法。考虑到煤仓煤位图像在恶劣成像环境中,以及煤位图像的特殊性,该算法结合了Mallat小波塔式算法与高斯金字塔算法,对煤位图像在多尺度空间中进行特征分析和重建,最大限度的去除煤位图像中的冗余信息,并且对优化后的特征信息进行煤位图像的重建,确保煤仓煤位图像分析和处理的实时性。经过试验分析可以明显看出,本文中提出的煤仓煤位自适应标定算法与交互式高斯金字塔与Mallat小波金字塔特征提取算法,能够实时获取煤仓煤位图像中煤位关键点处实际三维信息,由此实现了煤仓煤位实时深度分析的可控智能预测,为煤炭企业安全稳定生产奠定了基础。