基于计算机视觉技术的矿井电机车无人驾驶障碍物检测技术

摘要：

针对传统计算机视觉方法难以实现障碍物实时检测和定位的问题,提出传统计算机视觉技术与深度学习 目标检测算法YOLOv3相结合的障碍物智能检测方法.首先,采集电机车行驶区域(即有效检测区域)存在的障碍物数据并制作VOC格式数据集,使用YOLOv3训练数据集,得到障碍物检测模型;然后,采用传统计算机视觉技术定位到轨道,使用"3邻域"搜索法获得轨道线坐标值,根据距离信息向轨道外侧扩展一定距离,提取有效检测区域,同时网格化图片,将障碍物的坐标换算为实际距离;最后,使用障碍物检测模型对有效检测区域进行检测.试验结果表明:该方法可以识别行驶区域内多种特征差异很大的目标物体,如电机车、人和大块落石等;该方法每秒可以处理6帧图片,现场采集的实际数据测试平均精确率达到93.2％.

关键词：地下矿、无人驾驶电机车、障碍物智能检测、计算机视觉、YOLOv3、有效检测区域

所属期刊栏目：29

分类号：TD524(矿山运输与设备)

资助基金：国家重点研发计划项目"深部集约化开采生产过程智能管控技术"编号:2017YFC0602905

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：136-146