基于双目视觉的掘进机器人定位定向方法研究

0引 言

近年来，随着智能矿井建设规划的提出，探索从根本上改变传统掘进工人作业方式和条件的实际需求，实现矿井巷道掘进全过程的安全高效智能运行成为智能掘进的重要研究内容。因此，掘进装备智能化、机器人化成为关键环节[1-4]。然而，煤矿掘进工作环境恶劣，掘进机的自动化水平并不高，掘进作业仍以人工为主。目前，掘进机定位定向方法大多采用现场观察方式，或者通过全站仪、激光标靶观测等测量方法获得掘进机位姿参数[5-8]，这些方法无法提高掘进效率，对现场操作人员的人身健康造成危害，拖延了智能化矿井建设进程。

随着煤矿机器人、机器视觉、计算机等技术的不断发展，掘进机器人化成为提高掘进效率、保证掘进工人安全的重要手段。目前，掘进机器人通过激光标靶与全站仪、视觉、惯性导航等传感器组合定位。薛光辉等基于激光跟踪云台与激光标靶组合测量的掘进机位姿测量方法，探究了掘进机位姿、激光标靶位姿以及巷道坐标系之间的转换关系[9]；田原、王以忠、黄东等通过分析掘进机的运动特点，将惯性导航系统用于掘进机自动定位，利用惯性导航技术方位与姿态检测优势，研究了掘进机定位方法[10-13]；杜雨馨等将十字激光器与激光标靶做为信息来源，通过对标靶上十字光线成像特征的分析，建立了掘进机机身位姿空间解算模型[14]；吴淼等研究基于空间交汇测量技术的悬臂式掘进机自主位姿测量方法[15]。杨文娟等利用多传感器融合与组合惯导、机器视觉等技术研究采掘装备的精确定位定形与定形技术，如基于3次多项式光滑函数的悬臂式掘进机器人关节空间轨迹规划方法[16]；基于激光束和红外光斑特征的悬臂式掘进机机身及截割头位姿检测方法、视觉测量系统[17]。毛清华等运用超声、激光和惯导与地磁融合的组合惯导检测掘进机机身空间位姿方法[18-19]。这些方法提高了掘进机器人的定位精度与效率，为实现掘进机器人的智能控制奠定了基础。

目前掘进机器人定位定向检测方法及系统较为复杂，对环境的准确认知及特征信息仍需深入挖掘。文中通过双目视觉系统，从掘进机器人对巷道空间图像识别角度出发，研究掘进机器人环境感知与巷道结构识别模型，分析巷道与掘进机器人的空间位置关系，为解决掘进机器人定位定向问题提供新方法及理论基础。

1基于双目视觉的掘进机器人巷道图像感知系统

文中基于双目视觉传感器，提出复杂巷道环境空间图像感知的掘进机器人定位方法，深入探究并改善视觉传感器受工作面粉尘大、干扰强、照度低及复杂空间结构等环境条件因素对掘进机器人定位定向精度的影响，如图1所示。基于双目视觉传感器采集掘进巷道空间图像信息，建立掘进机器人巷道图像感知系统。掘进机器人巷道图像感知系统通过双目视觉传感器采集巷道空间图像信息，经传输掘进机器人机载计算机，通过图像特征提取与识别算法，获取巷道空间图像特征信息并识别，构建掘进机器人与空间位置之间的坐标转换关系，解算出掘进机器人空间位置信息，根据巷道空间图像仿真分析，为三维重构实现巷道虚拟环境的建立提供数据依据。

图1 基于双目视觉的掘进机器人巷道图像感知系统Fig.1 Tunnel image perception system of roadheaderrobot based on binocular vision

1)掘进机器人机载计算机以工业计算机为核心，包括中央处理器、存储及图像处理单元，主要完成对双目视觉传感器采集到的巷道图像进行存储与处理，并通过井下通信系统上传到近程集控中心、地面远程控制中心等。

2)双目视觉传感器采用具备结构光、深度及暗光采集等功能，能够实现在干扰强、粉尘大、照度低等恶劣环境中实时图像数据采集，为分析重构巷道空间提供有效图像数据。

3)特征提取与识别算法以采集到的巷道空间图像信息为数据来源，提取巷道空间边缘、角点等特征，建立巷道空间特征识别模型。

4)根据巷道空间边缘特征，经掘进机器人定位定向模型解算出掘进机器人在空间中的位置信息，为掘进机器人自主控制提供数据基础。

2基于巷道空间图像特征的掘进机器人定位定向方案

掘进机器人通过双目视觉传感器实时采集掘进机器人后向巷道空间图像信息，视觉系统视场方向为朝向巷道口方向，与掘进方向相反，如图2所示。

图2 掘进机器人定位定向系统设计方案Fig.2 Design scheme of the positioning and orientationsystem of the roadheader robot

上一篇：数据
下一篇：没有了